EN中文

地理科学 >

2025 , Vol. 45 >Issue 10: 2164 - 2174

DOI: https://doi.org/10.13249/j.cnki.sgs.20240980

旅游与乡村发展

旅游信息流空间的城市群关系网络——以中国新疆为例

  • 黄玉玲 , 1, 2 ,
  • 文彤 , 1, 2 ,
  • 凯丽比努尔·阿木提 1
展开
  • 1.暨南大学管理学院，广东 广州 510632
  • 2.暨南大学战略管理研究中心，广东 广州 510632
文彤。E-mail:

黄玉玲（1996—），女，广东揭阳人，博士研究生，主要研究方向为社会文化地理、中小旅游企业管理。E-mail:

收稿日期: 2024-09-06

  修回日期: 2024-12-04

  网络出版日期: 2025-10-24

基金资助

暨南大学管理学院重点学科建设育题基金项目(GY21017)

暨南大学企业发展研究所课题资助

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Relational network of city clusters in the space of tourism information flow: A case of Xinjiang, China

  • Huang Yuling , 1, 2 ,
  • Wen Tong , 1, 2 ,
  • Amuti Kailibinuer 1
Expand
  • 1. School of Management, Jinan University, Guangzhou 510632, Guangdong, China
  • 2. The Research Center of Strategic Management, Jinan University, Guangzhou 510632, Guangdong, China

Received date: 2024-09-06

  Revised date: 2024-12-04

  Online published: 2025-10-24

Supported by

Key Discipline Construction Education Fund of the School of Management of Jinan University(GY21017)

Research Institute of Enterprise Development of Jinan University

Copyright

Copyright reserved © 2025.
Fold

摘要

本文采用社会网络分析方法探究新疆旅游信息流关系网络结构的时空演变特征。结果表明：①从关系网络看，乌鲁木齐市虽具有一定优势，但并没有呈现出传统地理网络中的“虹吸效应”，而是超越地理边界建构复杂的流关系网络；②核心-边缘关系网络结构具有层级性，且层级分类并非以自身固有资源优劣势作为单一衡量标准，而是取决于节点间的连接数；③核心-边缘的层级结构呈现出动态的变化过程，通过与核心节点相连，原先被视为处于边缘层级的节点也能够跃升至核心层级。本文不仅验证了网络具有层级性的创新性观点，还通过时空演变揭示了层级的动态变化，为处于边缘的旅游目的地跻身核心旅游区提供新的实践启示。

关键词： 流空间; 旅游信息流; 城市关系网络; 社会网络分析

本文引用格式

黄玉玲 , 文彤 , 凯丽比努尔·阿木提 . 旅游信息流空间的城市群关系网络——以中国新疆为例[J]. 地理科学, 2025 , 45(10) : 2164 -2174 . DOI: 10.13249/j.cnki.sgs.20240980

Abstract

The interaction and construction of urban relationship networks have always been the focus of attention for urban geographers. In the information age, the virtual space is the mapping and extension of the real space. The search and connection volume of online tourism information can be regarded as the hotspots of social development or represent the potential travel intentions of consumers. Through the analysis of the informal flow space network, certain reference value can be provided for the tourism industry development planning of various regions. Establishing cross-scale spatial linkages between individuals-regions from virtual space can complement traditional geospatial perceptions. In this paper, we obtain the frequency of tourism information co-occurrence in two cities and municipalities in Xinjiang in Baidu index, and use social network analysis to explore the spatial and temporal evolution of the spatial network structure of tourism information flow in Xinjiang. The results show that: 1) Urumqi City has certain advantages in terms of destination tourism information flow and relationship network, but it does not show the “siphon effect” in the traditional geographic network, but constructs a complex flow relationship network beyond the geographic boundary. This suggests that tourists' willingness to embark on multi-region travel, even travelling across longer geographical distances, is crucial for promoting the balanced development of Xinjiang's regional tourism. 2) In the relational network space, the core-edge network structure is not entirely horizontal, but is hierarchical, and the hierarchical categorization is not based on its own inherent resource strengths and weaknesses as a single measure, but rather depends on the number of connections between nodes. It can be seen that in the information flow space, establishing information links becomes one of the ways for edge nodes to enter the core subgroups. 3) The core-edge hierarchical structure shows a dynamic change process, which challenges the idea of “the strongest is stronger than the strongest”, and by connecting to the core nodes, the nodes that were originally regarded as peripheral nodes can also be promoted to the core nodes, such as Hotan and Kashgar. The dynamic nature of real-time “reshuffling” and replacement of the positions of each node in the network reflects the importance of observing the development status of cities from informal networks, and can provide new insights for establishing interactive development relationships among cities. This paper not only verifies the innovative idea that networks are hierarchical, but also reveals the dynamic process of hierarchical change through spatial and temporal evolution characteristics, which provides new insights into the establishment of interactive development relationships between cities and provides new practical insights for marginal tourist destinations to become core tourist areas.

