省際入境與國內旅游流網絡結構特征及比較分析

馬 麗 君，鄧 思 凡

(湘潭大學商學院，湖南 湘潭 411105)

0 引言

旅游業是我國國民經濟的戰略性支柱產業。2019年我國國內游客達60.1億人次，國內旅游收入57 251億元，入境游客1.45億人次，國際旅游收入1 313億美元。受疫情影響，在入境旅游幾乎中斷的情況下，2020年國內游客仍有28.8億人次，國內旅游收入22 286億元。由于地理位置、資源稟賦等因素的不同，我國旅游業發展存在明顯的區域差異，而客流量是衡量一個地區旅游業發展水平的重要指標，也是學術界研究的重要對象。目前旅游流的相關研究成果主要集中在基本概念[1，2]、時空分布及演化[3-6]、影響因素及驅動機制[7-9]、客流量預測[10-13]等方面，并隨著互聯網的普及和發展，多通過百度指數、微博、微信、旅游數字足跡等大數據對旅游流時空分布特征進行分析[14-18]，運用社會網絡分析方法對旅游流網絡結構特征進行研究[19,20]。旅游流的整體研究體系已較完善，尤其是在空間分布和時間演化等方面。我國旅游發展具有“入境—國內—出境”特點，國內關于入境旅游流網絡結構的研究相對較多[21-23]，但由于缺少國內游客的統計數據，國內省際旅游流網絡結構的相關研究較少。網絡是輔助游客出游決策的重要手段[24]，游客通過網絡檢索旅游地相關信息時留下的檢索痕跡形成“網絡關注度”(或“搜索指數”)[25]。相關研究表明，網絡關注度與旅游流之間存在密切的正相關關系[26]，可用網絡關注度反映旅游流的流量和流向。李山等利用百度指數分析旅游景區網絡關注度與旅游流的相關性[27]；孫燁等研究發現客流量與網絡關注度具有很強的正相關關系，可用網絡關注度反映旅游流的時空變化并進行流量大小比較[28-30]；Liu等采用協整和格蘭杰因果關系檢驗等方法研究天目湖在13個客源地城市每日游客人數與搜索指標間的關系，并通過在矢量自回歸模型中應用脈沖函數進一步驗證網絡關注度與實際旅游客流量之間的時空相關性[31，32]。

入境游客和國內游客的偏好、空間分布不同，導致入境旅游流網絡與國內旅游流網絡結構存在一定差異。哪些省域在入境和國內旅游流網絡中均處于有利(或不利)地位，哪些省域在其中一個旅游流網絡中處于有利地位，而在另一個中處于不利地位，以往研究鮮有報道，而這對于在入境和國內旅游流網絡中均處于不利地位的省域以及在入境和國內旅游流網絡中所處地位不匹配的省域制定相關措施、提高吸引力，促進其入境和國內旅游協調發展，提升在旅游流網絡中的地位具有重要意義。因此，本文收集2017年中國內地31個省域入境及國內客流量、流向數據，利用社會網絡分析法，在分析我國入境和國內旅游流網絡結構特征的基礎上，考察兩者間的異同，以期豐富旅游流網絡結構相關研究，明確各省域在我國入境旅游和國內旅游網絡中所處的位置，為促進客源市場開發、區域旅游合作以及入境與國內旅游業平衡發展提供參考。

1 數據來源與分析方法

1.1 數據來源

本文入境旅游流數據主要來源于《2018年旅游抽樣調查資料》中2017年入境游客的流向。為保持數據的一致性，依托百度指數，以景區名稱為關鍵詞進行檢索，收集2017年各省域居民對其他省域5A級景區的網絡關注度，以此反映國內旅游流的流量、流向。由于《2018年旅游抽樣調查資料》中各省域的調查樣本量不同，為能通過社會網絡分析法進行比較分析，本文將入境游客在國內31個省域的流量以百分比的形式進行分析，即計算各省域入境游客抽樣調查樣本中流向其他省域客流量占樣本量的比率，值越大，表明流向某省域的游客量越大。

