旅游信息流扩散的时空演变、影响因子及其区域差异——以对口援疆省市为例

Spatiotemporal Evolution， Influential Factors and Regional Differences in the Diffusion of Tourism Information Flow： A Case Study of Counterpart Provinces and Municipalities in Xinjiang

摘要

旅游信息是旅游决策的基础，对客流具有重要的导引作用。对口支援新疆可以促进新疆经济发展、民族团结与安全稳定，而旅游援疆正逐渐成为重要途径之一。通过百度指数和旅游场强度指数，分析了2011-2023年新疆旅游信息扩散流的时空分布格局，并以“推拉阻”理论为指导，通过多元线性回归和地理探测方法，进一步研究影响新疆旅游信息扩散流的驱动因素。结果表明，自2011年新一轮援疆工作开展以来，新疆旅游信息扩散流经历了稳步增长、增速放缓、急速下降和急速回升四个阶段。新疆旅游信息扩散流总场强度指数在空间上表现出南北分异，广东省、江苏省和浙江省等东南部地区的场强度指数较高，其中广东省为一级场强，江苏省和浙江省为二级场强。反之，东北和华北地区的吉林省和山西省的场强度指数较低。此外，新疆旅游信息扩散流的时空分异主要受信息化程度、经济发展水平、政府行为、人口因素和旅游吸引力等多个子系统的影响，其中信息化程度为主导因素，而空间距离对新疆旅游信息扩散流的阻碍作用逐渐减弱。

Abstract

Tourism information plays a crucial role in tourism decision-making and guides passenger flow. As a vital national strategy to promote Xinjiang's economic development， national unity， security and stability， the counterpart assistance for Xinjiang demonstrates the high concern and support for Xinjiang's development. Tourism support for Xinjiang is gradually becoming one of the essential ways. The spatial and temporal distribution patterns of tourism information diffusion flow in Xinjiang from 2011 to 2023 were analyzed by using the Baidu index and the tourism field intensity index. The driving factors affecting the tourism information diffusion flow in Xinjiang were further analyzed through multiple linear regression and geo-detection methods with the guidance of push-pull-resistance theory. The results indicated that since the implementation of the new round of Xinjiang aid work in 2011， the dissemination of tourism information in Xinjiang had undergone four stages， namely steady growth， slowing growth rate， sharp decline， and sharp rebound. Specifically， the total field strength index of the diffuse flow of tourism information in Xinjiang presented a spatial north-south divergence， with higher field strength indices in the southeastern regions， such as Guangdong， Jiangsu， and Zhejiang， where Guangdong had primary field strength and Jiangsu and Zhejiang have secondary field strengths， and Jilin and Shanxi in the north-eastern and northern regions had lower field strength indices. In addition， it was found that the spatiotemporal divergence of the diffusion flow of tourism information in Xinjiang was mainly affected by several subsystems， such as the degree of information technology， the level of economic development， government behavior， demographic factors， and tourism attractiveness， with the degree of information technology being the dominant factor. The obstacle of spatial distance in the dissemination of tourism information in Xinjiang had gradually diminished.

Graphical abstract

关键词

旅游信息流 / 时空分布特征 / 驱动因素 / 新疆

Key words

tourism information flow / spatiotemporal distribution features / driving factors / Xinjiang

随着信息技术的快速发展和互联网的普及，旅游信息在网络环境中的扩散对于旅游目的地形象塑造、旅游市场开发以及旅游客流引导等方面起重要作用。对口支援新疆维吾尔自治区（以下简称“新疆”）作为促进新疆经济发展、民族团结与安全稳定的重要战略，正有力推动新疆朝着旅游经济强区的目标迈进，为新疆旅游业注入了新活力。旅游业作为新常态下区域经济的稳定增长点，与互联网的联系也越来越紧密。特别是在对口援疆这一背景下，受援地与支援地之间的旅游合作与互动明显增强，网络信息的快速传播有助于推动援助政策下的旅游资源整合与区域协同发展。因此，深入探究旅游网络信息扩散在时空演变上的规律及其影响因子，分析不同区域间存在的差异性，不仅符合当前智慧旅游与数字营销的发展趋势，也是提升对口援疆省市旅游经济效益和社会效益的重要途径^［1］。