Key words： flow space; tourism information flow; urban relational network; social network analysis

城市关系网络的交互及建构一直是城市地理学者关注的焦点，特别是在当下全球化时代背景下，城市的竞争力不仅受到其规模和等级的影响，还依赖于其在城市网络中的位置和参与度[1]。故大量学者采用如航空、铁路、公路等城际关系数据对城市关系网络结构展开研究[2-3]，并表明这一类基于基础设施等所建构的“硬联通”关系网络呈现出显著的“中心-外围”结构，强化了经济空间分布的极化效应并导致新的不均衡轮回[4]。但基础设施本身并不能构建城市网络，而是通过基础设施流动的人、物品或信息创造了城际关系[5]。随着信息技术的发展，城市之间通过要素的流动建构起更复杂的关系网络，这种超越时间与空间边界的“流空间”逐渐成为新的空间组织形式[6]。流空间概念的提出为城市非正式网络研究奠定了基础，推动相关研究从关注空间位置、规模的等级结构转为强调关系的多尺度网络，基于“软联通”关系网络跨越行政边界重塑了空间的结构[7-8]，使得区域之间跨越空间边界的隔阂建立起更紧密的联系[9]。
信息网络平台所提供的扁平化空间促使旅游要素实现自由化的流动和组合，众多“边缘”城市得以被呈现在游客眼前，为其发展提供了“弯道超车”的机会[10]。多元旅游信息流影响着旅游者在各个旅游目的地之间的流动，对旅游城市群的管理、旅游规划发展等具有重要作用[11]。探究旅游信息流所建构的空间关系网络成为窥见旅游者流动趋势和剖析旅游空间网络结构发展演变的重要途径[12]，如有学者关注到旅游者的网络信息搜索行为影响着其空间流动方式[13]；亦有学者证明了旅游目的地的信息流传播会影响和塑造新的区域旅游空间结构，对于区域无形资产、基础设施和空间溢出也会发挥积极影响[12,14]。总体上而言，大多数学者的研究结论往往证实了网络中的“核心-边缘”网络结构，认为在区域旅游发展中旅游各要素条件优势明显的旅游地会迅速成为核心节点，一定程度上呈现出“强者恒强”的发展趋势，而边缘地区因各要素优势特色欠缺而处在核心区域“阴影之下”，形成既定劣势[15–16]。
这种城际网络关系分析与传统的层次思维有所区别，正如Taylor所说，层次结构代表垂直性，即基于位序与竞争的等级空间，而网络则暗示水平性，即基于互惠与合作的扁平空间[17]。当多数学者在讨论层次结构与网络结构之间的矛盾性时，得益于Wall等学者基于简单的网络可视化提供了分层结构和城市网络结构得以“共存”的研究证据[18]，Zhang等创新性提出“具有层次等级的网络结构”的观点，并通过网络搜索平台收集城市的共现频率，通过分析表明，在网络的层级中重叠的城市实际上才是所谓的核心城市[19]。结合上述研究，还需要继续关注的是，一方面，相比整体的城市间联系强度，在旅游信息流领域中，这一观点是否依旧能够得到支持?另一方面，尽管已有学者验证了旅游信息流网络中水平性网络中的“核心-边缘”结构，但关于网络中的层级性尚未进行讨论，Zhang等的探究为此观点验证提供了部分依据，却其并未探讨关系网络中的层级演变过程[19]，因此是否存在“强者衡强”的局面尚未明晰，还有待进一步探究。基于此，本文通过大数据信息透视新疆旅游信息流空间的网络结构及演变以回答以下问题：旅游信息流关系网络中是否存在层级问题，其相关影响因素是什么?发展演变过程如何?解决上述问题，不仅对识别核心旅游城市具有重要意义，还对边缘城市在旅游网络中实现层级跃升具有重要启示。

1 数据来源与研究方法

1.1 研究区概况

新疆维吾尔自治区（以下简称新疆）位于中国西北部，现有14个地级州市。新疆地域辽阔，旅游资源禀赋较高，是西部大开发战略的重点地区[20]。尤其在2018年“旅游兴疆”战略指导下，新疆旅游业发展迅速，并成为新疆的战略性支柱产业[21]。但由于各地州市基础设施建设、交通区位以及社会经济等存在先天发展差异，目前新疆旅游资源仍存在北强南弱的空间分布差异，旅游经济增长也呈现出空间不均衡现象，为本文探究流空间关系网络格局建构以及讨论以城市群旅游促进全域旅游发展模式提供理想案例地[22-23]。新疆旅游区可划分为亚心旅游区：乌鲁木齐市、吐鲁番市、昌吉回族自治州；北疆旅游区：克拉玛依市、伊犁哈萨克自治州、塔城地区、阿勒泰地区、博尔塔拉蒙古自治州；南疆旅游区：巴音郭楞蒙古自治州、阿克苏地区、克孜勒苏柯尔克孜自治州、喀什地区、和田地区；东疆旅游区哈密市[24]。

1.2 数据收集

从2023年新疆国民经济和社会发展统计公报可见，国内旅游人数占总旅游人数的98.7%，新疆旅游市场以国内游客为主体（httm://www.xinjiang.gov.cn）。而百度是中国应用最为广泛的中文互联网搜索引擎，其中，百度指数是目前应用最普遍的词频搜索大数据平台，能搜索百度平台上的相关数据，成为国内学者研究旅游网络关注度的重要数据来源[25]。本文基于共词分析法，通过“城市+城市+旅游”的关键词组合形式收集新疆各地州市旅游信息共现率。首先限定年份，获取“PC+移动”端的搜索指数整体日均值，再用整体日均值乘以365获取年均搜索指数，最终从百度指数平台搜集了新疆14个地州市2014—2023年的旅游网络关注度数据①，并整合成10个Excel原始数据文件。

