梁逍遙，馬麗君

［摘? ? 要］在經(jīng)濟高質(zhì)量發(fā)展和雙循環(huán)發(fā)展格局的背景下，構(gòu)建旅游內(nèi)循環(huán)成為旅游產(chǎn)業(yè)進一步釋放消費潛力、實現(xiàn)高質(zhì)量發(fā)展的必要途徑。文章利用2019年31個?。▍^(qū)、市）的旅游網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，基于旅游流循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度3個指標(biāo)，探究我國國內(nèi)旅游流循環(huán)的空間格局及形成機理。結(jié)果表明，各?。▍^(qū)、市）間均存在旅游流雙向輸出，旅游流循環(huán)在不同分析指標(biāo)下的空間分布格局具有異質(zhì)性；基于自然斷點法、K-均值聚類將旅游流循環(huán)劃分為不同類型，其中，L-L型旅游流循環(huán)個數(shù)遠(yuǎn)多于H-H型，表明國內(nèi)旅游流循環(huán)類型結(jié)構(gòu)不合理；基于二次指派程序（quadratic assignment procedure，QAP）回歸分析發(fā)現(xiàn)，旅游流循環(huán)的影響因素及其邊際效應(yīng)不同。在此基礎(chǔ)上，文章提出優(yōu)化國內(nèi)旅游流循環(huán)空間分布格局、提升旅游流循環(huán)質(zhì)量的建議。

［關(guān)鍵詞］旅游流循環(huán)；空間格局；形成機理；循環(huán)強度；匹配度

［中圖分類號］F59

［文獻標(biāo)識碼］A

［文章編號］1002-5006（2023）09-0104-14

DOI： 10.19765/j.cnki.1002-5006.2023.00.017

引言

構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局，是黨中央深刻研判國際、國內(nèi)發(fā)展形勢做出的重大戰(zhàn)略決策，同時也是推動高質(zhì)量發(fā)展的戰(zhàn)略基點。雙循環(huán)新發(fā)展格局于2020年被首次提出1，作為具有戰(zhàn)略性、長期性指導(dǎo)意義的新發(fā)展決策，學(xué)者們基于政治經(jīng)濟學(xué)、宏觀經(jīng)濟學(xué)等學(xué)科經(jīng)典理論系統(tǒng)闡釋了其理論內(nèi)涵[1-2]、政策體系[3]及時代價值[4-5]，并結(jié)合中國發(fā)展實踐論述了其發(fā)展路徑[6]，測度了中國經(jīng)濟循環(huán)的質(zhì)量和效率[7-8]。

旅游業(yè)作為綜合性產(chǎn)業(yè)，在釋放內(nèi)需潛力、提振消費市場以及促進國民經(jīng)濟循環(huán)等方面具有重要作用。已有學(xué)者從經(jīng)濟學(xué)角度分析了旅游業(yè)融入新發(fā)展格局的路徑和策略[9-10]，測度了中國31個省份的旅游業(yè)內(nèi)外循環(huán)效率[11]。旅游業(yè)的發(fā)展建立在旅游流的基礎(chǔ)之上，因為目的地與客源地需要通過旅游流建立聯(lián)系，完成各種要素的傳遞與交換，實現(xiàn)要素流通，從而維持和推動旅游系統(tǒng)的運轉(zhuǎn)和旅游產(chǎn)業(yè)發(fā)展，故而有學(xué)者認(rèn)為，旅游流具有顯著的內(nèi)循環(huán)特征[12]，是推動內(nèi)循環(huán)發(fā)展的重要動力[13]。基于此，研究旅游流循環(huán)對深化旅游循環(huán)、經(jīng)濟循環(huán)的認(rèn)知，構(gòu)建雙循環(huán)新發(fā)展格局具有重要的理論和實踐價值。旅游流是一種復(fù)雜的空間動態(tài)流，廣義上的旅游流是囊括客流、物質(zhì)流、能量流、信息流等多種流動要素的復(fù)雜巨系統(tǒng)，狹義上的旅游流指旅游客流[14]。本文所研究的旅游流為狹義上的旅游流?，F(xiàn)有旅游流研究多關(guān)注單向旅游流或旅游流網(wǎng)絡(luò)特征的分析，如國外對旅游流及其網(wǎng)絡(luò)的時空特征（如空間結(jié)構(gòu)[15]、時空模式[16]、時空演化[17]）和影響因素[18]的研究，國內(nèi)對旅游流及其網(wǎng)絡(luò)的空間分布特征[19]、時空演化規(guī)律及旅游者空間行為[20]的分析。少量研究從雙向流動視角分析了不同國家、地區(qū)間的旅游流互動關(guān)系[21]，側(cè)重分析國家或地區(qū)在旅游流互動關(guān)系中的地位[22]和重大事件對旅游互動的影響[23]。

綜上，雙循環(huán)新發(fā)展格局提出時間較短，基于經(jīng)濟學(xué)的理論研究居多，量化研究正在快速發(fā)展。而旅游循環(huán)研究成果較少，尤其旅游流循環(huán)的研究更少，現(xiàn)有研究多為旅游業(yè)如何適應(yīng)、嵌入新發(fā)展格局的質(zhì)性分析。相比之下，旅游流相關(guān)研究成果豐碩，為本研究提供了良好的理論依據(jù)和方法借鑒，但其側(cè)重單向旅游流或旅游流網(wǎng)絡(luò)的分析，對旅游流雙向互動關(guān)系關(guān)注較少，且現(xiàn)有研究尚未對雙循環(huán)背景下的旅游流循環(huán)概念、內(nèi)涵、分析指標(biāo)進行明確界定和詳細(xì)闡釋，更未形成系統(tǒng)的分析框架。因此，本文立足于旅游流雙向互動關(guān)系，將一段時間內(nèi)兩地間的旅游流雙向流動現(xiàn)象定義為旅游流循環(huán)，提出分析旅游流循環(huán)的3個指標(biāo)（循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度），基于此探究國內(nèi)旅游流循環(huán)的空間分布格局，劃分旅游流循環(huán)類型，識別影響旅游流循環(huán)的因素，探究國內(nèi)旅游流循環(huán)空間分布格局的形成機理。從理論上來看，本文界定了旅游流循環(huán)的概念，構(gòu)建相應(yīng)的分析指標(biāo)體系和分析框架，深化了旅游流的研究內(nèi)容，提供了旅游流研究的新視角；從實踐上看，分析旅游流循環(huán)的空間分布格局為促進地區(qū)間旅游循環(huán)和旅游聯(lián)動、優(yōu)化旅游流循環(huán)的空間格局，構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進的新發(fā)展格局提供參考與借鑒。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

百度指數(shù)是以百度海量網(wǎng)民行為數(shù)據(jù)為基礎(chǔ)的數(shù)據(jù)分享平臺，網(wǎng)絡(luò)關(guān)注度（搜索指數(shù)）及其地域分布特征是該平臺的重要功能模塊，相關(guān)數(shù)據(jù)最早可追溯至2011年。旅游網(wǎng)絡(luò)關(guān)注度是旅游者搜集旅游信息時留下的網(wǎng)絡(luò)足跡，是一種旅游信息流。這種信息流對旅游客流既有引導(dǎo)作用[24]，也有“前兆”效應(yīng)[25]，能夠極大程度地反映現(xiàn)實游客流動情況。已有研究基于計量模型[26]、時空分析[27]證實了旅游網(wǎng)絡(luò)關(guān)注度與實際客流量的流量正相關(guān)性以及明顯的空間協(xié)同性[28-29]。因此，以網(wǎng)絡(luò)關(guān)注度為代表的虛擬旅游流通常被認(rèn)為是現(xiàn)實旅游流的“晴雨表”，用以反映潛在旅游者的需求和地區(qū)間的旅游聯(lián)系[30]。本文依托百度指數(shù)平臺，收集2019年31個省（區(qū)、市）（不包括港澳臺）居民對其他各?。▍^(qū)、市）3A級及以上級別景區(qū)的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)作為分析旅游流循環(huán)空間格局的基礎(chǔ)數(shù)據(jù)1，構(gòu)建31?。▍^(qū)、市）之間的O-D（origin-destination）矩陣。各?。▍^(qū)、市）2019年的常住人口數(shù)量、GDP、每10萬人口高等學(xué)校平均在校生數(shù)、移動電話交換機容量、星級酒店數(shù)量、旅游資源豐度、高鐵和航空最短旅行時間以及空間距離等數(shù)據(jù)來源于《中國統(tǒng)計年鑒?2020》、各?。▍^(qū)、市）統(tǒng)計年鑒和統(tǒng)計公報、各?。▍^(qū)、市）文旅部官方網(wǎng)站、中國鐵路12306網(wǎng)站以及百度地圖。

1.2 概念界定

循環(huán)是指事物周而復(fù)始的運動或變化，特指運行一周而回到原處2?；诖酸屃x，可將旅游流循環(huán)界定為旅游者從客源地出發(fā)到目的地開展旅游活動，而后返回客源地的過程，即游客從客源地→目的地→客源地，這是狹義上的旅游流循環(huán)，也可稱之為以客源地為中心的旅游流自循環(huán)。但在雙循環(huán)背景下，要素自由流通和集聚是構(gòu)建新發(fā)展格局的關(guān)鍵內(nèi)容之一，需要通過促進要素流通助推市場循環(huán)、地域空間循環(huán)，形成優(yōu)勢互補、協(xié)調(diào)聯(lián)動的發(fā)展體系[31]。因此，旅游流循環(huán)應(yīng)以旅游流為關(guān)鍵要素，研究其市場和地域空間循環(huán)，即研究旅游流在地域間的循環(huán)流動。這是廣義上的旅游流循環(huán)，從這一角度講，廣義的旅游流循環(huán)包含了兩個或兩個以上的旅游流自循環(huán)。因此，區(qū)域間的旅游流對流是形成廣義旅游流循環(huán)（下文簡稱為旅游流循環(huán)）的基礎(chǔ)。

