论文部分内容阅读
[摘要]目前，采用GPs追踪技术获取旅游者时空行为轨迹数据的技术已经开始应用于旅游行为研究中，但是对基于GPS数据的旅游时空行为的分析仍然停留在描述分析和模式聚类阶段。如何深入挖掘空间尺度上精确至米、时间尺度上精确到秒的GPS数据，文章尝试运用ArcGIS技术在对GPS轨迹点实现时空路径三维可视化的基础上，进一步提炼出路径长度、游览时间、游览速度、覆盖面积和椭圆周长5项量化评价指标，并提出了具体的计算方法，在计算5项量化指标的基础上采用因子分析的方法探索基于GPs数据的旅游时空行为评价因子。以香港海洋公园旅游者时空行为GPs追踪数据的分析为案例，将旅游时空行为评价因子提取为空间一时间因子、节奏一消费因子和情感一经验因子3个评价因子。由此，提出了一种基于GPs数据的旅游时空行为评价方法，为GPS数据的挖掘和利用提供研究基础。从旅游供给的角度来说，为基于旅游者时空行为分析的产品提升和精细化管理提供指导，比如通过延长旅游者的游览时间、延长游览路径、扩大游览面积、降低游览速度、增加旅游消费、增加旅游经验和增强情感体验等措施，均能有效地增加旅游体验的数量和质量。
[关键词]旅游时空行为；旅游行为评价；时空路径可视化；GPS数据；因子分析
[中图分类号]F59
[文献标识码JA
[文章编号]1002-5006（2016）09-0041-09
Doi：10.3969/j.issn.1002-5006.2016.09.015
引言
旅游活动通常被理解为日常生活的溢出，旅游研究也因而被视为社会科学中比较边缘的学科。近年来，对“移动性”（mobility）的关注以及“移动范式”（motilities paradigm）的出现使得旅游活动被放置到人类社会活动的核心位置上；因而，移动性逐渐被理解为旅游研究的核心命题。20世纪六七十年代乃至90年代，以计量化和“利益”导向性为主要研究范式的交通地理学和当代城市地理学研究引发了学界对于“流动”问题的反思，认为空间的流动具有更丰富的意义，而不仅是时空成本的测算，随之推动了“新流动性范式”（the new mobilityparadigm）的转向与发展，促进了多学科和跨学科研究的融合；“新流动性范式”被认为是在新全球秩序中理解人类诸多新的生存方式乃至解开全球化运转机制问题的密码，甚至有学者指出西方人文地理学出现了“新流动性范式”的转向与发展。流动在物质空间中的形成、发展和消失是人类体验世界的重要方式，是空间产生意义，从而形成“地方”的过程，包含了对移动的人、物和信息在内的几乎所有复杂而相关联的社会力量。现代性的意义非常丰富，借助许多不同的标识，我们可以追踪它的实现和随后的进展。英国著名社会学家齐格蒙特·鲍曼在他的著作《流动的现代性》中指出，“现代生活和现代背景有一个非常突出的特点，这一突出特点也许是“差异产生差异”（difference makes difference）；也许是它们的所有其他的特性都源于它的关键特性，这一关键特性就是空间和时间之间的变动关系；当时间和空间从生活实践中分离出来，当它们彼此分离，并且易于从理论上来解释为个别的、相互独立的行为类型和策略类型时，现代性就出现了”。大众旅游作为一种社会现象的出现，正是由一个一个独立的个体因为各种动机从惯常居住地流向旅游目的地、再返回惯常居住地的旅游时空行为的总和。
随着移动互联网技术和地理信息技术的进步，已经可以实现对个体旅游时空行为轨迹的精确追踪和记录。然而，追踪和记录并不是研究目的，新技术的运用应当为更好地理解人类旅游活动并优化旅游行为提供新的知识。目前，采用GPS追踪技术获取旅游者时空行为轨迹数据的技术已经开始应用于旅游行为研究中，但是对基于GPS数据的旅游时空行为的分析仍然停留在描述分析和模式聚类阶段。尽管，这些运用GPS追踪技术获取旅游者时空行为轨迹数据的研究将人类个体旅游行为轨迹追踪精确至米的空间尺度和秒的时间尺度，在帮助人们更好地理解人类个体旅游活动方面取得了显著的进展，但是在如何评价人类个体旅游行为并为旅游产品供给和管理提供指导等方面却仍然处于探索阶段。本文尝试运用ArcGIS技术在对GPS轨迹点实现时空路径可视化的基础上，进行量化指标的计算，并采用因子分析的方法探索基于GPS数据的旅游时空行为评价因子。
1.旅游行为评价研究进展
1.1旅游时空行为与旅游体验
旅游时空行为是指旅游者在出发地至目的地、旅游目的地内部和返回出发地旅游过程中的空间移动行为和时间分配行为。这个概念与旅游者空间行为的区别就在于“时间”要素的引入。休闲行为的研究中更加偏重“时间”要素，而是旅游研究领域更重视旅游者的空间移动。旅游体验既是一个心理过程，也是一个物理过程；既是一个时间现象，也是一个空间现象；既是一个个体行为，也是一个社会行为。旅游体验过程是一个有一定自组织能力的连续系统，由一个个富有特色和专门意义的情境串联组合而成。旅游体验的质量，实际上是旅游体验的根本性问题。而旅游行为则是实现旅游需要的具体方式或手段。可以说，旅游时空行为是获得旅游体验的过程和手段。
如果要评价旅游时空行为，首先要确定判别好坏的原则。从功能主义角度出发，旅游体验的获得既然是旅游时空行为的目的，那么旅游体验的获得情况则可以作为评价旅游时空行为的基本点。能够增加旅游体验丰度或深度的旅游时空行为就是优质的行为，反之则是低效的需要避免的行为。
