巫誠(chéng)誠(chéng) 陳大偉

[摘? ? 要]游客微觀路徑選擇模式的研究對(duì)景區(qū)管理、活動(dòng)規(guī)劃與營(yíng)銷(xiāo)制定均具有重要參考價(jià)值。文章基于空間句法對(duì)景區(qū)路徑空間性影響進(jìn)行量化分析，綜合考慮開(kāi)放式景區(qū)游客及非游客群體路徑選擇的核心影響因素及路徑選擇模式，建立路徑擬合模型，實(shí)現(xiàn)不同群體核心路徑的空間生成。研究表明：空間因素（路段連通度、路段控制度及局部選擇度）對(duì)景區(qū)行人路徑選擇具有重要影響;游客與非游客行人交互作用下，開(kāi)放式景區(qū)主要形成了生活性路徑、深度景點(diǎn)游覽路徑、休閑景點(diǎn)游覽路徑和通過(guò)性路徑4類路徑;基于空間影響假設(shè)進(jìn)行各類路徑擬合，與實(shí)際調(diào)查路徑相比，休閑景點(diǎn)游覽路徑相似度達(dá)到75%，具有較高的準(zhǔn)確度。該研究可為景區(qū)管理者進(jìn)行景區(qū)路徑優(yōu)化、公共設(shè)施優(yōu)化布置及節(jié)慶活動(dòng)指定方案設(shè)計(jì)定量化參考。

[關(guān)鍵詞]路徑選擇;空間句法;因子分析;聚類分析;路徑識(shí)別

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2021）03-0118-09

Doi： 10.19765/j.cnki.1002-5006.2021.03.014

引言

行人路徑選擇，即分析行人自同一出發(fā)地至目的地之間多種路徑的選擇行為[1]。對(duì)于景區(qū)而言，重點(diǎn)則是游客路徑選擇研究，進(jìn)而可通過(guò)量化分析，為旅游管理者作出合理的管理決策提供重要參考[2]。游客路徑選擇研究?jī)?nèi)容，主要包含出發(fā)地至目的地的路徑選擇與目的地內(nèi)部路徑選擇兩種[3]。微觀路徑選擇模式聚焦于目的地區(qū)域（如自然景區(qū)、文化街區(qū)）內(nèi)部路徑的選擇行為分析及時(shí)空關(guān)聯(lián)性研究。隨著信息技術(shù)的進(jìn)步與人性化、精準(zhǔn)化的旅游管理思路的普及，微觀路徑選擇模式日益得到重視[4]：首先，微觀路徑選擇模式的研究有助于景區(qū)管理者進(jìn)行更為合理的游客安排，降低游覽高峰期由于游客密度過(guò)大導(dǎo)致的沖突、踩踏等安全事件頻率[5];其次，后現(xiàn)代旅游時(shí)代背景下，個(gè)性化、體驗(yàn)式游覽成為旅游行為的大趨勢(shì)[6]，景區(qū)傾向提供更具針對(duì)性、人性化、體驗(yàn)式的游覽體驗(yàn)以滿足游客需求，進(jìn)而提升景區(qū)吸引力，這使得游客景區(qū)游覽行為的研究更具參考意義[7];最后，景區(qū)公共設(shè)施規(guī)劃與特色化服務(wù)提供也依賴游客行為特征作為參考。這一切使得微觀路徑選擇模式的研究對(duì)景區(qū)管理、活動(dòng)規(guī)劃與營(yíng)銷(xiāo)制定等方面均具有重要參考價(jià)值[8]。

然而，當(dāng)前研究往往以景區(qū)內(nèi)游客行為分析為主，對(duì)于開(kāi)放式景區(qū)（如南京夫子廟、蘇州觀前街）而言，忽略了景區(qū)內(nèi)非游客主體（如內(nèi)部居民、周邊居民等生活性行人及通過(guò)性行人）與景區(qū)游客行為的交互影響。同時(shí)，當(dāng)前研究對(duì)景區(qū)內(nèi)部路網(wǎng)所帶來(lái)的空間影響與行人路徑選擇間的關(guān)系難以量化，主要將相關(guān)空間元素（如路徑寬度、路徑距離、沿線節(jié)點(diǎn)數(shù)等）作為量化指標(biāo)與路徑行人量進(jìn)行回歸分析[9-10]，而忽略了景區(qū)網(wǎng)絡(luò)結(jié)構(gòu)所帶來(lái)的整體性空間影響。

這一背景下，本文以開(kāi)放式景區(qū)為研究區(qū)域，以景區(qū)內(nèi)行人群體為研究對(duì)象，具體研究?jī)?nèi)容包括：（1）基于空間句法實(shí)現(xiàn)景區(qū)路徑結(jié)構(gòu)的空間量化;（2）結(jié)合空間性影響分析景區(qū)內(nèi)部行人微觀路徑選擇模式的核心影響因素;（3）基于聚類分析的路徑擬合，對(duì)不同群體行人的路徑選擇進(jìn)行針對(duì)性識(shí)別與分析。對(duì)于開(kāi)放式景區(qū)內(nèi)不同行人群體的路徑選擇模式分析，可為景區(qū)管理者進(jìn)行景區(qū)路徑優(yōu)化、公共設(shè)施優(yōu)化布置及節(jié)慶活動(dòng)方案設(shè)計(jì)提供量化參考依據(jù)。

