下载掌阅APP，畅读海量书库
立即打开
学术上讨论旅游流至今，国内外学者做了很多有价值的研究，主要集中在四个方面。
（1）旅游流结构及特征研究。通常从时间、流量和流向三个维度刻画旅游流特征。时间维度上的旅游流研究主要聚焦目的地节律性和游览时间持续性两个方面的特征。刘静艳等（2001）就旅沪境外游客的市场结构特征及空间流动趋势等进行了研究 ［6］ 。陆林等（2002）对海滨型与山岳型旅游地客流季节性做了比较分析 ［7］ 。卢松等（2004）基于古村落分析了时间差异特征 ［8］ 。麦克切尔和刘（Mckercher&Lau，2008）分析了目的地内部旅游流的离散运动模式及运动风格 ［9］ 。李创新等（2012）分析了中国入境旅游流优势度时空动态演进特征，认为直辖市是核心 ［10］ 。林德荣和张军洲（2015）从季节性单位根入手，考察了杭州入境旅游人天时间序列相对隐性季节性特征 ［11］ 。周李等（2020）分析了北京市旅游流结构的时空演化特征 ［12］ 。
流量维度的旅游流研究着重分析一定空间和时间内所形成的规模，相关研究多集中于流量预测、流量影响因素和流量管理等方面。奥珀曼（Oppermann，1992）研究了马来西亚的国内旅游流流量，并对旅行模式的决定因素进行了分析 ［13］ 。光武（Mitsutake，1998）对入境中欧的日本游客流的流量、流动规律及流动趋势进行了研究 ［14］ 。金载亨（Jae H. Kim，2005）使用季节性ARIMA模型预测了澳大利亚国际旅游流量 ［15］ 。杨国良等（2007）对四川省做了实证分析，认为1996—2005年内的旅游流流量出现分形结构变化特征 ［16］ 。张佑印等（2009）运用物理学理论方法，分别对北京市集散旅游流特征、动力机制和旅游流预测及调控方面展开研究 ［17］ 。
流向维度方面的研究，以旅游流持续运动过程中经过的旅游线路和探索旅游流扩散规律居多。泰勒（Taylor，1976）研究了旅游流的距离衰减规律 ［18］ 。在这之后，马耀峰等（2001）通过对国内热点旅游城市的实证分析，运用地理空间分析方法对入境旅游流时空动态规律进行了系统研究 ［19］ 。马晓龙和吴必虎（2004）借助行为地理学的相关概念及理论，对西安入境游客的流动扩散规律进行了量化实证研究 ［20］ 。刘军胜等（2013）分析了中部六省集聚与扩散波动演变特点，认为存在“东—西”递进和内部转移演化规律 ［21］ 。靳诚等（2014）通过旅游攻略数据挖掘，考察了南京市内景点间游客流动的格局、机制与模式 ［22］ 。闫闪闪和靳诚（2019）解析了市域内旅游流空间扩散动力机制 ［23］ 。
（2）旅游流动力机制研究。旅游流驱动因素众多，包括经济、社会、文化、生态和环境各个方面。为此，研究学者们既构建理论框架进行分析，从旅游流的形成机制深入研究；也针对旅游流引发的物理效应开展实证研究。早期，德威尔（Dwyer，1994）重点分析了外商投资的不同层析和模式对澳大利亚旅游业的推动作用 ［24］ 。彭华（1999）系统地总结了旅游发展驱动力体系 ［25］ 。布鲁斯（Bruce，2005）对国际旅游流的影响因素作了深入探讨，认为政府责任、外部经济因素、政治与健康等因素都会对国际旅游流产生影响 ［26］ 。张和詹森（Zhang&Jense，2007）从旅游目的地角度出发，认为资源条件、技术条件、基础设施等供给方面的因素对国际旅游流的影响较为密切 ［27］ 。王永明等（2010）基于旅游流空间场效应的角度，认为入境旅游发达地区可以驱动其与周边城市间旅游流结构的发展 ［28］ 。黄泰（2012）认为影响长三角区域旅游流的主要因素在于人口分布、时间距离和城市经济发展水平 ［29］ 。张铁生和孙根年（2012）基于本底线模型的高分辨率分析，认为张家界旅游流在危机事件中更加脆弱，而并非自然灾害 ［30］ 。张春晖等（2016）基于旅游流与目的地耦合的研究，认为地理要素出现了巨大分化，东部以自然、经济和社会环境要素为主，西部则是旅游服务设施、服务人员及基础设施 ［31］ 。包富华和陈瑛（2019）运用重心及重心空间重叠性模型为研究手段，发现共同的经济目标、人流与物流的需求差异、交通因素成为入境旅游的驱动原因 ［32］ 。
