大陸居民赴臺灣自由行旅游流網(wǎng)絡分析及演化研究

[摘 要]隨著人們旅游消費能力逐漸增強，對旅游品質(zhì)的要求越來越高，自由行已經(jīng)成為人們主要出游方式之一。文章以大陸居民赴臺灣自由行為對象，采用數(shù)據(jù)挖掘技術(shù)采集我國最大旅游分享社區(qū)網(wǎng)站2009年以來的臺灣自由行行程信息，構(gòu)建了細粒度的旅游流有向網(wǎng)絡，并使用社會網(wǎng)絡理論進行分析。研究表明，該網(wǎng)絡屬于無標度網(wǎng)絡，網(wǎng)絡規(guī)模為2656，但平均路徑只有4.3，網(wǎng)絡密度較低，節(jié)點的度分布滿足冪律分布，網(wǎng)絡核心區(qū)與邊緣區(qū)互動較少。按照時間順序構(gòu)建旅游流網(wǎng)絡，研究網(wǎng)絡的演化并分析其演化動力，發(fā)現(xiàn)網(wǎng)絡規(guī)模、連接數(shù)量都與行程數(shù)量近似于比例增長，網(wǎng)絡演化過程中新增加的節(jié)點優(yōu)先鏈接網(wǎng)絡中的明星節(jié)點。文章首次從網(wǎng)絡演化的角度使用社會網(wǎng)絡理論研究旅游流，豐富和拓展了旅游流研究內(nèi)容。

[關鍵詞]旅游流；社會網(wǎng)絡；網(wǎng)絡演化；動力機制

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2016）10-0113-09

Doi： 10.3969/j.issn.1002-5006.2016.10.021

引言

隨著我國城鎮(zhèn)居民人均可支配收入的增長，人們旅游消費能力逐漸增強，對旅游品質(zhì)的要求越來越高，越來越多的人不再滿足于走馬觀花式的跟團出游。自由行作為一種新興的出游方式，順應了市場需求，得到快速發(fā)展。數(shù)據(jù)顯示，從2011年6月試點啟動大陸居民赴臺個人游至2015年2月底，赴臺個人游達累計達218.64萬人次，其中2014年赴臺個人游達117.9萬人次1。可以看出自由行發(fā)展異常迅速，但規(guī)模龐大的自由行旅游流與傳統(tǒng)團體旅游流不同，旅游者具有較強的個性化特征，旅游流覆蓋的旅游資源也更加廣泛。由于赴臺自由行旅游發(fā)展較快、規(guī)模大，本文以此為研究對象。

通過對中國學術(shù)期刊數(shù)據(jù)庫和Science Direct數(shù)據(jù)庫進行文獻檢索，顯示當前對自由行旅游流的研究甚少。一個地區(qū)的自由行旅游流具有什么樣的網(wǎng)絡特征，該網(wǎng)絡是如何演化的，演化的動力機制是什么？上述問題的回答不但可以豐富旅游流的理論研究，也具有較強的實踐意義，對旅游目的地的資源開發(fā)、區(qū)域旅游的規(guī)劃與政策制定、旅游線路的空間規(guī)劃、旅游危機預測與防范、旅游流擴散與區(qū)域旅游均衡發(fā)展等都有重要指導意義[1-2]。

1相關理論綜述

關于旅游流的研究，學者們依托地理學理論形成了較為系統(tǒng)的旅游流時空研究模式[3]，建立起旅游流理論框架[4-5]。在該理論框架下，國內(nèi)外學者對旅游流的時空分布[6]、結(jié)構(gòu)模式[7]、影響因素[8]、輻射效應[9]、動力機制[10]等方面進行了理論與實證研究[11]。在上述研究中，主要采用定性研究和以計量統(tǒng)計法、GIS分析法、社會物理學理論方法、區(qū)域經(jīng)濟學理論方法等為代表的定量研究為主。然而，如何揭示旅游流所形成的網(wǎng)絡特征？學者們發(fā)現(xiàn)社會網(wǎng)絡理論對諸多旅游問題具有強大的解釋力[12]。將不同旅游資源或目的地視為網(wǎng)絡節(jié)點，利用社會網(wǎng)絡理論研究旅游流網(wǎng)絡、解決旅游相關問題受到眾多學者的重視，并取得了一些重要研究成果[13-16]。

由于旅游流要素信息采集的限制，目前國外的相關研究主要集中在目的地之間關系以及組織之間的聯(lián)系。Palvovich較早利用網(wǎng)絡密度分析和中心性指標對旅游目的地的演化與轉(zhuǎn)型問題進行研究，深入研究了原住民、政府、企業(yè)組織間的相互作用和影響[17]。Scott等通過對目的地網(wǎng)絡結(jié)構(gòu)和網(wǎng)絡凝聚力進行分析，發(fā)現(xiàn)旅游目的地的經(jīng)濟發(fā)展水平越高、規(guī)模越大，其集聚作用越強[18]。Shih運用社會網(wǎng)絡方法對臺灣南投地區(qū)自駕車旅游目的地所構(gòu)成的網(wǎng)絡進行分析，通過對網(wǎng)絡節(jié)點中心性、結(jié)構(gòu)洞的測算與分析，為當?shù)芈糜伟l(fā)展定位和旅游設施建設提出可行性建議[19]。上述研究均未涉及自由行旅游流研究，也未從整體網(wǎng)視角揭示旅游流網(wǎng)絡的時空演化規(guī)律。

