EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 2: 460 - 476

DOI: https://doi.org/10.12082/dqxxkx.2024.220546

行为时空规律揭示与方法探索

基于手机定位数据的游客步行行为特征及与旅游区功能布局关系研究

  • 吴莞姝 , 1, 2 ,
  • 党煜婷 3 ,
  • 钮心毅 , 4, 5, *
展开
  • 1.青岛理工大学建筑与城乡规划学院，青岛 266033
  • 2.城市信息模型（CIM）山东省工程研究中心，青岛 266033
  • 3.华侨大学建筑学院，厦门 361021
  • 4.同济大学建筑与城市规划学院，上海 200092
  • 5.自然资源部国土空间智能规划技术重点实验室，上海 200092
*钮心毅（1971—），男，浙江湖州人，教授，博导，主要从事城市空间信息分析、城市规划技术与方法研究。 E-mail:

吴莞姝（1988— ），女，河南商丘人，副教授，主要从事大数据分析、城市规划技术与方法研究。 E-mail: 。

Copy editor: 蒋树芳 黄光玉

收稿日期: 2022-07-25

  修回日期: 2022-12-14

  网络出版日期: 2024-03-27

基金资助

国家自然科学基金项目(51908229)

收起

Characteristics of Tourists' Walking Behavior and Its Relationship with the Functional Layout of Tourist Areas Based on Mobile Phone Positioning Data

  • WU Wanshu , 1, 2 ,
  • DANG Yuting 3 ,
  • NIU Xinyi , 4, 5, *
Expand
  • 1. Qingdao University of Technology, College of Architecture and Urban Planning, Qingdao 266033, China
  • 2. Shandong Engineering Research Center of City Information Modeling, Qingdao 266033, China
  • 3. Huaqiao University, School of Architecture, Xiamen 361021, China
  • 4. Tongji University, College of Architecture and Urban Planning, Shanghai 200092, China
  • 5. Key Laboratory of Spatial Intelligent Planning Technology, Ministry of Natural Resources, Shanghai 200092, China
*NIU Xinyi, E-mail:

Received date: 2022-07-25

  Revised date: 2022-12-14

  Online published: 2024-03-27

Supported by

National Natural Science Foundation of China(51908229)

Fold

摘要

对步行旅游区游客步行轨迹和行为特征进行研究，发现步行行为特征与旅游区功能布局的关系，有助于步行旅游区功能布局和空间格局的优化。本研究基于记录海量个体时空轨迹的手机定位数据，以十一黄金周期间鼓浪屿为例，使用数据挖掘与空间分析方法从步行游客空间分布、步行轨迹网络结构、街区间步行路径与速度、街区内步行速度等方面分析游客步行行为特征及其与功能布局的关系，并与规划文件比较，提出旅游区发展建议。研究发现，旅游区空间布局对游客步行行为特征存在直接影响。功能布局导致各街区游客到访率以及步行轨迹网络中心度的差异。游客更倾向于选择人流量大的街道作为步行游览路线。商业街区虽然游客密集，但是街道上的游客流量并不大。在热门景点区域，游览路线单一造成的拥挤，导致游客停留意愿较低。大尺度开发与互动体验欠缺使得自然景观区和某些热门景点对游客的吸引力不足。对比游客步行时空特征与旅游区功能布局，提出了旅游区功能布局优化策略。本研究为旅游区用地和旅游线路的优化提供量化支持，对智慧旅游和城市高质量建设均具有现实意义。

关键词： 步行旅游; 步行轨迹; 行为特征; 功能布局; 数据挖掘; 手机定位数据; 智慧旅游; 鼓浪屿

本文引用格式

吴莞姝 , 党煜婷 , 钮心毅 . 基于手机定位数据的游客步行行为特征及与旅游区功能布局关系研究[J]. 地球信息科学学报, 2024 , 26(2) : 460 -476 . DOI: 10.12082/dqxxkx.2024.220546

Abstract

Exploring the relationship between walking behavior characteristics and the functional layout of tourist areas by studying the walking track and behavior characteristics of tourists in walking tourist areas is helpful to optimize the functional layout and spatial pattern of walking tourist areas. Based on the mobile phone positioning data that recorded massive individuals' time and space tracks, Gulangyu Islet during the National Day Golden Week is taken as a case, and the spatial analysis method is used to analyze the characteristics of tourists' walking behavior and its relationship with the functional layout from the aspects of the spatial distribution of walking tourists, the network structure of walking tracks, the walking path and speed between blocks, and the walking speed within blocks. Compared with the planning documents, some suggestions are put forward for the development of tourist areas. It is found that the spatial layout of tourist areas has a direct impact on the characteristics of tourists' walking behavior. The functional layout results in the difference in visiting rate and the centrality of each block in the walking track network. Tourists are more inclined to choose streets with more walking people as routes. Although the commercial blocks are crowded with tourists, the flow of tourists on the streets is not large. In the popular scenic spots, the congestion caused by the single tour route leads to the low willingness of tourists to stay. Large-scale development and the lack of interactive experience make natural landscape areas and some popular scenic spots less attractive to tourists. By comparing the spatiotemporal characteristics of tourists' walking with the functional layout of tourist areas, the optimization strategy of functional layout is put forward. This study provides quantitative support for the optimization of land use and tourist routes in tourist areas and has practical significance for smart tourism and high-quality urban construction.

Key words： walking tour; walking track; behavioral characteristics; functional layout; data mining; mobile phone positioning data; wisdom tourism; Gulangyu Islet

