国外个人旅游者在华旅游流的地理分布及网络结构研究_网络结构论文

旅华外国散客旅游流地理分布和网络结构研究，本文主要内容关键词为：地理分布论文,散客论文,外国论文,结构论文,旅游论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       1 引言

       散客是指单个或自愿结伴，按照其兴趣、爱好自主进行旅游活动的游客[1]。散客旅游是全球主流旅游方式，欧美等国散客市场比例高达70％～80％[2]。入境散客市场在中国入境旅游市场中也占据重要地位。2004～2012年，入境外国散客在重复旅华外国游客中的比例年均高达72.55％①。因此，研究旅华外国散客旅游流的空间分布和运动规律对于提高入境散客旅游服务质量，推动中国入境旅游业可持续发展具有重要意义。

       国外对散客旅游的研究比较微观，研究内容包括散客知识和技能[3]、交通方式[4]、个体的环保态度[5]、旅游动机[6]和博客[7]等方面。国内对散客旅游的研究始于1990年前后，张凌云等最早关注中国旅游“散客化”趋势[8]。国内对散客旅游的研究集中在旅游集散中心[9]、旅游服务体系[10，11]、旅游市场开发[12]等方面，但对散客旅游的主体——散客本身的旅游行为特征的研究很少。旅游流是旅游地理学研究的核心问题之一。国外旅游流研究兴起于20世纪70年代，研究内容包括旅游流的分布[13]、运动模式[14]、影响因素[15]、规模预测[16]等，研究尺度包括全球、大洲、国家和目的地四类，研究方法以归纳法和实证研究为主。国内对旅游流的研究成果发端于20世纪80年代[17]，并在近几年呈现出多维视角[18]，研究内容包括旅游流的时间分布特征[19]、空间结构特征[20]、时空演化特征[21]、驱动机制[22]、规模预测[23]等方面，研究尺度包括国家、目的地内部，研究方法以归纳法和实证研究为主。虽然国内外学者对散客旅游和旅游流进行了较多研究，但迄今为止均未对散客旅游流进行过专门研究。

       社会网络分析法发端于20世纪30年代，是在心理学、社会学、人类学以及数学领域中发展起来的一种关系论的思维方式，20世纪70年代以来得到广泛应用。一个社会网络是由多个点(社会行动者)和点之间的连线(行动者之间的关系)组成的集合。点可以是任何一个社会单位或社会实体，线代表具体的联络内容或者现实中发生的实质性的关系。社会行动者之间的关系类型多样，可以是朋友关系、上下级关系、城市之间的距离关系等[24]。在旅游地理学方面，旅游流是目的地与客源地之间、目的地与目的地之间的联系，目的地间的旅游流联系代表了目的地之间关系的类型和强度，各目的地凭借这种联系构成了具有一定结构特征的目的地网络。社会网络分析法是适合分析旅游目的地网络结构特征的方法，可以通过一系列测度系统结构的技术和指标解释旅游流网络的整体结构特征，揭示目的地节点的层次性和等级性，定量分析目的地节点之间的旅游流联系及其紧密性[25]。该方法的局限性在于对数据有较高要求，且不管研究者如何努力，一般都很难收集到完整数据，因为进行该领域研究必须首先规定整体边界，列举出全部成员名单，其次要调查成员之间的各种关系，而边界很难界定，且全部成员之间的所有关系很难调查到[24]，但这并不妨碍其为研究旅游中的各种关系提供理论支持。国外学者较早将社会网络分析法应用于旅游流研究[26]，成果主要体现在两个方面：一方面分析区域内的旅游流网络结构[27，28]，另一方面探讨各种关系所构成网络的形成、演化与旅游过程及旅游目的地发展的内在联系[29，30]。国内将社会网络分析法应用于旅游流研究的起步较晚，杨兴柱等最早借助该方法研究了南京市各景点的旅游流网络结构特征[31]。国内相关的研究成果主要体现在社会网络分析法的第一个层面，即分析旅游目的地网络结构特征[32-34]。已有的研究证明，社会网络分析法是研究旅游流空间结构的有效方法。鉴于此，本文在1451份调查问卷的基础上，利用ArcGIS10、CoreldrawX5等软件绘制旅华外国散客旅游流分布图，运用地图分析法对旅游流的空间分布特征进行研究；利用Ucinet6、SPSS20等软件构建旅游流网络，运用社会网络分析法对旅华外国散客旅游流网络结构特征进行定量分析，为国家拓展外国散客旅游市场提供理论依据。