1.2旅游线路的评价方法
评价微观空间尺度旅游时空行为的研究相对较少，直接相关的是对旅游线路的评价研究。周尚意等以苏州游客调查资料为基础，设计了凸显旅游群体线路选择差异性的“旅游线路多元化指标”（tour route diversification index，TRDI，数学表达式为“TRDI=TRC/TRAxl00%”），通过计算苏州城市旅游中不同年龄、不同受教育程度、不同职业人群的TRDI，分析不同群体旅游线路选择的多样性差异；并在中观尺度上提出了旅游线路设计的基本理念和评价方法。刘法建等以皖南旅游区具有代表性的旅行社为基础，搜集涉及皖南的所有路线，提出TICI指数（c1指市场上线路中若干景区的组合数，c2指若干个景区线路总组合数，TICI=C1/C2，若某旅游区的TICI越大，说明其旅游资源开发越成熟，线路设计越完善），分析市场上皖南线路的完备程度。陈高维等基于垂直搜索引擎的旅游线路评价推荐系统设计了旅游线路动态评分模型，综合考虑景点状态、景区交通、卫生安全、自然灾害、季节因素、星期因素、服务因素等影响因子通过推荐值公式进行计算，当游客进行搜索请求时提供每一条旅游路线的推荐值。陆林和汤云云以珠江三角洲都市圈2009-2011年度中国100强旅行社官网旅游线路报价单为基础数据，通过频数统计方法统计珠三角都市圈内各客源地不同线路模式所占频次比重，发现不同客源地旅游者行为模式差异较大，不同城市在不同客源地旅游线路中的角色与地位不同。闫晨红等选取湖北省大洪山国家级风景名胜区核心跨界旅游区作为研究对象，以政府官方网站和旅游局网站公布数据为数据资料，采用ArcGIS技术分析跨界旅游区线路路径，发现跨界组合线路以较低成本给游客带来更丰富的体验，提高边际效益，而交通时间边际成本则处于递减区域，进一步验证了旅行时间和费用是影响旅游线路的决定性影响因子。 1.3旅游时空行为评价因子
笔者此前在颐和园旅游者时空行为日志调查数据分析的基础上，提出了行为时空、旅游活动、旅游消费和旅游评价4个评价维度的旅游时空行为质量评价因子体系。颐和园旅游者时空行为评价因子指标体系包括了4个维度和13个因子（表1），是以问卷日志调查获取的数据为基础进行评价的指标体系。本文尝试以GPS追踪获取的轨迹数据为基础，辅助调查问卷获取的信息，提出基于GPS数据的旅游时空行为评价因子。
2.数据的获取与分析方法
2.1旅游者时空行为GPS数据的获取方法
研究组于2014年7月6-10日在香港海洋公园进行了为期5天的调研，采用手持GPS追踪设备和日志问卷调查的方式获取被试者旅游时空行为信息和个人属性信息。调查地点位于香港海洋公园入口内的旅游咨询中心，发放给愿意配合调查的旅游者一个手持GPS设备，请被调查者在完成全程游览之后交还GPS设备并填写日志调查问卷。本次调查共获取GPS轨迹511条，可用于ArcGIS进行时空路径可视化表达和计算的样本511条。
GPS数据的首要特征就是客观准确、测量精度高，具体精细化程度则有赖于采用的GPS设备。本次调研采用的手持GPS追踪设备的空间误差在10米以内（经纬度坐标为小数点后7位），时间精度达到30秒（每30秒进行一次定位）。旅游时空行为研究旅游者的空间位移和时间分配，GPS数据可以很好地刻画旅游者的空间移动轨迹和时间分配情况，回答旅游者“什么时间在什么地点”的问题。传统旅游者时空行为数据的调研采用活动日志问卷调查法，旅游者的空间位移和时间分配信息有赖于被调查者的记忆能力和主观配合意愿，而采用GPS设备能够客观地记录旅游者时空行为轨迹。
同时，GPS数据又是海量数据，呈点集状态。如表2所示，一个被调查者的GPS追踪数据格式为一系列的具有经纬度坐标、定位时间、瞬时速度和瞬时方向的点。以香港海洋公园景区尺度为例，本次调研获取了有效GPS轨迹511条，用于数据分析的点就有60.81万个。由于本次调研采用手持GPS设备，获取到的GPS轨迹条数受限于GPS设备的数量和周转次数，如果采用手机APP或者嵌入式GPS模块等调查方法，GPS数据的数量将成为真正的海量数据。获取到如此精确而海量的定位点集合，如何对GPS数据进行分析，提取出具有意义的信息，并为更好地理解旅游者行为和指导旅游时空环境改造等实践提供指导，是研究者需要探讨的问题。
2.2 GPS轨迹的时空路径可视化与测量思路
随着大数据时代的到来，基于位置的服务使得用户的位置信息不断被服务器后台自动记录下来，基于GPS定位的位置信息海量出现。采用地理信息技术对地理数据进行可视化表达和测量是不同学者共同的选择。比如，李春明等利用Panoramio网站收集游客在鼓浪屿拍摄的照片作为地理参考照片，采用ArcGIS空间分析法分析游客在鼓浪屿景区的时间变化、停留时间、移动轨迹和流向图等，反映景区内游客的时空行为，同时证实了地理参考信息分析法的可行性。陈宏飞等人采用Ajax技术抓取包含时空信息的西安市微博数据，运用ArcGIS热度分析工具在地理位置上进行聚类分析，以可视化的表达刻画不同时段微博用户活动的集中程度，以此揭示西安市居民夜间活动时空分布特征。
