旅游地圖眼動行為模式研究

黃瀟婷 李玟璇 閆申

[摘要]旅游者是旅游活動的主體，是旅游研究的核心。旅游者外顯行為的追蹤和分析已經取得了較多成果，但是旅游決策階段仍然處于“黑箱”狀態。眼睛是心靈的窗口，眼動追蹤技術的發展為更好地理解旅游者的內心世界提供了可能。旅游者在制定出游計劃前通常會查閱旅游景區地圖、旅游攻略等。旅游者閱讀旅游地圖的眼動過程是否與旅游決策的制定有一定聯系呢？文章借助眼動實驗獲取眼動數據，對眼動軌跡的時空路徑進行降維處理，即假設眼動軌跡是由直線與正余弦曲線組合而成，通過計算直線的斜率與曲線的頻率對眼動行為特征進行描述，總結眼動行為模式;進一步采用雙樣本t檢驗分析眼動行為模式與地圖類型、旅游計劃行為的關系，研究表明眼動行為模式對旅游計劃行為有顯著影響。文章將眼動軌跡與時間維度結合，豐富了眼動數據的分析方法;從實踐的角度，眼動行為模式的定量探究為地圖制圖的優化以及旅游決策過程的探究有一定啟示性。

[關鍵詞]眼動行為模式;旅游地圖;旅游計劃行為;時間序列;曲線擬合

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2018）10-0087-10

引言

地圖通過豐富多樣的形式呈現制圖對象，以符號相互之間的順序、整體結構和空間連接方式，描述各種制圖對象的內在聯系和規律，完成復雜的空間信息的傳遞與交流。視覺感知是一個復雜的行為，分為6個心理過程：視覺尋找、發現、分辨、識別、確認和記憶搜索。空間信息的獲取很大程度來源于視覺感知。眼動追蹤技術作為研究空間認知、地圖認知、地圖制圖等領域的研究方法，研究人如何與地理信息進行互動，個體在決策情景中如何感知空間的行為過程，為地圖制圖、景觀規劃等現實問題提出合理化建議，對描述空間感知能力以及預測個體行為有重要意義。旅游者在決策階段收集、加工相關旅游信息，制定計劃并做出決策，在這一過程中，地圖作為獲取景點區位、景區資源的工具，協助旅游者制定游覽線路。

在時間地理學的話語體系中，人類所有的獲得均被視作行為，行為事件一般遵循在特定的時間和空間發生特定的行為這一基本范式。任何事件從時空關聯的角度來看都有著密切的關聯性，隨著海量數據的獲取和分析技術的進步，時空間行為在城市規劃、交通出行等領域成為解釋經濟、社會和空間過程的重要因素。在眼動實驗中，眼動注視點隨著時間的變化形成有序的眼動軌跡，以往對眼動數據的分析多停留在注視時長、注視點個數等靜態、單一指標，忽視眼動注視點坐標這一具有空間屬性的指標。本文基于時間地理學理論，通過眼動儀獲取個體在地圖認知過程中的眼動數據，探索眼動注視點坐標的時間序列規律，歸納個體眼動行為模式以及對旅游計劃行為的影響。

1 眼動實驗研究進展

1.1 心理學背景下的眼動實驗研究現狀

早在19世紀，國內外學者便試圖通過眼球運動對人的心理活動進行相關分析。研究表明，注視點是眼睛當前輸入信號以及心理加工的外在體現。主動性眼動系統可分為注視、眼跳、眼球平滑跟蹤運動3類。在視覺觀察中，眼球在觀察目標上發生一系列的飛速跳動，停留時間超過100ms被稱為注視，物體只有通過注視才能獲得心理加工。法國眼科醫生Javal于1878年通過實驗指出，人的眼睛只有通過短時的停留才能看清圖像，因此研究選取注視點分析個體空間認知行為。

