福建省自駕入游流市場及網絡結構特征研究

趙偉+李蕊蕊+閆景麗

摘 要：以網絡游記數據挖掘為基礎，綜合運用社會網絡分析方法、GIS和數理統計技術，揭示福建省自駕入游流市場及網絡結構特征。市場特征為：出游高峰期與低谷期年內交替四次，呈現明顯的雙“M”型，高峰期與我國“長假”時間高度吻合；結伴方式以夫妻、親子、帶父母的家庭出游方式為主（占60.1%），其次為親朋好友（占27.1%）；88.18%的自駕游客在福建省內停留時間不超過6天，其中逗留3天（占23.15%）的比例最高；自駕游省外客源市場結構呈現明顯的近地域性和沿海發達省份和城市的高度集中性；自駕游單程公路里程空間使用曲線具有較為典型的Boltzman曲線特點，一、二級客源市場范圍單程公路里程分別為0-800km和800-1400km，1400km以外為三級客源市場。網絡結構特征為：網絡節點地位呈現較強的不均衡性，兩極分化明顯，核心節點之間的互動頻率遠高于邊緣節點；整體上看，福建省自駕入游流空間等級序列明顯，核心區和重要區域所占比例偏小，空間分布呈現“整體分散、局部集中”的格局，旅游流集中于思明區、南靖縣、鼓樓區、永定區、武夷山市等高級別景區所在的區域。節假日制度、單程公路距離及高級別景區對自駕旅游流的形成影響較大，省內節點間公路距離對旅游流的影響極小。

關鍵詞：自駕旅游流；市場特征；網絡結構；空間行為；福建省

中圖分類號：K902 文獻標識碼：A

汽車使個人流動性提高，早在20世紀30年代，地理學家霍爾和佩奇已經注意到汽車帶來的旅游和休憩機會[1]。西方自駕游旅游研究主要集中在自駕游游者行為[2-4]、自駕游線路[5-7]、自駕游感知[8，9]及新數據獲取方法[10]等方面。

隨著20世紀90年代國內自駕游的興起，自駕旅游逐漸成為旅游研究的熱點問題，相關研究集中在游客調查及自駕游相關的區域旅游開發、市場開發與旅游產業適應方面，與國外的自駕游研究相比，國內相關研究數量少，起步晚[11]。張學梅認為在研究方法方面，自駕車旅游的研究方法仍然以傳統的研究方法為主，對一些問題的探討仍停留在描述性分析上，定性研究較多，定量研究較少[12]。近年來，隨著自駕游數據獲取途徑的增多，定量化及模型的運用在自駕游研究中逐漸增多，如耦合模型[13]、結構模型[14]、主成分分析[15]、GIS空間技術[16]、社會網絡分析[13，20]等，研究的深度與廣度也隨之增加。旅游客流空間特性是旅游地理學研究的重點內容之一[17]，但目前國內關于自駕旅游流的研究尚不多見：大多是還原希爾通過電話訪談并利用網絡分析的方法研究了臺灣南投的16個自駕游旅游目的地的網絡結構特征[18]；盧松采用問卷調查法以安徽黃山市為例，分析了自駕車入游流空間行為[19]；羅秋菊等利用“數字足跡”研究入滇自駕車旅游客流的時空特征，并與一般入滇旅游客流的特征進行比較[20]。自駕游研究在許多方面仍然值得探究，如對中西部地區自駕游關注較多，東部沿海省份缺乏實證研究；社會網絡分析方法的應用上，以往學者多以景區或大城市作為節點，容易忽視景區所在區域的整體吸引力對自駕旅游流的影響，本文嘗試以縣域為單元對旅游流進行研究。

隨著居民閑暇時間增多和經濟能力的提高，加上全國高速公路網的逐步完善和特定時段高速公路免費通行，短途自駕游已經不能滿足部分自駕者的需求，跨省中長途自駕游受到越來越多游客的青睞。基于以上分析，本文以福建省自駕入游流為例，綜合運用社會網絡分析方法、GIS和數理統計技術，探討自駕旅游流市場和目的地網絡結構特征，以期豐富我國自駕游理論研究并為福建省自駕游目的地建設和市場開發提供參考。

