基于數(shù)字足跡的自駕車旅游客流時空特征研究

羅秋菊++梁思賢

[摘 要]文章以云南省為研究案例，利用網(wǎng)絡(luò)游記與照片兩種“數(shù)字足跡”，研究入滇自駕車旅游客流的時空特征，并與一般入滇旅游客流的特征進行比較，為應(yīng)用新數(shù)據(jù)方法研究旅游流時空提供參考，同時豐富時空二元視角下的自駕客流研究成果，也有利于自駕車旅游目的地的營銷與管理。研究結(jié)果顯示：（1）自駕客流出游時間分布集中度較高，黃金周及寒暑假內(nèi)容易出現(xiàn)客流高峰，與一般入滇客流的時間特征基本保持一致。（2）客源地空間分布上，一則呈現(xiàn)近域性顯著、東部集中性明顯；二則自駕客流空間距離衰減規(guī)律不明顯，空間使用曲線出現(xiàn)多次波動，客源地分布與國內(nèi)經(jīng)濟發(fā)達省市的地理分布保持一致。（3）目的地空間分布上，一則自駕客流在云南24個旅游節(jié)點內(nèi)非均衡集中分布，并形成位于4大區(qū)域的5條旅游線路；二則與一般入滇客流的“單核放射狀”分布形態(tài)不同，自駕客流整體呈現(xiàn)多核心、多線狀、多區(qū)域的“多核線網(wǎng)狀”空間分布形態(tài)；三則自駕客流網(wǎng)絡(luò)密度較低，網(wǎng)絡(luò)結(jié)構(gòu)分層明顯，但核心旅游區(qū)帶動及影響邊緣旅游區(qū)的能力不強。

[關(guān)鍵詞]數(shù)字足跡；自駕；旅游流；時空特征；云南省

[中圖分類號]F59

[文獻標(biāo)識碼]A

[文章編號]1002-5006（2016）12-0041-10

Doi： 10.3969/j.issn.1002-5006.2016.12.011

引言

旅游流是指旅游客流，即游客從客源地向目的地流動的群數(shù)量和流動模式[1]，其時空特征一直是旅游地理學(xué)研究的熱點。已有研究表明，旅游流的特征極易受到交通系統(tǒng)因素的影響，但交通工具的改善與出游交通的選擇對各種特殊交通旅游流的形成與時空特征的影響研究卻相對缺乏[2]。近年來我國人均收入普遍提高，國民旅游休閑消費增長加快，私家車保有量高（2013年私人轎車保有量占民用轎車保有量的79.26%），國內(nèi)公路網(wǎng)絡(luò)系統(tǒng)日益完善（中國高速公路已經(jīng)僅次于美國穩(wěn)居世界第二），自駕車旅游呈現(xiàn)“井噴式”發(fā)展。《中國自駕游年度發(fā)展報告（2014）》顯示，2013年我國自駕車出游人數(shù)增至17.3億人次，占國內(nèi)旅游總?cè)舜蔚?3%[3]。可以說，自駕游已成為我國城鎮(zhèn)居民出游的主要方式，自駕車旅游客流這種特殊旅游流隨之形成，開始引起了國內(nèi)外學(xué)術(shù)界的關(guān)注。國內(nèi)學(xué)者李昂以生存分析為理論基礎(chǔ)建立模型，對世界文化遺產(chǎn)承德避暑山莊與周圍寺廟的自駕車旅游客流的時間分布特征進行研究[4]。在自駕客流的空間特征方面，Shin最先關(guān)注自駕車旅游流網(wǎng)絡(luò)特征，運用社會網(wǎng)絡(luò)分析法對中國臺灣南投地區(qū)的16個旅游目的地進行空間結(jié)構(gòu)與網(wǎng)絡(luò)關(guān)系分析[5]；盧松等國內(nèi)學(xué)者以安徽黃山市為例，采用旅游流空間使用曲線分析黃山市自駕車入游流的客源市場結(jié)構(gòu)和空間行為模式[6]。這些學(xué)者開啟了有關(guān)自駕車旅游客流這一特殊交通旅游流的研究方向，其定量分析方法對后續(xù)相關(guān)研究具有借鑒意義。遺憾的是，現(xiàn)有研究仍未在時空二元視角下對自駕客流的分布特征進行細致深入的分析。另外，與一般的自助游客、旅行社團體游客不同，自駕游客的旅游活動不受既定旅游時間、旅游線路和旅游交通安排的影響，旅游行為自主靈活，由此形成的時空特征也與其他類型游客存在差異，然而目前學(xué)者們亦未重視這種差異的研究。

自駕車旅游客流的時空研究相對缺乏，原因還在于游客自主控制交通工具，其活動具有較高的靈活性和可變性，客流的時空數(shù)據(jù)難以實時收集，容易導(dǎo)致數(shù)據(jù)的及時性、覆蓋性和代表性不足，國外學(xué)者Girardin因此提出“數(shù)字足跡法”。在Web2.0時代，越來越多游客會通過網(wǎng)絡(luò)及其他通訊設(shè)備獲取旅游信息，Girardin等認(rèn)為，“旅游數(shù)字足跡”是在整個旅游活動的實現(xiàn)過程中，游客在旅游時移動電話的通話記錄、發(fā)送的信息，以及旅游前后在網(wǎng)絡(luò)上和其他信息化系統(tǒng)里所留下的信息搜索記錄、博客文章、網(wǎng)絡(luò)游記、評論與照片等多種形式的圖片與文字信息，這種數(shù)據(jù)蘊含了游客的活動時間與地理位置信息，可真實還原游客實地旅游的時空移動軌跡，為學(xué)者研究游客在旅游目的地內(nèi)的時空行為提供了全新的數(shù)據(jù)收集方法[7]。Girardin和Vaccari都曾經(jīng)利用旅游者游時的通話記錄、手機短信以及游后發(fā)布的圖片等數(shù)字足跡分別研究了意大利羅馬與美國紐約的旅游狀況[7-8]，張妍妍等則將網(wǎng)絡(luò)游記這種數(shù)字足跡應(yīng)用到西安的旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究中[9]，綜上可知，國外的旅游數(shù)字足跡研究利用手機足跡為主、網(wǎng)絡(luò)圖片為輔，文本型數(shù)據(jù)使用率低，國內(nèi)研究偏向使用網(wǎng)絡(luò)文本。

