趙偉+李蕊蕊+閆景麗

摘 要：以網(wǎng)絡(luò)游記數(shù)據(jù)挖掘?yàn)榛A(chǔ)，綜合運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法、GIS和數(shù)理統(tǒng)計(jì)技術(shù)，揭示福建省自駕入游流市場(chǎng)及網(wǎng)絡(luò)結(jié)構(gòu)特征。市場(chǎng)特征為：出游高峰期與低谷期年內(nèi)交替四次，呈現(xiàn)明顯的雙“M”型，高峰期與我國(guó)“長(zhǎng)假”時(shí)間高度吻合；結(jié)伴方式以夫妻、親子、帶父母的家庭出游方式為主（占60.1%），其次為親朋好友（占27.1%）；88.18%的自駕游客在福建省內(nèi)停留時(shí)間不超過6天，其中逗留3天（占23.15%）的比例最高；自駕游省外客源市場(chǎng)結(jié)構(gòu)呈現(xiàn)明顯的近地域性和沿海發(fā)達(dá)省份和城市的高度集中性；自駕游單程公路里程空間使用曲線具有較為典型的Boltzman曲線特點(diǎn)，一、二級(jí)客源市場(chǎng)范圍單程公路里程分別為0-800km和800-1400km，1400km以外為三級(jí)客源市場(chǎng)。網(wǎng)絡(luò)結(jié)構(gòu)特征為：網(wǎng)絡(luò)節(jié)點(diǎn)地位呈現(xiàn)較強(qiáng)的不均衡性，兩極分化明顯，核心節(jié)點(diǎn)之間的互動(dòng)頻率遠(yuǎn)高于邊緣節(jié)點(diǎn)；整體上看，福建省自駕入游流空間等級(jí)序列明顯，核心區(qū)和重要區(qū)域所占比例偏小，空間分布呈現(xiàn)“整體分散、局部集中”的格局，旅游流集中于思明區(qū)、南靖縣、鼓樓區(qū)、永定區(qū)、武夷山市等高級(jí)別景區(qū)所在的區(qū)域。節(jié)假日制度、單程公路距離及高級(jí)別景區(qū)對(duì)自駕旅游流的形成影響較大，省內(nèi)節(jié)點(diǎn)間公路距離對(duì)旅游流的影響極小。

關(guān)鍵詞：自駕旅游流；市場(chǎng)特征；網(wǎng)絡(luò)結(jié)構(gòu)；空間行為；福建省

中圖分類號(hào)：K902 文獻(xiàn)標(biāo)識(shí)碼：A

汽車使個(gè)人流動(dòng)性提高，早在20世紀(jì)30年代，地理學(xué)家霍爾和佩奇已經(jīng)注意到汽車帶來(lái)的旅游和休憩機(jī)會(huì)[1]。西方自駕游旅游研究主要集中在自駕游游者行為[2-4]、自駕游線路[5-7]、自駕游感知[8，9]及新數(shù)據(jù)獲取方法[10]等方面。

隨著20世紀(jì)90年代國(guó)內(nèi)自駕游的興起，自駕旅游逐漸成為旅游研究的熱點(diǎn)問題，相關(guān)研究集中在游客調(diào)查及自駕游相關(guān)的區(qū)域旅游開發(fā)、市場(chǎng)開發(fā)與旅游產(chǎn)業(yè)適應(yīng)方面，與國(guó)外的自駕游研究相比，國(guó)內(nèi)相關(guān)研究數(shù)量少，起步晚[11]。張學(xué)梅認(rèn)為在研究方法方面，自駕車旅游的研究方法仍然以傳統(tǒng)的研究方法為主，對(duì)一些問題的探討仍停留在描述性分析上，定性研究較多，定量研究較少[12]。近年來(lái)，隨著自駕游數(shù)據(jù)獲取途徑的增多，定量化及模型的運(yùn)用在自駕游研究中逐漸增多，如耦合模型[13]、結(jié)構(gòu)模型[14]、主成分分析[15]、GIS空間技術(shù)[16]、社會(huì)網(wǎng)絡(luò)分析[13，20]等，研究的深度與廣度也隨之增加。旅游客流空間特性是旅游地理學(xué)研究的重點(diǎn)內(nèi)容之一[17]，但目前國(guó)內(nèi)關(guān)于自駕旅游流的研究尚不多見：大多是還原希爾通過電話訪談并利用網(wǎng)絡(luò)分析的方法研究了臺(tái)灣南投的16個(gè)自駕游旅游目的地的網(wǎng)絡(luò)結(jié)構(gòu)特征[18]；盧松采用問卷調(diào)查法以安徽黃山市為例，分析了自駕車入游流空間行為[19]；羅秋菊等利用“數(shù)字足跡”研究入滇自駕車旅游客流的時(shí)空特征，并與一般入滇旅游客流的特征進(jìn)行比較[20]。自駕游研究在許多方面仍然值得探究，如對(duì)中西部地區(qū)自駕游關(guān)注較多，東部沿海省份缺乏實(shí)證研究；社會(huì)網(wǎng)絡(luò)分析方法的應(yīng)用上，以往學(xué)者多以景區(qū)或大城市作為節(jié)點(diǎn)，容易忽視景區(qū)所在區(qū)域的整體吸引力對(duì)自駕旅游流的影響，本文嘗試以縣域?yàn)閱卧獙?duì)旅游流進(jìn)行研究。

