基于時間效用模型的大型展會游客時空行為模式

朱瑋 魏曉陽

[摘 要]游客的時空活動路徑因其高度異質(zhì)性一直以來是研究其模式和規(guī)律的難點。該研究提出一個歸納游客時空行為模式的方法，挖掘形成這些模式背后的機理。文章以2014年青島世界園藝博覽會為例，基于問卷調(diào)查得到624位游客的參觀行為數(shù)據(jù)，建構(gòu)基于相對時空位置對準的路徑相似度算法，采用吸引子傳播算法對參觀路徑進行聚類，歸納出5種路徑模式;構(gòu)建展館選擇的時間效用模型來對不同路徑模式進行解釋，發(fā)現(xiàn)幾種模式對應(yīng)的模型系數(shù)差異明顯，驗證了模型的有效性。用時間效用模型對游客路徑進行聚類，歸納得出6類具有明顯差異的參觀行為偏好模式。偏好差異是決定游客參觀時空路徑模式的內(nèi)在因素，通過時間效用模型可以得到游客時空行為的更一般規(guī)律。此方法具有進一步應(yīng)用于解釋其他情景下個人時空行為的潛力。

[關(guān)鍵詞]游客時空行為;路徑模式;偏好模式;時間效用模型;青島世園會

[中圖分類號]F59??[文獻標識碼]A??[文章編號]1002-5006（2019）01-0073-09

Doi： 10.19765/j .cnki.1002-5 006.2019.01.012

引言

本文中的大型展會指占地面積大、參觀人數(shù)多的展示活動，參觀者主要通過步行在園區(qū)內(nèi)移動，例如2010上海世博會。展會園區(qū)的規(guī)劃是一項復(fù)雜的工程，合理安排園區(qū)內(nèi)外功能和設(shè)施的重要指標之一就是游客的參觀體驗與安全。因此在規(guī)劃過程中，需要預(yù)估規(guī)劃方案對游客時空行為的影響，而掌握規(guī)劃方案影響游客時空行為的規(guī)律則是預(yù)估的基礎(chǔ)。當(dāng)前對展會及類似空間（如商業(yè)街區(qū)、游園）中游客時空行為規(guī)律的研究思路主要有兩類，一是揭示游客空間選擇的偏好^[1-2]，二是歸納時空行為的模式^[3-4]，各有優(yōu)劣?？臻g偏好方法的主要優(yōu)勢是便于通過時空行為預(yù)測來評價規(guī)劃方案，主要劣勢是解釋行為的視角比較局部;時空模式方法的主要優(yōu)勢是能夠揭示游客時空行為的整體策略，主要劣勢是難以從現(xiàn)象描述量化為響應(yīng)空間要素變化的預(yù)測模型。

本研究試圖將這兩種方法相融合，提出一種新的方法——基于時間效用模型的時空行為模式歸納法，使得對游客時空行為模式的研究突破就模式論模式的狀況，進一步對模式作出解釋，并形成能夠預(yù)測游客時空行為的模型，這也將同時豐富傳統(tǒng)游客空間選擇偏好模型的內(nèi)涵和解釋力。以下將以2014年青島世界園藝博覽會（簡稱世園會）為例，分5節(jié)闡述該方法并加以驗證：第1節(jié)主要圍繞以上兩類游客時空行為研究方法，對相關(guān)研究進行綜述，并闡述本研究方法的理論構(gòu)想;第2節(jié)介紹收集世園會游客行為數(shù)據(jù)的情況;第3節(jié)先歸納游客時空路徑的模式，再用時間效用模型進行解釋，以證明該方法的有效性;第4節(jié)提出并實證直接用時間效用模型歸納游客時空行為模式的方法;第5節(jié)總結(jié)全文。

