劉培學(xué)，陸佑海，張金悅，張建新，張宏磊

[摘? ? 要]基于大樣本數(shù)據(jù)的分析有助于深入揭示游客在目的地區(qū)域內(nèi)遷移模式與擴(kuò)散的空間特征。文章以江蘇省為例，研究游客在省域尺度的區(qū)域內(nèi)聚和擴(kuò)散，對(duì)多節(jié)點(diǎn)線路距離和游客移動(dòng)步長(zhǎng)分布特征進(jìn)行了刻畫，使用最優(yōu)標(biāo)度回歸模型分析了多種因素對(duì)各景區(qū)接待不同移動(dòng)模式游客量的影響程度。結(jié)果表明：（1）外來游客在江蘇省內(nèi)的多節(jié)點(diǎn)模式空間距離呈現(xiàn)指數(shù)型分布規(guī)律，相應(yīng)距離模式上的游客量呈現(xiàn)冪指數(shù)分布，游客在高等級(jí)景區(qū)間轉(zhuǎn)移的移動(dòng)步長(zhǎng)呈現(xiàn)指數(shù)分布;（2）省域客流內(nèi)聚于南京、蘇州、揚(yáng)州與無錫的三角地帶，“煙花三月下?lián)P州”的季節(jié)性使得客流在蘇中地區(qū)較為活躍;（3）景區(qū)等級(jí)、創(chuàng)建年限、所在城市和距離市中心距離等因素對(duì)游客的不同移動(dòng)模式選擇有普遍的顯著影響，在重要性程度上差異明顯。多節(jié)點(diǎn)模式游客偏好高價(jià)門票型景區(qū)，受景區(qū)區(qū)位便利性影響更強(qiáng)，而單節(jié)點(diǎn)模式受景區(qū)面積和季節(jié)性影響較大，高等級(jí)景區(qū)和高滿意度會(huì)促使游客繼續(xù)游覽下一節(jié)點(diǎn)。文章在大數(shù)據(jù)支持下總結(jié)了游客移動(dòng)規(guī)律特征，對(duì)比不同模式客流偏好的多因素影響機(jī)制，有助于深入大尺度目的地區(qū)域內(nèi)部以景區(qū)為節(jié)點(diǎn)的游客空間行為研究，也為在實(shí)踐中具體評(píng)價(jià)游線質(zhì)量，優(yōu)化景區(qū)間交通體系，并促進(jìn)目的地全域協(xié)調(diào)發(fā)展提供了應(yīng)用方法參考。

[關(guān)鍵詞]目的地區(qū)域;旅游線路;游客偏好;數(shù)字足跡;最優(yōu)標(biāo)度回歸

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2022）06-0014-13

Doi： 10.19765/j.cnki.1002-5006.2022.06.007

引言

游客在客源地與目的地之間及目的地內(nèi)部的流動(dòng)是當(dāng)代社會(huì)人類流動(dòng)的重要組成，大眾旅游呈現(xiàn)多樣的模式特征，對(duì)旅游移動(dòng)模式特征與機(jī)制的分析一直是旅游流研究的核心問題[1]。了解游客流動(dòng)模式對(duì)于旅游管理者進(jìn)行目的地管理決策至關(guān)重要[2]，比如文化旅游主管部門在組織區(qū)域精品旅游線路組合的征集和遴選時(shí)，往往缺少游客行為偏好特征的數(shù)據(jù)與研究支撐。旅游線路模式是游客在目的地區(qū)域內(nèi)停留和消費(fèi)的空間上做出連續(xù)性選擇的組合，對(duì)游線進(jìn)行統(tǒng)計(jì)和分析可以重新審視各旅游目的地的定位差異[3]。旅游線路模式還會(huì)驅(qū)動(dòng)目的地區(qū)域空間分異[4]，樞紐和門戶型目的地在這一分異過程中獲益更多[5]。

相關(guān)研究以中觀（城市為主）和微觀（景區(qū)內(nèi)部為主）地理尺度的線路模式分類為主，大尺度區(qū)域內(nèi)空間流動(dòng)特征的研究較少，其數(shù)據(jù)來源主要依賴旅行社線路產(chǎn)品。隨著移動(dòng)手機(jī)集成GPS、移動(dòng)互聯(lián)網(wǎng)等現(xiàn)代信息通信技術(shù)的飛速發(fā)展，大規(guī)模、高精度的人類空間交互數(shù)據(jù)的可獲取程度不斷提高。這在一定程度上解決了旅游流研究領(lǐng)域精細(xì)數(shù)據(jù)獲取困難的問題，為旅游流的研究提供了新的數(shù)據(jù)來源與研究視角，促成了新時(shí)代背景下該領(lǐng)域的發(fā)展。而游客移動(dòng)模式與目的地區(qū)域是相互作用的[6]，并在微觀、中觀和宏觀區(qū)域不同尺度上形成多樣的空間流動(dòng)格局[7]。因而，本文在傳統(tǒng)旅游客流的研究領(lǐng)域之外，關(guān)注到旅游學(xué)界有必要回答的問題：大樣本條件下大尺度區(qū)域內(nèi)部的游客移動(dòng)的模式與偏好特征是怎樣的，并呈現(xiàn)出哪些時(shí)間與空間規(guī)律。

手機(jī)信令對(duì)應(yīng)的數(shù)字足跡對(duì)分析游客移動(dòng)具有廣泛覆蓋度的優(yōu)勢(shì)，提供了更大尺度研究的技術(shù)基礎(chǔ)，而且數(shù)據(jù)有較好的魯棒性，受使用者屬性偏差影響較小[8]。基于此，本研究利用基于手機(jī)信令漫游數(shù)據(jù)的旅游客流監(jiān)測(cè)平臺(tái)，在2017年3―5月隨機(jī)獲取江蘇省204家5A級(jí)與4A級(jí)景區(qū)間的18.8萬人次省外客流數(shù)據(jù)，總結(jié)大尺度區(qū)域中的游客空間移動(dòng)模式和線路特征，探索省域內(nèi)部景區(qū)節(jié)點(diǎn)旅游流空間分布特征和時(shí)間變化，選擇最優(yōu)標(biāo)度回歸模型對(duì)不同移動(dòng)方式游客對(duì)比分析及景區(qū)客流影響因素研究。本研究將為政策制定者更好地配置和管理潛力地區(qū)的旅游資源的空間優(yōu)化提供支撐，通過明確客源偏好及其影響因素，有助于旅游營銷機(jī)構(gòu)和服務(wù)企業(yè)對(duì)線路組織進(jìn)行更有針對(duì)性的優(yōu)化提供參考。

1 研究綜述

1.1 游客時(shí)空行為與旅游線路模式

旅游客流在目的地內(nèi)部的運(yùn)動(dòng)模式影響區(qū)域旅游產(chǎn)品的開發(fā)和線路的組織，地理學(xué)視角的研究對(duì)目的地提出了許多的空間認(rèn)知模型[9]。Lew與McKercher歸納游客在目的地內(nèi)部的空間行為，主要分為點(diǎn)對(duì)點(diǎn)、環(huán)游、復(fù)雜等3種模式[10]。Orellana等探索了自然旅游區(qū)游客的兩種運(yùn)動(dòng)模式（循環(huán)模式和序列模式），以發(fā)現(xiàn)游客的偏好[11]。國內(nèi)學(xué)者進(jìn)行了廣泛的探索，吳必虎等較早研究中國居民出游規(guī)律，特別是目的地選擇的類型偏好和空間范圍規(guī)律[12]。史春云等比較分析了我國旅行社線路空間模式類型特征[5]及其對(duì)旅游經(jīng)濟(jì)的差異影響[13]。李山等針對(duì)大尺度區(qū)域旅游圈定量分析了旅游線路的游時(shí)和旅徑等特征[14-15]。靳誠等構(gòu)建了南京市景點(diǎn)間游客流動(dòng)網(wǎng)絡(luò)，發(fā)現(xiàn)流動(dòng)符合基于冪函數(shù)的威爾遜流動(dòng)模型，存在明顯流量距離衰減特征[16]。