隨著居民閑暇時(shí)間增多和經(jīng)濟(jì)能力的提高，加上全國(guó)高速公路網(wǎng)的逐步完善和特定時(shí)段高速公路免費(fèi)通行，短途自駕游已經(jīng)不能滿足部分自駕者的需求，跨省中長(zhǎng)途自駕游受到越來(lái)越多游客的青睞?；谝陨戏治觯疚囊愿＝ㄊ∽择{入游流為例，綜合運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法、GIS和數(shù)理統(tǒng)計(jì)技術(shù)，探討自駕旅游流市場(chǎng)和目的地網(wǎng)絡(luò)結(jié)構(gòu)特征，以期豐富我國(guó)自駕游理論研究并為福建省自駕游目的地建設(shè)和市場(chǎng)開發(fā)提供參考。

1 研究區(qū)域概況、數(shù)據(jù)來(lái)源與研究方法

1.1 研究區(qū)域概況

福建省地處我國(guó)東南沿海，東隔臺(tái)灣海峽與臺(tái)灣相望，依山傍海，有“八山一水一分田”之稱，自然與人文旅游資源豐富，屬亞熱帶氣候，全年適宜旅游，具有發(fā)展旅游業(yè)的獨(dú)特優(yōu)勢(shì)。森林覆蓋率居全國(guó)第一，閩南文化、媽祖文化、客家文化、海絲文化、茶文化等都是富有特色的本土文化形態(tài)。近年來(lái)，福建省全力打造“六縱十橫”高速路網(wǎng)，使全省縣城全面覆蓋的同時(shí)，加強(qiáng)與長(zhǎng)三角、珠三角等周邊省份的聯(lián)系，在 “清新福建”發(fā)展目標(biāo)的指引下，省外自駕游市場(chǎng)發(fā)展迅速。

1.2 數(shù)據(jù)來(lái)源與處理

本研究以有完整記錄福建省內(nèi)自駕游行程的游記為統(tǒng)計(jì)對(duì)象，相關(guān)游記來(lái)源于汽車之家、愛卡網(wǎng)、太平洋汽車等國(guó)內(nèi)知名汽車網(wǎng)站中的自駕游板塊。游記內(nèi)容中基本涵蓋了客源地、出游時(shí)間、結(jié)伴方式、目的地停留時(shí)間、游覽路徑等信息，以作者敘述結(jié)合所上傳的圖片進(jìn)行人工識(shí)別和提取，可信度較高。在時(shí)間的截取上，選擇近三年（2014年1月1日至2016年12月30日）出行的自駕游客，并剔除轉(zhuǎn)發(fā)、重復(fù)發(fā)表的游記，基本涵蓋了家用車型中的微型車到大型SUV等各種車型，但不包括房車。經(jīng)篩選最終得到有效游記203份，以此為樣本進(jìn)行信息的提取和數(shù)字化，并將分析結(jié)果可視化。數(shù)據(jù)搜集過程中發(fā)現(xiàn)雖然發(fā)帖人多為三四十歲的中青年，但出于安全、成本等因素考慮，自駕游一般都結(jié)伴而行，同行的一般有父母、孩子、同事、親戚朋友等，基本涵蓋了不同年齡階段的群體，使得樣本具有一定的代表性。

1.3 研究方法

綜合運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法、GIS和數(shù)理統(tǒng)計(jì)技術(shù)，探討自駕旅游流市場(chǎng)和目的地網(wǎng)絡(luò)結(jié)構(gòu)特征。社會(huì)網(wǎng)絡(luò)理論主要涉及3個(gè)組成因子：節(jié)點(diǎn)、關(guān)系和連線[21]，通過收集網(wǎng)絡(luò)數(shù)據(jù)，建立關(guān)系矩陣對(duì)關(guān)系進(jìn)行測(cè)量最后分析數(shù)據(jù)得出結(jié)論。具體來(lái)說(shuō)：使用Ucinet6軟件進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)測(cè)算，通過度數(shù)中心性、中間中心性、結(jié)構(gòu)洞指標(biāo)來(lái)反映福建省自駕入游流的節(jié)點(diǎn)結(jié)構(gòu)特征；通過節(jié)點(diǎn)連接線來(lái)反映自駕線路的流量大?。煌ㄟ^核心—邊緣模型和網(wǎng)絡(luò)密度來(lái)反映福建省自駕入游流的整體網(wǎng)絡(luò)結(jié)構(gòu)特征；通過QAP相關(guān)分析來(lái)分析距離因素對(duì)自駕游網(wǎng)絡(luò)結(jié)構(gòu)的影響；最后通過GIS軟件進(jìn)行空間統(tǒng)計(jì)和表達(dá)。

