张洪 石婷婷 余梦雪

内容提要：我国城市之间更加紧密和复杂的联系致使城市在区域经济发展中的地位越来越突出。本文以长三角26个城市为研究对象，通过引入旅游经济发展指数和交通通达度指数对引力模型加以修正，建立长三角城市旅游经济空间联系网络模型，从网络密度、网络中心性、结构洞、核心边缘结构等方面对网络结构特征加以描述，分析长三角城市旅游经济空间的组织模式，测算长三角城市群旅游经济的联系强度。研究结论表明：长三角城市群在旅游经济发展水平上存在较大差异，上海、杭州、苏州、南京等城市拥有明显的区位优势;长三角城市旅游经济联系网络密度较大且不够均衡，“核心-边缘”现象显著，呈现出“东南强、西北弱”的空间分布格局，并沿着合肥、南京、上海、杭州、宁波形成了具有较强吸引力的“Z字形”旅游经济廊道;“一核三极四轴”是长三角城市旅游经济空间组织模式。

关键词：旅游经济空间联系;社会网络分析;空间组织模式;长三角城市群

中图分类号：F59 文献标识码：A 文章编号：1001-148X（2020）08-0009-10

作者简介：张洪（1964-），女，合肥人，安徽大学商学院教授，研究方向：旅游经济与旅游管理;石婷婷（1995-），本文通讯作者，女，安徽蚌埠人，安徽大学商学院研究生，研究方向：旅游经济;余梦雪（1994-），女，安徽淮南人，安徽大学商学院研究生，研究方向：旅游经济。

基金项目：安徽省哲学社会科学规划项目，项目编号：AHSKQ2017D13;安徽省软科学研究计划项目，项目编号：1402052021。

旅游经济联系是伴随城市及区域之间人员流动而产生的物质、资金、信息、技术等要素的互动，日益紧密的各城市间旅游经济联系正在由个体框架向区域旅游合作方向发展，不仅为旅游地带来了优势互补、整体促销、规模效益、经济结构调整、综合竞争力提升、旅游文化繁荣等多赢的格局，更为破除中国旅游业发展的不平衡、不充分、推进优质旅游发展提供了契机，必将成为我国未来旅游合作颇具活力的支撑点。本文选取《长江三角洲城市群发展规划》中的26个城市作为研究对象，以旅游经济发展指数来反映城市旅游经济发展质量，以交通通达度指数衡量城市之间旅游经济的联系强度，在分析长三角城市旅游经济空间联系网络结构特征的基础上探究长三角旅游经济的空间组织模式。

一、长三角城市旅游经济的空间联系

（一）长三角城市旅游经济联系强度测算

1.旅游经济发展指数

（1）数据来源与指标体系的构建。在借鉴现有研究成果[1-3]的基础上，本文从需求水平、供给水平、出行水平、支持水平方面构建长三角城市旅游经济发展指数模型，通过SPASS21.0因子分析法筛选出与旅游经济发展水平相关性最强的17个统计指标。表1中所有指标均为正向指标，数据来源于2018年的《上海统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》，相关年份的旅游年鉴以及长三角各城市发布的《国民经济与社会发展统计公报（2017）》，少量缺失数据根据年均增长率采用线性插值法进行推算。

（2）因子分析与综合评价结果。本文借助SPASS21.0软件对指标数据进行因子分析，目的在于用较少的因子变量最大限度地解释和概括原有观测信息，从而揭示出事物之间本质的联系，主要步骤如下：

首先，对原始数据进行标准化处理。SPASS21.0默认的处理方法为标准差法，计算公式为：

其中，ZXij为经标准化处理后的数值，大于零说明高于平均水平了，反之亦然。

其次，检验数据结构，判断是否适合因子分析。将标准化后的数据输入SPASS21.0软件进行描述性分析，得到各指标数据之间的相关系数矩阵。表2同组变量之间的相关系数大于0.3，表明各组变量之间存在线性相关性，比较适合做因子分析。

再次，采用主成分分析法提取主因子。根据初始特征值大于1且累积方差贡献率不低于85%的标准来确定主因子的数目，输出结果如表3所示。通过SPASS21.0软件的因子分析，对原始17个指标变量进行了降维处理后提取到两个主因子。其中，第一个因子的特征值为12.926，方差贡献率达76.034%;第二个因子的特征值为1.993，方差贡献率达11.724%。前两个因子的特征值大于1，解释了原始17个指标变量总方差87.758%，说明原有指标数据提供的信息丢失较少，提取结果比较理想。