1 文獻(xiàn)綜述

1.1 行人路徑選擇的影響因素與路徑分析

行人路徑選擇的研究重點(diǎn)在于，分析哪些因素在行人進(jìn)行路徑抉擇時(shí)產(chǎn)生了何種影響[11]?？傮w而言，其影響因素可以分為3類：地理距離（實(shí)際步行距離）、拓?fù)渚嚯x（路徑/方向改變次數(shù)）和環(huán)境因素。最短地理距離是行人路徑選擇的首要目標(biāo)[12-13]。最短拓?fù)渚嚯x則可單獨(dú)對(duì)55%～75%的行人路徑選擇進(jìn)行解釋[14-15]。環(huán)境因素總體上可劃分為3個(gè)方面，即路徑特征、沿線土地使用特征及沿線交通環(huán)境特征[16]。Ferrer等通過(guò)對(duì)志愿者進(jìn)行路徑測(cè)試，發(fā)現(xiàn)寬闊的人行道、高綠化率、充足的照明、大型交叉口少是吸引行人選擇該路徑的積極因素[17];Sarjala基于智能手機(jī)所采集到的通勤路徑，發(fā)現(xiàn)影響行人路徑選擇的重要環(huán)境因素包括交叉口密度、沿線公共用地面積、坡度及沿線建筑年限[18]。

對(duì)于景區(qū)而言，最普遍的行人路徑選擇的主體則是游客，其影響因素主要包括景區(qū)路徑屬性因素與景區(qū)環(huán)境因素[19]。其中，景區(qū)路徑屬性因素主要包括：行程時(shí)間、路線長(zhǎng)度、路線曲度、沿線節(jié)點(diǎn)數(shù)、路徑寬度等;Asakura和Iryo基于移動(dòng)設(shè)備采集游客旅游路徑數(shù)據(jù)，結(jié)合景區(qū)路徑拓?fù)浣Y(jié)構(gòu)特征實(shí)現(xiàn)了對(duì)不同游客出行路徑的識(shí)別分析[20]。景區(qū)環(huán)境因素主要包括：景點(diǎn)類型（土地利用）、路徑沿線景點(diǎn)數(shù)量、景點(diǎn)占地規(guī)模、綠化占地規(guī)模、路徑沿線行人設(shè)施數(shù)量（休憩椅等）、路徑沿線商業(yè)設(shè)施等。Vu等基于帶有地理標(biāo)記的游客照片，對(duì)香港入境游客的游覽路徑進(jìn)行分析，結(jié)果表明，對(duì)于不同景點(diǎn)，不同國(guó)籍的游客群體的游覽路徑具有特異性[2]。李淵等基于陳述性偏好法（stated preference methods， SP）對(duì)于廈門(mén)鼓浪嶼游客景點(diǎn)偏好進(jìn)行分析，發(fā)現(xiàn)景點(diǎn)類型吸引力依次為音樂(lè)文化、自然風(fēng)光、萬(wàn)國(guó)建筑等;而公共設(shè)施不足、過(guò)度商業(yè)化則降低了景點(diǎn)吸引力[21]。

此外，景區(qū)內(nèi)不同群體的路徑選擇也具有較為顯著的差異性。Jubran等研究發(fā)現(xiàn)，受教育程度、收入的個(gè)體差異在景點(diǎn)可達(dá)性的評(píng)估上具有顯著性差異[22]。劉培學(xué)等對(duì)山岳型景區(qū)游客軌跡進(jìn)行聚類分析，發(fā)現(xiàn)女性游客游覽距離較短，中老年游客群體傾向于躲避擁擠，而散客更易選擇存在折返且體驗(yàn)較差的游覽路徑[23]。然而，群體分析仍屬于游客主體的群體細(xì)分，對(duì)于景區(qū)內(nèi)游客群體與居民群體的路徑差異性分析則相對(duì)缺乏。

1.2 空間因素對(duì)路徑選擇的影響

空間因素對(duì)路徑選擇的影響研究近年來(lái)逐步得到重視和發(fā)展。多個(gè)研究表明，空間因素與街道網(wǎng)絡(luò)中的行人空間行為聯(lián)系最為密切[24]，給定路徑的中心度水平可用于度量行人通行量[25-27]。具體而言，高通達(dá)度的路網(wǎng)結(jié)構(gòu)與行人通行量具有最顯著的正向聯(lián)系[28-29]。路徑連通度、路徑選擇度也是影響行人路徑選擇的重要因素[27，30]。同時(shí)，不同模式的路網(wǎng)結(jié)構(gòu)下，空間因素對(duì)路徑選擇的影響程度也存在差異——在傳統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)下，空間因素對(duì)行人路徑選擇的影響程度更高[30]。因此，對(duì)于傳統(tǒng)路網(wǎng)下的開(kāi)放式景區(qū)，分析空間因素的影響更具有研究?jī)r(jià)值。然而，景區(qū)路徑選擇的既有研究中，對(duì)量化空間因素的影響分析涉及較少。