眼動研究從初期的表象特征觀察技術，到精確的測量記錄研究，最終發展成為現代眼動技術，眼動模式主要應用在廣告營銷、閱讀、道路駕駛等領域。學者研究閱讀過程中的眼動行為得出多個眼動控制模型Rayner提出眼動控制理論E-Z Reader模式，Engbert在E-Z Reader模式的啟發下構建SWIFT模型。孫瑞山和汪芋使用馬爾可夫鏈分析飛行員的視覺注視變化情況。郭應時等基于駕駛員在實際道路環境中的眼動數據建立注視轉移模型。盧兆麟結合定量、定性的方法研究中西方用戶汽車識別模式的差異。

本研究對現有的中、英文獻進行回顧，通過以下路徑檢索眼動實驗在旅游研究中的應用，以“eyetracking”“eye movement”“眼動實驗”等關鍵詞在EBSCO、Elsevier、Taylor &Francis，中國知網等數據庫全面搜索，與旅游直接相關的文章共20條篇，其中，SSCI類7篇，CSSCI類3篇，普通期刊4篇，碩士論文6篇。通過梳理發現，眼動實驗在旅游中的應用尚處于起步階段，多選用旅游目的地照片，宣傳廣告、酒店圖片、網站網頁、旅游地圖符號作為實驗刺激材料，探究旅游行為是否會受刺激材料內容、文字大小、顏色等屬性的影響。本文任選8篇文章列舉眼動實驗方法，如表1所示，實驗設計有用組間設計、組內設計兩種方式，實驗樣本數量范圍為20～69，眼動儀以Tobii，Eyelink等居多;眼動指標多選取注視時長、注視點個數等。

1.2 旅游地圖和普通地圖的差異

地圖是用符號及圖像來表達事物在空間中如何分布的工具，以地圖為刺激材料的眼動實驗可追溯到20世紀七八十年代。眼動實驗在地圖學領域具有不可替代的優越性，國外學者早期基于注視時長等指標分析不同刺激材料間的差異。Andersen等探究尋路過程中地理標志的影響，發現地標越多尋路差異越小 Brychtova等證明地圖顏色對比度高、尺寸適中的地圖有助于讀圖者理解。Ooms等發現經驗豐富的人在閱讀地圖時通常保持以往的習慣。Incoul等發現電子地圖每秒注視個數比紙質地圖多，但注視點分布情況并無顯著差異。國內學者鄧毅博基于眼動實驗研究地圖的圖例位置，發現在滿足圖面視覺平衡的條件下，圖例應優先選擇放置于左上角。隨著社會與旅游活動的日益頻繁，地圖可用性，地圖設計地圖樣式 l地圖符號的有效性，制圖動畫可觀性等受到業界以及學者的廣泛關注。

旅游地圖是用地圖法則表現旅游客體的媒體，專為旅游主體服務的一種專題空間模型，與交通、接待、服務設施和廣告宣傳等均屬旅游媒體。作為專題地圖的一種，旅游地圖不僅具有傳遞空間信息的功能，更要與旅游元素緊密相連。旅游學科對地圖的研究包括地圖編制，地圖符號設計，旅游底圖對地圖符號設計的影響、旅游地圖符號的認知有效性等。旅游知識地圖指在知識可視化的驅動下對空間旅游數據進行深加工，側重探索旅游行為、旅游要素與地理要素之間的內在聯系。

2 研究方法

2.1 眼動軌跡的時空路徑可視化表達

時間地理學和人類活動分析等方法將人類的行為視作時空中相互依賴的活動序列，這一序列可用時空維度相結合的時空路徑表示。眼動軌跡的時空路徑，指眼動軌跡隨時間變化形成的時空路徑。本文基于時間序列原理分析眼動注視點坐標，將眼動坐標依次與時間對應，借助時空路徑呈現眼動軌跡。圖1（a）為某被試眼動軌跡的時空路徑，X、Y軸分別為橫、縱坐標，Z軸代表時間點，共同構成一個三維時間序列圖形。

