EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 2: 259 - 273

DOI: https://doi.org/10.12082/dqxxkx.2024.230354

研究笔谈与综述

网络科学理论与方法在旅游领域中的应用：研究进展与展望

  • 郑允豪 , 1 ,
  • 张毅 , 1, * ,
  • 牟乃夏 2 ,
  • 蒋琪 3 ,
  • 刘瑜 1
展开
  • 1.北京大学地球与空间科学学院遥感与地理信息系统研究所，北京 100871
  • 2.山东科技大学测绘与空间信息学院，青岛 266590
  • 3.中国海洋大学信息科学与工程学部，青岛 266100
*张 毅（1971— ），男，浙江宁波人，博士，副教授，主要从事地理信息科学、地理大数据理论和方法等研究。 E-mail:

郑允豪（1996— ），男，山东青岛人，博士生，主要研究方向为地理大数据和旅游信息科学。E-mail:

Copy editor: 蒋树芳 黄光玉

收稿日期: 2023-06-27

  修回日期: 2023-07-20

  网络出版日期: 2024-03-27

基金资助

国家自然科学基金项目(41830645)

收起

Research Progress and Prospects on the Applications of Theories and Methods in Network Science to Tourism Domains

  • ZHENG Yunhao , 1 ,
  • ZHANG Yi , 1, * ,
  • MOU Naixia 2 ,
  • JIANG Qi 3 ,
  • LIU Yu 1
Expand
  • 1. Institute of Remote Sensing and Geographical Information Systems, School of Earth and Space Sciences, Peking University, Beijing 100871, China
  • 2. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China
  • 3. Faculty of Information Science and Engineering, Ocean University of China, Qingdao 266100, China
*ZHANG Yi, E-mail:

Received date: 2023-06-27

  Revised date: 2023-07-20

  Online published: 2024-03-27

Supported by

National Natural Science Foundation of China(41830645)

Fold

摘要

网络科学为全面探索旅游领域中各研究对象间的动态关系结构提供了有力支撑，打破了传统研究缺乏系统性思维的局限，对于进一步理解旅游业的运行规律具有重要意义。近年来随着旅游业的数字化变革，旅游信息变得更具灵活性与可扩展性，大幅提高了网络科学理论与方法在旅游领域中的应用可行性。本文对与网络科学理论与方法在旅游领域中的应用研究相关的学术论文进行了系统梳理，并通过多尺度的视角归纳该领域的核心研究内容。本文首先概述了相关理论基础和应用现状，之后根据不同观测尺度下的旅游领域网络现象进行研究进展总结，具体为：微观尺度关注于目标旅游行动者的交互属性，介观尺度关注于旅游行动者的聚集现象，宏观尺度关注于旅游行动者网络的全局拓扑结构特征。在此基础上，本文指出了当前研究存在的问题（如数据可靠性、成果可解释性等），并对相关研究在当前的大数据时代与复杂性科学新纪元背景下的未来发展方向（如多尺度研究框架、多层网络等）进行了梳理，从而为后续研究提供思路。

关键词： 旅游研究; 网络科学; 系统论; 信息化; 旅游管理; 社会网络; 复杂性

本文引用格式

郑允豪 , 张毅 , 牟乃夏 , 蒋琪 , 刘瑜 . 网络科学理论与方法在旅游领域中的应用：研究进展与展望[J]. 地球信息科学学报, 2024 , 26(2) : 259 -273 . DOI: 10.12082/dqxxkx.2024.230354

Abstract

Network science provides abstract models for analyzing complex phenomena in the real world. With the support of network science theories and methods, researchers are able to explore the dynamic relationship between research objects in tourism domains from a more systematic perspective. This unique viewpoint is of great significance for further understanding the operation rules of tourism and promoting the balanced and sustainable development of related industries. With the digitalization of tourism, tourism information has become more flexible and scalable, which has significantly increased the applicability of network science theories and methods in tourism domains. Against this background, research on the applications of network science theories and methods in tourism domains has received extensive attention in recent years. In view of this, this paper systematically reviews the published articles related to the applications of network science theories and methods in tourism domains and summarizes the main research contents through a multi-scale perspective. Specifically, this paper first outlines the backgrounds of related theoretical foundations and application scenarios. The most common types of tourism networks, including interpersonal networks, tourist flow networks, economic networks, etc., are summarized through a "node-edge" structure. Important concepts and terms in network science, especially the differences and relations between complex networks and social networks as two "research paradigms", are also highlighted. Following that, this paper summarizes the progress of the applications of network science theories and methods in tourism domains at different scales of observation (i.e., microscopic, mesoscopic, and macroscopic). Among these scales, the microscopic scale focuses on the interactive properties of tourism actors, the mesoscopic scale is often used to describe the aggregation phenomena of tourism actors, and the macroscopic scale focuses on the global topological structural features of the tourism actor networks in tourism domains. Common methods or measures in network science, such as centrality, structural holes, community/cohesive subgroups, core-periphery structure, small worlds, and scale-free effect are also introduced. Based on the review of the research progress, this paper identifies the research problems in current research, including reliability deficiencies in the research data, negligence of multi-scale phenomena, interpretability challenges in the research results, and lack of highlighting theoretical contributions in tourism domains. The aim of this paper is to review the research literature on applications of network science theories and methods in tourism domains from the perspective of research practice, in order to effectively present the substance and compatibility of research at the intersection of network science and tourism.

Key words： tourism research; network science; system theory; informatization; tourism management; social network; complexity

1 引言

在自然界与人类社会中，“网络（Networks）”总是无处不在，如今我们早已身处在一个深度“网络化”的时空之中[1]。得益于图论和拓扑学等支撑理论的发展，基于网络的研究模型可以通过若干节点和连接这些节点的链路来表达研究对象间的相互联系。“网络科学（Network Science）”则由此被定义为研究利用网络来描述与探索物理、生物和社会等领域中的复杂现象，并借此建立这些复杂现象的模型的科学[2]。
“旅游（Tourism）”是一个与网络科学深度交叉的应用领域。近年来，网络科学的理论与方法已被学者们广泛应用于旅游领域的学术研究中，以支撑旅游业的管理与决策实践[3⇓-5]。通常而言，旅游行为不仅包括了人们为了个人或商业/职业等目的向惯常环境外的区域旅行，还涵盖了旅游者影响下的相关产业活动[6]，其本身就具有鲜明的网络化特点。例如，旅游者群体在旅游地间的往返，构成了旅游客流网络；旅游者群体内部也会存在人际关系网络，人物节点可由旅友、家庭、或工作等关系彼此连结而成；在旅游者视角之外，旅游产业的运营管理也会存在着政策导向的复杂交织，构成一个利益相关网络。可见，旅游领域与网络科学的交叉不仅呈现一定多样性，还与社会科学的关键研究议题相呼应[7]。基于此，这类应用研究可被概括为：使用网络科学的理论与方法探析旅游活动的参与者（如游客、利益相关居民、景区、相关产业等）或其它相关要素之间的复杂关系和相互作用，揭示其中蕴含的规律与影响因素，以此丰富旅游领域的相关理论与实践的学术研究。
尽管在早期就有学者使用“网络”一词来表达旅游利益相关者间的复杂关系或旅游产业（特别是旅游交通业）的建设愿景[8-9]，真正意义上引入网络科学的理论与方法来描述旅游领域现象的研究始于20世纪90年代[10-11]。随着近年来数字与信息技术在旅游场景中的广泛运用，旅游信息系统、虚拟旅游等新技术和新业态层出不穷，大幅改变了传统旅游信息的产生、分发及存储过程[12]。在此背景下，网络科学支撑下的旅游研究也获得了迅速进展，这主要得益于旅游信息的3项重要改变：① 智慧化的旅游平台（如旅游电子商务、在线旅游服务平台）以及新的传感器技术的出现使得旅游信息的形式与内容趋于多样化，让更多有意义的案例呈现在研究者面前；② 旅游信息的采集变得更加便捷，为研究者提供了大量真实世界的旅游领域数据（如携程与去哪儿网的在线游记数据、Flickr与Panoramio的地理标记照片数据等），解决了传统研究的数据获取难题；③ 在技术系统的支撑下，旅游信息变得易于结构化，更易被应用至网络科学视角的学术研究中。
已有部分学者对网络科学理论与方法在旅游领域中的应用研究进行了综述分析，而这些现存文献多从不同的细分领域（如旅游客流、旅游经济、旅游政策等方面）入手[13]或限于特定的网络分析范式[14-15]，在方法论层面缺乏一定的广度与深度。鉴于此，本文旨在从研究实践视角对相关学术文献进行系统梳理，并对核心的研究内容进行较为清晰的整理和总结，力图有效呈现网络科学与旅游领域现象的交叉实质与契合性，并借此就当前研究存在的问题以及未来的研究发展方向进行讨论。

