罗秋菊++梁思贤
[摘 要]文章以云南省为研讨事例，运用网络行记与相片两种“数字脚印”，研讨入滇自驾车游览客流的时空特征，并与一般入滇游览客流的特征进行比较，为运用新数据办法研讨游览流时空供给参阅，一起丰厚时空二元视角下的自驾客流研讨成果，也有利于自驾车游览目的地的营销与办理。研讨成果显现：（1）自驾客流出游时刻散布会集度较高，黄金周及寒暑假内简单出现客流顶峰，与一般入滇客流的时刻特征根本坚持一致。（2）客源地空间散布上，一则出现近域性显着、东部会集性显着；二则自驾客流空间间隔衰减规则不显着，空间运用曲线出现屡次动摇，客源地散布与国内经济兴旺省市的地舆散布坚持一致。（3）目的地空间散布上，一则自驾客流在云南24个游览节点内非均衡会集散布，并构成坐落4大区域的5条游览线路；二则与一般入滇客流的“单核放射状”散布形状不同，自驾客流全体出现多中心、多线状、多区域的“多核线网状”空间散布形状；三则自驾客流网络密度较低，网络结构分层显着，但中心游览区带动及影响边际游览区的才能不强。
[关键词]数字脚印；自驾；游览流；时空特征；云南省
[中图分类号]F59
[文献标识码]A
[文章编号]1002-5006（2016）12-0041-10
Doi： 10.3969/j.issn.1002-5006.2016.12.011
导言
游览流是指游览客流，即游客从客源地向目的地活动的群数量和活动方式[1]，其时空特征一直是游览地舆学研讨的热门。已有研讨标明，游览流的特征极易遭到交通体系要素的影响，但交通东西的改进与出游交通的挑选对各种特别交通游览流的构成与时空特征的影响研讨却相对缺少[2]。近年来我国人均收入遍及提高，国民游览休闲消费添加加速，私家车保有量高（2013年私家轿车保有量占民用轿车保有量的79.26%），国内公路网络体系日益完善（我国高速公路现已仅次于美国稳居国际第二），自驾车游览出现“井喷式”展开。《我国自驾游年度展开陈述（2014）》显现，2013年我国自驾车出游人数增至17.3亿人次，占国内游览总人次的53%[3]。能够说，自驾游已成为我国城镇居民出游的首要办法，自驾车游览客流这种特别游览流随之构成，开端引起了国表里学术界的注重。国内学者李昂以生计剖析为理论基础树立模型，对国际文化遗产承德避暑山庄与周围寺庙的自驾车游览客流的时刻散布特征进行研讨[4]。在自驾客流的空间特征方面，Shin最早注重自驾车游览流网络特征，运用社会网络剖析法对我国台湾南投区域的16个游览目的地进行空间结构与网络联络剖析[5]；卢松等国内学者以安徽黄山市为例，选用游览流空间运用曲线剖析黄山市自驾车入游流的客源商场结构和空间行为方式[6]。这些学者敞开了有关自驾车游览客流这一特别交通游览流的研讨方向，其定量剖析办法对后续相关研讨具有学习含义。惋惜的是，现有研讨仍未在时空二元视角下对自驾客流的散布特征进行详尽深化的剖析。别的，与一般的自助游客、游览社集体游客不同，自驾游客的游览活动不受既定游览时刻、游览线路和游览交通组织的影响，游览行为自主灵敏，由此构成的时空特征也与其他类型游客存在差异，可是现在学者们亦未注重这种差异的研讨。
自驾车游览客流的时空研讨相对缺少，原因还在于游客自主操控交通东西，其活动具有较高的灵敏性和可变性，客流的时空数据难以实时搜集，简单导致数据的及时性、掩盖性和代表性缺少，国外学者Girardin因而提出“数字脚印法”。在Web2.0年代，越来越多游客会经过网络及其他通讯设备获取游览信息，Girardin等以为，“游览数字脚印”是在整个游览活动的完成过程中，游客在游览时移动电话的通话记载、发送的信息，以及游览前后在网络上和其他信息化体系里所留下的信息查找记载、博客文章、网络行记、谈论与相片等多种方式的图片与文字信息，这种数据蕴含了游客的活动时刻与地舆方位信息，可实在复原游客实地游览的时空移动轨道，为学者研讨游客在游览目的地内的时空行为供给了全新的数据搜集办法[7]。Girardin和Vaccari都从前运用游览者游时的通话记载、手机短信以及游后发布的图片等数字脚印别离研讨了意大利罗马与美国纽约的游览情况[7-8]，张妍妍等则将网络行记这种数字脚印运用到西安的游览流网络结构研讨中[9]，综上可知，国外的游览数字脚印研讨运用手机脚印为主、网络图片为辅，文本型数据运用率低，国内研讨倾向运用网络文本。