游客時(shí)空行為相關(guān)研究以中觀和微觀地理尺度的模式分類為主，在山岳[17]、主題樂園[18]、歷史街區(qū)[19]和古典園林[20]中的時(shí)空行為和路徑類型研究較為豐富。聚焦景區(qū)為節(jié)點(diǎn)的目的地區(qū)域旅游流研究正在增多，查曉莉等研究上海迪士尼游客在不同尺度區(qū)域內(nèi)的空間分布形態(tài)和旅游流動(dòng)特征[21]，穆成林和陸林研究了高鐵開通前后黃山旅游目的地區(qū)域客流空間結(jié)構(gòu)由凝聚趨向擴(kuò)展的影響[22]。在研究尺度方面，目前仍局限于城市內(nèi)部或者以城市為節(jié)點(diǎn)的區(qū)域旅游客流空間結(jié)構(gòu)的變化，對(duì)目的地區(qū)域的主要節(jié)點(diǎn)——旅游景區(qū)間的移動(dòng)特征尚待深入。

總體上看，無論在何種空間尺度，大部分研究都是從現(xiàn)象描述或簡(jiǎn)單歸納的角度分析游客的時(shí)空行為模式，普遍缺乏一般化的數(shù)學(xué)模型對(duì)時(shí)空行為的生成機(jī)理做出解釋[3]。原因除了由于游客的旅行安排具有隨機(jī)性和多樣性外，目的地的相關(guān)因素，如旅游資源類型與分布、城市經(jīng)濟(jì)規(guī)模和交通可達(dá)性等具有復(fù)雜性，以及地理環(huán)境的多變，使得反映人地關(guān)系的游客時(shí)空行為變得復(fù)雜[23]?；贚ancaster消費(fèi)特性理論的研究認(rèn)為，旅游空間選擇行為受空間屬性以及對(duì)游客的不同效用所影響[24]，相關(guān)研究據(jù)此在多目的地旅行選擇模式上構(gòu)建了多因素的系統(tǒng)框架[25]。旅游可被視為不同游客對(duì)不同屬性（吸引物、設(shè)施和旅行距離等）的旅游目的地的選擇[26]，因此，影響游客旅行空間模式選擇的因素在大體上可以分為兩類變量：影響游客決策和行為的游客變量和目的地特征變量。為了更好地理解旅行中的運(yùn)動(dòng)模式，許多研究將游客分為不同的類型進(jìn)行差異比較[27]。一般來說，游客可以通過社會(huì)人口統(tǒng)計(jì)、心理和行為特征的標(biāo)準(zhǔn)來劃分[28]。Cooper發(fā)現(xiàn)，收入水平較低的游客更傾向于少移動(dòng)多停留，不同年齡段的游客喜歡不同的景點(diǎn)[29]。Gitelson和Kerstetter發(fā)現(xiàn)，年輕游客更喜歡休閑旅游，而女性和中等收入游客更喜歡探險(xiǎn)旅游[30]。外部的目的地因素方面，不同行為模式的游客偏好受到景區(qū)級(jí)別[31]、所在城市[32-33]、交通區(qū)位[34]和氣候舒適度[35]等因素的綜合影響。Lew和McKercher認(rèn)為，地理位置是影響游客對(duì)線路模式的選擇的重要因素之一[9];Connell和Page認(rèn)為，游客線路模式形成的原因包括距離衰減率和目的地的可達(dá)性[36]。732561F6-AB66-430D-BBF4-682109458B46

雖然學(xué)界對(duì)景區(qū)客流的影響因素有長(zhǎng)期和廣泛的討論[37-38]，但對(duì)游客需求側(cè)偏好的關(guān)注相對(duì)較少，更加缺少對(duì)不同行為模式游客在多種影響因素下的偏好差異進(jìn)行的量化研究分析。實(shí)際上，游客流動(dòng)本身也是一種游客分類的方式[39]，根據(jù)游客的旅游行為（如行程長(zhǎng)度、平均速度、游覽景點(diǎn)數(shù)量和逗留時(shí)間）等分類比較有助于推斷游客行為的影響因素[40]。

1.2 大數(shù)據(jù)驅(qū)動(dòng)的移動(dòng)模式研究

大數(shù)據(jù)廣泛驅(qū)動(dòng)著人類移動(dòng)（human mobility）模式的研究，更詳細(xì)真實(shí)的個(gè)體粒度的海量時(shí)空軌跡數(shù)據(jù)被用來研究和總結(jié)人類在社會(huì)中的空間移動(dòng)規(guī)律，并形成了人類移動(dòng)模式的新研究流程和度量方法[41-42]。Brockmann等發(fā)現(xiàn)了美元紙幣移動(dòng)步長(zhǎng)的冪律分布特征[43]，Song等基于手機(jī)信令數(shù)據(jù)發(fā)現(xiàn)了人類的空間移動(dòng)模式中的標(biāo)度異常現(xiàn)象[42]?；诒本┏鲎廛嘒PS軌跡數(shù)據(jù)集的研究發(fā)現(xiàn)，出租車乘客的乘車距離服從指數(shù)分布，而不是之前認(rèn)為的冪律分布[44]。在考察移動(dòng)步長(zhǎng)、回轉(zhuǎn)半徑、停留時(shí)間等描述人類移動(dòng)的特征之后，學(xué)界關(guān)注點(diǎn)開始轉(zhuǎn)為研究不同的因素對(duì)人類移動(dòng)行為方面的影響，Kung等使用手機(jī)信令數(shù)據(jù)集研究發(fā)現(xiàn)，通勤距離和通勤時(shí)間在不同的地區(qū)和不同社會(huì)階層人群呈現(xiàn)不同的模式[45]。

近年來，隨著人群軌跡跟蹤技術(shù)的飛速發(fā)展，大尺度區(qū)域內(nèi)的游客移動(dòng)也越來越受到人們的關(guān)注，采用各類數(shù)字足跡的研究逐漸增多[46]，比如使用游記數(shù)據(jù)分析長(zhǎng)江中游城市群旅游流空間格局[47]，利用新浪微博簽到數(shù)據(jù)研究洛陽國內(nèi)客流分布[48]，基于地理標(biāo)記照片分析北京入境客流遷移的空間特征[49]。但此類基于社交媒體用戶生成內(nèi)容的數(shù)據(jù)仍存在較大的有偏性[50]，在出游全過程的數(shù)據(jù)完整性方面存在不足[51]，對(duì)大尺度區(qū)域內(nèi)的大樣本研究相對(duì)較少[52]，尚無法讓我們?nèi)娴卣J(rèn)識(shí)一個(gè)節(jié)點(diǎn)在目的地區(qū)域中的地位或角色[22]。在現(xiàn)有研究基礎(chǔ)上，需要總結(jié)大樣本條件下大尺度區(qū)域內(nèi)部游客移動(dòng)模式，游客在目的地選擇上存在哪些偏好（比如多樣性和高等級(jí)偏好[53]），以及與目的地區(qū)域和節(jié)點(diǎn)兩種尺度上各類屬性之間的匹配關(guān)聯(lián)。

2 研究設(shè)計(jì)

2.1 研究區(qū)概況與數(shù)據(jù)來源

隨著交通水平和出游力的擴(kuò)展，目的地區(qū)域的定義從提出時(shí)的“一日游”所能達(dá)到的特定區(qū)域[52]，已擴(kuò)展為更大范圍的網(wǎng)絡(luò)化區(qū)域[22]，地理區(qū)域或行政區(qū)域均可，也包括以圍繞單一城市或著名目的地的區(qū)域旅游系統(tǒng)[54]。本文選擇國內(nèi)著名的省級(jí)旅游目的地——江蘇省為研究區(qū)域。江蘇轄江臨海，地跨江淮，擁有多元文化及地域特征，是旅游資源的富集區(qū)和重要客源地，在高等級(jí)旅游景區(qū)的數(shù)量和質(zhì)量上位居全國前列。同時(shí)，從2016年起，江蘇省旅游局與相關(guān)電信運(yùn)營公司逐步建設(shè)江蘇旅游客情監(jiān)測(cè)平臺(tái)，根據(jù)手機(jī)信令定位數(shù)據(jù)和用戶登記信息綜合確定客源地信息，具體而敏感的信令得以隔離和保密，分析對(duì)象包括進(jìn)入省域范圍內(nèi)國內(nèi)手機(jī)用戶，重點(diǎn)是高等級(jí)的旅游景區(qū)的游客。2017年，該平臺(tái)共監(jiān)測(cè)204家國家4A級(jí)及以上景區(qū)，其中，4A級(jí)景區(qū)179家，5A級(jí)景區(qū)25家，具有較好的覆蓋度和代表性。