       2 数据来源和研究方法

       2.1 数据来源

       研究主要采用问卷法，并结合访谈法获取数据。调查时间为2010年11月和2011年5至8月，调查地点在广州、上海、杭州、苏州、北京、成都、桂林、西安等热点旅游城市；调查对象为外国游客和港澳台同胞。问卷法是调查者使用统一编排印刷的问卷，向调查对象了解情况或征询意见的调查方法。访谈法是指调查者通过有计划地与调查对象进行交谈，收集所需资料，了解有关实际情况的调查方法[35]。两者都是收集资料的常用方法，经常被结合起来用于同一项调查，目的都是获取第一手资料，但手段不同——问卷法是书面语言的问答，被调查者先读后写，访谈法是口头语言的问答，被调查者先听后说。问卷法的突出优点是直观、便于统计，能突破时空限制，节省时间、经费和人力，匿名性好，能避免主观偏见，减少误差；缺点在于不能了解具体情况，很难做定性研究，真实性及调查质量得不到保证，且要求被调查者具有一定文化，因而更适用于较大样本、较短时间、在城市的调查。访谈法的优点是适用范围广泛、访问方式灵活、探讨问题深入、信息真实具体；缺点在于成本较高，匿名性差，主观性强，记录与整理困难[35]。由于本次研究旨在从整体和宏观联系的视角对入境旅游流进行全面系统地把握，涉及众多旅游目的地，需要大量样本，尤其是旅游线路作支撑，且主要采用定量分析，故在数据获取上以问卷法为主，而对旅游者的出行方式选择、旅华障碍等则适当采用访谈法做补充，以掌握具体情况。问卷内容包括人口统计学特征、游客行为特征和旅游线路特征三大部分。共发放问卷3000份，回收有效问卷2687份，有效率为89.6％。筛选出行程由自己、公司、亲友或其他人安排，而非旅行社安排的外国游客问卷(共1451份)作为旅华外国散客旅游流的研究样本。

       从研究样本看，散客以北京、广州和上海为主要出入境口岸，以香港为辅助口岸。从北京入境的比例最高，占43.88％，其次是广州，占18.15％，再次是上海，占16.29％，第四是香港，占9.44％，从其他城市入境的占12.23％。从北京出境的比例也最高，占35.86％，其次是广州，占20.89％，再次是上海，占19.69％，第四是香港，占11.71％，从其他城市出境的占11.84％。散客以网络、朋友为主要信息获取途径，所占比例分别为74.63％和31.85％。散客旅华的三大障碍是沟通、距离和交通，所占比例分别为40.16％、29.15％和16.40％，第四是信息获取困难，所占比例为11.25％。在年龄结构上散客呈现“年轻化”特征，以25～44岁最多，占46.95％，其次是15～24岁，占27.46％，第三是45～64岁，占20.54％。被调查的散客来自全球101个国家和地区。样本量排名前十的客源国以欧美国家为主，其中，来自美国的散客比例最高，为15.84％，其次是法国，占9.13％，第三是英国，占8.37％。

       2.2 研究方法

       2.2.1 绘制旅游流分布图

       本研究用ArcGIS10软件绘制单目的地散客旅游分布图。将到访2个及以上目的地的旅游线路拆分为城市对[27]，如西安→桂林→上海，拆分为西安→桂林和桂林→上海，一个城市对出现一次记为1，累计得出所有城市对的出现次数，然后用CoreldrawX5软件绘制旅游流地理分布图。若A→B产生的流动次数为m，B→A产生的流动次数为n，且m≥n，则线段指向为A→B，线段粗细表示旅游流流量大小(旅游流流量=m+n)。

       2.2.2 构建旅游流网络

       到访2个及以上目的地的散客旅游线路中被列举的旅游目的地合计有110个(含香港、澳门和台北)。旅华外国散客旅游流网络即以这110个旅游目的地为节点，以其到访顺序为连接构建的网络。根据旅游路线建立非对称赋值矩阵V。矩阵V中行i和列j分别代表不同的旅游目的地，矩阵单元V(i，j)的值代表散客从目的地i到目的地j的直接流动次数。以1为界限，将矩阵进行二值化处理：当V(i，j)小于1时，将其换成0，反之则为1，由此产生二分矩阵。