因而，本文依据“数字脚印”，一起运用网络行记与相片两种时空信息丰厚的游览数字脚印，从游览客流的时空散布视点切入，挑选云南省这一国内典型自驾游目的地为研讨区域，剖析自驾车游览客流的时空散布特征，并评论这种特别交通游览流与一般入滇游览流在时空特征上的异同，一方面能够对“数字脚印”的数据获取新办法在游览客流时空特征研讨的运用上做出有利测验，另一方面也能够从时空二元视角丰厚自驾车游览客流散布特征的研讨内容，并经过自驾客流与其他游览流的差异剖析，从实践上为自驾车游览目的地开发与办理、游览线路规划及营销、不同景区之间的协作等方面供给理论参阅。
1 研讨区概略与数据搜集
1.1 研讨区域概略
云南省地处我国西南边境，下辖16个州市，具有国际遗产3处、全国5A级景色名胜区6个以及4A级以上游览景区46处，是我国闻名的游览目的地。云南省先后建成7条通往全国各地的出省高速公路，而省内现有公路网络也保证了90%以上的城镇晓畅，能有用衔接省内的要点景区景点。丰厚的游览资源与便当的交通，促进省内自驾游商场继续升温。2013年“十一”黄金周期间，全省自驾车进出达484万辆次，同比井喷添加69.5%，全省各州市的自驾游占一切游览方式的比重均超越50%，2014年，云南省获“我国最具潜力自驾游目的地省”称谓[3]。云南省自驾车游览商场展开条件老练、优势显着，已成为我国典型的自驾车游览目的地，更是极具代表性的自驾车游览客流研讨事例区域。
1.2 数字脚印搜集
Girardin提出 “数字脚印”的数据搜集办法，具有实在、客观、高效、精确、成本低、可操作性强的优势，可充沛运用于游览客流的时空研讨中[7]。本文一起选用网络行记和相片两种“数字脚印”，行记用于从文字内容上敏捷断定游览时刻和游览节点，而相片则重在印证文字表述的合理性。数据来历方面，本文挑选蚂蜂窝游览网和携程游览网进行“数字脚印”搜集。蚂蜂窝网是现在我国最大的游览交际网站，收录了很多来自实在游览用户宣布的行记和拍照的相片，且以自助或自驾行记为主。而携程网是我国现在最大的在线游览服务网站，具有超越两亿注册用户以及影响力较大的游览网络社区。选用这两个网站的数据能够有用掩盖不同类型的自驾游客，丰厚数据样本。本文设定研讨2014年云南省国内纯自驾游客的网络行记，于2015年3月10日开端进行数据搜集，以行记更新时刻为准，挑选截止更新到2015年3月21日的行记，运用 Excel核算出契合研讨规范的行记作者300位（蚂蜂窝网191位，携程网109位），行记402篇 （蚂蜂窝网238篇，携程网164篇），合计385次完好旅程（蚂蜂窝网221次，携程网164次）。行记数量多于作者数，是因为部分游客会自驾到云南省重游，并宣布两篇及以上的行记。
数字脚印的实践挑选规范为：（1）出游时刻和逗留时刻有必要在2014年1月1日至2014年12月31日期间，其间游客逗留时刻以实践游览天数为准（不含客源地往复目的地的交通时刻）；（2）交通方面，往复于客源地各目的地与（游览景点）的首要交通东西有必要为自驾的小型汽车，即行记作者有必要为纯自驾游客；（3）行记有必要能够阐明作者的动身地，并且经过点击“检查用户材料”时能明晰断定作者的来历地（客源地）；（4）行记最好配有游客实地拍照的相片，并且文字或相片有必要能够标明游客的出游及逗留时刻；（5）行记内容有必要完好记载游览行程，以便提取游客的空间信息，并按时刻次序完好复原自驾游客在云南省内逗留并游览的一切游览景点。
关于契合挑选规范的网络行记，以一段完好旅程为根本单位，运用Excel表格顺次录入行记作者、出游时刻、逗留时刻、客源地、动身地、全程游览景点等信息。实践录入时，有以下两个重要规范：（1）行记与相片两种“数字脚印”一起断定时刻信息，当行记中文字未能标明游览时刻时，则经过相片时刻断定，即经过点击相片下方“检查 EXIF 信息” 进行断定。终究402篇行记时刻的提取成果中，行记与相片内容断定游览时刻的占94.67%，只要4.33%的自驾游客仅经过相片断定时刻，标明此次样本数据所提取时刻的可靠性较高。（2）依据时刻次序顺次录入游客清晰提出逗留游览的游览景点称号，当行记文字并未正确表达游览景点称号时，则依据行记相片显现的地址信息进行修订。