2? ? 研究數(shù)據(jù)及方法

2.1 南京夫子廟景區(qū)

夫子廟秦淮風(fēng)光帶是指以夫子廟建筑為中心、秦淮河為紐帶的內(nèi)秦淮河地帶，包括秦淮河兩岸的街巷、民居，附近的古跡和風(fēng)景點(diǎn)[31]。本研究分析區(qū)域?yàn)橹腥A路、長(zhǎng)樂(lè)路、平江府路及建康路形成的夫子廟景區(qū)核心區(qū)域，研究區(qū)域詳見(jiàn)圖1（a）。

2.2 基于空間句法的空間因素獲取方法

空間句法是一種通過(guò)對(duì)包括建筑、聚落、城市甚至景觀在內(nèi)的人居空間結(jié)構(gòu)的量化描述，來(lái)研究空間組織與人類社會(huì)之間關(guān)系的理論和方法[32]。通過(guò)軸線分析，空間句法可實(shí)現(xiàn)將路網(wǎng)空間拓?fù)浠?，并通過(guò)不同的量化指標(biāo)多角度描述路網(wǎng)的潛在空間影響。

2.3 研究數(shù)據(jù)及其收集途徑

本研究按所需數(shù)據(jù)按數(shù)據(jù)類型及收集途徑分類，包括3個(gè)維度共計(jì)12項(xiàng)數(shù)據(jù)，并采用實(shí)際問(wèn)詢法對(duì)景區(qū)內(nèi)部分行人開(kāi)展路徑實(shí)際調(diào)查，其具體內(nèi)容及收集途徑如下。

（1） 多維度因素采集

交通維度的因素采集，主要采用人工計(jì)數(shù)法，每月選擇非節(jié)假日兩天進(jìn)行各路段行人交通量統(tǒng)計(jì)，單個(gè)路段統(tǒng)計(jì)2018年4月—12月18次數(shù)據(jù)調(diào)查;每次調(diào)查選擇夫子廟景區(qū)平峰時(shí)段15：00―16：00且避開(kāi)節(jié)假日及夫子廟傳統(tǒng)節(jié)日，以避免由于行人量過(guò)多導(dǎo)致的游覽選擇受限;臨近4條路段選擇同一負(fù)責(zé)人進(jìn)行行人量統(tǒng)計(jì)，以減少不同路段調(diào)查時(shí)段時(shí)間差;共計(jì)調(diào)查使用26人/次。

空間維度的因素采集，則主要基于百度地圖開(kāi)放數(shù)據(jù)，應(yīng)用軸線分割法進(jìn)行空間路網(wǎng)建模實(shí)現(xiàn)量化數(shù)據(jù)獲取。

環(huán)境維度的因素采集則主要通過(guò)實(shí)地調(diào)查及百度地圖數(shù)據(jù)源進(jìn)行獲取。

各維度具體所采集的因素及其具體描述如表1所示。

（2） 行人實(shí)際路徑調(diào)查

采用隨機(jī)問(wèn)詢法對(duì)景區(qū)內(nèi)行人的步行路徑進(jìn)行調(diào)查，要求被調(diào)查者將其步行路徑在所給地圖上進(jìn)行繪制。地圖路線繪制也是行人路徑調(diào)查的常用方法之一[33-35]。樣本需求量依據(jù)下述公式[35]進(jìn)行估計(jì)：

[n=（z2×cv2）/E2] （1）

式（1）中，n為樣本需求量;z為標(biāo)準(zhǔn)常量，在95%置信度下取1.96;E為允許的誤差幅度，取10%;cv為變異系數(shù)（路徑標(biāo)準(zhǔn)差與平均行程距離比值），取值0.67，據(jù)調(diào)查取平均行程1.02 km，標(biāo)準(zhǔn)差0.68 km。進(jìn)而，以10%為限制閾值（即剔除通行人數(shù)少于10%的路段），獲得各類行人通行的實(shí)際路徑，詳見(jiàn)圖1（b）、圖1（c）。

計(jì)算得到需調(diào)查172人。實(shí)際調(diào)查人數(shù)203人，其中，游客占65%（132人），非游客占35%（71人），游客中32%曾開(kāi)展游覽準(zhǔn)備（查閱夫子廟景區(qū)游覽資料/景點(diǎn)信息，或?yàn)楦鷪F(tuán)游）。非游客中有66%居住地點(diǎn)或工作地點(diǎn)距夫子廟景區(qū)在3 km以內(nèi)，37%為通過(guò)性行人。

2.4 調(diào)查數(shù)據(jù)的統(tǒng)計(jì)性描述

基于調(diào)查及空間句法分析，在剔除非開(kāi)放路段（如小區(qū)內(nèi)部道路）的基礎(chǔ)上，共得到夫子廟景區(qū)內(nèi)49條路段的游客量數(shù)據(jù)（共計(jì)882條行人量調(diào)查數(shù)據(jù)，對(duì)單條路段采用18次行人量調(diào)查取均值）及屬性數(shù)據(jù)（單條路段共12條屬性數(shù)據(jù)，合計(jì)784條數(shù)據(jù)）。其中，行人量均值最小值為13人/小時(shí)，最大值為6022人/小時(shí)，均值為1846人/小時(shí);路段長(zhǎng)度為22 m～1100 m，均值211 m;路段沿線景點(diǎn)數(shù)最多為6處，均值為0.9。14條路段存在水系，27條路段為步行路段。