本文針對(duì)游客移動(dòng)行為模式，抽取江蘇各景區(qū)省內(nèi)外客流量數(shù)據(jù)。時(shí)間方面，受海量數(shù)據(jù)和系統(tǒng)運(yùn)算能力限制，選擇2017年3―5月間。根據(jù)其間各景區(qū)范圍內(nèi)監(jiān)測(cè)的外省手機(jī)漫游信息，脫敏并隨機(jī)抽取了省外游客共18.8萬人次，受信息敏感性要求，未獲取具體客源地屬性。與許多大數(shù)據(jù)研究不同的是，本文涉及的大數(shù)據(jù)已通過監(jiān)測(cè)平臺(tái)進(jìn)行數(shù)據(jù)清洗的前置工作。線路數(shù)據(jù)規(guī)則為7天時(shí)間內(nèi)的連續(xù)出行，從外省用戶在江蘇省內(nèi)移動(dòng)通訊網(wǎng)絡(luò)記錄漫游注冊(cè)的日期開始，以7天為浮動(dòng)窗口的周期，以便減少多次出游的干擾;記錄其在此期間的到訪景區(qū)線路序列。與景區(qū)年客流總量數(shù)據(jù)略有差異的是，溱潼古鎮(zhèn)、天寧禪寺與何園3個(gè)景區(qū)因范圍調(diào)整或設(shè)備異常未納入本次抽樣統(tǒng)計(jì)，同時(shí)，根據(jù)實(shí)際情況，合并了城市內(nèi)部位置緊鄰且產(chǎn)品類型相似的揚(yáng)州瘦西湖-宋夾城-大明寺、個(gè)園-東關(guān)街和淮安漕運(yùn)博物館-淮安府署景區(qū)等景區(qū)組合線路為單一節(jié)點(diǎn)，共獲取了約4.4萬人次的4A級(jí)與5A級(jí)景區(qū)線路順序組合。

綜合上述的文獻(xiàn)研究和相關(guān)數(shù)據(jù)的可獲得性[55]，本文選取了景區(qū)級(jí)別、類型、面積、創(chuàng)建年限、門票價(jià)格和季節(jié)波動(dòng)率等自身屬性，以及外部的交通區(qū)位、滿意度和所在城市旅游規(guī)模等影響因素。景區(qū)級(jí)別按照2017年的景區(qū)掛牌級(jí)別確定，分為4A級(jí)和5A級(jí)兩種;旅游經(jīng)濟(jì)規(guī)模采用城市當(dāng)年旅游收入，來自《江蘇統(tǒng)計(jì)年鑒》（2018）;交通區(qū)位選擇距離所在地市城區(qū)中心（參考百度地圖熱力圖確定）的直線距離;門票價(jià)格選擇攜程網(wǎng)等網(wǎng)絡(luò)平臺(tái)折扣后的日常價(jià)格。

2.2 方法選取

為比較游客偏好不同出游線路類型的差異，本文數(shù)據(jù)與問卷調(diào)查等方式相比缺少結(jié)構(gòu)化的游客屬性信息，依賴景區(qū)多維屬性和相關(guān)因素，這些針對(duì)景區(qū)客流影響因素普遍為分類變量，因而本文采用最優(yōu)標(biāo)度變換來處理統(tǒng)計(jì)分析中對(duì)分類變量進(jìn)行量化的問題。普通二乘回歸依賴于對(duì)線性、正態(tài)性、同方差性和誤差項(xiàng)獨(dú)立性的嚴(yán)格假設(shè)，在處理一種分類變量時(shí)便需要引入多個(gè)啞變量逐個(gè)處理，而最優(yōu)標(biāo)度回歸使用一個(gè)最優(yōu)的縮放過程來縮放因變量和自變量，可以獲得回歸系數(shù)，識(shí)別解釋變量的相對(duì)重要性[56]。并且，最優(yōu)標(biāo)度回歸非常適合包含多種類別數(shù)據(jù)[57]，其根據(jù)數(shù)據(jù)之間的關(guān)聯(lián)，利用最優(yōu)標(biāo)度變換為原始分類變量的每一個(gè)類別找到最佳的量化評(píng)分，隨后在相應(yīng)的模型中使用量化評(píng)分代替原始變量進(jìn)行后續(xù)分析，解決了分類變量難以和連續(xù)變量納入同一量化體系的問題，因而廣泛應(yīng)用于分類變量和連續(xù)變量同時(shí)進(jìn)行回歸分析的問題。最優(yōu)標(biāo)度回歸分析的本質(zhì)是在歸一化限制下找到滿足式（1）最小的一組解，如下計(jì)算公式所示：

[σ（yr;b;yj）=Gryr-j∈JpbjGjyj′WGryr-j∈JpbjGjyj] （1）

式（1）中，[yr]是因變量r的量化向量，[yj]是自變量j的量化向量，[Gj]是自變量j的指標(biāo)矩陣，[Gr]是因變量的指標(biāo)矩陣，[bj]是自變量j的回歸系數(shù)。歸一化對(duì)各類變量做不同的限制，并利用非線性變化進(jìn)行量化，量化結(jié)果要滿足以下算式：732561F6-AB66-430D-BBF4-682109458B46

[yjDjyj=nw]? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

式（2）中，[Dj]是變量j的對(duì)角矩陣，[nw]是各變量的加權(quán)和。經(jīng)過量化向量和回歸系數(shù)的更新和收斂測(cè)試的反復(fù)迭代，最終求得最優(yōu)標(biāo)度回歸結(jié)果，計(jì)算過程基于SPSS 23.0軟件平臺(tái)。

3 旅游線路模式與距離特征

3.1 旅游線路模式分類

根據(jù)2017年3―5月份在江蘇省內(nèi)景區(qū)間外省游客的手機(jī)漫游信息，脫敏并隨機(jī)抽取了18.8萬人次景區(qū)游客，獲取了其中4.4萬人次的4A級(jí)與5A級(jí)景區(qū)線路組合。游客以7天為浮動(dòng)窗口，并對(duì)游客的具體景區(qū)線路組合進(jìn)行分析。共有195個(gè)景區(qū)納入游客的多節(jié)點(diǎn)游線中，累計(jì)共有12.3萬人次景區(qū)間流動(dòng)，客流量最高的路線為夫子廟與鐘山風(fēng)景區(qū)之間（3965人次）。根據(jù)景區(qū)線路之間的關(guān)聯(lián)情況，可以進(jìn)一步統(tǒng)計(jì)各月的旅游線路模式。

從表1中可以發(fā)現(xiàn)，大部分游客出游單一目的地，游客占比為76.7%，而數(shù)量增加為2家、3～4家時(shí)，游客占比分別為14.8%、7.0%。大量游客選擇連續(xù)到訪2～4個(gè)景區(qū)這種較為閑適的流動(dòng)路徑，只有1.5%的游客選擇在一周之內(nèi)較為集中地游覽5～10個(gè)景區(qū)。游客傾向于在4月份出行，而在3月和5月則相對(duì)較少，表明季節(jié)對(duì)于游客的出行及移動(dòng)模式有一定影響。

抽取3―5月樣本的省外游客到訪各景區(qū)的游客量（分為到訪單節(jié)點(diǎn)模式和多節(jié)點(diǎn)線路兩種類型）與全年接待省外游客總量對(duì)應(yīng)情況，進(jìn)行雙變量相關(guān)性檢驗(yàn)（表2）。年接待省外客流總量與抽樣的各景區(qū)客流總量的相關(guān)性為0.812，與多景區(qū)模式客流相關(guān)性略低（0.716），抽樣具有代表性。景區(qū)擴(kuò)散到其他節(jié)點(diǎn)的客流與單節(jié)點(diǎn)客流的相關(guān)性最低，不同行為模式間可能存在不同的影響機(jī)制。

景區(qū)在多節(jié)點(diǎn)線路中移動(dòng)1次即被認(rèn)為存在1次有向關(guān)聯(lián)，根據(jù)線路人次匯總后得到有向關(guān)聯(lián)矩陣[58]，以連接線的粗細(xì)程度來反映景區(qū)間游客移動(dòng)量，閾值大于等于10人次的共計(jì)1061條邊，閾值大于等于100人次的共206條（圖1）。游客移動(dòng)線路以網(wǎng)絡(luò)形式表現(xiàn)為以夫子廟為核心，集中在南京、蘇州、揚(yáng)州與無錫的景區(qū)，可以發(fā)現(xiàn)，游客的旅游網(wǎng)絡(luò)多以夫子廟為中心，從夫子廟向其他景點(diǎn)進(jìn)行擴(kuò)散，離夫子廟越近，景區(qū)間游客的數(shù)量越多，反之越遠(yuǎn)則人數(shù)越少，體現(xiàn)了線路網(wǎng)絡(luò)中核心城市核心景點(diǎn)的中心性作用。