别的，因为事例地云南省面积广，游览景点数量巨大，为更详细剖析自驾客流在目的地内部的空间特征，本文参阅国际游览组织（WTO）编制的《云南省游览展开总体规划》，考虑一切录入游览景点的地舆方位、知名度、客流游览倾向等方面，将云南从头区分为以下24个大型游览区：N1昆明市区；N2昆明周边游览区；N3 玉溪游览区；N4 楚雄游览区；N5 元阳—建水游览区；N6 红河东部游览区（除元阳、建水外的红河州区域）；N7 文山游览区；N8曲靖游览区；N9昭通游览区；N10 西双版纳中部游览区（以景洪市为主的中部区域，包含野象谷、中科院热带植物园、曼听公园等）；N11 西双版纳外围游览区（以勐海县、景洪最北部和勐腊县为主的外围区域，包含打洛口岸、望天树景区等）；N12普洱游览区；N13 临沧游览区；N14 腾冲游览区（腾冲县及周边区域）；N15 德宏游览区；N16大理古城—巍山游览区；N17苍山洱海游览区；N18蝴蝶泉—剑川游览区；N19丽江古城游览区；N20 大玉龙游览区；N21泸沽湖游览区；N22 香格里拉中南部游览区；N23香格里拉北部游览区（茨中教堂至奔子栏为界以北的香格里拉区域）；N24怒江游览区。终究，将24个游览区笼统为“游览节点”，并据此对之前每段旅程录入的游客所提景点按时刻次序进行从头整理，终究得出自驾客流的385次“全程游览节点”空间数据，以此剖析自驾客流在云南省内部的空间散布特征。
2 时刻特征剖析
2.1 出游时刻的会集程度
核算录入数据可知，入滇自驾游客出游时刻会集在1—2月和7—10月，其间1月、2月客流量别离占客流总量的15.00% 与12.67%，7—10月的客流量均在10.00%左右，或许受假日组织影响；而在国内游传统旺季的5月，入滇自驾客流量仅为5.33%，10月后客流量继续回落至12月的2.33%。此外，据核算自驾游客的逗留时刻从1至20天不等，其间，逗留3～6天的游客量占总量的50.33%，逗留10天以上的游客量均在3%以下。可见云南自驾客流出游时刻的季节性动摇较大，开始出现出会集趋势。
为进一步剖析自驾客流的时刻特征，并考虑国内假日要素的影响，本文将出游时刻分为6个时刻段：H1双休日、H2双休日+年假（即1～6天的年假，详细时刻依据行记的文字内容断定）、H3小长假（包含元旦、清明、“五一”及端午等4个小长假）、H4黄金周（包含新年及“十一”2个黄金周）、H5寒暑假（依据2014年全国中小学生的假日组织，本文的寒假是指1月16日至2月16日，并除掉期间的新年黄金周；暑假时刻为7月10日至8月30日）与H6其他时刻，并从头核算每个时刻段的自驾客流规划。已有研讨标明，会集指数G能够有用衡量游览流在时刻散布的全体会集程度，其核算公式为：
[G=100×i=1nxiT2] （1）
式（1）中：G为游览流在研讨时段上的会集指数；xi为第i个出游时段的游览客流规划；T为事例出游时段游览客流总规划；n为事例时段总数[10]。假如自驾客流在上述6个时刻段内彻底均匀散布，则[G=100×1N=100×16=40.82。]经过核算可得，云南自驾客流出游时刻的会集指数G = 44.96；44.96大于40.82，阐明云南省自驾车游览客流在时刻上散布较为会集。
2.2 出游时刻的顶峰情况
自驾客流在H1～H6等6个研讨时段内散布会集，阐明简单在某些时段构成客流顶峰。因而，本文引进饱满曲线与斯泰恩斯峰值指数调查自驾客流出游时刻的顶峰情况。若饱满曲线单调递减，阐明客流在短期快速添加，并具有杰出的顶峰现象；若曲线上端相对陡峭，标明客流在时刻散布上比较均衡。一起，曲线上不同点的斜率标明研讨时段内游览流顶峰情况，斯泰恩斯因而提出了峰值指数的概念，核算公式为：
[Mn=u1-un（n-1）u1] （2）
式（2）中：Mn为峰值指数；u1为一切研讨时段中游览客流量最大的时段的游客数量；un为游览流量第n位的对应时段的游客数量；n为第n个时段（1为游览流规划最大的时段）。核算可得出不一起段在饱满曲线上对应点的峰值指数，Mn的值越大，该点对应时段的游览流顶峰越大[10]。