1.2 分析方法

本文采用社會網絡分析法，從個體網絡結構和整體網絡結構兩個層面分析入境和國內旅游流網絡結構特征。個體網絡結構包括中心度和結構洞分析：1)中心度用于分析入境和國內旅游流網絡中各省域聯系的緊密程度及核心省域的影響力，包括度數中心度、接近中心度和中間中心度，其中，度數中心度在有向圖中分為點入度和點出度，前者在旅游流網絡結構中表現為受益關系，后者表現為溢出關系；接近中心度用于衡量網絡中成員與其他成員的“距離”，值越大，說明該省域與其他省域之間的聯系越密切；中間中心度用于衡量網絡中成員對資源的控制程度，值越大，則該省域控制其他成員交往的能力越大。2)結構洞通過各省域在網絡中所處位置以及與其他省域的互動、影響和支配效力反映該省域的相對重要性，某省域在網絡中占據的結構洞越多，則其信息優勢和資源優勢越顯著。結構洞主要通過有效規模、效率和限制度3項指標衡量，網絡中某省域的有效規模越大、效率越高、限制度越小，則其在網絡中占據的結構洞越多，中介能力越強，因此在網絡中具有樞紐地、中轉地和集散地的重要角色，個體對網絡中其他個體的影響程度越大，受其他個體的制約則越小，在網絡中處于越有利的位置。整體網絡結構則包括網絡密度、網絡中心勢、核心—邊緣模型和塊模型分析。1)網絡密度主要用于反映整體網絡關系的緊密程度，密度越大，則旅游流的整體網絡結構越緊密；2)網絡中心勢包括度數中心勢、接近中心勢和中間中心勢，主要用于衡量旅游流網絡結構的中心化程度和總體整合度，數值越大網絡越不均衡；3)核心—邊緣模型主要用于分析成員在旅游流網絡結構中的核心地位和邊緣地位,本文以核心度為標準構建連續型核心—邊緣模型，核心度指網絡中節點接近網絡中心的程度，節點的核心度越高，其越接近網絡的核心區域,在網絡中的控制力越強，反之，則處于網絡的邊緣區域，影響力較弱；4)塊模型又稱像矩陣，是對一元關系或多元關系網絡的簡化表示，主要用于表示網絡中內部關系緊密群體間的相互關系，能清晰地反映網絡中關系較為密切、旅游流頻繁的子群體，從而找出網絡中具有高度凝聚力的省域集合，并通過分析各子群的密度，了解子群間的關聯程度，通常分為雙向溢出板塊、主受益板塊、主溢出板塊和經紀人板塊(表1)[33，34]。

表1 塊模型的4種位置類型Table 1 Four types of position for block models

社會網絡分析法認為社會既包含個體，也包含個體之間的社會、經濟或文化關系，在分析過程中會對原始數據進行無量綱化處理，并將原始數據轉化為關系數據，通過網絡中個體相互關系和性質體現特征，最后以網絡密度等指標刻畫網絡結構特征。因此，盡管本文入境旅游流采用現實的入境游客數據，而國內旅游流采用虛擬的網絡用戶數據，但網絡結構的相關指標仍可進行比較分析，且在應用于實際情況時，網絡中個體相互關系對應的是國外游客和國內游客對目的地的選擇偏好與流動偏好，故入境旅游流和國內旅游流數據來源不同對網絡結構各項指標的衡量和比較影響不大。

2 入境旅游流網絡結構特征

入境旅游流網絡中的線段理論上應為930條，此時網絡密度為1。實際分析發現(圖1)，當閾值選0.01%時，2017年入境旅游流網絡中的旅游流線段共有391條，數量適宜，便于突出入境旅游流網絡的核心節點。其中，內蒙古→北京、江蘇→上海、湖南→廣東、河北→北京、寧夏→北京流量占所在省域總輸出的比值在50%以上;流量占所在省域總輸出的比值介于20%～50%之間的旅游流線段有20條，占總流量線段的5.12%；流量占所在省域總輸出的比值介于10%～20%之間的旅游流線段有30條，占總流量線段的7.67%；流量占所在省域總輸出的比值介于5%～10%之間的旅游流線段有29條，占總流量線段的7.42%；流量占所在省域總輸出的比值在0～5%之間的旅游流線段有307條，占總流量線段的78.52%。

圖1 閾值為0.01%時的2017年入境旅游流網絡結構Fig.1 Network structure of inbound tourism flows with a threshold of 0.01% in 2017

2.1 入境旅游流個體網絡結構特征

利用Ucinet 6.0對以0.01%為閾值劃分的二值矩陣進行分析，測算2017年入境旅游流網絡的中心度和結構洞等個體網絡相關指標(表2)。可以看出：

表2 入境旅游流個體網絡結構指標Table 2 Individual network structure indicators of inbound tourism flows

