旅游目的地网络空间结构及其复杂性研究——野三坡旅游地案例实证
高苹1,2, 席建超1,*
1. 中国科学院地理科学与资源研究所,北京 100101
2. 中国科学院大学,北京 100049
*通信作者简介:席建超(1972- ),男,河南确山人,研究员,博士后,研究兴趣主要集中在旅游地用地格局演变及其环境效应、区域旅游发展规划等领域。E-mail: xijc@igsnrr.ac.cn

第一作者简介:高苹(1992- ),女,山东潍坊人,硕士研究生,研究兴趣集中在旅游目的地网络、旅游地空间重构等领域。E-mail: gaop.15s@igsnrr.ac.cn

摘要

复杂性是旅游目的地网络化发展的必然趋势,是认识旅游地网络空间结构与组织特征的重要研究手段。论文以河北省野三坡旅游地为例,通过构建旅游联系强度模型,建立旅游地空间网络,并运用TOP网络空间分析以及复杂网络理论,揭示旅游地网络空间结构与组织的复杂性特征。研究发现:1)旅游地网络具有空间集聚性,形成了以核心景区为中心,由中心城镇、乡村社区和特色园区共同构成的空间集聚单元,并体现出“邻近连接”与“择优连接”的双重特性;2)旅游地网络服从幂律分布,具有无标度网络特性;3)每个节点的前三名和前五名旅游联系强度网络(Top3和Top5网络)具有较小的平均路径长度、较大的集聚系数,呈现出典型的“小世界网络”特征;4)旅游地网络是典型的异配型网络,度-度呈负相关,而网络节点的集聚系数与其度值之间存在近似的倒数关系,因此具有层次性。

关键词: 旅游目的地网络; 复杂网络理论; 集聚单元; 野三坡
中图分类号:F592.7 文献标志码:A 文章编号:1000-3037(2018)01-0085-14
Research on the Spatial Structure and Complex Characteristics of Tourism Destination Network —A Case Study of Yesanpo Tourism Destination
GAO Ping1,2, XI Jian-chao1,*
1. Institute of Geographical Sciences and Natural Resources Research, CAS, Beijing 100101, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
Abstract

Tourism destination is a complex adaptive system including many spatial elements which connect with each other composing tourism destination network. Complexity is the inevitable trend of the development of tourism destination network. Taking the Yesanpo tourism destination in Hebei Province as a case, this paper selects four types of tourism elements as the tourism nodes, which are core scenic spots, central towns, rural communities and characteristic gardens, to build the tourism destination network whose edges are the tourism connection strength. Based on the spatial analysis of TOP network, the paper analyzes the spatial structure of tourism destination network and its complexity characteristics. The results show that: 1) There is a hierarchical agglomeration phenomenon in the tourism destination network, which forms the spatial agglomeration units composed of core scenic spots, central towns, rural communities and characteristic gardens and has the dual characteristics of “adjacent connection” and “preferential connection”. 2) Yesanpo tourism destination network obeys power-law distribution, which shows the scale-free characteristic. 3) Compared with the random network, the Top3 and Top5 networks have smaller average path length and larger agglomeration coefficient, showing typical characteristics of “small world network”. 4) The tourist network is a typical heterogeneous network whose degree has a negative correlation, and it shows hierarchical properties since there is an approximate reciprocal relation between the agglomeration coefficient and the degree of nodes. The study also finds that the development model integrating scenic spots, towns, communities and gardens as basic structural unit is of great significance to guide spatial reconstruction of tourism destinations.

Keyword: tourism destination network; complex network theory; agglomeration unit; Yesanpo

空间关系是认识区域的基本视角, 也一直是人文地理学研究的热点问题[1]。现实世界中几乎所有的空间关系都可以被抽象为由节点和边组成的网络系统。随着经济全球化和信息化的到来, 网络规模在不断扩大, 网络复杂程度不断增强, 网络复杂性研究显得尤为重要[2, 3, 4]。大量研究表明, 网络行为和过程可以基于系统的观点进行解释, 并可将复杂系统的观点和范式作为理论框架来研究网络拓扑结构特征、演化等复杂性现象, 基于系统科学的复杂网络理论为网络复杂性研究提供了一个新路径。复杂网络理论始于1960年数学家Erdes等提出的ER随机图模型[5]; 20世纪90年代, 随着小世界网络(WS)[6]以及无标度网络(BA)[7]的提出, 学术界掀起了一股复杂网络研究的热潮[8]。国内外对于复杂网络的研究主要集中在网络的统计特征、稳定性以及演化动力模型等方面[9, 10, 11, 12], 并在社会关系网络、交通网络、城市网络等社会经济领域取得重大突破[13, 14, 15, 16], 引起了学术界的广泛关注。