经核算，本文制作出客流饱满曲线与峰值指数曲线（见图1，为明晰调查饱满曲线斜率的改变，图中将各峰值指数乘以100），可知入滇自驾客流的饱满曲线和峰值指数曲线均呈单调递减，客流在短期内快速添加，特别是在黄金周期间具有杰出的会集趋势和顶峰现象，在寒暑假日间也出现了“小顶峰”，其他时段的自驾客流规划附近。由此能够断定，入滇自驾游客的出游时刻首要遭到公共假日时刻组织的影响。
结合行记数据剖析发现，52.67%的行记作者挑选与家人出游，35.33%挑选与朋友出行，可见云南自驾游客以中青年为主，家庭出游也需求和谐学生或上班族等成员的空闲时刻，自驾游客3～6日的逗留时刻加上往复的交通时刻，全体出行时刻往往长达5～8日。因而，2014年 “新年”黄金周（2014年“新年”黄金周为1月31日—2月6日）、“十一”黄金周、寒暑期等长假地点的1—2月和7—10月成为云南自驾游的旺季。3—5月入滇自驾游客量较少，是遭到国家对法定节日调整的影响，“清明”“五一”“端午”等小长假的时刻较短，难以满意自驾游耗时较长的条件。
3 空间特征剖析
3.1 自驾客流客源商场空间特征
3.1.1 自驾客流客源商场散布
核算本次研讨数据发现，入滇自驾游客散布比较广泛，其客源地触及20个省市自治区（图2），客源商场空间散布详细出现出如下特征：
（1）近域性比较显着。本省和相邻的四川、重庆、贵州、广西的客源所占份额挨近总数的一半，到达47.33%；中部省份湖南、湖北、江西、安徽等均在3%以下，北部省份陕西、山东、天津等份额在1%左右，其间海南和辽宁别离仅搜集到1～2位作者的行记。而在数据收会集，西藏、青海、甘肃、宁夏等其他14个省份没有发现有游客在相关网站上宣布契合研讨条件的云南自驾行记。
（2）东部会集性显着。由图2可知，入滇自驾游客除来自本省及其周边省份组成的区域（到达47.33%）外，还有东部滨海经济兴旺的省市，以广东、福建、浙江、上海、江苏和北京为主，6地客源所占份额达45.33%，可是山东、天津等部分东部滨海兴旺区域所占份额偏低。
3.1.2 自驾客流空间运用曲线
现有研讨标明，游览客流空间运用曲线能够有用描绘目的地的游览客流量随间隔的添加而衰减的现象，一般可分为3种类型：根本型曲线、U形曲线与Maxwell-Boltzman形曲线[11]。本文运用“百度电子地图测距东西”核算出自驾游客动身城市的政府地点地与入滇的首个目的地的公路间隔（若归于云南省内自驾游，则核算出游客动身城市的政府地点地与旅程中心隔最远的目的地的公路间隔），制作云南省自驾车游览客流空间运用曲线（图3）。成果显现，云南省自驾客流空间运用曲线非常杂乱，难以用上述3种曲线解说，客流曲线出现屡次动摇，阐明间隔衰减趋势不显着。
跟着间隔的添加，在0～1000 km的规划内出现了榜首次客流散布顶峰（也是最顶峰），这首要是云南省内及四川、重庆、贵州、广西等周边区域的自驾游客出游的成果；在1200～1400 km规划内出现第2次顶峰，这是因为经济兴旺、城市化水平高的广东省以及湖南、湖北等消吃力较强的中部省份均散布在此规划内；在2000～2400 km规划内出现了第三次顶峰，此规划首要包含收入水平高、游览消费遍及的上海、浙江、江苏等省市；在2600～2800 km规划内出现终究一次顶峰，北京、天津、山东等省市散布在此规划内，这些区域与云南省公路间隔最远。总体上看，云南省自驾游览的引力场较大，首要会集在2360 km规划内，该规划内游览客流累计百分比为80.33%。云南省自驾客流空间运用曲线的形状杂乱，是因为该省坐落我国西南边境的共同区位，与我国经济兴旺、自驾出游才能强的中部及东部省市的公路间隔较远。已有研讨标明，客流顶峰的散布一般与经济兴旺省区、城市密集区的散布相一致[11]。
3.2 自驾客流在云南省内的空间散布特征
“空间”是一种三维概念，可笼统为“点”“线”“面（或区）”3种地域方式[37]，云南省自驾车游览客流的空间散布特征也可从游览节点、游览线路、游览区域等3方面进行研讨。为深化评论客流散布的空间特征，本文引进社会网络剖析法，这种研讨办法于20世纪30年代由英国闻名人类学家R.布朗提出，至今已被国表里学者运用到不同游览目的地的客流空间网络结构研讨中，有用剖析了研讨区域内游览节点的人物功用、联络总和以及全体空间结构特征[12]。
3.2.1 自驾客流“点”状空间散布