1 研究區域概況、數據來源與研究方法

1.1 研究區域概況

福建省地處我國東南沿海，東隔臺灣海峽與臺灣相望，依山傍海，有“八山一水一分田”之稱，自然與人文旅游資源豐富，屬亞熱帶氣候，全年適宜旅游，具有發展旅游業的獨特優勢。森林覆蓋率居全國第一，閩南文化、媽祖文化、客家文化、海絲文化、茶文化等都是富有特色的本土文化形態。近年來，福建省全力打造“六縱十橫”高速路網，使全省縣城全面覆蓋的同時，加強與長三角、珠三角等周邊省份的聯系，在 “清新福建”發展目標的指引下，省外自駕游市場發展迅速。

1.2 數據來源與處理

本研究以有完整記錄福建省內自駕游行程的游記為統計對象，相關游記來源于汽車之家、愛卡網、太平洋汽車等國內知名汽車網站中的自駕游板塊。游記內容中基本涵蓋了客源地、出游時間、結伴方式、目的地停留時間、游覽路徑等信息，以作者敘述結合所上傳的圖片進行人工識別和提取，可信度較高。在時間的截取上，選擇近三年（2014年1月1日至2016年12月30日）出行的自駕游客，并剔除轉發、重復發表的游記，基本涵蓋了家用車型中的微型車到大型SUV等各種車型，但不包括房車。經篩選最終得到有效游記203份，以此為樣本進行信息的提取和數字化，并將分析結果可視化。數據搜集過程中發現雖然發帖人多為三四十歲的中青年，但出于安全、成本等因素考慮，自駕游一般都結伴而行，同行的一般有父母、孩子、同事、親戚朋友等，基本涵蓋了不同年齡階段的群體，使得樣本具有一定的代表性。

1.3 研究方法

綜合運用社會網絡分析方法、GIS和數理統計技術，探討自駕旅游流市場和目的地網絡結構特征。社會網絡理論主要涉及3個組成因子：節點、關系和連線[21]，通過收集網絡數據，建立關系矩陣對關系進行測量最后分析數據得出結論。具體來說：使用Ucinet6軟件進行網絡結構測算，通過度數中心性、中間中心性、結構洞指標來反映福建省自駕入游流的節點結構特征；通過節點連接線來反映自駕線路的流量大小；通過核心—邊緣模型和網絡密度來反映福建省自駕入游流的整體網絡結構特征；通過QAP相關分析來分析距離因素對自駕游網絡結構的影響；最后通過GIS軟件進行空間統計和表達。

2 福建省自駕入游流市場特征

2.1 福建省外自駕游客出游時間分布

以自駕游客出發時間為橫坐標，以線路數為縱坐標，繪制福建省自駕游客出游時間與線路數的關系曲線（圖1）。由圖1可以看出，隨時間的變化自駕游線路數發生明顯的高峰期和低谷期交錯變化，曲線總體上呈現出“雙M”狀的“四峰四谷”。“四峰”分別出現在2月、5月、8月、10月，“四谷”分別出現在3月、6月、9月、11月。2月初（春節期間）的高峰期（占29.56%）最為突出，說明越來越多的游客改變傳統在家過年的方式選擇外出自駕游，與其他三個小高峰相比，春節期間自駕游意愿最為強烈。“五一”、暑期和“國慶”為自駕小高峰，高峰期與我國“長假”時間高度吻合，說明對于耗時較長的跨省自駕來說長假是明顯的刺激性因素。

