移动信息通信技术与社交媒体对日常生活的嵌入日益加深，影响了居民休闲活动区位选择，但就其影响的空间规律性特征认识相对欠缺。研究基于对比的视角，选取大连市小红书休闲打卡点位数据与同类别休闲POI数据，从集中度与集群度2个维度、在主城区与行政街道两个尺度上，采用核密度估计、热点分析、DBSCAN等空间分析方法测度对比两类休闲空间的分布特征，并据此提出初步的机制解析。研究发现：① 休闲打卡地大多分布于城市核心区内，但分布范围更小、核心数量更少；② 在宏观尺度上，休闲打卡地呈现出更低的集中度（差值约3%）与集群度（平均差值约18%），分布具有明显的“均质化散布”特征，在街道尺度上分布趋势相同，但在不同街道2类指标的差值大小存在显著不同；③ 休闲打卡地的热点集聚区范围更小，就其分布位置而言，在宏观与街道尺度上分别有85%与77%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，少量休闲打卡地特有的热点集聚区主要分布于历史街区以及滨海岸线等城市特色风貌区；④ 根据街道内指标高低，休闲打卡地的分布模式可以总结为“原中心集群型”、“原中心散布型”、“新中心散布型”以及“无中心散布型”4类，不同分布模式所在街道的功能、区位等特征存在差异。研究基于行动者网络理论解析了社交媒体影响下休闲打卡行为的行动过程，并在此基础上从场所空间与流空间的差异出发，结合时间地理学的基本理论，认为社交媒体在原有时空制约的基础上构建了一种以强目的性空间探索为特征的休闲活动新“地方秩序”，它体现了基于虚拟联系的流空间对基于实体在场的场所空间的影响：强化节点吸引力的作用，降低中微观尺度上的可达性约束，增加区位灵活性。

街道空间是旅游者在旅游地的主要接触空间，良好的街道视觉品质对旅游产业的可持续发展至关重要，而如何建构视觉品质评价方法则需要进一步探索。本文以厦门市鼓浪屿作为研究区域，首先建立街道空间视觉品质量化模型，采用人工模拟旅游者行进的方式采集街景数据，进行成像参数校正和图像编码；其次，采用全卷积网络进行图像语义分割和视觉要素提取，获得街道环境视觉参数；最后，根据量化模型将视觉参数聚合到地理要素中，建立地理信息数据库进行街道空间视觉品质评价。结果表明：① 鼓浪屿街道空间视觉品质存在明显的空间分异性；② 建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素；③ 植物类公园、主要交通枢纽、主要商业设施的分布对街道空间视觉品质产生显著影响。本文为街道视觉品质评价工作提供了可供迁移应用的数据采集方式和研究方法，基于全卷积网络的街景图像语义分割精度较高，能够为街景图像以及其他类型的图像数据分析提供参考。在管理实践上，本文可以为旅游地街道空间的管理与规划、资源整合与配置、人流引导与调控等工作提供有价值的借鉴。

在文旅融合、数字中国、遗产活化利用的综合背景下，遗产旅游成为学界与业界讨论的热点。承载遗产价值的空间表征与旅游者空间感知的不匹配问题是当前遗产旅游最突出的矛盾之一。本文从遗产价值视角出发，采用文献计量与系统性述评相结合的方法，围绕遗产价值的阐释与量化、遗产价值的空间计算与表征、旅游者遗产价值与空间感知、遗产旅游者的空间行为反馈主题对国内外相关研究进行梳理和比较。研究发现：① 遗产价值阐释成果丰富，主要围绕遗产价值的内涵与阐释技术而缺少量化方法探索； ② 遗产价值的空间计算与表征具有对象针对性和应用导向性，技术方法以地理信息系统与空间信息技术为核心； ③ 旅游者遗产价值与空间感知多从遗产地的旅游目的地视角出发，忽视遗产价值和空间属性，缺乏遗产价值、遗产空间、旅游者的关系探索，感官知觉测量维度以视觉为主； ④ 遗产旅游者空间行为反馈关注行为特征、模式、成因和影响因素，重视实践应用并且体现出遗产责任导向； ⑤ 自然遗产和混合遗产语境下的遗产价值空间计算与表征、旅游者遗产价值与空间感知缺乏关注； ⑥ 国内外相关文献在对象关注、技术方法和内容聚焦上存在相似性和差异性；⑦ 未来遗产价值阐释与表征将从传统叙事走向空间量化，遗产空间感知与计算将从空间足迹走向感知行为。基于此，本文提出了遗产价值视角下旅游者空间感知与计算的理论框架与方法路径，体现多学科的理论交叉和技术融合，以期为相关研究提供理论参考，为促进遗产地保护、管理、旅游发展、价值传承提供实践借鉴。

