陳雪 張宏磊 徐一帆 夏馨穎 田原 楊玲玲

[摘? ? 要]移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)時(shí)代產(chǎn)生了規(guī)模巨大、信息多元的圖像數(shù)據(jù)。超越語言障礙的圖像內(nèi)容以及圖像所攜帶的包含時(shí)間、地理及文本等信息的元數(shù)據(jù)，不僅為當(dāng)代旅游研究提供了廣泛的數(shù)據(jù)來源，也帶來了一些新的研究內(nèi)容與視角。文章系統(tǒng)綜述了旅游研究領(lǐng)域中的圖像研究進(jìn)展，從數(shù)據(jù)源角度將圖像數(shù)據(jù)分為官方發(fā)布圖像、志愿采集圖像、用戶生成圖像及專業(yè)分析影像4種類型;研究方法上，隨著計(jì)算機(jī)及人工智能技術(shù)的突飛猛進(jìn)，圖像分析方法從傳統(tǒng)視覺內(nèi)容分析拓展至算法輔助內(nèi)容分析、同質(zhì)結(jié)構(gòu)聚類分析、關(guān)聯(lián)規(guī)則挖掘分析等計(jì)算機(jī)輔助方法;研究內(nèi)容上，隨著圖像所包含多元數(shù)據(jù)的深入挖掘，形象感知、環(huán)境評價(jià)、主客關(guān)系、旅游規(guī)模以及時(shí)空行為等圖像研究議題不斷涌現(xiàn)。隨著5G技術(shù)這類信息化技術(shù)的發(fā)展，可以展望未來旅游研究中圖像研究將出現(xiàn)如下轉(zhuǎn)向：（1）共享數(shù)據(jù)研究飽和情境下對時(shí)空模式機(jī)制的探討;（2）視覺分析應(yīng)用廣泛情境下對旅游符號體系的建設(shè);（3）信息技術(shù)發(fā)展迅猛情境下多源數(shù)據(jù)協(xié)同以及對視頻數(shù)據(jù)的挖掘。

[關(guān)鍵詞]圖像分析;目的地形象;時(shí)空行為;環(huán)境評價(jià);主客關(guān)系

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2021）03-0127-14

Doi： 10.19765/j.cnki.1002-5006.2021.03.015

引言

不論在社會學(xué)研究還是管理學(xué)研究中，文本數(shù)據(jù)一直占據(jù)著研究數(shù)據(jù)源的核心位置。圖像的模棱兩可和多義性，使其難以被量化，往往是為了打破文本資料的單調(diào)，使用圖像作為傳統(tǒng)研究數(shù)據(jù)和形式的相應(yīng)補(bǔ)充[1]，或者將圖像作為一種輔助材料，啟發(fā)被試者以促成后續(xù)訪談[2]。一方面，圖像展示的是客觀事物，這使得其在科學(xué)研究中得到廣泛的運(yùn)用;另一方面，圖像代表了特殊的時(shí)空瞬間，反映了拍攝者的主觀選擇[3]，所以隨著攝影技術(shù)的普及，以圖像為數(shù)據(jù)源的研究開始走上人文社科研究的大舞臺。

旅游活動(dòng)是世界范圍內(nèi)的流動(dòng)現(xiàn)象，在產(chǎn)生經(jīng)濟(jì)、社會文化及環(huán)境效應(yīng)的同時(shí)也產(chǎn)生了海量的圖像及圖像信息。目的地營銷人員可以借助旅行手冊和明信片中的圖像素材吸引世界各地的人們，游客也可以利用相機(jī)隨時(shí)隨地記錄著其對目的地個(gè)性化的凝視[4]，并通過互聯(lián)網(wǎng)同世界各地的人們分享旅行見聞。這樣看，圖像可以有效表征目的地形象，且相比于文本數(shù)據(jù)，圖像是傳達(dá)目的地情感形象更有效的媒介[5]。隨著GPS嵌入式設(shè)備等全球定位設(shè)備的普及，圖像進(jìn)一步增加了時(shí)間信息、地理信息以及文本信息等多元信息，這為游客時(shí)空行為研究提供了新的數(shù)據(jù)來源與研究視角[6]。

隨著信息技術(shù)的發(fā)展，圖像數(shù)據(jù)呈現(xiàn)量級的提升，傳統(tǒng)的視覺內(nèi)容分析以及符號學(xué)分析已難以勝任，而以迅猛發(fā)展的人工智能技術(shù)為代表的計(jì)算機(jī)輔助技術(shù)則可以高效、多元地處理海量圖像數(shù)據(jù)[7-8]。因此，近年來圖像研究大量涌現(xiàn)，對現(xiàn)有研究進(jìn)行總結(jié)與梳理有助于引導(dǎo)未來旅游圖像研究發(fā)展，但涉及圖像研究整體性綜述的文章鮮見[9]。同時(shí)，圖像研究不應(yīng)該局限于社會學(xué)中對話語權(quán)力以及凝視偏見的討論[3]，一些專業(yè)圖像如衛(wèi)星遙感圖像、航拍圖像和街景圖像為旅游供給側(cè)研究提供了大尺度、長時(shí)間的研究數(shù)據(jù)源，可用于分析城市旅游目的地的視覺質(zhì)量與可步行性[10]，評估生態(tài)旅游中的環(huán)境承載力、植被覆蓋率[11]，也應(yīng)納入圖像研究整體框架中。本文以“photo”和“touris*”為關(guān)鍵詞，在Web of Science核心數(shù)據(jù)庫和CNKI核心期刊中進(jìn)行搜索，經(jīng)過整理與補(bǔ)充得到1983—2020年3月間共351篇英文文獻(xiàn)和79篇中文文獻(xiàn)。本文將重點(diǎn)從數(shù)據(jù)來源、研究方法、研究內(nèi)容3個(gè)方面對旅游領(lǐng)域中的圖像研究進(jìn)行系統(tǒng)性綜述，涉及旅游營銷、旅游規(guī)劃、城市/生態(tài)及環(huán)境評估等系列熱點(diǎn)議題，以期對以圖像為數(shù)據(jù)源的旅游研究提供多視角多方位的研究思路。

1 數(shù)據(jù)來源

旅游中的主觀圖像一般是由目的地營銷團(tuán)隊(duì)拍攝或游客拍攝產(chǎn)生的，反映了個(gè)人的偏好，研究者可以通過目的地宣傳資料以及社交媒體平臺獲取。涉及旅游目的地空間研究時(shí)，客觀圖像則由專業(yè)儀器拍攝并轉(zhuǎn)換為數(shù)字圖像，研究者需要通過相關(guān)的商業(yè)平臺或共享平臺獲取。本研究按照圖像產(chǎn)生與獲取方式的不同，將圖像數(shù)據(jù)分為官方發(fā)布圖像、志愿采集圖像、用戶生成圖像及專業(yè)分析影像四大類。

1.1 官方發(fā)布圖像

圖像是旅游目的地營銷重要的媒介途徑，它以“最好的視角”反映了旅游地自然資源和人文資源。在大眾旅游時(shí)代，目的地營銷者們靠旅游手冊、明信片構(gòu)建出特定的地方形象，吸引世界各地的人們[12]。隨著網(wǎng)絡(luò)時(shí)代的來臨，官方網(wǎng)站及在微博、微信、Facebook等平臺上的目的地官方賬號一定程度上替代了旅游手冊的功能，在互聯(lián)網(wǎng)時(shí)代繼續(xù)充當(dāng)目的地圖像創(chuàng)造者、官方圖像發(fā)射器的角色。經(jīng)由專業(yè)人員層層篩選、討論、發(fā)布的目的地圖像，因其反映了群體意象，使研究者可憑借這些圖像探究旅游目的地的視覺表征特點(diǎn)[13-14]，分析旅游目的地的形象及其變遷[15]。官方發(fā)布圖像是旅游地市場營銷的正式途徑之一，但其在表征目的地形象時(shí)可能被美化，目的地重要資源元素可能會被組合在一張明信片或是一副圖像中[16]，因此研究者在圖像收集時(shí)會借助旅游展銷會、旅行社或大型綜合平臺等多種途徑[17-18]，以防止圖像重復(fù)或信息重復(fù)。

1.2 志愿采集圖像

志愿采集圖像（volunteer-employed photography，VEP）作為一種表征參與者觀點(diǎn)的可視化手段，是一個(gè)強(qiáng)大的數(shù)據(jù)收集和分析工具。參與者被問及類似該地區(qū)的主要資產(chǎn)等相關(guān)問題時(shí)，通過拍攝資產(chǎn)圖像并在日記中討論的形式給予回答。在獲取數(shù)據(jù)的過程中，研究者不僅需要邀請游客或居民拍攝同研究主題相關(guān)的照片，經(jīng)由他們自行刪除、選擇后交回約定數(shù)量的“作品”，還需參與者完成以下兩個(gè)步驟：（1）填寫問卷，包含人口統(tǒng)計(jì)學(xué)以及喜歡/想要改變的地方等問題，以此建立研究者與參與者間的聯(lián)系[19];（2）提供照片日記，即每張照片的主要特征（參與者認(rèn)為圖像中包含的內(nèi)容）以及拍攝原因（參與者認(rèn)為圖像傳達(dá)出的內(nèi)容）。研究者也可通過訪談的形式獲取對志愿采集圖像的補(bǔ)充信息[20]。相較于其他幾類圖像類型，因其需要給志愿者提供相機(jī)且需要與拍攝者建立良好的溝通關(guān)系，志愿采集圖像的獲取成本高、樣本量小，但在個(gè)體維度挖掘程度較深。