1 文獻綜述及理論構(gòu)想

1.1 時空行為模式歸納與空間選擇偏好

在時空行為模式研究領(lǐng)域，一方面在城市尺度上進行了較為豐富的研究^[5-7]，通過理論及實證研究歸納了游客游覽的時空模式;另一方面在較小的展區(qū)及街區(qū)尺度上，基于游客的時空行為軌跡進行了案例研究^[8-10]，根據(jù)游覽序列及時空間范圍等特點，對游客的路徑軌跡進行聚類分析并歸納空間模式。較為突出的，是Kurose等^[11]以購物街中的消費者行為為對象，歸納出了兩類一般性的路徑行為模式，一類以路徑距離為視角，將消費者的路徑策略歸納為局部距離最小化（local-distance-minimising，LDM）、總距離最小化（total- distance- minimising，TDM）和全局距離最小化（global- distance-minimising，GDM）模式;另一類以目的地為視角，歸納為最近目的地導(dǎo)向（ nearest- destination- oriented，NDO）、最遠目的地導(dǎo)向（farthest- destination-oriented，F(xiàn)DO）、中間目的地導(dǎo)向（intermediate-destination- oriented，IDO）和街道吸引力導(dǎo)向（ attractive- street- oriented，ASO）模式等。盡管他們的研究在同類研究中獨樹一幟，但并未在模式歸納的基礎(chǔ)上進一步發(fā)展，也未加以應(yīng)用，主要原因在于這不是一個預(yù)測模型，無法估計游客的目的地。

空間選擇偏好研究領(lǐng)域，主要應(yīng)用離散選擇模型（ discrete choice model） -方面探究影響城市居民出行時空間選擇的因素^[12-15]，另一方面主要對商業(yè)街區(qū)游客的游覽行為構(gòu)建偏好模型，分析影響停留地點和路線選擇的因素，并運用模擬評價空間績效^[16-18]。此類方法在大型展會游客的行為研究中也被用來分析預(yù)測人流分布，以優(yōu)化規(guī)劃方案或制定安全管理預(yù)案^[19-20]。相對于之前的時空行為模式歸納方法，空間選擇偏好模型和模擬方法可以預(yù)測游客的時空行為軌跡，但由于建模的對象局限于單次選擇行為，未能將游客時空行為的整體邏輯和機制考慮進來。

1.2 時間效用模型解釋時空行為模式的理論構(gòu)想

時間效用模型（ temporal utility model，TUM）被用來把握人們的偏好隨時間變化的規(guī)律。如Zhu等在多項邏輯特模型（multinomial logit model，MNL）上加以擴展，引入時間變量（時刻、活動時耗），并用以解釋商業(yè)空間中的消費者行為^[1]。TUM的理論基礎(chǔ)認為，消費者在商業(yè)空間中活動的整個過程中，對影響要素的偏好（效用）并非如一般模型中那樣始終恒定，而可能隨時間變化^[1]。比如，一些消費者在活動初期的購物意愿高，反映在商店吸引力要素的對應(yīng)參數(shù)值較大，到活動后期，因購物需求滿足而購物意愿減弱，導(dǎo)致商店吸引力參數(shù)值減小;距離參數(shù)在初期比較小，因為消費者體力尚好，可以前往相對較遠的商店，而后期因為體力下降，不愿意長距離移動，反映在距離參數(shù)變大。據(jù)此，模型將參數(shù)定義為時間的函數(shù)β=λ+μT，其中，T為時間變量，λ為待求常數(shù)項，μ為待求參數(shù)，以此來考察要素偏好隨時間變化的規(guī)律。實證結(jié)果發(fā)現(xiàn)，絕大多數(shù)參數(shù)都顯著地隨時間變化，證明了該方法的有效性。

類似，大型展會參觀者的空間選擇偏好亦可能隨時間變化，進一步看，這種規(guī)律可以作為參觀者時空行為模式的一種解釋。本文即以Kurose等研究中目的地視角下的模式為解釋對象^[11]：

（1） NDO模式，距離參數(shù)應(yīng)滿足λ<0：參觀者不斷地以最近的展館為目標組織參觀行程，那么其時間效用模型中的初始距離參數(shù)應(yīng)該相對較大;如此，距離較近的展館相對較遠的展館，其空間負效用較低，被選擇的可能性較大。

（2） FDO模式，距離參數(shù)應(yīng)滿足λ>0，μ<0：即首先參觀最遠的展館，再逐漸往回走并沿路參觀，則他的距離參數(shù)在初始階段應(yīng)該為正值，再隨時間推移逐漸轉(zhuǎn)為負值;如此，由于最遠的展館具有最大的空間正效用，被選擇的可能性較大;而隨著參數(shù)由正轉(zhuǎn)負，選擇近距離展館的可能性相應(yīng)增加。

（3） IDO模式，距離參數(shù)應(yīng)滿足λ_中>λ_近、遠，λ<0：從位于中間的展館開始的參觀者，其初始距離參數(shù)對于中間的展館應(yīng)該比位于近端和遠端的展館小。

（4）ASO模式，吸引力參數(shù)應(yīng)滿足λ>O，μ<0：參觀者把重要的展館放在次要的展館之前參觀，那么展館吸引力的參數(shù)應(yīng)該是先大后小。

