EN中文

Scientia Geographica Sinica  2017 , 37 (7): 1059-1068 https://doi.org/10.13249/j.cnki.sgs.2017.07.011

Orginal Article

基于空间互动模型的兰州市乡村旅游网络中心性分析

李巍, 赵敏, 严江平, 赵雪雁

西北师范大学地理与环境科学学院,甘肃 兰州 730070

Rural Tourism Network Centrality of Lanzhou City Based on Spatial Interaction Model

Li Wei, Zhao Min, Yan Jiangping, Zhao Xueyan

College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, Gansu, China

中图分类号:  F129.9

文献标识码:  A

文章编号:  1000-0690（2017）07-1059-10

版权声明:  2017 《地理科学》编辑部 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.

基金资助:  国家社科基金项目（14BSH029）资助

作者简介:

作者简介：李巍（1978-）,男,甘肃兰州人,副教授,主要研究方向为城乡规划与旅游景观设计。E-mail： lw_nwnu@163.com

展开

摘要

基于传统“引力模型”,引入通勤时间、旅游潜力等指标,构建了“旅游空间互动模型”,并以兰州市47个乡村旅游发展重点村为例,采用社会网络分析法剖析了兰州市乡村旅游网络中心性特征,发现：① 兰州市各村庄的度中心值均高于中介中心,中介中心值均高于向量中心,且主城区周边村庄的中心性普遍高于西北部永登县、东南部榆中县及其他县区所辖村庄的中心性;② 兰州市乡村旅游网络发育不成熟,空间结构呈现局部紧凑、整体稀疏且发展不均衡的特点;③ 当前兰州市乡村旅游发展以第二层级村庄为主,急需培育第一层级村庄以完善旅游网络中的核心节点。最后,提出优化兰州市乡村旅游网络结构的对策。

关键词： 乡村旅游 ; 空间互动模型 ; 空间中心性 ; 兰州市

Abstract

Currently, western region’s rural tourism resources in China over a broad area, tourism services spread all over, make rural tourism spatial organization efficiency lower and seriously hindered the development of rural tourism. To this end, it is urgent to find out the characteristics of rural tourism spatial organization and reconstruct the tourism spatial structure. Based on the traditional gravity model, this article constructed the tourism space interaction model, taking 47 rural tourism development focused village of Lanzhou as an example, using social network analysis method, analyzed the characteristics of Lanzhou rural tourism network center, put forward countermeasures to optimize the Lanzhou rural tourism network structure. The results showed that each village centrality values are higher than betweenness centrality, betweenness centrality values are higher than the center vector, and urban area surrounding the village center is generally higher than Yongdeng County of southern and northern Yuzhong County and other counties under the jurisdiction of the village center. The majority central of the Lanzhou rural tourism is the second level of the village, the first level of the village is in urgent need in order to supplement the core nodes in the tourism network. Lanzhou rural tourism network system has not formed yet, the spatial structure of the local compact, the overall sparse and uneven development characteristics. Finally, it puts forward the countermeasures to optimize the structure of rural tourism network in Lanzhou.

Keywords： rural tourism ; spatial interaction model ; spatial centrality ; Lanzhou

0

PDF (1875KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

李巍, 赵敏, 严江平, 赵雪雁. 基于空间互动模型的兰州市乡村旅游网络中心性分析[J]. , 2017, 37(7): 1059-1068 https://doi.org/10.13249/j.cnki.sgs.2017.07.011

Li Wei, Zhao Min, Yan Jiangping, Zhao Xueyan. Rural Tourism Network Centrality of Lanzhou City Based on Spatial Interaction Model[J]. Scientia Geographica Sinica, 2017, 37(7): 1059-1068 https://doi.org/10.13249/j.cnki.sgs.2017.07.011

由于乡村旅游资源“点多面广”、旅游服务星罗棋布,导致乡村旅游空间结构优化和旅游管控面临严峻挑战。当前,急需探明乡村旅游网络特征,为构建高效的乡村旅游空间组织、提升乡村旅游质量提供借鉴。旅游社会网络研究中,大部分乡村旅游目的地网络均采用定性研究方法[1],其重点在于根据有关节点之间的数据分析网络之间关系。中心度、结构洞等特征常用于衡量乡村旅游目的地网络结构特征[2]、演变过程[3]和影响因素[4]。各个节点通过相互间资源[5]、服务[6]、客源[7]、产品[8]等的流动连接,网络中的流动和变化过程影响着整体网络组织结构稳定性和效率,为网络结构的调整提供了重要依据。

国内旅游社会网络研究主要用于宏观尺度的旅游流网络分析[9,10]、区域旅游空间结构分析[11,12]等研究领域。旅游网络分析大多基于旅游流[13~15]进行。旅游业作为典型的综合性产业,交通区位[16]、资源禀赋[17]、旅游人数、收入等对旅游网络均有较大影响,中心性、结构洞等指标常用于衡量旅游网络结构特征。研究发现核心城市[18,19]、景点[20]大多位于网络的核心,在旅游网络中集聚、辐射功能强,结构洞水平高,竞争力强,区位优势具有非替代性,与此同时可能会造成旅游流瓶颈问题;而大多数旅游网络均存在网络整体密度低,核心点少,中心化趋势明显[21]等问题,交通网络的完善、旅游及基础设施资源的合理配置等均对旅游网络的合理构建有促进作用。

总体来看,国内旅游空间网络研究以东部地区为主,社会网络在乡村旅游领域应用较少,且以宏观尺度的省、区级研究为主,缺乏微观村域层面的相关研究。本文引入通勤时间、旅游潜力等指标对传统“引力模型”进行改进,构建了旅游空间互动模型,并基于兰州市47个乡村旅游发展重点村的数据,利用社会网络分析法剖析了兰州市乡村旅游网络的中心性特征,旨在为优化兰州市乡村旅游空间结构提供科学依据与借鉴。

1 研究区、数据来源与研究方法

1.1 研究区

兰州市地处青藏高原、内蒙古高原和黄土高原的结合部。作为西北地区重要的经济、文化、政治中心及交通枢纽,兰州市辖五区（城关、七里河、安宁、西固、红古）三县（皋兰、榆中、永登）,其中城关、七里河、安宁、西固为主城区,皋兰县为中部地区,榆中县为东南部地区,红古区、永登县为西北部地区。全市拥有自然生态、田园风光、特色产业、风土人情、物产与工艺和聚落等六大类旅游资源,国家A级景区23家,其中4A级6家,3A级6家,2A级11家。乡村旅游资源具有大分散、小集中特征,主要沿河流及交通线路分布,主城区较为集中,而周边区县资源相对分散。据调查,乡村旅游（度假山庄、“农家乐”、都市生态园）有420家,从业人数4 792人,共有客房3 320间,床位7 503张,多为城镇依托型、交通依托型与景区依托型,主要分布在近郊旅游景区周边。2015年兰州市接待乡村旅游人数633.28万人次,实现乡村旅游收入10.8亿元,直接带动乡村旅游就业10 560人次①（ ① 数据来源：兰州市文化和旅游局。）,乡村旅游业已成为旅游经济的新增长点。