1 引言

自20世纪70年代以来，旅游市场上出现了各种类型的步行旅游[1]，步行旅游已成为多样化需求的潜在关键增长领域[2]。作为游客游览的重要方式，步行旅游不仅是一种代表健康休闲的特殊兴趣旅游[3]，也是可持续与低碳旅游的一种突出形式[4⇓-6]，可作为促进环境（如减缓气候变化）、经济（如增加购物支出）、社会（如体验当地文化）和达到可持续旅游目标的重要方式[7⇓⇓-10]。就可持续移动性和步行能力而言，游客比本地居民更喜欢步行[11]。许多城市都在考虑鼓励步行旅游的政策，为游客提供步行友好型街区和路线[12-13]，使得游客能够不受干扰地将步行作为一种主动的旅行方式[14-15]。与旅游相关的步行包括各种动机和益处，例如，自然环境、场所依恋、视觉景观、身心健康等[16-17]。然而，目前有关步行的研究多在工作和日常休闲语境下展开，关于步行旅游和游客步行行为的具体研究较少[1,9-10,18]。
已有相关研究集中在对游客步行影响因素的探究[1-2,15,18⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-29]。Dias等[15]认为缺乏步行设施的街道会劝阻游客步行，游客将倾向于选择最佳步行路径。Yang等[18]通过计算得出拥挤与清洁程度较为重要，而Le Pira等[19]提出清洁与路径属性是重要影响因素。Chen等[20]认为步行速度对游客承载力有负面影响，因为步行占用更多空间。Yun等[1]证实了游客步行行为受到季节和商业分布的影响，呈现出显著的时空集聚特征。Sarmento[21]观察发现大多数游客沿着有更多人和商店的主干道行走，但与此同时，游客走在拥挤的人群中似乎又感到不安；游客在放松时会散漫的步行，恐惧时经常快步行走。也有学者认为，游客行动往往是随机和即兴的[22]。还有学者以茶马古道与森林漫步等特殊徒步旅游形式为研究对象，认为人们需要更加多样化的步行机会[2]，场景的空间认知对游客步行意愿影响显著[23]。既有研究或侧重于对游客步行速度[20]、时空分布[1]、满意度[18]等单一特征的评价，或关注清洁、拥挤等管理要素对步行游客的影响[24⇓⇓⇓-28]，较少将游客步行轨迹和行为特征与旅游区用地功能和空间格局进行耦合，发现不同属性的物质环境中步行游客行为特征的差异。
然而步行是一种散漫的实践，受到“在哪里步行”以及“如何步行”的惯例困扰[29]。尤其是步行专用（无机动交通）的旅游区是旅游目的地的重要子集[18]。该类旅游区的交通系统有效连接了所有景点，确保了“为旅游而出行”（travel for tourism）和“作为旅游的出行”（travel as tourism），在这种情况下，旅程以及目的地可能是旅行的一部分，甚至是主要吸引力[30]。在时间地理学理论中，游客行为受到自身及各类外界条件的制约，从而产生“时空路径”，同时游客的时空行为也时刻影响着旅游区的动态发展和环境品质[31⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-42]。在游客行为与空间耦合的基础上，把握步行行为与旅游区规划布局之间的对应关系，对于旅游区用地功能、空间结构以及游览路径的合理优化具有现实意义。
随着研究的深入与技术的进步，游客行为的研究对象逐步由个体轨迹转向群体特征。信息通信技术、移动互联网以及智能定位等技术的迅速发展，产生了大量诸如手机Apps、手机信令、社交媒体等地理大数据。这类数据蕴藏着多源、多粒度和多模态的时空信息，为精准理解游客行为的空间分布模式、深度挖掘行为时空规律、高效揭示供需两侧相互作用与协同机制提供了新的研究数据与研究视角[43⇓-45]。目前，较为常用的游客行为研究数据包括手持GPS追踪轨迹[35,46]、基于位置服务（Location-based Service，LBS）数据[34]、旅游照片[39,47-48]、游记文本[40]以及社交媒体数据[49]。其中，发放GPS进行追踪可能由于游客改变行程或关闭设备造成轨迹缺失和不连续[50⇓-52]，社交媒体、游记、照片等具有较强的游客主观意愿性，样本量相对较少。基于手机Apps的定位数据可记录海量个体在连续时空中的行为轨迹，GPS定位精准，时空粒度较细，覆盖范围广[53⇓-55]，可有效研究位移近、速度小的步行行为。加之游客在使用智能手机与移动互联网进行导航、社交、检索、购物等现象较为普遍，使得该类数据尤为适用于游客步行研究。
本研究以步行旅游区鼓浪屿为例，基于手机定位数据以及数据挖掘与空间分析方法，聚焦于“游客步行行为特征”及其与旅游区的空间对应关系，包括空间分布、轨迹网络结构、步行路径偏好与步行速度时空特征，并对比规划文件，为当前城市更新背景下旅游区的空间优化和布局提升等提供参考。

2 研究思路与方法

2.1 研究思路

（1）对手机定位数据进行预处理，提取步行游客空间分布及轨迹等信息（图1）。选取采集时段内所有出现在研究案例地的手机定位数据，识别用户信息，并对用户的居住地进行画像，排除原住居民的行为轨迹。为避免游客短时间内在同一空间位置连续刷手机，留下多条记录对计算结果造成干扰，识别每个用户在较短的时间阈值内位置相同的记录，保留最后一条作为有效数据，并删除位置点过少、轨迹不连续的用户信息。为揭示游客步行路径，基于路网划分街区单元，计算单元质心，并将其移动到街区内最靠近旅游区和功能点、人流最密集的一条边上，从而基于路网拟合游客步行行为的平均起始点。按照游客每次的位移生成OD表，删除起、终点位置在同一单元的OD轨迹，从而分析游客步行轨迹。
图1 技术路线

Fig. 1 Technical route

（2）基于上述信息，从步行游客空间分布、步行行为网络结构、街区间步行路径与速度以及街区内步行速度4个方面分析游客步行行为特征及与旅游区功能布局的关系。其中，步行行为网络结构包括步行轨迹网络与网络中心等级结构。路径与速度的分析包括游览路径偏好与速度的空间差异。
（3）将游客实际步行行为特征与旅游区空间布局以及相关规划文件进行对比，发现差异和不足从而为旅游规划评估以及与未来发展方向提供支撑。基于街区到访率，发现步行游客轨迹与旅游区布局的空间失配；基于游客步行游览路径偏好，发现旅游区交通系统、游览路径及导引系统的不足；基于游客在不同街区内的步行速度，发现不同类型景区的互动体验、功能配置以及旅游内容的欠缺。

2.2 研究方法

（1）核密度分析
使用核密度分析将步行游客的空间分布情况进行可视化分析。将每个时间整点后推1 h游客离该时间点最近的轨迹点作为该用户在该时间点的位置信息，统计各时刻的游客空间分布情况，通过核密度分析空间活力情况，公式如下[56-57]：
f ( s ) t , m = ∑ 1 n 1 h 2 k s - c i h
f ( s ) t = ∑ i = 1 m f ( s ) t , m / 7
式中： f ( s ) t为 t时空间活力观测点 s的核密度估计值的7日平均值； f ( s ) t , m为 m日 t时空间活力观测点 s的核密度估计值； h为空间活力计算所选择的最优带宽，表示2个活力观测点间距离衰减值，经过多次测试发现，带宽为100 m时，能够较为清晰的识别出密度变化和空间结构； k为权重函数； n为到观测点 s的距离在阈值范围内的点数； c=1.05×( n的标准差)。
（2）社会网络分析
通过社会网络分析，可有效揭示游客的时空动态特征以及各区域之间的联系规律[36]。基于街区单元和游客轨迹，构建OD信息表，删除起、终点位于同一单元的OD轨迹，通过自然间断法将街区间的OD轨迹划分为流量等级，可视化分析步行游客的空间流动情况和街区联系的紧密程度。根据每个街区游客的流入和流出情况，使用社会网络分析中的度中心度测度街区等级结构，公式如下[58-59]：
C d ( v i ) = ∑ i = 1 , i ≠ j n d i j
C d ( v i ) i n = ∑ i = 1 , i ≠ j n d i i n
C d ( v i ) o u t = ∑ i = 1 , i ≠ j n d i o u t
式中： C d ( v i )表示街区 v i的度中心度；用于计算街区 v i与其他n-1个j节点（i≠j，排除 v i与自身的联系；也就是说，主对角线的值可以忽略）之间的直接联系的数量； d i j表示街区 v i与其他街区的连接边； C d ( v i ) i n表示入度中心度， d i i n是街区 v i与其他街区的入边； C d ( v i ) o u t表示入度中心度， d i o u t是街区 v i与其他街区的出边。
（3）速度计算
基于街道网络和步行游客OD信息，以各街区为起点与终点，拟合游客步行路径，分析选择度较高与较低的步行路径的空间分布特征，并汇总每条路径上游客的步行速度，公式如下：
v j = ∑ i = 1 n s n Δ t n / n
式中： v j表示路径 j上游客的平均步行速度； n为路径 j上的步行游客数量； s n为游客 n在路径 j上的步行距离； Δ t n为步行时长。
此外，分析街区内的游客步行速度及空间对应关系，从而反映旅游街区对游客的吸引力。筛选出游客相邻时间轨迹点在同一街区的记录，使用其空间位移与时间间隔进行计算，从而对各个街区内的游客步行速度进行汇总，分析其时间和空间特征。计算公式如下：
v k = ∑ i = 1 n s ' n Δ t ' n / n
式中： v k表示街区 k内游客的平均步行速度； n为街区 k内的步行游客数量； s ' n为游客 n在街区 k内的步行距离； Δ t ' n为步行时长。