與國外相比，國內(nèi)學者在應用社會網(wǎng)絡理論對旅游流研究方面成果更豐碩。楊興柱等首次借助社會網(wǎng)絡理論和方法，研究了城市旅游流網(wǎng)絡結(jié)構(gòu)特征和評價指標體系，并對南京市16個景區(qū)組成的旅游流網(wǎng)絡結(jié)構(gòu)進行了實證分析[20]，但該研究對象采集的時空尺度較短，網(wǎng)絡節(jié)點較少。張妍妍等通過采集游客的數(shù)字足跡并結(jié)合社會網(wǎng)絡分析法，總結(jié)了西安國內(nèi)散客旅游流時間及網(wǎng)絡結(jié)構(gòu)特[21]。吳晉峰[22]、王奕祺等[23]、楊新菊等[24]、王金瑩等[25]等應用社會網(wǎng)絡理論與分析方法對我國入境旅游進行深入研究，揭示其網(wǎng)絡分布與結(jié)構(gòu)特征。但這些文章只收集了部分城市的入境數(shù)據(jù)，忽略了一些重要城市，其網(wǎng)絡測量有一定的誤差。雖然呂麗等運用該理論構(gòu)建了上海世博會客流向長三角區(qū)域空間擴散的網(wǎng)絡，分析了每個城市節(jié)點的集聚、中轉(zhuǎn)和擴散客流的能力[9]，但事實上上海世博會旅游者的旅游行程中多數(shù)選擇單一目的地——上海世博會，擴散的旅游者占百分比較少。

上述對社會網(wǎng)絡理論在旅游流研究的應用尚局限于網(wǎng)絡結(jié)構(gòu)的特征分析，尚未涉及旅游流網(wǎng)絡的演化[26-27]，研究對象方面也未涉及到自由行旅游流。究其原因，基于傳統(tǒng)的通過問卷、訪談、政府官方統(tǒng)計等數(shù)據(jù)采集方法很難獲得長時間、不間斷的旅游流網(wǎng)絡數(shù)據(jù)[28]。因此，本文提出將先進的數(shù)據(jù)挖掘技術(shù)作為獲取旅游流數(shù)據(jù)的重要工具，可以在較短的時間內(nèi)對分布在互聯(lián)網(wǎng)上大規(guī)模的旅游數(shù)據(jù)進行抓取和自動化處理，通過人工的數(shù)據(jù)校驗，獲得適用于研究的長時間段的大樣本數(shù)據(jù)。

本文采用數(shù)據(jù)挖掘的方法獲取2009年以來馬蜂窩旅行網(wǎng)（http：//www.mafengwo.cn）上的大陸居民赴臺灣自由行行程和行程中每一站信息，構(gòu)建遍歷時間較長的自由行旅游流網(wǎng)絡，并基于社會網(wǎng)絡分析理論研究臺灣自由行的旅游流網(wǎng)絡特征。首次應用社會網(wǎng)絡理論分析旅游流網(wǎng)絡的時空演化，拓展了社會網(wǎng)絡理論在旅游流網(wǎng)絡分析中的應用，為研究分析各類旅游流網(wǎng)絡的演化機制提供了新的思路和理論方法。

2數(shù)據(jù)來源及與研究方法

2.1數(shù)據(jù)來源

隨著我國經(jīng)濟的發(fā)展，越來越多的人在休閑度假時選擇自由行。在出發(fā)前，通過查閱其他人的游記、旅游經(jīng)驗是制定自由行線路的重要資源和依據(jù)。馬蜂窩旅行網(wǎng)是國內(nèi)最大的旅游分享社區(qū)網(wǎng)站，注冊游客超過5000萬，真實點評達到1600萬條，在國內(nèi)具有較大的影響力。其網(wǎng)站對海量的游記進行分類，并可根據(jù)目的地提供當?shù)氐挠斡浥c行程安排。本研究選取大陸游客分享的臺灣自由行游記（www.mafengwo.cn/xc/12684/），共909條線路，采集時間為2014年3月18日，行程發(fā)布的起始時間為2009年4月10日。

數(shù)據(jù)采集通過數(shù)據(jù)挖掘技術(shù)實現(xiàn)。首先通過網(wǎng)絡爬蟲抓取上述909條行程的頁面文本，定義需要采集的字段，即行程中每一天中的每一站（以下稱之為節(jié)點）名稱以及行程發(fā)布的時間。由于個體之間對同一個旅游景點的認識不同，相同的節(jié)點會有不同的稱呼，如臺北101大樓，游記中分別稱為：“101游大樓”“101大廈”“臺北101大樓”等，需要對數(shù)據(jù)進行人工校驗處理，同一地點采用相同的名稱。由于不刪減游記標注的每一站內(nèi)容，使得本研究數(shù)據(jù)具有以下特征：

