旅游網(wǎng)站信息流距離衰減的集中度研究

旅游網(wǎng)站信息流距離衰減的集中度研究

K902，F(xiàn)590：A1000-0690(2011)07-0885-06修訂日期：2011-04-07近年來，人類社會經(jīng)濟活動已經(jīng)由傳統(tǒng)地理空間延伸到了網(wǎng)絡(luò)空間，網(wǎng)站信息流漸成為國內(nèi)外學者關(guān)注的熱點。國外研究主要集中在兩方面：一是從理論角度探討網(wǎng)站對訪問者的吸引效用[1]、引導作用[2,3]及其對信息流影響[4,5]；二是直接針對網(wǎng)站信息流距離衰減，開展了傳輸規(guī)律及其影響因素[6]、地方性[7]、空間關(guān)系[8]以及點擊流數(shù)據(jù)聚類新模型[9]的研究。國外的研究普遍表現(xiàn)出創(chuàng)新研究的視角，提出了較為實用的方法，呈現(xiàn)出虛擬和現(xiàn)實兩種距離衰減效應(yīng)的結(jié)合。國內(nèi)針對網(wǎng)絡(luò)空間信息流的研究也取得一定進展，多從實證視角分析虛擬信息流傳輸?shù)挠绊懸蛩豙10,11]、距離衰減形態(tài)[12]及方法論[13,14]等，為進一步探討虛擬信息流距離衰減奠定了基礎(chǔ)。網(wǎng)站作為網(wǎng)絡(luò)信息流傳輸?shù)闹匾?jié)點[15]，其訪問量可以直接反映網(wǎng)絡(luò)服務(wù)器信息流的傳輸狀況[16]，旅游網(wǎng)站信息流量數(shù)據(jù)具有更大的公開性和資源共享性。本文將其做為研究對象，根據(jù)網(wǎng)站資料的獲取情況，選取了24個旅游網(wǎng)站作為樣本。研究中采用了旅游網(wǎng)站自建站以來至數(shù)據(jù)采集日期(2007年9-10月)這一時間段內(nèi)，以省為單位的訪問者信息流量數(shù)據(jù)。本文首先運用Origin軟件曲線擬合功能評估了24個旅游網(wǎng)站信息流距離衰減的一般形態(tài)，在此基礎(chǔ)上逐級遞進分別應(yīng)用Zipf定律、地理集中度指數(shù)和指數(shù)模型三種方法，描述空間分布的集中性、揭示距離衰減的集中性程度、討論距離衰減的本地集中性與指數(shù)模型符合性的關(guān)系。這項研究既為網(wǎng)站應(yīng)用效果的評估提供新的理論依據(jù)和方法論，也為區(qū)域旅游目標市場確定和旅游網(wǎng)站自身功能完善提供理論支持。1基于Zipf定律所表達的空間分布集中性1.1Zipf定律驗證Zipf定律作為描述位序-規(guī)模分布的經(jīng)驗公式，與分形理論相結(jié)合后，被廣泛地應(yīng)用到城市[17,18]等研究領(lǐng)域，文中采用由“假設(shè)”到“驗證”的逆向研究范式，對旅游網(wǎng)站訪問量位序-規(guī)模分布形態(tài)進行描述。假設(shè)各旅游網(wǎng)站訪問量的位序-規(guī)模分布符合Zipf定律，對其進行檢驗。在進行檢驗之前將24個網(wǎng)站分為兩類，第一類是首位省份(即旅游網(wǎng)站訪問量最高的省份)在旅游網(wǎng)站所在省，共17個；第二類是首位省份不在旅游網(wǎng)站所在省，共7個。根據(jù)24個旅游網(wǎng)站分省訪問量對31個省份進行規(guī)模排序，將點列[K，f(K)]數(shù)據(jù)標繪在雙對數(shù)坐標圖上，即可繪制出旅游網(wǎng)站訪問量的位序-規(guī)模分布曲線，得到判定系數(shù)(表1)。24個旅游網(wǎng)站的判定系數(shù)均大于0.6，說明旅游網(wǎng)站訪問量位序-規(guī)模分布均服從Zipf定律，旅游網(wǎng)站信息流的規(guī)模分布形態(tài)對首位省份的區(qū)位敏感度低。1.2無標度區(qū)范圍無標度區(qū)是指分形關(guān)系成立的尺度范圍，可以表明研究對象具有某種分形特征，是統(tǒng)計分形中的一個重要的界定。本文采用人工判別法對無標度區(qū)分段和無標度區(qū)范圍進行確定，即根據(jù)雙對數(shù)點圖確定一段線性關(guān)系最好的區(qū)間為無標度區(qū)間，再用最小二乘法進行線性擬合，確定無標度區(qū)分段和無標度區(qū)范圍(表1)。