但值得注意的是，客源地（A地）游客到目的地（B地）旅游后，受出游時間的限制，絕大部分游客會選擇從B地返回A地，尤其當(dāng)研究尺度為省或更大的地域單元時，這一現(xiàn)象更加明顯，很少有游客在短時間內(nèi)跨多個?。▍^(qū)、市）旅游。因此，兩地間的旅游流循環(huán)是研究旅游流循環(huán)最重要、最基本的單元，也是本文的分析重點。而兩地間旅游流對流形成的兩個旅游流自循環(huán)則是研究兩地間旅游流循環(huán)的核心，旅游流循環(huán)包含了游客返回客源地的過程，但本文并未考慮這一過程的原因在于：其一，返程游客量無法準(zhǔn)確測度，雖然A地游客在B地旅游后，絕大部分游客從B地返回A地，但具體的游客量是多少無統(tǒng)計數(shù)據(jù)；其二，從企業(yè)和政府的角度看，他們更關(guān)注的是接待游客所帶來的經(jīng)濟、社會和文化效應(yīng)，游客返程即為回家，其對客源地產(chǎn)生的效應(yīng)較小，研究意義不大。

故而本文所研究的旅游流循環(huán)可簡化為旅游流對流，并將其定義為：兩地間旅游流的雙向流動，即在一段時間內(nèi)，i地區(qū)向j地區(qū)輸出旅游流（i地區(qū)居民到j(luò)地區(qū)旅游），且j地區(qū)向i地區(qū)輸出旅游流（j地區(qū)居民到i地區(qū)旅游），則兩地間形成旅游流循環(huán)。若i地區(qū)向j地區(qū)單向輸出旅游流或j地區(qū)向i地區(qū)單向輸出旅游流，則兩地間無法形成旅游流循環(huán)。旅游流循環(huán)不僅可以反映旅游流循環(huán)的流量大?。ㄑh(huán)強度），還可以反映旅游流循環(huán)的內(nèi)部結(jié)構(gòu)問題（循環(huán)匹配度），具有更高的研究價值。

1.3 分析指標(biāo)與分析方法

1.3.1? ? 分析指標(biāo)

在兩地間存在旅游流循環(huán)的前提下，可采用循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度3個指標(biāo)進一步分析旅游流循環(huán)的空間分布格局，具體如下。

（1）循環(huán)強度

循環(huán)度強度體現(xiàn)的是兩地間旅游流雙向流動的強度，通過兩地間旅游流流量均值來表征[32]，計算方法如下：

[Fij=（Xij+Xji）/2]? （1）

式（1）中，[Fij]代表i、j兩地間的旅游流循環(huán)強度，[Xij]代表i地區(qū)居民對j地區(qū)的旅游網(wǎng)絡(luò)關(guān)注度（下同），[Xji]代表j地區(qū)居民對i地區(qū)的旅游網(wǎng)絡(luò)關(guān)注度（下同）。[Fij]值越大，旅游流循環(huán)強度越大，表明兩地間旅游流聯(lián)系越緊密。

（2）匹配度

匹配度主要包括流量規(guī)模匹配度和流向偏好匹配度兩個分析指標(biāo)，匹配度越高，對應(yīng)兩地旅游流的互動關(guān)系越協(xié)調(diào)。流量規(guī)模匹配度反映的是兩地間兩條旅游流流量大小的量比關(guān)系。計算公式如下：

[Sij=Xij/Xji，? Xij≤XjiXji/Xij，? Xij>Xji]? （2）

式（2）中，[Sij]代表i地區(qū)與j地區(qū)旅游流循環(huán)的流量規(guī)模匹配度。[Sij∈（0，1]]，其值越大，流量規(guī)模匹配度越高。

流向偏好匹配度反映的是兩地間旅游需求偏好的匹配程度，即i地區(qū)旅游流對j地區(qū)偏好與j地區(qū)旅游流對i地區(qū)偏好的量比關(guān)系。流向偏好可通過計算i地區(qū)流向j地區(qū)的旅游流流量在該地區(qū)旅游流總流出量中的占比得到[33]，計算公式如下：

[Pij=Xij/∑Xi]? （3）

式（3）中，[Pij]代表i地區(qū)對j地區(qū)的旅游流流向偏好，[∑Xi]代表i地區(qū)居民對所有地區(qū)的旅游網(wǎng)絡(luò)關(guān)注度總量。在此基礎(chǔ)上計算流向偏好匹配度，計算公式如下：

[Mij=PijPji， Pij≤PjiPjiPij， Pij>Pji]? ?（4）

式（4）中，[Mij]代表i、j兩地區(qū)間旅游流循環(huán)的流向偏好匹配度。[Mij∈（0，1]]，其值越大，流向偏好匹配度越高。

1.3.2? ? 分析方法

（1）自然斷點法（natural breaks）

自然斷點法是依據(jù)數(shù)值的統(tǒng)計分布規(guī)律對其分級和分類的方法，目的是最大化類與類之間的不同。本文利用ArcMap 10.8中的自然斷點法將不同指標(biāo)下的旅游流循環(huán)劃分為高、中、低3個等級，通過地圖可視化直觀展示各等級旅游流循環(huán)的空間分布格局。此外，通過對比分析不同指標(biāo)、不同等級下的旅游流循環(huán)空間分布特征，揭示我國國內(nèi)旅游流循環(huán)的空間分布格局。

（2）K-均值聚類（K-means clustering）

K-均值聚類是基于給定的聚類數(shù)目K，通過距離度量將具有相似特征的數(shù)據(jù)成員進行分類組織的經(jīng)典聚類算法。本文設(shè)置K=3，旨在依據(jù)旅游流循環(huán)強度、規(guī)模匹配度、偏好匹配度3個指標(biāo)將國內(nèi)旅游流循環(huán)劃分為3個類型，深入分析各個類型的旅游流循環(huán)空間分布格局。

（3）QAP（quadratic assignment procedure）回歸分析

QAP回歸分析是基于矩陣關(guān)系進行定量分析的方法。相比于傳統(tǒng)的線性回歸，QAP回歸能夠很好地處理多重共線性問題，分析結(jié)果也更加有效和穩(wěn)健，因而適用于關(guān)系型數(shù)據(jù)的分析[34]。本文的回歸分析在Ucinet中進行，旨在分析人口規(guī)模、經(jīng)濟發(fā)展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件及地理位置與旅游流循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度3個指標(biāo)的關(guān)系及作用程度，從而探究國內(nèi)旅游流循環(huán)空間分布格局的形成機理。

2 旅游流循環(huán)強度空間格局分析

2019年的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)顯示，31個?。▍^(qū)、市）共形成930條旅游流，465個旅游流循環(huán)，即所有?。▍^(qū)、市）之間都有旅游流循環(huán)。

旅游流循環(huán)強度可依托各省（區(qū)、市）網(wǎng)絡(luò)關(guān)注度及式（1）直接計算得出，利用ArcMap 10.8的自然斷點法將465個旅游流循環(huán)分為高強度、中強度、低強度3個等級，并制作旅游流循環(huán)強度空間分布格局圖（圖1）。高強度等級共62個旅游流循環(huán)，循環(huán)強度值在166.49～491.02之間，涉及21個?。▍^(qū)、市），主要分布在經(jīng)濟發(fā)展水平較高、人口較多、旅游資源豐富、交通便捷、空間鄰近的?。▍^(qū)、市）之間，因而東部地區(qū)1內(nèi)部以及東中部?。▍^(qū)、市）之間形成的旅游流循環(huán)數(shù)量較多，如江蘇?浙江、北京?河北、江蘇?安徽等。中強度等級共127個旅游流循環(huán)，循環(huán)強度值在72.85～166.48之間，涉及除寧夏、青海、西藏之外的28個?。▍^(qū)、市），東西部省（區(qū)、市）之間形成的旅游流循環(huán)數(shù)量較多。與高強度等級相比，中強度等級中的西部地區(qū)內(nèi)部以及西部地區(qū)與其他區(qū)域?。▍^(qū)、市）之間的旅游流雙向互動關(guān)系明顯增多，如貴州?廣西、湖北?四川、山西?陜西等。低強度等級共276個旅游流循環(huán)，循環(huán)強度值在6.55～72.84之間，涉及所有省（區(qū)、市），主要分布在經(jīng)濟發(fā)展水平較低、人口較少以及空間位置較遠(yuǎn)的?。▍^(qū)、市）之間。因此，低強度等級的旅游流循環(huán)以西部各?。▍^(qū)、市）為主導(dǎo)，如寧夏、西藏、青海對應(yīng)的所有旅游流循環(huán)均處于該等級。