时间地理学的核心概念“时空路径”为GPS定位数据的可视化表达提供了更为有力的理论基础和概念框架，能够从空间和时间两个维度表达个体移动行为轨迹点的连续变化。关美宝等探讨并证实了通过GPS获取移动行为数据，应用时空路径概念和ArcGIS技术实现可视化表达的可行性。本文采用时间地理学的时空路径概念，运用ArcGIS将在香港海洋公园调研获取的511条旅游者时空行为GPS追踪轨迹进行了三维的可视化表达，如图1即是一条典型的三维旅游者时空路径。将如表2所示的GPS追踪数据表达为如图1所示的三维时空路径之后，可视化不仅能够帮助研究者更好地理解轨迹信息的意义，而且为进一步对GPS数据进行挖掘提供了测量视角。在采用时空路径的概念将GPS数据进行了旅游者时空路径可视化表达之后，对旅游者时空行为GPS数据进行测量的技术路线就变得清晰起来。不同旅游者的GPS轨迹表达为形态各异的旅游时空路径图，GPS数据已经从定位点的形态转换为线和面的形态。把如图1所示的时空路径作为一个几何图形，则可以通过软件计算这条路径的高度、长度和面积等指标。
2.3 GPS轨迹数据的AreGIS计算方法
（1）坐标转换与平面投影转换
本文采用ArcGISl0.2对采集的GPS旅游行为定位点数据进行处理。首先，对511组60.81万个GPS定位点数据通过记录的经纬度坐标转换为空间点；然后，将每组点集数据按照记录的先后顺序连接为一条完整的行为轨迹线。由于经纬度坐标生成的空间点基于球面WGS84坐标，后面的计算涉及距离，必须将生成的线图层转换为平面投影坐标系统。投影变换是一个值得重视的问题，未经投影变换的数据会产生较大的距离误差。
（2）指标计算
旅游时空行为是获得旅游体验的过程和手段，而移动是人类体验世界的重要方式。那么，从功能主义的视角来评价旅游时空行为，旅游体验过程“移动”的情况即为评价旅游时空行为的重要标准。因而，具体的评价指标则为移动的距离（包括空间距离和时间距离）、移动的速度和移动的范围三个方面。由此可得5项计算指标，即路径长度、游览时间、游览速度、覆盖面积和椭圆周长，以下分别阐释每个指标的具体意义和计算方法。
路径长度，表达旅游者时空路径的空间距离，是旅游者在XY轴坐标系中移动的全部距离。具体计算方法为，首先将每个样本的GPS定位点集数据按照记录的时间先后顺序连接为一条完整的行为轨迹线（图2）；在路径生成之后，计算每条路径的长度，公式如下：
其中，d代表每组测点数据轨迹的总路径，n为每组点的总数，X1和y1分别为第i个点的x坐标和y坐标。 游览时间，表达旅游者时空路径的时间距离，是旅游者在z轴上移动的全部距离。具体的计算方法相对简单，即依据每个样本GPS定位时间的终止点和起始点的时间差求出所用时间，从而计算出每条样本的游览时间。
游览速度，表达旅游者时空转换的效率，是旅游者空间位移和时间分配叠加的情况。具体计算方法为，路径长度除以游览时间。
覆盖面积，表达旅游者时空路径在XY轴坐标系中的投影面积，是旅游者通过移动获得旅游体验的空间面积。具体计算方法很多，本文采用能够覆盖所有定位点的最小椭圆作为覆盖面积（图3），根据每条轨迹的点集，采用ArcGIS生成轨迹覆盖面，然后分别统计每个覆盖面的面积，公式如下：
其中，u代表每组测点数据轨迹的平均速度，t1和tn分别为每组测点数据轨迹的起始时间和终止时间。
椭圆周长，是旅游者时空路径在XY轴坐标系投影几何图形的周长，辅助覆盖面积表达旅游体验的空问面积。由于本文计算的是最小椭圆的面积，因而周长计算椭圆周长。
（3）GPS数据处理地理模型
尽管ArcGIS功能强大，但面对60.81万个GPS定位点数据，按照要求分别求出每条轨迹的路径长度、游览时间、游览速度、覆盖面积和椭圆周长，人工完成的话仍然费时费力。ArcGIs的地理处理框架被称为一种功能强大的可视化建模语言，利用此框架，可以将许多繁杂耗时的工作流程化处理。因此，本文的数据采用研究团队基于ArcGIs开发构建的针对此类数据处理和分析的地理处理模型（图4）进行批量分析统计。
统计分析的结果如表3所示，路径长度、游览时间、游览速度、覆盖面积和椭圆周长5项指标的极值、均值、标准差和方差表明旅游者在这5项指标上的计算结果差异较大。这表明，以这5项指标评价分析旅游者时空行为具有可行性和有效性。
3.基于GPS数据的旅游时空行为评价因子探索
3.1 KMO和Banlett检验
因子分析的基本目的就是用少数几个测量因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。本文基于香港海洋公园旅游者时空行为GPS追踪数据计算获得的指标和匹配的问卷信息探讨旅游时空行为评价因子，剔除掉因设备故障GPS轨迹中断的样本、因被调查者将设备带离公园造成轨迹长度异常的样本和无法匹配调查问卷的样本，用于因子分析的有效样本共计403条。首先运用SPSSl9.0对变量进行了标准化，然后进行因子分析，提取因子载荷旋转后的因子，评价旅游时空行为的主要成分。初始变量包括通过ArcGIS计算获得的投影椭圆面积、投影椭圆周长、路径长度、平均速度、游览时间和匹配问卷中的总消费额、环保感知、第几次到香港、第几次来香港海洋公园等指标。由于主成分分析要求变量之间自相关性不能太强，即数据变量之间的相关性不能太强，若彼此相关性太强的数据应当剔除。经过多轮分析，剔除了干扰变量之后，最终选取路径长度、投影椭圆周长、投影椭圆面积、平均速度、总消费额、环保感知、第几次到香港共7个指标进行因子分析。如果KMO值小于0.5时，那就不太适合开展因子分析；大于0.6为“效果平庸”，大于0.7为“中度适宜”，大于0.8为“效果良好”。通过对旅游时空行为评价变量进行KMO检验和Bartlett球形检验，结果显示KMO值为0.702。