3 研究区概况、数据来源与预处理

3.1 研究案例地

鼓浪屿位于厦门市西南海岸，四面环海，是国家5A级景区，面积约1.87 km2（图2），可容纳约1.4万居民[60]。经历了漫长的历史发展过程，鼓浪屿形成了自然生长的空间结构、多元复合的功能业态以及东西方融合的建筑风格，为游客提供了丰富有趣的步行体验，使得原本作为交通方式的步行行为，成为鼓浪屿独特的游览活动和观光体验。此外，为了保护文化遗产，降低环境污染，保障游客安全，推动可持续旅游发展，政府非常重视鼓励步行并改善旅游环境的可步行性，鼓浪屿全岛无机动车、自行车通行。由于严格的车辆限制，步行几乎是鼓浪屿唯一的旅行方式[18]。因此，作为典型的步行旅游街区，鼓浪屿为游客步行行为的探索提供了适宜的研究场景。
图2 鼓浪屿区位与平面图

注：该图基于自然资源部标准地图服务网站下载的审图号为闽S(2022)137号的标准地图制作，底图无修改。

Fig. 2 Location and plan of Gulangyu Islet

鼓浪屿的游客在节假日期间往往呈现爆炸式增长。2017年鼓浪屿被联合国列入世界遗产名录，成为中国第52项世界遗产项目。同年，为保护历史风貌遗存，提升游客观光体验，十一黄金周期间限制上岛人数在5万以内。岛上景点众多，包括万国建筑博览、钢琴博物馆等历史文化景点，日光岩、皓月园等自然景点，以及海底世界、天然海滨浴场等体验项目。此外，龙头路商业街、内厝澳社区、旅游驿站等服务业态分布广泛，功能复合，加之街道短小，纵横交错，肌理舒展，步行舒适性较高，游客可在岛上自由漫步，形成错综复杂的步行游览轨迹，与物质空间环境充分契合，使得鼓浪屿可作为步行游客行为研究的代表性案例。因此，本研究以鼓浪屿为对象来分析游客步行行为特征与用地关联具有典型意义。

3.2 数据来源及预处理

3.2.1 数据来源

本研究使用的LBS大数据来源于极光Aurora Mobile平台。该平台可为手机应用软件提供SDK定位开发环境，同时对约145.2万APPs实时反馈时空位置，数据具有较强的普及性和真实性。通过SDK平台可以筛选出手机用户终端在一定时间段内多个Apps记录的位置感知数据。数据采集机制包括周期性位置更新和事件触发。
数据采集时间为2019年10月1日—10月7日。十一黄金周期间厦门温度适宜，是外地游客出行的优选时段，能够有效采集到丰富多样的游客行为轨迹，具有一定的代表性。加之2019年10月新冠疫情尚未爆发，各旅游区正常开放，居民出行不受限制，游客轨迹数据能够真实有效地反映游客行为偏好。

3.2.2 数据预处理

对原始数据进行预处理，具体步骤如下：
（1）选取2019年10月1日—10月7日共7天内所有出现在鼓浪屿范围内的时空位置信息，采集字段包括用户ID、时间戳和经纬度信息。原始数据包含737 373条记录，共识别出76 119个用户。
（2）鼓浪屿作为国际社区，仍保有少量原住民，应将这部分用户进行剔除。对用户进行居住地画像，规则如下：追溯十一黄金周期间出现在鼓浪屿的用户在过去3个月全国范围内的时空轨迹，出现频率最高的城市作为其归属地。统计用户在工作日非工作时段（20:00—07:00）及周末，出现频次最多的坐标地为其居住地址。在此基础上进行算法迭代优化，去除节假日数据，并对上个月预测居住地址的出现次数，赋予25%权重，作为输入变量，参与下个月居住地址的预测，循环周期为1年，从而提升识别准确度。基于识别结果，删除鼓浪屿原住民，剩余74 407位游客，共620 425条记录。
（3）删除同用户同位置的重复记录。时间阈值确定方法为计算相等间隔时差（5、10、15、…、60 s）内的轨迹点数量，发现记录条数的总体数量、增长数量以及增长率的拐点均为10 s，因此确定10 s为时间阈值。经过筛选，共获得74 407位游客，共599 963条记录。
（4）删除总记录少于5的用户的信息[35]，最终获得有效用户18 710个，共494 099条有效记录（图3）。
图3 基础数据预处理流程

Fig. 3 Preprocessing process of basic data

（5）基于现状路网将鼓浪屿划分为234个街区，将街区单元质心移动到街区内功能与人流最密集的边上（图4），基于路网拟合游客步行行为的平均起始点，生成OD表，删除起、终点相同的轨迹。
图4 游客步行轨迹数据预处理

Fig. 4 Preprocessing of tourists' walking track data

3.2.3 数据有效性检验

为了检验研究数据的有效性以及预处理方法的准确性，将数据处理结果与现实情况进行比对，分别从游客数量、游客登离岛时间等方面进行检验。
统计十一黄金周每天24 h内游客数量的变化，呈现7日游客数量最少，1日次之，2日—6日基本持平，4日数量最多（图5）。10月1日和7日为大部分游客来、离厦的时间点，大多还未登岛或已离岛。游客数量从7:00开始逐渐增多，14:00左右达到峰值，17:00后人数开始大幅降低，这与鼓浪屿部分景点集中在18:00前后关闭有关。
图5 十一黄金周鼓浪屿游客变化

Fig. 5 Changes of tourists on Gulangyu Islet during the National Day Golden Week

选择每位游客出现最早的记录作为登岛时间，出现最晚记录为离岛时间，以小时为单位统计游客登、离岛时间的分布频率（图6），发现登岛时间主要集中在8:00—12:00，离岛时间集中在16:00— 17:00，也与鼓浪屿实际情况相符。鼓浪屿四面环海，与厦门岛之间只有轮渡一种交通方式，游客专用码头轮渡的开放时段为7:00—17:50，因此游客登岛数量在轮船开船一小时段后（即8:00—9:00）激增。若游客当天不留宿，通常会在晚饭前离岛。
图6 十一黄金周鼓浪屿游客登、离岛时间分布频率

Fig. 6 Time distribution frequency of tourists boarding and leaving Gulangyu Islet during the National Day Golden Week

每日游客数量、游客登离岛时间检验能表明数据预处理结果与鼓浪屿国庆期间游客现实情况相符，可在此基础上有效分析游客步行行为特征。

4 游客步行行为特征

4.1 步行游客的空间分布

可视化分析鼓浪屿游客的空间分布情况如图7所示。步行游客的空间分布不均衡，以商业、民宿等服务设施为核心呈集聚状态，形成了较为明显的“中心-边缘”空间结构，中心与边缘呈现出较为显著的收敛性和发散性。根据活力，可将研究区域划分为3类。首先，龙头路商业街、内厝社区、码头等商业及交通服务片区为活力最高的区域。其中，龙头路商业街作为鼓浪屿商业服务功能的核心区，是鼓浪屿上人群最为聚集的片区。其次，日光岩、海天堂构、菽庄花园等热门旅游景点的活力也较高。最后，燕尾山生态公园、兆和山公园、月光岩植物园等面积较大的生态景观片区活力较低。总体而言，鼓浪屿热点分布不均，步行游客主要集中在龙头路商业街、日光岩、菽庄花园等岛屿东南沿线的景点片区，西北部内厝澳码头片区吸引力不足。
图7 十一黄金周鼓浪屿游客步行行为空间分布情况