       2.2.3 网络的整体结构评价指标

       本文选取点度中心度指标判定节点在网络中的位置及其重要程度，采用网络规模、网络密度、点度中心势等指标判定网络整体结构特征[24]。

       点度中心度是指与该点直接有关的点的数目，在有向图中分为点出度和点入度。网络规模是指网络中节点的数量；网络密度是网络中实际存在的关系数量与所有理论上可能存在的关系数量之比。中心势能刻画网络的整体中心性。点度中心势值越大，说明网络中的旅游流围绕核心城市集聚或发散的趋势越明显。

       2.2.4 网络的小世界特性评价指标

       特拉弗斯和米尔格拉姆(Traverse & Milgram)通过小群体实验，得到一个著名论断，“世界上任何人之间都通过大约6步就可以建立联系”，因此，整个世界是小世界[24]。近年的研究发现，大量现实网络都具有小世界特性，尽管网络规模很大，却能通过相对较短的路径而获得联系[36]。从测度指标来看，小世界网络是指拥有较小的平均路径长度和较大的聚类系数的网络[37]。

       网络中任意两个节点i与j之间的距离

是指连接这两个节点的最短路径上的边数[37]。点的平均路径长度是指该点到网络中任意一个其他节点的距离的平均值。网络的平均路径长度L是任意两个节点间距离的平均值，计算公式为：

      

       式(1)中，N是网络中的节点数。旅华外国散客旅游流网络的平均路径长度越小，散客在中国境内的旅游活动越方便。

       点的聚类系数是指对于该点邻域中所有点组成的小网络而言，实际拥有的边数与可能拥有的最大的边数之比[37]，计算公式为：

      

       式(2)中，

是将节点i和其他节点相连的边数，即节点i的度，

为

个节点之间实际存在的边数。点的聚类系数介于0和1之间，值越大，表示与该节点相连的其他节点之间相互联系越紧密。

       网络的聚类系数是所有点的聚类系数的平均值[37]，计算公式为：

      

       在实际网络中，很多情况是一个点连接着网络中的很多点，但去掉这个点后会发现剩下的点几乎都是孤立点，此时，点的聚类系数能反映这个问题，聚类系数越低，则说明其他点的联系越松散，而网络的聚类系数反映的是该网络中所有点的聚类系数的平均情况[38，39]。

       3 研究结果及分析

       3.1 散客旅游流地理分布特征

       散客线路中，到访1个目的地的最多，占25.57％，其次是到访3个目的地，占21.30％，第三是到访2个目的地，占15.99％，到访4个及以上目的地的占37.14％。散客平均到访3.27个目的地。团队线路中，到访3个目的地的最多，占22.66％，其次是到访7个目的地，占19.06％，第三是到访6个目的地，占17.72％，到访1个目的地的仅占6.92％，团客平均到访4.64个目的地。可见，散客旅游线路以单目的地、短线为主，平均到访目的地较少。

       3.1.1 单目的地散客的分布特征

       为了便于比较，绘制了单目的地散客和单目的地团客旅游线路分布图(图1和图2)。

       从图1可见，单目的地旅游的散客，以北京为目的地的最多，占44.74％，其次是广州，占43.13％，苏州、成都、桂林和深圳等所占比例都很低，不足3％。从图2可见，单目的地旅游的团客，也以北京为目的地的最多，占70.13％，其次是广州，占15.58％。桂林、杭州、成都和天津等所占比例都低于4％。对比图1和图2可知，访问单一目的地的散客较访问单一目的地的团客在华旅游活动范围更大，访问城市更多；北京和广州都是单目的地散客的重要旅游目的地，但单目的地团客更集中于北京，反映出广州对以散客为主的商务客具有较大的吸引力，对以观光休闲为主的团客的吸引力有限。