旅游信息流作为流空间的表现形式之一^［2］，形成于互联网用户搜索客源地和旅游目的地相关旅游信息的过程中^［3⁃4］。而旅游信息流不仅有助于提升新疆旅游业的市场竞争力、促进资源整合与创新，更能有效引导人流，推动新疆旅游业的持续健康发展。国外研究更多关注于分析目的地管理对旅游流的影响^［5］、旅游流流动特征^［6］以及旅游流对旅游区规划的应用^［7］等方面。国内研究更多关注的是旅游流的空间结构及其关键因素^［8］、交通对旅游流的影响^［9］以及国家、省、市多维旅游流之间流动关系^［10］等方面以及相关理论^［11］研究。旅游信息在目的地与客源地之间的流动，在一定程度上反映了游客对目的地的关注程度和选择倾向，对 旅游流具有明显的刺激作用^［12］。而目前相较于旅游流的关注度，学界关于旅游信息流的研究尚不够深入。新疆作为旅游目的地，当旅游信息的传播和客源地游客流量的集聚在时间和空间上相互协调时，区域间旅游活动就会顺利进行，从而促进旅游经济的发展^［3］。

梳理前人研究发现，百度指数^［12］、谷歌指数^［13］和旅游网络平台^［14］等是旅游信息流研究的主要数据来源，研究侧重于运用历史数据对比分析、GIS空间分析以及社会网络分析方法，探讨国家、省、市不同层面旅游信息流的网络组织架构^［15］、影响因素^［3］以及区域联动在旅游产业中的作用^［16］。尽管前人的研究表明，在区域协调发展的宏观环境下，省级旅游信息流形成以某一极点为核心，辅以三个主要节点，并由多个次级点共同推动的鲜明空间格局，且强度由东向西递减的空间格局^［17］，但对新疆旅游信息扩散至各对口援疆省市间的时空差异分析，明确旅游信息扩散的驱动因素，还需要进一步研究。因此，本研究选取了对口支援新疆的省市作为研究区域，以百度指数为依据，利用旅游场强度指数，探究新疆旅游信息扩散流在对口援疆省市中的空间集聚及差异特征，并以“推拉阻”理论为指导，以多元线性回归分析和地理探测器相结合的研究方法，进一步探析新疆旅游信息扩散的驱动因素，以更好地把握新疆旅游信息扩散流的流向、流速，从而为对口援疆省市制定精准化、差异化的旅游推广策略提供科学依据，助力优化资源配置，提高旅游信息传播效率，促进旅游业的区域协同发展。

1 研究区概况

新疆位于亚欧大陆中部（75°40'~96°18'E；35°25'~48°10'N），全疆拥有超过1 100个景点，数量居全国之首，旅游资源极其丰富，旅游资源类型占全国旅游资源类型的83%。自2010年中央新疆工作座谈会以来，北京市、天津市、河北省、山西省、河南省、湖北省、湖南省、广东省和广东省深圳市等19个省市的优秀援疆干部和人才共同参与新一轮援疆工作。这些对口援疆省市均位于中东部地区，总人口约10.17亿，占全国人口的72.13%，构成广阔的旅游客源市场。截至2022年，对口援疆省市地区互联网宽带接入用户达42 738.2万户，占比72.48%，经济实力雄厚，信息技术水平领先。

2 数据与方法

2.1 数据来源

百度指数是强大的搜索数据分析工具，能够实时、动态地反映旅游信息流的规模和趋势，可提供大量 地域性和针对性的搜索数据，精准把握旅游者的兴趣点、消费趋势以及旅游市场的最新动态。同时，该方法可以衡量地区旅游信息流入以及产生的旅游信息流^［18］。因此本文主要以对口援疆省市为搜索IP，以“新疆旅游”和“新疆旅游攻略”为核心关键词，收集2011-2023年新疆旅游信息扩散流百度指数作为基础数据。驱动因素相关指标数据主要依靠国家统计局分地区年度数据库以及研究区各省市统计年鉴。

