第35卷第4期2021年4月
北京测绘
Beijing Surveying and Mapping
Vol.35No.4
April2021
DOS：10.19580/jki.1007-3000.2021.04.011
青岛市入境游客旅游热点偏好及时空行为特征分析
孙丽君1张东鹏2朱燕煌1
(1.山东科技大学测绘科学与工程学院，山东青岛266590；2.中国铁建港航局集团有限公司，广东珠海519000)
［摘要］利用应用程序接口"Application Prooramming Interfaco,API)获取青岛市2004—2019年游客上传的8132张地理照片及其元数据，采用地理信息系统(Geographic Information System,GIS)空间分析法探究游客时空行为特征，获取游客对时间以及目的地的偏好，并对照片标签深入挖掘，筛选出关键词，采用词频统计方法将游客偏好可视化。研究发现：青岛市入境旅游流分布范围高度集中，呈现“南密北疏”的总体格局，具有明显的边缘化特征；游客偏好夏季以及具有城市特的旅游区，呈现明显的季节和目的地趋向，充分说明照片空间分布与旅游资源吸引力密切相关。
［关键词］地理标记照片；时空行为；语义分析
［中图分类号］P208［文献标识码］A［文章编号］1007-3000(2021)04347135
0引言
随着微博、Flickr)Panoramio、Twitter等新兴社交媒体平台的出现，游客在社交媒体平台上发布的旅游照片和评论等共享信息成为旅游目的地的重要载体，研究入境游客在旅游城市的时空流动规律，有助于更精确了解游客在时间、空间方面的需求，同时为目的地的旅游研究和规划开发提供了新的途径。基于社交媒体平台的数据对游客时空分布特征的分析已经成为近年来旅游分析的热点。一般来说，游客时空特征分析通常从时间、流向、流量三个维度体现，杨兴柱等通过Panoramio网站抓取地理标记照片分析南京市游客路径轨迹的空间特征［1］，刘畅等利用多源数据对拉萨的旅游资源、旅游设施
、旅游热点、旅游联系的空间结构进行分析［2］,PENG等利用Flickr 地理照片通过空间聚类和文本挖掘的方法来提取北京市热门旅游热点［3］，李春明等以Panoramio 网站上挖掘的地理标记照片，分析了厦门鼓浪屿游客量的时间变化、游客的停留时间、日均游客量、主要移动轨迹以及旅游热点地区⑷。李昊利用文献综述法、核密度分析法和可视化分析法，对长三角城市进行照片共享强度(Intensity of Phot Sharing,IIS)和旅游热点区的研究［5］，范梦余 等利用基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)密度聚类算法和社会网络法研究了呼伦贝尔游客地理兴趣点(Point of tnterest,POI)的空间格局以及游客在POI之间的移动轨迹特征［6］，张雪以Flickr网站挖掘的乌兹别克斯坦地理标记照片，利用马尔科夫链理论计算入境游客的行为转移概率，预测了游客时空行为模式［7］。何月美等利用马蜂窝和TripAdvisor的网络游记，结合内容分析和扎根理论分析法探讨了中国游客对马拉西亚安全感知和影响因素［8］,ALVIN C等通过Twitter网站挖掘了意大利南部景区Cilente旅游者的游览路径，旅游流扩散的方向、形态、中心度，以及景区内有价值的游客流动模式⑼。WU 等利用Flickr数据构建了北京旅游热点空间嵌入网络，并应用复杂网络分析研究了网络特征［10］(张鲜鲜等利用网络游记数据进行旅游足迹结构化，分析了南京游客时空行为特征［11］(
［收稿日期］2020-39-14
［作者简介］孙丽君(1995—)，女，山东青岛人，硕士在读，研究方向为空间数据挖掘与应用。E-mai
i:sunOjil23@163
［通讯作者］张东鹏，E-mail：997066380@qq
472北京测绘第35卷第4期
综上所述，目前国内外学者大多以地理照片的拍摄时间、位置和数目来研究游客的时空分布特征，利用全球定位系统(Global Positioning System,GPS)位置点和旅行时间在一定程度上可以研究游客分布和流动规律，但无法精确地分析游客真正的兴趣点及目的地偏好。本文以青岛市为案例地，在国内外研究的基础上，综合地理照片的标题和标签来研究旅客对旅游目的地的形象感知，以对青岛市景点开发、基础设施布局提供建设性意见。
