EN中文

SCIENTIA GEOGRAPHICA SINICA >

2014 , Vol. 34 >Issue 1: 25 - 31

DOI: https://doi.org/10.13249/j.cnki.sgs.2014.01.25

Orginal Article

The Evolution of Network Structure of Inbound Tourist in Major Cities of China

  • MA Yao-feng , 1 ,
  • LIN Zhi-hui , 1, 2 ,
  • LIU Xian-feng 3 ,
  • MA Lin 1
Expand
  • 1.College of Tourism and Environment, Shaanxi Normal University, Xi’an, Shaanxi 710062, China
  • 2.Qingdao Tourism School, Qingdao, Shandong 266023, China
  • 3.College of Resources Science and Technology, Beijing Normal University, Beijing 100875, China

Received date: 2012-11-05

  Request revised date: 2013-01-18

  Online published: 2014-01-10

Copyright

本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
Fold

Abstract

This article established the Inbound Tourist urban network that is linked by the model of tourist economic interrelationships employing GIS. Then the spatiotemporal evolution characteristics of Top1, Top5, Top10 networks in 1997 and 2010 were studied. The conclusions can be drawn as follows: 1) The network size is shrinking, but the maximum runoff and average runoff significantly grow, and the maximum runoff has occurred between Guangzhou and Shenzhen. 2) The agglomeration effect in a few core cities is more prominent. The structure of China inbound tourism is at the stage of core polarization, showing an overall “L” shaped distribution which means “the agglomeration effect of tourism in the eastern China is strong, but that in central and western China is weak”. Beijing, Shanghai, Guangzhou were the first class node cities, whose agglomeration effect significantly increased, Xi’an and Guilin were declined, while Shenzhen and Tianjin raised in 1997 and 2010. Agglomeration effect of cities in the eastern China was more obvious, while it declined in central and western China. The in-degree of cities in the western China was significantly higher than that in central China, but this advantage was reducing. That in the central China grew, but the economic interrelationship did not significant grow, still obviously lower than that in cities of the eastern and western China; 3) The in-degree and the strength of economic interrelationship were not proportional, Beijing’s in-degree was the highest, but its economic interrelationship was ranked only fourth, behind Guangzhou, Shenzhen and Shanghai. The first reason is the cities’ spatial distribution density, and the other is that the inbound tourism level of the two regions is very high, coupled with its relatively close distance. This also resulted in Zhuhai and Wuxi’s in-degrees were not high, but the economic interrelationships were very close; 4) From the bidirectional flow within the region and between regions, it is found that within the eastern area, the economic interrelationships are the highest and the most important relationship all over the country. The centers of the eastern China are Shanghai, Guangzhou, Beijing and Shenzhen. The centers of the western China are Xi’an, Chengdu, Chongqing and Guilin, whose relation with cities in the western China is very close, but that with other areas is not close. The centers of the central area are Changsha and Wuhan, whose relation with cities in the western is not close, but that with other areas is very close; 5) According to the network structure we can divide China inbound tourist urban into three systems: Beijing system, Shanghai system and Guangzhou system, which displays the patterns of “three centers, several cores”. Three centers are the first class node cities, Beijing, Shanghai and Guangzhou. Several cores are the second node and third node cities. The several cores of Beijing system are Tianjin, Xi’an, Qingdao and Dalian, the several cores of Shanghai system are Suzhou, Nanjing, Hangzhou, Changsha and Wuhan, and the several cores of Guangzhou system are Shenzhen, Zhuhai, Xiamen, Fuzhou, Chengdu, Chongqing and Guilin.

Key words： inbound tourist; urban network; economic interrelationships; China

Cite this article

MA Yao-feng , LIN Zhi-hui , LIU Xian-feng , MA Lin . The Evolution of Network Structure of Inbound Tourist in Major Cities of China[J]. SCIENTIA GEOGRAPHICA SINICA, 2014 , 34(1) : 25 -31 . DOI: 10.13249/j.cnki.sgs.2014.01.25