2 研究进展

本文的研究进展部分基于如图1所示的研究框架，涉及理论基础、应用场景基础以及核心研究内容3部分。其中，理论与应用场景基础将在后文2.1节中简要概述，核心研究内容则将在后文2.2节—2.4节从微观尺度、介观尺度以及宏观尺度3个方面进行重点梳理。
图1 研究框架

Fig. 1 Research Framework

2.1 理论与应用背景

网络科学理论与方法在旅游领域中的应用研究主要涉及2大学科基础：“网络科学”以及“旅游科学”，其它重要支撑学科（如测量学、地理学、管理学等）则在研究的方法论或应用层面提供了额外见解。“系统”（可被定义为一种涵盖相互作用的元素的综合体）在相关研究中是联系旅游科学和网络科学的纽带。具体而言，旅游系统是描述和归纳旅游现象的概念性“系统”；旅游信息是深入揭示旅游领域“系统”的现象规律的重要媒介[16]；网络科学则是探讨复杂“系统”的工具，同时也是研究其中现象规律的一门科学[2]。由此可归纳，网络科学理论与方法在旅游领域中的应用研究具有鲜明的系统性特征，并可被纳入至系统研究的广义范畴。
网络科学理论与方法在旅游领域中的应用场景众多，表1选取了6个较为常见的领域网络进行示例性介绍。这些领域大致可划分为3个类别：① 与“人”相关的（如旅游人际网络、旅游客流网络等）；② 与“市场及经济”相关的（如旅游竞合网络、旅游经济网络等）；③ 与非表象特征相关的（如旅游链接网络、旅游认知网络等）。此分类标准对应于旅游的现象属性，即以旅游者为导引、以旅游产业的勃兴为呼应[6,17]。在旅游研究中，网络中的“行动者”（行动者网络理论中对网络节点的称呼，指任何能够与其它实体发生关联的实体）并不局限于人类个体，还可用于指代与旅游相关的企业、组织、目的地甚至技术要素等。此外，区别于主要关注对象物理位置及形态的传统空间分析，网络科学分析方法在旅游研究场景中的引入能够帮助研究者更深入地捕捉旅游系统内的动态关系，并与非空间属性（特别是与旅游相关的社会学交互）有机结合。
表1 学术研究中常见的旅游领域网络示例

Tab. 1 Examples of tourism network in academic research

网络类型 节点表达 边表达 研究侧重点
旅游人际网络 旅游者、旅游从业者、居民等旅游业参与人 人际交往行为 从微观的人际关系层面为推动旅游业和平稳定发展提供精细化建议[18-19]
旅游客流网络 旅游相关场所（如景点、餐馆、酒店等）、旅游目的地 人群移动行为 从地理空间视角探索游客需求，为目的地的旅游规划与营销提供依据[20-21]
旅游竞合网络 任何类型的旅游利益相关者 特定类型的社会经济行为，多为同类型利益相关者间的 从市场的视角揭示旅游业的行业规律/规则，为提高目的地旅游市场竞争力提供建议[22⇓-24]
旅游经济网络 多为旅游目的地（如城市、地区乃至国家） 与旅游业发展相关的经济联系 从经济学视角分析目的地间的旅游经济联系，为优化区域旅游业布局、推动旅游业一体化发展提依据[25-26]
旅游政策网络 任何类型的旅游利益主体 任何与利益交互相关的正式或非正式联系，主要强调不同类型利益主体间的 从宏观层面理清旅游业运行涉及的利益“纠葛”，提供更为具体化的政策建议[27⇓-29]
旅游链接网络 与旅游（业务）相关的网站、网页等 多为网页或网站之间的超链接关系 从互联网的视角探索旅游信息流的传播，为加强旅游网站建设、促进目的地的旅游宣传、提高游客的满意度提供建议[30-31]
…… …… …… ……
在网络科学的学术文献中常会出现两个重要概念，分别为“复杂网络（Complex Network）”与“社会网络（Social Network）”，这2个概念作为研究领域或方法的区别与联系近年来引起了学者们的激烈讨论。从现象层面看，顾名思义，社会网络是一种反映社会性结构的网络，而复杂网络是一种具有复杂拓扑结构的网络。而二者在具体学术研究中的区别绝非如现象层面一样清晰，它们不仅代表了2个看似有所交叉的网络类别，还代表了2类特别的研究“流派”甚至“范式”，分别被具有社会学与物理学背景的学者所推崇[32-33]。在旅游领域的研究中，社会网络与复杂网络更多被作为分析范式引入，这使得不同文献在术语与方法的使用上会呈现一定差异。当然，复杂网络与社会网络二者不应被对立，因为它们均是网络科学发展进程中的重要组成部分[33-34]。但由于历史原因，目前忽略二者的区别仍是较为困难的[32]。例如，术语及方法的使用与选择（如后文2.3节提及的社区与凝聚子群的差异）、自我中心网络（Ego-network）研究的理解、对社会学和物理学现象的洞察等均是二者作为2种范式在研究中难以处理的差异。
本文将网络科学理论与方法在旅游领域中的核心研究内容根据尺度划分为微观（Microscopic）、介观（Mesoscopic）以及宏观（Macroscopic）3部分。在网络科学的研究场景中，“尺度”主要是指观察与分析网络规律的层级或分辨率，主要涉及在不同的层次上对网络结构进行探索，不同领域的学者对于网络尺度的理解同样也具有差异。Éber等在旅游研究场景中对这3个网络尺度进行了界定[35]： ① 微观尺度：关注于目标旅游行动者的局部属性；② 介观尺度：指网络的中间（Intermediate）层级，在旅游研究中多用于描述旅游行动者的聚集结构；③ 宏观尺度：通常指旅游行动者网络的全局拓扑结构特征，是对网络整体属性的总结。该界定标准也与诸多网络科学理论与方法在其他人文社科领域的应用文献相一致[36⇓-38]，因而也被本文所采用，示意如图2所示。
图2 网络在旅游研究场景中的微观、介观与宏观

Fig. 2 Microscopic, mesoscopic, and macroscopic scales in the research scenario of tourism network

