基于GPS軌跡柵格化的旅游行為空間模式分析

郎月華　李仁杰　傅學慶

[摘 要]選擇GPS軌跡內涵的移動速度、速度波動特征、移動狀態持續時間、數據異常點等旅游行為基本特征，作為旅游行為模式分類的基礎，文章提出了GPS軌跡柵格化的概念模式，設計了基于GPS軌跡柵格化的旅游行為空間模式表達方法。該方法不僅能夠區分觀光式、休憩式和乘車式3種不同類型的旅游行為空間模式，而且能夠描述旅游空間任意位置的主導行為模式，可以解決旅游時空行為和旅游地理格局與過程的精細化定量研究。九寨溝實例研究證明，柵格化的旅游行為空間模式計算結果與其他數據源的研究結果基本一致，但描述視角更豐富、時空精度更高。該方法能夠對旅游時空行為的研究提供支持，提高旅游地理學研究的精細程度，案例計算結果可以為旅游地規劃與管理，特別是為觀光路線和景區引導設計提供參考。

[關鍵詞] GPS軌跡;柵格化;旅游行為;空間模式;九寨溝

[中圖分類號]F59

[文獻標識碼]A

[文章編號] 1002-5006（2019）04-0048-10

Doi：10.19765/j.cnki.1002-5006.2019.06.010

引 言

在旅游時空行為、景觀感知及其空間模式的研究中，問卷調查和深度訪談是運用最廣泛的信息收集方法，例如關于旅游者環境行為、感知態度和旅游動機等方面的測量和研究。近年來，隨著移動互聯網和社交網絡的快速發展，越來越多的旅游者在微博、旅游社交網站等網絡空間中自愿發布與個人旅游行為和旅游感知體驗相關的文本、評論、照片等眾包旅游信息。旅游學和旅游地理學的學者開展了以此類數據源為基礎的旅游地名熱度、地名共現關系、景觀關注度、旅行空間模式、旅游者時空行為、城市游憩空間，以及對旅游感知與目的地選擇等研究。相對于調查問卷數據源來說，眾包旅游信息不受問卷設計導引的影響，參與者人數更多，內容更多元化，可以與問卷數據形成有效互補。但文本、評論和照片等旅游信息內涵的時空內容具有不連續性，影響了其在精細化旅游時空行為研究方面的精度，因此利用此類數據源的研究較少關注旅游者在景區內部游覽過程中的行為狀態。

GPS軌跡則是滿足時空連續性特征的另一類眾包旅游信息，越來越多的移動App（特別是運動健康和旅行類）開始允許用戶記錄GPS軌跡并在網絡社區中進行分享，旅行軌跡數據的獲取越來越方便。GPS旅行軌跡比問卷調查和其他類型旅游信息在揭示旅游者時空行為特征上具有更加明顯的優勢，它連續記錄的時空行為具有更高的精細度和可靠性，因此GPS軌跡數據開始應用于旅游行為研究中。例如，邀請用戶攜帶專門GPS記錄儀的方式獲取旅行軌跡數據，利用時空路徑、時空棱柱和空間統計等方法開展了旅游者時空行為特征的系列研究，設計開發了預測旅游者行為的啟發式預測算法等。

旅行GPS軌跡和地理照片、位置微博等信息均具有時空信息，地理學者也將此類數據稱為志愿者地理信息（volunteered geographic information，VGI）。與旅游學者不同，地理學的視角則是如何利用VGI挖掘旅游者行為的空間模式與過程，發現旅游行為與旅游空間單元的耦合特征，進而解釋旅游時空行為的驅動機制。VGI數據用于旅游地理的研究也是以點狀信息為主，主要原因在于有成熟的計算模型，例如核密度和熱區分析在旅游地理中的應用。GPS軌跡是旅游者行為過程的整體記錄，呈線性特征，但缺少直接將線性VGI用于旅游時空行為挖掘的有效方法。