3 行人路徑選擇核心因素分析

對(duì)調(diào)查數(shù)據(jù)的12個(gè)變量進(jìn)行KMO檢驗(yàn)和Bartlett檢驗(yàn)，得出KMO檢驗(yàn)系數(shù)為0.646>0.5，Bartlett檢驗(yàn)的×2統(tǒng)計(jì)值的顯著性概率p<0.05，適合采用因子分析方法。本文采用主成分方法進(jìn)行分析：首先，基于特征值≥1，采用公因子方差及碎石圖，確定主因子的個(gè)數(shù)為4（累積貢獻(xiàn)率為79.97%）。進(jìn)而，在采用最大方差法進(jìn)行因子旋轉(zhuǎn)后，依據(jù)各變量因子載荷及其實(shí)際含義，實(shí)現(xiàn)核心因子的命名。具體各參數(shù)的因子載荷及核心因子的貢獻(xiàn)度如表2所示。最終得到行人路徑選擇的4個(gè)核心因子，即空間因子、景點(diǎn)因子、商業(yè)因子與交通因子。

基于因子分析可知，空間因子是景區(qū)路徑特征的重要描述，貢獻(xiàn)度達(dá)35.73%，其中路段選擇度對(duì)路徑空間特征的描述貢獻(xiàn)最大（因子載荷0.912）;空間因子為正值，則顯示其路徑選擇更易受路網(wǎng)空間的潛在影響（即路徑選擇更不具目的性）。

景點(diǎn)因子的貢獻(xiàn)度其次，達(dá)21.32%，其中，沿線景點(diǎn)數(shù)量的相對(duì)重要性最高（因子載荷0.882），而沿線景點(diǎn)面積則重要性相對(duì)較低（因子載荷0.614）;景點(diǎn)因子為正值則顯示景點(diǎn)（數(shù)量及面積）是路徑選擇的吸引因素，為負(fù)值則景點(diǎn)（數(shù)量及面積）是其排斥因素。

交通因子則主要體現(xiàn)在該路徑是否允許機(jī)動(dòng)車(chē)通行及日均交通量;交通因子為正值則顯示其偏好機(jī)動(dòng)車(chē)可通行的路段（往往為具備交通功能的主、次干道），反之則偏好步行街區(qū)。

商業(yè)因子則主要受路徑單位長(zhǎng)度商業(yè)面積影響。商業(yè)因子為正值即商業(yè)對(duì)其路徑選擇具有吸引力，為負(fù)值則為排斥力。

4 基于核心因子的行人路徑選擇模式分析

4.1 行人微觀路徑分析方法

行人路徑擬合的選擇假設(shè)如下：

相鄰性假設(shè)：對(duì)于景區(qū)內(nèi)的路段集合{L1，L2，…，Ln}，處于路段Lj位置的行人僅可從相鄰路段集合{Lj1，Lj2，…，Ljn}中選擇路段進(jìn)行通行，并允許行人有多個(gè)選擇。

同類性假設(shè)：對(duì)于景區(qū)內(nèi)的路段集合{L1，L2，…，Ln}，若路段Lj的相鄰路段集合{Lj1，Lj2，…，Ljn}中存在同一類集合路段，則行人將選擇同類路段進(jìn)行通行。

策略性假設(shè)：對(duì)于處于同一類集合而不相鄰的路段集合S={Ls1，Ls2，…，Lsn}和Q={Lq1，Lq2，…，Lqn}，則處于S集合的行人將采用最短路線距離及最少轉(zhuǎn)角兩種策略進(jìn)行路徑選擇到達(dá)Q集合。

在空間分析的基礎(chǔ)上，得到景區(qū)路段空間模式，如圖2（a）所示?；诰皡^(qū)路徑描述的4個(gè)核心因子，結(jié)合各路徑的行人量均值進(jìn)行路徑選擇聚類分析，得到不同類描述下的路段集合，如圖2（b）所示，藍(lán)色路段為聚類分析后的同一類路段?？芍?，本類路段共可劃分為兩個(gè)不相鄰集合S和Q;基于路徑選擇假設(shè)可知，行人傾向于選擇使得集合S和Q連通的最短路徑{L8，L9，L10}，及最少轉(zhuǎn)角路徑{L12，L11}，如圖2（c）所示;結(jié)合相鄰性假設(shè)和同類性假設(shè)得到此類路段的最終擬合路徑為：{L5→L6→L8→L9→L10→L14→L19→L22}以及{L5→L6→L12→L11→L14→L19→L22}，其路徑圖如圖2（d）所示。