2.2 微观尺度

在旅游领域中，网络的形成通常来源于旅游行动者间的频繁交互。因交互异质性的存在，各旅游行动者在网络中地位各异，对于资源的掌控能力也不同，甚至还“扮演”了不同的角色[39]。微观尺度的研究视角则为研究者提供了“显微镜”，帮助他们观测与探析网络中旅游行动者间的关键交互特征。由于旅游行动者往往是研究中政策建议的来源或面向群体，网络科学中的微观指标也多以节点为计算单元，因此网络科学理论与方法在旅游领域中的应用研究在微观尺度也可以视为一种分析作为网络节点的目标旅游行动者的“交互属性”研究。其中，中心性（Centrality）与结构洞（Structural Holes）受到了最多关注。
在网络科学中，中心性被认为是最简洁有效的节点重要性度量指标，在本文的相关文献中也最为常见。中心性涵盖多种计算方式，具体取决于设计者对节点重要性的理解[40]，最常见的3个指标是度中心性（Degree Centrality）、介数中心性（Betweenness Centrality）以及接近中心性（Closeness Centrality），分别可用于测量目标旅游行动者与其他行动者的直接关联程度、目标旅游行动者在相连的不同行动者之间的疏导能力、目标旅游行动者与其他行动者的接近（亲密）程度。在旅游领域的研究中，引入中心性指标对于增强研究成果的现实意义格外重要。例如，在旅游客流网络研究中，若某景点的介数中心性指标数值较高，那么它可被认为是旅游客流的疏通者或中介者，其周边需要被作为交通基础设施建设的重点区域[21]。
在旅游领域的研究中，中心性通常具有以下几种应用场景。首先，正如前文提及的，中心性可用于旅游行动者的角色确定[4]，这类研究具有鲜明的社会网络研究特色，即通过定量的分析得到定性的结论。其次，中心性指标也可用于对旅游行动者进行重要性分级，即探讨哪些行动者是重要的，哪些行动者是次要的[41]。最后，旅游行动者的中心性分析结果也可作为解释或被解释变量，与行动者的其它背景属性（如目的地的人口、建设现状）结合来探讨重要的旅游业发展问题[42]，或从时间动态视角判断旅游行动者的地位变化或评估重大事件的影响[43]。然而，在旅游领域的研究场景中，中心性也不可避免地存在缺陷。例如，中心性的指标分类过于繁杂，且仅能通过特定视角实现特定现象的度量，导致引入单一指标并不能够实现节点重要性的全面评估；其次，旅游领域的研究往往期望能够得到反映市场或经济影响的结论，诸多中心性指标并不能很好满足此类需求，而这就需要结构洞理论的引入。
结构洞理论由Burt提出，通常被用于描述“行动者之间的非重复（冗余）关系”[44]，被称为一种反映社会竞争的结构化理论[45]。在旅游领域的研究中，结构洞指标的计算能够帮助研究者定量化探知一定区域范围内的旅游业务流通与发展瓶颈问题，通常采用效能性（Effective Size）与约束性（Constraint）2个指标从正反两方面进行分析。通常认为，效能性指标数值较大、约束性指标数值较小的旅游行动者是整个网络中的结构洞节点，在区域的旅游竞争中占据着显著优势。
在旅游领域的研究场景中，结构洞理论与旅游竞合网络研究（表1）联系密切。在旅游竞合网络研究中，直接获得利益相关者间的竞争数据通常是较为困难的，这就需要研究者通过其它反映利益交互的信息来对竞争关系进行推断，就像Xu等[46]、Racherla等[47]的研究工作流程。此外，占据结构洞位置的行动者也往往是网络中的“搭桥者（Bridging-actor）”，这类行动者通常具有较高的介数中心性，在控制网络的信息和资源流通方面起到关键作用，因此也有研究者采用介数中心性对旅游领域网络中的结构洞现象进行近似测量[48-49]。在目前，结构洞理论在微观尺度的旅游领域研究中应用得并不如中心性一样广泛，这或是因为结构洞指标在一定程度上缺乏可诠释性（该理论的建立多基于存在利益竞争的假设），且因侧重于评估行动者的经纪潜力（Brokerage Potential）而非影响力导致适用的研究场景有限。
除中心性与结构洞外，在网络科学中还存在其它面向节点的微观度量指标，但在旅游领域的文献中引入相对较少。例如，同样可用于计算旅游行动者重要性的PageRank指标（部分文献也将其纳入至中心性范畴）[50]；用于度量旅游行动者与“邻居”行动者间的联系紧密程度的局部聚类系数（Local Clustering Coefficient）[51]；用于评估旅游行动者在网络中的可及性的节点偏心率（Eccentricity）[52]等。综上所述，微观是最具研究多样性的尺度，涵盖了数量可观的指标与方法，但这也意味着学者们在具体研究中针对分析流程的设计需要更加谨慎，以免出现对原理与概念的误解。此外，微观尺度的分析侧重于对网络的链路结构进行精细化的探索，不可避免会受到数据质量问题特别是报告偏倚（Reporting Bias）的显著影响，因而对支撑数据的可靠性提出了较高要求。

2.3 介观尺度

在网络科学中，介观是一个定义较为模糊的尺度[53]，多指用于探索节点聚集现象的层级[54-55]。在旅游领域的研究中，介观尺度的引入有助于研究者发现具有行为共性或内部联系紧密的旅游行动者群体结构，这对于强调市场细分战略（即为追求效益的最大化而按照某种标准将总体市场划分为若干子市场以进行具有针对性的营销或推广）的旅游业营销与管理实践格外重要。在文献中最常见的 2个与介观尺度相关的概念是“社区/凝聚子群（Communities / Cohesive Subgroups）”与“核心-边缘结构（Core-Periphery Structure）”。
“社区/凝聚子群”用于描述网络中的密集子网，其形成源于聚集节点间的紧密交互。社区与凝聚子群通常视为同义词，区别在于具有社会学背景的研究者更倾向于使用凝聚子群，物理学和计算机科学领域的研究者更倾向于使用社区[56]。由于旅游领域的研究会吸引诸多学科背景的研究者，因此两个术语在相关文献中均会较常出现。值得一提的是，“凝聚子群”相比“社区”在旅游文献中的被使用频率更高，这或是因为网络科学中的“社区”极易与传统旅游研究中的“社区”（通常定义为生活在某一地理范围内具有共同利益和归属的人员）在概念上发生混淆。在实践层面，由于学科鸿沟的存在，社区与凝聚子群会不可避免地在提取方法上存在割裂。其中，文献中较为常见的“社区”探测与“凝聚子群”提取方法分别是基于模块度（Modularity，由美国密歇根大学物理学系的Newman[57]提出）的算法与CONCOR算法（由美国哈佛大学社会学系的Breiger等[58]提出）。
正如地理与人口要素是最常见的两大市场细分标准[59]，社区/凝聚子群在旅游领域的研究场景也可以据此划分为地理效应和人际效应2个主要类别。从研究动机来看，在地理空间视角的研究中学者们通常需要将各个旅游节点（多为景区、目的地等具有地理意义的单元）根据交互信息进行合并，以实现旅游空间或旅游功能区的地理划分[60-61]。与传统空间分析方法（如基于密度的空间聚类）相比，基于社区/凝聚子群的方法能够顾及要素之间的交互连接模式，将关系信息纳入其中，并有助于克服空间邻近性偏见的限制。而在利益相关者的研究视角中，学者们往往需要对各个网络节点所表征的旅游利益相关者（通常为旅游业者、旅游组织）间的利益交互进行测量与评估，并以此识别这些利益相关者的团体结构特征[5,62]。此外，社区/凝聚子群也可被用于探索一些更深层次的旅游相关现象，例如Li等[63]、Liu等[64]的关于旅游认知网络、旅游预期流网络的研究工作均将社区/凝聚子群作为一种认识旅游领域潜在影响的重要媒介。
“核心-边缘结构”的概念区别于“社区/凝聚子群”，是指一种中心由大量节点构成且连接紧密、外围稀疏分散的单元结构，也可被纳入至介观尺度的研究范畴[38]。面向识别“核心-边缘结构”的分析任务则是根据网络中节点间的联系紧密程度将所有节点划分为核心节点与边缘节点。“核心-边缘结构”的识别算法众多，在旅游领域的研究场景中应用较广的是Borgatti[65]提出的离散型与连续型计算模型。从结果上看，离散型模型的分析原理是根据节点间的交互强度实现节点二分类（核心节点/边缘节点），连续型模型则是根据各个节点的“核心度（Coreness）”计算结果实现节点分级。
与地理学中的“核心-边缘理论”类似，网络科学的“核心-边缘结构”在旅游领域的研究中多用于分析旅游业的发展动态。在目的地视角，“核心-边缘结构”的分析结果可为旅游业的管理与规划提供建议。例如，Wang等[66]探讨了2011—2016年中国省级旅游效率网络的“核心-边缘结构”时空演变，指出网络结构呈现中心化的发展趋势，边缘省份与核心省份的产业合作亟待加强；Zhang等[67]探讨了2016—2020年中国西三角经济区与文化旅游相关的互联网关注网络的“核心-边缘结构”演化，指出应充分发挥核心城市的带动作用、加强城市间的合作宣传。甚至在学术成果视角，“核心-边缘结构”也能够被应用于学术网络以探知整个旅游领域或其某一细分领域的研究进展与趋势[47]。
综上所述，介观尺度的研究能够通过行动者群体的视角解析网络结构，不仅可突破微观尺度的分析结果仅聚焦于单一行动者的局限性，也能够帮助研究者更深入地理解网络的形成机制，即不同的行动者是如何相互联系并形成子集或呈现分化的。目前介观尺度在旅游领域的研究中面临的挑战主要来源于方法和概念层面。由于算法原理与参数输入的不同，不同的研究者应用不同的介观方法（特别是社区探测算法）往往会得到具有差异的结果，这会使研究成果在一定程度上缺乏准确性和可比性。此外，自网络科学引入的“社区”与“核心-边缘结构”等介观概念极易与旅游科学或其他相近学科的同字概念发生混淆，这可能会阻碍研究成果的跨学科交流与可理解性。

