2種調查方法對興隆植物園游人分布及行為分析

劉維維，康梓杭，黃亞瓊，鄧 晶，吳慶書

(海南大學 熱帶農林學院， 海口 570228)

近年來，城市周邊游受到人們的親睞，而植物園、動物園作為專類科普性園區已成為家庭游的首選。游人行為是對園區環境最真實的反應，只有把握游人的心理需求和行為特征，才能設計出更加符合游人需求的公園[1]。近年來，隨著大數據技術的成熟，其在城市規劃中運用廣泛。如吳志強,葉鍾楠通過熱力圖分析上海中心城區在工作日和周末的人群聚集時間以及聚集位置等，以此研究城市空間的運作以及城市空間的布局[2]。秦蕭,甄峰研究大數據時代下智慧城市空間規劃方法，詳細介紹了數據采集以及挖掘分析在城市空間規劃中的作用[3]。大數據己經逐漸滲透到了人們生活的毎個角落，但是在風景園林專業中卻是剛剛起步[4]。目前，學者主要聚焦于大數據在景觀規劃中的運用以及教學實踐的理論研究，實際使用集中在位置數據以及網絡文本數據，且多用于大范圍景區的研究。如黃蔚欣等基于WiFi的定位技術研究黃山景區客流量、游覽模式、客流軌跡，為景區的規劃管理與服務提供依據[5]。付業勤等以ROST ContentMining軟件分析驢評網數據，挖掘游客對鼓浪嶼旅游形象的感知[6]。興隆熱帶植物園是我國最南邊展示熱帶植物的綜合性植物園，具有極高的觀賞價值和研究價值。為了驗證大數據法在小范圍園區內運用的可行性，以及大數據法在研究游人分布和行為中的運用，筆者選取興隆植物園作為研究對象，采用行動觀察法和TBI數據結合熱力圖大數據法分別對園區進行研究，了解游人的時空分布及研究其行為特點，旨在了解現階段游人對植物園的需求情況，為規劃設計提供參考。

1 研究對象與方法

1.1研究區概況興隆熱帶植物園位于海南東南部旅游線路必經之地——興隆溫泉旅游區內[7]，總占地面積47 hm2，始建于1957年，現為國家AAAA級旅游景區。根據功能和主要觀賞點的位置，將植物園劃分為9個區域，分別為入口景觀區、生態湖景觀區、觀景臺、觀賞區、胡椒科普區、科普體驗區、科研區、科普品嘗區和員工宿舍區。

1.2調查區的選定通過前期分析，對游人的主要聚集區進行觀察統計，發現游人主要聚集在電瓶車停留點，綜合考慮團體游人和散客的分布情況，筆者選取6個代表性空間進行量化分析(圖1)。

A空間：入口景觀區，包括電瓶車候車亭和入口休閑廣場，游人通過檢票口到達休閑廣場，稍作休整后開始觀賞園區。這是園區的第1個人群聚集點，空間布局較緊湊。

B空間：觀景臺，觀景臺為電瓶車線路的第1個停靠點，緊鄰生態湖、視野開闊，是觀景的好去處，該區由觀景平臺和休閑廣場組成，空間整體呈線形分布。

C空間：生態湖景觀區，包括生態湖、熱帶果樹區、情人島和瀕危植物區，該區視野較為開闊，整體呈環狀分布在湖四周。

D空間：胡椒科普區，主要包括胡椒科普區和見血封喉觀賞點，該區域面積較小，但因此處為散客必經之地，具有很高的研究價值。

E空間：科普體驗區，主要以體驗的方式，讓游人了解可可的加工過程，達到寓教于樂的目的。

F空間：科普品嘗區，該區域是游人在園區的最后一站，也是人群聚集度較高的地方，主要介紹香草以及咖啡產品，屬于商業性質的功能區。空間分布較簡單，呈單向線性。

1.3行動觀察法行動觀察法主要是調查使用者的行為活動特征，為空間環境合理的規劃設計提供有力保證[8]。此次調查采用非參與式、自由行動—室外-定點觀察-時間軸-行動模式的觀察方法，通過前期現場調查選定6個調查點，調查設定每小時記錄1次，主要采用肉眼結合拍照的方式觀察。筆者主要借用行動觀察法觀察使用者的人數及其行為特征，了解不同時間段的空間使用情況。選取2018-07-01(周日)和2018-07-02(周一)2天的數據作為研究對象。