因此，本文基于“數(shù)字足跡”，同時使用網(wǎng)絡(luò)游記與照片兩種時空信息豐富的旅游數(shù)字足跡，從旅游客流的時空分布角度切入，選擇云南省這一國內(nèi)典型自駕游目的地為研究區(qū)域，分析自駕車旅游客流的時空分布特征，并探討這種特殊交通旅游流與一般入滇旅游流在時空特征上的異同，一方面可以對“數(shù)字足跡”的數(shù)據(jù)獲取新方法在旅游客流時空特征研究的應(yīng)用上做出有益嘗試，另一方面也可以從時空二元視角豐富自駕車旅游客流分布特征的研究內(nèi)容，并通過自駕客流與其他旅游流的差異分析，從實踐上為自駕車旅游目的地開發(fā)與管理、旅游線路設(shè)計及營銷、不同景區(qū)之間的合作等方面提供理論參考。

1 研究區(qū)概況與數(shù)據(jù)采集

1.1 研究區(qū)域概況

云南省地處中國西南邊陲，下轄16個州市，擁有世界遺產(chǎn)3處、全國5A級風(fēng)景名勝區(qū)6個以及4A級以上旅游景區(qū)46處，是我國著名的旅游目的地。云南省先后建成7條通往全國各地的出省高速公路，而省內(nèi)現(xiàn)有公路網(wǎng)絡(luò)也保障了90%以上的鄉(xiāng)鎮(zhèn)通暢，能有效連接省內(nèi)的重點景區(qū)景點。豐富的旅游資源與便利的交通，促使省內(nèi)自駕游市場持續(xù)升溫。2013年“十一”黃金周期間，全省自駕車進出達484萬輛次，同比井噴增長69.5%，全省各州市的自駕游占所有旅游形式的比重均超過50%，2014年，云南省獲“中國最具潛力自駕游目的地省”稱號[3]。云南省自駕車旅游市場發(fā)展條件成熟、優(yōu)勢明顯，已成為我國典型的自駕車旅游目的地，更是極具代表性的自駕車旅游客流研究案例區(qū)域。

1.2 數(shù)字足跡采集

Girardin提出 “數(shù)字足跡”的數(shù)據(jù)采集方法，具有真實、客觀、高效、準(zhǔn)確、成本低、可操作性強的優(yōu)勢，可充分應(yīng)用于旅游客流的時空研究中[7]。本文同時采用網(wǎng)絡(luò)游記和照片兩種“數(shù)字足跡”，游記用于從文字內(nèi)容上迅速確定旅游時間和旅游節(jié)點，而照片則重在印證文字表述的合理性。數(shù)據(jù)來源方面，本文選擇螞蜂窩旅游網(wǎng)和攜程旅行網(wǎng)進行“數(shù)字足跡”采集。螞蜂窩網(wǎng)是目前中國最大的旅游社交網(wǎng)站，收錄了大量來自真實旅游用戶發(fā)表的游記和拍攝的照片，且以自助或自駕游記為主。而攜程網(wǎng)是中國目前最大的在線旅游服務(wù)網(wǎng)站，擁有超過兩億注冊用戶以及影響力較大的旅游網(wǎng)絡(luò)社區(qū)。采用這兩個網(wǎng)站的數(shù)據(jù)能夠有效覆蓋不同類型的自駕游客，豐富數(shù)據(jù)樣本。本文設(shè)定研究2014年云南省國內(nèi)純自駕游客的網(wǎng)絡(luò)游記，于2015年3月10日開始進行數(shù)據(jù)收集，以游記更新時間為準(zhǔn)，篩選截止更新到2015年3月21日的游記，利用 Excel統(tǒng)計出符合研究標(biāo)準(zhǔn)的游記作者300位（螞蜂窩網(wǎng)191位，攜程網(wǎng)109位），游記402篇 （螞蜂窩網(wǎng)238篇，攜程網(wǎng)164篇），共計385次完整旅程（螞蜂窩網(wǎng)221次，攜程網(wǎng)164次）。游記數(shù)量多于作者數(shù)，是由于部分游客會自駕到云南省重游，并發(fā)表兩篇及以上的游記。

數(shù)字足跡的實際篩選標(biāo)準(zhǔn)為：（1）出游時間和逗留時間必須在2014年1月1日至2014年12月31日期間，其中游客逗留時間以實際游覽天數(shù)為準(zhǔn)（不含客源地往返目的地的交通時間）；（2）交通方面，往返于客源地各目的地與（旅游景點）的主要交通工具必須為自駕的小型汽車，即游記作者必須為純自駕游客；（3）游記必須能夠說明作者的出發(fā)地，而且通過點擊“查看用戶資料”時能清晰確定作者的來源地（客源地）；（4）游記最好配有游客實地拍攝的照片，而且文字或照片必須能夠表明游客的出游及逗留時間；（5）游記內(nèi)容必須完整記錄旅游行程，以便提取游客的空間信息，并按時間順序完整還原自駕游客在云南省內(nèi)逗留并游覽的所有旅游景點。

對于符合篩選標(biāo)準(zhǔn)的網(wǎng)絡(luò)游記，以一段完整旅程為基本單位，使用Excel表格依次錄入游記作者、出游時間、逗留時間、客源地、出發(fā)地、全程旅游景點等信息。實際錄入時，有以下兩個重要標(biāo)準(zhǔn)：（1）游記與照片兩種“數(shù)字足跡”共同確定時間信息，當(dāng)游記中文字未能表明旅游時間時，則通過照片時間確定，即通過點擊照片下方“查看 EXIF 信息” 進行確定。最終402篇游記時間的提取結(jié)果中，游記與照片內(nèi)容確定旅游時間的占94.67%，只有4.33%的自駕游客僅通過照片確定時間，表明此次樣本數(shù)據(jù)所提取時間的可靠性較高。（2）根據(jù)時間順序依次錄入游客明確提出逗留游覽的旅游景點名稱，當(dāng)游記文字并未正確表達旅游景點名稱時，則根據(jù)游記照片顯示的地點信息進行訂正。