總體來看，旅游流循環(huán)強度等級越高，涵蓋的旅游流循環(huán)數(shù)量越少，涉及的省（區(qū)、市）越少。3個等級包含的旅游流循環(huán)數(shù)量差距較大，高強度旅游流循環(huán)數(shù)量較少，低強度旅游流循環(huán)數(shù)量偏多，結(jié)構(gòu)不是很合理，有較大的提升空間。在空間分布上，旅游循環(huán)強度等級由高至低變化時，涉及的核心省（區(qū)、市）由東向西變遷，在整體上形成“東高西低”的空間分布格局，即高強度旅游流循環(huán)的核心?。▍^(qū)、市）主要分布在東部，中強度旅游流循環(huán)的核心省（區(qū)、市）主要分布在東中部，低強度旅游流循環(huán)的核心?。▍^(qū)、市）主要分布在西部，該分布格局與我國人口“東密西疏”以及經(jīng)濟發(fā)展水平“東高西低”的地域格局相似[35]。

3 旅游流循環(huán)匹配度空間格局分析

旅游流循環(huán)匹配度包括流量規(guī)模匹配度、流向偏好匹配度兩個分析指標(biāo)。與上文一樣，旅游流循環(huán)匹配度可根據(jù)式（2）和式（4）直接計算。

3.1 流量規(guī)模匹配度空間格局分析

由網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)和式（2）計算每個旅游流循環(huán)的流量規(guī)模匹配度，并利用自然斷點法將465個旅游流循環(huán)劃分為高匹配、中匹配、低匹配3個等級，結(jié)果如圖2所示。各等級所包含的旅游流循環(huán)數(shù)量相對均衡，分別為154個、185個、126個，但流量規(guī)模匹配度值存在較大差異。高匹配等級的流量規(guī)模匹配度在0.73～0.99之間，涉及除西藏之外的30個省（區(qū)、市），東中部?。▍^(qū)、市）之間形成的旅游流循環(huán)數(shù)量較多。可分為兩種情況：其一，旅游流循環(huán)對應(yīng)兩地相互間的旅游流輸出量均較小，如內(nèi)蒙古?甘肅、北京?寧夏、吉林?山東等；其二，旅游流循環(huán)對應(yīng)兩地相互間的旅游流輸出量均較大，如北京?湖北、貴州?四川、江蘇?安徽等。中匹配等級的流量規(guī)模匹配度在0.45～0.72之間，涉及所有?。▍^(qū)、市），東西部?。▍^(qū)、市）之間形成的旅游流循環(huán)較多，如上海?重慶、浙江?新疆、天津?內(nèi)蒙古等。低匹配等級的流量規(guī)模匹配度在0.01～0.44之間，同樣涉及所有省（區(qū)、市），西部?。▍^(qū)、市）對應(yīng)的旅游流循環(huán)占據(jù)主導(dǎo)。如西藏對應(yīng)的30個旅游流循環(huán)中有27個為低規(guī)模匹配度旅游流循環(huán)，這是因為西部地區(qū)經(jīng)濟發(fā)展水平低、人口密度低，限制了當(dāng)?shù)鼐用竦某鲇螡摿?，但西部地區(qū)又因自然資源豐富，旅游優(yōu)勢度較高，對外吸引力較強[30]，導(dǎo)致西部各?。▍^(qū)、市）游客輸出規(guī)模小，而游客輸入規(guī)模較大，從而形成規(guī)模匹配度較低的旅游流循環(huán)。

在空間分布上，隨著流量規(guī)模匹配度等級的升高，旅游流循環(huán)分布趨向集中，集聚方向為自西向東。流量規(guī)模高匹配、中匹配等級的旅游流循環(huán)多以東、中部?。▍^(qū)、市）為主導(dǎo)，低匹配等級旅游流循環(huán)多分布在北部、西部邊緣?。▍^(qū)、市）。在地理位置上，高匹配、中匹配、低匹配3個等級中鄰近?。▍^(qū)、市）形成的旅游流循環(huán)占比分別為20.78%、18.92%、1.59%，即空間距離較近的?。▍^(qū)、市）間較容易形成流量規(guī)模匹配度較高的旅游流循環(huán)。

3.2 流向偏好匹配度空間格局分析

利用自然斷點法將465個旅游流循環(huán)分成高匹配、中匹配、低匹配3個等級（圖3）。高匹配等級有117個旅游流循環(huán)，匹配度在0.74～0.99之間，東部?。▍^(qū)、市）與其他區(qū)域?。▍^(qū)、市）形成的旅游流循環(huán)數(shù)量較多，如廣東?山西、北京?四川、山東?重慶等。中匹配等級包含156個旅游流循環(huán)，匹配度在0.48～0.73之間，主要分布在西部內(nèi)部省（區(qū)、市）以及西部與其他區(qū)域的省（區(qū)、市）之間，如寧夏?甘肅、內(nèi)蒙古?福建、云南?安徽等。低匹配等級有192個旅游流循環(huán)，匹配度在0.10～0.47之間。與高、中匹配等級相比，低匹配等級囊括的旅游流循環(huán)數(shù)量最多，以天津、遼寧、吉林、寧夏等?。▍^(qū)、市）為主導(dǎo)。如天津?qū)?yīng)的30個旅游流循環(huán)中有23個被劃分到低偏好匹配度等級中，這是因為，相對于其他省（區(qū)、市），天津本身旅游資源較為匱乏，且相鄰的北京對其有一定的屏蔽效應(yīng)和虹吸效應(yīng)，導(dǎo)致天津?qū)ν饴糜挝^弱；但天津的經(jīng)濟、交通以及基礎(chǔ)設(shè)施發(fā)展水平較高，居民具備較強的旅游出行能力，導(dǎo)致天津與其他?。▍^(qū)、市）形成的旅游流循環(huán)在偏好方面失衡。

3個等級包含的旅游流循環(huán)數(shù)量不同，但都涉及31個省（區(qū)、市），等級越高，包含的旅游流循環(huán)數(shù)量越少。高匹配、中匹配等級的旅游流循環(huán)數(shù)量在各?。▍^(qū)、市）的分布差距較小，低匹配等級的旅游流循環(huán)數(shù)量在各?。▍^(qū)、市）的分布差距相對較大。在空間分布上，高匹配、中匹配、低匹配3個等級所包含的旅游流循環(huán)無明顯空間集聚或擴散現(xiàn)象，無顯著的空間分布差異，比規(guī)模匹配度的空間分布更加均衡。在地理位置上，高匹配、中匹配、低匹配3個等級中鄰近?。▍^(qū)、市）之間形成的旅游流循環(huán)占比分別為18.80%、14.74%、12.50%，可見，隨著偏好匹配度等級的升高，鄰近?。▍^(qū)、市）間的旅游流循環(huán)占比逐漸增加，但3個等級之間的占比相差不大，說明地理位置對流向偏好匹配度的邊際效應(yīng)不大。

4 旅游流循環(huán)類型劃分及空間分布

為進一步識別旅游流循環(huán)特征，本文依據(jù)循環(huán)強度和匹配度將旅游流循環(huán)劃分成不同類型。匹配度包括流量規(guī)模匹配度與流向偏好匹配度兩個指標(biāo)，為便于分析，本文通過計算兩者的幾何均值將兩個匹配度合二為一，進而結(jié)合循環(huán)強度進行旅游流循環(huán)類型的劃分。旅游流循環(huán)類型劃分采用兩種方法：一種是根據(jù)循環(huán)強度、匹配度的自然斷點結(jié)果，將旅游流循環(huán)劃分為9種類型；另一種是利用K-均值聚類將旅游流循環(huán)劃分3種類型。

根據(jù)循環(huán)強度、匹配度的自然斷點結(jié)果，旅游流循環(huán)可劃分為：H-H（高循環(huán)強度-高匹配度，含32個旅游流循環(huán)）、H-M（高循環(huán)強度-中匹配度，含25個旅游流循環(huán)）、H-L（高循環(huán)強度-低匹配度，含5個旅游流循環(huán)）、M-H（中循環(huán)強度-高匹配度，含42個旅游流循環(huán)）、M-M（中循環(huán)強度-中匹配度，含56個旅游流循環(huán)）、M-L（中循環(huán)強度-低匹配度，含29個旅游流循環(huán)）、L-H（低循環(huán)強度-高匹配度，含44個旅游流循環(huán)）、L-M（低循環(huán)強度-中匹配度，含111個旅游流循環(huán)）、L-L（低循環(huán)強度-低匹配度，含121個旅游流循環(huán)）9個類型。總體而言，循環(huán)強度較高、匹配度較高的旅游流循環(huán)，多分布在經(jīng)濟發(fā)達?。▍^(qū)、市）或距離較近的?。▍^(qū)、市）之間。循環(huán)強度較低、匹配度較低的旅游流循環(huán)，多分布在東北、西北等區(qū)域?。▍^(qū)、市）之間。