2.2 研究方法

2.2.1 旅游场强度指数

表示旅游信息流网络点在特定区域旅游业发展中所起的作用，是衡量旅游信息流影响力的重要指标，可分为集聚场强指数和扩散场强指数^［19］。本文主要探讨新疆旅游信息扩散流的扩散场强指数，公式为

T_{\mathrm{A}}={\sum }_{ij}{F}_{ij}\times D_{ij}，（1）

其中，T_{\mathrm{A}}为旅游信息总流出量，F_{ij}为节点i扩散到节点j的信息流出量，D_{ij}为节点i至节点j的空间距离。

2.2.2 多元线性回归模型

旨在研究一个因变量和多个自变量之间的线性关系。它假设因变量可以通过线性组合多个自变量的加权和来进行预测。公式为

Y={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}{X}_{\mathrm{1}}+{\beta }_{\mathrm{2}}{X}_{\mathrm{2}}+\cdots +{\beta }_p{X}_p+\epsilon，（2）

其中，Y是被解释变量，X_p是解释变量，{\beta }_p是回归系数，用于表征X对Y的线性关系，\epsilon是误差项。

2.2.3 地理探测器

用于分析空间异质性、检验变量的空间异质性^［21］以及分析两个变量之间可能存在的因果关系^［22］。在本研究中，地理探测器被用来估算游客信息流的驱动力。公式为

q=\mathrm{1}-\frac{\mathrm{1}}{n{\sigma }^{\mathrm{2}}}{\sum }_{i=\mathrm{1}}^m n_{D,i}{\sigma }_{D,i}^{\mathrm{2}}，（3）

式中，q、n\mathrm{、}{\sigma }^{\mathrm{2}}\mathrm{、}m\mathrm{、}{n}_{D,i}\mathrm{、}{\sigma }_{D,i}^{\mathrm{2}}分别表示探测因子D的探测力值、全部区域样本数、旅游信息流的方差、次级区域个数、次一级区域样本数以及次一级区域旅游信息流的方差。0≤q≤1，其中当q≥0.5时，表示影响显著；当0.4≤q0.5时，表示影响较强；当0.3≤q0.4时，表示影响一般；当0≤q0.3时，表示影响较弱^［23］。

3 结果分析

3.1 新疆旅游信息流扩散场强时空特征分析

3.1.1 新疆旅游信息流扩散场强时间特征

通过旅游场强度指数计算2011—2023年新疆旅游信息流出量扩散场强度指数，结果如图1-2所示。从新疆旅游信息扩散流总场强度指数来看（图1），分为稳步增长阶段（2011-2016年）、增速放缓阶段（2017-2019年）、急速下降阶段（2020-2022年）以及急速回升阶段（2022-2023）4个阶段。2016年后随着移动互联网渗透率和人均数据量的增长，人口红利逐渐消失，互联网流量有限，新疆旅游信息流扩散进入增速放缓阶段。此后，受2018年全国经济不景气的影响，且旅游业发展往往滞后于经济发展^［24］，导致2019年游客人数略有下降。2020-2022年，受新冠疫情影响，新疆旅游信息扩散流回流至2013-2014年的水平。