由于GPS軌跡對于旅游行為和旅游地理研究的重要價值，本文希望設計一種GPS軌跡信息型態的變換方法，在不明顯降低軌跡信息量度的基礎上，將矢量數據結構描述的GPS軌跡轉換為柵格結構描述的空間單元，形成更易于借助GIS等工具開展空間統計與分析挖掘的數據形式，以方便研究者開展旅游時空行為和旅游地理格局與過程的精細化定量研究。

1 研究理論與方法

GPS軌跡柵格化思想源于GIS的點要素空間模式挖掘方法，例如空間插值、核密度統計、熱區分析等，計算結果都是依據點要素屬性值生成專題柵格。如果能夠將單條GPS軌跡中與行為特征有關的指標轉換為柵格數據，就可以利用豐富的柵格分析工具進行群體時空行為模式的深入分析，服務于旅游和地理學研究。解決這一問題的關鍵點：第一，利用GPS軌跡點信息進行特定研究目標的分類或分組，以確定柵格像元值類型和計算方法;第二，確定合適的柵格像元大小，以適應研究目標對空間尺度的要求。

1.1 景區旅游者行為分類方法

已有相關研究多是從旅游線路的空間分布特征來描述旅游行為，較少描述旅游者在景區內部游覽過程中的行為狀態。要使GPS軌跡柵格化結果支撐景區群體旅游行為空間表達，就要考慮軌跡記錄的移動速度、速度波動、特定狀態持續時間、行程長度與數據異常點等基本特征。上述行為特征都可以通過GPS軌跡數據記錄下來。

1.1.1景區旅游者行為分類方法的概念化描述

旅游行為模式分類的核心指標是移動速度，同時考慮速度穩定性、特定移動狀態的持續時間和行程距離。例如，在較長時間內以較低速度持續行進較長行程的旅游行為模式多為觀光式游覽行為;旅游者乘坐電瓶車、纜車等擺渡式交通工具的乘車式游覽行為，將以較高速度持續行進較長行程，期間可以伴有短時低速或靜止狀態;欣賞景觀或臨時休息的休憩式游覽行為，將呈現極低移動速度或靜止狀態，在較長時間內完成較短的行程。

準確劃分旅游行為類型還需剔除信號異常等數據干擾。無論是休憩、觀光還是乘車的游覽方式中，一般將持續一定時間和行程的相對穩定移動狀態視為某個行為類型。但GPS軌跡在記錄過程中可能因信號原因出現少量異常點，表現為相對于前后一定距離內的相鄰點位速度偏移均值較大。速度值偏離均值較大且持續距離不足的少量異常點不能單獨表示某一類旅游行為，應根據旅游地線路特征和行為模式的特點歸并為相鄰行為類型。

1.1.2景區旅游者行為的分類標準

由于沒有發現關于景區游覽速度定量特征的研究，旅游者移動速度的指標分析借鑒了吳江玲等對城市行人步行速度的研究結果。同時，結合旅游地考察調研，基于GPS軌跡數據特征和旅游者行為模式特點，制定了景區典型旅游者行為模式分類的內容描述與定量化參考標準，將較常見的旅游者行為模式劃分為“休憩式游覽”“觀光式游覽”“乘車式游覽”3種（表1）。

基于上述分類標準，以單條GPS軌跡為例對景區3類代表性旅游者行為模式進行特征描述（圖1）。圖中的1-33號軌跡點，呈現了連續較長時間小于0.5 m/s的極低速度，形成高密度點聚集的較短行程特征，判斷該組數據表現為休憩式游覽模式;34-233號軌跡點的速度整體保持在0-2.25 m/s小幅波動區間，持續時間較長且形成了較長的行程，可以判斷為觀光式游覽模式;234-473號軌跡點的速度保持在整體大于2.25 m/s的較大波動區間，持續時間較長且形成了較長的行程，故判斷為乘車式游覽模式。在乘車式游覽模式中的368號軌跡點屬于異常點類型，雖然該點的瞬時速度屬于觀光式游覽的速度范圍，但該點左右兩側的連續大量軌跡點速度均是乘車式游覽速度范圍，因此，單獨的368號點不能判斷為觀光式游覽模式，而應歸并為乘車式游覽模式。

