2. 福建省习近平新时代中国特色社会主义思想研究中心 华侨大学研究基地,泉州 362021
2. Fujian Provincial Center for Xi Jinping Thought on Socialism with Chinese Characteristics for a New Era Research base of Huaqiao University, Quanzhou 362021, China
“一带一路”倡议呼吁沿线各国优势互补,积极推进文化和旅游交流合作。《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》明确指出要加强“一带一路”沿线国家旅游合作。旅游合作成为“一带一路”倡议的主旋律,沿线国家旅游合作问题受到世界瞩目[1,2]。在新冠肺炎疫情常态化与复杂国际形势的双重影响下,国际旅游合作受到严重冲击,提升沿线国家旅游合作应对挑战和受损恢复能力亟待科学探索。韧性是指一个系统遭受外部冲击后维持其自身稳定和核心功能运转的能力[3]。网络结构韧性是网络应对冲击并恢复、保持或改善原有系统特征和关键功能的能力[4],是区域未来可持续发展的重要指向[5],是区域韧性研究领域正在兴起的焦点[4,6]。“一带一路”沿线国家因旅游合作联系而形成一个复杂的网络系统,因此科学提升沿线国家旅游合作网络结构韧性成为推进“一带一路”高质量建设的重点。
目前,关于网络结构韧性的探索主要集中在:①多对象的网络结构韧性探讨:Crespo等以“网络连接”理念来构筑区域韧性空间,并探讨知识网络如何对区域经济韧性产生影响[7];Reggiani提出交通网络韧性框架,并讨论了随机网络与无标度网络的韧性特征以及其复杂性问题。此外,学界对城市网络结构韧性[4,6,8]、城市道路网络韧性[9]、信息网络韧性[10]、航空网络鲁棒性[11]等不同研究对象展开了探讨。②多维度的网络结构韧性评估研究:Ip等利用网络城市节点可靠性的加权平均数来衡量公路网络韧性,进而实现对整个网络韧性的测度[12];路兰等构建了包含传递性、多样性和中心性等指标的多维城市功能关联网络评价指标[13]。此外,网络效率[14]、多样性[15]及连通性[16]等其他指标也被应用于网络结构韧性评估。③网络结构韧性的影响因素研究:彭翀借助Python模拟和评估应对外界冲击下的城市群客运网络结构韧性变化特征,并分析影响其韧性水平的关键因素[6];Bhavathrathan等人探讨了城市路网结构韧性的影响因素[17,18]。网络结构韧性是“一带一路”沿线国家旅游合作协同应对挑战的重要途径[19]。已有网络结构韧性的研究虽然为系统研究沿线国家旅游合作联系网络结构韧性奠定了基础,但网络结构韧性评估指标尚未清晰形成、多尺度视角下的网络结构韧性特征有待系统揭示以及影响网络结构韧性的关键因素有待实证检验。
韧性研究经历了保持系统功能状态的工程韧性[3]、冲击状态下系统结构稳定的生态韧性[20]、动态背景下系统适应能力的演化韧性[21]等3个阶段,且演化韧性被认为更适合区域发展[8,21]。因此,本研究基于演化韧性视角来重点探讨沿线国家旅游合作联系网络结构韧性。国家作为区域内要素流动的主要载体与媒介,信息技术的快速发展加快了区域各要素的流动,使区域内国家空间由“静态”转变为“流空间”[19]。“流空间”是指通过要素流动而实现空间内部的交流联系[22]。此外,复杂网络理论已成为研究复杂系统的有效工具之一[23]。复杂网络理论强调从“节点—结构—系统”的思路来描述系统的组成及相互作用关系[24]。在旅游合作领域,复杂网络所具有的节点、网络结构以及网络演化特征与旅游合作联系网络复杂、多样、动态变化特征相吻合。因此,本研究基于流空间理论、复杂网络理论探讨“一带一路”沿线国家旅游合作联系网络结构韧性。
基于以上分析,本研究从“网络结构韧性”视角出发,科学测度沿线国家旅游合作联系网络结构,建构网络结构韧性测度指标体系,揭示“整体—区域”不同尺度的网络结构韧性特征;其次,借助障碍因子诊断模型,诊断不同区域的旅游合作联系网络结构韧性的障碍因子,并基于关联演化视角识别与验证关键影响因素,为提高沿线国家旅游合作联系网络结构韧性提供相关策略。一方面,本研究建构了包含鲁棒性、聚集性、传递性、层级性及匹配性等指标在内的网络结构韧性测度体系,为科学精准测度沿线国家旅游合作联系网络结构韧性提供基础指标支撑。另一方面,本研究揭示了“整体—局部”不同尺度下旅游合作联系网络结构韧性特征及演化规律,借助空间面板回归验证了影响网络结构韧性的关键因素,是对区域韧性研究的深化与拓展。
2 研究设计 2.1 研究方法 2.1.1 旅游合作联系测度本研究将产业发展环境与经济距离引入传统引力模型中来测度旅游合作联系[25]。式(1)中,Kij是i国、j国旅游合作吸引系数,用服务业就业人数占就业总人数的比重来衡量产业发展环境[26],SIi、SIj分别为i国、j国服务业就业人数占就业总人数的比重。Ti,Tj分别为i国、j国的旅游人数,Ii和Ij分别为i国、j国的旅游收入。GDij为i国和j国之间的地理距离,EDij代表i国和j国之间的经济距离。经济距离测算方法如式(3)所示[27]。其中,GDPPCi、GDPPCj分别为i国、j国的人均GDP,GDPi,GDPj分别为i国、j国的GDP。
(1) |
(2) |
(3) |
在测算出沿线国家旅游合作联系数的基础上,进一步计算出2000—2018年沿线国家旅游合作联系数的均值,并将其作为断点值。若某两国之间的旅游合作联系数高于或等于该断点值,则将两国之间的联系赋值为1,反之则赋值为0,从而将“一带一路”沿线国家旅游合作联系矩阵转化为61×61的“0—1”二值矩阵进行网络构建。