旅游目的地被认为是一个由不同要素综合集成的复杂系统, 在不同空间范围内, 承担不同功能作用的利益相关者(政府、企业、居民以及游客等)之间通过交通组织、旅游客流、技术与信息传递、资金和人才交流等紧密联结在一起, 形成相互分工、协作、互补、交流和竞争的网络关系[17]。国内外运用复杂网络理论对旅游目的地网络已经开展了大量相关研究, 最早开始于20世纪90年代对旅游政策网络的关注[18], 随后拓展到旅游地发展和管理问题[19, 20], 对旅游地网络的结构特征与动态演化、旅游地生命周期、动力学机制等研究也逐渐进入人们的视野[21, 22, 23]; 但是上述研究多以省市为节点研究旅游流网络或是以服务组织与个人为节点研究利益相关者网络结构[24], 受数据获取的限制, 从旅游目的地空间要素构成的视角来关注旅游目的地网络建构的微尺度研究相对较少, 此外, 方法上大多采用社会网络分析, 只关注网络的关系属性描述, 忽视了地理空间特性的表达[25], 采用复杂网络工具的定量方法对旅游地网络复杂性特征展开的研究也很少涉及。

基于此, 本文以野三坡旅游地为案例, 选取核心景区、中心城镇、乡村社区以及特色园区四类空间要素为节点, 通过旅游联系强度模型测度的节点之间的联系为边, 构建旅游地空间网络, 并借助TOP网络空间分析和复杂网络工具, 对旅游地网络的空间结构特征进行初步探索, 并尝试对其复杂性进行定量表达, 以期能够为揭示旅游地网络空间结构与组织模式规律提供科学依据, 同时研究结论对丰富旅游地网络研究理论, 指导旅游地空间优化重构具有一定的理论和实践意义。

1 数据来源与研究方法
1.1 研究区范围

野三坡旅游地位于北京西100 km, 河北省保定市涞水县西北部, 是京郊著名的生态旅游目的地, 总面积498.5 km2, 相当于涞水县域面积的1/3。野三坡旅游地是建设部首批国家风景名胜区和第二批国家5A级风景区[26]。2015年共接待游客360万人, 创社会总收益13.5亿元。近年来野三坡旅游区以6个核心景区为依托, 逐步联动起2个中心城镇(三坡镇、九龙镇)、36个乡村社区旅游业发展(区内共56个乡村社区, 其中已旅游化的乡村社区共36个), 并带动了3个特色旅游小镇以及4个特色园区建设, 构建全域旅游发展模式(图1)。

图1 研究区范围Fig. 1 The study area

1.2 数据来源

研究数据来源包括两部分:第一手数据主要来源于2015年实地调研开展的参与性农村评估(ARP)[27]和农户调研问卷, 包括旅游接待人数、旅游收入、旅游经营时间、旅游床位数、淡旺季旅游入住率、旅游消费等相关数据。第二手数据主要来源于野三坡旅游管委会以及网上搜索获得的相关文本和图像资料, 包括政府报告、政策文件、规划文本以及Google Earth高清影像等。

具体应用上, 首先利用ArcGIS 10.2软件对Google Earth高清影像(空间分辨率达0.6 m)进行矢量化, 包括旅游区范围、道路、河流等, 制作数字化底图。其次采用参与性农村评估方法来收集相关的社会经济数据, 具体做法如下:1)旅游节点标注:利用便捷式GPS采集4种类型旅游节点的经纬度信息(以景区园区入口或镇、村政府所在地为准), 并在数字底图上进行标注。2)半结构式访谈:确定最优访谈对象为景区园区管理人员、任职多年的政府干部、村书记、村会计和教师等, 为了确保数据的可靠性, 各类人员不得少于2人, 通过半结构式访谈获取4种类型旅游节点的旅游接待人次、旅游收入等相关信息, 具体访谈内容如表1所示。3)逐个农户调查:在野三坡旅游管委会的带领下对当地居民进行逐户调查, 调查内容包括农户人口和劳动力组成、人口素质、家庭收支情况、从事旅游业相关情况等。4)信息校正评估:将半结构式访谈以及农户调查信息与政府报告、政策文件、旅游统计等相关文本信息进行对比, 检验其准确性, 并把检验结果返回到最优访问对象进行评述, 最后确定研究所需数据[28]

表1 参与性农村评估 Table 1 Participatory rural appraisal
1.3 研究方法

本文选取核心景区、中心城镇、乡村社区以及特色园区4种类型共51个空间点为旅游节点, 基于旅游联系强度模型, 建立旅游要素之间的联系, 并选取每个节点的最大联系强度、前3名以及前5名联系强度构成TOP网络(以下分别称之为Top1、Top3、Top5网络), 通过运用度分布、平均路径长度以及集聚系数等复杂性测度指标对旅游地网络复杂性特征进行探究。

1.3.1 旅游联系强度模型

旅游联系强度可定量化地表达出节点之间的联系程度, 本文在空间相互作用引力 模型(重力模型)的基础上, 假设两地之间的旅游联系与其旅游接待规模(旅游接待人次和旅游收入)成正比, 与两地之间的交通距离成反比, 建立旅游联系强度模型[29]

