誰主沉浮？全球郵輪航線網絡結構及區域差異研究

孫曉東 林冰潔

[摘? ? 要]郵輪業是全球旅游與接待業中發展最活躍且經濟效益最顯著的板塊之一。合理和科學的航線布局對郵輪產業持續健康發展至關重要。文章以全球4979條郵輪航線數據為樣本，采用文本分析、信息可視化、社會網絡分析等方法對全球郵輪航線在時長、始發港、掛靠港等方面的基本特征進行了識別，并進一步對美國東南部及加勒比地區、地中海地區、地中海以外歐洲地區、亞洲及中東地區等四大區域郵輪始發航線的布局特征、網絡結構及區域差異進行分析。研究發現，全球大多數郵輪航線時長分布集中在6～14晚;超過半數的航線由地中海郵輪、歌詩達郵輪、公主郵輪、皇家加勒比郵輪、荷美郵輪和維京郵輪6家公司運營。社會網絡分析發現，由于區域內港口數量眾多，且只有極少數節點度很高的郵輪港口處于網絡中心位置，在航線布局中擁有絕對控制力，而絕大多數港口處于航線網絡的邊緣地帶，因此，整個網絡的連通性或網絡密度較低。此外，模塊化分析進一步發現，區域航線網絡存在較為明顯的社區或群落化特征，即群落內部港口的交互關系密切，而群落之間相對獨立，目標市場較為明確。最后，在借鑒國際經驗基礎上提出了我國航線規劃、優化和多元化發展的對策建議。

[關鍵詞]郵輪;郵輪旅游;郵輪航線;網絡結構;區域差異;社會網絡分析

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2020）11-0115-14

Doi： 10.19765/j.cnki.1002-5006.2020.11.013

引言

國際郵輪業歷經半個世紀左右的快速成長，航線已遍布全球各地。郵輪旅游已然成為國際旅游業中增長最快的利基市場之一，被稱為“黃金水道上的黃金產業”。2016年，全球郵輪游客接待量約為2470萬人次，相比2015年增長了7.11%[1];2017年全球郵輪客流量約為2580萬人次，2018年超過2800萬人次[2]。從區域發展來看，北美、南美、歐洲和大洋洲地區的郵輪活動最為集中，已經形成較為穩定的航線布局形態。近年來，隨著歐美郵輪旅游市場趨向成熟穩定，以中國為代表的亞太地區成為國際郵輪公司競相開拓的新興市場[3]。

2006年，歌詩達郵輪愛蘭歌娜號（Allegra）于上海開通中國首條常態化運營的母港郵輪航線。自此，我國郵輪業經歷了10余年的迅猛發展。在從高速發展向全面轉型并走向成熟的過程中，中國郵輪業開始注重產業布局的整體性與協調性、市場發展的穩健性與持續性和產品供給的特色性與差異化。然而，目前受區位、地緣和收益管理等因素的影響，從我國始發的常態化郵輪航線還比較單一。母港航次主要以上海、天津、廣州、深圳、香港、廈門、青島、大連等港口為始發港，航線布局市場主要以東北亞的日本和東南亞的越南、菲律賓、新加坡等區域為主，航線時長以5～6天較多，行程一般涉及1～2個掛靠港，尚未形成特色鮮明、主題多樣、長短結合的布局態勢[4]。

郵輪港口是發展郵輪旅游經濟的關鍵基礎要素，同時也是打造郵輪產業鏈的重要環節，不僅承擔郵輪旅游接待的核心功能，而且發揮著郵輪產業聚集的載體作用。郵輪航線的豐碩程度將直接影響客源流、資金流、信息流在郵輪港口及腹地區域的匯集效果，進一步影響郵輪經濟對區域經濟的整體輻射作用。對于新興市場而言，港口基礎設施投資巨大，只有同時具備豐富的航線布局和充足的客源市場，才能有效抵抗突發性基礎設施閑置帶來的風險[4]。從全球郵輪產業發展經驗也可以看出，優良的郵輪港口、密集的航線布局和完善的岸上產品及服務是郵輪產業持續健康成長的重要保障之一[4]。因此，厘清國際郵輪航線的基本特征、識別不同區域郵輪航線的布局規律、探索有效的航線規劃配套措施對現階段我國郵輪產業發展具有重要的現實意義。

從地理分布來看，國際郵輪航線基于航線數量的整體分布格局比較明朗，主要布局在北美、地中海、北歐等區域，但郵輪航線具有典型的“點-線”結構，涉及航線密度、航線時長、始發港、掛靠港、航線網絡結構、港口競合關系等眾多要素，單純從數量上難以把握航線分布的特點和規律。從學術研究來看，目前少有研究全面而深入地探討國際郵輪航線的分布規律及網絡結構特征。為此，本文基于內容分析法、信息可視化、社會網絡分析等方法，以2019年3月—2020年3月期間全球在售的4979條航線、共172 431個節點（node）的數據為樣本，全面分析全球郵輪航線分布的基本特征;并以美國東南部及加勒比地區、地中海地區、地中海以外歐洲地區、亞洲及中東地區等四大郵輪發展區域為對象，基于多種社會網絡分析的統計指標，深入挖掘不同區域郵輪航線分布的網絡結構特征及差異性;進一步借鑒國際經驗，識別中國問題，提出我國郵輪航線布局及拓展的對策與建議。

1 相關文獻回顧

郵輪業是旅游業中增長最快的新興旅游方式[5]，銷售的是由一系列郵輪港口組成的航線產品，而非旅游目的地本身[6]。郵輪航線是由郵輪始發港、海上行程、停靠港、目的港串聯而成的郵輪旅游線路，是郵輪產品的主要構成要素之一[7]。在航線規劃方面，Leong和Ladany以提升航線吸引度為目標，通過模型計算優化設計郵輪航線，以確定航線中最佳目的地、停靠港口、停留時間和港口掛靠次序[8]。Chen和Nijkamp提出郵輪航線行程規劃的戰略及港口停留時間決定因素模型，郵輪大小、游客數量、港口間距離、國際郵輪航線特點等因素都會影響停靠時間[9]。在航線規劃階段，郵輪公司需要在一系列包含不同地理特征的港口中進行抉擇，目的是為消費者打造具有吸引力的航線，同時實現利潤最大化的目標[10]。在國際郵輪航線分布特征方面，葉欣梁和孫瑞紅指出，7天左右的短期航程是最受歡迎的郵輪航線，因此在設計郵輪航線產品時不可忽略航程時間[11]。此外，劉競和李瑞認為，郵輪旅游產品要注重滿足中國客源市場的需求，郵輪公司應設計2～5天行程的短線產品，且郵輪產品價格應設置相對合理，才更容易被國內游客所接受[12]。更為綜合地，孫曉東等基于全球郵輪航線及港口數據，從郵輪航線時長、郵輪航次數量、航線熱門港口、港口功能配備、岸上產品配置等方面，對國際郵輪航線的基本特征、航線規劃的關鍵因素進行了系統分析[4]，然而并未深入探討郵輪航線布局的網絡結構、港口中心性、港口競合關系以及區域差異等特征，而且數據樣本較小，分析方法也較為簡單，難以挖掘航線布局的內部規律。

