基于“兩步路”平臺的南嶺徒步旅行者旅游凝視近景偏好分析

鐘永德，郭 鑫

（中南林業科技大學 旅游學院，湖南 長沙 410004）

一 研究背景

視覺在人類的諸多感覺中尤為重要，眼睛之所見可以使人認知事物，并看到事物間的區別[1]。旅游凝視是旅游期望、旅游行為和目的相結合的產物[2]。在旅游過程中，旅游者往往以一個“全視者”的角度觀察自然和人文景觀，在凝視活動中表達內在訴求[3]。旅游者的旅游凝視是一種特殊景點符號的生產和消費[4]。照片作為旅游凝視的物化表現，是一種隱喻作用強大的視覺符號，是旅游者對旅游目的地的一種作用力，也是旅游者記錄個人情況、記憶留念、重塑景區形象且具有實際感受和最適合跨文化交流的視覺符號[5-6]。旅行體驗中“凝視”是最根本的視覺行為特性[7]，旅行者拍攝景觀這一活動是“旅游凝視”的具體化[8]；此外“旅游凝視”還有“當地人群凝視”或“隱性凝視”過程中產生的互相凝視[9]。國內外將旅游凝視理論與旅游照片結合的研究逐漸增多，而“旅游凝視”不是“旅游體驗”的目的，而是其實現途徑[10-11]，這也是其最大價值所在。

對“凝視”的研究起源于西方哲學“看”與“視”的觀點，福柯將“凝視”大眾化，這一觀點受到了學者以及社會的廣泛關注。福柯認為，“凝視不是隨意一個實驗對象的凝視，而是一種獲得某種體制肯定與支持的凝視”[12]。在福柯的影響下，厄里于1990 年首次發表“旅游者凝視”的觀點，希望運用旅游凝視去觀察社會。在厄里看來，人類不定期地去外地旅行的行為，就是想要通過凝視那些不同于自身所處環境的獨特事物，獲取愉悅、懷舊、刺激等體驗[13]。中國的旅游凝視研究起源于劉丹萍。她在2005 年第一次使用“旅游凝視”作為理論分析工具，將攝影作品作為研究材料，從歷時態、共時態、精神與文化動因三個層面闡述了元陽梯田這一景點的發展歷程[14]。2007 年，劉丹萍在《旅游學刊》刊發了國內第一篇旅游凝視研究的文章《旅游凝視：從福柯到厄里》，詳細介紹了旅游凝視相關理論。

目前在國內主要以如下四個方面的研究為主。其一，旅游凝視與鄉村旅游。朱璇等人以國內背包客凝視下的亞丁村為背景，分析了旅游者對鄉村旅游產生的影響[15]。其二，旅游凝視對目的地的作用力以及形象構建。把多勛等人分析了旅游凝視與民族地區文化遷移、城市形象社會構建的關系，闡述了旅游目的地構建機器的經濟生產動因[16-17]。劉丹萍研究認為，旅游者對旅游目的地居民單一的凝視活動，為不同發展階段的目的地提供了各種文化和經濟作用力[8]。陳瑤運用凝視理論，分析了“屯堡人”在旅游沖擊下對環境的選擇與適應，認為旅游目的地是被社會性構造與重塑的，是現代社會體制的產物[18]。崔紅紅分析了旅游體系中不同主體凝視對目的地形象塑造的言論，以及這些言論在實際傳播過程中可能產生的影響[19]。張麗從景觀與凝視之間互動的角度，認為旅游景觀需要旅游者的凝視，凝視塑造了游客的視覺景象[20]。其三，旅游凝視與文化。陳興等人將旅游者凝視與族群認同重構的耦合機制相結合，進行了目的地文化重構研究[21]。孫九霞從族群文化的遷移入手，發現旅游目的地居民在旅游者凝視下，會選擇性地調整自身行為，此外凝視對族群文化也產生了潛移默化的改變，以此來迎合旅游者凝視所反映出的旅游偏好[22]。厲新建從旅游凝視和文化的視角，認為外來旅游者是凝視的權力行使對象，參與當地文化延續發展，甚至推動當地文化瓦解[23]。張濤等人提出，要在發展旅游時注重本地文化凝視內容，發揮其文化的傳承力和保真性所創造出的價值[24]。其四，旅游凝視與不同主客體之間的關系。徐琦將消費社會與旅游凝視相結合，研究了旅游者動機、旅游者行為及其體驗[25]。吳茂英基于“旅游凝視多維角度的系統解讀”理念，分析了凝視主體與客體、凝視的構造、各維度旅游凝視的特點等[9]。梁爽將旅游凝視運用于攝影、文化以及目的地居民對旅游者的態度改變等問題研究上[26]。郭偉峰研究認為，在旅游者的凝視下，旅游從現代性的“經濟中心論”往后現代的“個性化”方向發展，呈現多元化發展趨勢[3]。李曉莉等人通過實證調查發現，認同、感知與行為意向之間存在相關性，即如果消費者的期望與感知吻合，能提高消費者的旅游滿意度，促進故地重游的意向[27]。總體而言，無論旅游者旅游體驗的感受和結果如何，作為旅游者旅游活動和歷程中關鍵一環的旅游凝視，直接影響著旅游者體驗的實現和質量。