Fig. 7 Spatial distribution of tourists' walking behavior on Gulangyu Islet during the National Day Golden Week

4.2 步行行为网络结构

4.2.1 步行轨迹网络

构建鼓浪屿OD信息表，删除起、终点位于同一单元的OD轨迹，通过自然间断法将街区间联系度划分等级（图8）。游客倾向于在相邻街区之间步行流动，跨街区的长距离流动较少。鼓浪屿南部的日光岩旅游区、马约翰体育场、临海听风咖啡旅馆、港仔后沙滩等热门景点之间联系最为紧密，其用地功能存在“景区-餐饮-休闲”的互补模式。西北部福州大学厦门工艺美术学院与邻近民宿以及民宿用地之间也表现出较高联系度。
图8 十一黄金周鼓浪屿游客步行轨迹网络

Fig. 8 Tourist walking track network on Gulangyu Islet during the National Day Golden Week

东侧的商业、民宿等服务设施用地、艺术文化馆街区、林家公馆、鼓浪屿风情旅馆之间都形成了相对较强的联系。由此可以看出，游客在“景区-民宿”、“景区-餐饮”类功能片区间的流动性也较强。此外，龙头路商业街周边街区尺度小、密度大，街区间的联系多为短而密集的联系线，说明在商业街区内部游客流动性强。

4.2.2 网络中心等级结构

鼓浪屿街区入中心度和出中心度的等级结构基本相似（图9）。度中心度最高的街区为主要为热门景点所在地，包括日光岩旅游区、皓月园、燕尾山生态公园、风琴博物馆、海天堂构、百年鼓浪屿博物馆等；其次为旅游服务设施密集街区，服务功能主要包括商业、旅馆民宿、餐饮等，此类街区在疏解周边交通设施、景点的人流方面起到较强的缓冲和过渡作用。点度中心度较低的街区一般为无景点或面积较小的区域。
图9 十一黄金周鼓浪屿游客步行网络中心等级结构

Fig. 9 Hierarchical structure of tourist network center on Gulangyu Islet during the National Day Golden Week

4.3 街区间步行路径及速度

鼓浪屿旅游主要包括“吃、住、行、游、购、娱”6要素，步行路径表达了对上述旅游要素的整合与串联。根据图10，选择度较高的步行路径包括以下几条：“琴园-日光岩-港仔后沙滩-菽庄花园”热门景点步行游览路线、“内厝澳码头-吴氏宗祠-餐饮酒店-浪荡山风旅游区”综合步行游览路线、“龙头路商业街-三友假日旅游城”特色商业步行游览路线以及“海底世界-海洋公园”同类功能步行游览线路。
图10 十一黄金周鼓浪屿游客步行路径及流量分布

Fig. 10 Walking path and flow distribution on Gulangyu Islet during the National Day Golden Week

与步行游客的空间分布（图7）相比，龙头路商业片区等高活力区域虽然游客空间分布较为密集，但街道上步行游客的流量并不是最大的。主要原因在于龙头路商业片区的道路密度较高，路段较短，游客步行空间的可选择性较多。而日光岩及其周边热门景点区域的导引系统较为完善，游客一般按照导引步行游玩，游览道路较为固定，因此，街区之间的联系较为紧密。
汇总了每条路径上游客的步行速度，速度较快的路径分布于龙头路商业街西南部，以历史人文景点、保护建筑与商业服务设施为主（图11）。此外，内厝澳路、泉州路等主要交通道路，以及厦鼓码头、三丘田码头和内厝澳码头附件道路的步行速度均较高。步行游客流量较大的热门景点周边道路步行速度反而较低。与步行路径的流量相比，菽庄花园与日光岩等热门景点聚集区由于路线单一，虽然游览路径上步行游客流量较高，却多为快速穿行。
图11 十一黄金周鼓浪屿游客平均步行速度的空间分布

Fig. 11 Spatial distribution of average walking speed on Gulangyu Islet during the National Day Golden Week

4.4 街区内步行速度

街区内的游客步行速度反映了旅游街区对游客的吸引力。吸引力越大，游客步行速度越慢。基于游客步行速度的时空特征，可以有效明晰旅游区发展低谷，辅助空间发展导引，从而针对性的提升旅游区吸引力，有效调整空间发展格局。本研究筛选出游客相邻时间轨迹点在同一街区的记录，使用其空间位移与时间间隔进行计算，从而对各个街区内的游客步行速度进行汇总。
研究发现9:00—14:00之间游客的步行速度最慢，表明该时段是游览高峰期，14:00之后步行速度大幅提升，19:00达到最高值，该时段为游客离开鼓浪屿的高峰时段（图12）。
图12 十一黄金周鼓浪屿游客平均步行速度时间分布

Fig. 12 Time distribution of average walking speed of tourists on Gulangyu Islet during the National Day Golden Week

街区内游客步行速度较慢的区域集中在龙头路商业街区及其周边的文物古迹和历史环境要素聚集区，以及内厝澳社区和福州大学工艺美术学院宿舍等生活片区（图13）。这些区域商业服务设施密集，路线复杂，游客线路选择较多，同时餐饮、购物等活动降低了游客的步行速度。游客在历史文化街区进行游览、拍照等活动，是步行速度较慢的主要原因。
图13 十一黄金周鼓浪屿游客平均步行速度空间分布

Fig. 13 Spatial distribution of average walking speed of tourists on Gulangyu Islet during the National Day Golden Week

相反，在一些热门景点，例如菽庄花园、日光岩、皓月园、海底世界、八卦楼，游客步行速度较快。主要原因在于热门景点一般较为拥挤，降低了游客的停驻意愿。此外，沿海生态公园、植物观赏区、海滨浴场等尺度较大的休闲用地，游客停驻也较少，步行速度较快。这些以自然风光为主的景点，能够吸引游客的兴趣点较为稀疏，难以激发人与环境的互动行为。这里往往有明确的路线指引，游客选择单一，步行街区具有较强的通行性和目的性。

5 旅游区优化建议

将游客实际步行行为特征与《鼓浪屿世界文化遗产区商业业态导则》[61]、《鼓浪屿历史文化街区保护规划》[62]、《厦门市历史文化名城保护规划》[63]等鼓浪屿系列规划文件进行对比，发现差异之处从而为以后的旅游发展与规划提供支撑。
（1）基于游客的空间分布，提升边缘区域的核心景点到访率
将鼓浪屿步行游客空间分布与《鼓浪屿世界文化遗产区商业业态导则》[61]中核心景观区的空间分布进行对比，发现位于边缘处的核心景观区，主要包括毓园、琴园与兆和山沿海区域等，与其他核心景观区相比明显中心度较低，游客到访较少，吸引力不足（图14）。毓园与琴园距离旅游服务街区较远，虽紧邻热门景点日光岩与菽庄花园，但沿海景观特色不足，且毓园位于观海园沙滩与皓月园观海长廊之间，道路洗漱，可达性较低，后续可进一步挖掘其人文内涵与沿海景观特色，提升游客到访率。
图14 游客步行轨迹网络与核心景观区空间分布对比