1.4TBI騰訊瀏覽指數騰訊瀏覽指數(Tencent Browsing Index，TBI)(https:∥tbi.tencent.com/)是依托TBS(騰訊瀏覽服務)海量的瀏覽數據，通過大數據挖掘洞察移動網民的熱點，幫助用戶洞察移動互聯熱點趨勢，了解移動網民瀏覽行為，構建精準用戶行為分析,是個人做瀏覽內容選擇的高效工具。

1.5熱力圖熱力圖通過一定的空間表達處理，最終呈現給用戶不同程度的人群集聚度，即通過疊加在網絡地圖上的不同色塊來實時描述城市中人群的分布情況[2]，對分析空間使用和游人的行為軌跡研究具有很好的參考價值。筆者采用的熱力圖數據源自騰訊位置大數據(https:∥heat.qq.com/heatmap.php)。

1.6數據處理行動觀察法主要借助Excel表格統計調查數據，并以曲線圖對比分析不同時間段的人流量變化。熱力圖集合TBI瀏覽數據大數據法主要使用PS結合GIS處理熱力圖，將熱力圖轉換成數據，結合TBI數據進行分析。

2 結果與分析

2.1行動觀察法對園區游人分布及行為的分析

2.1.1 行動觀察法的園區游人分布情況

2.1.1.1 周日各觀察點使用分析通過觀察統計周日人群主要聚集在入口景觀區、觀景臺、科普體驗區和科普品嘗區。從圖2可知，入口景觀區和觀景臺在11:00有小高峰，入口景觀區在16:00達到峰值，觀景臺在15:00達到峰值；胡椒科普區和科普品嘗區在10:30有小高峰，在15:30達到峰值；生態湖景觀區在16:00達到峰值；科普體驗區在8:00有小高峰，在15:00達到峰值。其中，入口景觀區、科普體驗區和科普品嘗區的波峰谷差值較大，系為入園人數動態變化所致。

2.1.1.2 周一各觀察點使用分析如圖2所示，周一入口景觀區和生態湖景觀區在15:00有高峰，入口景觀區在12:00達到峰值；觀景臺在10:00達到峰值，在13:00有小高峰；胡椒科普區在9:30達到峰值；科普體驗區在13:00達到峰值；科普品嘗區在10:30有小高峰，在17:30達到峰值。其中，入口景觀區、觀景臺和科普品嘗區的波峰谷差值較大，人群也主要聚集在這3個區域。

2.1.1.3 周日和周一各觀察點對比分析對比周日和周一各觀察點的數據，可以發現：受到游覽交通方式和入園人數動態變化的影響，游人主要聚集在入口景觀區、觀景臺和科普品嘗區；周日同一時間、同一地點的游人停留人數明顯多于周一；由于胡椒科普區的人群主要為散客，對比周日和周一該區域的人數變化，可見散客人數在周一時銳減。

2.1.2 行動觀察法的園區游人特征

2.1.2.1 周日游人特征及行為分析周日在6個觀察點共觀察到1 274位游人的行為，其中，男性占52.6%，女性占47.4%，游人年齡主要集中在19～60歲之間。通過觀察現場游人行為，發現入口景觀區游人的主要活動為休憩；觀景臺主要活動為觀賞；生態湖景觀區人流量較小，游人主要是中途經過該區；胡椒科普區內游人的主要活動為觀賞，停留時間一般為1～3 min；科普體驗區屬于商業體驗區，游人僅在外圍做短暫的停留；科普品嘗區主要為免費品嘗區，在接受科學普及的同時讓游人體驗制造咖啡的樂趣。

2.1.2.2 周一游人特征及行為分析周一各點共計觀察650位游客，其中，男性占36.5%，女性占63.5%，游人年齡主要集中在19～60歲之間，其次為60歲以上人群。各區游人的行為各不相同，入口景觀區主要為休憩，游人在該區進行簡單的休整后入園觀賞；觀景臺區域內游人主要活動為觀賞，少量休憩；生態湖景觀區游人較少涉足；胡椒科普區受散客游人量的影響，人數較少，主要活動為觀賞；科普體驗區主要是短暫通過性停留，未見有人參與體驗；科普品嘗區主要是品嘗活動，少量人群觀賞展覽內相關介紹。