大数据正在改变捕捉和分析人类活动与行为的方式。多种新兴数据渠道不断涌现，为旅游领域研究提供了大量具有潜在应用价值的数据，克服了传统旅游研究中普遍存在的数据不足问题。本文以地理大数据的研究前沿为基础，明晰地理大数据在旅游领域人类旅游活动、旅游地理环境、旅游人地关系3个方面的理论支撑重点，梳理人类旅游活动/行为数据（UGC、设备数据、交易数据）和旅游地理环境数据（POI、客观环境数据）等地理大数据在旅游领域的创新应用，探讨地理大数据在理论研究更新、多源数据融合、分析方法突破3个方面的挑战和展望，为旅游领域时空认知、理论支撑、建模方法、分析框架等方面研究的深入开展提供一定参考。研究建议在理论上需要将科学研究范式标准化系统化，结合不同的事件和场景创造基于“过程-结构-机制”的中国旅游地理解释体系；数据上需要向大数据与其他数据的互补结合转变；分析技术需要向提高分析方法自适应性、涉入旅游现象特殊性变量的方向转变。

用户生成内容（User Generated Content,UGC）作为感知旅游地物质空间的新型地理大数据,以使用者的视角描绘了旅游地的客观环境,是探索旅游目的地感知的重要途径。然而,传统的旅游研究对旅行摄影照片处理能力有限,深度学习图像语义分割技术的发展,为挖掘旅游者视觉行为模式,探索旅游地环境感知提供了有力支持。本研究提出了整合在线旅行照片大数据与问卷调查小数据的旅游者视觉行为模式与感知评估框架,并将其应用于鼓浪屿案例。首先将744条旅游轨迹,聚类为6类视觉行为模式,并可视化与时空分析;其次基于全卷积网络算法,量化22 507张旅行照片语义,探索不同视觉模式的旅游者关注要素的空间分异;最后通过照片语义与场景感知问卷调查的相关性分析和多重线性回归模型,评估旅游地整体视觉感知满意度,并提出相应的空间优化建议。研究表明：① 鼓浪屿旅游者视觉行为模式聚类为单点游、海岛风光游、环岛游、街巷空间游、遗产建筑游和全岛游6类;② 不同视觉行为模式的旅游者视觉兴趣区存在空间集聚现象,视觉空间转移遵循地理邻近效应;③ 相关性分析与模型结果表明,旅游者偏好空间开敞度较高的区域,感知满意度越低的区域摄影行为越少,是环境提升的重点;④ 出行时间和成本效率最大化、建成环境、心理环境与社会环境是影响旅游者视觉感知的主要因素。本研究延伸了人工智能技术在旅游者视觉感知研究中的应用,为旅游地空间优化提供参考。

为实现精准的旅游景区客流量的高时频预测，本研究构建了一套基于LBS和深度学习模型的预测方法。此方法可通过对LBS数据的转换实现预测的空间范围与时频控制，并通过方法的核心模型——基于双向循环神经网络和GRU算法构建的深度双向GRU（DBi-GRU）模型完成预测。为检验方法的有效性，研究以深圳大梅沙海滨公园为例对方法进行实验测试。实验使用拟合曲线、误差指标及DM检验3种方法评估DBi-GRU模型的预测效果。此外，实验还设置了其他五种深度学习模型作为DBi-GRU的对照模型，测试基于不同深度学习算法的模型之间的预测水平差异。实验结果表明：① 本研究提出的DBi-GRU模型在景区客流量高时频预测中具有理想的预测效果，在高峰时段的客流量预测方面也具有较高准确性，预测效果明显优于其他深度学习模型；② 基于双向循环网络的模型的效果普遍优于基于常规循环网络的模型。尤其是基于双向LSTM算法的模型，虽然预测的准确度略逊色于DBi-GRU模型，但在模型性能上与其的差异并不显著；③ 在相同网络参数下，GRU算法较前人采用的LSTM和RNN算法有着更高的预测准确性。本研究为客流量预测领域的研究提供了一种新的可用于高时频预测的技术方法，所预测的高时频客流量信息可为景区的客流管控与服务安排等工作提供必要的信息支持。

随着近年我国全面进入高质量发展阶段，高水平的城市休闲供给愈加重要。面向“人民对美好生活的向往”，系统探究城市休闲设施供给与居民心理健康的关系具有重要意义。为此，本文提出地区“心理压力指数”（Psychological Distress Index，简称PDI）这一概念，以城市为基本单元，基于百度搜索指数进行测算，刻画了2011—2019年PDI的时空分布格局，在控制经济、人口和环境等因素的基础上，通过回归模型探究PDI与休闲设施供给的关系。研究发现：① 从时间来看，近年来全国和分地区的PDI都呈现明显的上升趋势；② 从空间来看，越发达地区的PDI通常越高，PDI在全国呈现“东-中-东北-西”递减特征，并且从沿海向内陆形成了高-高、低-高、高-低、低-低的集聚格局；③ 通过逐步回归发现PDI与夜间商业休闲设施（夜宵、酒吧、KTV）和公共休闲设施（公园）的供给水平显著相关，而与日间商业休闲设施（商场、影剧院）的关系不显著，其中，夜宵设施密度和PDI显著正相关，酒吧密度、KTV密度和人均公园数和PDI显著负相关。本文应用大数据初步揭示了居民心理健康水平和不同类型休闲设施供给的关系，为打造健康城市提供了新的研究视角。未来应完善城市休闲谱系，丰富休闲设施供给，以满足居民对高质量休闲的需求，促进居民心理健康。