1.3 研究方法

1）社会网络分析。社会网络分析方法的基本分析单位是“关系”，可以用来分析各节点之间所构成的关系网络的结构、性质或是属性[26]。本文利用Ucinet6.0软件进行凝聚子群分析、中心度分析以及利用NetDraw进行K-cores分析及绘图。“子群”在本文中指一些区域团体，子群内部节点相互之间的旅游信息联系更为紧密[27]，中心度表示各节点在网络中的核心程度，中心度越高说明该节点与其他节点产生更多联系，利用中心度各指标可知各地州市在新疆旅游信息流网络中的地位和作用[28]。
2）空间可视化分析。首先将从百度指数平台获取的“地州市之间的旅游交互量”数据录入矩阵，分别得到了原始矩阵；本文选择2014年、2017年、2020年和2023年4个时间点的数据进行历时性分析，并选用这4 a数据的中位数4 036 352作为截断值对矩阵进行二值化处理。当矩阵数据值大于截断值，就记作1，反之为0。随后对二值化的矩阵展开分析，利用ArcGIS软件将两两地州市之间的旅游信息交互量可视化，网络中各“点”代表新疆各地州市，“线”代表2个地区之间的旅游信息联系量。

2 结果与分析

2.1 新疆旅游信息流网络结构演变

为了进一步探究新疆各地州市旅游信息交互网络结构的时空演变特征，本节选择2014年、2017年、2020年以及2023年新疆两两地州市的旅游交互信息流总量绘制网络流线图（图1）。整体而言，新疆地州市旅游信息流呈现出交错状态，可见新疆各个地州市之间的旅游信息交流比较紧密。从2017年和2020年明显可看出乌鲁木齐市作为整个新疆的交通枢纽，是整个新疆政治、经济、文化的交流中心，处于旅游信息市场的中心联系位置，可见其在新疆区域旅游发展中所处的重要位置。相较于2014年，2023年新疆旅游市场信息联系量增强，最为明显之处在于北疆旅游区的旅游信息流量明显增大，但相较而言南疆旅游区部分地区还需加强旅游联系，如和田地区和喀什地区。一方面原因在于北疆旅游资源丰富且旅游业发展起步较早[29]，另一方面可能原因在于2015年所开展的对口援疆旅游工作在北疆取得的效果更为显著[30]。
图1 新疆旅游信息流网络结构演变（二值化）

Fig. 1 Evolution of tourism information network structure in Xinjiang （binarization）

具体而言，根据以上所选的4个时间节点，利用Ucinet6.0软件的CONCOR模块做新疆区域旅游网络凝聚子群分析发现（图2），2014年，在第3层级，阿勒泰地区为子群1，克孜勒苏柯尔克孜自治州、伊犁哈萨克自治州和塔城地区为子群2；博尔塔拉蒙古自治州和巴音郭楞蒙古自治州为子群3；剩余8个地州市为子群4。从密度矩阵可见（表1），子群1和子群2的联系密度均为1，可见阿勒泰地区虽然单独成为第2层级的一个团体，但是其与子群2小团体的交互关系仍较为紧密，部分解释原因可能在于阿勒泰地区雪都机场促使其成为连接其他地州市旅游信息流的枢纽之一。而子群2和子群3尽管在第2层级凝聚为一个子群，但从密度矩阵看，子群间的的旅游联系仍十分松散。子群4的8个地州市联系密切，对于新疆多目的地旅游网络建构发挥重要作用。2017年，节点没有出现小团体和层级分类，所有的节点扮演同样的角色，说明新疆地州市之间旅游网络流相对较为均衡。2020年新疆14个地州市分别形成了2个凝聚子群，喀什地区和乌鲁木齐市为子群2，但子群2内部密度以及和子群1的密度均为0，结合图1可知，这2个地州市的旅游流相较其他地州市具有明显优势，表明两者的旅游发展较为独立。2023年，和田地区单独在第二层级形成子群2，表明其与其他地州市的旅游联系不够紧密，合作效应未充分体现。但从密度矩阵看，和田地区与子群1的成员仍有较为紧密的关系，可见和田地区在新疆多目的地旅游中受到的关注并不多，但总体而言没有出现落单现象。
图2 新疆旅游信息流网络凝聚子群分析

Fig. 2 Analysis on cohesive subgroups of tourism information network in Xinjiang

表1 新疆旅游信息流网络凝聚子群密度矩阵

Table 1 Density matrix of cohesive subgroups of Xinjiang tourism information network

年份密度矩阵
　　注：空白项为无矩阵。
2014年子群1234
1101
21001
30001
41111
2017年子群1
10.143
2020年子群12
110
200
2023年子群123
1111
210
3101