為進一步精簡旅游流循環(huán)類型，凸顯類型特征和空間分布規(guī)律，利用K-均值聚類對旅游流循環(huán)進行分類，結(jié)果如圖4所示。從圖4中可以看到，旅游流循環(huán)可分成3個類型：H-H（高循環(huán)強度-高匹配度）、M-M（中循環(huán)強度-中匹配度）、L-L（低循環(huán)強度-低匹配度）。其中，H-H型包括22個旅游流循環(huán)，以江蘇、北京、廣東等經(jīng)濟發(fā)達的東部?。▍^(qū)、市）以及旅游資源豐富的西部?。▍^(qū)、市）四川為核心，該類型主要由核心省（區(qū)、市）之間的旅游流循環(huán)或核心?。▍^(qū)、市）與其相鄰省（區(qū)、市）之間形成的旅游流循環(huán)構(gòu)成，使得該類型旅游流循環(huán)的空間分布具有明顯的地理集中性。M-M型包含120個旅游流循環(huán)，該類型核心?。▍^(qū)、市）不再局限于浙江、河北等沿海省（區(qū)、市），中部?。▍^(qū)、市）如湖北、湖南的核心地位逐漸凸顯，旅游流循環(huán)的涵蓋范圍不斷向西擴展。L-L型包括323個旅游流循環(huán)，西藏、青海、寧夏、海南等?。▍^(qū)、市）的核心地位突出，該類型包含的旅游流循環(huán)數(shù)量占比達69.50%，反映出我國整體旅游流循環(huán)的類型結(jié)構(gòu)不合理。旅游流循環(huán)類型從H-H型到L-L型，旅游流循環(huán)數(shù)量及其涵蓋的省（區(qū)、市）數(shù)量越來越多，單個核心?。▍^(qū)、市）在各自類別中的主導(dǎo)地位逐漸減弱，旅游流循環(huán)的空間分布格局不斷向西擴散，核心省（區(qū)、市）也逐漸向西變遷。與自然斷點分類結(jié)果相比，K-均值聚類劃分結(jié)果中的各類型空間集聚效應(yīng)更加顯著，核心區(qū)域的主導(dǎo)地位更加突出。

5 國內(nèi)旅游流循環(huán)空間格局的形成機理

與單向旅游流不同，旅游流循環(huán)由兩地的旅游流雙向互動形成，其循環(huán)強度、匹配度受到兩地相關(guān)因素的共同影響。因此，分析國內(nèi)旅游流循環(huán)空間格局的形成機理時需綜合考察旅游流循環(huán)涉及的兩個地區(qū)情況。旅游流循環(huán)強度的影響因素分析需計算旅游流循環(huán)涉及兩地相關(guān)影響因素的均值，如經(jīng)濟發(fā)展水平在與循環(huán)強度進行回歸分析時，采用兩地經(jīng)濟發(fā)展水平的均值。旅游流循環(huán)匹配度的影響因素分析需計算旅游流循環(huán)涉及兩地相關(guān)影響因素的匹配度，該匹配度是指兩個地區(qū)間影響因素的量比關(guān)系，如經(jīng)濟發(fā)展水平在與旅游流循環(huán)匹配度進行回歸分析時，采用兩地經(jīng)濟發(fā)展水平的比值（甲地經(jīng)濟發(fā)展水平/乙地經(jīng)濟發(fā)展水平或乙地經(jīng)濟發(fā)展水平/甲地經(jīng)濟發(fā)展水平，比值[∈（0，1]]）進行分析。

陳哲和龍茂興[36]、蘇卉和康文婧[37]、許艷等[38]、李磊等[12]的研究表明，人口規(guī)模、經(jīng)濟發(fā)展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件、地理位置是影響旅游流流動的重要因素，故本文以上述因素作為自變量，以2019年國內(nèi)旅游流循環(huán)的循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度為因變量，基于二次指派程序（quadratic assignment procedure，QAP）回歸分析，揭示國內(nèi)旅游流循環(huán)空間分布格局的形成機理。其中，人口規(guī)模以2019年年末各?。▍^(qū)、市）的常住人口數(shù)量為測度指標(biāo)[39]。經(jīng)濟發(fā)展水平以2019年各?。▍^(qū)、市）的GDP總量為測度指標(biāo)[40]。教育水平以2019年各?。▍^(qū)、市）的每10萬人口高等學(xué)校平均在校生數(shù)為測度指標(biāo)[37]。信息化水平以2019年各?。▍^(qū)、市）的移動電話交換機容量為測度指標(biāo)，旨在描述地區(qū)的信息化基礎(chǔ)設(shè)施建設(shè)情況[41]。旅游接待能力以2019年各?。▍^(qū)、市）的星級酒店數(shù)量為測度指標(biāo)[42]。旅游資源稟賦基于各?。▍^(qū)、市）A級及以上級別景區(qū)數(shù)量利用旅游資源豐度公式計算得出[43]，反映地區(qū)的旅游資源規(guī)模和豐裕程度。兩地間的交通條件以交通便捷度為測度指標(biāo)，指該地區(qū)通過高鐵或航空到達另一地區(qū)的最短時間[44]。地理位置以兩省（區(qū)、市）行政中心所在地之間的空間距離為測度指標(biāo)[45]?；谝陨现笜?biāo)，構(gòu)建影響因素矩陣，進行QAP回歸分析，同時為消除不同量綱的影響，對研究數(shù)據(jù)進行離差標(biāo)準(zhǔn)化處理[12]。

5.1 循環(huán)強度影響因素分析

如表1所示，旅游流循環(huán)強度的回歸模型R2為0.633，回歸模型擬合度好，擁有良好解釋力。人口規(guī)模、經(jīng)濟發(fā)展水平、教育水平、信息化水平、旅游接待能力、旅游資源稟賦、交通條件以及地理位置均通過顯著性檢驗，表明以上因素均對旅游流循環(huán)強度有顯著影響。具體而言，兩地的經(jīng)濟、教育、信息化以及旅游接待能力的平均水平越高，意味著旅游流循環(huán)對應(yīng)兩地居民的出行能力、信息搜集能力、旅游需求以及旅游設(shè)施的平均水平越高，相應(yīng)地，兩地間旅游流循環(huán)強度越高。旅游資源稟賦的平均水平反映了兩地綜合的旅游資源規(guī)模，決定其吸引力大小，因此，兩地的旅游資源規(guī)模也對旅游流循環(huán)強度有助推作用。這也表明，旅游者傾向選擇經(jīng)濟發(fā)展水平、旅游發(fā)展水平以及基礎(chǔ)設(shè)施水平較高的目的地[46]。此外，人口規(guī)模、交通條件、空間距離與旅游流循環(huán)強度呈負(fù)相關(guān)。從理論上講，人口規(guī)模是旅游流動的基礎(chǔ)，人口規(guī)模越大，旅游流流量越大，故而人口規(guī)模與旅游流循環(huán)強度應(yīng)為正相關(guān)。本文研究結(jié)果與此相悖，其原因在于，回歸模型中自變量較多，變量之間存在一定的相關(guān)性，其他強相關(guān)因素影響了人口規(guī)模的作用力和路徑，使其與旅游流循環(huán)強度呈負(fù)相關(guān)，同時，本文僅用2019年一年數(shù)據(jù)進行分析，可能存在異常值的影響。交通便捷程度是指兩地間的交通用時，用時越短，交通越便捷，越有利于兩地間的旅游流動，相應(yīng)地，旅游流循環(huán)強度越高。根據(jù)距離衰減理論，兩地間的空間距離直接影響旅游信息的輻射范圍以及旅游者的游覽時間、費用，即空間距離是制約旅游流動的重要阻力[47]，因此，鄰近?。▍^(qū)、市）之間形成的旅游流循環(huán)強度較高，與上文的空間格局分析結(jié)果相一致。

5.2 流量規(guī)模匹配度影響因素分析

旅游流循環(huán)規(guī)模匹配度的回歸模型R2為0.339。根據(jù)已有經(jīng)驗，QAP回歸模型的確定性系數(shù)一般低于普通最小二乘法模型，R2多在12.5%～40.3%之間[12，47-48]。因而，此回歸模型的確定性系數(shù)仍在合理范圍之內(nèi)，模型解釋力較好。如表1所示，兩地間的交通條件通過顯著性水平1%的檢驗，即兩地間的交通用時越短，旅游雙向流動越便利，對應(yīng)的旅游流循環(huán)流量規(guī)模匹配度越高。教育水平也通過了顯著性水平5%的檢驗，表明兩地間的教育水平匹配度越高，旅游流循環(huán)規(guī)模匹配度也越高。人口規(guī)模通過了顯著性水平為10%的檢驗，即兩地的人口規(guī)模越接近，兩地的旅游流雙向輸出規(guī)模越均衡。在前文分析規(guī)模匹配度的空間分布格局時發(fā)現(xiàn)，鄰近?。▍^(qū)、市）之間形成高規(guī)模匹配度旅游流循環(huán)的占比較高，從而認(rèn)為，地理位置鄰近可能對規(guī)模匹配度有促進作用，但結(jié)合回歸分析結(jié)果，地理位置對規(guī)模匹配度無顯著影響。這是因為兩地間交通條件的改善產(chǎn)生時空壓縮效應(yīng)，克服了空間距離對旅游流流動的抑制作用，即交通便捷程度對規(guī)模匹配度的促進作用克服了空間距離對其的抑制作用。

5.3 流向偏好匹配度影響因素分析

如表1所示，偏好匹配度的回歸模型R2為0.208，模型解釋力較好。其中，旅游接待能力對偏好匹配度的正向作用最強，即兩地間的旅游接待能力越匹配，對應(yīng)的旅游流循環(huán)偏好匹配度越高，這是因為旅游接待能力會直接影響旅游者對目的地的感知和印象，進而影響旅游者的個體偏好。經(jīng)濟發(fā)展水平影響居民的出行能力，教育水平影響居民的信息搜集和接收能力，因而兩地的經(jīng)濟發(fā)展水平、教育水平匹配度越高，對應(yīng)的旅游流循環(huán)偏好匹配度越高。空間距離與偏好匹配度呈負(fù)相關(guān)，即兩地間的空間距離越遠(yuǎn)，對應(yīng)的旅游流循環(huán)偏好匹配度越低，但與其他因素相比，空間距離對偏好匹配度的影響力較小。因此，當(dāng)空間距離與其他因素共同作用時，其他強相關(guān)因素會掩蓋空間距離的作用，出現(xiàn)遠(yuǎn)距離?。▍^(qū)、市）間的旅游流循環(huán)偏好匹配度較高的情況，這與前文偏好匹配度的空間分布格局分析結(jié)果一致。