（1）數(shù)據(jù)粒度較細。社會網(wǎng)絡視角下的旅游流研究大多只收集游客經(jīng)過的城市或知名景區(qū)，在數(shù)據(jù)獲得上通常采用問卷與訪談法。本研究通過數(shù)據(jù)挖掘的方式，不但保留游客歷經(jīng)的城市、旅游景區(qū)，還包括酒店、客棧、餐飲店、商業(yè)街等，涵蓋旅游業(yè)中的吃、住、行、游、購、娛，統(tǒng)計數(shù)據(jù)粒度精細。所構(gòu)成的旅游流網(wǎng)絡不但反應了臺灣旅游流的空間分布特征，而且反應了游客的偏好。

（2）數(shù)據(jù)量大。對馬蜂窩旅行網(wǎng)上的大陸居民赴臺灣自由行行程進行了全樣本挖掘，提取行程中作者標記的關鍵節(jié)點的所有字段，包括景區(qū)、住宿、餐飲、商業(yè)購物點和出發(fā)地等共2656個網(wǎng)絡節(jié)點。

2.2研究方法

基于社會網(wǎng)絡理論對采集的旅游數(shù)據(jù)進行處理分析，構(gòu)建大陸居民赴臺灣自由行旅游流的有向網(wǎng)絡。通過旅游流動力機制理論和網(wǎng)絡效應理論分析本文構(gòu)建的旅游流網(wǎng)絡形成機制，借助復雜網(wǎng)絡中小世界模型和無標度網(wǎng)絡模型分析本網(wǎng)絡的演化。按照游客出行的行程節(jié)點順序連接網(wǎng)絡，建立非對稱鄰接矩陣[V]，矩陣[V]中行[i]和列[j]分別代表游客標記的不同節(jié)點。矩陣單元中[V（i，j）]表示游客從行程節(jié)點行[i]到[j]的連接，如果沒有從節(jié)點行[i]去到[j]，[V（i，j）]值為0，否則其值為1。

研究測量的指標包括旅游流網(wǎng)絡的小世界特性指標和整體網(wǎng)絡的評價指標。其中，小世界特性指標主要包括網(wǎng)絡的平均路徑長度、聚類系數(shù)和節(jié)點的度分布規(guī)律。整體網(wǎng)絡的評價指標包括：網(wǎng)絡規(guī)模、密度、中心性、凝聚子群和核心邊緣。

2.2.1 旅游流網(wǎng)絡的小世界特性指標

評價網(wǎng)絡小世界特性的主要指標是網(wǎng)絡的平均路徑長度和節(jié)點的聚類系數(shù)。近年來，學者們通過大量的研究和實驗證明，大量規(guī)模很大的網(wǎng)絡其平均路徑很短。網(wǎng)絡中任意兩點的距離[dij]指連接點[i]和[j]兩個點的最短路徑的邊數(shù)。網(wǎng)絡中不是所有節(jié)點都具有相同的度，實驗證明目前社會網(wǎng)絡的度分布主要表現(xiàn)為：泊松分布、冪律分布、指數(shù)分布。

2.2.2 整體網(wǎng)絡的評價指標

本研究選取了反映社會網(wǎng)絡主要特征的5個指標：網(wǎng)絡規(guī)模、密度、中心性、凝聚子群和核心邊緣來對臺灣自由行的旅游流網(wǎng)絡進行分析。

中心性是社會網(wǎng)絡分析中的重點之一，反映了網(wǎng)絡中各個節(jié)點的重要性，分別包括程度中心性、接近中心性和中間中心性。由于本旅游流網(wǎng)絡是有向的，程度中心性又分為外向程度中心度和內(nèi)向程度中心度，分別反映了某節(jié)點的聚集與輻射能力。如果旅游者從某節(jié)點流向其他點，則稱為外向程度中心性，反之，稱為內(nèi)向程度中心性。接近中心性反映節(jié)點在網(wǎng)絡居于中心的程度，一個節(jié)點的接近度越大，則該節(jié)點越居于網(wǎng)絡的中心。對于有向網(wǎng)絡，又分為外向接近中心度和內(nèi)向接近中心度。中間中心性反映了宏觀上某個節(jié)點對其他點的控制和依賴程度，一個節(jié)點的中間中心性越高，對其他節(jié)點的控制性越強。

3研究結(jié)果及分析

3.1旅游流網(wǎng)絡的統(tǒng)計特征

大陸居民赴臺自由行旅游流的整體網(wǎng)絡如圖1所示，在909條行程中，出現(xiàn)節(jié)點2656個，出現(xiàn)頻率較高的節(jié)點除了知名的旅游景點如臺北故宮博物院、101大樓、七星潭、船帆石外，還包括夜市、商業(yè)街等。在出現(xiàn)頻率超過100次的62個節(jié)點中，77.42%為自然與人文景觀，8.06%為購物商業(yè)區(qū)，14.51%為夜市與小吃店。令人驚奇的是小吃店：阿柑姨芋圓、賴阿婆芋圓、公正街包子店的出現(xiàn)頻率都不低于100次。同時，統(tǒng)計顯示絕大部分節(jié)點出現(xiàn)的頻次較低，85.70%的節(jié)點出現(xiàn)頻次不超過10次。