2.4 宏观尺度

宏观尺度聚焦于网络的全局拓扑结构特征，它提供了整个网络的“鸟瞰图”，用于考察网络中资源、权力和链路的总体分布[36]。在旅游领域的研究场景中，宏观尺度的网络分析能够帮助研究者了解旅游领域网络的整体组织结构，以从更加系统化的层面理解旅游行动者之间是如何产生连接的，以及这些连接是如何呈现与分布的，基于此确定旅游业的基本运行规则和发展机制。在复杂网络研究中有2个著名议题，分别被称作网络的“无标度（Scale-free）”与“小世界（Small-world）”特性，被广泛纳入至宏观尺度的网络科学研究中[37]，在旅游领域中也得到了广泛应用。
“无标度”（该词汇来源于幂律分布的标度不变性）网络是指一种度分布（即对网络中节点度数的总体描述）服从或者接近幂律分布（Power-law Distribution）的复杂网络[68]。网络具有无标度特征意味着大多数节点只与少数节点连接，而少量的节点却往往拥有极其多的节点连接。符合幂律的无标度网络的典型特征就是在双对数坐标系下度分布会呈现为一条近似直线。图3以中国赴北欧国家的旅游客流网络（节点为景点、边为旅游人群的移动）为例对此现象进行展示。
图3 无标度网络的节点度分布（以旅游客流网络为例）

Fig. 3 Node degree distribution of the scale-free network (from an instance of tourist flows)

在旅游领域的研究场景中，网络具有无标度特征通常意味着网络中的多数权力或资源流通只由少数的旅游行动者所掌控（具有交互异质性），而这种现象的好坏与否需结合具体研究背景来评判。从正面影响来看，旅游领域的无标度网络中枢纽行动者的存在通常会促进相关资源的有效再分配，这在一定程度上为其他行动者带来了更多的发展机遇，该观点与“涓滴理论”（Trickle-down Theory）[69]相关联。而从负面影响来看，权力或资源的过度集中不仅会导致旅游业内的利益分配不平等，也往往会致使网络呈现“脆弱性”，使区域的旅游系统极易陷入运行危机，如热门目的地或景区客流过于聚集所导致的过度旅游（Overtourism）问题[70]。在文献中，无标度特征在“旅游客流网络”（表1）中的呈现受到了最多研究者的关注。在这类网络中，大多数旅游地与周边其它旅游地的客流联系往往较为稀少，大多数的客流联系主要集中在少数旅游地中，如Zheng等[3]、Lozano等[71]关于特定区域（景点层级）与全球（国家层级）的旅游客流网络研究。此外，也有学者发现了旅游竞合网络所具有的无标度特征[72-73]。
在“小世界”网络中，大多数节点之间并不相邻，但任一给定节点的邻居节点却很可能彼此是邻居，且大多数节点都可从任意其他节点用较少的步或跳跃访问到，具体可体现为较短的“平均最短路径长度（Average Shortest Path Length）”和较高的的平均集聚系数（Average Clustering Coefficient）[74]。在旅游领域的研究场景中，具有小世界特性通常意味着网络中旅游行动者之间存在着高度的互连性和可及性，这对于促进区域内与旅游相关的信息流通、市场合作以及效应传播具有重要意义。
在文献中，与无标度网络类似，小世界特性在旅游领域中的发现也多基于旅游客流网络。对于旅游客流网络而言，具有小世界特性往往意味着任意2个旅游地之间都具有较亲密的客流联系，即使它们之间距离较远或没有直接的客流来往。换言之，旅游客流网络的小世界特性表明旅游地之间的通达性较好，旅游者在其中具有较高的旅行自由度。在目前，研究者们已从特定地区的景点层级[75]以及全球范围的国家层级[76-77]对旅游客流网络的小世界特性进行了探索。除旅游客流网络外，也有少数研究者发现了旅游网站的链接网络[78]以及旅游消息的传播网络[79]所具有的小世界特性。
除无标度和小世界特性外，网络科学在宏观尺度也存在诸多可用于评估网络整体属性的基本指标。例如，分别可用于评估网络中所有旅游行动者整体性联系的紧密、集中以及协调程度的网络密度（Density）[80]、中心势（Centralization）[21]以及效率（Efficiency）[35]。综上所述，宏观尺度的研究方法通过对网络的全局拓扑结构特征进行解析，能够帮助研究者验证乃至发现旅游领域网络所具有的普遍性规律，不仅为旅游部门的管理决策提供依据，也对于旅游领域知识的发展具有重要意义。目前旅游领域的宏观尺度研究所面临的挑战更多体现在数据层面。宏观尺度的分析方法通常是为具有大量节点和边的大规模网络设计的，研究者往往需要大量的数据来准确表达网络结构，这对传统多基于调查数据的旅游领域研究而言是一个挑战。此外，现有宏观尺度方法侧重于对网络的全局意义进行探讨，相比微观尺度缺乏对具体行动者或具体交互的洞察力，阻碍了研究成果派生的实践意义的精确性。

2.5 问题总结

如前文所述，网络科学的理论与方法已在微观、介观以及宏观尺度于旅游领域的研究中得到了较为广泛的应用，相关具体内容可从研究侧重点、主要理论或方法、常见应用研究内容3个方面进行总结，如表2所示。
表2 旅游领域研究场景中的网络尺度

Tab. 2 Summary of network scales in tourism research scenarios

网络尺度 研究侧重点 主要理论或方法 常见应用研究内容
微观（Microscopic） 关注于目标旅游行动者的局部交互属性 中心性、结构洞、局部聚类系数等 旅游行动者的角色定位、重要性分级、动态变化分析、竞合关系评估等
介观（Mesoscopic） 关注于旅游行动者群体性行为形成的聚集现象 社区/凝聚子群、核心-边缘结构等 旅游空间或旅游功能区的地理划分、旅游利益相关团体的识别、行动者集散结构提取等
宏观（Macroscopic） 关注于旅游行动者网络的全局拓扑结构特征 网络的无标度与小世界特性、网络密度、中心势等 旅游交互的异质性分析、过度旅游现象揭示、旅游者的旅行自由度评估等
然而，由于网络科学真正被引入旅游领域中的时间相对较短，加之网络科学的诸多理论与方法本身仍然处于亟需完善的阶段[81]，因此网络科学理论与方法在旅游领域中的应用研究在目前难免仍会存在一些不足或值得深入探讨的地方，具体可总结为以下4个方面：
（1）研究数据存在可靠性问题。在旅游领域的研究中，学者们经常会采集到信息有限或不完整的数据，这往往会对网络构建的详细程度和准确性造成影响。此外，由于样本量不足或抽样偏差的存在，采集的数据可能会缺乏代表性，这也会在网络视角的研究中暴露无遗。前文中，数据问题在微观与宏观尺度均被重点指出。研究者们必须对数据质量加以重视，并尝试设计解决方案以规避由数据问题而产生的负面影响。
（2）网络的“多尺度现象”并没有在旅游领域的研究中得到广泛关注与理解。正如前文指出的，网络科学在不同尺度存在诸多指标与探索方法，但多数案例分析文献仅将各尺度的指标和方法详尽地列举，而缺乏对多尺度现象的深入解释与讨论，旅游领域的核心问题和主要发现被由此掩盖。旅游是一个复杂的系统，涉及到行动者在多个层面的交互效应，引入多尺度视角则能够帮助研究者们从微观到宏观、从局部到整体地对旅游系统的结构和功能进行更具综合性的理解。
（3）研究成果面临可解释性挑战。例如，前文指出微观尺度的结构洞理论是建立在行动者都会在网络中寻求自身利益和机会的最大化的假设之上，这使得其研究结果并不能严谨地解释旅游领域的所有因果关系；宏观尺度的研究通常将网络视为通用的拓扑，缺少对物理结构背后与旅游相关的社会现象的考虑，且缺乏对具体节点或交互的洞察力，使得研究者往往只能据其得到看似具有普遍性但却难以解释具体成因的结果。此外，在旅游领域中相同的节点间可能会存在不同类型的交互（如目的地间会同时存在与旅游相关的客流、经济流、信息流等），由特定交互类型的分析能否得到合理的宏观政策建议仍值得商榷。
（4）网络科学的引入在推动旅游领域的理论发展方面略显不足。网络科学在目前仍未与旅游领域达到真正的有机融合，其在研究中更多扮演了技术性工具的角色。近年来仍有诸多研究文献的主体内容在得到了案例网络的基本结构特征后戛然而止，并未针对研究的方法框架或分析结果对旅游领域的理论创新有何贡献进行更深入的讨论，导致研究成果始终停留在案例层面。换言之，研究应将网络科学的分析视为一种获得旅游领域的现象规律与知识的重要途径。正如前文提及的，宏观尺度或是解决本问题的重要切入点。