通過分析志愿采集圖像可以：捕捉利益相關(guān)者對目的地旅游發(fā)展的感知與態(tài)度[21-22]，為地方一級的旅游規(guī)劃提供重要信息;挖掘群體意象，獲取游客對目的地的感知形象[23-24]，對比運(yùn)營方期望構(gòu)建的旅游形象，有效促進(jìn)旅游營銷;進(jìn)行景觀生態(tài)學(xué)等景觀評價(jià)工作，如測量不同景觀的相對重要性[25]、理解景觀美學(xué)[26]及研究自然和文化景觀元素對游客整體體驗(yàn)的影響[27-28]。

1.3 用戶生成圖像

由于智能手機(jī)以及移動(dòng)互聯(lián)網(wǎng)的普及，游客們在旅行中可以隨時(shí)通過鏡頭記錄，并將自己的旅行見聞自發(fā)呈現(xiàn)在大眾傳播媒介（如微博、Facebook、Flicker等）和旅游虛擬社區(qū)（如TripAdvisor、攜程、馬蜂窩等）上，形成用戶生成圖像內(nèi)容。

最初，研究者們僅研究圖像本身所包含的內(nèi)容要素，進(jìn)行旅游目的地形象構(gòu)建以及旅游凝視下的主客關(guān)系分析。隨著大數(shù)據(jù)時(shí)代的到來，嵌入在圖像中的元數(shù)據(jù)受到更多重視。相較GPS軌跡和社交媒體文本數(shù)據(jù)，圖像及其包含的地理信息、文本信息等信息可以有效地對地理位置及位移進(jìn)行識別[29]，也可以對一些重要節(jié)點(diǎn)事件信息進(jìn)行提取[30]。旅游研究中有價(jià)值的用戶生成圖像元數(shù)據(jù)包括：用戶相關(guān)信息（如照片ID和用戶ID等）、時(shí)間信息（拍攝日期和上傳日期等）、地理信息（地理位置、經(jīng)緯度信息等）和文本信息（標(biāo)題、描述和標(biāo)簽等）。對某一種或某幾種用戶生成圖像元信息的分析給旅游研究帶來了一些新的研究視角與途徑，如分析帶有時(shí)間信息和地理信息的圖像可以分析游客訪問地點(diǎn)和順序的時(shí)空軌跡[31]，有效識別旅游熱點(diǎn)區(qū)域[32]、推薦旅行路線和計(jì)算旅行持續(xù)時(shí)間[33]，元數(shù)據(jù)中的文本信息則有利于研究者探究旅游目的地認(rèn)知形象[34]。

用戶生成圖像數(shù)據(jù)量龐大、維度豐富，F(xiàn)lickr、Panoramio和Instagram等平臺是旅游研究中常用的數(shù)據(jù)源[6]，研究者可以通過這些平臺提供的應(yīng)用程序接口（application programming interface，API）獲取用戶生成圖像集。其中，F(xiàn)lickr擁有大量的旅游照片，且由于發(fā)布時(shí)間相對較早（2005年），其平臺圖像數(shù)據(jù)是當(dāng)前旅游圖像研究中最重要的數(shù)據(jù)源[33，35-39];Panoramio關(guān)注地方和風(fēng)景圖像，可通過Panoramio網(wǎng)站或Google Earth或Google Maps獲? ?取[32，40-42];Instagram當(dāng)前圖像數(shù)據(jù)流量巨大，也得到越來越多研究者的關(guān)注[43-45]。除此之外，F(xiàn)acebook等社交平臺在尊重用戶隱私的基礎(chǔ)上也支持人工篩選和收集用戶生成圖像數(shù)據(jù)[46]。隨著平臺多樣化趨勢，同一研究內(nèi)容的平臺數(shù)據(jù)差異研究[47]、同一案例地的多平臺交互驗(yàn)證研究[48]、不同圖像共享網(wǎng)站上重疊用戶的行為比較研究[43]都成為旅游研究中一些獨(dú)特的研究視角。

1.4 專業(yè)分析影像

旅游景觀評價(jià)與環(huán)境評估研究以往主要依靠專家打分、游客受雇拍攝評價(jià)等方法進(jìn)行[49]，且評價(jià)或評估區(qū)域空間尺度較小。隨著專業(yè)傳感器技術(shù)的發(fā)展，經(jīng)由專業(yè)設(shè)備采集，并通過特定算法轉(zhuǎn)換生成的專業(yè)分析影像數(shù)據(jù)大量涌現(xiàn)，包含高分辨率航拍圖像、遙感圖像、街景圖像及3D城市建模影像等，這些專業(yè)分析影像數(shù)據(jù)極大地促進(jìn)了大尺度、歷時(shí)性的旅游景觀評價(jià)與環(huán)境評估。

無人機(jī)航拍獲取的高分辨率光學(xué)圖像數(shù)據(jù)及遙感圖像，通過特定算法（如隨機(jī)森林）處理，可用于植被類型識別[50]、動(dòng)物棲息地環(huán)境分析[51]等研究。在旅游領(lǐng)域當(dāng)中，Rodella等用航拍圖像收集海岸線位置、海灘尺寸、海灘的可達(dá)性和服務(wù)設(shè)施數(shù)量等信息，輔助以問卷調(diào)查結(jié)果用于評估目的地的環(huán)境承載力[11]。街景圖像用“街景車”拍攝，以行人視角記錄城市街道層級上的人造景觀與自然景觀，反映了豐富的城市基礎(chǔ)設(shè)施，精細(xì)地記錄了如道路平整度、建筑立面視圖、街道的連續(xù)性、天空的開敞度、植被的覆蓋度、行人與交通等信息，可用于街道空間的視覺質(zhì)量評價(jià)[52-53]、城市街道安全性評估[54-55]、街道人口信息統(tǒng)計(jì)[56]、街道可步行性分析[57]和綠化程度測度[58]。靜態(tài)的街景圖像可通過地圖商提供的API接口免費(fèi)下載，目前研究常用的數(shù)據(jù)有：谷歌街景地圖（Google Street View）、騰訊街景地圖（Tencent Street View）和百度街景地圖（Baidu Street View）。谷歌街景是最主要的研究來源，擁有最全面的全球街景數(shù)據(jù);騰訊和百度街景地圖特色則為中國城市數(shù)據(jù)，現(xiàn)已覆蓋了國內(nèi)大多數(shù)城市[10]。

2 研究方法

基于研究目標(biāo)與研究手段的不同，本文將相應(yīng)的研究方法分為傳統(tǒng)視覺內(nèi)容分析、算法輔助內(nèi)容分析、同質(zhì)結(jié)構(gòu)聚類分析和關(guān)聯(lián)規(guī)則挖掘分析4類。

2.1 傳統(tǒng)視覺內(nèi)容分析

圖像的視覺內(nèi)容包含有清單內(nèi)容和潛在內(nèi)容兩種類型。清單內(nèi)容是圖像中所描述的所有元素（符號），如自然景觀、建筑、人群等;潛在內(nèi)容則是圖像中的內(nèi)容及其跡象，蘊(yùn)含著特定圖像之外的含義。內(nèi)容分析是研究目的地清單內(nèi)容最主要的“定量”方法，而解碼圖像的潛在內(nèi)容更多地依靠符號學(xué)、批判性話語分析等技術(shù)[59]。

內(nèi)容分析一般遵循一定的規(guī)則與程序，對圖像中視覺的基本元素進(jìn)行編碼與統(tǒng)計(jì)分析，可以重復(fù)操作且可有效地處理大量圖像[60]。值得注意的是，內(nèi)容分析傾向于假設(shè)出現(xiàn)頻繁的要素，較出現(xiàn)次數(shù)少的要素重要，這有助于尋找旅游目的地具有高關(guān)注度的視覺元素，發(fā)掘游客興趣點(diǎn)并為旅游營銷帶來新舉措。但即使通過最全面和詳細(xì)的內(nèi)容分析，也不能完全確定“一組特定圖像的象征意義”[16]，對結(jié)果進(jìn)行闡釋時(shí)還需要仔細(xì)思索圖像產(chǎn)生的意義，探究其背后的成因與“不可見”的他者，這依賴于更深層次的質(zhì)性分析方法。

符號學(xué)分析為發(fā)現(xiàn)圖像含義提供了一個(gè)框架，它以深入的個(gè)案研究方式呈現(xiàn)研究過程與結(jié)果，已在廣告和營銷學(xué)領(lǐng)域廣泛應(yīng)用。符號學(xué)分析主要通過辨別圖像中的符號種類（圖像、指示或象征），分析符號“自身”指稱含義，挖掘“自身”與其他符號是如何關(guān)聯(lián)的（轉(zhuǎn)喻或換喻），最后將符號與宏大意義系統(tǒng)進(jìn)行相關(guān)聯(lián)結(jié)[61]。一張圖像是隱喻性和轉(zhuǎn)喻性的結(jié)合，通過對比可以發(fā)現(xiàn)以重復(fù)的方式將特定元素鏈接在一起的重要結(jié)構(gòu)，以及這些結(jié)構(gòu)是如何編碼并產(chǎn)生一系列的含義。圖像中的文字與相關(guān)信息也可以幫助理解圖像中的符號[60]。符號學(xué)分析主要局限性在于無法解釋某些圖像是如何被常規(guī)化的，或者它們?yōu)槭裁磿谔囟ǖ谋尘跋鲁霈F(xiàn)[16]。批判性話語分析則可以為解釋特定旅行圖像的內(nèi)容、組成和含義提供必要的語境基礎(chǔ)，可以用于回答“圖像用途是什么，圖像是如何常規(guī)化的”等重要問題[16-17]。目前旅游圖像研究中學(xué)者們往往停留在找出頻繁出現(xiàn)的視覺元素階段，較少研究涉及如后殖民理論的批判性詮釋等更深入的圖片視覺分析內(nèi)容[12，18，62]。

