孙晓东 林冰洁

[摘    要]邮轮业是全球旅游与接待业中发展最活跃且经济效益最显著的板块之一。合理和科学的航线布局对邮轮产业持续健康发展至关重要。文章以全球4979条邮轮航线数据为样本，采用文本分析、信息可视化、社会网络分析等方法对全球邮轮航线在时长、始发港、挂靠港等方面的基本特征进行了识别，并进一步对美国东南部及加勒比地区、地中海地区、地中海以外欧洲地区、亚洲及中东地区等四大区域邮轮始发航线的布局特征、网络结构及区域差异进行分析。研究发现，全球大多数邮轮航线时长分布集中在6～14晚;超过半数的航线由地中海邮轮、歌诗达邮轮、公主邮轮、皇家加勒比邮轮、荷美邮轮和维京邮轮6家公司运营。社会网络分析发现，由于区域内港口数量众多，且只有极少数节点度很高的邮轮港口处于网络中心位置，在航线布局中拥有绝对控制力，而绝大多数港口处于航线网络的边缘地带，因此，整个网络的连通性或网络密度较低。此外，模块化分析进一步发现，区域航线网络存在较为明显的社区或群落化特征，即群落内部港口的交互关系密切，而群落之间相对独立，目标市场较为明确。最后，在借鉴国际经验基础上提出了我国航线规划、优化和多元化发展的对策建议。

[关键词]邮轮;邮轮旅游;邮轮航线;网络结构;区域差异;社会网络分析

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2020）11-0115-14

Doi： 10.19765/j.cnki.1002-5006.2020.11.013

引言

国际邮轮业历经半个世纪左右的快速成长，航线已遍布全球各地。邮轮旅游已然成为国际旅游业中增长最快的利基市场之一，被称为“黄金水道上的黄金产业”。2016年，全球邮轮游客接待量约为2470万人次，相比2015年增长了7.11%[1];2017年全球邮轮客流量约为2580万人次，2018年超过2800万人次[2]。从区域发展来看，北美、南美、欧洲和大洋洲地区的邮轮活动最为集中，已经形成较为稳定的航线布局形态。近年来，随着欧美邮轮旅游市场趋向成熟稳定，以中国为代表的亚太地区成为国际邮轮公司竞相开拓的新兴市场[3]。

2006年，歌诗达邮轮爱兰歌娜号（Allegra）于上海开通中国首条常态化运营的母港邮轮航线。自此，我国邮轮业经历了10余年的迅猛发展。在从高速发展向全面转型并走向成熟的过程中，中国邮轮业开始注重产业布局的整体性与协调性、市场发展的稳健性与持续性和产品供给的特色性与差异化。然而，目前受区位、地缘和收益管理等因素的影响，从我国始发的常态化邮轮航线还比较单一。母港航次主要以上海、天津、广州、深圳、香港、厦门、青岛、大连等港口为始发港，航线布局市场主要以东北亚的日本和东南亚的越南、菲律宾、新加坡等区域为主，航线时长以5～6天较多，行程一般涉及1～2个挂靠港，尚未形成特色鲜明、主题多样、长短结合的布局态势[4]。

邮轮港口是发展邮轮旅游经济的关键基础要素，同时也是打造邮轮产业链的重要环节，不仅承担邮轮旅游接待的核心功能，而且发挥着邮轮产业聚集的载体作用。邮轮航线的丰硕程度将直接影响客源流、资金流、信息流在邮轮港口及腹地区域的汇集效果，进一步影响邮轮经济对区域经济的整体辐射作用。对于新兴市场而言，港口基础设施投资巨大，只有同时具备丰富的航线布局和充足的客源市场，才能有效抵抗突发性基础设施闲置带来的风险[4]。从全球邮轮产业发展经验也可以看出，优良的邮轮港口、密集的航线布局和完善的岸上产品及服务是邮轮产业持续健康成长的重要保障之一[4]。因此，厘清国际邮轮航线的基本特征、识别不同区域邮轮航线的布局规律、探索有效的航线规划配套措施对现阶段我国邮轮产业发展具有重要的现实意义。

从地理分布来看，国际邮轮航线基于航线数量的整体分布格局比较明朗，主要布局在北美、地中海、北欧等区域，但邮轮航线具有典型的“点-线”结构，涉及航线密度、航线时长、始发港、挂靠港、航线网络结构、港口竞合关系等众多要素，单纯从数量上难以把握航线分布的特点和规律。从学术研究来看，目前少有研究全面而深入地探讨国际邮轮航线的分布规律及网络结构特征。为此，本文基于内容分析法、信息可视化、社会网络分析等方法，以2019年3月—2020年3月期间全球在售的4979条航线、共172 431个节点（node）的数据为样本，全面分析全球邮轮航线分布的基本特征;并以美国东南部及加勒比地区、地中海地区、地中海以外欧洲地区、亚洲及中东地区等四大邮轮发展区域为对象，基于多种社会网络分析的统计指标，深入挖掘不同区域邮轮航线分布的网络结构特征及差异性;进一步借鉴国际经验，识别中国问题，提出我国邮轮航线布局及拓展的对策与建议。

1 相关文献回顾

邮轮业是旅游业中增长最快的新兴旅游方式[5]，销售的是由一系列邮轮港口组成的航线产品，而非旅游目的地本身[6]。邮轮航线是由邮轮始发港、海上行程、停靠港、目的港串联而成的邮轮旅游线路，是邮轮产品的主要构成要素之一[7]。在航线规划方面，Leong和Ladany以提升航线吸引度为目标，通过模型计算优化设计邮轮航线，以确定航线中最佳目的地、停靠港口、停留时间和港口挂靠次序[8]。Chen和Nijkamp提出邮轮航线行程规划的战略及港口停留时间决定因素模型，邮轮大小、游客数量、港口间距离、国际邮轮航线特点等因素都会影响停靠时间[9]。在航线规划阶段，邮轮公司需要在一系列包含不同地理特征的港口中进行抉择，目的是为消费者打造具有吸引力的航线，同时实现利润最大化的目标[10]。在国际邮轮航线分布特征方面，叶欣梁和孙瑞红指出，7天左右的短期航程是最受欢迎的邮轮航线，因此在设计邮轮航线产品时不可忽略航程时间[11]。此外，刘竞和李瑞认为，郵轮旅游产品要注重满足中国客源市场的需求，邮轮公司应设计2～5天行程的短线产品，且邮轮产品价格应设置相对合理，才更容易被国内游客所接受[12]。更为综合地，孙晓东等基于全球邮轮航线及港口数据，从邮轮航线时长、邮轮航次数量、航线热门港口、港口功能配备、岸上产品配置等方面，对国际邮轮航线的基本特征、航线规划的关键因素进行了系统分析[4]，然而并未深入探讨邮轮航线布局的网络结构、港口中心性、港口竞合关系以及区域差异等特征，而且数据样本较小，分析方法也较为简单，难以挖掘航线布局的内部规律。

