基于大數(shù)據(jù)空間標(biāo)記的慣常環(huán)境技術(shù)定義

［摘 " "要］旅游是在非慣常環(huán)境的活動(dòng)，但非慣常環(huán)境要由慣常環(huán)境來定義。無論學(xué)術(shù)上還是技術(shù)上，慣常環(huán)境自身也都缺少相對(duì)統(tǒng)一和明確的定義，使得我國旅游統(tǒng)計(jì)執(zhí)行錯(cuò)亂頻生，各類負(fù)面輿情不斷。文章探討了慣常環(huán)境技術(shù)定義的國際實(shí)踐、原則和推薦的表達(dá)，認(rèn)為慣常環(huán)境是由以居所為中心和以職學(xué)地為中心的兩類慣常空間的合集，一個(gè)以不等圓組成的不受行政區(qū)劃限定的不規(guī)則區(qū)域。研究還發(fā)現(xiàn)：1）為減少位置噪聲點(diǎn)干擾使得簇質(zhì)點(diǎn)偏移，對(duì)兩個(gè)慣常空間進(jìn)行具有噪聲的基于密度的空間聚類時(shí)掃描半徑宜限定在1 km以內(nèi)；2）以居所為中心的慣常空間不超過1個(gè)，以職學(xué)地為中心的慣常空間個(gè)數(shù)小于等于2，根據(jù)位置點(diǎn)衰減情況判斷，前者空間半徑以40 km為宜，后者空間半徑以2 km～3 km更為合理；3）無需用全樣本位置數(shù)據(jù)進(jìn)行標(biāo)記，通過代表性用戶出游率或抵達(dá)率擴(kuò)樣實(shí)現(xiàn)總體推算；4）不能標(biāo)記慣常環(huán)境的用戶，可假定其出游率或抵達(dá)率與能標(biāo)記的用戶相同，即符合同一性假定。該研究可為大數(shù)據(jù)的旅游統(tǒng)計(jì)規(guī)范化應(yīng)用提供技術(shù)參考，為基于大數(shù)據(jù)的旅游流研究夯實(shí)了基礎(chǔ)。

［關(guān)鍵詞］慣常環(huán)境；技術(shù)定義；空間標(biāo)記

［中圖分類號(hào)］F59

［文獻(xiàn)標(biāo)識(shí)碼］A

［文章編號(hào)］1002-5006（2024）05-0161-10

DOI： 10.19765/j.cnki.1002-5006.2024.05.015

0 引言

旅游學(xué)能否成為一門獨(dú)立的學(xué)科，取決于能否構(gòu)成一個(gè)相對(duì)獨(dú)立的知識(shí)體系，也就是具有特有的概念、原理、命題、規(guī)律等所構(gòu)成的嚴(yán)密的邏輯化的理論體系[1]。1999年，聯(lián)合國世界旅游組織在定義旅游時(shí)首次引入慣常環(huán)境概念，此后各國陸續(xù)將慣常環(huán)境確立為定義旅游的概念要件。聯(lián)合國主導(dǎo)的《2008年國際旅游統(tǒng)計(jì)建議》，定義“游客指出于任何主要目的（出于商務(wù)、休閑或其他個(gè)人目的，而非在被訪問國家或地點(diǎn)受聘于某個(gè)居民實(shí)體），在持續(xù)時(shí)間不足一年的期間內(nèi)，出行到其慣常環(huán)境之外某個(gè)主要目的地的旅行者。”[2]實(shí)際上，慣常環(huán)境并不指向旅游，慣常環(huán)境之外才指向旅游。張凌云開創(chuàng)性地將慣常環(huán)境之外定義為“非慣常環(huán)境”，引發(fā)了關(guān)于旅游的本質(zhì)和游客在非慣常環(huán)境中游憩行為的深入探討。一方面，張凌云提出了旅游就是人們?cè)诜菓T常環(huán)境下的體驗(yàn)和在此環(huán)境下的一種短暫的生活方式，并將旅游的本質(zhì)定義為“對(duì)非慣常環(huán)境的體驗(yàn)”[3]。一些學(xué)者也認(rèn)同非慣常環(huán)境核心概念是旅游學(xué)的邏輯起點(diǎn)之一[4]。另一方面，更多學(xué)者確實(shí)以非慣常環(huán)境概念為邏輯起點(diǎn)，對(duì)旅游者非理性行為、旅游欺詐現(xiàn)象、價(jià)格感知、生命的意義、體驗(yàn)差異等現(xiàn)象進(jìn)行了深入研究[3，5-7]，顯著推動(dòng)了對(duì)旅游活動(dòng)的學(xué)術(shù)理解。旅游在非慣常環(huán)境發(fā)生，學(xué)術(shù)研究也更多聚焦于此。仔細(xì)觀察相關(guān)研究發(fā)現(xiàn)，廣域環(huán)境減去慣常環(huán)境后就是非慣常環(huán)境，世界上每個(gè)人的廣域環(huán)境在空間上是相等的，也就是所處發(fā)展階段面向人類生活的全部活動(dòng)空間。這意味著，非慣常環(huán)境是依靠慣常環(huán)境來定義和理解的。從而定義項(xiàng)中的另一個(gè)概念“慣常環(huán)境”應(yīng)該要有一個(gè)比較準(zhǔn)確的已知定義，才能避免被定義項(xiàng)陷入定義模糊[8]。