4.2 行人微觀路徑識(shí)別與分析

基于行人路徑選擇的同類性及策略性，需基于核心因子的描述，對(duì)分析路徑進(jìn)行類別分析。本文在對(duì)核心因子進(jìn)行Z-score均值化處理基礎(chǔ)上，采用平方歐氏距離（square euclidean distance，SEUCLID）度量下的K均值聚類進(jìn)行路徑聚類。聚類結(jié)果顯示，最佳類數(shù)為4，其占比分別為38.7%、20.4%、14.3%及26.5%，聚類結(jié)果較為均衡。繼而結(jié)合路徑選擇假設(shè)，開(kāi)展行人微觀路徑擬合，最終擬合得到4類路徑（圖3）。

第1類路徑：休閑景點(diǎn)游覽路徑。4類路徑中，其聚類結(jié)果中商業(yè)因子均值最高（1.331），商業(yè)面積對(duì)于路徑選擇吸引力大;交通因子均為負(fù)值，其更傾向于無(wú)機(jī)動(dòng)車(chē)的步行街區(qū)?？臻g因子均值最高（0.832），而景點(diǎn)因子影響較?。?.677），兩者均為正向影響，進(jìn)一步體現(xiàn)出其傾向游覽景點(diǎn)，且路徑空間影響高（即未明確規(guī)劃路徑，選擇隨意性較高）。

第2類路徑：深度景點(diǎn)游覽路徑。本類路徑的景點(diǎn)因子均值最高（0.778），商業(yè)因子均值影響力較低，但仍為積極影響（0.232）。體現(xiàn)本路徑中行人最傾向于游覽景點(diǎn)，商業(yè)購(gòu)物活動(dòng)也納入考慮。空間因子均值較低，且為積極影響（0.294），體現(xiàn)其進(jìn)行了一定程度的路徑規(guī)劃，但仍受空間潛在影響。

第3類路徑：生活性路徑。本類路徑中，商業(yè)因子及景點(diǎn)因子均值為負(fù)（?0.467、?0.645），其對(duì)景區(qū)范圍內(nèi)的商業(yè)及景點(diǎn)呈現(xiàn)出“規(guī)避”特征;本類交通因子均值為?0.917，且方差最小，呈現(xiàn)出路徑選擇中偏好無(wú)機(jī)動(dòng)車(chē)通行的街區(qū)道路。進(jìn)而推測(cè)本路徑偏向于當(dāng)?shù)鼐用竦纳钚酝ㄐ新窂?。而空間因子的負(fù)值（?0.321）進(jìn)一步對(duì)其進(jìn)行了驗(yàn)證，即采用本類路徑的行人對(duì)路網(wǎng)更為熟悉，且通行目的明確。

第4類路徑：通過(guò)性路徑。本類路徑中，商業(yè)因子及景點(diǎn)因子均值為負(fù)（?0.332、?0.667），同樣呈現(xiàn)出“規(guī)避”商業(yè)及景點(diǎn);與第3類不同，本類呈現(xiàn)出最高的交通因子均值（0.878），可知其傾向于交通性道路而不是景區(qū)內(nèi)的步行街區(qū)，即更傾向于滿足通行需求而進(jìn)行路徑的選擇。其空間因子均值最小? ? ?（?0.305），且方差最小，其進(jìn)行路徑選擇時(shí)隨意性較小。

作為開(kāi)放式景區(qū)，夫子廟景區(qū)內(nèi)的日常行人群體，不僅包括一般景區(qū)常見(jiàn)的兩類群體：（1）無(wú)充分游覽計(jì)劃的休閑類游客，（2）具備一定游覽計(jì)劃的游客（如跟團(tuán)游客），其形成第1和第2類路徑;還包括兩類特殊群體：（3）居住于景區(qū)內(nèi)部的當(dāng)?shù)鼐用瘢约埃?）經(jīng)由景區(qū)到達(dá)其他位置的通過(guò)性人群，其形成第3和第4類路徑。這兩類特殊群體主要存在于允許居民居?。ㄈ缯憬魈凉沛?zhèn)）、位于城市交通中心的區(qū)域（如蘇州觀前街），在景區(qū)行人路徑研究及景區(qū)管理中往往被忽視。通過(guò)路徑擬合獲得其4類人群常用路徑后，景區(qū)可依據(jù)路徑特征開(kāi)展針對(duì)性管理，如對(duì)第1類路徑沿線設(shè)置更多的導(dǎo)覽指引及商業(yè)設(shè)施，第2類路徑沿線設(shè)置更豐富的景點(diǎn)解說(shuō)設(shè)施，第3類路徑沿線則考慮對(duì)居民慢行環(huán)境的改善，而第4類路徑則可在旅游旺季進(jìn)行外圍交通疏導(dǎo)，減少通過(guò)類行人深入景區(qū)內(nèi)部，從而降低高峰時(shí)期游客擁擠感知度。此外，對(duì)于景區(qū)內(nèi)的路段的封閉或新建規(guī)劃，也可通過(guò)本方法預(yù)估調(diào)整后的4類行人群體路徑變化，從而為景區(qū)路徑調(diào)整規(guī)劃提供更直觀的參考。