注:图(b)来源于《鼓浪屿世界文化遗产区商业业态导则》[61]。

Fig. 14 Comparison of the spatial distribution between tourist trajectory network and the core landscape area

兆和山沿海区域虽然距离旅游服务街区内厝澳社区较近，但是内厝澳社区主要以居住功能为主，其内部的文物保护单位较少，不及文保单位密集的龙头路商业街区对游客的吸引力。因此，为了弥补区位劣势，兆和山及其周边景区应发挥其临海景观优势以及靠近内厝澳码头的交通优势，提升可达性，完善游览导引，挖掘景点内涵，加强内容开发与旅游宣传，提升该区域的空间体验感以及与游客的互动，并与燕尾山午炮形成联动，增加鼓浪屿北部区域的吸引力，促进全岛的平衡发展。
（2）根据游客的步行路径，以需求为导向提升游览路线多样性
将游客实际步行路径与《鼓浪屿历史文化街区保护规划》[62]中的规划游览路线进行对比，发现二者存在一定差异（图15）。实际步行路径选择更加自由，主要由曲折的短路段构成，包括很多狭窄的巷道和支路（图15（a）），而规划的游览路线大部分依托于鼓浪屿的主要交通道路，路段较长，顺畅而完整（图15（b））。可见，游客并未完全按照规划路线游览，这反映了游客步行的自主性以及游览需求的多样性。规划游览路线在东部区域更加集中，但在南部与西部的热门景点区域可选择性较少，线路较为单一，这也是导致北部与西部边缘区域核心景点到访人数较少的原因之一。
图15 游客步行路径与鼓浪屿游览路线规划对比

注:图(b)来源于《鼓浪屿历史文化街区保护规划》[62]。

Fig. 15 Comparison between tourist walking path and Gulangyu tour route planning

此外，环鼓旅游主干道（电瓶车路线）上游客流量在全局是最低的，可见该游览线路对游客的吸引力有限。虽然鼓浪屿上除了电瓶车以外，没有其他交通工具，但电瓶车路线和站点固定，不可随时上下车，加之该路线途径的热门景点较少，沿海风景较为单一，因此，游客的选择度不高。综上，游览路线应结合步行体验式旅游区的具体情况，以游客的实际需求为导向，加强鼓浪屿游览路线的梳理，区分不同类型游览路线差异，突出特色，尤其是热门景点周边区域游览路线的多样性。可弹性调整游客的多元旅游线路，适当将步行速度快与慢的景点相结合，根据游客特点增加不同需求的旅游线路。
（3）降低游客步行速度，加强山体景区的旅游开发与互动体验
将游客在街区内的步行速度与《厦门市历史文化名城保护规划》[63]中鼓浪屿空间格局保护规划与进行对比(图16）发现，在龙头山、燕尾山等原本应该停留时间较长、步行速度较慢的自然山体区域，游客步行速度反而更快。可见，游客在这些以山体为主的区域大多为快速穿行，该类景点对游客的吸引力有限。“十山五洞”是鼓浪屿重要的旅游资源，然而无论是游客还是政策制定者，通常聚焦于历史人文资源的保护与开发，对于自然景观资源的利用不足。
图16 十一黄金周期间街区内游客平均步行速度与鼓浪屿空间格局对比

注:图(b)来源于《厦门市历史文化名城保护规划》[63]。

Fig. 16 Comparison between the average walking speed of tourists in the blocks during the National Day Golden Week and the spatial pattern of Gulangyu Islet

较为突出的是日光岩所在的龙头山，虽是鼓浪屿的最高点与热门游览区域，但由于路径崎岖，缺乏可停留空间，游客多为打卡式游览，到访率虽高（图9），停留意愿却较低。因此，后续旅游规划应加强对自然山体的开发，进一步挖掘其旅游内涵，丰富旅游内容，创新旅游项目，形成鼓浪屿上自然景点与人文景点平衡发展的旅游格局。此外，还可通过功能的混合以及餐饮、住宿等业态的带动，达到疏解人流、平衡旅游人群、促进消费的目的，将其弹性增加到旅游流线中，亦可完善旅游路线，提升旅游体验。

6 讨论

智慧旅游是当前我国推动经济高质量发展、满足人民对美好生活需求和提升国家软实力的重要助手[64]。国务院印发的《“十四五”旅游业发展规划》[65]指出创新智慧旅游模式，综合应用移动通信、大数据等技术，推进旅游区的数字化、智能化改造升级，鼓励依法依规利用大数据等手段，提高旅游规划的针对性和有效性。因此，借助新数据和新技术的导入，通过智能方法挖掘规律，并基于规律进行空间优化与场景推演，是智慧旅游发展的重要方向。对游客行为的精准感知，是智能规律挖掘的第一步，也是智慧旅游的基础。本研究表明基于手机定位数据发现步行游客的行为规律，可为智慧旅游区、精准推荐以及智慧旅游的发展提供决策支持。
手机Apps产生的定位数据具有空间精度较高、长时间段、被动记录的优势，为旅游区内部的游客步行行为、全程步行路径、步行速度3个方面的研究提供了可能性。这些海量数据多是以天、时、分、甚至秒为单位，且基于GPS定位，具有获取时间短、变化速度快、颗粒度细、坐标精准等优点，可满足步行行为的空间位移近、时间跨度短等特征所产生的高精度基础数据需求。此外，基于大规模用户数据构建训练样本并积累外部样本数据，通过业务规则识别和机器学习模型预测2种方法进行组合判断，可对用户进行画像，识别其居住地等标签，进而剔除噪声数据，提升分析结果的准确性，解决以往大数据挖掘中海量时空信息难以与用户经济社会属性匹配的问题。
本研究也提出了一种使用手机定位数据分析步行旅游区游客步行行为特征的研究方法，鼓浪屿的案例表明这是一种有效的研究途径。不同于以往研究中群体特征的综合描述，本方法聚焦于游客步行行为，通过大数据深度挖掘技术对空间行为规律进行高精度模拟，在行为与空间耦合的基础上，把握步行行为与旅游区用地功能和空间格局之间的对应关系，从而为旅游区优化提供量化的支持。这种方法有助于实现对个体行为与感知的准确评估，并可应用于其他需要数据挖掘和融合的研究。研究结果有助于将统计学、计算机科学的优势与旅游学、地理学、城市设计等科学相结合并提升跨学科方法的有效性。
本研究存在以下局限：首先，基于鼓浪屿得出的结果较为具体，研究结论对于其他步行街区与步行旅游区具有一定借鉴意义，但在人车混行区域的适用性还需要系统分析，未来仍需在不同的旅游区进行验证、深化，从而得出更具共性的结论，提高数据驱动技术框架的普适性和广泛性；其次，后续可进一步拓展用户画像标签，深层次评估不同属性游客（客源地、性别、收入水平等）的行为特征与场景偏好，这对精细化设计与管理至关重要；最后，游客步行行为是一个综合概念，除了空间集聚、网络结构、步行路径与速度外，还包含行为目的、心理感知等多方面内涵，未来可借助生理传感器数据、虚拟现实技术、深度学习和强化学习等多源数据与前沿技术，完善行为特征的多维量化描述，开展深层次的行为与空间内在关联与规律分析，辅助智慧旅游发展与管理。