3 研究展望

3.1 大数据时代下的研究机遇

旅游领域网络的构建离不开旅游数据的支撑。虽然“网络”本身是一个抽象化的概念，但是在实际研究中学者们通常需要引入大量的现实世界数据将其“具象化”，这就对研究数据提出了较高要求。从多尺度视角来看，微观尺度的分析重点是在最小的观测单元上探索节点间的交互作用，需要较为详细和精确的高质量数据来支撑；介观尺度主要是对节点聚集现象进行探讨，虽然仍需要具有一定准确性的数据，但其通常允许在一定范围内的平均化或简化，对数据质量的要求略低；宏观尺度关注于网络的全局拓朴属性，少量错误数据的存在并不会对整体结果造成显著影响，相比介观与微观对数据质量的容忍度最高，但却对数据的样本量提出了较高要求。然而，传统的旅游研究多基于调查数据，在数据的质量与样本量方面皆存在些许不足，难以支撑网络视角的研究开展。
在当前的数字化转型时代，互联网技术的进步与高渗透率使得大量旅游领域数据通过用户生成内容、交易数据、设备数据等形式被产生，它们通常被称为旅游大数据[82]。旅游大数据提供了大量可用的真实世界样本，且一般具有较高的数据质量，为网络科学视角的旅游研究带来了新的发展机遇。当然，旅游大数据也存在一些缺陷，例如通过众包方式采集的数据在研究中同样也会面临着缺乏样本代表性问题[83]，而且会为旅游领域带来新的分析危机[84]。此外，大数据的引入也为研究者带来了更多的技术性难题。总而言之，旅游大数据在网络视角的研究中需要受到更多的关注，但正如Tan等[15]指出的，数据质量与样本问题对于研究的正确开展而言也尤为重要，未来学界仍需要为此不断改进数据的采集与处理方法，以更好地支撑网络科学理论与方法在旅游领域中的应用研究。

3.2 多尺度研究框架

对于旅游领域中的网络而言，多尺度的研究视角可以综合展示旅游行动者在不同层次上的交互。以旅游客流网络为例，微观尺度的分析可以对各个旅游地进行客流评估与角色定位，提供更加精细化的建议；介观尺度的分析能够帮助研究者探知旅游地之间的集聚关系，为组合营销或市场细分策略的制定提供参考；宏观尺度的分析描述了客流的总体分布与链接规律，为整个区域旅游业的宏观决策提供见解。由于网络不仅仅是由它们的细部或整体结构来定义的，只有通过在多个尺度上进行探索，才能让研究者更好地理解网络在不同层次上的结构特征和规律，从而有效提高研究的深度。但值得注意的是，多尺度研究并不意味着指标或方法的堆砌，而应当在尺度转换的过程中，保持科学性和合理性，将各个层面的研究结果有机地结合起来，形成一个核心问题明确、思路清晰的研究框架。
然而，多尺度视角的网络研究并未在旅游领域中得到广泛关注。虽然诸多旅游领域的文献涉及了适用于不同尺度研究场景的网络分析方法，但是它们并未根据网络的多尺度现象进行合适的处理与整合，仅有少数研究者构建了面向多尺度的研究框架。标志性的文献来自于Gao等[38]，该研究尝试对旅游领域网络中的多尺度现象进行探索，并提出了一个基于“宏观-介观-微观”多尺度网络分析的研究框架。值得一提的是，与空间分析视角中更多表达研究区域或主体地理范围的“空间尺度”[85-86]不同，网络科学视角的尺度主要强调的是观测网络结构规律的层级或分辨率。在未来，以网络科学中的多尺度概念为切入点的旅游领域现象仍需获得更多关注。

3.3 网络语义与多层网络

在旅游领域的研究场景中，具有相同节点的网络总是会因边的交互语义表达的不同而产生显著差异，这会对研究成果的可解释性造成影响。例如，已有研究指出旅游客流网络中的客流属性特征[20]与旅游竞合网络中的企业合作类别[22]的不同会使网络分析在结果上呈现较显著的差异。将网络结构由单层扩展为多层则是一种实现顾及语义信息的复杂网络分析的重要途径[87]。多层网络（Multi-layer Network）能够将网络根据特定的语义进行分层，并使用连边将各单层网络相连从而形成更具综合性的复杂系统，在近年来已逐渐形成了较为完备的理论与方法体系。在应用视角，多层网络的理论与方法已被广泛应用至医学[88]、地理学[89]、交通[90]等学科的具体研究中。
然而，多层网络在旅游领域的研究中并未得到足够的重视，更少有研究者根据网络的语义信息对旅游领域网络进行多层式的探索。多层网络的研究思路可以帮助研究者捕捉不同旅游现象影响下的行动者关系和环境依赖性，从而实现对旅游系统的更全面理解。虽然Cehan等[91]、Liu等[92]分别尝试构建了面向旅游竞合网络与旅游客流网络的多层网络结构，但他们的研究工作更多侧重于将多层网络用于现象展示，而并未真正地引入面向多层网络结构的分析方法。在未来，研究者仍需要不断探索或改进多层网络的原理与分析方法，以更好地支撑旅游领域应用场景的多层网络研究工作。

3.4 网络科学与旅游系统论

网络科学是一个跨学科的研究领域，可被用于探讨几乎任何类型的复杂系统。近年来，网络科学已被应用于解释诸多学科领域中的系统问题，如交通系统[93]、生物系统[94]以及生态系统[95]等。在这些领域系统中，各元素间的关联与影响已被印证可通过网络科学的理论与方法被很好地揭示出来，研究者在此基础可以深入了解这些领域系统乃至整个领域学科的深层规律。虽然网络科学的理论与方法已在旅游领域的研究中被广泛应用，但这些文献极少将网络科学真正应用于解释各种旅游现象的关联实质与理论意义。换言之，网络科学在目前仍未被广泛纳入至旅游系统的理论性探索中。
在旅游领域的研究中，网络科学可以为研究者从系统的视角厘清旅游系统中不同行动者之间的规律性联系提供独到的见解。然而，现有的研究工作多仅关注于特定目的地的旅游业现状，而少有尝试去使用网络科学的思维来总结一些具有普遍性的旅游系统规律。近年来，意大利学者R. Baggio及其研究团队针对网络科学的系统性思维在旅游研究中的理论实践做出了诸多探索，并指出网络科学在本质上为解析旅游系统现象的动态结构以及形成机理提供了一个更完备、更客观的视角[35,96-97]。然而，基于网络科学的旅游系统理论研究在目前仍未广泛开展。在未来，研究者们仍需要继续探索如何将网络科学与旅游系统的理论框架相结合，以便对旅游领域的知识有一个更全面的理解。

4 结论

综上所述，网络科学理论与方法在旅游领域中的应用研究已在近年来得到了研究者的广泛关注，应用方法体系趋于成熟，研究对象已从常见的旅游人际网络、旅游客流网络等扩展到旅游经济网络、旅游政策网络等诸多关乎旅游业发展的关键要素。本文从微观、介观以及宏观的多尺度视角针对网络科学理论与方法在旅游领域中的应用研究进展进行总结，其中微观尺度关注于目标旅游行动者的交互属性，介观尺度关注于旅游行动者的聚集现象，宏观尺度关注于旅游领域网络的全局拓扑结构特征。在最后，本文对当前研究中普遍存在的问题进行总结，并从大数据时代下的研究机遇、多尺度研究框架、网络语义与多层网络、网络科学与旅游系统论4个方面对未来的研究发展方向进行展望。
网络科学与旅游研究具有天然的契合性，在未来仍将具有巨大的研究潜力。随着信息与通讯技术的发展，积累了大量易结构化且高质量的旅游数据，同时UCINET、Gephi、Pajek等网络可视化与分析工具也趋于成熟，从而简化了从网络科学视角开展旅游研究的流程。与此同时，网络科学和旅游领域本身也在飞速地发展，为未来两者的深度交融带来了无限可能性。不难预测，在未来几年内，网络科学理论与方法在旅游领域中的应用研究仍将是一个极为热门的研究方向，不仅为网络科学领域的研究带来了更多的现实案例，也在实践层面为评估旅游业的恢复和可持续发展提供有力支持。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
程涛, 张洋, James H. 基于网络和图的时空智能——概念、方法和应用[J]. 测绘学报, 2022, 51(7):1629-1639.