郵輪港口是航線規劃的重要節點。人口數量、經濟發展水平、客源市場和海陸空的連通性等腹地因素決定了一個港口能否成為郵輪航線的母港或者掛靠港[13]。Castillo-Manzano等通過對西班牙郵輪港口系統進行研究發現，人口密集、臨近機場、綜合性港口更容易吸引郵輪掛靠和游客訪問，其中，交通因素是主要指標[14]。Wang等研究表明，吸引國際郵輪前來掛靠的主要因素包括區位優良、交通便利、環境氣候、人文文化、旅游資源以及郵輪碼頭服務配套設施;其中，旅游資源是首要因素，交通通達性緊跟其后[15]。由于成本和時間效率的問題，郵輪航線中港口間的距離會影響郵輪公司的整體規劃[16]。此外，港口與主要旅游吸引物之間的接近度會顯著影響出行游客在不同航線之間的選擇偏好[17]。同時，政府政策支持也是一項不可或缺的因素。郵輪港口應注重交通、旅游資源、政策等多要素配備。

復雜網絡（complex network）是指擁有眾多復雜特征的網絡系統。社會網絡是復雜網絡展現的一種形式。復雜網絡是對復雜系統的一種抽象描述，它將系統中的組成元素擬作節點，將節點之間的關聯擬成邊。社會網絡研究流行于20世紀90年代后期，是當代社會學研究中重要的研究領域之一。近年來，管理學、地理學等學科非常熱衷該研究范式，尤其是在創新研究中具有優勢地位。目前，社會網絡研究的重要分析方法即社會網絡分析法（social network analysis，SNA）。社會網絡分析是指對大量社會網絡中的數據進行分析的方法，對網絡中個人/組織所產生的交互信息和形成的關系網絡進行分析。

隨著郵輪旅游行業的不斷發展，學術界關于郵輪產業的研究成果日益豐富，但僅有少量文獻對國際郵輪航線整體分布特征進行過探討，且主要集中在描述性理論分析，缺少數據分析和實證研究，對郵輪航線布局規劃的現實指導意義比較有限。此外，郵輪航線的“點-線”結構使得航線布局涉及的影響因素繁多。不僅母港、掛靠港和岸上觀光設施所涉及的利益群體復雜，整條航線在旅游資源、停留時間和運營成本規劃上的工作也相當復雜[4]。然而，目前并無研究成果對郵輪航線網絡結構及區域差異、始發港/掛靠港在航線網絡的中心性與競合關系進行深入探討。為此，本文將采用社會網絡分析法對全球郵輪航線分布的基本特征、網絡結構和區域差異性進行研究。

從分析方法來看，社會網絡分析主要關注網絡結構中個體或組織之間相互聯系的特征及其對個體或組織的影響，一方面可以測度網絡密度和個體中心性等[18-19]，另一方面可以識別網絡對于個體/組織的影響、信息及資源在網絡的傳遞和分配的現象[20]，此外，可以對社會網絡中聯接關系的形成原因進行探究[21]，非常適合用來挖掘郵輪航線網絡密度、個體（港口）中心性以及相互關系。從研究文獻來看，國內外已經有眾多研究成果將社會網絡分析應用到旅游研究中，特別是分析旅游目的地之間的網絡結構[22]、旅游管理構成的網絡[23]、旅游政策中利益相關者形成的網絡[24]等方面。

眾所周知，旅游業關聯要素眾多。社會網絡分析法可以發現不同因素之間的內在聯系、利益相關者之間的矛盾、區域節點的空間結構以及旅游流的網絡結構特點。比如，劉冰等以新疆地區為例，剖析新疆的旅游空間結構，結果發現高等級景區中心度與低等級景區差值很大，高等級中心度明顯高于低等級景區[25]。朱冬芳等以旅游經濟網絡視角作為切入點，探討長三角地域范圍內各個都市圈旅游地角色，劃分出了5種不同類型的旅游地[26]。楊興柱等研究發現南京市旅游空間結構存在顯著分層，并提出南京市旅游發展應采用多節點布局模式[27]。陳浩等以珠三角城市群為例，采用社會網絡分析研究該地區城市群旅游流的網絡結構[28]。劉法建等分析我國省級層面入境旅游流的網絡結構，并識別出不同省份的角色與地位[29]。在郵輪旅游方面，Jeon等采用社會網絡分析的方法對亞洲市場郵輪港口中心性和空間布局進行分析，并識別出區域中心港口的特征，發現胡志明、中國香港、長崎、檳城、普吉島、巴生港、中國上海和新加坡為郵輪中心港口，中心度排名前3的港口分別為新加坡、中國上海、中國香港[30]。從復雜網絡或網絡結構角度探索郵輪航線分布特征非常具有挑戰價值，但此類研究成果非常缺乏[31]。

2 數據來源與研究方法

2.1 樣本選擇及預處理

本研究的數據來源于第三方點評網站——郵輪評論家（www.cruisecritic.com）。該網站是全球最大、最具影響力的郵輪點評社區，也是郵輪信息提供的權威機構和市場領導者，涵蓋了絕大多數的郵輪產品。數據獲取工具為網絡爬蟲“八爪魚采集器”。由于郵輪產品銷售周期較長，通常提前一年以上開始銷售，因此將數據采集時間跨度設定為2019年3月—2020年3月，以保證獲取充分的航線數據。數據維度包括目的地區域、航線名稱、航線時長、郵輪航期、始發港（城市）、掛靠港（目的地）、承運郵輪、航程安排等信息。為了確保后續研究的一致性、完整性和科學性，對獲取的所有數據進行初步處理，包括刪除信息缺失和數據錯誤的郵輪航線、合并內容重復的郵輪航線、整合同一航線不同航期的郵輪航線、統一相似的表達方式、補充完善航程安排信息等。最終在該時段內共抓取到4979條不重復的郵輪航線。