2011-2023年新疆旅游信息扩散流主要流向广东省、浙江省、江苏省、上海市等地（图2）。2013年新疆旅游信息流扩散场强度指数广东省超越浙江省并持续位居第一，浙江省则稳居第二位，2014后年江苏省超越上海市位于第三位，紧随其后的有北京市和山东省。从2011-2023年各省市年均新疆旅游信息流扩散场强度指数来看，由高到低为广东省、江苏省、浙江省、上海市、北京市、山东省、广东省深圳市、湖南省、福建省、辽宁省、河南省、湖北省、安徽省、河北省、黑龙江省、江西省、吉林省、天津市、山西省。各省市位序变化较小，基本保持稳定。新冠疫情后，新疆旅游信息流出量急剧增加，河北省、河南省位序发生较大变动，上升了5位。在此期间河北省文旅厅广泛与巴音郭楞蒙古自治州政府展开多边合作，并签署《新时代文旅援疆合作框架协议》，持续加大“冀疆情·巴州行”送客入疆系列活动力度，组织多批次自驾团队、旅游专列、专机，累计万余名京津冀游客赴疆旅游。而在郑州市，地铁“哈密号”专列展示了“大美新疆、甜美哈密”的吸引力，促进了新疆旅游信息在河南省的传播与扩散。

3.1.2 新疆旅游信息流扩散场强空间特征

运用ArcGIS 10.8软件，根据自然间断点分级法将四个发展阶段新疆旅游信息扩散流平均场强度指数在空间上划分为5个级别，其中一级场强为最大，五级为最小。

从2011-2023年新疆旅游信息扩散流总场强度指数看，新疆旅游信息扩散流场强度指数空间上呈现以广东省为领衔的南北空间分异格局。具体来看，在东南部地区，广东省、江苏省和浙江省显示出较高的新疆旅游信息扩散场强度指数，其中广东省为一级场强，江苏省和浙江省为二级场强。而东北和华北地区 的吉林省和山西省则被认为是扩散流场强度指数较低的地带。相对而言，广东省、江浙沪等东南地区在客源市场、信息化建设等方面具有明显优势，旅游意愿相较其他地区强烈，成为新疆旅游信息流的流入地。相反，吉林省、黑龙江省等地区由于互联网普及率、通信基础设施建设等方面的制约，在一定程度上限制了新疆旅游信息的扩散。

从发展阶段来看，新冠疫情之前，新疆旅游信息搜寻量表现出从北至南的递增趋势。其中江西省、山西省、吉林省、黑龙江省等地虽逐年递增，但由于增长速度缓慢仍处于五级场强。由于新冠疫情影响，新疆旅游信息搜寻量回流至2011-2016年水平。新冠疫情后，全国旅游经济的逐渐复苏，新疆再次成为旅游热点，表现以广东省为一级场强，江苏省、浙江省、山东省为二级场强的南北空间分布格局。值得注意的是， 山东省的场强从三级提升为二级，河北省、河南省、辽宁省、安徽省、湖南省等地的场强等级升为三级，而其他地区的变化幅度较小。

3.2 驱动因素分析

3.2.1 指标选取

“推拉阻”理论作为流空间研究的核心理论之一，最初在20世纪末被应用于解释旅游动机，随后被广泛运用于旅游流研究。本文在借鉴国内外学者相关研究的基础上，构建新疆旅游信息扩散流场强度指数的“推拉阻”驱动因素指标体系。其中推力子系统是促进旅游信息流动的驱动因素，主要包括经济发展水平^［25］（如人均GDP^［26］、GDP^［27］、人均可支配收入^［28］、城镇化率^［29］）、人口因素^［30］（包括年末户籍人口^［27］、普通高等学校在校学生数^［31］、人口密度^［31］）、交通通达度^［32］（如公路密度^［9］、公路里程数^［9］、机动车拥有量^［18］）、信息化程度^［25］（如移动电话普及率^［33］、电信业务总量^［34］、固定宽带接入用户^［34］）等。拉力子系统作为旅游信息获取的核心要素，包括旅游吸引力^［12］（包括旅游资源禀赋^［35］、旅游服务水平^［35］、产业结构^［18］）、公共服务设施^［18］（包括生态环境服务设施^［36］、卫生服务设施^［36］）、地方政府行为^［37］（文化旅游体育与传媒支出）、交通通达度^［33］（同推力子系统）、信息化程度^［25］（同推力子系统）等。阻力子系统的主要驱动因素为空间距离^［32］（各省市与新疆之间的空间距离）（表1）。