2.1.2 网络结构韧性评估网络结构是包含网络节点位置、路径长度、密度等构成要素在空间所呈现出的状态反映,网络结构自身属性的差异会直接影响区域的功能与韧性[4,7,28,29]。因此,网络结构成为评估区域韧性能力的重要表征[4,30]。本研究参考已有研究[4-6,31],选取鲁棒性、聚集性、传递性、层级性及匹配性等指标衡量旅游合作联系网络结构韧性。
(1)鲁棒性
鲁棒性用于评估当系统内部结构和外部环境发生改变时,该系统能否保持系统原有功能[32],即鲁棒性越高,表明该系统抵御外界破坏能力越强[33],其脆弱性越弱[34]。度是指网络结构中的某一节点与其他节点相连接的边的数目总和。某一个节点的度越大则表明该节点与网络中其他节点的联系越多,则利于该节点与其他节点协调合作,这意味着网络能力越高。因此,本研究采用网络中各节点的平均度(各节点度值的平均,式(4))来衡量网络鲁棒性[31,34]
(4) |
式中,
(2)聚集性
聚集性指网络集团化程度[10],即网络中节点相互联系的紧密程度。本研究选取平均聚类系数来测度。
(5) |
(6) |
式中,ki是节点i的度,即节点i的邻居数;Ei是节点i邻居间实际产生的边数;Ci为局部聚类系数;C为网络平均聚类系数。
(3)传递性
传递性指要素流通能力,与节点间最短路径长度有关[10],即网络传播和扩散功能[10]。本研究采用平均路径长度测度。
(7) |
式中,L是网络的平均路径长度;n是节点数;dij是从节点i到节点j的距离。
(4)层级性
网络度分布体现网络结构的层级性[7],其斜率越大代表节点度层级性越明显,即网络结构越系统牢靠。通过借鉴位序—规模法则[5],根据节点的度值绘制幂律曲线,并用其斜率a来衡量层级性。
(8) |
式中,Kh为节点h的度;Kh*为节点h的度在网络中的位序排名;C为常数;a为度分布曲线的斜率。
(5)匹配性
匹配性是衡量网络节点抱团发展能力的关键指标[4]。本研究计算出与节点h直接连接的所有相邻节点的度的平均值
(9) |
接着,对Ki与
(10) |
式中,Ki是节点h的相邻节点i的度;v是节点h所有相邻节点的集合;D为常数;b是度关联系数。
(6)网络结构韧性指数
参考前人研究[4,5,19,31],选取鲁棒性、聚集性、传递性及层级性等指标来综合测度沿线国家旅游合作联系网络结构韧性。此外,本研究认为4项指标在网络结构韧性中发挥同等作用,故将各指标权重设为0.25,进而综合测算出沿线国家旅游合作联系网络结构韧性指数。
(11) |
式中,R为网络结构韧性指数,Wi为第i个指标的权重,Ii为第i个指标的取值。
(7)网络结构韧性类型判定
结合层级性与匹配性将网络结构韧性划分为3类[5,7](表 1):
引入障碍因子诊断模型分析影响旅游合作联系网络结构韧性的障碍因子[35]。
(12) |
(13) |
式中,Oti为第i项指标在t年网络结构韧性的障碍度,Vti为指标偏离度,Pti为第i项指标在t年的标准化值,Wi为第i个指标的权重,表示障碍因子的贡献度。
2.1.4 面板数据模型借助面板数据模型检验影响旅游合作联系网络结构韧性的关键要素[36]。本研究通过单位根、协整检验[37]和F检验结果选择建立模型,其形式为:
(14) |
式中,N为第i个区域;T为年份;α为常数;β为系数;yit为被解释变量;xit为解释变量;δit为横截面个体i在时间t上的随机误差项。
2.2 影响因素选取目前关于网络结构韧性影响因素的探讨多集中于城市尺度[38-40]。此外,前人研究发现,政治、经济、社会等因素是影响区域旅游合作联系的关键因素[41-43]。其中,区域差异是影响旅游合作联系的重要因素[44]。由此推断,区域差异网络的结构韧性可能会影响旅游合作联系网络结构韧性。因此,本研究从政治、经济及社会三个层面的差异网络结构韧性来检验其对旅游合作联系网络结构韧性的影响。
(1)治理差异。良好的治理环境是促进旅游合作联系的重要保障[45],且国家间较大的差异会对游客产生好奇和吸引,促进双方合作互动[46],即治理差异会促进双方旅游合作联系[47]。类似地,治理差异网络结构韧性可能会影响旅游合作联系网络结构韧性。国家治理差异采用衡量治理能力的六个指标(发言权和问责制、政治稳定和暴力/恐怖主义、政府效力、监管质量、法治和腐败制度)的平均值来衡量,进而构建治理差异网络并测度结构韧性。
(2)经济差异。通过旅游合作产生的优势来满足落后国家经济发展需要是国家间旅游合作的重要驱动力[47]。经济发展水平存在差异的国家之间保持一定合作联系有利于区域资金流动,从而促进网络结构韧性水平提升[48]。因此,本研究认为经济差异网络的结构韧性会促进沿线国家旅游合作联系网络结构韧性水平的提升,并选取两国国民总收入差距来衡量经济差异网络,进而评估经济差异网络结构韧性。
(3)消费水平差异。居民收入水平一定程度上反映了国家经济发展情况[41],而消费水平则是影响旅游决策的重要因素[49]。国家间消费水平差距越大则会限制旅游需求,从而抑制旅游合作。因此,本研究认为消费水平差异可能是影响网络结构韧性的重要因素,并利用两国人均消费差距来衡量消费水平差异网络,进而评估消费水平差异网络结构韧性。
(4)安全差异。旅游安全是旅游活动开展过程中最基本需求[50],也是各国开展旅游合作的重要前提[51]。社会环境的安全程度是游客选择旅游地的重要因素[52],当国家间存在安全差异时,游客倾向前往更安全的目的地。这表明安全差异较大的两国则不利于开展旅游合作,即旅游安全差异网络可是抑制沿线国家旅游合作联系网络。因此,本研究认为旅游安全差异网络的结构韧性可能会影响沿线国家旅游合作联系网络结构韧性,并选用国家间国际谋杀犯罪率的差值来建构旅游安全差异网络,以此评估旅游安全差异网络结构韧性。