2 福建省自駕入游流市場(chǎng)特征

2.1 福建省外自駕游客出游時(shí)間分布

以自駕游客出發(fā)時(shí)間為橫坐標(biāo)，以線路數(shù)為縱坐標(biāo)，繪制福建省自駕游客出游時(shí)間與線路數(shù)的關(guān)系曲線（圖1）。由圖1可以看出，隨時(shí)間的變化自駕游線路數(shù)發(fā)生明顯的高峰期和低谷期交錯(cuò)變化，曲線總體上呈現(xiàn)出“雙M”狀的“四峰四谷”?！八姆濉狈謩e出現(xiàn)在2月、5月、8月、10月，“四谷”分別出現(xiàn)在3月、6月、9月、11月。2月初（春節(jié)期間）的高峰期（占29.56%）最為突出，說(shuō)明越來(lái)越多的游客改變傳統(tǒng)在家過年的方式選擇外出自駕游，與其他三個(gè)小高峰相比，春節(jié)期間自駕游意愿最為強(qiáng)烈?！拔逡弧?、暑期和“國(guó)慶”為自駕小高峰，高峰期與我國(guó)“長(zhǎng)假”時(shí)間高度吻合，說(shuō)明對(duì)于耗時(shí)較長(zhǎng)的跨省自駕來(lái)說(shuō)長(zhǎng)假是明顯的刺激性因素。

2.2 福建省自駕游省外客源市場(chǎng)結(jié)構(gòu)

分別以區(qū)域、?。ū?）、城市作為客源地基本統(tǒng)計(jì)單元，發(fā)現(xiàn)福建省自駕車入游客源市場(chǎng)結(jié)構(gòu)呈現(xiàn)明顯的近地域性和沿海發(fā)達(dá)省份的高度集中性。具體來(lái)看：長(zhǎng)三角地區(qū)的上海市、江蘇省、浙江省和珠江三角洲的廣東省客源占據(jù)了絕對(duì)比重（占73.44%），再加上毗鄰的江西省共計(jì)79.35%；其余省份均在5%以下，其中安徽、廣西、黑龍江、四川、天津分別僅發(fā)現(xiàn)1篇（占0.49%）自駕游記，而甘肅、內(nèi)蒙古、新疆等剩余省、自治區(qū)（未列入表1內(nèi)）未發(fā)現(xiàn)有福建省內(nèi)自駕游游記。

為了驗(yàn)證以游記數(shù)量表征的市場(chǎng)結(jié)構(gòu)的可信度，在百度指數(shù)上以“福建省+自駕游”為關(guān)鍵詞進(jìn)行搜索，年際排名前10名的省、直轄市分別為浙江省、廣東省、江蘇省、上海市、北京市、江西省、山東省、湖南省、湖北省、陜西??；按照區(qū)域排名分別是：華東、華南、華北、華中、西南、東北、西北；按照城市排名前6名分別為：溫州市、杭州市、上海市、北京市、深圳市、廣州市。經(jīng)比較，百度指數(shù)搜索結(jié)果與本文游記統(tǒng)計(jì)結(jié)果高度吻合，從側(cè)面表明樣本具有一定的代表性和科學(xué)性。

2.3 福建省自駕車入游者結(jié)伴方式與逗留時(shí)間

對(duì)不同結(jié)伴方式的自駕線路數(shù)進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)：以夫妻、親子、帶父母的家庭為單位出游方式為主要形式，比重達(dá)60.1%，其次為以親戚朋友結(jié)伴方式出游（占27.1%），以單人方式出游所占比重僅為10.34%，其他出游方式占2.46%。其原因可能是跨省自駕游由于出游時(shí)間較長(zhǎng)、線路自由度較大，自駕過程中遇到的不確定因素較多，選擇信任度高的家庭和親朋好友結(jié)伴易于溝通和達(dá)成共識(shí)，有利于提高自駕游的滿意度。

以不同逗留天數(shù)所占的線路比例為指標(biāo)對(duì)福建省自駕入游流進(jìn)行統(tǒng)計(jì)（進(jìn)、出福建省內(nèi)的當(dāng)天均按整數(shù)計(jì)入逗留時(shí)間，見表2），結(jié)果顯示逗留3天（占23.15%）的線路比例最高，逗留2天的線路比例次之（占19.21%），逗留6天以內(nèi)的線路比例達(dá)88.18%，逗留7日及以上的線路數(shù)僅占11.82%。說(shuō)明受到閑暇時(shí)間、經(jīng)濟(jì)承受能力、主觀意愿等因素的限制，絕大多數(shù)省外自駕游客將出游時(shí)間控制在一周之內(nèi)。