3.2.2 多元线性回归分析

考虑到旅游业发展受2020年新冠疫情影响，本文主要采用2011-2019年各省市统计数据。借助Matlab 2022b对驱动因素指标进行多元线性回归分析，计算自变量各驱动因素指标与因变量新疆旅游信息流总场强之间的相关关系，结果见表2。推力子系统中驱动因素指标与因变量之间具有较强的相关性，所选择的13个驱动因子对因变量具有93.2%的解释力，且具有显著性（P0.05）；拉力子系统中驱动因素指标与因变量之间具有强相关性，所选择的12个驱动因子对因变量有97.83%的解释力，并具有显著性（P0.05）；而阻力子系统中空间距离与因变量之间具有较弱的相关性，对因变量仅有22.74%的解释力，并具有显著性（P0.05）。

此外，通过残差分析结果显示，驱动因素指标数据中上海市、福建省、广东省的统计数据对新疆旅游信息流总场强线性拟合精度产生影响，如图3所示，所以在驱动因素地理探测器分析中将其剔除。根据计算推力、拉力、阻力子系统\beta值与误差项，得出如下多元线性回归方程（自变量序号同表1）。

（1）推力子系统：

Y₁=2.5063-2.08x₁+13.69x₂+12.19x₃+1.88x₄+12.89x₅-2.35x₆+37.91x₇-

20.14 x₈+0.54x₉+16.08x₁₀-270.28x₁₁+42.63x₁₂-47.84x₁₃。

（2）拉力子系统：

Y₂=1.1338+6.78x₁₄+488.15x₁₅+1.02x₁₆-5.2x₁₇-0.9x₁₈+4.79x₁₉-14.92x₈-

1.0 x₉+9.67x₁₀-2.44x₁₁-79.07x₁₂+16.59x₁₃。

（3）阻力子系统：

Y₃=-8.5925+289.08x₂₀。

3.2.3 地理探测器分析

在多元线性回归分析基础上，运用地理探测器，结合k⁃均值聚类以及自然断裂点法对各驱动因子进行离散化处理，进一步探讨新疆旅游信息扩散流总场强时空特征的具体驱动因素以及影响强度。具体结果见表3及图4。

通过对地理探测器的因子探测及交互探测结果分析可知，除 x2、x5、x9、x10 及 x16 外，其余驱动因子均在0.05 水平上呈显著差异（P0.05，表3）。并且，各驱动因子的交互作用明显大于单因子的驱动作用（图4）。其中，信息化程度作为旅游信息流的关键媒介与通道，在塑造新疆旅游信息扩散流的时空差异特征方面发挥着主导作用，且与其他驱动因子交互作用呈双因子增强态势。其次，经济发展水平、政府行为、人口因素以及旅游吸引力因素可视为二级驱动因素。经济发展水平作为信息化建设的基础保障，不但决定着旅游信息流流动的规模与速度，还对其质量和结构以及流动的方向与范围产生影响，且与人口、公共服务设施呈双因子增强关系。地方政府行为是国家政策实施的具体体现，借助政策制定、投资引导、宣传推广以及基础设施建设等举措，能够有效推动旅游信息流的生成与传播，同时对旅游信息流的流向与流速发挥指导和引领作用。客源地人群作为市场主体，人口规模直接决定旅游市场的潜在需求，而人口质量与结构的差异会致使旅游信息流在内容和形式上呈多样性，并促进区域间人员流动。旅游吸引力作为旅游信息流产生的原动力，旅游资源禀赋与旅游服务水平对旅游市场及旅游信息流流量具有决定性意义。

与此同时，新疆旅游信息的流出离不开交通和公共服务设施的辅助与支撑。交通设施如同连接新疆各地与外部的桥梁，为旅游信息的传播和流动提供便捷通道。此外，公共服务设施的建设与完善也为旅游信息流的流动提供必要保障。良好的接待设施、完善的旅游服务体系以及便捷的通信网络，为旅游信息的传递和共享创造了有利条件。