(1)上海、北京和廣東度數中心度較大，在網絡中位居中心地位，與網絡中其他成員聯系密切。上海、北京、廣東等8個省域受益關系較多，陜西、上海、北京等7個省域溢出關系較多；上海、北京、遼寧等14個省域受益關系多于溢出關系，其余省域溢出關系多于受益關系。綜合中心度分析表明，廣東、上海、北京在入境旅游流網絡中聯系較多，中介作用較強，對其他省域的入境旅游流控制能力較強。

(2)上海、北京、廣東、陜西和浙江的有效規模大、效率高、限制度小，說明這些省域在入境旅游流網絡中對其他省域的依賴度低，在網絡中處于相對有利位置；黑龍江、江西、廣西等6個省域的有效規模小、效率低、限制度高，說明這些省域在入境旅游流網絡中對其他省域的依賴度高，需加強與其他省域的聯系與合作。

(3)各省域的個體網絡密度存在較大差異，網絡中成員的個體網絡密度越大，說明該成員與其他成員的空間關聯程度越高。黑龍江、山東、江西和江蘇的個體網絡密度均在0.6以上，與其他省域的空間關聯程度高；甘肅、天津、安徽等12個省域的個體網絡密度介于0.5～0.6之間，與其他省域的空間關聯程度較高；湖北、青海、重慶等14個省域的個體網絡密度介于0.2～0.5之間，與其他省域的空間關聯程度較低，網絡穩定性較差；新疆的個體網絡密度為0，與其他省域的空間關聯程度最低。

綜上發現，廣東、上海、北京、陜西和浙江等省域在入境旅游流個體網絡各項指標中表現突出，可能是因為這些省域兼具經濟發展水平高、國際知名度高和旅游資源豐富幾大要素，對入境游客的綜合吸引力較強，成為多數入境游客的首選目的地；而入境旅游流網絡的個體網絡密度整體呈現松散分布、數值較小的特征，說明盡管近年來我國入境旅游迅速發展，但分布在各省域的國外游客規模相比國內游客仍較小，提升空間極大。

2.2 入境旅游流整體網絡結構特征

利用Ucinet 6.0對2017年入境旅游流整體網絡結構進行分析，閾值取0.01%時，整體網絡密度較低(為0.42)，說明各省域之間的入境旅游流聯系強度較弱，協同程度較低，各省域之間的旅游流聯系有待加強。2017年入境旅游流整體網絡的度數中心勢為0.54，說明入境旅游流主要集中在部分省域之間，具有一定的不平衡性。

利用Ucinet 6.0中的CONCOR模塊，以分割深度為2、收斂標準為0.2，將我國入境旅游流網絡分割為4個板塊(表3)：第一板塊包括北京、上海、江蘇、廣東、黑龍江、遼寧、福建、河南、山東、四川10個省域，第二板塊包括湖南、重慶、廣西、云南、浙江、新疆、天津7個省域，第三板塊包括山西、內蒙古、吉林、 甘肅、寧夏、河北6個省域，第四板塊包括安徽、江西、海南、湖北、貴州、西藏、陜西、青海8個省域。

表3 入境旅游流網絡板塊特征Table 3 Characteristics of network sectors of inbound tourism flows

在入境旅游流整體網絡的391個關聯關系中，板塊內部關系107個，板塊間關系284個，說明板塊間旅游流頻繁，溢出效應明顯。第一板塊共接收關系185個，發出關系160個，其中板塊內部關系69個，接收其他板塊116個，向外發出關系91個，期望內部關系比例為30.00%，實際內部關系比例為43.13%，為主受益板塊；第二板塊共接收關系99個，發出關系11個，其中板塊內部關系1個，接收其他板塊98個，向外發出關系10個，期望內部關系比例為20.00%，實際內部關系比例為9.09%，為經紀人板塊；第三板塊共接收關系42個，發出關系69個，其中板塊內部關系8個，接收其他板塊34個，向外發出關系61個，期望內部關系比例為16.67%，實際內部關系比例為11.59%，為經紀人板塊；第四板塊共接收關系65個，發出關系151個，其中板塊內部關系29個，接收其他板塊36個，向外發出關系122個，期望內部關系比例為23.33%，實際內部關系比例為19.21%，為經紀人板塊。綜上，第一板塊為主受益板塊，其實際內部關系比例遠高于其他板塊且遠大于期望內部關系比例，說明其活力最強且板塊內旅游流往來更頻繁、密切；第二、第三、第四板塊均為經紀人板塊，其實際內部關系比例均小于期望內部關系比例，表現為對外交流密切而內部交流少，旅游流對外輸送更頻繁而接收較少，因此需要加強板塊內部的交流合作，平衡板塊之間的關系。