2.4 福建省自駕車入游流空間使用曲線

以游客所在客源地與進(jìn)入福建省首個(gè)旅游目的地的公路距離（以百度地圖“高速優(yōu)先”為條件查詢獲取，近似為單程距離）為橫坐標(biāo)，以線路數(shù)所占比例為縱坐標(biāo)，繪制福建省自駕車入游流空間使用曲線（圖2）。由圖2可以看出，福建省入游流空間使用曲線具有較為典型的Maxwell-Boltzman曲線特點(diǎn)：0-400km增速相對(duì)較慢，400km以后客流迅速增加，在大約800km處達(dá)到最高峰，此時(shí)市場(chǎng)累計(jì)占有量達(dá)到59%；隨著距離的進(jìn)一步增加，旅游線路數(shù)出現(xiàn)快速下降趨勢(shì)，直到大約1400km處降至低谷，累積百分比達(dá)87%，800-1400km區(qū)間客流所占百分比為28%；之后客流緩慢上升至1800km處形成小高峰，2400km以上客流幾乎為零。

可見，福建省自駕入游的一級(jí)客源市場(chǎng)范圍單程距離為800km范圍以內(nèi)，二級(jí)客源市場(chǎng)為800-1400km，1400km以外為三級(jí)客源市場(chǎng)。其中一級(jí)客源市場(chǎng)的形成與福建省地處珠三角與長(zhǎng)三角之間的連接地帶密切相關(guān)，單程800km范圍以內(nèi)聚集著長(zhǎng)三角城市群、珠三角城市群的大部分城市，人口密集、經(jīng)濟(jì)發(fā)達(dá)，小汽車擁有量和自駕車出游率較高，從而構(gòu)成了福建省自駕車入游的主要市場(chǎng)范圍。

3 福建省自駕入游流網(wǎng)絡(luò)結(jié)構(gòu)特征

3.1 網(wǎng)絡(luò)結(jié)點(diǎn)結(jié)構(gòu)特征

基于社會(huì)網(wǎng)絡(luò)分析法，以福建省85個(gè)縣級(jí)單元（包括各地級(jí)市城市所轄區(qū)、縣級(jí)市和縣以及平潭綜合實(shí)驗(yàn)區(qū)，不包括金門，以下統(tǒng)稱“縣域”）為研究對(duì)象，把有實(shí)際停留并有游覽行為且超過兩次的縣域記為旅游節(jié)點(diǎn)，經(jīng)過篩選共有45個(gè)，其余40個(gè)縣域?yàn)槭⊥庾择{游客無(wú)涉及或極少涉及區(qū)域，以自駕游流動(dòng)方向和流量作為聯(lián)系，建立一個(gè)代表節(jié)點(diǎn)的45行×45列的1模多值矩陣。原始數(shù)據(jù)轉(zhuǎn)換方法如下：假設(shè)一個(gè)旅游者先到鼓樓區(qū)，再到霞浦縣，最終到思明區(qū)，把這一次旅程進(jìn)行網(wǎng)絡(luò)規(guī)范記錄下來(lái)則獲得一個(gè)旅游者有方向的旅游動(dòng)態(tài)變化，則霞浦縣到鼓樓區(qū)有單向的游客流動(dòng)關(guān)系，那么霞浦縣到鼓樓區(qū)用1表示，鼓樓區(qū)到霞浦縣用0表示，以此類推進(jìn)行累計(jì)賦值，將所得矩陣輸入U(xiǎn)cinet6軟件中，建成福建省自駕入游流的網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，作為分析福建省外游客在不同縣域相互流動(dòng)關(guān)系的基礎(chǔ)。運(yùn)用Ucinet6軟件的NetDraw工具，繪制福建省自駕入游流網(wǎng)絡(luò)結(jié)構(gòu)圖（圖3）。

文中主要選取中心性指標(biāo)中的度數(shù)中心性、中間中心性指標(biāo)進(jìn)行分析，通過Ucinet6軟件分析得出福建省自駕入游流節(jié)點(diǎn)結(jié)構(gòu)（如表3，限于篇幅僅列出前10名）。度數(shù)中心度指標(biāo)表明，所選取的45個(gè)旅游節(jié)點(diǎn)平均每個(gè)旅游節(jié)點(diǎn)與5，867個(gè)其他節(jié)點(diǎn)存在旅游流聯(lián)系，但中心度方差較大，說(shuō)明福建省自駕入游流網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)較強(qiáng)的不均衡性。思明區(qū)、南靖縣、鼓樓區(qū)、霞浦縣、永定區(qū)、武夷山市等旅游節(jié)點(diǎn)度數(shù)中心性值較高，其中思明區(qū)的度數(shù)中心性指數(shù)為26，遠(yuǎn)高于處于第二位的南靖縣，說(shuō)明思明區(qū)客流量最大，是自駕旅游者最重要的旅游目的地，在整個(gè)福建省自駕游空間網(wǎng)絡(luò)中處于絕對(duì)核心地位。中間中心性指標(biāo)顯示，思明區(qū)、鼓樓區(qū)、霞浦縣、南靖縣、永定區(qū)的指數(shù)較高，其中思明區(qū)的中間中心性最高為131.697。每個(gè)旅游節(jié)點(diǎn)在網(wǎng)絡(luò)中平均充當(dāng)旅游流中介的次數(shù)為17.756，中間中心性指標(biāo)方差高達(dá)821.017，區(qū)域自駕游節(jié)點(diǎn)的地位差別較大。僅有思明區(qū)、鼓樓區(qū)、霞浦縣等15個(gè)旅游節(jié)點(diǎn)中間中心性大于均值，起到旅游流中介的作用，具有較高進(jìn)入性，其他旅游節(jié)點(diǎn)對(duì)這15個(gè)旅游節(jié)點(diǎn)具有較強(qiáng)的依賴性。