邮轮港口是航线规划的重要节点。人口数量、经济发展水平、客源市场和海陆空的连通性等腹地因素决定了一个港口能否成为邮轮航线的母港或者挂靠港[13]。Castillo-Manzano等通过对西班牙邮轮港口系统进行研究发现，人口密集、临近机场、综合性港口更容易吸引邮轮挂靠和游客访问，其中，交通因素是主要指标[14]。Wang等研究表明，吸引国际邮轮前来挂靠的主要因素包括区位优良、交通便利、环境气候、人文文化、旅游资源以及邮轮码头服务配套设施;其中，旅游资源是首要因素，交通通达性紧跟其后[15]。由于成本和时间效率的问题，邮轮航线中港口间的距离会影响邮轮公司的整体规划[16]。此外，港口与主要旅游吸引物之间的接近度会显著影响出行游客在不同航线之间的选择偏好[17]。同时，政府政策支持也是一项不可或缺的因素。邮轮港口应注重交通、旅游资源、政策等多要素配备。

复杂网络（complex network）是指拥有众多复杂特征的网络系统。社会网络是复杂网络展现的一种形式。复杂网络是对复杂系统的一种抽象描述，它将系统中的组成元素拟作节点，将节点之间的关联拟成边。社会网络研究流行于20世纪90年代后期，是当代社会学研究中重要的研究领域之一。近年来，管理学、地理学等学科非常热衷该研究范式，尤其是在创新研究中具有优势地位。目前，社会网络研究的重要分析方法即社会网络分析法（social network analysis，SNA）。社会网络分析是指对大量社会网络中的数据进行分析的方法，对网络中个人/组织所产生的交互信息和形成的关系网络进行分析。

随着邮轮旅游行业的不断发展，学术界关于邮轮产业的研究成果日益丰富，但仅有少量文献对国际邮轮航线整体分布特征进行过探讨，且主要集中在描述性理论分析，缺少数据分析和实证研究，对邮轮航线布局规划的现实指导意义比较有限。此外，邮轮航线的“点-线”结构使得航线布局涉及的影响因素繁多。不仅母港、挂靠港和岸上观光设施所涉及的利益群体复杂，整条航线在旅游资源、停留时间和运营成本规划上的工作也相当复杂[4]。然而，目前并无研究成果对邮轮航线网络结构及区域差异、始发港/挂靠港在航线网络的中心性与竞合关系进行深入探讨。为此，本文将采用社会网络分析法对全球邮轮航线分布的基本特征、网络结构和区域差异性进行研究。

从分析方法来看，社会网络分析主要关注网络结构中个体或组织之间相互联系的特征及其对个体或组织的影响，一方面可以测度网络密度和个体中心性等[18-19]，另一方面可以识别网络对于个体/组织的影响、信息及资源在网络的传递和分配的现象[20]，此外，可以对社会网络中联接关系的形成原因进行探究[21]，非常适合用来挖掘邮轮航线网络密度、个体（港口）中心性以及相互关系。从研究文献来看，国内外已经有众多研究成果将社会网络分析应用到旅游研究中，特别是分析旅游目的地之间的网络结构[22]、旅游管理构成的网络[23]、旅游政策中利益相关者形成的网络[24]等方面。

众所周知，旅游业关联要素众多。社会网络分析法可以发现不同因素之间的内在联系、利益相关者之间的矛盾、区域节点的空间结构以及旅游流的网络结构特点。比如，刘冰等以新疆地区为例，剖析新疆的旅游空间结构，结果发现高等级景区中心度与低等级景区差值很大，高等级中心度明显高于低等级景区[25]。朱冬芳等以旅游经济网络视角作为切入点，探讨长三角地域范围内各个都市圈旅游地角色，划分出了5种不同类型的旅游地[26]。杨兴柱等研究发现南京市旅游空間结构存在显著分层，并提出南京市旅游发展应采用多节点布局模式[27]。陈浩等以珠三角城市群为例，采用社会网络分析研究该地区城市群旅游流的网络结构[28]。刘法建等分析我国省级层面入境旅游流的网络结构，并识别出不同省份的角色与地位[29]。在邮轮旅游方面，Jeon等采用社会网络分析的方法对亚洲市场邮轮港口中心性和空间布局进行分析，并识别出区域中心港口的特征，发现胡志明、中国香港、长崎、槟城、普吉岛、巴生港、中国上海和新加坡为邮轮中心港口，中心度排名前3的港口分别为新加坡、中国上海、中国香港[30]。从复杂网络或网络结构角度探索邮轮航线分布特征非常具有挑战价值，但此类研究成果非常缺乏[31]。

2 数据来源与研究方法

2.1 样本选择及预处理

本研究的数据来源于第三方点评网站——邮轮评论家（www.cruisecritic.com）。该网站是全球最大、最具影响力的邮轮点评社区，也是邮轮信息提供的权威机构和市场领导者，涵盖了绝大多数的邮轮产品。数据获取工具为网络爬虫“八爪鱼采集器”。由于邮轮产品销售周期较长，通常提前一年以上开始销售，因此将数据采集时间跨度设定为2019年3月—2020年3月，以保证获取充分的航线数据。数据维度包括目的地区域、航线名称、航线时长、邮轮航期、始发港（城市）、挂靠港（目的地）、承运邮轮、航程安排等信息。为了确保后续研究的一致性、完整性和科学性，对获取的所有数据进行初步处理，包括删除信息缺失和数据错误的邮轮航线、合并内容重复的邮轮航线、整合同一航线不同航期的邮轮航线、统一相似的表达方式、补充完善航程安排信息等。最终在该时段内共抓取到4979条不重复的邮轮航线。