2.2 算法輔助內(nèi)容分析

傳統(tǒng)視覺分析在很大程度上取決于人工解釋，因此研究被限制在相對較小的樣本量內(nèi)。然而，步入大數(shù)據(jù)時(shí)代后研究中分析的圖像數(shù)量動(dòng)輒上千甚至以萬為單位，因此基于計(jì)算機(jī)算法的分析方法開始興起[34]。以往研究者基于計(jì)算機(jī)程序?qū)D像元數(shù)據(jù)中的文本標(biāo)簽進(jìn)行提取與分類，以此實(shí)現(xiàn)圖像內(nèi)容的讀取[63]，而計(jì)算機(jī)視覺則可以針對圖像本身進(jìn)行海量圖像的自動(dòng)化識別。

計(jì)算機(jī)視覺是機(jī)器學(xué)習(xí)在視覺領(lǐng)域的應(yīng)用，主要用于旅游研究中的圖像分割和分類問題。分割是將整個(gè)圖像分成一個(gè)個(gè)像素組，然后對其進(jìn)行標(biāo)記和分類。其中，語義分割需要在語義上理解圖像中每個(gè)像素的角色（比如，識別它是天空、綠地、行人、汽車還是其他的類別）。而圖像分類則是針對圖像整體判斷其所屬類別。無論是分割還是分類，都需要建立模型對目標(biāo)進(jìn)行判別。傳統(tǒng)的計(jì)算機(jī)視覺識別方法是將特征提取和分類器設(shè)計(jì)分為兩步來做，通過尺度不變特征變換（scale-invariant feature transform，SIFT）、方向梯度直方圖（histogram of oriented gradient，HOG）等特征算子提取特征，再將該特征放入如隨機(jī)森林、支持向量機(jī)等學(xué)習(xí)算法中進(jìn)行分類學(xué)習(xí)[64-65]。而后這些特征和特定分類器組合形成的可變形部件模型（deformable part model，DPM）則可以進(jìn)行多視角的目標(biāo)檢測[56]。最近基于深度學(xué)習(xí)的計(jì)算機(jī)視覺識別方法則是基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN），如YOLO、ImageNet、SegNet、DeepLab等，通過大數(shù)據(jù)標(biāo)記和訓(xùn)練更加精準(zhǔn)地實(shí)現(xiàn)目標(biāo)識別。研究者可以借此識別街景圖像中的街道、建筑、天空比例從而評估街道的視覺質(zhì)量[53]，檢測照片中的人臉并根據(jù)其面部表情提取人的情感信息從而評估目的地狀態(tài)[66]，甚至可以突破已有圖片自動(dòng)化分析方法對圖片自帶文本信息的依賴，提取海量圖像中內(nèi)容和情感關(guān)鍵詞以此識別目的地的認(rèn)知和情感形象[67]。

2.3 同質(zhì)結(jié)構(gòu)聚類分析

聚類分析旨在找尋數(shù)據(jù)間的內(nèi)在屬性、結(jié)構(gòu)和信息，以此將相似樣本劃分在一起。針對用戶生成圖像中所包含的如位置、時(shí)間等元數(shù)據(jù)信息，聚類分析可以用于旅游地的空間維度[35-36，66]、旅游活動(dòng)的時(shí)間維度[33，42]、旅游景點(diǎn)的特征維度[36]和游客來源的用戶維度[66]等方面的研究，找到熱點(diǎn)地區(qū)、熱門時(shí)間段、景點(diǎn)特征以及熱門客源地。除此之外，研究者也可以通過如SIFT等圖像特征檢測算法提取圖像獨(dú)特特征，使用聚類將相似圖像進(jìn)行分組，以此找到最有吸引力的目的地地標(biāo)[69-70]。

常用的聚類方法分為基于質(zhì)心、基于密度和基于連通性3種[6]。基于質(zhì)心的K均值（K-means）方法是旅游圖像研究中的常用方法[71-72]，然而該方法手動(dòng)定義了固定數(shù)量的群集，部分組間差異會被忽略[36]。因此，一些研究在尋找熱點(diǎn)地區(qū)時(shí)使用均值平移算法來代替基于固定值的方法[73]，依靠樣本的概率分布來檢測聚類，基于規(guī)模的估計(jì)可以對吸引不同數(shù)量游客的城市提供一些可比的結(jié)果[71]。此外，K均值方法需要窮舉搜索才能找到最佳的聚類中心，這在數(shù)據(jù)豐富的環(huán)境中效率較低。相比之下，基于密度的聚類即使在存在噪聲點(diǎn)（即不屬于任何群集的點(diǎn)集）的情況下也能有效地過濾異常值，且可以檢測地理邊界的真實(shí)形狀，適宜在大數(shù)據(jù)情境下查找地理空間聚集[33，36，66]。具有噪聲的基于密度的聚類方法（density-based spatial clustering of applications with noise，DBSCAN）及其拓展算法模型已被開發(fā)并廣泛應(yīng)用于旅游圖像聚類研究中[36-37，66，74]。基于密度的聚類算法因?yàn)闊o法通過固定的鄰域半徑來解釋不同密度的聚類，研究者進(jìn)一步地引入基于連通性的聚類（又稱層次聚類）及更高階的方法來解決多密度聚類問題[29，41，75]，如使用圖像元數(shù)據(jù)將同一位游客參觀過的城市分組[38]，從多用戶的移動(dòng)中提取相似的旅行軌跡[41，73]，以此建立聚類的層次結(jié)構(gòu)。

2.4 關(guān)聯(lián)規(guī)則挖掘分析

研究者通過相應(yīng)模型的構(gòu)建，挖掘數(shù)據(jù)間的關(guān)系規(guī)則，以此實(shí)現(xiàn)圖像的空間關(guān)聯(lián)分析、文本關(guān)聯(lián)分析以及與其他數(shù)據(jù)的關(guān)聯(lián)分析。除了傳統(tǒng)的空間相關(guān)分析方法外[76-77]，馬爾可夫鏈?zhǔn)且环N處理順序信息的概率模型，通過計(jì)算上一個(gè)節(jié)點(diǎn)向下一個(gè)特定節(jié)點(diǎn)轉(zhuǎn)移的可能性，研究者可以基于游客的當(dāng)前位置預(yù)測其可能前往的下一個(gè)旅游景點(diǎn)[31，71，78]。關(guān)聯(lián)規(guī)則挖掘則旨在量化X的出現(xiàn)對Y的出現(xiàn)有多大的影響，研究者既可以得到游客興趣點(diǎn)在地理位置和時(shí)間段上的共現(xiàn)情況，以此歸納游客的旅行模式[33];又可以找尋圖像屬性、旅行動(dòng)機(jī)與游客對目的地情感態(tài)度間的關(guān)聯(lián)規(guī)則，以此幫助營銷者們選擇最能吸引游客的圖像[79]。除此之外，研究者還可以使用樸素貝葉斯等監(jiān)督學(xué)習(xí)模型，建立目的地認(rèn)知形象和情感形象的對應(yīng)關(guān)系，找尋能夠激發(fā)游客相應(yīng)情感的最優(yōu)圖像[34]。

3 研究內(nèi)容

基于圖像的目的地形象和游客行為研究是當(dāng)前旅游研究領(lǐng)域的熱點(diǎn)議題，相關(guān)內(nèi)容已得到廣泛挖掘。與此同時(shí)，對旅游者規(guī)模的統(tǒng)計(jì)、對目的地環(huán)境質(zhì)量的評價(jià)以及對東道主與旅游者間主客關(guān)系的討論也引發(fā)了諸多學(xué)者的關(guān)注。本文從旅游主體、旅游客體以及人地關(guān)系的角度將旅游領(lǐng)域中的圖像研究分為旅游規(guī)模研究、時(shí)空行為研究、主客關(guān)系研究、形象感知研究以及環(huán)境評價(jià)研究5大類。