3.2因子分析结果和命名
根据特征值大于1的标准，采用最大方差法进行数据旋转，并采用主成分法抽取因子，对旅游时空行为评价变量进行探索性因子分析。结果如表5所示，旅游时空行为评价变量可以萃取为3个公因子，累计贡献率达到77.1%。
通过旋转成分矩阵可以看出，投影椭圆面积、路径长度和游览时间构成了第一个评价因子，可以命名为“空间一时间因子”；平均速度和总消费额构成了第二个评价因子，可以命名为“节奏一消费因子”；环保感知和第几次到香港构成了第3个评价因子，可以命名为“情感一经验因子”。
3.3旅游时空行为因子得分评价方法
因子分析除了对评价变量进行降维，最重要的作用在于可以根据因子分析结果给每个样本计算得分并进行排序。各个样本的因子得分反映了样本在某个方面的特征。通过得分的数值，可以对各个样本进行综合评估。由于因子得分经过标准化处理，一般不便于直接用于综合评价。用因子得分开展综合评价分析，最好将因子得分转换为主成分得分。因子得分转换为主成分得分的方法是，用因子得分乘以相应方差贡献或者特征根的平方根。转换之后，按样本加和，即可得到各个样品的综合得分。假定提取p个因子，用于评价的因子综合得分的公式可以表作
空间一时间因子中的投影椭圆面积、路径长度和游览时间系数均为正向的，表明旅游时空行为的空间覆盖的面积越大得分越高、经过的路径越长得分越高、时间跨度越大得分越高。可以理解为，旅游者到达了更多的空间和停留了更长的时间都对增加旅游体验具有正向意义。同样，节奏一消费因子中的总消费额以及情感一经验因子中的第几次来香港系数和环保感知系数也为正向的，表明旅游消费和旅游经验的增加对于旅游体验也具有正向意义。节奏一消费因子中的平均速度系数却是负向的，这表明随着旅游速度的加快对旅游体验的获得具有负面意义。
4.讨论
4.1旅游时空行为的价值内核
本文试图探讨旅游行为评价问题，先要确立评价的标准。在文献综述的基础上，论文首先梳理了旅游时空行为与旅游体验之间的关系。以客源地为出发点和终点的旅游时空行为作为人类移动行为的一种类型，正是人类体验世界的重要方式之一。在不同空间之间的移动仅仅是旅游者外显的行为，并不是旅游者的行为目的；以不同空间之间的移动作为手段获取对外在世界的理解和体验，才是旅游时空行为的目的。因此，本文将旅游体验的获得作为旅游时空行为的价值内核，进而对旅游时空行为进行了量化评价分析。旅游体验的获得并不能直接从旅游时空行为的观察与记录数据中计算出来，因而并不能直接以不同旅游时空行为获得的旅游体验多少作为评价旅游时空行为优劣的办法；本文采用以对旅游体验获得能力的评价进行替代，既然移动是体验的重要方式，那么具体的评价指标即设计为移动距离、移动速度和移动范围三个方面。 4.2旅游体验价值的时空维度
从“移动范式”的视角出发，空间自然而然地成为呈现旅游体验价值的维度。旅游者在完成旅游时空行为的过程中获得了怎样的旅游体验，首先体现在旅游者到达了多少空间和到达了哪些空间。从体验获得的视角出发，时间又成为影响体验深度的重要维度。旅游者到达了新的空间之后，在新空间中停留了多长时间，将直接影响旅游体验的深度。时间地理学不仅为旅游时空行为数据的可视化表达与测量提供了理论基础，而且为旅游时空行为评价引入时间维度提供了方法基础。因此，旅游时空行为评价指标中的移动距离不仅是旅游者在空间维度上移动的距离，还是旅游者在时间维度上移动的距离。
5.结论
5.1基于GPS数据的旅游时空行为评价方法
位置服务的广泛应用和地理信息技术的发展，使得基于GPS追踪技术获取旅游者时空行为数据变得越来越容易。如何处理和深入分析客观准确、高精度的海量旅游者GPS数据，从而帮助人们在更好地精细刻画和理解人类个体旅游行为的基础上，为基于旅游者时空行为评价的旅游供给调整和管理实践提供研究指导，是本文尝试解决的核心问题。本文系统地提出了旅游时空行为GPS数据分析方法，具体包括三个步骤：首先是采用时空路径的概念完成旅游时空路径的可视化表达，将GPS数据从定位点集状态转换为旅游时空路径线和面的状态；其次，应用ArcGIS软件实现对可视化表达后的旅游时空路径几何图形各项指标进行批量计算（比如路径长度、游览时间、游览速度、覆盖面积和椭圆周长等量化指标）；第三，则是对计算得出的各项指标进行进一步的分析和建模（比如因子分析等）。本文以香港海洋公园旅游者时空行为GPS追踪数据为例，展示了从GPS数据获取、时空路径可视化表达、量化评价指标提取和计算，到因子分析的全过程，为基于GPS数据的旅游时空行为评价提供了新的分析框架。
5.2基于旅游者时空行为评价的景区精细化管理
如果仅对旅游时空行为GPS追踪数据点集进行密度分析，通常只是验证人们对旅游者时空分布特征的定性认识，难以为旅游地（景区）规划和管理实践提供具有可操作性的指导。本文提出的基于GPS数据的旅游时空行为评价方法，通过深入分析和挖掘高精度的GPS追踪数据发现不同旅游者在路径长度、游览时间、游览速度、覆盖面积和椭圆周长等量化指标上表现出巨大的差异，这为理解旅游者体验质量差异提供了研究基础。因子分析不仅在GPS数据量化指标与匹配问卷信息的基础上提取出了空间一时间因子、节奏一消费因子和情感一经验因子3个评价因子，而且通过相关指标系数的正负关系为景区尺度的精细化管理指明了方向。具体来说，旅游景区通过旅游产品的调整、新产品设计、时空环境改造、解说系统完善等措施，以期实现延长旅游者的游览时间、延长游览路径、扩大游览面积、降低游览速度、增加旅游消费、增加旅游经验和增强情感体验等目标，最终提升旅游者体验质量和满意度水平。