另外，由于案例地云南省面積廣，旅游景點數(shù)量龐大，為更詳細分析自駕客流在目的地內(nèi)部的空間特征，本文參考世界旅游組織（WTO）編制的《云南省旅游發(fā)展總體規(guī)劃》，考慮所有錄入旅游景點的地理位置、知名度、客流游覽傾向等方面，將云南重新劃分為以下24個大型旅游區(qū)：N1昆明市區(qū)；N2昆明周邊旅游區(qū)；N3 玉溪旅游區(qū)；N4 楚雄旅游區(qū)；N5 元陽—建水旅游區(qū)；N6 紅河?xùn)|部旅游區(qū)（除元陽、建水外的紅河州地區(qū)）；N7 文山旅游區(qū)；N8曲靖旅游區(qū)；N9昭通旅游區(qū)；N10 西雙版納中部旅游區(qū)（以景洪市為主的中部地區(qū)，包括野象谷、中科院熱帶植物園、曼聽公園等）；N11 西雙版納外圍旅游區(qū)（以勐海縣、景洪最北部和勐臘縣為主的外圍地區(qū)，包括打洛口岸、望天樹景區(qū)等）；N12普洱旅游區(qū)；N13 臨滄旅游區(qū)；N14 騰沖旅游區(qū)（騰沖縣及周邊地區(qū)）；N15 德宏旅游區(qū)；N16大理古城—巍山旅游區(qū)；N17蒼山洱海旅游區(qū)；N18蝴蝶泉—劍川旅游區(qū)；N19麗江古城旅游區(qū)；N20 大玉龍旅游區(qū)；N21瀘沽湖旅游區(qū)；N22 香格里拉中南部旅游區(qū)；N23香格里拉北部旅游區(qū)（茨中教堂至奔子欄為界以北的香格里拉地區(qū)）；N24怒江旅游區(qū)。最后，將24個旅游區(qū)抽象為“旅游節(jié)點”，并據(jù)此對之前每段旅程錄入的游客所提景點按時間順序進行重新整理，最終得出自駕客流的385次“全程旅游節(jié)點”空間數(shù)據(jù)，以此分析自駕客流在云南省內(nèi)部的空間分布特征。

2 時間特征分析

2.1 出游時間的集中程度

統(tǒng)計錄入數(shù)據(jù)可知，入滇自駕游客出游時間集中在1—2月和7—10月，其中1月、2月客流量分別占客流總量的15.00% 與12.67%，7—10月的客流量均在10.00%左右，可能受假期安排影響；而在國內(nèi)游傳統(tǒng)旺季的5月，入滇自駕客流量僅為5.33%，10月后客流量持續(xù)回落至12月的2.33%。此外，據(jù)統(tǒng)計自駕游客的逗留時間從1至20天不等，其中，逗留3～6天的游客量占總量的50.33%，逗留10天以上的游客量均在3%以下?？梢娫颇献择{客流出游時間的季節(jié)性波動較大，初步呈現(xiàn)出集中趨勢。

為進一步分析自駕客流的時間特征，并考慮國內(nèi)假期因素的影響，本文將出游時間分為6個時間段：H1雙休日、H2雙休日+年假（即1～6天的年假，具體時間根據(jù)游記的文字內(nèi)容確定）、H3小長假（包括元旦、清明、“五一”及端午等4個小長假）、H4黃金周（包括春節(jié)及“十一”2個黃金周）、H5寒暑假（根據(jù)2014年全國中小學(xué)生的假期安排，本文的寒假是指1月16日至2月16日，并除去期間的春節(jié)黃金周；暑假時間為7月10日至8月30日）與H6其他時間，并重新統(tǒng)計每個時間段的自駕客流規(guī)模。已有研究表明，集中指數(shù)G可以有效衡量旅游流在時間分布的整體集中程度，其計算公式為：

[G=100×i=1nxiT2] （1）

式（1）中：G為旅游流在研究時段上的集中指數(shù)；xi為第i個出游時段的旅游客流規(guī)模；T為案例出游時段旅游客流總規(guī)模；n為案例時段總數(shù)[10]。如果自駕客流在上述6個時間段內(nèi)完全均勻分布，則[G=100×1N=100×16=40.82。]通過計算可得，云南自駕客流出游時間的集中指數(shù)G = 44.96；44.96大于40.82，說明云南省自駕車旅游客流在時間上分布較為集中。

2.2 出游時間的高峰情況

自駕客流在H1～H6等6個研究時段內(nèi)分布集中，說明容易在某些時段形成客流高峰。因此，本文引入飽和曲線與斯泰恩斯峰值指數(shù)考察自駕客流出游時間的高峰情況。若飽和曲線單調(diào)遞減，說明客流在短期快速增長，并具有突出的高峰現(xiàn)象；若曲線上端相對平緩，表明客流在時間分布上比較均衡。同時，曲線上不同點的斜率表示研究時段內(nèi)旅游流高峰情況，斯泰恩斯因此提出了峰值指數(shù)的概念，計算公式為：

[Mn=u1-un（n-1）u1] （2）

式（2）中：Mn為峰值指數(shù)；u1為所有研究時段中旅游客流量最大的時段的游客數(shù)量；un為旅游流量第n位的對應(yīng)時段的游客數(shù)量；n為第n個時段（1為旅游流規(guī)模最大的時段）。計算可得出不同時段在飽和曲線上對應(yīng)點的峰值指數(shù)，Mn的值越大，該點對應(yīng)時段的旅游流高峰越大[10]。

