基于網絡關注度視角下旅游需求時空特征及其影響因素研究

常直楊 李俊樓

摘要：大數據背景下旅游網絡關注度為了解景區旅游需求時空變化提供了切入點。以周莊古鎮為例，借助周內分布偏度指數、地理集中指數、溫濕指數、經濟聯系強度指數等參數探討了周莊古鎮2011年至2018年旅游網絡關注度的時空特征，并利用回歸模型剖析了影響因素。表明：①網絡關注度年際變化呈現明顯的“雙峰型”特征；季節性特征呈現“雙峰型”及“多峰型”，淡季為11月至來年1年，旺季為3月至10月，旺季持續時間長；周莊古鎮五一、十一等節假日“井噴”現象近幾年正在變弱；周內特征方面正在由“工作日高值，周末低值”向“周五、周六高值，周日略低，工作日平穩”轉變。②受經濟水平及“距離衰減”規律影響，周莊古鎮網絡關注度高值主要集中在江蘇省省內及上海市區、浙江省、廣東省等經濟發達地區。③周莊古鎮網絡關注度月均值的時間影響因素有溫濕指數、社會因素，其年均值的空間分布影響因素有經濟聯系強度、人口總數、人均GDP。最后從景區品牌、旅游產品開發、景區基礎設施等方面提出了周莊古鎮旅游發展的建議。

關鍵詞：網絡關注度；時空特征；周莊古鎮；影響因素

★基金項目：江蘇高校哲學社會科學基金自助項目“長三角區域居民旅游需求時空特征及形成機制研究——基于網絡關注度視角”（2019SJA2246）；本論文得到江蘇省高職院校教師專業帶頭人高端研修項目資助；江蘇省教育廳2018年度青藍工程優秀青年骨干教師培養項目。

游客旅游需求的研究對于景區相關營銷宣傳具有重要意義。隨著互聯網的不斷發展，越來越多游客借助網絡工具對旅游目的地相關信息進行查詢，就會留下檢索痕跡，這些痕跡又被稱為“網絡關注度”[1]。已有研究表明網絡關注度與旅游需求之間密切關聯[2，3]，在某種程度上可以代表旅游需求的一種體現，通過對其剖析，可以間接的反映出旅游需求年、月、日內的變化規律，因而具有較高的可信度[3，4]，也為大數據背景下旅游需求橫截面對比分析的研究提供了一個切入點。當前國內外旅游網絡關注度的相關研究主要集中在城市旅游網絡關注度的研究[5，6]，旅游景區網絡關注度時空特征的研究[7-10]，旅游目的地網絡關注度與游客量[11，12]、氣候舒適度[13]之間的關系研究，洞穴旅游[14]、美食旅游[15]、佛教旅游地[16]等其它多類型的旅游網絡關注度研究方面。進而對已有文獻的總結，可以發現在大數據背景下，網絡關注度已成為了解游客旅游需求行之有效的方法之一，并且越來越多的學者開始關注旅游目的地長時間尺度網絡關注度的時空特征。

古鎮是建筑、歷史、文化、藝術等價值的集合，以其獨特的文化魅力及地方特色吸引著游客。近年來有關古鎮的相關研究多集中在游客滿意度和各項體驗研究[17]，古城空間和文化演變過程的探索研究[18]，古鎮的開放模式[19]及生態環境承載力等方面[20]。這些研究多以問卷、訪談或借助遙感技術為主，而借助大數據了解古鎮旅游需求的研究仍較少。周莊古鎮是首批中國歷史文化名鎮、首批國家5A級旅游景區，在全世界享有“中國第一水鄉”的美譽，在我國古鎮旅游發展中具有代表性及典型性。有鑒于此，以周莊古鎮為例，采用時空分析、統計分析的手段和方法，深入研究了2011年-2018年間其旅游網絡關注度在年月日上的時空分布特征，并分析其影響因素，以了解其旅游需求特點與規律，進而為我國古鎮的旅游發展提供借鑒。

1、數據來源與研究方法

百度是全球最大的中文搜索引擎，許多游客出行會選擇百度進行旅游目的地信息搜索，衍生的百度指數成為大數據時代重要的分析指數之一。其是以網民在百度中搜索的關鍵詞為統計對象，計算出關鍵詞的搜索頻次的加權和，在網頁中以曲線圖的形式呈現。通過對關鍵詞的篩選，確定以“周莊”、“周莊古鎮”為檢索詞，在百度指數平臺進行檢索，通過Physon編程抓取得到2011年1月1日至2018年12月31日間的逐日百度數據，作為分析的基礎。