街道是城市旅游的重要吸引物，探讨街道景观色彩特征对游客情感感知的影响，对城市街道景观合理规划和布局具有重要的参考价值。本研究以西安市主要建成区为案例地，运用全卷积神经网络（FCN）和随机森林（RF）算法，构建街景图像情感感知数据集，基于街景图像利用机器学习对街道景观的色彩特征进行提取，构建色彩量化指标并将其进行空间可视化；最后，运用随机森林回归算法探讨街道景观色彩特征与游客情感感知之间的关系，并得出最佳色彩特征参数。结果表明：① 游客情感感知具有明显的空间分布格局，美丽和活泼情感由中心区域向外逐渐增加，安全和富有在主城区外二环以内区域得分较高，无聊在该范围内则较低，压抑情感由中心区域向外逐渐降低，游客在非惯常环境中的情感感知与居民在惯常环境中的情感感知在空间分布上具有一定的同质性；② 街道景观色彩特征与游客情感感知呈现出复杂的非线性关系。色彩复杂度对美丽和活泼的影响小于色彩协调度，对无聊、压抑、安全、富有的影响大于色彩协调度，当色彩复杂度取值为0.86，色彩协调度取值为0.84时，游客在六个维度可以获得较好的情感感知；③ 一般情况下，街道景观色彩特征越显著，越能够带给游客较好的情感感知。研究在理论上印证了环境色彩越协调，游客体验感越好这一结论；在方法上，丰富了街景大数据和机器学习方法在旅游情感领域的应用。本研究为城市管理者了解游客的街道景观视觉偏好以及优化街道景观设计提供参考。

城市公共体育设施的分布特征与可达性、公平性等空间配置直接关系到基本公共服务的均等性与城市空间结构的完整性。本文以北京市为例，以POI数据表征城市公共体育设施，运用核密度估计、最近邻指数、改进型两步移动搜索法以及覆盖度指数等分析方法，研究北京街道尺度上城市公共体育设施的空间集聚特征及供需视角下的可达性与公平性。结果表明：① 改进型两步移动搜索法考虑了不同等级城市公共体育设施的供给规模与“15 min生活圈”理念下的居民出行距离，适合街区级与社区级体育设施可达性分析，中心城区街区级与社区级设施空间可达性较高；② 北京各级城市公共体育设施具有显著的空间集聚趋势，地区级设施表现为“点状集聚、面状分散”趋势，街区级总体呈现出“核心-边缘”式特征，中心城区供给数量多，周边地区配置少；社区级设施为“小集聚、大分散”模式，空间分布均匀；③ 北京社区级城市公共体育设施覆盖度高的街道最多，空间配置最为均衡，街区级设施覆盖度指数高的街道较少，覆盖范围相对有限。研究结果可为北京城市公共体育设施的规划编制与优化布局提供参考。

生态旅游适宜性评价是评估生态旅游发展潜力、制定生态旅游规划和进行生态旅游开发的基础和重要参照。本文引入机器学习方法，从方法可行性、数据映射和预测实现等方面进行探讨，应用随机森林算法对湖南武陵山片区生态旅游适宜性展开实证研究。湖南武陵山片区旅游资源丰富，脱贫后亟需开展生态旅游来巩固拓展脱贫攻坚成果实现与乡村振兴有效衔接以及促进可持续发展。研究结果表明：① 将机器学习算法引入到区域生态旅游适宜性评价领域作为一种新方法，可为之后改进生态旅游适宜性评价方法提供新思路与新方案；② 随机森林算法可以有效应用在区域生态旅游适宜性评价方面，可作为适宜性评价研究的一种新方法，模型优化后的平均测试精度达86.49%，受试者工作特征曲线（ROC）与坐标围成的面积（AUC）达0.95，评价结果能够准确反映湖南武陵山片区生态旅游适宜性程度；③ 特征重要性排序结果显示土地利用类型影响最大，占比达到28.98%，人口密度、距景点距离和生物丰富度等因子的影响也较大，分别为16.34%、12.2%和10.65%，在进行生态旅游开发时应重点考虑这些因素；④ 生态旅游适宜性结果表明，高度适宜与适度适宜区占比高，研究区生态旅游开发潜力大。根据不同适宜性结果提出不同的开发方向：高度适宜区走保护性开发模式，打造体验-教育型生态旅游；适度适宜区走联合性开发模式，打造支撑型生态旅游；边际适宜区走限制性开发模式；不适宜区应当禁止开发。针对研究结果提出“两中心一带一板块”开发策略，可为武陵山片区进行生态旅游开发及巩固脱贫成果提供理论和技术指导。