為更好地反映4個板塊之間的旅游流聯系，本文計算了各板塊的密度矩陣(表4)，可以看出：第一板塊的內部密度較高，內部交流頻繁，對第二板塊的溢出效應明顯，但對第三、第四板塊的溢出效應較?。坏诙鍓K的內部密度非常小，并且對其他板塊的溢出效應也很?。坏谌鍓K的溢出效應主要集中于第一板塊，對第二、第四板塊的溢出效應很?。坏谒陌鍓K的溢出效應主要集中于第一、第二板塊，其次是板塊內部，對第三板塊的溢出效應較小。

表4 各板塊的密度矩陣Table 4 Density matrix of various sectors

為進一步分析各省域入境旅游流網絡的空間關聯關系，本文以整體網絡密度0.42為分界值，高于0.42賦值為1，低于0.42賦值為0，從而計算像矩陣,并討論4個板塊的相互關系(圖2)，可以看出：第二板塊為主要的旅游目的地板塊，其旅游流引入作用明顯；第三、第四板塊為主要的旅游客源地板塊，其旅游流流向第一、第二板塊，輸出作用明顯；第一板塊則承擔了旅游目的地和旅游客源地的雙重身份，其輸出和引入作用均比較明顯。在入境旅游流網絡中，北京、上海、江蘇和廣東等省域處于核心位置，旅游目的地和旅游客源地雙重角色突出，相互之間的旅游流頻繁，且旅游流的引入作用顯著高于輸出作用，這也與個體網絡結構指標中的結論相印證。

圖2 四大板塊相互關系Fig.2 Interrelation of the four major sectors

3 國內旅游流網絡結構特征

2017年國內旅游流網絡中的旅游流線段共有929條，西藏→天津未產生旅游流，其余省域間都存在旅游流聯系。旅游流流量高于100萬人次的國內旅游流線段共有51條，占總流量線段的5.49%，主要產生在北京、上海、浙江、江蘇和廣東等經濟水平較高或旅游資源豐富的省域之間；旅游流流量在75萬～100萬人次的國內旅游流線段有48條，占總流量線段的5.17%；旅游流流量在50萬～75萬人次的國內旅游流線段有106條，占總流量線段的11.41%；旅游流流量在25萬～50萬人次的國內旅游流線段有240條，占總流量線段的25.83%；旅游流流量在0～25萬人次的國內旅游流線段有484條，占總流量線段的52.10%，多產生在經濟發展水平較低或旅游資源較少的省域之間。對上述數據進行二值化處理時發現，選定閾值為15萬人次時，網絡中的旅游流線段為632條，數量適宜，既能避免線段過多而產生重合，又能突出核心節點，故本文選擇15萬人次作為閾值，借助Ucinet 6.0中的Netdraw繪制國內旅游流網絡結構圖(圖3)并進行特征分析。

圖3 閾值為15萬人次時的2017年國內旅游流網絡結構Fig.3 Network structure of domestic tourism flows with a threshold of 150 000 person-times in 2017

3.1 國內旅游流個體網絡結構特征

利用Ucinet 6.0對國內旅游流個體網絡結構進行分析(表5)，可以看出：1)北京、廣東、江蘇等19個省域的點入度較高(即受益關系較多)，四川、陜西、浙江等20個省域的點出度較高(即溢出關系較多)；上海、北京、貴州等13個省域的受益關系多于溢出關系，其余18個省域溢出關系多于受益關系。2)陜西、北京、山西等8個省域網絡中心性較強(度數中心度為100，中間中心度為1.25，接近中心度為100)，說明其在旅游流網絡中處于核心位置，與網絡中其他成員聯系密切，對其他省域間的旅游流控制程度較高，中介作用較強。3)北京、江蘇、浙江等9個省域的有效規模大、效率高、限制度小，說明其在旅游流網絡中對其他省域的依賴度低，在網絡中處于相對有利位置；海南、新疆、吉林等11個省域的有效規模小、效率低、限制度高，說明其在旅游流網絡中對其他省域的依賴度高，需加強與其他省域的聯系和合作。4)國內旅游流個體網絡密度整體較高，其中貴州和寧夏的個體網絡密度均為1，與其他省域的空間關聯程度最高；其次是廣西、西藏、青海等10個省域，個體網絡密度介于0.8～1之間，與其他省域的空間關聯程度較高；甘肅、上海、江西等19個省域的個體網絡密度介于0.6～0.8之間，與其他省域的空間關聯程度較低。

