基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究.pdf

43旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,2023基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究孙媛媛时少华（北京联合大学旅游学院北京100101）观点与创新：采用社会网络分析法和指数随机图模型探究运河沿岸城市旅游流网络结构影响机理 旅游流网络集散能力受 4 类因素共同影响 核心中转城市的非替代性主要源于城市可达性 验证了旅游推拉理论、结构洞理论、核心边缘理论在运河沿岸城市旅游流研究中的适用性摘要：运河沿岸城市旅游流网络结构特征及影响因素研究对运河旅游发展具有重要意义，本文从 39 个运河沿岸城市的旅游者网络游记中提取流动信息构建旅游流网络，运用社会网络分析法（SNA）和指数随机图模型（ERGM）分析旅游流网络结构特征及不同因素对运河沿岸城市旅游流网络的共同影响。通过探究运河沿岸城市旅游流网络结构特征的深层影响机理，发现旅游流网络结构特征是多种因素共同作用的结果：（1）旅游吸引力导致长三角地区运河沿岸城市旅游流频数分布呈现差异性；（2）旅游流集散能力受经济发展水平、城市可达性、城市环境质量和城市旅游吸引力共同影响；（3）核心中转城市的非替代性主要源于城市高可达性；（4）经济发展水平是核心边缘结构特征形成的重要影响因素。本文对运河沿岸城市旅游流规划管理与可持续发展具有启示意义。关键词：网络游记；运河沿岸城市；旅游流；网络结构；影响因素中图分类号F59 DOI：10.12054/lydk.bisu.236文献标识码A 文章编号2096-3238（2023）05-0043-23收稿日期2023-03-28；修订日期2023-08-28基金项目 本研究受国家社会科学基金艺术学项目“京杭运河传统村落非物质文化遗产活态保护传承与旅游融合发展研究”（项目编号：20BH151）、北京市教育委员会科研计划项目暨北京市社会科学基金一般项目“文旅融合视野下北京地区大运河传统村镇民俗文化活态保护传承研究”（项目编号：SZ202311417024/22GJB024）资助。作者简介 孙媛媛（1999），女，安徽合肥人，北京联合大学旅游学院硕士研究生，研究方向：旅游管理。时少华（1978），男，山东日照人，博士，北京联合大学旅游学院教授，研究方向：旅游管理、文化遗产管理研究。通讯作者。E-mail：引用格式 孙媛媛，时少华.基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究J.旅游导刊，2023，7（5）：4365.SUN Yuanyuan，SHI Shaohua.Research on the structural characteristics and infl uencing factors of urban tourism fl ow networks along the grand canals：Insights from online traveloguesJ.Tourism and Hospitality Prospects，2023，7（5）：4365.基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究44引言2017年以来，大运河文化带、大运河国家文化公园建设工程先后启动，推进了运河文化保护传承与旅游利用的融合，运河沿岸城市的旅游业也得到了快速发展。研究运河沿岸城市之间旅游者流动的网络结构特征及影响因素，既有利于运河旅游者规划与设计出游线路，又有助于运河旅游开发规划者明确运河沿岸城市旅游节点的功能定位，促进运河沿岸城市旅游流布局规划及旅游产品开发设计，对大运河国家文化公园建设和运河旅游可持续发展都具有重要现实意义。旅游流是以旅游者为主体在不同空间尺度流动所形成的复杂系统（Williams&Zelinsky，1970；唐顺铁、郭来喜，1998），国内外旅游流研究主要集中在旅游流流量统计与预测（Popescu，Hontus&Caratus-Stanciu，2020；Saluveer，Raun&Tiru，et al.，2020）、旅游流空间结构及空间分布（Mou，Zheng&Makkon，et al.