旅游照片的研究視角一般以旅游攝影作為基礎[28]。旅游攝影為旅游游憩活動中產生的拍照行為，即用照片記錄旅游的行為。攝影旅游不同于旅游攝影，它具有明顯的專業性和目的性，旅游攝影的關鍵是“游”，拍攝照片只是伴隨旅游過程而產生的事件[29]。在20 世紀末的西方學界，旅游攝影作為復雜的視覺文化研究的一種，在美學、社會學、符號學等方面的“圖像轉換”和“視覺轉換”的視覺文化研究熱潮中，逐漸成為研究議題，研究的焦點主要集中在游客照片中的東道主[30]、游客的拍照行為以及社會文化變遷等方面。相關學者將旅游者的攝影行為總結為旅游者固有的權力和窺視欲、自我認知與自我描述、影像回憶與證明三個方面[31]。Haldrup 等人認為，旅游照片圍繞社會關系展開，通過拍攝旅游照片和游后回顧照片等行為，人們可以清晰了解自身與他人之間的關系以及自身的社會身份與角色扮演[32-33]。在游憩時通過拍照獲得滿足感是一種習慣行為[34]，而這一行為使過程遠比照片本身更重要。

二 研究方法

（一）基于深度學習的圖片分析法

人工對圖片內容進行編碼的分析法應用最為廣泛，其分析準確率較高，但分析樣本數量有限；而用戶生成內容（user generated content，UGC）圖片動輒數以萬計的樣本量，使傳統圖片分析方法無法滿足其分析需要。自從2006 年深度置信網絡快速學習算法被提出以來，深度學習吸引了越來越多科研人員的研究興趣。在過去的十多年中，隨著深度學習技術的進步與發展，其在信號解析和信息處理等方面產生著深遠的影響。伴隨著計算機深度學習技術的進步，卷積神經網絡（convolutional neural networks，CNN）已被廣泛應用于圖像分類、實物檢索、面部識別等領域，極大地改善了圖像識別的準確率。GoogLeNet 模型通過增加卷積層數目，疊加了22 個卷積層，將深度學習圖片分類過程中的錯誤率降至6.7%。在Inception 模塊的基礎上，又出現了改良版本的Inception v2 模塊、Inception v3 模塊[35]以及Inception v4 模塊[36]，這些模塊的出現促使GoogLeNet 模型的圖像分類能力得到進一步提升。本研究采用GoogLeNet 模型中的Inception v3 模型，將圖片信息轉換為文本，構建近景標注圖片偏好分析的基礎，模型實現如 圖1 所示。

圖1 基于Inception v3 模型的圖片內容分析

（二）質性扎根法

扎根理論是由Strauss 和Glaser 兩位學者共同提出來的[37]，該理論首次將理論研究和實證研究相結合，其運用系統化程序，總結出基于原始數據整合構建理論模型的方法和步驟，經過系統性分析、歸納，再建立理論和概念。扎根理論是質性研究法的一種。本文使用質性扎根法，利用Nvivo 12.0 對搜集的照片進行自動編碼，之后使用軟件自帶的統計功能，挖掘編碼在類目中的關系，通過生成項目、導入節點、編碼分類等操作，將圖片中的內容系統地分配到各個類目中，然后通過將所有照片節點進行自動編碼的方式，將照片的表征內容轉化為定量信息。

