中國游客赴泰旅游流網絡結構及其形成機理研究

阮文奇 張舒寧 鄭向敏

摘 要：以中國大陸居民赴泰旅游路線為研究對象，通過旅游分享社區網站，采集2016年整年赴泰旅游線路，構建旅游流有向網絡，運用社會網絡方法分析旅游流網絡的結構特征，并通過地理探測器分析其形成機理。研究表明：①中國赴泰旅游流網絡呈現環形放射狀，形成了以曼谷為核心，多基點向四周散射的環形旅游流空間結構，網絡密度與中心勢偏低，網絡聯結相對松散，冷熱點明顯，空間差異性突出；②赴泰旅游流網絡“核心—邊緣”結構突出，網絡核心區與邊緣區數量差異大且互動較少；③曼谷、清邁、芭提雅、普吉島、拜縣處于中國游客赴泰旅游流網絡的關鍵位置，是赴泰旅游集散中心；④中國游客赴泰旅游目的地分為五個等級，其中邊緣旅游目的地數量過多；⑤從整體來看，旅游接待能力、旅游資源稟賦、旅游目的地知名度、社會治安對赴泰旅游流網絡影響作用明顯，是旅游流網絡結構形成的主要影響因素。在此基礎上，探討了中國游客赴泰旅游流網絡結構的形成機理。

關鍵詞：旅游流網絡；出境旅游；網絡特征；地理探測器；泰國

中圖分類號：F59 文獻標識碼：A

0 引言

出境旅游是中國旅游發展的重要組成部分，發展出境旅游有助于平衡旅游經濟體系[1]。隨著中國經濟發展，居民旅游消費能力增強，出境旅游成為越來越多居民的選擇。泰國作為中國最早開放的出境旅游市場，近年來逐漸成為中國游客首選的出境游目的地，赴泰自由行的游客逐漸增多。在中泰游客互免簽證及“一帶一路”倡議的推動下，中國赴泰旅游人數逐年上升，2012年～2016年，中國赴泰游客從200余萬人次上升至877萬人次。2017年受泰國延續免簽證費用政策和“薩德”事件影響，中國很多線下旅行社、OTA將旅游營銷轉向泰國，中國游客赴泰旅游持續升溫。出境旅游是衡量一個國家旅游業及社會經濟發展水平的重要指標[2]。國內外學者主要從發展趨勢、市場預測、消費特征、安全防范、經濟影響及其規制等方面進行中國出境旅游研究[3-8]。研究主要停留在宏觀層面，較少從微觀角度進行研究[9]，而從旅游流等微觀視角進行中國出境旅游研究的更少。

目前，國外學者主要從空間特征[10-11]、分布[12]、模式[13]、規模預測[14-15]、影響因素[16]等方面進行旅游流研究。國內學者研究主要集中在旅游流的時空分布[17]、空間結構[18]、時空演化[19]、流動規律[20]、驅動機制[21]等方面，研究視角和方法多元化。社會網絡理論對諸多旅游問題具有強大的解釋力[22]，不少學者通過社會網絡方法分析旅游流等相關問題。楊興柱首次借助社會網絡分析方法，研究了南京市16個景區組成的旅游流網絡結構特征[23]；張妍妍等通過采集游客的數字足跡并結合社會網絡方法，分析了西安國內散客旅游流時間及網絡結構特征[24]；吳晉峰等[25]揭示了入境旅游流網絡結構與航空網絡結構的關系；Shih[26]和Scott等 [27-28]采用社會網絡分析方法對旅游目的地網絡特性、網絡凝聚力和旅游目的地體系演化進行研究；吳中堂分析了大陸居民到臺灣自由行旅游流網絡的演化路徑[29]?？傮w來說，旅游流的研究主要集中在入境旅游方面，對出境旅游流研究較少。

基于文獻回顧，本文通過旅游分享社區網站，采集赴泰旅游線路信息，構建中國游客赴泰旅游流有向網絡，通過社會網絡方法分析中國游客赴泰旅游流網絡的空間結構與網絡特征，揭示赴泰旅游的空間分布特征及流動規律，并運用地理探測器分析旅游流網絡的形成機理，把握中國游客赴泰旅游的行為特征及其驅動機制。

