《京沪高铁对主要站点旅游流时空分布影响》-管理学论文，旅游论文-论文范文参考-科学狗论文网

标题

京沪高铁对主要站点旅游流时空分布影响

范文

[摘要]交通是影响旅游流时空分布的最主要因素之一。文章以京沪高铁线为例，运用旅游场理论和社会网络分析方法，比较京沪高铁开通前后9个主要高铁站点的旅游流时空分布变化特征。研究表明：高铁开通强化了北京、上海和南京等重要旅游客源地和目的地的领先地位，呈现出高铁旅游流的“马太效应”；高铁促使靠近重要旅游目的地的竞争处于劣势的旅游地旅游流呈现“过道效应”；高铁促使空间距离临近的两个城市的旅游流呈现“同城效应”；高铁提升原本缺乏区位优势的旅游资源型站点的可进入性，同时对区域核心城市的交通依赖程度明显下降；高铁的时空压缩效应缩短旅途时间，可实现小长假的远程旅游，双休日的中程旅游，一定程度上避免了中远程旅游对黄金周的依赖，从而缓解出游时间的集中性，提高了旅游质量。

[关键词]旅游流；时空分布；高铁效应；京沪高铁

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2014）01-0075-08

1引言

旅游者是旅游活动的主体和核心，长期以来对旅游流的研究是旅游地理学关注的核心问题之一[1]。旅游流作为一个具有空间属性的旅游地理学概念，是旅游系统的神经中枢和纽带[2，3]，表现为游客在空间区域内的迁移现象[4]。狭义的旅游流仅指客流，即在一个区域内由于旅游需求的近似而引起的旅游者集体性空间位移现象，具体是指旅游者从客源地向目的地流动的人群数量和流动模式[5]；而广义的旅游流包括游憩流以及与此相关或伴生的关联流，如信息流、资本流、技术流、货物流和文化流等[6]。旅游流的流势在时空演化规律方面存在明显的经济导向性和区位导向性[7]。影响旅游流的主要因素包括旅游资源禀赋、交通条件、区位条件、经济条件、旅游产品结构、旅游服务设施水平和旅游者自身特征等[8-12]，尤其是交通系统对旅游流的影响更为显著[13，14]，旅游流流量在距离该客源地的不同空间范围具有不同的分布概率，距离越近，分布概率越大，距离越远，流量分布可能性越小[15]。因此，在假日制度的闲暇时间约束下，旅游目的地与客源地的时间距离成为影响旅游客流时空分布特征的重要因素[16]。

高速铁路（以下简称高铁）是当今世界“交通革命”的一个重要里程碑，因其解决了大通道上大量旅客快速输送问题，已成为世界各国铁路普遍发展趋势。由于高铁具有快速、安全和高效等优势从而产生明显“时空压缩”效应，游客出游半径会逐渐增大，影响到游客对旅游目的地的选择，进而对区域旅游流空间格局变化产生深远影响[17]。

基于此，为深入研究高铁对区域旅游流格局影响，本文以京沪高铁线为例，运用旅游场理论和社会网络分析方法，研究京沪高铁开通对主要高铁站点的旅游流的时空分布影响，以便为优化以高铁为核心的区域旅游空间结构提供有积极意义的借鉴。

2研究设计与数据来源

2-1旅游场

旅游场的场强表征旅游场源点对相应区域旅游发展的作用力，是旅游场效应的基本度量，其包括旅游辐射场强与旅游集聚场强。前者表明某旅游场源点对周围旅游区域的辐射带动力大小，后者表明某旅游场源点对周围旅游区域客流的集聚能力的强弱[18，19]。其公式为：

ET=EC+ED

EC=∑ijQij×Dij

ED=∑jiQji×Dij

式中，ET为旅游场的总强度，EC 和 ED分别为节点i的集聚场强和扩散场强，Qij为旅游场源点i辐射到源点j的客流量（j=1，2，3…），Qji为旅游场源点j集聚到源点i的客流量（i=1，2，3…），Dij为源点i和j间的距离。ET值越大，说明场强越大，其作用力也越大。其中，源点i和j既可以是旅游客源地，也可以是旅游目的地。

利用统计资料，根据场强计算公式，对京沪沿线重要旅游城市的旅游场强进行计算。由于统计的时间跨度不一致，无法用绝对值比较高铁开通前后各地旅游场强的变化情况，故采用相对场强的指标：