從表1可看出，24個旅游網(wǎng)站均存在明顯的無標度區(qū)，且具有兩個特點：其一，多數(shù)旅游網(wǎng)站的無標度區(qū)范圍均包括大部分數(shù)據(jù)點；其二，多數(shù)旅游網(wǎng)站僅出現(xiàn)一個無標度區(qū)，說明旅游網(wǎng)站位序—訪問量規(guī)模分布結(jié)構(gòu)整體上具有單分形特征。1.3分維值與集中性關(guān)系的論證引入Pareto分布來說明每個旅游網(wǎng)站訪問量在31個省份的分布集中性。利用Zipf參數(shù)和判定系數(shù)計算旅游網(wǎng)站分維值D[19](表1)，定量描述旅游網(wǎng)站訪問量分布的集散程度。比較表1中各維數(shù)q和分維值D可見，大多數(shù)單一無標度區(qū)范圍的旅游網(wǎng)站Zipf維數(shù)均大于1，分維值均小于1，在0.189～0.817間波動，表明其規(guī)模等級結(jié)構(gòu)均呈Pareto分布模式[20,21]，無標度區(qū)內(nèi)旅游網(wǎng)站訪問量規(guī)模分布均比較分散，訪問量空間分布呈不均衡狀態(tài)，首位省份的壟斷地位較強。將無標度區(qū)范圍相近(數(shù)據(jù)點超過15個)、具有單分形特征的旅游網(wǎng)站按D值進行縱向?qū)Ρ劝l(fā)現(xiàn)：D值最大的西藏拉薩旅游網(wǎng)，其訪問量規(guī)模分布比較集中，空間分布呈相對明顯的均衡狀態(tài)，首位省份的壟斷地位較低，其訪問量比重為14.4％；D值最小的喀什旅游網(wǎng)，其訪問量規(guī)模分布比較分散，空間分布呈相對明顯的不均衡狀態(tài)，首位省份的壟斷地位較強，其訪問量比重高達66.5％?？梢姡珼值越大，則訪問量的規(guī)模分布越集中，規(guī)模分布的差異性越小，空間分布越均衡。上述旅游網(wǎng)站訪問量空間分布的集散性特征映射出旅游網(wǎng)站所在地國內(nèi)潛在旅游客源空間分布的集散性特征。2基于地理集中度指數(shù)所表達的本地集中性與經(jīng)濟集中性文中采用區(qū)位商、空間洛倫茨曲線和基尼系數(shù)三個地理集中度指數(shù)衡量旅游網(wǎng)站信息流距離衰減集中程度[22]。2.1區(qū)位商的比較按照各省省會與旅游網(wǎng)站所在省省會的實際距離的升序?qū)Ω魇》葸M行賦值“31、30、29……2、1”作為各省份的賦值距離，然后根據(jù)分別為各省份的賦值距離占賦值距離總和的比重和各省份對某旅游網(wǎng)站的訪問量占總訪問量的比重)，計算旅游網(wǎng)站距離衰減的區(qū)位商值。將各旅游網(wǎng)站區(qū)位商值大于1的省份匯總，發(fā)現(xiàn)：①24個網(wǎng)站中11個網(wǎng)站的區(qū)位商最高值出現(xiàn)在網(wǎng)站所在省，說明旅游網(wǎng)站信息流距離衰減具有明顯的本地集中性。②24個網(wǎng)站中區(qū)位商排在前5位的省份存在明顯的重疊現(xiàn)象，除網(wǎng)站所在省以外，廣東出現(xiàn)頻率為95.83％(23次)，且有5次位居第一，上海出現(xiàn)頻率為66.67％(16次)，北京出現(xiàn)頻率為54.17％(13次)；區(qū)位商值大于1的省份也存在明顯的重疊現(xiàn)象，主要有廣東、北京、上海和浙江?？梢姡畔⒘骶嚯x衰減過程中在經(jīng)濟發(fā)達地區(qū)訪問量會高于按距離衰減應(yīng)達到的水平，說明旅游網(wǎng)站信息流不完全按照距離均等的方式衰減，而是具有明顯的經(jīng)濟集中性。上述本地集中性和經(jīng)濟集中性特征映射出旅游目的地潛在旅游客流的流量和流向特征，因此，中國旅游目的地的國內(nèi)旅游目標市場應(yīng)該定位于本地和經(jīng)濟發(fā)達地區(qū)。2.2空間洛倫茨曲線的比較對旅游網(wǎng)站距離衰減的區(qū)位商進行升序排列，以各省賦值距離累計百分比為橫軸，以旅游網(wǎng)站各省份訪問量累計百分比為縱軸，繪制空間洛倫茨曲線(圖1)。空間洛倫茨曲線的彎曲程度越大，表明集中度越大。從圖1中可以看出所有曲線呈內(nèi)凹型，多數(shù)曲線與絕對均勻線相距較遠，說明多數(shù)旅游網(wǎng)站信息流距離衰減集中度較高。旅游網(wǎng)站信息流距離衰減集中度總體較高的特征與中國國內(nèi)旅游客源空間分布的不均衡性比較吻合。