本文僅設計了常見的典型旅游行為模式分類與定量描述標準。對于不同類型和環境特征的旅游地，分類與定量化標準可以進行適時調整，這并不影響柵格化計算與表達。例如，地形起伏較大的景區應考慮地形對旅游者步行和擺渡車速度的影響;水上景區的擺渡船速度及波動特征也不同于陸路交通工具。

1.2 基于軌跡柵格化的空間模式表達

對復雜的GPS旅行軌跡進行柵格化處理，有助于清晰解析每條旅行軌跡呈現的基本行為空間模式（圖2），也有助于從多種視角進行行為模式的集成化，以準確解析旅游行為空間與旅游地理空間的耦合特征。軌跡柵格化的基本思路如下：

（1）基于軌跡點基本單元的旅游行為分類。首先，根據速度數值分布的基本模式，結合持續時間和行程長度判斷3種基本行為類型;第二，根據不同行為的分類標準，分別判斷不同行為模式下的速度異常;第三，根據速度異常數據的連續數量、時間與行程等特征，確定是否鄰近歸并。

（2）柵格化的像元尺度確定。考慮到常見景區觀光線路的地形特征，以及GPS數據精度問題，在不同大小柵格像元的多次試驗基礎上，本文最終選用50 mx50 m柵格單元作為通用大小，使整個景區計算結果具有可比性。研究者可根據景區規模、地形特征和研究精細程度進行柵格像元尺度調整。

（3）GPS數字軌跡的柵格化。利用每條數字軌跡的軌跡點分類結果生成合適尺度的線性柵格，為后續軌跡柵格集成疊加提供基礎數據。

（4）單一旅游行為類型的柵格疊加集成。例如，可以將所有旅行軌跡柵格圖層分別按“休憩式”“觀光式”“乘車式”分別進行疊加統計，獲得觀光線

路上每個像元位置出現某一類型旅游行為模式的頻次分布柵格，以進行特定類型行為的空間模式分析。

（5）多類型旅游行為空間集成。將像元值為行為類型的所有旅行軌跡柵格進行疊加統計，獲得觀光線路上每個像元位置處的旅游行為類型特征。進一步判斷各像元位置是否表現為某種主導的旅游行為類型，或是不同類型旅游行為相對均衡的混合行為類型。

（6）其它旅游行為空間模式分析。可以根據柵格數值內涵開展其他與旅游行為相關的專題空間模式分析，例如軌跡柵格化時采用停留時間作為像元專題值，可以探查游覽時長的空間分布模式等。

2 九寨溝旅游地實證研究

九寨溝是中國著名的5A級旅游景區、國家級自然保護區和世界自然遺產地，擁有湖泊、瀑布、特色村寨等類型多樣的旅游資源，觀光線路縱深50多公里，可獲得較多的旅游者GPS軌跡數據，適合開展景區內旅游行為及其空間模式的研究。九寨溝也是國內外旅游研究者關注的熱點旅游地，有豐富的旅游研究成果，能夠為本文研究提供理論和數據支撐，并適宜進行結果對比驗證。利用本文提出的軌跡柵格化方法，對九寨溝旅游者GPS軌跡進行柵格化處理，解析每條軌跡呈現的空間行為模式，并分別從3種基本旅游行為類型的視角分析旅游者行為的空間模式。

2.1 數據采集與處理

本文的GPS軌跡數據來自GPS旅行社區“六只腳”。研究組于2016年10月采用網絡爬蟲獲取了九寨溝GPS軌跡245條，涉及用戶、出發時間、歷時、海拔高度、速度和位置照片等基本信息。通過兩個軌跡點之間的移動時間和距離信息，可以計算兩點間的速度，進而判斷旅游者的游覽行為和狀態。在“六只腳”網站中，與軌跡匹配的位置照片稱為腳印，是軌跡上傳者提供的興趣照片，能夠為旅游行為分類提供參考。