2.2 福建省自駕游省外客源市場結構

分別以區域、省（表1）、城市作為客源地基本統計單元，發現福建省自駕車入游客源市場結構呈現明顯的近地域性和沿海發達省份的高度集中性。具體來看：長三角地區的上海市、江蘇省、浙江省和珠江三角洲的廣東省客源占據了絕對比重（占73.44%），再加上毗鄰的江西省共計79.35%；其余省份均在5%以下，其中安徽、廣西、黑龍江、四川、天津分別僅發現1篇（占0.49%）自駕游記，而甘肅、內蒙古、新疆等剩余省、自治區（未列入表1內）未發現有福建省內自駕游游記。

為了驗證以游記數量表征的市場結構的可信度，在百度指數上以“福建省+自駕游”為關鍵詞進行搜索，年際排名前10名的省、直轄市分別為浙江省、廣東省、江蘇省、上海市、北京市、江西省、山東省、湖南省、湖北省、陜西省；按照區域排名分別是：華東、華南、華北、華中、西南、東北、西北；按照城市排名前6名分別為：溫州市、杭州市、上海市、北京市、深圳市、廣州市。經比較，百度指數搜索結果與本文游記統計結果高度吻合，從側面表明樣本具有一定的代表性和科學性。

2.3 福建省自駕車入游者結伴方式與逗留時間

對不同結伴方式的自駕線路數進行統計發現：以夫妻、親子、帶父母的家庭為單位出游方式為主要形式，比重達60.1%，其次為以親戚朋友結伴方式出游（占27.1%），以單人方式出游所占比重僅為10.34%，其他出游方式占2.46%。其原因可能是跨省自駕游由于出游時間較長、線路自由度較大，自駕過程中遇到的不確定因素較多，選擇信任度高的家庭和親朋好友結伴易于溝通和達成共識，有利于提高自駕游的滿意度。

以不同逗留天數所占的線路比例為指標對福建省自駕入游流進行統計（進、出福建省內的當天均按整數計入逗留時間，見表2），結果顯示逗留3天（占23.15%）的線路比例最高，逗留2天的線路比例次之（占19.21%），逗留6天以內的線路比例達88.18%，逗留7日及以上的線路數僅占11.82%。說明受到閑暇時間、經濟承受能力、主觀意愿等因素的限制，絕大多數省外自駕游客將出游時間控制在一周之內。

2.4 福建省自駕車入游流空間使用曲線

以游客所在客源地與進入福建省首個旅游目的地的公路距離（以百度地圖“高速優先”為條件查詢獲取，近似為單程距離）為橫坐標，以線路數所占比例為縱坐標，繪制福建省自駕車入游流空間使用曲線（圖2）。由圖2可以看出，福建省入游流空間使用曲線具有較為典型的Maxwell-Boltzman曲線特點：0-400km增速相對較慢，400km以后客流迅速增加，在大約800km處達到最高峰，此時市場累計占有量達到59%；隨著距離的進一步增加，旅游線路數出現快速下降趨勢，直到大約1400km處降至低谷，累積百分比達87%，800-1400km區間客流所占百分比為28%；之后客流緩慢上升至1800km處形成小高峰，2400km以上客流幾乎為零。

可見，福建省自駕入游的一級客源市場范圍單程距離為800km范圍以內，二級客源市場為800-1400km，1400km以外為三級客源市場。其中一級客源市場的形成與福建省地處珠三角與長三角之間的連接地帶密切相關，單程800km范圍以內聚集著長三角城市群、珠三角城市群的大部分城市，人口密集、經濟發達，小汽車擁有量和自駕車出游率較高，從而構成了福建省自駕車入游的主要市場范圍。