(5)旅游开放度差异。旅游开放度是指国家参与国际旅游合作联系的程度[53],是旅游发展的主要动力[26]。旅游开放度的差异会促进双方经济往来,进而强化旅游合作联系。本研究选取出境旅游开放度、入境旅游开放度的平均值来衡量旅游开放度[26],其中,出境旅游开放度、入境旅游开放度分别用出境旅游花费、入境旅游收入占GDP比重衡量。在此基础上,进一步构建旅游开放度差异网络,测算网络结构韧性。
综上,本研究将治理差异、经济差异、消费水平差异、安全差异及旅游开放度差异等网络的结构韧性作为影响“一带一路”沿线国家旅游合作联系网络结构韧性的重要因素来探讨。
2.3 数据来源国际旅游活动是“一带一路”沿线国家旅游合作联系的主要形式,故采用国际旅游人数、国际旅游收入替代式(1)的各国旅游人数、旅游收入,采用服务业就业人数占就业总人数的比重来衡量产业发展环境[26]。数据来源于世界发展指标数据库与法国CEPII数据库。此外,选取2000— 2018年沿线61个国家(不包括伊拉克、叙利亚、阿富汗、土库曼斯坦、乌兹别克斯坦)相关数据进行分析,并基于地理位置划分为中国—东盟—东亚、西亚、南亚、独联体及中东欧等五个区域。
3 沿线国家旅游合作联系网络结构韧性综合评估 3.1 网络结构韧性的评估与演化特征借助Gephi软件对网络结构韧性进行测算(表 2):①从鲁棒性来看,西亚、中东欧及中国—东盟—东亚的平均度较高,且呈递增趋势,说明区域中各国联系越发紧密,抗外界干扰能力逐步增强。②就聚集性而言,中国—东盟—东亚、西亚、中东欧及南亚聚集程度较高且水平相当,即网络聚集效应明显,在应对风险时资源整合范围和效率高。独联体数值波动较大,说明其网络结构不稳定。传递性方面,独联体平均路径长度的值最小且波动较小,其他四个区域的值逐年递减,表明其旅游合作联系自由化、便利化不断提高,能快速流转信息与资源,有利于增强抗风险能力。③从层级性来看,西亚、中东欧值较小,说明层级性较低,核心国家地位不显著,整体网络相对扁平;中国—东盟—东亚、南亚及独联体值较大,表明其具备能力强劲的核心国家组群,核心国家地位突出。
网络结构韧性指数显示:中国—东盟—东亚、西亚、中东欧网络结构韧性指数逐年增长,南亚、独联体韧性指数较为稳定且波动较小,但五个区域的韧性指数均不高,仍有较大提升空间。从网络结构韧性类型来看,中国—东盟—东亚、西亚、独联体及南亚韧性类型具备稳定化特征。其中,西亚、独联体为“韧性网络”,中国—东盟—东亚、南亚为“同配性核心—边缘网络”,而中东欧韧性类型由“韧性网络”转变为“同配性核心—边缘网络”。
3.2 网络结构韧性的障碍因子诊断运用障碍因子诊断模型识别出关键障碍因子(表 3)。鲁棒性、传递性与层级性先后成为中国—东盟—东亚网络结构韧性的主要障碍因子,其障碍度基本在50%左右,这表明该区域抗外界破坏能力逐渐增强,但其信息传输效率仍需加强。鲁棒性、层级性是西亚网络结构韧性的主要障碍因子,其障碍度逐年递减,传递性成为该区域的第一障碍因子,说明区域信息传输效率在加强,但抗外界破坏能力则减弱。南亚网络结构韧性的主要障碍因子是鲁棒性,其阻碍度逐年递增,说明需提升抗外界破坏能力。独联体网络结构韧性的主要障碍因子是传递性,且障碍度波动明显,呈先上升后下降态势,其传输效率仍需提高。层级性是中东欧网络结构韧性的主要障碍因子,且障碍度变化较小,应巩固网络核心国家的地位,充分发挥核心国家的带动效应。
本研究采用LLC、IPS、Fisher-ADF和Fisher-ADF等方法进行单位根检验(表 4):对变量一阶差分序列进行检验时,4种检验结果都拒绝“存在单位根”的零假设,即lnF、lnSD、lnED、lnTOD、lnCLD、lnGD都是一阶单整序列。
本研究采用Pedroni检验方法进行协整检验[54]。并选取Panel ADF-Statistic和Group ADF-Statistic的检验结果作为主要参考。结果表明lnF与lnSD、lnED、lnTOD、lnCLD、lnGD间存在长期均衡关系(表 5)。
面板数据模型包括随机效应、固定效应和混合回归模型,需根据F统计结果来确定面板数据模型。模型检验有如下两个F检验统计量:
式(15)和式(16)中:S1、S2和S3分别是随机效应模型、固定效应模型和混合效应模型的残差平方和;N为截面数;T为时期数;k为解释变量的数量。
原假设:
若接受假设H2,则选择混合模型,检验结束。若拒绝假设H2,则需进一步检验假设H1。若接受H1,则选择固定效应模型;若拒绝F1,则选择随机效应模型。回归结果显示:S1=1.100,S3=1.764,其中N=5,T=19,k=5。计算出:F2=1.635,其小于在5%的显著性水平下所对应的临界值,接受假设H2,即选择混合效应模型。
4.3 估计结果分析本研究基于2000—2018年沿线国家旅游合作联系网络结构韧性的面板数据,运用Eviews 10.0软件对网络结构韧性以及影响因素进行回归,结果显示(表 6):
治理差异网络(lnGD)、经济差异网络(lnED)、安全差异网络(lnSD)等的结构韧性对旅游合作联系网络结构韧性产生显著正向影响,表明国家间治理差异、经济差异、安全差异等网络越稳定,对旅游合作联系网络结构韧性具有促进作用,即国家间形成稳固的安全差异网络、治理差异网络以及经济差异网络时,旅游合作联系网络也会越发稳固。此外,经济差异网络结构韧性回归系数值最大,说明经济差异网络的结构韧性对其旅游合作联系网络的结构韧性影响最大。消费水平差异网络的结构韧性(lnCLD)具有负向影响。表明国家间消费水平差异网络越不稳定,越不利于提升旅游合作联系网络结构韧性能力。换言之,各国间长期存在不稳定的消费水平差异网络会不利于旅游合作联系网络的稳定发展。旅游开放度差异网络结构韧性(lnTOD)具有负面效应,但未通过显著性检验。这说明各国间旅游开发度差异网络越稳定持久,越不利于构建稳定持久的旅游合作联系网络。