1研究区域概况与数据来源
1.1研究区域概况
青岛市地处山东半岛东南部，东、南濒临黄海，海区港湾众多，岸线曲折，空气湿润，四季分明。作为中国首批优秀旅游城市、重点历史风貌保护城市，山水秀丽、景观独特、文物古迹众多，有崂山风景名胜区、青岛海滨风景区等国家级风景名胜区，在2016年跻身世界特魅力城市200强，是中国的沿海重要中心城市，同时是休闲体育和海上运动的知名海滨城市，具有“帆船之都”的美名(
1.2数据来源
本文使用Python语言通过Flickr应用程序接口API$Application Programming InteOaca)获取2004—2019年青岛市拍摄的8132张地理标记照片元数据，包括照片编号，用户编号，拍摄时间，纬度，经度，标题，标签等字段信息，如表1所示。
2研究方法
英语三级作文万能模板Flickr网站用户众多且共享照片的数目庞大，不同设备拍摄的照片定位精度以及照片的字段信息可能会出现错误或者偏差。为保证试验结果的准确性，分析前首先利用SPSS软件对数据进行预处理，主要包括4项内容：去除实验年份和研究范围之外的地理标记照片数据，去除同一游客在同一时间拍摄的不同地点的错误照片数据，去除同一游客在同一时间同一地点拍摄的重复照片数据，去除重要字段(照片编号，用户编号，拍摄时间，经纬度)缺失的照片数据。经过预处理后最终确定567名游客拍摄的3631张地理标记照片元数据记录，最终得到青岛市地理标记照片空间分布。
2.1核密度估计法
采用核密度估计(Kernee Density Estiniation)分析青岛市游客照片点分布的空间集聚特征，计算照片点在整体空间的密度，从而探究青岛市旅游流在各个景点的集聚特征[12](
2.2路径追追踪法
根据青岛市地理标记照片元数据探究游客时空行为的变化规律，采用ArcGIS追踪技术，以地理标记照片的时间序列和空间位置作为基础数据，构建青岛市游客旅行序列，以探究游客行为的时空变化情况。
2.3语义提取与分析
地理标记照片的标题、标签内容简洁丰富，不同国籍游客文化的差异，使标签语义完整度、表达准确度和语义提取的难易度也具有差异性。通过语义分析挖掘游客对旅游区域的兴趣动态，并推断用户访问特征位置的实际情况。
北大图书馆男神韦骁龙3结果分析
3.1时空热点分析
3.1.1时间热点分析
依据青岛市地理标记照片的时间字段从季、月两个角度分别建立游客入境游的时间序列。图1结果表明，游客数量随月份变化呈现“草帽状”趋势,1~3月、10~12月为旅游淡月，游客流量变化较为缓和，起
伏不大;4~9月为旅游旺月, 4月份开始气温回暖，游客旅游活动逐渐增多; 7~8月份为暑假期间，游客流量达到峰值，由7月转折游客活动逐渐减弱,8月份假期结束，且气温逐渐下降;9~10月份游客流量急速下降。由图2可以看出，青岛市外来游客旅游季节趋向明显，照片拍摄数量：夏季〉春季〉秋季〉冬季，夏季游客拍摄的照片数量最多，占总比的33.4%，原因主要为夏季受沿海气候影响，适逢假期，成为青岛市外来游客旅游偏好的季节选择，冬季受低温影响，旅游活动相对减弱。
表1Fliclr部分照片元数据示例
照片编号用户编号拍摄时间纬度经度标题标签
2455232386128541194@N072015-3-29
11：16
36.10120.35青岛海鲜老街青岛底片香港中路
163797045010865576@N042015-5-29
15：39
36.05120.35八大关青岛建筑
第 35 卷#第 4 期
孙丽君，张东鹏，朱燕煌•青岛市入境游客旅游热点偏好及时空行为特征分析
473
I
1
2
3
4
5
6
7
8
9 10
11 12
月份
图1青岛市游客照片数量月变化3.1.2空间热点分析
本文利用ArcGIS 10.4软件的核密度分析工 具，对青岛市的入境游客拍摄照片的地理位置点
以搜索半径为0.05 km 进行核密度估计，从而探
索青岛市游客入境旅游的空间分布密度特征，如 图3 ( a )所示。总体来看，青岛市游客照片空间位
置分布密度呈现明显的集聚性，沿海区市与内陆
区市密度值对比明显，形成了以市南区、市北区、