，2020；王淑华、董引引，2021；方叶林、苏雪晴、黄震方等，2022）、旅游流扩散规律及空间效应（闫闪闪、靳诚，2019；Wang，Chen&Wu，2021；Xu，Li&Belyi，et al.2021）、旅游流时空分布及演化研究（Yang，Han&Gong，et al.，2020；王晓芳、郭艳、李宇晟等，2023）等方面。近年来，基于自媒体平台、GPS 定位数据、网络游记、GIS 数据等的数字足迹分析成为旅游流研究热点，相关研究主要涉及 3 个方面：一是通过网络文本分析研究旅游流目的地形象（Lojo，Li&Xu，2020；Yang，Sha&Su，et al.，2022）；二是通过 GPS 定位及自媒体技术研究旅游者流动的时空行为模式（Khan，Wan&Yu，2020；Zheng，Mou&Zhang，et al.，2021）；三是基于互联网数据研究旅游网络结构及旅游消费者行为（Manoharan&Ammayappan，2020；王淑华、董引引，2021；王晓芳、郭艳、李宇晟等，2023）。已有研究成果为本文从网络文本角度构建旅游流关系网络并进行结构特征分析提供了文献支撑。旅游流驱动机制及影响因素研究也日益受到重视。一些学者根据旅游推拉理论，提出城市吸引力（闫闪闪、靳诚，2019；贺小荣、徐海超、夏凡，2021；李倩、曲凌雁，2021；Zheng，Mou&Zhang，et al.，2021）、城市环境质量（李磊、陶卓民、陆林等，2021；刘庆芳、王兆峰，2021）等因素会影响旅游流频次及空间分布。部分研究者依据结构洞理论，提出城市可达性对城市节点的中转能力有影响，且旅游流网络中的结构洞对旅游流形成也具有显著影响（王永明、王美霞、吴殿廷等，2018；李倩、曲凌雁，2021；王晓芳、郭艳、李宇晟等，2023）。少数学者基于核心 边缘理论，提出经济发展水平对旅游流网络45旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,2023结构特征的形成有正向显著影响（马丽君、肖洋，2018；Yang，Han&Gong，et al.，2020；杜家禛、靳诚、徐菁等，2021）。相关研究为本文阐明旅游流网络影响机理提供了借鉴与分析思路。对于旅游流网络空间结构特征的分析，已有研究主要采用数理统计方法、空间计量方法、“3S”（GIS、RS、GPS）技术、社会网络分析方法（Social Network Analysis，SNA）、计算机仿真方法等（闫闪闪、靳诚，2019；李倩、曲凌雁，2021）。其中，SNA 方法是研究旅游流空间分布特征和规律的有效方法（杜家禛、徐菁、靳诚，2021；李磊、陶卓民、陆林等，2021）。对于旅游流网络影响因素的分析，已有研究大多采用传统统计回归模型、空间分析、质性分析等方法，考虑到旅游流网络结构本身作为复杂关系变量与属性变量的差异，指数随机图模型（Exponential Random Graph Models，ERGM）作为社会关系网络的一种高级建模与回归分析模型，可以用于研究多元网络关系，并分析不同类型参数变量对旅游流网络整体的直接影响效应（Wang，Sharpe&Robins，et al.，2009；Xu，Cheng&Su，et al.，2021；邹统钎、韩全、常东芳，2022），更好地适配旅游流各层次网络关系和属性指标的要求，因此本文综合运用 SNA 方法和 ERGM 模型进行研究。目前关于运河旅游的研究多关注运河形象感知、运河旅游开发路径、运河遗产保护与管理等层面（He&Wu，2022；焦敏、路璐、牛福长等，2023；Zhang，Liu&Pei，et al.，2023），以定性分析与定量调查方法为主，且学者多关注局部河段运河旅游的地域性、本土化问题（Zhang&Lenzer，2020；Qian，2021），缺乏关注运河全域的整体性研究视野。综上，本文基于网络文本数据，综合运用 SNA 方法和 ERGM 模型，研究运河沿岸城市旅游流网络结构特征及影响因素，在研究对象、内容及分析方法方面具有一定创新性。一、研究区域、数据来源与研究方法1.研究区域大运河是世界上时空跨度最广的人工运河，包括隋唐运河、京杭运河以及浙东运河，南北流经 8 个省级行政区，串联五大水系，是中国古代连接南北的交通要道，两岸分布着许多留存了大量运河文化遗产和运河文化旅游资源的城市，吸引了众多旅游者。