假期制度改革、带薪休假政策出台,刺激了游客总量和消费总额的持续增长。同时为顺应现代旅游业的发展潮流和趋势,不少省份和城市也在积极研发和构建智慧旅游系统,打造"智慧旅游"游客监测系统,运用互联网和大数据手段实现对旅游城市及重点景区客流量的监控、预警以便及时分流疏导。旅游业发展越来越成为城市内部空间结构变化的重要影响因素,游客在城市的旅游活动成为城市发展和变迁的动力之一。研究城市旅游流的网络结构效应与影响机制对了解城市旅游发展水平、合理配置旅游资源、实现针对性宣传营销具有现实的指导意义,同时为政策制定、旅游规划提供理论依据。南京市早于2010年就提出了建设智慧旅游的方案,于2014年初步建成’智慧旅游大数据运行监测平台",之后不断完善平台模块。本文以《南京市智慧旅游大数据应用研究》为项目背景,以南京市智慧旅游大数据监测平台34个景区的客源旅游流及景区之间旅游线路为研究对象,基于网络分析思想,将旅游流抽象成一个网络,客源地和景区理解为网络中的节点,客源地和景区之间的旅游流、景区之间的旅游流是网络中的弧段,旅游流数据大小是弧段上的属性信息。首先以社会网络分析理论为支撑,利用Ucinet 6.0、Netdraw、Arcgis等软件从节点和整体两方面选取指标研究南京内部旅游线路的网络特征;接着运用度的概念和Arcgis平台等进一步分析南京市客源旅游流的网络结构,在此基础上采用网络自相关分析等方法细致研究客源旅游流网络的自相关效应;最后借助R语言用空间O-D模型对客源旅游流进行影响机制分析。得出结论如下:(1)南京市旅游线路网络密度较高。网络具有高聚集系数,低平均距离,表明南京市多目的地旅游流网络具有明显的小世界效应。核心景区之间联系非常密切,边缘景区间联系强度比较低,核心景区对边缘景区的带动效应较好;(2)南京市客源地由近到远可以分为三个圈层,分别为0-300km,300-800km,800km以外。三个圈层的客源地其旅游流空间分布分别对应三种形态:部分分散型、集聚型、高度集聚型;(3)南京市客源旅游流之间并不是独立,而是相互影响,存在显著的客源地网络自相关性和景区网络自相关性。客源地的网络自相关效应更强;(4)空间O-D模型的拟合程度高于一般模型,考虑了网络自相关效应的空间O-D模型在旅游流影响因子拟合方面更具有优势。景区门票、客源地与景区之间时间距离是抑制客源-景区旅游流形成的因子;客源地城镇化率、客源地人均自由可支配收入、景区周边星级酒店数以及景区内部主要景点(建筑)是旅游流产生的主要显著性促进因子。