4.3 實(shí)際路徑對(duì)比分析與驗(yàn)證

為分析路徑擬合效果，以實(shí)際調(diào)查游客（無(wú)游覽準(zhǔn)備）路徑作為第1類路徑的實(shí)際結(jié)果;游客（游覽準(zhǔn)備）路徑作為第2類路徑的實(shí)際結(jié)果;居民（生活型）路徑作為第3類路徑的實(shí)際結(jié)果;居民（通過(guò)型）路徑作為第4類路徑的實(shí)際結(jié)果;采用式（2）進(jìn)行擬合效果評(píng)估：

[F=0.5（lc/Lt+lc/Lf）] （2）

式（2）中，[F]為擬合效果，lc為擬合路徑與實(shí)際路徑的重合長(zhǎng)度，Lt為實(shí)際路徑總長(zhǎng)度，Lf為擬合路徑總長(zhǎng)度。

第1類路徑的重合長(zhǎng)度占實(shí)際長(zhǎng)度比值為69.1%，占擬合長(zhǎng)度比值為81.4%，最終擬合效果為75.3%;第2類路徑的重合長(zhǎng)度占實(shí)際長(zhǎng)度比值為40.4%，占擬合長(zhǎng)度比值為45.6%，最終擬合效果為43.0%;第3類路徑的重合長(zhǎng)度占實(shí)際長(zhǎng)度比值為33.4%，占擬合長(zhǎng)度比值為48.1%，最終擬合效果為40.8%;第4類路徑的重合長(zhǎng)度占實(shí)際長(zhǎng)度比值為39.9%，占擬合長(zhǎng)度比值為41.4%，最終擬合效果為40.7%。

由擬合效果評(píng)估可知，考慮空間性影響下，開(kāi)放式景區(qū)行人路徑擬合，對(duì)于游客（無(wú)游覽準(zhǔn)備）類具有較好的擬合效果，擬合路徑與實(shí)際路徑的重合度達(dá)到69.1%，整體擬合度為75%。對(duì)于深度景點(diǎn)路徑而言，其擬合效果相對(duì)不佳，原因可能在于，路徑調(diào)查中未考慮游覽時(shí)間。如Jia等通過(guò)手機(jī)信令數(shù)據(jù)分析非居民游客的游覽行為，發(fā)現(xiàn)其具有明顯的時(shí)間特征[36]。同時(shí)，具備游覽準(zhǔn)備的游客路徑，并不等同于深度游覽的旅游，兩者存在一定的差異。如Huang等在對(duì)游客群體的聚類分析中發(fā)現(xiàn)，具有游覽準(zhǔn)備的游客也會(huì)由于娛樂(lè)、親子體驗(yàn)等原因，傾向于更為輕松休閑的設(shè)施及路徑，即具有游覽準(zhǔn)備的游客也并不全部選擇深度游覽[37]。

同時(shí)，對(duì)于非游客行人群體，其路徑擬合效果同樣存在誤差，其主要原因可能包括：（1）對(duì)于居住于景區(qū)的當(dāng)?shù)鼐用裥腥巳后w（第3類路徑），其步行目的較為復(fù)雜，包括通勤、休閑娛樂(lè)、接送兒童等多個(gè)目的。其中，通勤、購(gòu)物等出行目的路徑較為明確，但休閑類出行則具有較大的隨機(jī)性，并體現(xiàn)出近家休閑活動(dòng)比例較高[38]。這使得進(jìn)一步的研究可考慮增加對(duì)沿線居住密度等土地利用屬性的分析，從而對(duì)非游客群體的休閑活動(dòng)有更為明確的識(shí)別。（2）對(duì)于通過(guò)性行人群體，則可能受到公交站點(diǎn)、地鐵站點(diǎn)等交通設(shè)施的位置影響。因此，后期研究可考慮在影響因素中增加土地利用屬性及交通屬性因素，從而提高非游客路徑的擬合精度。

進(jìn)一步地，比較游客路徑與非游客路徑的實(shí)際重合比例，計(jì)算得到重合度較低（17.35%）?？梢?jiàn)，游客與非游客在路徑選擇上也存在一定程度的道路資源沖突現(xiàn)象，居民會(huì)傾向于規(guī)避游客數(shù)量較多的路徑。游客數(shù)量的增加使得有限的資源（道路、商業(yè)設(shè)施等）愈發(fā)擁擠，進(jìn)而導(dǎo)致游客與居民在資源及空間分配上的沖突加劇[39]。這使得在擬合游客、非游客景區(qū)路徑中，可考慮增加游客-非游客交互參數(shù)項(xiàng)（如可新增厭惡參數(shù)，將納入游客路徑的路段標(biāo)記為?1，未納入的路段則標(biāo)記為0），從而優(yōu)化路徑選擇模式分析。

5? ? 結(jié)論

（1）本研究從交通、空間及環(huán)境3個(gè)維度進(jìn)行景區(qū)路徑影響因素量化分析，結(jié)果表明：空間因子對(duì)景區(qū)路徑特征描述具備重要作用，其中，路段連通度、路段控制度及局部選擇度對(duì)路徑空間特征的描述貢獻(xiàn)最大;而景點(diǎn)數(shù)量、商業(yè)面積及是否允許機(jī)動(dòng)車(chē)通行也是路徑特征的重要描述。