DOI

[ Cheng T, Zhang Y, James H. Network and graph-based SpaceTimeAI: Conception, method and applications[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1629-1639. ] DOI:10.11947/j.AGCS.2022.20220236

[2]
Watts D J. The “new” science of networks[J]. Annual Review of Sociology, 2004, 30:243-270. DOI:10.1146/annurev.soc.30.020404.104342

[3]
Zheng Y, Mou N, Zhang L, et al. Chinese tourists in Nordic countries: An analysis of spatio-temporal behavior using geo-located travel blog data[J]. Computers Environment and Urban Systems, 2021, 85:101561. DOI:10.1016/j.compenvurbsys.2020.101561

[4]
Liu B, Huang S S, Fu H. An application of network analysis on tourist attractions: The case of Xinjiang, China[J]. Tourism Management, 2017, 58:132-141. DOI:10.1016/j.tourman.2016.10.009

[5]
Baggio R. Collaboration and cooperation in a tourism destination: A network science approach[J]. Current Issues in Tourism, 2011, 14(2):183-189. DOI: 10.1080/13683500.2010.531118

[6]
Papadopoulos S I. The tourism phenomenon: An examination of important theories and concepts[J]. The Tourist Review, 1986, 41(3):2-11. DOI:10.1108/eb057949

[7]
秦昆, 林珲, 胡迪, 等. 空间综合人文学与社会科学研究综述[J]. 地球信息科学学报, 2020, 22(5):911-928.

[ Qin K, Lin H, Hu D, et al. A review of spatially integrated humanities and social sciences[J]. Journal of Geo-Information Science, 2020, 22(5):911-928. ] DOI:10.12082/dqxxkx.2020.200232

[8]
李乃艳, 陈御生. 建立武汉市旅游网络初探[J]. 经济地理, 1987(2):144-148.

[ Li N Y, Chen Y S. A preliminary study on establishing tourism network in Wuhan City[J]. Economic Geography, 1987(2):144-148. ]

[9]
Gonsalves P S. Alternative tourism-The evolution of a concept and establishment of a network[J]. Tourism Recreation Research, 1987, 12(2):9-12. DOI:10.1080/02508281.1987.11014507

[10]
Pearce D G. Tourist organizations in Sweden[J]. Tourism Management, 1996, 17(6):413-424. DOI:10.1016/0261-5177(96)00050-7

[11]
Oppermann M. Intranational tourist flows in Malaysia[J]. Annals of Tourism Research, 1992, 19(3):482-500. DOI: 10.1016/0160-7383(92)90132-9

[12]
魏伟, 丁双莹, 刘方方, 等. 旅游信息科学:多学科交叉融合背景下的理论与实践探究[J]. 地球信息科学学报, 2023.

[ Wei W, Ding S Y, Liu F F, et al. Tourism information science: Research on theory and practice under the background of interdisciplinary integration[J]. Journal of Geo-Information Science, 2023.] DOI:10.12082/dqxxkx.2022.220416

[13]
Van der Zee E, Vanneste D. Tourism networks unravelled; a review of the literature on networks in tourism management studies[J]. Tourism Management Perspectives, 2015, 15:46-56. DOI:10.1016/j.tmp.2015.03.006

[14]
王素洁, 胡瑞娟, 程卫红. 国外社会网络范式下的旅游研究述评[J]. 旅游学刊, 2009, 24(7):90-95.

[ Wang S J, Hu R J, Cheng W H. A literature review on overseas tourism research under the perspective of social network[J]. Tourism Tribune, 2009, 24(7):90-95. ]

[15]
Tan P Y, Ismail H N, Jaafar S M R S. A systematic literature review of social network analysis in tourism flows[J]. Journal of Tourism Hospitality and Environment Management, 2021, 6(26):143-154. DOI: 10.35631/jthem.626012

[16]
李君轶, 张柳, 孙九林, 等. 旅游信息科学:一个研究框架[J]. 旅游学刊, 2011, 26(6):72-79.

[ Li J Y, Zhang L, Sun J L, et al. Tourism information science: A research framework[J]. Tourism Tribune, 2011, 26(6):72-79. ]

[17]
邵琪伟. 中国旅游大辞典[M]. 上海: 上海辞书出版社, 2012.

[ Shao Q W. China Tourism Dictionary[M]. Shanghai: Shanghai Lexicographical Publishing House, 2012. ]

[18]
Chung J Y. Online friendships in a hospitality exchange network: A sharing economy perspective[J]. International Journal of Contemporary Hospitality Management, 2017, 29(12):3177-3190. DOI:10.1108/ijchm-08-2016-0475

[19]
Luo Q, Zhong D. Using social network analysis to explain communication characteristics of travel-related electronic word-of-mouth on social networking sites[J]. Tourism Management, 2015, 46:274-282. DOI:10.1016/j.tourman.2014.07.007

[20]
Jin C, Cheng J, Xu J. Using user-generated content to explore the temporal heterogeneity in tourist mobility[J]. Journal of Travel Research, 2018, 57(6):779-791. DOI: 10.1177/0047287517714906

[21]
Mou N, Zheng Y, Makkonen T, et al. Tourists' digital footprint: The spatial patterns of tourist flows in Qingdao, China[J]. Tourism Management, 2020, 81:104151. DOI: 10.1016/j.tourman.2020.104151

[22]
Heidari A, Yazdani H R, Saghafi F, et al. A networking approach to analyzing religious tourism businesses[J]. Journal of Islamic Marketing, 2021, 12(2):427-450. DOI:10.1108/jima-04-2019-0067

[23]
Czernek-Marszałek K. Cooperation evaluation with the use of network analysis[J]. Annals of Tourism Research, 2018, 72:126-139. DOI:10.1016/j.annals.2018.07.005

[24]
梁茹, 王媛, 冯学钢, 等. 文体旅上市企业社会关系网络结构特征分析——同行业与跨行业比较视角[J]. 旅游学刊, 2021, 36(10):14-25.

[ Liang R, Wang Y, Feng X G, et al. Culture, sport and tourism connected: Network characteristics of Chinese listed companies within and across industries[J]. Tourism Tribune, 2021, 36(10):14-25. ] DOI: 10.19765/j.cnki.1002-5006.2021.10.007

[25]
Gan C, Voda M, Wang K, et al. Spatial network structure of the tourism economy in urban agglomeration: A social network analysis[J]. Journal of Hospitality and Tourism Management, 2021, 47:124-133. DOI:10.1016/j.jhtm.2021.03.009

[26]
Gao X, Kim H, Yang J. Spatial structure analysis of tourism economy in Shaanxi Province, China[J]. International Journal of Advanced and Applied Sciences, 2022, 9(6):90-95. DOI:10.21833/ijaas.2022.06.012

[27]
Kimbu A N, Ngoasong M Z. Centralised decentralisation of tourism development: A network perspective[J]. Annals of Tourism Research, 2013, 40:235-259. DOI:10.1016/j.annals.2012.09.005

[28]
Petridou E, Olausson P M, Ioannides D. Nascent Island tourism policy development in Greenland: A network perspective[J]. Island Studies Journal, 2019, 14(2):227-244. DOI:10.24043/isj.94

[29]
Uygun M. An evaluation of Turkey's health tourism policies using a social network analysis approach[J]. The International Journal of Health Planning and Management, 2022, 37(2):804-823. DOI:10.1002/hpm.3362

[30]
David-Negre T, Almedida-Santana A, Hernández J M, et al. Understanding European tourists’ use of e-tourism platforms. Analysis of networks[J]. Information Technology & Tourism, 2018, 20(1):131-152. DOI:10.1007/s40558-018-0113-z

[31]
Zhang Y, Qi L, Yang A, et al. Investigating spatial distribution of tourist attractions’ inlinks: A case study of three mountains[J]. Science China Technological Sciences, 2010, 53(1):126-133. DOI:10.1007/s11431-010-3220-4

[32]
杨建梅. 复杂网络与社会网络研究范式的比较[J]. 系统工程理论与实践, 2010, 30(11):2046-2055.

