复杂性 复杂性 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2021/2193782 2193782 研究文章 比较城际旅游网络结构在中国每天的时间和假期 https://orcid.org/0000 - 0002 - 0386 - 1303 气 Runze https://orcid.org/0000 - 0003 - 4594 - 9124 庞ydF4y2Ba 京沪 https://orcid.org/0000 - 0002 - 3079 - 8784 张 荣 察克拉波提 Anirban 地理与环境科学学院 西北师范大学 兰州730070 中国 nwnu.edu.cn 2021年 6 8 2021年 2021年 7 5 2021年 12 7 2021年 29日 7 2021年 6 8 2021年 2021年 版权©2021 Runze Qi et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

城际旅游促进居民聚集法中,传播社会和经济因素。基于大数据从腾讯的基于位置的服务,在中国346个城市县以上被选为研究对象,以2018年为学习时间节点。构建城际居民的旅游网络,复杂网络分析和GIS空间分析方法。此外,在分析中国居民的结构特点和空间差异城际旅行从不同的时间角度(全年,日报,春节旅游高峰,和特殊的节日),Gephi网络分析工具和ArcGIS空间分析软件使用。以下是主要发现:每天和全年城际旅游中国居民,以及城际旅游特殊假期和春节期间,所有的展览“钻石”结构,与北京、上海、Guangzhou-Shenzhen,成渝的核心。线的分布在“钻石”是大而集中的居民的分级特性城际旅游网络。高强度显著增加人口流动行中的“钻石”可以看到春节期间旅行和假期。城市参与流入线的数量远远大于参与流出,证明了居民的数量在第一点的旅行,表明是有区别的中央城市网络的流入和流出。第一个流的中心城市是最明显的春节旅游期间。大多数城市居民的城际旅游网络中心度相对较低,接近中心,中间性中心,和城市的数量大的三个值很小,他们都集中在“钻石”的顶点和内部结构。

 中国国家自然科学基金 42071216 1。介绍

旅游人口迁移和流动被认为是生产要素重新分配的活动空间,从而促进社会和经济因素的扩散和聚集法中( 1]。人口旅游体现了他们的生产和生活方式之间的交互和其他生产和生活空间;它反映了个人参与社会和经济活动的能力。全球化和区域一体化的加速全球关系进一步加强。地区通信和协作开发了高效、综合交通系统,交通便利服务和城市发展模式。城市发展的现状和前景,人口迁移的输出和接收地点,确定人口流入和流出的规模。居民的旅游特点包括旅游目的、旅游时间,旅游模式,它是有用的为研究居民的行为和缓解城市交通问题。居民旅游的研究可以作为参考合理制定政策和健康发展有着深远的影响,用于指导未来城市交通的( 2, 3]。

人口流动已经演变成一个空间的代表在中国社会和经济发展。人口流动的规模影响社会和经济发展的水平。在全球化的过程中,信息技术和区域一体化,在中国不同地区之间的联系越来越密切,人口流动的趋势明显,人口总量逐年增加,旅游和旅游目的越来越多样化,比如学习,工作,旅游,探亲,等等。在此基础上,深入研究了中国居民的特点的旅游网络,掌握居民的旅游规则,和城市发展的理解差异反映在居民的流动可以提供一个科学制定区域发展规划的理论基础。

首先提出“流空间”,中文版由一位美国社会学家,和详细的在他的书中 网络社会的崛起( 4, 5]。他认为“流空间”是使用一个特定的介质在空间地理距离实现时间和空间元素的交换。它描绘了转换传统的经济、社会和文化带来的进步信息技术( 4, 6]。流,一般来说,包括信息技术,人,事,运输,和资本流动,空间是这些流动的物质支持。信息技术的快速发展使得城市连接跨物理距离,以及流动影响居民生活的各个方面以不同的方式( 7]。从地理的角度来看,“流空间”是一种新的空间逻辑建立在信息时代的背景下,在交通基础设施的支持下,以人流动的连续运动,物流、交通流、信息流、技术流、资本流 8]。“流动空间”的主要成分是各种实体和虚拟流流动,和“流”的高速特性使各种元素的循环空间更方便和高效。“流”不仅缩短了城市之间的距离,而且作为载体居民活动、城市和地区,同时也促进城市空间的发展网络和重塑的地理空间。因为各种各样的元素以惊人的速度流动在当今的信息社会中,“流空间”的形成和发展是至关重要的城市和区域网络( 8, 9]。“流动空间”数据现在可以准确测量由于信息技术的快速发展和信息数据的高效应用。使用各种“流”的元素,居民的旅游网络可以探索更多的动态,科学,和直觉,和空间关系的本质可以更好的接近。

网络是一个载体由抽象的节点和连接节点的边可以描述复杂的和客观世界交织在一起 2]。网络或网络研究视角引入地理研究的发展研究理论和方法( 8]。在城市地理、假定城市区域空间中不是孤立的而是有复杂的相互作用,形成了城市网络。这种类型的网络具有明显的空间结构以及功能性组织( 10]。之间的互动和互补优势和在城市通过交换人口,加强材料、信息、金融、和其他元素。因此,复杂网络的各种规模和水平,如交通网络、人口流动网络和信息网络,已经进化( 11]。二十世纪结束的时候,复杂网络理论基于数学图论与统计物理研究提供了理论基础网络系统的复杂性( 12, 13]。之后,学者们从各个领域试图利用复杂网络理论来探索真实世界通过抽象客观世界的各种复杂关系,然后挖掘和描述复杂性特征和结构关系的复杂的世界 14, 15]。学者们发现现实世界网络是一个小世界和无标度复杂网络,而不是一个常规网络按照一定的规则或随机连接网络连接在一个随机的方式 14, 16]。复杂网络理论和方法正在成为主要的研究工具随着网络复杂性的增加( 14, 16]。因此,基于“流空间”理论和网络的角度来看,是十分关键的研究城际居民的旅游为了掌握居民的法律空间运动和城际空间相关性的动态特性在区域范围内( 17]。