3.2 旅游線路距離特征

在了解了旅游流動(dòng)的線路模式之后，再對(duì)旅游流動(dòng)的長(zhǎng)度模式進(jìn)行分析，通過計(jì)算每個(gè)點(diǎn)之間的平均距離對(duì)游客移動(dòng)距離進(jìn)行統(tǒng)計(jì)，對(duì)流動(dòng)節(jié)奏進(jìn)行分析[41]。通過游客移動(dòng)的距離可以發(fā)現(xiàn)游客在景區(qū)間的轉(zhuǎn)移情況，以及總游線的長(zhǎng)度分布特征。從表3中可發(fā)現(xiàn)，在不考慮客流量的情況下，游線距離代表了線路組合豐富程度和景區(qū)組合的可能性，此時(shí)游線距離的均值在3月、4月、5月分別為118.1 km、126.8 km、113.4 km。考慮線路上的游客量后，實(shí)際客流量的均值則分別為50.8 km、57.0 km、47.9 km。

按照線路頻數(shù)匯總多節(jié)點(diǎn)游線不同長(zhǎng)度的游客量分月分布特征，即當(dāng)游線長(zhǎng)度增加時(shí)，產(chǎn)生的成本也會(huì)逐漸增加，相應(yīng)的長(zhǎng)距離旅游線路模式的概率降低（圖2）。4月的游線線路總數(shù)4924條，顯示出春季出游和小長(zhǎng)假帶來線路的多樣性增加;4月游線平均長(zhǎng)度為57.0 km，較3月和5月受距離約束更少。各月份在80 km～100 km、200 km～210 km和290 km～300 km等距離區(qū)段頻率均較高，呈現(xiàn)超過指數(shù)趨勢(shì)線的特征，可以對(duì)應(yīng)1小時(shí)、2小時(shí)和3小時(shí)旅游交通圈。

按照旅游人次匯總游線不同長(zhǎng)度的游客量分月分布特征（圖3），在距離為10 km ～30 km時(shí)旅游人次顯著升高，不同于線路長(zhǎng)度的指數(shù)分布，而是冪指數(shù)分布（y=14901x?1.369，R? =0.895），5月客流隨距離衰減的冪指數(shù)達(dá)到?1.384。而隨著距離的增加則顯著性地下降。這也是對(duì)旅游長(zhǎng)度模式的一個(gè)具體表現(xiàn)，符合距離衰減規(guī)律，即游客在選擇旅游線路的時(shí)候，會(huì)考慮旅游所涉及的交通成本及時(shí)間成本，隨著距離的增加，旅游人次會(huì)逐漸減少，但在80 km和200 km附近區(qū)段存在局部高值。

3.3 節(jié)點(diǎn)移動(dòng)步長(zhǎng)分布

游客多節(jié)點(diǎn)旅行模式的步長(zhǎng)分布是指從某目的地轉(zhuǎn)移至下一站目的地的距離分段分布情況，可以通過景區(qū)間移動(dòng)的有向矩陣計(jì)算得出。游客在目的地間轉(zhuǎn)移的移動(dòng)步長(zhǎng)頻率呈現(xiàn)指數(shù)分布（圖4），對(duì)比發(fā)現(xiàn)，整體受各景區(qū)間距離的分布影響。統(tǒng)計(jì)江蘇各景區(qū)間平均距離為185.9 km，集中在70 km ～80 km、130 km～200 km和280 km～310 km等距離區(qū)段，但各景區(qū)距離最近的其他景區(qū)的平均距離即最鄰近距離為7.2 km，所以游客以最鄰近距離范圍30 km以內(nèi)選擇下一景區(qū)的頻率最高。中遠(yuǎn)程移動(dòng)則在70 km～80 km和200 km～220 km等多個(gè)步長(zhǎng)區(qū)段有較高分布。

4 旅游線路的時(shí)間變化

受獲取數(shù)據(jù)限制，暫時(shí)無法進(jìn)行全年的季節(jié)變化分析，但3—5月是江蘇旅游的旺季，旅游線路與客流規(guī)模的時(shí)間變化依然值得關(guān)注。旅游流非常集中在前30家景區(qū)，3―5月各景區(qū)接待的多節(jié)點(diǎn)客流量最高值約為23 000人次。由月度時(shí)間變化圖可知（圖5），總體來看，蘇南旅游聯(lián)系較為密集，蘇北、蘇中地區(qū)旅游聯(lián)系主要集中在西部，與高鐵、高速等便利交通線路具有很高的一致性。隨季節(jié)升溫，4月份旅游旺季的到來帶來沿海地區(qū)景區(qū)游覽適宜性的提高，旅游流逐步覆蓋江蘇全境。揚(yáng)州及附近在3月及4月份網(wǎng)絡(luò)密集，擴(kuò)散范圍較大，與“煙花三月下?lián)P州”的文化傳統(tǒng)和季節(jié)特征存在關(guān)聯(lián)關(guān)系。5月客流網(wǎng)絡(luò)收縮，線路上平均客流量降低，但與3月相較更集中在揚(yáng)州-南京-蘇州組成的三角區(qū)域。732561F6-AB66-430D-BBF4-682109458B46

采用旅游流擴(kuò)散距離的方法量化擴(kuò)散的時(shí)空變動(dòng)。因?yàn)槌鞘袃?nèi)部的旅游流動(dòng)并不能稱為擴(kuò)散，我們選擇3個(gè)主要城市為擴(kuò)散源，并分析這3個(gè)春季月份的時(shí)間變化情況（表4）。假設(shè)旅游流進(jìn)入江蘇省某地級(jí)市單元后以等比例向省內(nèi)所有景區(qū)均勻擴(kuò)散，通過非本市景區(qū)與某城市中心距離的均值可以得到分城市旅游流的擴(kuò)散距離標(biāo)準(zhǔn)值。該標(biāo)準(zhǔn)值是擴(kuò)散流均勻擴(kuò)散的數(shù)值表征，擴(kuò)散距離若小于該標(biāo)準(zhǔn)值，則表明實(shí)際擴(kuò)散流擴(kuò)散較均勻，擴(kuò)散更偏重于近距離擴(kuò)散，若擴(kuò)散距離大于標(biāo)準(zhǔn)值，則表明實(shí)際擴(kuò)散流更偏重于遠(yuǎn)距離擴(kuò)散[59]。根據(jù)計(jì)算的距離擴(kuò)散指標(biāo)，對(duì)江蘇省客流跨城市擴(kuò)散3個(gè)主要中心城市——南京、蘇州及揚(yáng)州的多目的地旅游擴(kuò)散流的空間分布實(shí)際時(shí)空演變進(jìn)行分析，得出南京是最主要的擴(kuò)散中心，蘇州與揚(yáng)州擴(kuò)散量較少，且擴(kuò)散時(shí)間多集中在4月份。但從擴(kuò)散距離來看，蘇州擴(kuò)散距離的均值最大，且南京、蘇州、揚(yáng)州3個(gè)城市的擴(kuò)散距離均小于其對(duì)應(yīng)的標(biāo)準(zhǔn)值，表明三市的出流擴(kuò)散偏向于近距離擴(kuò)散，蘇州均值與標(biāo)準(zhǔn)值較為接近，近遠(yuǎn)擴(kuò)散相對(duì)均衡。