E′T=EC+ED∑ET×100%

E′C=∑ijQij×Dij∑EC×100%

E′D=∑jiQji×Dij∑ED×100%

2-2社会网络分析

社会网络分析是目前分析区域旅游流网络空间特征一种科学的研究方法，其中，中心性分析是社会网络分析的重点之一，是衡量网络中一个行动者重要与否、评价其地位优越性或特权性的重要结构位置指针。对旅游流网络进行多种中心性指标测度可以量化出旅游地在区域中的功能、地位、作用及重要性[20，21]。常用的测度模型有：程度中心性，接近中心性、中介性。本文主要运用程度中心性和中介性进行分析。程度中心性的测度指标为程度中心度，是衡量各旅游地间旅游流的交换能力，可用一个旅游地与其他旅游地之间直接联系多少来表示，有向旅游网络分为内向程度中心度和外向程度中心度，旅游者从某旅游地流向其他旅游地，为外向程度中心性，它代表了该旅游地在区域内的旅游流扩散作用的大小；反之为内向程度中心性，反映旅游流在此地的内聚性的强弱。具体表达方式为[22]：

CD，out（ni）=∑Xij

CD，in（ni）=∑Xji

式中，CD，out（ni）表示外向程度中心性，Xij代表节点i与节点j之间的连接关系；CD，in（ni）表示内向程度中心性，Xji代表节点j与节点i之间的连接关系。存在连接关系其值为1，不存在连接关系其值为0。

中介性是衡量个体节点在整个旅游流网络中作为媒介者能力的指标，从宏观上衡量某旅游地在旅游流网络中对其他旅游地控制或依赖程度。它主要通过测度一个旅游地出现在另外两个旅游地测地线之间次数的多少表示其重要性，类似于旅游流“桥”的作用，次数越多，中介性越大，对旅游流控制力越大，具有越多的结构优势，其他旅游地对它的依赖程度越强，具体公式为[20，21]：

CB（ni）=∑nj∑nkgjk（ni）gjk，j

式中，CB（ni）为某旅游地的中介性，gjk表示旅游地j和k间测地线数量，gjk（ni）表示一定要经过旅游地i的测地线数量，n为旅游地个数。

2-3案例地选取及数据来源

为研究京沪高铁开通前后主要站点旅游流时空分布变化特征，本文以全球最大的中文Web2-0自助游网站——“游多多旅行网”（http：//www.yododo.com/）旅游者出游后上传的游记行程攻略为素材库，统计旅游者选择旅游目的地、旅游空间行为以及出游时间情况，筛选和统计条件为：

（1）出游时间以2007年4月18日至2012年12月31日为研究时间段，2007年4月18日为我国铁路第六次提速起始日，2011年6月30日为京沪高铁开通日；

（2）交通工具方面，往返于客源地、目的地或集散地的主要交通工具须为火车或高铁；

（3）由于研究高铁对站点城市旅游流时空分布演化，在统计游记攻略中反映的旅游流发现，很多站点的旅游流量非常少，甚至一些站点没有旅游流发生。

因此，为了更好分析高铁对旅游流时空分布的影响，本文选取旅游流量显著的9个案例地站点，分别为北京、天津、济南、泰山（位于泰安市的泰山知名度更高，因此本文以泰山站来代替泰安站）、曲阜、南京、无锡、苏州和上海，这些案例地拥有数量较多且品位度高的旅游资源，包括世界遗产、国家级风景名胜区、5A级旅游区和4A级旅游区（表1），而旅游者出游倾向于选择旅游资源品位度高的旅游目的地作为标准[23]，因此，拥有高品位旅游资源的9个案例地倍受旅游者出游青睐，具有较高的旅游流量，符合作为研究对象。

