作者：郎月华 李仁杰 傅学庆
来源：《旅游学刊》2019年第06期
雅美达
[摘 要]选择GPS轨迹内涵的移动速度、速度波动特征、移动状态持续时间、数据异常点等旅游行为基本特征，作为旅游行为模式分类的基础，文章提出了GPS轨迹栅格化的概念模式，设计了基于GPS轨迹栅格化的旅游行为空间模式表达方法。该方法不仅能够区分观光式、休憩式和乘车式3种不同类型的旅游行为空间模式，而且能够描述旅游空间任意位置的主导行为模式，可以解决旅游时空行为和旅游地理格局与过程的精细化定量研究。九寨沟实例研究证明，栅格化的旅游行为空间模式计算结果与其他数据源的研究结果基本一致，但描述视角更丰富、时空精度更高。该方法能够对旅游时空行为的研究提供支持，提高旅游地理学研究的精细程度，案例计算结果可以为旅游地规划与管理，特别是为观光路线和景区引导设计提供参考。
[关键词] GPS轨迹;栅格化;旅游行为;空间模式;九寨沟ntvdm cpu遇到无效指令
软胶囊
[中图分类号]F59惰政
[文献标识码]A
[文章编号] 1002-5006（2019）04-0048-10
Doi：10.19765/jki.1002-5006.2019.06.010
引 言
在旅游时空行为、景观感知及其空间模式的研究中，问卷调查和深度访谈是运用最广泛的信息收集方法，例如关于旅游者环境行为、感知态度和旅游动机等方面的测量和研究。近年来，随着移动互联网和社交网络的快速发展，越来越多的旅游者在微博、旅游社交网站等网络空间中自愿发布与个人旅游行为和旅游感知体验相关的文本、评论、照片等众包旅游信息。旅游学和旅游地理学的学者开展了以此类数据源为基础的旅游地名熱度、地名共现关系、景观关注度、旅行空间模式、旅游者时空行为、城市游憩空间，以及对旅游感知与目的地选择等研究。相对于调查问卷数据源来说，众包旅游信息不受问卷设计导引的影响，参与者人数更多，内容更多元化，可以与问卷数据形成有效互补。但文本、评论和照片等旅游信息内涵的时空内容具有不连续性，影响了其在精细化旅游时空行为研究方面的精度，因此利用此类数据源的研究较少关注旅游者在景区内部游览过程中的行为状态。
GPS轨迹则是满足时空连续性特征的另一类众包旅游信息，越来越多的移动App（特
别是运动健康和旅行类）开始允许用户记录GPS轨迹并在网络社区中进行分享，旅行轨迹数据的获取越来越方便。GPS旅行轨迹比问卷调查和其他类型旅游信息在揭示旅游者时空行为特征上具有更加明显的优势，它连续记录的时空行为具有更高的精细度和可靠性，因此GPS轨迹数据开始应用于旅游行为研究中。例如，邀请用户携带专门GPS记录仪的方式获取旅行轨迹数据，利用时空路径、时空棱柱和空间统计等方法开展了旅游者时空行为特征的系列研究，设计开发了预测旅游者行为的启发式预测算法等。友商快递100
旅行GPS轨迹和地理照片、位置微博等信息均具有时空信息，地理学者也将此类数据称为志愿者地理信息（volunteered geographic information，VGI）。与旅游学者不同，地理学的视角则是如何利用VGI挖掘旅游者行为的空间模式与过程，发现旅游行为与旅游空间单元的耦合特征，进而解释旅游时空行为的驱动机制。VGI数据用于旅游地理的研究也是以点状信息为主，主要原因在于有成熟的计算模型，例如核密度和热区分析在旅游地理中的应用。GPS轨迹是旅游者行为过程的整体记录，呈线性特征，但缺少直接将线性VGI用于旅游时空行为挖掘的有效方法。
由于GPS轨迹对于旅游行为和旅游地理研究的重要价值，本文希望设计一种GPS轨迹
信息型态的变换方法，在不明显降低轨迹信息量度的基础上，将矢量数据结构描述的GPS轨迹转换为栅格结构描述的空间单元，形成更易于借助GIS等工具开展空间统计与分析挖掘的数据形式，以方便研究者开展旅游时空行为和旅游地理格局与过程的精细化定量研究。
1 研究理论与方法
GPS轨迹栅格化思想源于GIS的点要素空间模式挖掘方法，例如空间插值、核密度统计、热区分析等，计算结果都是依据点要素属性值生成专题栅格。如果能够将单条GPS轨迹中与行为特征有关的指标转换为栅格数据，就可以利用丰富的栅格分析工具进行体时空行为模式的深入分析，服务于旅游和地理学研究。解决这一问题的关键点：第一，利用GPS轨迹点信息进行特定研究目标的分类或分组，以确定栅格像元值类型和计算方法;第二，确定合适的栅格像元大小，以适应研究目标对空间尺度的要求。