網(wǎng)絡(luò)中節(jié)點(diǎn)之間無(wú)直接關(guān)系或關(guān)系間斷的現(xiàn)象被稱為“結(jié)構(gòu)洞” [22]，采用結(jié)構(gòu)洞中最重要的指標(biāo)——限制度來(lái)表征個(gè)體網(wǎng)的閉合性，即網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)直接或間接的緊密程度，限制度指標(biāo)越低，表明所覆蓋的網(wǎng)絡(luò)越開放，結(jié)構(gòu)洞數(shù)量越多。分析結(jié)果顯示前十位的結(jié)構(gòu)洞限制度數(shù)值相差不大，惠安縣、鯉城區(qū)、漳浦縣、福鼎市等節(jié)點(diǎn)的限制度排名靠前，在網(wǎng)絡(luò)中占據(jù)較多的結(jié)構(gòu)洞優(yōu)勢(shì)和競(jìng)爭(zhēng)機(jī)會(huì)，雖然目前這些節(jié)點(diǎn)按照度數(shù)中心性指標(biāo)計(jì)算并未處于核心位置，但未來(lái)依托結(jié)構(gòu)洞優(yōu)勢(shì)加強(qiáng)與思明區(qū)、南靖縣、鼓樓區(qū)等自駕游核心節(jié)點(diǎn)的旅游合作，發(fā)展?jié)摿薮蟆?/p>

3.2 網(wǎng)絡(luò)分析與空間可視化

福建省內(nèi)自駕游節(jié)點(diǎn)連線總量大、結(jié)構(gòu)復(fù)雜，但大多數(shù)的縣級(jí)市連接線總量較小，可重點(diǎn)分析區(qū)域內(nèi)連接線較多的節(jié)點(diǎn)。通過觀察自駕游節(jié)點(diǎn)間連接線的絕對(duì)數(shù)值，分別取10、15和20為斷點(diǎn)值將多值矩陣轉(zhuǎn)化為二分矩陣，從不同強(qiáng)度顯示連接線數(shù)量的多少，從而反映相應(yīng)的連接線在整個(gè)區(qū)域中重要性程度（表4）。斷點(diǎn)值為10、15、和20的連接線分別保留了11條、6條和3條主要的連接線，不難看出連接線所涉及的9個(gè)節(jié)點(diǎn)中思明區(qū)的出現(xiàn)率最高，其次是南靖縣、鼓樓區(qū)、永定區(qū)、霞浦縣等。

利用Ucinet6軟件中核心-邊緣模塊，對(duì)福建省長(zhǎng)途自駕入游流的45個(gè)節(jié)點(diǎn)行分析，得出網(wǎng)絡(luò)核心成員有14個(gè)，即思明區(qū)、南靖縣、鼓樓區(qū)、武夷山市、鼓樓區(qū)、霞浦縣、沙縣、福鼎市、集美區(qū)、平潭綜合實(shí)驗(yàn)區(qū)、鯉城區(qū)、惠安縣、永定區(qū)和泰寧縣，其余31個(gè)節(jié)點(diǎn)為邊緣區(qū)成員。核心節(jié)點(diǎn)之間的密度為5.824，邊緣節(jié)點(diǎn)之間的連接密度僅為0.588，二者相差較大，說(shuō)明核心節(jié)點(diǎn)之間的互動(dòng)頻率遠(yuǎn)高于邊緣的區(qū)域。旅游流向集中于思明區(qū)、南靖縣、鼓樓區(qū)、武夷山市等交通便利、資源稟賦高的區(qū)域，因此需不斷完善核心區(qū)域，強(qiáng)化核心節(jié)點(diǎn)對(duì)邊緣區(qū)域的“涓滴效應(yīng)”，凝練邊緣區(qū)的自駕游產(chǎn)品特色，增強(qiáng)邊緣區(qū)的吸引力，優(yōu)化福建省自駕入游流整體空間結(jié)構(gòu)。