2.2 研究方法

本文的研究方法主要涉及内容分析法（content analysis）和社会网络分析。当前网络信息数据已经成为重要的研究样本，而内容分析则是处理巨量文本数据集的有效工具[32]。内容分析法可以将定性的、零碎的符号性（文字）资料转变成定量、系统和客观内容，比如将全球航线的热门港口进行词频分析，并通过信息可视化技术直观展示，分析工具为处理英文文本的Text Macheanic软件。

社会网络分析主要探究网络节点及其相互之间的关系，通过对节点之间的关系模型进行描述，分析结构特征及其对各个节点和整个群体的作用[33]。本研究的数据为全球邮轮航线。每条航线的始发港为初始节点，挂靠港为中间节点，节点之间由“边”连接。一条航线的边数越多，则挂靠港数量越多。因此，整个样本构成了一个有向网络图，非常适合采用社会网络分析挖掘特征。由于Gephi软件操作简单，结果显示美观，且支持多种数据格式[34]，因此选择该软件作为分析工具。社会网络分析涉及多个描述网络结构特性的统计指标。下面将对主要统计指标进行简要介绍。

（1）节点度（point degree）：在邮轮航线网络中，节点为邮轮港口，节点之间的连接或关联为边。依据网络关系的对称与否，又分为无向图和有向图。无向图即节点关系呈现对称，节点之间无方向指向。有向图则节点关系非对称，节点之间存在指向关系。因邮轮航线设置具有方向性，因此航线网络为有向图。网络中常会呈现少数个体拥有大量关联，占据网络中心位置;而多数节点联系较少，处于边缘地带。节点度在一定程度上体现了个体对社会网络的连接与掌控能力，与其影响力密切相关，同时也是统计网络规律特征的重要指标之一[20]。节点度根据不同指向关联数量，进一步划分为入度和出度。一个节点的入度是指所有指向该节点的关联数量，而出度则指该节点所有指向其他节点的关联数量。入度值的高低反映了该节点被其他节点认可和欢迎的程度，是节点影响力的体现;而出度值的高低则反映了该节点与其他节点交互的主动性和积极性，是节点活跃程度的体现[35]。

（2）中心性（centrality）：中心性是社会网络分析中最重要的统计指标[36]，包括点度中心性（point centrality）、接近中心性（closeness centrality）、中介中心性（betweenness centrality）等多个指标。中心性主要用于衡量网络结构中单个节点在网络中的地位与“权力”，处于中心位置的节点更具显著性，对于航线布局影响力更大。点度中心性是使用最为广泛的指标，可以用节点出度和入度的总数来表示，用来衡量节点在网络中所处的地位，可以识别航线网络中的核心港口。其中，入度接近中心性反映的是节点的整合力（integration），而出度接近中心性则反映了节点的辐射力（radiality）。中介中心性测量的是一个节点在多大程度上位于网络中其他“点对”的“中间”，反映了该节点控制其他节点交流的能力，一定程度上表征着节点对网络中资源控制的程度。在邮轮航线网络中，某港口处于其他港口的最短连接路径（shortest path）上，则该港口在两个节点互通中起到桥梁作用。当一个港口占据众多连接其他港口航线的位置，则该港口就具有很强的中介作用[37]。也就是说，一个邮轮港口的中介中心性越高，就越有可能占据航线设置的关键位置。

（3）网络密度（network density）：网络密度主要揭示各个节点港口之间联系的疏密程度，主要以网络连接的连通性和扩散性来展现整体网络结构。网络密度通过当前关系总数/理论最大关系数测算，反映了网络的完整性，取值范围处于0～1之间。在邮轮航线网络中，如果每个港口之间都有航线（边）相连，那么整体的网络密度为1。

（4）网络直径（diameter）和平均路径长度（average path length）：航线网络中任意两个节点有很多路径，其中，经过节点数量最少的一条路径称为最短路径（两个节点间边数最少的路径）。网络直径指邮轮航线网络中任意两个节点间最短路径的最大值，也即任意两个港口间最短航线的最大量。网络直径越大，该航线的挂靠港数量就越多。平均路径长度是任意两个节点之间的距离的平均值，描述了网络中港口间的平均分离程度，是反映网络的凝聚指数，数值越小节点间的联系越紧密，代表网络中的“小世界”特性越显著。对于邮轮航线网络来说，平均路径长度值越小，邮轮航线平均挂靠港数量就越少。

（5）聚类系数（clustering coefficient）：聚类系数是衡量网络中节点集聚程度的重要指标，反映网络中节点之间彼此的关联程度。与平均路径长度一起，聚类系数也能展示“小世界”效应。在邮轮网络中，如果一个港口与其相连港口以及周围港口彼此之间关联度越高，则说明以该港口为中心形成的群体聚类系数越高，港口之间互动性就越强，港口聚类或抱团的总体迹象就越明显。从图论来看，平均聚类系数可以理解为网络中与同一个节点相连的两个节点之间也相互连接的平均概率，反映了网络的关联性;取值范围也介于0～1之间，取值为0说明网络中所有节点都是孤立的，取值为1说明网络中任意节点都有边相连。

（6）模块化（modularity）：采用Gephi软件的模块化功能可以对构造的邮轮航线网络进行模块化处理，通过社区发现/社团或社群探测（community detection）将网络划分成多个模块（block）。模块化的概念最早由Newman和Girvan在2004年提出。模塊化可以将整个网络划分为不同的子网络或者说是社区模块。同一模块内的节点连接更紧密，具有更大的密度。衡量模块化分类质量的统计量为模块度。模块度通过测量网络在某种社区划分下与随机网络的差异来识别模块划分效果。因为随机网络不具有社区结构，对应的差异越大说明该社区划分效果越好。模块度的取值一般在0.3～0.7之间，值越大，群组结构越清晰[38]。

3 社会网络分析结果

在航线设置中，邮轮公司所选中的港口代表了航线网络中的关键节点，在特定地理区域内全体邮轮公司运营的航线便形成了整个邮轮市场的聚合网络[10，38]。随着邮轮产业不断的成熟发展，目前已基本形成较为稳定的邮轮航线布局形态，其中，北美是邮轮产业聚集程度最高且航线设置最密集的区域，加勒比地区、地中海地区、地中海以外欧洲区域和以中国为核心的亚洲地区则是全球邮轮航线布局的主要子区域[2]。