（2）基于4類核心因素，本文通過(guò)路徑聚類及擬合得到4類行人路徑。與實(shí)際調(diào)查路徑相比，休閑景點(diǎn)游覽路徑擬合效果較好，與實(shí)際休閑游覽路徑重合度達(dá)到69.1%;深度景點(diǎn)游覽路徑、生活性路徑、通過(guò)性路徑3類重合度則在40%左右，還具有一定的改善空間。

（3）本文存在以下可優(yōu)化方向：數(shù)據(jù)采集上，被調(diào)查者回憶路徑與實(shí)際路徑間存在誤差，尤其對(duì)于游客群體的路徑調(diào)查，可考慮采用手機(jī)信令數(shù)據(jù)替代采集;在因素分析上，可考慮增加土地利用影響因素、公共交通影響因素;同時(shí)可將游客-非游客間的道路資源沖突問(wèn)題納入考慮。在擬合結(jié)果上，該結(jié)果僅為空間路徑分布結(jié)果，未結(jié)合游覽順序進(jìn)行停留時(shí)間及路徑方向區(qū)分，也可依據(jù)手機(jī)信令數(shù)據(jù)進(jìn)行完善補(bǔ)充。

參考文獻(xiàn)（References）

[1] GUO Z. Does the pedestrian environment affect the utility of walking？ A case of path choice in downtown Boston[J]. Transportation Research Part D： Transport and Environment， 2009， 14（5）： 343-352.

[2] VU H Q， LI G， LAW R， et al. Exploring the travel behaviors of inbound tourists to Hong Kong using geotagged photos[J]. Tourism Management， 2015， 46： 222-232.

[3] ZOLTAN J， MCKERCHER B. Analysing intra-destination movements and activity participation of tourists through destination card consumption[J]. Tourism Geographies， 2015， 17（1）： 19-35.

[4] RAUN J， AHAS R， TIRU M. Measuring tourism destinations using mobile tracking data[J]. Tourism Management， 2016， 57： 202-212.

[5] LI Y， YANG L， SHEN H， et al. Modeling intra-destination travel behavior of tourists through spatio-temporal analysis[J]. Journal of Destination Marketing and Management， 2019， 11： 260-269.

[6] KOTILOGLU S， LAPPAS T， PELECHRINIS K， et al. Personalized multi-period tour recommendations[J]. Tourism Management， 2017， 62： 76-88.

[7] ZHENG W， HUANG X， LI Y. Understanding the tourist mobility using GPS： Where is the next place？[J]. Tourism Management， 2017， 59： 267-280.

[8] XIA J， ZEEPHONGSEKUL P， PACKER D. Spatial and temporal modeling of tourist movements using semi-Markov processes[J]. Tourism Management， 2011， 32（4）： 844-851.

[9] DENSTADLI J M， JACOBSEN J K S. The long and winding roads： Perceived quality of scenic tourism routes[J]. Tourism Management， 2011， 32（4）： 780-789.

[10] EBY D W， MOLNAR L J. Importance of scenic byways in route choice： A survey of driving tourists in the United States[J]. Transportation Research Part A： Policy and Practice， 2002， 36（2）： 95-106.

[11] LI H， ZHANG J， XIA L， et al. Comparing the route-choice behavior of pedestrians around obstacles in a virtual experiment and a field study[J]. Transportation Research Part C： Emerging Technologies， 2019， 107： 120-136.

[12] BROACH J， DILL J. Pedestrian route choice model estimated from revealed preference GPS data[C]// Transportation Research Board 93rd Annual Meeting. Washington， D C： Transportation Research Board of the National Academies， 2014， 250： 1-19.

[13] GUO Z， LOO B P Y. Pedestrian environment and route choice： Evidence from New York City and Hong Kong[J]. Journal of Transport Geography， 2013， 28： 124-136.

[14] HILLIER B， IIDA S. Network and psychological effects in urban movement[C]// International Conference on Spatial Information Theory. Ellicottville： Springer-Verlag Press， 2005， 3693： 475-490.

[15] LERMAN Y， YODAN R， OMER I. Using space syntax to model pedestrian movement in urban transportation planning[J]. Geographical Analysis， 2014， 46（4）： 392-410.

[16] FARJANA S， TAN Y. Development and validity of a virtual street walkability audit tool for pedestrian route choice analysis—SWATCH[J]. Journal of Transport Geography， 2018， 70： 148-160.

[17] FERRER S， RUIZ T， MARS L. A qualitative study on the role of the built environment for short walking trips[J]. Transportation Research Part F： Traffic Psychology and Behavior， 2015， 33： 141-160.

[18] SARJALA S. Built environment determinants of pedestrians and bicyclists route choices on commute trips： Applying a new grid-based method for measuring the built environment along the route[J]. Journal of Transport Geography， 2019， 78（6）： 56-69.

[19] ZHAO X， LU X， LIU Y， et al. Tourist movement patterns understanding from the perspective of travel party size using mobile tracking data： A case study of Xian， China[J]. Tourism Management， 2018， 69： 368-383.

[20] ASAKURA Y， IRYO T. Analysis of tourist behaviour based on the tracking data collected using a mobile communication instrument[J]. Transportation Research Part A： Policy & Practice， 2007， 41（7）： 684-690.