經過對每條軌跡的分析評價，刪除重復、行程過短、位置不匹配和基本屬性缺失的各類無效軌跡148條，保留有效軌跡97條，軌跡總行程4797.6 km，最長軌跡160.992 km，最短軌跡0.153 km，平均軌跡長49.5 km，軌跡點總計222 765個;位置照片共計1759張，涉及47條軌跡，附帶照片最多的軌跡有照片397張。根據本文制定的景區典型旅游者行為模式分類的定量化標準，對九寨溝景區的軌跡數據進行行為模式的柵格化處理，并進行分類可視化（圖3）。

2.2 觀光式游覽行為的空間模式

觀光式游覽行為（圖3a）在游覽線和景觀兩個尺度下都呈現明顯的空間分異。部分游覽步道的觀光式行為聚集特征明顯。樹正溝、日則溝和則查洼溝3條主要游覽線中，旅游者在日則溝的觀光游覽行為最集中，“鏡海一珍珠灘一五花海一箭竹海”景段是最集中且空間跨度最長的步行觀光游覽段，達到6 km左右;樹正溝中的觀光式游覽行為分布也比較集中，“荷葉寨一老虎海”景段是連續性較長的步行觀光游覽段;則查洼溝沒有明顯的連續性觀光游覽段。

在景觀尺度下，觀光式游覽行為最集中的景觀區是珍珠灘瀑布，其次是五彩池、長海、五花海、熊貓海、劍巖懸泉，第三是諾日朗瀑布、樹正群海、樹正瀑布等;另外，九寨溝口、諾日朗游客中心等區域也有相對集中的觀光式游覽行為。

2.3 休憩式游覽行為的空間模式

在觀光式游覽行為比較集中的區域均零散分布有休憩式游覽集中的位置（圖3b），但沒有明顯的連續性休憩式行為空間聚集區域。例如，九寨溝的溝口區，日則溝的珍珠灘、孔雀河、熊貓海、箭竹海、劍巖懸泉景觀區，樹正溝的火花海、樹正群海、樹正瀑布景觀區，日則溝的五彩池、長海景觀區。這些位置或者有視野較好的觀景臺，或者有購物點，或者有休息區。旅游者往往停下來休息、購物或拍照留念等。

2.4 乘車式游覽行為的空間模式

九寨溝的乘車式游覽空間分布連續（圖3c），且相對于其他行為類型來說，空間分異較小。九寨溝景區縱深50多千米，乘坐景區擺渡車在景觀點之間快速導航是大多數游覽者選擇的游覽方式。

樹正溝作為進出九寨溝的主要交通線，旅游者乘車數量最多，因此全線乘車式游覽最為集中、連續。則查洼溝乘車的旅游者比重也比較大，且全線分布均勻。則查洼溝的沿途景點較少，上季節海、下季節海景觀的季節性明顯，冬季少有游客下車游覽;南端的長海景觀則是旅游者關注的重點，因此，則查洼溝的乘車式游覽也呈現全線均勻分布的特

征。日則溝以箭竹海為界南北兩段乘車式游覽具有明顯差異，“諾日朗一箭竹海”段乘車式游覽明顯高于“箭竹海一劍巖懸泉”段。主要原因是“劍巖懸泉一原始森林”景段只在旺季開放相對乘車式游覽比重最低。

2.5 主導旅游行為的空間模式

為了獲得九寨溝觀光線路上不同游覽行為的總體空間模式，可以將休憩式、觀光式和乘車式3種類型的行為空間行為模式柵格進行疊加統計，獲得每個像元處的主導旅游行為模式（圖3d）。本文將每個像元位置處某種類型的旅游行為比重超過50%的定義為該位置的主導行為模式，3種旅游行為模式占比相對均衡的像元位置定義為混合行為模式。

九寨溝旅游行為模式總體空間分布所示。除少數景點外，九寨溝觀光線路上不同位置的旅游者行為主導模式與線路功能具有很好的耦合性。

觀光式游覽為主導行為模式的區域則明顯集中分布于各線路的步行棧道上，其中，日則溝“鏡海一珍珠灘一五花海一箭竹海”景段和樹正溝“荷葉寨一老虎海”兩部分景段均呈現了集中連續的觀光式游覽主導路段。而且，觀光式游覽集中分布的路段均是海子類型的景觀區域。例如，樹正溝的蘆葦海、雙龍海、火花海、樹正群海、老虎海;日則溝的五花海、熊貓海、箭竹海;則查洼溝的五彩池、長海等。