随着现代信息技术的不断发展,GIS在旅游研究与应用愈来愈深入。目前,GIS已经广泛的应用到旅游资源研究中,尤其在旅游资源空间分类、评价、旅游规划、旅游资源管理、旅游开发利用等方面取得了较大的进展。首先,本文综述了近些年来GIS在旅游资源研究中的文献资料,研究发现GIS空间分析理论与方法在旅游资源研究与开发中的应用较为广泛,但在旅游资源认知、分类及评价等方面仍存在一些尚未解决的问题。其次,在总结前人和课题组研究成果的基础上,对旅游资源认知、分类与标准化理论进行了相关论述。通过梳理GIS建模技术与空间分析方法在旅游资源信息提取与分析、旅游资源评价、旅游资源开发规划等相关研究成果中发现,旅游资源研究方法已从定性描述走向定量模型,应用成果不断增多,涉及综合评价、空间结构优化、空间布局与选址、空间发展趋势预测、空间利用规划等方面。最后,提出了未来在旅游资源知识模型、旅游资源图谱、旅游资源多维仿真以及旅游资源大数据等方面的相关展望。

随着经济社会的发展，旅游休闲已成为人民对美好生活追求的重要方式，也是将“绿水青山”“冰天雪地”转换为“金山银山”的重要载体。然而，旅游休闲发展不平衡、不充分的矛盾亟待解决。地球信息科学为旅游休闲领域提供了一套基于空间系统的分析框架和方法，大数据技术的快速发展也使得地球信息科学在旅游休闲领域的研究得到广泛关注和应用。然而，二者的结合研究并不是研究对象和研究理论、方法之间的简单交叉，且大数据在旅游休闲研究中存在数据有偏性、多源异构数据的融合、技术迭代等问题。为此，围绕着地球信息科学在旅游休闲领域的研究现状、学科贡献、研究局限性及未来方向，以“地球信息科学在旅游休闲领域研究的辩证审视”为主题，荣幸地邀请了旅游管理、地球信息科学、地理科学等领域的12位代表学者展开专家笔谈。基于专家们的观点，总结发现地球信息科学在旅游休闲领域研究中扮演着关键角色，具体体现在： ①为研究者深入理解旅游者行为、旅游目的地特征等多维度旅游现象提供了丰富的空间数据和分析方法； ② 为旅游休闲领域的研究提供了深刻的时空认知逻辑和人地思维； ③ 突破了传统旅游休闲领域研究的精细度不够、尺度单一的不足，提高了对旅游休闲复杂场景和多维尺度过程机制的解读能力。地球信息科学在旅游休闲领域未来具有广阔的应用前景，但是大数据的有偏性、研究结果的可解释性、学科之间深度交互等研究挑战，仍需要学者进一步回答和探索。本文通过对专家的笔谈，抛砖引玉，希望对地球信息科学与旅游休闲的融合研究及未来发展具有指导意义。

网络科学为全面探索旅游领域中各研究对象间的动态关系结构提供了有力支撑，打破了传统研究缺乏系统性思维的局限，对于进一步理解旅游业的运行规律具有重要意义。近年来随着旅游业的数字化变革，旅游信息变得更具灵活性与可扩展性，大幅提高了网络科学理论与方法在旅游领域中的应用可行性。本文对与网络科学理论与方法在旅游领域中的应用研究相关的学术论文进行了系统梳理，并通过多尺度的视角归纳该领域的核心研究内容。本文首先概述了相关理论基础和应用现状，之后根据不同观测尺度下的旅游领域网络现象进行研究进展总结，具体为：微观尺度关注于目标旅游行动者的交互属性，介观尺度关注于旅游行动者的聚集现象，宏观尺度关注于旅游行动者网络的全局拓扑结构特征。在此基础上，本文指出了当前研究存在的问题（如数据可靠性、成果可解释性等），并对相关研究在当前的大数据时代与复杂性科学新纪元背景下的未来发展方向（如多尺度研究框架、多层网络等）进行了梳理，从而为后续研究提供思路。

近年来，随着公众环境保护意识的提升，追求人与自然和谐共生的生态旅游方式越来越受到人们的普遍关注。面对丰富多样的生态旅游资源及国内生态旅游的供需矛盾，如何在大保护的前提下有序开发、合理利用，将“绿水青山”科学、合理地转化为“金山银山”是现阶段亟需面对和解决的重大问题。本文以神农架林区为例，基于多源地理空间数据，运用XGBoost算法对其生态旅游适宜性进行评估，得出如下结论：① 基于XGBoost算法的生态旅游适宜性评价模型融合了机器学习技术与数据挖掘思想并取得了良好的分类效果，模型在10折交叉验证下的整体分类精度为89.44%，同时兼有良好的召回率(89.68%)，F₁分数为0.874 5，兼顾了精确度和召回率，模型AUC值为0.959 3，模型整体分类性能表现优秀；② 根据特征重要性排序结果，生态环境要素NDVI（26.86%）、年平均气温（11.61%）和社会经济因素距道路距离（8.90%）对模型贡献度最高，位列所有特征前3位；③ 生态旅游适宜性分类结果表明，神农架林区整体生态旅游资源丰富，高度适宜区、中度适宜区、边际适宜区和不适宜区的覆盖面积分别占林区总面积的44.13%、15.93%、11.89%和28.05%。本文研究方法突破了传统生态旅游适宜性评估方法主观性较强的局限，立足于数据挖掘思想和机器学习技术解决实际问题，可为区域国土空间规划、乡村振兴战略和生态旅游资源整合提供决策依据。