3.2網(wǎng)絡的小世界特征

本旅游流網(wǎng)絡的平均路徑距離為4.3。盡管網(wǎng)絡中有2656個節(jié)點，13354條連接，但網(wǎng)絡的平均路徑長度只有4.3，意味著該網(wǎng)絡具有良好的可達性和旅游的便捷性。通過計算可知，該網(wǎng)絡密度很低，只有0.0019，說明大部分節(jié)點之間的聯(lián)系并不緊密。

聚類系數(shù)分析。使用Ucinet軟件，沿著“Network→Cohesion→Clustering Coffcient”可得到該網(wǎng)絡的聚類系數(shù)和節(jié)點的聚類系數(shù)。臺灣自由行旅游流網(wǎng)絡的聚類系數(shù)較低，值為0.229，網(wǎng)絡沒有表現(xiàn)出較強的聚集性。

度分布。定義任意節(jié)點的度為[k]，[P（k）]為網(wǎng)絡中度為[k]的節(jié)點在整個網(wǎng)絡中所占的概率，通過觀察[P（k）]的分布圖成指數(shù)趨勢衰減，即[P（k）=akγ]，為常系數(shù)，[γ]為冪律指數(shù)，故使用對數(shù)坐標即冪律分布模型擬合，得到節(jié)點的內(nèi)向度分布圖和外向度分布圖如圖2所示。由圖2網(wǎng)絡的度分布圖可知，臺灣自由行的旅游流網(wǎng)絡模型為無標度網(wǎng)絡。

3.3整體網(wǎng)評價指標分析

中心性分析。通過構(gòu)造旅游流有向圖，計算出其鄰接矩陣，為1-model非對稱矩陣，沿以下Ucinet 6.0操作即可以獲得表1中的分析值：Network→Centrality→Degree，Network→Centrality→Closeness，Network→Centrality→Multiple Measures。

由表2可知，大陸居民赴臺灣自由行旅游流網(wǎng)絡節(jié)點的程度中心性均值為5.03，即平均每個節(jié)點與5.03個其他節(jié)點存在旅游流集聚與輻射聯(lián)系。因為自由行旅游流的網(wǎng)絡是有向網(wǎng)絡，故程度中心性又分為內(nèi)向程度中心性和外向程度中心性，分別表示節(jié)點的集聚與輻射能力。內(nèi)向和外向的標準差和方差都較大，表明網(wǎng)絡存在一定的不均衡，具體線表現(xiàn)為西門町、101大樓、臺北故宮博物院等明星節(jié)點的中心度遠遠其他大量節(jié)點的外向中心度與內(nèi)向中心度。對于輻射能力較強的旅游流節(jié)點如西門町、101大樓、臺北故宮博物院、墾丁大街等可以設置旅游信息咨詢中心，提供信息咨詢服務，引導或加速旅游流的擴散。

接近中心性分析。接近中心性顯示一個網(wǎng)絡節(jié)點在大陸居民赴臺灣自由行旅游流網(wǎng)絡中接近中心的程度，其值越小接近中心度越高，越處于整個網(wǎng)絡的中心，與其他旅游節(jié)點之間的通達性越好。由表1可知，本旅游流網(wǎng)絡節(jié)點的接近中心性數(shù)值相差很小，外向接近中心性其均值為1.04，標準差為0.17；內(nèi)向接近中心性其均值為1.21，標準差為0.22。說明對于絕大部分節(jié)點來說，其離網(wǎng)絡中心的距離相差較少，即網(wǎng)絡的聚集中心不顯著。

中間中心度分析。中間中心度體現(xiàn)了一個旅游節(jié)點在旅游流網(wǎng)絡中對其他節(jié)點控制和依賴的程度，其值越高，對其他節(jié)點的控制性越強，越是網(wǎng)絡中的關鍵節(jié)點。程度中心性較高的旅游流網(wǎng)絡節(jié)點如西門町，其中間中心度也較高。總的來看，本旅游流網(wǎng)絡節(jié)點的中間中心度相對均衡，網(wǎng)絡對核心節(jié)點的依賴度不高。但少數(shù)幾個節(jié)點依然起到關鍵作用，其程度中心性、接近中心性和中間中心性都比較高。

凝聚子群分析。凝聚子群揭示了網(wǎng)絡中部分行動者之間相對較強的、直接緊密的聯(lián)系；進行凝聚子群分析是為了進一步了解網(wǎng)絡的子結(jié)構(gòu)。由表2可知，本網(wǎng)絡中存在內(nèi)部關系相對緊密的7個子結(jié)構(gòu)，其中第一個內(nèi)部聯(lián)系密度最大為0.014，是整個旅游網(wǎng)絡密度的7.4倍，表明1子群中成員之間旅游流動頻繁，聯(lián)系緊密。

核心-邊緣分析。利用核心-邊緣模型，可以發(fā)掘旅游節(jié)點在網(wǎng)絡中處于核心還是邊緣位置，找出整個網(wǎng)絡中的核心角色。通過該模型可以量化核心對邊緣的關聯(lián)與帶動效應，幫助分析各旅游節(jié)點在旅游流網(wǎng)絡中所處的地位。沿著Network→core-periphery→categorical路徑展開，分析出核心邊緣的組成節(jié)點及密度矩陣。由密度矩陣可知，在旅游流整體網(wǎng)絡密度為0.0019的情況下，核心區(qū)密度高達0.042，是整體網(wǎng)密度的22.11倍。核心區(qū)成員與邊緣區(qū)成員的聯(lián)系密度為0.003，略高于整體網(wǎng)的平均密度，連接不緊密。說明臺灣自由行的旅游流從核心區(qū)向邊緣區(qū)擴散、帶動的能力較弱。因此要積極培育核心區(qū)的帶動作用，制定相關政策與措施，促進核心區(qū)旅游節(jié)點服務創(chuàng)新，帶動邊緣區(qū)發(fā)展。