（5）NASO模式，吸引力參數(shù)應(yīng)滿足λ<0，μ>0：參觀者先參觀次要展館，展館吸引力參數(shù)就應(yīng)該是先小后大。

可見，時間效用模型可以作為靈活解釋參觀者時空行為模式的一個工具。由于參觀者空間選擇偏好的影響因素通常有多個，且變化方式不一，Kurose等提出的模式也僅僅是其中眾多模式中若干較為單純的典型。通過得到多個時間效用模型，就可以脫離從表象上來進行時空行為模式歸納，而從更底層的機制角度來把握其復(fù)雜性和多樣性。

2 研究數(shù)據(jù)

世園會會址位于青島市李滄區(qū)，園區(qū)總面積241 hm2，分為12個主要的展園，9個主要單體建筑，“鮮花大道”是南北中軸線，串聯(lián)起天水和地池兩個水景廣場，其他展園排布在鮮花大道兩側(cè)，最為重要的主題館位于園區(qū)最北端（編號27），另一特色突出的植物館位于園區(qū)的東北端（編號24）。園區(qū)共有8個出人口。世園會于2014年4月25日至10月25日舉行，對參觀行為的調(diào)查于2014年7月26日至28日開展。每天9：00-19：00，調(diào)查員在園區(qū)出人口邀請剛出園的參觀者參與問卷調(diào)查，共回收問卷722份。問卷內(nèi)容主要包括參觀者的社會經(jīng)濟屬性和參觀行為。參觀行為數(shù)據(jù)靠參觀者回憶獲得，包括其入園時間、出園時間、人口、出口、順序的停留地點、活動內(nèi)容以及去往各參觀點的交通方式。經(jīng)統(tǒng)計，絕大多數(shù)參觀者從位于園區(qū)南端、西南端的1～5號口出入，而從東端、北端6～8號出入的人數(shù)很少。參觀人數(shù)最多的展館有主題館、植物館和國際園?？傮w上，位于中軸線附近展園的參觀人次較多（圖1）。

提取含有完整參觀過程，即出入口和順序停留點的624條記錄作為以下分析的樣本。樣本中，57%為女性，18～55歲的參觀者占74%，54%的參觀者來自青島市內(nèi)，2～5人同行的參觀者居多。將整個園區(qū)劃分為41個展園作為空間統(tǒng)計單元（F1…F41），另外有8個出人口（E1…E8）。構(gòu)建每個參觀者i從人園到出園的時空行為軌跡R1={S1i，…S2i…SKi}，其中，Ski∈Em代表入口，Ski∈Em代表出口，S1i…Ski-1∈Fn代表該參觀者順序停留的展園。參觀者平均停留的展園數(shù)量為8個，從人園到離園的平均參觀總時耗為5.7h。

構(gòu)建時間效用模型需要參觀者每次停留發(fā)生的時間數(shù)據(jù)，但由于調(diào)查只記錄了參觀者的入園時間和離園時間，因此需要對他們在展園的停留時間進行估算。這里有兩個假定，一是假定參觀者通過步行在前后兩個停留點之間移動（實際絕大多數(shù)參觀者采用步行方式），步行速度為1m/s，移動的距離等于停留點之間直線距離的1.5倍;二是假定在每個展園參觀的時耗與該展園的吸引力成正比，其中，展園的吸引力根據(jù)對園區(qū)規(guī)劃和管理人員的調(diào)查得到。對于每個參觀者，通過離園時間減去入園時間得到游覽時耗，從游覽時耗中扣除交通時耗得到總參觀時耗，再根據(jù)各個展園的吸引力等級將總參觀時耗分配到各展園，最終推算得到在每個展園停留開始的時間和結(jié)束的時間。

3 檢驗用時間效用模型解釋游客時空行為模式的有效性

首先直接從參觀者時空行為軌跡的形態(tài)進行歸納，得到幾類時空行為模式;接著用時間效用模型對這幾類軌跡進行擬合，通過模型參數(shù)分析來檢驗該方法作為時空行為模式解釋的有效性。

3.1 基于軌跡形態(tài)的參觀者時空行為模式歸納

采用吸引子傳播算法（affinity propagation，AP）^[22]對時空行為軌跡進行聚類。AP聚類的依據(jù)是一個行列數(shù)均為樣本軌跡數(shù)的相似性矩陣（ similaritymatrix），矩陣的內(nèi)容是軌跡兩兩之間的相似度。