3京沪高铁开通前后主要站点旅游流时空分布变化

3-1旅游流空间场变化特征

3-1-1相对聚集场强变化

表2显示，京沪高铁开通前后，北京和南京的相对积聚场均居前两位，对京沪沿线的旅游流有很强的吸引力，其中，北京的相对聚集场强最大，其吸引的旅游流占9个案例地总数的1/5以上，这与北京拥有大量高品位的旅游资源密切相关（表1）。南京的旅游聚集场强仅次于北京，占9个案例地总和的1/7以上，除南京的旅游资源质量与数量较高外，还得益于南京位于上海、北京、天津、苏州等重要的旅游客源地的中间位置，区位优势明显，方便旅游者出行。另外，京沪高铁开通后，北京和南京的相对积聚场强均变大，说明高铁时空压缩效应对旅游流吸引力增强影响凸显，表现出明显旅游流聚集的“马太效应”。

无锡和天津的相对聚集场强始终较小，且高铁开通后有变小趋势，主要原因为：（1）从旅游资源禀赋看（表1），无锡与天津在9个案例地中均不占优势；（2）无锡和天津在地理区位上也不占优势，天津紧靠北京这一重要旅游目的地，而无锡紧靠上海、南京和苏州等重要的旅游目的地。因此，高铁开通后，加剧了无锡与天津旅游流的“过道效应”，致使他们的相对聚集场强变小。

高铁开通前后，相对聚集场强变化较为显著的是济南、曲阜和泰山，变化率分别为64%，51%和36%，济南变化最大。本文研究发现，高铁开通前，由于直接到达曲阜和泰山的火车班次少，但从济南乘汽车前往泰山和曲阜比较方便，由此京沪沿线的火车旅游者大都会选择济南作为中转地，乘汽车去往泰山和曲阜。因此，尽管济南在9个案例地中旅游资源质量和数量较低，但因其具有中转功能而具有较强的旅游聚集场强（10-9%）。京沪高铁开通后，泰山和曲阜均是高铁站点，致使可进入性大大增强，旅游者则直接坐高铁到达泰山和曲阜，因此，泰山和曲阜的旅游聚集场强显著上升。进一步分析发现，济南、曲阜和泰山的相对聚集场强总和几乎没有变化，由高铁开通前的28-1%变为高铁开通后的28-6%，这也说明了高铁开通后大部分旅游者不以济南作为中转地而是直接到达泰山和曲阜。

3-1-2相对扩散场强变化

京沪高铁开通前后，9个案例地的相对扩散场强排序没有发生变化，即上海、北京、南京、天津、苏州、济南、无锡、曲阜和泰山，这主要与客源地的经济、人口等多方面因素有关。上海、北京、南京和天津等案例地均是经济发达、人口稠密的城市，因此这些城市的旅游扩散场强很大。尤其是上海和北京两地拥有极高的经济发展水平和众多的人口数量，出游需求及消费能力非常强，致使两地的相对扩散场强最大，累计比重超过50%，且高铁开通后，由于高铁产生时空压缩效应使两地的相对扩散场强进一步增强，呈现出高铁旅游流扩散的“马太效应”。

相反，作为资源型旅游地，泰山和曲阜两地受经济发展程度和人口规模等因素限制，两地的旅游相对扩散场强极小，不足1%。济南相对扩散场强减少较显著，下降幅度达到33-3%，主要原因：一是济南只有4A级旅游区，旅游资源品位度明显低于周边的泰山和曲阜，旅游吸引力也就难以与泰山和曲阜竞争；二是泰山和曲阜两地均设有京沪高铁站，可进入性大大增强，已不需要从区域中心城市济南中转。由此可见，高铁开通后，作为有明显中转功能的济南旅游地对周边资源型旅游地的旅游流“扩散效应”大大下降（表2）。

3-1-3相对总场强变化

高铁开通前后，北京、上海、南京和苏州的相对总场强始终位列前4。北京的相对总场强最大，占到整体总场强的1/4，是最重要的旅游客源地和目的地。其次是上海，占到整体总场强的近1/5，是最重要的旅游客源地和重要的目的地。南京和苏州的总场强均超过10%，是重要的旅游目的地和客源地。另外，北京、上海、南京和苏州的相对总场强在高铁开通后均出现增强态势，呈现出高铁旅游流的“马太效应”。天津的总场强接近10%，但主要是旅游扩散场强明显，因此天津是京沪高铁线的重要客源地。济南的总场强在高铁开通后下降明显，主要表现为扩散效应下降明显，且因本身旅游资源吸引力不强，旅游流的积聚场强也相对较弱。作为资源型旅游地泰山和曲阜的总场强均增强，尤其是高铁开通后旅游流的积聚场强增加明显，高铁时空压缩效应大大提高了高铁站资源型旅游地的吸引力，因此泰山和曲阜是京沪高铁线重要的旅游目的地。无锡高铁前后的总场强均较低，在9个案例地中处于竞争劣势。

