<span id="djtl1"><nobr id="djtl1"></nobr></span>

    <address id="djtl1"></address>
    <em id="djtl1"><address id="djtl1"></address></em>
    <address id="djtl1"><nobr id="djtl1"><progress id="djtl1"></progress></nobr></address>

    <address id="djtl1"></address>

      <address id="djtl1"><address id="djtl1"></address></address>
      學術服務內容

      在線編輯 學術顧問

      咨詢率高的期刊

      經濟論文

      上海紅色旅游流網絡結構特征及影響因素分析

      時間:2022年01月25日 所屬分類:經濟論文 點擊次數:

      摘要:基于社會網絡和灰色關聯度分析法,本文利用去哪兒網站2012年至2020年上海紅色旅游的網絡游記,分析上海紅色旅游流的時間分布、空間結構及其影響因素。結果表明:①受天氣和人為因素的影響,上海紅色旅游流的年際變化大致呈倒U型。②紅色旅游流的網絡結構密度大于

        摘要:基于社會網絡和灰色關聯度分析法,本文利用去哪兒網站2012年至2020年上海紅色旅游的網絡游記,分析上海紅色旅游流的時間分布、空間結構及其影響因素。結果表明:①受天氣和人為因素的影響,上海紅色旅游流的年際變化大致呈倒“U”型。②紅色旅游流的網絡結構密度大于綜合景點旅游流的網絡結構密度。③上海紅色旅游流空間網絡整體密度低,存在明顯的核心-邊緣區。④影響因素的重要程度從高到低依次為:旅游節點營銷方式、旅游節點產品類型、旅游節點知名度、游客旅游滿意度、旅游節點可達性、旅游節點區位。

        關鍵詞:紅色旅游;網絡結構;影響因素;上海

      紅色旅游

        紅色旅游是以革命傳統教育和愛國主義為主題,以紅色資源為依托的主題性旅游活動[1]。據文化和旅游部的消息,在整個“十三五”期間,我國紅色旅游出游人數保持穩定增長,2020年,我國紅色旅游的出游人數已經超過了1億人次,占到國內旅游市場中的11%的份額[2]。本文對紅色旅游流進行相關研究具有重要的實踐意義,可以使當地政府和景區更加了解紅色旅游的發展現狀,為今后的紅色旅游發展提供理論指導。在現有的旅游研究中,社會網絡分析方法多用來分析旅游流的網絡結構。

        在研究尺度上,國內旅游流的網絡結構分析主要集中在區域(跨省)、省域和市域層面,例如黃河流域[3]、河南省[4]、杭州市[5]。國外學者的研究尺度還有更大層面,如,Hwayoon等對2002-2014年的國際旅游流進行了社會網絡分析,研究發現國際旅游增長保持相對穩定,出入境國際旅游網絡逐漸分散。在研究內容上,國內外學者對旅游網絡結構經濟關系[7,8]、影響因素[9,10]等均有研究。

        此外,國內學者還對不同類型的旅游活動進行網絡化分析:以時間為分界,劉益、滕夢秦對廣州的夜間旅游流進行了社會網絡分析,發現廣州的夜間旅游呈空間近域性分布且存在一定的路徑依賴;以空間為分界,王朝輝等對湖州市的鄉村旅游流進行網絡結構分析,發現民宿集聚片區成為其網絡結構的核心區;以旅游組織形式為分界,王娟等采用社會網絡方法對武漢自助游進行了分析,發現武漢自助游主要集中在中心城區。但是關于紅色旅游的網絡結構分析并不多見,近年來,學者們逐漸意識到紅色旅游流的重要性,加大了對紅色旅游流的研究。

        有關于全國紅色旅游景區[14]的研究,也有關于革命圣地延安[15]、井岡山[16]、韶山[17]或者以重要歷史事件(長征[18.19])為主題進行的研究。為深入了解紅色旅游流對于紅色資源豐富之地的重要性,還需要進一步加大對紅色旅游流的研究力度。在研究數據上,現在的學者更多的以社交媒體上游客發布的旅游路線,OTA(在線旅游)平臺上的網絡游記等數字足跡[20-22]為數據進行相關研究。因此本文根據抓取的網絡游記,運用社會網絡分析方法對上海紅色旅游流進行分析,可以在一定程度上補充和完善運用社會網絡分析方法對紅色旅游流網絡結構進行研究的文獻,同時期望通過分析上海紅色旅游節點之間的互動信息和影響上海紅色旅游流網絡結構的因素,可以為具體指導紅色旅游資源的開發、利用和優化提供科學的理論依據。