經(jīng)計算，本文繪制出客流飽和曲線與峰值指數(shù)曲線（見圖1，為清晰觀察飽和曲線斜率的變化，圖中將各峰值指數(shù)乘以100），可知入滇自駕客流的飽和曲線和峰值指數(shù)曲線均呈單調(diào)遞減，客流在短期內(nèi)快速增長，特別是在黃金周期間具有突出的集中趨勢和高峰現(xiàn)象，在寒暑假期間也出現(xiàn)了“小高峰”，其他時段的自駕客流規(guī)模相近。由此可以確定，入滇自駕游客的出游時間主要受到公共假期時間安排的影響。

結(jié)合游記數(shù)據(jù)分析發(fā)現(xiàn)，52.67%的游記作者選擇與家人出游，35.33%選擇與朋友出行，可見云南自駕游客以中青年為主，家庭出游也需要協(xié)調(diào)學(xué)生或上班族等成員的閑暇時間，自駕游客3～6日的逗留時間加上往返的交通時間，整體出行時間往往長達5～8日。因此，2014年 “春節(jié)”黃金周（2014年“春節(jié)”黃金周為1月31日—2月6日）、“十一”黃金周、寒暑期等長假所在的1—2月和7—10月成為云南自駕游的旺季。3—5月入滇自駕游客量較少，是受到國家對法定節(jié)日調(diào)整的影響，“清明”“五一”“端午”等小長假的時間較短，難以滿足自駕游耗時較長的條件。

3 空間特征分析

3.1 自駕客流客源市場空間特征

3.1.1 自駕客流客源市場分布

統(tǒng)計本次研究數(shù)據(jù)發(fā)現(xiàn)，入滇自駕游客分布比較廣泛，其客源地涉及20個省市自治區(qū)（圖2），客源市場空間分布具體呈現(xiàn)出如下特征：

（1）近域性比較顯著。本省和相鄰的四川、重慶、貴州、廣西的客源所占比例接近總數(shù)的一半，達到47.33%；中部省份湖南、湖北、江西、安徽等均在3%以下，北部省份陜西、山東、天津等比例在1%左右，其中海南和遼寧分別僅收集到1～2位作者的游記。而在數(shù)據(jù)收集中，西藏、青海、甘肅、寧夏等其余14個省份尚未發(fā)現(xiàn)有游客在相關(guān)網(wǎng)站上發(fā)表符合研究條件的云南自駕游記。

（2）東部集中性明顯。由圖2可知，入滇自駕游客除來自本省及其周邊省份組成的區(qū)域（達到47.33%）外，還有東部沿海經(jīng)濟發(fā)達的省市，以廣東、福建、浙江、上海、江蘇和北京為主，6地客源所占比例達45.33%，但是山東、天津等部分東部沿海發(fā)達地區(qū)所占比例偏低。

3.1.2 自駕客流空間使用曲線

現(xiàn)有研究表明，旅游客流空間使用曲線能夠有效描述目的地的旅游客流量隨距離的增加而衰減的現(xiàn)象，一般可分為3種類型：基本型曲線、U形曲線與Maxwell-Boltzman形曲線[11]。本文利用“百度電子地圖測距工具”計算出自駕游客出發(fā)城市的政府所在地與入滇的首個目的地的公路距離（若屬于云南省內(nèi)自駕游，則計算出游客出發(fā)城市的政府所在地與旅程中距離最遠的目的地的公路距離），繪制云南省自駕車旅游客流空間使用曲線（圖3）。結(jié)果顯示，云南省自駕客流空間使用曲線十分復(fù)雜，難以用上述3種曲線解釋，客流曲線出現(xiàn)多次波動，說明距離衰減趨勢不明顯。

隨著距離的增加，在0～1000 km的范圍內(nèi)出現(xiàn)了第一次客流分布高峰（也是最高峰），這主要是云南省內(nèi)及四川、重慶、貴州、廣西等周邊地區(qū)的自駕游客出游的結(jié)果；在1200～1400 km范圍內(nèi)出現(xiàn)第二次高峰，這是由于經(jīng)濟發(fā)達、城市化水平高的廣東省以及湖南、湖北等消費力較強的中部省份均分布在此范圍內(nèi)；在2000～2400 km范圍內(nèi)出現(xiàn)了第三次高峰，此范圍主要包括收入水平高、旅游消費普遍的上海、浙江、江蘇等省市；在2600～2800 km范圍內(nèi)出現(xiàn)最后一次高峰，北京、天津、山東等省市分布在此范圍內(nèi)，這些地區(qū)與云南省公路距離最遠?？傮w上看，云南省自駕旅游的引力場較大，主要集中在2360 km范圍內(nèi)，該范圍內(nèi)旅游客流累計百分比為80.33%。云南省自駕客流空間使用曲線的形態(tài)復(fù)雜，是因為該省位于我國西南邊陲的獨特區(qū)位，與我國經(jīng)濟發(fā)達、自駕出游能力強的中部及東部省市的公路距離較遠。已有研究表明，客流高峰的分布一般與經(jīng)濟發(fā)達省區(qū)、城市密集區(qū)的分布相一致[11]。

3.2 自駕客流在云南省內(nèi)的空間分布特征

“空間”是一種三維概念，可抽象為“點”“線”“面（或區(qū)）”3種地域形式[37]，云南省自駕車旅游客流的空間分布特征也可從旅游節(jié)點、旅游線路、旅游區(qū)域等3方面進行研究。為深入探討客流分布的空間特征，本文引入社會網(wǎng)絡(luò)分析法，這種研究方法于20世紀(jì)30年代由英國著名人類學(xué)家R.布朗提出，至今已被國內(nèi)外學(xué)者運用到不同旅游目的地的客流空間網(wǎng)絡(luò)結(jié)構(gòu)研究中，有效分析了研究區(qū)域內(nèi)旅游節(jié)點的角色功能、關(guān)系總和以及整體空間結(jié)構(gòu)特征[12]。