李沧区、城阳区、黄岛区、崂山区为核心的沿海集
聚地带，而其他内陆区市旅游照片点分布相对较
少，呈现出“大集聚，小分散”的空间格局，这与青
岛市旅游资源布局、海滨地域特以及区域交通
条件密切相关。
3.2旅游流轨迹空间结构
游客的路径追踪对旅游景点路线的推荐至
关重要。本文采用ArcGIS 10. 4追踪技术，以地 理标记照片的时间序列和空间位置作为基础数
据，构建青岛市游客旅行序列，根据青岛市地理
标记照片元数据探究到访青岛市旅游流轨迹的
空间结构，如图3(b )所示。
结果显示，青岛市游客轨迹点分布集中且 密集，旅游路线轨迹受沿海岸线旅游景点分布
特征的影响，由沿海区市向内陆区市扩散，主要 分布于胶州湾东西两岸沿海一带，呈现以东岸
为核心地带，西岸为次核心地带的旅游格局(
莱西市、平度市、即墨市等离海较远的内陆区市 由于景点布局分散且旅游特吸引力较低，区
有什么游戏好玩域交通条件受限，故未形成具有规模的旅游流 轨迹。
综上所述，青岛市旅游流路径轨迹具有较高
的集聚性，尚未形成串联各区市景点的多选择旅
游环线，造成旺季热点景点的容量超限，从而影
响游客的用户体验，而其他景点难以起到分流作
用，不利于实现景区的可持续发展及各景区的协
调发展。
■冷点区域■次热点区域■热点-区域
25 12.5 0
25 km
(a)核密度空间分布N
(b)入境旅游流轨迹
图3
青岛市入境游客旅游流空间结构
沈玉琳前女友474北京测绘第35卷第4期
3.3语义提取与分析
将青岛市入境游客拍摄的照片元数据中无
标题和标签的数据条进行过滤，然后对标签、标
题的进行自然语言处理，通过提取照片的标签、读书报告的范文
机关个人工作总结评论等语义信息，对标题标签中词频(5的景点
和地区特进行统计，构建标签词云图，对入境 游客偏好的热门景点和吸引力资源进行可
视化。如图4所示，在旅游目的地景点选择方面, 游客偏好具有沿海地域特以及有重要地标的
景点，如崂山风景区、栈桥、奥林匹克帆船中心、
五四广场、天主教堂、胶澳总督府旧址等，在旅游 资源特选择方面，游客偏好具有风土人情的地
域特，如啤酒、烧烤、海鲜等。「栈桥沁沁I
龜
牖恿勰融壘服澳总陥间址籃 巒场匕舉監t 水产叫博畑抵器醍
I 您附中国青岛譎歯艺博览会黄海巷房隼筑标懿黄岛
1 “”蛎ilr 釈共关魏礬證
冒信号山公园豐第兰
海水浴场.. 瘀朕||卜卑楸
鬻豊霖f 澳帆甫心：朋僧加 牛督教堂w *
z
*8魁灘石老人海水洛场91 w ®
图4青岛市入境游客照片标签高频词词云图
4 结束语
本文通过数据挖掘技术获取了青岛市入境
游客地理标记照片及其元数据信息，运用核密度 估计、路径追踪技术、语义提取等方法探索入境
游客的旅游热点偏好以及时空分布特征，得到如
下四点结论：
(1 %从空间分布特征来看，旅游热点区域主
要集中在市南区、市北区、崂山区、李沧区、城阳 区、黄岛区等环胶州湾的沿海区域。核心热点区
主要集中于市南区、市北区以及崂山区，一般热
点区主要集中于李沧区、城阳区、黄岛区，而离海
较远的内陆区市属于旅游冷点区。
(2 %从时间分布特征来看，青岛市入境游客
旅游时间在分布上呈现出较为明显的季节性特 征，夏季入境旅游流较大。在月份变化方面，游 客拍摄照片的月变化呈“草帽状”趋势，其中7月
份是旅游的高峰值。可以得出，青岛市入境游客
偏好夏季选择沿海地带的旅游景点进行观光，充
分说明游客拍摄照片的空间分布与区域交通条 件、沿海旅游资源吸引力以及季节等因素密切
相关。
(3 %借助路径追踪技术，构建青岛市入境游 客的旅行序列。结果显示：青岛市游客轨迹点分 布集中且密集，旅游路线轨迹受沿海岸线旅游景
点分布特征的影响，主要分布于胶州湾东西两岸
沿海一带，莱西市、平度市、即墨市等离海较远的
内陆区市受旅游资源、交通条件的影响游客轨迹
较少。
(4 %根据标签高频词词云显示，游客偏好崂
山风景区、栈桥、奥林匹克帆船中心、五四广场、
天主教堂、胶澳总督府等具有沿海地域特以及
有重要地标的景点以及啤酒、烧烤、海鲜等地域
特。
游客的旅游行为受旅游目的地的旅游资源、 经济发展水平、交通条件等多种因素的影响，本
文研究了青岛市入境游客的时空分布特征与旅
游偏好，后期在旅游路径轨迹形成的具体原因方
面还需进一步探究。
参考文献
!