1 數據來源和研究方法

1.1數據來源

網絡游記是帶有地理空間信息的無干擾性資料，具有客觀、數量大、方便獲取的特點。馬蜂窩網與攜程網是國內影響力較大的旅游分享社區網站，其作為數據收集網站具有典型性，由于旅游流網絡空間結構特征的季度和月度變化較為明顯，而旅游流網絡結構規律特征的跨年度變化相對穩定，因此本文以一個自然年為研究區間，篩選出2016年1月到2016年12月符合標準的1000篇中國游客赴泰游記。

赴泰旅游流網絡以旅游目的地為節點，按照游客出行的行程節點順序連接網絡，建立n行n列賦值矩陣V，依次將所有的流向關系轉化成賦值矩陣。首先，將1000篇游記中的旅游線路拆分為有向節點對，如曼谷→芭提雅→普吉島，拆分為曼谷→芭提雅和芭提雅→普吉島，節點對之間若存在一次直接流動則記為1，不存在則記為0，以此累積，并以矩陣形式儲存于Excel表格中。其次，游客對旅游目的地（以下稱為節點）名稱的認識不同，其名稱存在差別，如格蘭島的名稱有“閣蘭島”、“格瀾島”，濤島又稱“龜島”，所以對節點名稱進行一致化處理。最終共收集到64個節點之間的關系數據，獲得一個64×64的多值有向關系矩陣。

1.2 研究方法

1.2.1整體網絡評價指標

網絡規模是指網絡中節點數量，個體網絡規模則反映一個節點與其緊密聯系的節點總數。網絡密度為網絡中實際存在的關系數除以理論上最大的關系數，用來揭示網絡結構的緊密度。公式如下：

“核心—邊緣”模型主要用來反映節點在網絡中所處位置的重要性，運用模型判別旅游節點在旅游流網絡中的位置，確定網絡中的核心節點和邊緣節點，并分析其之間聯系的緊密程度。

1.2.2節點結構評價指標

研究選取中心度、結構洞作為赴泰旅游流網絡的節點結構評價指標。中心度是對個體指標的量化分析，是用來刻畫節點重要性程度的指標，包括度數中心度、接近中心度、中間中心度三種類型。度數中心度是測量一個節點與其他節點發展交往關系的能力，依賴于該點與鄰點之間的關系[29]。接近中心度是指某節點到其他節點最短距離之和。值越小則接近中心度越高，該節點在網絡中越處于核心地位，不受其他節點控制的能力強，與其他旅游地的旅游流通達性越高，聯系越緊密[30-31]。中間中心度是旅游目的地在旅游流網絡中對其他旅游目的地的控制和依賴程度[30-31]。結構洞指標可以判別網絡中的優勢和劣勢節點。本文采用伯特（Burt）結構洞指數中的有效規模、效率性、限制度三個指標進行計算。有效規模越大，節點在社會網絡中的行動越自由，越不受限制。效率越大，說明節點在社會網絡中的行動越高效。限制度指某節點在網絡中運用結構洞的能力，一個旅游節點有效規模高、限制度低，則此節點的結構洞水平高。

2 旅游流網絡結構特征

2.1 旅游流網絡空間結構及統計特征

用Netdraw軟件繪制中國游客赴泰旅游流網絡結構圖。由圖1可知，中國赴泰旅游流網絡主要呈現環形放射狀，形成了以曼谷為核心，多基點向四周散射的環形旅游流空間結構。其中曼谷與芭提雅、普吉島、清邁聯系密切，是中國游客赴泰旅游流的黃金渠道。在1000條旅游線路中，出現節點4096個，出現頻率較高的節點有曼谷、清邁、芭提雅、普吉島、拜縣、甲米、清萊，出現頻次最高的曼谷高達859次。從旅游目的地類型看，57.81%為島嶼景觀，18.75%為古建筑。同時，統計顯示絕大部分節點出現的頻次較低，67.19%的節點出現頻次不超過10次，只有10.93%的節點出現頻次超過100次。