随着信息技术在旅游领域的广泛应用，旅游信息科学的重要性逐渐凸显。为系统概括旅游信息科学的发展现状，本文对2011—2022年国内外旅游信息科学领域的研究文献进行了搜集和整理，综合运用文献分析法、LDA主题模型等探讨了多学科交叉融合背景下旅游信息科学的文献概况和研究进展。研究发现：近12年来，旅游信息科学的研究呈现快速增长的趋势，引起了国内外旅游学、地理科学、环境科学与生态学、计算机科学等多个学科领域的关注。较之国内，近几年国际上在该领域的研究进展更为显著，中国学者在其中扮演了重要角色。旅游信息科学研究所采用的研究方法和理论呈现出明显的学科交叉特征，地理科学的空间理论、新闻传播学的关系理论以及行为学和心理学的决策理论等多学科理论的引入，无线传感器网络、数据挖掘、API接口等数据获取方式的革新以及实证研究、模型算法、数理统计与计量分析等多种研究方法的综合应用，创新了旅游信息科学的研究思路；研究内容不断更新，围绕地理信息、数据挖掘、网络通信等多元化技术在旅游领域内的推广展开，注重对旅游信息时空演变规律、旅游数据挖掘与预测、旅游信息行为特征以及旅游信息技术创新应用等核心主题的探索。结合目前旅游信息科学存在的国内外研究合作交流不充分、理论研究与实践应用不平衡、数据方法和技术运用不灵活、研究内容创新性与实践性不足等问题，提出旅游信息科学应加快国际前沿研究的本土化进程、侧重对基础理论和概念的梳理与探讨、强调多元技术和方法的集成式应用、加强学科间的互动交流与应用研究。

随着旅游者对休闲娱乐类旅游需求的不断增加，山地型旅游区已成为最受欢迎的旅游目的地之一，利用新兴且高效的轨迹记录方式挖掘山地型旅游区游客在小尺度范围内动态的时空行为特征和制约因素，对旅游区线路设计和旅游产品优化尤为重要，也将为山地型旅游区的深化发展和科学管理提供建议。本文以湖北省恩施州恩施大峡谷为案例地，基于“六只脚”平台的GNSS轨迹及位置照片数据，结合GIS在线地图绘制的景区路网和从BigMap平台获取的POI数据，选择GNSS轨迹栅格化的概念模式解析出恩施大峡谷游客轨迹的时空行为特征，尝试探讨与其他类别旅游区时空行为特征的差异，从而总结出山地型旅游区的行为特征，并通过网络点评数据和游记文本等网络文本挖掘行为特征形成的影响因素。研究表明：① 月份和季相层面，游客行为5月游客量处于峰值，节日效应明显，短假期效应较强；淡旺季游客行为轨迹呈非集聚性，旺季游客量主要受气候条件影响呈不稳定态势；② 游客行为轨迹于11:00-14:00游客量达到顶峰，日内结束时间相对较早，且兴趣点选择偏向知名度高的七星寨景区；③ 空间分布特征层面，受时空因素控制，单一路径景区轨迹集中度较强；④ 不同性别的游客拍照行为均偏向于高质量景区，但分布状态存在差异，男性拍照行为多呈片状和线状分布，女性多呈点状分布。本研究尝试以新数据和新方法探讨山地型旅游区游客的时空行为特征，旨在促进山地型旅游地的持续和高质量发展。

在供需信息化对接、交通运输能力提升、城市多中心开发的背景下，城市住宿业选址决策对交通路网便捷程度和服务设施临近程度等空间因素的关注度逐渐提升。本文运用空间句法和协同区位商理论，选取2021年香港Airbnb活跃房源、星级酒店、城市路网和POI数据，构建“住宿单元-交通轴线-功能空间”的“点-线-面”研究框架，分析共享住宿和传统酒店的空间布局模式，以及与城市路网形态和功能空间的结构关联特征。结果表明，共享住宿在市中心呈现“带状+团块状”分布，在新市镇、交通枢纽和旅游名胜岛屿形成分布次核心。相较于传统酒店，共享住宿受路网形态影响更大，对交通穿行能力和到访社区的邻里交互空间要求较高。在全局尺度上，共享住宿在选址时更倾向于考虑集聚效应和积极的溢出效应。在局域尺度上，共享住宿和城市功能空间主要形成了3种关联模式：簇状关联、组团状关联和散点状关联模式。本文对精准理解现代城市多元消费需求下共享住宿的多尺度空间分布模式，推动城市住宿业多元可持续发展具有理论意义和实践价值。