中心性是社会网络剖析法的重要目标之一。本文选用这种目标剖析自驾客流在云南省24个游览节点的空间散布情况，以及各节点在全体自驾车游览客流中的方位。中心性包含程度中心度、挨近中心度和中介中心度3种丈量目标：程度中心度有表里向之分，别离标明客流在某个游览节点的进出活动，并提醒某游览节点是归于游览网络的集聚点、中心点仍是分散点，然后衡量节点在网络中的中心方位。同理，挨近中心度也有表里两种，别离标明节点与其他节点联络越少、客流灵通性越低，反之亦然。中介中心度衡量游览节点作为中心者的才能，节点的该值越高代表起到的客流中介效果越强，且一般会坐落游览线路的中心。
云南省24个游览节点的自驾客流规划核算成果显现，大理古城—巍山游览区、苍山洱海游览区、丽江古城游览区、昆明市区、香格里拉中南部游览区、泸沽湖游览区、昆明周边游览区、西双版纳中部游览区、大玉龙游览区、曲靖游览区及玉溪游览区等11个景区的游览流规划已占到了总规划的75%。本文依据385次自驾旅程的研讨数据，运用Ucinet6.237软件剖分出云南省自驾客流中心度目标的成果（表1）。从3种中心度目标成果来看，大理古城—巍山、苍山洱海区、丽江古城区和昆明市区等4点的值较高，坐落榜首队伍，归于自驾客流空间网络结构中的游览中心和集散中心；西双版纳中部、香格里拉中南部、昆明周边等点则坐落第二队伍，成果仅次于榜首队伍的游览节点，归于次游览中心和次集散中心。第三队伍中，泸沽湖、大玉龙与蝴蝶泉—剑川等3点的中心度目标较高，是云南自驾道路中的重要游览目的地与游览通道；玉溪、曲靖、元阳—建水与腾冲等游览区的中心度与泸沽湖等附近，也是重要的游览目的地；其间玉溪与曲靖的表里向挨近度的差值较大，对客流的调集才能较强，阐明这两点多为游览起汔点。西双版纳外围、文山等游览区的中心度目标较低，坐落第四队伍，中介中心度不高，但与其他节点联络较多，归于一般目的地。而普洱、昭通、临沧、怒江等四点的中心度目标成果最低，归于边际目的地。综上所述，在云南省的游览空间上，自驾客流具有较为显着的非均衡会集散布特征，大理古城—巍山游览区等11个游览节点能够调集绝大部分的自驾客流，是因为这些游览节点在自驾客流网络中占有游览中心、次中心、通道、起汔点等重要方位，能有用集聚与分散自驾客流。
3.2.2 自驾客流“线”状空间散布
云南省自驾车游览客流的全体网络密度为0.4042，24个节点组成的网络理论上有552条衔接联络，实践仅出现223条，阐明自驾客流网络密度较低，全体游览线路较少。在游览流研讨中，社会网络的凝集子群剖析可提醒网络内部的子结构，找出在游览联络上具有高度凝集力的游览节点调集，并依据各节点群之间的密度，得出游览客流集散的游览线路以及游览线路组合内的中心节点[12]，本文据此剖析提醒自驾客流在云南省的“线”状空间散布情况。运用凝集子群剖析前，需求对自驾客流量数据进行处理，挑选适宜的断点值取得二分矩阵。断点值的挑选需求经过屡次测验，防止太高易构成客流网络不衔接出现过多孤立节点或太低导致节点彻底衔接、联络不显着。本文经重复测验，终究切分值取为3，运用Ucinet6.237软件得出云南省自驾客流网络凝集子群剖析成果（表2）。
从表2可知，在凝集子群最小成员数为3的条件下，云南省自驾车游览客流网络中出现8个子群派系，有些派系之间联络反常严密，例如派系4与派系5联络严密是因为前往怒江游览区的客流一般会挑选在大理古城区逗留，而有些派系之间不存在任何联络（如派系4与派系6）。以派系密度高于或等于0.500为线路组合规范，一起考虑组合派系内游览节点的空间附近性和自驾车游览客流的游览倾向性，能够发现云南自驾客流首要散布在5条游览线路上：“昆明—玉溪—楚雄—曲靖”的滇中游览线，“昆明—大理—丽江—香格里拉”的滇西北游览线，“昆明—西双版纳”的滇西南游览线，“昆明—昆明周边—红河—文山”的滇东南游览线和“大理—腾冲—德宏”的滇西游览线，并且核算成果显现，散布于前3条“轴线”上的客流量显着多于后两条“轴线”。别的，在5条游览线路里，派系1和派系4均与地点游览线路内的其他派系联络严密（派系密度均高于0.500），结合中心性目标成果剖析可知，入滇自驾车游览客流的“线”状空间散布一起存在昆明市区、大理古城区与丽江古城区等3个中心。
3.2.3 自驾客流“区”状空间散布