通过Excel、Text Macheanic和Gephi统计及分析工具，首先对各个区域邮轮航线进行航线时长、始发港（城市）、挂靠港、邮轮公司等方面的整体描述性分析，然后对区域邮轮航线进行格式化处理，例如将航线“A-B-C-A”拆分为“A-B”“B-C”和“C-A”，从而构建区域邮轮航线节点的共现矩阵，并输入分析工具Gephi软件进行计算和可视化处理，最后结合各种重要指标对区域邮轮航线布局的网络结构和差异性规律进行分析。在航线网络特征及区域差异识别方面，本文选定美国东南部及加勒比地区、地中海地区、地中海以外的欧洲地区、亚洲及中东地区四大区域做进一步分析，共涉及3338条航线数据，占据本研究所抓取到的全球航线总数的67.04%。

3.1 整体描述性分析

从数据统计来看，本文所选的全球3338条航线布局主要集中在美国东南部及加勒比地区、地中海地区、地中海以外的欧洲地区、亚洲及中东地区四大区域，其中，地中海以外的欧洲地区航线最为丰富，共有1162条，占比23.34%;其次是地中海地区，共1057条，占比21.23%;美国东南部及加勒比地区和亚洲及中东地区分别为747条和372条，分别占比15.00%和7.47%。

关于航线时长分布，依据邮轮评论家网站关于航线时长的划分标准，将邮轮航线时长划分为1～2晚、3～5晚、6～9晚、10～14晚、15～30晚、31～49晚以及50晚以上共7种类型。统计显示，航线时长分布多集中在6～14晚，占四大区域航线总数的64.47%。其中，美国东南部及加勒比地区航线时长分布在3～14晚之间，航线数量分布相对均匀，航线产品较为成熟且丰富，其中在6～9晚时长的航线数量最多，共有235条。地中海地区邮轮航线时长集中在6～14晚，6～9晚航线数量最多，共有383条。地中海之外欧洲地区长航线产品较多，其中10～14晚航线共有492条，主要是由于挂靠港距离较远。由于该网站邮轮信息主要面向欧美游客，涉及亚洲及中东地区的航线大多是跨洲际和大洋的长航线，目的地市场包括非洲、澳洲、东南亚、太平洋和大西洋等区域，以15～30晚的长航线为主。

从邮轮公司来看，超过一半（共1699条，占比50.90%）的邮轮航线由地中海邮轮、歌诗达邮轮、公主邮轮、皇家加勒比邮轮、荷美邮轮和维京邮轮六大公司运营。其中，嘉年华邮轮和皇家加勒比邮轮掌控美国东南部及加勒比地区，运营263条邮轮航线，占区域航线总量的1/3左右。歌诗达邮轮和地中海邮轮运营了地中海地区372条邮轮航线，占该区域航线总量的35.2%。地中海邮轮以125条航线成为地中海以外欧洲地区运营航线最多的公司。亚洲及中东地区约1/3的航线由公主邮轮和皇家加勒比邮轮运营，占整个区域航线数量的31.72%。总体来看，在邮轮产业发展较为成熟的欧美地区，本土邮轮公司凭借地缘优势，基本掌控当地邮轮航线的布局。面对亚洲等新兴市场的航线布局，以皇家加勒比邮轮、公主邮轮为首的美国邮轮公司目前处于较强的主导地位。

从始发港来看，地中海地区和地中海以外的欧洲地区邮轮始发港相对分散，涉及多个港口，可供游客选择的出发地更为丰富;而美国东南部及加勒比地区、亚洲及中东地区的邮轮航线仅有几大主要港口，邮轮游客出发地相对集中。美国东南部及加勒比地区的劳德代尔堡（Fort Lauderdale）、迈阿密（Miami）、卡纳维拉尔（Canaveral）三大港口包揽了该区域86.48%的始发航线。地中海地区罗马（Rome）、巴塞罗那（Barcelona）、热那亚（Genoa）三大港口占据区域内50.71%始发航线。地中海以外的欧洲地区从阿姆斯特丹（Amsterdam）、南安普顿（Southampton）、汉堡（Hamburg）、哥本哈根（Copenhagen）四大港口始发的邮轮航线超过53.70%。亚洲及中东地区邮轮航线主要从新加坡（Singapore）、东京（Tokyo）、迪拜（Dubai）、中国香港（Hong Kong）和中国上海（Shanghai）始发。

3.2 不同区域邮轮母港航线布局的网络结构特征分析

邮轮航线是从始发港出发、经停多个挂靠港（目的地）的链条。为了深入探讨不同区域航线网络的结构特征，下面以Gephi软件为分析工具，采用Fruchterman Reingold算法，通过K-核心过滤选取加权度超过3的重要节点来构建和分析四大区域的母港航线网络。其中，不同区域邮轮航线网络的个体节点度和中介中心性分别如表1和表2所示。

3.2.1    美国东南部及加勒比地区

美国东南部及加勒比地区航线网络共有418个节点和6755条边。平均节点度为3.919，平均路径长度为8.036，网络直径为43，平均聚类系数为0.224，模块化值为0.589，网络密度为0.009（表3）。从节点度来看，劳德代尔堡、迈阿密、圣胡安（San Juan）、拿骚（Nassau）、圣马丁（St. Maarten）等港口的点度中心性最高，处于邮轮航线布局的核心位置。特别是劳德代尔堡节点度最高。劳德代尔堡具有世界顶尖级的邮轮港管理水平，拥有9个邮轮码头和可同时容纳30艘邮轮的泊位接待能力，航线布局覆盖加勒比地区、巴拿马运河、地中海地区、北欧、大西洋、南美等多個区域。作为巴哈马最重要的邮轮挂靠港，拿骚承接了大量始发于美国东南部港口的邮轮接待业务，其节点度也较高。