表5 國內旅游流個體網絡結構指標Table 5 Individual network structure indicators of domestic tourism flows

綜上，陜西、北京、山西、浙江、湖北、河南、四川和江蘇等省域在國內旅游流個體網絡中各項指標突出，且分布于全國各地區，這可能是由于這些省域或經濟較發達，或旅游資源較豐富，國內游客對國內旅游目的地情況熟悉，因此其偏好落到各省域后更分散，出游所考慮的因素更偏向于資源豐度、交通便利度和民俗文化等細節。而國內旅游流個體網絡密度整體呈現出分布集中、數值較大的特征，說明我國國內旅游一直保持高速平穩發展趨勢，近年來隨著經濟水平提高、出游條件改善和居民消費理念轉變，國內旅游市場發展更加成熟且不斷細化，分布在各省域的國內游客體量較大。

3.2 國內旅游流整體網絡結構特征

利用Ucinet 6.0對國內旅游流整體網絡進行分析，閾值為1時，整體網絡密度為0.99。當閾值取15萬人次時，整體網絡密度為0.68，網絡密度較高，說明各省域之間的入境旅游流聯系較密切，協同程度較高，但小型旅游流偏多，各省域之間仍需加強聯系。國內旅游流整體網絡的度數中心勢為0.17，中間中心勢為0.06，數值較低，表明旅游流網絡結構中心化程度較低，國內旅游流網絡發展較平衡。

利用Ucinet 6.0中的CONCOR模塊，以分割深度為2、收斂標準為0.2，將國內旅游流網絡分割為4個板塊(表6)：第一板塊包括北京、湖北、河北、山西、安徽、福建、江西、四川、河南、江蘇、浙江、廣東、陜西、山東、湖南，第二板塊包括重慶、西藏、新疆、青海、海南、甘肅、云南，第三板塊包括寧夏、天津、貴州、廣西，第四板塊包括內蒙古、遼寧、吉林、黑龍江、上海。

表6 國內旅游流網絡板塊特征Table 6 Characteristics of network sectors of domestic tourism flows

在整體網絡的632個關聯關系中，4個板塊內部關系有237個，板塊間關系有395個，說明板塊間輸出、引入作用較明顯，交流頻繁。第一板塊共接收關系414個，發出關系364個，其中板塊內部關系210個，接收其他板塊204個，向外發出關系154個，期望內部關系比例為46.67%，實際內部關系比例為50.72%，為主受益板塊；第二板塊共接收關系148個，發出關系92個，其中板塊內部關系14個，接收其他板塊134個，向外發出關系78個，期望內部關系比例為20%，實際內部關系比例為9.46%，為經紀人板塊；第三板塊共接收關系11個，發出關系67個，無板塊內部關系，期望內部關系比例為10%，實際內部關系比例為0，為主溢出板塊；第四板塊共接收關系59個，發出關系109個，其中板塊內部關系13個，接收其他板塊46個，向外發出關系96個，期望內部關系比例為13.33%，實際內部關系比例為22.03%，為主受益板塊。第一、第四板塊雖然同為主受益板塊，但第一板塊的實際內部關系比例高于第四板塊且大于期望內部關系比例，說明第一板塊活力較強且板塊內旅游流更頻繁、密切；第三板塊實際內部關系比例為0，表現為向其他板塊發出關系數較多，但接受其他板塊溢出關系較少，有明顯的凈溢出效應，需強化旅游合作，加強旅游資源及相關配套設施建設。

由各板塊的密度矩陣(表7)可以看出：第一板塊的溢出效應主要集中于板塊內部和第二板塊，其次是第四板塊，對第三板塊的溢出效應最??；第二板塊的溢出效應主要集中于第一板塊，其次是板塊內部和第三板塊，對第四板塊無溢出；第三板塊的溢出效應主要集中于第一板塊，其次是第二、第四板塊，板塊內部無溢出；第四板塊的溢出效應主要集中于第一板塊，其次是板塊內部和第二板塊，對第三板塊無溢出。