另一方面，在对旅游信息流扩散影响因素的探究中，地区生产总值、年末户籍人口、公路里程数、机动车拥有量以及产业结构这五个指标虽具有一定影响值，但在统计学意义上并不显著。就地区生产总值而言，其高低并不直接与旅游信息流扩散形成强关联，这是因为经济结构的多元性以及资金投入方向的差异，使得其对旅游信息流的推动作用可能被其他更为直接的因素所遮蔽。对于年末户籍人口，其数量多少无法有效决定旅游信息流的扩散程度，一方面是由于本地居民可能因对本地旅游资源习以为常而缺乏传播动力，另一方面则是流动人口在旅游信息流扩散中可能发挥更大作用。公路里程数的影响不显著，原因在于现代交通方式的多元化以及信息传播渠道的转变，同时旅游目的地自身的特性也会削弱其作用。机动车拥有量的多寡并非旅游信息流扩散的决定性因素，出行方式的多样化以及环保意识的兴起等均对其产生影响。在产业结构方面，若旅游相关产业与其他产业关联度不高，或者处于发展进程中，抑或是受其他主导因素影响，都会导致其对旅游信息流扩散的作用不明显。此外，这些现象反映出旅游信息流扩散是一个受多因素综合影响的复杂过程，需要从经济、人口、交通、产业等多个维度进行深入分析与综合考量。

空间距离作为阻力因素，在已有研究中与旅游信息流呈显著负相关，即对旅游信息流向具有阻力作用。而在本研究中，空间距离为正向，原因在于对口支援新疆作为促进新疆经济发展、民族团结与安全稳定的重要战略，在国家及地方政策的实施推动中，新疆旅游信息扩散流空间阻碍作用减弱，且与其他因子交互作用呈双因子增强，如图4所示。

4 结论与建议

4.1 结论

（1）2011年新一轮对口援疆工作开始后，新疆旅游信息扩散流总场强经历了稳定增长（2011-2016年）、增速放缓（2017-2019年）、急速下降（2020-2022年）以及急速回升（2022-2023）四个阶段。

（2）2011-2023年间，新疆旅游信息扩散流总场强度指数在空间上表现出南北分异，广东省、江苏省和浙江省等东南部地区的场强度指数较高，其中广东省为一级场强，江苏省和浙江省为二级场强。反之，东北和华北地区的吉林省和山西省的场强度指数较低。

（3）2011-2019年间，新疆旅游信息扩散流的时空分异特征受“推拉阻”三个子系统影响。其中，信息化程度因素起主导作用，而经济发展水平、政府行为、人口因素、旅游吸引力因素为次级驱动因素。各驱动因素的交互作用大于单一因素的驱动作用。同时，随着国家及地方对口援疆政策的实施，空间距离对新疆旅游信息扩散流的阻碍作用减弱。

4.2 建议

旅游信息流的畅通有助于促进区域间的经济交流与合作，推动旅游资源的优化配置和共享。通过对口支援，发达地区可以为新疆提供更多的旅游资源和智力支持，促进旅游产业的跨越式发展。一方面，吉林省、黑龙江省、山西省等低场强度指数地区应加强信息化建设，提高信息化发展水平，充分发挥政府引导作用，在现有援疆成果基础上持续加大旅游援疆力度，积极响应对口支援新疆工作，依托地区旅游业发展优秀经验与新疆旅游展开多边合作，带动本地人流、信息流、资金流与新疆之间的流动；另一方面，新疆应充分利用其得天独厚的自然风光和独特的人文魅力，积极打造多个具有世界影响力的旅游目的地。在提升旅游服务水平的同时，新疆应紧密结合自身实际，制定具有针对性的旅游营销策略。如针对不同援疆省市的游客特点和需求，设计多样化的旅游产品，并加强市场推广，提升新疆旅游品牌的知名度和影响力。此外，新疆应积极与广东省、北京市等对口援疆省市建立紧密的旅游业发展合作关系。通过学习这些省市先进的旅游业发展理念和经验，新疆可以不断提升自身的旅游发展水平，推动新疆旅游业持续、健康、快速地发展。