从中介中心性来看（表2），劳德代尔堡、迈阿密、布宜诺斯艾利斯（Buenos Aires）、圣胡安、新加坡、科伦坡（Colombo）、莫桑比克岛（Island of Mozambique）、塔希提岛（Tahiti）、蒙巴萨（Mombasa）、塞舌尔（Seychelles）等在航线网络中的中介作用较强，说明在该区域航线布局中占据核心路径，具有相对高度的航线设置话语权。特别是劳德代尔堡、迈阿密、圣胡安不仅点度中心性高，且具有较高的中介中心性，对其他港口航线布局产生重要影响。其中，迈阿密港口是全球最大的邮轮客运港，邮轮产业最为完备;劳德代尔堡依托便利的交通和丰富的自然资源优势，发展速度迅猛;圣胡安是美国自治领地波多黎各自由邦首府，同时也是岛上最大的港口，是大西洋和加勒比海间重要的海上交通枢纽。

从整体网络来看，该区域航线网络中的平均节点度为3.919，即每个港口的平均航线数量为4条左右。由于该区域邮轮港口数量较多，极少数港口占据了网络的中心位置，而绝大多数港口处于网络结构边缘地带，相互之间比较独立，航线布局完全受点度和中介中心度非常高的邮轮母港控制，因此整个网络密度较低。从网络内部结构来看，模块化值达到0.589，说明社会网络分析对美国东南部及加勒比地区航线网络的社区划分效果良好，网络中群组结构或小团体分类清晰。采用Gephi软件的分割功能，将不同的团体以不同的颜色标记（图1）。其中，作为全球最大的邮轮母港，劳德代尔堡和迈阿密同处美国佛罗里达州，两大港口形成了比较鲜明的网络群组。由于面向相同的邮轮市场，劳德代尔堡和圣胡安组成的群组与迈阿密之间的竞争关系较明显，航线布局有所重叠。

3.2.2    地中海地区

地中海地区邮轮航线网络共有555个节点和10 825条边。平均节点度为4.132，平均路径长度为5.977，网络直径为34，平均聚类系数为0.264;模块化值为0.666，网络密度为0.007（表3）。点度中心性排名前5的邮轮港口为罗马、巴塞罗那、雅典（Athens）、威尼斯（Venice）和里斯本（Lisbon）。其中，罗马和巴塞罗那地理位置优势，内外交通便利，历史文化资源丰富，在区域航线设置中处于关键位置。罗马的奇维塔韦基亚港是地中海和欧洲地区最受欢迎的始发港和挂靠港之一，共有8个邮轮码头和15个泊位。巴塞罗那也是全球顶尖的邮轮港口，拥有7个邮轮泊位，邮轮游客接待量欧洲第一。

从中介中心性来看，排名前列的港口为罗马、巴塞罗那、里斯本、雅典、阿姆斯特丹、威尼斯、特罗姆瑟（Tromso）、科隆（Cologne）、波尔多（Bordeaux）和克里特岛（Crete）等，说明这些港口在地中海航线布局中起到桥梁作用，处于其他港口之间航线的最短路径上，对其他港口航线设置具有很强的影响力。特别是罗马、巴塞罗那、里斯本、雅典和威尼斯同时具有很高的点度中心性，在区域航线网络中的地位显赫，发挥航线布局的引领作用。值得注意的是，阿姆斯特丹并非地中海地区港口，但作为地中海始发航线进入北欧地区的重要桥梁，成为整个欧洲地区重要的中介港口。

从整体网络来看，虽然地中海航线网络的平均节点度略高，平均路径长度略短，但同样由于邮轮港口数量较多，只有极少数港口占据了网络的中心位置，在资源控制中占主导地位，而绝大多数港口中心性很低，导致整个航线网络密度略低。比如，约11.71%邮轮港口的中介中心度为0，在航线设置中几乎不具有影响力。从网络内部结构来看，地中海邮轮航线网络的模块化值很高，网络中的社区或群组划分效果良好（图2）。其中，巴塞罗那/里斯本、罗马、威尼斯、雅典各引领一个群组。虽然群组间的航线市场相对独立，但由于地中海港口密集，不可避免地存在航线重叠现象。

3.2.3   地中海以外的欧洲地区

地中海以外欧洲邮轮航线主要始发于北欧地区。航线网络節点最多，共有678个节点和13 605条边。平均节点度为4.078，平均路径长度为5.686，网络直径为30，平均聚类系数为0.233，模块化值为0.691，网络密度为0.006（表3）。从点度中心性来看，南安普顿、里斯本、那不勒斯（Naples）、陶尔米纳（Taormina）和海法（Haifa）成为航线网络中的核心节点。其中，作为欧洲邮轮之都的南安普顿的点度中心性最高，航线布局“权力”最大。

从中介中心性来看，南安普顿、阿姆斯特丹、伦敦（London）、雷克雅未克（Reykjavik）、里斯本、巴黎（Paris）、卑尔根（Bergen）、都柏林（Dublin）、哥本哈根的桥梁作用最明显，是该地区航线布局中重要的媒介港口，对其他港口航线设置的影响力最大。特别是南安普顿和里斯本的点度中心性和中介中心性均很高，占据区域航线布局的关键位置。比如，南安普顿是英国的头号邮轮港口，也是最繁忙邮轮港口，号称“北欧邮轮之都”和“英国邮轮中心”，共有4个码头，是多家邮轮公司的母港，始发航线可同时布局北欧和地中海地区。

地中海以外的欧洲地区港口数量众多，但占据网络中心位置的港口却非常有限，导致整个航线网络密度很低，一定程度上说明港口在航线布局“权力”上具有明显的非均衡性特征。比如，约10.91%邮轮港口的中介中心度为0，在航线设置中并无影响力。模块化结果显示，该地区的模块度很高，说明网络划分的社区结构准确度较高。社区检测发现了以南安普顿、阿姆斯特丹、哥本哈根、都柏林、卑尔根和巴黎为核心港口的群组。群组内部港口之间的连接相对稠密，而不同群组港口之间的连接相对稀疏，目的地市场相对独立（图3）。

3.2.4    亚洲及中东地区

亚洲及中东地区航线网络共有301个节点和3649条边。节点平均度为3.545，平均路径长度为5.403，网络直径为22，平均聚类系数为0.266，模块化值为0.630，网络密度为0.012（表3）。从节点度来看，新加坡、中国香港、东京、上海和釜山（Pusan）是航线布局的重要节点。目前这些港口均是亚洲著名的邮轮始发港。其中，新加坡的核心地位最明显，发挥着重要的邮轮枢纽港作用。新加坡是世界著名的邮轮母港，综合服务功能全球领先，成为全球最有效率的邮轮码头之一，始发航线可以去往亚洲、欧洲各地。香港和上海是中国最重要的邮轮母港，游客接待量位列全球前列。