为了使主因子得以更好解释，本文采用最大方差法对初始因子载荷矩阵作正交旋转。从表4可以看出主因子1在X1-X4、X6-X9、X13-X15（需求水平、供给水平、支持水平）等11个变量上有较高的因子载荷，主因子2在X5、X10-X12、X16-X17（主要是出行水平）等6个变量上因子载荷较大，可将因子1命名为“旅游发展业绩”（记为F1），将因子2命名为“旅游发展潜力”（记为F2）。

最后，根据因子得分系数计算因子得分和综合得分。将原始变量标准化后的数值乘以因子得分系数矩阵（表5），得到下面的因子得分函数：

根据各因子权重（每个主因子对应的方差贡献率除以累计贡献率），计算出长三角城市旅游经济发展水平综合得分。由于综合得分存在负值，需要对其进行正向调整。为保证调整后的数据均为正值且与原数据大小次序保持一致[4]，本文选取区间[0-10]对综合得分进行数据变换，数据变换公式为：

其中，V′表示规范化处理后的数据，V表示原始数据，maxA和minA分别表示原数据列的最大值和最小值，new_maxA和new_minA分别表示数据变换映射区间的最大值和最小值。

经数据变化后的长三角城市旅游经济发展水平综合得分和排序如表6所示，长三角不同城市间旅游经济综合得分存在较大差距，旅游经济发展极不平衡。其中，上海是旅游经济发展水平最高的城市，综合得分达2.896;杭州市次之，铜陵市最低。从旅游经济初始得分上看，上海、杭州、苏州、南京、宁波、无锡、合肥等城市的得分均大于0，说明这些城市的旅游经济发展水平在長三角所有城市的平均水平之上。其他19个城市的初始得分均小于0，说明这些城市旅游经济发展低于平均水平。从变换后的得分上看，除上海、杭州、苏州、南京、宁波、无锡、合肥的得分高于3.0外，金华、台州、南通、绍兴、常州、嘉兴、湖州、扬州和盐城的得分处于2.0和3.0之间，说明这些城市旅游经济发展水平一般。镇江、泰州、舟山、芜湖、安庆、池州、宣城、马鞍山、滁州和铜陵得分低于2.0，说明这些城市旅游经济发展水平相对落后。

2.交通通达度指数

随着现代交通技术的发展，两地间的最短距离不能单纯考虑公路里程。为了更加准确地描述长三角城市旅游经济的引力关系，本文在对已有研究进行分析的基础上引入交通通达度指数作为距离的衡量标准[5-6]，计算公式为：

其中，ij表示城市i和城市j之间的交通通达度指数，Dij越小说明交通通达度越好;Tij表示城市i与城市j之间的最短交通时间，∑Ti/n表示城市i与其他n个城市的最短交通时间均值，∑Tj/n表示城市j与其他n个城市的最短交通时间均值。

这里的最短交通时间是通过查询城市间的列车时刻表、长途汽车时刻表统计而来，查询时间为2019年7月28日至8月1日。若两市之间有直通列车（包括高铁、动车、普快等），则选择官方时刻表上历时最短的列车时间作为原始数据;若无直通列车，则采用高德地图最短时间成本作为原始数据。此外，考虑到城市间在不同列车班次上的最短交通时间存在差异，本文采取求其平均值的方法，最终得到长三角各城市总的交通通达度指数（表7）。

3.旅游经济联系强度模型

由引力模型发展而来的旅游经济联系强度模型，主要建立在旅游总人数、旅游总收入和最短公路里程等指标基础上，用以测算城市间旅游经济联系的强度和总量。随着现代交通网络的日益完善以及影响旅游经济发展的各种因素不断变化，原有引力模型难以对城市间旅游经济联系进行准确、客观的衡量。通过引入旅游经济发展指数和旅游交通通达度指数，本文对引力模型加以修正，修正后的引力模型公式如下：

其中，Rij为城市i与城市j之间的旅游经济联系强度，Mi、Mj分别为城市i和城市j的旅游经济发展指数，Dij为城市i与城市j之间的旅游交通通达度指数;K为引力常数，通常取1。