       3.1.2 多目的地散客旅游流地理分布特征

       多目的地散客旅游流在全国的地理分布见图3a，在长三角地区的分布见图3b，在珠三角地区的分布见图3c，在川滇地区的分布见图3d。

       从图3a可见，与外国团队旅游流分布特征[40]一致，外国散客旅游流也主要集中分布在中国人口线东南部地区，以“北京—西安”之间流量最大，并形成了长三角(图3b)和珠三角(图3c)两个区域性集中分布区。不同之处在于：第一，外国散客旅游流的空间分布范围更广泛，在每个省份都比团队旅游流访问更多的旅游目的地，西部地区的拉萨、西宁、乌鲁木齐和东北地区的哈尔滨、长春等城市的地位比在团队旅游流分布图中更重要。第二，在中国人口线东南部地区，散客旅游流流动方式更加灵活多样，而团队旅游流以“北京—西安”、“北京—上海”、“桂林—长三角地区”、“武汉—重庆”等为主[40]。第三，散客旅游流分布图中增加了川滇区域性集中分布区(图3d)，且台北也是旅游目的地(图3a)。从目的地之间的关系来看，“北京—西安”、“北京—上海”是散客旅游流在全国范围内流动的两大动脉，“上海—苏州”、“上海—杭州”是长三角地区的两大动脉，“广州—香港”是珠三角地区的大动脉。

      

       图1 单目的地散客分布

      

       图2 单目的地团客分布

      

      

       图3 多目的地散客旅游流空间分布

       3.2 旅游流网络结构特征

       3.2.1 网络整体结构特征

       在二分矩阵基础上，用Netdraw软件绘制的散客旅游流网络见图4。

       散客旅游流网络规模是110，是团队旅游流网络规模(64)[40]的1.72倍，说明散客在中国的旅游活动范围更广。散客旅游流网络的密度为0.05，比团队旅游流网络更低(0.07)[40]，结合图4可知，散客旅游流网络的整体结构更加松散。散客旅游流网络的点度中心势为0.50，略高于团队旅游流网络(0.42)[40]，说明散客旅游流网络围绕少数节点集聚或扩散的趋势更强，整个网络的发育程度更差。因为散客线路以单目的地和短线为主，对少数关键节点的依赖更强。

       3.2.2 网络节点位置特征

       选取点度中心度衡量目的地节点在网络中的位置特征，主要节点的相关指标值见表1。

       从口岸节点来看，北京的总度数、点出度和点入度都排在首位，其点出度值高达51，说明北京能将散客扩散向51个其他旅游目的地，是网络中近50％旅游目的地的“二手客源地”；其点入度也高达46，说明北京的旅游流集聚能力也很强，是最重要的散客旅游流扩散中心和集聚中心。广州的总度数、点出度和点入度都排名第二，说明广州的扩散能力和集聚能力也都很强，是重要的扩散中心和集聚中心，这与广州是主要的散客出入境口岸之一和中国入境商务旅游流网络的中心[41]，且本研究样本中职业为商人的比例高达18.13％有关。上海的总度数、点出度和点入度均排名第三，也是重要的扩散中心和集聚中心。辅助口岸香港的点度中心度明显低于其他出入境口岸，点入度高于20，点出度低于20，是相对重要的集聚中心和次要扩散中心。

       值得注意的是，虽然广州的中心度指标较高，但与同为主要口岸的北京和上海相比，广州流出的旅游流流量较低(图3)，且从广州入境的散客到访目的地节点数较少，广州仅为2.10个，旅游活动范围较小，而从北京和上海入境的散客平均到访目的地节点数量分别为3.47个、3.97个。

       从非口岸节点来看，桂林、成都、西安的总度数都较高且非常接近，点入度都略高于点出度，说明桂林、成都、西安在网络中的地位相当，都是相对重要的集聚中心和扩散中心。杭州的点出度高于20，点入度低于20，是相对重要的扩散中心和次要的集聚中心。昆明、深圳、阳朔、南京、厦门、大连的外向和点入度都介于10到20之间，属于次要的扩散中心和集聚中心。苏州、重庆、丽江的点出度介于10到20之间，点入度都低于10，属于次要的扩散中心和一般集聚中心。武汉、青岛、澳门、宁波、大理等9个节点的外向和点入度都低于10，但高于平均值，属于一般扩散中心和集聚中心。

      

       图4 旅华外国散客旅游流网络[40]

      