7 结论

本研究以厦门市鼓浪屿为例，与以往茶马古道、森林漫步等步行作为唯一游览方式的特殊案例地相比，鼓浪屿案例的结论更具有普适性。基于手机定位数据，提取十一黄金周期间游客在鼓浪屿上的所有步行轨迹，使用数据网挖掘与空间分析方法分析游客步行行为特征，并与规划文件进行比对，提出旅游区发展建议。研究结果否定了“游客行动往往是随机和即兴的”，支持了“游客步行受旅游区空间布局的影响”，探索了功能与布局，包括街区功能、道路等级、商业分布、景点开发等对游客步行行为特征的影响，加深了对于游客步行行为的理解与认知。研究结果表明：
（1）功能布局导致各街区游客到访率以及步行轨迹网络中心度的差异。中心度最高的街区为热门景点，其次为旅游服务街区。游客倾向于在相邻街区之间短距离流动，主要表现为“景区-餐饮-休闲”、“景区-民宿”、“景区-交通设施”等功能区之间的联系。
（2）游客更倾向于选择人流量大的街道作为步行游览路线，但步行速度较快，停留意愿较低。商业街区虽然步行游客分布密集，但是联系这些街区的步行游览路径上游客流量并不大，游客更倾向于选择交通便利、人流量大的街道作为主要步行游览路线。鼓浪屿西南部热门景点聚集区由于路线单一，虽然游览路径选择度较高，游客却多为快速穿行。
（3）尺度大、旅游内容开发不足、拥挤降低了游客在街区内的停留意愿。热门景点的拥挤度以及自然景观街区的开发尺度导致互动体验不足，游客步行速度比较高，停留时间短。历史文化景点及旅游服务街区内的互动式景观与设施较多，不仅可以激发人与景的互动，还能促进人与人的互动，可有效降低游客步行速度。
本研究从理论、方法与实践3个方面对既有研究进行了深化与补充。理论上，本研究明晰了游客步行的细化特征，丰富了游客步行行为认知，加深了对步行旅游的理解，尤其是城市地区的步行旅游，即在建筑环境和文化背景下相对短距离的游客步行活动特征。方法上，本研究提出了一种基于手机定位数据的游客步行行为探索路径，通过数据挖掘识别时空特征，分析行为与空间的对应关系，为智慧旅游提供技术支撑。实践上，将游客实际行为与旅游区功能布局及规划文件进行对比，发现规划建设管理的不足，以游客需求为导向提出建议，期望为可持续旅游的政策制定提供参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Yun H J, Kang D J, Lee M J. Spatiotemporal distribution of urban walking tourists by season using GPS-based smartphone application[J]. Asia Pacific Journal of Tourism Research, 2018, 23(11):1047-1061. DOI:10.1080/10941665.2018.1513949

[2]
Witte A. “Chinese don’t walk?” - The emergence of domestic walking tourism on China's Ancient Tea Horse Road[J]. Journal of Leisure Research, 2021, 52(4):424-445. DOI:10.1080/00222216.2020.1847624

[3]
Jin X, Wang Y. Chinese outbound tourism research[J]. Journal of Travel Research, 2016, 55(4):440-453. DOI:10.1177/0047287515608504

[4]
Lee C. Transport and climate change: A review[J]. Journal of Transport Geography, 2007, 15(5):354-367. DOI:10.1016/j.jtrangeo.2006.11.008

[5]
Weston R, Mota J C. Low carbon tourism travel: Cycling, walking and trails[J]. Tourism Planning & Development, 2012, 9(1):1-3. DOI:10.1080/21568316.2012.658168.

[6]
Li Q, Ryan J. Nature, engagement, empathy: Yijing as a Chinese ecological aesthetics[J]. Environmental Values, 2017, 26(3):343-364. DOI:10.3197/096327117x14913285800698.

[7]
Hynes S, Buckley C, Van Rensburg T. Recreational pursuits on marginal farm land: A discrete-choice model of Irish farm commonage recreation[J]. Economic and Social Review, 2007, 38(1): 63-84.

[8]
Ritchie B, Jay G. Commentary - ' local agenda 21 and community participation in tourism policy and planning: Future or fallacy'by Jackson and morpeth[J]. Current Issues in Tourism, 1999, 2(1):39-46. DOI:10.1080/13683509908667842

[9]
Clavé S A. Urban tourism and walkability[J]. The Future of Tourism: Innovation and Sustainability, 2019, 8: 195-211. DOI:10.1007/978-3-319-89941-1_10

[10]
Ram Y, Hall C M. Walking tourism in cities: Introducing the special issue[J]. International Journal of Tourism Cities, 2018, 4(3):281-284. DOI:10.1108/ijtc-09-2018-098.

[11]
Choi S, Kim I. Sustainability of nature walking trails: Predicting walking tourists' engagement in pro-environmental behaviors[J]. Asia Pacific Journal of Tourism Research, 2021, 26(7):748-767. DOI:10.1080/10941665.2021.1908385

[12]
Wood L, Frank L D, Giles-Corti B. Sense of community and its relationship with walking and neighborhood design[J]. Social Science & Medicine, 2010, 70(9):1381-1390. DOI:10.1016/j.socscimed.2010.01.021

[13]
Kim H, Yang S. Neighborhood walking and social capital: The correlation between walking experience and individual perception of social capital[J]. Sustainability, 2017, 9(5):680. DOI:10.3390/su9050680

[14]
Juschten M, Hössinger R. Out of the city - but how and where? A mode-destination choice model for urban-rural tourism trips in Austria[J]. Current Issues in Tourism, 2021, 24(10):1465-1481. DOI:10.1080/13683500.2020.1783645

[15]
Dias T W K I M, Wijeweera K P. Assessing the walk-score of walking paths in Kandy City area for better walking experience for the tourists[J]. Engineer: Journal of the Institution of Engineers, Sri Lanka, 2021, 54:27. DOI:10.4038/engineer.v54i0.7450

[16]
Girish V G, Lee C K. Authenticity and its relationship with theory of planned behaviour: Case of Camino de Santiago walk in Spain[J]. Current Issues in Tourism, 2020, 23(13):1593-1597. DOI:10.1080/13683500.2019.1676207

[17]
Witte A. Revisiting walking as mobile place-making practice: A discursive perspective[J]. Tourism Geographies, 2021:1-23. DOI:10.1080/14616688.2021.1878269

[18]
Yang L C, Wang X, Sun G B, et al. Modeling the perception of walking environmental quality in a traffic-free tourist destination[J]. Journal of Travel & Tourism Marketing, 2020, 37(5):608-623. DOI:10.1080/10548408.2019.1598534

[19]
Le Pira M, Marcucci E, Gatta V. Roman holiday: Tourist heterogeneous preferences for walking path elements[J]. Research in Transportation Economics, 2021, 90:101106. DOI:10.1016/j.retrec.2021.101106

[20]
Chen Y Y, Chen A, Mu D. Impact of walking speed on tourist carrying capacity: The case of Maiji Mountain Grottoes, China[J]. Tourism Management, 2021, 84:104 273. DOI:10.1016/j.tourman.2020.104273.

[21]
Sarmento J. Tourists' walking rhythms: 'doing' the Tunis Medina, Tunisia[J]. Social & Cultural Geography, 2017, 18(3):295-314. DOI:10.1080/14649365.2016.1174283.