中国的旅游产业是在改革开放的社会背景下发育起来的,入境旅游是中国旅游市场的主体部分。对外开放以来,中国入境旅游飞速发展,2010年中国旅游业接待入境旅游者1.34亿人次,实现国际旅游外汇收入458.14亿美元,分别是1979年的31.89倍和102.03倍。与此同时,中国城市作为入境旅游的目的地也得到了迅猛发展,但因各城市的旅游资源、经济基础和地理区位的不同,各自社会经济效益也有差距,形成了既有竞争又有合作的复杂关系。旅游城市结构的研究能够从宏观层面了解中国主要旅游城市的空间结构分布特征和发展规律,从而为国家层面上的旅游空间布局提供思路,以获取最大经济效益和最佳社会效果。因此,中国入境旅游城市结构的研究显得尤为重要。
纵观世界各国的入境旅游发展历程,其在空间结构上大致经历了由点到线、由线到网、由区域网到整体网络3个阶段,总体呈扩散演化的发展趋势[1-3]。而对旅游空间结构的分析手段则以位序-规模分布[4-6]、核心-边缘理论模型[7-9]、空间相互作用模型(空间场效应[10-12]、拓扑分析[13]、旅游经济联系等[14])为主导,从网络角度来分析入境旅游空间结构演化的研究多以省区为节点[15],或是研究城市内部旅游流网络结构[16,17],从大尺度上构建一个全国性的网络尚不多见,这主要是受到数据的限制。本文突破传统以还原论和个体属性研究为主的范式,而是基于整体论和结构主义思想,将系统成员间的相互关系作为系统结构研究的主要内容,选取城市间的旅游经济联系模型来构建网络。目前对旅游经济联系的研究已有诸多成果,研究多集中于城市群[18-20]或省区内部[21-23],而以全国主要旅游城市为背景的研究较为鲜见[24],中国城市旅游网络的大尺度研究还处在初步阶段。本文尝试性地使用旅游经济联系模型构建中国入境旅游城市网络,对中国主要旅游城市网络时空演变特征进行研究,以期为国家从战略层面上调整全国旅游空间布局与区域发展规划提供理论依据。

1 数据与模型

1.1 数据选择和来源

本文选取了《中国旅游统计年鉴》[25]中的60个主要旅游城市作为研究对象,旅游人次和收入数据来源于1998年、2005年和2011年《中国旅游统计年鉴》[25],航空数据来自去哪儿网（http://flight.qunar.com）,中国国际航空公司、东方航空公司、南方航空公司、海南航空公司、厦门航空公司、深圳航空公司、山东航空公司、四川航空公司、春秋航空等14家航空公司官网,其中去哪儿网作为中国领先的在线旅游媒体,可搜索超过700家机票和酒店供应商网站,搜索范围超过1.1万条国内、国际航线以及4万条度假线路、2.5万个旅游景点,本文航空数据主要来自去哪儿网,其他航空公司官方网站作为辅助和补充。

1.2 城市网络的构建

1.2.1 旅游经济联系强度模型的修正
旅游经济联系强度模型是在重力模型的基础上发展而来的,其一般公式为：
F ij = P i G i P j G j / D ij 2 （1）
式中,Fij为两城市旅游经济联系强度;Pi,Pj为两城市入境旅游人次;Gi,Gj为两城市入境旅游收入;Dij为两城市间距离。在以往的研究中,两城市间距离多为空间直线距离或公路距离。由于入境旅游的特殊性,旅游者对交通工具的选择不同于一般的国内旅游,根据2010年笔者参与的六大典型区域的入境旅游者研究发现,在主要的12个城市中,以飞机作为旅行交通方式的大约占50%。另外,与交通距离相比较,交通时间更能反映两地的联系强度,交通距离与时间并非总是成正比的。因此,本文综合考虑航空、高速公路以及铁路组成的交通网络,采用两两城市间的综合交通时间进行计算,主要计算原则为：以航空时间为主,选取直飞航线中的最短时间;没有直飞航线的,选取转机、汽车、火车旅行时间中的最短时间;非空港城市,可用间接旅行时间代替。如：苏州没有机场,计算苏州到哈尔滨的时间距离可以用苏州到上海（与苏州临近且交通时间短）的铁路旅行时间加上上海到哈尔滨的航行时间来计算。
1.2.2 联系强度矩阵的设计
通过计算得到联系强度矩阵以后,借助ArcGIS平台,通过VBA编程,确定各个城市联系强度的最大值,得到每个城市相对应的吸引力最大的城市（下文简称Top 1）,进而对城市联系强度的前5名、前10名的城市进行城市网络分析（下文简称Top 5、Top 10网络）,网络化逐渐显现,国家层面的网络体系特征开始呈现[23]。