由于时间、城镇形态以及运河流域的不断演化，运河沿岸区域目前还没有明确界定（邹统钎、韩全、常东芳，2022），本文参考前人对运河沿岸城市的界定（施利锋、黄贤金，2019；刘洁君，2021），依据国基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究46家文物局和大运河HGIS大数据与服务平台数据，结合2019年中共中央办公厅、国务院办公厅印发的大运河文化保护传承利用规划纲要中大运河文化带涵盖范围资料，确定研究区域为大运河流经或历史上曾流经且目前受到运河影响的 39 个城市（见表 1）。表 1 运河沿岸城市分布Tab.1 Distribution of cities along the canal区域Area名称Name直辖市北京、天津河北省沧州、廊坊、保定、衡水、邢台、邯郸山东省德州、泰安、聊城、济宁、枣庄河南省洛阳、郑州、开封、商丘、焦作、新乡、鹤壁、安阳、濮阳安徽省淮北、宿州、宣城江苏省宿迁、徐州、淮安、扬州、镇江、常州、无锡、苏州、泰州浙江省嘉兴、杭州、湖州、绍兴、宁波2.数据来源本研究采用网络爬虫技术获取与运河沿岸城市相关的网络游记，考虑到网络游记平台的权威性、数据样本性和动态及时性，选择马蜂窝、携程旅行、驴妈妈作为数据采集平台；考虑到近 3 年（20202022 年）的旅游者流动数据受疫情影响不能够反映出正常水平，故选择了新冠疫情暴发前 3 年（2017 年 1月 1 日至 2019 年 12 月 31 日）的数据作为样本，在上述网站中以“运河”“城市”“旅游”等为关键词进行检索，共搜集网络文本7 215篇，剔除内容不完整、重复发表、图片过多文字较少、广告宣传等类型文本后，整理出有效网络游记3 128 篇。根据网络游记，提取旅游者游览路线中涉及运河景点的城市，按照旅游者出行线路将城市节点顺次连接，记录游客所到城市的旅游频次（即网络权重），由此建立运河沿岸城市之间的 1-模邻接矩阵，如果某旅游者由节点城市i 到节点城市 j，则（i，j）值为 1，由于旅游活动具有重复性，在此基础上频次不断累加，依据流动频次多少得到多值有向关系矩阵，再用地理信息系统软件ArcGIS 绘制运河沿岸城市旅游流网络结构图（见图 1）。运河沿岸城市旅游流网络结构影响因素指标包含多种类型数据。这些数据主要来源于百度指数（网络关注度）、国家基础地理信息中心网站的城市地图矢量数据（城市邻近性）、2017 年至 2019 年的中国城市统计年鉴和各城市文旅网站年度数据（运河旅游资源禀赋、建成区绿化率、空气质量指数、加权47旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,2023平均旅行时间、城市生产总值、人均生产总值）。旅游流网络权重（频次）Tourism flow network weight(Frequency)0303160619091120城市千米0 55 110220图 1 运河沿岸城市旅游流网络结构Fig.1 The network structure of tourism fl ow in cities along the canal注：本图根据自然资源部监制的标准地图审图号 GS（2023）336 号制作，底图无修改；此图仅作示意，如需清晰大图，请与编辑部联系，图 2 同3.研究方法（1）SNA 方法SNA 是研究行动者之间位置与关系强度的分析方法（刘军，2009），从旅游流角度看，SNA 方法主要用于分析城市节点在旅游者流动关系网络中的地位和角色特征。本文从旅游流频次与网络紧密度分析、集聚扩散分析（中心性分析）、结构洞分析、核心边缘分析角度探讨运河沿岸城市旅游流网络结构特征。旅游流频次与网络紧密度分析。旅游流频次指运河沿岸各节点城市间产生有向旅游者流动的次数，网络紧密度为网络实际关系数量与理论关系数量的比值。集聚扩散分析。主要通过程度中心性指标来测量，指网络中某节点与其基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究48他节点的联系紧密程度，可以反映出整体运河沿岸城市旅游流网络中每个节点集聚扩散的程度。在有向网络中，程度中心性又分为外向中心度和内向中心度（刘军，2009），计算公式分别为：=n1jijiDO）（nCR（1）R=n1jjiiDI）（nC（2）n 为网络中所包含的节点总数，式（1）中，CDO(ni)表示外向中心度，Rji代表节点 i j 的旅游流连接关系，存在联系记为 1，反之为 0；式（2）中，CDI(ni)表示内向中心度，Rji代表节点 j i 的旅游流连接关系，存在联系记为 1，反之为 0。