综上，旅游业作为现代服务业的重要组成部分，其繁荣与发展对推动经济增长、促进文化交流、增强国际影响力等方面都具有不可替代的作用。在信息化时代，旅游信息流的传播与利用已经成为旅游业发展的重要驱动力。因此，必须深刻认识旅游信息流的重要性，并加强对其的研究和应用。通过深入分析旅游信息流的时空分布特征及其驱动因素，有助于更加精准把握旅游市场的需求和变化，为旅游资源的开发和目的地管理提供科学依据。同时，还应充分利用和完善旅游信息，推动旅游产业的提质增效。通过提升旅游服务水平、优化旅游产品结构、打造旅游品牌等方式，吸引更多的游客，推动旅游业的协同发展。未来研究应不断拓宽研究尺度，提升研究技术，以深入揭示旅游信息流对旅游信息扩散地的效用及其本质和规律。

参考文献

[1] 杨丽， 付玉慧， 王姣姣. “一带一路” 沿线中国省份旅游信息流时空分布格局及驱动因素分析［J］. 干旱区地理， 2023， 46（10）： 1714-1722.

[2] 杨延杰， 尹丹， 刘紫玟， 等. 基于大数据的流空间研究进展［J］. 地理科学进展， 2020， 39（8）： 1397-1411.

[3] 谢霞. 新疆入境旅游流时空特征与演变研究［J］. 内蒙古师范大学学报（自然科学汉文版）， 2019， 48（1）： 1-7.

[4] RUAN W Q， ZHANG S N. Can tourism information flow enhance regional tourism economic linkages？［J］. Journal of Hospitality and Tourism Management， 2021， 49： 614-623.

[5] CHEN X J， HUANG Y， CHEN Y S. 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.

[6] ANDRAZ J M， RODRIGUES P M M. Monitoring tourism flows and destination management： Empirical evidence for Portugal［J］. Tourism Management， 2016， 56： 1-7.

[7] ZHAO Y， WANG Z G， YONG Z W， et al. The spatiotemporal pattern evolution and driving force of tourism information flow in the Chengdu-Chongqing City cluster［J］. ISPRS International Journal of Geo-Information， 2023， 12（10）： 414.

[8] 阮文奇， 张舒宁， 郑向敏. 中国游客赴泰旅游流网络结构及其形成机理研究［J］. 世界地理研究， 2018， 27（4）： 34-44.

[9] 汪德根， 陈田， 陆林， 等. 区域旅游流空间结构的高铁效应及机理：以中国京沪高铁为例［J］. 地理学报， 2015， 70（2）： 214-233.

[10] 韩剑磊， 明庆忠， 史鹏飞， 等. 多维“流” 视角下区域旅游网络结构特征及其作用机制分析：以云南省为例［J］. 世界地理研究， 2021， 30（3）： 645-656.

[11] 唐顺铁， 郭来喜. 旅游流体系研究［J］. 旅游学刊， 1998， 13（3）：38-41.

[12] 王芳. 基于百度指数的中国大陆5A级景区旅游信息流网络空间格局研究［D］. 南京： 南京师范大学， 2015.

[13] COUPÉ T. Who is the most sought-after economist？ Ranking economists using Google Trends［J］. Southern Economic Journal， 2022， 89（2）： 611-642.

[14] 赵越， 胡静， 杨丽婷， 等. 新浪武汉旅游微博信息流与游客流关系研究［J］. 旅游研究， 2016， 8（6）： 31-37.

[15] 周慧玲， 许春晓. 中国城市旅游信息流空间网络结构特征分析［J］. 统计与决策， 2019， 35（20）： 91-94.