5 结论与启示 5.1 结论本研究系统揭示了“一带一路”沿线国家旅游合作联系网络结构韧性的特征,甄别并验证了影响网络结构韧性的关键因素,主要结论如下:
(1)沿线国家旅游合作联系网络结构韧性呈趋好态势且具有显著的区域特征。中国—东盟—东亚、西亚、中东欧网络结构韧性呈递增趋势,南亚、独联体网络结构韧性相对稳定,但均有提升空间。西亚、独联体属于韧性网络,但西亚区域核心国家地位不显著、独联体网络结构稳定性较差且自由化程度低;中国—东盟—东亚、南亚属于同配性核心—边缘网络,区域内各国合作联系不够紧密;中东欧由韧性网络发展为同配性核心—边缘网络,并逐渐出现同质抱团现象,韧性有所下降。总体而言,沿线国家旅游合作联系网络结构韧性水平有所提升,其原因在于“一带一路”沿线国家政策沟通与行动举措促进了区域旅游交流合作[55]。从政策沟通而言,《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》等政策对于区域旅游发合作具有支撑作用[56]。由东盟发起的《区域全面经济伙伴关系协定》有效地推进了中国、东盟、东亚地区旅游合作的深化发展。此外,在行动举措方面,中国与中东欧区域搭建的旅游合作平台也有利于消除旅游合作阻碍[56],六大经济走廊贯通中东欧、南亚、西亚等区域,实现了区域间旅游合作共赢发展。
(2)鲁棒性、传递性与层级性是制约沿线国家旅游合作联系网络结构韧性的重要障碍因子。鲁棒性、传递性与层级性均是中国—东盟—东亚、西亚区域网络结构韧性的重要障碍因子,南亚、独联体、中东欧区域的重要障碍因子分别是鲁棒性、传递性以及层级性。
(3)多元网络的结构韧性共同影响沿线国家旅游合作联系网络结构韧性。具体而言,安全差异、治理差异以及经济差异等网络的结构韧性正向影响“一带一路”沿线国家旅游合作联系网络的结构韧性。有风险倾向的游客认为风险旅游所带来的体验是积极的[58]。可见,有风险偏好的游客愿意前往风险型旅游目的地,而风险厌恶的游客则倾向前往更安全的旅游环境。Izotov等指出差异能够激发游客的好奇心[46],这使得旅游目的地对游客对产生吸引力。治理环境的差异可能是吸引游客前往的重要因素。尽管西亚、南亚等区域一直是旅游安全事件的密集发生地[59],但沿线各国对旅游安全等方面展开合作[50],一定程度上缓解了游客对目的地风险的恐惧。因此,安全差异、治理差异以及经济差异能够促进沿线国家旅游合作联系。综上,当沿线国家之间安全差异网络、治理差异网络和经济差异网络等结构较为稳定时(即三者网络结构韧性较高),各国之间的旅游合作联系网络也会越发稳固(即合作联系网络结构韧性也越高)。而消费水平差异则阻碍整体网络结构韧性能力的提升。当地居民的消费水平会直接影响游客在该国游览的旅游成本[60]。因此,消费水平差异越大,说明游客出游成本越高,进而可能会导致旅游合作联系减少。若地区之间消费水平差异保持长期稳定时,则其越不利于旅游合作联系网络的稳定,即对合作联系网络结构韧性产生负面影响。
5.2 启示(1)推进区域差异建设,提升结构韧性水平。沿线国家旅游合作联系网络结构韧性发展相对稳定,但仍处于较低水平,有较大提升空间。因此,应结合区域内不同网络的结构韧性特征,制定差异化韧性提升策略。优先提升西亚区域内核心国家要素流动效率和密切联系程度,促进网络结构韧性提升;重视独联体区域内各要素合理流动,消除要素流动壁垒,实现要素共享与互联互通;加强南亚区域内国家资源流通,强化邻近国家联系,丰富区域连通渠道,将“弱联系”转换为“强联系”;加强中国—东盟—东亚、中东欧区域内国家协调合作机制,搭建客源互送、资源共享的合作联系平台。
(2)关注韧性障碍因子,提高协调发展能力。各区域应重点关注限制网络结构韧性提升的障碍因子,通过提升抗外界干扰能力、提高网络传输效率、增强核心国家辐射和集散能力等举措来减少“阻力”。首先,推动区域协同合作,增强风险抵抗能力。加强核心区与边缘区协同发展,保障区域密切联系、高效分工合作,建立多层耦合合作关系来提升网络鲁棒性。其次,促进要素自由流动,提高网络传输效率。各区域应结合自身优势,打破区域要素流动壁垒,建立无障碍要素流通机制,合理配置资源要素,保障资源利用效率和要素流通效率。最后,优化网络布局结构,提升整体网络韧性。区域的权力过度集中或分散均不利于提升网络结构韧性。因此,要建立跨区域协作的扁平化网络发展结构,发挥核心国家辐射带动作用,重视边缘国家差异化发展,引导网络结构趋于均衡化发展,实现网络结构韧性的有效提升。
(3)利用环境差异效应,优化合作网络结构。充分利用驱动因子对旅游合作联系网络结构韧性的驱动作用,强化区域旅游合作联系,进而提升网络结构韧性。一方面,建设安全旅游目的地、提高国家治理能力、促进经济高质量发展等手段来强化发展,通过适度、稳定的国家差异来增加游客的好奇心,使之成为吸引游客的旅游吸引物,进而推动和形成稳定的旅游合作联系,实现旅游合作联系网络结构韧性提升;另一方面,通过消费补贴、政策奖补等形式缩小国家间消费水平差距,减少游客出游成本,促进国际旅游合作,从而强化旅游合作联系网络的风险应对能力和受损恢复能力。