人类活动,如移动轨迹,移动信号,位置要求,等等,将产生大量的时空数据的信息。它包含丰富的语义特征和时空维度动态关联信息,必须在一个合理的开发和应用,高效和全面 18]。传感器网络的快速发展和普及,无线通信,移动定位和网络技术在大数据时代,现在可以研究和获得高精度和巨大的个人运动轨迹数据 16, 19]。大数据与地理定位信息有许多好处,包括广泛的覆盖率,高时间精度,多个属性,等等。同时,空间大数据挖掘探索,计算机科学,地理,和其他方法相交为流动人口提供强有力的支持和定量研究的另一个可能的空间特征的人口流动。此外,大量数据的统计分析是非常有用的在发现数据的隐式和健壮的法律,这大大减少了样本带来的不确定性随机性( 20.]。大数据记录大量人们流,物流、信息流的数据,不仅帮助我们在进行精细研究 21, 22),但也很大程度上有助于提高准确性和全面性的研究。使用地理大数据感知人类社会活动目前在学术研究的一个热门话题。旅游大数据反映了位移和人类活动的时空轨迹,为学者深入研究提供数据支持和精心微尺度( 23]。此外,观察和发展的连续性multiperspectives和大规模带来新思想和新技术地理( 23- - - - - - 25]。

人们不重视城际居民旅游网络。掌握的结构和规则城际居民旅游网络和合理规划路线和流动的居民的旅游已经成为最有效的方法,促进城市和地区的长远发展。结果,从不同的旅行时间(整个年,每日,特殊的节日,春节旅游高峰),本文进行综合评价的结构特点和居民的接触模式346中国城市旅游网络,具有理论和现实意义。一方面,它可以帮助我们理解和掌握全国居民的旅游规则和状态;另一方面,它可以为区域发展规划提供科学参考。

本文的意义在于以下几个方面:首先,研究居民的城际旅游可以提供科学参考引导人口合理流动和区域城镇体系规划;其次,我们使用“流空间”研究方法而不是传统的静态局部空间;第三,我们使用大数据的位置,而不是传统的静态数据,确保数据的及时性。第四,我们比较异同中国居民的城际旅游网络结构。

 2。相关工作

与信息处理技术的发展和智能手机的普及,很多企业开始收集定位和旅游人口数据,广泛应用于科学研究。学者分析居民出行的问题使用各种数据源。江泽民调查主要原因居民乘坐出租车使用瑞典城市出租车轨迹数据( 26]。村上获得旅游信息通过电话采访时说,从居民从私家车结合GPS记录旅行信息,然后进行比较分析居民行为特征( 21]。Limtanakool等人发现行为特点和网络结构的异质性差异,使用的数据来自一个欧洲长途区际旅游调查 27]。德蒙蒂等人建立了城际旅游网基于城际通勤数据来自意大利的结构特点和研究城际旅游系统[ 28]。西方学者经常使用Twitter的数据检查人口流动的时间和空间分布特征 23]。中国学者经常使用的数据来自新浪微博 29日, 30.),百度迁移数据 31日),和腾讯人口迁移数据 32, 33近年来]。例如,李et al。 9)用百度迁移数据检查人口迁移的特点在中国春节期间。锅和赖 34)收集了腾讯的人口迁移数据在中秋节和国庆节,把假期分为旅行,旅程,返回时间,分析了人口迁移在每一个时期。这些研究使用大数据来分析个人和群体行为和反映空间行为、空间认知和连接模式。这些数据可以用来反映个人和群体决策的时空行为,并成为旅游研究的一个热点研究前沿和人口流动。

 3所示。方法和数据来源

中国居民的旅行在不同的时间( 35),如春节、中秋节和国庆节。首先,我们检查网络使用城际旅行相关的邻近效应的潜力。第二,我们研究城市层次结构反映了旅游网络中心和过渡控制使用过渡。

3.1。复杂网络分析

网络分析是GIS空间分析的一个关键组成部分。网络分析是建立在图论,包括图论分析、最优化分析和动态分析 36]。鄂尔多斯和Renyi,数学家,建立了随机图( 36]1960年,这对构建网络提供了一种新方法。进行大量的实际数据研究之后,科学家们发现大多数实际网络不定期或随机网络。它预示着复杂网络研究的阶段的到来。“复杂网络”一词指的是一个网络,是介于完全正则网络和一个完全随机网络。这是一个小世界网络,不是按比例缩小的 37]。这个特性在人群中是很常见的旅游网络( 38]。度及其分布特征,集聚程度及其分布特征,中间状态及其分布特征等是复杂网络研究的基本措施 39, 40]。在这篇文章中,使用以下指标。

3.1.1。学位中心

程度反映了节点与其他节点和之间的相互作用是一个重要的城市互连的表达式。节点的度越高,更大程度的中心地位,更重要的是它在网络中的位置( 41]: (1) C D 我 = K 我 N − 1 。

C D( 我)学位中心节点 我, K 我节点的程度吗 我, N是网络中节点的数量 41]。

 3.1.2。亲密关系中心

亲密中心措施邻近节点到其他节点的网络使用最短路径距离。越接近一个节点是它的中心,它更重要的是在网络 42, 43]。 (2) C C 我 = 1 ∑ j D 我 j 。

C C( 我)是亲密的中心节点 我; D ij节点之间的最短路径距离吗 我和节点 j( 42]。

 3.1.3。中间性中心

比例的节点通过网络的最短路径是由中间状态描述的中心。如果许多节点之间的最短路径经过一个特定的节点,该节点具有较高的中间性中心;值越大,越大的节点的网络中传输和连接能力 41]: (3) C B 米 = ∑ 我 ≠ j σ 我 j 米 σ 我 j 。

C B( 米)是中间性的中心节点 米, σ ij是所有最短路径节点的数量吗 我到节点 j, σ ij( 米)是所有最短路径节点的数量 我到节点 j通过节点 米( 41]。