2.2 眼動軌跡時空路徑的降維處理

由于三維時間序列的復雜性，很難從圖1（a）RR現有規律的眼動模式，因此本文提出化整為零、降維的方法，將眼動軌跡的時空路徑進行降維處理。通過降維，將三維時空路徑降為二維時間序列，分別形成橫坐標與時間點、縱坐標與時間點組成的二維時間序列。每條眼動軌跡的時空路徑，都包括兩條二維時間序列。圖1（b）、圖1（c）所示為降維后的眼動注視點橫、縱方向隨時間變化的軌跡。圖1（b）表示眼動注視點橫坐標與時間結合的軌跡，圖1（c）表示眼動注視點縱坐標與時間結合的軌跡。

對眼動數據進行降維處理，基于以下3個因素：首先，眼動坐標基于屏幕坐標系具有橫、縱坐標屬性，可類比為地理坐標系中的經、緯度。第二，基于地理坐標系，如果將X、Y坐標系轉化為極坐標系，即利用角度與距離表示點的坐標，那么單獨分析角度可以得到注視點是順時針移動和逆時針移動，單獨分析距離可以得到注視點是離心運動還是向心運動。這對描述注視點移動路徑很有幫助。同理，基于屏幕坐標系下分析也能夠得到眼動行為的特征。第三，通過觀察降維后的時空序列圖形，發現絕大部分圖像存在類似于某種模式的變化規律，綜上所述，將三維眼動坐標進行降維處理，可看作對地理坐標系分析方法的拓展，也是對眼動數據分析方法的創新應用。

3 實驗

3.1 被試

實驗在山東大學旅游行為實驗室內完成。被試來自山東省濟南市各高校，男女比例1：1。所有被試均遵循眼動實驗的特殊規范，裸眼或矯正視力正常，非色盲、色弱;近期身體狀況良好;無訪問香港海洋公園經歷，未提前瀏覽與香港海洋公園等相關的信息。遵循心理學實驗知情同意原則。

3.2 實驗儀器

EyeSo Ec60遙測式眼動儀基于現代光學記錄法研制，利用眼球轉動時相對位置不變的某些眼部結構和特征作為參照，在位置變化特征和這些不變特征之間提取視線變化參數，通過幾何模型或映射模型獲取視線方向。采樣頻率30/60FPS，屏幕分辨率1920×1080，尺寸大小 20厘米×1.9厘米×1.9厘米，顯示屏23英寸。

3.3 實驗材料

刺激材料分別為香港海洋公園導覽圖（圖2a）、香港海洋公園電子標準地圖（圖2（b》，以下簡稱導覽圖、標準地圖。導覽圖下載于香港海洋公園官方網站，標準地圖獲取于百度地圖，使用ArcGIS軟件進行標準化處理。

3.4 實驗內容

實驗包括眼動實驗、問卷兩部分。實驗選取42位被試，21位使用標準地圖作為刺激材料，21位使用導覽圖，兩幅地圖中包含的所有信息均視為統一整體，閱讀內容包括地圖上景點、交通線路、圖標等全部信息。為模擬真實情景下的旅游計劃行為，實驗時間3分鐘以上，且無限制。問卷包括人口統計學信息、旅游計劃的制定、同伴選擇等問題。

3.5 實驗過程

被試抵達實驗室休息就坐，了解實驗流程，主試協助被試校準眼動儀，校準無誤后開始實驗，眼動實驗結束后填寫旅游計劃行為調查問卷，結束實驗，表示感謝。

3.6 研究假設

本文提出對眼動軌跡的時空路徑進行降維處理，通過觀察后發現降維后眼動注視點的橫、縱坐標隨時間呈某種趨勢變化，因此提出以下假設：眼動軌跡由一條正余弦曲線和一條直線組成。

圖3（a）為某被試眼動注視點橫坐標隨時間變化的軌跡，由圖可知縱坐標（眼動軌跡的橫坐標）在擺動中逐漸增大，因此可用擬合直線的斜率k表示眼動軌跡的趨勢程度，此時斜率k為正，表明縱坐標逐漸增大。曲線的頻率ω，表示眼動軌跡的擺動程度，頻率ω越低，表明眼動軌跡擺動的速率越慢。本文選取斜率k和頻率ω兩個指標分析眼動軌跡，探究眼動行為模式。

