研究背景
旅游流作为客源地与目的地之间相互作用、联系的重要表现形式，不仅表现为游客因相似需求而引发的集体性空间移动，而且涵盖了以游客流为核心的信息、物资、能量传递。分析旅游流构成的空间交互网络，不仅可以揭示游客在目的地网络中的集聚、扩散模式，辅助景区优化资源配置，提升游客体验，还有助于优化城市交通设施布局、合理配置服务资源，促进城市可持续发展。
旅游流网络研究的数据来源
记录游客出行信息的各类数据为构建旅游流网络提供了数据基础，已往研究多利用统计数据、网络游记数据、GPS轨迹数据以及带有地理标记的社交媒体数据等数据构建旅游流网络。然而，由于样本量的限制和数据采集方式的制约，这些数据往往难以精确、全面地捕捉游客出行信息。
近年来出现的手机信令数据和基于位置服务（Location-Based Service, LBS）的手机定位数据具有覆盖面广、时空精度高等优势，为研究旅游流时空特征带来了新的契机。本研究利用大规模手机定位数据，通过出行链提取、外地游客识别和旅游流网络构建，为多尺度旅游流网络分析提供了坚实的数据基础。
多尺度网络分析视角
网络分析是一套系统研究网络结构的成熟方法，尽管网络分析指标和技术最初是为社会学和物理学研究而开发的，但也非常适用于分析旅游流网络结构。网络科学理论与方法在旅游流研究中的应用可以划分为微观、介观和宏观"尺度"，分别指在不同空间分辨率下对旅游流网络结构进行分析与解读，并揭示网络特征和规律。
已往研究大多集中于旅游流网络的单一尺度特征，缺乏对多尺度旅游流网络特征的综合分析，未能系统揭示旅游流网络在各种尺度上的结构特征及规律。本研究提出多尺度旅游流网络研究框架，从微观、介观、宏观三个尺度对长沙市旅游系统的结构和功能进行探索研究。
研究创新点
本研究的创新点主要体现在以下几个方面：
- 基于大规模手机定位数据，提出了一套完整的旅游流网络构建方法，包括出行链提取、外地游客识别和旅游流网络构建。
- 构建了多尺度旅游流网络分析框架，从微观、介观和宏观三个尺度全面剖析旅游流网络结构特征。
- 引入社会网络分析和社区检测等方法，定量分析旅游流网络中景区的角色定位、社区结构和全局特性。
- 以长沙市为例，揭示了城市旅游流网络的结构特征和发展不平衡现象，为旅游目的地管理和规划提供了科学依据。
研究方法
图1 多尺度旅游流网络分析框架
本研究的总体技术路线主要包括四个步骤：① 出行链提取；② 外地游客识别；③ 旅游流网络构建；④ 多尺度的旅游流网络分析。
出行链提取与外地游客识别
将时空精度不均匀的手机轨迹数据进行出行链重构，获得完整的出行链。通过设置空间阈值（100 m）和时间阈值（10 min）识别停驻点，将网格坐标相同且时间连续的轨迹点视为潜在停驻，当潜在停驻的停驻时间大于10 min则将其识别为停驻。
将外地游客定义为：居住地不在长沙市且到访过长沙市旅游景区的手机用户。将用户一个月期间工作日晚上19:00至次日早上8:00总停驻时间最长的位置识别为居住地，若该位置不在长沙市，则判定该用户为外地手机用户。通过空间位置匹配，识别出232,206名外地游客。
旅游流网络构建与多尺度分析
将外地游客在景区的停驻记录按时间升序排序，确定游客对景区的访问顺序，计算各景区之间的游客流量。根据游客在各景区之间的出行情况，构建长沙市旅游流网络。在旅游流网络中，每个节点代表一个景区，而连接两个节点的有向边代表景区之间的旅游流，其权重代表游客流量。
从微观、介观和宏观三个尺度分析长沙市旅游流网络结构特征。微观尺度关注单个景区节点，分析其在网络中的重要性及角色定位；介观尺度关注景区社群结构，揭示旅游社区内部景区间的联系程度；宏观尺度关注旅游流网络的拓扑结构和全局特性，展现网络的空间组织规律和功能布局。
| 分析尺度 | 分析指标 | 指标含义 |
|---|---|---|
| 微观尺度 | 度数中心性 | 度数中心性高的旅游景区处于网络的核心位置 |
| 接近中心性 | 景区的接近中心性越高，表明其越处于网络的中心，与其他景区的联系越紧密 | |
| 中介中心性 | 中介中心性越高的旅游景区在旅游流网络中起到的桥梁作用越显著 | |
| 效能 | 景区的效能越大，说明景区的竞争优势越明显 | |
| 效率 | 网络效率高的旅游景区可更高效地从其他旅游景区获取客源 | |
| 约束性 | 约束性越大的旅游景区受核心景区影响越大，对核心景区的依赖度越高 | |
| 介观尺度 | 平均聚类系数 | 旅游社区的平均聚类系数越高，社区内部的景区间联系越密切 |
| 平均路径长度 | 旅游社区的平均路径长度越小，社区内部的景区间联系越密切 | |
| 网络密度 | 网络密度越大，旅游景区间的关联越紧密 | |