3 福建省自駕入游流網絡結構特征

3.1 網絡結點結構特征

基于社會網絡分析法，以福建省85個縣級單元（包括各地級市城市所轄區、縣級市和縣以及平潭綜合實驗區，不包括金門，以下統稱“縣域”）為研究對象，把有實際停留并有游覽行為且超過兩次的縣域記為旅游節點，經過篩選共有45個，其余40個縣域為省外自駕游客無涉及或極少涉及區域，以自駕游流動方向和流量作為聯系，建立一個代表節點的45行×45列的1模多值矩陣。原始數據轉換方法如下：假設一個旅游者先到鼓樓區，再到霞浦縣，最終到思明區，把這一次旅程進行網絡規范記錄下來則獲得一個旅游者有方向的旅游動態變化，則霞浦縣到鼓樓區有單向的游客流動關系，那么霞浦縣到鼓樓區用1表示，鼓樓區到霞浦縣用0表示，以此類推進行累計賦值，將所得矩陣輸入Ucinet6軟件中，建成福建省自駕入游流的網絡數據庫，作為分析福建省外游客在不同縣域相互流動關系的基礎。運用Ucinet6軟件的NetDraw工具，繪制福建省自駕入游流網絡結構圖（圖3）。

文中主要選取中心性指標中的度數中心性、中間中心性指標進行分析，通過Ucinet6軟件分析得出福建省自駕入游流節點結構（如表3，限于篇幅僅列出前10名）。度數中心度指標表明，所選取的45個旅游節點平均每個旅游節點與5，867個其他節點存在旅游流聯系，但中心度方差較大，說明福建省自駕入游流網絡結構呈現較強的不均衡性。思明區、南靖縣、鼓樓區、霞浦縣、永定區、武夷山市等旅游節點度數中心性值較高，其中思明區的度數中心性指數為26，遠高于處于第二位的南靖縣，說明思明區客流量最大，是自駕旅游者最重要的旅游目的地，在整個福建省自駕游空間網絡中處于絕對核心地位。中間中心性指標顯示，思明區、鼓樓區、霞浦縣、南靖縣、永定區的指數較高，其中思明區的中間中心性最高為131.697。每個旅游節點在網絡中平均充當旅游流中介的次數為17.756，中間中心性指標方差高達821.017，區域自駕游節點的地位差別較大。僅有思明區、鼓樓區、霞浦縣等15個旅游節點中間中心性大于均值，起到旅游流中介的作用，具有較高進入性，其他旅游節點對這15個旅游節點具有較強的依賴性。

網絡中節點之間無直接關系或關系間斷的現象被稱為“結構洞” [22]，采用結構洞中最重要的指標——限制度來表征個體網的閉合性，即網絡中某個節點與其他節點直接或間接的緊密程度，限制度指標越低，表明所覆蓋的網絡越開放，結構洞數量越多。分析結果顯示前十位的結構洞限制度數值相差不大，惠安縣、鯉城區、漳浦縣、福鼎市等節點的限制度排名靠前，在網絡中占據較多的結構洞優勢和競爭機會，雖然目前這些節點按照度數中心性指標計算并未處于核心位置，但未來依托結構洞優勢加強與思明區、南靖縣、鼓樓區等自駕游核心節點的旅游合作，發展潛力巨大。

3.2 網絡分析與空間可視化

福建省內自駕游節點連線總量大、結構復雜，但大多數的縣級市連接線總量較小，可重點分析區域內連接線較多的節點。通過觀察自駕游節點間連接線的絕對數值，分別取10、15和20為斷點值將多值矩陣轉化為二分矩陣，從不同強度顯示連接線數量的多少，從而反映相應的連接線在整個區域中重要性程度（表4）。斷點值為10、15、和20的連接線分別保留了11條、6條和3條主要的連接線，不難看出連接線所涉及的9個節點中思明區的出現率最高，其次是南靖縣、鼓樓區、永定區、霞浦縣等。

利用Ucinet6軟件中核心-邊緣模塊，對福建省長途自駕入游流的45個節點行分析，得出網絡核心成員有14個，即思明區、南靖縣、鼓樓區、武夷山市、鼓樓區、霞浦縣、沙縣、福鼎市、集美區、平潭綜合實驗區、鯉城區、惠安縣、永定區和泰寧縣，其余31個節點為邊緣區成員。核心節點之間的密度為5.824，邊緣節點之間的連接密度僅為0.588，二者相差較大，說明核心節點之間的互動頻率遠高于邊緣的區域。旅游流向集中于思明區、南靖縣、鼓樓區、武夷山市等交通便利、資源稟賦高的區域，因此需不斷完善核心區域，強化核心節點對邊緣區域的“涓滴效應”，凝練邊緣區的自駕游產品特色，增強邊緣區的吸引力，優化福建省自駕入游流整體空間結構。