从中介中心性来看，新加坡、迪拜、巴厘岛（Bali）、中国香港、东京、中国上海和横滨（Yokohama）位于大量邮轮港口连接的路径上，发挥着重要的“经纪人”作用，控制着其他港口的交流互动。此外，欧洲的雅典和达尔文（Darwin）也处于大量亚洲及中东始发航线的路径上，发挥了连接东南亚和欧洲的重要中介作用。特别是新加坡、迪拜、巴厘岛、中国香港、东京同时拥有较高的点度中心性和中介中心性。作为新兴的邮轮市场，亚洲邮轮港口的数量较少，区域航线网络较完整，因此网络密度较大，但仅有少量成熟港口在航线布局中具有支配地位。比如，约有12.29%的港口城市中介中心度为0，影响力微弱。社区检测识别出了分别以中国上海/东京/釜山、新加坡/巴厘岛、中国香港和迪拜为中心的社群（图4）。其中，新加坡/巴厘岛和迪拜社群与其他社群相对独立，航线布局市场竞争较弱;中国香港与东北亚的中国上海/东京/釜山航线有所重叠。在东北亚社群中，作为邮轮始发港，中国上海、东京、釜山均具有很高的中心性，在航线布局上竞争态势明显，应处理好群落内部的竞合关系。

4 讨论与建议

4.1 讨论

从地理分布来看，全球邮轮旅游业在港口发展和航线布局方面具有大区域离散、小区域聚集的基本特征，其中，北美和欧洲是发展最成熟的邮轮市场，而亚洲成为最重要的新兴市场之一。本文采用内容分析、信息可视化和社会网络分析等多种方法，以2019年3月—2020年3月期间全球在售的4979条邮轮航线数据为样本，对全球邮轮航线布局的整体特征以及不同区域的网络结构特征进行了深入分析。

从整体看来，全球邮轮航线时长分布主要集中在6～14晚，占比超过60%。超过半数的邮轮航线由地中海邮轮、歌诗达邮轮、公主邮轮、皇家加勒比邮轮、荷美邮轮和维京邮轮等邮轮公司运营。本土邮轮公司在区域航线布局中占据主导地位。从航线数量来看，近2/3的邮轮航线布局在美国东南部及加勒比地区、地中海地区、地中海以外的欧洲地区和亚洲及中东地区。

从区域航线特征来看，劳德代尔堡、迈阿密、圣胡安、拿骚和圣马丁是美国东南部及加勒比地区航线网络中的中心节点，其中，前3个港口城市对该区域其他港口城市航线布局具有高度支配地位。地中海地区航线布局中的重要节点是罗马、巴塞罗那、雅典、威尼斯和里斯本，均拥有很高的中介中心性，对区域航线布局影响最大。南安普顿、里斯本、那不勒斯、陶尔米纳、海法等在地中海以外的欧洲地区航线网络中处于关键节点位置。在亚洲及中东地区航线网络中，新加坡、中国香港、东京、中国上海和釜山是重要参与者，在航线布局中具有很高的掌控力。

社会网络分析发现，欧美地区长航线较多，亚洲航线较单一。比如，从平均路径长度来看，美国东南部及加勒比地区港口之间的航线（边）明显高于其他区域，说明该地区航线网络包含较多的长航线，航线更加完备。而亚洲及中东地区在网络直径和平均路径长度两大指标表现中均排在最后，说明地区航线网络中的长航线较少，邮轮航线产品较单一。此外，由于港口数量众多，港口影响力非均衡性明显，四大区域的网络密度都较低，说明少数港口拥有航线设置控制权，绝大多数港口之间缺乏连通性。由于亚洲及中东地区港口数量少，网络连通性更高，网络密度较大。

此外，模块化分析发现，区域航线网络存在较为明显的社区或群落。群落内部港口的交互关系密切，而群落之间相对独立。比如在美国东南部和加勒比地区，劳德代尔堡和迈阿密组成了比较鲜明的网络群组。由于同处美国佛罗里达州，劳德代尔堡和圣胡安组成的群组与迈阿密之间的竞争关系较明显，航线布局有所重叠。在地中海地区，作为核心港口，巴塞罗那/里斯本、罗马、威尼斯、雅典各引领一个群组。同样，由于地中海港口密集，不可避免地存在航线重叠现象。在地中海之外欧洲地區，社群检测识别出了以南安普顿、阿姆斯特丹、哥本哈根、都柏林、卑尔根和巴黎为核心港口的群组。亚洲和中东地区展现出了以中国上海/东京/釜山、新加坡/巴厘岛、中国香港和迪拜为中心的社群结构。在亚洲，中国香港与东北亚的中国上海/东京/釜山航线有所重叠，而中国上海、东京、釜山在航线布局上竞争态势明显。

4.2 建议

随着港口建设和服务水平不断提升，航线布局日益科学和优化，中国邮轮产业将以高质科学的发展迈向新的阶段。作为全球第二大邮轮市场，如何布局邮轮航线网络助推产业发展，为邮轮游客创造更好的体验，是中国邮轮业面临的重要课题。根据本研究的分析结果，结合中国邮轮产业现状，提出以下几点对策建议：

第一，完善中心港口功能配套，提升综合服务能力。邮轮港口不仅承担基本的交通运输功能，更需要功能配套来支撑港口的发展。美国东南部及加勒比地区劳德代尔堡、地中海地区罗马、地中海以外欧洲地区南安普顿、亚洲及中东地区新加坡作为不同区域航线网络的核心节点，且同时具备较强的中介能力，这些港口城市最大的共性就是拥有领先的基础设施和配套服务。比如，劳德代尔堡毗邻国际机场，配有现代化乘客运输系统、完善的指示标牌、超大型停车场、免税店、咨询处、银行等服务项目，艺术和娱乐活动、购物中心、体育活动等旅游资源也十分丰富。为此，邮轮母港应以邮轮港口经营为中心，整合港口附近资源，丰富国际购物、旅游休闲、文化娱乐、酒店、特色餐饮、金融、会展等旅游业态，完善综合配套设施和公共服务设施，实现邮轮港向综合性的“邮轮城”的转变。另外，应以港口为中心构建完善的交通体系，增设往返机场、车站以及周边主要旅游景区、购物中心的快速交通线路，从而优化邮轮港口周边吸引物的交通可达性。