2 网络结构特征分析

2.1 网络规模分析

网络规模是网络研究的重要参考指标,在动态增长网络中,通常通过对网络规模,即节点数量的变化情况的分析,构造复杂系统的动态方程并判断其演化阶段。本文是以中国入境旅游60个主要城市为网络节点,从宏观角度来说,网络规模为60,是固定不变的,但是由于本文研究的是Top网络,从微观上来看,可以将Top城市个数作为网络规模,按照这一定义发现（表1）,1997年、2004年和2010年网络规模分别为49、37和36,宏观网络规模没有变,但是微观网络规模在减小。
Table 1 The scale of Chinese inbound tourist urban network

表1 中国入境旅游城市网络规模

指标 1997年 2004年 2010年
网络规模 49 37 36
最大联系强度 866.732
（广州-深圳）		 23821.234
（广州-深圳）		 96857.523
（广州-深圳）
平均联系强度 9.409 54.513 260.041
旅游流流量是反映两地关系强弱的量化指标,本文中是指两城市间旅游经济联系强度,本文通过对入境旅游流网络最大联系强度和平均联系强度指标的分析,研究入境旅游流网络节点间关系强弱的演化规律。3个年度的最大联系强度均产生于广州和深圳之间,而且这一指标增长迅速;平均联系强度也有飞速发展,1997~2010年增长了27.7倍。广州和深圳的经济联系强度一直保持最高,主要是由于广州和深圳是中国入境旅游的重要港口城市,其入境旅游规模稳居全国前4位,并且2个城市距离很近,故旅游经济联系相对较高。

2.2 基于二方关系的网络结构演变分析

节点i的度ki定义为该节点连接的其他节点的数目。有向网络中的一个节点的度分为出度和入度,节点的出度是指从该节点指向其他节点的边的数目,节点的入度是指从其他节点指向该节点的边的数目。本研究中Top 1、Top 5、Top 10网络相当于指定了每个节点的出度相同,分别为1、5和10,虽然出度相同,假设A城市是B城市的Top 1,但是B城市不一定是A城市的Top 1,也就是其入度不同。因此文章中研究的城市网络为有向加权网络,权重为城市间经济联系强度。
2.2.1 Top1网络空间结构演变特征
从整体来看（表2）,1997年网络中k>0的城市共有16个,东、中、西部城市分别有11、2、3个;2004年和2010年Top 1城市减少到8个,且全部为东部城市。从1997年到2010年,北京、上海和广州一直是中国入境旅游主要集聚中心,是一级节点城市。而西安（k1997=5,k2004=k2010=0）的地位有所下降,2004年和2010年已退出Top 1城市的行列。
Table 2 The scale and strength of the Top1 network

表2 Top1网络规模及强度

1997年 2004年 2010年
城市 度数 强度 城市 度数 强度 城市 度数 强度 城市 度数 强度
北京 15 930 苏州 1 242 北京 28 10054 北京 26 47563
上海 14 1139 长春 1 19 上海 11 33279 上海 13 105845
广州 7 1217 青岛 1 80 广州 9 35793 广州 13 60674
深圳 5 1099 泉州 1 285 深圳 7 29869 深圳 3 103789
西安 5 188 沈阳 1 25 苏州 2 9742 厦门 2 5614
厦门 2 325 珠海 1 773 厦门 1 1251 苏州 1 48980
重庆 2 55 桂林 1 110 中山 1 2197 珠海 1 18763
延边 2 19 三亚 1 130 珠海 1 2197 中山 1 18763
从节点城市来看,1997年,北京、上海和广州入度和为36,占总入度的60%,2004年和2010年,3个城市的入度和分别为48、52,占总入度的80%和86.67%,并且上海和北京、广州和深圳一直为彼此的Top 1城市,联系方向的集聚化愈加明显。从旅游经济联系强度来看,1997年和2004年,广州的经济联系强度最大,而到2010年上海成为联系强度最大的城市。值得注意的是,虽然北京的入度最高,但是其联系强度一直排在上海、广州和深圳后面,这主要是因为以北京为Top 1的城市多数为中西部城市,入境旅游发展水平较低,城市的旅游规模较低,虽然与北京经济联系最紧密但是其强度依然不高。
2.2.2 Top5网络空间结构演变特征
从网络整体来看（图1）,1997年网络中k>0的城市共有39个,占总城市数的65%,其中东部城市有24个,占Top5城市总数的61.5%;中部城市有8个,西部城市有7个;2004年k>0的节点城市减少到23个,占总城市数的38.3%;2010年k>0的节点城市有24个,其中东部城市有19个,占Top5城市总数的79.2%;西部有重庆、西安和桂林3个城市,中部有长春、黄山2个城市。1997年,网络中有深圳、厦门、青岛和重庆4个城市凸显出来;2004年,深圳、天津、南京和厦门成为主要集散地;2010年,二级节点城市为深圳、天津、厦门、杭州、重庆、南京、大连、珠海和西安,东部地区的优势明显,中西部地区经济联系较弱。
Fig.1 Top 5 urban network structure of Chinese inbound tourist