1.2 数据来源

以兰州市旅游局《关于精准脱贫推进全面小康社会建设乡村旅游实施方案》中确定的“十三五”期间重点发展47个村庄作为研究对象,各村庄的人口数量、市政、文化及旅游基础设施等数据来源于《兰州市统计年鉴（2014年）》[22];路网数据源于《兰州市骨架公路网规划（2015~2020年）》现状交通图,从中提取现状道路及47个村庄的坐标,利用ArcGIS10.0平台获得村庄之间的最短路径。

1.3 研究方法

1.3.1 旅游空间互动作用模型

1946年Zipf首次将万有引力定律引入城市空间相互作用的研究中[23]。然而,初期的引力模型过于简洁,不能充分反映区域旅游要素之间的复杂联系,需进行修正。基于乡村旅游发展的特殊性,本文引入通勤时间、旅游潜力等指标对传统引力模型进行修正,以便构建旅游空间互动作用模型：

TSIij=Hi×Hj×TPi×TPj×CTij-β(1)

式中：TSIij是其中第i个和第j个村庄之间的旅游空间互动量;H是人力资源指数;TP是旅游潜力指数,由农村基础设施确定;CTij是第i个与第j个村庄的通勤时间指数,为模型中的摩擦系数;β为动态参数（β=1、β=2时的大部分旅游空间互动作用量的数值在-1.50~0.00之间变动,说明β值对旅游空间互动作用量的影响较小,故本次研究中β=1。）。

旅游潜力指数由农村基础设施确定。参照中国新农村建设的相关文件并结合旅游发展实际情况,将农村基础设施划分为生产性基础设施、生活基础设施、生态环境建设、社会发展基础设施及农村旅游基础设施5个方面,根据47个村庄的均值和标准差分为5个评估水平（1.0,0.8,0.6,0.4,0.2）,然后将各类权重（表1）与之相乘得到农村基础设施权重。计算公式为：

Ai=∑(Aik×wk)(2)

TPi=(Ai-Amin)/(Amax-Amin)+1(3)

式中：Ai为第i个村庄的旅游潜力指数;Aik是根据不同潜力指数对旅游发展的影响程度而进行的村庄基础设施（k）的赋值（1.0,0.8,0.6,0.4,0.2）;wk是分类设施资源的权重;TPi是标准化的旅游潜力指数;Amax,Amin分别为旅游潜力指数的最高和最低值。

表1   兰州市乡村旅游潜力指数权重

Table 1   Potential index weight of countryside tourism in Lanzhou

名称生产性基
础设施		生活基
础设施		生态环
境建设		社会发展
基础设施		旅游基
础设施
权重值（w）0.10.20.30.10.3

新窗口打开

人力资源是村庄发展旅游的基础,公式为：

Hi=(Pi-Pmin)/(Pmax-Pmin)+1(4)

式中：Hi为人力资源指数;Pi是第i个村庄的人口;Pmax,Pmin分别是在网络内的所有村庄的最大和最小人口数量。

由于不同路段的道路质量、车辆限速等存在差异,ArcGIS分析得出的最短路径很难反映真实的可达性及村庄之间的连通程度。根据最短路径及实际情况计算得出通勤时间作为旅游空间互动模型中的摩擦系数并将其标准化,计算公式为：

CTij=(Tij-Tmin)/(Tmax-Tmin)+1(5)

式中：CTij是通勤时间指数;Tij是第i个和第j个村庄之间最短路径所需的通勤时间;Tmax,Tmin分别是在整个网络结构的村庄之间的最大和最小通勤时间值。

以村庄为旅游网络中的节点,将其坐标与道路数据导入ArcGIS10.0平台,可得到村庄之间的最短距离（图1）,生成网络结构分析中的邻接矩阵。

显示原图| 下载原图ZIP| 生成PPT

图1   兰州市乡村旅游各节点最短路径

Fig.1   The shortest path between each node of rural tourism in Lanzhou

1.3.2 乡村旅游网络中心性计算方法

社会网络分析法（Social Network Analysis）常用于刻画网络的整体结构和特征,中心性作为社会网络分析的重点,可反映节点在网络中的中心程度,并有效刻画网络的结构特征。本研究将乡村旅游空间结构视为一种社会网络结构,将旅游目的地即各村庄视为网络结构中的节点,村庄之间的道路视为网络结构中的连线,采用中心性分析旅游网络结构特征。

中心性通常包括度中心、中介中心及特征向量中心。其中,度中心可刻画旅游节点与其他节点相联系的程度。某旅游节点的度中心程度越高,对其他关系的参与程度越强,中心性越明显,在整个旅游网络中的地位越重要,其计算公式为：

CD(i)=∑jnIij/(n-1)(6)

式中,CD表示某村庄的度中心性;n为村庄总数;Iij是村庄i、j之间的旅游空间互动作用值。

中介中心可刻画旅游网络中信息交流或资源流动的程度,它取决于在网络环节中信息传播的需要程度。若一个节点把持的通道越多,该节点的中介度就越高。其计算公式为：

CB(m)=∑in∑jn(timg/tij)/{(n-1)(n-2)/2}(7)

式中,CB表示某村庄的中介中心性,n是村庄总数,tij是第i个和第j个村庄之间的通勤时间,而timg是实际中某村庄m至村庄i、j所需要的时间差值。

特征向量中心可刻画某节点对其他节点的影响程度。一个节点在网络中的重要程度不仅取决于其本身的中心性,还与其邻近节点的数量、中心性有关。利用矩阵的特征值和特征向量计算：

λc(vi)=∑j=1nαijc(vj)∀i(8)

式中,c(vi)表示某节点vi的特征向量中心性,α、λ分别为矩阵A的特征向量及对应的特征向量值。上式矩阵表示法为c=(c(vi),...,c(n)),相当于 Ac=λc。

2 兰州市乡村旅游网络的中心性

2.1 乡村旅游网络的中心性

2.1.1 兰州市乡村旅游网络的度中心性

度中心是衡量旅游网络中节点核心地位最简单、最知名的方式之一,它刻画了网络边缘节点到特定节点的连接数目。兰州市乡村旅游网络的度中心性差异较大（图2）,乡村旅游网络度中心变异系数为23.9%,极差为0.455。其中位于永登县的苦水街村,度中心高达0.663,而位于榆中县的苇茨湾村,度中心仅为0.208,两者相差3.19倍多。主城区的度中心变异系数为16.9%,极差为0.198;东南部的度中心变异系数为28.7%,极差为0.295;西北部的度中心变异系数为29.6%,极差为0.374;中部的度中心变异系数为24.0%,极差为0.285。可见,主城区的度中心变异系数最低,说明城区乡村旅游发展较为均衡,村庄之间的差异较小,乡村旅游网络密度高,联系紧密;与兰州市西北部及东南部地区相比,中部地区乡村旅游发展更加均衡;西北部度中心值的极差最大,且度中心最高值村庄位于此区域,表明兰州市西北部的村庄两极分化现象明显,联系程度不高。