3.4旅游流網(wǎng)絡演化研究

3.4.1 網(wǎng)絡演化的時空特征分析

上述分析可以得知大陸居民赴臺灣自由行旅游流網(wǎng)絡在本質(zhì)上屬于無標度網(wǎng)絡，無標度網(wǎng)絡有兩個顯著特點：增長和優(yōu)先連接。將909條形成按照時間先后排列，每增加一條行程所構(gòu)成的旅游流網(wǎng)絡矩陣為[Ai]，[1≤i≤909]，通過計算可以獲得的網(wǎng)絡規(guī)模和節(jié)點之間的連接規(guī)模，二者在行程數(shù)量維度的分布圖如圖3中（a）和（b）所示。

隨著時間的延伸，即隨著行程數(shù)量的增加，旅游流網(wǎng)絡的規(guī)模快速增加，當網(wǎng)絡規(guī)模超過450之后，網(wǎng)絡規(guī)模與行程數(shù)量成比例增長。與此同時，網(wǎng)絡鏈接的數(shù)量和行程數(shù)量成比例增長。由此可以發(fā)現(xiàn)，隨著行程的增加，旅游者會探索新的旅游節(jié)點：新的酒店民宿或景觀景點等，致使自由行旅游流網(wǎng)絡的規(guī)模不斷增長。

在空間上該自由行旅游流網(wǎng)絡是如何演化的呢？由圖3（a）和（b）可知，當網(wǎng)絡規(guī)模超過450之后，網(wǎng)絡規(guī)模、網(wǎng)絡中的連接數(shù)量都與行程數(shù)量成正比，顯然此時網(wǎng)絡規(guī)模與網(wǎng)絡中的連接數(shù)量成正比。這說明隨著網(wǎng)絡在空間上旅游節(jié)點的增加，網(wǎng)絡中旅游節(jié)點之間的連接數(shù)量成比例增長。例如網(wǎng)絡中增加了[k]個旅游節(jié)點，網(wǎng)絡連接增加的數(shù)量為[k]的某個倍數(shù)，與網(wǎng)絡總體的規(guī)模沒有直接關系。隨著網(wǎng)絡空間節(jié)點的增加，網(wǎng)絡連接并未與網(wǎng)絡節(jié)點總數(shù)或網(wǎng)絡連接總數(shù)按照某個函數(shù)關系增長，這印證了自由行旅游流網(wǎng)絡的鄰接矩陣是一個稀疏矩陣。

新增加的行程與中心度較高的旅游節(jié)點有什么關系呢？隨著行程的增加，筆者從圖3（c）中觀察中心度較高的節(jié)點臺北故宮博物院和西門町的連接數(shù)量同步增加，只是增加的速度有所變化。圖3（c）中[j]為外向中心度，[k]為內(nèi)向中心度。中心度較低的恒春古城其中心度增加極不穩(wěn)定，在不同分區(qū)段保持零增長。這充分說明了該網(wǎng)絡的無標度性，隨著行程的增加，網(wǎng)絡規(guī)模也會增加，但是，新增加的行程優(yōu)先連接網(wǎng)絡中中心度較高的節(jié)點。

3.4.2 網(wǎng)絡演化的動力機制

在網(wǎng)絡增長的前期，中心度較高的節(jié)點出現(xiàn)并保持穩(wěn)定。網(wǎng)絡增長的主要動力可以采用傳統(tǒng)旅游流動力機制理論解釋，即“推—拉”理論：旅游流網(wǎng)絡的動力系統(tǒng)是由旅游者的內(nèi)部驅(qū)動力和旅游客源地的外部驅(qū)力，以及旅游流阻力共同作用形成的。

隨著行程的增加，網(wǎng)絡規(guī)模迅速擴大，此時旅游者可以輕易獲得前人的旅游經(jīng)驗。此時，僅僅使用傳統(tǒng)理論來解釋是不夠的，應增加網(wǎng)絡效應理論。網(wǎng)絡效應又稱為“網(wǎng)絡外部性”，根據(jù)網(wǎng)絡的特點可分為直接網(wǎng)絡效應、間接網(wǎng)絡效應和雙邊網(wǎng)絡效應。直接網(wǎng)絡效應中用戶的收益直接受到使用相同或類似產(chǎn)品的其他用戶的總數(shù)的影響。間接網(wǎng)絡效應認為基本產(chǎn)品的用戶總數(shù)影響了該基本產(chǎn)品的互補產(chǎn)品種類供給，從而間接影響了該用戶的收益。可見，網(wǎng)絡效應理論和無標度網(wǎng)絡的特點是十分吻合的。因此，大陸居民赴臺灣自由行旅游流網(wǎng)絡的增長動力為前期網(wǎng)絡增長動力基于推拉理論，中后期網(wǎng)絡增長動力基于推拉理論和網(wǎng)絡 效應。