在探討周莊古鎮網絡關注度時空分布特征及影響因素時，選取的指數有周內分布偏度指數、地理集中指數、溫濕指數和經濟聯系強度指數等，各個指數的計算模型及地理意義詳見表1。

2、周莊古鎮網絡關注度的時空特征分析

2.1 周莊古鎮網絡關注度時間分布特征

2.1.1 年際變化特征

通過統計分析2011年至2018年周莊古鎮網絡關注度，可以發現，2011年至2015年之間周莊古鎮日均網絡關注度由2999直線上升至4759，2016年至2018年周莊古鎮日均網絡關注度則下降至3441，其年際變化特征呈現明顯的“雙峰型”特征。對比統計分析數據，可以發現逐日網絡呈鋸齒形，關注度的高峰值上也是2015年達到了峰值，該年份以“10年不漲價，良心景區：周莊100元能玩3天”、“中國第一水鄉”周莊“打春?！本鄹挥麓?、“周莊外空地有人私收停車費，景區：我們沒辦法”、“《四季周莊》預演爆棚，江南美景如畫”等節日活動、社會話題等為主。

2.1.2 季節性特征分析

周莊古鎮8年間各月網絡關注度累計之和與網絡關注度重量相比為旅游網絡關注度的分月比重指數，統計分析其變化趨勢如圖2所示。通過對比發現，總體上呈現“雙峰”及“多峰”的特征（表2），不同年份的峰值主要集中在4月、8月、9月和10月，最低值均集中在1月、11月、12月份。借助已有研究[8]，對各年旅游網絡關注度各月比重指數取均值，并統計出8年間各月平均網絡關注度變化趨勢如圖3所示。參考旅游客流季節劃分標準[8]，經過計算可以發現周莊古鎮網絡關注度的淡季為1月、 11月、12月，平季為2月，旺季為3月至10月，長達8個月，具有旺季持續時間長的特點。其中，4月份屬于春季，天氣適宜，適合外出，因而該月份游客網絡關注度達到峰值；7月、8月正值暑期，雖然天氣炎熱，但此時家庭游、親子游及大學生游日益增多，也達到一個高峰值；另外，9月份及10月份正值中秋節及十一黃金周節前，人們出游意愿強，游客關注度也達到高峰值。

2.1.3 節假日特征分析

網絡關注度具有前兆性，能夠表征節假日游客實際外出的需求量。研究“五一”、“十一”旅游景區網絡關注度的特征則對景區應對高峰期采取舉措有一定的借鑒。統計分析了周莊古鎮2011年至2018年間“五一”、“十一”節假日的日均網絡關注度，為了在時間對比上具有一致性及可信性，參考已有研究[8]，統一統計了“五一”節前三天，假期三天及節后三天共9天的網絡關注度（圖4）。由圖4可以發現，周莊古鎮2011-2018年8年間網絡關注度在“五一”節前、節中及節后變化趨勢基本保持一致。2011-2016年，周莊“五一”網絡關注度直線上升，表現為由2011年寬廣開口的倒“U”型特征逐漸變為2016年倒“V”型特征，并且峰值越來越高。2017年及2018年峰值則開始下降，網絡關注度相關數值低于2014年統計值。表明周莊古鎮五一“井噴”現象在2016年最嚴重，之后“井噴”現象逐漸減弱。

“十一”則統計了13天的網絡關注度（節前四天，假期七天，節后兩天）（圖5）?？傮w而言，8年間網絡關注度在“十一”節前、節中及節后變化趨勢也基本保持一致。2011-2015年，周莊“五一”網絡關注度直線上升，也表現為由2011年寬廣開口的倒“U”型特征逐漸變為2015年倒“V”型特征，2016年至2018年峰值則開始下降。就單日而言，周莊古鎮“十一”黃金周網絡關注度在節前開始上升，直至黃金周的第2天（10月2日）達到頂峰，隨后開始下降，并在節后逐步穩定。表明周莊古鎮十一“井噴”現象在2015年最嚴重，之后“井噴”現象逐漸減弱。