显示原图| 下载原图ZIP| 生成PPT

图2   度中心条件下的兰州市乡村旅游网络结构

Fig. 2   Network structure of rural tourism under degrees center conditions in Lanzhou

乡村旅游网络度中心既受村庄的旅游资源禀赋、可达程度、经济收入、基础设施等村庄内在因素的影响,也受政府政策扶持、资金扶持、交通区位等外部因素的影响,它反映着村庄旅游的整体发展水平和地位。为了进一步分析兰州市乡村旅游网络的度中心特征,利用度中心值的均值（±0.33）标准差、并确保中位数（0.328）位于第二层级的方法将47个村庄分为3级（表2）。位于第一层级的5个村庄交通区位优势明显,均处于G312、G6、S101等旅游通道附近;且人口规模较大,旅游潜力较高;具有旅游资源禀赋优势或邻近兴隆山、大兰山等旅游景区,又多为政府驻地、城镇中心。例如,度中心值最高的苦水街村不仅是苦水镇镇政府驻地,且苦水玫瑰知名全国,国道312过境,其旅游潜力指数、人力资源指数均为最大值2,分别相当于平均值的1.4倍、1.5倍。

表2   兰州市乡村旅游网络的度中心分级

Table 2   The classification of rural tourism degree centrality in Lanzhou

等级划分标准数据范围村庄名称数量（个）
第一层级（均值+标准差）以上0.41以上苦水街村、长坡村、菜籽山村、崖川村、二十里铺村5
第二层级0.41~0.25红艺村、河口村、徐家峡村、中坪村、杏花村、忠和村、西街村、岔路村、杏胡台、永安村、河涝坡村、连城村、璇子村、西固村、上海石村、咸水村、熊子湾村、兴隆山村、马场村、新庄村、涝池村、复兴村、东滩村、仁和村、罗景村、头营村、上果园村、大洼山村、接官亭村、花寨子村、红古村、东门村、二营村、民族村、赵李家洼村、马家庄村、中心村37
第三层级（均值-标准差）以下0.25以下王官营村、大沟村、青岗村、红沟村、苇茨湾村5

新窗口打开

第二层级村庄具有一定的乡村旅游发展优势和潜力,其人力资源指数、通勤时间、旅游潜力指数等指标中均有1~2个较高,但发展中仍存在较多问题和短板。例如,马场村（度中心值为该值的中位数）位于七里河区,邻近兰州市石佛沟景区,其旅游潜力指数高达1.93,仅次于苦水街村,且为兰州双联行动的重点扶持村庄,被誉为“兰州最美村庄”之一。但因其人口规模小,且该村交通区位差,可进入性差,旅游资源缺乏特色,使其度中心值较低。

第三层级村庄均远离城区,区位条件差,且人力资源、村庄基础设施、旅游服务设施、旅游资源禀赋等优势不明显,但其乡村旅游发展潜力巨大。例如,榆中县苇茨湾村（0.208）,位于兰州市东北部边缘,人力资源虽较充足,其人力资源指数达1.43,但距交通要道较远、村庄社会基础设施较差,且旅游资源同质性强、缺乏特色,其旅游潜力指数仅为1,故其度中心远低于其余村庄。

度中心性越高的村庄与其他村庄的连通性越强,与核心区的距离越近,旅游竞争力越强。然而,兰州市村庄之间旅游网络度中心值差异较大,一级核心的辐射作用强烈,但边缘化村庄较多,说明兰州市乡村旅游尚未形成完善的旅游网络格局。

2.1.2 兰州市乡村旅游网络的中介中心性

中介中心性主要用于衡量村庄之间的可达性及通达程度,中介中心性高的节点承担着旅游通道的作用。兰州市乡村旅游网络中介中心变异系数为25.2%,极差为0.303,其中位于永登县的苦水街村（0.438）中介中心性最高,位于榆中县的苇茨湾村（0.135）最低（图3）。主城区的度中心变异系数为17.1%,极差为0.130;东南部的中介中心变异系数为31.2%,极差为0.209;西北部的中介中心变异系数为31.1%,极差为0.249;中部的中介中心变异系数为26.1%,极差为0.183。对比发现,主城区的变异系数要远低于其他地区,仅为东南部的一半,说明兰州市旅游路网构建不完善,主城区的可达性要远高于其他地区,从而使乡村旅游网络的中介中心性差异大。

显示原图| 下载原图ZIP| 生成PPT

图3   中介中心条件下的兰州市乡村旅游网络结构

Fig. 3   Network structure of rural tourism under mediation center conditions in Lanzhou

为了进一步分析兰州市乡村旅游网络的中介中心特征,将中介中心值同样利用均值（0.210）±标准差、并确保中位数（0.210）位于第二层级的方法将47个村庄分为3级（表3）。

中介中心性主要取决于村庄之间的通勤时间,第一层级村庄紧邻交通枢纽或直接过境,第二层级村庄邻近交通要道,而大部分第三层级村庄可达性较差。例如,G312穿过第一层级的苦水街村（0.438）,其通勤时间指数（0.8）最高;马场村（0.210）与其最近的交通枢纽S101的距离达7.9 km,故其通勤时间指数（0.750）较苦水街村有所下降;苇茨湾村（0.135）与G6的距离高达30.2 km,故其通勤时间指数（0.630）在47个村庄中为最低值。

表3   中介中心指标等级划分情况

Table 3   The classification of rural tourism betweenness centrality in Lanzhou

等级划分标准数据范围村庄名称数量
第一层级（均值+标准差）以上0.26以上苦水街村、长坡村、菜籽山村、崖川村、二十里铺村、红艺村、河口村7
第二层级0.26~0.16徐家峡村、中坪村、杏花村、忠和村、西街村、岔路村、杏胡台、永安村、河涝坡村、连城村、璇子村、西固村、上海石村、咸水村、熊子湾村、兴隆山村、马场村、新庄村、涝池村、复兴村、东滩村、仁和村、罗景村、头营村、上果园村、大洼山村、接官亭村、花寨子村、红古村、东门村、二营村、民族村、赵李家洼村、马家庄村、中心村35
第三层级（均值-标准差）以下0.16以下王官营村、大沟村、青岗村、红沟村、苇茨湾村5

新窗口打开

总体而言,兰州市仅有部分乡村旅游重点村紧邻国道、省道等交通枢纽,大部分村庄远离主要旅游线路,旅游网络尚未成形。究其原因,在于兰州市乡村旅游发展重点村大都地处黄土沟壑区,地表破碎,分割严重,影响了道路配置与建设。目前从市区发出的主干道路主要沿3条放射状的沟谷（庄浪河河谷、大通河河谷和石佛沟等）向乡村延展,虽然纵向联系便捷,但横向联系缺乏。