在游览流研讨中，中心-边际剖析能够衡量区域内游览流散布的不平衡性、中心景区的强度以及它们与边际景区的联络程度，然后优化游览流的结构[17]。本文运用Ucinet6.237软件对云南省自驾客流网络进行中心—边际模型剖析，探求自驾客流的“区”状散布特征和不同片区游览节点之间的联络。成果显现，中心区包含昆明市区、昆明周边游览区、玉溪游览区、元阳—建水游览区 文山游览区、曲靖游览区、西双版纳中部游览区、大理古城—巍山游览区、苍山洱海游览区、丽江古城游览区等10个游览节点，边际区则包含其他14个节点，从地舆方位来看，云南省自驾客流首要会集散布的区域包含滇中片区、滇东南片区、滇西北片区以及滇西南的西双版纳游览区。在中心-边际密度剖析成果中，自驾客流全体网络密度为0.4042，而中心区的内部密度高达0.456，中心游览节点之间的自驾客流互动联络频密，但在边际区内的游览节点间密度仅为0.044，阐明云南省自驾车游览客流网络存在显着的结构分层；中心区对边际区的相关带动效应为0.193，远低于中心区内部的0.456，阐明中心区带动、影响边际区游览节点的效果并不显着，但边际区受中心区的辐射联络（0.193）仍强于边际区内游览节点间的联络（0.044）。
4 定论与评论
4.1 定论
本文以云南省这一典型自驾游目的地为事例，依据“数字脚印”搜集研讨数据，探求自驾车游览客流的时空散布特征，研讨发现：（1）依据数字脚印研讨的自驾车游览客流在出游时刻上的散布会集度较高，全体受假日时刻组织的影响，在黄金周假日和寒暑假简单构成客流的顶峰。（2）依据数字脚印的云南省自驾游览流客源商场空间结构具有显着的近域性与东部会集性特征，本省与周边省市以及东部滨海区域的客源占了90%以上的肯定比重；自驾客流空间运用曲线出现屡次“顶峰”，间隔衰减规则不显着，其引力场较大，首要会集在2360km规划内，全体客源商场空间散布与国内经济兴旺省市的地舆方位散布根本坚持一致。（3）依据数字脚印的入滇自驾客流空间结构具有“点”“线”“区”3种散布形状：一是自驾客流在云南24个游览节点间非均衡会集散布，其间昆明市区、大理古城—巍山游览区、丽江古城区等11个中心节点具有显着优势，充当着游览中心目的地、集散点、游览通道等重要人物，能够调集70%以上的自驾客流；二是自驾客流环绕昆明市区、大理古城区与丽江古城区等3个中心会集散布在滇中线、滇西北线、滇西南线、滇东南线和滇西线等5条线路上，并且客流在前3条线路上的散布会集度高于后两条线路；三是自驾客流会集散布在滇中（昆明、玉溪等）、滇西北（大理、丽江等）、滇东南（元阳—建水、文山等）以及滇西南（西双版纳）等4个区域；因而云南省自驾客流全体出现多中心、多线状、多区域的“线网状”空间散布形状。（4）依据数字脚印的云南省自驾客流全体空间网络密度较低，网络结构分层显着，中心区内的游览节点客流联合密度很高，但全体带动、影响边际区的游览节点的效果不大，省内24个自驾车游览区展开非常不平衡。
4.2 评论：与一般游览客流的异同及研讨奉献
交通东西的挑选简单影响游客的时刻与空间活动，因而自驾游客时空特征与一般游览客流存在必定的差异，本文比照剖析入滇自驾车游览客流与一般入滇游览客流在时空特征上的异同，能够深化提醒自驾客流的时空特性。比照研讨发现：（1）时刻特征方面，一般游览客流出游时刻会集在1月、7月、8月、10月，在黄金周与寒暑假日间简单构成客流顶峰[13]，这与依据数字脚印研讨得出的自驾客流时刻规则坚持一致；可是作为一般游览流出游冷季的2月和9月，却是自驾客流的出游旺季，由此可见入滇自驾客流的游览旺季继续时刻更长。（2）在客源商场空间散布方面，与一般游览客流的研讨结 果[14]类似，自驾客流大部分来自云南以及相邻的四川、重庆、广西、贵州等省，其间广西、贵州等经济展开水平较低省份的客源份额不高，湖南、湖北、江西等中部省份的客源比重较低。关于一般游览流而言，北京、上海、浙江、江苏等东部滨海经济兴旺省市客源份额偏低[14]，可是这些省市却成为云南自驾旅商场的重要客源地并占有近40%的商场总量。