致谢：特别感谢香港海洋公园允许项目组在园区内进行旅游者时空行为调查，以提供给每一位被调查者纪念品的形式给予本研究的资助，提供的公园规划建设、经营和管理等相关信息和数据.以及在论文写作和校对等工作中作出的贡献。
[关键词]旅游时空行为；旅游行为评价；时空路径可视化；GPS数据；因子分析
[中图分类号]F59
[文献标识码JA
[文章编号]1002-5006（2016）09-0041-09
Doi：10.3969/j.issn.1002-5006.2016.09.015
引言
旅游活动通常被理解为日常生活的溢出，旅游研究也因而被视为社会科学中比较边缘的学科。近年来，对“移动性”（mobility）的关注以及“移动范式”（motilities paradigm）的出现使得旅游活动被放置到人类社会活动的核心位置上；因而，移动性逐渐被理解为旅游研究的核心命题。20世纪六七十年代乃至90年代，以计量化和“利益”导向性为主要研究范式的交通地理学和当代城市地理学研究引发了学界对于“流动”问题的反思，认为空间的流动具有更丰富的意义，而不仅是时空成本的测算，随之推动了“新流动性范式”（the new mobilityparadigm）的转向与发展，促进了多学科和跨学科研究的融合；“新流动性范式”被认为是在新全球秩序中理解人类诸多新的生存方式乃至解开全球化运转机制问题的密码，甚至有学者指出西方人文地理学出现了“新流动性范式”的转向与发展。流动在物质空间中的形成、发展和消失是人类体验世界的重要方式，是空间产生意义，从而形成“地方”的过程，包含了对移动的人、物和信息在内的几乎所有复杂而相关联的社会力量。现代性的意义非常丰富，借助许多不同的标识，我们可以追踪它的实现和随后的进展。英国著名社会学家齐格蒙特·鲍曼在他的著作《流动的现代性》中指出，“现代生活和现代背景有一个非常突出的特点，这一突出特点也许是“差异产生差异”（difference makes difference）；也许是它们的所有其他的特性都源于它的关键特性，这一关键特性就是空间和时间之间的变动关系；当时间和空间从生活实践中分离出来，当它们彼此分离，并且易于从理论上来解释为个别的、相互独立的行为类型和策略类型时，现代性就出现了”。大众旅游作为一种社会现象的出现，正是由一个一个独立的个体因为各种动机从惯常居住地流向旅游目的地、再返回惯常居住地的旅游时空行为的总和。
随着移动互联网技术和地理信息技术的进步，已经可以实现对个体旅游时空行为轨迹的精确追踪和记录。然而，追踪和记录并不是研究目的，新技术的运用应当为更好地理解人类旅游活动并优化旅游行为提供新的知识。目前，采用GPS追踪技术获取旅游者时空行为轨迹数据的技术已经开始应用于旅游行为研究中，但是对基于GPS数据的旅游时空行为的分析仍然停留在描述分析和模式聚类阶段。尽管，这些运用GPS追踪技术获取旅游者时空行为轨迹数据的研究将人类个体旅游行为轨迹追踪精确至米的空间尺度和秒的时间尺度，在帮助人们更好地理解人类个体旅游活动方面取得了显著的进展，但是在如何评价人类个体旅游行为并为旅游产品供给和管理提供指导等方面却仍然处于探索阶段。本文尝试运用ArcGIS技术在对GPS轨迹点实现时空路径可视化的基础上，进行量化指标的计算，并采用因子分析的方法探索基于GPS数据的旅游时空行为评价因子。
1.旅游行为评价研究进展
1.1旅游时空行为与旅游体验
旅游时空行为是指旅游者在出发地至目的地、旅游目的地内部和返回出发地旅游过程中的空间移动行为和时间分配行为。这个概念与旅游者空间行为的区别就在于“时间”要素的引入。休闲行为的研究中更加偏重“时间”要素，而是旅游研究领域更重视旅游者的空间移动。旅游体验既是一个心理过程，也是一个物理过程；既是一个时间现象，也是一个空间现象；既是一个个体行为，也是一个社会行为。旅游体验过程是一个有一定自组织能力的连续系统，由一个个富有特色和专门意义的情境串联组合而成。旅游体验的质量，实际上是旅游体验的根本性问题。而旅游行为则是实现旅游需要的具体方式或手段。可以说，旅游时空行为是获得旅游体验的过程和手段。
如果要评价旅游时空行为，首先要确定判别好坏的原则。从功能主义角度出发，旅游体验的获得既然是旅游时空行为的目的，那么旅游体验的获得情况则可以作为评价旅游时空行为的基本点。能够增加旅游体验丰度或深度的旅游时空行为就是优质的行为，反之则是低效的需要避免的行为。
1.2旅游线路的评价方法