5.3 不足与展望本研究建构了“一带一路”沿线国家旅游合作联系网络结构韧性的评估模型,揭示了沿线国家旅游合作联系网络结构韧性特征,识别了影响网络结构韧性的关键因素,但本研究对研究对象的具体实践探讨较少,旅游合作联系网络构建也并未考虑旅游的辐射作用。旅游能级是对一个区域旅游功能对外辐射的影响程度,是一个区域旅游综合吸引力和辐射力的重要表征[61]。未来研究可以结合研究对象实践,尝试将旅游能级纳入来修正引力模型,进而更加科学地构建旅游合作联系网络。其次,关于网络结构韧性影响因素的探索尚不成熟[62]。沿线国家旅游合作联系网络结构韧性的生成是多元因素相互作用的结果,未来可通过采集多源、高精度数据来识别、验证影响沿线国家旅游合作联系网络结构韧性关键因素,并采用fsQCA方法探讨多因素相互协同影响网络结构韧性的组合效应与作用路径[63]。最后,未来可借助Python对沿线国家某个节点进行中断模拟,进一步识别出影响网络结构韧性的关键节点[6],并分析其对整体网络结构韧性的影响。
[1] |
Cheng L K. Three questions on China's "Belt and Road Initiative"[J]. China Economic Review, 2016, 40: 309-313. DOI:10.1016/j.chieco.2016.07.008 |
[2] |
韩静, 徐虹. 旅游开发与合作助力"一带一路"倡议发展[J]. 旅游学刊, 2017, 35(5): 6-7. [Han Jing, Xu Hong. Tourism development and cooperation contribute to the development of the Belt and Road Ini-tiative[J]. Tourism Tribune, 2017, 35(5): 6-7.] |
[3] |
Holling C S. Resilience and stability of ecological systems[J]. An-nual Review of Ecology and Systematics, 1973, 4(4): 1-23. |
[4] |
彭翀, 林樱子, 顾朝林. 长江中游城市网络结构韧性评估及其优化策略[J]. 地理研究, 2018, 37(6): 1193-1207. [Peng Chong, Lin Yingzi, Gu Chaolin. Evaluation and optimization strategy of city net-work structural resilience in the middle reaches of Yangtze River[J]. Geographical Research, 2018, 37(6): 1193-1207.] |
[5] |
谢永顺, 王成金, 韩增林, 等. 哈大城市带网络结构韧性演化研究[J]. 地理科学进展, 2020, 39(10): 1619-1631. [Xie Yongshun, Wang Chengjin, Han Zenglin, et al. Structural resilience evolution of multiple urban networks in the Harbin-Dalian urban belt[J]. Progress in Geography, 2020, 39(10): 1619-1631.] |
[6] |
彭翀, 陈思宇, 王宝强. 中断模拟下城市群网络结构韧性研究-以长江中游城市群客运网络为例[J]. 经济地理, 2019, 39(8): 68-76. [Peng Chong, Chen Siyu, Wang Baoqiang. Analyzing city network's structural resilience under disruption scenarios: A case study of pas-senger transport network in the middle reaches of Yangtze river[J]. Economic Geography, 2019, 39(8): 68-76.] |
[7] |
Crespo J, Suire R, Vicente J. Lock-in Or Lock-Out? How structural properties of knowledge networks affect regional resilience[J]. Jour-nal of Economic Geography, 2013, 14(1): 199-219. |
[8] |
魏冶, 修春亮. 城市网络韧性的概念与分析框架探析[J]. 地理科学进展, 2020, 39(3): 488-502. [Wei Ye, Xiu Chunliang. Study on the concept and analytical framework of city network resilience[J]. Progress in Geography, 2020, 39(3): 488-502.] |
[9] |
吕彪, 高自强, 管心怡, 等. 基于日变交通配流的城市道路网络韧性评估[J]. 西南交通大学学报, 2020, 55(6): 1181-1190. [Lv Biao, Gao Ziqiang, Guan Xinyi, et al. Resilience assessment of urban road network based on day-to-day traffic assignment[J]. 2020, 55(6): 1181-1190.]