4結(jié)論與展望

4.1結(jié)論

本文通過對國內(nèi)最大的旅游分享網(wǎng)站馬蜂窩旅行網(wǎng)中大陸居民赴臺灣自由行的行程進行全樣本數(shù)據(jù)挖掘，構(gòu)建了大陸居民赴臺灣自由行的旅游流網(wǎng)絡，經(jīng)過小世界特征檢驗和整體網(wǎng)絡特征分析可知該旅游流網(wǎng)絡為無標度網(wǎng)絡，網(wǎng)絡平均路徑較小，為4.3。大陸居民赴臺灣自由行旅游流網(wǎng)絡節(jié)點較多，網(wǎng)絡密度很低。網(wǎng)絡中關鍵節(jié)點的程度中心性、中間中心性、接近中心性都比較高，這意味著關鍵節(jié)點不但擁有較強的旅游流聚集能力，還有較強的擴散能力，以及對其他節(jié)點的控制能力。說明大陸赴臺自由行中，人們大多會去眾所周知的旅游景區(qū)，但探險求異的開拓精神很強，會去探索新的游玩去處。

運用社會網(wǎng)絡分析方法對旅游流的研究目前主要集中在旅游流的網(wǎng)絡分布特征研究，結(jié)合旅游流實際情況提出建議。其數(shù)據(jù)采集通常是暫態(tài)性的，即只展示了某一個時間的網(wǎng)絡特征；網(wǎng)絡規(guī)模較小，即網(wǎng)絡節(jié)點的數(shù)量較小，通常不超過100個；數(shù)據(jù)獲取的方法和能力有限，主要是問卷、訪談或政府部門公開的統(tǒng)計數(shù)據(jù)。本文拓展了旅游流數(shù)據(jù)獲取的方法，通過數(shù)據(jù)挖掘能夠獲取遍歷時間較長的大樣本數(shù)據(jù)，使得旅游流網(wǎng)絡的分布特征、統(tǒng)計特征更加接近實際網(wǎng)絡；同時因有了相當長的時間序列，可以分析旅游網(wǎng)絡的演化特征和規(guī)律。

研究發(fā)現(xiàn)，自由行旅游流網(wǎng)絡與團體旅游網(wǎng)絡存在很大差異，劉宏盈等[29]通過搜集相關旅行社的團體旅游數(shù)據(jù)建立了泛北部灣區(qū)域的旅游流網(wǎng)絡，規(guī)模為11。由該文中旅游流空間示意圖可以看出該團體旅游網(wǎng)絡的鄰接矩陣不是稀疏矩陣；其旅游節(jié)點的接近中心性均值為91.322，與9個節(jié)點的接近中心性值相近。該網(wǎng)絡的中間中心性均值為10.45，標準差僅為0.69。相比之下，本文構(gòu)建的臺灣自由行旅游流網(wǎng)絡其對應的鄰接矩陣為稀疏矩陣，中間中心性的均值為1.2，小于明星節(jié)點中間中心性值的均值。同樣地，臺灣自由行旅游流網(wǎng)絡的內(nèi)向與外向接近中心度的標準差與均值的比值，相對于團體旅游網(wǎng)絡要大很多。說明自由行旅游流網(wǎng)絡中關鍵旅游節(jié)點擁有更強的聚集和輻射能力，對其他旅游節(jié)點有更強控制和依賴程度。其根本原因是，針對一條旅游線路團體旅游采納的人數(shù)遠遠高于自由行，而線路中的著名旅游景區(qū)團體旅游流和自由行旅游流都會經(jīng)過。團體旅游注重多人之間的共性統(tǒng)一，而自由行則體現(xiàn)旅游者的個性化特征。

4.2研究局限與展望

在數(shù)據(jù)收集方面，本文雖然采集了馬蜂窩旅游網(wǎng)的全樣本數(shù)據(jù)，但是忽略了一些小規(guī)模的旅游分享網(wǎng)站和旅游博客門戶，因此自由行旅游流數(shù)據(jù)可以進一步補充。數(shù)據(jù)分析方面，本文側(cè)重基于社會網(wǎng)絡的旅游節(jié)點“關系”分析，未結(jié)合GIS工具進行旅游節(jié)點的空間分布分析。網(wǎng)絡演化方面，本文僅從時間角度和空間角度進行仿真，對其特征進行描述，尚未建立網(wǎng)絡演化的數(shù)學模型。

未來，自由行將越來越普及，自由行旅游流的規(guī)模將迅速增長，將會吸引更多的學者對自由行旅游流展開研究。隨著多種研究方法的融合和交叉學科研究，以及基于大數(shù)據(jù)和云計算平臺的應用，將逐步完善自由行旅游流相關的理論體系。

參考文獻（References）

[1]Morley C， Rosselló J， Santana-Gallego M. Gravity models for tourism demand： Theory and use[J]. Annals of Tourism Research， 2014， 48： 1-10.

[2]Zhang J， Jensen C. Comparative advantage： Explaining tourism flows[J]. Annals of Tourism Research， 2007， 34（1）： 223-243.