（3）客流在云南省内的“点”状空间散布特征方面，现有研讨发现一般游览流会集散布在昆明市、大理州、丽江市、西双版纳州、红河州、玉溪市与楚雄州，这6个游览点能调集60%以上的客流[14-16]；而本文研讨发现，自驾客流会集散布在大理古城区、苍山洱海区、丽江古城区、昆明市区、香格里拉中南部、泸沽湖、昆明周边区、西双版纳中部、大玉龙游览区、曲靖及玉溪等11个中心游览节点，并调集70%以上的自驾客流；由此可见，两种游览客流均呈非均衡会集的“点”状散布特征，可是自驾客流会集散布的游览景点（区）数量更多、规划更广。（4）本文将云南16州市详细区分红24个游览景区（点），比现有研 究[14-16]更详尽的区域区分能够更精确反映自驾游客的游览倾向以及自驾客流的散布特色；针对一般游览流研讨未深化剖析客流会集的游览景点在空间结构上的功用与方位问题，本文运用社会网络剖析法提醒了自驾客流会集散布的11个中心节点的网络特征，对现有研讨内容进行了弥补。（5）客流在云南省内的“线”状与“区”状空间散布特征方面，一般游览流会集散布在“昆明—玉溪—楚雄—曲靖”的滇中游览线、“昆明—大理—丽江—香格里拉”的滇西北游览线与“昆明—西双版纳”的滇西南游览线，区域上会集散布在滇中与滇西北两大区域，其他许多区域仍处于一种游览工业展开的“边际”方位[14-16]；而本文研讨发现，自驾客流除了会集散布在上述3条线路外，一起亦散布在“昆明—昆明周边—红河—文山”的滇东南游览线和“大理—腾冲—德宏”的滇西游览线，区域上则会集散布在滇中、滇东南、滇西南与滇西北等4大区域，区域之间存在“中心-边际”结构；综上所述，一般游览流出现以昆明为游览线路中心的“单核放射状”空间散布形状，而自驾客流则出现以昆明市区、大理古城区、丽江古城区为中心的“多核线网状”空间散布形状，自驾客流的空间散布规划更广、空间特征更为丰厚和杂乱。别的，一般游览客流的研讨并未注重客流散布会集的中心游览区与客流较少的边际游览区之间的关 系[14-16]，本文也对此进行了弥补。
在游览流时空特征为研讨热门及我国自驾游敏捷展开的两层布景下，本文依据“数字脚印”展开的入滇自驾车游览客流时空特征研讨具有重要含义：（1）与传统数据搜集办法比较，“数字脚印”具有客观、及时、高效、廉价、代表性强的优势，可被充沛运用于游览流时空规则研讨[9]，但现在运用这种办法研讨游览流的学者仍属少量，该办法的运用并不老练，本文选用网络行记与相片两种“游览数字脚印”的事例研讨可为未来运用“数字脚印”法的游览流时空研讨供给参阅。（2）有助于进一步清晰云南省自驾车游览商场的拓宽。例如东部滨海区域占有客流商场总量的50%以上，但中部区域商场份额偏低，因而在坚持东部优势的一起，应大力开辟湖南、湖北、安徽、江西等中部客源商场。（3）现在游览客流的空间特征研讨并未注重各区域在全体游览流空间结构中的方位与联络，使其空间优化的定论缺少更谨慎的理论基础[12]。本文引进社会网络剖析办法，剖析入滇自驾客流散布的游览节点在全体空间网络结构及内部节点的方位、功用与联络，对现有研讨进行了弥补。（4）本文在时空二元视角下评论自驾客流的散布特征，能够丰厚自驾游览流研讨的视角与内容。此外，本文经过比照剖析自驾客流与一般游览流两种不同类型游览客流在时空特征上的异同，深化提醒了自驾车游览客流时空散布规则的共同性，有利于自驾车游览目的地拟定更习惯商场需求的营销与办理计划。例如，云南省自驾客流网络结构剖析阐明中心游览区带动、影响边际区内游览节点的才能有限，因而，要活跃提高中心区竞争力并逐渐向边际区分散联动，而未来学界需求进一步加强自驾客流等特别交通游览流的研讨，尤其是在数据搜集、研讨办法等方面需求更多的探究和测验，为自驾车游览的目的地的展开供给理论 辅导。
参阅文献（References）
[1] Ma Yaofeng， Li Tianshun. Research on Inbound Tourist Flow in China [M]. Beijing： Science Press， 1999： 12-24. [马耀峰，李天顺. 我国入境游览研讨 [M]. 北京： 科学出版社， 1999： 12-24.]
[2] Lu Song. Research progress and revelation of tourism transport[J]. Tropical Geography， 2009， 29（4）： 394-399. [卢松. 游览交通研讨进展及启示[J]. 热带地舆. 2009， 29（4）： 394-399.]