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。

基于复杂网络分析游客空间行为并挖掘旅游街区之间的关联特征，可以发现用地与功能之间显性和隐性的关联规则，精准识别旅游区用地空间结构，深入掌握旅游区发展现状，为智慧旅游与土地精细化转型提供支撑。本研究以世界文化遗产鼓浪屿为例，基于LBS大数据，使用复杂网络构建游客空间行为网络，利用关联规则分析重要节点的关联特征，进而使用用户画像数据，分析基于不同性别、年龄和客源地游客空间行为的街区关联规则。研究发现，“复杂网络+关联规则”算法可以挖掘游客随机行为中的隐藏规律，有效剖析旅游街区之间显性和隐性的关联规则。在游客空间行为轨迹网络中，各街区兼具“中心”与“枢纽”作用。既服务于本地游客又服务于外地游客的热门旅游街区表现出强关联规则。对外地游客具有较强吸引力的热门景点表现出较高的支持度，具有特色的旅游设施用地表现出较高的提升度。具有同质性的旅游街区之间关联性较强，人口特征差异对旅游街区关联规则影响显著。本研究可为城市更新背景下的旅游区用地整合、结构优化和游览线路调整提供决策参考，对于构建智慧旅游体系具有现实意义。

旅游发展是消除贫困的重要途径之一,从多维贫困视角对旅游减贫进行研究具有重要意义。以脱贫摘帽的西南地区国家级贫困县为研究案例,引入NPP/VIIRS夜间灯光数据测度多维贫困,并使用地理加权回归方法分析2012—2019年旅游发展的多维减贫效应。结果表明：① 2012—2019年,西南地区贫困县旅游发展水平不断提高,呈现“东高西低”的空间格局,旅游发展的区域差异不断缩小;② 2012年以来,西南地区贫困县多维贫困日趋改善;空间分布上,多维贫困程度自西向东逐渐降低,空间差异趋于缩小;③ 西南地区贫困县旅游发展能够缓解包括经济、教育、医疗和社会保障等方面的多维贫困,旅游多维减贫效应具有明显的空间异质性,川东、川北和滇东南地区贫困县的旅游减贫强度较高,滇西、渝东南和黔西地区旅游减贫强度较低;④ 旅游减贫强度主要受到旅游资源禀赋、经济发展水平和交通区位条件的影响,影响因素通过旅游资源开发、强化旅游产业支撑和提高旅游通达性等途径改善贫困地区的经济、教育、医疗和社会保障水平,实现旅游发展的多维减贫。旅游减贫的发展需要结合贫困地区实际情况考虑,提高旅游产品竞争力,完善配套设施建设,改善交通运输条件,以提高旅游减贫效果。另外,研究发现基于夜间灯光数据测度多维贫困具有较高的精度,能够为贫困问题研究提供数据支持。研究结果对中国旅游扶贫战略实施尤其是2020年后预防返贫具有重要的参考价值。

网络游记是旅游者在互联网上发布的自述性旅游过程记录，描述了旅游的前后过程和感受体验。从网络游记文本中提取旅游行程链，分析行程结构，能给游客的行程制定、线路设计提供重要的参考。传统的游记文本行程提取大多依赖于人工识别文本中的行程节点，再进行串联、合并处理，工作量较大。自动提取游记文本中的旅游行程链，能够提高数据处理和分析效率。本文基于自然语言处理技术，在深入分析游记网络文本的段落结构和表达特点的基础上，归纳了行程节点和节点次序关系的句法表达规则，构建了行程节点触发词表，进而提出了基于句法规则的旅游行程链提取方法，主要包含行程节点的识别、节点次序关系的识别和旅游行程链的生成，能实现网络游记文本的旅游行程重构。本文采集了蚂蜂窝平台17 226篇南京市网络游记文本数据，采用最长公共子序列算法，开展了本文方法的试验验证。通过对比分析，本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%，高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比现有关系提取类深度学习方法需要开展大量的数据标注，本文方法计算更加便捷，准确率相对较高，仅需构建区域旅游点名录，即可实现网络游记文本中行程信息的自动提取。

通过轨迹大数据的挖掘，揭示旅游者时空行为模式是旅游地理学的重要研究内容。本文引入时间、空间和方向相似度对基于密度的聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）进行了改进，选择典型的红色旅游目的地遵义市为案例，对2010—2019年的红色旅游者轨迹进行分析。研究发现：① 所构建的研究框架和方法能够有效提取轨迹大数据中隐含的旅游者的时空行为模式；② 遵义市红色旅游以半日游为主，夏季是红色旅游旺季；③ 红色旅游有 6类模式，分别为“红色+购物娱乐”、“红色+历史文化”、“红色+登山旅游”、“红色+生态休闲”、“红色+古镇旅游”、“红色+乡村旅游”，主要分布于遵义市的西北部、东南部和西南部，模式长度12.03~18.42 km，模式持续时长0.65~13.60 h；④ 所有模式中共提取出24条旅游线路，包括全红色旅游线路（58.33%）和混合线路（41.67%），平均长度为17.69 km，平均时长2.36 h；⑤ 遵义会议旧址作为核心吸引物，支撑了38.46%的线路的形成；⑥ 蓉遵高速、兰海高速、杭瑞高速和遵义绕城高速是红色旅游模式形成中最重要的交通依托。本文提出的方法可用于其他区域旅游行为模式和线路挖掘研究，研究结果可为遵义市红色旅游空间格局优化和线路规划提供依据。