定義軌跡Ri={Ski…Ski…Ski}與Ri={S1j…'S2j…Skj}的相似度為δij，并規(guī)定Ri的軌跡點數(shù)不小于Rj（即Ki≥Kj）。對于每條軌跡，根據(jù)軌跡點在軌跡中的位序得到軌跡點的分位數(shù)q（Ski），假如軌跡足有6個軌跡點，分別對應(yīng)的分位數(shù)為0、0.2、0.4、0.6、0.8、1;對于每個軌跡點Ski，找到對應(yīng)軌跡Rj，中分位數(shù)最接近的軌跡點Skj|ki（即滿足min（|q（Ski） - q（Skj|），對所有kj= lj…Kj）;計算該兩點之間的直線距離dkikj|ki。相似度即定義為δ=-∑dkikj|ki/Ki，即以較長的軌跡足為基準，其軌跡點對應(yīng)軌跡R，軌跡點的距離之和的負數(shù)，除以足的軌跡點數(shù)，用來消除不同軌跡長度的影響。如此既考慮到了軌跡在空間上的相似性，同時也考慮了在時序上的相似性。

聚類過程中，先得到數(shù)量較少的類，通過提取每個類中的一條與其他所有軌跡最為接近的軌跡，判斷各個類代表的時空行為模式。再由少到多地設(shè)定聚類數(shù)目，判斷新增的類是否代表新的時空行為模式，直到新的模式不再出現(xiàn)為止。

在聚類結(jié)果的基礎(chǔ)上，仍結(jié)合了人工的判斷。一方面，主題館和植物館是影響參觀路線的重要因素，因此考慮了這兩個重要展館在參觀路徑中的地位。另一方面，參觀者人園和離園的位置影響了時空軌跡，從西部人口和從南部入口開始的軌跡差別較大，又如果出入口不同且距離較遠則會與出入口相同的軌跡存在顯著差別;但這些都是影響路徑的外部條件，這些差別的產(chǎn)生原因都不是參觀者的個人時空偏好差異，因此在歸納模式時不能僅以軌跡的形態(tài)為依據(jù)，需要排除外部因素，而以內(nèi)在的行為模式為目標。

據(jù)此得到5種參觀者時空行為模式（表1，圖2），主要劃分依據(jù)是對主題館和植物館兩個重要展館的選擇以及參觀次序，它們很大程度上影響了游客的路徑長度和游覽時耗。

3.2 時間效用模型檢驗

基于時間效用模型，將參觀者個人的軌跡理解為多個目的地選擇過程，即當(dāng)參觀者完成人園或完成參觀一個展園時，決定選擇哪個展園作為下一個目的地或者回家。定義該選擇概率：

每次選擇中，參觀者的目的地選項n=1…42，其中，1～41代表展園，42代表回家。式（2）定義了選項效用V.，定義如下：

（1）變量An代表目的地的吸引力，對于展園選項，根據(jù)世園會規(guī)劃及相關(guān)人員意見，吸引力分為0（最小）、1（中等）、2（最大）3個值，對于回家選項取0;

（2）變量Dn代表參觀者當(dāng)前位置到目的地的直線距離，對于展園選項取實際距離值，對于回家選項取0;

（3）變量Nn代表目的地已經(jīng)停留過的次數(shù)，對于展園選項取實際次數(shù)值，對于回家選項取0;

（4）變量Hn是回家選項的特定變量，對于展園選項取0，對于回家選項取1;

（5）變量T代表相對時間，即從入園到進行選擇時的時間差;

（6）變量Ta代表絕對時間，即進行選擇時的時鐘時間。

要素參數(shù)是時間的函數(shù)，其中，展園吸引力、距離、去過次數(shù)這3個要素參數(shù)是相對時間的函數(shù)，而回家參數(shù)既是相對時間又是絕對時間的函數(shù)，因為考慮到不僅是已參觀時耗的長短，且時間的早晚也應(yīng)該是影響回家效用的重要因素。λ是待求的常數(shù)項，亦可理解為剛開始參觀時單位要素的效用;μ和v是待求的斜率，表征偏好隨時間變化的方向和程度。

篩除沒有入園時間和離園時間記錄的樣本，保留527條路徑，根據(jù)前面得到的時空行為模式，將每類模式包含的路徑樣本分別擬合時間效用模型，得到結(jié)果如表2。