2.2 赴泰旅游流整體網絡特征

2.2.1規模及密度分析

中國游客赴泰旅游流網絡規模為64，網絡密度為0.4162，標準差為4.5128。旅游流網絡中實際存在的關系數量為1678，只有41.62% 的旅游目的地相互聯系，平均每個節點與26個其他節點存在著旅游流集聚和輻射聯系，網絡結構較為松散。網絡規模較大，曼谷、普吉島、芭提雅、清邁、大城、拜縣、蘇梅島、甲米等節點存在旅游流集聚現象，而其他節點旅游流互動較弱，聯系相對不夠緊密，整體網絡密度標準差較大，旅游目的地離散程度較高。曼谷的個體網絡規模最大為37，說明有37個旅游目的地與之緊密相連，普吉島、芭提雅、清邁、甲米次之，反映出曼谷、普吉島、芭提雅等地是中國游客赴泰旅游的集散中心。

2.2.2 “核心—邊緣”分析

通過Ucinet 6.0進行核心-邊緣分析，結果如表1所示，核心節點9個，邊緣節點55個。曼谷、華欣、清邁、清萊、普吉島、芭提雅、甲米、拜縣、大城位于核心區，濤島、帕岸島、格蘭島、沙美島等55個旅游目的地位于邊緣區，“核心-邊緣”結構明顯。反映出赴泰旅游流網絡中核心區均是知名度較高、通達性較好的旅游地，而邊緣區大多為小島、知名度較低的地區，邊緣地區不具備較高的競爭力，通常為“路過式”游覽。

核心節點在網絡中承擔著擴散中心、集聚中心和中轉中心等不同的角色功能，并對邊緣節點具有控制作用。核心節點之間的聯結密度為16.194，聯系緊密，易形成凝集子群，邊緣節點之間的連接密度僅0.033，邊緣區旅游目的地間聯系交流少。而核心區到邊緣區密度為0.497，邊緣區到核心區密度為0.341。研究表明核心節點之間聯系密切，而核心節點與邊緣節點、邊緣節點之間的互動性較弱，核心節點帶動性不強。旅游流集中于曼谷、普吉島、清邁等交通便利、資源豐富的旅游地，且在中國宣傳力度較大，加之泰國取景拍攝影視劇的熱播，吸引眾多中國游客前往。而如董里府、叻丕府等旅游地知名度較低，游客到訪量較低，且核心區節點偏少、邊緣區節點偏多也阻礙了赴泰旅游市場發展。

2.3 赴泰旅游流節點結構特征

2.3.1中心度分析

通過Ucinet 6.0軟件計算節點中心度（表2）。點出度中心勢為3.304%，點入度中心勢為4.876%，數值較低，網絡相對松散，旅游流網絡關系較為對稱。外向度數中心度標準差為64.299，低于內向度數中心度77.040，反映了少數旅游目的地承擔了大多數游客輸入功能。

（1）度數中心度分析。從外向度數中心度方面看，曼谷最高為352，說明曼谷具有較強的游客輸出能力，是中國赴泰游客首要的擴散中心，這與曼谷作為泰國經濟政治文化中心、對外開放交流中心、交通中心有較大關系。清邁、芭提雅、普吉島、拜縣的外向度數中心度僅次于曼谷，是重要赴泰旅游擴散中心。甲米、清萊、華欣、大城、蘇梅島等旅游目的地外向度數中心度介于10～70之間，是次要的赴泰旅游集散地?？ɡu等旅游地最低，其值為0，擴散能力很弱。從內向度數中心度方面看，最大的是曼谷為507，說明曼谷也具有很強的游客吸納功能，是赴泰旅游的集聚中心和入境旅游門戶，這與曼谷旅游資源豐富、交通便利密切相關。清邁、芭提雅、普吉島僅次于曼谷，也是重要集聚中心；甲米、拜縣、清萊、華欣等旅游地內向度數中心度介于10～80之間，是次要游客集聚地。

（2）中間中心度分析。曼谷中間中心度最大且遠高于其他節點，達到1289.02，說明曼谷中轉能力最強，是最大的中國游客赴泰中轉中心。普吉島、甲米、清邁、蘇梅島、芭提雅的中間中心度大于200，在赴泰旅游流中發揮重要橋梁作用；蘭塔島、濤島、素叻他尼、清萊、藍鉆島、大城、蜜月島為次要的中轉中心。此外，赴泰旅游流網絡的中間中心勢為31.32% ，節點中間中心度相對失衡，網絡對核心節點的依賴度較高，曼谷、普吉島、芭提雅等少數旅游節點在赴泰旅游流網絡中具有明顯的結構優勢，其他旅游目的地對其依賴程度高，在網絡中處于壟斷地位。