2.1.3 兰州市乡村旅游网络的特征向量中心性

基于高指数节点的连接对一个节点的贡献度比低指数节点贡献度高的原则,特征向量中心多用于衡量村庄之间连接的有效程度,主要取决于旅游空间互动作用量。兰州市乡村旅游网络特征向量中心变异系数为22.9%,极差为0.183,其中位于永登县的苦水街村（0.272）特征向量中心性最高,位于榆中县的苇茨湾村（0.089）最低,仅为苦水街村的32.7%（图4）。主城区的特征向量中心变异系数为16.7%,极差仅为0.083;而东南部的特征向量中心变异系数为28.0%,极差为0.122;西北部的特征向量中心变异系数为27.6%,极差为0.148;中部的特征向量中心变异系数为22.9%,极差为0.105。结果表明,主城区的特征向量中心性变异指数最低,仅为兰州市总体水平的45%,说明主城区的网络中村庄乡村旅游发展差异度小,节点连接有效性高,乡村旅游发展较为均衡;从极差来看,各区的极差值均远小于兰州市的总体极差,这也充分说明兰州市乡村旅游网络具有不均衡性,总体不均衡性要胜于各区内部的不均衡性。

显示原图| 下载原图ZIP| 生成PPT

图4   特征向量条件下的兰州市乡村旅游网络结构

Fig. 4   Network structure of rural tourism under feature vector conditions in Lanzhou

同样采取均值（0.14）±标准差、并确保中位数（0.139）位于第二层级的方法将47个村庄分为3级（表4）,以便于进一步分析兰州市乡村旅游网络的特征向量中心特征。

71.4%的第一层级特征向量中心村庄也属于度中心第一层级村庄,而第二、三层级特征向量中心村庄大多位于度中心值较低的村庄周围,且与度中心值较高的村庄距离较远。例如,向量中心第一层级村中的崖川村（0.183）、长坡村（0.216）均为度中心第一层级的村庄,其中,崖川村邻近G30,两村之间的直线距离仅为20.6 km;而以马场村（0.139）为中心的50.0 km以内,仅有菜籽山村为度中心第一层级的村庄,其他村庄均属于度中心第二、三层级村;又如,以苇茨湾村（0.089）为中心的60.0 km以内仅有东滩村1个旅游发展重点村,也属于度中心第二层级村,且该村位于兰州市西北部边缘,对外联系程度低。

总体来看,特征向量中心性高的村庄虽然与其他村庄连接点数量较少,但其连接有效性强,连接点中的大多数村庄均为乡村旅游发展核心村或其他中心性程度较高的村庄,发展乡村旅游业具有较大的便捷性。

表4   特征向量中心指标等级划分情况

Table 4   The classification of eigenvector centrality

等级划分标准数据范围村庄名称数量
第一层级（均值+标准差）以上0.17以上苦水街村、长坡村、菜籽山村、崖川村、二十里铺村、红艺村、河口村7
第二层级0.17~0.11徐家峡村、中坪村、杏花村、忠和村、西街村、岔路村、杏胡台、永安村、河涝坡村、连城村、璇子村、西固村、上海石村、咸水村、熊子湾村、兴隆山村、马场村、新庄村、涝池村、复兴村、东滩村、仁和村、罗景村、头营村、上果园村、大洼山村、接官亭村、花寨子村、红古村、东门村、二营村、民族村、赵李家洼村、马家庄村、中心村35
第三层级（均值-标准差）以下0.11以下王官营村、大沟村、青岗村、红沟村、苇茨湾村5

新窗口打开

2.2 兰州市乡村旅游网络的中心性特征

兰州市47个乡村旅游发展重点村的度中心值均大于其中介中心值,且所有村庄的中介中心均大于向量中心值,其均值分别为0.330、0.210、0.140。其中,苦水街村的度中心值分别为其中介中心值的1.5倍、特征向量中心的2.4倍;而苇茨湾村的度中心分别为其中介中心值的1.6倍、特征向量中心的2.3倍。表明兰州市单体村庄乡村旅游发展水平均较好,但是村庄之间的联系程度低,乡村旅游发展呈孤立化态势;村庄之间特征向量中心值差异较大,说明村庄本身的设施、资源、交通等因素对其乡村旅游的发展影响较大。总体来说,兰州市乡村旅游发展基础差,联系程度低,导致旅游发展格局仅停留在“点-线”层面,尚未形成覆盖全市区的旅游网络结构。

3个中心性指标值均较高的村庄是整个空间中的核心点（表5）,是乡村旅游网络中人流、物流、交通、信息等的集中点和辐射扩散点,如苦水街村、长坡村、菜籽山村等。这些村庄的可达性强,与周围村庄之间的联系便捷,村庄基础设施较好,具有较为稳定的客源及特色突出的旅游资源,旅游集聚效应强,能充分利用自身优势带动周边发展,是兰州市乡村旅游发展的基础。

表5   兰州市47个村庄的3个中心性指标

Table 5   Three centrality indices of 47 villages in Lanzhou

分区情况村庄名称度中心中介中心向量中心分区情况村庄名称度中心中介中心向量中心
主城区头营村0.3040.1990.130中部地区长坡村0.5160.3450.216
民族村0.2780.1810.119中心村0.2580.1620.111
二营村0.2860.1850.122河口村0.4010.2640.171
红沟村0.2140.1430.091崖川村0.4330.2820.183
大洼山村0.2990.1990.128接官亭村0.2950.1900.127
马场村0.3280.2110.139忠和村0.3670.2340.157
上果园村0.3040.2070.129涝池村0.3170.2010.136
花寨子村0.2890.1730.123东南部地区兴隆山村0.3290.2100.140
青岗村0.2290.1500.097苇茨湾村0.2080.1350.089
王官营村0.2480.1540.106东滩村0.3150.2050.135
二十里铺村0.4120.2730.174徐家峡村0.3860.2580.164
赵李家洼村0.2690.1740.115菜籽山村0.5030.3440.211
大沟村0.2420.1550.103罗景村0.3050.1990.130
红艺村0.4050.2620.171西北部地区苦水街村0.6630.4380.272
马家庄村0.2670.1710.114杏花村0.3680.2340.157
西街村0.3640.2300.155连城村0.3430.2270.146
东门村0.2870.1860.123复兴村0.3160.2050.135
河涝坡村0.3480.2220.148永安村0.3510.2260.150
岔路村0.3580.2270.153璇子村0.3390.2250.145
熊子湾村0.3300.2160.141上海石村0.3320.2110.142
西固村0.3330.2280.142红古村0.2890.1890.124
咸水村0.3310.2120.142新庄村0.3220.2040.138
中坪村0.3690.2310.157仁和村0.3070.1890.132
杏胡台村0.3520.2260.150

新窗口打开

从村庄中心性的空间分布来看,主城区村庄的中心性普遍高于其他县区。主城区度中心、中介中心、向量中心第一层级村庄分别占主城区所辖村总数的4.2%、8.3%、8.3%;第二层级村庄分别占总数的79.2%、75.0%、79.1%,说明主城区的村庄以第二层级村庄为主,少数村庄（二十里铺村、红艺村）发展较好,乡村旅游结构基本稳定;西北部村庄中仅有苦水街村为度中心、中介中心、向量中心第一层级村庄,其他村庄均为第二层级,无第三层级村庄;东南部同样仅有菜籽山村为第一层级、苇茨湾村为第三层级,其余均为第二层级村庄,表明兰州市西北部、东南部的乡村旅游发展不均衡,网络结构不合理、偏聚性较强;而中部地区的度中心、中介中心、向量中心第一层级村庄分别占主城区所辖村总数的28.6%、28.6%、42.8%,且无第三层级村庄,与主城区其他地区相比,中部地区的乡村旅游发展日趋成熟,网络结构更加优越。