3-2旅游流空间分布变化特征

用UCINET 6 软件的相关模块对旅游流的中心性进行分析，结果如表3和图1所示。

程度中心度是反映旅游地间旅游流交换能力的指标，类似于旅游场强。其中，外向性反映了节点的扩散能力，表3显示外向性较大节点为上海、北京、南京和天津，说明这些地方的旅游流扩散能力较强，尤其是北京和上海的外向性指数在30以上，且高铁开通后均变大。泰山和曲阜的外向性最小，说明两地的旅游流扩散能力最弱。高铁开通后，济南的外向性显著减少。上述分析与旅游场强的分析结果相吻合。程度中心度的内向性反映了旅游地吸引旅游流的能力，由表3看出，苏州、南京、泰山和北京等地的内向性最大，也与旅游场强的分析结果吻合。此外，高铁开通后整个网络的外向性和内向性均值都有所提高，说明高铁促进了京沪沿线旅游地间旅游流的整体交换能力。

图1显示，北京与济南、苏州的旅游流网络联系由高铁开通前的一般态势转变为高铁开通后的较强态势。泰山与曲阜间的旅游流网络联系由高铁开通前的一般态势转变为高铁开通后的极强态势。另外，北京与天津、上海与南京、上海与苏州空间距离较近，高铁开通前旅游流社会网络联系为较强态势，高铁开通后旅游流量增强，社会网络联系升级为极强态势，呈现出高铁的“同城效应”。尤其是，虽然天津在积聚场强方面呈现出过道效应，但天津扩散场强明显，表明高铁促进天津与北京的联系，方便从天津当日往返出行到北京。

中介性反映了旅游地在旅游流关系上对其他旅游地的控制能力和依赖程度。高铁开通前，济南的中介性最大，济南作为山东核心城市，对周边泰山和曲阜的旅游流有很强的控制力；高铁开通后，因泰山和曲阜拥有高铁站，增强了可达性，对济南的依赖程度下降，由此济南中介性下降明显。京沪高铁开通后，高铁时空压缩效应显著，使北京、上海和南京的中介性显著提升，由此更加利于旅游流的聚集和扩散（表3）。

3-3旅游流时间分布变化特征

由表2可知，北京和上海是京沪高铁线最重要的客源地，两地的扩散场强之和超过9个站点总和的一半（高铁开通前后分别为52-1%和56-2%），具有显著的代表性，因此，以北京和上海为代表，分析高铁对旅游流时间分布变化影响。以京沪两地为起点，以0～300km为近程范围，300km～800km为中程范围，800km以上为远程范围的标准[24]，将北京和上海客源地到各旅游资源点的空间距离分为近程、中程和远程3类。同时，将出游时间分为5大类，即双休日、小长假、黄金周、其他时间和寒暑假，对京沪两大客源地按照去往不同旅游资源点的时间分别统计，各时间段的比重如图2所示。

图2-a显示了高铁开通前后北京旅游流时间分布变化特征。（1）由图2-a可知，近程旅游主要集中在双休日，高铁前后分别占58%和55%；在小长假期间，短途旅游流量由高铁开通前的17%降为高铁开通后的9%；黄金周和寒暑假期间短途旅游流接近于0；而短途旅游流在“其他时间”则由17%上升为36%。（2）从中程旅游流时间分布看，高铁开通后，发生在双休日的中程旅游流大幅增加，由高铁开通前的21%增至高铁开通后的47%，变为首选的出行时间；而高铁开通前，则选择小长假出游为主导，占将近50%，高铁开通后，则降为27%，表明高铁开通后，在双休日就可以实现中程旅游。（3）从远程旅游流发生的时间看，高铁开通前，远程旅游流主要发生在寒暑假期间，占40%，其次为其他时间和黄金周，分别为27%和13%；高铁开通后，远程旅游流主要发生在小长假和其他时间，均为35%，表明高铁开通后，3天时间即能实现远程旅游，而选择在寒暑假和黄金周出行的旅游流则大幅降为6%，由于黄金周和寒暑假时间较长，保证远程旅游，但也出现热点景区人满为患，出游质量下降，高铁时空压缩效应极大缩短旅途时间，从而使旅游者可在3天的小长假实现远程旅游。此外，高铁开通之前，在双休日产生的远程旅游流几乎为0，利用火车在双休日进行远程旅游几乎不可能，但在高铁开通后，产生巨大的时空压缩效应，双休日产生的旅游流上升为18%。