 3.1.4。城际相关测量

特定的某一行的连接强度的比例在网络总连接强度( 44)被称为城际联系潜在的测量,和它代表一个特定的重要性城际连接在网络边缘。以下是精确的公式: (4) 肢体重复性劳损症 我 j = t 我 j ∑ 我 = 1 我 ∑ j = 1 J t 我 j 。

t ij是城市之间的旅游人口规模 我和城市 j肢体重复性劳损症, ij城际相关性优势程度,0≤肢体重复性劳损症吗 ij≤1。如果该值接近1,这意味着线连接城市的比例就越大 j和 我,显性程度越高( 22, 45]。

 3.1.5。Alter-Based中心和Alter-Based力量

研究世界城市网络,扎卡里的概念提出递归和递归控制中的重要性,他后来改变了Alter-based中心(AC)和Alter-based权力(美联社)( 46, 47]。他认为,中心是指资源集中和扩散。资源元素的聚合(劳动、资本、信息等)对世界城市,以及从世界城市资源元素的向外扩散,既表现中心的 48]。控制权力代表一个城市的影响力和资源循环过程中的主导地位。网络的位置和作用决定一个城市的控制权的大小( 48]。

 3.2。数据

本文使用的数据来自“腾讯位置大数据平台的人口迁移数据(heat.qq.com/qianxi.php),和时间节点从1月1日,2018年12月31日,2018年,共有365天超过600000人口迁移数据。数据属性包括出发地和目的地城市的经度和纬度坐标,总额迁移,迁移率的三种不同的运输方式(飞机、火车和汽车)。迁移量是由迁移率,和人口迁移卷用于确定城市之间的网络连接的强度。我们编译的数据来确定城市之间人口流动的强度在2018年和用它来构建居民旅游网络。

考虑到研究的全面性和代表性,我们选择腾讯迁移一整年的数据(2018)为基本数据,并进行深入分析从不同的旅游时间。的时期,研究四个代表时间选择:日报,春节旅游高峰,特殊的节日,整个一年。(每日时间:2018.11.01-2018.12.10,春节旅游热潮:2018.02.01-2018.03.12,特殊节日:其他春节法定假期除外)为了充分覆盖,数据包括日报数据之前和之后两天的假期。图 1描述的位置在中国的主要城市。

在中国主要城市的位置。

 4所示。结果 4.1。居民的城际旅游的层次特征

基于天然裂缝的方法,我们使用ArcGIS分类中国居民城际旅游路线和强度(图 2)。在四个时期,发现人口旅游路线在东方比西方的密度。在所有四个时期,人口的旅游路线是密集的东部比西部和南部的密度比在北方。高强度的旅行者的人口集中在东部和南部。“胡Huanyong线”旅游路线和中国居民的数量分为两个截然不同的部分,有部分东部和更少的部分在西方,形成一个“钻石”结构与北京,上海,Guangzhou-Shenzhen,成渝为核心。有明显差异,居民的旅游模式时期,主要如下:根据全年居民旅游路线和强度地图(图 2(一个)),北京、上海、东莞、深圳、重庆、成都和长沙的主要城市有超过3180万居民;3081 - 31.8线扩散,沿着“钻石”结构。线空间1268万至3081万人主要是充满“钻石”结构,还有东北和西南扩张的趋势。游客的数量范围5.16和1268万之间。有很多路线,其中大部分连接省会西北,西南和东北。短路线连接省会城市和其他地市级城市特点的旅游路线1.34至516万人。为了更清楚地显示人口的旅游路线和强度的差异在日常(图的三个时期 2 (b)(图),特殊的假期 2 (c)),和春节(图 2 (d)),我们对图像进行分类根据日常时间的标准,它显示的行数与日常的人口高强度的三个时期,假期,和春节运输已经显著增加,每一行的承载压力普遍增加。在第一级旅游强度>(人口259万),每天有25行时期,在春节假期,和69年52旅行。每天的数量,特殊的节日,春节旅游高峰旅游路线是97 1.11 -259万人,232年和289年,分别。有440、673和1022人口旅游路线在第三级(450 - 1.11人)。第四层次的行数(120000至450000人)是1517年,2018年和2815年,分别。路线的数量在每一层都有从每日特色增加holiday-Spring节日运输,航线的数量在第三和第四层次增加最多。这表明增加的航线主要是集中在“钻石”内陆地区,东北和西北地区。旅游的人数显著增加春节期间和特殊的假期。旅行在春节期间交通运输的目的是复杂的(回家,学习、旅游等),主要涉及中、长途旅行,包括在中国的许多城市。在特殊假期旅行,另一方面,由时间通常是有限的,所以它往往附近旅游。

城际旅游路线和强度在不同时期中国居民。(一)全年的时期。(b)的日常时间。(c)特别的假期。(d)春节旅游热潮。

根据居民的统计表的旅游网络规模在不同时期(表 1),城际旅行的中国居民的数量在2018年达到14947 .96点百万,与春节旅行旅行占总数的15.72%。特别的节日旅行旅行占总额的11.57%,而每天旅行占7.35%。春节期间和特殊假期,居民的出行更集中,和旅行的数量更大。旅行每天的平均数量已超过5000万家。春节,中国最重要的传统节日,拥有特殊的地位在中国人民的心中。春节是家人团聚的一天,大多数流浪者回家的场合。这个独特的归属感的家乡旅游的可能性增加。在特殊的节日,很多人选择旅行或从事其他活动来丰富他们的空闲时间。全年,接触线值最高,其次是春节和日常时间,和双方的数量是最小的在特殊的节日。密度显示全年>每天春节旅游高峰>特殊假期>。 In 2018, the links between each node city in the residents' travel network are closer than during daily and special holidays, and the links during the Spring Festival travel rush have increased, but there is still a gap when compared to the whole year.