[22]
Edensor T. Staging tourism[J]. Annals of Tourism Research, 2000, 27(2):322-344. DOI:10.1016/S0160-7383(99)00082-1

[23]
Gao Y, Zhang T, Sasaki K, et al. The spatial cognition of a forest landscape and its relationship with tourist viewing intention in different walking passage stages[J]. Urban Forestry & Urban Greening, 2021, 58:126975. DOI:10.1016/j.ufug.2020.126975

[24]
Berg A. “To conquer myself”: The new strenuosity and the emergence of thru-hiking on the Appalachian Trail in the 1970s[J]. Journal of Sport History, 2015, 42(Spring), 1-19. DOI:stable/10.5406/jsporthistory.42.1.1

[25]
den Breejen L. The experiences of long distance walking: A case study of the West Highland Way in Scotland[J]. Tourism Management, 2007, 28(6):1417-1427. DOI:10.1016/j.tourman.2006.12.004

[26]
Olafsdottir G. '… sometimes You've just got to get away’: On trekking holidays and their therapeutic effect[J]. Tourist Studies, 2013, 13(2):209-231. DOI:10.1177/1468797613490379

[27]
Svarstad H. Why hiking? rationality and reflexivity within three categories of meaning construction[J]. Journal of Leisure Research, 2010, 42(1):91-110. DOI:10.1080/00222216.2010.11950196.

[28]
Ween G, Abram S. The Norwegian trekking association: Trekking as constituting the nation[J]. Landscape Research, 2012, 37(2):155-171. DOI:10.1080/01426397.2011.651112

[29]
Edensor T. Walking in rhythms: Place, regulation, style and the flow of experience[J]. Visual Studies, 2010, 25(1):69-79. DOI:10.1080/14725861003606902

[30]
Speakman C. Tourism and transport: Future prospects[J]. Tourism and Hospitality Planning & Development, 2005, 2(2):129-135. DOI:10.1080/14790530500173647

[31]
杨新军, 牛栋, 吴必虎. 旅游行为空间模式及其评价[J]. 经济地理, 2000, 20(4):105-108,117.

[ Yang X J, Niu D, Wu B H. Spatial models and their assessment on regional tourist behavior[J]. Economic Geography, 2000, 20(4):105-108,117. ] DOI:10.15957/j.cnki.jjdl.2000.04.024

[32]
黄潇婷. 旅游时间规划概念框架研究[J]. 旅游学刊, 2014, 29(11):73-79.

[ Huang X T. Study of conceptual framework of tourism temporal planning[J]. Tourism Tribune, 2014, 29(11):73-79. ]

[33]
李渊, 郑伟民, 王德. 旅游区旅游者空间行为研究综述[J]. 旅游学刊, 2018, 33(4):103-112.

[ Li Y, Zheng W, Wang D. Review on the study of intra-attraction tourists' spatial behavior[J]. Tourism Tribune, 2018, 33(4):103-112.] DOI:10.3969/j.issn.1002-5006.2018.04.015

[34]
郭旸, 胡雅静, 林玥. 基于手机信令和网络游记数据的游客时空行为分析——以上海迪士尼乐园外地游客为例[J]. 旅游论坛, 2020, 13(1):13-22.

[ Guo Y, Hu Y J, Lin Y. Analysis on tourist spatial-temporal behavior based on mobile phone signaling and travel network data: Evidences from Shanghai disneyland[J]. Tourism Forum, 2020, 13(1):13-22. ] DOI:10.15962/j.cnki.tourismforum.202001002

[35]
李渊. 基于GIS的景区环境量化分析以鼓浪屿为例[M]. 北京: 科学出版社, 2017.

[ Li Y. GIS-based quantitative analysis of intra-attraction environment[M]. Beijing: Science Press, 2017. ]

[36]
李君轶, 唐佳, 冯娜. 基于社会感知计算的游客时空行为研究[J]. 地理科学, 2015, 35(7):814-821.

DOI

[ Li J Y, Tang J, Feng N. Tourists' spatio-temporal behavior based on socially aware computing[J]. Scientia Geographica Sinica, 2015, 35(7):814-821. ] DOI:10.13249/j.cnki.sgs.2015.07.002

[37]
王波, 甄峰, 魏宗财. 南京市区活动空间总体特征研究——基于大数据的实证分析[J]. 人文地理, 2014, 29(3):14-21,55.

[ Wang B, Zhen F, Wei Z C. The research on characteristics of urban activity space in Nanjing: An empirical analysis based on big data[J]. Human Geography, 2014, 29(3):14-21,55. ] DOI:10.13959/j.issn.1003-2398.2014.03.029

[38]
李艳, 严艳, 贠欣. 基于旅游数字足迹的西藏景区空间结构分析[J]. 干旱区资源与环境, 2015, 29(6):176-182.

[ Li Y, Yan Y, Yun X. The spatial structure of Tibet tourism based on tourism digital footprint[J]. Journal of Arid Land Resources and Environment, 2015, 29(6):176-182. ] DOI:10.13448/j.cnki.jalre.2015.207

[39]
张妍妍, 李君轶, 杨敏. 基于旅游数字足迹的西安旅游流网络结构研究[J]. 人文地理, 2014, 29(4):111-118.

[ Zhang Y Y, Li J Y, Yang M. The tourism flow network structure of Xi'an based on tourism digital footprint[J]. Human Geography, 2014, 29(4):111-118. ] DOI:10.13959/j.issn.1003-2398.2014.04.047

[40]
张鲜鲜, 李婧晗, 左颖, 等. 基于数字足迹的游客时空行为特征分析——以南京市为例[J]. 经济地理, 2018, 38(12):226-233.

[ Zhang X X, Li J H, Zuo Y, et al. Study on spatial-temporal characteristics of tourist behavior based on digital footprints: Taking Nanjing for example[J]. Economic Geography, 2018, 38(12):226-233. ] DOI:10.15957/j.cnki.jjdl.2018.12.029

[41]
Garín Muñoz T. German demand for tourism in Spain[J]. Tourism Management, 2007, 28(1):12-22. DOI:10.1016/j.tourman.2005.07.020

[42]
Horne J D, Manzenreiter W. Accounting for mega-events[J]. International Review for the Sociology of Sport, 2004, 39(2):187-203. DOI:10.1177/1012690204043462

[43]
蒋依依, 刘焱序, 王宁, 等. 2004—2019年全球旅游流网络中心度时空演变[J]. 地理研究, 2022, 41(3):698-712.

DOI

[ Jiang Y Y, Liu Y X, Wang N, et al. The spatial dynamics of global inbound tourism network centrality during 2004-2019[J]. Geographical Research, 2022, 41(3):698-712. ]

DOI

[44]
牟乃夏, 张恒才, 陈洁, 等. 轨迹数据挖掘城市应用研究综述[J]. 地球信息科学学报, 2015, 17(10):1136-1142.

DOI

[ Mou N X, Zhang H C, Chen J, et al. A review on the application research of trajectory data mining in urban cities[J]. Journal of Geo-Information Science, 2015, 17(10):1136-1142. ] DOI:10.3724/SP.J.1047.2015.01136

[45]
张宏磊, 庄敏, 夏馨颖, 等. 移动性视角下的南京大学旅游流研究进展与展望[J]. 现代城市研究, 2021(5):11-18.