在旅游流研究中，外向中心度越大，表示该节点城市的游客流出量越大，节点的辐射扩散能力越强；内向中心度越大，表示游客向城市节点的流入量越大，旅游节点的集聚能力越强（吴中堂、刘建徽、袁俊，2016）。结构洞分析。某一运河沿岸城市节点占据的结构洞位置越多，就会利用信息和资源建立更广泛的旅游联系，获得更多价值和经济回报，对其他城市节点的影响程度也越大，在网络中的行动越高效。本研究使用有效规模和限制度两个指标来衡量网络结构洞水平，计算公式分别为：),q i,j(1 jqi=jqiq Smp（3）,q i,j)1 ()1(2q2+=ijCin1qn（4）式（3）中，Si代表网络有效规模，用来测量节点的网络影响力，j 表示与 i相连的节点，而 q 是除了 i 和 j 以外的第三点，piq测量的是 i 投入到 q 的关系占i 总关系的比例，mjq是 j 到 q 的关系占 j 到其他节点关系中的最大值的比例，有效规模越大，表示该节点在网络中影响力越大，掌握的资源和信息越多。式（4）中，Cij代表网络限制度，指某节点在网络中运用结构洞的能力，j表示所有与 i 相连的节点，而 q 是除了 i 和 j 以外的第三点，ni和 nq分别是节点 i 和 q 的个体网规模，节点 i 的信息资源受第三节点 q 向节点 j 投入关系资源多少的制约，限制度是逆向指标，值越小，说明该节点运用结构洞的能力越强，越不受限制。核心 边缘分析。由弗里德曼提出的核心 边缘理论主要解释了区域间经济发展关系和区域空间结构演变模式，该理论认为城市核心区的经济发展水49旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,2023平较高且具有良好的经济结构，可以辐射周边地区并与之产生更紧密的联系，而边缘区经济发展水平相对落后，处于被支配地位（Friedmann，1966）。本文核心与边缘的密度运用弱核心 边缘块模型来计算，模型公式为：1b+=D（5）式（5）中，为边缘关系系数，表示边缘关系密度占网络密度的大小；是核心关系系数，表示核心关系密度占网络密度的大小；b 为核心关系变量；1为残差项，表示对于网络密度来说未被解释的项目。在整体网络中，核心区域的城市居于支配地位且具有更强的辐射能力，会带动周边城市联动发展，一定程度上掌控着整个旅游流网络结构及变化方向（徐敏、黄震方、曹芳东等，2018），而处于边缘地区的城市之间联系较少，节点辐射能力较弱，受到核心城市的影响较小。（2）指数随机图模型传统的回归分析方法在研究属性数据的因果关系时具有优势，但对于因变量和自变量都存在关系数据的因果关系分析效果有限。指数随机图模型作为关系数据的一种因果关系建模方法，其模型因变量可以为网络关系数据，自变量可以为节点的属性数据及节点间的关系数据，并能建立类似传统回归模型的网络分析模型，进而分析运河沿岸城市旅游流网络结构的影响效应。因此，较传统回归分析方法而言，指数随机图模型更适用于网络关系数据的因果分析。指数随机图模型起源于贝努利模型，常用于二元关系分析，但在观察有向网络时，并不能很好地反映三元及以上网络结构趋势；为解决这一问题，Frank和 Strauss（1986）提出 Markov 指数随机图模型，该模型成为近 20 年的主流模型，但在复杂网络中存在适用性不强的问题（Robins，Snijders&Wang，et al.，2007；王越乙、徐枞巍，2015）；为了弥补这一缺陷，Snijders、Pattison 和Robins 等（2006）将实现 依赖关系假设引入指数随机图模型中，并提出了社会圈模型假设。综合考虑以上因素，将本研究的运河沿岸城市旅游流影响因素指数随机图模型表示为：=(x)XPnnRzexpk1)x(（6）其中，P 代表运河沿岸城市旅游流网络结构的变化趋势；k 是确保网络结构概率取值之和在 01 的标准化常数；Zn(x)为运河沿岸城市旅游流网络影响因素统计量，主要包括网络二元协变量和城市节点属性变量；n为网络统计量的估计参数。本研究采用指数随机图模型仿真软件 PNet 进行数据分析，该软件主要基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究50采用马尔科夫链蒙特卡洛估计法（Markov Chain Monte Carlo，MCMC）进行参数估计，使用实现 依赖条件假设，在所有可能形成的网络中，估算出构成各种网络结构的概率分布（Hatak，Lang&Roessl，2016；时少华、李享，2019）。