从兰州市行政区划来看,度中心最高村庄主要位于安宁区、皋兰县及永登县,且均为景区边缘型村庄;中介中心最高村庄则主要分布于永登县、榆中县、皋兰县,处于县区交界区域;特征向量中心最高村位于安宁区、七里河区及永登县。总体而言,城关区、七里河区、安宁区等城区的村庄发展较为均衡,村庄之间网络联系相对集中,乡村旅游发展情况优于其他县区。

综上分析,兰州市乡村旅游网络尚不完善,发展不均衡,网络密度低,节点之间联系较弱,基本形成以主城区为中心,以中部地区为支撑,以单体村庄为基点的“一心多点”结构,西北、东南部地区乡村旅游网络发展较为落后,总体呈现出局部紧凑、整体稀疏、发展不均衡的特征。

3 结论与建议

本文利用ArcGIS和社会网络分析,通过构建旅游空间互动模型,识别了兰州市47个村庄的中心程度。结果发现：① 兰州市乡村旅游网络结构未成体系,网络连接度差,核心节点较少;② 兰州市主城区及中部地区的乡村旅游网络中心性普遍高于东南部及西北部区域,空间分布上整体分散,局部集聚;③ 当前,兰州市乡村旅游发展以第二层级村庄为主,各村庄的度中心、中介中心、特征向量中心的值呈阶梯递减。

基于上述研究结果,当前兰州市急需提高乡村旅游网络的组织效率。首先,应完善城市交通系统建设,尤其要重视城市偏远地区的交通系统建设。旅游通道承担着连接整个网络的重要作用,不仅是提升整体中介中心性的重要措施,更是实现兰州市乡村旅游网络优化的重要途径;其次,主城区应依托其资源、区位等优势,通过旅游产品、旅游交通、旅游线路、生态环境等对第二层级村庄进行全方位转型升级,增加网络核心节点数量;第三,中部地区乡村旅游网络结构较为均衡,但节点之间联系较弱,应以交通系统建设为重点增强网络紧密性;最后,西北及东南部应以缩短村庄之间差距为主要目标,以苦水街村、菜籽山村等乡村旅游发展基础较好的村庄为契机,采取特色化、差异化发展模式,进一步提升第一层级村庄的乡村旅游质量,同时依托其优势提升优化第二层级村庄,加快边缘节点的基础设施建设,全面促进乡村旅游快速发展。

The authors have declared that no competing interests exist.

参考文献

[1] Scott N, Baggio R, Cooper C.

Network analysis and tourism: From theory to practice

[J]. Network Analysis & Tourism from Theory to Practice, 2009, 34(3):334-335.

https://doi.org/10.3727/108354209789705057      URL      [本文引用: 1]      摘要

This book reviews the contribution of network analysis to the understanding of tourism destinations and organizations. It provides an introduction to the use of quantitative network analysis for tourism and provides some tourism applications of recent developments in network thinking derived from the physical and mathematical sciences. The book consists of 15 chapters presented in three parts. ...
[2] Pavlovich K.

The evolution and transformation of a tourism destination network: The Waitomo Caves, New Zealand

[J]. Tourism Management, 2003, 24(2): 203-216.

https://doi.org/10.1016/S0261-5177(02)00056-0      URL      [本文引用: 1]      摘要

This paper examines the process of tourism destination evolution and transformation. The focus is on how the relationships between organisations can act as a self-organising mechanism for the destination, with fluidity and change being a critical component in this process. This paper uses network theory to express these dynamics, and it emphasises structural features of architectural density and centrality. Most particularly, the network approach illustrates how groupings of small firms within interdependent systems can be self-governing, and show how this process assists the destination in building tacit knowledge for competitive advantage that resides in the network structure. The case context for this illustration is an icon tourism destination in New Zealand, the Waitomo Caves. This tourism destination has undergone significant transformation over the last 15 years, from its single Glowworm Cave attraction to an interdependent network involving underground adventure caving activities. Because of this transformation, it provides a distinctive context to explore these fluid network processes.
[3] Shih H Y.

Network characteristics of drive tourism destinations:An application of network analysis in tourism

[J]. Tourism Management, 2006, 27(5): 1029-1039.

https://doi.org/10.1016/j.tourman.2005.08.002      URL      [本文引用: 1]      摘要

This study presents a quantitative method for investigating the network characteristics of drive tourism destinations with the help of methodologies derived from the network analysis, which offers numerous techniques and indicators through measuring the links among nodes to demonstrate the structural patterns of connected systems. More precisely, this investigation acquires the structural configuration of each destination within a particular area by measuring the indicators of network analysis, including degree centrality, closeness centrality, betweenness centrality and structural holes. Then, this study empirically tests a sample of drive tourists taken from 16 destinations in Nantou, Taiwan, and suggests the appropriate tourist facilities and services of each particular destination based on the structural characteristics relating to its network position on various touring routes. A number of recommendations are made regarding the location and type of tourist facilities to be offered and promoted based on the results of the network analysis.
[4] Pforr C.

The Makers and Shapers of Tourism Policy in the Northern Territory of Australia: A Policy Network Analysis of Actors and their Relational Constellations

[C].Edith Cowan Universty Press, 2002.

[本文引用: 1]     

[5] Vogt C A, Kline C.

Social network participation and coverage by tourism industry sector

[J]. Journal of Destination Marketing & Management, 2015, 4(2): 110-119.

https://doi.org/10.1016/j.jdmm.2015.03.004      URL      [本文引用: 1]      摘要

Although identified as an emerging scientific paradigm, social network research has yet to be developed fully in tourism studies. Social network theory focuses on the ties between actors within a particular network. An individual can influence his or her success through the structure, extent and diversity of their network. Within the tourism industry, the study of social networks can be used to enhance understanding of the interactions that take place within, or among businesses, by examining the formal and informal connections linking them together. This study examined involvement or membership in associations (networks) of five key tourism industry segments in a thriving tourism region along participation and coverage dimensions. The results showed that tourism sectors participate differently in social networks. Specifically, the hotel and lodging sector participates in a greater number and covers more types of networks than the retail/shopping sector.
[6] Jeeva A S.

Social network analysis in tourism services distribution channels

[J]. Tourism Management Perspectives, 2016, 18: 59-67.

https://doi.org/10.1016/j.tmp.2016.01.003      URL      [本文引用: 1]      摘要

Application of network analysis in tourism research is relatively new, especially in the study of tourism services distribution channels. Network analysis is employed to investigate the structure and pattern of relationships between actors in a network. This paper applies NA with Organizational Risk Analysis software to analyse tourism services distribution channels. The data is collected from a major tour operator in Hanoi and its travel agent network. The results of the research show the pattern of the network between tour operators and travel agencies; and between tour operators. Network analysis also reveals the cooperation and cohesion of the network as well as the network dynamics between the case study tour operator and its travel agencies over a period of time.
[7] Miguens J, Mendes J .