[16] BO T， HAO L.Mismatch and coupling： A study on the synergistic development of tourism-economy-ecology systems in the Pearl River Delta［J］.Sustainability，2022，14（14）：8518-8518.

[17] 虞洋， 宋周莺， 史坤博. 基于百度指数的中国省域间信息联系网络格局及其动力机制［J］. 经济地理， 2019， 39（9）： 147-155.

[18] 阮文奇. 区域旅游信息流：空间网络、动力机制与溢出效应［D］. 泉州： 华侨大学， 2019.

[19] 汪德根. 京沪高铁对主要站点旅游流时空分布影响［J］. 旅游学刊， 2014， 29（1）： 75-82.

[20] 刘海龙， 呼旭红， 郭政昇， 等. 中原城市群基本公共服务与城市化协调发展的时空演变及影响因素［J］. 湖南省师范大学自然科学学报， 2021， 44（4）： 71-80.

[21] 黄锐， 谢朝武. 中国出境旅游安全事故时空分布格局及形成机制［J］. 人文地理， 2019， 34（6）： 120-128.

[22] 王劲峰， 徐成东. 地理探测器： 原理与展望［J］. 地理学报， 2017， 72（1）： 116-134.

[23] 刘利利， 杨秀平， 王里克， 等. 甘肃省旅游信息流影响因素研究［J］. 地域研究与开发， 2022， 41（2）： 101-106.

[24] 赵磊.旅游发展与中国经济增长效率：基于Malmquist指数和系统GMM的实证分析［J］.旅游学刊，2012，27（11）：44-55.

[25] HARGITTAI E. Weaving the western web： Explaining differences in Internet connectivity among OECD countries［J］. Telecommunications Policy， 1999， 23（10-11）： 701-718.

[26] 邹永广， 林炜铃， 郑向敏. 旅游安全网络关注度时空特征及其影响因素［J］. 旅游学刊， 2015， 30（2）： 101-109.

[27] 厉新建， 漆家进， 宋彦亭. 内地客源赴澳旅游流区域分布差异及其影响因素分析［J］. 商业经济研究， 2015（27）： 122-124.

[28] 丘萍， 张鹏. 基于引力模型的水利旅游流影响因素研究［J］. 旅游研究， 2015， 7（1）： 41-49.

[29] 闫超栋， 马静. 中国省际信息化的空间关联及其影响因素分析［J］. 情报科学， 2017， 35（6）： 145-153.

[30] 孙中伟， 路紫， 贺军亮. 世界互联网信息流的空间格局及其组织机理［J］. 人文地理， 2009， 24（4）： 43-49.

[31] 官冬杰， 谭静， 张梦婕， 等. 重庆市人口与经济发展空间耦合分布研究［J］. 人文地理， 2017， 32（2）： 122-128.

[32] 曹子威. 基于信息流的省域城市间关系网络特征与机制研究：以山东省为例［D］. 南京： 南京大学， 2015.

[33] 马眸眸. 区域信息化与工业化融合的影响因素及综合评价研究［D］. 武汉： 中国地质大学， 2017.

[34] 张晓梅， 程绍文， 刘晓蕾， 等. 古城旅游地网络关注度时空特征及其影响因素：以平遥古城为例［J］. 经济地理， 2016， 36（7）： 196-202.

[35] 王宇楠， 王晶， 吴相利. 哈大高铁对沿线城市旅游流空间结构的影响［J］. 哈尔滨师范大学自然科学学报， 2016， 32（6）： 74-78.

[36] 常文娟， 熊元斌. 旅游公共服务水平评价及实证分析［J］. 统计与决策， 2015， 31（17）： 106-109.

[37] 张舒宁， 李勇泉， 阮文奇. 成渝经济区旅游发展效率测度及其影响因素研究［J］. 资源开发与市场， 2017， 33（12）： 1523-1528.

基金资助

新疆维吾尔自治区社会科学基金资助项目“高质量发展背景下伊犁河谷旅游产业集聚新动能培育研究”(2023BYJ033)