三 研究地概況與數據采集

（一）研究地概況

南嶺即南嶺山地，又稱為五嶺，從東到西分別為大庾嶺、都龐嶺、萌渚嶺、騎田嶺、越城嶺。本文主要以湖南省區域內的都龐嶺、萌渚嶺、騎田嶺、越城嶺為研究地。

南嶺位于粵湘桂贛四省（區）交匯處，是中國南部地區最大的東西向構造帶山嶺，是長江與珠江水域的分水嶺。南嶺平均海拔較低，最高海拔位于越城嶺的貓兒山，海拔2 142 m。南嶺中與湖南相聯系的其他山峰有：都龐嶺韭菜嶺（海拔2 009 m）、騎田嶺二尖峰（海拔1 654 m）、萌渚嶺馬塘頂（海拔1 787 m）。南嶺山地區位圖如圖2 所示。

圖2 南嶺山地區位圖

（二）數據采集與處理

1. 數據來源與篩選

采用Python編程語言，在“兩步路”官網（https://www.2bulu.com/）分別以都龐嶺、萌渚嶺、騎田嶺、越城嶺為關鍵詞，搜索所有相關的軌跡，共得到2 816 條記錄（截至2020 年1 月），爬取軌跡照片以及照片元數據，即照片id、拍攝時間（具體到年月日時）、標注內容，共得到15 822 張軌跡照片。照片收集時間為2020 年2 月上旬，受新冠肺炎疫情影響，最晚的照片內容僅到2020 年1 月中旬。因此，為了方便統計照片信息，只爬取了2016 年1 月至2020 年1 月共計4 年的照片；同時，由于區域之間的差異，騎田嶺僅有2018 年及2019 年的數據，萌渚嶺缺乏2016 年的數據，越城嶺和都龐嶺4 年均有數據，因此研究以實際統計年份為準。

爬取的15 822 張照片中，都龐嶺12 923 張，萌渚嶺1 410 張，越城嶺1 209 張，騎田嶺280 張。去重后照片總數為7 857 張，其中，都龐嶺5 988張，萌渚嶺693 張，越城嶺904 張，騎田嶺272 張，重復率為50.34%。

2. 數據解析與提取

本文主要分析“兩步路”平臺戶外近景標注照片中的構成要素，利用深度學習算法分析圖片表征內容，利用計算機編程語言Python 2.7 編寫程序分析數據。本研究利用Inception v3 模型對圖片進行解析，此模型可有效提取UGC 圖片中的內容，所得到的分析結果以“名詞”形式呈現。名詞是對圖片內容的描述，亦即旅游者近景偏好的體現。例如一張都龐嶺相關的圖片，可被Inception v3 解析為一組包含2 000 個類別的數據結果，排序越靠前表示其與圖片內容越相關。Inception v3 通過將圖片信息轉換為文本，構建近景標注圖片偏好分析的基礎，模型實現如圖1 所示。

3. 照片編碼

通常一張照片的凝視主體不止一個，照片中除了包含某個主體外，還有多個元素的疊加，此外在不同類別中相同的元素會以不同的組合出現。例如，許多旅游者在拍攝民風民俗或建筑主題的照片中，主要元素有橋、船、樹等。通過深度學習模型，將圖片數據分析完成后導入Nvivo 12.0，利用其自動編碼功能，對圖片以及數據進行分類編碼。編碼完成后，合計編碼次數為18 085，產生參考點為282 069 個，各山嶺具體編碼情況如表1 所示。

表1 南嶺山地圖片標注編碼情況

整合都龐嶺、萌渚嶺、越城嶺、騎田嶺分析結果的前30 項，共得到不同節點類別58 項。根據質性扎根法，將58 項節點類別進行歸類整合與意義主題提煉，參照前人研究成果和分類研究案例，對樹狀節點的含義范疇進行深入分析與探討。使用持續對比技術，逐一將58 個初始編碼節點歸納為大類，將無法構成新主題的節點歸到“其他”類別，最終將58 個分類整合到11 個大類中，從而將自由節點整合成樹狀節點，并最終獲得11 個樹狀節點，具體細項如表2 所示。