图1 中国入境旅游Top 5城市网络结构

从节点城市来看,西安（k1997=12,k2004=8,k2010=6）和青岛（k1997=12,k2004=4,k2010=4）的地位明显下降,而天津（k1997=6,k2004=17,k2010=19）和杭州（k1997=7,k2004=8,k2010=9）的地位明显上升;1997年时地位较高的成都、武汉、郑州和长沙到2010年已经不是Top 5城市。从经济联系强度来看,珠海、泉州和无锡的入度并不高,但其经济联系量很高,这主要是因为这些城市位于东部沿海,是入境旅游的主要口岸城市,与它们形成联系的城市其本身旅游规模较高,因此形成的经济联系强度也较高。
2.2.3 Top 10网络空间结构演变特征
从Top 10网络中看出（图2）,国家层面的网络结构逐渐显现。1997年,网络中k>0的城市有47个,占城市总数的81.67%,其中东、中、西部城市分别有28、10和9个,分别占Top 10城市总数的57.45%、21.28%和19.15%;2004年,k>0的城市有37个,占城市总数的61.67%;2010年,Top 10城市减少到36个,占城市总数的60%。在36个城市中,东、中、西部城市分别有22、9和5个,虽然西部城市少于中部城市,但是中部城市中的很多城市入度仅为1,因此中部城市的经济联系总强度较低。
Fig.2 Top 10 urban network structure of Chinese inbound tourist

图2 中国入境旅游Top 10城市网络结构

从节点城市来看,网络总体仍然以东部地区内部联系为主,而与中部和西部城市联系不足,其中只有上海、广州、深圳和北京与东、中、西部城市联系均较好。中部城市中,长沙、武汉和郑州3个城市与东部和西部联系较好,而与中部城市本身联系较弱。在西部城市中,西安与东、中、西部城市的联系均较好,重庆、成都、昆明和桂林与东部和西部城市的联系较好,但是与中部城市的联系非常弱,其他西部城市仅与地区内部城市联系较强,与其他地区联系都很弱。
城市联系方向集中性明显,大部分城市均集中在环渤海地区、长三角地区和珠三角地区。在研究的60个城市中,环渤海地区、长三角地区和珠三角地区分别包括城市11、9和6个,表3展示出三大经济区的入度,可以看出,三大地区总共所联系的城市越来越多,在Top 5网络中,由1997年201个城市增长为255个城市;Top 10网络中,由1997年352个城市增长为457个城市,占总城市数的71.2%,也就是说三大经济区的集聚作用越来越强,全国的主要旅游城市的大部分都与这三大经济区有着密切的联系。
Table 3 The scale and strength of the three economic zone

表3 三大经济区网络规模

地 区 Top1 Top5 Top10
1997 2004 2010 1997 2004 2010 1997 2004 2010
环渤海 3 2 2 62 70 79 104 119 137
长三角 2 2 2 66 79 84 140 170 188
珠三角 3 4 4 73 87 92 108 116 132
总计 8 8 8 201 236 255 352 405 457
3个经济区比较而言,Top 1和Top 5网络中,珠三角所联系的城市是最多的,并且优势比较明显,环渤海和长三角地区比较接近;而在Top 10网络中,长三角地区所联系的城市是最多的,环渤海和珠三角地区比较接近。这主要是因为珠三角的6个城市中包括了广州和深圳2个非常重要的城市,在Top 1和Top 5网络中,Top城市还比较少,它们的地位非常突出,成就了珠三角地区的高度集聚作用。但是Top 10网络中,已经包括了比较多的城市,而珠三角的城市个数比较少,仅有6个,环渤海和长三角地区所包含的城市比较多,因此比较有优势,能与更多的城市产生密切联系。
通过对区内双向流（区内城市对）和区间双向流（区间城市对）的研究,再结合上文的有关结论,可以清晰看出东、中、西部地区的旅游经济联系情况（表4）。东部地区的集聚中心为上海、广州、深圳和北京,区内旅游流数量保持稳定增加,占总数量的70%左右,是联系最紧密的区域;中部地区的集聚中心为长沙和武汉,虽然其入度较大,但是中部的城市都未成为这2个城市的Top 10城市,因此武汉和长沙在区内没有双向流出现。中部地区双向流在减少,2010年时仅有郑州-洛阳、延边-长春和黄山-合肥3条,长春-哈尔滨在1997年和2004年时为双向流,但是到2010年其联系减弱成为单向流;西部地区的集聚中心为西安、重庆、成都和桂林,4个城市之间的旅游流成为西部地区的重要旅游流,但是双向对称流在减少,1997年和2004年时分别有10和8条,到2010年只有成都-西安、成都-重庆、西安-重庆、桂林-重庆4条。除区内双向对称流外还存在多条区间双向流,中部与东部的区间双向流在减少,1997年和2004年时分别有16和12条,到2010年仅有长沙-珠海、长沙-广州、长沙-福州、长沙-深圳、武汉-杭州、武汉-珠海6条;中部与西部的区间双向流也在减少,从1997年的4条减少到2010年的2条（长沙-重庆和武汉-重庆）;东部与西部的区间双向流保持稳定,包括桂林-广州、桂林-深圳、西安-上海、西安-北京4条。可以看出,双向旅游流的总数量在减少,除东部地区内部双向流在增加外,其他地区内和地区间的双向旅游流均在减少,这说明空间极化现象愈加凸显,网络等级性明显,中间层城市数量不足,多核化城市发展不明显。
Table 4 The spatial structure of the Top10 network in 2010