        1數據采集

        1.1研究區域

        上海作為中國共產黨的誕生地,具有豐富的紅色資源。本文主要以2019年《全國紅色旅游經典景區名錄》所公示的紅色旅游景區和其他具有代表性的上海紅色旅游節點為研究對象,共計43處,分為4個系列:紅色紀念館系列、名人故居系列、烈士陵園系列、革命遺址系列。利用ArcGIS繪制出43處紅色旅游節點在上海的分布情況,可知上海紅色旅游節點主要集中在四個區域:黃浦區、靜安區、虹口區、浦東新區。

        1.2數據來源及處理標準

        本文的數據來源為數字足跡。目前我國可供采集數據的旅游網站有攜程、去哪兒、飛豬、驢媽媽、馬蜂窩等;诰W站信息與本文所需數據的匹配性,本文選取去哪兒網站作為數據采集的來源,共計爬取有關上述景點的游記821條數據,因去哪兒網站在2012年前未有游記記載,所以本文數據的時間跨度為2012年1月-2020年12月。

        數據內容包括游客出發時間、在上海旅游的天數、在上海旅行的路線、用戶評分。對爬取的821條數據做如下處理:一是整合同一游客在同一出行時期發布的不同行程路線;二是對于跨省區旅游的游客核實其在上海旅游的天數;三是對處于同一空間而名稱表述不同的旅游景點進行統一,例如陸家嘴中心綠地、上海環球金融中心、金茂大廈統一簡稱為陸家嘴。經過上述數據處理方式,最后得出符合標準的數據有477條。

        1.3研究方法

        本文采用社會網絡分析方法,通過網絡密度、“核心——邊緣”模型、凝聚子群、中心性等指標呈現綜合網絡結構及節點聯結關系。采用的軟件為Ucinet、Arcgis。網絡密度可以很好地展現網絡中各個節點之間聯系是否緊密,數值越大越緊密。“核心——邊緣”模型將旅游節點區分為核心層和邊緣層,體現不同區域的客流量情況。凝聚子群可以集合與某一節點有聯系的相關節點,反映各子群內部各節點的關系以及子群間的聯結特征。中心性包括中介中心度、接近中心度、度中心度,各個中心性反映的內容有所不同,但是中心性整體上反映的是某一節點對其他節點的影響力,或者受其他節點影響力的大小。

        2結果及分析

        2.1時間分布

        總體上呈現倒“U”型。在477條采集的數據中,2015年的數據有103條,占比21.59%,游記數量的多少可以從一定程度上反映旅游流量的多少。2015年是中國人民抗日戰爭勝利70周年,是一個具有特殊意義的年份,游客的愛國主義之情催生了紅色旅游的動機,成為2015年上海紅色旅游高峰的可能原因。

        2020年因為疫情的影響,整個旅游業被迫陷入經營困境,紅色旅游的客流量也不可避免的出現低值。上海紅色旅游具有季節波動性,6月份和11、12月份客流量較少,處于紅色旅游的淡季,這些月份處于年中或年末,節假日較少,且氣候變化也是造成客流量減少的原因之一。“十一黃金周”政策性地造成了上海紅色旅游的高峰。紅色旅游產品和自然景觀不同,它不會隨著天氣的變化造成產品自身的變化,即上海紅色旅游發展的季節性波動不是由景區自身產品變化所造成的,是由外界天氣或者國家政策等因素而導致的。

        2.2綜合網絡結構

        以43個紅色旅游景點為中心,根據477篇游記中所涉及的旅游路線,得出與紅色旅游景點相關聯的其他景點,由此來繪制綜合網絡結構圖。首先建立Nodelist(1-mode)矩陣,通過DL語言輸出,最后生成111×111的矩陣。在111個節點中,共生成372條連線,該網絡整體密度為0.0305,網絡整體密度偏低,大部分旅游節點之間的聯系不夠緊密。

        即沒有與其他任何節點產生聯系的節點。其中紅色旅游節點宋慶齡故居、陸家嘴、魯迅故居、孫中山故居的連線數量較多,表明這些節點的客流量較多,與其他節點的聯系比較頻繁,連通性較好;與這些紅色景點聯系較密切的有外灘、上海杜莎夫人蠟像館、豫園、田子坊、多倫路文化名人街等。