1.1 景区旅游者行为分类方法
已有相关研究多是从旅游线路的空间分布特征来描述旅游行为，较少描述旅游者在景
区内部游览过程中的行为状态。要使GPS轨迹栅格化结果支撑景区体旅游行为空间表达，就要考虑轨迹记录的移动速度、速度波动、特定状态持续时间、行程长度与数据异常点等基本特征。上述行为特征都可以通过GPS轨迹数据记录下来。
1.1.1景区旅游者行为分类方法的概念化描述
旅游行为模式分类的核心指标是移动速度，同时考虑速度稳定性、特定移动状态的持续时间和行程距离。例如，在较长时间内以较低速度持续行进较长行程的旅游行为模式多为观光式游览行为;旅游者乘坐电瓶车、缆车等摆渡式交通工具的乘车式游览行为，将以较高速度持续行进较长行程，期间可以伴有短时低速或静止状态;欣赏景观或临时休息的休憩式游览行为，将呈现极低移动速度或静止状态，在较长时间内完成较短的行程。
准确划分旅游行为类型还需剔除信号异常等数据干扰。无论是休憩、观光还是乘车的游览方式中，一般将持续一定时间和行程的相对稳定移动状态视为某个行为类型。但GPS轨迹在记录过程中可能因信号原因出现少量异常点，表现为相对于前后一定距离内的相邻点位速度偏移均值较大。速度值偏离均值较大且持续距离不足的少量异常点不能单独表示某一类旅游行为，应根据旅游地线路特征和行为模式的特点归并为相邻行为类型。
1.1.2景区旅游者行为的分类标准
由于没有发现关于景区游览速度定量特征的研究，旅游者移动速度的指标分析借鉴了吴江玲等对城市行人步行速度的研究结果。同时，结合旅游地考察调研，基于GPS轨迹数据特征和旅游者行为模式特点，制定了景区典型旅游者行为模式分类的内容描述与定量化参考标准，将较常见的旅游者行为模式划分为“休憩式游览”“观光式游览”“乘车式游览”3种（表1）。
金山毒霸2006
基于上述分类标准，以单条GPS轨迹为例对景区3类代表性旅游者行为模式进行特征描述（图1）。图中的1-33号轨迹点，呈现了连续较长时间小于0.5 m/s的极低速度，形成高密度点聚集的较短行程特征，判断该组数据表现为休憩式游览模式;34-233号轨迹点的速度整体保持在0-2.25 m/s小幅波动区间，持续时间较长且形成了较长的行程，可以判断为观光式游览模式;234-473号轨迹点的速度保持在整体大于2.25 m/s的较大波动区间，持续时间较长且形成了较长的行程，故判断为乘车式游览模式。在乘车式游览模式中的368号轨迹点属于异常点类型，虽然该点的瞬时速度属于观光式游览的速度范围，但该点左右两侧的连续大量轨迹点速度均是乘车式游览速度范围，因此，单独的368号点不能判断为观光式游览模式，而应归并为乘车式游览模式。
本文仅设计了常见的典型旅游行为模式分类与定量描述标准。对于不同类型和环境特征的旅游地，分类与定量化标准可以进行适时调整，这并不影响栅格化计算与表达。例如，地形起伏较大的景区应考虑地形对旅游者步行和摆渡车速度的影响;水上景区的摆渡船速度及波动特征也不同于陆路交通工具。
1.2 基于轨迹栅格化的空间模式表达
对复杂的GPS旅行轨迹进行栅格化处理，有助于清晰解析每条旅行轨迹呈现的基本行为空间模式（图2），也有助于从多种视角进行行为模式的集成化，以准确解析旅游行为空间与旅游地理空间的耦合特征。轨迹栅格化的基本思路如下：
（1）基于轨迹点基本单元的旅游行为分类。首先，根据速度数值分布的基本模式，结合持续时间和行程长度判断3种基本行为类型;第二，根据不同行为的分类标准，分别判断不同行为模式下的速度异常;第三，根据速度异常数据的连续数量、时间与行程等特征，确定是否邻近归并。
（2）栅格化的像元尺度确定。考虑到常见景区观光线路的地形特征，以及GPS数据
精度问题，在不同大小栅格像元的多次试验基础上，本文最终选用50 mx50 m栅格单元作为通用大小，使整个景区计算结果具有可比性。研究者可根据景区规模、地形特征和研究精细程度进行栅格像元尺度调整。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议