第二，丰富邮轮航线设置，开发本土特色航线产品。通过对比美国东南部及加勒比地区、地中海地区、地中海以外的欧洲地区等为代表的邮轮产业成熟区和亚洲及中东地区为代表的新兴邮轮市场，可以发现欧美地区邮轮公司及邮轮船舶多样性更高，航线布局更广泛，航线数量更多，航线类型更丰富。欧美地区主要港口通过与本土邮轮品牌密切合作，实现航线布局常态化，在航线网络布局中保持市场竞争力。因而，要发挥政策利好，深化邮轮公司的战略合作，引进不同定位的邮轮公司，扶持本土邮轮公司发展，丰富船舶类型，设计配合我国消费习惯与假期制度的航线产品，例如推出3～5天的短途航线，以亲子、老年、商务为主题的近海或沿海航线等，做到常规航线与主题航线有效结合。

第三，建立港口合作机制，保障多母港航线常态化运营。多母港邮轮航线的设置，不仅可以提升航线丰度，而且可以通过多港收客保证邮轮满舱率和航线运营常态化。比如，在旅游一体化基础上，在长三角、环渤海、东南沿海、珠三角、西南沿海以及两岸三地邮轮港口间建立合作关系，积极寻求邮轮旅游发展共识，探索邮轮旅游区域合作方式和经验，促进母港和经停港航线达成共同开发协议;积极争取开通面向中国台湾的邮轮航线，加强与亚太地区的联动，优化区域竞合关系，在客源互通、出入境政策等方面开展多元化合作，扩大邮轮航线布局范围。特别地，可借鉴地中海地区经验，探索突破政策和运营限制，简化签证与出入境政策，开发多港收客航线，同时提升不同站点“邮轮联盟”的收客能力，可在东北亚和东南亚港口密集区探索“开口”航线和开发面向东盟的“泛南海”邮轮航线和“海上丝绸之路”长航线等。

致谢：感谢香港理工大学职业与继续教育学院LAU Yui Yip老师对论文提出的宝贵建议以及对英文摘要的编辑工作。

参考文献（References）

[1] Cruise Lines International Association（CLIA）. 2017 CLIA cruise industry outlook[EB/OL]. [2018-12-24]. www.cruising.org.

[2] Cruise Lines International Association（CLIA）. 2019 CLIA cruise trends & industry outlook[EB/OL]. [2019-12-05]. www.cruising.org.

[3] WEEDEN C， LESTER J A， THYNE M. Cruise tourism： Emerging issues and implications for a maturing industry[J]. Journal of Hospitality and Tourism Management， 2011， 18（1）： 26-29.

[4] 孫晓东， 武晓荣， 冯学钢. 邮轮航线设置的基本特征与规划要素研究[J]. 旅游学刊， 2015， 30（11）： 111-121. [SUN Xiaodong， WU Xiaorong， FENG Xuegang. Basic characteristics and key elements of cruise itinerary planning[J]. Tourism Tribune， 2015， 30（11）： 111-121.]

[5] KLEIN R A. Responsible cruise tourism： Issues of cruise tourism and sustainability[J]. Journal of Hospitality and Tourism Management， 2011， 18（1）： 107-116.

[6] RODRIGUE J P， NOTTEBOOM T. The geography of cruises： Itineraries， not destinations[J]. Applied Geography， 2013， 38： 31-42.

[7] 焦芳芳， 谢燮. 邮轮航线设计及我国母港邮轮航线拓展建议[J]. 水运管理， 2014， 36（11）： 26-29. [JIAO Fangfang， XIE Xie. Cruise line design and suggestions on the expansion of Chinese homeport cruise line[J]. Shipping Management， 2014， 36（11）： 26-29.]

[8] LEONG T Y， LADANY S P. Optimal cruise itinerary design development[J]. International Journal of Services Technology and Management， 2001， 2（1）： 130-141.

[9] CHEN J M， NIJKAMP P. Itinerary planning： Modelling cruise lines lengths of stay in ports[J]. International Journal of Hospitality Management， 2018， 73： 55-63.

[10] NIAVIS S， TSIOTAS D. Decomposing the price of the cruise product into tourism and transport attributes： Evidence from the Mediterranean market[J]. Tourism Management， 2018， 67（3）： 98-110.

[11] 叶欣梁， 孙瑞红. 基于顾客需求的上海邮轮旅游市场开发研究[J]. 华东经济管理， 2007， 21（3）： 110-115. [YE Xinliang， SUN Ruihong. Research on cruise industry of tourism in Shanghai based on customer demand[J]. East China Economic Management， 2007， 21（3）： 110-115.]

[12] 刘竞， 李瑞. 国内邮轮旅游消费市场特征分析及发展对策[J]. 南阳师范学院学报， 2012， 11（9）： 60-65. [LIU Jing， LI Rui. The countermeasures for development and characteristic analysis on consumption market of domestic cruise tourism[J]. Journal of Nanyang Normal University， 2012， 11（9）： 60-65.]

[13] LEKAKOU M B， PALLIS A A， VAGGELAS G K. Which homeport in Europe： The cruise industrys selection criteria[J]. Tourismos， 2009， 4（4）： 1-20.

[14] CASTILLO-MANZANO J I， FAGEDA X， GONZALEZ-LAXE F. An analysis of the determinants of cruise traffic： An empirical application to the Spanish port system [J]. Transportation Research Part E： Logistics and Transportation Review， 2014， 66： 115-125.

[15] WANG Y， JUNG K A， YEO G T， et al. Selecting a cruise port of call location using the fuzzy-AHP method： A case study in East Asia[J]. Tourism Management， 2014， 42： 262-270.

[16] WANG K， WANG S， ZHEN L， et al. Cruise shipping review： Operations planning and research opportunities[J]. Maritime Business Review， 2016， 1（2）： 133-148.

[17] GUI L， RUSSO A P. Cruise ports： A strategic nexus between regions and global lines—Evidence from the Mediterranean[J]. Maritime Policy & Management， 2011， 38（2）： 129-150.