结合表6和表7的数据，经引力模型公式（5）计算出长三角城市旅游经济联系强度，并得到各城市旅游经济联系总量（见表8），可知长三角城市旅游经济联系总量排名前十的城市分别是苏州、上海、无锡、杭州、常州、绍兴、南京、嘉兴、宁波和镇江。这十个城市旅游经济联系总量所占比重累计达78.35%，超过长三角所有城市旅游经济联系总量的一半，表明苏锡常都市圈、环杭州湾城市群是长三角城市旅游经济联系的相对集中区域。结合地理分布来看，位于沪宁合杭甬发展带上的这十个城市在对外旅游经济联系方面具有明显的区位优势。其中，上海旅游经济联系量在很大程度上取决于对外的旅游经济辐射，一是沿沪宁合杭甬发展带向苏州、无锡、常州、镇江、南京等地区延伸，二是朝嘉兴、杭州、绍兴、宁波等地区扩展。各城市与其他城市旅游经济联系强度较大的组合为苏州-无锡（2154.775）、上海-苏州（1449.006）、杭州-绍兴（1155.394）、常州-无锡（1003.037）、上海-嘉兴（664.027）、上海-无锡（618.842）。旅游经济联系总量居于首位的苏州主要得益于临近上海，又位于苏锡常都市圈内。长三角半数以上的城市旅游经济联系总量不足2%，其中南通、舟山、盐城、宣城的旅游经济联系总量低于1%，说明长三角城市旅游经济联系在空间上存在不均衡现象，沪宁合杭甬发展带以及沿江发展带等城市旅游经济联系较为密集，而沿海发展带南北两端城市旅游经济联系较为稀疏。

（二）长三角城市空间联系网络结构特征分析

1.旅游经济空间联系网络模型的建立

根据各城市之间的旅游经济联系的强度值，采用社会网络分析方法，以长三角26个城市为网络节点，通过Ucinet6.216软件“Transform→Dichotomize”路径对原始矩阵进行二值化处理，根据选取的断点值将大于断点值的赋值为1，不超过断点值的赋值为0，得到新的二分矩，结合NetDraw画图工具的使用绘制出长三角城市旅游经济联系网络结构图（见图1）。为了反映出长三角城市旅游经济网络结构特征，经多次试验将断点值取为5。当选取断点值为5时，整体网络密度为0.5538，表明网络中各节点之间的连接数占最多可能出现的总连接数的50%以上，能够以此对网络总体特征进行较好的解释。从图1来看，长三角旅游经济空间联系主要发生在中部地带，上海、苏州、无锡、常州、南京、嘉兴、杭州等城市间的旅游经济联系较为紧密，而安庆、舟山、盐城等城市间的旅游经济联系紧密度一般。

2.长三角城市空间联系网络结构特征分析

（1）网络密度分析。网络密度是反映网络中各个节点相互间是否存在联系及联系紧密程度的一个指标，若各个节点之间可通过多条线路连接，则说明节点间联系紧密，网络密度值高。网络密度用网络中实际关系总数与理论关系总数最大值之比来表示，用以判断整体网络关系是紧密型还是疏离型。通过Ucinet6.216软件的“Network→Cohesion→Density”路径，计算得到长三角26个城市旅游经济联系的网络密度值。26个节点构成的网络最大连接数在理论上应为650（25×26），而在二值网络中实际连接数为360，整体网络密度为0.5538，标准差为0.4971，说明长三角城市旅游经济网络中各节点之间的联系较为紧密，但不同区域间旅游经济联系紧密程度存在一定差距。

（2）网络中心性分析。中心性是社会网络学者基于“关系”的視角对权力进行量化分析的指标，主要包括程度中心性、中介中心性和接近中心性，计算公式详见表9。本文运行Ucinet6.216软件，选择路径“Network→Centrality→Degree/Closeness/Freeman Betweenness/Eigenvector或者Network→Centrality→Multiple Measures”，分别计算出网络程度中心性、接近中心性、中介中心性以及特征向量中心性等指标数值，结果如表10所示。