|
[10] |
李艳, 孙阳, 陈雯. 反身性视角下信息流空间建构与网络韧性分析: 以长三角百度用户热点搜索为例[J]. 中国科学院大学学报, 2021, 38(1): 62-72. [Li Yan, Sun Yang, Chen Wen. Construction of space of information flows and assessment of network resilience from reflexive perspective: A case study of Baidu index in Yangtze River Delta[J]. Journal of the University of the Chinese Academy of Sciences, 2021, 38(1): 62-72.] |
[11] |
许欣华. 航空网络鲁棒性及延误传播相关性研究[D]. 南京: 南京航空航天大学, 2018: 75. [Xu Xinhua. Research on Robustness of Air Transportation Network and Flight Delay Correlation[D]. Nan-jing: Nanjing University of Aeronautics and Astronautics, 2018: 75.]
|
[12] |
Ip W H, Wang D. Resilience and friability of transportation net-works: Evaluation, analysis and optimization[J]. IEEE Systems Journal, 2011, 5(2): 189-198. DOI:10.1109/JSYST.2010.2096670 |
[13] |
路兰, 周宏伟, 许清清. 多维关联网络视角下城市韧性的综合评价应用研究[J]. 城市问题, 2020(8): 42-55. [Lu Lan, Zhou Hongwei, Xu Qingqing. Application research on comprehensive evaluation of urban resilience from the perspective of multidimensional relational networks[J]. Urban Issues, 2020(8): 42-55.] |
[14] |
Li X, Xiao R. Analyzing network topological characteristics of ecoindustrial parks from the perspective of resilience: A case study[J]. Ecological Indicators, 2017, 74: 403-413. DOI:10.1016/j.ecolind.2016.11.031 |
[15] |
Rak J. Κ-Penalty: A novel approach to find Κ-disjoint paths with differentiated path costs[J]. IEEE Communications Letters, 2010, 14(4): 354-356. DOI:10.1109/LCOMM.2010.04.091597 |
[16] |
Ruiz-Martin C, Paredes A L, Wainer G A. Applying complex net-work theory to the assessment of organizational resilience[J]. IFACPapers On Line, 2015, 48(3): 1224-1229. |
[17] |
Bhavathrathan B K, Patil G R. Capacity uncertainty on urban road networks: A critical state and its applicability in resilience quantifi-cation[J]. Computers, Environment and Urban Systems, 2015, 54: 108-118. DOI:10.1016/j.compenvurbsys.2015.07.005 |
[18] |
Jenelius E, Mattsson L. Road network vulnerability analysis: Con-ceptualization, implementation and application[J]. Computers, En-vironment and Urban Systems, 2015, 49: 136-147. DOI:10.1016/j.compenvurbsys.2014.02.003 |
[19] |
魏石梅, 潘竟虎. 中国地级及以上城市网络结构韧性测度[J]. 地理学报, 2021, 76(6): 1394-1407. [Wei Shimei, Pan Jinghu. Network structure resilience of cities at the prefecture level and above in China[J]. Acta Geographica Sinica, 2021, 76(6): 1394-1407.] |
[20] |
Reggiani A. Network resilience for transport security: Some meth-odological considerations[J]. Transport Policy, 2013, 28: 63-68. DOI:10.1016/j.tranpol.2012.09.007 |
[21] |
Simmie J, Martin R. The Economic resilience of regions: Towards an evolutionary approach[J]. Cambridge journal of regions, economy and society, 2010, 3(1): 27-43. DOI:10.1093/cjres/rsp029 |
[22] |
Castells M. The Informational City: Information Technology, Eco-nomic Restructuring, and the Urban-Regional Process[M]. Oxford: Basil Blackwell, 1989: 76-77.
|
[23] |
杨琦, 张雅妮, 周雨晴, 等. 复杂网络理论及其在公共交通韧性领域的应用综述[J]. 中国公路学报, 2022, 35(4): 215-229. [Yang Qi, Zhang Yani, Zhou Yuqing, et al. A review of complex network theory and its application in the resilience of public transportation systems[J]. China Journal of Highway and Transport, 2022, 35(4): 215-229.] |
[24] |
罗桑扎西, 甄峰, 张姗琪. 复杂网络视角下的城市人流空间概念模型与研究框架[J]. 地理研究, 2021, 40(4): 1195-1208. [Luo Sang-zhaxi, Zhen Feng, Zhang Shanqi. A conceptual model and method-ological framework for examining urban people flow space based on complex network perspective[J]. Geographical Research, 2021, 40(4): 1195-1208.] |
[25] |
殷杰, 郑向敏, 李实. 合作态势与权力角色: "一带一路"沿线国家旅游合作网络解构[J]. 经济地理, 2019, 39(7): 216-224. [Yin Jie, Zheng Xiangmin, Li Shi. Cooperation situation and power role: De-construction of tourism cooperation network of countries along the belt and road initiative[J]. Economic Geography, 2019, 39(7): 216-224.] |
[26] |
殷杰, 刘雅芳, 杨东旭, 等. 一带一路"沿线欧洲诸国旅游开放度研究[J]. 经济地理, 2017, 37(6): 190-197. [Yin Jie, Liu Ya fang, Yang Dongxu, et al. Study on tourism openness of european countries along the "B & R"[J]. Economic Geography, 2017, 37(6): 190-197.] |
[27] |
李文宇, 刘洪铎. 多维距离视角下的"一带一路"构建-空间、经济、文化与制度[J]. 国际经贸探索, 2016, 32(6): 99-112. [Li Wenyu, Liu Hongduo. The construction of "one belt one road" from the per-spective of multi-dimension: Space, economy, culture and institu-tion[J]. International Economics and Trade Research, 2016, 32(6): 99-112.] |