（3）接近中心度分析。曼谷的外向和內向接近中心度數值最小，分別為164和849。說明曼谷處于赴泰旅游流網絡中心，與其他旅游節點之間通達性最好，普吉島、清邁、甲米的接近中心度數值僅次于曼谷。曼谷、普吉島、清邁、甲米等地附近均有機場，火車線路較多，且為赴泰旅游集散中心，旅游通達程度較高?？ɡu、猴子島等旅游地的接近中心度數值均為4032，與其他旅游節點間通達性最差，處于整個旅游流網絡邊緣。

2.3.2結構洞分析

分析結果顯示（表2）：曼谷、清邁、普吉島、蘇梅島、甲米的有效規模和效率兩項指標得分均較高，說明其處在旅游流網絡的有利位置，網絡冗余度較小，擁有強大的競爭力和優勢。從限制度來看，曼谷、清邁、蘇梅島、濤島的限制度較低，表明其在網絡中受到的限制較小。其中曼谷的有效規模最大，限制度最小，結構洞水平最高，具備獲取“信息利益”和“控制利益”的機會，具有十分明顯的競爭優勢。在赴泰旅游流網絡中，愛琴島、萊莉島、叻丕府結構洞水平均很低，有效規模、效率和限制度均較差，在旅游流網絡中處于競爭劣勢地位。其中呵叻府位于呵叻高原的西部，泰國東北部地區，氣候較為干燥和炎熱，旅游資源主要以山川、瀑布、古城建筑為主，經濟處于開發階段，且呵叻府在中國宣傳度較低，中國游客到訪量較少。

依據節點的集聚與擴散能力、與其他節點接近程度、效率及制約程度、核心—邊緣區位等進行旅游目的地等級劃分，將64個旅游目的地劃分為核心旅游目的地、次核心旅游目的地、重要旅游目的地、一般旅游目的地、邊緣旅游目的地五類，其中邊緣旅游目的地42個。

3 旅游流網絡結構形成機理

3.1 指標選取

在借鑒前人研究的基礎上，選取交通便捷度、旅游接待能力、旅游資源稟賦、旅游資源類型、旅游目的地知名度、社會治安、地理區位等7個指標[32-35]作為自變量。而赴泰旅游流網絡的形成主要受到節點中心度、結構洞等指標影響，因此以網絡節點的度數中心度、接近中心度、中間中心度、有效規模、效率性和限制度為因變量。應用地理探測器探究7個因素對于赴泰旅游流網絡的影響，進而揭示旅游流網絡的影響因素及其形成機理。交通便捷度以旅游目的地到國際機場的交通距離衡量；根據泰國區域劃分，將地理區位劃分為中部、東部、東北、北部、南部地區；分別以酒店、景區數量來衡量旅游接待能力和旅游資源稟賦，以旅游目的地百度指數來衡量旅游目的地知名度；以恐怖主義襲擊事件衡量旅游目的地的社會治安。相關探測因子數據主要來源于泰國統計局網站、泰國國家旅游局網站、百度指數、谷歌地圖、全球恐怖主義數據庫（Global Terrosim Database）。

3.2 地理探測器分析方法

地理探測器由Wang等學者于2010年建立，主要用于探測地理要素的差異性及其空間分布的影響因素[36]，地理探測器的優點在于假設方面受到的制約較少[37]。該方法逐漸應用到城鎮化、人居環境、經濟發展、入境旅游、人口分布等地理研究中[38-39]。地理探測器包括風險探測、因子探測、生態探測和交互探測4個部分。本文主要采用因子探測模型，該方法探測影響因素強度的核心思想是：影響旅游流網絡變化的相關因素在空間上具有差異性，若某因素和旅游流網絡的變化在空間上具有顯著的一致性，則說明這種因素對旅游流網絡結構具有決定意義。旅游流網絡結構影響因素的地理探測力值可表示為[36]：

式中：q為探測因子D的探測力值；n為整個區域樣本數，nD，i為次一級區域樣本數；m為次級區域個數；？滓2U為旅游流網絡結構指標的方差；？滓2UD，i為次一級區域的方差。q的取值區間為[0，1]，q值越大，說明D因素對旅游流網絡的影響越大。