[3]Sarrión-Gavilán M D， Benítez-Márquez M D， Mora-Rangel E O. Spatial distribution of tourism supply in Andalusia[J]. Tourism Management Perspectives， 2015， 15： 29-45.

[4]Wang Sujie， Hu Ruijuan， Cheng Weihong. A literature review on overseas tourism research under the perspective of social network [J]. Tourism Tribune， 2009，（7）： 90-95. [王素潔， 胡瑞娟， 程衛(wèi)紅. 國外社會網(wǎng)絡范式下的旅游研究述評[J]. 旅游學刊， 2009， （7）： 90-95.]

[5]Sun Zhongwei， Lu Zi. A geographical perspective to the elementary nature of space of flows [J]. Geography and Geo-Information Science， 2005， 21（1）： 109-112. [孫中偉， 路紫. 流空間基本性質(zhì)的地理學透視[J].地理與地理信息科學，2005， 21（1）： 109-112.]

[6]Yang Y， Fik T， Zhang J. Modeling sequential tourist flow： Where is the next destination？[J]. Annals of Tourism Research， 2013， 43（7）： 297-320.

[7]Xue Ying. On the regional implosion of tourist flows： From self-organization to organization [J]. Tourism Tribune， 2006， 21（4）： 47-54. [薛瑩. 旅游流在區(qū)域內(nèi)聚： 從自組織到組織—區(qū)域旅游研究的一個理論框架[J]. 旅游學刊， 2006， 21（4）： 47-54.]

[8]Prideaux B. Factors affecting bilateral tourism flows[J]. Annals of Tourism Research， 2005， 32（3）： 780-801.

[9]Lve Li， Lu Lin， Ling Shanjin. An analysis on the spatial diffusion network of Shanghai World Expo tourists[J]. Tourism Tribune， 2013， 28（6）： 111-119. [呂麗，陸林，凌善金. 上海世博會旅游者空間擴散網(wǎng)絡分析[J]. 旅游學刊，2013， 28（6）：111-119.]

[10]Kim J H， Moosa I A. Forecasting international tourist flows to Australia： A comparison between the direct and indirect methods[J]. Tourism Management， 2005， 26（1）： 69-78.

[11]Tremblay P. The economic organization of tourism[J]. Annals of Tourism Research， 1998， 24（4）：837-859.

[12]Chen R， Liang C Y， Hong W C， et al. Forecasting holiday daily tourist flow based on seasonal support vector regression with adaptive genetic algorithm[J]. Applied Soft Computing， 2015， 26： 435-443.

[13]Hong T， Ma T， Huan T C. Network behavior as driving forces for tourism flows[J]. Journal of Business Research， 2015， 68（1）： 146-156.

[14]Shih H Y. Network characteristics of drive tourism destinations： An application of network analysis in tourism[J]. Tourism Management， 2006， 27（5）： 1029-1039.

[15]Zhang Y， Findlay C. Air transport policy and its impacts on passenger traffic and tourist flows[J]. Journal of Air Transport Management， 2014， 34： 42-48.

[16]Wu Jinfeng， Pan Xuli. Study on the relationship between inbound tourism flows network and aviation network[J]. Tourism Tribune， 2010， 25（11）： 39-43.[吳晉峰，潘旭莉. 入境旅游流網(wǎng)絡與航空網(wǎng)絡的關系研究[J]. 旅游學刊， 2010， 25（11）： 39-43.]

[17]Pavlovich K. The evolution and transformation of a tourism destination network： The Waitomo Caves， New Zealand [J]. Tourism Management， 2003，24（2）： 203-216.

[18]Scott N， Cooper C， Baggio R. Destination networks： Four Australian cases[J]. Annals of Tourism Research， 2008， 35（1）： 169-188.

[19]Shih H Y. Network characteristics of drive tourism destinations： An application of network analysis in tourism[J]. Tourism Management， 2006， 27（5）： 1029-1039.

[20]Yang Xingzhu， Gu Chaolin， Wang Qun. Analyze of driving force of tourist flow[J]. Geographical Research， 2011， 30（1）：23-36. [楊興柱， 顧朝林， 王群. 旅游流驅(qū)動力系統(tǒng)分析[J]. 地理研究， 2011， 30（1）： 23-36.]

[21]Zhang Yanyan， Li Junyi， Yang Min. The tourism flow network structure of Xian based on tourism digital footprint[J]. Human Geography， 2014， （4）： 111-118. [張妍妍， 李君軼， 楊敏. 基于旅游數(shù)字足跡的西安旅游流網(wǎng)絡結(jié)構(gòu)研究[J]. 人文地理， 2014，（4）： 111-118. ]

[22]Wu Jinfeng. Distribution of inbound foreigner tourist flows and its property and structure characters in China[J]. Journal of Arid Land Resources and Environment， 2014， （7）： 177-182. [吳晉峰. 入境外國旅游流網(wǎng)絡分布、性質(zhì)和結(jié)構(gòu)特征研究[J]. 干旱區(qū)資源與環(huán)境， 2014， （7）： 177-182.]