表2 標注照片元素類別

四 結果與討論

（一）總體偏好分析

1. 近景標注元素偏好

通過Nvivo 12.0 自動編碼功能完成自由節點的編碼，再利用Nvivo 12.0 自帶的統計功能將各自由節點類目的頻數統計導出來，結果如表3 所示。

表3 顯示了戶外旅游者在南嶺山地拍攝的景觀元素標注照片中排名前50 的高頻名詞。由表3 分析可知，陡坡、山谷、高山、巖石河灘、山峰、群山等元素頻次較高，反映了戶外旅游者的關注焦點主要為自然景觀，其中歸屬于山岳景觀的陡坡、山谷、高山占比最大。帳篷、防水袋、庭院、房屋、石碑、安全標志等人為景觀也具有較高的頻次占比，這與戶外旅游者徒步出行的方式具有強相關性。具體而言，南嶺戶外旅游者近景標注照片組成元素中頻次較大的是陡坡、山谷、高山、巖石河灘、山峰、群山，其頻次均在1 000 以上，其中陡坡和山谷的頻次更是達到了5 000 以上，這說明戶外旅游者在標注照片時，主要傾向于拍攝地勢較為險要、視野開闊、具有所處環境特色的照片作為標注點。頻次在500~1000 的元素分別為旅行者、山脈、森林、水域、石墻，其中，旅行者排在第一位，頻次為943，說明南嶺戶外旅游者在標注照片中喜歡把同行者或者自己作為標注照片元素，而森林、水域等元素占比較高，一方面反映森林是旅游者喜歡的近景標注元素，另一方面也折射出戶外旅游者游憩過程中親水的特性。而標記物、要塞、地衣、絲帶、飯盒、針葉林、河灘、防雨罩是南嶺戶外旅游者標注照片元素占比較小的，這些元素頻次均低于100，其加權比例之和僅1.67%，說明這些元素是南嶺戶外旅游者在標注照片中較少涉及的元素且具有不確定性。其他景觀元素的頻次在100~500 之間，反映出戶外旅行者的不同近景標注偏好及南嶺山地的自然地理環境特征。

表3 南嶺山地景觀元素頻次統計結果（前50 項）

從以上景觀元素頻次統計結果可知，戶外旅行者對南嶺區域近景標注元素偏好強度依次是山岳風光、巖石河灘、旅行者、森林、水域，其代表照片如圖3 所示。

2. 近景標注類別偏好

根據對自動編碼節點的分類，進行類別歸總統計，得到元素類別頻次圖。

照片元素類別頻次如圖4 所示。

圖3 高頻景觀元素照片組圖

圖4 照片元素類別頻次

由圖4 分析可知，南嶺戶外旅游者對山岳景觀感知最強，這是由于南嶺地區主要以山岳風光吸引各地的戶外旅游者，因此山岳景觀是旅行者在近景標注中的主體元素。山岳景觀也是與其他元素組合最多的元素，當旅游者處于這一景觀環境中，會自覺或不自覺地將該元素置于照片中，這也反映了南嶺戶外旅游者的出行動機不是單純的觀光休閑，而更多的是抱著一種探險、挑戰的精神來感受大自然。排在第二位的是地質景觀，其分類細項有洞穴、巨石、巖石河灘、土丘、河灘，這與南嶺山脈地處亞熱帶季風氣候區有著密切的關系。南嶺降水豐富，年降水量達1 500~2 000 mm，在流水的侵蝕作用下，形成了眾多不同類型的地質景觀，而戶外旅行者大多溯溪而行，因此在近景標注照片中，地質景觀占了較大比例。頻次較高的還有建筑，標記次數達到2 210。這一方面是因為使用“兩步路”平臺的戶外旅行者標注的起始部分和結尾部分大多是市鎮或村落；另一方面當旅行者在深山或者谷地中看到村民修建的木屋、柵欄等原生態設施時，喜歡將此類與周邊環境相較而言“另類的”元素記錄在標注點中，不僅起到標示導覽的作用，即告知后續使用此軌跡的旅游者是否正確到達目的地，也反映了戶外旅行者對原生態元素的喜愛。戶外用品這一元素占比接近10%，這與使用“兩步路”平臺的特定人群密切相關。大多使用這一平臺的是戶外徒步愛好者，而戶外徒步過程中，往往需要準備充足的裝備，如沖鋒衣、登山杖、帳篷等，因此這一類元素在近景標注圖片中占比較大。與戶外用品頻次接近的是水體景觀，其分類細項有河堤、水域、水塘、溪流。戶外旅行者大多具有親水特性，且水作為重要的補給資源是完成戶外旅行必不可少的元素；此外，南嶺山間有眾多天然形成的溪流以及藍眼等小型水塘，其作為特色景點成為戶外旅游者熱衷拍攝的元素。由于戶外徒步多為結伴而行，因此人物這一類別也占了不小的比例。旅行者不僅會將團隊成員的合照作為標注點以紀念拍照所在地，還會用近景標注照片記錄某一特定的行為，如攜手穿越湍流的溪水、互相牽拉翻越陡峭的巖壁等。植物是自然環境的重要組成部分，旅行者在進行近景標注時，樹木往往作為背景元素融入照片中。同時，部分植物有獨特的形狀特征，因此也常成為旅行者的標注點，如都龐嶺的一棵樹多次出現在不同旅行者的近景標注圖片中；野花則是戶外旅行者另一個熱衷于標記的植物，說明顏色鮮艷的野花不僅給自然環境增添活力，也吸引著人們標注記錄。除此之外，標識及導覽設施、氣候景觀、動物、其他這4 個類別的元素也常出現在戶外旅行者的標注照片中。