QAP分析結(jié)果中，所有變量對旅游流循環(huán)強度的作用均通過顯著性檢驗，但部分變量對匹配度的作用未通過顯著性檢驗。其中，常住人口與偏好匹配度無顯著相關(guān)性，這是因為偏好匹配度為旅游流循環(huán)對應(yīng)兩地彼此偏好指數(shù)的比值，與人口規(guī)模無關(guān)。經(jīng)濟發(fā)展水平、旅游接待能力均與規(guī)模匹配度無顯著相關(guān)性，信息化水平在規(guī)模匹配度、偏好匹配度的回歸模型中均未通過顯著性檢驗，這表明盡管以上因素的平均水平對旅游流循環(huán)的整體流量有促進作用，但具體到兩地旅游流的匹配關(guān)系時，其作用并不顯著。同理，旅游資源稟賦對旅游流循環(huán)強度存在正向影響，但對規(guī)模匹配度和偏好匹配度無顯著影響，其原因在于，匹配度高意味著旅游流循環(huán)對應(yīng)兩地在流量、流向上的均衡性和對稱性，這就要求兩地對彼此吸引力相當(dāng)。在此情境下，兩地旅游資源的互補性比旅游資源的豐裕度作用更為突出。除此之外，本文僅使用了一年的截面數(shù)據(jù)進行分析，不排除影響因素出現(xiàn)異常值的情況，另外，統(tǒng)計意義上的不顯著并不意味著自變量對因變量沒有影響，因為這種影響可能因為自變量之間的相互作用而被掩蓋。

6 結(jié)論與展望

6.1 研究結(jié)論

本文依托百度指數(shù)平臺，收集2019年31個省（區(qū)、市）居民對其他省（區(qū)、市）景點的旅游網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)，從旅游流循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度3個指標(biāo)分析旅游流循環(huán)的空間分布格局，基于自然斷點法和K-均值聚類對旅游流循環(huán)進行類型劃分，利用QAP回歸分析探究國內(nèi)旅游流循環(huán)空間分布格局的影響因素，結(jié)果發(fā)現(xiàn)。

（1）各?。▍^(qū)、市）間均存在旅游流雙向輸出，共形成465個旅游流循環(huán)。根據(jù)自然斷點法和ArcMap可視化結(jié)果，旅游流循環(huán)在不同指標(biāo)下的空間分布格局具有明顯的空間不均衡性，且各?。▍^(qū)、市）對應(yīng)的旅游流循環(huán)在循環(huán)強度和匹配度上存在較大差距，與市域旅游流網(wǎng)絡(luò)結(jié)構(gòu)的不平衡現(xiàn)象一致[13]。因此，未來仍需將優(yōu)化國內(nèi)旅游流循環(huán)空間分布、促進國內(nèi)旅游流的空間均衡作為重點，尤其對外循環(huán)依賴性較高、處于低等級的邊緣地區(qū)，需充分挖掘其旅游潛力，提升邊緣地區(qū)在旅游流內(nèi)循環(huán)中的地位和作用。

（2）國內(nèi)旅游流循環(huán)類型特征鮮明。根據(jù)K-均值聚類可將旅游流循環(huán)劃分為3個類型（H-H型、M-M型、L-L型），每個類型都存在多個核心地區(qū)，同時，也存在相對邊緣的地區(qū)，這與現(xiàn)有旅游流網(wǎng)絡(luò)結(jié)構(gòu)的研究結(jié)論一致[49-50]。由H-H型到L-L型，核心地區(qū)逐漸西移。總體來看，H-H型的旅游流循環(huán)個數(shù)偏少，表明旅游流循環(huán)整體質(zhì)量較低，需注重協(xié)調(diào)循環(huán)強度和匹配度的發(fā)展步伐，有側(cè)重地提升旅游流雙向互動強度和匹配度。尤其當(dāng)旅游流循環(huán)對應(yīng)兩地在經(jīng)濟、社會等方面發(fā)展水平相差較大時，應(yīng)充分發(fā)揮主導(dǎo)方的擴散力與輻射力，注重促進兩地的協(xié)調(diào)性均衡發(fā)展，避免因劣勢方對主導(dǎo)方的過分依賴而產(chǎn)生過度極化或集聚陰影效應(yīng)，提升旅游流循環(huán)的雙向互動溢出效應(yīng)，致力于構(gòu)建健康、穩(wěn)定的旅游流循環(huán)空間格局，以促進國內(nèi)整體旅游流循環(huán)網(wǎng)絡(luò)的均衡發(fā)展。

（3）國內(nèi)旅游流循環(huán)的影響因素及其邊際效應(yīng)不同，導(dǎo)致旅游流循環(huán)強度、流量規(guī)模匹配度、流向偏好匹配度的空間分布格局不同。其中，兩地的人口規(guī)模、經(jīng)濟發(fā)展水平、信息化水平、教育水平、旅游接待能力、旅游資源稟賦和地理位置均與旅游流循環(huán)強度顯著相關(guān)，流量規(guī)模匹配度受人口規(guī)模、教育水平以及交通條件的影響，流向偏好匹配度與經(jīng)濟發(fā)展水平、教育水平、旅游接待能力以及地理位置顯著相關(guān)。因此，為進一步優(yōu)化國內(nèi)旅游流循環(huán)空間分布格局，需著力于不同指標(biāo)的核心影響因素，采取差異化、針對性的提升策略。如增強循環(huán)強度應(yīng)致力于促進地區(qū)間的旅游聯(lián)動，充分利用地區(qū)旅游資源的異質(zhì)性、互補性，提高地區(qū)間循環(huán)強度。為提升規(guī)模匹配度，需著力推進兩地間的經(jīng)濟、社會發(fā)展的協(xié)調(diào)性，改善兩地間的交通條件，暢通兩地間流動通道。為提升偏好匹配度，需著重從地區(qū)旅游建設(shè)、旅游營銷等多方面入手，抓住游客求異心理，強化兩地居民對彼此的良好感知，激發(fā)潛在旅游需求。綜上，為構(gòu)建旅游流循環(huán)健康、穩(wěn)定的空間格局，需地區(qū)間建立信息互通、產(chǎn)品互補、營銷互動、客源互送的良性協(xié)作關(guān)系。

本文與以往的旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究均聚焦旅游流這一關(guān)鍵要素，并基于互聯(lián)網(wǎng)數(shù)據(jù)構(gòu)建流量矩陣展開分析[30，51-52]。但兩者的研究對象不同，本文的研究對象為旅游流循環(huán)，是對旅游流雙向互動關(guān)系的分析，而旅游流網(wǎng)絡(luò)結(jié)構(gòu)的研究對象為旅游流網(wǎng)絡(luò)及網(wǎng)絡(luò)中的節(jié)點[53-54]。研究對象的差異決定了分析指標(biāo)的不同，本文基于流量、流向兩個維度構(gòu)建了循環(huán)強度、規(guī)模匹配度、偏好匹配度3個分析指標(biāo)，而旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究則基于流量或關(guān)系數(shù)量從個體網(wǎng)、整體網(wǎng)兩個維度構(gòu)建了中心度、網(wǎng)絡(luò)密度、核心-邊緣模型等多個分析指標(biāo)[55]。最后，本文基于已有的旅游流網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)研究選取了影響旅游流循環(huán)的主要因素及QAP回歸分析方法[47-48]，但由于因變量屬性存在差異，使得本文與旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究結(jié)果既有共性也有差異。具體而言，本文所用因變量本質(zhì)上是基于流量及其量比關(guān)系構(gòu)建的矩陣，而以往旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究中的因變量本質(zhì)上是基于流量、關(guān)系數(shù)量構(gòu)建的矩陣[46，56]，因而，本文中旅游流循環(huán)強度的影響因素分析結(jié)果與以往研究結(jié)果存在相似性，進一步印證了較高的經(jīng)濟發(fā)展水平、教育水平等因素對旅游流的促進作用，交通用時長、空間距離大對旅游流的負(fù)向作用，但旅游流循環(huán)匹配度的影響因素分析結(jié)果與以往研究存在較大差異。

6.2 研究不足與展望

（1）由于客觀限制，本文分析所用數(shù)據(jù)為網(wǎng)絡(luò)關(guān)注度，并非兩地間的現(xiàn)實旅游流。盡管已有研究證明兩者存在極強的正相關(guān)性，但網(wǎng)絡(luò)關(guān)注度并不能完全代表實際旅游流，而是盡可能真實地反映現(xiàn)實情況。隨著網(wǎng)絡(luò)普及、用戶數(shù)量激增，網(wǎng)絡(luò)關(guān)注度對現(xiàn)實旅游流預(yù)測的準(zhǔn)確性和全面性在不斷增強，網(wǎng)絡(luò)關(guān)注度是現(xiàn)有相對全面、便捷地反映現(xiàn)實客流量的工具。因此，未來可尋求更加多樣化、準(zhǔn)確化的數(shù)據(jù)，進一步提高結(jié)論的可靠性和可用性。