2.2 研究方法

本文的研究方法主要涉及內容分析法（content analysis）和社會網絡分析。當前網絡信息數據已經成為重要的研究樣本，而內容分析則是處理巨量文本數據集的有效工具[32]。內容分析法可以將定性的、零碎的符號性（文字）資料轉變成定量、系統和客觀內容，比如將全球航線的熱門港口進行詞頻分析，并通過信息可視化技術直觀展示，分析工具為處理英文文本的Text Macheanic軟件。

社會網絡分析主要探究網絡節點及其相互之間的關系，通過對節點之間的關系模型進行描述，分析結構特征及其對各個節點和整個群體的作用[33]。本研究的數據為全球郵輪航線。每條航線的始發港為初始節點，掛靠港為中間節點，節點之間由“邊”連接。一條航線的邊數越多，則掛靠港數量越多。因此，整個樣本構成了一個有向網絡圖，非常適合采用社會網絡分析挖掘特征。由于Gephi軟件操作簡單，結果顯示美觀，且支持多種數據格式[34]，因此選擇該軟件作為分析工具。社會網絡分析涉及多個描述網絡結構特性的統計指標。下面將對主要統計指標進行簡要介紹。

（1）節點度（point degree）：在郵輪航線網絡中，節點為郵輪港口，節點之間的連接或關聯為邊。依據網絡關系的對稱與否，又分為無向圖和有向圖。無向圖即節點關系呈現對稱，節點之間無方向指向。有向圖則節點關系非對稱，節點之間存在指向關系。因郵輪航線設置具有方向性，因此航線網絡為有向圖。網絡中常會呈現少數個體擁有大量關聯，占據網絡中心位置;而多數節點聯系較少，處于邊緣地帶。節點度在一定程度上體現了個體對社會網絡的連接與掌控能力，與其影響力密切相關，同時也是統計網絡規律特征的重要指標之一[20]。節點度根據不同指向關聯數量，進一步劃分為入度和出度。一個節點的入度是指所有指向該節點的關聯數量，而出度則指該節點所有指向其他節點的關聯數量。入度值的高低反映了該節點被其他節點認可和歡迎的程度，是節點影響力的體現;而出度值的高低則反映了該節點與其他節點交互的主動性和積極性，是節點活躍程度的體現[35]。

（2）中心性（centrality）：中心性是社會網絡分析中最重要的統計指標[36]，包括點度中心性（point centrality）、接近中心性（closeness centrality）、中介中心性（betweenness centrality）等多個指標。中心性主要用于衡量網絡結構中單個節點在網絡中的地位與“權力”，處于中心位置的節點更具顯著性，對于航線布局影響力更大。點度中心性是使用最為廣泛的指標，可以用節點出度和入度的總數來表示，用來衡量節點在網絡中所處的地位，可以識別航線網絡中的核心港口。其中，入度接近中心性反映的是節點的整合力（integration），而出度接近中心性則反映了節點的輻射力（radiality）。中介中心性測量的是一個節點在多大程度上位于網絡中其他“點對”的“中間”，反映了該節點控制其他節點交流的能力，一定程度上表征著節點對網絡中資源控制的程度。在郵輪航線網絡中，某港口處于其他港口的最短連接路徑（shortest path）上，則該港口在兩個節點互通中起到橋梁作用。當一個港口占據眾多連接其他港口航線的位置，則該港口就具有很強的中介作用[37]。也就是說，一個郵輪港口的中介中心性越高，就越有可能占據航線設置的關鍵位置。

（3）網絡密度（network density）：網絡密度主要揭示各個節點港口之間聯系的疏密程度，主要以網絡連接的連通性和擴散性來展現整體網絡結構。網絡密度通過當前關系總數/理論最大關系數測算，反映了網絡的完整性，取值范圍處于0～1之間。在郵輪航線網絡中，如果每個港口之間都有航線（邊）相連，那么整體的網絡密度為1。

（4）網絡直徑（diameter）和平均路徑長度（average path length）：航線網絡中任意兩個節點有很多路徑，其中，經過節點數量最少的一條路徑稱為最短路徑（兩個節點間邊數最少的路徑）。網絡直徑指郵輪航線網絡中任意兩個節點間最短路徑的最大值，也即任意兩個港口間最短航線的最大量。網絡直徑越大，該航線的掛靠港數量就越多。平均路徑長度是任意兩個節點之間的距離的平均值，描述了網絡中港口間的平均分離程度，是反映網絡的凝聚指數，數值越小節點間的聯系越緊密，代表網絡中的“小世界”特性越顯著。對于郵輪航線網絡來說，平均路徑長度值越小，郵輪航線平均掛靠港數量就越少。

（5）聚類系數（clustering coefficient）：聚類系數是衡量網絡中節點集聚程度的重要指標，反映網絡中節點之間彼此的關聯程度。與平均路徑長度一起，聚類系數也能展示“小世界”效應。在郵輪網絡中，如果一個港口與其相連港口以及周圍港口彼此之間關聯度越高，則說明以該港口為中心形成的群體聚類系數越高，港口之間互動性就越強，港口聚類或抱團的總體跡象就越明顯。從圖論來看，平均聚類系數可以理解為網絡中與同一個節點相連的兩個節點之間也相互連接的平均概率，反映了網絡的關聯性;取值范圍也介于0～1之間，取值為0說明網絡中所有節點都是孤立的，取值為1說明網絡中任意節點都有邊相連。

（6）模塊化（modularity）：采用Gephi軟件的模塊化功能可以對構造的郵輪航線網絡進行模塊化處理，通過社區發現/社團或社群探測（community detection）將網絡劃分成多個模塊（block）。模塊化的概念最早由Newman和Girvan在2004年提出。模塊化可以將整個網絡劃分為不同的子網絡或者說是社區模塊。同一模塊內的節點連接更緊密，具有更大的密度。衡量模塊化分類質量的統計量為模塊度。模塊度通過測量網絡在某種社區劃分下與隨機網絡的差異來識別模塊劃分效果。因為隨機網絡不具有社區結構，對應的差異越大說明該社區劃分效果越好。模塊度的取值一般在0.3～0.7之間，值越大，群組結構越清晰[38]。