3.1 旅游規(guī)模研究

社交平臺的目的地圖像數(shù)量往往被認(rèn)定與實(shí)際游客規(guī)模具有極高的相關(guān)性，可以一定程度上表征實(shí)際游客規(guī)模，一些研究已在不同空間尺度上證實(shí)了這種相關(guān)關(guān)系。從區(qū)域尺度上，?nder等使用Flicker的圖像元數(shù)據(jù)判定游客數(shù)量，與奧地利國家旅游局統(tǒng)計(jì)的過夜住宿數(shù)據(jù)進(jìn)行相關(guān)分析，發(fā)現(xiàn)城市一級的Flickr數(shù)據(jù)提供了比地區(qū)級更好的實(shí)際游客人數(shù)表征[80]。Kádár從城市尺度以及景點(diǎn)尺度對比Flicker圖像數(shù)據(jù)與從TourMIS獲取的官方游客統(tǒng)計(jì)數(shù)據(jù)，表明圖像數(shù)據(jù)中獲取的游客數(shù)量與官方統(tǒng)計(jì)數(shù)據(jù)具有關(guān)聯(lián)性，在景點(diǎn)尺度上，相較于售票數(shù)量等官方統(tǒng)計(jì)數(shù)據(jù)，上傳圖像的用戶數(shù)量與實(shí)際人數(shù)具有更強(qiáng)的相關(guān)性[81]。在時(shí)間尺度上，Sessions等發(fā)現(xiàn)在公園中月度圖像數(shù)量可以可靠地指征給定月份中公園的游客數(shù)量[82]。可以看出，上傳至社交平臺的圖像真實(shí)地反映了一個(gè)地區(qū)的旅游需求，可以在一定程度上代替?zhèn)鹘y(tǒng)統(tǒng)計(jì)方法[83-85]，特別對于沒有門票的景點(diǎn)，統(tǒng)計(jì)游客數(shù)量時(shí)使用圖像對景區(qū)管理來說變得格外重要。針對街道尺度，還可以借助計(jì)算機(jī)視覺技術(shù)，通過圖像來識別行人，統(tǒng)計(jì)游客流量，為景點(diǎn)規(guī)劃和交通管制提供幫助[86]。

3.2 時(shí)空行為研究

傳統(tǒng)的旅游者時(shí)空行為研究中，研究者通過問卷調(diào)查、發(fā)放GPS定位器的方式采集數(shù)據(jù)來探索游客在特定空間內(nèi)的移動(dòng)軌跡[87]。其局限性體現(xiàn)在：問卷調(diào)查無法提供精確的游客時(shí)空數(shù)據(jù)，GPS技術(shù)雖可彌補(bǔ)這一點(diǎn)，但大多數(shù)利用GPS定位器采集軌跡的研究樣本量較小，且多集中在有邊界的景點(diǎn)尺度。大數(shù)據(jù)的出現(xiàn)彌補(bǔ)了這些局限，它可以提供大量的時(shí)空數(shù)據(jù)信息，有效地?cái)U(kuò)展和補(bǔ)充傳統(tǒng)的數(shù)據(jù)源，使多個(gè)目的地的比較成為可能[76]。除簽到數(shù)據(jù)、文本數(shù)據(jù)外，上傳至社交平臺的圖像元數(shù)據(jù)中包含大量地理空間信息，成為當(dāng)前游客時(shí)空行為研究的熱門數(shù)據(jù)來源之一[32]。

圖像在空間上的富集一定程度上反映了游客的關(guān)注度和興趣度，可以用來評估游客的時(shí)空行為和空間偏好?；诖耍ㄟ^圖像聚類分析，研究者可以識別游客感興趣的熱門景點(diǎn)[75-76，88]，得出目的地?zé)衢T時(shí)段[33，88]，分析群體的空間偏好[77]。此外，不同天氣情景下的旅游熱點(diǎn)分布規(guī)律[39]、不同來源國游客的空間偏好[77-78]以及節(jié)事對游客空間分布影響[35]等差異化空間分布規(guī)律也經(jīng)由圖像研究所揭示。

除靜態(tài)的空間分布特征外，圖像研究也可以應(yīng)用于游客時(shí)空軌跡的研究。一般來說，游客在移動(dòng)時(shí)不拍照，在看到吸引他們的東西時(shí)才拍照，或是不上傳沒有吸引力的圖像，因此圖像軌跡代表著游客在重要位置間的時(shí)空遷移[89]。研究者可以通過具有順序的圖像元數(shù)據(jù)，分析旅游者在連續(xù)節(jié)點(diǎn)（興趣點(diǎn)）間轉(zhuǎn)移的概率和方向，提取旅游流的空間特征[31，78]，挖掘游客的旅行模式[41，73]，總結(jié)城市的熱門旅行主題[90]，為旅游市場營銷提供依據(jù)。進(jìn)一步地，通過圖像可以獲取用戶特定的旅行偏好，依據(jù)時(shí)間限制、當(dāng)前地點(diǎn)及游客興趣等生成旅游地點(diǎn)推薦[71，91]，為游客定制個(gè)性化旅游線路推薦系統(tǒng)[37，42]。

從空間尺度上看，研究者一般使用圖像數(shù)據(jù)在單個(gè)城市范圍內(nèi)分析游客的時(shí)空軌跡[75，78，89]。但也有一些學(xué)者利用覆蓋較大區(qū)域（例如國家/地區(qū)）的圖像數(shù)據(jù)來研究區(qū)域內(nèi)的多目的地旅行模式，如?nder通過分析前往奧地利至少兩個(gè)不同城市的游客的地理標(biāo)簽圖像，判斷游客的旅行模式是單一型、基地型還是周游型，從而為旅游產(chǎn)品設(shè)計(jì)及區(qū)域交通規(guī)劃提供決策幫助[38]。小尺度空間如景區(qū)尺度除針對面積廣闊的生態(tài)保護(hù)區(qū)[81]以外，基于圖像的游客時(shí)空行為研究還較少，有待進(jìn)一步加強(qiáng)。

3.3 主客關(guān)系研究

照片不僅可證明游客的目的地到訪行為，也可以構(gòu)建記憶[92]，除人地關(guān)系外，主客關(guān)系也對記憶有很強(qiáng)的影響。與當(dāng)?shù)厝诉M(jìn)行深層次交流以形成更佳的主客關(guān)系，拍照不失為一種開啟交流的好方法[93]。Cohen等認(rèn)為有必要研究攝影師與攝影對象在旅行中的互動(dòng)[94]。攝影內(nèi)容反映了游客選擇在目的地看到的景象。通過分析照片的特征，我們可以深入了解游客對東道主的態(tài)度[95]。Nikjoo和Bakhshi從Facebook上收集了國際游客前往伊朗旅行的照片，在這些照片中檢查游客和東道主的存在關(guān)系：主客是單獨(dú)出現(xiàn)還是同時(shí)存在？只有游客或是只有當(dāng)?shù)厝藭r(shí)，人物形象是圖像的核心還是融在整個(gè)大背景中成為點(diǎn)綴？同時(shí)通過照片中人物的位置、姿勢、表情分析了游客和東道主之間的關(guān)系[46]。但Bourdieu和Whiteside認(rèn)為游客只是想拍他們認(rèn)為應(yīng)該要在目的地拍的那種照片[96]，在某種程度上，相機(jī)是獲得真實(shí)和純粹旅行體驗(yàn)的障礙[97]。在旅游凝視理論中，大眾媒體有提前塑造游客凝視的作用，宣傳材料對游客的認(rèn)知產(chǎn)生影響，游客傾向用自己的相機(jī)拍攝類似于他們想象中的照片[16]，如國際游客在拍攝伊朗當(dāng)?shù)厝说恼掌瑫r(shí)，特別是肖像照片，更愿意選擇外表看起來更“本地化”并契合他們認(rèn)知中當(dāng)?shù)厣鐣h(huán)境的人，當(dāng)?shù)厝嗽趫D像中變?yōu)榫哂刑囟ㄒ庀蟮拇嬖??；趫D像的主客關(guān)系研究，可以更好地挖掘旅游研究中的刻板印象、話語權(quán)力等深層次的跨文化研究內(nèi)容，還可以跨越語言障礙感受不同時(shí)代背景下目的地居民對客源國國民形象認(rèn)知的變遷。

3.4 形象感知研究

獨(dú)特且有吸引力的旅游目的地形象對旅游營銷至關(guān)重要，如何給潛在游客留下良好的第一印象，旅游目的地營銷組織（destination management organization，DMOs）通常借助圖像這一強(qiáng)有力的傳播媒介，挑選、投射、營造目的地的理想形象，跨越語言并不相通的地區(qū)，通過旅行手冊、旅行指南、明信片以及一些目的地官方網(wǎng)站與平臺傳遞給受眾，吸引全球旅行者。但這種基于圖像的理想化的形象構(gòu)建具有一定的缺陷，如Hunter分析了來自21個(gè)目的地旅游手冊和指南里的圖像，發(fā)現(xiàn)目的地形象包含4種主體（沒有人、僅主人、僅限客人以及主人和客人）在4種空間（自然景觀、耕地景觀、遺產(chǎn)和物質(zhì)文化以及旅游產(chǎn)品）中生活，21個(gè)目的地的視覺表征特征具有高度一致性，這對目的地形象表現(xiàn)方法的多維性提出了挑戰(zhàn)[17]。

目的地營銷組織所投射出的目的地形象會深刻影響游客的感知，從而形成“表征圈循環(huán)”現(xiàn)象[4]。具體來說，就是受官方營銷圖像影響的游客抵達(dá)目的地時(shí)，這些行前感知會有意無意地指導(dǎo)他們尋找那些已經(jīng)在媒介上見到過的、有地方特色的景象，游客拍攝圖像后再向別人宣傳。有學(xué)者對比了游客拍攝的照片與明信片上展示的圖像在目的地形象表征上的異同，發(fā)現(xiàn)游客照片確實(shí)傾向于復(fù)制旅游業(yè)為當(dāng)?shù)貏?chuàng)造的視覺圖像[98]，但在表現(xiàn)手法上存在差異，游客照片更為真實(shí)與具象[99]。此外，探索型游客拍攝的圖像也可能會影響后續(xù)游客的感知[13]，這也屬于“表征圈循環(huán)”的表現(xiàn)。