根據以上對福建省自駕入游流空間網絡節點、連線及核心邊緣分析，將85個縣級單元分為核心區域、重要區域、一般區域和待開發區域四個等級（圖4）。其中核心區域包思明區、永定區、南靖縣和鼓樓區，是福建省核心自駕游目的地，自駕游流量大且與其他目的地聯系緊密。武夷山市、霞浦縣、漳浦縣、沙縣、福鼎市、集美區、平潭綜合實驗區、鯉城區、惠安縣和泰寧縣等10個縣域為自駕游重要區域，45個節點中剩下的31個為一般區域，在自駕游游記所記錄的線路中出現次數小于等于兩次的縣域為待開發區域。核心區域和重要區域數量（共14個）占省內所有區域數量的比例（15.29%）偏小，但在閩北、閩東、閩南和閩西地區均有涉及，空間分布總體上呈現“整體分散、局部集中”的格局。

3.3 自駕入游流網絡結構形成的主要影響因素

旅游流的影響因素涉及旅游者、旅游交通、旅游接待地和社會因素。國內的大量研究已表明，基于不同流質屬性和不同空間尺度之下的旅游流，其發揮主導影響作用的因子均存在差異性[23]。鑒于自駕旅游者的個人信息通過游記無法一一準確獲取，當前自駕游設施普遍比較匱乏，本文僅對旅游資源和旅游交通兩個主要影響因素進行分析。

斷點值為15以上的連線中所涉及的節點，除霞浦外均為5A級景區所在地；核心-邊緣分析中所篩選出的14個核心區中，除了霞浦和平潭綜合實驗區外均為高級別（4A、5A級）景區所在地；進一步對原始游記中所記錄的線路進行統計，203條線路中游客有效停留的景區共564個，其中5A景區328個（占58.16%），4A級景區383個（占67.91%），所占比例均較高，說明高級別景區在跨省自駕游客在旅游線路的組織中起到重要作用。這一結論符合保繼剛關于大尺度空間旅游者空間行為的描述：常常只游覽目的地級別較高的旅游點之后，如果資金和時間尚允許，他們一般不停留在原地游覽該地級別較低的旅游點，而是遷移到其他地方，瀏覽級別較高的旅游點[17]。自駕游具有短期性、高節奏的特征，使得游客對旅游地點和路線具有較強的選擇性，對于較低級別的旅游景區較少顧及。霞浦及平潭綜合實驗區雖然沒有高級別景區，但濱海旅游資源豐富且特色明顯，特別適合自駕游“走走停停”，霞浦被譽為“中國最美海灘”，吸引了全國游客前來觀光采風。平潭綜合實驗區近幾年享受國家較大的發展政策優惠，對外知名度的提升，加之自身的濱海旅游資源優勢及基礎設施的快速完善，使其成為自駕游的熱門區域。

交通是影響旅游流空間結構最主要因素之一[24]，自駕游客由于自己駕車，在經濟和精力的投入相比公共交通方式更多，理論上應具有更強的距離“粘性”。跨省自駕游具有明顯的“近地域”的特點，游客量基本符合遠距離衰減規律。福建省2015年已經實現了“縣縣通高速”有關，高速公路的開通使得省內節點間的自駕“感知距離”有效縮減，資源的吸引力及個人偏好在旅游線路的選擇中占據主導。