為了使得不同參數(shù)可相互比較，將參數(shù)值除以該參數(shù)在所有模型中的絕對值的最大值，來進行標準化。模式1的展園吸引力正效用最小，距離負效用最大，最為符合最近目的地導(dǎo)向NDO模式;吸引力、距離、去過次數(shù)3個參數(shù)均不隨時間變化，是最為穩(wěn)定的時空偏好;這符合實際游客移動距離短、范圍小、參觀遠處大展園概率低的特點;加之回家初始效用較大，解釋了其平均參觀時耗最短、平均路徑最短的現(xiàn)象。模式3從表象上來看是最遠目的地導(dǎo)向FDO模式，因為初始距離參數(shù)為正，初期移動距離較遠;隨著距離參數(shù)隨時間快速衰減，移動距離漸短;但該模式的展園吸引力參數(shù)亦呈高開低走，這又與街道吸引力導(dǎo)向ASO模式一致;因吸引力和距離效用減少得快，回家效用隨絕對時間增加得快，使得后期回家的效用相對較高，平均參觀時耗較短。模式4的游客也是比較看重展園吸引力，而且恒定，但對高吸引力展園的偏好受到同樣恒定的距離負效用的牽制，因此無法產(chǎn)生像模式3那樣的空間躍遷;隨著他們漸漸地到達主題館，處于“一覽眾山小”的處境，所有展園總體上距離遠，比較有吸引力的展園差不多都參觀過了，那么總體上參觀的效用相較回家效用勢弱，因此便直接結(jié)束了參觀行程。模式2和模式5的參數(shù)相對中庸，因此在行為表現(xiàn)上也不如前面3種那樣極端。

以上分析顯示時間效用模型一定程度上解釋了世園會游客實際的時空行為模式，可以用模型所代表的偏好模式來更深入地解析空間和時間對游客行為的影響;其相對時空行為模式歸納具有更加靈活的優(yōu)點，能夠揭示比表象上的模式更加復(fù)雜的復(fù)合模式。

4 基于時間效用模型的時空行為模式歸納

基于時間效用模型，提出“先分后聚”的時空行為模式歸納方法，分析世園會數(shù)據(jù)的實證結(jié)果。

4.1 時空行為模式歸納方法

時間效用模型作為時空行為模式的一個有效解釋，用其作為模式分類的依據(jù)就是更本質(zhì)的視角。研究的初衷是采用類似等級聚類方法（ hierarchical clustering），以模型參數(shù)的相似度為類間距離指標，來逐級對軌跡進行聚類。但發(fā)現(xiàn)該方法的問題是，在對單個軌跡進行聚類時，由于樣本量過少而無法求解模型，進而提出了“先分后聚”的歸納方法。

“先分”的目的是將整體樣本，分解成為若干最低限度可解（模型可解前提下，樣本量最?。┑淖訕颖尽Ｆ溥^程大致為：

（1）用全樣本數(shù)據(jù)Ωn擬合模型，得到模型參數(shù)

（2）取出全樣本中的一條軌跡Ri，用剩下的樣本Ωi擬合模型，得到參數(shù)Bi={B1i…B2i…Bki};計算B0與Bi的距離r_oi，定義為各參數(shù)距離之和：

每對參數(shù)之間的距離包括兩部分，相對差異z_oig和可信度c_oig（公式3）。相對差異的分子為參數(shù)值之差的絕對值，分母為參數(shù)絕對值之和，以消除不同參數(shù)之間尺度不一的影響（公式4）?？尚哦然趯?shù)間差異的t檢驗，p（·）是以t_oig為臨界值，以Ωn。的模型自由度df₀和Ωi;的模型自由度df_i之和為參數(shù)的雙尾檢驗概率，該概率越小，說明參數(shù)間差異的統(tǒng)計顯著度越大，即可信度越高（公式5）。δ是參數(shù)的標準誤（公式6）;

（3）對所有軌跡執(zhí)行步驟（2），比較后得到對應(yīng)最大r_oi的那條軌跡（或者說“最不合群”的軌跡），將其放人數(shù)據(jù)集Ω;

（4）將其余的數(shù)據(jù)作為Ωn重復(fù)執(zhí)行（1）～（3），直至模型無解，即得到一個最低限度可解的子樣本;

（5）將Ω作為Ωn。重復(fù)執(zhí)行（1）～（4），直至無最低限度可解子樣本可得。

“后聚”以這些最低限度可解子樣本為基礎(chǔ)，采用等級聚類，仍以r_oi為距離指標將最相似的子樣本歸為一類，逐級聚類得到分類樹（dendragram）。最后需要從分類樹中選擇合適的分類數(shù)量，這里采用貝葉斯信息標準（Bayesian information criterion.BIC）來兼顧模型的解釋力和復(fù)雜度，根據(jù)所有子樣本模型的似然數(shù)和、參數(shù)數(shù)量和以及樣本總量，取BIC最小時的分類作為最優(yōu)分類。