根據(jù)以上對(duì)福建省自駕入游流空間網(wǎng)絡(luò)節(jié)點(diǎn)、連線及核心邊緣分析，將85個(gè)縣級(jí)單元分為核心區(qū)域、重要區(qū)域、一般區(qū)域和待開發(fā)區(qū)域四個(gè)等級(jí)（圖4）。其中核心區(qū)域包思明區(qū)、永定區(qū)、南靖縣和鼓樓區(qū)，是福建省核心自駕游目的地，自駕游流量大且與其他目的地聯(lián)系緊密。武夷山市、霞浦縣、漳浦縣、沙縣、福鼎市、集美區(qū)、平潭綜合實(shí)驗(yàn)區(qū)、鯉城區(qū)、惠安縣和泰寧縣等10個(gè)縣域?yàn)樽择{游重要區(qū)域，45個(gè)節(jié)點(diǎn)中剩下的31個(gè)為一般區(qū)域，在自駕游游記所記錄的線路中出現(xiàn)次數(shù)小于等于兩次的縣域?yàn)榇_發(fā)區(qū)域。核心區(qū)域和重要區(qū)域數(shù)量（共14個(gè)）占省內(nèi)所有區(qū)域數(shù)量的比例（15.29%）偏小，但在閩北、閩東、閩南和閩西地區(qū)均有涉及，空間分布總體上呈現(xiàn)“整體分散、局部集中”的格局。

3.3 自駕入游流網(wǎng)絡(luò)結(jié)構(gòu)形成的主要影響因素

旅游流的影響因素涉及旅游者、旅游交通、旅游接待地和社會(huì)因素。國(guó)內(nèi)的大量研究已表明，基于不同流質(zhì)屬性和不同空間尺度之下的旅游流，其發(fā)揮主導(dǎo)影響作用的因子均存在差異性[23]。鑒于自駕旅游者的個(gè)人信息通過游記無(wú)法一一準(zhǔn)確獲取，當(dāng)前自駕游設(shè)施普遍比較匱乏，本文僅對(duì)旅游資源和旅游交通兩個(gè)主要影響因素進(jìn)行分析。

斷點(diǎn)值為15以上的連線中所涉及的節(jié)點(diǎn)，除霞浦外均為5A級(jí)景區(qū)所在地；核心-邊緣分析中所篩選出的14個(gè)核心區(qū)中，除了霞浦和平潭綜合實(shí)驗(yàn)區(qū)外均為高級(jí)別（4A、5A級(jí)）景區(qū)所在地；進(jìn)一步對(duì)原始游記中所記錄的線路進(jìn)行統(tǒng)計(jì)，203條線路中游客有效停留的景區(qū)共564個(gè)，其中5A景區(qū)328個(gè)（占58.16%），4A級(jí)景區(qū)383個(gè)（占67.91%），所占比例均較高，說(shuō)明高級(jí)別景區(qū)在跨省自駕游客在旅游線路的組織中起到重要作用。這一結(jié)論符合保繼剛關(guān)于大尺度空間旅游者空間行為的描述：常常只游覽目的地級(jí)別較高的旅游點(diǎn)之后，如果資金和時(shí)間尚允許，他們一般不停留在原地游覽該地級(jí)別較低的旅游點(diǎn)，而是遷移到其他地方，瀏覽級(jí)別較高的旅游點(diǎn)[17]。自駕游具有短期性、高節(jié)奏的特征，使得游客對(duì)旅游地點(diǎn)和路線具有較強(qiáng)的選擇性，對(duì)于較低級(jí)別的旅游景區(qū)較少顧及。霞浦及平潭綜合實(shí)驗(yàn)區(qū)雖然沒有高級(jí)別景區(qū)，但濱海旅游資源豐富且特色明顯，特別適合自駕游“走走停?！?，霞浦被譽(yù)為“中國(guó)最美海灘”，吸引了全國(guó)游客前來(lái)觀光采風(fēng)。平潭綜合實(shí)驗(yàn)區(qū)近幾年享受國(guó)家較大的發(fā)展政策優(yōu)惠，對(duì)外知名度的提升，加之自身的濱海旅游資源優(yōu)勢(shì)及基礎(chǔ)設(shè)施的快速完善，使其成為自駕游的熱門區(qū)域。

交通是影響旅游流空間結(jié)構(gòu)最主要因素之一[24]，自駕游客由于自己駕車，在經(jīng)濟(jì)和精力的投入相比公共交通方式更多，理論上應(yīng)具有更強(qiáng)的距離“粘性”?？缡∽择{游具有明顯的“近地域”的特點(diǎn)，游客量基本符合遠(yuǎn)距離衰減規(guī)律。福建省2015年已經(jīng)實(shí)現(xiàn)了“縣縣通高速”有關(guān)，高速公路的開通使得省內(nèi)節(jié)點(diǎn)間的自駕“感知距離”有效縮減，資源的吸引力及個(gè)人偏好在旅游線路的選擇中占據(jù)主導(dǎo)。