居民旅游统计网络规模在不同时期。

期 旅行的总数 数量的接触边缘 平均每日旅行 比例 网络密度
整个一年 1.49 ∗ 1010 23759年 4.09 ∗ 107 1.000 0.199
春节旅游高峰 2.34 ∗ 109 14063年 5.87 ∗ 107 15.719 0.118
特殊的节日 1.72 ∗ 109 11945年 5.08 ∗ 107 11.566 0.100
每天的时间 1.09 ∗ 109 12557年 2.74 ∗ 107 7.347 0.105

我们选择的主导特征关系网络中,即,the first flow, in order to more clearly and concisely demonstrate the travel of residents in each city in China. It is a method of revealing the important spatial structural characteristics of the entire network by reducing the amount of data, thereby reflecting the network status of cities on a macroscopic scale [ 49]。人口流动网络中,第一个流流量最高的城市。第一个流包括第一流入和流出。最多的路线入站流量在一个城市被称为第一流入,而最多的路线出站流量被称为第一个流出。图 3描述了每个城市的第一流出和流入线(线流入和流出度值1图方便隐藏在一个清晰和直观的显示流的效果)。,总体而言,在一年的四个时期,城市参与流入行数显著大于城市参与流出线的数量,还有不同的城市最高的流入和流出的行数在同一时期内:

今年春节期间,成都第一流入最高,其次是北京、武汉、乌鲁木齐、郑州等。每个流入中心城市主要省会城市和接收流入从周围的城市,主要是省内地市级城市。成都接收游客不仅从邻近的地市级城市,而且从省会城市,如南京、济南、拉萨。北京接受流入城市,如兰州,长沙,武汉,哈尔滨,和南昌,包括各种各样的连接度高的城市。两个城市流出彼此从第一流出,如Taiyuan-Jinzhong Guangzhou-Foshan Yuncheng-Linfen等等。在春节期间,重庆最流出路线,其次是成都和北京。赖进行相同的研究( 49]。重庆被发现净流出城市春节期间,在深圳、昆明和上海经历了大量居民流出,流出的成绩提高。春节期间,第一个流出交错的路线高度相互关联,而第一流入回转分布中心。

有明显的趋势交错联系第一流入城市特殊的节日期间,一些城市避免与其他地市级城市省会城市和连接。成都保持第一名,武汉的数量增加了接触线和已超越北京,城市的数量与第一相互流入这两个城市的增加,与西安、南京和成都有更多的接触。北京和成都第一流出线在特别的节日期间,和乌鲁木齐等旅游城市,济南,和昆明排名上升,更多旅客在特殊假期和城市旅游资源更容易吸引游客。

城市,如成都、北京、武汉和郑州继续主导第一个全年流入,重要的联锁城市之间的联系,可见网络交织的现象。北京无疑是领导者最先流出。北京作为中国的首都,收到第一个流出几个省,这是第一次流出的主要集中在中国北方。此外,第一次流出路线从上海显著增加,尤其是在城市,如成都、重庆、南京、合肥。

第一流入和流出在日常时间的总年相当。例如,接触线的数量在成都整个年是一致的,但也有轻微的变化。线交织的最为明显的流入,与前流入行数的减少在北京,武汉,和其他省会城市,同时增加在一些低层次的城市。城市度值大于1的数量显著减少流出,和重庆比成都和更高的地位是直接与北京、南京、兰州、深圳,和呼和浩特等。图包含最椭圆,这表明互联城市的数量是最大的。

第一个流(流出和流入)在不同时期的城市居民。( 请注意。圆圈的大小表示连接线路的数量。圆生长在大小的行数增加。连接线路的颜色匹配的节点。)(a)首先流入春节期间。春节期间(b)第一次流出。在特殊节日(c)首先流入。在特殊节日(d)第一次流出。(e)首先流入在整个一年。在全年(f)第一次流出。在日常期间(g)首先流入。在日常期间(h)第一次流出。

 4.2。中心的特点

本文有三个指标:学位中心,靠近中心,中间性中心。他们选择居住旅游网络的计算节点在不同的时间间隔。节点的度中心城市反映了其与其他节点的能力,和它的值越高,更重要的是和强大的网络中的地位 41]。的亲密中心的价值反映了网络中节点的位置,和它的值越高,越接近是网络( 50]。中间性中心是指一个城市的能力作为桥节点为了城市与其他节点进行通信,越大,其值越高,网络中节点的交通和桥接能力( 41]。

在本文中,我们使用Gephi软件计算三种类型的指标,然后使用起源聚合和表达。图 4描述的结果中国居民的旅游网络中的节点中心的一年。大多数城市,尤其是低中间性中心,学位中心,和亲密感中心,298个城市会议中间性中心< 1000年,学位中心< 200,亲密中心< 0.8同时,表明在中国城市发展相对较明显的差距。城市高度发达的比例很小,而城市的比例仍有很大发展。在3 d空间中,所有三个指标形成一个上升的曲线,与上海具有最高的价值,不仅有大量的城市连接了到它,但也最明显的桥接作用。上海最大的监视和控制能力的节点对其他城市,以及最重要的位置和地位在中国居民的旅游网络。跟着他们的城市是北京、重庆、广州、深圳和成都。这些城市的尽头“钻石”在中国居民旅游网络。他们有一个举足轻重的地位在中国建立旅游网络,具有强大的经济基础来支持这些城市人口大旅行。等省会城市武汉、西安、天津、长沙、兰州和济南存在之间的低和高值,一样noncapital咸阳等区域中心,青岛,佛山。总的来说,排名最高的城市主要是东部发达城市,而西方城市更经常位于低价值的领域。

分析居民的旅游网络在整个一年。

图 5描述了空间表示中心的整个年。在第一层有六个城市的空间分布(> 0.723)接近中心,即北京、上海、重庆、广州、深圳和成都,表明这些城市是最集中位于整个住宅旅游网络。第二层包括15个城市二级旅游网络的重要节点,如杭州、武汉、西安、南京、东莞。三线城市主要省会城市在西部和东北部和noncapital城市发达的东部地区。第四和第五层共同守卫最偏远和欠发达地区,也是旅行的中国居民网络中的节点不能放弃了。中心和中间性中心规范化程度和作为一个条形图的图,证明中间性高度中心也有高的城市中心,表明他们是一致的。高度的城市中心的城市群空间分布在北京、上海、广州、重庆和京津冀,成渝、珠江三角洲和长江的中游。此外,每个省的省会城市,学位中心值明显高于周边城市,平均程度的中心价值约130每县一级以上的城市,还有更多的病例多城市连接。中间性中心主要演示了网络节点的传输和接受能力,反映城市的差距。例如,上海最高的价值(5031),而台州只有12。 Unlike degree centrality, betweenness centrality appears in each provincial capital city with larger values, either the provincial capital city or a more developed city, and some provincial capital cities in the east even have multiple high value points in one provincial capital. For example, Zhengzhou accepts nationwide travel exchange, disseminating it to neighboring cities, such as Luoyang and Kaifeng, which not only accept Zhengzhou’s population flow but also connect cities with lower levels, and cities with larger betweenness centrality radiating and driving cities with smaller values around them.