4.2 世園會參觀者的時空行為偏好模式

采用以上歸納方法，得到6類世園會參觀者時空行為偏好模式（表3）。所有模型用向后篩選法進行了精簡，僅保留統(tǒng)計顯著（p<=0.05）的參數(shù)，不顯著的參數(shù)值設(shè)為0。模型的擬合優(yōu)度p2在0.15～0.2之間，屬于中等優(yōu)度;但鑒于模型只考慮了吸引力、距離、去過次數(shù)3個核心解釋變量，仍是不錯的結(jié)果。同時說明，這些模型的解釋力接近，誤差尺度也接近，這樣不同類型參數(shù)間的相對關(guān)系在不同模型之間是大致可比較的。

模式1的參觀者比例最高，達到48%（表3中軌跡數(shù)量占比），是最大眾化的模式。該模式下展園吸引力的效用相對中庸，即初始效用位于中等偏上水平，吸引力的時間效用位于中等偏下水平，吸引力效用隨時間減少，說明參觀者的觀展興趣漸小。距離效用屬于“低開高走”的一種極端，即初始效用最低（絕對量最大），隨時間略有增長（絕對量減?。?這是最可能產(chǎn)生NDO模式的偏好，參觀伊始最可能發(fā)生近距離移動，隨時間推移而略有減弱。去過次數(shù)的效用同樣呈現(xiàn)低開高走的極端模式，參觀初期前往已經(jīng)參觀過的展園的可能性最低，但越往后越可能“故地重游”?；丶倚в妙愃?，相比其他5類模式，初期回家的可能性最低，但可能性隨時間增長的幅度很大（相對時間效用的增幅中等，絕對時間效用的增幅最大）。

模式2的最大特點是吸引力效用呈現(xiàn)“高開低走”的一種極端，初始階段這類參觀者對展園吸引力的評價相對于其他類型參觀者是最高的，那么他們最可能表現(xiàn)出首先參觀主要展園的ASO行為模式，加之世園會主題館位于北端，其行為表面上符合FDO模式。而在內(nèi)涵上更符合FDO模式的是模式3，因其距離效用呈現(xiàn)高開低走模式，初始階段的距離效用是唯一的正值，說明參觀者偏好更遠的展園;但在往回走的過程中，距離效用快速降低，移動距離呈現(xiàn)漸短的趨勢。模式4的特點是“穩(wěn)定型”，初始階段參觀者對吸引力、距離、去過次數(shù)的偏好正常（參數(shù)符號符合一般假設(shè)），且這些參數(shù)不隨時間變化。模式5的特點是參觀者初始階段的回家效用比較高，隨相對時間有較大的增長，因而這類參觀者的參觀行程較短;但回家效用隨絕對時間減少與常識不符，將在結(jié)論中討論。模式6屬于最少數(shù)，其特點是“漸熱型”，初始階段參觀者對展園吸引力、距離、去過次數(shù)沒有任何偏好，參數(shù)均為0，這時這些參觀者的行為總體上看沒有明顯的規(guī)律;但隨時間推移，他們的這些偏好都發(fā)生大幅的變化，行為規(guī)律性才逐漸明晰。

5 結(jié)論

當(dāng)前對游客時空行為規(guī)律的研究或是直接從時空行為軌跡歸納模式，或是用選擇機制解釋空間偏好。本文的創(chuàng)新在于融合這兩種方法，提出基于時間效用模型來歸納并解釋時空行為模式的新方法。以青島世園會參觀者行為為例，首先用AP算法得到純粹以行為軌跡的時空表象為基礎(chǔ)的5種時空行為模式，發(fā)現(xiàn)用時間效用模型可以較好地解釋這些模式的特點，驗證了該方法的有效性。接著提出“先分后聚”的歸納方法，得到基于時間效用模型的6種時空行為偏好模式：接近一半的參觀者采用模式1，從距離最近的展館開始參觀，最接近NDO模式;模式2的參觀者從最有吸引力的展館開始參觀，最接近ASO模式;模式3的參觀者從最遠的展館開始參觀，最接近FDO模式;模式4參觀者的空間偏好穩(wěn)定，不隨時間變化;模式5參觀者的回家效用較高，參觀行程較短;模式6參觀者的空間偏好在參觀的過程中才逐漸成形。