4 結(jié)論與討論

從全年看自駕出游時(shí)間有明顯的淡旺季交替，高峰期與我國(guó)“長(zhǎng)假”時(shí)間高度吻合，說(shuō)明對(duì)于耗時(shí)較長(zhǎng)的跨省自駕游來(lái)說(shuō)長(zhǎng)假是明顯的刺激性因素；結(jié)伴方式以夫妻、親子、帶父母的家庭出游方式為主（占60.1%），其次為親朋好友（占27.1%）；在福建省內(nèi)逗留時(shí)間3天（23.15%）的線路比例最高，逗留時(shí)間6天以內(nèi)的線路比例達(dá)88.18%，逗留7日及以上的線路數(shù)僅占11.82%，說(shuō)明受到閑暇時(shí)間、經(jīng)濟(jì)承受能力、主觀意愿等因素的限制，絕大多數(shù)省外自駕游客將出游時(shí)間控制在一周之內(nèi)；自駕游省外客源市場(chǎng)結(jié)構(gòu)呈現(xiàn)明顯的近地域性和沿海發(fā)達(dá)省份和城市的高度集中性；自駕游單程公路里程空間使用曲線具有較為典型的Boltzman曲線特點(diǎn)，一、二級(jí)客源市場(chǎng)范圍單程公路里程分別為0-800km和800-1400km，1400km以外為三級(jí)客源市場(chǎng)。

度數(shù)中心性和中間中心性的方差均較大，說(shuō)明福建省自駕入游流網(wǎng)絡(luò)節(jié)點(diǎn)地位呈現(xiàn)較強(qiáng)的不均衡性。前十位的結(jié)構(gòu)洞限制度數(shù)值相差不大，惠安縣、鯉城區(qū)、漳浦縣、福鼎市等節(jié)點(diǎn)的限制度排名靠前，在網(wǎng)絡(luò)中占據(jù)較多的結(jié)構(gòu)洞優(yōu)勢(shì)和競(jìng)爭(zhēng)機(jī)會(huì)，未來(lái)可依托結(jié)構(gòu)洞優(yōu)勢(shì)加強(qiáng)與思明區(qū)、南靖縣、鼓樓區(qū)、霞浦縣等核心節(jié)點(diǎn)的旅游合作，發(fā)展?jié)摿薮螅粩帱c(diǎn)值為10、15、和20的連接線所涉及的9個(gè)節(jié)點(diǎn)中思明區(qū)出現(xiàn)率最高，其次是南靖縣、鼓樓區(qū)、永定區(qū)、霞浦縣等，絕大多數(shù)節(jié)點(diǎn)為5A級(jí)景區(qū)所在區(qū)域；核心邊緣分析表明核心節(jié)點(diǎn)之間的密度為5.824，邊緣節(jié)點(diǎn)之間的連接密度僅為0.588，二者相差較大，說(shuō)明核心節(jié)點(diǎn)之間的互動(dòng)頻率遠(yuǎn)高于邊緣節(jié)點(diǎn)；核心區(qū)和重要區(qū)域數(shù)量占省內(nèi)所有區(qū)域數(shù)量的比例為15.29%，比例偏小，但在閩北、閩東、閩南和閩西地區(qū)均有涉及。福建省自駕入游流空間等級(jí)序列明顯，空間分布總體上呈現(xiàn)“整體分散、局部集中”的格局，旅游流集中于思明區(qū)、南靖縣、鼓樓區(qū)、永定區(qū)、武夷山市等高級(jí)別景區(qū)所在的區(qū)域。節(jié)假日制度、單程公路距離及高級(jí)別景區(qū)對(duì)自駕旅游流的形成影響較大，省內(nèi)節(jié)點(diǎn)間公路距離對(duì)旅游流的影響極小。

本文以“縣域”作為單元對(duì)福建省自駕入游流網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了“相對(duì)微觀”的刻畫，較好地解決了研究單元“過粗”或“過細(xì)”的問題，研究結(jié)論相對(duì)客觀合理?；诰W(wǎng)絡(luò)游記的自駕游信息能提供真實(shí)的旅游流信息，但有限的數(shù)據(jù)量只能一定程度代表省外自駕游客；基于游記內(nèi)容對(duì)于游客部分自駕游行為的挖掘（如客源地、結(jié)伴方式、出游時(shí)間、旅游節(jié)點(diǎn)等）較為充分和真實(shí)，但對(duì)于游客的人口統(tǒng)計(jì)學(xué)特征則難以獲取，如年齡、職業(yè)、收入等，從而限制了對(duì)于游客自駕游行為的內(nèi)動(dòng)力解釋。

參考文獻(xiàn)：

[1] Hall C M，Page S J. The Geography of Tourism and Recreation （the 3rd edition.）[M]. London：Routledge，2006：62.

[2] Narayanan Y，Macbeth J I M. Deep in the desert： Merging the desert and the spiritual through 4wd tourism[J].Tourism Geographies，2009，11（3）：369-389.

[3] Vo Van Can. Estimation of travel mode choice for domestic tourists to Nha Trang using the multinomial probit mode[J]. Transportation Research Part A，2013，49（1）：149-159.