表7 各板塊的密度矩陣Table 7 Density matrix of various sectors

以整體網絡密度0.68為界，高于0.68賦值為1，低于0.68賦值為0，從而計算像矩陣并討論4個板塊的相互關系(圖4)，可以發現：第一板塊既是重要的旅游客源地也是主要的旅游目的地，接受來自其余板塊的旅游流，但只對第二板塊有溢出作用；第三、第四板塊為主要的旅游客源地，旅游流輸出作用明顯；第二板塊與第一板塊有旅游流的輸出和引入作用，其是第一板塊的旅游目的地和客源地。

圖4 四大板塊相互關系Fig.4 Interrelation of the four major sectors

從各項指標可以看出，國內旅游流處于平穩發展狀態，整體網絡密度接近1，即網絡中各省域之間關系緊密，協同發展；從旅游流流量看，國內游客在各省域分布較均勻，發展較均衡，區域之間的差異相對較小。北京、湖北、安徽、福建、江西、四川、河南、江蘇、浙江、廣東、陜西、山東、湖南等省域處于網絡核心位置，在旅游目的地和旅游客源地雙重角色中，其目的地角色更突出，不僅相互之間旅游流頻繁，且旅游流的引入作用也很顯著。

4 入境和國內旅游流網絡結構特征對比

4.1 入境和國內旅游流個體網絡結構特征對比

上海、北京和廣東作為我國三大出入境口岸，對外開放程度和經濟發展水平高、國際航線多，因此在入境旅游流個體網絡中處于核心位置。國內旅游不受簽證、國際航線等因素影響，降低了上海、北京和廣東的競爭優勢，因此除北京、廣東外，一些旅游資源豐富、人口較多、經濟發展水平較高的省域(如陜西、山西、浙江、湖北、河南、四川和江蘇)在國內旅游流網絡中占據中心地位。

北京、廣東、陜西、浙江和四川在入境和國內旅游流個體網絡中均處于有利位置，占據網絡中多數結構洞，意味著掌握了大量的資源和信息。黑龍江、廣西和新疆在入境和國內旅游流個體網絡中受其他省域的限制較大，對其他省域的依賴度高，需要提高自身旅游發展水平，并加強與其他省域的聯系和合作。江蘇、山東等在國內旅游流網絡中具有明顯優勢的省域，在入境旅游流網絡中反而處于較不利的位置，其在入境游客心中的地位和目的地選擇的優先性不如國內游客，可見相同省域在入境和國內旅游流網絡中的作用和地位偏差較大。

入境旅游流和國內旅游流個體網絡中各省域的網絡密度差異較大。國內旅游流網絡密度整體較高，且各省域的網絡密度值較集中；入境旅游流網絡密度整體較低，且各省域的網絡密度值較分散。表明我國國內旅游發展更成熟，旅游流體量大，國內旅游市場發展具有多樣性，且在各省域的分布較均衡，空間關聯程度較高；而我國入境旅游體量相對較小，拓展空間極大。

綜合而言，同時具備高經濟發展水平、高國際知名度和豐富旅游資源等多項要素的省域(如北京、上海、廣東、陜西和浙江等)，對入境和國內游客均具有很強的吸引力，而新疆、廣西和黑龍江等處于劣勢。當條件無法兼具時，地理位置和交通便捷度成為入境游客更關注的要素，國內游客相對更關注旅游資源的特性及文化內涵，如江西、山東、湖南、云南和重慶等省域旅游資源具有獨特的地理和人文特色，在國內旅游流網絡中占據優勢，而在入境旅游流網絡中表現相對較差。

4.2 入境和國內旅游流整體網絡結構特征對比

入境和國內旅游流網絡中均不存在孤立的點，但其網絡內部旅游流的聯系緊密程度差異較大。相比入境旅游流網絡，國內旅游流網絡更穩健，中心勢數值和結構中心化程度更低，發展更平衡，各省域旅游流聯系更緊密。究其原因，可能是國內旅游發展更成熟，旅游人次更多，對各景區了解程度更高，流量流向相對均衡；而入境游客由于時間、空間等因素限制，往往關注旅游熱點城市和知名景區，使得旅游流集中在某些旅游熱點城市，網絡密度較低。