        2.3紅色旅游流網絡結構

        除了綜合網絡的分析,本文還只針對43個紅色旅游節點進行網絡化分析,通過進一步的篩選,可以清楚的了解43個紅色旅游節點之間的關聯性,即在到訪某一紅色旅游節點前后選擇到訪其他紅色旅游節點的可能性。紅色旅游節點的連線數量總體上多于外部紅色旅游節點的連線數量,這表明內部紅色旅游節點的客流量多于外部紅色旅游節點的客流量,以宋慶齡故居為例,除毛澤東舊居,五卅慘案烈士流血處以外,其與陸家嘴、孫中山故居、中共一大會址、中共四大會址等節點均有聯系。

        3節點特征

        3.1中心度

        中心度的測量主要通過3個指標:度中心度、中介中心度、接近中心度。度中心度表明某一節點旅游流的集聚和輻射作用;中介中心度則衡量某一節點的中介作用,即控制和依賴其他節點的程度。接近中心度則表示某一節點的中心程度以及與其他節點的通達性。綜合網絡的度中心度的平均值為3.351,這表明每個節點平均與網絡中3.351個其他節點有聯系。網絡整體的外向程度為40.959%,內向程度為9.769%,外向程度大于內向程度,則綜合網絡中節點的輻射功能要比凝聚功能更顯著。

        其中外向程度高的前十個節點依次是陸家嘴、宋慶齡故居、魯迅故居、孫中山故居、上海世博園、周公館、李白烈士故居、上海城市規劃展示館、陳毅廣場、人民英雄紀念塔,這十個旅游節點對周邊景點的輻射帶動作用較大。內向程度高的前十為中共一大會址、孫中山故居、宋慶齡故居、魯迅故居、陸家嘴、上海世博園、周公館、三山會館、中共二大會址、團中央舊址紀念館,這些景點的凝聚功能較大,表明這些景點較多的憑借自身影響力來吸引游客,而較少的依賴其他旅游節點的分流。

        中介中心度較高的有宋慶齡故居、陸家嘴、中共一大會址、周公館、中共二大會址、孫中山故居、魯迅紀念館等節點,中介中心度的值越高則表明某一節點對其他旅游節點的控制性越強,在整個網絡中的地位越重要。宋慶齡故居的中介中心度最高,為38.096,可見宋慶齡故居是上海重要的紅色旅游節點。接近中心度的數值越小,則表明該節點的中心程度越高,與其他節點之間的通達性也就越好。接近中心度從低到高前十位依次是宋慶齡故居、中共一大會址、陸家嘴、孫中山故居、魯迅紀念館、人民英雄紀念塔、周公館、上海世博園、中共二大會址紀念館、上海城市規劃展示館。

        3.2凝聚子群

        凝聚子群的作用主要是揭示整個網絡結構中存在的小團體,這些小團體內部節點連接比較密切,小團體之間的緊密程度有所降低。通過Network-Subgroups-N-Cliques這一路徑,對整個網絡進行凝聚子群分析,得到3個2派系的凝聚子群,即在各子群中任何兩個節點之間的距離不超過2。3個子群包含的節點有所交叉,這些交叉的節點在整個網絡中的輻射帶動作用較強,一般而言,游客喜歡將子群內部節點打包游覽。所以上海紅色旅游地可以采取多景區互聯、互通、互動的模式,充分利用關鍵節點的輻射和凝聚作用,推動整體的發展。

        3.3核心—邊緣分析

        通過核心—邊緣模型可以將上海紅色旅游景點分為核心部分和邊緣部分,核心部分的輻射帶動作用較強,對整個上海紅色旅游的發展具有重要的意義。而位于邊緣部分的景點的游客量則較少。核心區各景點之間的連接密度為0.32,節點之間的連接較緊密,而核心區與邊緣區,以及邊緣區內部節點之間的連接密度均為0,可見,上海紅色旅游景點存在明顯的結構分層,發展具有不平衡性,且核心區對邊緣區的輻射帶動作用較弱,邊緣區的景點孤立性較強?梢园l現邊緣區的旅游景點大多為烈士陵園類。烈士陵園類節點具有突出的功能性,在游客吸引力方面處于相對劣勢。

        3.4結構洞

        一個結構洞是指兩個行動者之間的非冗余的聯系[23]。按照效能數值從大到小排列前10個節點為宋慶齡故居、陸家嘴、中共一大會址紀念館、孫中山故居、中共二大會址紀念館、周公館、魯迅紀念館、上海城市規劃展示館、上海世博園。效能大小和效率性成正比,與約束性成反比。