[21] 李淵， 謝嘉宬， 楊林川. 基于SP法的旅游者景點(diǎn)選擇需求偏好與規(guī)劃應(yīng)對(duì)[J]. 旅游學(xué)刊， 2018， 33（12）： 91-101. [LI Yuan， XIE Jiacheng， YANG Linchuan. The preference of tourist attraction selection and planning response based on SP method[J]. Tourism Tribune， 2018， 33（12）： 91-101.]

[22] JUBRAN H， XIA J， VEENENDAALAND B， et al. Building a conceptual framework for determining individual differences of accessibility to tourist attractions[J]. Tourism Management Perspectives， 2015， 16： 28-42.

[23] 劉培學(xué)， 廖茂林， 張捷， 等. 山岳型景區(qū)游客軌跡聚類與體驗(yàn)質(zhì)量差異研究——以世界遺產(chǎn)地三清山為例[J]. 旅游學(xué)刊， 2018， 33（5）： 56-67. [LIU Peixue， LIAO Maolin， ZHANG Jie， et al. Tourist spatial behavior and experience quality in mountain resorts： A case study of mount Sanqingshan[J]. Tourism Tribune， 2018， 33（5）： 56-67.]

[24] LERMAN Y， OMER I. Urban area types and spatial distribution of pedestrians： Lessons from Tel Aviv[J]. Computers Environment and Urban Systems， 2016， 55： 11-23.

[25] MANSOURI M， UJANG N. Space syntax analysis of tourists movement patterns in the historical district of Kuala Lumpur， Malaysia[J]. Journal of Urbanism： International Research on Place Making and Urban Sustainability， 2017， 10（2）： 1-17.

[26] JIANG B， LIU C. Street-based topological representations and analyses for predicting traffic flow in GIS[J]. International Journal of Geographical Information Science， 2009， 23（9-10）： 1119-1137.

[27] OMER I， KAPLAN N. Using space syntax and agent-based approaches for modeling pedestrian volume at the urban scale[J]. Computers， Environment and Urban Systems， 2017， 64： 57-67.

[28] SHATU F， YIGITCANLAR T， BUNKER J. Shortest path distance vs. least directional change： Empirical testing of space syntax and geographic theories concerning pedestrian route choice behavior[J]. Journal of Transport Geography， 2019， 74： 37-52.

[29] MANSOURI M， UJANG N. Space syntax analysis of tourists? movement patterns in the historical district of Kuala Lumpur， Malaysia[J]. Journal of Urbanism International Research on Placemaking & Urban Sustainability， 2017， 10（2）： 1-17.

[30] PERVER K， RODRIGUEZ D， KHATTAK A. Space syntax and walking in a new urbanist and suburban neighborhoods[J]. Journal of Urban Design， 2008， 13（1）： 5-28.

[31] 廖仁靜， 李倩， 張捷， 等. 都市歷史街區(qū)真實(shí)性的游憩者感知研究——以南京夫子廟為例[J]. 旅游學(xué)刊， 2009， 24（1）： 55-60. [LIAO Renjing， LI Qian， ZHANG Jie， et al. Tourists perceived study on the authenticity of urban historical blocks― Taking Confucius Temple in Nanjing as an example[J]. Tourism Tribune， 2009， 24（1）： 55-60.]

[32] HILLIER B， PENN A， HANSON J， et al. Natural movement： Or， configuration and attraction in urban pedestrian movement[J]. Environment & Planning B Planning & Design， 1993， 20（1）： 29-66.

[33] BORGERS A， TIMMERMANS H. Indices of pedestrian behavior in shopping areas[J]. Procedia Environmental Sciences， 2014， 22： 366-379.

[34] OZBIL A， ARGIN G， YESILTEPE D. Pedestrian route choice by elementary school students： The role of street network configuration and pedestrian quality attributes in walking to school[J]. International Journal of Design Creativity and Innovation， 2016， 4（2）： 67-84.

[35] BONSALL P W. Issues in survey planning and design[J]. Transport Planning and Traffic Engineering， 1997. Doi： 10.1016/b978-034066279-3/50014-1.

[36] JIA F， CHENG X， DUAN Z. Analyzing the activity areas of non-resident tourists of Shanghai Expo using cellular phone data[J]. Procedia Social & Behavioral Sciences， 2013， 96： 1136-1145.

[37] HUANG X， HUANG X， LI M， et al. Tourists spatial-temporal behavior patterns in theme parks： A case study of Ocean Park Hong Kong[J]. Journal of Destination Marketing & Management， 2020， 15（9）. Doi：10.1016/j.jdmm.2020.100411.

[38] 趙瑩， 柴彥威， 桂晶晶. 中國(guó)城市休閑時(shí)空行為研究前沿[J]. 旅游學(xué)刊， 2016， 31（9）： 30-40. [ZHAO Ying， CHAI Yanwei， GUI Jingjing. Prospects for urban leisure studies in China： A perspective of space-time behavior[J]. Tourism Tribune， 2016， 31（9）： 30-40.].

[39] TSAUR S， YEN C， TENG H. Tourist–resident conflict： A scale development and empirical study[J]. Journal of Destination Marketing & Management， 2018， 10： 152-163.