二、运河沿岸城市旅游网络结构特征分析1.旅游流频次及空间分布经计算，运河旅游流包含 39 个城市节点，理论上最大可能的关系数量为1 482 条，但实际产生的关系数量为 632 条，网络紧密度为 0.43，网络整体规模及紧密度较小。从图 1 可知，整体来说运河沿岸城市旅游流呈现由北向南、由西向东递增的特征，该特征与以往研究结论有一定相似性（方叶林、黄震方、李经龙等，2022）。运河沿岸城市旅游者流动主要集中在京津冀鲁、长三角地区以及河南省三大区域。从图 2 可知，三个区域中，京津冀鲁、河南省旅游流频数分布呈现为“核心省会（直辖市）+重要城市+外围散点”模式，北京天津沧州、郑州洛阳开封分别是这两个区域最热门的旅游线路，其中北京、郑州为核心省会（直辖市），天津、洛阳、开封、沧州为重要城市。长三角地区旅游流频数分布呈现出“多中心+多核心”模式，扬州镇江、无锡苏州、嘉兴杭州为该区域中较热门的旅游线路，其中扬州、镇江、无锡、苏州、嘉兴、杭州为核心城市，在频数上领先其他城市。旅游流网络权重（频次）Tourism flow network weight(Frequency)0303160619091120c.河南省a.京津冀鲁b.长三角图 2 三大运河城市群旅游流频次分布及网络结构Fig.2 Distribution of tourism fl ow frequency in three canal urban agglomerations and network structure51旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,20232.集聚扩散分析旅游流集聚扩散特征反映了运河沿岸城市节点的集散水平。经计算，外向中心度（扩散性）的最大值为 163，内向中心度（集聚性）最大值为 129，分别将这两个指标的平均值作为运河沿岸城市旅游流集聚扩散的标准，则 081 为低扩散水平，82163 为高扩散水平，064 为低集聚水平，65129 为高集聚水平，进而将节点城市划分为如下 4 个类型。（1）高高型：旅游流扩散和集聚均处于高水平，是主要集散城市，如杭州、扬州、苏州。这些城市对其他城市的吸引和辐射能力较强，其中杭州的内向（129）和外向（113）中心度均在 100 以上，是整个运河沿岸城市旅游流网络的重要集散中心。扬州和苏州的内向和外向中心度分别为 105、83 和 99、99，两座城市运河文脉突出，有多条经典运河文化旅游线路，吸引了大量游客，呈现出高扩散性和高集聚的特性。（2）低高型：旅游流扩散水平低、集聚水平高，为低扩散高集聚城市，如开封、洛阳、无锡、嘉兴。这些城市具有浓厚的历史文化氛围和运河景致，吸引着游客前来。但这 4 个城市周边的运河沿岸城市的旅游资源吸引力相对不足，导致旅游流向周边城市扩散的效应不强。（3）高低型：旅游流扩散水平高、集聚水平低，为高扩散低集聚城市，如北京。北京作为世界旅游城市，同时还是运河的终点，历史文化底蕴深厚，但由于北京段运河没有完全开通，运河两岸历史和文化游憩资源开发不足，产品较为单一，与高高型城市相比，运河旅游产品对游客吸引力不足，导致集聚水平低。但是，北京作为京津冀地区的交通枢纽，游客多选择从北京出发，去往旅游吸引力更高的运河沿岸城市，因而呈现出高扩散性特性。（4）低低型：旅游流集聚、扩散能力均处于较低水平，有 31 个低低型城市。这些城市在旅游流网络中位置不佳，与其他节点的互动交流较少，城市输入或输出旅游流能力不强。这些城市中，郑州的集聚扩散水平相对高一些，其次为天津、徐州、镇江、淮安、济宁、绍兴、枣庄、湖州等。3.结构洞分析结构洞分析主要通过有效规模和限制度两个指标来测量。将有效规模和限制度以各自平均值为临界点，划分为两个等级（见图 3），则 015.61 为有效规模小，15.6231.22 为有效规模大；00.39 为限制度小，0.400.78 为限制度大。基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究52有效规模（Efficient scale）限制度（Degree of limitation）015.6131.22北京天津徐州杭州扬州洛阳无锡枣庄淮北淮安开封苏州宣城郑州济宁安阳湖州嘉兴泰安宿州常州沧州聊城德州邯郸衡水宁波泰州镇江绍兴商丘保定宿迁濮阳邢台廊坊焦作新乡鹤壁00.390.78北京天津徐州杭州扬州洛阳无锡枣庄淮北淮安开封苏州宣城郑州济宁安阳湖州嘉兴泰安宿州常州沧州聊城德州邯郸衡水宁波泰州镇江绍兴商丘保定宿迁濮阳邢台廊坊焦作新乡鹤壁图 3 运河沿岸城市旅游流网络节点结构洞分析Fig.3 The structural hole analysis of tourism fl ow network in cities along the canal经计算，有 15 座主要中转城市表现为有效规模大、限制度小，分别为北京、天津、徐州、杭州、扬州、洛阳、无锡、枣庄、淮北、淮安、开封、苏州、宣城、郑州、济宁。