空间分布的中心。

表 2显示了不同程度的中心城市的数量指标三个时间段:特殊的节日,春节。三个中心城市在低层次的指标占总数的很大一部分。学位中心和中间性中心大多数城市在第五层,虽然亲密中心大多数城市在第四层。研究城市地市级及以上,因为在战斗中几个节点属于结束节点中心位置的旅游网络,和大多数节点或多或少地连接到对方。城市在中国西北和一些偏远城市低亲密中心由于地形的限制,而城市高参与国家居民的旅游中心。每日,特殊的节日,春节时期,城市的数量在第一和第二层次的学位中心17日15日和18日,分别约占总数的5%的城市,和城市更高水平的比例很小。第四层次,城市的数量在春节期间是其他两个时期的两倍,和学生和工人回到家乡,和旅行方向从大城市向中小城市流动,间接增加的程度的三、四线城市的中心。值得注意的是,在特殊的节日,高质量的城市的数量是最低的,由于这样的事实,人们受限于时间在此期间,他们大多会选择短途驾驶旅行或关闭旅行,一般不去北京和上海这样的大城市。中间性中心总是稳定在整个居民旅游网,差距也是最小的所有三个时期。春节期间,城市变化的数量每一层之间的大部分,第二层经历最大的增长和第三层经历最小的。 The difference between the daily and Spring Festival periods is small in the closeness centrality. The number of cities in the third and fourth tiers clearly increases during the Spring Festival period, whereas the number of cities in the first to fourth tiers remains at its lowest during special holidays. When compared to the daily and Spring Festival periods, the number of cities in the fifth tier is the highest.

各级城市的中心。

指数 期 第一级 二级 第三个层次 第四级别 第五个层次
学位中心 > 288 176 - 288 103 - 175 60 - 102 < 59
每天的时间 7 10 27 80年 222年
特殊的节日 6 9 22 77年 232年
春节旅游高峰 8 10 32 148年 148年
中间性中心 > 5559.4 1705.5 - -5559.4 670.7 - -1705.4 217.9 - -670.6 < 217.8
每天的时间 6 7 17 23 293年
特殊的节日 5 7 12 22 300年
春节旅游高峰 4 10 11 22 299年
亲密关系中心 > 0.636 0.568 - -0.636 0.532 - -0.567 0.506 - -0.532 < 0.506
每天的时间 7 15 32 263年 29日
特殊的节日 6 9 31日 225年 75年
春节旅游高峰 7 13 49 239年 38
4.3。空间邻近效应

我们比较的优越性城际连接四个时间段,我们采取的每一行的最大城际连接优势获得不同时期的优越性。图 6描述了每个城市的优势与其他城市之间的关系。共有7473对城市连接是优于其他时间段春节期间,与城市之间的联系被空间集中在南方。北方部分主要包括连接线路集中在北京。在正常营业时间,有4867个链接线,形成一个菱形连杆结构优越的核心Guangzhou-Shenzhen,北京、上海、和成渝。在特殊的节日,有4316对有利的链接行显示一个明确的空间中的邻近效应,主要是连接省会城市与其他二线城市。优越的联动线的距离是最重要的特性的特殊假期,和附近居民喜欢旅行在此期间由于旅行时间等因素,旅游目的地和规模。全年有7101对城市的连接比其他时期,主要核心之间的连接线路的形式武汉、北京、成都、重庆,如Wuhan-Beijing Chengdu-Lhasa Wuhan-Kunming等等。总的来说,邻近效应最为明显的四个时期特殊假期,这主要是由省会城市和周边城市之间的连接。春节,日常生活,整个一年主要基于跨区域与显著的空间差异。

城际旅游网的比较优势不同时期的中国居民。

 4.4。城市层次结构

交流和美联社共同确定城市的地位在城市网络分析( 51, 52]。在本文中,我们使用人口从年度旅游数据时间计算交流和美联社调查城市层次结构下形成居民旅游网络。结果被自然分解利用ArcGIS分级,如图 7。城市层次结构提出的交流和AP值有一个金字塔形的结构,这意味着交流和AP值越高,城市越少。美联社和AC值在大多数城市都在同一个层次层。例如,在北京、上海、重庆、成都、深圳、东莞,美联社和AC值最高的层,但也有一些城市是不同的。例如,广州有一个AC值在第二梯队和AP值在第三层。总体而言,城市高AC值超过那些高AP值。城市AC值与AP值正相关,和城市高AC值也高AP值。他们收集和分配资源的能力强,就像他们支配资源的能力,但也有一些城市的差异。根据圣扎迦利等人的方法测量世界城市信息网络,城市旅游网络分为四种类型基于AC和控制评分:高centrality-high控制,高centrality-low控制,低centrality-high控制和低centrality-low控制。此外,根据中心城市类型分类和控制权力可以更好地识别城市地位和属性特征。

在中国分类alter-based中心和alter-based力量。

在住宅旅游网络的城市层次结构(图 8),四种城市类型的比例:高centricity-high控制,高centricity-low控制,低centricity-high控制和低centricity-low控制是23:22:2:299。centricity-low控制城市大多数人低、centricity-high控制城市最少的,和高centricity-low控制城市主要作为中心。这些城市有更多的机会为连接和交通便利和一个合适的位置提供了更多交通小城市与大城市的机会。低centricity-high控制城市作为通往邻近城市,压缩机会和可能性区域居民旅行和展示垄断区域资源循环( 46]。因此,大量的小规模的城市(只能交换网络资源通过门户城市)受到路径依赖和缺乏路径( 46]。centricity-high控制高的城市不仅有很强的能力,收集和传播资源,但他们也有很强的优势资源和可分为典型的城市。