[ Zhang H, Zhuang M, Xia X, et al. The prospects of Nanjing University tourism flow research with the mobility paradigm[J]. Modern Urban Research, 2021(5):11-18.] DOI:10.3969/j.issn.1009-6000.2021.05.002

[46]
李渊, 丁燕杰, 王德. 旅游者时间约束和空间行为特征的景区旅游线路设计方法研究[J]. 旅游学刊, 2016, 31(9):50-60.

[ Li Y, Ding Y J, Wang D. A new approach for designing tourist routes by considering travel time constraints and spatial behavior characteristics of tourists[J]. Tourism Tribune, 2016, 31(9):50-60. ]

[47]
杨敏, 李君轶, 杨利. 基于旅游数字足迹的城市入境游客时空行为研究——以成都市为例[J]. 旅游科学, 2015, 29(3):59-68.

[ Yang M, Li J Y, Yang L. The study on spatio-temporal behaviors of inbound tourists based on tourists' digital footprints: A case study of Chengdu[J]. Tourism Science, 2015, 29(3):59-68. ] DOI:10.16323/j.cnki.lykx.2015.03.005

[48]
王录仓, 严翠霞, 李巍. 基于新浪微博大数据的旅游流时空特征研究——以兰州市为例[J]. 旅游学刊, 2017, 32(5):94-105.

[ Wang L C, Yan C X, Li W. Research on spatial-temporal characteristics of tourist flow based on sina microblog LBS data: An case study of Lanzhou[J]. Tourism Tribune, 2017, 32(5):94-105. ] DOI:10.3969/j.issn.1002-5006.2017.05.014

[49]
张子昂, 黄震方, 靳诚, 等. 基于微博签到数据的景区旅游活动时空行为特征研究——以南京钟山风景名胜区为例[J]. 地理与地理信息科学, 2015, 31(4):121-126.

[ Zhang Z A, Huang Z F, Jin C, et al. Research on spatial-temporal characteristics of scenic tourist activity based on sina microblog: A case study of Nanjing Zhongshan Mountain National Park[J]. Geography and Geo-Information Science, 2015, 31(4):121-126. ] DOI:10.3969/j.issn.1672-0504.2015.04.024.

[50]
Phithakkitnukoon S, Horanont T, Witayangkurn A, et al. Understanding tourist behavior using large-scale mobile sensing approach: A case study of mobile phone users in Japan[J]. Pervasive and mobile computing, 2015, 18:18-39. DOI:10.1016/j.pmcj.2014.07.003

[51]
Huang X, Wu B. Intra-attraction tourist spatial-temporal behavior patterns[J]. Tourism geographies, 2012, 14(4): 625-645. DOI:10.1080/14616688.2012.647322

[52]
McKercher B, Shoval N, Ng E, et al. First and repeat visitor behavior: GPS tracking and GIS analysis in Hong Kong[J]. Tourism geographies, 2012, 14(1):147-161. DOI:10.1080/14616688.2011.598542

[53]
郝新华, 龙瀛, 石淼, 等. 北京街道活力:测度、影响因素与规划设计启示[J]. 上海城市规划, 2016(3):37-45.

[ Hao X H, Long Y, Shi M, et al. Street vibrancy of Beijing: Measurement, impact factors and design implication[J]. Shanghai Urban Planning Review, 2016(3):37-45. ] DOI:10.3969/j.issn.1673-8985.2016.03.009

[54]
Yue Y, Zhuang Y, Yeh A G O, et al. Measurements of POI-based mixed use and their relationships with neighbourhood vibrancy[J]. International Journal of Geographical Information Science, 2017, 31(4):658-675. DOI:10.1080/13658816.2016.1220561

[55]
Wu W S, Niu X Y, Li M. Influence of built environment on street vitality: A case study of west Nanjing Road in Shanghai based on mobile location data[J]. Sustainability, 2021, 13(4):1840. DOI:10.3390/su13041840

[56]
Jiang M, Provost S B. A hybrid bandwidth selection methodology for kernel density estimation[J]. Journal of Statistical Computation and Simulation, 2014, 84(3):614-627. DOI:10.1080/00949655.2012.721366

[57]
Pham Ngoc T M. Adaptive optimal kernel density estimation for directional data[J]. Journal of Multivariate Analysis, 2019, 173:248-267. DOI:10.1016/j.jmva.2019.02.009.

[58]
Freeman L C. Centrality in social networks conceptual clarification[J]. Social Networks, 1978, 1(3):215-239. DOI:10.1016/0378-8733(78)90021-7

[59]
Nasirian F, Mahdavi Pajouh F, Balasundaram B. Detecting a most closeness-central clique in complex networks[J]. European Journal of Operational Research, 2020, 283(2):461-475. DOI:10.1016/j.ejor.2019.11.035

[60]
Li Y, Xiao L Z, Ye Y, et al. Understanding tourist space at a historic site through space syntax analysis: The case of Gulangyu, China[J]. Tourism Management, 2016, 52:30-43. DOI:10.1016/j.tourman.2015.06.008

[61]
鼓浪屿-万石山风景名胜区管理委员会. 鼓浪屿世界文化遗产区商业业态导则[R/OL]. http://gly.xm.gov.cn/zwgk/tzgg/202112/t20211228_2612070.htm2021-12-27.

[ Gulangyu-Wanshishan Scenic Spot Management Committee. Guidelines for commercial format of Gulangyu World Cultural Heritage Area[R/OL]. http://gly.xm.gov.cn/zwgk/tzgg/202112/t20211228_2612070.htm2021-12-27. ]

[62]
厦门市人民政府. 鼓浪屿历史文化街区保护规划[R/OL]. http://zygh.xm.gov.cn/zwgk/zdxxgk/ghcg/zxgh/202108/t20210813_2574300.htm2021-08-13.

[ Gulangyu-Wanshishan Scenic Spot Management Committee. Protection planning of Gulangyu historical and cultural block[R/OL]. http://zygh.xm.gov.cn/zwgk/zdxxgk/ghcg/zxgh/202108/t20210813_2574300.htm2021-08-13. ]

[63]
厦门市自然资源和规划局. 厦门市历史文化名城保护规划[R/OL]. http://zygh.xm.gov.cn/zwgk/zdxxgk/gh gs/cggs/detail_17960.htm?chnlId=140&id=84022021-10-14.

[ Xiamen Natural Resources and Planning Bureau. Protection planning of Xiamen historical and cultural city[R/OL]. http://zygh.xm.gov.cn/zwgk/zdxxgk/ghgs/cggs/d etail_17960.htm?chnlId=140&id=84022021-10-14. ]

[64]
邬江. 数字化视域下文旅融合推动智慧旅游创新研究[J]. 经济问题, 2022(5):75-81.

[ Wu J. Research on tourism integration promoting smart TourismInnovation under the new economic development pattern[J]. On Economic Problems, 2022(5):75-81. ] DOI:10.16011/j.cnki.jjwt.2022.05.008

[65]
中华人民共和国国务院. “十四五”旅游业发展规划[EB/OL]. http://www.gov.cn/zhengce/content/2022-01/20/content_5669468.htm2022-01-20.

[ National Development and Reform Commission. Tourism development plan in China's 14th Five-Year Plan[EB/OL]. http://www.gov.cn/zhengce/content/2022-01/20/content_5669468.htm2022-01-20. ]

Options
文章导航

/

〈 〉