借助周內分布偏度指數進一步了解周莊古鎮網絡關注度在“十一”黃金周內的偏度狀況，如表3所示。周莊古鎮的G指數在2011-2018年“十一”黃金周內均小于0，表明8年來周莊古鎮網絡關注度偏向黃金周前期，偏度（絕對值）由2011年11.82逐漸增大至2014年的19.53，隨后逐漸降低為2017年的10.38，又增大到2018年的21.54，總體呈現出先增大后減小在增大的特征，則表明偏向呈現出不斷集中至分散然后再集中的趨勢。

2.1.4 周時段特征分析

為了分析周莊古鎮周時段特征，統計2011-2018年周一至周日每日網絡關注度并取平均值，得到每年周內網絡關注度統計分布曲線（圖6）?？梢园l現，2011年至2014年表現出“工作日高值，周末低值”的一致特征，2015年至2018年表現出“周五、周六高值，周日略低，工作日平穩”的一致特征。究其原因，可能是2014年之后，隨著網絡、智能手機等移動端及自媒體的發展，游客在周末行程過程中，可以便捷的對景區進行游前查詢、游中感悟、游后分享，因而2014年之后，周末網絡關注度值呈高值。2011年至2018年一周之內游客網絡關注度值最高值均出現在周五，這也體現出了游客出行之前借助網絡工具搜索周莊古鎮相關信息，以便為周末出行做好安排。

2.2 周莊古鎮網絡關注度空間分布特征

以各省區為地域單元，統計2011年至2018年間周莊古鎮網絡關注度的空間分布，并分析其特征。2011年大部分省級行政區無相關數據，澳門特別行政區對周莊古鎮網絡關注度數據年份偏少，因而最后統計了全國除澳門特別行政區之外的其它33個省級行政區相關數據（表4）。通過計算地理集中度指數，來衡量周莊古鎮網絡關注度在全國各省區的分布情況，結果見表5。

周莊古鎮網絡關注度的地理集中指數由2012年的22.15直線增大至2015年的23.42，然后又直線下降至2018年的22.68。不同年份的地理集中指數值均大于全國省區中周莊古鎮網絡關注度平均分布的地理集中指數值17.15，因而2012年至2018年周莊古鎮的網絡關注度值均比較集中，在全國各省級行政區中分布不均勻。以2018年為例，周莊古鎮網絡關注度主要集中在江蘇省省內、上海市、浙江省、廣東省、北京市等經濟發達地區，以及山東省、河南省、安徽省等距離較近省份，而在內蒙古、甘肅省、貴州省、新疆、海南、寧夏、青海、香港、臺灣及西藏等經濟落后及距離較遠地區旅游網絡關注度值較低。

3、周莊古鎮網絡關注度的影響因素分析

網絡關注度作為大數據時代游客借助網絡工具檢索遺留下來的痕跡，其時空分布受到多種因素的影響。馬麗君等[3]探討了人口數、移動用戶數、受教育程度、空間距離與湖南“紅三角”移動游客網絡關注度之間的關系；張碧星等[16]探討了距離、人口規模、居民消費水平、互聯網普及率等因素與五臺山景區網絡關注度之間的關系；張慧婕等[21]探討了人均可支配收入、滑雪場和冰場數量、互聯網普及率等因素與冰雪運動網絡關注度之間的關系。參考前人的研究成果[3，16，21]，本文主要從氣候舒適度、國家節假日制度探討其對周莊古鎮網絡關注度的影響，從人口規模、空間距離、經濟水平、互聯網普及率、受教育程度、經濟聯系強度等六個方面探討其對周莊古鎮網絡關注度空間分布的影響。

3.1 時間分布影響因素

3.1.1 因素指標選取

旅游氣候舒適度最常用的平均指標是溫濕指數，是溫度和濕度的綜合，反應了人體與環境的熱量交換（表1）。本文選取了1956年至2018年近63年來蘇州東山站累年各月的平均氣溫（℃）和平均相對濕度（%）進行溫濕指數計算（數據來源于中國氣象科學數據共享服務網），并計算周莊古鎮2011年至2018年的平均月指數，計算結果見表6。

為更準確認識氣候舒適度對周莊古鎮網絡關注度時間變化的影響，參考相關研究[2，8]，把溫濕指數中的“e、d、c、b、A、B、C、D、E”的級別賦值為“1、3、5、7、9、7、5、3、1”，使其成為可計算的數值（表7）；并對節假日等社會因素使用虛擬指數來進行量化，從而衡量其影響力，結合圖2及圖3周莊古鎮各月網絡關注度的結果，1月、12月淡季賦值0，2月、3月、11月賦值0.25，4月、10月賦值1，5月、7月、8月、9月賦值0.75，6月賦值0.5。