2.2 新疆旅游信息流网络影响力分析

为更进一步探究各地州市在新疆旅游信息流网络中的具体位置，本节用NetDraw的K-cores分析探究网络中的群组，随后对各节点展开中心度分析（表2）。K-核是网络的子集，该子集中每个节点都至少与其他K个个体相联系，K值越大，网络中节点间的连接越紧密。如2-核表示子群中其中每个节点都至少与其他2个节点相连形成集合，没有相连或者仅有一条连线的节点将被视为剔除出网络，这一方法亦能够识别网络中的核心-边缘结构[31]。
表2 新疆旅游信息网络节点中心度

Table 2 Centrality of tourism information network nodes in Xinjiang

地州市 2014年 2017年 2020年 2023年
DC CC BC DC CC BC DC CC BC DC CC BC
　　注：DC 为程度中心度；CC 为接近中心度；BC为中介中心度。
阿勒泰地区 11.00 0.87 0.33 1.00 0.35 0 0 0 0 13.00 1.00 0.18
阿克苏地区 13.00 0.10 1.46 1.00 0.35 0 0 0 0 13.00 1.00 0.18
和田地区 13.00 0.10 1.46 1.00 0.35 0 0 0 0 11.00 0.87 0
喀什地区 13.00 0.10 1.46 1.00 0.35 0 1.00 0.08 0 12.00 0.93 0
塔城地区 9.00 0.77 0 1.00 0.35 0 0 0 0 13.00 1.00 0.18
博尔塔拉蒙古 8.00 0.72 0 1.00 0.35 0 0 0 0 13.00 1.00 0.18
昌吉回族自治州 13.00 0.10 1.46 1.00 0.35 0 0 0 0 13.00 1.00 0.18
巴音郭楞蒙古 8.00 0.72 0 1.00 0.35 0 0 0 0 13.00 1.00 0.18
克孜勒苏柯尔 9.00 0.77 0 1.00 0.35 0 0 0 0 12.00 0.93 0
伊犁哈萨克自治州 9.00 0.77 0 1.00 0.35 0 0 0 0 13.00 1.00 0.18
哈密市 13.00 0.10 1.46 1.00 0.35 0 0 0 0 13.00 1.00 0.18
克拉玛依市 13.00 0.10 1.46 1.00 0.35 0 0 0 0 13.00 1.00 0.18
吐鲁番市 13.00 0.10 1.46 1.00 0.35 0 0 0 0 13.00 1.00 0.18
乌鲁木齐市 13.00 0.10 1.46 13.00 0.50 78.00 1.00 0.08 0 13.00 1.00 0.18
均值 11.29 0.39 0.86 1.86 0.36 5.57 0.14 0.01 0 12.71 0.98 0.14
具体如下，2014年除了博尔塔拉蒙古自治州和巴音郭楞蒙古自治州外，乌鲁木齐市、昌吉回族自治州等12个地州市组成核心子群，群组内以乌鲁木齐市为主导，此外，阿克苏地区、喀什地区、克拉玛依市与群组内节点亦保持较大联系量。而在组间，博尔塔拉蒙古自治州和巴音郭楞蒙古自治州均与乌鲁木齐市的联系量最大，可见乌鲁木齐市在带动新疆多目的地旅游发展过程中的重要作用。2017年，网络为单一的1-核子群结构，表明整体网络各节点地位均衡，核心-边缘结构被打破，但乌鲁木齐市仍然可被视为“旅游领袖”。2020年，新疆旅游网络呈现出以乌鲁木齐市和喀什地区组成的核心子群，并且与其他地州市之间没有链接，推测其受到疫情外部因素的影响，多目的地旅游流动受限，但由于乌鲁木齐市和喀什地区均有机场，因而促进了游客在2地之间的流动意愿，可见旅游信息流网络与现实流动网络的相互映射。2023年，除了和田地区之外，其他13个地州市组成了核心子群，相较于2014年，子群内的联系更为紧密，并且信息流更为均衡，同时博尔塔拉蒙古自治州与巴音郭楞蒙古自治州从原处于边缘结构子群跃升跻身进入核心子群，虽然其与其他地州市之间的信息流并不大，但其所连接的节点更多。而和田地区从第一层级跌至第二层级，其在整体的流网络中的地位有所下降，推测其综合性旅游吸引物或旅游宣传无法引起游客关注（图3）。
图3 新疆旅游信息流网络K-cores分析（二值图）

绿色连线所形成的是组内群体（within group），或核心子群，而蓝色连线所生成的为组间子群（between group），或边缘子群，线越粗表明信息流联系量越大

Fig. 3 K-cores analysis of tourism information network in Xinjiang （binarization）