Rij=Pistd×Vistd×Pjstd×VjstdDijstdbij(1)

Bstd=B-BminBmax-Bmin+1B=PiPjViVjDij(2)

式中:代表旅游节点ij之间的旅游联系强度; PistdPjstdVistdVjstd和、、、分别代表节点ij标准化之后和未标准化的旅游接待人次和旅游收入数据; Dijstd和分别代表ij两地之间标准化和未标准化的交通距离, 其中可通过ArcGIS 10.2软件中的OD Cost Matrix工具算得; b为衰减系数, 通常取2。标准化处理方法见式(2)。

由于核心景区和特色园区的旅游接待人次与旅游收入数据均有统计, 因此计算直接采取统计数据; 而中心城镇与乡村社区的旅游接待人数和旅游收入数据较难获取, 本文用式(3)近似代替:

P* =Ma* ×Na* +Mb* ×Nb* ×LtolV* =P* ×C* (* =ij) (3)

式中: Ma* Mb* 分别代表淡、旺季旅游经营天数; Na* Nb* 分别代表淡、旺季旅游入住率; 代表床位总数; 代表旅游人均消费。

利用式(1)至(3)可以得到5151的联系矩阵, 由于与计算结果一致, 因此不产生方向性, 所得矩阵是表示两节点之间联系强度的无向加权网络(无向多值网络), 其中两节点之间的旅游联系强度为网络连接边的权重, 从而构建了野三坡旅游地空间要素之间的网络数据。

1.3.2 TOP网络空间分析

借助ArcGIS平台, 利用VBA编程, 确定每个节点旅游联系强度的最大值, 将对应节点相连便得到Top1网络, 同理对每个节点的前3名(Top3网络)、前5名(Top5网络)旅游联系强度进行TOP网络构建。选取3种类型网络的原因主要是它们能够分别反映不同规模尺度下的旅游地网络空间组织特征。值得注意的是, TOP旅游网络联系将产生方向性, 因为旅游节点i的最大网络联系方向来自节点j, 但节点j的最大联系方向未必是节点i, 因此TOP网络是一个有向网络[30]

1.3.3 网络复杂性测度指标

本文选取度分布、平均路径长度、集聚系数以及匹配性4种网络复杂性指标, 其中度分布衡量网络无标度特征, 平均路径长度与集聚系数是衡量网络是否具有小世界效应的指标, 而匹配性则是衡量网络关联性的重要指标。在旅游地网络中, 设网络, V=Vi|i=1, 2, ···, N为网络G的节点, A=ai|i=1, 2, ···, m称为网络G的边, 其中表示节点ij的连接边, Nm分别为网络的总节点数和总边数(N=51, m=51、153或255), 为便于各复杂性指标分析, 有时需将上述TOP有向网络对称化处理转化为无向网络, 后文中野三坡旅游地网络研究存在无向和有向两种情况[25, 30]

1)度分布

度(k)是描述网络节点结构特性的基本参数, 反映了节点在网络中的重要程度, 即节点的度越大, 就越处于核心地位。在无向网络中, 节点i的度()等于与该节点具有连接边关系的数目(当考虑有向网络时, 由于每个节点出度相同, 其度值仅考虑入度的连接边数, 后文中均称为连接度)。即

ki=j=1Naij其中:aij=1ij有连接(ij0ij无连接(ij(4)

度分布则反映了网络系统的宏观统计特征, 一般用概率分布函数p(k)表示, 即 p(k)=nk/N, 其中是度为k的节点数量。考虑到TOP网络规模较小而引起的误差, 常用度累计分布函数P(k)代替, 即

Pk=k'=kp(k)(5)

而对于加权网络, 节点i的强度为

si=j=1NRijaij(6)

式中:代表上述旅游联系强度, 作为加权网络的连接边权重。类似地, 其强度累计概率分布函数可表示为

Psk=k'=kp(sk'),其中:psk'=i=1Nsk'ij=1Nsj(7)

如果度分布具有幂函数分布特征, 即 Pkk-γ(2≤ ≤ 3), 则被认为无标度分布, 具有幂律分布的网络被称作无标度网络[31]。加权网络的幂律分布同样可以表示为

ps=ps'~s'-γ~s'-γ-1(8)

2)平均路径长度L

平均路径长度是反映旅游目的地网络可达性的重要指标, 设在所有连接ij两点的通路中, 存在一条最短的路径, 而最短路径所包含的连接边的数目定义为两点之间的距离, 平均路径长度L就是任意两点之间距离的平均值, 即

L=2N(N-1dij(9)

显然L值越小, 表示网络中任意两点间的拓扑距离越小, 网络的整体可达性越好。

3)集聚系数C

集聚性是用来衡量旅游目的地网络节点局部聚类情况的参数, 一个节点的集聚系数是指所有相邻节点之间连接边的数目占最大可能连接边数目的比例, 即

Ci=EiCki2=2Eiki(ki-1(10)

整个网络的集聚系数C就是所有节点i的集聚系数和的平均值, 即

C=1Ni=1NCi(11)