DOI

[ Yang J M. Comparison of research paradigms between complex network and social network[J]. Systems Engineering - Theory & Practice, 2010, 30(11):2046-2055. ] DOI:10.12011/1000-6788(2010)11-2046

[33]
李金华. 网络研究三部曲:图论、社会网络分析与复杂网络理论[J]. 华南师范大学学报(社会科学版), 2009(2):136-138.

[ Li J H. Network research trilogy: Graph theory, social network analysis, and complex network theory[J]. Journal of South China Normal University (Social Science Edition), 2009(2):136-138. ]

[34]
Brandes U, Robins G, Mccranie A, et al. What is network science?[J]. Network Science, 2013, 1(1):1-15. DOI:10.1017/nws.2013.2

[35]
Éber F Z, Baggio R, Fuchs M. Hyperlink network analysis of a multi destination region: The case of Halland, South Sweden[J]. Information Technology & Tourism, 2018, 20(1):181-188. DOI:10.1007/s40558-018-0108-9

[36]
Bae A, Park D, Ahn Y, et al. The multi-scale network landscape of collaboration[J]. PLoS One, 2016, 11(3): e0151 784. DOI:10.1371/journal.pone.0151784

[37]
Chen A C. Words, constructions and corpora: Network representations of constructional semantics for Mandarin space particles[J]. Corpus Linguistics and Linguistic Theory, 2022, 18(2):209-235. DOI:10.1515/cllt-2020-0012

[38]
Gao J, Peng P, Lu F, et al. A multi-scale comparison of tourism attraction networks across China[J]. Tourism Management, 2022, 90:104489. DOI:10.1016/j.tourman.2022.104489

[39]
Liu F, Zhang J, Zhang J, et al. Roles and functions of tourism destinations in tourism region of south Anhui: A tourist flow network perspective[J]. Chinese Geographical Science, 2012, 22(6):755-764. DOI:10.1007/s11769-012-0557-6

[40]
Freeman L. Centrality in social networks' conceptual clarification[J]. Social Networks, 1978, 1(3):215-239. DOI: 10.1016/0378-8733(78)90021-7

[41]
Wei T. Application of GIS in spatial characteristics of tourist flow based on online booking data: A case study of Yangtze River Delta[J]. Iranian Journal of Science and Technology, Transactions of Civil Engineering, 2023, 47(1):553-563. DOI:10.1007/s40996-022-00892-z

[42]
Chen X, Huang Y, Chen Y. Spatial pattern evolution and influencing factors of tourism flow in the Chengdu-Chongqing economic circle in China[J]. ISPRS International Journal of Geo-Information, 2023, 12(3):121. DOI: 10.3390/ijgi12030121

[43]
Jeon C, Yang H. The structural changes of a local tourism network: Comparison of before and after COVID-19[J]. Current Issues in Tourism, 2021, 24(23):3324-3338. DOI: 10.1080/13683500.2021.1874890

[44]
Burt R. Structural holes: The social structure of competition[M]. Cambridge: Harvard University Press, 1992.

[45]
Lin Z, Zhang Y, Gong Q, et al. Structural hole theory in social network analysis: A review[J]. IEEE Transactions on Computational Social Systems, 2022, 9(3):724-739. DOI:10.1109/TCSS.2021.3070321

[46]
Xu T T, Chen R N, Chen W K, et al. Comparing the spatiotemporal behavior patterns of local, domestic and overseas tourists in Beijing based on multi-source social media big data[J]. Asia Pacific Journal of Tourism Research, 2022, 27(7):692-711. DOI:10.1080/10941665.2022.2119419

[47]
Racherla P, Hu C. A social network perspective of tourism research collaborations[J]. Annals of Tourism Research, 2010, 37(4):1012-1034. DOI:10.1016/j.annals.2010.03.008

[48]
Pestana M H, Wang W, Parreira A. Senior tourism: a scientometric review (1998-2017)[J]. Tourism Review, 2020, 75(4):699-715. DOI:10.1108/tr-01-2019-0032

[49]
Wang M, Li Y, Liu C, et al. Conducting an integrated perspective of academic networks and individual elements on tourism scholars’ innovation performance discovery[J]. Journal of Hospitality and Tourism Management, 2022, 51:39-50. DOI:10.1016/j.jhtm.2022.02.025

[50]
Brahmbhatt J, Menezes R. On the relation between tourism and trade: A network experiment[C]// 2013 IEEE 2nd Network Science Workshop (NSW). IEEE, West Point, NY, USA, 2013:74-81. DOI: 10.1109/NSW.2013.6609197

[51]
Zhu H, Liu J. Network structure influence on tourism industrial performance: A network perspective to explain the global tourism development[J]. Applied Sciences, 2022, 12(12):6226. DOI:10.3390/app12126226

[52]
Tsiotas D, Tselios V. Understanding the uneven spread of COVID-19 in the context of the global interconnected economy[J]. Scientific Reports, 2022, 12:666. DOI:10.1038/s41598-021-04717-3

PMID

[53]
Tibély G, Kovanen L, Karsai M, et al. Communities and beyond: Mesoscopic analysis of a large social network with complementary methods[J]. Physical Review E, 2011, 83(5):056125. DOI:10.1103/physreve.83.056125

[54]
D’Souza R M, di Bernardo M, Liu Y. Controlling complex networks with complex nodes[J]. Nature Reviews Physics, 2023, 5(4):250-262. DOI:10.1038/s42254-023-00566-3

[55]
Granell C, Gómez S, Arenas A. Mesoscopic analysis of networks: Applications to exploratory analysis and data clustering[J]. Chaos: an Interdisciplinary Journal of Nonlinear Science, 2011, 21(1):016102. DOI:10.1063/1.3560932

[56]
Moody J, Coleman J. Clustering and cohesion in networks: Concepts and measures[M]// International Encyclopedia of the Social & Behavioral Sciences (Second Edition). Elsevier, 2015:906-912. DOI:10.1016/b978-0-08-097086-8.43112-0

[57]
Newman M E J. Modularity and community structure in networks[J]. Proceedings of the National Academy of Sciences, 2006, 103(23):8577-8582. DOI:10.1073/pnas.0601602103

[58]
Breiger R L, Boorman S A, Arabie P. An algorithm for clustering relational data with applications to social network analysis and comparison with multidimensional scaling[J]. Journal of Mathematical Psychology, 1975, 12(3):328-383. DOI:10.1016/0022-2496(75)90028-0

[59]
Goyat S. The basis of market segmentation: A critical review of literature[J]. European Journal of Business and Management, 2011, 3(9):45-54.