2.1.2.3 周日與周一游人特征及行為分析通過對比分析2日游人的特征及行為，發現游人的年齡分布主要集中在19～60歲之間，游人在特定區域內的活動基本相同，不受入園人數與觀賞期的影響。各區影響游人的行為主要受設施以及外部環境的影響，入口景觀區主要設施為座椅、指示牌、廁所等服務性設施，雖有設置舞臺，但節目較少，未能吸引游人長時間停留，該區主要起到提供休憩的功能；觀景臺臨近生態湖，有較好的觀景視角，吸引游人在此駐足停留；生態湖景觀區的最佳觀景點在觀景臺，區域內僅有座椅，服務設施較少，游人較少涉足；胡椒科普區主要為觀賞，觀賞內容主要以展覽的形式展示，內容較少，游人停留時間較短；科普體驗區設施較為科技，然而受收費的影響，游人參與度不高；科普品嘗區是人流量較多的區域，區域內座椅、展示欄、廁所等服務設施齊全，加上工作人員的講解，游人參與度較高。

2.2TBI數據結合熱力圖分析法對園區游人分布與行為的分析

筆者截取2018-07-01—2018-07-02植物園的熱力圖，從早上6:30～7:30點之間，每隔30 min截取1次，總計截取熱力圖52張，以此獲得不同時間段、不同區域的人口活躍量及人群分布情況。通過對熱力圖的矢量化處理，將其轉變成數據，以此反映各時間段人口活躍量。

分析發現(圖3),周日觀景臺、科普體驗區、生態湖景觀區人口活躍量峰值均出現在10:30～11:30，在16:00～17:30仍有1個小高峰；此外,胡椒科普區、科普品嘗區、入口景觀區人口活躍量峰值出現在15:30～17:30，在11:00～12:00有1個小高峰，這是由于人群的動態游覽使得各區峰值時間點不同。入口景觀區和科普品嘗區從開園開始呈現增長趨勢，直至臨近閉園，期間有少許波動。觀景臺、胡椒科普區、科普體驗區和生態湖景觀區人口活躍量波動較大，這是由于入園人數的動態變化所致。

在周一(07-02)的11:00～11:30觀景臺和科普品嘗區同時出現1個高峰，而在13:00～14:00觀景臺還有1個高峰，科普品嘗區則在16:30～17:30達到峰值，系人群游覽線路和園區開放時間所致；觀賞區、入口景觀區和生態湖景觀區在11:30～12:30達到高峰，觀賞區在14:00～15:00仍有1個小高峰，入口景觀區在16:30～17:30達到峰值，生態湖景觀區在13:00～14:00有小高峰；胡椒科普區在10:00～10:30有小高峰，在14:00～15:00達到峰值；科普體驗區在10:30～11:00有小高峰，在16:00～17:00達到峰值。各區波峰谷差值不同，其中，科普品嘗區、入口景觀區和生態湖景觀區差值最大，這主要受人群游覽線路和入園人數變化影響。

熱力圖大數據法完整地展示了游人在特定時間的分布情況以及人口活躍量，但缺少對游人特征的體現。隨著網絡的發展，多數游人都選擇通過事先在網絡上收集旅游地的各種相關信息[9]。TBI數據是根據網民瀏覽的數據，精準分析用戶行為。圖4為網絡上從2018-04-01—10-01期間查閱興隆熱帶植物園相關信息的網民信息。可見，瀏覽人群主要為18～60歲，占全部的89.9%；男性比女性多2%；學歷分布集中在高中、大專和本科，占全部的86.5%。通過TBI提供的數據，可以得出瀏覽、查閱考察地相關信息的網民的年齡、性別、學歷等信息，為了解游人的需求提供了依據。

2.32種調查方法的比較分析

行動觀察法的調查結果表明，游人在園區內的活動分布、人數變化主要受游覽路線和入園人數變動的影響，游人主要集中在入口景觀區、觀景臺和科普品嘗區；游人的行為活動受各觀察點功能定位、周邊環境、年齡分布、性別等因素的影響，主要為觀賞、體驗和休憩。通過分析影響因素，可有針對性的對園區內設施、功能設置以及周邊環境進行改善，以滿足游人的不同需求，打造更加符合游人行為和需求的植物園。