式中:为由节点i的个邻近节点构成的子网络中实际存在的边数。显然0≤ C≤ 1, C越大, 整个网络的聚集程度就越大; 当网络中不存在三元环时, C=0; C=1时网络中任意两个节点都直接相连[32]

4)匹配性

网络的匹配性, 通常用最邻近平均度值以及同配性系数来判别, 节点i的最邻近平均度值 knn, i定义为

knn, i=aijkjki(12)

则所有度值为k的节点的最邻近平均度值的平均值 knn(k)定义为

knnk=knn, i[N·p(k)](13)

如果 knnk是随着k上升的增函数, 则说明度值大的节点倾向于和度值大的节点连接, 网络具有正相关性, 反之网络具有负相关性。

整个网络的匹配性可以通过同配性系数(r)或称Pearson相关系数进行测算, 定义为

r=m-1kikj-m-112(ki+kj)2m-112ki2+kj2-m-112(ki+kj)2(14)

式中:m为网络的总边数; A为网络边的集合。r的取值范围为0≤ |r|≤ 1, 当r< 0时, 网络呈负相关的异配网络; 当r> 0时, 网络呈正相关的同配网络; 当r=0时, 网络是不相关的[33]

2 网络结构及其复杂性结果分析
2.1 旅游地网络的空间集聚性

由图2和表2可知, 随着网络规模的扩大, 旅游地网络空间体系存在着分层集聚现象, Top1网络反映了核心景区与其周围旅游节点的“ 邻近连接” , 并形成多个旅游空间集聚单元; Top3网络反映了集聚单元内部节点之间的交织连接以及集聚单元之间的就近连接, 核心集聚单元与次核心集聚单元尤为突出; Top5网络在此基础上, 还反映出集聚单元节点之间的“ 择优连接” 特征。具体表现为:

在Top1网络中, 只有18个节点的连接度大于0, 占总连接边的35%, 即野三坡旅游地网络首位联系主要集中在18个节点上; 其中六大核心景区以及两大中心城镇的连接度位居前列, 在网络中处于核心地位; 并以六大核心景区为中心, 依托两大中心城镇, 邻近连接周边的乡村社区以及特色园区, 形成了6个空间集聚单元, 分别为百里峡、拒马河、鱼谷洞、白草畔、金华山以及龙门天关集聚单元, 实现景区、城区、社区、园区一体化发展, 空间集聚效应显著。

图2 TOP网络空间结构Fig. 2 The spatial structure of TOP network

表2 旅游节点的连接度 Table 2 Connection degree of tourism nodes

在Top3网络中, 连接度大于0的旅游节点增加到42个, 绝大多数(82.35%)旅游节点参与到网络中, 网络范围向北拓展。其中百里峡景区(V1)与鱼谷洞景区(V2)的度值位于前两位, 构成整个网络的两大核心, 百里峡集聚单元与鱼谷洞集聚单元内部节点连接度较其他集聚单元来说均较高, 分别作为核心集聚单元与次核心集聚单元。新增网络连接首先表现为空间集聚单元之间的就近连接, 核心集聚单元与次核心集聚单元尤为突出, 还表现为空间集聚单元内部各节点的相互交织, 不再是Top1网络中单纯的核心景区与周边节点的辐射联系。

在Top5网络中, 连接度大于0的旅游节点持续增加到50个, 即除南禅房村外, 其他旅游节点均有网络联系流入, 网络空间范围进一步拓展到全域尺度。网络联系更加密集, 且以百里峡集聚单元为“ 根” , 以其他集聚单元为“ 枝叶” 形成“ 树形” 网络格局。核心景区和中心城镇相对于乡村社区以及特色园区来说, 连接度更大, 地位更重要。此外, 集聚单元之间的联系除发生在相邻集聚单元之间, 还表现为核心集聚单元依托交通线路与非相邻集聚单元内连接度较大的核心景区之间的联系, 体现了“ 择优连接” 特性, 如龙门天观景区(V5)相较于周边节点具有更大的连接度, 被百里峡景区(V1)优先连接。

2.2 旅游地网络的无标度性

由图3可知, 野三坡旅游地有向网络度分布与强度分布不一致, 度分布跨度较大, 强度分布相对较均衡, 但对于无向网络来说, 两者均服从幂律分布, 体现出无标度网络特性。具体体现在:

旅游地有向网络的度累计分布曲线变化较快, 差异性亦较为明显, 并表现出一定的“ 长尾” 特征。大多数节点的度集中在2~13之间, 度值超过15的点仅有百里峡景区(V1), 体现了少数节点连接多数节点的特征。而强度分布则表现得较为均衡, 曲线下降速度有所减慢, 基本呈现“ 线性递减” 趋势。

图3 节点度和强度累计概率分布与最优拟合函数Fig. 3 The cumulative probability distribution and optimal fitting functions of nodes’ degree and strength