5 旅游景區(qū)不同模式客流的影響因素研究

不同移動(dòng)模式客流在景區(qū)偏好上的影響因素可分為景區(qū)屬性條件和區(qū)域基礎(chǔ)環(huán)境兩種。從旅游目的地因素分析，潛在旅游目的地的可達(dá)性、旅游資源的區(qū)域空間分布等因素均會(huì)影響游客的行程模式[60]。景區(qū)屬性方面，選擇景區(qū)門票價(jià)格（其中，收費(fèi)景區(qū)共131家，均值為51.4元），景區(qū)等級(jí)（5A與4A級(jí)），景區(qū)類型，景區(qū)品質(zhì)和景區(qū)季節(jié)波動(dòng)。景區(qū)品質(zhì)指標(biāo)選取攜程網(wǎng)的滿意度點(diǎn)評(píng)分（均值為4.5）和點(diǎn)評(píng)量（均值為1588.4），先分別按百分制標(biāo)準(zhǔn)化，再按各70%和30%的權(quán)重進(jìn)行加成作為滿意度指數(shù)（均值為63.4）。選擇常用的基尼系數(shù)（Gini coefficient，G）為2017年各個(gè)景區(qū)月度客流變化的季節(jié)性測(cè)度指標(biāo)[61-62]。根據(jù)景區(qū)資源特性和細(xì)分市場(chǎng)，參考已有研究[34]，把江蘇4A級(jí)及以上景區(qū)細(xì)分為自然景觀（51家）、歷史文化（98家）、紅色旅游（12家）、主題娛樂（20家）4種類型。所在城市對(duì)景區(qū)客流的影響巨大，因此，區(qū)域基礎(chǔ)環(huán)境方面選擇了景區(qū)所在13個(gè)城市及其旅游收入規(guī)模（2017年各城市旅游收入均值為1031.9億元），以及城市內(nèi)交通區(qū)位3個(gè)指標(biāo)。城市內(nèi)交通區(qū)位指標(biāo)選取景區(qū)與市中心距離（均值為25.5 km）。

本文選擇從景區(qū)接待不同模式客流量的角度，分析不同移動(dòng)模式游客群體的偏好和關(guān)注的因素，因變量設(shè)定為各景區(qū)接待單節(jié)點(diǎn)與多節(jié)點(diǎn)/游線流出與流入的4種移動(dòng)模式游客人次（y1～y4）、抽樣總客流（y5）和景區(qū)年省外客流量（y6）。與城市旅游經(jīng)濟(jì)規(guī)模（income）、門票價(jià)格（price）、市中心距離（distance）均采用其對(duì)數(shù)形式（門票價(jià)格存在較多免費(fèi)的0值，采用加1后取對(duì)數(shù)處理）。在模型中設(shè)置景區(qū)等級(jí)（level）為有序標(biāo)度級(jí)別（4A為0，5A為1），景區(qū)類型（type）和所在城市（city）為名義標(biāo)度級(jí)別，創(chuàng)建年限（year）為創(chuàng)建為4A級(jí)景區(qū)時(shí)間距2017年的時(shí)限，采用有序標(biāo)度，其他為數(shù)字標(biāo)度?；谧顑?yōu)標(biāo)度回歸分析方法對(duì)景區(qū)客流量的影響因素進(jìn)行估計(jì)（表5），除單節(jié)點(diǎn)模式調(diào)整后的R2（0.227）較低外，其余均達(dá)到0.3～0.5之間，模型對(duì)景區(qū)的游客流出規(guī)模的解釋力最高（表5）。模型顯著水平較高，方差分析顯示均為0.001水平下顯著。

結(jié)果表明，距離市中心距離、所在城市、景區(qū)等級(jí)和創(chuàng)建年限對(duì)游客的不同移動(dòng)模式有顯著影響，而所在城市旅游經(jīng)濟(jì)規(guī)模對(duì)多種模式客流均無顯著影響。區(qū)位條件方面，旅游客流隨景區(qū)距離市中心越遠(yuǎn)而降低，對(duì)多節(jié)點(diǎn)模式游客衰減影響（?0.310）超過單節(jié)點(diǎn)游客（?0.293），對(duì)景區(qū)吸引游客的限制作用（?0.324）超過景區(qū)向外擴(kuò)散（?0.268）。景區(qū)面積對(duì)單節(jié)點(diǎn)模式游客和景區(qū)接待客流總規(guī)模的影響顯著（0.243），而對(duì)多節(jié)點(diǎn)模式無顯著影響，并非游客關(guān)注的重點(diǎn)。景區(qū)類型對(duì)景區(qū)吸引其他節(jié)點(diǎn)的游客有一定影響（0.087），表現(xiàn)了游客在線路計(jì)劃中存在組合不同類型景區(qū)進(jìn)行多樣體驗(yàn)的偏好。

景區(qū)季節(jié)性屬性對(duì)單節(jié)點(diǎn)模式游客量有負(fù)向作用（?0.190），季節(jié)性強(qiáng)的景區(qū)往往產(chǎn)品單一導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)力較低。而景區(qū)的網(wǎng)絡(luò)滿意度評(píng)價(jià)越高，單節(jié)點(diǎn)模式游客量越低，客流的模式類型更加豐富，而且高滿意度帶來的游覽體驗(yàn)有利于促進(jìn)游客擴(kuò)散到其他景區(qū)。

在指標(biāo)作用程度上，距離市中心距離、景區(qū)等級(jí)和所在城市等因素的重要性普遍較高。單節(jié)點(diǎn)移動(dòng)模式游客更重視景區(qū)等級(jí)（重要性為0.318），受所在城市的影響小于多節(jié)點(diǎn)模式。多節(jié)點(diǎn)模式游客和選擇節(jié)點(diǎn)流入時(shí)會(huì)考慮門票價(jià)格，但與一般印象不同的是，門票價(jià)格對(duì)景區(qū)客流量的系數(shù)均為正向影響。這表現(xiàn)了價(jià)格因素在對(duì)旅游流影響方面的復(fù)雜性，一方面，近幾年免費(fèi)景區(qū)增多，很多知名度較高的景區(qū)，比如玄武湖、鐘山風(fēng)景區(qū)，能吸引大量的游客量，所以對(duì)景區(qū)的流出影響并不顯著;另一方面，高票價(jià)景區(qū)往往具有較強(qiáng)的市場(chǎng)營銷能力吸引更多的游客，在這類景區(qū)流入量上表現(xiàn)出來。

6 結(jié)論與展望

本文以覆蓋省域全部高等級(jí)旅游景區(qū)的手機(jī)信令長(zhǎng)期監(jiān)測(cè)和針對(duì)性大樣本抽樣數(shù)據(jù)，將景區(qū)接待游客量與景區(qū)間線路游客流動(dòng)數(shù)據(jù)結(jié)合，對(duì)兩種旅游客流的相關(guān)性進(jìn)行了檢驗(yàn)，并在空間交互上對(duì)距離閾值的相關(guān)性進(jìn)行了分析。研究了省域尺度大樣本游客的旅游移動(dòng)模式規(guī)律，將游客移動(dòng)模式距離與目的地區(qū)域空間集聚尺度建立了關(guān)聯(lián)，最后對(duì)多種旅行模式到訪各景區(qū)客流的游客偏好影響因素進(jìn)行了研究，得出以下結(jié)論。

第一，根據(jù)大樣本抽樣的游客線路模式統(tǒng)計(jì)，隨著距離的增加，旅游人次會(huì)逐漸減少，但在80 km和200 km區(qū)段存在局部高值;多節(jié)點(diǎn)線路長(zhǎng)度在80 km～100 km與200 km～210 km等是線路長(zhǎng)度的區(qū)段閾值。外來游客在江蘇省內(nèi)的旅游線路距離呈現(xiàn)指數(shù)型分布規(guī)律，相應(yīng)距離模式上的游客量呈現(xiàn)冪指數(shù)分布。游客在高等級(jí)景區(qū)間轉(zhuǎn)移的移動(dòng)步長(zhǎng)呈現(xiàn)指數(shù)分布，景區(qū)間最鄰近距離為7.2 km，游客在最鄰近距離范圍30 km以內(nèi)的移動(dòng)頻率最高。在時(shí)間變化上，季節(jié)出游高峰會(huì)帶來線路類型多樣性的增加，出游受距離的約束降低。732561F6-AB66-430D-BBF4-682109458B46

第二，省域客流內(nèi)聚于南京、蘇州、揚(yáng)州與無錫的三角地帶，“煙花三月下?lián)P州”的季節(jié)特性導(dǎo)致4月份旅游客流相對(duì)集中于揚(yáng)州、泰州、鎮(zhèn)江等蘇中地區(qū)。整體來看，南京是旅游流擴(kuò)散的主要源節(jié)點(diǎn)，蘇南城市間聯(lián)系密切，東部濱海城市，如南通、鹽城、連云港處于省內(nèi)旅游線路網(wǎng)絡(luò)的外緣。