通過TBI瀏覽數據結合熱力圖分析，發現興隆熱帶植物園內人群主要聚集在入口景觀區和科普品嘗區，其中游人年齡分布主要集中在18～60歲，男性比女性多。熱力圖能實時反映不同時間點內不同區域的人口活躍量以及人群分布情況，TBI瀏覽數據則能提供游人的其他社會特征。可見，熱力圖大數據法結合TBI瀏覽數據，可以滿足設計師對游人分布及行為研究的需求。

2種調查方法的分析結果相似，通過對興隆植物園游人分布及行為的研究，發現游人的分布及行為主要受游覽路線、園區功能劃分、服務設施的設置以及周邊環境的影響，人群主要集中在入口景觀區和科普品嘗區，下午人口活躍度比上午高。分析背后的原因發現，興隆植物園主要的游覽方式為乘坐觀光電瓶車，游覽路線固定，除主要觀賞點外，較難形成聚集點，作為線路的起始點，入口景觀區和科普品嘗區成為人群聚集點；園區根據功能和主要觀賞點位置劃分為9個功能區，鑒于植物園的特殊性，觀賞為主要活動，為豐富游人活動，設置了科普體驗區和科普品嘗區，提高了游人的參與度；服務設施的設置影響游人的停留時間，如：入口景觀區的坐凳在人流量較大時不能滿足游人的需求，游客聚集在電瓶車上車點，導游為緩解入口景觀區的壓力，會縮短游人在入口景觀區的停留時間；個別景點設置了服務設施，但周邊缺少可觀賞點，游人活動僅為通過，不做停留。2種調查方式的結果也存在一些差別，體現在游人性別上，行動觀察法得出周日男性比女性多，周一女性比男性多；TBI瀏覽數據則顯示男性比女性多，產生差異的原因可歸為受調查時間長短的影響,行動觀察法收集的為當天數據，TBI瀏覽數據則時間段較長，范圍較廣。

規劃設計中需綜合考慮上述問題，針對游覽路線的設置，根據人群需求設置不同風格的路線，增設特色觀賞點，分散人群的同時增加游人在園區內的停留時間；補充各功能區的活動內容，引進智能化設備，著重增加游客的體驗項目；合理的配置服務設施數量，增加游客的停留時間；根據游客的年齡分布、性別分布等信息，分析游客需求，結合現場條件，設計出符合需求的植物園。

3 討 論

比較2種調查方法的分析結果，發現2種方法各有利弊。行動觀察法不受地域限制，可詳細的了解游人的數量以及行為，數據更加的客觀可靠，但該方法對人力要求較高，不適合長期研究游人的分布及行為。熱力圖結合TBI瀏覽數據法能快速便捷地獲取研究數據，可結合網文分析，通過相關信息直接研究游人需求[10]，達到研究目的，但受地域影響，一些偏遠地區無法獲取熱力圖或TBI瀏覽數據，且無法詳細體現具體的活動內容。與其他數據源進行對比，熱力圖在景區客流研究方面展現出數據覆蓋更全面、精細程度更高等優勢[11]。筆者采用熱力圖結合TBI瀏覽數據的方法基本滿足規劃研究的要求，但這種方法有其局限性，TBI瀏覽數據反映的是瀏覽數據，瀏覽數據和實際游人的特征及行為之間有差別，是否完全代表游人的信息需要探討，瀏覽數據是在大數據的基礎上統計而來的，適合對場地進行長期的綜合性研究，短期研究誤差較大。

筆者主要研究TBI數據在規劃中的指導意義，不對數據的準確性進行研究。筆者采用2種不同的調查方法對興隆植物園游人分布及行為進行分析，驗證了大數據法在小范圍園區內使用的可行性，以及大數據法對研究游人分布及行為具有的實際價值。值得注意的是在追求便捷、高效的調查方法時，要結合實際情況選擇合適的調查方法。對于范圍較大、時間跨度長的研究，建議使用熱力圖結合TBI瀏覽數據法，不僅可以節省人力和物力，還可以提高效率。對精度要求高的研究，宜選擇行動觀察法。