       3.3 网络的小世界特性

       采用“假设-验证”的方法判定网络的小世界特性。根据对图4的观察，假设散客旅游流网络具有小世界特性。

       利用Ucinet6软件，将二分矩阵按照最大值对称化，沿着“Network→Centrality→Degree”可得到每个节点所连接的节点数量；沿着“Network→Cohesion→Clustering Coefficient”可得到网络的聚类系数和节点的聚类系数。将对称化后的二分矩阵沿着“Network→Cohesion→Distance”可得到“距离矩阵”，将“距离矩阵”沿着“Tools→Statistics→Univariate Stats”进行计算，并在“Which dimension to analyse”框中选择“Columns”，得到所有节点的平均路径长度[24]。

       3.3.1 聚类系数分析

       散客旅游流网络的聚类系数较高，其值为0.61，表现出较强的集聚性。每个节点平均连接7.10个其他节点。

       节点的连接节点数量和聚类系数的关系较为复杂，其相关系数为-0.38，呈弱负相关。进一步分析发现，当连接节点数量小于均值时，其相关系数为-0.11，连接节点数量和聚类系数不相关。当连接节点数量大于均值时，其相关系数为-0.84，连接节点数量和聚类系数呈强负相关，即连接数量越多的节点，其聚类系数越低。从旅游学的角度分析，连接节点数量较多的节点往往是热点旅游城市，其他节点都倾向于与之建立直接联系，但其他节点之间建立紧密联系的难度很大，故聚类系数反而较低。

       在散客旅游流网络中，连接节点数量较多，但聚类系数较低的节点有：北京连接节点60个，聚类系数为0.12；广州和上海各连接节点38个，聚类系数分别为0.22和0.25；西安和桂林各连接节点36个，聚类系数分别为0.25和0.28；成都连接节点34个，聚类系数为0.25；香港连接节点30个，聚类系数为0.33；杭州连接节点25个，聚类系数为0.41；昆明连接节点22个，聚类系数为0.46。这9个节点与网络中的很多节点有联系，一旦去掉这些节点，剩下的点几乎都是孤立点。

       3.3.2 平均路径长度分析

       从距离矩阵可知，散客旅游流网络的直径(点对距离的最大值)为5，点对距离在3以内的连接高达94.83％，其中，点对距离是1、2和3的连接分别占6.51％、48.89％和39.43％，而点对距离是4和5的连接分别仅占5.02％和0.15％。散客旅游流网络的平均路径长度为2.43，说明任意两个节点之间平均只需要1.43个中转节点就可以建立旅游流联系。

       对节点的连接节点数量和平均路径长度进行相关分析发现，其相关系数为-0.73，呈中度负相关，说明连接节点数量越多的节点，平均路径长度越低，该点的网络区位条件越好。北京的平均路径长度最低，为1.49，说明北京平均只需要经过0.486个其他节点就可以与任意节点建立联系，是网络的中心节点；上海、广州、桂林、西安、成都和香港的平均路径长度较低，均介于1.50～1.80之间；杭州、昆明和阳朔的平均路径长度均介于1.80～1.90之间，这些节点与其他节点的联系都较便捷。

       根据测算结果，散客旅游流网络的平均路径长度较低，聚类系数较高，说明对其具有小世界特性的假设成立。北京、上海、广州、桂林、西安、成都、香港、杭州和昆明9个节点的网络位置十分重要。

       综上，将网络中的110个节点划分为4种角色类型：综合性节点(散客出入境口岸，扩散性、集聚性很强，平均路径长度较小、连接节点较多且聚类系数较低)、枢纽节点(扩散性、集聚性较强，平均路径长度较小、连接节点较多且聚类系数较低)、重要节点(发挥一定的扩散、集聚作用，连接节点数量大于均值，平均路径长度低于均值)和一般节点(网络中的其他节点)。其中，北京、上海、广州和香港是综合性节点，但北京、广州和上海是外国散客旅游流出入境中国的主要口岸，香港为辅助口岸；西安、桂林、成都和杭州是枢纽节点；昆明、深圳、阳朔、大连、重庆、南京、厦门、丽江、苏州、武汉、澳门、青岛、宁波、大理、乌鲁木齐和张家界16个节点属于重要节点；哈尔滨、西宁、长春等86个节点属于一般节点。