基于以上假設，假設該模型的表達式為：

其中，W_t～WN（0，1）。

根據正余弦的基本定理，可以將表達式看作由一個正弦函數、一個余弦函數和一次函數進行的線性組合，因為：

4 數據處理與分析

4.1 典型樣本與樣本概況

實驗時間：2016年3月21日-31日。

樣本概況：本文通過EyeSo眼動分析軟件獲取眼動注視點坐標數據，共42條有效眼動數據及問卷樣本，每條眼動軌跡包含1542～534個數據點，共42454條數據。表2為眼動實驗和問卷數據典型樣本，包括年齡、地圖類型、性別、持續時間、路徑長度、注視點坐標、計劃游覽景點和個數。

4.2 眼動數據預處理

由于部分被試在開始階段存在不適應情況，以及實驗過程中的回看等習慣都會導致注視點混亂且不規律，因此需要對降維后的眼動數據進行預處理，使用時間序列中的移動平均去除隨機波動，以便得到更確切的趨勢和發展方向。

移動平均的計算公式如下：

其中，m為移動平均的時期個數。由于本文所用設備設定每秒會有60個采樣點，故將m定為60。

圖3b為移動平均后某被試眼動注視點橫坐標的軌跡。其中，散點圖為原始眼動數據點，黑色折線為移動平均后得到的數據點。可看出移動平均能夠去除隨機波動，得到眼動數據更確切的趨勢和發展方向。

4.3 數據擬合

本文采用最小二乘法，數據點（X_i，Y_i），i=1，2，…n，誤差r_i=p（X_i）-Y_i，i=1，2，…，n的大小，即對給定數據點（X_i，Y_i），i=1，2，…n，在取定的函數類Φ中，求p（x）∈Φ，使誤差r_i=p（X_i）-Y_i，i=1，2，…，n的平方和最小。

每位被試的眼動軌跡時空路徑通過降維可拆分得到兩條時間序列。圖3（c）為某被試的橫坐標軌跡，推斷近似函數p（x）為傾斜的正余弦函數，具體表達式為：

p（x）=Asin（ωχ）+Bcosωχ+kx+b

其中，x為自變量，A，B，ω，k，b為參數。

首先對A，B，k，b進行求解（假設。已知，下文將對如何確定ω進行詳細解釋），計算公式如下：

分別對A，B，k，b求偏導數，并使其等于0.可得：

根據假設，ω和數據點（X_i，Y_i）已知，可解得A，B，k，b。我們便可得到近似函數：

P（x）=A sin（ωχ）+Bcos（ωχ）+kx+b

由于本文不需要對數據進行統計推斷和統計預測，所以自變量和殘差可以不滿足線性回歸的假設，即滿足獨立正態分布。ω在正余弦函數中表示頻率，是周期T的倒數，如果確定T，則可確定ω。對于周期T，通過遍歷所有的時間段（從1到n），得到n個近似函數p（x），在比較決定系數Rz確定最佳周期T，即可得到最佳頻率ω。

決定系數R²表示數據點（X_i，Y_i）被近似函數p（x）的解釋程度，決定系數R²越大，表示該近似函數越可靠。計算決定系數R²的公式如下：

由于變量個數確定，比較調整的決定系數或決定系數并無差別，故選擇決定系數R²。

圖3d為擬合后某被試眼動橫坐標軌跡。其中散點圖為原始數據點，較細的折線為移動平均后的數據點，較粗的曲線為使用最小二乘法擬合后的近似函數。

使用最小二乘法擬合后的相關統計量，可以發現截距項、正弦項、余弦項、斜率項對應的p值以及F統計量對應的p值都十分顯著，決定系數R²=0.6593。因此使用最小二乘法對帶有趨勢的正余弦曲線對于眼動注視點橫坐標的時間序列圖擬合的較為成功。