（2）本文以2019年的網(wǎng)絡(luò)關(guān)注度數(shù)據(jù)為基礎(chǔ)分析了國內(nèi)旅游流循環(huán)的空間分布格局。未來可拓寬時間尺度和空間尺度，如研究國內(nèi)旅游流循環(huán)的歷時性演變，同時可結(jié)合時事，對比分析事件發(fā)生前后旅游流循環(huán)的時空變動特征，分析旅游流循環(huán)的韌性，提升應(yīng)對突發(fā)事件的能力，為旅游循環(huán)、經(jīng)濟循環(huán)抵抗外生沖擊提供參考。還可以研究區(qū)域內(nèi)循環(huán)、外循環(huán)的空間分布格局，為促進區(qū)域內(nèi)、外旅游聯(lián)動和區(qū)域協(xié)調(diào)發(fā)展提出建議。

（3）本文聚焦旅游流循環(huán)，分析其空間格局、類型及形成機理，尚未分析旅游流循環(huán)的網(wǎng)絡(luò)結(jié)構(gòu)特征。未來可利用社會網(wǎng)絡(luò)分析法，通過關(guān)聯(lián)性分析、中心性分析、網(wǎng)絡(luò)密度、塊模型、核心-邊緣模型等方法刻畫旅游流循環(huán)的網(wǎng)絡(luò)特征，識別各?。▍^(qū)、市）在旅游流循環(huán)網(wǎng)絡(luò)中的關(guān)鍵作用和地位，為提升旅游流循環(huán)網(wǎng)絡(luò)質(zhì)量提供參考。

參考文獻（References）

[1] 王維平， 陳雅. “雙循環(huán)”新發(fā)展格局釋讀——基于馬克思主義政治經(jīng)濟學(xué)總體性視域[J]. 中國特色社會主義研究， 2021（1）： 36-43. [WANG Weiping， CHEN Ya. Explanation of new development paradigm of “dual circulation”： From the overall perspective of Marxist political economy[J]. Studies on Socialism with Chinese Characteristics， 2021（1）： 36-43.]

[2] 黎峰. 國內(nèi)國際雙循環(huán)： 理論框架與中國實踐[J]. 財經(jīng)研究， 2021， 47（4）： 4-18. [LI Feng. Dual circulations of domestic and international economy： Theoretical framework and Chinese practice[J]. Journal of Finance and Economics， 2021， 47（4）： 4-18.]

[3] 黃群慧. 新發(fā)展格局的理論邏輯、戰(zhàn)略內(nèi)涵與政策體系——基于經(jīng)濟現(xiàn)代化的視角[J]. 經(jīng)濟研究， 2021， 56（4）： 4-23. [HUANG Qunhui. The theoretical logic， strategic implication and policy system of the new development pattern： An economic modernization perspective[J]. Economic Research Journal， 2021， 56（4）： 4-23.]

[4] 詹成付. 深入理解和準(zhǔn)確把握新發(fā)展階段的基本內(nèi)涵和重大意義[J]. 人民論壇， 2020（35）： 6-9. [ZHAN Chengfu. Deeply understand and accurately grasp the basic connotation and great significance of the new development stage[J]. Peoples Tribune， 2020（35）： 6-9.]

[5] 薛安偉. 中國構(gòu)建“雙循環(huán)”新發(fā)展格局的重大意義——學(xué)習(xí)習(xí)近平總書記關(guān)于新發(fā)展格局的重要論述[J]. 毛澤東鄧小平理論研究， 2020（9）： 20-27; 108. [XUE Anwei. The significance of building a new development pattern of “dual circulation” in China： Studying the important discourse of President Xi Jinping on the new development pattern[J]. Studies on Mao Zedong and Deng Xiaoping Theories， 2020（9）： 20-27; 108.]

[6] 裴長洪， 劉洪愧. 構(gòu)建新發(fā)展格局科學(xué)內(nèi)涵研究[J]. 中國工業(yè)經(jīng)濟， 2021（6）： 5-22. [PEI Changhong， LIU Hongkui. Research on the scientific connotation of new development pattern[J]. China Industrial Economics， 2021（6）： 5-22.]

[7] 黃仁全， 李村璞. 中國經(jīng)濟國內(nèi)國際雙循環(huán)的測度及增長動力研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2022， 39（8）： 80-99. [HUANG Renquan， LI Cunpu. Measurement and growth dynamics of the domestic and international dual circulation of Chinas economy[J]. Journal of Quantitative & Technological Economics， 2022， 39（8）： 80-99.]

[8] 丁曉強， 張少軍. 中國經(jīng)濟雙循環(huán)的測度與分析[J]. 經(jīng)濟學(xué)家， 2022（2）： 74-85. [DING Xiaoqiang， ZHANG Shaojun. Measurement and analysis of Chinas economic dual circulation[J]. Economist， 2022（2）： 74-85.]

[9] 杜書云， 牛文濤. “雙循環(huán)”格局下旅游新業(yè)態(tài)的培育邏輯[J]. 貴州社會科學(xué)， 2022（3）： 118-124. [DU Shuyun， NIU Wentao. The logic in the cultivation of new forms of tourism industry in the “dual-circulation” structure[J]. Guizhou Social Sciences， 2022（3）： 118-124.]

[10] 李鵬， 鄧愛民. “雙循環(huán)”新發(fā)展格局下旅游業(yè)發(fā)展路徑與策略[J]. 經(jīng)濟與管理評論， 2021， 37（5）： 21-30. [LI Peng， DENG Aimin. The development path and strategy of tourism under the new development pattern of “dual circulation”[J]. Review of Economy and Management， 2021， 37（5）： 21-30.]

[11] 楊淋杰， 李翠林， 車國慶. 中國旅游內(nèi)外循環(huán)效率的區(qū)域差異及分布動態(tài)演進[J]. 統(tǒng)計與決策， 2021， 37（21）： 57-61. [YANG Linjie， LI Cuilin， CHE Guoqing. Regional differences and dynamic distribution evolution of internal and external cycle efficiency of tourism in China[J]. Statistics & Decision， 2021， 37（21）： 57-61.]

[12] 李磊， 陶卓民， 陸林， 等. 貴州省避暑旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征及其影響因素[J]. 地理研究， 2021， 40（11）： 3208-3224. [LI Lei， TAO Zhuomin， LU Lin， et al. Structural characteristics and influencing factors of summer tourism flow network in Guizhou province[J]. Geographical Research， 2021， 40（11）： 3208-3224.]

[13] 方葉林， 黃震方， 李經(jīng)龍， 等. 中國市域旅游流網(wǎng)絡(luò)結(jié)構(gòu)空間分異及其效應(yīng)研究——基于攜程旅行網(wǎng)的大數(shù)據(jù)挖掘[J].自然資源學(xué)報， 2022， 37（1）： 70-82. [FANG Yelin， HUANG Zhenfang， LI Jinglong， et al. Research on the spatial differentiation and effects of network structure in tourism flow in Chinese cities： Big data mining based on Ctrip[J]. Journal of Natural Resources， 2022， 37（1）： 70-82.]

[14] WILLIAMS A V， ZELINSKY W. On some patterns in international tourist flows[J]. Economic Geography， 1970， 46（4）： 549-567.

[15] WANG Y， CHEN H， WU X. Spatial structure characteristics of tourist attraction cooperation networks in the Yangtze River Delta based on tourism flow[J]. Sustainability， 2021， 13（21）. DOI： 10.3390/su132112036.

[16] HAN Y， YANG G， ZHANG T. Spatial-temporal response patterns of tourist flow under entrance tourist flow control scheme[J]. Tourism Management， 2021， 83. DOI： 10.1016/j.tourman.2020.104246.

[17] SHAO Y， HUANG S， WANG Y， et al. Evolution of international tourist flows from 1995 to 2018： A network analysis perspective[J]. Tourism Management Perspectives， 2020， 36： 100752.

[18] GIDEBO H B. Factors determining international tourist flow to tourism destinations： A systematic review[J]. Journal of Hospitality Management and Tourism， 2021， 12（1）： 9-17.

[19] 程雪蘭， 方葉林， 蘇雪晴， 等. 中國東部沿海5大城市群旅游流網(wǎng)絡(luò)結(jié)構(gòu)空間分布特征研究[J]. 地理科學(xué)進展， 2021， 40（6）： 948-957. [CHENG Xuelan， FANG Yelin， SU Xueqing， et al. Spatial distribution characteristics of network structure of tourism flow in five major urban agglomerations of coastal China[J]. Progress in Geography， 2021， 40（6）： 948-957.]

[20] 盧淑瑩， 黃鑫， 陶卓民. 基于地理標(biāo)記照片的入境游客空間特征與移動軌跡——以南京市為例[J]. 自然資源學(xué)報， 2021， 36（2）： 315-326. [LU Shuying， HUANG Xin， TAO Zhuomin. Spatial patterns and moving trajectory of inbound tourists based on geo-tagged photos： A case study of Nanjing city[J]. Journal of Natural Resources， 2021， 36（2）： 315-326.]