部分省域在入境和國內旅游流網絡中的作用和地位存在較大差異。北京、江蘇、廣東等省域在入境和國內旅游流網絡中均位于主受益板塊和核心位置，其旅游流的引入作用更明顯，這些省域不僅是入境和國內游客首選的旅游目的地，也具有很強的媒介作用，流入該省域的旅游流繼而流入同類型的其他省域，而在國內旅游流網絡中有近半數的省域處于網絡中心，這些省域的地理分布集中性并不顯著，即國內旅游發展更均衡，且在旅游目的地和旅游客源地雙重角色中其目的地角色更突出。重慶、西藏、新疆、青海、海南、甘肅和云南等省域在入境和國內旅游流網絡中均位于經紀人板塊，在旅游流網絡中輸出作用明顯。

核心度高的省域處于網絡結構的核心區域，在網絡中擁有更強的控制力,核心度低的省域處于結構的邊緣地區,影響力較弱。本文將核心度大于0.2、0.1～0.2、小于0.1的省域分別歸為核心區、半邊緣區和邊緣區(表8)。由表8可知，入境旅游流網絡中半邊緣區有16個省域，核心區有9個省域，邊緣區有6個省域；國內旅游流網絡中核心區有17個省域，半邊緣區和邊緣區都只有7個省域，說明我國國內旅游發展更成熟，大部分省域憑借其獨特優勢在國內旅游市場中占具較重要位置。陜西、北京、山西、安徽、浙江和河南在入境和國內旅游流網絡中均處于核心位置，入境與國內旅游發展較均衡；上海、青海、西藏等對入境游客的吸引力大于國內游客，四川、江蘇、湖北、江西等則對國內游客的吸引力要大于入境游客。

表8 入境旅游流和國內旅游流網絡的核心與邊緣省域Table 8 Core and fringe provinces and cities of inbound and domestic tourism flow networks

5 結論

本文利用社會網絡分析法分析2017年我國入境和國內旅游流網絡結構特征，考察各省域在入境和國內旅游流網絡中扮演的角色、所處地位的異同。研究發現：2017年入境旅游流整體網絡密度較低，各省域之間的入境旅游流聯系較弱，整體網絡較不均衡；入境旅游流各板塊間交往頻繁，溢出效應明顯，入境游客更傾向于流向經濟發展水平高、國際知名度高的省域和著名的旅游省域；國內旅游流主要產生在經濟水平較高或旅游資源較豐富的省域之間，各省域之間空間關聯程度更高、旅游流聯系密切，整體網絡結構中心化程度低、更穩健，旅游發展較平衡。

各省域應通過識別自身在入境和國內旅游發展中的位置和優勢，充分考慮資源類型及受眾類型、地理位置、旅游接待基礎設施建設、旅游服務水平和宣傳推廣等因素進行準確定位[35]，以國內旅游發展為基礎，通過充分挖掘旅游資源中多樣的文化內涵、改善設施、加強宣傳力度等方式，提升綜合吸引力。例如，北京、廣東、陜西、浙江、江蘇和四川等綜合實力強的省域，需通過創新增強吸引力，拓寬市場邊界，保持其優勢；新疆、廣西、貴州、寧夏和黑龍江等在入境和國內旅游網絡中均處于邊緣區，則需系統評估區域旅游發展條件，先著眼于國內市場，通過改善旅游基礎設施和接待設施打造世界知名景區，提高吸引力和服務水平，充分利用微信、微博等自媒體平臺進行宣傳，夯實旅游發展基礎。在國內旅游流網絡中表現較好而在入境旅游流網絡中表現較差的江西、山東、湖南、云南和重慶等，則需貫徹落實促進入境旅游發展相關的政策(如離境退稅政策等)，并針對入境游客的偏好設計旅游項目和產品，有針對性地進行宣傳推廣，提升入境旅游的吸引力。

本文在研究視角和結論上具有一定新意，可豐富旅游流網絡結構相關研究，明確各省域在入境旅游和國內旅游網絡中所處的位置，并采取相關措施促進客源市場開發、區域旅游合作，對促進入境與國內旅游業平衡發展具有一定的參考意義。但研究中也存在不足：網絡關注度是間接數據，并不能完全代表旅游流；數據不全面，除百度指數外還有旅游社交網絡和媒體等其他類型數據，后續將嘗試建立搜索引擎等多元化數據庫進行分析，結果可能更準確；入境旅游數據采用的是抽樣調查資料，樣本量有限，需要后續研究進一步驗證。