第三，景區(qū)等級(jí)、創(chuàng)建年限、所在城市和距離市中心距離等因素對(duì)游客的不同移動(dòng)模式選擇有普遍的顯著影響，在重要性程度上差異明顯。多節(jié)點(diǎn)模式游客偏好高價(jià)門票型景區(qū)，受景區(qū)區(qū)位便利性因素影響更大，而單節(jié)點(diǎn)模式游客會(huì)受景區(qū)面積和季節(jié)性影響。高滿意度和高等級(jí)景區(qū)有助于游客繼續(xù)擴(kuò)散游覽下一目的地。

旅游線路對(duì)目的地區(qū)域的資源整合和產(chǎn)業(yè)集聚具有重要影響，本文基于大量數(shù)據(jù)總結(jié)了游客移動(dòng)規(guī)律特征，包括游客出游線路中景區(qū)數(shù)量、移動(dòng)步長(zhǎng)、游線長(zhǎng)度的偏好選擇，不僅方便游客更好規(guī)劃旅行計(jì)劃，也有助于旅行社、景區(qū)和在線旅游運(yùn)營商等市場(chǎng)主體評(píng)價(jià)線路質(zhì)量，優(yōu)化時(shí)間與距離安排。政府部門可以借助游線模式特征規(guī)劃目的地空間結(jié)構(gòu)，優(yōu)化景區(qū)間交通體系，并利用區(qū)域內(nèi)線路的時(shí)空熱點(diǎn)變化規(guī)律促進(jìn)全域協(xié)調(diào)發(fā)展。不同模式客流影響機(jī)制的對(duì)比研究揭示了目的地與過境地具有不同涵義和地位，旅游景區(qū)應(yīng)結(jié)合自身產(chǎn)品、等級(jí)和區(qū)位條件進(jìn)行調(diào)整，優(yōu)化市場(chǎng)定位和競(jìng)爭(zhēng)合作策略。

本研究還存在一些不足之處。對(duì)于區(qū)域內(nèi)部客流影響因素和相應(yīng)指標(biāo)體系的研究方面，即使借助大數(shù)據(jù)和新的測(cè)度工具的支撐，本文選取的景區(qū)尺度因素指標(biāo)仍較少，并影響了模型的解釋力。景區(qū)市場(chǎng)營銷投入與服務(wù)質(zhì)量等影響也應(yīng)受到關(guān)注，然而這些因素在景區(qū)層面千差萬別，既缺乏準(zhǔn)確的統(tǒng)計(jì)資料，也缺乏科學(xué)量化方法，因而暫未考慮。同時(shí)，對(duì)于景區(qū)所處的不同目的地區(qū)域，其客流影響因素的空間效應(yīng)方面應(yīng)有所不同，有待進(jìn)一步的研究。再者，對(duì)旅游線路季節(jié)性演化的研究還不全面，應(yīng)在積累更長(zhǎng)時(shí)間跨度數(shù)據(jù)后進(jìn)行完整分析，并積極采用空間隨機(jī)游走模型等動(dòng)態(tài)模型分析旅游目的地之間的空間關(guān)系形成和演化機(jī)理。游客在城市或其他尺度目的地區(qū)域內(nèi)的景點(diǎn)之間轉(zhuǎn)移或在景點(diǎn)內(nèi)的移動(dòng)，存在廣泛的區(qū)域內(nèi)聚和擴(kuò)散效應(yīng)，還應(yīng)在多尺度框架下進(jìn)行深入闡釋。未來研究還可以將游客的出行安排歸納為一種有附加約束的定向問題，構(gòu)建多目的地旅游出行仿真模型，有效再現(xiàn)游客的多目的地出行和決策過程。

參考文獻(xiàn)（References）

[1] MOU N， YUAN R， YANG T， et al. Exploring spatio-temporal changes of city inbound tourism flow： The case of Shanghai， China[J]. Tourism Management， 2020， 76： 103955.

[2] VU H Q， LI G， LAW R， et al. Exploring the travel behaviors of inbound tourists to Hong Kong using geotagged photos[J]. Tourism Management， 2015， 46： 222-232.

[3] 史春云， 朱傳耿， 趙玉宗， 等. 國外旅游線路空間模式研究進(jìn)展[J]. 人文地理， 2010， 25（4）： 31-35. [SHI Chunyun， ZHU Chuangeng， ZHAO Yuzong， et al. Research progress of spatial patterns of travel itineraries in foreign countries[J]. Human Geography， 2010， 25（4）： 31-35.]

[4] OPPERMANN M. Length of stay and spatial distribution[J].Annals of Tourism Research， 1994， 21（4）： 834-836.

[5] 史春云， 張宏磊， 朱明. 國內(nèi)旅游線路模式的空間格局與特征分析[J]. 經(jīng)濟(jì)地理， 2011， 31（11）： 1918-1922. [SHI Chunyun， ZHANG Honglei， ZHU Ming. Fengshui character and spatial differentiation of settlement based on karst landform pattern： take three karst areas as examples in Guizhou province[J]. Economic Geography， 2011， 31（11）： 1918-1922]

[6] LAU G， MCKERCHER B. Understanding tourist movement patterns in a destination： A GIS approach[J]. Tourism & Hospitality Research， 2006， 7（1）： 39-49.

[7] 薛瑩. 旅游流在區(qū)域內(nèi)聚： 從自組織到組織——區(qū)域旅游研究的一個(gè)理論框架[J]. 旅游學(xué)刊， 2006， 21（4）： 47-54. [XUE Ying. On the regional implosion of tourist flows： From self -organization to organization[J]. Tourism Tribune， 2006， 21（4）： 47-54.]

[8] WESOLOWSKI A， EAGLE N， NOOR A M， et al. The impact of biases in mobile phone ownership on estimates of human mobility[J]. Journal of the Royal Society Interface， 2013. Doi： 10.1098/rsif.2012.0986.732561F6-AB66-430D-BBF4-682109458B46

[9] LEW A， MCKERCHER B. Trip destinations， gateways and itineraries： the example of Hong Kong[J]. Tourism Management， 2002， 23（6）： 609-621.

[10] LEW A， MCKERCHER B. Modeling tourist movements： A local destination analysis[J]. Annals of Tourism Research， 2006， 33（2）： 403-423.

[11] ORELLANA D， BREGT A K， LIGTENBERG A， et al. Exploring visitor movement patterns in natural recreational areas[J]. Tourism Management， 2012， 33（3）： 672-682.

[12] 吳必虎， 唐俊雅， 黃安民， 等. 中國城市居民旅游目的地選擇行為研究[J]. 地理學(xué)報(bào)， 1997， 52（2）： 3-9. [WU Bihu， TANG Junya， HUANG Anmin， et al. A study on destination choice behavior of Chinese urban residents[J]. Acta Geographica Sinica， 1997， 52（2）： 3-9.]

[13] 史春云. 旅行模式對(duì)目的地旅游經(jīng)濟(jì)影響的空間差異——以長(zhǎng)三角世博旅游線路為例[J]. 旅游學(xué)刊， 2013， 28（6）： 102-110. [SHI Chunyun. The impact of travel patterns on the spatial discrepancy of the tourist economy of urban destinations in the Yangtze river delta area： A case study of the 2010 Shanghai World Expo itineraries[J]. Tourism Tribune， 2013， 28（6）： 102-110.]

[14] 李山， 王錚. 適度旅游圈時(shí)空規(guī)模的可計(jì)算模型[J]. 地理學(xué)報(bào)， 2009， 64（10）： 1255-1266. [LI Shan， WANG Zheng. Computable models on the temporal and spatial scale of an optimum tourism destination circle[J]. Acta Geographica Sinica， 2009， 64（10）： 1255-1266.]

[15] 李山， 王錚， 鐘章奇. 旅游空間相互作用的引力模型及其應(yīng)用[J]. 地理學(xué)報(bào)， 2012， 67（4）： 526-544. [LI Shan， WANG Zheng， ZHONG Zhangqi. Gravity model for tourism spatial interaction： basic form， parameter estimation， and applications[J]. Acta Geographica Sinica， 2012， 67（4）： 526-544.]

[16] 靳誠， 徐菁， 黃震方， 等. 南京城市內(nèi)部景點(diǎn)間游客流動(dòng)特征分析[J]. 地理學(xué)報(bào)， 2014， 69（12）： 1858-1870. [JIN Cheng， XU Jing， HUANG Zhenfang， et al. Analyzing the characteristics of tourist flows between the scenic spots in inner city based on tourism strategies： A case study in Nanjing[J]. Acta Geographica Sinica， 2014， 69（12）： 1858-1870.]

[17] LIU P， XIAO X， ZHANG J， et al. Spatial configuration and online attention： A space syntax perspective[J]. Sustainability， 2018， 10（1）： 221.