       4 讨论和结论

       4.1 讨论

       本文运用地图分析法，研究了旅华外国散客旅游流的空间分布和扩散规律，运用社会网络分析法的网络规模、网络密度、点度中心势、点度中心度等指标判定了散客旅游流网络的整体结构特征和网络中目的地节点的网络位置特征，运用平均路径长度、聚类系数等指标验证了散客旅游流网络的小世界特性，依据出入境口岸地位、扩散能力、集聚能力、连接节点数量、平均路径长度和聚类系数等多种指标，划分了网络节点的角色类型。节点角色类型的划分意义在于，从网络整体的视角评价了不同旅游目的地的在全国散客旅游接待中的地位，探讨了不同目的地对其他目的地，乃至对中国入境旅游业的影响。本研究结论对于国家全面、准确认识旅游城市的地位和作用、优化配置旅游资源、正确应对旅游危机事件具有重要的实践价值。例如，假使北京、上海、广州和香港等综合性节点或西安、桂林、成都和杭州等枢纽节点一旦发生危机事件，不仅会对当地外国散客旅游接待产生直接影响，还会对较多的其他目的地产生重大影响，甚至影响全国入境旅游的发展，因此，国家一定要加强对这些关键目的地的监管，尽量避免恶性危机事件在这些旅游城市发生，一旦发生则要采取果断措施予以应对。再如，目前外国游客出入境中国的口岸节点集中分布在东部地区，限制了入境外国游客旅游线路的多样化，不利于入境旅游的均衡发展，也削弱了入境旅游流网络对危机事件的抵御能力。显然，国家应该设法提高西安、成都等西部重要旅游目的地城市的国际航空通达性，以引导入境外国旅游流朝西部转移，使入境旅游流在全国的分布趋于均衡，以增加入境旅游业发展的稳定性。

       目前，国内旅游地理学界应用社会网络分析法研究旅游流网络还处于对网络结构特征的定量研究阶段，对旅游流网络的演化及其动力学机制研究尚未开始。原因在于揭示网络结构特征是研究网络演化和动力学机制的基础，只有从不同层面揭示清楚网络结构特征，才能对其演化和动力学机制进行研究。未来需要将已有旅游流网络结构特征的研究成果进行集成的基础上，从不同层面揭示旅游流网络演化规律和动力学机制。本研究首次从宏观联系的视角对旅华外国散客旅游流进行了整体研究，因此是对中国入境旅游流网络结构特征研究的丰富和拓展，具有一定的学术意义。本研究的不足之处是采样地点缺乏港澳台，从港澳台入境的外国散客样本比例较低，对研究结论的科学性有一定的影响。

       4.2 结论

       (1)旅华外国散客以北京、广州和上海为主要出入境口岸，以香港为辅助口岸，其旅游线路以单目的地、短线为主，平均到访目的地较少。

       (2)多目的地散客旅游流集中分布在中国人口线东南部地区，以“北京—西安”之间的流量最大，并形成了长三角、珠三角、川滇三个区域性集中分布区，单目的地散客以北京和广州为主要旅游目的地。与团队旅游流相比，散客旅游流在全国的分布活动范围更广，流动方向更多。“北京—西安”、“北京—上海”是散客旅游流在全国范围内流动的两大动脉，“上海—苏州”、“上海—杭州”是长三角地区的两大动脉，“广州—香港”是珠三角地区的大动脉。

       (3)散客旅游流网络规模较大，但网络密度较低，整体结构非常松散，围绕少数节点集聚或扩散的趋势较强，平均路径长度较低，聚类系数较高，具有小世界特性，北京、上海、广州、桂林、西安、成都、香港、杭州和昆明等九个目的地城市的网络位置十分重要，国家要给予充分重视。

       (4)散客旅游流网络中的目的地可划分为4种角色类型，其中，北京、上海、广州和香港属于综合性节点；西安、桂林、成都和杭州属于枢纽节点；昆明、深圳、阳朔、大连、重庆、南京、厦门、丽江、苏州、武汉、澳门、青岛、宁波、大理、乌鲁木齐和张家界16个节点属于重要节点；散客旅游流网络中的其他86个目的地节点属于一般节点。

       注释：

       ①数据由国家旅游局政策法规司编撰的《旅游抽样调查资料》(2005～2013)上篇“入境游客抽样调查资料”的“3-1入境游客来华(内地)旅游次数(按团队及散客、外国人、港澳台同胞分组)”整理计算得出，中国旅游出版社出版。

标签：网络结构论文;  网络节点论文;  成都旅游论文;  西安旅游论文;  成都发展论文;  节点分析法论文;  聚类系数论文;  地理论文;  华外论文;  香港论文;