（二）近景標注元素空間分異特征

戶外旅行者對線路的近景標注點直接反映了旅行者對該線路沿途事物的感知情況以及景區的開發與建設。通過分析南嶺不同山嶺之間近景標注點的空間結構，可以更深入地剖析旅行者在同一區域不同山嶺之間的偏好差異，以更好地為景區規劃與開發提供建設性方案。

表4 顯示了都龐嶺、越城嶺（舜皇山）、萌渚嶺（九嶷山）、騎田嶺4 個山嶺近景標注中排名前30 的高頻詞。

表4 各山嶺景觀元素頻次統計結果（前30 項）

由表4 可知，在四片山嶺區域戶外旅行者的認知偏好中，陡坡、山谷、高山等元素出現的頻次較高，反映了南嶺四區域均屬于山高谷深的地形，表明了不同區域之間旅行者關注焦點具有相似性；但不同區域對近景標注圖片反映的內容呈現出不同的趨向性，具體表現在元素高頻詞排序方面的差異。都龐嶺、越城嶺（舜皇山）、萌渚嶺（九 嶷山）、騎田嶺空間分異照片元素組圖如圖5 所示。

圖5 空間分異照片元素組圖

（三）近景標注元素時間分異特征

時間分異以年為單位，比較不同年份之間旅行者近景標注點的共性與特性，通過發掘共性找到在近景標注中旅行者最喜歡拍攝的點，而通過特性發掘近景標注元素年度之間存在差異的原因。

對都龐嶺、越城嶺、萌渚嶺、騎田嶺時間分異特征的數據分析結果表明，都龐嶺地區旅游者對標注點元素的偏好并不是一成不變的，有一定的時間差異性。都龐嶺在2016 年時曾出現蛇、魚等野生動物元素，但在后續年份均未再次出現，說明該線路在早期戶外旅行者較少，生態良好，旅行者容易看到野生動物，喜歡將動物作為重要的近景標注點。隨著時間的遷移，一些不曾受關注的點成為新的熱門標注元素，如水塘、石碑在該區域早已形成，但直到2018 年才成為較為高頻的標注對象。村舍與土丘在2017 年出現在標注圖片中，2019 年重新成為該地戶外旅行者的重要標注點。總體而言，都龐嶺區域的水體元素在近景標注的圖片中出現的頻率非常靠前，這符合都龐嶺中軌跡路線溯溪而上的特性，說明戶外旅行者近景標注受旅游線路自然地理環境影響較大。

越城嶺（舜皇山）旅行者對于建筑僅在首次出現時標注熱情較高，隨著時間的推移，人造建筑群不再是旅行者重點標注的對象。越城嶺的近景標注高頻元素從2016 年的生態動植物為主轉變為2017年的建筑類別相關元素為主，反映景區的開發建設會影響旅游者的標注偏好；但隨著建設的完成，2018 年其偏好元素類別轉變為以戶外用品為主。

圖6 時間分異照片元素組圖

隨著國家對歷史文化的重視，萌渚嶺（九嶷山）旅游者在旅行過程中更加關注具有文化底蘊的元素。戶外開展的活動是旅行者重要的標注對象，如萌渚嶺在2017 年，帳篷、背包標注頻次較高，反映夜晚活動成為標注對象。區域新旅游資源的開發也會吸引旅行者進行標注，如在2019年，洞穴、遺跡出現在了高頻詞中，因為萌渚嶺九嶷山景區會經過泠道故城遺址且該景區溶洞較多，說明景區周邊依托的景點會對該景區近景標注偏好產生影響。