[28] |
Granovetter M S. The strength of weak ties[J]. American journal of sociology, 1973, 78(6): 1360-1380. |
[29] |
J. N M E. Mixing patterns in networks[J]. Physical Review, 2003, 67(2): 241-251. |
[30] |
方叶林, 苏雪晴, 黄震方, 等. 中国东部沿海五大城市群旅游流网络的结构特征及其韧性评估-基于演化韧性的视角[J]. 经济地理, 2022, 42(2): 203-211. [Fang Yelin, Su Xueqing, Huang Zhenfang, et al. Structural characteristics and resilience evaluation of tourism flow networks in five major urban agglomerations in coastal china: from the perspective of evolutionary resilience[J]. Economic Geog-raphy, 2022, 42(2): 203-211.] |
[31] |
费智涛, 郭小东, 刘朝峰, 等. 基于系统视角的城市医疗系统地震韧性评估方法研究[J]. 地震研究, 2020, 43(3): 431-440. [Fei Zhitao, Guo Xiaodong, Liu Chaofeng, et al. Research on earthquake resil-ience assessment method of urban medical system based on system perspective[J]. Journal of Seismological Research, 2020, 43(3): 431-440.] |
[32] |
陈方, 戢晓峰, 梁斐雯, 等. 基于复杂网络的区域旅游交通网络特征研究-以云南省为例[J]. 地域研究与开发, 2018, 37(6): 93-97. [Chen Fang, Ji Xiaofeng, Liang Feiwen, et al. Complexity of re-gional tourism transportation network based on complex networks theory: A case study of Yunnan province[J]. Areal Research and De-velopment, 2018, 37(6): 93-97.] |
[33] |
Ahern J. From fail-safe to safe-to-fail: Sustainability and resilience in the new urban world[J]. Landscape and Urban Planning, 2011, 100(4): 341-343. |
[34] |
郭卫东, 钟业喜, 冯兴华. 基于脆弱性视角的中国高铁城市网络韧性研究[J]. 地理研究, 2022, 41(5): 1371-1387. [Guo Weidong, Zhong Yexi, Feng Xinghua. Research on the resilience of China's high-speed rail urban network from the perspective of vulnerability[J]. Geographical Research, 2022, 41(5): 1371-1387.] |
[35] |
徐少癸, 左逸帆, 章牧. 基于模糊物元模型的中国旅游生态安全评价及障碍因子诊断研究[J]. 地理科学, 2021, 41(1): 33-43. [Xu Shaogui, Zuo Yifan, Zhang Mu. Evaluation of tourism ecological security and diagnosis of obstacle factors in china based on fuzzy object element model[J]. Scientia Geographica Sinica, 2021, 41(1): 33-43.] |
[36] |
张娜, 佟连军. 基于面板数据的黑龙江省旅游经济效应分异研究[J]. 经济地理, 2013, 33(2): 172-178. [Zhang Na, Tong Lianjun. An panel data study on the dissimilarity of tourism economic effect in heilongjiang[J]. Economic Geography, 2013, 33(2): 172-178.] |
[37] |
周春山, 金万富, 张国俊, 等. 中国国有建设用地供应规模时空特征及影响因素[J]. 地理学报, 2019, 74(1): 16-31. [Zhou Chunshan, Jin Wanfu, Zhang Guojun, et al. Spatio-temporal characteristics and influencing factors state owned construction land supply in China[J]. Acta Geographica Sinica, 2019, 74(1): 16-31.] |
[38] |
Sajjad M, Chan J C L, Chopra S S. Rethinking disaster resilience in high-density cities: Towards an urban resilience knowledge system[J]. Sustainable Cities and Society, 2021, 69. |
[39] |
Sun H, Zhen F. Spatial characteristics and influencing factors of ur-ban resilience from the perspective of daily activity: A case study of Nanjing, China[J]. Chinese Geographical Science, 2021(31): 387-399. |
[40] |
Dong X, Shi T, Zhang W, et al. Temporal and spatial differences in the resilience of smart cities and their influencing factors: Evidence from non-provincial cities in China[J]. Sustainability, 2020, 4(12): 13-21. |
[41] |
Yin J, Bi Y, Ji Y. Structure and formation mechanism of china-asean tourism cooperation[J]. Sustainability, 2020, 12(13): 5440. |
[42] |
Wong E P Y, Mistilis N, Dwyer L. Understanding asean tourism col-laboration: The preconditions and policy framework formulation[J]. International Journal of Tourism Research, 2010, 12(3): 291-302. |
[43] |
Czernek K. Determinants of cooperation in a tourist region[J]. An-nals of tourism research, 2013, 40: 83-104. |
[44] |
Cheng J Y S. China-asean economic co-operation and the role of provinces[J]. Journal of Contemporary Asia, 2013, 43(2): 314-337. |
[45] |
Mihalič T, Aegota T, Knežević Cvelbar L, et al. The influence of the political environment and destination governance on sustain-able tourism development: A study of Bled, Slovenia[J]. Journal of sustainable tourism, 2016, 24(11): 1489-1505. |
[46] |
Izotov A, Laine J. Constructing (un)familiarity: Role of tourism in identity and region building at the finnish-russian border[J]. Euro-pean Planning Studies, 2011, 21(1): 93-111. |
[47] |