除了探討目的地的認(rèn)知形象外，研究者還基于圖像數(shù)據(jù)挖掘目的地的情感形象，并尋找認(rèn)知形象與看圖者情感間的對應(yīng)關(guān)系，以期從觀眾的角度選擇照片元素，協(xié)助目的地營銷人員挑選出符合目標(biāo)市場的宣傳圖像[59，63，79]?；趫D像的不同客源地游客對于同一目的地形象感知的差異研究也是圖像研究的一種獨(dú)特視角[100]，如鄧寧等發(fā)現(xiàn)不同文化群體對北京的形象感知具有相似性，但在文化藝術(shù)、人物和食物方面拍攝內(nèi)容差異較大，并且中國港澳臺旅游者比英美旅游者表達(dá)出了更多的消極情感，這有助于目的地營銷者了解細(xì)分市場下旅游者對目的地的偏好，以此制定相應(yīng)的營銷策略，激發(fā)潛在游客前往目的地旅游的意愿[67]。

3.5 環(huán)境評價(jià)研究

旅游活動(dòng)是在特定空間內(nèi)進(jìn)行的，地理環(huán)境質(zhì)量影響著游客體驗(yàn)，如何對特定空間相關(guān)地理環(huán)境屬性進(jìn)行有效評價(jià)是旅游研究中重要問題之一。通過圖像識別，可以有效提取其中所包含的地理特征，進(jìn)而實(shí)現(xiàn)對目標(biāo)環(huán)境（如城市街區(qū)、自然生態(tài)區(qū)等）的物理環(huán)境評價(jià)、社會環(huán)境評價(jià)和美學(xué)環(huán)境評價(jià)。

物理環(huán)境評價(jià)一般包括對地形地貌、植物、動(dòng)物、水文、土壤等自然物理環(huán)境以及道路交通、房屋建筑、基礎(chǔ)設(shè)施等人工物理環(huán)境的評價(jià)，如利用航拍圖像對植被覆蓋度[50]、棲息地環(huán)境適宜性進(jìn)行評估[51];利用街景圖像評估城市鄰里環(huán)境紊亂水平、研究十字路口的設(shè)施建設(shè)水平與人身安全間的關(guān)系[55]等都有助于對目的地環(huán)境進(jìn)行綜合評估。社會環(huán)境評價(jià)可以實(shí)現(xiàn)相應(yīng)地區(qū)的人口識別與統(tǒng)計(jì)，如通過圖像識別社區(qū)的車輛類型以及位置數(shù)據(jù)，來分析社區(qū)的人口構(gòu)成[56];識別街道上的行人，以此實(shí)現(xiàn)城市行人計(jì)數(shù)[101]，為旅游流研究提供技術(shù)支撐。此外城市可步行性[57]、城市安全感[54]等評估都可以有效地幫助游客完成對目的地的評估。審美體驗(yàn)是旅游體驗(yàn)中重要的組成部分，使用圖像研究的美學(xué)環(huán)境評價(jià)則主要集中在解析圖像的顏色構(gòu)成來評估公共環(huán)境的綠視率（即人眼所見物體中綠植所占的比例）[102];通過綠化、天空開敞度、街道墻的連續(xù)性和橫截面比例等代表性元素評價(jià)街道空間視覺質(zhì)量[53，103]等議題。

4 結(jié)論與展望

移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)時(shí)代，圖像不僅是旅游研究中的重要的數(shù)據(jù)和資料來源，也成為了一種視角獨(dú)特的研究手段。本文針對近些年蓬勃發(fā)展的圖像研究，系統(tǒng)性綜述了其在旅游研究中的進(jìn)展。本文首先從數(shù)據(jù)源角度對圖像數(shù)據(jù)類型做了綜合性分類，將圖像數(shù)據(jù)分為官方發(fā)布圖像、志愿采集圖像、用戶生成圖像及專業(yè)分析影像4大類，其中用戶生成圖像是當(dāng)下旅游研究中的主要圖像數(shù)據(jù)來源;其次本研究介紹了圖像研究中的傳統(tǒng)視覺內(nèi)容分析、算法輔助內(nèi)容分析、同質(zhì)結(jié)構(gòu)聚類分析和關(guān)聯(lián)規(guī)則挖掘分析4類方法，并對旅游圖像研究中的時(shí)空行為、形象感知、環(huán)境評價(jià)、主客關(guān)系以及游客規(guī)模等內(nèi)容作了系統(tǒng)性總結(jié)與框架梳理。

從當(dāng)前研究看，圖像已成為一類新興且強(qiáng)大的數(shù)據(jù)源，其不僅包含了內(nèi)涵豐富的視覺內(nèi)容數(shù)據(jù)也包含如地理信息、時(shí)間信息、評價(jià)信息等諸多附加元數(shù)據(jù)信息，在識別目的地?zé)狳c(diǎn)區(qū)域與游客時(shí)空軌跡，解讀目的地想象和表征，評估目的地物理、社會、美學(xué)環(huán)境價(jià)值，評估和預(yù)測游客規(guī)模等方面展現(xiàn)了比傳統(tǒng)數(shù)據(jù)類型更多元化的視角，在統(tǒng)合地理空間與情感認(rèn)知上具有巨大的挖掘潛力。與此同時(shí)，旅游研究中的圖像研究也經(jīng)歷著由建構(gòu)主義理論主導(dǎo)向建構(gòu)主義與實(shí)證主義理論并存的轉(zhuǎn)型。早期研究中，圖像所反映的目的地形象構(gòu)建以及其背后的社會內(nèi)涵是研究者關(guān)注的焦點(diǎn)。這體現(xiàn)在具體旅游活動(dòng)中，初始階段圖像作為旅游體驗(yàn)內(nèi)容中至關(guān)重要的一環(huán)，游前向受眾傳達(dá)特定話語體系下所投射出的目的地形象;游中作為一種主觀的時(shí)空定格和創(chuàng)作形式，代表著游客對地方的凝視;游后作為一種記憶的象征，游客在回顧過去旅游體驗(yàn)的同時(shí)也向他人傳遞其感知到的目的地形象。所以，旅游凝視、表征圈循環(huán)等旅游社會學(xué)理論以及MacCannell等學(xué)者關(guān)于旅游體驗(yàn)、旅游動(dòng)機(jī)的理論在這個(gè)階段被廣泛應(yīng)用。而隨著圖像數(shù)量級的指數(shù)增加和數(shù)字化的快速發(fā)展，除原有的建構(gòu)主義理論應(yīng)用外，圖像作為一種客觀數(shù)據(jù)的存在，也被廣泛應(yīng)用于客觀環(huán)境因素的測度、時(shí)空分布與流動(dòng)等經(jīng)驗(yàn)現(xiàn)象的挖掘，體現(xiàn)了強(qiáng)烈的實(shí)證主義研究色彩。在這類實(shí)證主義研究中，一些地理學(xué)和消費(fèi)者行為學(xué)理論被學(xué)者采納應(yīng)用并加以發(fā)展，如集聚-擴(kuò)散理論、核心?邊緣理論等地理學(xué)理論為研究圖像數(shù)據(jù)的空間分布提供了理論基礎(chǔ);旅游者空間行為理論、旅游流等理論則可以幫助理解圖像所揭示出的旅游地域系統(tǒng)內(nèi)部人?地關(guān)系及各要素間相互作用的過程和機(jī)理;旅游資源、旅游環(huán)境與生態(tài)旅游理論作為理論基礎(chǔ)則可以衡量和評估圖像數(shù)據(jù)所反映出的與旅游活動(dòng)密切相關(guān)的地理事物與環(huán)境要素，以促進(jìn)旅游可持續(xù)發(fā)展。

雖然圖像研究潛力巨大，旅游研究中圖像研究進(jìn)展迅速，但當(dāng)前圖像研究仍然存在一些挑戰(zhàn)，也給未來的研究帶來無限機(jī)遇，具體體現(xiàn)在：

（1）共享數(shù)據(jù)研究飽和引致研究重復(fù)。以Flicker等網(wǎng)站數(shù)據(jù)開展的研究已經(jīng)趨于飽和，面臨著數(shù)據(jù)源一致及方法相似等制約因素，極易發(fā)生研究重復(fù)問題。研究者當(dāng)前多在進(jìn)行區(qū)域案例的對比研究，如何進(jìn)一步地使用“類”開源數(shù)據(jù)可以從以下方面開展研究探索：第一，當(dāng)前研究以市域尺度的游客空間分布為主要研究內(nèi)容，未來可以將空間尺度從城市上升到省域、大區(qū)域、國家及國際，借鑒遠(yuǎn)程耦合框架，從研究游客流動(dòng)的局部現(xiàn)象轉(zhuǎn)換到探討遠(yuǎn)距離相互作用的可持續(xù)性問題，結(jié)合圖像視覺內(nèi)容及評論數(shù)據(jù)探討以旅游為媒介的文化和政治交流、信息傳播、貨幣流動(dòng)等議題[104];第二，由于圖像大數(shù)據(jù)自身性質(zhì)，當(dāng)前圖像研究專注于時(shí)空現(xiàn)象描述，缺少對時(shí)空機(jī)制的探究，未來研究可以對圖像數(shù)據(jù)進(jìn)行突發(fā)事件的偵測，增強(qiáng)與其他多源數(shù)據(jù)的整合，深入分析影響旅游流集聚與擴(kuò)散的影響因素與機(jī)制[105];第三，當(dāng)前旅游圖像研究大多關(guān)注“是什么”的問題，未來可以反向思考，通過分析目的地的地理標(biāo)簽圖像來探尋每個(gè)城市獨(dú)一無二的視覺線索[106]，解決“什么是”的問題。