[3] Ma Congling. The situation and trends of the development of self-driving travel in China[J]. China Economic & Trade Herald， 2014，10（29）： 46-47. [马聪玲. 我国自驾游展开的现状与趋势[J]. 我国经贸导刊， 2014，10（29）： 46-47.]
[4] Li Ang. Temporal characteristics of self-driving tourist flows： A case study of Chengde Mountain Resort and its outlying temples[A] // The Proceedings of Annual National Planning Conference 2013[C]. Beijing： China Architecture & Building Press， 2013： 108-116. [李昂. 自驾车游览客流时刻散布特征研讨——以承德避暑山庄与周围寺庙为例[A] // 2013我国城市规划年会论文集（04-景色游览规划）[C]. 北京： 我国建筑工业出版社， 2013： 108-116.]
[5] Shih H Y. Network characteristics of drive tourism destinations： An application of network analysis in tourism[J]. Tourism Management， 2006， 27（5）： 1029-1039.
[6] Lu Song， Ji Hui， Cai Yunfeng. A study on the spatial travel behavior of self-driving tourists into Huangshan City[J]. Geographical Research， 2013， 32（1）： 179-190. [卢松， 吉惠， 蔡云峰. 黄山市自驾车入游流游览空间行为研讨[J]. 地舆研讨， 2013， 32（1）： 179-190.]
[7] Girardin F， Blat J， Calabrese F， et al. Digital foot-printing： Uncovering tourists with user- generated content[J]. IEEE Pervasive Computing， 2008， 7（4）： 36-43.
[8] Vaccari A， Liu L， Biderman A， et al. A holistic frame-work for the study of urban traces and the profiling of urban processes and dynamics[A] // Proceedings of 12th International IEEE Conference on Intelligent Transportation Systems[C]. New York： Institute of Electrical and Electronics Engineers， Inc.， 2009： 1-6.
[9] Zhang Yanyan， Li Junyi， Yang Min. The tourism flow network structure of Xian based on tourism digital footprint[J]. Human Geography， 2014， 29 （4）： 111-118. [张妍妍， 李君轶，杨敏. 依据游览数字脚印的西安游览流网络结构研讨[J]. 人文地舆， 2014， 29 （4）： 111-118.]
[10] Xuan Guofu， Lu Lin， Wang Degeng， et al. Spatial characteristics of tourist flows in coast resorts[J]. Geographical Research， 2004， 23（1）： 115-124. [宣国富， 陆林， 汪德根， 等. 三亚市游览客流空间特性研讨[J]. 地舆研讨， 2004， 23（1）： 115-124.]
[11] Liu Fajian， Zhang Jinhe， Chen Dongdong. On the application of social network analysis in tourism research[J]. Tourism Forum， 2009， 2（2）： 172-177. [刘法建， 章锦河， 陈冬冬. 社会网络剖析在游览研讨中的运用[J]. 游览论坛， 2009， 2（2）： 172-177.]
[12] Yu Le， Li Qinglei， Li Wei， et al. Study on the temporal variation characteristics of domestic tourist flows and its influencing factors in Yunnan[J]. Tourism Overview， 2014， （2）： 67-68. [余乐， 李庆雷， 李伟， 等. 云南国内游览流时刻演化特征及其影响要素剖析[J]. 游览纵览， 2014， （2）： 67-68.]
[13] Li Weiqian. The Dynamic Change Rule of Domestic Tourist Flows to Yunnan： A Case Study of Dali[D]. Kunming： Yunnan Normal University， 2014. [李玮谦. 来滇国内游览流的动态改变研讨——以大理为例[D]. 昆明： 云南师范大学， 2014.]
[14] Zhang Haiyan， Li Wei. The temporal and spatial distribution characteristics of domestic tourist flows into Yunnan[J]. China Collective Economy， 2011， （04）：166-167. [张海燕， 李伟. 国内来滇游览流时空散布特征研讨[J]. 我国集体经济， 2011， （04）：166-167.]
[15] Peng Hongsong， Lu Lin， Lu Xingfu， et al. The network structure of cross-border tourism flow based on the social network method： A case of Lugu Lake region[J]. Scientia Geographica Sinica， 2014， 34（9）： 1041-1050. [彭红松， 陆林， 路美好， 等. 依据社会网络办法的跨界游览客流网络结构研讨——以泸沽湖为例[J]. 地舆科学， 2014， 34（9）： 1041-1050.]
[26] Dong Peihai， Li Wei. The study of spatial structure and sptimization about domestic tourist flows to Yunnan 2010[J]. Tourism Forum， 2012， 5（4）： 95-102. [董培海， 李伟. 2010年来滇国内游览流空间结构及其优化研讨[J]. 游览论坛， 2012， 5（4）： 95-102. ]