田里, 吴信值, 王桀. 国外跨境旅游合作研究进展与启示[J]. 旅游学刊, 2018, 33(7): 52-62. [Li Tian, Wu Xinzhi, Wang Jie. Interna-tional research progress and implications of cross-border coopera-tion in tourism[J]. Tourism Tribune, 2018, 33(7): 52-62.] |
[48] |
孙久文, 孙翔宇. 区域经济韧性研究进展和在中国应用的探索[J]. 经济地理, 2017, 37(10): 1-9. [Sun Jiuwen, Sun Xiangyu. Research progress of regional economic resilience and exploration of lts ap-plication in China[J]. Economic Geography, 2017, 37(10): 1-9.] |
[49] |
Bernini C, Cracolici M F. Is participation in the tourism market an opportunity for everyone? some evidence from Italy[J]. Tourism Economics, 2016, 22(1): 57-79. |
[50] |
马超, 张青 磊". 一带一路"与中国-东盟旅游安全合作-基于亚洲新安全观的视角[J]. 云南社会科学, 2016(4): 19-24. [Ma Chao, Zhang Qinglei. "One Belt One Road" and China-Asean tourism se-curity cooperation: from the perspective of the new asian security concept[J]. Social Sciences in Yunnan, 2016(4): 19-24.] |
[51] |
Timothy D J, Kim S S. Understanding the tourism relationships be-tween south korea and China: A review of influential factors[J]. Current Issues in Tourism, 2015, 18(5): 413-432. |
[52] |
Brunt P, Mawby R, Hambly Z. Tourist victimisation and the fear of crime on holiday[J]. Tourism management, 2000, 21(4): 417-424. |
[53] |
彭羽, 沈玉良, 田肖 溪". 一带一路"FTA网络结构特征及影响因素: 基于协定异质性视角[J]. 世界经济研究, 2019(7): 90-103. [Peng Yu, Shen Yuliang, Tian Xiaoxi. Structural features and influencing factors of FTA network along the Belt and Road: Based on the per-spective of rules heterogeneity[J]. World Economy Studies, 2019(7): 90-103.] |
[54] |
何志超, 余兆武, 伍博炜. 基于面板数据的中国R & D投入对城镇化影响分析[J]. 地理科学进展, 2015, 34(8): 998-1008. [He Zhichao, Yu Zhaowu, Wu Bowei. Effect of China's R & D input on urbaniza-tion level based on panel data analysis[J]. Progress in Geography, 2015, 34(8): 998-1008.] |
[55] |
黄锐, 谢朝武, 赖菲 菲". 一带一路"倡议对沿线目的地国家旅游发展影响研究-基于引力模型和双重差分的实证检验[J]. 地理与地理信息科学, 2022, 1-10. [Huang Rui, Xie Chawu, Lai Feifei. Im-pact of the "Belt and Road" initiative on the tourism development of destination countries along the route: A empirical test based on gravity model and difference-in-difference method[J]. Geography and Geo-Information Science, 2022, 1-10.] |
[56] |
Huang X, Han Y, Gong X, et al. Does the belt and road initiative stimulate China's inbound tourist market? An empirical study using the gravity model with a did method[J]. Tourism Economics, 2020, 26(2): 299-323. |
[57] |
林炜铃, 邹永 广". 一带一路"沿线旅游合作空间格局与合作机制[J]. 南亚研究季刊, 2016(2): 76-83. [Lin Weiling, Zou Yongguang. Regional tourism cooperation along "one belt and one road": Space layout and mechanism[J]. South Asian Studies Quarterly, 2016(2): 76-83.] |
[58] |
Holma M R, Lugosi P, Croesa R R, et al. Risk-tourism, risk-taking and subjective well-being: A review and synthesis[J]. Tourism Man-agement, 2017, 63: 115-122. |
[59] |
朱尧, 邹永广, 李强红, 等. 网络关系视角下中国公民出境旅游安全感知事件时空分布特征-以"一带一路"沿线国家为例[J]. 世界地理研究, 2020, 29(6): 1304-1311. [Zhu Yao, Zou Yongguang, Li Qianghong, et al. Spatio-temporal characteristics of Chinese out-bound travel safety perception events from network relation per-spective: A case in countries along the "Belt and Road"[J]. World Regional Studies, 2020, 29(6): 1304-1311.] |
[60] |
贾惠婷. 一带一路沿线国家来自中国游客旅游量的影响因素分析[J]. 经济问题探索, 2019(7): 122-129. [Jia Huiting. Analysis of in-fluencing factors on the tourism volume of Chinese tourists from countries along the Belt and Road[J]. Inquiry into Economic Issues, 2019(7): 122-129.] |
[61] |
陆相林, 马凌波, 孙中伟, 等. 基于能级提升的京津冀城市群旅游空间结构优化[J]. 地域研究与开发, 2018, 37(4): 98-103. [Lu Xiang-lin, Ma Lingbo, Sun Zhongwei, et al. Optimization of tourism spa-tial structure of beijing-tianjin-hebei metropolitan based on the pro-motion of the urban tourism energy level[J]. Areal Research and Development, 2018, 37(4): 98-103.] |
[62] |
王鹏, 钟敏. 危机冲击下产业集群韧性演化与提升路径研究[J]. 经济社会体制比较, 2021(6): 76-88. [Wang Peng, Zhong Min. Re-search on the evolution and improvement path of industrial clusters' resilience under the impact of crisis[J]. Comparative Economic & Social Systems, 2021(6): 76-88.] |
[63] |
杜运周, 贾良定. 组态视角与定性比较分析(QCA): 管理学研究的一条新道路[J]. 管理世界, 2017(6): 155-167. [Du Yunzhou, Jia Li-angding. Configuration perspective and qualitative comparative analysis (QCA): A new way of management research[J]. Journal of Management World, 2017(6): 155-167.] |