3 社會網絡分析結果

在航線設置中，郵輪公司所選中的港口代表了航線網絡中的關鍵節點，在特定地理區域內全體郵輪公司運營的航線便形成了整個郵輪市場的聚合網絡[10，38]。隨著郵輪產業不斷的成熟發展，目前已基本形成較為穩定的郵輪航線布局形態，其中，北美是郵輪產業聚集程度最高且航線設置最密集的區域，加勒比地區、地中海地區、地中海以外歐洲區域和以中國為核心的亞洲地區則是全球郵輪航線布局的主要子區域[2]。

通過Excel、Text Macheanic和Gephi統計及分析工具，首先對各個區域郵輪航線進行航線時長、始發港（城市）、掛靠港、郵輪公司等方面的整體描述性分析，然后對區域郵輪航線進行格式化處理，例如將航線“A-B-C-A”拆分為“A-B”“B-C”和“C-A”，從而構建區域郵輪航線節點的共現矩陣，并輸入分析工具Gephi軟件進行計算和可視化處理，最后結合各種重要指標對區域郵輪航線布局的網絡結構和差異性規律進行分析。在航線網絡特征及區域差異識別方面，本文選定美國東南部及加勒比地區、地中海地區、地中海以外的歐洲地區、亞洲及中東地區四大區域做進一步分析，共涉及3338條航線數據，占據本研究所抓取到的全球航線總數的67.04%。

3.1 整體描述性分析

從數據統計來看，本文所選的全球3338條航線布局主要集中在美國東南部及加勒比地區、地中海地區、地中海以外的歐洲地區、亞洲及中東地區四大區域，其中，地中海以外的歐洲地區航線最為豐富，共有1162條，占比23.34%;其次是地中海地區，共1057條，占比21.23%;美國東南部及加勒比地區和亞洲及中東地區分別為747條和372條，分別占比15.00%和7.47%。

關于航線時長分布，依據郵輪評論家網站關于航線時長的劃分標準，將郵輪航線時長劃分為1～2晚、3～5晚、6～9晚、10～14晚、15～30晚、31～49晚以及50晚以上共7種類型。統計顯示，航線時長分布多集中在6～14晚，占四大區域航線總數的64.47%。其中，美國東南部及加勒比地區航線時長分布在3～14晚之間，航線數量分布相對均勻，航線產品較為成熟且豐富，其中在6～9晚時長的航線數量最多，共有235條。地中海地區郵輪航線時長集中在6～14晚，6～9晚航線數量最多，共有383條。地中海之外歐洲地區長航線產品較多，其中10～14晚航線共有492條，主要是由于掛靠港距離較遠。由于該網站郵輪信息主要面向歐美游客，涉及亞洲及中東地區的航線大多是跨洲際和大洋的長航線，目的地市場包括非洲、澳洲、東南亞、太平洋和大西洋等區域，以15～30晚的長航線為主。

從郵輪公司來看，超過一半（共1699條，占比50.90%）的郵輪航線由地中海郵輪、歌詩達郵輪、公主郵輪、皇家加勒比郵輪、荷美郵輪和維京郵輪六大公司運營。其中，嘉年華郵輪和皇家加勒比郵輪掌控美國東南部及加勒比地區，運營263條郵輪航線，占區域航線總量的1/3左右。歌詩達郵輪和地中海郵輪運營了地中海地區372條郵輪航線，占該區域航線總量的35.2%。地中海郵輪以125條航線成為地中海以外歐洲地區運營航線最多的公司。亞洲及中東地區約1/3的航線由公主郵輪和皇家加勒比郵輪運營，占整個區域航線數量的31.72%。總體來看，在郵輪產業發展較為成熟的歐美地區，本土郵輪公司憑借地緣優勢，基本掌控當地郵輪航線的布局。面對亞洲等新興市場的航線布局，以皇家加勒比郵輪、公主郵輪為首的美國郵輪公司目前處于較強的主導地位。

從始發港來看，地中海地區和地中海以外的歐洲地區郵輪始發港相對分散，涉及多個港口，可供游客選擇的出發地更為豐富;而美國東南部及加勒比地區、亞洲及中東地區的郵輪航線僅有幾大主要港口，郵輪游客出發地相對集中。美國東南部及加勒比地區的勞德代爾堡（Fort Lauderdale）、邁阿密（Miami）、卡納維拉爾（Canaveral）三大港口包攬了該區域86.48%的始發航線。地中海地區羅馬（Rome）、巴塞羅那（Barcelona）、熱那亞（Genoa）三大港口占據區域內50.71%始發航線。地中海以外的歐洲地區從阿姆斯特丹（Amsterdam）、南安普頓（Southampton）、漢堡（Hamburg）、哥本哈根（Copenhagen）四大港口始發的郵輪航線超過53.70%。亞洲及中東地區郵輪航線主要從新加坡（Singapore）、東京（Tokyo）、迪拜（Dubai）、中國香港（Hong Kong）和中國上海（Shanghai）始發。

3.2 不同區域郵輪母港航線布局的網絡結構特征分析

郵輪航線是從始發港出發、經停多個掛靠港（目的地）的鏈條。為了深入探討不同區域航線網絡的結構特征，下面以Gephi軟件為分析工具，采用Fruchterman Reingold算法，通過K-核心過濾選取加權度超過3的重要節點來構建和分析四大區域的母港航線網絡。其中，不同區域郵輪航線網絡的個體節點度和中介中心性分別如表1和表2所示。

3.2.1? ? 美國東南部及加勒比地區

美國東南部及加勒比地區航線網絡共有418個節點和6755條邊。平均節點度為3.919，平均路徑長度為8.036，網絡直徑為43，平均聚類系數為0.224，模塊化值為0.589，網絡密度為0.009（表3）。從節點度來看，勞德代爾堡、邁阿密、圣胡安（San Juan）、拿騷（Nassau）、圣馬丁（St. Maarten）等港口的點度中心性最高，處于郵輪航線布局的核心位置。特別是勞德代爾堡節點度最高。勞德代爾堡具有世界頂尖級的郵輪港管理水平，擁有9個郵輪碼頭和可同時容納30艘郵輪的泊位接待能力，航線布局覆蓋加勒比地區、巴拿馬運河、地中海地區、北歐、大西洋、南美等多個區域。作為巴哈馬最重要的郵輪掛靠港，拿騷承接了大量始發于美國東南部港口的郵輪接待業務，其節點度也較高。