為提高擬合精確度，采用非線性最小平方法對數據進行驗證，初始值定為由最小二乘法得到的最佳A，B，k，b和ω，并采用AIC信息準則作為比較兩種方法的判定標準。AIC信息準則是衡量統計模型擬合優良性的一種標準，它建立在嫡的概念基礎上，可以權衡所估計模型的復雜度和此模型擬合數據的優良性，AIC值越小，表明模型擬合數據越好。

AIC的計算公式為：

AIC=-2ln（L）+2P

其中，L為該模型的似然函數，p為模型的參數個數。

對眼動數據進行最小二乘法和非線性最小平方法擬合，分別得出兩種方法的AIC值，發現雖然部分非線性最小平方法的AIC值與最小二乘法的AIC值很接近，但所有的非線性最小平方法的AIC值都大于最小二乘法的AIC值。表3列舉6位被試的擬合數據，經驗證最小二乘法的效果最好。

因此，斜率k和頻率ω可作為眼動軌跡的重要指標。斜率k代表眼動軌跡的活動趨勢，頻率ω代表眼動軌跡的擺動程度。斜率k代表的整體眼動趨勢指，被試在地圖閱讀過程中具有偏向某一位置的趨勢，但不代表忽視其他部分。表4為數據處理后的典型樣本，S1opeX、S1opeY分別表示橫、縱坐標時間序列圖的斜率，ωx、ωy分別表示橫、縱坐標時間序列圖的頻率。

4.4 眼動行為模式聚類

每位被試的眼動時空軌跡經過降維處理后會變成二維時間序列，42位被試的三維眼動軌跡時空路徑，降維處理可得84幅橫、縱坐標二維時間序列圖，通過數據擬合可知每位被試在水平方向和豎直方向上眼動軌跡的活動趨勢和頻率。本文選取水平方向上斜率與頻率和豎直方向上斜率與頻率作為聚類指標，使用MATLAB軟件，對數據采用基于聚類中心的密度算法分類，該方法能夠對初始點保持穩健且能夠保持k-means方法的優點。首先根據silhouette信息，可得最佳分類個數為2，再對數據采用基于聚類中心的密度算法分類，結論如下（表5）：

第1類眼動行為模式，水平方向斜率為正，即眼動重心向右傾斜，豎直方向斜率為負，即眼動重心向下傾斜，稱為右下型;同理第2類稱為左上型。第1類眼動行為模式，水平方向頻率為0.0037，速率較慢，豎直方向頻率為0.0047，速率較快，稱為波動型;同理，第2類眼動行為模式中，水平、豎直方向頻率分別為0.0041和0.0043，均為中速，稱為穩定型。在眼動頻率上，第2類明顯更穩定于第1類眼動行為模式。

綜上所述，第1類眼動行為模式為右下波動型，第2類眼動行為模式為左上穩定型。觀察兩幅刺激材料發現，兩幅地圖的右下方均有圖例，因此第1類較第2類對圖例的關注度更高。類型1的波動性可理解為被試在閱讀地圖時，由于需要來回查看圖例輔助閱讀，因此眼動頻率較大，類型2的閱讀重心位于地圖的左上區域，表明被試在閱讀地圖時呈現整體偏左上的趨勢，眼動行為較穩定。

4.5 旅游地圖眼動行為模式分析

（1）眼動行為模式與地圖類型的關系

由于本文選取不同地圖作為實驗材料，根據以上聚類結果，采用一致性卡方檢驗探究眼動行為模式與地圖類型的關系。

H0：類型1中導覽圖的比率等于類型2中導覽圖的比率

H1：類型1中導覽圖的比率不等于類型2中導覽圖的比率。

由于導覽圖占地圖總數的比率為21/42=0.5，根據原假設，期望的導覽圖中類型1的數量為0.5×23=11.5。根據聚類結果，類型1與類型2中兩類地圖的被試數量如下（表6）。