表3 节点度与强度函数拟合关系 Table 3 Fitting functions of nodes’ degree and strength

从函数拟合方面来看(表3), 有向网络存在大量度及强度为0的节点, 故只能用指数函数或线性函数拟合, 节点度分布采用指数函数的拟合优度明显优于线性函数, 而强度分布则线性分布拟合更好。将有向网络转化为无向网络时, 对于节点度及强度分布而言, 三类网络的幂次关系拟合度均明显高于指数函数和线性函数, 服从幂律分布, 因此具有无标度网络特征。无标度网络表现为两个特性:一是增长特性, 即网络规模是不断扩大的, 不断有新的旅游节点参与到旅游网络中, 如特色旅游小镇和特色园区的建设; 二是优先连接性, 即新增节点倾向于与度值较大的节点相连接, 如新建设的特色旅游小镇与特色园区倾向服务于集聚单元内部度值较高的核心景区。

2.3 旅游地网络的小世界性

通过实际网络与随机网络的对比, Top3及Top5网络具有较小的平均路径长度、较大的集聚系数, 呈现出典型的“ 小世界网络” 特征。

由于Top1网络节点连接较少, 故只考虑Top3、Top5网络, 同样利用VBA程序将上述有向网络转化为无向网络进行后续分析。从平均路径长度来看(表4), Top3旅游网络平均路径长度为2.76, 体现出较高可达性以及节点间较小分离度的结构特征; 而Top5网络平均路径长度小于Top3网络, 这是由于网络规模增大、连接增多, 节点间的可达性有所提升。从路径数量与所占比重来看, 30%以上的节点间最短距离为2, 即只需经过一次中转就可以到达, 路径长度小于3的约占70%, 即绝大多数的节点间至多需要两次中转就可连接, 因此旅游地网络连接呈现出短路径特征。

表4 TOP网络的平均路径长度与集聚系数统计 Table 4 The average path length and cluster coefficient of TOP network

从集聚系数来看, Top3网络集聚系数为0.75, 表现出较强的集聚性; Top5网络的集聚系数(0.78)大于Top3网络, 表明旅游网络集聚程度与网络规模成正比, 网络规模越大, 集聚系数越高。由于Top5网络连接量明显大于Top3网络, 因此从侧面也反映出旅游网络连接偏向于大量节点的内部连接。

表5 实际网络与随机网络的比较 Table 5 The comparison between the actual network and the random network

为便于对比Top3和Top5网络与其他网络类型的异同, 选择随机网络作为参照对象, 构建51个节点规模的随机网络模型, 结果显示(表5), 随机网络平均路径长度的理论值分别为3.06(Top3)和2.61(Top5), 略大于实际网络的平均路径长度(2.76、2.51); 而实际网络集聚系数远远大于随机网络。因此相较于随机网络来说, 旅游地网络具有较小的平均路径长度以及较大的集聚系数, 表现出小世界网络特性。即使网络规模很大, 但仍可以通过较短的路径到达网络的任何节点, 表现出网络的高聚类性质, 即为节点的邻居之间也会倾向于发生连接。

2.4 旅游地网络的关联性

旅游地网络是典型的异配型网络, 度与度具有负相关性, 而网络节点的集聚系数与其度存在近似的倒数关系, 因此具有层次性。具体表现为:

从度-度相关性来看(图4), 3种网络类型最近邻平均度分布均呈现下降趋势, Pearson相关系数均为负值, 因此野三坡旅游地网络是异配型网络, 即度大的节点倾向于与度小的节点相连, 这是由于受空间距离的影响, 度较大的点更多地与邻近点度相对较小的点交流, 而选择远处点度较大的旅游节点的成本较高, 因此网络连接首先在邻近连接的基础上再选择远处节点, 体现出网络连接的距离衰减效应。随着网络规模扩大, Pearson相关系数绝对值呈下降趋势, 说明网络负相关程度随规模的增大而下降, 度值大的节点越来越呈现出与度值大的节点相连趋势, “ 择优连接” 特性逐渐增强。

图4 旅游网络的关联性分析Fig. 4 The correlation analysis of tourism destination

从聚-度相关性来看(图4), Top3网络和Top5网络集聚系数与节点度之间存在近似的倒数关系, 即 Ckk-1, 说明高度值节点的集聚系数反而很低, 低度值的节点反而具有高集聚系数, 因此网络具有层次性, 这是由于大部分度值小的节点仅和周边度值高的核心节点相连, 而核心节点之间的相互连接又比较强, 反而导致这些度值低的节点具有较高的聚集表现。在层次网络中, 旅游网络连接主要集中于度值较大的核心景区与中心城镇。