3.2.1 自駕客流“點”狀空間分布

中心性是社會網(wǎng)絡(luò)分析法的重要指標(biāo)之一。本文采用這種指標(biāo)分析自駕客流在云南省24個旅游節(jié)點的空間分布情況，以及各節(jié)點在整體自駕車旅游客流中的位置。中心性包括程度中心度、接近中心度和中介中心度3種測量指標(biāo)：程度中心度有內(nèi)外向之分，分別表示客流在某個旅游節(jié)點的進出活動，并揭示某旅游節(jié)點是屬于旅游網(wǎng)絡(luò)的集聚點、核心點還是擴散點，從而衡量節(jié)點在網(wǎng)絡(luò)中的中心位置。同理，接近中心度也有內(nèi)外兩種，分別表示節(jié)點與其他節(jié)點聯(lián)系越少、客流通達性越低，反之亦然。中介中心度衡量旅游節(jié)點作為中間者的能力，節(jié)點的該值越高代表起到的客流中介作用越強，且一般會位于旅游線路的中間。

云南省24個旅游節(jié)點的自駕客流規(guī)模統(tǒng)計結(jié)果顯示，大理古城—巍山旅游區(qū)、蒼山洱海旅游區(qū)、麗江古城旅游區(qū)、昆明市區(qū)、香格里拉中南部旅游區(qū)、瀘沽湖旅游區(qū)、昆明周邊旅游區(qū)、西雙版納中部旅游區(qū)、大玉龍旅游區(qū)、曲靖旅游區(qū)及玉溪旅游區(qū)等11個景區(qū)的旅游流規(guī)模已占到了總規(guī)模的75%。本文根據(jù)385次自駕旅程的研究數(shù)據(jù)，利用Ucinet6.237軟件分析出云南省自駕客流中心度指標(biāo)的結(jié)果（表1）。從3種中心度指標(biāo)結(jié)果來看，大理古城—巍山、蒼山洱海區(qū)、麗江古城區(qū)和昆明市區(qū)等4點的值較高，位于第一梯隊，屬于自駕客流空間網(wǎng)絡(luò)結(jié)構(gòu)中的旅游核心和集散中心；西雙版納中部、香格里拉中南部、昆明周邊等點則位于第二梯隊，結(jié)果僅次于第一梯隊的旅游節(jié)點，屬于次旅游核心和次集散中心。第三梯隊中，瀘沽湖、大玉龍與蝴蝶泉—劍川等3點的中心度指標(biāo)較高，是云南自駕路線中的重要旅游目的地與旅游通道；玉溪、曲靖、元陽—建水與騰沖等旅游區(qū)的中心度與瀘沽湖等相近，也是重要的旅游目的地；其中玉溪與曲靖的內(nèi)外向接近度的差值較大，對客流的聚集能力較強，說明這兩點多為旅游起汔點。西雙版納外圍、文山等旅游區(qū)的中心度指標(biāo)較低，位于第四梯隊，中介中心度不高，但與其他節(jié)點聯(lián)系較多，屬于一般目的地。而普洱、昭通、臨滄、怒江等四點的中心度指標(biāo)結(jié)果最低，屬于邊緣目的地。綜上所述，在云南省的旅游空間上，自駕客流具有較為明顯的非均衡集中分布特征，大理古城—巍山旅游區(qū)等11個旅游節(jié)點能夠聚集絕大部分的自駕客流，是因為這些旅游節(jié)點在自駕客流網(wǎng)絡(luò)中占據(jù)旅游核心、次核心、通道、起汔點等重要位置，能有效集聚與擴散自駕客流。

3.2.2 自駕客流“線”狀空間分布

云南省自駕車旅游客流的整體網(wǎng)絡(luò)密度為0.4042，24個節(jié)點組成的網(wǎng)絡(luò)理論上有552條連接關(guān)系，實際僅出現(xiàn)223條，說明自駕客流網(wǎng)絡(luò)密度較低，整體旅游線路較少。在旅游流研究中，社會網(wǎng)絡(luò)的凝聚子群分析可揭示網(wǎng)絡(luò)內(nèi)部的子結(jié)構(gòu)，找出在旅游聯(lián)系上具有高度凝聚力的旅游節(jié)點集合，并根據(jù)各節(jié)點群之間的密度，得出旅游客流集散的旅游線路以及旅游線路組合內(nèi)的核心節(jié)點[12]，本文據(jù)此分析揭示自駕客流在云南省的“線”狀空間分布狀況。使用凝聚子群分析前，需要對自駕客流量數(shù)據(jù)進行處理，選擇合適的斷點值獲得二分矩陣。斷點值的選擇需要通過多次測試，避免太高易造成客流網(wǎng)絡(luò)不連接出現(xiàn)過多孤立節(jié)點或太低導(dǎo)致節(jié)點完全連接、關(guān)系不明顯。本文經(jīng)反復(fù)測試，最終切分值取為3，利用Ucinet6.237軟件得出云南省自駕客流網(wǎng)絡(luò)凝聚子群分析結(jié)果（表2）。

從表2可知，在凝聚子群最小成員數(shù)為3的條件下，云南省自駕車旅游客流網(wǎng)絡(luò)中出現(xiàn)8個子群派系，有些派系之間聯(lián)系異常緊密，例如派系4與派系5聯(lián)系緊密是由于前往怒江旅游區(qū)的客流一般會選擇在大理古城區(qū)停留，而有些派系之間不存在任何聯(lián)系（如派系4與派系6）。以派系密度高于或等于0.500為線路組合標(biāo)準(zhǔn)，同時考慮組合派系內(nèi)旅游節(jié)點的空間鄰近性和自駕車旅游客流的游覽傾向性，可以發(fā)現(xiàn)云南自駕客流主要分布在5條旅游線路上：“昆明—玉溪—楚雄—曲靖”的滇中旅游線，“昆明—大理—麗江—香格里拉”的滇西北旅游線，“昆明—西雙版納”的滇西南旅游線，“昆明—昆明周邊—紅河—文山”的滇東南旅游線和“大理—騰沖—德宏”的滇西旅游線，而且統(tǒng)計結(jié)果顯示，分布于前3條“軸線”上的客流量明顯多于后兩條“軸線”。另外，在5條旅游線路里，派系1和派系4均與所在旅游線路內(nèi)的其他派系聯(lián)系緊密（派系密度均高于0.500），結(jié)合中心性指標(biāo)結(jié)果分析可知，入滇自駕車旅游客流的“線”狀空間分布同時存在昆明市區(qū)、大理古城區(qū)與麗江古城區(qū)等3個核心。