3條風景線上全線均呈現了連續的乘車式類型主導的空間行為模式，與九寨溝全線擺渡車的車行道路分布一致。休憩式類型主導的位置無集中連續分布區，主要散列分布在各乘車點、購物區、觀景臺和休息區的位置，與旅游地基礎設施配置的耦合性明顯。

3 結果對比驗證

為了驗證基于GPS軌跡進行旅游行為分類的有效性，研究組又采集了用戶發布GPS軌跡時附帶的腳印（用戶隨GPS軌跡上傳的位置照片）共1759張，并基于軌跡點記錄的速度信息計算旅游者在每個位置的平均停留時間。將平均停留時間和拍照行為的空間特征與GPS軌跡解析的旅游行為模式進行對比驗證。

3.1 基于位置照片分布的空間模式對比

旅游者發布的位置照片分布呈現的空間模式，與GPS軌跡柵格化解析獲得的旅游者觀光式游覽、休憩式游覽的空間模式高度一致。照片數量較多的路段正是旅游者觀光式游覽、休憩式游覽的集中路段，照片分布集中的景觀位置也是觀光式游覽密度較高的位置。從圖4a可以看出，照片數量較多的區域主要分布在樹正溝“荷葉寨一犀牛海”景段，日則溝“珍珠灘瀑布一箭竹海”“天鵝海一劍巖懸泉”景段，則查洼溝的“五彩池一長海”“諾日朗群海一則渣洼寨”景段;照片分布集中的景觀位置包括樹正瀑布、樹正群海、樹正寨，珍珠灘、珍珠灘瀑布，五花海，五彩池，以及九寨溝口等。上述計算結果與王守成利用Panoramio照片數據分析得到九寨溝旅游者關注度空間模式結果一致。相比之下，位置照片是離散狀態的表達，重點表達旅游者對不同景觀的關注度情況，是離散的景觀感知。GPS軌跡是連續狀態的記錄，能體現一個連續的旅行時空過程，不僅完整記錄了旅游者的旅行軌跡等空間信息和豐富的時間屬性，還可以展示旅游者對不同景點的感知，解析出觀光、游覽、休憩、乘車等更豐富的行為模式類型。在研究方法上，本文將矢量數據柵格

化，能有效削減由于信號原因導致的數據精度和誤差，將不能完全重合的多路徑集成到統一的空間統計單元，有利于空間單元的集成表達、邏輯計算和時空統計。

3.2 基于停留時間的空間模式對比

旅游者在不同區域的停留時間的空間模式（圖4b）與觀光式游覽、休憩式游覽的空間模式也具有很好的耦合性。日則溝的“珍珠灘瀑布一箭竹海”、樹正溝的“荷葉寨一犀牛海”、則查洼溝的“諾日朗群海一則渣洼寨”3個景段，是在空間上連續分布的旅游者停留時間較長的景段。在停留時間較長的景段，往往旅游者的游覽速度較慢，也伴有較多的拍照等行為。另外，觀光線路起止點會有較多拍照行為，呈現較長停留時間，例如九寨溝口、日則溝的劍巖懸泉、則查洼溝的長海和五彩池等景點。觀光式游覽、休憩式游覽集中的路段，旅游者停留時間較長，也伴有較多拍照行為，與乘車式游覽路段形成明顯的空間差異。