3.1.2 回歸分析

借助SPSS軟件，運用最小二乘法進行周莊古鎮網絡關注度平均月指數與溫濕指數、社會因素的回歸分析，結果為：

P=6.474-0.131THI+4.823S

式中，P為周莊古鎮網絡關注度平均月指數，THI為溫濕指數、S為社會因素虛擬值。其中，R2=0.851，adj R2=0.817，F（2，9）=25.603，p=0.000，解釋力高達85.1%。從已建立的模型中可以看出，溫濕指數與周莊古鎮網絡關注度月指數之間呈現負相關關系；社會虛擬指數與周莊古鎮網絡關注度月指數之間呈正相關關系。觀察周莊古鎮網絡關注度月平均指數實測值與模擬值的對比圖（圖7），可發現擬合效果較好，也間接證明了回歸方程的可信度。

3.2 網絡關注度空間分布影響因素分析

3.2.1 因素指標選取及說明

在分析周莊古鎮網絡關注度的影響因素時，主要從客源地（人口規模、經濟水平、互聯網普及率、受教育程度）及客源地與周莊古鎮之間的關系（兩地間的距離、經濟聯系強度）兩大類、六小類進行考慮。以我國除澳門特別行政區之外的其它33個省級行政區為統計分析樣本：人口規模選自各省區2018年末的常駐人口總數；經濟水平取自各省區2018年末的人均GDP進行計算；互聯網普及率選自2016年《第37次中國互聯網發展狀況統計報告》；受教育程度來自于統計年鑒；兩地間的距離借助百度地圖以省會城市至周莊古鎮自駕最短距離；經濟聯系強度以表1中計算數據為準。

3.2.2 回歸分析

為了消除多重共線性的影響，借助SPSS軟件，采用多元線性逐步回歸分析法，得出周莊古鎮年均網絡關注度的擬合方程如下：

式中，X1是經濟聯系強度，X2是人口總數，X3是人均GDP，R2=75.8，adj R2=73.1 F=28.199，p=0.000，解釋力高達75.8%。并且該模型的三個回歸系數都通過顯著性檢驗，顯著水平分別0.01，0.00，0.05。另外，經濟聯系強度每變化1個單位，周莊古鎮年均網絡關注度變化0.087個單位；客源地人口總數每變化1個單位（億），周莊古鎮年均網絡關注度變化419.50個單位；人均GDP每變化1個單位（萬元），周莊古鎮年均網絡關注度變化37.45個單位。

4、結論與討論

4.1 結論

通過對周莊古鎮2011年至2018年網絡關注度的時空特征研究，得出以下結論：

（1）2011年至2018年周莊古鎮網絡關注度年際變化呈現明顯的“雙峰型”特征，景區門票價格、節日活動、景區表演及社會話題是游客關注度較高的熱點；在季節性特征方面，總體上呈現“雙峰”及“多峰”的特征，周莊古鎮網絡關注度的淡季為11月至來年1年，旺季為3月至10月，具有旺季持續時間長的特點；

周莊古鎮五一“井噴”現象在2016年最嚴重，之后“井噴”現象逐漸減弱，十一“井噴”現象在2015年最嚴重，之后“井噴”現象逐漸減弱；周內特征方面，2011年至2018年一周之內游客網絡關注度值最高值均出現在周五，2011年至2014年表現出“工作日高值，周末低值”的一致特征，2015年至2018年表現出“周五、周六高值，周日略低，工作日平穩”的一致特征。

周莊古鎮網絡關注度主要集中在江蘇省省內、上海市、浙江省、廣東省、北京市等經濟發達地區，以及山東省、河南省、安徽省等距離較近省份，而在內蒙古、甘肅省、貴州省、新疆、海南、寧夏、青海、香港、臺灣及西藏等經濟落后及距離較遠地區旅游網絡關注度值較低，主要受經濟水平及“距離衰減”的影響。

在時間分布影響因素上，周莊古鎮網絡關注度平均月指數與溫濕指數、社會因素之間具有良好的回歸關系。溫濕指數與周莊古鎮網絡關注度呈負相關關系，社會虛擬指數與周莊古鎮網絡關注度呈正相關關系。