（2）圖像視覺分析亟需旅游符號體系。當(dāng)前對視覺要素的分析，旅游學(xué)者基本完成了對旅游要素（人、物、景）的提取與統(tǒng)計(jì)，并以此揭示游客的關(guān)注點(diǎn)。進(jìn)一步的研究可以分析圖像中的旅游要素符號，對要素符號的歷史淵源和主導(dǎo)意識形態(tài)展開分析[107]。通過對傳達(dá)特定含義的要素符號進(jìn)行總結(jié)與歸納，可以建立專屬于旅游領(lǐng)域的符號體系，為現(xiàn)有的旅游目的地品牌營銷提供新思路[59]。社會學(xué)中常用的精神分析、話語分析、民族志等方法[60]，未來也可以引入旅游圖像研究中，深層次地挖掘圖像背后存在的廣泛社會聯(lián)結(jié)，揭示游客自我構(gòu)建的心理學(xué)機(jī)制問題以及涉及全球、全行業(yè)的話語權(quán)力問題，這都將持續(xù)推進(jìn)旅游圖像研究的發(fā)展。

（3）信息技術(shù)進(jìn)步推進(jìn)多源數(shù)據(jù)整合。雖然用戶生成圖像被廣泛使用，但用戶生成圖像數(shù)據(jù)源本身的局限性，如群體偏好、場所限制、信息制約等可能會削弱其在定量分析中的準(zhǔn)確性。研究可通過多源數(shù)據(jù)源協(xié)同處理來彌補(bǔ)部分樣本信息的缺陷，更全面地揭示游客的行為與偏好。同時(shí)隨著5G技術(shù)的到來，移動(dòng)設(shè)備傳輸速率與容量大幅度擴(kuò)大，全球?qū)⑦M(jìn)入視頻技術(shù)蓬勃發(fā)展的時(shí)代，研究者對于視覺材料的分析也將會從“截面數(shù)據(jù)”轉(zhuǎn)向“面板數(shù)據(jù)”[108]。GeoVideo包含的空間屬性（視頻拍攝的緯度和經(jīng)度），協(xié)同拍攝視頻的視圖方向以及攝像機(jī)的角度，可以幫助研究者探究用戶視圖的方向，深入挖掘興趣區(qū)域，識別新的軌跡模式[109]。此外，移動(dòng)端口的虛擬現(xiàn)實(shí)技術(shù)、增強(qiáng)現(xiàn)實(shí)技術(shù)等特殊圖像類型也給游客的旅游體驗(yàn)帶來了多維度的轉(zhuǎn)變，使得旅游活動(dòng)的多維感官評價(jià)成為可能。

參考文獻(xiàn)（References）

[1] HANSEN A S. Testing visitor produced pictures as a management strategy to study visitor experience qualities—A Swedish marine case study[J]. Journal of Outdoor Recreation and Tourism， 2016， 14： 52-64.

[2] MATTEUCCI X. Photo elicitation： Exploring tourist experiences with researcher-found images[J]. Tourism Management， 2013， 35： 190-197.

[3] BALOMENOU N， GARROD B. Photographs in tourism research： Prejudice， power， performance and participant-generated images[J]. Tourism Management， 2019， 70： 201-217.

[4] URRY J. The Tourist Gaze[M]. London： Sage publications， 2002：1-15.

[5] MAK A H N. Online destination image： Comparing national tourism organisations and touristsperspectives[J]. Tourism Management， 2017， 60： 280-297.

[6] LI J， XU L， TANG L， et al. Big data in tourism research： A literature review[J]. Tourism Management， 2018， 68： 301-323.

[7] FORSYTH D A， PONCE J. Computer Vision： A Modern Approach[M]. Upper Saddle River： Prentice Hall， 2002：401-435.

[8] 周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016： 97-217. [ZHOU Zhihua. Machine Learning[M]. Beijing： Tsinghua University Press， 2016： 97-217.]

[9] 王麗.基于地理標(biāo)簽照片的國外旅游研究述評與展望[J].現(xiàn)代城市研究， 2018（8）：123-130. [WANG Li. A review of foreign tourism research based on geo-tagged photos[J]. Modern Urban Research， 2018（8）：123-130.]

[10] 張麗英，裴韜，陳宜金，等.基于街景圖像的城市環(huán)境評價(jià)研究綜述[J].地球信息科學(xué)學(xué)報(bào)，2019，21（1）：46-58. [ZHANG Liying， PEI Tao， CHEN Yijin， et al. A review of urban environmental assessment based on street view images[J]. Geography and Geo-Information Science， 2019，21（1）：46-58.]

[11] RODELLA I， CORBAU C， SIMEONI U， et al. Assessment of the relationship between geomorphological evolution， carrying capacity and users perception： Case studies in Emilia-Romagna （Italy）[J]. Tourism Management， 2017， 59： 7-22.

[12] MARKWICK M. Postcards from Malta： Image， consumption， context[J]. Annals of Tourism Research， 2001， 28（2）： 417-438.

[13] 黃燕，趙振斌，褚玉杰，等.互聯(lián)網(wǎng)時(shí)代的旅游地視覺表征：多元建構(gòu)與循環(huán)[J].旅游學(xué)刊，2015，30（6）：91-101. [HUANG Yan， ZHAO Zhenbin， CHU Yujie， et al. The visual representation of tourism destinations in the Internet era： Multiple constructions and circulations[J] Tourism Tribune， 2015， 30（6）：91-101.]

[14] 戴光全， 陳欣. 廣州上下九的視覺表征分析——以互聯(lián)網(wǎng)營銷圖片為例[J]. 人文地理， 2010（5）：148-153. [DAI Guangquan， CHEN Xin. The visual representation analysis of Shangxiajiu street in Guangzhou city. [J] Human Geography， 2010（5）：148-153.]

[15] ESPELT N G， BENITO J A D. The social construction of the image of Girona： A methodological approach[J]. Tourism Management， 2005， 26（5）： 777-785.

[16] ALBERS P C， JAMES W R. Travel photography： A methodological approach[J]. Annals of Tourism Research， 1988， 15（1）： 134-158.

[17] HUNTER W C. A typology of photographic representations for tourism： Depictions of groomed spaces[J]. Tourism Management， 2008， 29（2）： 354-365.

[18] ECHTNER C M， PRASAD P. The context of third world tourism marketing[J]. Annals of Tourism Research 2003， 30（3）： 660-682.

[19] BIJOUX D， MYERS J. Interviews， solicited diaries and photography： ‘New ways of accessing everyday experiences of place[J]. Graduate Journal of Asia-Pacific Studies， 2006， 4（1）：44-124.

[20] HAYWOOD K M. Visitor-employed photography： An urban visit assessment[J]. Journal of Travel Research， 1990， 29（1）： 25-29.

[21] BRICKELL K. Visual critiques of tourist development： Host-employed photography in Vietnam[J]. Tourism Geographies， 2012， 14（1）：98-116.

[22] BALOMENOU N， GARROD B. Using volunteer-employed photography to inform tourism planning decisions： A study of St Davids Peninsula， Wales[J]. Tourism Management， 2014， 44： 126-139.

[23] GARROD B. Exploring place perception a photo-based analysis[J]. Annals of Tourism Research， 2008， 35（2）： 381-401.

[24] MACKAY K J， COULDWELL C M. Using visitor-employed photography to investigate destination image[J]. Journal of Travel Research， 2004， 42（4）： 390-396.

[25] TAYLOR J G， CZARNOWSKI K J， SEXTON N R， et al. The importance of water to Rocky Mountain National Park visitors： An adaptation of visitor-employed photography to natural resources management[J]. Journal of Applied Recreation Research， 1995， 20（1）： 61-85.

[26] CHENOWETH R. Visitor employed photography： A potential tool for landscape architecture[J]. Landscape Journal， 1984， 3（2）： 136-143.

[27] DORWART C E， MOORE R L， LEUNG Y F. Visitors perceptions of a trail environment and effects on experiences： A model for nature-based recreation experiences[J]. Leisure Sciences， 2009， 32（1）： 33-54.

[28] GOU S， SHIBATA S. Using visitor-employed photography to study the visitor experience on a pilgrimage route—A case study of the Nakahechi Route on the Kumano Kodo pilgrimage network in Japan[J]. Journal of Outdoor Recreation and Tourism， 2017， 18： 22-33.

[29] PLA-SACRIST?N E， GONZ?LEZ-D?AZ I， MART?NEZ-CORT?S T， et al. Finding landmarks within settled areas using hierarchical density-based clustering and meta-data from publicly available images[J]. Expert Systems with Applications， 2019， 123： 315-327.