从程度中心性上看，网络的程度中心性均值为55.385，标准差为19.960，其中13个节点城市的程度中心性大于均值，说明长三角各城市旅游经济联系的程度中心性普遍较高但存在一定的空间差异。长三角西部边缘和沿江发展带南北两端城市是程度中心性的低值区，辐射效应和带动能力有限，高值区主要集中在上海、苏州以及长三角中部城市。上海的程度中心性最高，为96.000，且特征向量中心性居于首位，说明上海与多数具有较强影响力的城市之间联系最为密切，在整体网络中处于核心主导地位。其次是苏州，南京、杭州、无锡紧随其后，程度中心性和特征向量中心性排名较为靠前，在网络中起到枢纽作用。合肥与周边城市旅游经济联系相对频繁，具有较高的程度中心性，未来有望成为长三角城市旅游经济发展的新高地。常州、镇江、宁波、湖州、南通、嘉兴、绍兴等城市的程度中心性和特征向量中心性在均值以上，说明旅游经济发展较为活跃。安庆、铜陵、盐城、舟山、宣城等城市的程度中心性排名最为靠后、旅游经济发展缓慢，说明这些城市对外旅游经济联系较少，尚未从长三角区域一体化效应中受益。

从接近中心性上看，网络的接近中心性均值为70.513，标准差为10.849，说明长三角各城市间的可达性较好且相对均衡，交通便捷性在旅游经济发展中的竞争优势并不明显。由表10可知上海、苏州、南京、杭州、无锡、合肥、常州、镇江、宁波等城市的接近中心性大于均值，在整体网络中的可进入性较强，是重要的旅游通道。上海与其他节点城市的联结度最高，接近中心性达96.154;苏州、南京、杭州、无锡、合肥次之，接近中心性都在80.000以上，说明这些城市的旅游经济流通性好，基础设施和交通网络完善，在旅游经济发展中具有相对独立性。紧随其后的常州、镇江、宁波等城市的接近中心性也处在较高水平，说明其旅游经济通达度较高，对其他城市的依赖性不强。铜陵、盐城、舟山、宣城等城市的接近中心度最低，与其他城市之间的旅游經济联系十分薄弱，容易受其他城市的控制。

从中介中心性上看，网络的中介中心性均值为1.872，标准差为2.475，说明26个节点城市中平均每个节点在网络中充当“中间者”角色的次数不足2次，且各节点所带来的中介作用差距悬殊，长三角城市旅游经济联系主要依赖于少数核心节点的联结形成。由表10可知上海、苏州、南京、杭州、无锡、合肥、常州等城市的中介中心性大于均值，在网络中的中介作用较强，是其他节点城市旅游经济联系的重要“桥梁”。中介中心性的最大值为9.816，最小值为0.000，极差较大说明在整体网络中有部分节点被相对孤立。上海、苏州、南京、杭州的中介中心性最高，而其他城市的中介中心性普遍偏低。计算结果显示中介中心性低于1.000的城市数占长三角城市总数的61.5%，说明以上4个城市是网络中其他节点城市的主要“中间者”，对其他城市具有较强的控制能力。盐城、舟山的中介中心性为0.000，原因主要在于这两个城市位于长三角城市群的边缘位置，旅游经济实力弱，公路、铁路运输欠发达，难以在网络中发挥中介作用。

（3）结构洞水平分析。结构洞水平表征的是节点城市在整体网络中的竞争能力，如果两个节点之间必须通过第三个节点才能形成联系，那么第三个节点在网络中就占据了一个结构洞，衡量结构洞水平的指标主要包括有效规模、效率和限制度。一般而言，有效规模越大和效率越高、限制度越低的节点越具有竞争优势。通过Ucinet6.216软件的“Network→EgoNetworks→Structural Holes”路径，计算出结构洞指标数值。

由表11可知上海、苏州、南京、合肥、杭州、无锡等城市的有效规模和效率得分都较高，而限制度较低，说明其网络冗余度小，独立性强，在网络中处于旅游经济传输与流动的关键节点，占据较多的结构洞，最能影响和控制其他节点城市之间的联系和交往，具有较大的竞争优势。虽然这些城市在旅游经济联系网络中受到各种关系的限制较小，但其旅游经济发展一定程度上要依赖于同其他节点城市间的复杂关系，因此需要注意关系的维护，防止关系断裂。常州、镇江、湖州、芜湖等城市的结构洞水平次之，其他城市如泰州、台州、铜陵、宣城、舟山的结构洞水平最低，在有效规模和效率指标方面十分薄弱，而限制度高，说明其网络冗余度大，处于旅游经济发展的边缘，受区位限制与其他节点城市的联系不足，在网络中容易受到各种关系的影响。盐城、舟山被边缘化的现象最为严重，因其交通不便导致对内接待和对外输送游客的能力有限，很难作为旅游集散地，在今后旅游业发展中应注重基础设施的完善和服务质量的提升，强化与其他较高结构洞水平城市之间的联系。