Travel and tourism: Into a complex network

[J]. Physica A: Statistical Mechanics and Its Applications, 2008, 387(12): 2963-2971.

https://doi.org/10.1016/j.physa.2008.01.058      URL      [本文引用: 1]      摘要

It is discussed how the worldwide tourist arrivals, about 10% of the world’s domestic product, form a largely heterogeneous and directed complex network. Remarkably the random network of connectivity is converted into a scale-free network of intensities. The importance of weights on network connections is brought into discussion. It is also shown how strategic positioning particularly benefits from market diversity and that interactions among countries prevail on a technological and economic pattern, questioning the backbone of driving forces in traveling.
[8] 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.

[本文引用: 1]     

[Yang Xingzhu, Gu Chaolin, Wang Qun.

Urban tourism flow network structure construction in Nanjing.

Acta Geographica Sinica, 2007, 62(6): 609-620.]

[本文引用: 1]     

[9] 刘法建, 张捷, 陈冬冬.

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.

https://doi.org/10.11821/xb201008012      URL      [本文引用: 1]      摘要

从旅游流的内在联系特性入手,分析了入境旅游流网络分析的可行性和必要性,采用基本特征描述、密度分析及EI指数检验、中心性、凝聚子群、核心—边缘分析等分析方法对中国入境旅游流网络展开研究,然后运用QAP分析模型对旅游者流动矩阵和各省市旅游供给要素差值矩阵进行相关和回归分析。结果显示:①中国入境旅游流规模上呈现东部强,西部、东北次强,中部弱的态势,整体结构比较松散而且不均衡,空间结构上出现一定的集群现象;②东部一些省市不仅中心度指数高,结构优势明显,占据网络的核心位置,而且内部联系紧密,另外西部个别省份的网络重要性有所增强,旅游发展的不均衡态势有所改善;③自然资源因素、经济发展水平、对外联系度、空间距离是制约入境旅游者流动的因素,而国际旅行社数、飞机起降架次为代表的高档次旅游服务水平、及是否同一地区是影响旅游者选择旅游地的重要因素。文章旨在为探讨入境旅游流空间特征和机制提供一种新的分析思路,力求能从宏观上把握中国入境旅游流特征,进而为入境旅游的均衡发展和各省市旅游政策的制定等宏观决策提供理论层面的参照。

[Liu Fajian, Zhang Jie, Chen Dongdong.

The characteristics and dynamical factors of Chinese inbound tourist flow network.

Acta Geographica Sinica, 2010, 65(8): 1013-1024.]

https://doi.org/10.11821/xb201008012      URL      [本文引用: 1]      摘要

从旅游流的内在联系特性入手,分析了入境旅游流网络分析的可行性和必要性,采用基本特征描述、密度分析及EI指数检验、中心性、凝聚子群、核心—边缘分析等分析方法对中国入境旅游流网络展开研究,然后运用QAP分析模型对旅游者流动矩阵和各省市旅游供给要素差值矩阵进行相关和回归分析。结果显示:①中国入境旅游流规模上呈现东部强,西部、东北次强,中部弱的态势,整体结构比较松散而且不均衡,空间结构上出现一定的集群现象;②东部一些省市不仅中心度指数高,结构优势明显,占据网络的核心位置,而且内部联系紧密,另外西部个别省份的网络重要性有所增强,旅游发展的不均衡态势有所改善;③自然资源因素、经济发展水平、对外联系度、空间距离是制约入境旅游者流动的因素,而国际旅行社数、飞机起降架次为代表的高档次旅游服务水平、及是否同一地区是影响旅游者选择旅游地的重要因素。文章旨在为探讨入境旅游流空间特征和机制提供一种新的分析思路,力求能从宏观上把握中国入境旅游流特征,进而为入境旅游的均衡发展和各省市旅游政策的制定等宏观决策提供理论层面的参照。
[10] 吴晋峰, 任瑞萍, 韩立宁, 等.

中国航空国际网络结构特征及其对入境旅游的影响

[J]. 经济地理, 2012, 32(5): 147-152.

URL      [本文引用: 1]      摘要

国际旅游对航空运输高度依赖,入境旅游流网络与航空网络有密切关系。应用社会网络分析法,利用中国大陆城市与国境外城市间的国际航班信息,对由45个大陆城市与4个境外城市、110个外国城市组成的中国航空国际网络的结构特征及其对中国入境旅游的影响进行研究。得出结论:①中国航空国际网络是核心—边缘网络;网络中核心节点数量偏少且主要是出入境口岸城市,香港、北京、上海、广州、首尔、新加坡等城市是核心节点;边缘节点数量偏多,许多重要的入境旅游目的地城市和客源地城市在中国航空国际网络中的地位不够重要。②中国航空国际网络对入境旅游具有决定性影响,不仅决定其空间组织模式,而且决定入境客源国结构,还影响旅游城市的入境旅游接待规模。③从拓展中国入境旅游外国市场和扩大规模的角度看,中国航空国际网络结构亟待改善:首先,要与世界主要国家的国际枢纽机场建立更多的国际航班联系;其次,要提升我国北京、上海和广州等机场在国际航空网络中的枢纽地位;第三,要在我国中西部地区培育国际枢纽机场,改变枢纽机场集中分布在东部沿海地区的空间分布格局;第四,要充分发挥香港的枢纽作用,拓展入境旅游外国市场。

[Wu Jinfeng, Ren Ruiping, Han Lining et al.

Chinese aviation international network and its impact on inbound tourism.

Economic Geography, 2012, 32(5): 147-152.]

URL      [本文引用: 1]      摘要

国际旅游对航空运输高度依赖,入境旅游流网络与航空网络有密切关系。应用社会网络分析法,利用中国大陆城市与国境外城市间的国际航班信息,对由45个大陆城市与4个境外城市、110个外国城市组成的中国航空国际网络的结构特征及其对中国入境旅游的影响进行研究。得出结论:①中国航空国际网络是核心—边缘网络;网络中核心节点数量偏少且主要是出入境口岸城市,香港、北京、上海、广州、首尔、新加坡等城市是核心节点;边缘节点数量偏多,许多重要的入境旅游目的地城市和客源地城市在中国航空国际网络中的地位不够重要。②中国航空国际网络对入境旅游具有决定性影响,不仅决定其空间组织模式,而且决定入境客源国结构,还影响旅游城市的入境旅游接待规模。③从拓展中国入境旅游外国市场和扩大规模的角度看,中国航空国际网络结构亟待改善:首先,要与世界主要国家的国际枢纽机场建立更多的国际航班联系;其次,要提升我国北京、上海和广州等机场在国际航空网络中的枢纽地位;第三,要在我国中西部地区培育国际枢纽机场,改变枢纽机场集中分布在东部沿海地区的空间分布格局;第四,要充分发挥香港的枢纽作用,拓展入境旅游外国市场。
[11] 王永明,马耀峰,王美霞.