层次结构的中国城市。

 5。讨论

居民旅游而言,我们发现有一个清晰的层次结构。第一级是“钻石”结构节点在北京、上海、广州、深圳、成都、重庆、武汉;这个结构支持中国的整个运输网络和运输起着重要的作用。第二个层次是省会城市之间的关系网。有许多旅游城市之间的路线和大量的人,补充和支持整个“钻石”结构。第三层次交通网络最明显是地市级城市和省会城市之间的联系。第四层次网络主要是县一级城市之间的联系网络。是否我们看整个年,每日,特殊的假期,或者特别的春节,我们可以看到这个层次的存在,这与Lai的发现是一致的和锅 27]。层次结构的存在还演示了层次结构的存在在中国城市之间。

城市空间的连接,我们发现存在差异在城市空间连接四个时期。春节期间的旅游高峰,空间集中在南部城市之间的联系,而北方主要以北京为中心连接的线。在太空,菱形显性关联结构的核心Guangzhou-Shenzhen,北京,上海,和成渝形式在日常时间。特殊假期表现出明显的空间中的邻近效应,其中大部分集中在省会城市和其他地市级城市之间的联系。我们发现特殊节日的邻近效应是最明显的,当我们比较不同的城市空间连接在四个时期。特殊节日的主要好处是简短的接触线的距离。居民在这个时期会选择附近的基于行程时间旅行,目的地,规模,和其他因素。春节旅游高峰,每天和全年时期主要是跨区域与显著的空间差异。

我们计算城市的交流和美联社,以及他们的层次结构,特点是一个金字塔结构与一个小的顶部和底部。顶部的城市包括北京、上海、广州、深圳、成都和重庆等。他们有强烈的中心地位和控制,他们是最好的城市居民旅游连接。这些城市是最吸引居民;不管时间,居民的旅游城市之间的强度是在最高水平。它表明,人口这些城市之间的旅行已成为常规,不受时间影响。更多的城市中心和控制能力较低。这表明,这些城市交通网络中相对较低的水平,和对居民的吸引力和网络控制不强。之间有显著差异在旅游时间春节旅游,度假。居民主要是回到家乡春节期间的旅游高峰。 People who work outside of the city will attend the reunion. As can be seen from the result chart of travel intensity, both the travel routes and the travel intensity of residents have improved, with long-distance travel performing best. Residents mostly take short trips and play during the holidays, which are limited by the length of the holiday. The number of short-distance trips increases sharply, as does the number of travel routes, as can be seen intuitively in the advantage correlation results. We believe that most existing studies on residents’ travel are limited to a single time period, such as working days or holidays, and that there is a lack of research on residents’ travel status throughout the year. As a result, this paper divides the entire year based on the travel habits of Chinese residents and finally determines the research period as follows: Spring Festival travel rush, daily time, special holidays, and the entire year. We improve the comparison of residents’ travel differences across time periods in the time period selection, and we enrich the research on residents’ travel directions. Simultaneously, the analysis of multiple periods can help decision makers better understand the travel rules and travel characteristics of residents over the course of a year, as well as serve as a point of reference for the formulation of relevant policies.

相比以前的统计数据,腾讯迁移数据快速更新和高时效性,突破传统数据的滞后效应。腾讯庞大的用户基础和可以提供大量的数据和更大的准确性。腾讯有更多的用户和其他数据相比,精度高。然而,由于数据生成的本质和收购,保护个人隐私,是不可能获得的社会属性,如旅客的职业、性别、年龄、和旅游目的。是不可能深入了解人们的意愿和群体效应。此外,一些旅行路径可以拆卸,不能研究的起源点和目的地作为网络节点,导致研究结果中的错误。在未来,它将需要整合各种数据源,以便分析居民出行的特征和全球研究人员提供了新的研究思路。

大多数现有的研究检查居民旅游网络的特点在一个特定的时间或在一个特定的地区。很少有研究在全国范围内和在不同的时间更少。本研究丰富了研究通过分析结构特点的中国居民城际旅游网络在不同的旅游时间。我们的研究取得了以下新发现:(1)空间结构有一个清晰的层次结构的中国居民的城际旅游网,这不是单调的,而是动态的不同的旅游时间。(2)中国居民的主要起源和目的地不时变化,第一流就是明证。(3)中国城市的中心和控制力量不一样的交通工具。各级城市在城市居民旅游网络的层次结构中扮演不同的角色和功能的运输网络。这个研究可以帮助政策制定者提出适当的管理措施,各种旅游时期为了提高居民出行的效率和优化住宅旅游网络。它还将帮助世界各地的读者更好地了解中国居民的出行习惯,加深对中国的了解。

 6。结论

本文全面评估旅游网络结构特点和连接模式基于不同旅游时期的中国346个城市(整个年,每日一次,特殊的假期,和春节旅游高峰)。我们到达下面的结论:

路线和人民而言,中国居民的旅游网“胡Huanyong线”显示一个明显的趋势更多的在东部和西部少四个指定的时间段。

从层次的角度来看,“钻石”的框架结构与北京集中的旅游地区,上海,Guangzhou-Shenzhen,和成渝节点在这四个时期形成的,和“钻石”的内部线路结构显著增加春节期间旅行和假期。

中心描绘了每个城市的位置和地位在旅游网络和城市价值较低的数量很大。中心表明,减少城市有重要的地位,它们主要集中在“钻石”结构的顶点。

空间邻近效应表明,在特殊的节日,居民的旅游优势主要是与距离有关,是由省会城市及周边城市之间的联系。春节期间的旅游高峰,一年四季,每天,居民的旅游优势主要是有关区域旅游,空间分布各不相同。

城市的水平反映了旅游网络主要是分为四种类型:高centrality-high控制,高centrality-low控制,低centrality-high控制,和低centrality-low控制,与一个城市比23:22:2:299。