從中介中心性來看（表2），勞德代爾堡、邁阿密、布宜諾斯艾利斯（Buenos Aires）、圣胡安、新加坡、科倫坡（Colombo）、莫桑比克島（Island of Mozambique）、塔希提島（Tahiti）、蒙巴薩（Mombasa）、塞舌爾（Seychelles）等在航線網絡中的中介作用較強，說明在該區域航線布局中占據核心路徑，具有相對高度的航線設置話語權。特別是勞德代爾堡、邁阿密、圣胡安不僅點度中心性高，且具有較高的中介中心性，對其他港口航線布局產生重要影響。其中，邁阿密港口是全球最大的郵輪客運港，郵輪產業最為完備;勞德代爾堡依托便利的交通和豐富的自然資源優勢，發展速度迅猛;圣胡安是美國自治領地波多黎各自由邦首府，同時也是島上最大的港口，是大西洋和加勒比海間重要的海上交通樞紐。

從整體網絡來看，該區域航線網絡中的平均節點度為3.919，即每個港口的平均航線數量為4條左右。由于該區域郵輪港口數量較多，極少數港口占據了網絡的中心位置，而絕大多數港口處于網絡結構邊緣地帶，相互之間比較獨立，航線布局完全受點度和中介中心度非常高的郵輪母港控制，因此整個網絡密度較低。從網絡內部結構來看，模塊化值達到0.589，說明社會網絡分析對美國東南部及加勒比地區航線網絡的社區劃分效果良好，網絡中群組結構或小團體分類清晰。采用Gephi軟件的分割功能，將不同的團體以不同的顏色標記（圖1）。其中，作為全球最大的郵輪母港，勞德代爾堡和邁阿密同處美國佛羅里達州，兩大港口形成了比較鮮明的網絡群組。由于面向相同的郵輪市場，勞德代爾堡和圣胡安組成的群組與邁阿密之間的競爭關系較明顯，航線布局有所重疊。

3.2.2? ? 地中海地區

地中海地區郵輪航線網絡共有555個節點和10 825條邊。平均節點度為4.132，平均路徑長度為5.977，網絡直徑為34，平均聚類系數為0.264;模塊化值為0.666，網絡密度為0.007（表3）。點度中心性排名前5的郵輪港口為羅馬、巴塞羅那、雅典（Athens）、威尼斯（Venice）和里斯本（Lisbon）。其中，羅馬和巴塞羅那地理位置優勢，內外交通便利，歷史文化資源豐富，在區域航線設置中處于關鍵位置。羅馬的奇維塔韋基亞港是地中海和歐洲地區最受歡迎的始發港和掛靠港之一，共有8個郵輪碼頭和15個泊位。巴塞羅那也是全球頂尖的郵輪港口，擁有7個郵輪泊位，郵輪游客接待量歐洲第一。

從中介中心性來看，排名前列的港口為羅馬、巴塞羅那、里斯本、雅典、阿姆斯特丹、威尼斯、特羅姆瑟（Tromso）、科隆（Cologne）、波爾多（Bordeaux）和克里特島（Crete）等，說明這些港口在地中海航線布局中起到橋梁作用，處于其他港口之間航線的最短路徑上，對其他港口航線設置具有很強的影響力。特別是羅馬、巴塞羅那、里斯本、雅典和威尼斯同時具有很高的點度中心性，在區域航線網絡中的地位顯赫，發揮航線布局的引領作用。值得注意的是，阿姆斯特丹并非地中海地區港口，但作為地中海始發航線進入北歐地區的重要橋梁，成為整個歐洲地區重要的中介港口。

從整體網絡來看，雖然地中海航線網絡的平均節點度略高，平均路徑長度略短，但同樣由于郵輪港口數量較多，只有極少數港口占據了網絡的中心位置，在資源控制中占主導地位，而絕大多數港口中心性很低，導致整個航線網絡密度略低。比如，約11.71%郵輪港口的中介中心度為0，在航線設置中幾乎不具有影響力。從網絡內部結構來看，地中海郵輪航線網絡的模塊化值很高，網絡中的社區或群組劃分效果良好（圖2）。其中，巴塞羅那/里斯本、羅馬、威尼斯、雅典各引領一個群組。雖然群組間的航線市場相對獨立，但由于地中海港口密集，不可避免地存在航線重疊現象。

3.2.3? ?地中海以外的歐洲地區

地中海以外歐洲郵輪航線主要始發于北歐地區。航線網絡節點最多，共有678個節點和13 605條邊。平均節點度為4.078，平均路徑長度為5.686，網絡直徑為30，平均聚類系數為0.233，模塊化值為0.691，網絡密度為0.006（表3）。從點度中心性來看，南安普頓、里斯本、那不勒斯（Naples）、陶爾米納（Taormina）和海法（Haifa）成為航線網絡中的核心節點。其中，作為歐洲郵輪之都的南安普頓的點度中心性最高，航線布局“權力”最大。

從中介中心性來看，南安普頓、阿姆斯特丹、倫敦（London）、雷克雅未克（Reykjavik）、里斯本、巴黎（Paris）、卑爾根（Bergen）、都柏林（Dublin）、哥本哈根的橋梁作用最明顯，是該地區航線布局中重要的媒介港口，對其他港口航線設置的影響力最大。特別是南安普頓和里斯本的點度中心性和中介中心性均很高，占據區域航線布局的關鍵位置。比如，南安普頓是英國的頭號郵輪港口，也是最繁忙郵輪港口，號稱“北歐郵輪之都”和“英國郵輪中心”，共有4個碼頭，是多家郵輪公司的母港，始發航線可同時布局北歐和地中海地區。

地中海以外的歐洲地區港口數量眾多，但占據網絡中心位置的港口卻非常有限，導致整個航線網絡密度很低，一定程度上說明港口在航線布局“權力”上具有明顯的非均衡性特征。比如，約10.91%郵輪港口的中介中心度為0，在航線設置中并無影響力。模塊化結果顯示，該地區的模塊度很高，說明網絡劃分的社區結構準確度較高。社區檢測發現了以南安普頓、阿姆斯特丹、哥本哈根、都柏林、卑爾根和巴黎為核心港口的群組。群組內部港口之間的連接相對稠密，而不同群組港口之間的連接相對稀疏，目的地市場相對獨立（圖3）。

3.2.4? ? 亞洲及中東地區

亞洲及中東地區航線網絡共有301個節點和3649條邊。節點平均度為3.545，平均路徑長度為5.403，網絡直徑為22，平均聚類系數為0.266，模塊化值為0.630，網絡密度為0.012（表3）。從節點度來看，新加坡、中國香港、東京、上海和釜山（Pusan）是航線布局的重要節點。目前這些港口均是亞洲著名的郵輪始發港。其中，新加坡的核心地位最明顯，發揮著重要的郵輪樞紐港作用。新加坡是世界著名的郵輪母港，綜合服務功能全球領先，成為全球最有效率的郵輪碼頭之一，始發航線可以去往亞洲、歐洲各地。香港和上海是中國最重要的郵輪母港，游客接待量位列全球前列。