3.3 主要影響因素及形成機理分析

地理探測器針對類別數據的算法優于連續數據，地理探測器中的自變量必須為類型變量，如果自變量是連續型變量，則需要將自變量離散化轉換為類型變量[39]。本研究將通過k-mean聚類算法對連續性探測因子值進行類別劃分，形成空間分區。再利用地理探測器分析方法，計算各探測因子對旅游流網絡指標的探測力值，并分析旅游流網絡結構的形成機理，具體探測結果如表3所示。

3.3.1核心影響因素分析

通過表3可知，自變量旅游接待能力、旅游資源稟賦、旅游目的地知名度、社會治安對因變量整體旅游流網絡的探測力值較大，即這些影響因素和旅游流網絡的變化在空間上具有顯著的一致性，影響因素對旅游流網絡的影響作用強度就越大，則說明這些因素對旅游流網絡結構具有決定意義，是旅游流網絡結構形成的核心影響因素。

（1）旅游接待能力。旅游接待能力對度數中心度、中間中心度、有效規模影響起到重要作用，能夠提高旅游流網絡對外交往能力，增強網絡的中介性和橋梁作用，起到一定的游客集散作用。旅游接待能力體現了旅游地的經濟接待與轉移功能[32]，代表服務接待水平，對旅游地影響顯著，能滿足赴泰游客基本需求，是影響中國游客赴泰旅游的重要因素。旅游接待能力對度數中心度影響最大，完善的旅游接待設施能夠吸引赴泰游客，游客在旅游地游玩住宿，產生游客聚集，而旅游聚集將會伴隨著旅游流擴散，為其他旅游地輸送客源。旅游擴散也會提高旅游地中介橋梁作用，特別是住宿承接能力對旅游地成為旅游中轉樞紐影響作用明顯，也表明泰國旅游地的旅游接待能力差距明顯，因此，旅游接待能力差異能影響競爭優勢，促進旅游地經濟發展。不難發現，旅游接待能力對旅游流網絡的連接作用、中轉作用影響重大，有助于旅游流網絡結構形成。

（2）旅游資源稟賦。旅游資源稟賦對度數中心度、中間中心度、有效規模的影響作用明顯，旅游資源是旅游地經濟發展的基礎，泰國擁有豐富的自然景觀資源和獨特的民俗文化，旅游資源豐富。旅游資源是中國游客赴泰旅游的主要“拉力”，吸引越來越多的中國游客赴泰旅游，因此能夠提高旅游流網絡節點的延伸性和聯系作用，增強網絡的集散功能。旅游資源稟賦對結構洞的有效規模影響最明顯，旅游資源是最原始的旅游吸引力，增強旅游地在旅游流網絡中的行動自由和網絡地位，提高節點的旅游交際能力，促進網絡節點中心度增加。

（3）旅游目的地知名度。知名度主要反映了中國游客對泰國旅游地的認知和了解程度。旅游地知名度對度數中心度和中間中心度影響明顯，正向知名度可以吸引中國游客流入，發揮正向品牌效應，在旅游流“集聚-擴散”中發揮驅動作用，增強網絡連接強度，而負向知名度對旅游地發展產生破壞性影響，因此旅游目的地知名度可以增強旅游流網絡聯系強度，也可以破壞網絡連接功能，同時有助于目的地集散中心地位的確立。曼谷、芭提雅、普吉島、蘇梅島等旅游地在中國擁有極大知名度，網絡關注度高，樹立了良好的品牌形象，吸引更多中國游客前往，對赴泰旅游流網絡形成產生重要作用。

（4）社會治安。旅游安全對出境旅游行為至關重要，旅游行為都應該建立在旅游安全保障的基礎上，社會治安是影響旅游安全最重要的因素之一。相對于外向度數中心度（0.4136），社會治安對內向度數中心度影響更大（0.6219），社會治安直接影響游客是否來此旅游，社會治安容易受到突發事件的影響，因此容易對旅游流網絡造成斷崖式破壞，特別是對網絡連接能力影響明顯，不利于網絡節點對外聯系。近年來，泰國陶公府、北大年府、也拉府等地區的恐怖主義襲擊事件眾多，社會治安差，很少有中國游客前往，因此也未出現在赴泰旅游流網絡中。不難發現，社會治安對赴泰游客區域流動影響極大，旅游安全較差地區容易成為旅游“孤島”，直接影響旅游地之間的游客流動，因此社會治安也是節點內向接近中心度最重要影響因素。既能夠加強旅游地交往，也能隔斷區域間游客流動。