图2-b显示了高铁开通前后上海旅游流时间分布变化特征。（1）高铁开通前后，上海出行近程空间范围旅游均主要集中在双休日，分别占53%和48%；小长假期间，短途旅游流量由高铁开通前的22%下降为高铁开通后的14%，寒暑假期间的短途旅游流一直维持在10%左右。根据游记材料发现，利用小长假或寒暑假进行短途旅游的大多数不是上海客源，而是中远程游客先到上海后，再沿苏州—无锡—南京等城市游览，改变原先的单一旅游目的地为旅游链模式，因此，在小长假或寒暑假的这部分客流实质上也应是远程客流。（2）从中程旅游流发生的时间看，高铁开通前主要集中在小长假和其他时间，分别为35%和29%，高铁开通后，则主要集中在双休日、小长假和其他时间，分别为39%、28%和28%，而黄金周由7%下降为接近于0。（3）从远程旅游流发生的时间看，高铁开通前旅游流主要集中在寒暑假、其他时间和黄金周，分别为33%、33%和25%；小长假仅为8%，表明利用火车3天时间难以实现远程旅游，双休日则更困难，比重接近于0；但高铁开通后，选择在小长假和双休日进行远程旅游比重较大，分别为27%和18%，表明高铁开通后，选择3天时间实现远程旅游较为普遍，成为大多数旅游者的首选。

4结论与讨论

（1）高铁促使旅游流呈现“马太效应”。从旅游场和社会网络看，高铁前后上海和北京的扩散场强最大，同样，旅游流外向程度中心性的系数最大，成为京沪高铁线最重要的旅游客源地，更为突出是，高铁开通后，北京和上海的扩散场强和外向程度中心性均表现出增强趋势，呈现出旅游流扩散的“马太效应”；高铁前后北京和南京的积聚场强和内向程度中心性的系数均比较大，且高铁开通后均有增长的态势，呈现出旅游流积聚的“马太效应”。

（2）高铁促使旅游流呈现“过道效应”。在9个高铁站点中，天津紧靠北京这一重要旅游目的地，无锡紧靠上海、南京和苏州等重要的旅游目的地。高铁前后天津和无锡的积聚场强和内向程度中心性的系数均比较小，且高铁开通后均有下降的态势，呈现出旅游流积聚的“过道效应”。

（3）高铁促使旅游流呈现“同城效应”。北京与天津、上海与南京、上海与苏州空间距离较近，高铁开通前旅游流社会网络为较强态势，高铁开通后旅游流量均表现出增强态势，社会网络联系升级为极强态势，表现出了高铁“同城效应”。

（4）高铁提升了缺乏区位优势旅游地的可进入性，进而增强吸引力。泰山和曲阜旅游资源价值极高，但在高铁开通前，交通不变，可进入性差，对远程旅游流的吸引力十分有限，要借助于交通发达的济南作为客流的集散地；高铁开通打破了泰山和曲阜依赖济南交通格局，提高了对远程客源地的吸引力，积聚场强和内向程度中心性的系数增长显著。

（5）从旅游流时间分布变化看，高铁影响明显的是中程和远程旅游。高铁开通前的中程旅游主要选择小长假，但高铁开通后，选择双休日进行中程旅游的比重大幅度上升；对于远程旅游，高铁开通前主要选择黄金周和寒暑假两个时间段，高铁开通后，选择小长假和双休日出游占有较大比重，且比高铁开通前明显上升。高铁实现旅游流分流，达到“削峰填谷”目标。