中心度分析结果如表2所示，①从程度中心度看（表2），于个别节点而言，2014年、2017年和2023年，乌鲁木齐市的程度中心度均为13，可见其在流网络中的重要地位。相比2014年与2023年，塔城地区、博尔塔拉蒙古自治州、巴音郭楞蒙古自治州以及伊犁哈萨克自治州的程度中心度从第3第4层级跃升至第1层级，表明其在多目的地旅游关系网络的连接中逐渐受到游客的关注，而和田地区和喀什地区则略有下降。2020年只有乌鲁木齐市和喀什地区存在微弱联系，多数城市节点程度中心度都为0，其他指标也都比较低，从侧面反映出，即使在外部不利环境下，这2个地州市所具有的旅游资源综合实力依旧在网络中得到大众的关注，可见其对于新疆旅游的发展所起到的引领作用。②接近中心度可说明各地州市相互之间的网络关注度问题。2014年接近中心度分为4个层级，且相差较大，可见新疆多目的地旅游发展网络不均衡，而到2023年，各节点接近中心度更为相近，可见新疆全域旅游发展十分可观。③从中介中心度来看，2023年，和田地区、喀什地区和克孜勒苏柯尔克孜自治州在旅游流网络中的控制能力较弱，而其他地州市中介中心度均一致，可见新疆逐渐发展并建构出多中心主体的旅游信息流网络。

3 讨论

首先，本研究结果进一步佐证了关系论、更新了区位论，即基于“软联通”建构的流空间挑战了传统基于物理邻近性的传统区位论的观点[32]。一方面，“核心-边缘”往往被视为由地理邻近性优势所导致，核心地区的旅游资源通过辐射带来周边地区旅游发展。而在虚拟的关系网络中，尽管基于旅游信息关系网络所建构的凝聚子群仍存有核心-边缘结构，但决定核心地区或边缘地区的基础不是单一节点资源优劣势的体现，而是一种关系的呈现。且所建构的核心-边缘结构不再受限于地理邻近性的单一影响。例如，宋英杰等学者的研究表明，博尔塔拉蒙古自治州、克孜勒苏柯尔克孜自治州的旅游资源禀赋相对而言并不丰富，在新疆区域旅游发展中处于不利地位[22]。但在本文所关注的信息流空间中，这2个地区通过与多个地州市的连接从边缘子群跃升至核心子群。可见，关系的建构成为边缘地区发展的重要途径之一，信息流网络也间接反映出这2个目的地的旅游发展潜力还有待进一步挖掘。另一方面，旅游是一种到异地寻求新奇体验的活动，由于相邻地区旅游资源、旅游景点具有相似性或同质性问题[33]，可能提升了潜在游客在多个地理位置不相邻的目的地开展旅游活动的意愿。总言之，基于信息流关系网络的探究可为处于边缘旅游城市跻身核心区提供新的发展启示。
其次，本文验证并发展了Zhang等所提出的“网络中的层级性”这一观点[19]，通过网络时空演变过程的探究，本文认为，基于关系网络所建构的网络层级性具有动态性，组成核心层级或边缘层级的部分节点更替变化，“强者恒强”的观点受到挑战。这与张宇丹等所表明的“新疆旅游流网络体系存在着分层集聚现象”这一观点不谋而合，但其认为层级间是一种“水平联系”[34]，而本文认为节点之间可以通过关系的建构实现层级的跃升或跌落，而并非水平层面的联系。如从本文K-cores分析结果可见，塔城地区、博尔塔拉蒙古自治州等原先位居第二、第三梯队的地州市亦有机会跻身跃进乌鲁木齐市所处的核心子群，同时核心节点亦可能成为边缘节点，例如和田地区。对各节点在网络中的位置进行实时“洗牌”更替的动态性也体现了从非正式网络中透视城市发展地位的重要性，能够为城市间建立交互发展关系提供新的洞见。
最后，本文立足游客视角探索旅游信息流关系网络，为各地区实现全域旅游发展的相关研究提供了新的思路。以新疆为例，正如陈静等指出喀什地区、克拉玛依市和阿克苏地区旅游产业竞争力弱，并未带动当地旅游产业发展[35]。其结果看似与本文研究结论相悖。实则，这是由于其所分析的是由新疆旅游产业的区位熵、空间基尼系数和灰色关联度3个正式的评价指标进行的正式网络探究，而本文是立足非正式网络视角，所映射的是游客对于各地州市气候、旅游资源、文化习俗、交通可达性等多方面综合实力的衡量，同时也从时间维度揭示了在非正式网络中各地州市的地位更替状态，从动态的网络演化过程中洞察各节点所处位置及所扮演角色的更替，丰富了此类相关研究。
从实际实践情况看，喀什地区、克拉玛依市和阿克苏地区都拥有相对丰富的旅游资源，且喀什地区作为南疆的主要集散中心，拥有高质量的人文旅游资源，故游客在网络空间内具有较为强烈的出行意愿。而囿于南疆的旅游经济基础相较北疆较差，交通可达性较低，旅游产业接待能力不足[36]，因而呈现出游客虽有较强的出游意愿但并没有实际选择其作为旅游目的地的矛盾，故旅游产业亦止步不前，未来应着力挖掘南疆的发展潜力。总言之，虚拟空间是现实空间的映射和延展，网络旅游信息搜索联系量可被视为社会发展的热点或表征消费者潜在的出行意向，通过非正式流空间网络的分析能够为各地区的旅游产业发展规划提供一定的参考价值[37]。本研究也存在一些不足，如由于数据收集技术局限，不能涵盖现实中存在的所有相关旅游信息，比如相关的旅游图片、视频等，今后研究应提升信息挖掘技术、丰富信息来源，还可针对不同类型的信息做对比性分析研究，从多个数据来源视角展开讨论。