圖1旅游網(wǎng)站信息流距離衰減的空間洛倫茨曲線Fig.1SpatialLorenzcurveofdistanceattenuationofinformationflowintourismwebsites2.3基尼系數(shù)的比較為了量化描述集中度狀況引入基尼系數(shù)(G)指標[23]。基尼系數(shù)的計算方法有兩種：一種是在確定空間洛倫玆曲線方程的基礎(chǔ)上用積分計算，一種是直接計算弓形面積，本文采取后者計算。式中，為第i省賦值距離累計百分比。各旅游網(wǎng)站的基尼系數(shù)，可看出24個旅游網(wǎng)站中基尼系數(shù)大于0.5的有20個，介于0.4～0.5之間的有2個，介于0.3～0.4之間的有2個，這進一步說明多數(shù)旅游網(wǎng)站信息流距離衰減集中度整體較高。通過橫向比較發(fā)現(xiàn)，24個旅游網(wǎng)站中基尼系數(shù)差距較大，說明旅游網(wǎng)站信息流距離衰減的集中度存在較大差異。上述差異性特征要求：集中度較高的旅游目的地應(yīng)該更多地關(guān)注其知名度和影響力以擴大市場范圍，集中度較低的旅游目的地應(yīng)該更多地關(guān)注核心目標市場打造以確定重點客源區(qū)域。3本地集中性與指數(shù)模型符合性的關(guān)系3.1旅游網(wǎng)站訪問量指數(shù)衰減模型驗證從24個旅游網(wǎng)站中選取最符合指數(shù)模型的3個代表性樣本，以各省份訪問量占該旅游網(wǎng)站總訪問量的百分比為縱坐標，以各省份距該旅游網(wǎng)站所在省的公路距離為橫坐標，運用Origin軟件對各旅游網(wǎng)站訪問量與距離進行指數(shù)模型的擬合(圖2)。樣本旅游網(wǎng)站指數(shù)模型的驗證如下：從/DoF檢驗來看，四川旅游政務(wù)網(wǎng)的/DoF=0.0001≤2，北京旅行網(wǎng)的/DoF=0.0002≤2，山東濟南國信旅行社旅游網(wǎng)的/DoF=0.001≤2；從擬合優(yōu)度指數(shù)來看，三個旅游網(wǎng)站分別為0.994、0.975和0.804，均大于0.8。可見，三個旅游網(wǎng)站的指數(shù)模型均能通過檢驗，模型標準程度高。圖2三個旅游網(wǎng)站訪問量指數(shù)衰減擬合曲線Fig.2Exponentialdecaycurvefittingcurvesofthreetourismwebsites3.2指數(shù)模型對本地集中性的解釋指數(shù)模型的擬合優(yōu)度指數(shù)反映了指數(shù)模型與數(shù)據(jù)點的匹配效果，可以用于描述旅游網(wǎng)站信息流距離衰減的本地集中性與指數(shù)模型符合性。由圖2和分析可得：擬合優(yōu)度指數(shù)越高，指數(shù)模型與網(wǎng)站數(shù)據(jù)點的匹配效果越好，各數(shù)據(jù)點越緊湊地分布在擬合曲線兩側(cè)且波動越小，出現(xiàn)的離散點數(shù)量越少。進一步分析可見，旅游網(wǎng)站信息流距離衰減的本地集中性受旅游網(wǎng)站功能性質(zhì)影響，其本地集中性越強，指數(shù)模型與網(wǎng)站數(shù)據(jù)點的匹配效果也越好，越符合指數(shù)模型。四川旅游政務(wù)網(wǎng)屬于政府性旅游網(wǎng)站，本地集中性最強，其所在省訪問量比重高達68.9％，最符合指數(shù)模型；北京旅行網(wǎng)屬于組團性質(zhì)旅游網(wǎng)站，本地集中性較強，其所在省訪問量比重較高，為52.1％，較為符合指數(shù)模型；山東濟南國信旅行社旅游網(wǎng)屬于地接性質(zhì)旅游網(wǎng)站，本地集中性相對較弱，其所在省訪問量比重僅為34.7％，相對較不符合指數(shù)模型。由上可見，各類旅游網(wǎng)站應(yīng)該不斷完善自身功能類型，提供更多類型的旅游相關(guān)信息，擴大自身的知名度和影響范圍，打破行政界線對旅游網(wǎng)站發(fā)展的瓶頸作用。4結(jié)論1)旅游網(wǎng)站訪問量位序——規(guī)模分布形態(tài)均符合Zipf定律且表現(xiàn)出分形特征；多數(shù)旅游網(wǎng)站訪問量規(guī)模結(jié)構(gòu)呈Pareto分布，其空間分布呈不均衡狀態(tài)，且空間分布的集中性隨著分維數(shù)D值的增大而減弱。2)旅游網(wǎng)站信息流距離衰減具有明顯的本地集中性和經(jīng)濟集中性特征；多數(shù)旅游網(wǎng)站信息流距離衰減的集中度較高，且集中度存在一定差異。3)旅游網(wǎng)