3.3.2其他影響因素分析

交通便捷度是外向接近中心度最重要的影響因素，有助于旅游流網絡的要素流動，是網絡要素流動的主要渠道。交通是旅游地成為擴散中心的基礎條件，交通便捷度有助于實現游客快速流動，提高對外游客輸出，促進旅游地外向交往能力，同時交通便捷度也是結構洞效率性的主要影響因素，對提高旅游節點效率作用明顯，能夠提高網絡流通速率。旅游資源類型對節點中心度、結構洞存在一定作用影響，雖然影響強度較小，但也是結構洞效率的主要影響因素。如芭提雅、普吉島、蘇梅島、皮皮島等海域風光旅游地受到赴泰游客喜愛，來往游客眾多，由于交通通達性不夠，旅游擴散作用較弱，反而在一定程度上有助于結構洞形成，提高結構洞水平。地理區位只對結構洞的限制度存在影響作用，也是限制度最主要的影響因素，會直接影響到網絡到達度。地理區位影響節點在旅游流網絡中運用結構洞的能力和協商的能力，地理區位較差的旅游地，不利于與其他旅游地交流合作，資源獲取能力較差，限制了赴泰旅游發展。

通過以上分析，中國游客赴泰旅游流網絡是各影響因素共同作用形成的，從而構建了“擴散—推力”、“集聚—拉力”、“流動—阻力”的推拉驅動機制（圖2）。

4 結論和討論

第一，中國赴泰旅游流網絡主要呈現環形放射狀，形成了以曼谷為核心，多基點向四周散射的環形旅游流空間結構，赴泰旅游流具有空間集聚性。網絡密度與中心勢數值偏低，網絡聯結相對松散，但旅游目的地的冷熱點十分明顯，圍繞少數旅游節點的集聚和擴散趨勢較強，游客流向旅游資源豐富、交通可達性強的地區。曼谷、清邁、芭提雅、普吉島、拜縣等節點組成了中國游客赴泰旅游流網絡的主體架構，是游客游覽的重點，與中國旅游宣傳推薦節點契合度較高。相關旅游企業應對泰國旅游目的地進行全面評估，重新審視地區特色和旅游資源，把握核心吸引力，深入剖析旅游選擇及行為，注重旅游線路的規劃和設計，合理進行旅游宣傳與營銷，注意旅游目的地組合，使整體旅游線路更加合理和高效。

第二，中國游客赴泰旅游流網絡的“核心—邊緣”結構明顯。核心區與邊緣區的旅游目的地數量相差較大，阻礙了赴泰旅游市場的發展。核心區連接密度遠高于邊緣區，核心區與邊緣區連接密度較低，互動極為薄弱，核心區帶動性不強。中國旅游企業需要從宏觀視角審視赴泰旅游流的空間分布，明確各旅游目的地在旅游流網絡中的位置，拓展赴泰旅游市場，加強核心節點對邊緣節點的“涓滴效應”[30]，通過核心帶動邊緣的組合方式，整合中國游客赴泰旅游路線。

第三，曼谷、清邁、芭提雅、普吉島、拜縣處于赴泰旅游流網絡的關鍵位置。其個體網絡規模、關系總數、度數中心度、有效規模和效率數值均最高，接近中心度和限制度均最低，是赴泰旅游流集聚和擴散中心，也處于赴泰旅游流核心區，對赴泰旅游流空間分布和流動有著重要的組織和支配作用。曼谷作為泰國的經濟、政治和文化中心，具備較高的經濟發展水平，且曼谷、清邁、芭提雅、普吉島旅游通達度較好，與其他節點聯系密切，旅游目的地組合數量最多，對其他旅游目的地輻射作用明顯。在旅游路線規劃時應繼續發揮關鍵節點的核心位置和集散中心優勢，促進游客流動與擴散，拓寬旅游線路范圍，以品牌帶動規模。