3.2.3 自駕客流“區(qū)”狀空間分布

在旅游流研究中，核心-邊緣分析可以衡量區(qū)域內(nèi)旅游流分布的不平衡性、核心景區(qū)的強度以及它們與邊緣景區(qū)的聯(lián)系程度，從而優(yōu)化旅游流的結(jié)構(gòu)[17]。本文使用Ucinet6.237軟件對云南省自駕客流網(wǎng)絡(luò)進行核心—邊緣模型分析，探究自駕客流的“區(qū)”狀分布特征和不同片區(qū)旅游節(jié)點之間的關(guān)系。結(jié)果顯示，核心區(qū)包括昆明市區(qū)、昆明周邊旅游區(qū)、玉溪旅游區(qū)、元陽—建水旅游區(qū) 文山旅游區(qū)、曲靖旅游區(qū)、西雙版納中部旅游區(qū)、大理古城—巍山旅游區(qū)、蒼山洱海旅游區(qū)、麗江古城旅游區(qū)等10個旅游節(jié)點，邊緣區(qū)則包括其余14個節(jié)點，從地理位置來看，云南省自駕客流主要集中分布的區(qū)域包括滇中片區(qū)、滇東南片區(qū)、滇西北片區(qū)以及滇西南的西雙版納旅游區(qū)。在核心-邊緣密度分析結(jié)果中，自駕客流整體網(wǎng)絡(luò)密度為0.4042，而核心區(qū)的內(nèi)部密度高達0.456，核心旅游節(jié)點之間的自駕客流互動聯(lián)系頻密，但在邊緣區(qū)內(nèi)的旅游節(jié)點間密度僅為0.044，說明云南省自駕車旅游客流網(wǎng)絡(luò)存在明顯的結(jié)構(gòu)分層；核心區(qū)對邊緣區(qū)的關(guān)聯(lián)帶動效應(yīng)為0.193，遠低于核心區(qū)內(nèi)部的0.456，說明核心區(qū)帶動、影響邊緣區(qū)旅游節(jié)點的作用并不明顯，但邊緣區(qū)受核心區(qū)的輻射聯(lián)系（0.193）仍強于邊緣區(qū)內(nèi)旅游節(jié)點間的聯(lián)系（0.044）。

4 結(jié)論與討論

4.1 結(jié)論

本文以云南省這一典型自駕游目的地為案例，基于“數(shù)字足跡”采集研究數(shù)據(jù)，探究自駕車旅游客流的時空分布特征，研究發(fā)現(xiàn)：（1）基于數(shù)字足跡研究的自駕車旅游客流在出游時間上的分布集中度較高，整體受假期時間安排的影響，在黃金周假期和寒暑假容易形成客流的高峰。（2）基于數(shù)字足跡的云南省自駕旅游流客源市場空間結(jié)構(gòu)具有明顯的近域性與東部集中性特征，本省與周邊省市以及東部沿海地區(qū)的客源占了90%以上的絕對比重；自駕客流空間使用曲線出現(xiàn)多次“高峰”，距離衰減規(guī)律不明顯，其引力場較大，主要集中在2360km范圍內(nèi)，整體客源市場空間分布與國內(nèi)經(jīng)濟發(fā)達省市的地理位置分布基本保持一致。（3）基于數(shù)字足跡的入滇自駕客流空間結(jié)構(gòu)具有“點”“線”“區(qū)”3種分布形態(tài)：一是自駕客流在云南24個旅游節(jié)點間非均衡集中分布，其中昆明市區(qū)、大理古城—巍山旅游區(qū)、麗江古城區(qū)等11個核心節(jié)點具有明顯優(yōu)勢，充當(dāng)著旅游核心目的地、集散點、旅游通道等重要角色，能夠聚集70%以上的自駕客流；二是自駕客流圍繞昆明市區(qū)、大理古城區(qū)與麗江古城區(qū)等3個核心集中分布在滇中線、滇西北線、滇西南線、滇東南線和滇西線等5條線路上，而且客流在前3條線路上的分布集中度高于后兩條線路；三是自駕客流集中分布在滇中（昆明、玉溪等）、滇西北（大理、麗江等）、滇東南（元陽—建水、文山等）以及滇西南（西雙版納）等4個區(qū)域；因此云南省自駕客流整體呈現(xiàn)多核心、多線狀、多區(qū)域的“線網(wǎng)狀”空間分布形態(tài)。（4）基于數(shù)字足跡的云南省自駕客流整體空間網(wǎng)絡(luò)密度較低，網(wǎng)絡(luò)結(jié)構(gòu)分層明顯，核心區(qū)內(nèi)的旅游節(jié)點客流聯(lián)結(jié)密度很高，但整體帶動、影響邊緣區(qū)的旅游節(jié)點的作用不大，省內(nèi)24個自駕車旅游區(qū)發(fā)展十分不平衡。