由此可以得到卡方統計量：

自由度為（列數-1）×（行數-1）。在本文中自由度為1×1=1.而x_0.05，1²=3.841>0.865，所以接受原假設H0，即類型1中導覽圖的比率等于類型2中導覽圖的比率。因此，地圖類型對旅游地圖眼動行為模式沒有影響。

（2）眼動行為模式與旅游計劃行為的關系

首先，確認地圖類型是否會影響旅游計劃行為，可對地圖類型與旅游計劃行為進行方差F檢驗。經檢驗p值為0.7269>0.05，接受原假設，該兩樣本方差一致。然后判斷均值是否一致，對兩樣本應用雙樣本t檢驗，經檢驗p值為0.7347>0.1，接受原假設，即該兩樣本均值一致。證明地圖類型對旅游計劃行為無顯著影響，表明圖例等地圖要素的呈現方式對實驗任務的完成無顯著差異。

研究眼動行為模式與旅游計劃行為的關系，根據問卷中被試計劃游覽景點個數的選擇，使用雙樣本t檢驗眼動行為模式與旅游計劃行為的關系。同理，首先判斷該兩樣本的方差是否一致。經檢驗P值為0.8005>0.05，接受原假設，即該兩樣本方差一致。然后，對兩樣本應用雙樣本t檢驗中方差一致的情況。經檢驗，p值為0.1，因此在0.1的拒絕程度下拒絕原假設，即兩樣本均值不同，且類型2選擇的計劃游覽景點個數大于類型1，表明眼動行為模式對旅游計劃行為有顯著影響。

5 結論與討論

5.1 眼動行為模式分析方法的貢獻

當前，眼動實驗分析對注視點坐標的關注較少，無法從時空角度對眼動行為進行解釋。本文從時空數據疊加的視角出發，通過降維分析眼動注視點數據，采用最小二乘法對84幅眼動軌跡的二維時間序列進行曲線擬合，得到眼動時空行為模型，最后基于聚類中心的密度算法進行聚類，總結眼動行為模式。

5.2 旅游地圖眼動行為模式結構化分類

通過降維處理，將三維眼動軌跡的時空路徑拆分為二維時間序列，將眼動行為模式分為兩類：水平方向頻率低一水平方向斜率正一豎直方向頻率高-豎直方向斜率負以及水平方向頻率中一水平方向斜率負一豎直方向頻率中一豎直方向斜率正，即右下波動型和左上穩定型，兩類分別包括23位和19位被試。分析眼動模式與地圖類型、計劃游覽景點的關系，發現眼動模式與旅游計劃行為顯著相關。從實踐的角度來看，在真實旅游情景下，根據旅游者的眼動數據預測其旅游計劃行為，為分析旅游計劃行為的過程提供可能，對研究旅游者決策行為有重要意義。

5.3 研究展望

隨著眼動技術的發展，學者希望通過眼動實驗深入探究心理活動。從被試選取的角度來看，實驗樣本的多樣性是保證研究結果普遍性的基礎。本實驗選取的被試為在校大學生，大學生雖屬于潛在旅游者的一部分，但仍存在一定局限性，今后的研究應盡量保證樣本來源的多樣性。從眼動模型來看，基于本文的研究方法加入對初始點（b）、初始擺動方向（φ）和擺動幅度（A）的分析，從多角度對眼動行為進行全面的描述，能夠更好地理解眼動行為。對旅游經營者而言，眼動數據的挖掘具有廣泛的應用前景，隨著智慧旅游的不斷發展，若景區能借助眼動設備收集旅游者計劃游覽行為的眼動數據，在大數據的支持下，能夠區分旅游者的眼動行為模式，計算旅游者計劃游覽某景點的概率，進而預測旅游者的旅游計劃行為。第一時間獲取旅游者的游覽意圖，有助于旅游經營者細分市場、精準營銷，有助于景區管理中心預測、調控客流動態，有助于旅游目的地實現更加科學、有效的管理，從而為旅游者提供精準化、個性化服務，提高旅游服務質量，促進旅游業高質量發展。