中国重点城市入境旅游空间关联网络特征及优化

[J].人文地理,2013,(3):142-147.

URL      [本文引用: 1]      摘要

基于社会网络分析方法论视角,研究了中国12个重点城市入境旅游空间网络的节点结构特征和整体结构特征,并提出了旅游空间网络结构优化相关策略。结果发现:(1)重点城市入境旅游网络节点间共有46对旅游流联系,每个节点平均与其它3.83个节点存在着旅游流集聚和扩散联系,且充当旅游网络中介者角色的平均次数为8.25次;(2)北京和上海在入境旅游空间网络中居核心地位,西安、广州和杭州居次核心,其余城市的网络地位较低;(3)重点城市入境旅游的整体网络密度较低,不均衡性较明显。最后,提出优化重点城市入境旅游网络结构的相关策略。

[Wang Yongming, Ma Yaofeng, Wang Meixia.

Study on structure and optimization of inbound tourist network of key cities in China.

Human Geography, 2013, (3):142-147.]

URL      [本文引用: 1]      摘要

基于社会网络分析方法论视角,研究了中国12个重点城市入境旅游空间网络的节点结构特征和整体结构特征,并提出了旅游空间网络结构优化相关策略。结果发现:(1)重点城市入境旅游网络节点间共有46对旅游流联系,每个节点平均与其它3.83个节点存在着旅游流集聚和扩散联系,且充当旅游网络中介者角色的平均次数为8.25次;(2)北京和上海在入境旅游空间网络中居核心地位,西安、广州和杭州居次核心,其余城市的网络地位较低;(3)重点城市入境旅游的整体网络密度较低,不均衡性较明显。最后,提出优化重点城市入境旅游网络结构的相关策略。
[12] 陈浩, 陆林, 郑嬗婷.

基于旅游流的城市群旅游地旅游空间网络结构分析——以珠江三角洲城市群为例

[J]. 地理学报, 2011, 66(2): 257-266.

[本文引用: 1]     

[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.

Acta Geographica Sinica, 2011, 66(2): 257-266.]

[本文引用: 1]     

[13] 彭红松, 陆林, 路幸福, 等.

基于旅游客流的跨界旅游区空间网络结构优化——以泸沽湖为例

[J]. 地理科学进展, 2014, 33(3): 422-431.

https://doi.org/10.11820/dlkxjz.2014.03.013      Magsci      [本文引用: 1]      摘要

以四川、云南省交界处的泸沽湖为研究对象，基于问卷调查和网络游记，获取旅游客流数据，借助社会网络理论与方法，构建跨界旅游区空间网络结构模型及评价指标体系，并从旅游客流视角，探讨其旅游空间网络结构、节点功能角色及边界屏蔽效应，最后得出泸沽湖旅游空间格局及优化路径。结果表明：① 泸沽湖旅游空间网络呈现中北部密集、南部疏松的格局，存在明显的核心—边缘结构，环湖旅游客流同时具有环状和节点状线路选择趋向，受边界效应影响，整体网络存在边界客流断裂现象，分片区旅游客流则呈多核心辐散状；② 泸沽湖环湖15个旅游村寨节点可分为旅游核心、次旅游核心、重要旅游节点、一般旅游节点和边缘旅游节点5 种角色类型，同一类型旅游节点在中心性指标上有相似的模式特征；③ 跨界旅游活动存在显著的边界效应，泸沽湖省级行政边界两侧整体边界屏蔽效应大致相当，而节点边界屏蔽效应分异显著，四川片区节点边界效应显著的节点比例明显大于云南片区；④ 泸沽湖跨界旅游空间网络结构总体呈现“五级旅游基地、六条旅游轴线、三级旅游系统”的空间格局，并提出川滇共建景区管委会，统一资源产品开发、品牌构建和市场营销，发挥小洛水、达祖的跨界旅游通道职能等优化路径。

[Peng Hongsong, Lu Lin, Lu Xingfu et al.

Spatial network structure and optimization of cross-border tourism area based on tourist flow: A case study in Lugu Lake.

Progress in Geography, 2014, 33(3): 422-431.]

https://doi.org/10.11820/dlkxjz.2014.03.013      Magsci      [本文引用: 1]      摘要

以四川、云南省交界处的泸沽湖为研究对象，基于问卷调查和网络游记，获取旅游客流数据，借助社会网络理论与方法，构建跨界旅游区空间网络结构模型及评价指标体系，并从旅游客流视角，探讨其旅游空间网络结构、节点功能角色及边界屏蔽效应，最后得出泸沽湖旅游空间格局及优化路径。结果表明：① 泸沽湖旅游空间网络呈现中北部密集、南部疏松的格局，存在明显的核心—边缘结构，环湖旅游客流同时具有环状和节点状线路选择趋向，受边界效应影响，整体网络存在边界客流断裂现象，分片区旅游客流则呈多核心辐散状；② 泸沽湖环湖15个旅游村寨节点可分为旅游核心、次旅游核心、重要旅游节点、一般旅游节点和边缘旅游节点5 种角色类型，同一类型旅游节点在中心性指标上有相似的模式特征；③ 跨界旅游活动存在显著的边界效应，泸沽湖省级行政边界两侧整体边界屏蔽效应大致相当，而节点边界屏蔽效应分异显著，四川片区节点边界效应显著的节点比例明显大于云南片区；④ 泸沽湖跨界旅游空间网络结构总体呈现“五级旅游基地、六条旅游轴线、三级旅游系统”的空间格局，并提出川滇共建景区管委会，统一资源产品开发、品牌构建和市场营销，发挥小洛水、达祖的跨界旅游通道职能等优化路径。
[14] 汪德根, 陈田, 陆林, 等.

区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例

[J]. 地理学报, 2015, 70(2): 214-233.

[Wang Degen, Chen Tian, Lu Lin et al.

Mechanism and HSR effect of spatial structure of regional tourist flow:Case study of Beijing-Shanghai HSR in China.

Acta Geographica Sinica, 2015, 70(2): 214-233.]

[15] 方大春, 孙明月.

高铁时代下长三角城市群空间结构重构——基于社会网络分析

[J]. 经济地理, 2015, 35(10): 50-56.

https://doi.org/10.15957/j.cnki.jjdl.2015.10.008      URL      [本文引用: 1]      摘要

以长江三角洲城市群16个核心城市为样本,运用社会网络分析方法从网络密度、中心性和凝聚子群角度,分析高铁时代前后长三角城市群空间结构特征演变.结果表明:长三角城市群整体网络密度迅速提高;各个城市的点出度和点入度都在不断上升,中心城市对外辐射增强;网络中心势有缓慢下降趋势,城市群存在不对称和不均衡的现象;城市群城市的接近中心度在逐年提高,城市间联系更加紧密;城市群中间中心度呈现逐年下降的趋势,网络结构逐渐趋向均衡;长三角城市群划分成4个子群,大部分子群之间联系强度要大于整体网络密度;高铁建成后长三角城市群空间结构得到优化.为了促进长三角城市群内资源有效配置,既要发挥"一区两点"对外辐射作用,也要改善边缘城市对外交通设施.