评价微观空间尺度旅游时空行为的研究相对较少，直接相关的是对旅游线路的评价研究。周尚意等以苏州游客调查资料为基础，设计了凸显旅游群体线路选择差异性的“旅游线路多元化指标”（tour route diversification index，TRDI，数学表达式为“TRDI=TRC/TRAxl00%”），通过计算苏州城市旅游中不同年龄、不同受教育程度、不同职业人群的TRDI，分析不同群体旅游线路选择的多样性差异；并在中观尺度上提出了旅游线路设计的基本理念和评价方法。刘法建等以皖南旅游区具有代表性的旅行社为基础，搜集涉及皖南的所有路线，提出TICI指数（c1指市场上线路中若干景区的组合数，c2指若干个景区线路总组合数，TICI=C1/C2，若某旅游区的TICI越大，说明其旅游资源开发越成熟，线路设计越完善），分析市场上皖南线路的完备程度。陈高维等基于垂直搜索引擎的旅游线路评价推荐系统设计了旅游线路动态评分模型，综合考虑景点状态、景区交通、卫生安全、自然灾害、季节因素、星期因素、服务因素等影响因子通过推荐值公式进行计算，当游客进行搜索请求时提供每一条旅游路线的推荐值。陆林和汤云云以珠江三角洲都市圈2009-2011年度中国100强旅行社官网旅游线路报价单为基础数据，通过频数统计方法统计珠三角都市圈内各客源地不同线路模式所占频次比重，发现不同客源地旅游者行为模式差异较大，不同城市在不同客源地旅游线路中的角色与地位不同。闫晨红等选取湖北省大洪山国家级风景名胜区核心跨界旅游区作为研究对象，以政府官方网站和旅游局网站公布数据为数据资料，采用ArcGIS技术分析跨界旅游区线路路径，发现跨界组合线路以较低成本给游客带来更丰富的体验，提高边际效益，而交通时间边际成本则处于递减区域，进一步验证了旅行时间和费用是影响旅游线路的决定性影响因子。 1.3旅游时空行为评价因子
笔者此前在颐和园旅游者时空行为日志调查数据分析的基础上，提出了行为时空、旅游活动、旅游消费和旅游评价4个评价维度的旅游时空行为质量评价因子体系。颐和园旅游者时空行为评价因子指标体系包括了4个维度和13个因子（表1），是以问卷日志调查获取的数据为基础进行评价的指标体系。本文尝试以GPS追踪获取的轨迹数据为基础，辅助调查问卷获取的信息，提出基于GPS数据的旅游时空行为评价因子。
2.数据的获取与分析方法
2.1旅游者时空行为GPS数据的获取方法
研究组于2014年7月6-10日在香港海洋公园进行了为期5天的调研，采用手持GPS追踪设备和日志问卷调查的方式获取被试者旅游时空行为信息和个人属性信息。调查地点位于香港海洋公园入口内的旅游咨询中心，发放给愿意配合调查的旅游者一个手持GPS设备，请被调查者在完成全程游览之后交还GPS设备并填写日志调查问卷。本次调查共获取GPS轨迹511条，可用于ArcGIS进行时空路径可视化表达和计算的样本511条。
GPS数据的首要特征就是客观准确、测量精度高，具体精细化程度则有赖于采用的GPS设备。本次调研采用的手持GPS追踪设备的空间误差在10米以内（经纬度坐标为小数点后7位），时间精度达到30秒（每30秒进行一次定位）。旅游时空行为研究旅游者的空间位移和时间分配，GPS数据可以很好地刻画旅游者的空间移动轨迹和时间分配情况，回答旅游者“什么时间在什么地点”的问题。传统旅游者时空行为数据的调研采用活动日志问卷调查法，旅游者的空间位移和时间分配信息有赖于被调查者的记忆能力和主观配合意愿，而采用GPS设备能够客观地记录旅游者时空行为轨迹。
同时，GPS数据又是海量数据，呈点集状态。如表2所示，一个被调查者的GPS追踪数据格式为一系列的具有经纬度坐标、定位时间、瞬时速度和瞬时方向的点。以香港海洋公园景区尺度为例，本次调研获取了有效GPS轨迹511条，用于数据分析的点就有60.81万个。由于本次调研采用手持GPS设备，获取到的GPS轨迹条数受限于GPS设备的数量和周转次数，如果采用手机APP或者嵌入式GPS模块等调查方法，GPS数据的数量将成为真正的海量数据。获取到如此精确而海量的定位点集合，如何对GPS数据进行分析，提取出具有意义的信息，并为更好地理解旅游者行为和指导旅游时空环境改造等实践提供指导，是研究者需要探讨的问题。
2.2 GPS轨迹的时空路径可视化与测量思路
随着大数据时代的到来，基于位置的服务使得用户的位置信息不断被服务器后台自动记录下来，基于GPS定位的位置信息海量出现。采用地理信息技术对地理数据进行可视化表达和测量是不同学者共同的选择。比如，李春明等利用Panoramio网站收集游客在鼓浪屿拍摄的照片作为地理参考照片，采用ArcGIS空间分析法分析游客在鼓浪屿景区的时间变化、停留时间、移动轨迹和流向图等，反映景区内游客的时空行为，同时证实了地理参考信息分析法的可行性。陈宏飞等人采用Ajax技术抓取包含时空信息的西安市微博数据，运用ArcGIS热度分析工具在地理位置上进行聚类分析，以可视化的表达刻画不同时段微博用户活动的集中程度，以此揭示西安市居民夜间活动时空分布特征。
时间地理学的核心概念“时空路径”为GPS定位数据的可视化表达提供了更为有力的理论基础和概念框架，能够从空间和时间两个维度表达个体移动行为轨迹点的连续变化。关美宝等探讨并证实了通过GPS获取移动行为数据，应用时空路径概念和ArcGIS技术实现可视化表达的可行性。本文采用时间地理学的时空路径概念，运用ArcGIS将在香港海洋公园调研获取的511条旅游者时空行为GPS追踪轨迹进行了三维的可视化表达，如图1即是一条典型的三维旅游者时空路径。将如表2所示的GPS追踪数据表达为如图1所示的三维时空路径之后，可视化不仅能够帮助研究者更好地理解轨迹信息的意义，而且为进一步对GPS数据进行挖掘提供了测量视角。在采用时空路径的概念将GPS数据进行了旅游者时空路径可视化表达之后，对旅游者时空行为GPS数据进行测量的技术路线就变得清晰起来。不同旅游者的GPS轨迹表达为形态各异的旅游时空路径图，GPS数据已经从定位点的形态转换为线和面的形态。把如图1所示的时空路径作为一个几何图形，则可以通过软件计算这条路径的高度、长度和面积等指标。