[23]Wang Yiqi，Wu Jinfeng，Han Lining，et al. Geographical distribution and network structure characteristics of Beijing inbound tourist flows[J]. Journal of Arid Land Resources and Environment， 2014， （6）： 202-208. [王奕祺， 吳晉峰， 韓立寧，等. 北京入境旅游流地理分布與網(wǎng)絡特征研究[J]. 干旱區(qū)資源與環(huán)境， 2014， （6）：202-208.]

[24]Yang Xinju， Wu Jinfeng， Tang Lan， et al. The geographical distribution and network structure of foreign independent tourist flows in China[J]. Tourism Tribune， 2014， 29（5）： 87-96. [楊新菊， 吳晉峰， 唐瀾， 等. 旅華外國散客旅游流地理分布和網(wǎng)絡結(jié)構(gòu)研究[J]. 旅游學刊， 2014， 29（5）： 87-96.]

[25]Wang Jinying，Wu Jinfeng，Tang Lan，et al. Distribution of Asian inbound tourist flows and structural characteristics[J]. Resources Science， 2013， 35（8）： 1701-1709. [王金瑩， 吳晉峰， 唐瀾， 等. 亞洲入境旅游流地理分布及網(wǎng)絡結(jié)構(gòu)特征分析[J]. 資源科學， 2013， 35（8）： 1701-1709.]

[26]Zhang Youyin， Gu Jing， Ma Yaofeng. Tourist flow： Research progress， evaluation and outlook[J]. Tourism Tribune， 2013， 28（6）： 38-46. [張佑印， 顧靜， 馬耀峰. 旅游流研究的進展， 評價與展望[J]. 旅游學刊， 2013， 28（6）： 38-46.]

[27]Tang Liming， Wei Jiming， Zhao Miaoxi. Features of regional travel itineraries complex networks： Taking Fujian Province as an example[J]. Tourism Tribune， 2014， 29（6）： 57-66. [湯黎明， 魏冀明， 趙渺希. 區(qū)域旅游線路的復雜網(wǎng)絡特征——以福建省為例[J]. 旅游學刊， 2014， 29（6）： 57-66.]

[28]Pang Wen. China's inbound Tourist Flows and the Structure of Complex Networks and Role Positioning Research[D]. Xi'an： Shannxi Normal University， 2012. [龐聞. 中國入境旅游流復雜網(wǎng)絡的結(jié)構(gòu)特征與角色定位研究[D]. 西安： 陜西師范大學， 2012.]

[29]Liu Hongying， Wei Liliu， Zhang Juan. The research on the characteristic of network structure of area tourist flows based on the tourism routine[J]. Human Geography， 2012， （4）： 131-136. [劉宏盈， 韋麗柳， 張娟. 基于旅游線路的區(qū)域旅游流網(wǎng)絡結(jié)構(gòu)特征研究[J]. 人文地理， 2012， （4）： 131-136.]

Abstract： Nowadays， as people's capacity for tourism consumption has been gradually enhanced， the demand for a quality touristic experience is accordingly higher and higher. Maninland residents's self-service travelling has also become one of the main travel modes chosen by tourists.

The network research of tourist flows has caught the attention of many scholars. This paper presents a new method of data acquisition on tourist flows： we used a web-crawler to classify the data of self-service travelling notes in Taiwan on www.mafengwo.cn， which is the biggest tourist community website in China. Data mining technology was used in order to collect the self-service travelling information in Taiwan from the largest tourism sharing community websites since 2009. First of all， our web-crawler analyzed 909 of text pages from the network to define the fields， take down the names of everyday trips in each station （hereinafter referred to as a node）， as well as the announced trip time and schedule. The research data presents the following characteristics： data granularity is fine， but the data volume is very large. This paper aims at analyzing this travel data based on social network theory. After a directed network of tourism flows was established， with the help of small world-based and scale-free network models， the evolution of this network was analyzed. In terms of the order of touristsjourney nodes， an asymmetric adjacency matrix was built. The matrix rows and columns represent the different nodes which are marked by tourists. This paper selected five indicators which can represent the main characteristics of a social network， i.e. network size， density， centricity， cohesive subgroups and the core-periphery relation. Centrality analysis was used to analyze the network of tourist flows. The results of this study showed that the network is scale-free， the network size is 2656， but the path of the network is only 4.3. From the brief findings of the model we found that the network density is low， the degree distribution of the nodes fits power-law distribution， and the center-edge interaction of the network is minimal. In the end， we constructed this tourist flows network in chronological order， to research the evolution of the network and to analyze its evolution power.

Within this research， the dynamic of maninland residents's self-service travelling in Taiwan is： the earlier stage of the network growth is based on the push-pull theory， and in the mid- to late stage of growth this growth is based on the push-pull theory along with the network effect. According to the characteristics of the network nodes， especially the distribution features of the extroverted and introverted， the key network node should be taken seriously with the tourism administrative department. They can forecast crises， and guide and diffuse tourist flows in advance. The question of how to control and diffuse tourist flows through the structure of the network properties and dynamic mechanisms will be one of the most important areas for future research. Another noteworthy point is that this article first researched the tourist flows from the perspective of the network evolution using social network theory. This research method not only enriches the research content and research perspective of tourist flows， but also provides much pertinence and significance in its practical applications.

Keywords： tourist flows； social network； network evolution； dynamic mechanism

[責任編輯：劉 魯；責任校對：吳巧紅]