表4 2010年Top10网络空间结构特征

地区 集聚中心 区内双向流 区间双向流
东 部 上海
北京
广州
深圳		 三亚-珠海 无锡-南京 烟台-大连 泉州-广州 长沙-珠海
无锡-苏州 宁波-青岛 烟台-济南 泉州-福州 长沙-广州
无锡-上海 宁波-厦门 烟台-威海 泉州-珠海 长沙-重庆
中山-广州 烟台-北京 泉州-厦门 珠海-中山 长沙-福州
中山-珠海 烟台-天津 泉州-深圳 珠海-深圳 长沙-深圳
珠海-厦门 珠海-泉州 珠海-三亚 青岛-北京 武汉-杭州
青岛-天津 青岛-大连 青岛-南京 青岛-杭州 武汉-珠海
大连-北京 大连-天津 大连-杭州 福州-上海 武汉-重庆
福州-厦门 福州-广州 福州-深圳 福州-杭州 桂林-广州
福州-南京 福州-苏州 厦门-深圳 厦门-广州 桂林-深圳
厦门-上海 厦门-杭州 厦门-南京 苏州-上海 西安-上海
苏州-南京 苏州-天津 天津-上海 天津-北京 西安-北京
南京-北京 南京-上海 杭州-北京 杭州-上海
杭州-深圳 杭州-广州 深圳-北京 深圳-上海
深圳-广州 广州-北京 广州-上海 北京-上海
烟台-沈阳 苏州-北京
中 部 武汉
长沙		 郑州-洛阳
延边-长春
黄山-合肥
西 部 重庆 成都-西安
桂林 成都-重庆
西安 西安-重庆
成都 桂林-重庆

注：空白处为无。

3 结 论

1） 中国入境旅游城市网络规模在减小,少数核心城市的集聚作用越来越突出。中国入境旅游城市结构处于核心极化阶段,一级节点城市北京、上海和广州的集聚作用显著且逐渐增强。入境旅游在地理空间上呈现“东部强,中西弱”的“L”型分布。1997~2010年,西安和桂林的地位有所下降,而深圳和天津的地位有所上升。
2） 东部地区城市的集聚作用愈加明显,而中部和西部地区城市的集聚作用在减弱;西部城市的入度和明显高于中部,但是这种优势在减小;中部城市的入度确实在增长,但是其经济联系总强度并没有显著增长,依然明显低于东部和西部城市。
3） 城市联系方向集中性明显,大部分城市均集中在环渤海地区、长三角地区和珠三角地区,三大经济区的集聚作用越来越强。长三角地区集聚优势最明显,环渤海和珠三角地区实力相当。
4） 城市的入度与此城市的联系强度是不成正比的,北京的入度最大,但其联系强度排在广州、深圳和上海后面,仅排名第4位。一是城市空间分布上的密集程度,以上海为中心的华南地区和以广州和深圳为中心的珠江三角洲地区由于国家政策倾向,致使其城市得到了膨胀式发展,城市分布较为密集;二是这两个地区的城市入境旅游发展水平很高,再加上与其距离较近,使其经济联系强度较高。这同样造成了珠海和无锡的入度不高,但是其联系强度很高的情况。
5） 从区内双向流和区间双向流来看,全国城市联系以东部区内联系为主,东部的集聚中心为上海、广州、北京和深圳;西部地区以西安、成都、重庆和桂林为集聚中心,区内联系紧密,但是与区外联系较少;中部地区以长沙和武汉为集聚中心,区内联系很少但是与区外联系较紧密。
6） 中国入境旅游主要城市划分为三大体系,即北京体系、上海体系和广州体系,形成“三极多核”的空间格局,三极是指一级节点城市北京、上海和广州,多核是指二级和三级节点城市。北京体系的多核是指天津、西安、青岛、大连;上海体系的多核是指苏州、南京、杭州、长沙、武汉;广州体系的多核是指深圳、珠海、厦门、福州、成都、重庆、桂林。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Campbell C K.An approach to research in recreational geography[M]. British Columbia: Department of Geography, University of British Columbia, 1967.