4 結論與討論

以GPS定位技術為基礎的基于位置服務（location based services，LBS）的發展為大眾出行提供了便捷服務，也為旅游行為規律的研究和旅游產品的規劃提供了數據支持。本文結合當前大數據、時空分析等技術，通過GPS旅行軌跡大數據表現的旅游行為特征，實現旅游者行為模式分類。本文設計的旅游者景區內部空間行為模式計算模型，可以對不同類型的景區內旅游者的行為模式進行判斷劃分，進而解析旅游者對景觀的關注度，從而有助于更好地理解群體行為表現的空間結構和旅游地理過程。本文通過對自發上傳軌跡數據進行篩選、清洗、行為模式劃分等處理與分析，使旅游者的旅游行為及對景觀關注、感知的狀態逐漸清晰。對旅游學，尤其是旅游地理學而言，GPS軌跡不僅可以用于研究旅游者的旅游行為，還可以在多時空尺度下挖掘旅游者感知與評價，進而深入研究旅游者的關注度，為旅游地管理決策服務。

4.1 結論

通過GPS軌跡數據中的軌跡點位置、記錄時間等信息，將數字軌跡柵格化，實現了基于數字GPS軌跡的旅游者行為分類及其空間化表達。GPS軌跡的柵格化結果有效提升了GPS軌跡對旅游行為特征的表征效果，可以獲得不同類型旅游行為的空間分布模式，有助于在多時空尺度下開展旅游行為的定量化研究。

實證分析表明，GPS軌跡能夠清晰表征多時空尺度下的旅游者不同類型行為的空間分布模式。九寨溝旅游者行為的空間分布模式特征明顯。從整個旅游地空間尺度來看，觀光式游覽集中、連續分布于樹正溝、日則溝兩條風景線，則查洼溝只有五彩池.長海局部景觀區域較為典型。從單條風景線的空間尺度來看，樹正溝的“荷葉寨一老虎海”景段，日則溝的“鏡海一珍珠灘一五花海一箭竹海”景段是觀光式游覽集中分布的景段。從單個景觀看，樹正群海、諾日朗群海、珍珠灘、五花海、熊貓海、箭竹海等是觀光式游覽集中的景觀。

基于GPS軌跡解析的不同類型游覽行為的空間模式與景區的基礎交通配置、管理模式有較好的對應關系，同時與旅游者發布的位置照片和停留時間的空間模式耦合性較好。不同類型的游覽行為分布與交通類型空間模式基本耦合，但也有少數耦合性較差的區域。例如，珍珠灘瀑布、樹正瀑布、五花海等是旅游者關注度較高的景點，但其棧道及觀賞空間位置相對龐大的旅游者數量顯得狹小，難以滿足旅游者觀光的需求。再如，空間分布較大的景觀，如犀牛海、老虎海、蘆葦海等景點，海子面積廣大、全程景色差異性小，旅游者在此駐足觀光的比重較五花海、樹正瀑布小，棧道作為旅游者交通通行設施的功能突出。乘車式游覽在整個九寨溝景區的所有線路廣泛分布，與全程擺渡車設置的管理模式一致;而游客乘坐擺渡車主要目的是在不同景點之間移動，因此拍照行為非常少。觀光式游覽密集分布與配備步行棧道的位置重合;觀光式游覽集中的景段和景點也是停留時間較長的路段或位置，同時旅游者發布的位置照片數量也比較多。

4.2 討論

在大數據時代背景下，GPS導航服務產生的大數據為更好地理解旅游者旅游行為規律提供了數據支持。相對于旅游微博、位置照片和游記文本等形式的眾包旅游信息來說，盡管GPS軌跡總體上數據量不大，但GPS軌跡不僅完整記錄了旅游者的旅行軌跡等空間信息，還完整記錄了軌跡的時間屬性，能體現一個連續的旅行時空過程。

本文采用的GPS軌跡來自開放的旅游信息分享社區，它不同于研究者邀請游客參與調查獲得的

GPS軌跡，不會受調查研究設計目標的影響，是旅游者自主選擇旅行路線的結果，屬于VGI的范疇。因此，VGI類型的GPS軌跡內涵的時間信息能夠間接描述旅游者對旅游景觀的偏好選擇，與其它VGI形式的旅游信息一樣，此類GPS軌跡也是旅游地理學和旅游者時空行為研究的優質數據源。