数据可用性

腾讯在2018年的人口迁移数据是本文的核心数据,它可以从位置获得大数据发布的腾讯。数据来自 https://heat.qq.com/qianxi.php。为了保护用户的隐私,腾讯已经关闭数据采集接口,并不再能获得的最新数据。因此,它对我们来说是不方便公开获得的历史数据。可以通过电子邮件发送一些示例数据( qirunze_gis@163.com气Runze)。

 的利益冲突

作者宣称没有利益冲突有关的出版。

 确认

这项工作得到了国家自然科学基金(批准号42071216)。

 德哈斯 H。 迁移和发展:理论视角 国际移民审查 2010年 44 1 227年 264年 10.1111 / j.1747-7379.2009.00804.x 2 - s2.0 - 77949379887 浆果 b . j . L。 城市系统内部系统的城市 论文在区域科学 1964年 13 1 147年 163年 10.1007 / bf01942566 2 - s2.0 - 34347188564 张 W。 Derudder B。 王 J。 Witlox F。 多路复用的决定因素的分析在长江三角洲城市网络 Tijdschrift voor economische en sociale geografie 2020年 111年 2 117年 133年 10.1111 / tesg.12361 2 - s2.0 - 85062357550 中文版 M。 城市信息:信息技术、经济结构调整、城市区域的过程 1989年 牛津大学,英国 布莱克威尔牛津 中文版 M。 网络社会的崛起 1996年 牛津大学,英国 布莱克威尔出版 裴 T。 首歌 C。 郭 年代。 大地理数据挖掘:目标、内涵和研究的问题 《地理科学 2020年 30. 2 251年 266年 10.1007 / s11442 - 020 - 1726 - 7 亨德森 J。 迪肯 P。 赫斯 M。 Coe N。 杨 h .观测。 全球生产网络和经济发展的分析 国际政治经济的评估 2002年 9 3 436年 464年 10.1080 / 09692290210150842 2 - s2.0 - 18744404218 氮化镓 C。 Voda M。 王 K。 陈 l 叶 J。 旅游经济在城市群的空间网络结构:社会网络分析 酒店和旅游管理杂志》上 2021年 47 124年 133年 10.1016 / j.jhtm.2021.03.009 李 J。 叶 Q。 邓 X。 刘 Y。 刘 Y。 时空分析春节旅游热潮在中国基于多源海量数据 可持续性 2016年 8 11 1184年 10.3390 / su8111184 2 - s2.0 - 85001076444 道 M。 黄 Y。 道 H。 城市网络外部性、集聚经济和城市经济增长 城市 2020年 107年 102882年 刘 X。 Derudder B。 吴 K。 测量多中心城市发展在中国:一个城际交通网络的视角 区域研究 2016年 50 8 1302年 1315年 10.1080 / 00343404.2015.1004535 2 - s2.0 - 84924154201 美国瓦茨 d . J。 “ s . H。 “小世界”网络的集体动力学 自然 1998年 393年 6684年 440年 442年 10.1038/30918 巴巴斯 A.-L。 艾伯特 R。 出现随机网络的扩展 科学 1999年 286年 5439年 509年 512年 10.1126 / science.286.5439.509 2 - s2.0 - 0038483826 京 Z。 王 J。 资源型城市可持续发展评价society-economy-environment中国:一种复杂网络的方法 《清洁生产 2020年 263年 121510年 10.1016 / j.jclepro.2020.121510 史密斯 d . A。 贾斯汀 m F。 世界城市网络和层次结构,1977 - 1997 美国行为科学家 2001年 44 10 1656年 1678年 10.1177 / 00027640121958104 2 - s2.0 - 0035532189 张 Z。 王 J。 李 B。 确定土壤有机碳的影响因素在露天煤矿转储基于复杂网络理论 系列 2019年 173年 433年 444年 10.1016 / j.catena.2018.10.030 2 - s2.0 - 85055731875 杨 H。 Dobruszkes F。 王 J。 Dijst M。 威特 P。 比较中国的城市系统在高速铁路和航空网络 交通地理杂志 2018年 68年 233年 244年 10.1016 / j.jtrangeo.2018.03.015 2 - s2.0 - 85045129057 夏 T。 首歌 X。 张 H。 首歌 X。 Kanasugi H。 Shibasaki R。 测量时空可达性,通过大GPS数据紧急医疗服务 健康与地方 2019年 56 53 62年 10.1016 / j.healthplace.2019.01.012 2 - s2.0 - 85060529037 赵 Y。 张 H。 一个 l 刘 Q。 改善交通需求预测的方法在大数据时代 城市 2018年 82年 19 26 10.1016 / j.cities.2018.04.015 2 - s2.0 - 85047097827 赵 P。 胡 H。 地理模式越来越多的大城市交通拥堵的:大数据分析从北京 城市 2019年 92年 164年 174年 10.1016 / j.cities.2019.03.022 2 - s2.0 - 85064281825 村上 E。 瓦格纳 d . P。 可以使用全球定位系统(GPS)提高旅行报告? 交通研究部分C:新兴技术 1999年 7 2 - 3 149年 165年 10.1016 / s0968 - 090 x (99) 00017 - 0 2 - s2.0 - 0033117107 刘 Y。 隋 Z。 康 C。 高 Y。 发现inter-urban旅行模式和空间从社交媒体签到数据交互 《公共科学图书馆•综合》 2014年 9 1 e86026 10.1371 / journal.pone.0086026 2 - s2.0 - 84898438317 黄 D。 黄 Q。 “用脚投票”:描述使用社交媒体数据的势力范围 ISPRS国际信息杂志》上 2017年 6 11 325年 10.3390 / ijgi6110325 2 - s2.0 - 85044503992 巴博萨 H。 巴特尔米 M。 Ghoshal G。 人类迁移:模型和应用程序 物理的报告 2018年 734年 1 74年 10.1016 / j.physrep.2018.01.001 2 - s2.0 - 85042885342 Schwanen T。 地理位置的交通工具我 人文地理的进展 2016年 40 1 126年 137年 10.1177 / 0309132514565725 2 - s2.0 - 84954551423 江 B。 阴 J。 赵 年代。 