[4] Mahadevan R. Understanding senior self-drive tourism in Australia using a contingency behavior model[J]. Journal of Travel Research，2014，53（2）：252-259.

[5] Nicolau J L. Characterizing tourist sensitivity to distance[J].Journal of Travel Research，2008，47（1）：43-52.

[6] Connell J，Page S J. Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park，Scotland[J]. Tourism Management，2008，29（3）：561-580.

[7] Liu Long，Xu Jin， Liao，et.al A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication[J]. Expert Systems with Applications，2014.41（7）：3409-3417.

[8] Jon Martin Denstadli，Jens Kr. Steen Jacobsen.The long and winding roads： Perceived quality of scenic tourism routes[J].Tourism Management，2011，32（4）：0261-5177.

[9] Mahadevan， Renuka.Social Valuation and repeat visitation of grey nomads in regional queensland of Australia[J].Tourism Analysis，2013，18（6）：1083-5423.

[10] Ralf Buckleya， Claudia Ollenburgb.Car decals as a new data source for self-drive tourists[J]. Tourism Recreation Research，2012，37（2）：183-186.

[11] 于海波，吳必虎.國(guó)外自駕游研究進(jìn)展[J].旅游學(xué)刊，2011，26（03）：55-61.

[12] 張學(xué)梅.國(guó)內(nèi)自駕車旅游研究綜述[J].成都大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2010（04）：78-80.

[13] 戢曉峰，張力丹，陳方，等. 云南省自駕游發(fā)展水平與旅游交通可達(dá)性的空間分異及耦合[J]. 經(jīng)濟(jì)地理，2016，36（5）：195-201.

[14] 史春云，孫勇，張宏磊，等. 基于結(jié)構(gòu)方程模型的自駕游客滿意度研究[J]. 地理研究，2014，33（4）：751-761.

[15] 劉軍勝，馬耀峰. 西安秦嶺自駕游旅游服務(wù)質(zhì)量評(píng)價(jià)研究[J]. 干旱區(qū)資源與環(huán)境，2014，28（12）：R

[16] 李鳳，汪德根，劉昌雪，等. 中國(guó)自駕車房車營(yíng)地空間分布特征及其驅(qū)動(dòng)機(jī)制[J]. 資源科學(xué)，2017，39（2）：288-302.

[17] 保繼剛，楚義芳. 旅游地理學(xué)（第三版）[M].北京：高等教育出版社，2012.

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

[19] 盧松，吉慧，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.

[20] 羅秋菊，梁思賢. 基于數(shù)字足跡的自駕車旅游客流時(shí)空特征研究——以云南省為例[J]. 旅游學(xué)刊，2016，（12）：41-50.

[21] Degenne A， Forse M D. Introducing social networks[M]. London：Sage Publications，1999.

[22] 孫立新.社會(huì)網(wǎng)絡(luò)分析法：理論與應(yīng)用[J].管理學(xué)家：學(xué)術(shù)版，2012，4（9）：66-73.

[23] 董培海，李慶雷，李偉. 中國(guó)旅游流研究的現(xiàn)狀、問題及展望[J]. 世界地理研究，2015（04）：152-162.

[24] 汪德根，陳田，陸林，等.區(qū)域旅游流空間結(jié)構(gòu)的高鐵效應(yīng)及機(jī)理——以中國(guó)京滬高鐵為例[J]. 地理學(xué)報(bào)，2015（02）：214-233.

Abstract： Using social network analysis method， the paper studied the geographical distribution and network structure of self-driving tourist flow in Fujian province. It can be concluded as follows from the market characteristic. ①Peak and trough of tourist season alternate four times in a year， showing M model， especially peak seasons achieve a high level compliance with Chinses long holiday. ②The travel models mainly between couples， parent-child and parents account for 60.1% relatives and friends accounting for 27.1%. ③88.18% self-driving tourists stay in Fujian province less than 6 days， of which 3 days accounting for 23.15%. ④Self-driving tourist market present an adjacent character， a clear character for eastbound development and the character concentrated on the cities.⑤The tourism special use curve of self-driving is consistent with curves of Boltzman. The number of tourists increase with distance and peaks at 800km， then the number of tourist shows a rapid decrease. On the whole， its gravity field concentrates on the scope of 1400km， and the accumulation percentage of tourists reaches 87%. Spatial characteristic of self-driving tourist network into Fujian province are shown in the following： ①The status of network node present the inequality， the polarization between core nodes and periphery ones has been clear. ②The spatial distribution of nodes is featured by weak concentration and strong dispersion， while the nodes of core region and primary region account for less. ③On the whole， it is quite clear of the self-driving tourist flow hierarchical order， the self-driving tourist flow concentrates on higher scenic which located such as Siming District， Nanjing County， and Gulou District etc. The national system of statutory holidays， one way distance of highway， the higher scenic have greatly influenced self-driving tourist flow， while highway distance between nodes in the province have little effect on self-driving tourist flow.

Key words： self-driving tourist flow； geographical distribution； network structure； spatial behavior； Fujian Province