4 结论

1）总体上，新疆各地州市之间的旅游信息互动十分紧密，新疆内部有望实现全域旅游发展。从信息流网络看，这4个时间节点的新疆旅游信息流交错复杂，同时也呈现出跨地区边界建立联系的状态，尽管2017年和2020年的旅游信息流联系强度呈现出弱联系，但是各地州市之间依然建立密集交互的关系网络。从信息流联系强度上，从2014年看，博尔塔拉蒙古自治州、巴音郭楞蒙古自治州和克孜勒苏柯尔克孜自治州与其他地州市之间的联系强度较弱，到2023年，多数地州市之间已形成了强联系（喀什地区-和田地区、克孜勒苏柯尔克孜自治州-和田地区除外）。且对比2017年所呈现的乌鲁木齐市“一家独大”的强联系状态，2023年各地州市之间的联系强度更为均衡。总体上而言，这表明游客有意愿展开多地区旅游，甚至是跨越较远地理距离的旅行，对于推进新疆全域旅游的均衡发展至关重要。
2）从各模块看，地州市之间形成模块化互动，其模块化方式超越了亚心旅游区、北疆旅游区、南疆旅游区和东疆旅游区这4个依照地理距离划分的方式，在不同时间序列中呈现出动态的凝聚方式。如以2023年凝聚子群分析结果看，阿勒泰地区、阿克苏地区等11个地州市凝聚成一个子群，涵括了4个旅游区。且从密度矩阵可以看出该子群内部的密度为1，即相互之间联系较强。而根据地理距离划分方式均被归纳在南疆旅游区的和田地区、克孜勒苏柯尔克孜自治州和喀什地区，却凝聚成2个相互独立的子群，子群之间的交互密度为0。可见，在旅游信息流网络空间中，由于地理邻近性可能导致旅游资源相似而无法完全满足潜在游客对猎奇的追求，他们可能更倾向于通过多地区旅游资源要素的差异性评估编排多目的地旅行，故地理位置并非区隔新疆地州市之间建立旅游信息关系的核心因素。
3）从各节点看，乌鲁木齐市在旅游信息流网络中相较更为活跃，从各指标可见其在旅游网络中的核心地位，但并没有形成“一家独大”的垄断现象，到2023年不再具有绝对优势。从程度中心度看，各节点在信息流网络中连接密切。且从接近中心度和中介中心度可见，各节点之间的度数相对均衡，可见各地州市在其所建构的信息流关系网络中的影响力相当，交互影响紧密。2014年塔城地区、博尔塔拉蒙古自治州、巴音郭楞蒙古自治州、克孜勒苏柯尔克孜自治州和伊犁哈萨克自治州原位于旅游末后梯队的地州市接受到其他地州市的旅游信息溢出，也逐渐往第一梯队靠拢，形成多节点均衡发展局面。结合K-cores分析，通过建立各节点的连接，博尔塔拉蒙古自治州和巴音郭楞蒙古自治州从边缘子群跃升至核心子群行列，可见在信息流空间中，建立信息联系成为边缘节点进入核心子群的途径之一，这也表明通过与热门旅游目的地开展合作交流和宣传，能够将更多边缘的旅游目的地呈现在大众视野中。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
苏海洋, 刘人怀, 文彤. 粤港澳大湾区城市旅游信息网络结构[J]. 热带地理, 2022, 42 (2): 220-235.

Su Haiyang, Liu Renhuai, Wen Tong. The structure of urban tourism information network in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 2022, 42 (2): 220-235.

[2]
Derudder B, Taylor P. The cliquishness of world cities[J]. Global Networks, 2005, 5 (1): 71-91.

[3]
陈伟, 刘卫东, 柯文前, 等. 基于公路客流的中国城市网络结构与空间组织模式[J]. 地理学报, 2017, 72 (2): 224-241.

Chen Wei, Liu Weidong, Ke Wenqian et al. The spatial structures and organization patterns of China's city networks based on the highway passenger flows. Acta Geographica Sinica, 2017, 72 (2): 224-241.

[4]
李磊, 陆林, 孙小龙, 等. 高铁沿线旅游流网络结构及其互动关系研究——以合福高铁沿线地区为例[J]. 人文地理, 2020, 35 (1): 132-140.

Li Lei, Lu Lin, Sun Xiaolong et al. Study on the network structure and interactive relationship of tourism flow along high-speed railway: An example of Hefei-Fuzhou high-speed railway area. Human Geography, 2020, 35 (1): 132-140.

[5]
熊瑶, 黄丽. 粤港澳大湾区城市网络的时空演化——基于企业组织关系视角[J]. 世界地理研究, 2019, 28 (5): 83-94.

Xiong Yao, Huang Li. Spatio-temporal evolution of urban network in the Guangdong-Hong Kong-Macao Greater Bay Area—Based on listed company organization relation. World Regional Studies, 2019, 28 (5): 83-94.

[6]
Avgerou C. The informational city: Information technology, economic restructuring and the urban regional process[J]. European Journal of Information Systems, 1991, 1 (1): 76-77.