（3）旅游流空间网络结构研究。旅游流的空间网络结构指的是众多旅游者在旅游时的行为空间轨迹所勾勒出的区域间客流关联结构。詹森·韦贝克（Jense，1995）对欧洲国家及跨区域旅游流进行了研究，发现欧洲内部旅游目的地及客源地的地理格局鲜明，旅游市场竞争已经超越了国家之间的经济层次 ［33］ 。杨新军等（2000）分析了节点间距、城市规模等各种因素对区域游客行为的影响，提出以城市为空间结点的区域旅游空间结构 ［34］ 。卢和麦克切尔（Lew&McKercher，2006）基于城市交通和游客行为，提出了目的地内游客空间运动模式 ［35］ 。柳礼奎和路紫（2007）认为信息技术变革使旅游信息的传播速度和流动性得到明显提高，冲击了传统区域旅游信息的空间结构，旅游信息流的空间结构将发生显著变化 ［36］ 。邓和阿塔那索普洛斯（Deng&Athanasopoulos，2011）通过动态空间滞后模型对澳大利亚的国内和入境旅游流进行了分析，客源地与目的地之间的时空自相关性表现出季节性变化，并发现首都和非首都城市邻居之间存在不对称性 ［37］ 。马耀峰等（2014）考察了我国60个旅游城市入境旅游空间网络结构的演变特征，发现空间网络联系以东部区内联系为主，东部地区城市的集聚作用愈加明显，中部和西部地区城市的集聚作用在减弱 ［38］ 。吴姗姗等（2020）选择黄河流域周边城市作为研究对象，结果表明旅游流网络结构呈“大松散、小聚簇”的特征 ［39］ 。程成等（2020）以中国—东盟的旅游流为研究对象，得到中国—东盟旅游流的空间分布格局、空间密度特征与空间重心迁移轨迹 ［40］ 。
（4）旅游流耦合研究。旅游流耦合关系的研究，以国内学者的研究为主。大多学者将旅游流与其他系统组成的具有开放性的协同系统作为整体，分析其关系演化及耦合程度。刘宏盈和马耀峰（2008）以上海和西部省区作为研究对象，探究旅游空间转移与区域旅游经济联系强度之间的耦合关系，认为应该将上海的“二手客源”向西部地区转移，推进入境旅游流西向扩散 ［41］ 。董亚娟等（2013）对西安的入境旅游流与区域经济两大系统的耦合协调度进行了实证分析，提出了一些针对性的改善调控策略 ［42］ 。冯娜和李君轶（2014）探讨了我国城市外向在线旅游信息流与入境旅游流之间的耦合关系，发现受经济发展水平、对外开放程度等影响，二者之间的耦合关系并非直接的对应 ［43］ 。张春辉等（2016）将入境旅游的6大典型城市作为研究样本，借助灰色关联模型系统探究了其旅游流与旅游目的地系统之间的互动关联耦合程度 ［44］ 。安景峰和李翠林（2018）分析了广东省入境旅游流流量与流质耦合度态势演化，发现量质双高型地区数量不断减少，偏离型地区变化较小，反向偏离型地区占据大多数 ［45］ 。窦开龙（2019）基于耦合模型和耦合协调度模型，以中国9个城市为研究对象，对城市经济与入境旅游两者间的耦合关系演化进行研究，发现耦合度与协调度指数不断增加，耦合发展态势处于优化之中 ［46］ 。
上述旅游流研究成果丰硕，较为全面地刻画了旅游流各方面特征和作用，但也存在一个共同的局限，就是数据源将研究的方法和结果造限定在特定的范围之内，比如研究旅游流的距离衰减，通常只能在较为大的距离尺度内进行相对含糊的刻画。而研究入境旅游流，则只能依托部分城市开展入境游抽样调查数据展开，这些二手数据精度参差不齐，影响结果准确性。而基于各地公布的旅游统计数据开展的国内旅游流研究，因为地方国内旅游统计口径和方法都有差异，“官出数据”较为普遍，研究结论的科学性势必大打折扣。为此，本书将利用位置大数据对全国国内旅游流进行研究，解决了数据精度和口径不一的弊端，且由于位置数据可在刻画区域间旅游流流量和流向上更加全面和细致，包含更多的信息量，能够进行更多的拓展研究并得出前期研究不易发现的时空规律。