美食已成为游客旅途中乐意分享的热点话题，进一步揭示了游客的旅游行为特征，分析不同旅伴角色下游客就餐行为的差异能更好地理解旅游中的旅伴效应。本文以2012—2020年重庆市美食游记为研究数据，采用社会网络分析等方法研究不同旅伴游客的就餐行为差异，研究表明:① 游客就餐网络（食物网络和餐厅网络）结构受旅伴影响显著。旅伴的加入有效提升了食物网络节点联系的紧密程度，并扩展了餐厅网络节点关联的空间范围；② 旅伴角色影响游客在旅程中对特色食物类型的选择。其中，无旅伴的游客（独自一人）在体验特色食物类型时呈现“被动保守型”、旅伴角色为三五好友的游客呈现“遍历型”，而其他旅伴角色的游客呈现“随意/兴趣型”；③ 独自旅行游客和旅伴角色为闺蜜、家庭、情侣以及三五好友游客的就餐行为差异反映了旅伴和社会关系的交叉影响，是美食旅游动机下个体和群体面向多因素综合作用的就餐决策结果。本文从食物类型和餐厅2个视角揭示了不同旅伴角色下的游客就餐行为特征，为深度刻画人群移动行为机理和社会因素影响下的人群活动时空动态提供了科学指导。

研究旅游景点语义交互及交互作用模式,对根据游客需求优化旅游格局有重要意义。现有语义交互挖掘方法忽略了文本中包含人感知信息的上下文词汇;此外,缺少以景点交互为单位分析交互作用模式的研究。为此,本文提出了一个景点间细粒度语义交互作用挖掘和模式分析框架。首先抽取文本中景点交互的语境;然后利用TF-IDF关键词抽取和语义网络分析方法,从讨论焦点和语义结构角度挖掘景点间细粒度的语义交互作用;最后结合Spearman秩相关系数、Graph Kernel图相似度度量方法和网络分析方法,分析语义交互作用模式。以云南省2018年游记数据进行实例分析,结果表明：① 利用本文提出的框架可以挖掘和分析各个景点间细粒度的语义交互作用,辅助有关部门结合游客意见提升旅游体验;可以分析语义交互作用模式,发现优化旅游格局的关键路线片段;② 苍山-洱海应着重提升自然风光体验;而大理古城-洱海应考虑改善游客对品牌旅游资源关注不足的问题;③ 云南省单核心集聚型、单核心辐射型、多区域合作型景点语义交互模式共存,呈现出点轴渐进扩散特征。可利用中介中心性较高且跨区域的景点交互,推动其他2种模式向多区域合作型转化,推进全域旅游战略实施。本文研究可为旅游路线推荐以及平衡旅游格局提供参考。

针对旅游线路推荐过程中的数据稀疏与冷启动问题,本文提出了一种融合用户特征与群体智慧的多目标旅游线路推荐方法。首先,通过携程网、望路行程、百度指数等网站获取景点信息与对应的群体智慧数据,包括景点的位置、票价,用户评论、评分、浏览数据等;其次,结合用户特征与群体智慧数据构建景点对不同特征用户的综合吸引力并计算旅游线路吸引力指数;最后,定义旅游线路推荐多目标优化函数并利用多目标遗传算法NSGA2生成线路推荐列表。相较于传统旅游线路推荐方法,本文所提出的方法充分考虑了用户实际需求（消费侧）与景点吸引力（供给侧）,使得用户能够以较少的时间开销,尽可能多地游览热门景点。同时,推荐过程中根据用户的性别、年龄、出行方式、出行时间对用户群体进行划分,使得推荐准确性更高。实验结果表明,该方法考虑的因子可以有效提高用户在路线规划过程中的满意度,所推荐的旅游线路不仅具有更高的综合吸引力指数,还能够有效减少路程时间。此外,推荐结果也更加具有多样性,有助于推动智能化旅游线路推荐的发展。