第四，中國游客赴泰旅游目的地劃分為核心旅游目的地、次核心旅游目的地、重要旅游目的地、一般旅游目的地、邊緣旅游目的地五類。加強對曼谷、清邁、普吉島、芭提雅、拜縣等關鍵旅游目的地宣傳，成為赴泰旅游帶動型節點，吸引客流。對于邊緣節點，應整合旅游目的地品牌營銷，使其不再游離于旅游流網絡之外。

第五，從整體來看，旅游接待能力、旅游資源稟賦、旅游目的地知名度、社會治安對中國游客赴泰旅游流網絡影響作用明顯，是旅游流網絡結構形成的主要影響因素。旅游接待能力體現了旅游地的經濟接待與轉移功能，可以促進旅游地經濟發展，對旅游流網絡連接的影響作用明顯，有助于旅游流網絡結構形成；旅游資源稟賦能增強旅游地在旅游流網絡中的行動自由和網絡地位，提高旅游節點的旅游交際能力；旅游目的地知名度在中國游客赴泰旅游流中發揮“集聚-擴散”的驅動作用，增強網絡連接強度；社會治安對赴泰游客流動影響極大，旅游安全較差地區容易成為旅游“孤島”，既能夠加強旅游地交往，也能隔斷區域間游客流動。交通便捷度、旅游資源類型、地理區位雖然不是赴泰旅游流網絡主要驅動因素，但也對網絡結構形成起到一定推動作用。明確赴泰旅游流網絡的驅動因素及其形成機理，優化網絡結構，拓展赴泰旅游市場，合理對泰旅游投資，優化旅游資本投入的空間分布及方式，促進中國企業赴泰旅游開發與合作，科學選擇旅游開發對象及合作區域。

受到泰國相關數據收集的限制，本文以旅游目的地為研究對象，并未以城市或者景點為研究對象，在一定程度上加大了泰國數據收集難度，因此經濟發展水平等重要因素指標無法進行探測，且探測因子的相關研究數據主要通過人工整理，可能存在一定主觀性。目前，國內旅游學者對出境旅游流網絡及其演化動因機制研究尚少，本研究對中國游客赴泰旅游流網絡及其形成機理進行了嘗試性探究，是對出境旅游流網絡研究的理論補充。今后將進行旅游目的地分區動因機制分析，還可以對游客特征進行分類，探討不同類型出境游客的旅游線路網絡特征及其旅游行為的形成因素。

參考文獻：

[1] 楊軍.中國出境旅游“雙高”格局與政策取向辨析[J]. 旅游學刊，2006，21（6）：65-68.

[2] 蔣依依，劉祥艷，宋慧林. 出境旅游需求的影響因素——兼論發展中經濟體與發達經濟體的異同[J]. 旅游學刊，2017，（01）：12-21.

[3] 杜江，厲新建，秦宇. 中國出境旅游變動趨勢分析[J]. 旅游學刊，2002，17（3）：44-48.

[4] 張廣瑞.中國出境旅游熱的冷靜思考：關于中國出境旅游發展政策的辨析[J]. 財貿經濟，2005，（7）：87-91.

[5] 厲新建.中國出境旅游市場發展變化與趨勢[J]. 人文地理，2006，（3）：83-87.

[6] 雷平，施祖麟. 出境旅游， 服務貿易與經濟發展水平關系的國際比較[J]. 旅游學刊，2008，23（7）：28-33.

[7] 戴斌，蔣依依，楊麗瓊. 中國出境旅游發展的階段特征與政策選擇[J]. 旅游學刊，2013，28（1）：39-45.

[8] 王素潔，齊善鴻. 消費主義與中國公民出境旅游高消費行為探析[J]. 旅游學刊，2005，20（6）：39-44.

[9] Douglas G Pearce. Towards a geography of tourism[J]. Annals of Tourism Research. 1979，6（3）：245-272.

[10] Hui T K， Yuen C C. A study in the seasonal variation of Japanese tourist arrivals in Singapore[J]. Tourism Management，2002，23（2）：127-131.

[11] Deng M， Athanasopoulos G. Modelling Australian domestic and international inbound travel： A spatial-temporal approach[J]. Tourism Management，2011，32（5）：1075-1084.

[12] Oppennann M. Intranational tourist flows in Malaysia[J]. Annals of Tourism Research，1992，19（3）：482-500

[13] Lew A， Mc Kercher B. Modeling tourism movements： A local destinanion analysis[J]. Annals of Tourism Research，2006，33（2）：403-423.