從中介中心性來看，新加坡、迪拜、巴厘島（Bali）、中國香港、東京、中國上海和橫濱（Yokohama）位于大量郵輪港口連接的路徑上，發揮著重要的“經紀人”作用，控制著其他港口的交流互動。此外，歐洲的雅典和達爾文（Darwin）也處于大量亞洲及中東始發航線的路徑上，發揮了連接東南亞和歐洲的重要中介作用。特別是新加坡、迪拜、巴厘島、中國香港、東京同時擁有較高的點度中心性和中介中心性。作為新興的郵輪市場，亞洲郵輪港口的數量較少，區域航線網絡較完整，因此網絡密度較大，但僅有少量成熟港口在航線布局中具有支配地位。比如，約有12.29%的港口城市中介中心度為0，影響力微弱。社區檢測識別出了分別以中國上海/東京/釜山、新加坡/巴厘島、中國香港和迪拜為中心的社群（圖4）。其中，新加坡/巴厘島和迪拜社群與其他社群相對獨立，航線布局市場競爭較弱;中國香港與東北亞的中國上海/東京/釜山航線有所重疊。在東北亞社群中，作為郵輪始發港，中國上海、東京、釜山均具有很高的中心性，在航線布局上競爭態勢明顯，應處理好群落內部的競合關系。

4 討論與建議

4.1 討論

從地理分布來看，全球郵輪旅游業在港口發展和航線布局方面具有大區域離散、小區域聚集的基本特征，其中，北美和歐洲是發展最成熟的郵輪市場，而亞洲成為最重要的新興市場之一。本文采用內容分析、信息可視化和社會網絡分析等多種方法，以2019年3月—2020年3月期間全球在售的4979條郵輪航線數據為樣本，對全球郵輪航線布局的整體特征以及不同區域的網絡結構特征進行了深入分析。

從整體看來，全球郵輪航線時長分布主要集中在6～14晚，占比超過60%。超過半數的郵輪航線由地中海郵輪、歌詩達郵輪、公主郵輪、皇家加勒比郵輪、荷美郵輪和維京郵輪等郵輪公司運營。本土郵輪公司在區域航線布局中占據主導地位。從航線數量來看，近2/3的郵輪航線布局在美國東南部及加勒比地區、地中海地區、地中海以外的歐洲地區和亞洲及中東地區。

從區域航線特征來看，勞德代爾堡、邁阿密、圣胡安、拿騷和圣馬丁是美國東南部及加勒比地區航線網絡中的中心節點，其中，前3個港口城市對該區域其他港口城市航線布局具有高度支配地位。地中海地區航線布局中的重要節點是羅馬、巴塞羅那、雅典、威尼斯和里斯本，均擁有很高的中介中心性，對區域航線布局影響最大。南安普頓、里斯本、那不勒斯、陶爾米納、海法等在地中海以外的歐洲地區航線網絡中處于關鍵節點位置。在亞洲及中東地區航線網絡中，新加坡、中國香港、東京、中國上海和釜山是重要參與者，在航線布局中具有很高的掌控力。

社會網絡分析發現，歐美地區長航線較多，亞洲航線較單一。比如，從平均路徑長度來看，美國東南部及加勒比地區港口之間的航線（邊）明顯高于其他區域，說明該地區航線網絡包含較多的長航線，航線更加完備。而亞洲及中東地區在網絡直徑和平均路徑長度兩大指標表現中均排在最后，說明地區航線網絡中的長航線較少，郵輪航線產品較單一。此外，由于港口數量眾多，港口影響力非均衡性明顯，四大區域的網絡密度都較低，說明少數港口擁有航線設置控制權，絕大多數港口之間缺乏連通性。由于亞洲及中東地區港口數量少，網絡連通性更高，網絡密度較大。

此外，模塊化分析發現，區域航線網絡存在較為明顯的社區或群落。群落內部港口的交互關系密切，而群落之間相對獨立。比如在美國東南部和加勒比地區，勞德代爾堡和邁阿密組成了比較鮮明的網絡群組。由于同處美國佛羅里達州，勞德代爾堡和圣胡安組成的群組與邁阿密之間的競爭關系較明顯，航線布局有所重疊。在地中海地區，作為核心港口，巴塞羅那/里斯本、羅馬、威尼斯、雅典各引領一個群組。同樣，由于地中海港口密集，不可避免地存在航線重疊現象。在地中海之外歐洲地區，社群檢測識別出了以南安普頓、阿姆斯特丹、哥本哈根、都柏林、卑爾根和巴黎為核心港口的群組。亞洲和中東地區展現出了以中國上海/東京/釜山、新加坡/巴厘島、中國香港和迪拜為中心的社群結構。在亞洲，中國香港與東北亞的中國上海/東京/釜山航線有所重疊，而中國上海、東京、釜山在航線布局上競爭態勢明顯。

4.2 建議

隨著港口建設和服務水平不斷提升，航線布局日益科學和優化，中國郵輪產業將以高質科學的發展邁向新的階段。作為全球第二大郵輪市場，如何布局郵輪航線網絡助推產業發展，為郵輪游客創造更好的體驗，是中國郵輪業面臨的重要課題。根據本研究的分析結果，結合中國郵輪產業現狀，提出以下幾點對策建議：

第一，完善中心港口功能配套，提升綜合服務能力。郵輪港口不僅承擔基本的交通運輸功能，更需要功能配套來支撐港口的發展。美國東南部及加勒比地區勞德代爾堡、地中海地區羅馬、地中海以外歐洲地區南安普頓、亞洲及中東地區新加坡作為不同區域航線網絡的核心節點，且同時具備較強的中介能力，這些港口城市最大的共性就是擁有領先的基礎設施和配套服務。比如，勞德代爾堡毗鄰國際機場，配有現代化乘客運輸系統、完善的指示標牌、超大型停車場、免稅店、咨詢處、銀行等服務項目，藝術和娛樂活動、購物中心、體育活動等旅游資源也十分豐富。為此，郵輪母港應以郵輪港口經營為中心，整合港口附近資源，豐富國際購物、旅游休閑、文化娛樂、酒店、特色餐飲、金融、會展等旅游業態，完善綜合配套設施和公共服務設施，實現郵輪港向綜合性的“郵輪城”的轉變。另外，應以港口為中心構建完善的交通體系，增設往返機場、車站以及周邊主要旅游景區、購物中心的快速交通線路，從而優化郵輪港口周邊吸引物的交通可達性。