4.2 討論：與一般旅游客流的異同及研究貢獻

交通工具的選擇容易影響游客的時間與空間活動，因此自駕游客時空特征與一般旅游客流存在一定的差異，本文對比分析入滇自駕車旅游客流與一般入滇旅游客流在時空特征上的異同，可以深入揭示自駕客流的時空特性。對比研究發(fā)現(xiàn)：（1）時間特征方面，一般旅游客流出游時間集中在1月、7月、8月、10月，在黃金周與寒暑假期間容易形成客流高峰[13]，這與基于數(shù)字足跡研究得出的自駕客流時間規(guī)律保持一致；但是作為一般旅游流出游淡季的2月和9月，卻是自駕客流的出游旺季，由此可見入滇自駕客流的旅游旺季持續(xù)時間更長。（2）在客源市場空間分布方面，與一般旅游客流的研究結(jié) 果[14]相似，自駕客流大部分來自云南以及相鄰的四川、重慶、廣西、貴州等省，其中廣西、貴州等經(jīng)濟發(fā)展水平較低省份的客源比例不高，湖南、湖北、江西等中部省份的客源比重較低。對于一般旅游流而言，北京、上海、浙江、江蘇等東部沿海經(jīng)濟發(fā)達省市客源比例偏低[14]，但是這些省市卻成為云南自駕旅市場的重要客源地并占據(jù)近40%的市場總量。（3）客流在云南省內(nèi)的“點”狀空間分布特征方面，現(xiàn)有研究發(fā)現(xiàn)一般旅游流集中分布在昆明市、大理州、麗江市、西雙版納州、紅河州、玉溪市與楚雄州，這6個旅游點能聚集60%以上的客流[14-16]；而本文研究發(fā)現(xiàn)，自駕客流集中分布在大理古城區(qū)、蒼山洱海區(qū)、麗江古城區(qū)、昆明市區(qū)、香格里拉中南部、瀘沽湖、昆明周邊區(qū)、西雙版納中部、大玉龍旅游區(qū)、曲靖及玉溪等11個核心旅游節(jié)點，并聚集70%以上的自駕客流；由此可見，兩種旅游客流均呈非均衡集中的“點”狀分布特征，但是自駕客流集中分布的旅游景點（區(qū)）數(shù)量更多、范圍更廣。（4）本文將云南16州市具體劃分成24個旅游景區(qū)（點），比現(xiàn)有研 究[14-16]更細致的區(qū)域劃分能夠更準(zhǔn)確反映自駕游客的游覽傾向以及自駕客流的分布特點；針對一般旅游流研究未深入分析客流集中的旅游景點在空間結(jié)構(gòu)上的功能與位置問題，本文利用社會網(wǎng)絡(luò)分析法揭示了自駕客流集中分布的11個核心節(jié)點的網(wǎng)絡(luò)特征，對現(xiàn)有研究內(nèi)容進行了補充。（5）客流在云南省內(nèi)的“線”狀與“區(qū)”狀空間分布特征方面，一般旅游流集中分布在“昆明—玉溪—楚雄—曲靖”的滇中旅游線、“昆明—大理—麗江—香格里拉”的滇西北旅游線與“昆明—西雙版納”的滇西南旅游線，區(qū)域上集中分布在滇中與滇西北兩大區(qū)域，其他諸多區(qū)域仍處于一種旅游產(chǎn)業(yè)發(fā)展的“邊緣”位置[14-16]；而本文研究發(fā)現(xiàn)，自駕客流除了集中分布在上述3條線路外，同時亦分布在“昆明—昆明周邊—紅河—文山”的滇東南旅游線和“大理—騰沖—德宏”的滇西旅游線，區(qū)域上則集中分布在滇中、滇東南、滇西南與滇西北等4大區(qū)域，區(qū)域之間存在“核心-邊緣”結(jié)構(gòu)；綜上所述，一般旅游流呈現(xiàn)以昆明為旅游線路核心的“單核放射狀”空間分布形態(tài)，而自駕客流則呈現(xiàn)以昆明市區(qū)、大理古城區(qū)、麗江古城區(qū)為核心的“多核線網(wǎng)狀”空間分布形態(tài)，自駕客流的空間分布范圍更廣、空間特征更為豐富和復(fù)雜。另外，一般旅游客流的研究并未關(guān)注客流分布集中的核心旅游區(qū)與客流較少的邊緣旅游區(qū)之間的關(guān) 系[14-16]，本文也對此進行了補充。

在旅游流時空特征為研究熱點及我國自駕游迅速發(fā)展的雙重背景下，本文基于“數(shù)字足跡”開展的入滇自駕車旅游客流時空特征研究具有重要意義：（1）與傳統(tǒng)數(shù)據(jù)采集方法相比，“數(shù)字足跡”具有客觀、及時、高效、廉價、代表性強的優(yōu)勢，可被充分利用于旅游流時空規(guī)律研究[9]，但目前應(yīng)用這種方法研究旅游流的學(xué)者仍屬少數(shù)，該方法的運用并不成熟，本文采用網(wǎng)絡(luò)游記與照片兩種“旅游數(shù)字足跡”的案例研究可為未來應(yīng)用“數(shù)字足跡”法的旅游流時空研究提供參考。（2）有助于進一步明確云南省自駕車旅游市場的拓展。例如東部沿海地區(qū)占據(jù)客流市場總量的50%以上，但中部地區(qū)市場份額偏低，因此在保持東部優(yōu)勢的同時，應(yīng)大力開拓湖南、湖北、安徽、江西等中部客源市場。（3）目前旅游客流的空間特征研究并未重視各區(qū)域在整體旅游流空間結(jié)構(gòu)中的位置與關(guān)系，使其空間優(yōu)化的結(jié)論缺乏更嚴(yán)謹(jǐn)?shù)睦碚摶A(chǔ)[12]。本文引入社會網(wǎng)絡(luò)分析方法，分析入滇自駕客流分布的旅游節(jié)點在整體空間網(wǎng)絡(luò)結(jié)構(gòu)及內(nèi)部節(jié)點的位置、功能與關(guān)系，對現(xiàn)有研究進行了補充。（4）本文在時空二元視角下探討自駕客流的分布特征，可以豐富自駕旅游流研究的視角與內(nèi)容。此外，本文通過對比分析自駕客流與一般旅游流兩種不同類型旅游客流在時空特征上的異同，深入揭示了自駕車旅游客流時空分布規(guī)律的獨特性，有利于自駕車旅游目的地制定更適應(yīng)市場需求的營銷與管理方案。例如，云南省自駕客流網(wǎng)絡(luò)結(jié)構(gòu)分析說明核心旅游區(qū)帶動、影響邊緣區(qū)內(nèi)旅游節(jié)點的能力有限，因此，要積極提升核心區(qū)競爭力并逐步向邊緣區(qū)擴散聯(lián)動，而未來學(xué)界需要進一步加強自駕客流等特殊交通旅游流的研究，尤其是在數(shù)據(jù)收集、研究方法等方面需要更多的探索和嘗試，為自駕車旅游的目的地的發(fā)展提供理論 指導(dǎo)。

參考文獻（References）

[1] Ma Yaofeng， Li Tianshun. Research on Inbound Tourist Flow in China [M]. Beijing： Science Press， 1999： 12-24. [馬耀峰，李天順. 中國入境旅游研究 [M]. 北京： 科學(xué)出版社， 1999： 12-24.]