2.3 GPS轨迹数据的AreGIS计算方法
（1）坐标转换与平面投影转换
本文采用ArcGISl0.2对采集的GPS旅游行为定位点数据进行处理。首先，对511组60.81万个GPS定位点数据通过记录的经纬度坐标转换为空间点；然后，将每组点集数据按照记录的先后顺序连接为一条完整的行为轨迹线。由于经纬度坐标生成的空间点基于球面WGS84坐标，后面的计算涉及距离，必须将生成的线图层转换为平面投影坐标系统。投影变换是一个值得重视的问题，未经投影变换的数据会产生较大的距离误差。
（2）指标计算
旅游时空行为是获得旅游体验的过程和手段，而移动是人类体验世界的重要方式。那么，从功能主义的视角来评价旅游时空行为，旅游体验过程“移动”的情况即为评价旅游时空行为的重要标准。因而，具体的评价指标则为移动的距离（包括空间距离和时间距离）、移动的速度和移动的范围三个方面。由此可得5项计算指标，即路径长度、游览时间、游览速度、覆盖面积和椭圆周长，以下分别阐释每个指标的具体意义和计算方法。
路径长度，表达旅游者时空路径的空间距离，是旅游者在XY轴坐标系中移动的全部距离。具体计算方法为，首先将每个样本的GPS定位点集数据按照记录的时间先后顺序连接为一条完整的行为轨迹线（图2）；在路径生成之后，计算每条路径的长度，公式如下：
其中，d代表每组测点数据轨迹的总路径，n为每组点的总数，X1和y1分别为第i个点的x坐标和y坐标。 游览时间，表达旅游者时空路径的时间距离，是旅游者在z轴上移动的全部距离。具体的计算方法相对简单，即依据每个样本GPS定位时间的终止点和起始点的时间差求出所用时间，从而计算出每条样本的游览时间。
游览速度，表达旅游者时空转换的效率，是旅游者空间位移和时间分配叠加的情况。具体计算方法为，路径长度除以游览时间。
覆盖面积，表达旅游者时空路径在XY轴坐标系中的投影面积，是旅游者通过移动获得旅游体验的空间面积。具体计算方法很多，本文采用能够覆盖所有定位点的最小椭圆作为覆盖面积（图3），根据每条轨迹的点集，采用ArcGIS生成轨迹覆盖面，然后分别统计每个覆盖面的面积，公式如下：
其中，u代表每组测点数据轨迹的平均速度，t1和tn分别为每组测点数据轨迹的起始时间和终止时间。
椭圆周长，是旅游者时空路径在XY轴坐标系投影几何图形的周长，辅助覆盖面积表达旅游体验的空问面积。由于本文计算的是最小椭圆的面积，因而周长计算椭圆周长。
（3）GPS数据处理地理模型
尽管ArcGIS功能强大，但面对60.81万个GPS定位点数据，按照要求分别求出每条轨迹的路径长度、游览时间、游览速度、覆盖面积和椭圆周长，人工完成的话仍然费时费力。ArcGIs的地理处理框架被称为一种功能强大的可视化建模语言，利用此框架，可以将许多繁杂耗时的工作流程化处理。因此，本文的数据采用研究团队基于ArcGIs开发构建的针对此类数据处理和分析的地理处理模型（图4）进行批量分析统计。
统计分析的结果如表3所示，路径长度、游览时间、游览速度、覆盖面积和椭圆周长5项指标的极值、均值、标准差和方差表明旅游者在这5项指标上的计算结果差异较大。这表明，以这5项指标评价分析旅游者时空行为具有可行性和有效性。
3.基于GPS数据的旅游时空行为评价因子探索
3.1 KMO和Banlett检验
因子分析的基本目的就是用少数几个测量因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原资料的大部分信息。本文基于香港海洋公园旅游者时空行为GPS追踪数据计算获得的指标和匹配的问卷信息探讨旅游时空行为评价因子，剔除掉因设备故障GPS轨迹中断的样本、因被调查者将设备带离公园造成轨迹长度异常的样本和无法匹配调查问卷的样本，用于因子分析的有效样本共计403条。首先运用SPSSl9.0对变量进行了标准化，然后进行因子分析，提取因子载荷旋转后的因子，评价旅游时空行为的主要成分。初始变量包括通过ArcGIS计算获得的投影椭圆面积、投影椭圆周长、路径长度、平均速度、游览时间和匹配问卷中的总消费额、环保感知、第几次到香港、第几次来香港海洋公园等指标。由于主成分分析要求变量之间自相关性不能太强，即数据变量之间的相关性不能太强，若彼此相关性太强的数据应当剔除。经过多轮分析，剔除了干扰变量之后，最终选取路径长度、投影椭圆周长、投影椭圆面积、平均速度、总消费额、环保感知、第几次到香港共7个指标进行因子分析。如果KMO值小于0.5时，那就不太适合开展因子分析；大于0.6为“效果平庸”，大于0.7为“中度适宜”，大于0.8为“效果良好”。通过对旅游时空行为评价变量进行KMO检验和Bartlett球形检验，结果显示KMO值为0.702。
3.2因子分析结果和命名
根据特征值大于1的标准，采用最大方差法进行数据旋转，并采用主成分法抽取因子，对旅游时空行为评价变量进行探索性因子分析。结果如表5所示，旅游时空行为评价变量可以萃取为3个公因子，累计贡献率达到77.1%。
通过旋转成分矩阵可以看出，投影椭圆面积、路径长度和游览时间构成了第一个评价因子，可以命名为“空间一时间因子”；平均速度和总消费额构成了第二个评价因子，可以命名为“节奏一消费因子”；环保感知和第几次到香港构成了第3个评价因子，可以命名为“情感一经验因子”。