| 宏观尺度 | 度数中心势 | 度数中心势越大，说明旅游流网络中心化趋势越显著 |
| 网络全局效率 | 网络全局效率越高，旅游流网络中景区的可达性越好 |
研究结果
微观尺度：景区节点特征
长沙市旅游流网络呈现显著的中心化趋势，岳麓山国家重点风景名胜区和橘子洲景区等少数节点在网络中的影响力较大。通过中心性指标分析发现：
- 度数中心性分析表明，岳麓山国家重点风景名胜区和橘子洲景区的出入度最高，是长沙市旅游流网络中最重要的旅游节点。
- 接近中心性分析显示，位于市中心的景区与其他景区的联系更为紧密，可以更快地到达或被其他景区到达。
- 中介中心性分析表明，部分景区在旅游流网络中扮演着重要的"桥梁"角色，连接不同的旅游子网络。
结构洞分析结果显示，仅有33%的节点的结构洞效能和效率大于均值且约束性小于均值，表明网络结构洞现象突出，整体连通性和效率受限。这意味着长沙市旅游流网络中大部分景区的资源获取能力较弱，对核心景区存在较强的依赖性。
图2 长沙市旅游流网络节点中心性空间结构
微观尺度关键发现
中心化趋势
长沙市旅游流网络呈现显著的中心化趋势，岳麓山和橘子洲等少数节点在网络中的影响力较大
结构洞现象
仅有33%的节点的结构洞效能和效率大于均值且约束性小于均值，网络结构洞现象突出
连通性限制
整体连通性和效率受限，大部分景区对核心景区存在较强的依赖性
介观尺度：旅游社区特征
通过社区检测算法，长沙市旅游流网络被划分为6个旅游社区。社区结构分析结果表明：
- 长沙市的旅游流集中程度较高，呈现明显的空间聚集特征。
- 各社区内通常有2个核心景区带动游客对周边景点游览，形成了以核心景区为中心的星状结构。
- 不同旅游社区发展不平衡，存在以岳麓山国家重点风景名胜区和橘子洲景区为核心的超大旅游流社区。
- 社区内部的景区在地理位置上相对集中，表明地理距离仍是影响游客选择的重要因素。
- 社区间的旅游流相对较少，表明不同旅游社区之间的联系较弱，游客很少在不同社区之间穿梭游览。
图3 长沙市旅游社区划分结果
介观尺度关键发现
长沙市旅游流网络形成了6个旅游社区，各社区内部联系紧密，社区间联系较弱。社区发展不平衡，以岳麓山和橘子洲为核心的社区规模最大，吸引了大量游客。这种不平衡的社区结构表明，长沙市旅游资源和游客流量的分布存在明显的空间不均衡现象，核心景区对周边景区具有较强的辐射带动作用，但对远距离景区的影响有限。
宏观尺度：网络整体特征
从宏观尺度分析长沙市旅游流网络的整体特征，发现以下规律：
- 旅游流网络呈现"单核强集聚、整体分散"分布特征，形成以市中心为核心向外扩散的多圈层结构。
- 网络密度较低，表明景区之间的联系相对松散，大部分景区之间缺乏直接的游客流动。
- 度数中心势较高，进一步证实了网络的中心化特征，少数核心景区占据了大部分的游客流量。
- 旅游流网络的网络全局效率仅为0.367，表明整体网络的可达性不高。
- 部分边缘地区的景区可达性较差，核心景区对边缘景区的"涓滴效应"有限。
图4 长沙市旅游流网络空间格局
宏观尺度关键发现
空间分布特征
旅游流网络呈现"单核强集聚、整体分散"分布特征，形成以市中心为核心向外扩散的多圈层结构
网络效率
旅游流网络的网络全局效率仅为0.367，部分边缘地区的景区可达性较差
涓滴效应
核心景区对边缘景区的"涓滴效应"有限，难以带动整体旅游系统的均衡发展
结论与讨论
微观层面
长沙市旅游流网络呈现显著的中心化趋势，岳麓山和橘子洲等少数景区占据核心地位。仅有33%的景区具有较高的结构洞效能和效率，表明大多数景区在网络中的资源获取能力有限，对核心景区存在较强的依赖性。景区之间的联系不平衡，核心景区间联系紧密，而边缘景区之间联系较少。
介观层面
长沙市旅游流网络形成了6个旅游社区，各社区内通常有2个核心景区带动周边景点发展。社区发展不平衡，以岳麓山和橘子洲为核心的社区规模最大。社区内部景区在地理位置上相对集中，社区间的旅游流相对较少，表明地理距离仍是影响游客选择的重要因素，不同旅游社区之间的联系较弱。
宏观层面
旅游流网络呈现"单核强集聚、整体分散"分布特征，形成以市中心为核心向外扩散的多圈层结构。网络全局效率仅为0.367，部分边缘地区的景区可达性较差，核心景区对边缘景区的"涓滴效应"有限。这种空间结构反映了长沙市旅游资源和游客流量分布的不均衡性，也揭示了旅游系统整体协调发展的挑战。
研究意义与应用价值
未来研究展望
未来研究可从以下几个方面进一步深化：(1)引入时间维度，探究旅游流网络的时间演化规律；(2)结合更多的景区属性和游客特征，分析影响旅游流网络形成的因素；(3)拓展研究区域，进行多城市旅游流网络的比较研究；(4)深入分析旅游流网络结构与旅游经济效益之间的关系，为旅游产业发展提供更有针对性的建议。