1 ]杨兴柱，蒋错，陆林.南京市游客路径轨迹空间特征研究——
以地理标记照片为例[J].经济地理,2014,34(1)：181387.
[2]刘畅，孙彩歌.基于多源数据的拉萨旅游空间结构分析[J ].
地理空间信息,2020,18 (8 % &25-30,6.
[3 ] PENG X , HUANG Z. A N ovc - Popular Tourist Attraction Dis
covering Approach Based on Geo-Tagged Sociai Media Bio Date
[J ]. ISPRS Internationai Journai ot Gee-3nformation , 2017 , 6
(7 %：216.
[4]李春明，王亚军.基于地理参考照片的景区游客时空行为研
究[J ].旅游学刊,2013 ,28(10% &30-36.
[5 ]李昊.基于Flickr 地理标记照片的长三角城市入境游客时
空行为研究[D ] •上海：上海师范大学,2019.
[6 ]范梦余，陈怡宁，张辉•呼伦贝尔游客POI 空间格局与移动轨
迹研究一基于地理标记照片的实证分析[J ] •干旱区资源与
环境,2019,33 (6% ：203-208.
[7] 张雪.基于Flickr 网站地理标记照片的乌兹别克斯坦国际游
客时空行为研究！ D ].西安：西安外国语大学,2018.
[8] 何月美，邹永广，莫耀柒.中国游客赴马来西亚的安全感知
研究——基于网络文本分析[J ] •世界地理研究，2019,28
(6 % &200-210.
[9 ] ALVIN C , LORIS S. Mapping Cilento : Using Geotagged Social
Medio Date to Characterize Tourist Flows in Southern Italy [ J ]. Tourism Management ,2016(57% &295-310.
第35卷第4期孙丽君，张东鹏，朱燕煌.青岛市入境游客旅游热点偏好及时空行为特征分析475
[10]WU X,HUANG乙Building a Spatially-Embedded Neteork ot
Tourism Hotpots From Geotagged SociaI Media Data[J].
IEEE Access,2018,6(7)&21945-21955.
[11]张鲜鲜，李婧晗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.
[12]王新越，曹婵婵.基于网络游记的青岛市国内旅游客源市场
结构与旅游流时空特征分析[J] •地理科学,2019,39(12): 1919-1928.
Analysis on the Tourist Hot Spot Preferences and Space-time
Characteristics of Inbound Tourists in Qingdao
SUN Lijun1,ZHANG Dongpeng2,ZHU Yanhuang1
(1.College of Geomatics,Shandong University of Sciencc and Technology,Qingdao Shandong266590,China；
2.CRCC Harbour and Channel Engineering Group Company Limited,Zhuhai Guangdong519000,China) Abstracl:The analyss of tourists'travel preferences and spatiotemporal behavior characteristics has become an impoiant research content of tourism.This paper applied Flickr API to crawl8132geographicel photos and their metadata uploaded by tourists in Qingdao from2004to2019,and applied GIS spatial analysis method a explore tourists'spatiotemporal behavior characteristics and obtain tourists'preferences in time and de s ti n ation,digged deeper ini the photo tags,filtered out the keywords,and used the word frequency statistics method to voualize the tourist's preferences.The results showed that the dotribution range of inbound tourism flows in Qingdao was highly concentrated,presenting the overal l pltern of"dense in the south and sparse in the noih",with obvious marginalization characteristics.Tourists preferred summer and tourist areas with ueban chaeacteeitic3,3howing an obviou3teend of3ea3on and de3tination,which fu l y indicated thatthe3patialditeibution of photo3wa3clo3ely eelated to thea t eaction oftoueim ee3ouece
3.
Keyworrt:geotagged photos；spatiotemporal behavior；semantic analysis
发布评论