3.3旅游时空行为因子得分评价方法
因子分析除了对评价变量进行降维，最重要的作用在于可以根据因子分析结果给每个样本计算得分并进行排序。各个样本的因子得分反映了样本在某个方面的特征。通过得分的数值，可以对各个样本进行综合评估。由于因子得分经过标准化处理，一般不便于直接用于综合评价。用因子得分开展综合评价分析，最好将因子得分转换为主成分得分。因子得分转换为主成分得分的方法是，用因子得分乘以相应方差贡献或者特征根的平方根。转换之后，按样本加和，即可得到各个样品的综合得分。假定提取p个因子，用于评价的因子综合得分的公式可以表作
空间一时间因子中的投影椭圆面积、路径长度和游览时间系数均为正向的，表明旅游时空行为的空间覆盖的面积越大得分越高、经过的路径越长得分越高、时间跨度越大得分越高。可以理解为，旅游者到达了更多的空间和停留了更长的时间都对增加旅游体验具有正向意义。同样，节奏一消费因子中的总消费额以及情感一经验因子中的第几次来香港系数和环保感知系数也为正向的，表明旅游消费和旅游经验的增加对于旅游体验也具有正向意义。节奏一消费因子中的平均速度系数却是负向的，这表明随着旅游速度的加快对旅游体验的获得具有负面意义。
4.讨论
4.1旅游时空行为的价值内核
本文试图探讨旅游行为评价问题，先要确立评价的标准。在文献综述的基础上，论文首先梳理了旅游时空行为与旅游体验之间的关系。以客源地为出发点和终点的旅游时空行为作为人类移动行为的一种类型，正是人类体验世界的重要方式之一。在不同空间之间的移动仅仅是旅游者外显的行为，并不是旅游者的行为目的；以不同空间之间的移动作为手段获取对外在世界的理解和体验，才是旅游时空行为的目的。因此，本文将旅游体验的获得作为旅游时空行为的价值内核，进而对旅游时空行为进行了量化评价分析。旅游体验的获得并不能直接从旅游时空行为的观察与记录数据中计算出来，因而并不能直接以不同旅游时空行为获得的旅游体验多少作为评价旅游时空行为优劣的办法；本文采用以对旅游体验获得能力的评价进行替代，既然移动是体验的重要方式，那么具体的评价指标即设计为移动距离、移动速度和移动范围三个方面。 4.2旅游体验价值的时空维度
从“移动范式”的视角出发，空间自然而然地成为呈现旅游体验价值的维度。旅游者在完成旅游时空行为的过程中获得了怎样的旅游体验，首先体现在旅游者到达了多少空间和到达了哪些空间。从体验获得的视角出发，时间又成为影响体验深度的重要维度。旅游者到达了新的空间之后，在新空间中停留了多长时间，将直接影响旅游体验的深度。时间地理学不仅为旅游时空行为数据的可视化表达与测量提供了理论基础，而且为旅游时空行为评价引入时间维度提供了方法基础。因此，旅游时空行为评价指标中的移动距离不仅是旅游者在空间维度上移动的距离，还是旅游者在时间维度上移动的距离。
5.结论
5.1基于GPS数据的旅游时空行为评价方法
位置服务的广泛应用和地理信息技术的发展，使得基于GPS追踪技术获取旅游者时空行为数据变得越来越容易。如何处理和深入分析客观准确、高精度的海量旅游者GPS数据，从而帮助人们在更好地精细刻画和理解人类个体旅游行为的基础上，为基于旅游者时空行为评价的旅游供给调整和管理实践提供研究指导，是本文尝试解决的核心问题。本文系统地提出了旅游时空行为GPS数据分析方法，具体包括三个步骤：首先是采用时空路径的概念完成旅游时空路径的可视化表达，将GPS数据从定位点集状态转换为旅游时空路径线和面的状态；其次，应用ArcGIS软件实现对可视化表达后的旅游时空路径几何图形各项指标进行批量计算（比如路径长度、游览时间、游览速度、覆盖面积和椭圆周长等量化指标）；第三，则是对计算得出的各项指标进行进一步的分析和建模（比如因子分析等）。本文以香港海洋公园旅游者时空行为GPS追踪数据为例，展示了从GPS数据获取、时空路径可视化表达、量化评价指标提取和计算，到因子分析的全过程，为基于GPS数据的旅游时空行为评价提供了新的分析框架。
5.2基于旅游者时空行为评价的景区精细化管理
如果仅对旅游时空行为GPS追踪数据点集进行密度分析，通常只是验证人们对旅游者时空分布特征的定性认识，难以为旅游地（景区）规划和管理实践提供具有可操作性的指导。本文提出的基于GPS数据的旅游时空行为评价方法，通过深入分析和挖掘高精度的GPS追踪数据发现不同旅游者在路径长度、游览时间、游览速度、覆盖面积和椭圆周长等量化指标上表现出巨大的差异，这为理解旅游者体验质量差异提供了研究基础。因子分析不仅在GPS数据量化指标与匹配问卷信息的基础上提取出了空间一时间因子、节奏一消费因子和情感一经验因子3个评价因子，而且通过相关指标系数的正负关系为景区尺度的精细化管理指明了方向。具体来说，旅游景区通过旅游产品的调整、新产品设计、时空环境改造、解说系统完善等措施，以期实现延长旅游者的游览时间、延长游览路径、扩大游览面积、降低游览速度、增加旅游消费、增加旅游经验和增强情感体验等目标，最终提升旅游者体验质量和满意度水平。
致谢：特别感谢香港海洋公园允许项目组在园区内进行旅游者时空行为调查，以提供给每一位被调查者纪念品的形式给予本研究的资助，提供的公园规划建设、经营和管理等相关信息和数据.以及在论文写作和校对等工作中作出的贡献。