結(jié)果也揭示了參觀者時空行為偏好的復(fù)雜性。第一，時間因素顯著地影響參觀者的偏好，因此，以一套恒定的模型參數(shù)來解釋全程的參觀行為是比較粗略的。第二，偏好隨時間變化的規(guī)律多樣，對于同一個要素，效用有的遞增，有的遞減，有的不變，偏好的初始狀態(tài)也不盡相同，這是導(dǎo)致時空行為模式多樣性的更本質(zhì)原因。第三，這對比出僅從時空軌跡的表象來歸納時空行為模式的缺陷，因為在具體的環(huán)境中，行為受環(huán)境的制約（如開始參觀的位置不同），不同行為表象模式之下的偏好模式可能是同一個;反過來，同一個表象模式也可能源自不同的偏好模式，如ASO和FDO的偏好模式在世園會中均表現(xiàn)為參觀者一開始直奔主題館，因為主題館同時是最有吸引力和最遠的展館，這涉及環(huán)境要素的相關(guān)性對模型估計的偏差影響問題。第四，把參觀者歸類為某一個視角的模式盡管有利于定性認知，但對于精細化管理還是不夠的;絕大多數(shù)情況下，參觀者的偏好模式由某個要素呈現(xiàn)主要特征，其他要素相對次要，但也發(fā)揮作用，這是用時間效用模型替代類似Kurose等的模式歸納方法的最大優(yōu)勢;對于實際管理，唯有通過模型模擬，才能量化估計特定園區(qū)配置下的參觀者行為和園區(qū)運行狀態(tài)。

本方法的優(yōu)勢在于更加深刻和細致地認識游客的時空行為模式，但目前也存在過度挖掘信息的風(fēng)險。以上的6個模式不同程度地表現(xiàn)出偏好的極端變化，甚至參數(shù)的符號不符合常理（如模式5），這可能因為加入時間因素之后，參數(shù)變化的自由度更大，導(dǎo)致過擬合。另外一個改進的方向是考察效用隨時間和空間要素的非線性變化，更全面地把握諸如IDO、從吸引力一般的展館開始等偏好模式。

參考文獻（ References）

[1] ZHU W，TIMMERMANS H，WANG D Temporal variation inconsumer spatial behavior in shopping streets[J]. Journal ofUrban Planning and Development， 2006，132（3）： 166-171.

[2] ZHU Wei， WANG De. Space choice behavior and multi- stoptracks of consumers in East Nanjing Road[J].City PlanningReview， 2008.243（3）： 33-40.[朱瑋，王德，南京東路消費者的空間選擇行為與回游軌跡[J].城市規(guī)劃，2008，243（3）： 33-40.]

[3] SHOVAL N，ISAACSON M.Sequence alignment as a methodfor human activity analysis in apace and time[J]. Annals ofAssociation of American Geographers，2007，97（2）： 282-297.

[4] WANG De， WANG Can， ZHU Wei， et al.Spatial features andassessment of consumer behavior in commercial complex[J].Architecture Journal，2017，（2）： 27-32.[王德，王燦，朱瑋，等商業(yè)綜合體的消費者空間行為特征與評價[J]建筑學(xué)報，2017，（2）： 27-32.]

[5] LEW A，MCKERCHER B.Modeling tourist movements：Alocal destination analysis[J]. Annals of Tourism Research， 2006，33（2）： 403-423.

[6] YANG Xingzhu， JIANG Kai， LU Lin. Urban tourist pathtrajectory spatial characteristics： an empirical analysis of geotag-ged photos[J]. Economic Geography， 2014，34（1）： 181-187.[楊興柱，蔣鍇，陸林.南京市游客路徑軌跡空間特征研究——以地理標記照片為例[J]經(jīng)濟地理，2014，34（1）： 181-187.]

[7] WU Jing， YANG Xingzhu， SUN Jingdong. The spatialchatacteristics of toutist flows in Nanjing based on the newgeographic information technology[J]. Human Geography，2015，30（2）： 148-154.[吳靜，楊興柱，孫井東.基于新地理信息技術(shù)的南京市游客流動性空間特征研究[J]人文地理，2015，30（2）： 148-154.]

[8] LAU G，MCKERCHER B.Understanding tourist movementpatterns in a destination：A GIS approach[J]. Tourism andHospitality Research， 2007， 7（1）： 39-49

[9] HUANG Xiaoting. Spatial- temporal behavior patterns oftourists whithin the scenic spot based on time geography： A casestudy on Beijing Summer Palace[J].Tourism Tribune， 2009， 24（6）： 82-87.[黃瀟婷，基于時間地理學(xué)的景區(qū)旅游者時空行為模式研究——以北京頤和園為例[J]旅游學(xué)刊，2009，24（6）：82-87.]