3 结论与讨论
3.1 结论

本文以河北省野三坡旅游地为例, 借助TOP网络空间分析和复杂网络理论定量分析工具, 揭示旅游地网络的空间结构与复杂性特征。研究发现:1)旅游地网络在空间组织上具有分层集聚现象, 并表现出以核心景区为中心的“ 邻近连接” 以及以交通线路为依托的“ 择优连接” 双重特征, 且围绕核心景区, 形成了中心城镇、乡村社区、特色园区四位一体的旅游空间集聚单元; 2)旅游地无向网络服从幂律分布, 体现出无标度网络特性, 即增长特性和优先连接; 3)Top3及Top5网络具有较小的平均路径长度、较大的集聚系数, 呈现出典型的“ 小世界网络” 特征; 4)旅游地网络是典型的异配型网络, 度-度呈负相关, 而网络节点的集聚系数与其度值存在近似的倒数关系, 因此具有层次性。

3.2 讨论

旅游目的地是由景区、城区、社区、园区、交通通道等空间要素构成的复杂系统, 但由于各要素的旅游资源、经济基础、地理区位、交通条件、社会文化等条件不同, 在系统中承担的功能不同, 获得的社会经济效益(旅游接待规模)也有差距, 形成了既竞争又合作的复杂网络关系。其复杂性主要体现在以下3个方面:1)空间要素的复杂性, 表现在景区、城区、社区、园区以及其他新型空间要素形态; 2)网络结构的复杂性, 包括网络连接的空间集聚性、无标度性、小世界性、关联性等多种空间特性; 3)时空演化的复杂性, 旅游目的地系统演化过程中网络结构形成、生命周期演化等本身就是一种复杂性的体现, 此外各种以人类活动影响形成的主要网络节点之间会出现周期、非周期、混沌和阵发行为等同步化运动。

图5 旅游地网络空间结构Fig. 5 The spatial structure of tourism destination network

已有研究表明, 以单一旅游景区为核心旅游目的地的乡村或者城镇的旅游化过程中, 旅游地网络联系遵循距离衰减规律[34]。本研究发现, 对于有多个旅游景区的旅游目的地系统, 这种旅游化过程首先以核心景区为中心, 向周边的中心城镇、乡村社区以及特色园区拓展, 景区、城区、社区以及园区之间通过旅游产业链的延伸和旅游功能的互补, 产生旅游者流动, 呈现出特殊的旅游产业空间集聚现象, 并以核心景区为依托, 辐射带动周边的中心城镇、乡村社区以及特色园区, 形成旅游产业集聚单元, 作为旅游地网络研究的基本单位。这种旅游产业集聚单元, 按照细胞分裂的方式(图5), 又通过旅游交通通道的有机联系, 形成旅游目的地的网络化过程。在网络流动模式上首先表现为旅游集聚单元内部以核心景区为中心向周边的中心城镇、乡村社区以及特色园区的邻近流动, 其次是集聚单元之间节点的择优流动连接, 且主要发生在度值相对较大的核心景区与中心城镇之间; 并随着网络规模的扩大, 新增节点也倾向于与集聚单元内度值较大的核心景区之间产生流动, 但即使网络规模很大, 仍然可以通过很短的路径到达网络的任何节点, 即节点的邻居之间也倾向于流动连接。

旅游目的地网络节点间联系的机制包含着旅游地产业集聚的基本动力和发展模式, 其动力机制则体现为旅游产业集聚过程中, 旅游目的地系统的完善和相关产业向旅游业集聚两个步骤[35]。如景区依托型的旅游目的系统, 则体现为以景区为核心, 围绕景区的城镇、社区以及园区通过旅游交通网络化组织形成的产业集聚过程。其中旅游景区成为吸引中心或者观光旅游中心, 城镇(区)和社区则成为重要的旅游综合接待服务中心, 而园区则成为休闲度假中心和重要的消费延长点。

本文的主要贡献是定量化研究了旅游目的地网络空间组织结构及其复杂性特征, 并形成了旅游地复杂网络系统基本结构单元的初步认知, 这种理论架构的提出显然对指导全域旅游目的地建构的有序推进具有重要的现实意义; 但旅游目的地网络是一个复杂适应性系统, 本文仅仅探讨了其静态结构特征, 忽视了其动态演化与模拟预测研究, 此外, 对于旅游地网络复杂性的认识仍有广阔的提升空间, 譬如深化对旅游地网络组织与效应的研究和应用, 关注这种空间要素相互作用与旅游地网络结构的互动关系, 旅游地网络结构对广域结构的综合效应和发展导向等, 都是未来研究需要关注的重点问题。

The authors have declared that no competing interests exist.