[30] VAN CANNEYT S， SCHOCKAERT S， DHOEDT B. Categorizing events using spatio-temporal and user features from Flickr[J]. Information Sciences， 2016， 328： 76-96.

[31] 秦靜，李郎平，唐鳴鏑，等.基于地理標(biāo)記照片的北京市入境旅游流空間特征[J].地理學(xué)報(bào)，2018，73（8）：1556-1570. [QIN Jing， LI Langping， TANG Mingdi， et al. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos[J]. Acta Geographica Sinica， 2018，73（8）：1556-1570.]

[32] 李春明，王亞軍，劉尹，等.基于地理參考照片的景區(qū)游客時(shí)空行為研究[J].旅游學(xué)刊，2013，28（10）：30-36. [LI Chunming， WANG Yajun， Liu Yin， et al. A study of the temporal-spatial behavior of tourists based on georeferenced photos [J].Tourism Tribune， 2013，28（10）：30-36.]

[33] LEE I， CAI G， LEE K. Exploration of geo-tagged photos through data mining approaches[J]. Expert Systems with Applications， 2014， 41（2）： 397-405.

[34] DENG N， LI X R. Feeling a destination through the “right” photos： A machine learning model for DMOs photo selection[J]. Tourism Management， 2018， 65： 267-278.

[35] KISILEVICH S， KRSTAJIC M， KEIM D， et al. Event-based analysis of peoples activities and behavior using Flickr and Panoramio geotagged photo collections[C]//2010 14th International Conference Information Visualisation. London： IEEE， 2010： 289-296.

[36] ZHOU X， XU C， KIMMONS B. Detecting tourism destinations using scalable geospatial analysis based on cloud computing platform[J]. Computers， Environment and Urban Systems， 2015， 54： 144-153.

[37] MAJID A， CHEN L， CHEN G， et al. A context-aware personalized travel recommendation system based on geotagged social media data mining[J]. International Journal of Geographical Information Science， 2013， 27（4）： 662-684.

[38] ?NDER I. Classifying multi-destination trips in Austria with big data[J]. Tourism Management Perspectives， 2017， 21： 54-58.

[39] 陳寧，彭霞，黃舟.社交媒體地理大數(shù)據(jù)的旅游景點(diǎn)熱度分析[J].測繪科學(xué)，2016，41（12）：167-171. [CHEN Ning， PENG Xia， HUANG Zhou. Popularity analysis of tourist attraction based on geotagged social media big data[J]. Science of Surveying and Mapping， 2016，41（12）：167-171.]

[40] SALAS-OLMEDO M H， MOYA-G?MEZ B， GARC?A-PALOMARES J C， et al. Tourists digital footprint in cities： Comparing big data sources[J]. Tourism Management， 2018， 66： 13-25.

[41] OKUYAMA K， YANAI K. A Travel Planning System Based on Travel Trajectories Extracted from a Large Number of Geotagged Photos on the Web[M]. New York： The Era of Interactive Media. Springer， 2013： 657-670.

[42] LU X， WANG C， YANG J M， et al. Photo2trip： Generating travel routes from geo-tagged photos for trip planning[C]//Proceedings of the 18th ACM international conference on Multimedia. New York： ACM， 2010： 143-152.

[43] LU D， WU R， SANG J. Overlapped user-based comparative study on photo-sharing websites[J]. Information Sciences， 2017， 376： 54-70.

[44] AGUST? D P. Characterizing the location of tourist images in cities. Differences in user-generated images （Instagram）， official tourist brochures and travel guides[J]. Annals of Tourism Research， 2018， 73： 103-115.

[45] HAUSMANN A， TOIVONEN T， SLOTOW R， et al. Social media data can be used to understand tourists preferences for nature-based experiences in protected areas[J]. Conservation Letters， 2018， 11（1）： 1-10.

[46] NIKJOO A， BAKHSHI H. The presence of tourists and residents in shared travel photos[J]. Tourism Management， 2019， 70： 89-98.

[47] ALIVAND M， HOCHMAIR H H. Spatiotemporal analysis of photo contribution patterns to Panoramio and Flickr[J]. Cartography and Geographic Information Science， 2017， 44（2）： 170-184.

[48] ZHOU X， WANG M， LI D. From stay to play—A travel planning tool based on crowdsourcing user-generated contents[J]. Applied Geography， 2017， 78： 1-11.

[49] STEEN JACOBSEN J K. Use of landscape perception methods in tourism studies： A review of photo-based research approaches[J]. Tourism Geographies， 2007， 9（3）： 234-253.

[50] 林志瑋，丁啟祿，涂偉豪，等.基于多元HoG及無人機(jī)航拍圖像的植被類型識別[J].森林與環(huán)境學(xué)報(bào)，2018，38（4）：444-450. [LIN Zhiwei， DING Qilu， TU Weihao， et al. Vegetation type recognition based on multivariate HoG and aerial image captured by UAV[J]. Journal of Forest and Environment， 2018，38（4）：444-450.]

[51] 郭新磊，宜樹華，秦彧，等.基于無人機(jī)的青藏高原鼠兔潛在棲息地環(huán)境初步研究[J].草業(yè)科學(xué)，2017，34（6）：1306-1313. [GUO Xinlei， YI Shuhua， QIN Yu， et al. Habitat environment affects the distribution of plateau pikas：A study based on an unmanned aerial vehicle[J]. Pratacultural Science， 2017，34（6）：1306-1313.]

[52] 甘欣悅，佘天唯，龍瀛.街道建成環(huán)境中的城市非正規(guī)性：基于北京老城街景圖片的人工打分與機(jī)器學(xué)習(xí)相結(jié)合的識別探索[J].時(shí)代建筑，2018（1）：62-68. [GAN Xinyue， SHE Tianwei， LONG Ying. Understanding urban infromality in street built environment： Combining manual evaluation with machine learning in processing the Beijing old citys street-view images[J]. Time + Architecture， 2018（1）：62-68.]

[53] TANG J， LONG Y. Measuring visual quality of street space and its temporal variation： Methodology and its application in the Hutong area in Beijing[J]. Landscape and Urban Planning， 2019， 191： 103436.

[54] HE L， P?EZ A， LIU D. Built environment and violent crime： An environmental audit approach using Google Street View[J]. Computers， Environment and Urban Systems， 2017， 66： 83-95.

[55] MOONEY S J， DIMAGGIO C J， LOVASI G S， et al. Use of Google Street View to assess environmental contributions to pedestrian injury[J]. American Journal of Public Health， 2016，106（3）：462-469.

[56] GEBRU T， KRAUSE J， WANG Y， et al. Using deep learning and Google Street View to estimate the demographic makeup of neighborhoods across the United States[J]. Proceedings of the National Academy of Sciences， 2017， 114（50）： 13108-13113.

[57] YIN L， WANG Z. Measuring visual enclosure for street walkability： Using machine learning algorithms and Google Street View imagery[J]. Applied Geography， 2016， 76： 147-153.

[58] LI X， RATTI C， SEIFERLING I. Quantifying the shade provision of street trees in urban landscape： A case study in Boston， USA， using Google Street View[J]. Landscape and Urban Planning， 2018， 169： 81-91.

[59] KIM H， STEPCHENKOVA S. Effect of tourist photographs on attitudes towards destination： Manifest and latent content[J]. Tourism Management， 2015， 49： 29-41.

[60] ROSE G. Visual methodologies： An Introduction to Researching with Visual Materials[M]. London： Sage publications， 2016： 85-146.

[61] HUNTER W C. The social construction of tourism online destination image： A comparative semiotic analysis of the visual representation of Seoul[J]. Tourism Management， 2016， 54： 221-229.

[62] CATON K， SANTOS C A. Closing the hermeneutic circle？ Photographic encounters with the other[J]. Annals of Tourism Research， 2008， 35（1）： 7-26.

[63] 鄧寧，鐘櫟娜，李宏.基于UGC圖片元數(shù)據(jù)的目的地形象感知——以北京為例[J].旅游學(xué)刊，2018，33（1）：53-62. [DENG Ning， ZHONG Lina， LI Hong. Perception of travel destination image based on user-generated photograph metadata： The case of Beijing[J]. Tourism Tribune， 2018，33（1）：53-62.]

[64] 周詢，王躍賓，劉素紅，等.一種遙感影像自動(dòng)識別耕地類型的機(jī)器學(xué)習(xí)算法[J].國土資源遙感，2018，30（4）：68-73. [ZHOU Xun， WANG Yuebin， LIU Suhong， et al. A machine learning algorithm for automatic identification of cultivated land in remote sensing images[J]. Remote Sensing for Land & Resources， 2018，30（4）：68-73.]

[65] LIU L， ZHOU B， ZHAO J， et al. C-IMAGE： City cognitive mapping through geo-tagged photos[J]. GeoJournal， 2016， 81（6）： 817-861.

[66] KANG Y， JIA Q， GAO S， et al. Extracting human emotions at different places based on facial expressions and spatial clustering analysis[J]. Transactions in GIS， 2019， 23（3）：450-480.

[67] 鄧寧，劉耀芳，牛宇，等.不同來源地旅游者對北京目的地形象感知差異——基于深度學(xué)習(xí)的Flickr圖片分析[J].資源科學(xué)，2019，41（3）：416-429. [DENG Ning， LIU Yaofang， NIU Yu， et al. Different perceptions of Beijings destination images from tourists： An analysis of Flickr photos based on deep learning method[J]. Resources Science， 2019，41（3）：416-429.]