[2]
Lundgren JoJ.The development of tourist travel system:a metropolitan economic hegemony par excellence[M]. Jahrgang: Jahrbueh for Fremdenverkegr,1972.

[3]
Dianne Dredge.Destination place planning and design[J]. Annals of Tourism Research,1999,26(4):772-791.

[4]
朱竑,吴旗韬.中国省际及主要旅游城市旅游规模[J].地理学报,2005,60(6):919~927.

[5]
杨国良,张捷,艾南山,等.旅游流齐夫结构及空间差异化特征——以四川省为例[J].地理学报,2006,6(12):28~289.

[6]
杨国良,张捷,刘波,等.旅游流流量位序-规模分布变化及其机理——以四川省为例[J].地理研究,2007,26(4):662~672.

[7]
Murphy P E,Andressen B.Tourism development on Vancouver Island:an assessment of the core-periphery mode[J].The Professional Geographer,1988,40(1):32-42.

[8]
David A Fennell.A tourist space-time budget in the Shetland Islands[J].Annals of Tourism Research,1996,23(4):811-829.

[9]
史春云,张捷.四川省旅游区域核心——边缘空间结构演变的实证研究[J].地理学报,2007,62(6):631~639.

[10]
Christaller W.Some considerations of tourism location in Europe:the peripheral region-undeveloped countries recreation areas[J].Papers and Proceedings of Regional Science Association,1964,12:95-105.

[11]
Mitchell LS,Lovingood P E.Public urban recreation:An investigation of spatial relationships[J].Journal of Leisure Research,1976,8(1):6-20.

[12]
章锦河,张捷,刘泽华.基于旅游场理论的区域旅游空间竞争研究[J].地理科学,2005,25(2):248~255.

[13]
崔大树,孙杨. 基于分形维数的湖州旅游景区系统空间结构优化研究[J].地理科学,2011,31(3):337~343.

[14]
汪德根,陈田.中国旅游经济区域差异的空间分析[J].地理科学,2011,31(5):528~536.

[15]
刘法建,张捷,陈东东.中国入境旅游流网络结构特征及动因研究[J].地理学报,2010,65(8):1013~1024.

[16]
杨兴柱,顾朝林,王群.南京市旅游流网络结构构建[J].地理学报,2007,62(6):609~620.

[17]
吴晋峰,潘旭莉.京沪入境旅游流网络结构特征分析[J].地理科学,2010,30(3):370~376.

[18]
肖光明. 珠江三角洲城市旅游空间相互作用分析[J].地理与地理信息科学,2008,24(5):108~112.

[19]
周广海,周菲菲.环渤海城市旅游经济联系度分析[J].经济研究导刊,2009,(46):120~123.

[20]
曹芳东,吴江,徐敏,等.长江三角洲城市一日游的旅游经济空间联系测度与分析[J].人文地理,2010,25(4):109~114.

[21]
杨国良,钟亚秋,王李清潆,等.四川省旅游流空间扩散方向及路径[J].地理科学进展,2008,27(1):56~63.

[22]
孟德友,陆玉麒.基于引力模型的江苏区域经济联系强度与方向[J].地理科学进展,2009,28(5):697~704.

[23]
张洪,夏明.安徽省旅游空间结构研究——基于旅游中心度与旅游经济联系的视角[J].经济地理,2011,31(12):2116~2121.

[24]
顾朝林,庞海峰.基于重力模型的中国城市体系空间联系与层域划分[J].地理研究,2008,27(1):1~12.

[25]
国家旅游局.中国旅游统计年鉴[M].北京:中国旅游出版社,1998,2005, 2011.

Options
Outlines

/

〈 〉