[Fang Dachun, Sun Mingyue.

The Reconstruction of the spatial structure of the Yangtze river delta city group in the high-speed rail era—Based on the social network analysis.

Economic Geography, 2015, 35(10): 50-56.]

https://doi.org/10.15957/j.cnki.jjdl.2015.10.008      URL      [本文引用: 1]      摘要

以长江三角洲城市群16个核心城市为样本,运用社会网络分析方法从网络密度、中心性和凝聚子群角度,分析高铁时代前后长三角城市群空间结构特征演变.结果表明:长三角城市群整体网络密度迅速提高;各个城市的点出度和点入度都在不断上升,中心城市对外辐射增强;网络中心势有缓慢下降趋势,城市群存在不对称和不均衡的现象;城市群城市的接近中心度在逐年提高,城市间联系更加紧密;城市群中间中心度呈现逐年下降的趋势,网络结构逐渐趋向均衡;长三角城市群划分成4个子群,大部分子群之间联系强度要大于整体网络密度;高铁建成后长三角城市群空间结构得到优化.为了促进长三角城市群内资源有效配置,既要发挥"一区两点"对外辐射作用,也要改善边缘城市对外交通设施.
[16] 陈秀琼, 黄福才.

基于社会网络理论的旅游系统空间结构优化研究

[J]. 地理与地理信息科学, 2006, 22(5): 75-80.

https://doi.org/10.1016/S1005-8885(07)60093-4      URL      [本文引用: 1]     

[Chen Xiuqiong, Huang Fucai.

Research on tourism spatial structure and its optimization: A network analysis. Geography and

Geo-Information Science, 2006, 22(5): 75-80.]

https://doi.org/10.1016/S1005-8885(07)60093-4      URL      [本文引用: 1]     

[17] 汤放华, 汤慧, 孙倩, 等.

长江中游城市集群经济网络结构分析

[J]. 地理学报, 2013, 68(10): 1357-1366.

https://doi.org/10.11821/dlxb201310005      URL      [本文引用: 1]      摘要

长江中游城市集群发展对统筹区域协调发展和促进中部崛起具有战略意义,分析长江中游城市集群经济网络结构有助于城市和区域发展战略的制定.本文在改进引力模型的基础上,借助社会网络分析方法(SNA),构建以经济联系强度和经济网络结构特性为核心的城市集群经济网络结构模型,实证分析了长江中游城市集群经济网络的网络密度、网络中心性和凝聚子群,以揭示其经济网络结构特征.研究结果显示:长江中游城市集群整体网络密度处于中高水平,已经形成实际意义上的经济网络；集群内小团体现象明显,一级层面形成了4个凝聚子群,武汉都市圈和湖南环长株潭城市集群两子群内经济联动作用明显,但子群间经济影响较小,尤其是环鄱阳湖生态经济区内的两个凝聚子群,其联系纽带尚有待加强；集群内以武汉、长沙、南昌为主的中心城市驱动周边城市联动发展的格局基本形成,辐射带动作用明显,但吸收能力欠缺.

[Shang Fanghua, Shang Hui, Sun Qian et al.

Analysis of the economic network structure of urban agglomerations in the middle Yangtze River.

Acta Geographica Sinica, 2013, 68(10): 1357-1366.]

https://doi.org/10.11821/dlxb201310005      URL      [本文引用: 1]      摘要

长江中游城市集群发展对统筹区域协调发展和促进中部崛起具有战略意义,分析长江中游城市集群经济网络结构有助于城市和区域发展战略的制定.本文在改进引力模型的基础上,借助社会网络分析方法(SNA),构建以经济联系强度和经济网络结构特性为核心的城市集群经济网络结构模型,实证分析了长江中游城市集群经济网络的网络密度、网络中心性和凝聚子群,以揭示其经济网络结构特征.研究结果显示:长江中游城市集群整体网络密度处于中高水平,已经形成实际意义上的经济网络；集群内小团体现象明显,一级层面形成了4个凝聚子群,武汉都市圈和湖南环长株潭城市集群两子群内经济联动作用明显,但子群间经济影响较小,尤其是环鄱阳湖生态经济区内的两个凝聚子群,其联系纽带尚有待加强；集群内以武汉、长沙、南昌为主的中心城市驱动周边城市联动发展的格局基本形成,辐射带动作用明显,但吸收能力欠缺.
[18] 陈超, 刘家明, 马海涛, 等.

中国农民跨省旅游网络空间结构研究

[J]. 地理学报, 2013, 68(4): 547-558.

[本文引用: 1]     

[Chen Chao, Liu Jiaming, Ma Haitao et al.

Spatial network structure of inter-provincial farmer tourist flows in China.

Acta Geographica Sinica, 2013, 68(4): 547-558.]

[本文引用: 1]     

[19] 朱麟奇,李秋雨,刘继生.

吉林省旅游业发展时空差异性及空间布局

[J].地理科学,2016,36(3):424-430.

URL      [本文引用: 1]     

[Zhu Linqi, Li Qiuyu, Liu Jisheng.

Spatial and temporal difference and spatial distribution of tourism development in Jilin Province.

Scientia Geographica Sinica,2016,36(3) :424-430.]

URL      [本文引用: 1]     

[20] 于洪雁,李秋雨,梅林,等.

社会网络视角下黑龙江省城市旅游经济联系的空间结构和空间发展模式研究

[J].地理科学,2015, 35(11):1429-1436.

[本文引用: 1]     

[Yu Hongyan, Li Qiuyu,

Mei Lin et al.Research on the spatial structure and spatial development patterns of urban tourism economic connections of Heilongjiang Province-focus on the perspective of social network.

Scientia Geographica Sinica,2015, 35(11):1429-1436.]

[本文引用: 1]     

[21] 付琼鸽, 刘大均, 胡静, 等.

湖北省旅游流网络结构的特征与优化

[J]. 经济地理, 2015, 35(3): 191-196.

URL      [本文引用: 1]     

[Fu Qiongge, Liu Dajun, Hu Jing et al.

Network structure and optimization research on the Hubei province tourist flow.

Economic Geography, 2015, 35(3): 191-196.]

URL      [本文引用: 1]     

[22] 兰州市统计局. 兰州统计年鉴[M].北京:中国统计出版社,2014.]

[本文引用: 1]     

[ Lanzhou Bureau of Statistics. Beijing: Statistical Yearbook of Lanzhou.China Statistics Press,2014.]

[本文引用: 1]     

[23] Stephen Smith,张凌云,李新中.

引力模型在旅游地理学中的应用

[J]. 地理译报, 1988, (3): 51-55.

[本文引用: 1]     

[Stephen Smith, Zhang Lingyun, Li Xinzhong.

The gravity model in the application of Tourism Geography.

Geography Translation Report, 1988, (3): 51-55.]

[本文引用: 1]     

网站版权 © 《地理科学》编辑部
地址：长春市高新北区盛北大街4888号　
邮编：130102
电话：0431-85542217，0431-85542212　
E-mail：geoscien@neigae.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发

/

〈 〉