（4）核心-边缘结构分析，主要用来分析节点在网络中所处的位置，明确位于核心区与边缘区的城市以及核心区与边缘区之间的内在联系[7]。在Ucinet软件中通常利用聚类来划分“核心”与“边缘”，目的在于找出具有相似结构与职能的节点群体及其共同属性。“核心”表示拥有好的区位因素、好的资源或好的交通条件，对“边缘”城市具有带动效应。通过Ucinet6.216软件的“Network→Core/Periphery→Categorical”路径，对长三角城市旅游经济联系网络的核心-边缘结构进行分析。由表12可知核心区成员包含上海、苏州、南京、无锡、杭州、常州、合肥、宁波、镇江、南通市，其余16个城市位于网络的边缘区。密度矩阵显示核心区内部紧密度为0.978，边缘区内部紧密度为0.283，说明核心区节点城市之间联系较为紧密，而边缘区节点城市之间联系较为微弱。核心区与边缘区之间的紧密度为0.637，介于核心区内部紧密度和边缘区内部紧密度之间，说明上海、苏州、南京等核心区节点城市对绍兴、嘉兴、湖州等边缘区节点城市的辐射扩散作用与集聚作用都较为显著。长三角城市旅游经济联系主要集中在经济发展程度较高、交通较为便利的城市，在网络中存在着明显的结构分层现象。因此，既要增强核心区节点城市对边缘区节点城市的关联带动作用，又要提高边缘区节点城市之间联系的紧密程度，促进长三角城市旅游经济联系网络结构的优化。

二、长三角城市旅游经济空间组织模式分析

（一）旅游增长极的打造

1.城市网络地位评价。网络地位衡量的是某一节点城市在整个旅游经济联系网络中的影响力水平，主要通过节点中心性（包括程度中心性、接近中心性、中介中心性）和核心重要度进行测定[8-9]，具体公式为：

其中，Ni表示城市i的网络地位，IDi表示城市i的程度中心性，ICi表示城市i的接近中心性，IBi表示城市i的中介中心性，IIi表示城市i的核心重要度，I′Di、I′Ci、I′Bi、I′Ii分别为IDi、ICi、IBi、IIi经标准化处理后的值。α、β、γ、δ为权重系数，且α+β+γ+δ=1，各个中心性与核心度指标权重相等，即α=β=γ=δ=0.25，Ni值越大说明该节点城市网络地位越高。

为了消除不同指标间数据尺寸和大小的差异，这里采用极值法对原始数据进行无量纲化处理，经过计算得到长三角各城市I′Di、I′Ci、I′Bi、I′Ii以及Ni值。由表13可知上海的程度中心性、接近中心性、中介中心性和核心重要度都最高，网络地位水平为1.000，说明其在网络中处于绝对的领导地位。紧随其后的是苏州、南京、杭州，网络地位水平分别为0.886、0.805、0.702，说明这3个城市对网络中其他节点城市的影响和控制作用较强，旅游经济吸引和辐射力度仅次于上海，是旅游经济集聚与扩散的关键节点。无锡、合肥、常州、镇江、宁波等城市的中心性和核心重要度也较高，网络地位水平大于均值0.375，是长三角城市旅游经济对外联系的主要环节。湖州、南通、嘉兴、绍兴、金华等城市的中心性较低，网络影响力较弱，但核心重要度在均值0.185之上，整体网络地位水平排名居中，在核心城市与边缘城市之间能够起一定的承接作用。芜湖、扬州、滁州、泰州、马鞍山、台州、池州、安庆、铜陵、盐城、舟山、宣城等城市的中心性和核心重要度排名最为靠后，网络地位较低，在旅游经济发展中对其他城市具有较强的依赖性。

2.旅游地角色分析。基于城市网络地位评价值，考虑核心-边缘结构分析结果，参考Lew和Mckercher对旅游目的地角色类型的划分[10]，将长三角26个城市划分为核心旅游地、次核心旅游地、重要旅游地、一般旅游地、边缘旅游地。