参考文献
[1] 陈伟, 修春亮, 柯文前, . 多元交通流视角下的中国城市网络层级特征[J]. 地理研究, 2015, 34(11): 2073-2083.
[CHEN W, XIU C L, KE W Q, et al. Hierarchical structures of China’s city network from the perspective of multiple traffic flows. Geographical Research, 2015, 34(11): 2073-2083. ] [本文引用:1]
[2] 胡一竑. 基于复杂网络的交通网络复杂性研究 [D]. 上海: 复旦大学, 2008.
[HU Y H. Analysis of Complex Transportation Networks. Shanghai: Fudan University, 2008. ] [本文引用:1]
[3] ALEXANDROV N. Transportation network topologies [R]. NASA/TM, 2004. [本文引用:1]
[4] KUBY M, TIERNEY S, ROBERTS T, et al. A comparison of Geo-graphic Information Systems, complex networks and othermodels for analyzing transportation network topologies [R]. NASA/CR, 2005. [本文引用:1]
[5] ERDOS P, RÉNYI A. On the evolution of rand om graphs[J]. Bulletin of the International Statistical Institute, 1961, 38(4): 343-347. [本文引用:1]
[6] WATTS D J, STROGATZ S H. Collective dynamics of ‘smallworld’ networks[J]. Nature, 1998, 393: 440-442. [本文引用:1]
[7] BARABASI A L, ALBERT R. Emergence of scaling in rand omnetworks[J]. Science, 1999, 286: 509-512. [本文引用:1]
[8] 郑啸, 陈建平, 邵佳丽, . 基于复杂网络理论的北京公交网络拓扑性质分析[J]. 物理学报, 2012, 61(19): 95-105.
[ZHENG X, CHEN J P, SHAO J L, et al. Analysis on topological properties of Beijing urban public transit based on complex network theory. Acta Physica Sinica, 2012, 61(19): 95-105. ] [本文引用:1]
[9] 于景元, 刘毅. 复杂性研究与系统科学[J]. 科学学研究, 2002, 20(5): 449-453.
[YU J Y, LIU Y. Complexity research and system science. Studies in Science of Science, 2002, 20(5): 449-453. ] [本文引用:1]
[10] 王姣娥, 莫辉辉, 金凤君. 中国航空网络空间结构的复杂性[J]. 地理学报, 2009, 64(8): 899-910.
[WANG J E, MO H H, JIN F J. Spatial structure characteristics of Chinese Aviation network based on complex network theory. Acta Geographical Sinica, 2009, 64(8): 899-910. ] [本文引用:1]
[11] 林德明, 金鸿章, 靳相伟. 基于元胞自动机的复杂系统脆性仿真[J]. 系统工程学报, 2005, 20(2): 167-171.
[LIN D M, JIN H Z, JIN X W. Simulation of complex system brittleness based on cellular automata. Journal of Systems Engineering, 2005, 20(2): 167-171. ] [本文引用:1]
[12] 杨波, 陈忠, 段文奇. 基于个体选择的小世界网络结构演化[J]. 系统工程, 2004, 22(12): 1-5.
[YANG B, CHEN Z, DUAN W Q. Structural evolution of small-world networks based on individual selection. Systems Engineering, 2004, 22(12): 1-5. ] [本文引用:1]
[13] WATTS D J, DODDS P S, NEWMAN M E J. Newman identity and search in social networks[J]. Science, 2002, 296: 1302-1305. [本文引用:1]
[14] SEN P, DASGUPTA S, CHATTERJEE A, et al. Small-world properties of the India railway network[J]. Physical Review E: Statistical Nonlinear & Soft Matter Physics, 2003, 67(3): 036106-5. doi: DOI:10.1103/PhysRevE.67.036106. [本文引用:1]
[15] BATTY M. Cities as small worlds[J]. Environment and Planning B: Urban Analytics and City Science, 2001, 28: 637-638. [本文引用:1]
[16] PORTA S, CRUCITTI P, LATORA V. The network analysis of urban streets: A dual approach[J]. Physica A: Statistical Mechanics and Its Applications, 2006, 369(2): 853-866. [本文引用:1]
[17] 刘法建, 张捷, 章锦河, . 旅游地研究中的“联系”和网络——基于社会网络理论的旅游地研究述评[J]. 旅游科学, 2016, 30(2): 1-14, 87.
[LIU F J, ZHANG J, ZHANG J H, et al. relationships and networks in tourism destination research: A review of tourism research under the perspective of social network theory at home and abroad. Tourism Science, 2016, 30(2): 1-14, 87. ] [本文引用:1]
[18] PFORR C. Tourism policy in the making: An Australian network study[J]. Annals of Tourism Research, 2006, 33(1): 87-108. [本文引用:1]
[19] DREDGE D, PFORR C. Policy Networks and Tourism Governance[M]. London: Channel View Publications, 2008. [本文引用:1]
[20] HALL C M. Rethinking collaboration and partnership: A public policy perspective[J]. Journal of Sustainable Tourism, 1999, 7(3): 274-289. [本文引用:1]
[21] 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.
[LIU F J, ZHANG J, CHEN D D. The characteristics and dynamical factors of Chinese inbound tourist flow network. Acta Geography Sinica, 2010, 65(8): 1013-1024. ] [本文引用:1]