隨著騎田嶺區域路線的相對成熟，其旅游者開始更多地關注當地人的生活與具有特色的自然環境及景觀。從騎田嶺的時間分異中可以發現，某一新興戶外路線剛開發的時候，旅行者主要以戶外探險為主，如騎田嶺2018 年標注偏好主要集中在戶外用品類別，如帳篷、背包、登山杖，到2019 年，建筑、野花、洞穴、水域等元素成為高頻詞。同時，一些具有紀念意義的地理標志，如騎田嶺一處1 510 m 海拔的地理標志的關注度很高，說明景區的地理標志對旅游者具有強吸引力。

都龐嶺、越城嶺（舜皇山）、萌渚嶺（九嶷山）、騎田嶺時間分異照片元素組圖如圖6 所示。

五 結論與展望

（一）結論

本文采用深度學習算法，對“兩步路”平臺戶外旅游者拍攝的7 857 張湖南省南嶺區域近景標注圖片進行了內容分析，并根據拍攝的區域不同，比較了都龐嶺、越城嶺、萌渚嶺、騎田嶺旅游者對所在區域近景標注感知的情況。與人工對圖片內容進行編碼的研究方法相比，該方法有效提升了圖片分析速度和效率，可在海量的圖片樣本空間對區域近景標注偏好進行分析，充分發揮了UGC 圖片數據的價值。研究表明：

（1） 南嶺山地湖南區域都龐嶺、越城嶺、萌渚嶺、騎田嶺的戶外旅行者對近景標注元素總體上以山岳景觀為主，峽谷、溪流等自然要素的關注度較高，而作為森林主體之植物的關注度不高，這可能與徒步旅行者的生物基礎知識水平有關。

（2）不同區域對近景標注圖片反映的內容呈現出一定的差異性，這些差異緣于徒步路線經過的自然地理環境、辨識度高的地理標志以及當地的開發與管理措施等不同。都龐嶺區域的水塘、河堤、溪流等水體元素在近景標注圖片中出現的頻率非常靠前，說明戶外旅行者近景標注受旅游線路自然地理環境影響較大；越城嶺（舜皇山）區域的猴子元素出現頻率較高，說明景區管理相關措施在一定程度上會影響旅游者的標注偏好；萌渚嶺九嶷山景區經過泠道故城遺址且該景區溶洞較多，說明景區周邊依托的景點會對該景區近景標注偏好產生影響；騎田嶺戶外愛好者往往對一些具有紀念意義的地理標志情有獨鐘，說明景區的地理標志對旅游者具有強吸引力。

（3）同一區域的近景關注對象隨著時序發展而逐漸豐富。曾出現過的近景標注元素會逐漸覆蓋該區域所有元素類型，因此新出現的近景標注元素的數量會越來越少。這說明旅行者近景標注的偏好相似度會越來越高。

（4）不同年份之間因管理措施、開發建設、國家政策引導的不同，旅行者對近景標注的偏好會有所差異。

（二）展望

對于海量UGC 圖片，采用深度學習算法進行圖片分析在旅游領域尚處于初級階段，本文具有以下局限性并有待完善。（1）本文采用機器代替人工分析對圖片進行解析，機器識別模型的訓練程度還不夠，分析準確度有待加強。一方面，機器學習對設備的要求較高，研究者的設備性能可能不足以滿足進一步訓練要求；另一方面，機器學習算法是由參數驅動的，數據結構中參數對學習的分析預測有明顯影響。通過調整數據為每個參數尋找最優值，用以提高模型的正確率。為了選擇合適的參數，需要對它們的意義有深入了解，但研究者目前對于機器學習的了解還不夠深入，因此無法準確對相應參數進行調整。相信隨著對算法參數的深入了解，模型分析的準確度將會得到質的提升。（2）本研究對時間分異特征的分析僅考慮了年度因素，季節分異特征的分析對旅游景區的管理具有更大意義。同時，時間分析還可更具體，如一日游和多日游的旅游者照片，不同季節、不同月份的旅游者照片等，游客凝視的點可能也不一樣，近景標注偏好也可能存在差異，從而才能依據不同時間不同需求設計差異化的路線，為今后景區旅游規劃和景觀設計提供更科學全面的借鑒。（3）本研究雖然對每張圖片進行了分析，但沒有分析圖片中元素的組合情況，基于共現聚類分析法，可分析出哪些元素最易同時組成一張照片，隨機偶然組成的是哪些元素，進而探討在照片中旅游者的景觀偏好組合類目集群。這些研究不足，都將成為未來研究的主要方向。