在空間分布影響因素上，周莊古鎮年均網絡關注度與經濟聯系強度、人口總數、人均GDP具有良好的回歸關系，經濟聯系強度每變化1個單位，周莊古鎮年均網絡關注度變化0.087個單位；客源地人口總數每變化1個單位（億），周莊古鎮年均網絡關注度變化419.50個單位；人均GDP每變化1個單位（萬元），周莊古鎮年均網絡關注度變化37.45個單位。

4.2 討論

有關旅游網絡關注度的時空分布及影響因素已進行了大量研究，與前人單一年份研究相對比，本文以2011年至2018年長時間序列逐日網絡關注度作為研究對象，全面剖析了周莊古鎮旅游網絡關注度的時空特征及影響因素，保證了研究結果的連續性、準確性及科學客觀性。在時空方面，部分學者提出“景區工作日網絡關注度是周末實際游客量的前兆”假設[22]，本文研究表明2011年至2014年周莊古鎮游客網絡關注度表現出同樣的特征，然而2015年后表現出“周六高值、周日略低”的特征，與隨著網絡技術的發展，人們利用移動設備可以實時進行景區查詢、分享等游客行為有很大的關系。而周莊古鎮網絡關注度季節性特征呈現“雙峰型”、“多峰型”，與馬麗君等人[23]總結的旅游氣候類型中春秋適宜的M型模式，張曉梅[8]對平遙古城研究季節性的M型特征相一致，但又有差異。在影響因素方面，印證了旅游氣候舒適度及節假日是影響網絡關注度時間分布的最重要因素；而在旅游網絡關注度空間分布的影響因素方面，與前人對景區網絡關注度研究相對比，則發現距離、互聯網普及率因素對周莊古鎮網絡關注度沒有顯著影響。

結合實際考察、問卷調研、網絡關注度統計分析等情況，周莊古鎮在景區品牌、旅游產品開發、景區基礎設施等方面有待提升。在景區品牌建設方面：周莊目前的主要客源是國內長三角市場，且隨地理距離衰減明顯，大部分為江浙滬地區居民或公司職員、在校大學生，在做好鄰近省市地區宣傳工作的同時，尚需加強對距離較遠省市及海外市場的宣傳營銷工作。調研數據揭示出水鄉風貌是游客選擇周莊景區作為旅游目的地的重要原因，因而在建設及宣傳過程中應充分凸顯周莊景區水鄉主題的背景，同時，推廣具有景區代表性的節慶活動，如以水鄉風情為背景的周莊國際旅游節。在旅游產品開發方面：旅游購物品應針對周莊景區游客以18-45歲、大學生及公司職員為主，凸顯周莊——水上古鎮特有的文化特色，在娛樂美食、文化藝術、小橋流水、民俗生活等方面進行開發，彰顯其特色。目前周莊景區仍處在以觀光體驗為主的階段。面對日益增長的游客需求，周莊景區應不斷完善旅游項目，尤其增加休閑度假、商務會展類等旅游項目，實現旅游產品的轉型升級，繼續豐富周莊夜間旅游項目，如提升“四季周莊”演出、加大力度打造具有江南水鄉歷史文化特色的民宿客棧，從而延長游客停留時間。在景區基礎設施建設方面：信息化設施的建設，包括相應的軟件和硬件。如：旅游大數據的采集、整合、分享系統；基于手機信令的游客動態監測系統；基于GPS的車船、管理人員的監管系統；基于傳感技術和物聯網技術的景區環境監管系統；外來車輛的自動導引與統計系統；語音畫卷與自動感應式講解等。同時對人流量較大的區域，如水街兩岸、重要游路沿途，增加材質與造型符合水鄉風貌的坐凳等休息設施數量。

本研究仍然也有不足有待提升，游客外出對旅游目的地進行檢索，可選擇的方式多樣，百度只是其中一種方法，還可以借助攜程、驢媽媽、去哪兒等旅游電子商務進行查詢檢索，并且本文所研究的對象是周莊古鎮潛在游客，有不少潛在游客并未實地到達周莊古鎮。接下來的研究應基于網絡游記，借助爬蟲等大數據抓取手段，深入開展周莊古鎮旅游目的地形象、游客旅游體驗研究。

參考文獻

[1] 劉逸，保繼剛，陳凱琪. 中國赴澳大利亞游客的情感特征研究——基于大數據的文本分析[J]. 旅游學刊，2017，32（5）：46-58.