受数据资料的限制，本文只对比分析了旅游者乘坐火车和高铁出行的主要站点旅游流的时间和空间分布特征，而火车和高铁只是居民出游可选择的众多交通工具的两种，居民还会选择航空和汽车等交通方式出游，且在出行过程中，游客还会将高铁和其他交通工具配合使用。另外，高铁不仅是对高铁站点的旅游流时空分布会产生影响，同时对高铁线腹地区域的旅游流时空分布也会产生影响。因此，将研究视角放大到航空、火车、汽车和高铁综合交通系统，并将高铁线影响的腹地区域综合考虑进来，高铁对区域旅游流时空分布的影响将会更加复杂，需要在今后研究中进一步深入探讨和分析。

参考文献（References）

[1]Tang Shuntie， Guo Laixi. Study of tourist flow system [J]. Tourism Tribune， 1998， 13（3）：38-41. [唐顺铁，郭来喜. 旅游流体系研究[J]. 旅游学刊， 1998， 13（3）：38-41.]

[2]D Pearce. Tourism Development [M]. New York： Longman Group Limited， 1981- 67-75.

[3]Wu Jinfeng， Bao Haosheng. Spatial structure mode of tourist system [J]. Scientia Geographical Sinica， 2002， 22（1）： 96-101. [吴晋峰，包浩生. 旅游系统的空间结构模式研究[J]. 地理科学， 2002， 22（1）： 96-101.]

[4]Yang Xingzhu， Gu Chaolin， Wang Qun. Analyze of driving force of tourist flow [J]. Geographical Research， 2011， 30（1）： 23-36. [杨兴柱，顾朝林，王群. 旅游流驱动力系统分析[J]. 地理研究， 2011， 30（1）： 23-36.]

[5]Ma Yaofeng， Li Tianshun. Research of Chinas Inbound Tourism [M]. Beijing： Science Press， 1999- 12-24. [马耀峰，李天顺. 中国入境旅游研究[M]. 北京：科学出版社， 1999- 12-24.]

[6]Zhang Jinhe， Zhang Jie， Li Na， et al. Analyze Chinas domestic tourist flow spatial field [J]. Geographical Research， 2005， 24（2）： 293-303. [章锦河，张捷，李娜，等. 中国国内旅游流空间场效应分析[J]. 地理研究， 2005， 24（2）： 293-303.]

[7]Zhang Youyin， Ma Yaofeng. Timespatial evolution law of tourist flow of Beijings indirect inbound tourism[J]， Tourism Tribune， 2011， 26（10）： 31-35. [张佑印，马耀峰. 北京间接入境聚集旅游流流势时空演化规律研究[J]. 旅游学刊， 2011， 26（10）： 31-35.]

[8]Xuan Guofu， Lu Lin， Wang Degen， et al. Tourist flow spatial feature of Sanya city [J]. Geographical Research， 2004， 23（1）： 115-124. [宣国富，陆林，汪德根，等. 三亚市旅游客流空间特性研究[J]. 地理研究， 2004， 23（1）： 115-124.]

[9]Wang Yunming， Gao Yuanheng. Tourism interaction between Shanghai and provinces of Yangzi River vally [J]. Acta Geographica Sinica， 2008， 63（6）： 657-688. [汪宇明，高元衡. 上海与长江流域各省区间的旅游互动[J]. 地理学报， 2008，63（6）：657-668.]

[10]Liu Fajian， Zhang Jie， Chen Dongdong. Net structure characters and causes of Chinas inbound tourism [J]. Acta Geographica Sinica， 2010， 65（8）： 1013-1024. [刘法建，张捷，陈冬冬. 中国入境旅游流网络结构特征及动因研究[J]. 地理学报， 2010， 65（8）： 1013-1024.]

[11]Lin Lan， Kang Zhilin， Gan Mengyu， et al. An analysis of the spatial field effects of tourist flow of Taiwanese visiting mainland China based on airports [J]. Geographical Research， 2007，26（2）： 403-413. [林岚，康志林，甘萌雨，等. 基于航空口岸的台胞大陆旅游流空间场效应分析[J].地理研究， 2007，26（2）： 403-413.]

[12]Yang Guoliang， Zhang Jie， Liu Bo， et al. Study on the ranksize distribution and variation of crude oil flow in China [J]. Geographical Research， 2007，26（4）：662-672. [杨国良，张捷，刘波，等. 旅游流流量位序—规模分布变化及其机理[J]. 地理研究， 2007，26（4）：662-672.]

[13]Prideaux B. The role of the transport system in destination development [J]. Tourism Management.2000， 21（3）：53-63.