由表14上海具有很高的网络地位，旅游自组织能力较强，兼具有国内旅游枢纽和入境旅游门户的角色，发挥着旅游经济驱动功能，是长三角区域内旅游经济发展的中心增长极，由此定位为核心旅游地。苏州、南京、杭州3市网络地位得分仅次于上海，各市旅游资源丰富，且多为高等级旅游吸引物，交通便捷，是区域内旅游经济集聚与扩散的中心，由此定位为次核心旅游地。无锡、合肥、常州、镇江、宁波5市网络地位得分都在均值之上，在整体网络核心-边缘结构中处于核心区位置，是高等级与低等级旅游地之间联系的桥梁，因此定位为重要旅游地。湖州、南通、嘉兴、绍兴、金华5市网络地位得分不如核心、次核心和重要旅游地，在长三角城市旅游经济联系网络中的介入机会较小，旅游支配能力较弱，对以上三种类型旅游地具有很强的依赖性，但既可作为低等级旅游地的辐射源，又可承接高等级旅游地的经济溢出，由此定位为一般旅游地。芜湖、扬州、滁州、泰州、马鞍山、台州、池州、安庆、铜陵、盐城、舟山、宣城12市网络地位得分普遍偏低，旅游经济流通性较差，在网络中处于相对孤立地位，尤其是铜陵、盐城、舟山、宣城等市，网络地位得分远低于均值，只依托与长三角少数城市的旅游经济联系“悬挂”于旅游经济联系整体网络中，一旦仅有的几条旅游经济联系被隔断就会成为网络中的孤立点，由此定位为边缘旅游地。

（二）旅游发展轴的构建

在经济空间非均质条件下，城市对外经济联系的主导方向是区域经济空间结构形成的重要原因[11]。基于长三角城市之间旅游经济联系强度，取数值大于5以ArcGIS空间可视化，并采用自然断裂点分级法按照5-10、11-50、51-100、101-150、151以上的间隔划分出5种强度类型，依次定义为弱旅游经济联系、较弱旅游经济联系、中旅游经济联系、较强旅游经济联系以及强旅游经济联系，得出长三角城市旅游经济联系强度空间分布图（图2）。上海对外旅游经济联系主要沿着4个方向相连成轴，分别为上海-苏州-无锡-常州-镇江-南京-合肥、上海-嘉兴-杭州-绍兴-宁波、上海-嘉兴-杭州-金华、上海-南通-泰州-扬州-南京-马鞍山-芜湖-铜陵-池州-安庆，形成明显的“点-轴”扩散模式。其中，旅游经济联系强度的高值区主要分布在“沪-宁-合-杭-甬”发展带上，呈现出“Z字形”空间结构，尤其是上海、苏州、无锡、杭州、绍兴、常州、嘉兴等城市之间旅游经济联系最为紧密。“Z字形”周边城市如芜湖、马鞍山、滁州、扬州、泰州、湖州等，是旅游经济联系强度的中值区，与“Z字形”区域呈“拉手状”一体化发展。边缘地带如盐城、南通、宣城等城市为旅游经济联系强度低值区，在空间上呈“孤岛”零星分布，以微弱旅游经济联系与其他城市之间形成“细丝状”连接格局。所以，可以将长三角城市旅游经济空间联系的主体方向划分成四大发展轴线，分别为沪宁合杭甬旅游发展轴、沪杭金旅游发展轴、沿江旅游发展轴、沿海旅游发展轴（图3）。

三、结论

本文以长三角26个城市为研究对象，利用修正引力模型对这些城市之间的旅游经济联系强度进行了测算，分别考察长三角城市旅游经济联系网络结构特征，并在此基础上分析了长三角城市旅游经济空间组织模式，形成以下主要结论：