[2] 馬麗君，孫根年，黃蕓瑪，等. 城市國內客流量與游客網絡關注度時空相關分析[J]. 經濟地理，2011，31（4）：680-385.[3] 馬麗君，龍云. 基于網絡關注度的湖南省居民旅游需求時空特征[J]. 經濟地理，2017，37（2）：201-208.

[4] 王碩，曾克峰，童潔，等. 黃金周風景名勝區旅游客流量與網絡關注度相關性分析——以廬山、華山、八達嶺長城風景名勝區為例[J]. 經濟地理，2013，11：184-188.

[5] 李世霞，田至美. 基于百度指數的旅游目的地網絡關注度影響因素分析——以青島為例[J]. 首都師范大學學報（自然科學版），2014，35（1）：56-59.

[6] 邱麗，潘美含，邱川曦. 重慶市旅游網絡關注度時空特征分析[J]. 特區經濟，2017：8-80.

[7] 林志慧，馬耀峰，劉憲鋒，等. 旅游景區網絡關注度時空分布特征分析[J]. 資源科學，2012，34（12）：2427-2433.

[8] 張曉梅，程邵文，劉曉蕾，等. 古城旅游地網絡關注度時空特征及其影響因素——以平遙古城為例[J]. 經濟地理，2016，36（7）：196-207.

[9] 馬麗君，江戀. 湖南“紅三角”潛在游客時空分布特征及其影響因素[J]. 資源開發與市場，2016，32（9）：1122-1126.

[10] 李會琴，李丹，董曉晴，等. 中國5A級景區分布及網絡關注度空間格局研究[J]. 干旱區資源與環境，2019，33（10）：178-184.

[11] 汪秋菊，賈宇，劉宇，等. 奧運場館水立方的客流量與網絡關注度關系分析[J]. 東北石油大學學報，2013，37（5）：118-124.

[12] 黃先開，張麗峰，丁于思. 百度指數與旅游景區游客量的關系及預測研究——以北京故宮為例[J]. 旅游學刊，2013，28（11）：93-100.

[13] 王碩，童潔，劉超，等. 武漢氣候舒適度與游客網絡關注度年內變化相關性分析[J]. 亞熱帶資源與環境學報，2013，8（3）：24-28.

[14] 何小芊，張艷蓉，劉宇. 旅游洞穴網絡關注度的時空特征研究——以中國最美五大旅游洞穴為例[J]. 中國巖溶，2017，36（2）：275-282.

[15] 張愛平，馬楠，陶然. 美食網絡關注度時空特征及其與旅游的耦合性研究[J]. 美食研究，2016（2）：1-7.

[16] 張碧星，周曉麗. 佛教旅游地網絡關注度時空分布差異及其影響因素研究——以五臺山景區為例[J]. 西北師范大學學報（自然科學版），2018，54（6）：103-109.

[17] 周永博，沙潤，楊燕，等. 旅游景觀意象評價——周莊與烏鎮的比較研究[J]. 地理研究，2011，2：167-179.

[18] 黃睿，曹芳東，黃震方. 新型城鎮化背景下文化古鎮旅游商業化用地空間格局演化——以同里為例[J]. 人文地理，2014，6：72-79.

[19] 董雪旺，徐寧寧，陳覺，等. 基于游客地方感的水鄉古鎮開發模式——兼論烏鎮模式的可復制性[J]. 經濟地理，2018，6：189-194.

[20] 張宏，黃震方，琚勝利，等. 蘇南古鎮生態環境承載力分析與低碳旅游環境構建研究——以昆山市周莊、錦溪、千燈古鎮為例[J]. 中國農業資源與區劃，2018，1：62-70.

[21] 張慧婕，石靈珊，劉利. 大數據透視下的我國冰雪運用網絡關注度探究[J]. 體育與科學，2019，40（1）：114-120.

[22] 李山，邱榮旭，陳玲. 基于百度指數的旅游景區絡空間關注度：時間分布及其前兆效應[J]. 地理與地理信息科學，2008，24（6）：102-107.

[23] 馬麗君，孫根年，楊睿，等. 城市氣候舒適度與游客網絡關注度時空相關分析[J]. 地理科學進展，2011，30（6）：753-759.

作者簡介：

常直楊，南京旅游職業學院旅游管理學院，副教授，博士，主要從事旅游地理與規劃研究。

李俊樓，南京旅游職業學院旅游管理學院，講師，碩士，主要研究方向為旅游大數據、智慧旅游。