[7]
邱坚坚, 刘毅华, 陈浩然, 等. 流空间视角下的粤港澳大湾区空间网络格局——基于信息流与交通流的对比分析[J]. 经济地理, 2019, 39 (6): 7-15.

Qiu Jianjian, Liu Yihua, Chen Haoran et al. Urban network structure of Guangdong-Hong Kong-Macau Greater Bay Area with the view of space of flows: A comparison between information. Economic Geography, 2019, 39 (6): 7-15.

[8]
Derudder B. Mapping global urban networks: A decade of empirical world cities research[J]. Geography Compass, 2008, 2 (2): 559-574.

[9]
李艳, 孙阳, 陈雯. 反身性视角下信息流空间建构与网络韧性分析: 以长三角百度用户热点搜索为例[J]. 中国科学院大学学报, 2021, 38 (1): 62-72.

Li Yan, Sun Yang, Chen Wen. Construction of space of information flows and assessment of network resilience from reflexive perspective: A case study of Baidu index in Yangtze River Delta. Journal of University of Chinese Academy of Sciences, 2021, 38 (1): 62-72.

[10]
窦群. 以信息化助推京津冀区域旅游一体化[J]. 旅游学刊, 2014, 29 (10): 19

Dou Qun. Promoting the integration of Beijing-Tianjin-Hebei regional tourism with information technology. Tourism Tribune, 2014, 29 (10): 19

[11]
Mou N X, Zheng Y H, Makkonen T et al. Tourists' digital footprint: The spatial patterns of tourist flows in Qingdao, China[J]. Tourism Management, 2020, 81: 104151

[12]
张广海, 袁洪英. 中国城市旅游信息流空间网络格局及其复杂性[J]. 经济地理, 2023, 43 (1): 197-205.

Zhang Guanghai, Yuan Hongying. Spatial network pattern and complexity of urban tourism information flow in China. Economic Geography, 2023, 43 (1): 197-205.

[13]
Wang Z Z, He S Y, Leung Y. Applying mobile phone data to travel behaviour research: A literature review[J]. Travel Behaviour and Society, 2018, 11: 141-155.

[14]
Marrocu E, Paci R. They arrive with new information. Tourism flows and production efficiency in the European regions[J]. Tourism Management, 2011, 32 (4): 750-758.

[15]
史庆斌, 谢永顺, 韩增林, 等. 东北城市间旅游经济联系的空间结构及发展模式[J]. 经济地理, 2018, 38 (11): 211-219.

Shi Qingbin, Xie Yongshun, Han Zenglin et al. Spatial structure and spatial development patterns of urban tourism economic connections in northeast China. Economic Geography, 2018, 38 (11): 211-219.

[16]
吴志才, 张凌媛, 黄诗卉. 粤港澳大湾区旅游经济联系的空间结构及协同合作模式[J]. 地理研究, 2020, 39 (6): 1370-1385.

Wu Zhicai, Zhang Lingyuan, Huang Shihui. Spatial structure and characteristics of tourism economic connections in Guangdong-Hong Kong-Macao Greater Bay Area. Geographical Research, 2020, 39 (6): 1370-1385.

[17]
Taylor P J. Urban economics in thrall to Christaller: A misguided search for city hierarchies in external urban relations[J]. Environment and Planning A: Economy and Space, 2009, 41 (11): 2550-2555.

[18]
Wall R S, van der Knaap G A. Sectoral differentiation and network structure within contemporary worldwide corporate networks[J]. Economic Geography, 2011, 87 (3): 267-308.

[19]
Zhang W J, Thill J C. Mesoscale structures in world city networks[J]. Annals of the American Association of Geographers, 2019, 109 (3): 887-908.

[20]
张烈琴, 陆亦农, 龙震, 等. 新疆文化旅游空间分布格局[J]. 干旱区地理, 2023, 46 (5): 823-833.

Zhang Lieqin, Lu Yinong, Long Zhen et al. Spatial distribution pattern of cultural tourism in Xinjiang. Arid Land Geography, 2023, 46 (5): 823-833.

[21]
曹开军, 龙顺发. 新疆县市旅游产业集聚演变及其影响因素[J]. 经济地理, 2022, 42 (12): 205-213.

Cao Kaijun, Long Shunfa. Evolution of tourism industry agglomeration and its influencing factors based on counties in Xinjiang Uygurautonomous Region. Economic Geography, 2022, 42 (12): 205-213.

[22]
宋英杰, 曹开军, 丁凯红, 等. 新疆旅游资源时空演变特征研究[J]. 特区经济, 2023, 409 (2): 148-151.

Song Yingjie, Cao Kaijun, Ding Kaihong et al. Study on temporal and spatial evolution characteristics of tourism resources in Xinjiang. Special Zone Economy, 2023, 409 (2): 148-151.

[23]
王松茂, 方良彦, 邓峰. 新疆旅游经济的时空差异演变分析[J]. 商业研究, 2013(6) 195-199.

Wang Songmao, Fang Liangyan, Deng Feng. Analysis of spatiotemporal difference evolution of Xinjiang tourism economy. Commercial Research, 2013(6) 195-199.

[24]
阎顺. 新疆旅游资源及其开发利用[J]. 干旱区地理, 2001, 24 (4): 297-304.