[60]
Xu D, Zhang J, Huang Z, et al. Tourism community detection: A space of flows perspective[J]. Tourism Management, 2022, 93:104577. DOI:10.1016/j.tourman.2022.104577

[61]
Shao H, Zhang Y, Li W. Extraction and analysis of city's tourism districts based on social media data[J]. Computers, Environment and Urban Systems, 2017, 65:66-78. DOI:10.1016/j.compenvurbsys.2017.04.010

[62]
Luthe T, Wyss R, Schuckert M. Network governance and regional resilience to climate change: Empirical evidence from mountain tourism communities in the Swiss Gotthard region[J]. Regional Environmental Change, 2012, 12(4):839-854. DOI:10.1007/s10113-012-0294-5

[63]
Li X, Geng S, Liu S. Social network analysis on tourists' perceived image of tropical forest park: Implications for niche tourism[J]. SAGE Open, 2022, 12(1). DOI:10.1177/21582440211067243

[64]
Liu Y, Liao W. Spatial characteristics of the tourism flows in China: A study based on the Baidu index[J]. ISPRS International Journal of Geo-information, 2021, 10(6):378. DOI:10.3390/ijgi10060378

[65]
Borgatti S P, Everett M G. Models of core/periphery structures[J]. Social Networks, 2000, 21(4):375-395. DOI: 10.1016/s0378-8733(99)00019-2

[66]
Wang Z, Liu Q, Xu J, et al. Evolution characteristics of the spatial network structure of tourism efficiency in China: A province-level analysis[J]. Journal of Destination Marketing & Management, 2020, 18:100509. DOI:10.1016/j.jdmm.2020.100509

[67]
Zhang Y, Jin X, Wang Y, et al. Characterizing spatial-temporal variation of cultural tourism Internet attention in western triangle economic zone, China[J]. Land, 2022, 11(12):2221. DOI:10.3390/land11122221

[68]
Barabasi A L, Albert R. Emergence of scaling in random networks[J]. Science, 1999, 286(5439):509-512. DOI: 10.1126/science.286.5439.509

PMID

[69]
Wo D X H, Schminke M, Ambrose M L. Trickle-down, trickle-out, trickle-up, trickle-in, and trickle-around effects: An integrative perspective on indirect social influence phenomena[J]. Journal of Management, 2019, 45(6):2263-2292. DOI: 10.1177/0149206318812951

[70]
Butler R W, Dodds R. Overcoming overtourism: A review of failure[J]. Tourism Review, 2022, 77(1):35-53. DOI: 10.1108/tr-04-2021-0215

[71]
Lozano S, Gutiérrez E. A complex network analysis of global tourism flows[J]. International Journal of Tourism Research, 2018, 20(5):588-604. DOI: 10.1002/jtr.2208

[72]
Wyss R, Luthe T, Abegg B. Building resilience to climate change - the role of cooperation in alpine tourism networks[J]. Local Environment, 2015, 20(8):908-922. DOI: 10.1080/13549839.2013.879289

[73]
Scott N, Baggio R, Cooper C. Network analysis methods for modeling tourism inter-organizational systems[M]//Tourism Sensemaking: Strategies to Give Meaning to Experience (Advances in Culture, Tourism and Hospitality Research). Bingley: Emerald Group Publishing Limited, 2012, 5:177-221. DOI:10.1108/s1871-3173(2011)0000005011

[74]
Watts D J, Strogatz S H. Collective dynamics of ‘small-world' networks[J]. Nature, 1998, 393(6684):440-442. DOI:10.1038/30918

[75]
Mou N, Yuan R, Yang T, et al. Exploring spatio-temporal changes of city inbound tourism flow: The case of Shanghai, China[J]. Tourism Management, 2020, 76:103955. DOI:10.1016/j.tourman.2019.103955

[76]
Khalilzadeh J. It is a small world, or is it? A look into two decades of tourism system[J]. Physica A: Statistical Mechanics and Its Applications, 2022, 606:128061. DOI:10.1016/j.physa.2022.128061

[77]
Shymanskyi O, Wang J, Pu Y. Global tourist flows under the Belt and Road Initiative: A complex network analysis[J]. PLoS One, 2022, 17(8):e0272964. DOI:10.1371/journal.pone.0272964

[78]
Li J, Yang M, Pan B. Network analysis of navigation paths of tourists' trip planning and power structure of the online tourism in China[J]. Asia Pacific Journal of Tourism Research, 2015, 20(sup1):1451-1465. DOI:10.1080/10941665.2014.998249

[79]
Luo D, Xiong B, Cao Y. Spread dynamics of tourism-related messages within social networks[J]. Journal of Information & Knowledge Management, 2023, 22(2):2250096. DOI:10.1142/s0219649222500964

[80]
Shao Y, Huang S S, Wang Y, et al. Evolution of international tourist flows from 1995 to 2018: A network analysis perspective[J]. Tourism Management Perspectives, 2020, 36:100752. DOI:10.1016/j.tmp.2020.100752

[81]
Molontay R, Nagy M. Two decades of network science: As seen through the co-authorship network of network scientists[C]// Proceedings of the 2019 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. New York: ACM, 2019:578-583. DOI:10.1145/3341161.3343685

[82]
Li J, Xu L, Tang L, et al. Big data in tourism research: A literature review[J]. Tourism Management, 2018, 68:301-323. DOI:10.1016/j.tourman.2018.03.009

[83]
Yuan Y, Lu Y, Chow T E, et al. The missing parts from social media-enabled smart cities: Who, where, when, and what?[J]. Annals of the American Association of Geographers, 2020, 110(2):462-475. DOI:10.1080/24694452.2019.1631144

[84]
Weaver A. Tourism, big data, and a crisis of analysis[J]. Annals of Tourism Research, 2021, 88:103158. DOI: 10.1016/j.annals.2021.103158

[85]
Zhao P, Ma Z, Chen J, et al. Depicting urban multi-scale tourist activity spaces using digital footprints for smart destinations[J]. Current Issues in Tourism, 2022. DOI: 10.1080/13683500.2022.2104696

[86]
王晓芳, 郭艳, 李宇晟, 等. 多尺度视角下都市旅游流网络结构演化研究——以武汉市为例[J]. 地域研究与开发, 2023, 42(2):93-99.

[ Wang X F, Guo Y, Li Y S, et al. Evolutionary research on network structure of urban tourism flow from a multi-scale perspective: A case study of Wuhan city[J]. Areal Research and Development, 2023, 42(2):93-99. ] DOI:10.3969/j.issn.1003-2363.2023.02.015

[87]
Boccaletti S, Bianconi G, Criado R, et al. The structure and dynamics of multilayer networks[J]. Physics Reports, 2014, 544(1):1-122. DOI: 10.1016/j.physrep.2014.07.001

[88]
Kinsley A C, Rossi G, Silk M J, et al. Multilayer and multiplex networks: An introduction to their use in veterinary epidemiology[J]. Frontiers in Veterinary Science, 2020, 7:596. DOI:10.3389/fvets.2020.00596

PMID

[89]
秦昆, 喻雪松, 周扬, 等. 全球尺度地理多元流的网络化挖掘及关联分析研究[J]. 地球信息科学学报, 2022, 24(10):1911-1924.

DOI

[ Qin K, Yu X S, Zhou Y, et al. Networked mining and association analysis of geographical multiple flows at a global scale[J]. Journal of Geo-Information Science, 2022, 24(10):1911-1924. ] DOI:10.12082/dqxxkx.2022.220375

[90]
Zhang L, Du H, Zhao Y, et al. Drawing topological properties from a multi-layered network: The case of an air transport network in “the Belt and Road” region[J]. Habitat International, 2019, 93:102044. DOI:10.1016/j.habitatint.2019.102044

[91]
Cehan A, Eva M, Iațu C. A multilayer network approach to tourism collaboration[J]. Journal of Hospitality and Tourism Management, 2021, 46:316-326. DOI:10.1016/j.jhtm.2021.01.006

[92]
Liu S, Zhang J, Liu P, et al. Discovering spatial patterns of tourist flow with multi-layer transport networks[J]. Tourism Geographies, 2023, 25(1):113-135. DOI:10.1080/14616688.2020.1850849

[93]
Lin J, Ban Y. Complex network topology of transportation systems[J]. Transport Reviews, 2013, 33(6):658-685. DOI: 10.1080/01441647.2013.848955

[94]
Gosak M, Markovič R, Dolenšek J, et al. Network science of biological systems at different scales: A review[J]. Physics of Life Reviews, 2018, 24:118-135. DOI:10.1016/j.plrev.2017.11.003

PMID

[95]
Tsujimoto M, Kajikawa Y, Tomita J, et al. A review of the ecosystem concept - towards coherent ecosystem design[J]. Technological Forecasting and Social Change, 2018, 136:49-58. DOI:10.1016/j.techfore.2017.06.032

[96]
Baggio R, Fuchs M. Network science and e-tourism[J]. Information Technology & Tourism, 2018, 20(1):97-102. DOI:10.1007/s40558-018-0125-8

[97]
Raisi H, Baggio R, Barratt-Pugh L, et al. A network perspective of knowledge transfer in tourism[J]. Annals of Tourism Research, 2020, 80:102817. DOI:10.1016/j.annals.2019.102817

Options
文章导航

/

〈 〉