[68] DA RUGNA J， CHAREYRON G， BRANCHET B. Tourist behavior analysis through geotagged photographies： A method to identify the country of origin[C]//2012 IEEE 13th International Symposium on Computational Intelligence and Informatics （CINTI）. Budapest： IEEE， 2012： 347-351.

[69] SIMON I， SNAVELY N， SEITZ S M. Scene summarization for online image collections[C]//2007 IEEE 11th International Conference on Computer Vision. Rio de Janeiro： IEEE， 2007： 1-8.

[70] KENNEDY L， NAAMAN M. Generating diverse and representative image search results for landmarks[C]//Proceedings of the 17th International Conference on World Wide Web. Beijing： ACM， 2008： 297-306.

[71] KURASHIMA T， IWATA T， IRIE G， et al. Travel route recommendation using geotagged photos[J]. Knowledge and Information Systems， 2013， 37（1）： 37-60.

[72] KENNEDY L， NAAMAN M， AHERN S， et al. How flickr helps us make sense of the world： Context and content in community-contributed media collections[C]//Proceedings of the 15th ACM International Conference on Multimedia. New York： ACM， 2007： 631-640.

[73] ZHENG Y T， ZHA Z J， CHUA T S. Mining travel patterns from geotagged photos[J]. ACM Transactions on Intelligent Systems and Technology （TIST）， 2012， 3（3）： 1-18.

[74] MIAH S J， VU H Q， GAMMACK J， et al. A big data analytics method for tourist behaviour analysis[J]. Information & Management， 2017， 54（6）： 771-785.

[75] MOU N， YUAN R， YANG T， et al. Exploring spatio-temporal changes of city inbound tourism flow： The case of Shanghai， China[J]. Tourism Management， 2020， 76： 103955

[76] GARC?A-PALOMARES J C， GUTI?RREZ J， M?NGUEZ C. Identification of tourist hot spots based on social networks： A comparative analysis of European metropolises using photo-sharing services and GIS[J]. Applied Geography， 2015， 63： 408-417.

[77] SU S， WAN C， HU Y， et al. Characterizing geographical preferences of international tourists and the local influential factors in China using geo-tagged photos on social media[J]. Applied Geography， 2016， 73： 26-37.

[78] 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.

[79] PAN S， LEE J， TSAI H. Travel photos： Motivations， image dimensions， and affective qualities of places[J]. Tourism Management， 2014， 40： 59-69.

[80] ?NDER I， KOERBITZ W， HUBMANN-HAIDVOGEL A. Tracing tourists by their digital footprints： The case of Austria[J]. Journal of Travel Research， 2016， 55（5）： 566-573.

[81] K?D?R B. Measuring tourist activities in cities using geotagged photography[J]. Tourism Geographies， 2014， 16（1）： 88-104.

[82] SESSIONS C， WOOD S A， RABOTYAGOV S， et al. Measuring recreational visitation at US National Parks with crowd-sourced photographs[J]. Journal of Environmental Management， 2016， 183： 703-711.

[83] LEVIN N， KARK S， CRANDALL D. Where have all the people gone？ Enhancing global conservation using night lights and social media[J]. Ecological Applications， 2015， 25（8）： 2153-2167.

[84] LEVIN N， LECHNER A M， BROWN G. An evaluation of crowd sourced information for assessing the visitation and perceived importance of protected areas[J]. Applied Geography， 2017， 79： 115-126.

[85] WOOD S A， GUERRY A D， SILVER J M， et al. Using social media to quantify nature-based tourism and recreation[J]. Scientific Reports， 2013（3）： 2976.

[86] SERMANET P， KAVUKCUOGLU K， CHINTALA S， et al. Pedestrian detection with unsupervised multi-stage feature learning[C]// 2013 IEEE Conference on Computer Vision and Pattern Recognition. Portland， OR： IEEE， 2013： 3626-3633.

[87] 李淵，王秋穎，王德.GPS與回憶日志在旅游者空間行為上的精度比對——鼓浪嶼實(shí)證研究[J].旅游學(xué)刊，2017，32（8）：81-92. [LI Yuan， WANG Qiuying， WANG De. Precision and differential analysis by using GPS and recall diaries in the tourists behavior research： The case of Gulangyu[J]. Tourism Tribune， 2017，32（8）：81-92.]

[88] MANCINI F， COGHILL G M， LUSSEAU D. Using social media to quantify spatial and temporal dynamics of nature-based recreational activities[J]. PloS One， 2018， 13（7）： e0200565.

[89] ARASE Y， XIE X， HARA T， et al. Mining peoples trips from large scale geo-tagged photos[C]//Proceedings of the 18th ACM International Conference on Multimedia. New York： ACM， 2010： 133-142.

[90] KOU N M， YANG Y， GONG Z. Travel topic analysis： A mutually reinforcing method for geo-tagged photos[J]. GeoInformatica， 2015， 19（4）： 693-721.

[91] 吳清霞，周婭，文締堯，等.基于用戶興趣和興趣點(diǎn)流行度的個(gè)性化旅游路線推薦[J].計(jì)算機(jī)應(yīng)用，2016，36（6）：1762-1766. [WU Qingxia， ZHOU Ya， WEN Diyao， et al. Personalized trip itinerary recommendation based on user interests and points of interest popularity[J]. Journal of Computer Applications， 2016，36（6）：1762-1766.]

[92] HILLMAN W. Travel authenticated？ Postcards， tourist brochures， and travel photography[J]. Tourism Analysis， 2007， 12（3）： 135-148.

[93] CHALFEN R M. Photographs role in tourism： Some unexplored relationships[J]. Annals of Tourism Research， 1979， 6（4）： 435-447.

[94] COHEN E， NIR Y， ALMAGOR U. Stranger-local interaction in photography[J]. Annals of Tourism Research， 1992， 19（2）： 213-233.

[95] YANG Z， HU H， WALL G. From gaze to dialogue： Host-guest relationships in Lijiang， China， as illustrated by the case of Joseph F. Rock[J]. Asia Pacific Journal of Tourism Research， 2017， 22（1）： 74-87.

[96] BOURDIEU P， WHITESIDE S. Photography： A Middle-Brow Art[M]. California： Stanford University Press， 1996： 1-225.

[97] STYLIANOU-LAMBERT T. Tourists with cameras： Reproducing or producing？ [J]. Annals of Tourism Research， 2012， 39（4）： 1817-1838.

[98] GARROD B. Understanding the relationship between tourism destination imagery and tourist photography[J]. Journal of Travel Research， 2009， 47（3）： 346-358.

[99] STEPCHENKOVA S， ZHAN F. Visual destination images of Peru： Comparative content analysis of DMO and user-generated photography[J]. Tourism Management， 2013， 36： 590-601.

[100] 王盼盼，嚴(yán)艷，陳悅悅，等.基于跨文化視角的旅游地視覺表征差異分析——以中美游客鏡頭下的西藏為例[J]. 浙江大學(xué)學(xué)報(bào)（理學(xué)版）， 2018， 45（2）： 242-250; 260. [WANG Panpan， YAN Yan， CHEN Yueyue， et al. The difference in visual representation of tourism destination based on cross-cultural perspective—A case of Tibet through the camera lenses of Chinese and American tourists[J].Journal of Zhejiang University （Science Edition）， 2018， 45（2）： 242-250; 260.]

[101] YIN L， CHENG Q， WANG Z， et al. ‘Big data for pedestrian volume： Exploring the use of Google Street View images for pedestrian counts[J]. Applied Geography， 2015， 63： 337-345.

[102] 郝新華，龍瀛.街道綠化： 一個(gè)新的可步行性評價(jià)指標(biāo)[J]. 上海城市規(guī)劃， 2017（1）： 32-36; 49. [HAO Xinhua， LONG Ying. Street greenery： A new indicator for evaluating walkability[J]. Shanghai Urban Planning Review， 2017（1）： 32-36; 49.]

[103] CHENG L， CHU S， ZONG W， et al. Use of Tencent Street View imagery for visual perception of streets[J]. ISPRS International Journal of Geo-Information， 2017， 6： 265.

[104] RAMADONA A L， TOZAN Y， LAZUARDI L， et al. A combination of incidence data and mobility proxies from social media predicts the intra-urban spread of dengue in Yogyakarta， Indonesia[J]. Plos Neglected Tropical Diseases， 2019， 13（4）： e0007298.

[105] KIM Y， KIM C， LEE D K， et al. Quantifying nature-based tourism in protected areas in developing countries by using social big data[J]. Tourism Management， 2019， 72： 249-256.

[106] ZHANG F， ZHOU B， RATTI C， et al. Discovering place-informative scenes and objects using social media photos[J]. Royal Society Open Science， 2019， 6（3）： 181375.

[107] ZHAO X， BELK R W. Politicizing consumer culture： Advertisings appropriation of political ideology in Chinas social transition[J]. Journal of Consumer Research， 2008， 35（2）： 231-244.

[108] GRIFFIN T. A discussion of video as a data collection tool[J]. Current Issues in Tourism， 2018，22（18）： 2183-2196.

[109] DING W， YANG K S， NAM K W. Measuring similarity between geo-tagged videos using largest common view[J]. Electronics Letters， 2019， 55（8）： 450-452.