Yan Shun. Xinjiang tourism resources and their development and utilization. Arid Land Geography, 2001, 24 (4): 297-304.

[25]
高非凡, 刘逸, 李志刚. 中国城市居民心理压力程度时空格局及与休闲设施供给的关系[J]. 地球信息科学学报, 2023: 1-12

Gao Feifan, Liu Yi, Li Zhigang. Spatial-temporal pattern of residents' psychological distress degree and its relationship with leisure facilities in China. Journal of Geo-information Science, 2023: 1-12.

[26]
杨杨, 刘秀霜. 长江中下游水环境跨域治理的社会网络分析[J]. 海洋湖沼通报, 2024, 46 (3): 200-206.

Yang Yang, Liu Xiushuang. Social network analysis of transboundary water environment governance in the middle and lower reaches of the Yangtze River. Transactions of Oceanology and Limnology, 2024, 46 (3): 200-206.

[27]
孙宇, 彭树远. 长三角城市创新网络凝聚子群发育机制研究——基于多值ERGM[J]. 经济地理, 2021, 41 (9): 22-30.

Sun Yu, Peng Shuyuan. Development mechanism of cohesive subgroups' urban innovation networks in the Yangtze River Delta: Based on the valued ERGM. Economic Geography, 2021, 41 (9): 22-30.

[28]
黄冬春, 王兆峰. 长江中游城市群旅游生态效率空间网络结构演变及其效应[J]. 长江流域资源与环境, 2023, 32(11): 1-11

Huang Dongchun, Wang Zhaofeng. Evolution of spatial network structure of tourism eco-efficiency and its effect of urban agglomeration in middle reaches of Yangtze River. Resources and Environment in the Yangtze Basin, 2023, 32(11): 1-11.

[29]
刘勤, 曹开军, 程咏春, 等. 新疆县市旅游城镇化响应的空间格局演变及影响因素[J]. 生态经济, 2024, 40 (2): 150-155.

Liu Qin, Cao Kaijun, Cheng Yongchun et al. Spatial pattern evolution and influencing factors of tourism urbanization response in cities and counties of Xinjiang. Ecological Economy, 2024, 40 (2): 150-155.

[30]
谢霞, 赵冬莹, 梁增贤, 等. 对口援疆政策对新疆旅游经济增长的效应评估[J]. 旅游学刊, 2023, 38(9): 32-47

Xie Xia, Zhao Dongying, Liang Zengxian et al. Evaluation of the policy of pairing-assistance to Xinjiang for tourism-related economic growth.Tourism Tribune, 2023, 38(9): 32-47.

[31]
Thomas W. Valente. Social networks and health: Models, methods, and applications[M]. New York: Oxford University Press, 2010.

[32]
沈丽珍, 顾朝林. 区域流动空间整合与全球城市网络构建[J]. 地理科学, 2009, 29 (6): 787-793.

Shen Lizhen, Gu Chaolin. Integration of regional space of flows and construction of global urban network. Scientia Geographica Sinica, 2009, 29 (6): 787-793.

[33]
王佳红, 袁媛, 杨洪波, 等, 城——郊生态旅游流网络结构特征与集聚联动模式研究——以北京市为例[J]. 地理科学进展, 2024, 43(10): 2052-2066

Wang Jiahong, Yuan Yuan, Yang Hongbo et al. Network structure characteristics and agglomeration-linkage patterns of ecotourist flow from urban to suburban areas: A case study of Beijing. Progress in Geography, 2024, 43(10): 2052-2066.

[34]
张宇丹, 李偲, 陈燕, 等. 新疆旅游流网络社团组织模式和层级性[J]. 地理科学, 2023, 43 (9): 1619-1628.

Zhang Yudang, Li Cai, Chen Yan et al. The community organization pattern and hierarchical structure of Xinjiang tourism flow network. Scientia Geographica Sinica, 2023, 43 (9): 1619-1628.

[35]
陈静, 吕雁琴, 潘云峰. 新疆旅游产业集群的测度及其驱动因子研究[J]. 地域研究与开发, 2021, 40 (5): 107-112.

Chen Jing, Lyu Yanqin, Pan Yunfeng. Research on measurement and driving factors of tourism industry cluster in Xinjiang. Areal Research and Development, 2021, 40 (5): 107-112.

[36]
康雷, 杨兆萍, 韩芳, 等. 多维视角下新疆非物质文化遗产资源旅游利用潜力评估[J]. 资源开发与市场, 2023, 39 (10): 1364-1372.

Kang Lei, Yang Zhaoping, Han Fang et al. Evaluation of tourism utilization potential of intangible cultural heritage resources in Xinjiang from a multi-dimensional perspective. Resource Development & Market, 2023, 39 (10): 1364-1372.

[37]
张捷, 顾朝林, 都金康, 等. 计算机网络信息空间(Cyberspace)的人文地理学研究进展与展望[J]. 地理科学, 2000, 20 (4): 368-374.

Zhang Jie, Gu Chaolin, Du Jinkang et al. Geographical approach to cyberspace review and prospect. Scientia Geographica Sinica, 2000, 20 (4): 368-374.

Options
文章导航

/

〈 〉