第一，长三角城市旅游经济发展水平在地域上存在明显的不均衡分布现象，上海、杭州、苏州、南京4个城市优势地位突出。长三角城市旅游经济联系整体表现为“东南强、西北弱”的空间格局，并沿着合肥、南京、上海、杭州、宁波形成一条“Z字形”旅游经济廊道。得益于地处苏南、东临上海的区位优势，苏州的旅游经济联系总量在长三角所有城市中居于首位。此外，旅游经济联系总量较大的还有上海、无锡、杭州、常州、紹兴、南京、嘉兴、宁波和镇江，而铜陵、滁州、台州、南通、舟山、盐城、宣城等城市的旅游经济联系总量较低，说明苏锡常都市圈和环杭州湾城市群是旅游经济联系相对密集的区域，沿海发展带南北两端城市旅游经济联系较为稀疏。

第二，根据旅游经济空间联系网络结构的特征分析，长三角城市旅游经济联系整体网络密度较大但不够均衡，“核心-边缘”现象显著。拥有巨大政策和资本优势的上海是长三角区域内旅游经济发展的核心城市，程度中心性、接近中心性、中介中心性、特征向量中心性以及结构洞水平位列第一，在网络中处于主导地位。苏州、南京、杭州、无锡、合肥、常州旅游经济综合实力较强，中心性与结构洞水平较高，已成为区域内辐射带动周边城市发展的枢纽城市。安庆、铜陵、盐城、舟山、宣城等城市受地理位置与交通条件影响，在网络中表现出“边缘化”现象。

第三，长三角城市旅游经济空间组织形式表现为“一核三极四轴”模式。上海网络地位最高，对应“核心旅游地”，苏州、南京、杭州次之，对应“次核心旅游地”，4市共同构成长三角城市旅游经济发展的中心增长极。其他“边缘旅游地”网络地位偏低，且表现出“长尾效应”。各城市依托4条发展轴线（沪宁合杭甬发展轴、沪杭金发展轴、沿江发展轴、沿海发展轴）实现“串联”，同时各城市间又有呈“树枝状”的交通干线与发展轴相连，形成稳定的网络一体化发展态势。

四、讨论

第一，修正后的引力模型公式以旅游经济发展指数作为地区旅游经济“质量”的评价指标，同时引入交通通达度指数作为两地最短空间距离的衡量标准，较为准确地描述了不同城市之间旅游经济的引力关系。但没有考虑到城市等级规模差异对引力贡献不一的影响，后期可以继续引入修正系数Kij来测算城市等级规模对Rij的贡献程度。

第二，基于社会网络关系视角分析旅游经济联系空间结构特征，可以较为直观地刻画不同城市在旅游经济联系网络中的角色和地位，明确旅游经济联系方向，为实现区域旅游的整体联动发展提供思路。若能将旅游经济联系网络与旅游流、交通流等有向数据结合，进一步定位出旅游目的地和客源地的空间分布，将更有利于旅游地角色类型的划分和区域旅游合作模式的制定。

参考文献：

[1] 程金龙.中国区域旅游经济差异演变及主导因素分析[J].华东经济管理，2018，32（12）：56-62.

[2] 喻琦，马仁锋，叶持跃，等.长三角城市群旅游空间结构分析[J].统计与决策，2018，34（13）：113-116.

[3] 邹德玲，蒋天颖，刘程军，等.长三角旅游经济空间联系研究[J].华东经济管理，2014，28（5）：65-70.

[4] 成艾华，赵凡.武陵山片区城镇体系空间格局优化研究[J].中南民族大学学报（人文社会科学版），2017，37（6）：115-120.

[5] 陈永林，钟业喜，周炳喜.基于交通通达性的江西省设区市经济联系分析[J].热带地理，2012，32（2）：121-127.

[6] 侯兵，黄震方，范楚晗.区域一体化进程中城市旅游经济联系的演变与思考——以南京都市圈为例[J].人文地理，2015，35（12）：193-202.

[7] 杨丽花，刘娜，白翠玲.京津冀雄旅游经济空间结构研究[J].地理科学，2018，38（3）：394-401.

[8] 戢晓峰，张力丹，陈方，等.云南省自驾游发展水平与旅游交通可达性的时空分异及耦合[J].经济地理，2016，36（5）：195-201.

[9] 阮文奇，郑向敏.城市群旅游经济网络的空间结构与权力演变[J].资源开发与市场，2017，33（5）：635-639.

[10]Lew Alan A，McKercherB. Tripdestinations，gateways and itineraries： the example of Hong Kong[J].Tourism Management，2002，23（6）：609-621.

[11]周一星.主要经济联系方向论[J].城市规划，1998（2）：22-25.

（责任编辑：关立新）