这些城市运用结构洞的能力较强，掌握着旅游流网络中较多的信息和资源，其中北京市网络规模最大（31.22）且限制度最小（0.14），说明北京是整个旅游流网络中不可替代的核心中转城市，在网络中具有明显“中介”优势，依靠其发达的交通网络和区位优势，成为整个运河沿岸城市旅游流网络中最重要的“桥”。其他次要中转城市如安阳、泰安、宿州、常州、沧州、聊城、德州、邯郸、衡水，表现为有效规模较小但限制度也较小。这些次要中转城市虽然在旅游流网络中影响力不大，但因为其多靠近主要中转城市，地理区位优势明显，故运用结构洞的能力较强，成为周边中转能力较弱城市的依赖，未来发展潜力较大。湖州、泰州、宁波、嘉兴、镇江、绍兴、商丘、保定、宿迁、濮阳、邢台、廊坊、焦作、新乡、鹤壁等一般中转城市表现为有效规模小且限制度高，这些城市在旅游流网络中影响力较小，与周围城市节点联系较弱，且掌握的中介资源不足，运用结构洞的能力有限，在网络中处于较孤立的位置。4.核心 边缘分析核心 边缘分析可以帮助判断运河沿岸城市节点在旅游流网络中的核心或边缘位置。计算发现，运河沿岸城市旅游流网络的拟合优度值为 0.635，核心边缘分层明显。核心区域的城市有北京、天津、嘉兴、杭州、徐州、无锡、扬州、镇江、苏州，其余 30 个城市为边缘区域。核心区域城市节点之间的密度为53旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,20234.856，城市间旅游流较为稠密且互动频繁，而边缘区域城市节点之间的密度为0.680，城市间联系不强，旅游流网络结构较松散。三、运河沿岸城市旅游流网络的影响因素分析1.运河沿岸城市旅游流网络影响因素指标构成与含义综合考虑相关文献，选择城市旅游吸引力、城市环境质量、城市可达性、经济发展水平 4 个一级指标（下设 8 个二级指标）作为运河沿岸城市旅游流网络的影响因素指标，指标构成与具体含义见表 2。为排除指标量纲的影响，对原始数据进行标准化处理，具体方法为：minmaxminijijXXXXY=。其中 Yij和 Xij分别表示第 i 个城市第 j 个指标标准化后的值和原始值，Xmin和 Xmax分别为第 i 个城市第 j 个指标数据中的最小值和最大值。表 2 运河沿岸城市旅游流网络的影响因素指标Tab.2 Indicators of infl uencing factors of tourism fl ow network in cities along the canal一级指标First-level indicator二级指标Second-level indicator二级指标构成Second-level indicator composition预期影响Expected impact文献依据Literature source城市旅游吸引力Urban tourism attraction网络关注度NA（万次/年）选取 2017 年至 2019 年关键词“城市名”“城市名+运河”“城市名+运河+旅游”的日均百度指数，汇总后得到每个城市年均运河网络关注度+汪秋菊、黄明、刘宇，2015；李倩、曲凌雁，2021运河旅游资源禀赋ATRSPQWD=D 为旅游资源禀赋，Q 为城市内 A 级以上运河旅游景点个数，W 为权重（AAAAA 级 景 点 加 权 5 分，AAAA级景点加权 4 分，以此类推），S 为面积（km2），P 为年平均人口（万人）+王永明、王美霞、吴殿廷等，2018；杜家禛、靳诚、徐菁等，2021；李倩、曲凌雁，2021；Zheng，Mou&Zhang，et al.