[18] 黃瀟婷， 張曉珊， 趙瑩. 大陸游客境外旅游景區(qū)內(nèi)時(shí)空行為模式研究——以香港海洋公園為例[J]. 資源科學(xué)， 2015， 37（11）： 2140-2150. [HUANG Xiaoting， ZHANG Xiaoshan， ZHAO Ying. Temporal-spatial behavior patterns of Chinese mainland tourists at Ocean Park Hong Kong[J]. Resources Science， 2015， 37（11）： 2140-2150.]

[19] LI Y， XIAO L， YE Y， et al. Understanding tourist space at a historic site through space syntax analysis： The case of Gulangyu， China[J]. Tourism Management， 2016， 52： 30-43.

[20] 黃瀟婷. 基于時(shí)間地理學(xué)的景區(qū)旅游者時(shí)空行為模式研究——以北京頤和園為例[J]. 旅游學(xué)刊， 2009， 24（6）： 82-87. [HUANG Xiaoting. A study on temporal-spatial behavior pattern of tourists based on time-geography science [J]. Tourism Tribune， 2009， 24（6）： 82-87.]732561F6-AB66-430D-BBF4-682109458B46

[21] 查曉莉， 徐雨晨， 陸林， 等. 上海迪士尼國內(nèi)旅游流地理分布與流動(dòng)特征[J]. 旅游學(xué)刊， 2019， 34（6）： 58-73. [ZHA Xiaoli， XU Yuchen， LU Lin， et al. Geographical distribution and flows of Chinese visitors to Shanghai Disneyland[J]. Tourism Tribune， 2019， 34（6）： 58-73.]

[22] 穆成林， 陸林. 京福高鐵對(duì)旅游目的地區(qū)域空間結(jié)構(gòu)的影響——以黃山市為例[J]. 自然資源學(xué)報(bào)， 2016， 31（12）： 2122-2136. [MU Chenglin， LU Lin. The impact of Beijing-Fuzhou high-speed rail on the spatial structure of tourist destination districts： a case study of Huangshan city[J]. Journal of Natural Resources， 2016， 31（12）： 2122-2136.]

[23] 劉旸. 旅游者時(shí)空行為分析與旅游出行仿真模型研究[D]. 北京： 清華大學(xué)， 2017. [LIU Yang. Research on Tourists Spatiotemporal Behaviors and Tourism Travel Simulation Model[D]. Beijing： Tsinghua University， 2017.]

[24] PAPATHEODOROU A. Why people travel to different places[J].Annals of Tourism Research， 2001， 28（1）： 164-179.

[25] 毛端謙， 張捷， 包浩生. 基于Lancaster特性理論的旅游目的地選擇模式——理論分析與江西省旅游客流的實(shí)證研究[J]. 地理研究， 2005， 24（6）： 992-999. [MAO Duanqian， ZHANG Jie， BAO Haosheng. A tourist destination choice model based on Lancasterian characteristics theory and destination image theory： Theoretical analysis and case study[J]. Geographical Research， 2005， 24（6）： 992-999.]

[26] 阮文奇， 張舒寧， 鄭向敏. 中國游客赴泰旅游流網(wǎng)絡(luò)結(jié)構(gòu)及其形成機(jī)理研究[J].世界地理研究， 2018， 27（4）： 34-44. [RUAN Wenqi， ZHANG Shuning， ZHENG Xiangmin. A study on the network structure of Chinese tourists traveling to Thailand and its formation mechanism[J]. World Regional Studies， 2018， 27（4）： 34-44.]

[27] BIRNEY B A. Criteria for successful museum and zoo visits： children offer guidance[J]. Curator the Museum Journal， 1988， 31（4）： 292-316.

[28] DIBB S. Market segmentation： Conceptual and methodological foundations（the 2nd edition）[J]. Journal of Targeting Measurement & Analysis for Marketing， 2000， 9（1）： 92-93.

[29] COOPER C P. Spatial and temporal patterns of tourist behaviour[J]. Regional Studies， 1981， 5（5）： 359-371.

[30] GITELSON R J， KERSTETTER D L. The relationship between sociodemographic variables， benefits sought and subsequent vacation behavior： A case study[J]. Journal of Travel Research， 1990， 28（3）： 24-29.

[31] 阿榮高娃， 孫根年， 喬少輝， 等. 內(nèi)蒙古A級(jí)景區(qū)客流量估算模型——5個(gè)單因素方差分析與多元回歸建模[J]. 干旱區(qū)資源與環(huán)境， 2019， 33（12）： 193-200. [AH-RONG Gaowa， SUN Gennian， QIAO Shaohui， et al. Models for estimation of tourist flow in A-class scenic spots in Inner Mongolia[J]. Journal of Arid Land Resources and Environment， 2019， 33（12）： 193-200.]

[32] 劉嘉毅， 陳玲， 陶婷芳. 旅游輿情網(wǎng)絡(luò)關(guān)注度城市差異——來自289個(gè)城市百度指數(shù)的實(shí)證研究[J]. 信息資源管理學(xué)報(bào)， 2018， 8（3）： 93-101. [LIU Jialing， CHEN Ling， TAO Tingfang. Urban differences in network attention to tourism public opinion： An empirical study from Baidu index of 289 cities[J]. Journal of Information Resources Management， 2018， 8（3）： 93-101.]732561F6-AB66-430D-BBF4-682109458B46

[33] 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(dòng)因研究[J]. 地理學(xué)報(bào)， 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.]

[34] 李鵬， 虞虎， 王英杰. 中國3A級(jí)以上旅游景區(qū)空間集聚特征研究[J]. 地理科學(xué)， 2018， 38（11）： 1883-1891. [LI Peng， YU Hu， WANG Yingjie. Spatial agglomeration characteristics of from 3A-class to 5A-class scenic spots in China[J]. Scientia Geographica Sinica， 2018， 38（11）： 1883-1891.]

[35] 劉海洋， 王乃昂， 葉宜好， 等. 我國沙漠旅游景區(qū)客流時(shí)空特征與影響因素——以鳴沙山、沙坡頭、巴丹吉林為例[J]. 經(jīng)濟(jì)地理，2013， 33（3）： 156-163. [LIU Haiyang， WANG Naiang， YE Yihao， et al. Analysis of spatial and temporal characteristics of Chinese desert tourism scenic， with examples of Mingshashan， Shapotou and Badanjilin[J]. Economic Geography， 2013， 33（3）： 156-163.]

[36] 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.

[37] PRIDEAUX B. Factors affecting bilateral tourism flows[J]. Annals of Tourism Research， 2005， 32（3）： 780-801.

[38] 劉敏， 郝煒. 山西省國家A級(jí)旅游景區(qū)空間分布影響因素研究[J]. 地理學(xué)報(bào)， 2020， 75（4）： 878-888. [LIU Min， HAO Wei. Spatial distribution and its influencing factors of national A-level tourist attractions in Shanxi province[J]. Acta Geographica Sinica， 2020， 75（4）： 878-888.]

[39] ESPELT N G， DONAIRE BENITO J A. Visitors behavior in heritage cities： the case of Girona[J]. Journal of Travel Research， 2006， 44（4）： 442-448.

[40] CANTIS S D， FERRANTE M， KAHANI A， et al. Cruise passengers behavior at the destination： Investigation using GPS technology[J]. Tourism Management， 2016， 52： 133-150.

[41] 劉瑜， 康朝貴， 王法輝. 大數(shù)據(jù)驅(qū)動(dòng)的人類移動(dòng)模式和模型研究[J]. 武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）， 2014， 39（6）： 660-666. [LIU Yu， KANG Chaogui， WANG Fahui. Towards Big Data-driven Human Mobility Patterns and Models[J]. Geomatics and Information Science of Wuhan University， 2014， 39（6）： 660-666.]

[42] SONG C， KOREN T， WANG P， et al. Modelling the scaling properties of human mobility[J]. Nature Physics， 2010， 6（10）： 818-823.

[43] BROCKMANN D， HUFNAGEL L， GEISEL T. The scaling laws of human travel[J]. Nature， 2006， 439（7075）： 462-465.

[44] LIANG X， ZHENG X， Lv W， et al. The scaling of human mobility by taxis is exponential[J]. Physica A Statistical Mechanics & Its Applications， 2012， 391（5）： 2135-2144.

