《表2 所选遗产地编码及类型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自驾游群体目的地选择的驱动因素研究——基于遗产地的网络分析视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据统计的高频词，构建高频词共现矩阵。共同出现的高频特征词一定存在着某种关联，关联的强弱通过共现的频次来表示。此外，对共词矩阵分析的结果进行二值化处理，其中0代表两者没有关系，1代表两者存在关系。本文引入社会网络分析法，使用Ucinet6.0软件分析了不同实体之间的关系。在目的地系统中，关系（旅游活动不同组成部分之间的相互作用）是理解旅游现象的核心[31]。社会网络是由不同的节点和边（线）所构成，节点的大小反映了该实体的影响程度大小，节点（关系相关者）与边（互动）共同反映实体之间的关系。本文对选取的45个世界遗产地进行了编码（表2），并构建了世界遗产地的目的地共现网络图谱和部分目的地的内部关系网络图谱（图2、图3）。由图2可见，在游客的感知中影响程度较大的世界遗产地为一些热门旅游地；同时一些次核心节点与核心目的地一起被感知，而另外一些处于网络边缘且联系较少的目的地，受距离或交通等因素的影响，未被自驾游群体所感知。与图2有所区别的是，各世界遗产地内部的网络结构图反映的信息更加详尽，图3即为选取的3个遗产地的共现网络。景点虽然是强烈的吸引节点，但是也会出现不连续和不均匀分布的状况[19]。W6黄龙与W9九寨沟之间的联系最密切，类似的遗产地还有如W1泰山与W10曲阜、W8武当山与W43神龙架等；与外围吸引物联系较密切的目的地类似的有W2莫高窟与鸣沙山、月牙泉等的联系最强。此外，在图3中我们可以看出自驾游群体在遗产地体验过程中比较关注的还有交通设施、限制性条件（门票、时间等）、风景区的景点景观，如W31少林寺，这与之前关于目的地感知的核心因素的研究存在着一定的差异[29]。鉴于之前的研究主要涉及对特定区域目的地网络的分析，因此本文不再对此进行详细描述。