第二，豐富郵輪航線設置，開發本土特色航線產品。通過對比美國東南部及加勒比地區、地中海地區、地中海以外的歐洲地區等為代表的郵輪產業成熟區和亞洲及中東地區為代表的新興郵輪市場，可以發現歐美地區郵輪公司及郵輪船舶多樣性更高，航線布局更廣泛，航線數量更多，航線類型更豐富。歐美地區主要港口通過與本土郵輪品牌密切合作，實現航線布局常態化，在航線網絡布局中保持市場競爭力。因而，要發揮政策利好，深化郵輪公司的戰略合作，引進不同定位的郵輪公司，扶持本土郵輪公司發展，豐富船舶類型，設計配合我國消費習慣與假期制度的航線產品，例如推出3～5天的短途航線，以親子、老年、商務為主題的近海或沿海航線等，做到常規航線與主題航線有效結合。

第三，建立港口合作機制，保障多母港航線常態化運營。多母港郵輪航線的設置，不僅可以提升航線豐度，而且可以通過多港收客保證郵輪滿艙率和航線運營常態化。比如，在旅游一體化基礎上，在長三角、環渤海、東南沿海、珠三角、西南沿海以及兩岸三地郵輪港口間建立合作關系，積極尋求郵輪旅游發展共識，探索郵輪旅游區域合作方式和經驗，促進母港和經停港航線達成共同開發協議;積極爭取開通面向中國臺灣的郵輪航線，加強與亞太地區的聯動，優化區域競合關系，在客源互通、出入境政策等方面開展多元化合作，擴大郵輪航線布局范圍。特別地，可借鑒地中海地區經驗，探索突破政策和運營限制，簡化簽證與出入境政策，開發多港收客航線，同時提升不同站點“郵輪聯盟”的收客能力，可在東北亞和東南亞港口密集區探索“開口”航線和開發面向東盟的“泛南海”郵輪航線和“海上絲綢之路”長航線等。

致謝：感謝香港理工大學職業與繼續教育學院LAU Yui Yip老師對論文提出的寶貴建議以及對英文摘要的編輯工作。

參考文獻（References）

[1] Cruise Lines International Association（CLIA）. 2017 CLIA cruise industry outlook[EB/OL]. [2018-12-24]. www.cruising.org.

[2] Cruise Lines International Association（CLIA）. 2019 CLIA cruise trends & industry outlook[EB/OL]. [2019-12-05]. www.cruising.org.

[3] WEEDEN C， LESTER J A， THYNE M. Cruise tourism： Emerging issues and implications for a maturing industry[J]. Journal of Hospitality and Tourism Management， 2011， 18（1）： 26-29.

[4] 孫曉東， 武曉榮， 馮學鋼. 郵輪航線設置的基本特征與規劃要素研究[J]. 旅游學刊， 2015， 30（11）： 111-121. [SUN Xiaodong， WU Xiaorong， FENG Xuegang. Basic characteristics and key elements of cruise itinerary planning[J]. Tourism Tribune， 2015， 30（11）： 111-121.]

[5] KLEIN R A. Responsible cruise tourism： Issues of cruise tourism and sustainability[J]. Journal of Hospitality and Tourism Management， 2011， 18（1）： 107-116.

[6] RODRIGUE J P， NOTTEBOOM T. The geography of cruises： Itineraries， not destinations[J]. Applied Geography， 2013， 38： 31-42.

[7] 焦芳芳， 謝燮. 郵輪航線設計及我國母港郵輪航線拓展建議[J]. 水運管理， 2014， 36（11）： 26-29. [JIAO Fangfang， XIE Xie. Cruise line design and suggestions on the expansion of Chinese homeport cruise line[J]. Shipping Management， 2014， 36（11）： 26-29.]

[8] LEONG T Y， LADANY S P. Optimal cruise itinerary design development[J]. International Journal of Services Technology and Management， 2001， 2（1）： 130-141.

[9] CHEN J M， NIJKAMP P. Itinerary planning： Modelling cruise lines lengths of stay in ports[J]. International Journal of Hospitality Management， 2018， 73： 55-63.

[10] NIAVIS S， TSIOTAS D. Decomposing the price of the cruise product into tourism and transport attributes： Evidence from the Mediterranean market[J]. Tourism Management， 2018， 67（3）： 98-110.

[11] 葉欣梁， 孫瑞紅. 基于顧客需求的上海郵輪旅游市場開發研究[J]. 華東經濟管理， 2007， 21（3）： 110-115. [YE Xinliang， SUN Ruihong. Research on cruise industry of tourism in Shanghai based on customer demand[J]. East China Economic Management， 2007， 21（3）： 110-115.]

[12] 劉競， 李瑞. 國內郵輪旅游消費市場特征分析及發展對策[J]. 南陽師范學院學報， 2012， 11（9）： 60-65. [LIU Jing， LI Rui. The countermeasures for development and characteristic analysis on consumption market of domestic cruise tourism[J]. Journal of Nanyang Normal University， 2012， 11（9）： 60-65.]

[13] LEKAKOU M B， PALLIS A A， VAGGELAS G K. Which homeport in Europe： The cruise industrys selection criteria[J]. Tourismos， 2009， 4（4）： 1-20.

[14] CASTILLO-MANZANO J I， FAGEDA X， GONZALEZ-LAXE F. An analysis of the determinants of cruise traffic： An empirical application to the Spanish port system [J]. Transportation Research Part E： Logistics and Transportation Review， 2014， 66： 115-125.

[15] WANG Y， JUNG K A， YEO G T， et al. Selecting a cruise port of call location using the fuzzy-AHP method： A case study in East Asia[J]. Tourism Management， 2014， 42： 262-270.

[16] WANG K， WANG S， ZHEN L， et al. Cruise shipping review： Operations planning and research opportunities[J]. Maritime Business Review， 2016， 1（2）： 133-148.

[17] GUI L， RUSSO A P. Cruise ports： A strategic nexus between regions and global lines—Evidence from the Mediterranean[J]. Maritime Policy & Management， 2011， 38（2）： 129-150.