[18] 王璐， 劉曙光， 段佩利， 等. 丝绸之路经济带沿线国家农产品贸易网络结构特征[J]. 经济地理， 2019， 39（9）： 198-206. [WANG Lu， LIU Shuguang， DUAN Peili， et al. Network structure of agricultural product trade in countries of the Silk Road Economic Belt[J]. Economic Geography， 2019， 39（9）： 198-206.]

[19] ALBERT R Z， BARABASI A L. Statistical mechanics of complex networks[J]. Reviews of Modern Physics， 2002， 74（1）： 47.

[20] EASLEY D， KLEINBERG J. Networks， Crowds， and Markets： Reasoning about a Highly Connected World[M]. Cambridge： Cambridge University Press， 2010： 25-56.

[21] 王晰巍， 赵丹， 魏骏巍， 等. 移动环境下网络舆情信息传播模式及实证研究——以埃博拉话题为例[J]. 情报学报， 2015， 34（7）： 683-692. [WANG Xiwei， ZHAO Dan， WEI Junwei， et al. Empirical research on modeling of online public opinion propagation in a mobile environment： An example focusing on the topic of “Ebola”[J]. Journal of the China Society for Scientific and Technical Information， 2015， 34（7）： 683-692.]

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

[23] HWANGY H， GRETZEL U， FESENMAIER D R. Multicity trip patterns： Tourists to the United States[J]. Annals of Tourism Research， 2006， 33（4）： 1057-1078.

[24] SCOTT N， COOPER C， BAGGIO R. Destination networks： Four Australian caess[J]. Annals of Tourism Research， 2008， 35（1）： 169-188.

[25] 刘冰， 曾国军， 彭青. 社会网络视角下旅游线路研究——以新疆为例[J]. 旅游学刊， 2013， 28（11）： 101-109. [LIU Bing， ZENG Guojun， PENG Qing. A social network perspective on travel itinerary research： A case study in Xinjiang[J]. Tourism Tribune， 2013， 28（11）： 101-109.]

[26] 朱冬芳， 陆林， 虞虎. 基于旅游经济网络视角的长江三角洲都市圈旅游地角色[J]. 经济地理， 2012， 21（4）： 149-154. [ZHU Dongfang， LU Lin， YU Hu. Analysis on the roles of tourism destinations in the Yangtze River Delta metropolitan area： Based on the perspective of tourism economy[J]. Economic Geography， 2012， 21（4）： 149-154.]

[27] 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. [YANG Xingzhu， GU Chaolin， WANG Qun. Urban tourism flow network structure construction in Nanjing[J]. Acta Geographica Sinica， 2007， 62（6）： 609-620.]

[28] 陈浩， 陆林， 郑嬗婷. 基于旅游流的城市群旅游地旅游空间网络结构分析——以珠江三角洲城市群为例[J]. 地理学报， 2011（2）： 257-266. [CHEN Hao， LU Lin， ZHENG Shanting. The spatial network structure of the tourism destinations in urban agglomerations based on tourist flow： A case study of the Pearl River Delta[J]. Acta Geographica Sinica， 2011（2）： 257-266.]

[29] 刘法建， 张捷， 章锦河， 等. 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. [LIU Fajian， ZHANG Jie， ZHANG Jinhe， et al. Roles and functions of provincial destinations in Chinese inbound tourist flow network[J]. Geographical Research， 2010， 29（6）： 1141-1152.]

[30] JEON J W， DURU O， YEO G T. Cruise port centrality and spatial patterns of cruise shipping in the Asian market[J]. Maritime Policy & Management， 2018， 46（3）： 257-276.

[31] TSIOTAS D， NIAVIS S， SDROLIAS L. Operational and geographical dynamics of ports in the topology of cruise networks： The case of Mediterranean[J]. Journal of Transport Geography， 2018， 72： 23-35.

[32] 郭風华， 王琨， 张建立， 等. 成都“五朵金花”乡村旅游地形象认知——基于博客游记文本的分析[J]. 旅游学刊， 2015， 30（4）： 84-94. [GUO Fenghua， WANG Kun， ZHANG Jianli， et al. Rural tourism destination image of the case in “Five Golden Flowers”， Chengdu： Based on the text mining of blogs[J]. Tourism Tribune， 2015， 30（4）： 84-94.]

[33] 姜鑫， 王德庄， 马海群. 社会网络分析方法在图书情报学科的应用研究[M]. 北京：知识产权出版社， 2019： 61-70. [JIANG Xin， WANG Dezhuang， MA Haiqun. Research on the Application of Social Network Analysis Method in Library and Information Science[M]. Beijing： Intellectual Property Publishing House， 2019： 61-70.]

[34] 刘勇， 杜一. 网络数据可视化与分析利器： Gephi中文教程[M]. 北京：电子工业出版社， 2017： 163-164. [LIU Yong， DU Yi. Network Data Visualization and Analysis Tool： Gephi Chinese Course[M]. Beijing： Publishing House of Electronics Industry， 2017： 163-164.]

[35] 张玥， 孙霄凌， 浦正宁， 等. 微博典情传播影响因素研究——基于信源特征和信息形式的视角[J]. 情报资料工作， 2014（3）： 59-64. [ZHANG Yue， SUN Xiaoling， PU Zhengning， et al. Influencing factors of microblog public opinion dissemination： Based on the perspective of information source characteristic and information form[J]. Information and Documentation Services， 2014（3）： 59-64.]

[36] 罗家德. 社会网络分析讲义[M]. 北京：社会科学文献出版社， 2010： 190-215. [LUO Jiade. Social Network Analysis Handouts[M]. Beijing： Social Sciences Academic Press， 2010： 190-215.]

[37] 王晰巍， 邢云菲， 赵丹， 等. 基于社会网络分析的移动环境下网络舆情信息传播研究——以新浪微博“雾霾”话题为例[J]. 图书情报工作， 2015， 59（7）： 14-22. [WANG Xiwei， XING Yunfei， ZHAO Dan， et al. The study of network public opinion dissemination with social network analysis： Under the mobile environment： A case of “haze” in Sina Micro-blog[J]. Library and Information Service， 2015， 59（7）： 14-22.]

[38] NEWMAN M E， GIRVAN M. Finding and evaluating community structure in networks[J]. Physical Review E， 2004， 69（2）： 1-15.