[21] 朱曉翔. 中國與“海上絲綢之路”國家間旅游流雙向互動關(guān)系分析[J]. 太平洋學(xué)報， 2017， 25（8）： 81-93. [ZHU Xiaoxiang. Study on the mutual interaction of tourism markets between China and other maritime Silk Road countries[J]. Pacific Journal， 2017， 25（8）： 81-93.]

[22] 劉法建， 張捷， 章錦河， 等. 中國入境旅游流網(wǎng)絡(luò)省級旅游地角色研究[J]. 地理研究， 2010， 29（6）： 1141-1152. [LIU Fajian， ZHANG Jie， ZHANG Jinhe， et al. Roles and functions of provincial destinations in Chinese inbound tourist flow network[J]. Geographical Research， 2010， 29（6）： 1141-1152.]

[23] 王潔潔， 孫根年， 舒鏡鏡. 20年來中美關(guān)系及危機事件對旅游流雙向互動的影響[J]. 旅游學(xué)刊， 2009， 24（5）： 12-19. [WANG Jiejie， SUN Gennian， SHU Jingjing. [The influence of Sino-US relations and crisis events on the two-way interaction of tourism flow in 20 years[J]. Tourism Tribune， 2009， 24（5）： 12-19.]

[24] 路紫， 趙亞紅， 吳士鋒， 等. 旅游網(wǎng)站訪問者行為的時間分布及導(dǎo)引分析[J]. 地理學(xué)報， 2007（6）： 621-630. [LU Zi， ZHAO Yahong， WU Shifeng， et al. The time distribution and guide analysis of visiting behavior of tourism website users[J]. Acta Geographica Sinica， 2007（6）： 621-630.]

[25] 李山， 邱榮旭， 陳玲. 基于百度指數(shù)的旅游景區(qū)絡(luò)空間關(guān)注度： 時間分布及其前兆效應(yīng)[J]. 地理與地理信息科學(xué)， 2008（6）： 102-107. [LI Shan， QIU Rongxu， CHEN Ling. Cyberspace attention of tourist attractions based on Baidu index： Temporal distribution and precursor effect[J]. Geography and Geo-Information Science， 2008（6）： 102-107.]

[26] 黃先開， 張麗峰， 丁于思. 百度指數(shù)與旅游景區(qū)游客量的關(guān)系及預(yù)測研究——以北京故宮為例[J]. 旅游學(xué)刊， 2013， 28（11）： 93-100. [HUANG Xiankai， ZHANG Lifeng， DING Yusi. Study on the predictive and relationship between tourist attractions and the Baidu index： A case study of the Forbidden City[J]. Tourism Tribune， 2013， 28（11）： 93-100.]

[27] 馬麗君， 孫根年， 黃蕓瑪， 等. 城市國內(nèi)客流量與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J]. 經(jīng)濟地理， 2011， 31（4）： 680-685. [MA Lijun， SUN Gennian， HUANG Yunma， et al. A correlative analysis on the relationship between domestic tourists and network[J]. Economic Geography， 2011， 31（4）： 680-685.]

[28] 龍茂興， 孫根年， 龍珍付. 遵義紅色旅游網(wǎng)絡(luò)關(guān)注度的客流響應(yīng)研究[J]. 地理與地理信息科學(xué)， 2013， 29（5）： 98-101; 118. [LONG Maoxing， SUN Gennian， LONG Zhenfu. Tourist flows response to degree of consumer network attention to Zunyi tourism[J]. Geography and Geo-Information Science， 2013， 29（5）： 98-101; 118.]

[29] 汪秋菊， 黃明， 劉宇. 城市旅游客流量——網(wǎng)絡(luò)關(guān)注度空間分布特征與耦合分析[J]. 地理與地理信息科學(xué)， 2015， 31（5）： 102-106; 127. [WANG Qiuju， HUANG Ming， LIU Yu. Research on spatial feature and coupling correlation between urban tourist flow and network attention-degree[J]. Geography and Geo-Information Science， 2015， 31（5）： 102-106; 127.]

[30] 楊勇， 眭霞蕓， 劉震. 中國省際虛擬旅游流網(wǎng)絡(luò)結(jié)構(gòu)的空間演變特征研究[J]. 地理科學(xué)進展， 2022， 41（8）： 1349-1363. [YANG Yong， SUI Xiayun， LIU Zhen. Spatial pattern changes of the network structure of Chinas inter-provincial virtual tourism flow[J]. Progress in Geography， 2022， 41（8）： 1349-1363.]

[31] 榮晨， 盛朝迅， 易宇， 等. 國內(nèi)大循環(huán)的突出堵點和應(yīng)對舉措研究[J]. 宏觀經(jīng)濟研究， 2021（1）： 5-18; 78. [RONG Chen， SHENG Chaoxun， YI Yu， et al. A study on outstanding blocking points and countermeasures of the domestic grand cycle[J]. Macroeconomics， 2021（1）： 5-18; 78.]

[32] 沈麗珍， 陳少杰， 汪俠. 流動空間視角下的同城化地區(qū)發(fā)展階段劃分與特征[J]. 地理研究， 2021， 40（9）： 2558-2571. [SHEN Lizhen， CHEN Shaojie， WANG Xia. Development stage segmentation and characteristics of urban integration area in China based on the space of flows[J]. Geographical Research， 2021， 40（9）： 2558-2571.]

[33] 孫根年. 國際旅游支付方程、支付等級與旅游偏好[J]. 地理學(xué)與國土研究， 2001， 17（1）： 50-54. [SUN Gennian. International tourism payment equation， payment grade and tourism inclination[J]. Geography and Territorial Research， 2001， 17（1）： 50-54.]

[34] 張新成， 梁學(xué)成， 高楠， 等. 長征主題紅色旅游資源關(guān)注度的空間網(wǎng)絡(luò)結(jié)構(gòu)及其形成機制分析[J]. 旅游科學(xué)， 2021， 35（3）： 1-23. [ZHANG Xincheng， LIANG Xuecheng， GAO Nan， et al. An analysis of the spatial network structure and formation mechanism of the attention degree of Long-March-themed red tourism[J]. Tourism Science， 2021， 35（3）： 1-23.]

[35] 胡煥庸. 中國人口之分布： 附統(tǒng)計表與密度圖[J]. 地理學(xué)報， 1935， 2（2）： 33-74. [HU Huanyong. The distribution of population in China： With statistics maps[J]. Acta Geographica Sinica， 1935， 2（2）： 33-74.]

[36] 陳哲， 龍茂興. 戶外旅游網(wǎng)絡(luò)關(guān)注度時空特征研究[J]. 地理與地理信息科學(xué)， 2020， 36（5）： 80-85; 94. [CHEN Zhe， LONG Maoxing. A study on temporal and spatial characteristics of network attention to outdoor tourism[J]. Geography and Geo-Information Science， 2020， 36（5）： 80-85; 94.]

[37] 蘇卉， 康文婧. 紅色旅游經(jīng)典景區(qū)網(wǎng)絡(luò)關(guān)注度時空特征及影響因素研究[J]. 干旱區(qū)資源與環(huán)境， 2022， 36（5）： 200-208. [SU Hui， KANG Wenjing. Spatial-temporal characteristics of the network attention to classical red tourist attractions[J]. Journal of Arid Land Resources and Environment， 2022， 36（5）： 200-208.]

[38] 許艷， 陸林， 趙海溶. 烏鎮(zhèn)景區(qū)網(wǎng)絡(luò)關(guān)注度動態(tài)演變與空間差異分析[J]. 經(jīng)濟地理， 2020， 40（7）： 200-210. [XU Yan， LU Lin， ZHAO Hairong. Dynamic evolution and spatial differences of network attention in Wuzhen scenic area[J]. Economic Geography， 2020， 40（7）： 200-210.]

[39] 方葉林， 程雪蘭， 黃震方， 等. 國家重點風(fēng)景名勝區(qū)網(wǎng)絡(luò)關(guān)注度與游客量的錯位特征及機理[J]. 經(jīng)濟地理， 2020， 40（4）： 204-213. [FANG Yelin， CHENG Xuelan， HUANG Zhenfang， et al. The dislocation characteristics and mechanism of network attention and tourists about Chinese national scenic spots[J]. Economic Geography， 2020， 40（4）： 204-213.]

[40] 鄒永廣， 林煒鈴， 鄭向敏. 旅游安全網(wǎng)絡(luò)關(guān)注度時空特征及其影響因素[J]. 旅游學(xué)刊， 2015， 30（2）： 101-109. [ZOU Yongguang， LIN Weiling， ZHENG Xiangmin. Spatial-temporal characteristics and influential factors of network attention tourism security[J]. Tourism Tribune， 2015， 30（2）： 101-109.]

[41] 王龍杰， 曾國軍， 畢斗斗. 信息化對旅游產(chǎn)業(yè)發(fā)展的空間溢出效應(yīng)[J]. 地理學(xué)報， 2019， 74（2）： 366-378. [WANG Longjie， ZENG Guojun， BI Doudou. Spatial spillover effects of ICT on tourism industry growth[J]. Acta Geographica Sinica， 2019， 74（2）： 366-378.]

[42] 向藝， 鄭林， 王成璋. 旅游經(jīng)濟增長因素的空間計量研究[J]. 經(jīng)濟地理， 2012， 32（6）： 162-166. [XIANG Yi， ZHENG Lin， WANG Chengzhang. A spatial econometric analysis on the factors of tourism economic growth[J]. Economic Geography， 2012， 32（6）： 162-166.]