描述人类的迁移模式在大型街道网络 物理评论。E、统计、非线性和软物质物理学 2009年 80年 2 021136年 10.1103 / PhysRevE.80.021136 2 - s2.0 - 70349519233 Limtanakool N。 Dijst M。 Schwanen T。 描述国家城市体系的理论框架和方法论的基础上流动的人:法国和德国的经验证据 城市研究 2007年 44 11 2123年 2145年 10.1080 / 00420980701518990 2 - s2.0 - 35148868298 德蒙蒂 一个。 Caschili 年代。 Chessa 一个。 时间演化复杂网络:通勤系统孤立的意大利 《地理系统 2011年 13 1 49 65年 10.1007 / s10109 - 010 - 0130 - 8 2 - s2.0 - 79951814374 张 W。 Derudder B。 王 J。 沈 W。 Witlox F。 使用基于位置的社交媒体图表模式在城市之间流动的人员:微博用户的情况下在长江三角洲 《城市技术 2016年 23 3 91年 111年 10.1080 / 10630732.2016.1177259 2 - s2.0 - 84990249824 朱 R。 王 Y。 林 D。 探索峰会在内部迁移特征:证据来自中国春运”迁移 城市 2021年 114年 103198年 10.1016 / j.cities.2021.103198 魏 Y。 首歌 W。 秀 C。 赵 Z。 峰会的中国人口流动现象的网络在中国的春节期间 应用地理 2018年 96年 77年 85年 10.1016 / j.apgeog.2018.05.009 2 - s2.0 - 85047056042 张 W。 庄 Z。 李 X。 聂 G。 空间模式和中国人口流动因素的网络:大数据分析腾讯位置 城市 2020年 99年 102640年 10.1016 / j.cities.2020.102640 徐 J。 李 一个。 李 D。 中国城市发展的差异从客运的角度在春节 应用地理 2017年 87年 85年 96年 10.1016 / j.apgeog.2017.07.014 2 - s2.0 - 85026848123 庞ydF4y2Ba J。 赖 J。 空间格局在中国人口流动的城市:案例研究基于腾讯的国庆中秋+迁移数据 城市 2019年 94年 55 69年 10.1016 / j.cities.2019.05.022 2 - s2.0 - 85066499116 杨 W。 陈 H。 王 W。 居民的路径和时间效率的旅行不同的目的和不同的模式:一个实证研究在广州,中国 交通地理杂志 2020年 88年 102829年 10.1016 / j.jtrangeo.2020.102829 Erdős P。 Renyi 一个。 进化的随机图形 数学研究所的出版物的匈牙利科学院 1960年 5 1 17 60 他 D。 刘 Z。 王 B。 复杂系统和复杂的网络 2009年 中国,北京 高等教育出版社 朱 C。 王 X。 朱 l 一个新颖的方法,评估复杂网络中的关键节点 混乱,孤波和分形 2017年 96年 43 50 10.1016 / j.chaos.2017.01.007 2 - s2.0 - 85010002233 Bonacich P。 权力和中心:一个家庭的措施 美国社会学杂志》 1987年 92年 5 1170年 1182年 10.1086/228631 Mahutga m . C。 马 X。 史密斯 d . A。 贾斯汀 M。 经济全球化和世界城市体系的结构:航空乘客的情况下数据 城市研究 2010年 47 9 1925年 1947年 10.1177 / 0042098010372684 2 - s2.0 - 77954969768 Perra N。 Goncalves B。 Pastor-Satorras R。 Vespignani 一个 活动的驱动模型时变网络 科学报告 2012年 2 1 10.1038 / srep00469 2 - s2.0 - 84871233737 Brandes U。 ∗中间性中心的快速算法 《华尔街日报》的数学社会学 2001年 25 2 163年 177年 10.1080 / 0022250 x.2001.9990249 2 - s2.0 - 0035648637 Sabidussi G。 的中心地位指数图 心理测量学 1966年 31日 4 581年 603年 10.1007 / bf02289527 2 - s2.0 - 0013987194 杨 H。 Dijst M。 威特 P。 Van ginke H。 杨 W。 高速铁路和城市网络的空间结构在中国:一个流的方法 Tijdschrift voor economische en sociale geografie 2018年 109年 1 109年 128年 10.1111 / tesg.12269 2 - s2.0 - 85021451538 刘 Y。 康 C。 高 年代。 肖 Y。 田 Y。 理解intra-urban从出租车轨迹数据访问模式 《地理系统 2012年 14 4 463年 483年 10.1007 / s10109 - 012 - 0166 - z 2 - s2.0 - 84866937714 尼尔 Z。 世界城市网络研究需要特征向量吗? 城市研究 2013年 50 8 1648年 1659年 10.1177 / 0042098013477702 2 - s2.0 - 84876986575 博伊德 j . P。 Mahutga m . C。 史密斯 d . A。 递归地测量中心和权力在世界城市网络:尼尔的回复 城市研究 2013年 50 8 1641年 1647年 10.1177 / 0042098012466599 2 - s2.0 - 84876992371 赵 Z。 魏 Y。 庞 R。 研究中国城市网络的中心和控制转换基于省际迁移人口也在递归理论在城市网络研究的条件 Geographica学报 2017年 72年 6 1032年 1048年 赖 J。 庞ydF4y2Ba J。 中国城市网络结构特性基于人口流动春节期间的旅游高峰:“腾讯迁移”大数据的实证分析 城市规划与发展》杂志上 2020年 146年 2 04020018 10.1061 /(第3期)up.1943 - 5444.0000581 方 C。 研究的重大进展和未来的发展方向在中国城市群 Geographica学报 2014年 69年 8 1130年 1144年 Alderson 答:S。 Beckfield J。 在世界城市体系权力和地位 美国社会学杂志》 2004年 109年 4 811年 851年 10.1086/378930 2 - s2.0 - 1842832048 泰勒 p . J。 也包括 G。 沃克 d·r·F。 世界城市网络的测量 城市研究 2002年 39 13 2367年 2376年 10.1080 / 00420980220080011 2 - s2.0 - 0942295823