[2] Lu Song. Research progress and revelation of tourism transport[J]. Tropical Geography， 2009， 29（4）： 394-399. [盧松. 旅游交通研究進展及啟示[J]. 熱帶地理. 2009， 29（4）： 394-399.]

[3] Ma Congling. The situation and trends of the development of self-driving travel in China[J]. China Economic & Trade Herald， 2014，10（29）： 46-47. [馬聰玲. 我國自駕游發(fā)展的現(xiàn)狀與趨勢[J]. 中國經(jīng)貿(mào)導(dǎo)刊， 2014，10（29）： 46-47.]

[4] Li Ang. Temporal characteristics of self-driving tourist flows： A case study of Chengde Mountain Resort and its outlying temples[A] // The Proceedings of Annual National Planning Conference 2013[C]. Beijing： China Architecture & Building Press， 2013： 108-116. [李昂. 自駕車旅游客流時間分布特征研究——以承德避暑山莊與周圍寺廟為例[A] // 2013中國城市規(guī)劃年會論文集（04-風(fēng)景旅游規(guī)劃）[C]. 北京： 中國建筑工業(yè)出版社， 2013： 108-116.]

[5] Shih H Y. Network characteristics of drive tourism destinations： An application of network analysis in tourism[J]. Tourism Management， 2006， 27（5）： 1029-1039.

[6] Lu Song， Ji Hui， Cai Yunfeng. A study on the spatial travel behavior of self-driving tourists into Huangshan City[J]. Geographical Research， 2013， 32（1）： 179-190. [盧松， 吉惠， 蔡云峰. 黃山市自駕車入游流旅行空間行為研究[J]. 地理研究， 2013， 32（1）： 179-190.]

[7] Girardin F， Blat J， Calabrese F， et al. Digital foot-printing： Uncovering tourists with user- generated content[J]. IEEE Pervasive Computing， 2008， 7（4）： 36-43.

[8] Vaccari A， Liu L， Biderman A， et al. A holistic frame-work for the study of urban traces and the profiling of urban processes and dynamics[A] // Proceedings of 12th International IEEE Conference on Intelligent Transportation Systems[C]. New York： Institute of Electrical and Electronics Engineers， Inc.， 2009： 1-6.

[9] Zhang Yanyan， Li Junyi， Yang Min. The tourism flow network structure of Xian based on tourism digital footprint[J]. Human Geography， 2014， 29 （4）： 111-118. [張妍妍， 李君軼，楊敏. 基于旅游數(shù)字足跡的西安旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究[J]. 人文地理， 2014， 29 （4）： 111-118.]

[10] Xuan Guofu， Lu Lin， Wang Degeng， et al. Spatial characteristics of tourist flows in coast resorts[J]. Geographical Research， 2004， 23（1）： 115-124. [宣國富， 陸林， 汪德根， 等. 三亞市旅游客流空間特性研究[J]. 地理研究， 2004， 23（1）： 115-124.]

[11] Liu Fajian， Zhang Jinhe， Chen Dongdong. On the application of social network analysis in tourism research[J]. Tourism Forum， 2009， 2（2）： 172-177. [劉法建， 章錦河， 陳冬冬. 社會網(wǎng)絡(luò)分析在旅游研究中的應(yīng)用[J]. 旅游論壇， 2009， 2（2）： 172-177.]

[12] Yu Le， Li Qinglei， Li Wei， et al. Study on the temporal variation characteristics of domestic tourist flows and its influencing factors in Yunnan[J]. Tourism Overview， 2014， （2）： 67-68. [余樂， 李慶雷， 李偉， 等. 云南國內(nèi)旅游流時間演變特征及其影響因素分析[J]. 旅游縱覽， 2014， （2）： 67-68.]

[13] Li Weiqian. The Dynamic Change Rule of Domestic Tourist Flows to Yunnan： A Case Study of Dali[D]. Kunming： Yunnan Normal University， 2014. [李瑋謙. 來滇國內(nèi)旅游流的動態(tài)變化研究——以大理為例[D]. 昆明： 云南師范大學(xué)， 2014.]

[14] Zhang Haiyan， Li Wei. The temporal and spatial distribution characteristics of domestic tourist flows into Yunnan[J]. China Collective Economy， 2011， （04）：166-167. [張海燕， 李偉. 國內(nèi)來滇旅游流時空分布特征研究[J]. 中國集體經(jīng)濟， 2011， （04）：166-167.]

[15] Peng Hongsong， Lu Lin， Lu Xingfu， et al. The network structure of cross-border tourism flow based on the social network method： A case of Lugu Lake region[J]. Scientia Geographica Sinica， 2014， 34（9）： 1041-1050. [彭紅松， 陸林， 路幸福， 等. 基于社會網(wǎng)絡(luò)方法的跨界旅游客流網(wǎng)絡(luò)結(jié)構(gòu)研究——以瀘沽湖為例[J]. 地理科學(xué)， 2014， 34（9）： 1041-1050.]

[26] Dong Peihai， Li Wei. The study of spatial structure and sptimization about domestic tourist flows to Yunnan 2010[J]. Tourism Forum， 2012， 5（4）： 95-102. [董培海， 李偉. 2010年來滇國內(nèi)旅游流空間結(jié)構(gòu)及其優(yōu)化研究[J]. 旅游論壇， 2012， 5（4）： 95-102. ]