[10] HUANG Xiaoting， ZHANG Xiaoshan， ZHAO Ying. Spatial-temporal behavior patterns of mainland tourists' overseas travelwhithin the scenic spot：A study on Hong Kong Ocean Park[J].Resources Science， 2015， 37（11）： 2140-2150.[黃瀟婷，張曉珊，趙瑩.大陸游客境外旅游景區(qū)內(nèi)時空行為模式研究——以香港海洋公園為例[J]資源科學(xué)，2015， 37（11）： 2140-2150.]

[11] KUROSE S，BORGERS A，Timmermans H Classifyingpedestrian shopping behavior according to implied heuristicchoice rules[J]. Environment and Planning B，2001， 28（3）： 405-418.

[12] CHAI Yanwei， SHEN Jie， WENG Guilan. Spatial- temporalcharacteristics of Shanghai residents' shopping behavior and itsinfluencing factors[J]. Economic Geography， 2008， 28（2）： 221-227.[柴彥威，沈潔，翁桂蘭上海居民購物行為的時空間特征及其影響因素[J].經(jīng)濟地理，2008， 28（2）： 221-227.]

[13] ZHANG Wenjia， CHAI Yanwei. Influence of living space onfamily shopping trip decision[J]. Progress in Geography， 2009，28（3）： 362-369.[張文佳，柴彥威，居住空間對家庭購物出行決策的影響[J]地理科學(xué)進展，2009， 28（3）： 362-369.]

[14] MA Jing， CHAI Yanwei. The spatial- temporal factors ofresidents' shopping decision- making and differences betweenrest day and working day[J]. Scientia Geographica Sinica， 2011，23（1）： 29-35.[馬靜，柴彥威休息曰與工作日居民購物時空間決策因素及差異比較[J]地理科學(xué)，2011， 23（1）： 29-35.]

[15] JIAO Huafu， HAN Huiran. Spatial- temporal decision- makingprocess and influencing factors of middle- city residents'shopping behavior：A case study of Wuhu， Anhui Province[J]Acta Geographica Sinica， 2013， 68（6）： 750-761.[焦華富，韓會然.中等城市居民購物行為時空決策過程及影響因素——以安徽省蕪湖市為例[J].地理學(xué)報，2013， 68（6）： 750-761.]

[16] ZHU Wei， WANG De， SAITO S. Entrance shopping behavior ofconsumers on East Nanjing Road[J]. City Planning Review，2005， 29（5）： 14-21.[朱瑋，王德，齊藤參郎，南京東路消費者的入口消費行為研究[J]城市規(guī)劃，2005， 29（5）： 14-21.]

[17] ZHU Wei， WANG De， SAITO S Multistop shopping behaviorof consumers on East Nanjing Road[J]. City Planning Review，2006， 30（2）： 9-17.[朱瑋，王德，齊藤參郎南京東路消費者的回游消費行為研究[J].城市規(guī)劃，2006， 30（2）： 9-17.]

[18] WANG De， LI Guangde， ZHU Wei， et al.Establishment andapplication of consumers' behavior model in Guanqiancommercial street， Suzhou[J]. City Planning Review， 2013， 37（9）：28～33.[王德，李光德，朱瑋，等.蘇州觀前商業(yè)街區(qū)消費者行為模型構(gòu)建與應(yīng)用[J].城市規(guī)劃，2013， 37（9）： 28～33.]

[19] WANG De， MA Li， ZHU Wei. Research of pedestrian flow inthe Word Exp0 2010 Shanghai based on internet survey[J].Urban Planning Forum， 2006， 163（3）： 58-63.[王德，馬力，朱瑋.2010年上海世博會場內(nèi)人流模擬分析[J]城市規(guī)劃學(xué)刊，2006， 163（3）： 58-63.]

[20] WABG De， WANG Can， ZHU Wei， et al_ Large-scale expositionplanning and management optimization based on visitors'behavior simulation：A case study of Qingdao InternationHorticultural Exposition 2014[J]. City Planning Review，2015;39 （2）： 65-70.[王德，王燦，朱瑋，等基于參觀者行為模擬的空間規(guī)劃與管理研究——青島世園會的案例[J]城市規(guī)劃，2015， 39 （2）： 65-70.]

[21] FREY B J，DUECK D Clustering by passing messages betweendata points[J]. Science， 2007， 315（5814）： 972-976.