[18] 王璐， 劉曙光， 段佩利， 等. 絲綢之路經濟帶沿線國家農產品貿易網絡結構特征[J]. 經濟地理， 2019， 39（9）： 198-206. [WANG Lu， LIU Shuguang， DUAN Peili， et al. Network structure of agricultural product trade in countries of the Silk Road Economic Belt[J]. Economic Geography， 2019， 39（9）： 198-206.]

[19] ALBERT R Z， BARABASI A L. Statistical mechanics of complex networks[J]. Reviews of Modern Physics， 2002， 74（1）： 47.

[20] EASLEY D， KLEINBERG J. Networks， Crowds， and Markets： Reasoning about a Highly Connected World[M]. Cambridge： Cambridge University Press， 2010： 25-56.

[21] 王晰巍， 趙丹， 魏駿巍， 等. 移動環境下網絡輿情信息傳播模式及實證研究——以埃博拉話題為例[J]. 情報學報， 2015， 34（7）： 683-692. [WANG Xiwei， ZHAO Dan， WEI Junwei， et al. Empirical research on modeling of online public opinion propagation in a mobile environment： An example focusing on the topic of “Ebola”[J]. Journal of the China Society for Scientific and Technical Information， 2015， 34（7）： 683-692.]

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

[23] HWANGY H， GRETZEL U， FESENMAIER D R. Multicity trip patterns： Tourists to the United States[J]. Annals of Tourism Research， 2006， 33（4）： 1057-1078.

[24] SCOTT N， COOPER C， BAGGIO R. Destination networks： Four Australian caess[J]. Annals of Tourism Research， 2008， 35（1）： 169-188.

[25] 劉冰， 曾國軍， 彭青. 社會網絡視角下旅游線路研究——以新疆為例[J]. 旅游學刊， 2013， 28（11）： 101-109. [LIU Bing， ZENG Guojun， PENG Qing. A social network perspective on travel itinerary research： A case study in Xinjiang[J]. Tourism Tribune， 2013， 28（11）： 101-109.]

[26] 朱冬芳， 陸林， 虞虎. 基于旅游經濟網絡視角的長江三角洲都市圈旅游地角色[J]. 經濟地理， 2012， 21（4）： 149-154. [ZHU Dongfang， LU Lin， YU Hu. Analysis on the roles of tourism destinations in the Yangtze River Delta metropolitan area： Based on the perspective of tourism economy[J]. Economic Geography， 2012， 21（4）： 149-154.]

[27] 楊興柱， 顧朝林， 王群. 南京市旅游流網絡結構構建[J]. 地理學報， 2007， 62（6）： 609-620. [YANG Xingzhu， GU Chaolin， WANG Qun. Urban tourism flow network structure construction in Nanjing[J]. Acta Geographica Sinica， 2007， 62（6）： 609-620.]

[28] 陳浩， 陸林， 鄭嬗婷. 基于旅游流的城市群旅游地旅游空間網絡結構分析——以珠江三角洲城市群為例[J]. 地理學報， 2011（2）： 257-266. [CHEN Hao， LU Lin， ZHENG Shanting. The spatial network structure of the tourism destinations in urban agglomerations based on tourist flow： A case study of the Pearl River Delta[J]. Acta Geographica Sinica， 2011（2）： 257-266.]

[29] 劉法建， 張捷， 章錦河， 等. 中國入境旅游流網絡省級旅游地角色研究[J]. 地理研究， 2010， 29（6）： 1141-1152. [LIU Fajian， ZHANG Jie， ZHANG Jinhe， et al. Roles and functions of provincial destinations in Chinese inbound tourist flow network[J]. Geographical Research， 2010， 29（6）： 1141-1152.]

[30] JEON J W， DURU O， YEO G T. Cruise port centrality and spatial patterns of cruise shipping in the Asian market[J]. Maritime Policy & Management， 2018， 46（3）： 257-276.

[31] TSIOTAS D， NIAVIS S， SDROLIAS L. Operational and geographical dynamics of ports in the topology of cruise networks： The case of Mediterranean[J]. Journal of Transport Geography， 2018， 72： 23-35.

[32] 郭風華， 王琨， 張建立， 等. 成都“五朵金花”鄉村旅游地形象認知——基于博客游記文本的分析[J]. 旅游學刊， 2015， 30（4）： 84-94. [GUO Fenghua， WANG Kun， ZHANG Jianli， et al. Rural tourism destination image of the case in “Five Golden Flowers”， Chengdu： Based on the text mining of blogs[J]. Tourism Tribune， 2015， 30（4）： 84-94.]

[33] 姜鑫， 王德莊， 馬海群. 社會網絡分析方法在圖書情報學科的應用研究[M]. 北京：知識產權出版社， 2019： 61-70. [JIANG Xin， WANG Dezhuang， MA Haiqun. Research on the Application of Social Network Analysis Method in Library and Information Science[M]. Beijing： Intellectual Property Publishing House， 2019： 61-70.]

[34] 劉勇， 杜一. 網絡數據可視化與分析利器： Gephi中文教程[M]. 北京：電子工業出版社， 2017： 163-164. [LIU Yong， DU Yi. Network Data Visualization and Analysis Tool： Gephi Chinese Course[M]. Beijing： Publishing House of Electronics Industry， 2017： 163-164.]

[35] 張玥， 孫霄凌， 浦正寧， 等. 微博典情傳播影響因素研究——基于信源特征和信息形式的視角[J]. 情報資料工作， 2014（3）： 59-64. [ZHANG Yue， SUN Xiaoling， PU Zhengning， et al. Influencing factors of microblog public opinion dissemination： Based on the perspective of information source characteristic and information form[J]. Information and Documentation Services， 2014（3）： 59-64.]

[36] 羅家德. 社會網絡分析講義[M]. 北京：社會科學文獻出版社， 2010： 190-215. [LUO Jiade. Social Network Analysis Handouts[M]. Beijing： Social Sciences Academic Press， 2010： 190-215.]

[37] 王晰巍， 邢云菲， 趙丹， 等. 基于社會網絡分析的移動環境下網絡輿情信息傳播研究——以新浪微博“霧霾”話題為例[J]. 圖書情報工作， 2015， 59（7）： 14-22. [WANG Xiwei， XING Yunfei， ZHAO Dan， et al. The study of network public opinion dissemination with social network analysis： Under the mobile environment： A case of “haze” in Sina Micro-blog[J]. Library and Information Service， 2015， 59（7）： 14-22.]

[38] NEWMAN M E， GIRVAN M. Finding and evaluating community structure in networks[J]. Physical Review E， 2004， 69（2）： 1-15.