在基于位置的应用领域中，如自然灾害监测、流感趋势预测、定向广告推广等，用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测，一方面未能充分挖掘和融合2种信息，另一方面推测社交网络中孤立用户的位置比较困难。因此，本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法（Social Relationship Graph Convolutional Network, SRGCN）。主要方法包括：首先，从文本内容中获取混合特征，利用TF-IDF获得文本特征向量，根据用户之间的提及信息建立初始社交关系图；其次，针对用户社交关系图中存在孤立用户并难以估计其位置的问题，建立主题模型，根据主题向量相似度为孤立用户建立联系，补充社交关系图；最后，基于图卷积神经网络处理社交关系图数据，对文本特征和网络结构进行联合建模，以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响，实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集；SRGCN在平均距离误差、距离误差中位数、推测准确度方面均优于现有方法，在GeoText数据集上，Acc@161比性能最好的GCN高出1%，平均误差距离降低16 km。实验结果验证了SRGCN的有效性，该方法可以提高用户住所位置推测准确率。

当前“双循环”新发展格局下，酒店业迎来发展新机遇。本研究选取夫子庙（历史人文街区）和新街口（城市商业中心） 2个环境差异明显的地区作为案例地，以携程旅行网上12家酒店文本作为数据来源，建构CNN-BiLSTM-ATT相结合的深度学习模型，探究游客酒店双因素体验特征，并对其差异机制进行分析。结果表明：① CNN-BiLSTM-ATT相结合的深度学习方法为酒店体验研究提供了一个系统的理论框架，可以深入挖掘游客酒店体验特征及其差异机制；② 不同环境差异下的游客酒店双因素体验具有较大差异。游客夫子庙酒店激励体验涉及区位地标、餐饮体验等要素；游客新街口酒店激励体验涉及娱乐体验、酒店氛围等要素。游客夫子庙酒店保健体验涉及停车设施、客房面积等要素；游客新街口酒店保健体验涉及电梯设施、停车设施等要素；③ 游客酒店双因素体验机制存在差异。游客酒店激励体验多与区位地标、娱乐体验等外部要素有关，保健体验多与客房面积、客房隔音等内部要素有关。本研究拓展了深度学习在游客体验研究中的应用，为酒店韧性建设与高质量发展提供参考。

有效识别旅游资源供需空间匹配特征是提升旅游资源利用效率、优化旅游资源空间布局、推进旅游高质量发展的关键所在。随着空间信息技术的迭代更新，多源数据为旅游资源供需空间匹配及其交互关系拓展了新的研究视角，其中POI和数字足迹的挖掘为旅游资源供需匹配的研究提供了有力的数据支持。本研究选取山东省胶东经济圈为研究区域，基于高德地图、同程网和马蜂窝网络游记平台等多源数据渠道，获取2016—2021年胶东经济圈旅游资源的POI数据和旅游流的“O-D”数据，在此基础上运用核密度估计和复杂网络分析分别识别二者的空间结构特征，并进一步结合空间匹配测算模型探索胶东经济圈旅游资源供需匹配的时空演化规律。研究表明：① 胶东经济圈旅游资源供给呈“康乐游憩类、公共休闲类、观赏科普类、宗教祭祀类”梯度递减的数量结构特征，以及“整体聚集、局部分散”的空间分布特征；② 旅游流在时间上节假日效应和季相性特征明显，在空间上“陆海”差异显著，其中疫情发生前表现出由海岸向陆域扩散的态势，后疫情常态化下旅游流渐有复苏迹象；在类型结构上，康乐游憩类和公共休闲类成为旅游需求的主导类型；③ 旅游资源供需匹配关系的空间结构可划分为供需平衡、供给主导和需求主导3大类型，其中供需平衡类以“低-低”匹配为主导，供给主导类主要分布于陆域，空间分布形态较为零散，需求主导类主要沿海岸线呈环状分布，分布范围由海岸逐渐向陆域扩散。本研究基于多源异构数据拓展了旅游资源供需匹配的应用边界，为促进胶东经济圈及其他沿海地区旅游资源供需匹配提供理论基础和方法支撑。

【目的】揭示旅游流网络结构特征是景区优势互补和协调发展的前提条件。【方法】本文基于大规模手机定位数据，综合运用出行链提取、社会网络分析以及社区检测等方法构建了多尺度旅游流网络分析框架，在微观、介观和宏观尺度挖掘长沙市旅游流网络结构特征。【结果】① 微观尺度：长沙市旅游流网络呈现显著的中心化趋势，岳麓山国家重点风景名胜区和橘子洲景区等少数节点在网络中的影响力较大。仅有33%的节点的结构洞效能和效率大于均值且约束性小于均值，网络结构洞现象突出，整体连通性和效率受限； ② 介观尺度：长沙市的旅游流集中程度较高，呈现明显的空间聚集特征。旅游流网络被划分为6个旅游社区。各社区内通常有2个核心景区带动游客对周边景点游览，不同旅游社区发展不平衡，存在以岳麓山国家重点风景名胜区和橘子洲景区为核心的超大旅游流社区； ③ 宏观尺度：旅游流网络呈现“单核强集聚、整体分散”分布特征，形成以市中心为核心向外扩散的多圈层结构。旅游流网络的网络全局效率仅为0.367，部分边缘地区的景区可达性较差，核心景区对边缘景区的“涓滴效应”有限。