[14] Jameel K， Boopen S. The role of transport infrastructure in international tourism development： A gravity model approach[J]. Tourism Management，2008，29（5）：831-840.

[15] Khadaroo J， Seetanah B. The role of transport infrastructure in international tourism development： A gravity model approach[J]. Tourism Management，2008，29（5）：831-840.

[16] Gounopoulos D， Petmezas D， Santamaria D. Forecasting tourist arrivals in Greece and the impact of macroeconomic shocks from the countries of touristsorigin[J]. Annals of Tourism Research，2012，39（2）：641-666.

[17] 陸林，宣國富，章錦河. 海濱型與山岳型旅游的客流季節性比較——以三亞、北海、普陀山、黃山、九華山為例[J]. 地理學報，2002，57（6）：731-740.

[18] 鐘士恩，張捷，周強. 農村居民國內旅游流空間集中性[J]. 地理研究，2009，28（6）：1562-1571.

[19] 唐瀾，吳晉峰，王金瑩，楊新菊. 中國入境商務旅游流空間分布特征及流動規律研究[J]. 經濟地理，2012（09）：149-155.

[20] 劉宏盈，馬耀峰. 廣東入境旅游流西向擴散時空動態演變研究[J]. 人文地理，2009，24（4）：124-128.

[21] 楊興柱，顧朝林，王群. 旅游流驅動力系統分析[J]. 地理研究，2011，30（1）：23-36.

[22] Chen R， Liang C Y， Hong W C. Forecasting holiday daily tourist flow based on seasonal support vector regression with adaptive genetic algorithm[J]. Applied Soft Computing，2015，26：435-443.

[23] 張妍妍，李君軼，楊敏. 基于旅游數字足跡的西安旅游流網絡結構研究[J]. 人文地理，2014，（4）：111-118.

[24] 楊興柱，顧朝林，王群. 旅游流驅動力系統分析[J]. 地理研究，2011，30（1）：23-36.

[25] 吳晉峰，潘旭莉. 入境旅游流網絡與航空網絡的關系研究[J]. 旅游學刊，2010，（11）：39-43.

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

[27] Scott N， Cooper C， Baggio R. Destination networks： Four Australian cases[J]. Annals of Tourism Research，2008，35（1）：169-188.

[28] Scott N， Baggio R， Cooper C. Network Analysis and Tourism： From Theory to Practice[M]. UK： Channel View Publications，2008.

[29] 吳中堂，劉建徽，袁俊. 大陸居民赴臺灣自由行旅游流網絡分析及演化研究[J]. 旅游學刊，2016，（10）：113-114.

[30] 劉法建， 張捷， 陳冬冬.中國入境旅游流網絡結構特征及動因研究[J].地理學報，2010（08）：1013-1024.

[31] 張妍妍，李君軼， 楊敏.基于旅游數字足跡的西安旅游流網絡結構研究[J].人文地理，2014（04）：111-118.

[32] 朱冬芳， 陸林， 虞虎. 基于旅游經濟網絡視角的長江三角洲都市圈旅游地角色[J].經濟地理，2012（04）：149-154.

[33] 劉法建， 張捷， 陳冬冬. 中國入境旅游流網絡結構特征及動因研究[J].地理學報，2010（08）：1013-1024.

[34] 王博， 吳清， 羅靜. 武漢城市圈旅游經濟網絡結構及其演化[J].經濟地理，2015（05）：192-197.

[35] 吳晉峰， 任瑞萍， 韓立寧，王奕琪. 中國航空國際網絡結構特征及其對入境旅游的影響[J].經濟地理，2012（05）：147-152.

[36] Wang J F， Li X H， Christakos G . Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China[J]. International Journal of Geographical Information Science，2010，24（1）：107-127.

[37] Hu Y， Wang J， Li X . Geographical detector- based risk assessment of the under-five mortality in the 2008 Wenchuan earthquake， China[J]. PLoS One，2011，6（6）：e21427.

[38] 劉彥隨， 楊忍.中國縣域城鎮化的空間特征與形成機理[J]. 地理學報，2012，67（8）：1011-1020.

[39] 王勁峰， 徐成東. 地理探測器：原理與展望[J].地理學報，2017（01）：116-134.