本文將矢量數據柵格化，有效削減由于信號原因導致的數據精度和誤差，將不能完全重合的多路徑集成到統一的空間統計單元（特別是線性單元），有利于空間單元的集成表達和邏輯計算，方便對數據進行時空統計。應用當前GIS學科中的成熟、豐富的分析模型與方法，實現多時空尺度的旅游行為定量化研究。可以方便的實現從“軌跡點一景點一景段一觀光線路一景區一旅游地”的不同尺度靈活變換，實現旅游時空行為的多尺度研究。柵格化的表達方法不僅適用于GPS軌跡數據，還可以應用到如興趣點（point of interest，POI）、位置照片、位置微博等多源數據中，使不同數據的分析處理方法更加多元化。

本文的研究主要關注多條GPS軌跡的柵格化集成結果呈現的旅游者行為的共性時空特征。從GPS軌跡的時空信息特征和志愿提供的模式方面看，對單條GPS軌跡的深入挖掘，也可以支持基于個體的旅游時空行為研究，從多時空尺度上準確表達旅游者對旅游空間的關注度。通過GPS軌跡數據，不僅可以準確地從空間尺度上了解旅游者對不同景點的關注度，還可以掌握旅游者流動信息，進而揭示旅游者行為規律。在旅游地規劃與管理，特別是觀光路線和景區導引設計提供技術支持。另外，在城市空間結構研究以及城市居民出行行為研究方面，該方法同樣適用。GPS軌跡表現了用戶空間分布集聚動態規律，通過GPS軌跡對出租車的運行狀態進行分析，了解人們的出行特征、解析城市居民的行為規律，如職住關系、通勤出行時空分布等，從而有助于城市公交換乘樞紐以及其他公共設施的規劃設計。

Spatial Pattern Analysis of Tourist Behavior based on Rasterization of GPS Trajectories

LANG Yuehua1， LI Renjie1，2， FU Xueqing1，2

（I.College of Resources and Environmental Sciences. Hebei Normal University， Shijiazhuang 050024， China;

2. Laboratory of Environmental Change and Ecological Construction ofllebei Province. Shijiazhuang 050024， China）

Abstract： Location-based services that utilize GPS are convenient for travel. The GPS data collectedby such services can be used to investigate tourist behavior and plan tourism products. GPS datainclude location and time and thus can be used to reconstruct tourist time- space behavior. GPS trajec-tories are more reliable than data obtained from questionnaires and other types of tourist information.

Based on the characteristics of GPS trajectories， such as movement velocity， velocity fluctuation，movement duration， and data anomalies， this study rasterizes GPS trajectories and proposes a methodfor representing tourist behavioral spatial patterns. This method can distinguish three types of touristbehavioral spatial patterns， namely the sightseeing tour， recreational tour， and bus tour. In addition， itcan indicate the dominant behavior pattern anywhere in a tourist area. This information can be used toquantitatively study tourist time-space behavior and tourism geography.

An empirical study conducted on Jiuzhai Valley demonstrates that GPS trajectories can be used tocharacterize the spatial distribution patterns of different types of tourist under multiple temporal andspatial scales. The tourist behavior characteristics of the spatial distribution model are obvious. For theentire tourist area， sightseeing tours are found to be concentrated in Shuzheng Valley and Rize Valley.Colorful Pond and Lang Lake are typical landscapes in Zechawa Valley. From the spatial scale of asingle sightseeing line， sightseeing is concentrated in the "Heye Village-Tiger Lake" section in ShuzhengValley and the "Mirror Lake- Pearl Shoal- Five Flower Lake- Arrow Bamboo Lake" section in RizeValley. From the spatial scale of a single landscape， Shuzheng Lakes， Nuorilang Lakes， Pearl Shoal，Five Flower Lake， Panda Lake， and Arrow Bamboo Lake are the most popular sightseeing spots.

The results of the rasterized tourist behavior spatial model are basically consistent with other datasources， but the model provides a richer perspective for research and gives higher spatio- temporalaccuracy. The proposed method can be used for research on tourist space-time behavior and tourismgeography. The results can provide a reference for the planning and management of tourismdestinations， especially sightseeing routes and scenic guide design.

Keywords： GPS trajectory; rasterization; tourist behavior; spatial pattern; Jiuzhai Valley