，2021基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究54续表（Continued）一级指标First-level indicator二级指标Second-level indicator二级指标构成Second-level indicator composition预期影响Expected impact文献依据Literature source城市环境质量Urban environmental quality建成区绿化率GR（）据中国城市统计年鉴，取 2017 年至 2019 年建成区绿化率平均值+刘庆芳、王兆峰，2021空气质量指数 AQI按照美国环境保护署公布的 PM2.5 年均浓度和空气质量之间的划分标准，将处于 15.5150.4（g/m3）区间内的细颗粒物（PM2.5）年均浓度划分为空气质量较好、中等、较差 3 个等级+杜家禛、徐菁、靳诚，2021；刘庆芳、王兆峰，2021城市可达性Urban accessibility加权平均旅行时间CR（小时）考虑到现代游客的出行习惯，时间距离更能反映交通的便捷程度，计算公式为：POUPGDPMMMTA,jn1jjjijn1ji=）（其中，Ai为节点城市 i 的可达性，Tij为借助交通工具从节点城市 i 到达节点城市 j 所花费的最短时间（小时），Mj为节点 j 的城市质量（即权重），1 j 39，j=1 即为北京，依此类推，GDP 为地区生产总值（亿元），POUP 为城市人口数（千万人）-马丽君、肖洋，2018；李磊、陶卓民、陆林等，2021空间邻近性CP根据城市行政区划图，若两地相邻，则赋值为 1，否则赋值为 0，是空间邻接关系数据、二元网络属性变量+杜家禛、徐菁、靳诚，2021；李倩、曲凌雁，2021经济发展水平Level of economic development城市生产总值GDP（亿元）据中国城市统计年鉴，各城市分别取其 2017 年至 2019 年 3 年城市生产总值的平均值+马丽君、肖洋，2018；李磊、陶卓民、陆林等，2021人均生产总值PGDP（元）据中国城市统计年鉴，各城市分别取其 2017 年至 2019 年 3 年人均生产总值的平均值+Yang，Han&Gong，et al.，2020；杜家禛、靳诚、徐菁等，2021注：影响效应列中，“+”代表该二级指标对运河沿岸城市旅游流网络预期影响效应为正向，“-”代表该二级指标对运河沿岸城市旅游流网络预期影响效应为负向55旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,20232.模型建立将表 2 中 6 个连续型变量（网络关注度 NA、运河旅游资源禀赋 ATR、建成区绿化率 GR、加权平均旅行时间 CR、城市生产总值 GDP、人均生产总值PGDP）、1 个离散型变量（空气质量指数 AQI）、1 个二元网络属性变量（城市邻近性 CP）作为运河沿岸城市旅游流网络的影响因素，建立指数随机图有向网络模型如下：+=）（PGDPGDPCPCRAQIGRATRNA87654321 expk1P(X=x)（7）针对该模型，使用 PNet 软件的估算模块对网络影响因素进行估计。在模型初始化阶段，设定参数估计量值均为“0”，为了使模型结果收敛并改善估计结果，在 PNet 软件中初始设定为无条件约束仿真，增益因子为 0.01，乘数因子为10，估计过程中的 5 个子阶段迭代次数均设置为系统默认的 500 次。通过系统不断调整优化，选择最后一个子阶段的平均参数值作为模型的最终估计值，模型共计生成了 23 个收敛的数据估计结果，通过比较各数据估计结果的 t-比率值，最终选择了拟合优度最优的估计结果（见表 3），该估计结果中标准误差相对其他数据估计结果来说最小，各个参数估计量 t-比率绝对值均小于或接近0.1，模型拟合情况良好。表 3 模型参数估计及拟合优度检验Tab.3 Model parameter estimation and test goodness of fi t 参数估计量Parameter estimator估计值Estimated value标准误Standard errort-比率t-ratioNA 网络关注度0.455 391*0.113 410.041ATR 运河旅游资源禀赋-0.327 1170.245 780.027GR 建成区绿化率1.284 967*0.113 510.081AQI 空气质量指数-0.367 0790.096 76-0.020CR 加权平均旅行时间-1.151 080*0.106 54-0.019CP 空间邻近性0.599 393*0.194 420.004GDP 城市生产总值2.016 749*0.424 210.087PGDP 人均生产总值2.002 543*0.137 890.071注：*指模型中自变量参数估计值的绝对值达到标准误绝对值的两倍以上，表示该影响因素指标对运河沿岸城市旅游流网络具有显著影响效应基于网络游记的运河沿岸城市旅游流网络结构特征及影响因素研究563.