        這些節點在銜接無直接關系的節點方面發揮著重要作用,但是在旅游旺季,這些結構洞可能會面臨承載量過度的問題,對于依靠結構洞來建立聯系的節點可以通過尋找更多的結構洞來建立聯系,但根本之道是提高節點自身的吸引力。4網絡結構的影響因素在前人研究中,旅游資源狀況、交通便捷程度、旅游接待能力、區域經濟發展水平、區位因素、旅游地知名度[24-26]可作為影響因素的自變量,但其研究對象大多為大尺度的旅游流,還欠缺聚焦某個城市紅色旅游流的研究。

        研究方法多為回歸分析,而灰色關聯度也可以用來分析各影響因素的重要程度,該方法適用于小樣本分析,因此本文應用灰色關聯度來分析上海紅色旅游網絡結構形成的影響因素。本文基于數據的可獲得性并借鑒前人的研究,將旅游節點可達性(公交及地鐵線路的數量并記為X1)、旅游節點營銷方式(各大旅游網站、自媒體檢索的結果并記為X2)、旅游節點知名度(百度指數并記為X3)、旅游節點產品類型(講座、展覽、研學等并記為X4)、游客旅游滿意度(用戶評分并記為X5)、旅游節點區位(2km以內紅色旅游節點的數量并記為X6)作為自變量。度中心度表明某一節點旅游流的集聚和輻射作用,因此本文采用度中心度作為參考序列(因變量)。

        5結論與討論

        本文采集去哪兒網站2012-2020年關于上海紅色旅游的相關游記,運用社會網絡方法分析上海紅色旅游流的網絡結構,并采用灰色關聯度分析其影響因素的重要程度,主要結論如下:

       、贁祿臅r間范圍為2012年1月-2020年12月,上海紅色旅游流的年際變化大致呈現倒“U”型;受外界天氣和國家政策因素的影響,上海紅色旅游流具有季節波動性。②綜合旅游網絡結構的整體密度為0.0305,紅色旅游流網絡的整體密度為0.0897,兩者具有相同的孤立節點,紅色旅游流的網絡結構密度大于綜合網絡結構密度,因為紅色旅游節點數量較少,相對比較集中,而綜合旅游景點基數大,相對分散。③紅色旅游流的節點總體上輻射功能大于凝聚功能,各節點發展不平衡,存在明顯的核心-邊緣區,邊緣區多為烈士陵園類的旅游地。43處紅色旅游節點總體上形成3個2派系的凝聚子群,各個子群內部的節點之間聯系較密切,其中很多節點是結構洞。

        總體上可以概括為:節點的重要性越高,點度中心度、中介中心度值越高,接近中心度的值越低,越處于核心區,越容易成為各子群的共同節點,越可能是結構洞。④上海紅色旅游流網絡結構影響因素的重要程度從高到低依次為旅游節點營銷方式、旅游節點產品類型、旅游節點知名度、游客旅游滿意度、旅游節點可達性、旅游節點區位。這些因素對上海紅色旅游流網絡結構的形成都具有顯著的影響,因此上海紅色旅游地既要從自身出發,采取合理的措施加大宣傳力度,提高旅游知名度、美譽度,也要學會借助外界的力量和其他旅游地建立旅游合作網。根據上述結論,為優化上海紅色旅游流網絡的發展格局本文提出以下建議:

       、俑纳坡糜蔚氐目蛇_性。本文的研究數據顯示外地游客在上海平均停留2-3d,停留時間較短,旅游地的可達性越低,則游客選擇該目的地的可能性就越低?梢酝ㄟ^開設旅游專線來提升景區的可達性;也可以考慮增加公交站的數量,修建直達路段等方法來提升市區周邊節點的可達性。②擴大旅游地知名度。加大宣傳力度,打造“紅中紅”(紅色旅游景點中的網紅景點)。紅色旅游在新媒體營銷方面的活躍度遠遠不夠,紅色旅游地應選擇合適的營銷方式來激發游客的愛國之情與旅游動機,從而獲得更多的客流量。

        此外,旅游者的旅游決策會受到各種信息的影響,正規的信息渠道可以使旅游者更正確的了解旅游地,因此提高知名度還要開拓正規的信息渠道。紅色旅游地可以建立并完善官網、創辦微信公眾號、微博號、微信小程序等官方渠道,縮短游客與旅游地之間的溝通距離,使游客獲得更真實有效的信息。旅游地可借助游客對其特色產品或服務的認可做口碑營銷,從而提升旅游地的知名度。