[22] SHIH H. Network characteristics of drive tourism destinations: An application of network analysis in tourism[J]. Tourism Management, 2006, 27(5): 1029-1039. [本文引用:1]
[23] 刘法建, 张捷, 陈冬冬. 旅游地网络的演化与时空特征研究——以黄山风景区及汤口社区为例[J]. 地理科学, 2014, 34(12): 1428-1437.
[LIU F J, ZHANG J, CHEN D D. The process and spatial-temporal feature of tourism destination network Evolution: A case study of MT. Huangshan Scenic Area and Tangkou. Scientia Geographica Sinica, 2014, 34(12): 1428-1437. ] [本文引用:1]
[24] 马耀峰, 林志慧, 刘宪峰, . 中国主要城市入境旅游网络结构演变分析[J]. 地理科学, 2014, 34(1): 25-31.
[MA T F, LIN Z H, LIU X F, et al. The evolution of network structure of inbound tourist in major cities of China. Scientia Geographica Sinica, 2014, 34(1): 25-31. ] [本文引用:1]
[25] 冷炳荣, 杨永春, 李英杰, . 中国城市经济网络空间特征及其复杂性分析[J]. 地理学报, 2011, 66(2): 199-211.
[LENG B R, YANG Y C, LI Y J. et al. Spatial characteristics and complex analysis: A perspective from basic activities of urban networks in China. Acta Geographica Sinica, 2011, 66(2): 199-211. ] [本文引用:2]
[26] 王新歌, 席建超, 孔钦钦. “实心”与“空心”: 旅游地乡村聚落土地利用空间“极化”研究——以河北野三坡旅游区两个村庄为例[J]. 自然资源学报, 2016, 31(1): 90-101.
[WANG X G, XI J C, KONG Q Q. Solid and hollowed villages: Study on the spatial polarization of tourist villages’ land use pattern—A case study of two villages in Yesanpo tourism area, Hebei Province. Journal of Natural Resources, 2016, 31(1): 90-101. ] [本文引用:1]
[27] 席建超, 王新歌, 孔钦钦, . 过去25年旅游村落社会空间的微尺度重构——河北野三坡苟各庄村案例实证[J]. 地理研究, 2014, 33(10): 1928-1941.
[XI J C, WANG X G, KONG Q Q, et al. Micro-scale social reconstruction of the tourist village in the past 25 years: A case study of Gouge Village in Yesanpo, Hebei Province. Geographical Research, 2014, 33(10): 1928-1941. ] [本文引用:1]
[28] 席建超, 王首琨, 张瑞英. 旅游乡村聚落“生产-生活-生态”空间重构与优化——河北野三坡旅游区苟各庄村的案例实证[J]. 自然资源学报, 2016, 31(3): 425-435.
[XI J C, WANG S K, ZHANG R Y. Restructuring and optimizing production-living-ecology space in rural settlements—A case study of Gougezhuang Village at Yesanpo tourism attraction in Hebei Province. Journal of Natural Resources, 2016, 31(3): 425-435. ] [本文引用:1]
[29] 朱冬芳, 陆林, 虞虎. 基于旅游经济网络视角的长江三角洲都市圈旅游地角色[J]. 经济地理, 2012, 32(4): 149-154, 135.
[ZHU D F, LU L, YU H. Analysis on the roles of tourism destination in the Yangtze River Delta metropolitan area—Based on the perspective of tourism economy. Economic Geography, 2012, 32(4): 149-154, 135. ] [本文引用:1]
[30] 吴康, 方创琳, 赵渺希. 中国城市网络的空间组织及其复杂性结构特征[J]. 地理研究, 2015, 34(4): 711-728.
[WU K, FANG C L, ZHAO M X. The spatial organization and structure complexity of Chinese intercity networks. Geographical Research, 2015, 34(4): 711-728. ] [本文引用:2]
[31] SHIH H. Network characteristics of drive tourism destinations: Anapplication of network analysis in tourism[J]. Tourism Management, 2006, 27: 1029-1039. [本文引用:1]
[32] NEWMAN M E J. The structure and function of complex networks[J]. SIAM Review, 2003, 45(2): 167-256. [本文引用:1]
[33] 赵玲, 邓敏, 王佳, . 基于复杂网络理论的城市路网结构特性分析[J]. 地理与地理信息科学, 2010, 26(5): 11-15.
[ZHAO L, DENG M, WANG J, et al. Structural property analysis of urban street networks based on complex network theory. Geography and Geo-Information Science, 2010, 26(5): 11-15. ] [本文引用:1]
[34] 席建超, 王新歌, 孔钦钦, . 旅游地乡村聚落演变与土地利用模式——野三坡旅游区三个旅游村落案例研究[J]. 地理学报, 2014, 69(4): 531-540.
[XI J C, WANG X G, KONG Q Q, et al. Spatial morphology evolution of rural settlements induced by tourism: A comparative study of three villages in Yesanpo tourism area, China. Acta Geographica Sinica, 2014, 69(4): 531-540. ] [本文引用:1]
[35] 马晓龙, 卢春花. 旅游产业集聚: 概念、动力与实践模式——嵩县白云山案例[J]. 人文地理, 2014(2): 138-143.
[MA X L, LU C H. Tourism industry cluster: Concept, motivation and practical mode—A case study of Baiyun Mountain, Song County. Human Geography, 2014(2): 138-143. ] [本文引用:1]