[14]Jameel K， Boopen S. Transport infrastructure and tourism development [J]. Annals of Tourism Research， 2007， 34（4）：1021-1032.

[15]J S L S. Recreation Geography [M]. New York： Longman Group Limited， 1983-149.

[16]Liu Zehua， Li Haitao， Shi Chunyun， et al. The response of short term tourist flows to space structure of reginal tourism [J]. Acta Geographica Sinica， 2012， 25（12）： 1623-1632. [刘泽华，李海涛，史春云，等. 短期旅游流时间分布对区域旅游空间结构的响应[J]. 地理学报， 2012， 25（12）： 1623-1632.]

[17]Wang Degen， Chen Tian， Li Li， et al. Enlightenment and research of tourism impact on Highspeed Rail [J]. Scientia Geographical Sinica， 2012， 32（3）： 322-328. [汪德根，陈田，李立，等. 国外高速铁路对旅游影响研究及启示[J]. 地理科学， 2012， 32（3）： 322-328.]

[18]Li Chuangxin， Ma Yaofeng， Zhang Ying， et al. Dynamic evolution mode of regional dominance indexes of Chinese inbound tourism flows during 1993 to 2008：An empirical research based on modified entropy technology [J]. Geographical Research， 2012， 31（2）：257-268. [李创新，马耀峰，张颖，等. 1993～2008年区域入境旅游流优势度时空动态演进模式[J]. 地理研究， 2012， 31（2）：257-268.]

[19]Zhang Jinhe， Zhang Jie， Liu Zehua. A study on spatial competition among tourism regions based on the theory of tourism field [J]. Scientia Geographical Sinica， 2005， 25（2）： 248-256. [章锦河，张捷，刘泽华. 基于旅游场理论的区域旅游空间竞争研究[J]. 地理科学， 2005， 25（2）： 248-256.]

[20]Liu Fajian， Zhang Jie. Roles and functions of provincial destinations in Chinese inbound tourist flow network [J]. Geographical Research， 2010， 29（6）： 1141-1152. [刘法建，张捷. 中国入境旅游流网络省级旅游地角色研究[J]. 地理研究， 2010， 29（6）： 1141-1152.]

[21]Yang Xingzhu， Gu Chaolin， Wang Qun. Urban tourism flow network structure construction in Nanjing [J]. Acta Geographica Sinica， 2007， 62（6）： 609-620. [杨兴柱，顾朝林，王群. 南京市旅游流网络结构构建[J]. 地理学报， 2007， 62（6）： 609-620.]

[22]Wu Jinfeng， Pan Xuli. Study on the relationship between inbound tourism flows network and aviation network[J]， Tourism Tribune， 2010， 25（11）： 39-43. [吴晋峰，潘旭莉. 入境旅游流网络与航空网络的关系研究[J]. 旅游学刊， 2010， 25（11）： 39-43.]

[23]Chen Jianchang， Bao Jigang. A study of tourist behavior and its practical significance [J]. Geographical Research， 1988， 7（3）： 44-50. [陈健昌，保继刚. 旅游者的行为研究及其实践意义[J]. 地理研究， 1988， 7（3）： 44-50.]

[24]Wang Degen， Chen Tian， Liu Changxue， et al. Analysis on the residents perception of holiday adjustment impacts leisure travel in the developed regions [J]. Geographical Research， 2009， 28（5）：1414-1426. [汪德根，陈田，刘昌雪，等. 发达地区居民对节假日调整影响休闲旅游的感知分析[J]. 地理研究， 2009， 28（5）：1414-1426.]

[13]Prideaux B. The role of the transport system in destination development [J]. Tourism Management.2000， 21（3）：53-63.

[14]Jameel K， Boopen S. Transport infrastructure and tourism development [J]. Annals of Tourism Research， 2007， 34（4）：1021-1032.

[15]J S L S. Recreation Geography [M]. New York： Longman Group Limited， 1983-149.

[13]Prideaux B. The role of the transport system in destination development [J]. Tourism Management.2000， 21（3）：53-63.

[14]Jameel K， Boopen S. Transport infrastructure and tourism development [J]. Annals of Tourism Research， 2007， 34（4）：1021-1032.

[15]J S L S. Recreation Geography [M]. New York： Longman Group Limited， 1983-149.

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。