       、厶嵘糜谓哟,提高旅游滿意度。旅游地應改善自身的硬條件和人文關懷設施,例如游客休息處、特色垃圾桶、飲用水提供點、母嬰室。增強旅游體驗性,旅游產品的質量關聯游客旅游滿意度。部分游客以拍照打卡為目的而前往紅色旅游地,如何讓到此一游的游客真正沉浸在旅游產品中呢?在文旅融合的大背景下,開發沉浸式體驗的紅色旅游產品,運用VR技術、全息投影技術還原旅游地的背景故事;運用舞臺演出、大型話劇的方式提高旅游產品的文藝性;運用現代科技打造智慧紅色旅游,提高紅色知識的傳播性與接受度;根據旅游地獨特的背景,打造生命力持久且形式多樣化的研學旅游產品。

       、芴峁┝夹月糜畏⻊。售票員、景區秩序維持人員、講解員以及其他服務人員的工作態度和專業素養都會影響游客的滿意度。加強對景區服務人員專業能力培訓,幫助服務人員樹立端正認真的工作態度;滿足服務人員的合理需求,使服務人員的利益與景區的利益有所結合,提高其工作積極性;合理考評服務人員的工作,設立相應的獎懲機制,充分尊重服務人員的工作成果。

       、萁⒙糜魏献骶W,利用凝聚和輻射功能強的節點,帶動周邊相鄰節點的發展。譬如一大、二大、四大的紅色旅游巴士,該巴士將三個紅色旅游地相串聯,既能節省游客在路上奔波的時間,又能提高處于弱勢景點的客流量。其他紅色旅游地也可借鑒這一措施,可分流大型非紅色旅游節點的流量,或者通過主題游將同類型的旅游景點結合起來,比如名人故居一日游、瞻仰革命烈士游。本研究仍然具有局限性,主要體現在以下兩個方面:

        一是,雖然網絡數據提高了研究者搜集和處理數據的效率,但受網絡平臺的限制,網絡數據數量有限。二是,通過游記記錄行程的多為外地游客,對于本地游客的數據收集需要通過其他方式進行。所以未來的研究需要進一步擴充文本數據,通過更多元化的方式獲取內外地游客的數據,深入分析,使上海紅色旅游流網絡結構更加合理,還可以結合網絡游記中游客的評論提取影響上海紅色旅游流網絡結構特征的因素,使定量分析與定性分析相結合。

        參考文獻:

        [1]高海生,周振國.論紅色旅游的興起及其深層原因[J].理論前沿,2006,(21):37-38.

        [2]央視網.文化和旅游部:今年全年紅色旅游出游人數超1億人次[EB/OL].(2020-12-17)[2021-6-10].

        [3]謝朝武,樊玲玲,吳貴華.黃河流域城市旅游效率的空間網絡結構及其影響因素分析[J/OL].華中師范大學學報(自然科學版):1-18[2021-09-10].

        [4]王淑華,董引引.基于旅游數字足跡的河南省旅游流網絡結構特征研究[J].西北師范大學學報(自然科學版),2021,57(3):96-103,126.

        [5]李晶,葛玉輝.基于數字足跡的城市旅游流網絡結構演化研究——以杭州市為例[J].資源開發與市場,2021,37,(5):620-628.

        [6]HwayoonSeok,GeorgeA.Barnett,YoonjaeNam.ASocialNetworkAnalysisofInternationalTourismFlow[J].Quality&Quantity,2021,55(2):419-439.

        [7]GanChang,VodaMihai,WangKai,etal.SpatialNetworkStructureoftheTourismEconomyinUrbanAgglomeration:AsocialnetworkAnalysis[J].JournalofHospitalityandTourismManagement,2021,47:124-133.

        [8]吳承忠,馬慧,徐竹嫣.內蒙古旅游經濟空間網絡結構演化機制及對策[J].城市發展研究,2021,28(7):14-18,36.

        [9]趙明煜,劉建國.北京市旅游流網絡特征及影響研究[J].城市發展研究,2020,27(9):13-18.

        作者:徐惠娟,劉生敏

      日本真人作爱试看120秒免费

        <span id="djtl1"><nobr id="djtl1"></nobr></span>

        <address id="djtl1"></address>
        <em id="djtl1"><address id="djtl1"></address></em>
        <address id="djtl1"><nobr id="djtl1"><progress id="djtl1"></progress></nobr></address>

        <address id="djtl1"></address>

          <address id="djtl1"><address id="djtl1"></address></address>