结果分析（1）从城市旅游吸引力看，网络关注度的参数估计值为 0.455 391 且显著，表明运河沿岸城市的网络关注度对旅游流网络有正向影响效应。该结论与一些学者的研究结论类似（汪秋菊、黄明、刘宇，2015），即网络关注水平与旅游流量之间存在显著正向影响效应。另外，资源禀赋的参数估计值为-0.327 117且不显著，这与前人研究存在差异（王永明、王美霞、吴殿廷等，2018；贺小荣、徐海超、夏凡，2021；Zheng，Mou&Zhang，et al.，2021），导致这种差异的原因在于，与区域性城市旅游资源的丰富度、开发利用成熟度相比，大部分城市的运河旅游资源尚未得到充分开发，知名度低，对旅游者吸引力较小，故运河旅游资源禀赋对运河旅游流影响并不显著。（2）城市环境质量中，建成区绿化率参数估计值为 1.284 967 且显著，表明该因素指标对运河沿岸城市旅游流网络有显著正向影响，这与预期结果相符，即建成区绿化率越高，对旅游流影响越强。空气质量指数参数估计值为-0.367 079，与旅游流网络负相关，但不显著，这与预期结果不符。过往研究表明，良好的城市环境质量对旅游流形成有较强的积极影响效应（李磊、陶卓民、陆林等，2021；刘庆芳、王兆峰，2021），但本研究调研发现，运河旅游流中，旅游者对空气质量的关注度比较低，通常在空气污染严重的情况下才考虑空气质量因素，故导致运河沿岸城市环境质量对旅游流形成的影响不显著。（3）从城市可达性看，加权平均旅行时间参数估计值为-1.151 080 且显著，表明城市之间旅行时间越短对旅游流网络影响越强。空间邻近性参数估计值为0.599 393 且显著，表明运河沿岸城市空间越邻近，对旅游流网络越有显著正向影响。该结论与前人研究结论相似（马丽君、肖洋，2018；李磊、陶卓民、陆林等，2021），即加权旅行时间对旅游流的影响为负相关关系，空间邻近性对旅游流的影响为正相关关系。（4）从经济发展水平看，运河沿岸城市生产总值参数估计值为 2.016 749，人均生产总值为 2.002 543，两个指标均显著，说明运河沿岸城市生产总值和人均生产总值越高，对旅游流网络产生的正向影响越强。一些学者认为，流量较大的旅游流主要形成在经济水平较高的地区（马丽君、肖洋，2018；Yang，Han&Gong，et al.，2020；杜家禛、徐菁、靳诚，2021），本研究也证实了这一观点。57旅游导刊 第 7 卷 2023 年第 5 期 Tourism and Hospitality Prospects Vol.7 No.5,2023四、讨论与展望1.研究讨论前文分析揭示了运河沿岸城市旅游流的网络结构特征及其与影响因素之间的关联效应，在此基础上，以旅游推拉理论、结构洞理论和核心 边缘理论为理论基础，参考已有研究成果，笔者尝试提出运河沿岸城市旅游流网络结构特征影响机理，如图 4。城市环境质量Urbanenvironmentalquality频次空间分布特征Frequency spatial distributioncharacteristics 核心边缘特征Core-periphery characteristics 结构洞特征Structural hole characteristics 集聚扩散特征Agglomeration diffusion and characteristics 城市旅游吸引力Urban tourism attraction城市可达性Urban accessibility经济发展水平Level of economic development直接影响间接影响旅游推拉理论Tourism push-pull theory结构洞理论Structural hole theory核心边缘理论Core-periphery theory旅游流网络结构特征Structural characteristics of tourism flow networks影响因素Influencing factors理论基础Theory basis理论指导图 4 运河沿岸城市旅游流网络结构特征影响机理Fig.4 The infl uence mechanism diagram of the tourism fl ow netwo