[45] KUNG K S， GRECO K， SOBOLEVSKY S， et al. Exploring universal patterns in human home-work commuting from mobile phone data[J]. Plos One， 2014， 9（6）. Doi： 10.1371/journal.pone. 0096180..732561F6-AB66-430D-BBF4-682109458B46

[46] 黃瀟婷， 柴彥威， 趙瑩， 等. 手機(jī)移動(dòng)數(shù)據(jù)作為新數(shù)據(jù)源在旅游者研究中的應(yīng)用探析[J].旅游學(xué)刊， 2010， 25（8）： 39-45. [HUANG Xiaoting， CHAI Yanwei， ZHAO Ying， et al. On the application analysis of mobile data source in the study of tourists[J]. Tourism Tribune， 2010， 25（8）： 39-45.]

[47] 劉大均. 長(zhǎng)江中游城市群旅游流空間格局及發(fā)展模式[J]. 經(jīng)濟(jì)地理， 2018， 38（5）： 217-223. [LIU Dajun. Spatial pattern and development model of tourist flow in urban agglomeration in the middle reaches of the Yangtze River[J]. Economic Geography， 2018， 38（5）： 217-223.]

[48] 閆閃閃， 梁留科， 索志輝， 等. 基于大數(shù)據(jù)的洛陽市旅游流時(shí)空分布特征[J]. 經(jīng)濟(jì)地理， 2017， 37（8）： 216-224. [YAN Shanshan， LIANG Liuke， SUO Zhihui， et al. Big data based spatiotemporal distribution characters of tourism flow in Luoyang[J]. Economic Geography， 2017， 37（8）： 216-224.]

[49] 秦靜， 李郎平， 唐鳴鏑， 等. 基于地理標(biāo)記照片的北京市入境旅游流空間特征[J]. 地理學(xué)報(bào)， 2018， 73（8）： 1556-1570. [QIN Jing， LI Langping， TANG Mingdi， et al. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos[J]. Acta Geographica Sinica， 2018， 73（8）： 1556-1570.]

[50] YUAN Y， LU Y， CHOW T E， et al. The missing parts from social media-enabled smart cities： Who， where， when， and what？[J]. Annals of the American Association of Geographers， 2020， 110（2）： 462-475.

[51] ZHANG J. Big data and tourism geographies—An emerging paradigm for future study？[J]. Tourism geographies， 2018， 20（5）： 899-904.

[52] 楊新軍， 馬曉龍， 霍云霈. 旅游目的地區(qū)域（TDD）及其空間結(jié)構(gòu)研究——以西安為例[J]. 地理科學(xué)， 2004， 24 （5）： 620-626. [YANG Xinjun， MA Xiaolong， HUO Yunpei. Tourist destination district and its spatial structure[J]. Scientia Geographica Sinica， 2004， 24（5）： 620-626.]

[53] 唐曉莉， 李山. 區(qū)域間旅游需求溢出測(cè)度的缺口模型及其驗(yàn)證[J]. 旅游學(xué)刊， 2016， 31（6）： 17-37. [TANG Xiaoli， LI Shan. An optimized gap model to measure inter-regional tourism spillover effects： A demand perspective[J]. Tourism Tribune， 2016， 31（6）： 17-37.]

[54] 徐敏， 黃震方， 曹芳東， 等. 基于在線預(yù)訂數(shù)據(jù)分析的旅游流網(wǎng)絡(luò)結(jié)構(gòu)特征與影響因素——以長(zhǎng)三角地區(qū)為例[J]. 經(jīng)濟(jì)地理， 2018， 38（6）： 193-202. [XU Min， HUANG Zhenfang， CAO Fangdong， et al. The network structure features and influence factors of tourism flows based on online data analysis—Taking the Yangtze River Delta Region as an example[J]. Economic Geography， 2018， 38（6）： 193-202.]

[55] 靳誠， 徐菁. 南京市對(duì)外交通節(jié)點(diǎn)與酒店之間游客流動(dòng)空間特征分析[J]. 人文地理， 2016， 31（5）： 55-62. [JIN Cheng， XU Jing. Study on the tourists flow among external transport nodes and hotels in Nanjing[J]. Human Geography， 2016， 31（5）： 55-62.]

[56] LAI K. Influence of event image on destination image： The case of the 2008 Beijing Olympic Games[J]. Journal of Destination Marketing & Management， 2018， 7： 153-163.732561F6-AB66-430D-BBF4-682109458B46

[57] ALMEIDA A， GARROD B. A CATREG model of destination choice for a mature Island destination[J]. Journal of Destination Marketing & Management， 2018， 8： 32-40.

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

[59] 張宏磊. 交通系統(tǒng)要素變動(dòng)下的旅游流時(shí)空響應(yīng)[D]. 南京： 南京大學(xué)， 2012. [ZHANG Honglei. The Role of Transport in Spatial-temporal Changes of Tourist Flows[D]. Nanjing： Nanjing University， 2012.]

[60] DREDGE D. Destination place planning and design[J]. Annals of Tourism Research， 1999， 26（4）： 772-791.

[61] 劉澤華， 章錦河， 彭紅松， 等. 旅游季節(jié)性測(cè)度指標(biāo)的敏感度研究[J]. 地理學(xué)報(bào)， 2018， 73（2）： 295-316. [LIU Zehua， ZHANG Jinhe， PENG Hongsong， et al. Sensitivity analysis of the measures of tourism seasonality[J]. Acta Geographica Sinica， 2018， 73（2）： 295-316.]

[62] KOENIG N， BISCHOFF E E. Seasonality of tourism in Wales： A comparative analysis.[J]. Tourism Economics， 2003， 9（3）： 229-254.

Travel Itinerary Patterns and Factors Affecting Tourist Flow within Destination District

LIU Peixue1， LU Youhai2， ZHANG Jinyue2， ZHANG Jianxin2， ZHANG Honglei2

（1. School of Business Administration， Nanjing University of Finance and Economics， Nanjing 210023， China;

2. School of Geography and Ocean Science， Nanjing University， Nanjing 210023， China）

Abstract： Large-sample data are helpful in determining the spatial characteristics of tourist movement patterns and diffusion at tourism destinations. This paper describes the tour distance distribution and displacement distribution characteristics of a multi-node model for tourists. We applied the regional cohesion and diffusion of tourist flow from outer areas of a Chinese province （Jiangsu） to its cities to analyze various models with respect to optimal scale regression. We also investigated the effect of various factors on the number of tourists who adopted different travel patterns at a number of scenic spots; we undertook a comparative analysis of tourist preferences.

This paper found that the distance of the multi-node movement of tourists in Jiangsu province followed an exponential distribution; the number of tourists on the corresponding distance mode showed a power-law distribution. The tourist flow was concentrated in the triangular area of Nanjing， Suzhou， and Yangzhou; it followed the seasonal characteristics of “Heading east for Yangzhou among hazy vernal hues”， which led to a concentrated tourist flow in central Jiangsu in April. The attractiveness of scenic spots， the age of establishments catering to tourists， the city where such establishments were located， and the distance from the city center had an extensive， significant effect on the tourists choice of different mobility modes; however， the importance of those factors varied conspicuously. In the multi-node model， we considered travel ticket prices when we selected tourists and nodes for inflow. However， in contrast to received opinion， such ticket prices had a positive effect on the passenger flow coefficient for the scenic spots. The tourist flow to scenic areas decreased with distance from the city center. The effect on attenuation for multi-node tourists （-0.310） exceeded that for single-node tourists （-0.293）; the restrictive effect on the attraction for tourists （-0.324） exceeded the outward diffusion of the scenic area （-0.268）. Factors such as distance from the city center and attractiveness of the scenic spots and the city generally displayed great importance. In contrast to multi-node travel， single-node travel was characterized by greater attention being devoted to the attractiveness of scenic spots （importance， 0.318） and was less affected by the attractiveness of the city. After visiting a very attractive scenic spot or obtaining a high degree of satisfaction， tourists would be motivated to continue their visit for the next node.

Our results provide support for policy makers to better allocate and manage the spatial optimization of tourism resources in popular spots and regions with greater tourist potential. Clarifying tourist preferences and the associated influencing factors would help tourism marketing agencies and service enterprises conduct targeted optimization in their travel itineraries.

Keywords： tourism destination district; travel itinerary; tourist preferences; digital footprints; categorical regression

[責(zé)任編輯：吳巧紅;責(zé)任校對(duì)：周小芳]732561F6-AB66-430D-BBF4-682109458B46