4 結論與討論

從全年看自駕出游時間有明顯的淡旺季交替，高峰期與我國“長假”時間高度吻合，說明對于耗時較長的跨省自駕游來說長假是明顯的刺激性因素；結伴方式以夫妻、親子、帶父母的家庭出游方式為主（占60.1%），其次為親朋好友（占27.1%）；在福建省內逗留時間3天（23.15%）的線路比例最高，逗留時間6天以內的線路比例達88.18%，逗留7日及以上的線路數僅占11.82%，說明受到閑暇時間、經濟承受能力、主觀意愿等因素的限制，絕大多數省外自駕游客將出游時間控制在一周之內；自駕游省外客源市場結構呈現明顯的近地域性和沿海發達省份和城市的高度集中性；自駕游單程公路里程空間使用曲線具有較為典型的Boltzman曲線特點，一、二級客源市場范圍單程公路里程分別為0-800km和800-1400km，1400km以外為三級客源市場。

度數中心性和中間中心性的方差均較大，說明福建省自駕入游流網絡節點地位呈現較強的不均衡性。前十位的結構洞限制度數值相差不大，惠安縣、鯉城區、漳浦縣、福鼎市等節點的限制度排名靠前，在網絡中占據較多的結構洞優勢和競爭機會，未來可依托結構洞優勢加強與思明區、南靖縣、鼓樓區、霞浦縣等核心節點的旅游合作，發展潛力巨大；斷點值為10、15、和20的連接線所涉及的9個節點中思明區出現率最高，其次是南靖縣、鼓樓區、永定區、霞浦縣等，絕大多數節點為5A級景區所在區域；核心邊緣分析表明核心節點之間的密度為5.824，邊緣節點之間的連接密度僅為0.588，二者相差較大，說明核心節點之間的互動頻率遠高于邊緣節點；核心區和重要區域數量占省內所有區域數量的比例為15.29%，比例偏小，但在閩北、閩東、閩南和閩西地區均有涉及。福建省自駕入游流空間等級序列明顯，空間分布總體上呈現“整體分散、局部集中”的格局，旅游流集中于思明區、南靖縣、鼓樓區、永定區、武夷山市等高級別景區所在的區域。節假日制度、單程公路距離及高級別景區對自駕旅游流的形成影響較大，省內節點間公路距離對旅游流的影響極小。

本文以“縣域”作為單元對福建省自駕入游流網絡結構進行了“相對微觀”的刻畫，較好地解決了研究單元“過粗”或“過細”的問題，研究結論相對客觀合理。基于網絡游記的自駕游信息能提供真實的旅游流信息，但有限的數據量只能一定程度代表省外自駕游客；基于游記內容對于游客部分自駕游行為的挖掘（如客源地、結伴方式、出游時間、旅游節點等）較為充分和真實，但對于游客的人口統計學特征則難以獲取，如年齡、職業、收入等，從而限制了對于游客自駕游行為的內動力解釋。

參考文獻：

[1] Hall C M，Page S J. The Geography of Tourism and Recreation （the 3rd edition.）[M]. London：Routledge，2006：62.

[2] Narayanan Y，Macbeth J I M. Deep in the desert： Merging the desert and the spiritual through 4wd tourism[J].Tourism Geographies，2009，11（3）：369-389.

[3] Vo Van Can. Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit mode[J]. Transportation Research Part A，2013，49（1）：149-159.

[4] Mahadevan R. Understanding senior self-drive tourism in Australia using a contingency behavior model[J]. Journal of Travel Research，2014，53（2）：252-259.

[5] Nicolau J L. Characterizing tourist sensitivity to distance[J].Journal of Travel Research，2008，47（1）：43-52.

[6] Connell J，Page S J. Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park，Scotland[J]. Tourism Management，2008，29（3）：561-580.

[7] Liu Long，Xu Jin， Liao，et.al A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication[J]. Expert Systems with Applications，2014.41（7）：3409-3417.

[8] Jon Martin Denstadli，Jens Kr. Steen Jacobsen.The long and winding roads： Perceived quality of scenic tourism routes[J].Tourism Management，2011，32（4）：0261-5177.