[43] 馬麗君， 孫根年， 楊睿， 等. 城市氣候舒適度與游客網(wǎng)絡(luò)關(guān)注度時空相關(guān)分析[J]. 地理科學(xué)進展， 2011， 30（6）： 753-759. [MA Lijun， SUN Gennian， YANG Rui， et al. A correlative analysis of the spatial and temporal relationship between climate comfort degree and tourist network attention for typical cities[J]. Progress in Geography， 2011， 30（6）： 753-759.]

[44] 馬莉， 劉培學(xué)， 張建新， 等. 景區(qū)旅游流與網(wǎng)絡(luò)關(guān)注度的區(qū)域時空分異研究[J]. 地理與地理信息科學(xué)， 2018， 34（2）： 87-93. [MA Li， LIU Peixue， ZHANG Jianxin， et al. Research on spatial and temporal difference between tourist flow and web search behavior in scenic spots[J]. Geography and Geo-Information Science， 2018， 34（2）： 87-93.]

[45] 楚純潔， 周金風(fēng)， 姚蒙. 山岳型景區(qū)網(wǎng)絡(luò)關(guān)注度時空分布及差異比較研究——以河南省4個5A級景區(qū)為例[J]. 地域研究與開發(fā)， 2021， 40（6）： 111-117. [CHU Chunjie， ZHOU Jinfeng， YAO Meng. Comparative study on spatial-temporal distributions and differences of network attention to mountain scenic spots： A case of four 5A scenic spots in Henan province[J]. Areal Research and Development， 2021， 40（6）： 111-117.]

[46] 石建中， 范齊. 亞太經(jīng)合組織旅游流網(wǎng)絡(luò)結(jié)構(gòu)演化及影響因素[J]. 自然資源學(xué)報， 2022， 37（8）： 2169-2180. [SHI Jianzhong， FAN Qi. The evolution and influencing factors of APEC tourism flow network structure[J]. Journal of Natural Resources， 2022， 37（8）： 2169-2180.]

[47] 韓劍磊， 明慶忠， 史鵬飛， 等. 基于百度指數(shù)的中國省域旅游信息流網(wǎng)絡(luò)結(jié)構(gòu)特征及其影響因素分析[J]. 陜西師范大學(xué)學(xué)報（自然科學(xué)版）， 2021， 49（6）： 43-53. [HAN Jianlei， MING Qingzhong， SHI Pengfei， et al. Analysis of the structural characteristics and influencing factors of tourism information flow network in China based on Baidu index[J]. Journal of Shaanxi Normal University （Natural Science Edition）， 2021， 49（6）： 43-53.]

[48] 劉法建， 張捷， 陳冬冬. 中國入境旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征及動因研究[J].地理學(xué)報， 2010， 65（8）： 1013-1024. [LIU Fajian， ZHANG Jie， CHEN Dongdong. The structure characteristics and dynamical factors of Chinese inbound tourist flow network[J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024.]

[49] 虞洋， 宋周鶯， 史坤博. 基于百度指數(shù)的中國省域間信息聯(lián)系網(wǎng)絡(luò)格局及其動力機制[J]. 經(jīng)濟地理， 2019， 39（9）： 147-155. [YU Yang， SONG Zhouying， SHI Kunbo. Network pattern of inter-provincial information connection and its dynamic mechanism in China： Based on Baidu index[J]. Economic Geography， 2019， 39（9）： 147-155.]

[50] 王朝輝， 喬浩浩， 張姍姍， 等. 入境旅游流空間格局演化及大都市旅游高質(zhì)量發(fā)展——以上海市為例[J]. 自然資源學(xué)報， 2022， 37（12）： 3167-3182. [WANG Chaohui， QIAO Haohao， ZHANG Shanshan， et al. Evolution of spatial pattern of inbound tourism flows and enlightenment of high-quality development of metropolitan tourism： A case study of Shanghai[J]. Journal of Natural Resources， 2022， 37（12）： 3167-3182.]

[51] 朱冬芳， 虞虎， 劉青青， 等. 入藏旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征與組織模式——基于團隊游和自助游視角的比較分析[J]. 地理科學(xué)進展， 2021， 40（5）： 812-824. [ZHU Dongfang， YU Hu， LIU Qingqing， et al. Network structure characteristics and organizational models of tourist flow to Tibet： Comparative analysis based on group and self-guided tours[J]. Progress in Geography， 2021， 40（5）： 812-824.]

[52] 侯賀平， 王靚， 任婉倩， 等. 基于數(shù)字足跡的河南省A級景區(qū)旅游流網(wǎng)絡(luò)特征研究[J]. 地域研究與開發(fā)， 2022， 41（1）： 91-97. [HOU Heping， WANG Jing， REN Wanqian， et al. Research on characteristics of tourism flow networks of A-level scenic spots in Henan province based on digital footprint[J]. Areal Research and Development， 2022， 41（1）： 91-97.]

[53] 戢曉峰， 于淼， 陳方， 等. 新冠疫情前后自駕旅游流空間結(jié)構(gòu)特征及影響： 以云南省為例[J]. 干旱區(qū)資源與環(huán)境， 2022， 36（12）： 184-190. [JI Xiaofeng， YU Miao， CHEN Fang， et al. Influence of the COVID-19 on the spatial structure of self-driving tourist flow during the golden week of Spring Festival： Case of Yunnan province[J]. Journal of Arid Land Resources and Environment， 2022， 36（12）： 184-190.]

[54] 蔣依依， 劉焱序， 王寧， 等. 2004—2019年全球旅游流網(wǎng)絡(luò)中心度時空演變[J]. 地理研究， 2022， 41（3）： 698-712. [JIANG Yiyi， LIU Yanxu， WANG Ning， et al. The spatial dynamics of global inbound tourism network centrality during 2004—2019[J]. Geographical Research， 2022， 41（3）： 698-712.]

[55] 周李， 吳殿廷， 虞虎， 等. 基于網(wǎng)絡(luò)游記的城市旅游流網(wǎng)絡(luò)結(jié)構(gòu)演化研究——以北京市為例[J]. 地理科學(xué)， 2020， 40（2）： 298-307. [ZHOU Li， WU Dianting， YU Hu， et al. Evolution of urban tourism flow network structure based on network travel notes： A case study of Beijing city[J]. Scientia Geographica Sinica， 2020， 40（2）： 298-307.]

[56] 王娟， 孟鳳嬌， 封潔潔. 基于用戶生成內(nèi)容的成渝城市群旅游客流網(wǎng)絡(luò)結(jié)構(gòu)演化及機理研究[J]. 地域研究與開發(fā)， 2022， 41（1）： 85-90. [WANG Juan， MENG Fengjiao， FENG Jiejie. User generated content-based tourist flow network structure evolution and mechanism in Chengdu-Chongqing urban agglomeration[J]. Areal Research and Development， 2022， 41（1）： 85-90.]

The Spatial Pattern and Formation Mechanism of Domestic Tourist Flow

Circulations—Analysis Based on Network Attention Data

LIANG Xiaoyao， MA Lijun

（School of Business， Xiangtan University， Xiangtan 411105， China）

Abstract： The high-quality economic development and the “dual circulation” development pattern with domestic circulation as the mainstay and domestic and international circulations reinforcing each other are major strategies put forward by the Central Committee of the Communist Party of China （CPC） based on a penetrating analysis of domestic and international situations while taking into account the actual condition of Chinas economic and social development. They have pointed out the way forward for bringing Chinas economy to a new stage of development and opening up new prospects for the development of the cause. As a strategic pillar industry that integrates the primary， secondary and tertiary industries， tourism plays an important role in unleashing the potential of domestic demand， revitalizing the consumer market and ensuring smooth flow of economic activity. Tourist flow is a vital link connecting all elements in the tourism system and can reflect the group characteristics of tourists， making it a classical and important topic in tourism research.

With the domestic tourists flow among 31 provinces， autonomous regions and municipalities as the object， this study explored the spatial pattern and formation mechanism of domestic tourist flow circulations based on network attention data in 2019. To present the characteristics of tourist flow circulations as accurately as possible， we selected three indicators， namely， circulation intensity， scale matching degree and preference matching degree. The results show that： First， the two-way flow of domestic tourists in 31 provinces， autonomous regions and municipalities formed 465 tourist flow circulations， and the spatial pattern of circulations under different indicators was heterogeneous. Second， when all three indicators were considered， these circulations could be divided into different types through natural breaks and K-means clustering. Generally， the number of tourist flow circulations in L-L type was much more than that of H-H type， which indicated that the structure of domestic tourism circulations was unreasonable. Third， through QAP analysis， it was found that the factors influencing the three indicators and their marginal effects are different. Based on the above， we can find that domestic tourist flow circulations were characterized by uneven spatial distribution and unreasonable structure. To optimize the spatial pattern and improve the quality of domestic tourist flow circulations， we need to take targeted measures based on core elements.

In conclusion， this study put forward a new concept in the field of tourist flow—tourist flow circulations， along with three indicators defined for its evaluation. The spatial distribution pattern， types and formation mechanism have all been revealed. The analytical framework developed in this study provides a meaningful reference for future research on circulation in tourism and economy. Moreover， the results of this study may help managers to learn more about domestic tourists and contribute to the high-quality development of tourism.

Keywords： tourist flow circulations; spatial pattern; formation mechanism; circulation intensity; matching degree

[責(zé)任編輯：王? ? 婧；責(zé)任校對：鄭? ? 果]