[9] Mahadevan， Renuka.Social Valuation and repeat visitation of grey nomads in regional queensland of Australia[J].Tourism Analysis，2013，18（6）：1083-5423.

[10] Ralf Buckleya， Claudia Ollenburgb.Car decals as a new data source for self-drive tourists[J]. Tourism Recreation Research，2012，37（2）：183-186.

[11] 于海波，吳必虎.國外自駕游研究進展[J].旅游學刊，2011，26（03）：55-61.

[12] 張學梅.國內自駕車旅游研究綜述[J].成都大學學報：社會科學版，2010（04）：78-80.

[13] 戢曉峰，張力丹，陳方，等. 云南省自駕游發展水平與旅游交通可達性的空間分異及耦合[J]. 經濟地理，2016，36（5）：195-201.

[14] 史春云，孫勇，張宏磊，等. 基于結構方程模型的自駕游客滿意度研究[J]. 地理研究，2014，33（4）：751-761.

[15] 劉軍勝，馬耀峰. 西安秦嶺自駕游旅游服務質量評價研究[J]. 干旱區資源與環境，2014，28（12）：R

[16] 李鳳，汪德根，劉昌雪，等. 中國自駕車房車營地空間分布特征及其驅動機制[J]. 資源科學，2017，39（2）：288-302.

[17] 保繼剛，楚義芳. 旅游地理學（第三版）[M].北京：高等教育出版社，2012.

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

[19] 盧松，吉慧，蔡云峰. 黃山市自駕車入游流旅行空間行為研究[J].地理研究，2013，32（1）：179-190.

[20] 羅秋菊，梁思賢. 基于數字足跡的自駕車旅游客流時空特征研究——以云南省為例[J]. 旅游學刊，2016，（12）：41-50.

[21] Degenne A， Forse M D. Introducing social networks[M]. London：Sage Publications，1999.

[22] 孫立新.社會網絡分析法：理論與應用[J].管理學家：學術版，2012，4（9）：66-73.

[23] 董培海，李慶雷，李偉. 中國旅游流研究的現狀、問題及展望[J]. 世界地理研究，2015（04）：152-162.

[24] 汪德根，陳田，陸林，等.區域旅游流空間結構的高鐵效應及機理——以中國京滬高鐵為例[J]. 地理學報，2015（02）：214-233.

Abstract： Using social network analysis method， the paper studied the geographical distribution and network structure of self-driving tourist flow in Fujian province. It can be concluded as follows from the market characteristic. ①Peak and trough of tourist season alternate four times in a year， showing M model， especially peak seasons achieve a high level compliance with Chinses long holiday. ②The travel models mainly between couples， parent-child and parents account for 60.1% relatives and friends accounting for 27.1%. ③88.18% self-driving tourists stay in Fujian province less than 6 days， of which 3 days accounting for 23.15%. ④Self-driving tourist market present an adjacent character， a clear character for eastbound development and the character concentrated on the cities.⑤The tourism special use curve of self-driving is consistent with curves of Boltzman. The number of tourists increase with distance and peaks at 800km， then the number of tourist shows a rapid decrease. On the whole， its gravity field concentrates on the scope of 1400km， and the accumulation percentage of tourists reaches 87%. Spatial characteristic of self-driving tourist network into Fujian province are shown in the following： ①The status of network node present the inequality， the polarization between core nodes and periphery ones has been clear. ②The spatial distribution of nodes is featured by weak concentration and strong dispersion， while the nodes of core region and primary region account for less. ③On the whole， it is quite clear of the self-driving tourist flow hierarchical order， the self-driving tourist flow concentrates on higher scenic which located such as Siming District， Nanjing County， and Gulou District etc. The national system of statutory holidays， one way distance of highway， the higher scenic have greatly influenced self-driving tourist flow， while highway distance between nodes in the province have little effect on self-driving tourist flow.

Key words： self-driving tourist flow； geographical distribution； network structure； spatial behavior； Fujian Province