無論是從地理上還是心理上定義，慣常環(huán)境勢必存在理論上的空間邊界，否則慣常環(huán)境就與廣域環(huán)境重合，也就失去了討論旅游的邏輯起點(diǎn)。遺憾的是，慣常環(huán)境的理論邊界仁者見仁。Govers等定義慣常環(huán)境，與其說是從地方、空間、流動(dòng)的多視角出發(fā)，通過網(wǎng)絡(luò)、電話、留置問卷等方法進(jìn)行超大樣本的調(diào)查，對(duì)傳統(tǒng)觀點(diǎn)的慣常環(huán)境進(jìn)行重置，不如說他們引入游客感知，提出了“讓旅游者決定用何種時(shí)間和地點(diǎn)的數(shù)據(jù)來劃分慣常環(huán)境和旅游、旅行的界限。”[9]自此，慣常環(huán)境需要從社會(huì)地理、環(huán)境心理等多視角進(jìn)行綜合考察的觀點(diǎn)趨于主流，確定其空間邊界的分歧越來越大，而不是相反。甚至出現(xiàn)認(rèn)為交通的快捷、舒適、方便程度左右人們的心理距離，交通格局的變化可以達(dá)到“天涯若比鄰”的效果的觀點(diǎn)[10]，過度強(qiáng)調(diào)個(gè)體對(duì)距離的心理感知，而忽視出行頻率。這一邏輯正如韓炳哲所說“電子郵件以此方式造就出即時(shí)性，即它完全除掉作為空間間歇的諸多道路。它擺脫了空間本身……每一個(gè)遠(yuǎn)方、每一段距離都要被滅除。要做的是，使一切在此時(shí)此地即可得以被支配。”[11]隨著虛擬現(xiàn)實(shí)、元宇宙等數(shù)字化技術(shù)發(fā)展，慣常環(huán)境似乎就真的可以與廣域環(huán)境重合了，屆時(shí)，繼續(xù)探討旅游就沒什么實(shí)際價(jià)值了。學(xué)術(shù)上百家爭鳴是旅游研究之幸，對(duì)于旅游統(tǒng)計(jì)則可能意味著不知所措和頻繁的統(tǒng)計(jì)數(shù)據(jù)質(zhì)疑。因?yàn)椋绻巳擞凶约旱膽T常環(huán)境理解以及在此基礎(chǔ)上的旅游活動(dòng)認(rèn)知，就難以建立一套各方認(rèn)可的統(tǒng)計(jì)規(guī)則。如果技術(shù)定義中也依賴游客感知，慣常環(huán)境就變成了一個(gè)因人而異的主觀概念，關(guān)于旅游人數(shù)的統(tǒng)計(jì)就只能經(jīng)由游客抽樣調(diào)查這一種方法了，因?yàn)槟芮抑荒茉谟慰妥约焊兄欠耠x開慣常環(huán)境的基礎(chǔ)上進(jìn)行擴(kuò)樣推算。由于不同經(jīng)濟(jì)發(fā)展水平、不同文化風(fēng)俗、不同生長階段的人對(duì)慣常環(huán)境大小的感知不同，區(qū)域旅游統(tǒng)計(jì)數(shù)據(jù)之間就完全失去可比性了。管婧婧等也認(rèn)為慣常環(huán)境的地理邊界應(yīng)該是開放和發(fā)散的，但是從統(tǒng)計(jì)操作角度可強(qiáng)行劃定物理距離尺度[8]。國際上并沒有關(guān)于慣常環(huán)境的統(tǒng)一技術(shù)定義，聯(lián)合國世界旅游組織建議各國根據(jù)交通便利情況、人口密度、文化行為、距離行政邊界的距離遠(yuǎn)近等確定一個(gè)“唯一的個(gè)人慣常環(huán)境”[2]。一些國家用“出城”“異地”“外地”“離開本地”“離家40 km（或50 km、80 km等）”等表述，含糊其辭。我國自1993年開展國內(nèi)旅游統(tǒng)計(jì)、2000年出臺(tái)旅游統(tǒng)計(jì)制度至今，從來沒有對(duì)慣常環(huán)境下過定義，使得很多學(xué)者不理解旅游人次怎么統(tǒng)計(jì)得來，也不能準(zhǔn)確向?qū)W生和基層旅游統(tǒng)計(jì)人員傳授講解，特別是各地爭相用位置數(shù)據(jù)監(jiān)測假日游客接待情況，方法各不相同，且都不是在標(biāo)記游客慣常環(huán)境基礎(chǔ)上展開，新一輪旅游數(shù)據(jù)亂象有愈演愈烈之勢。

1 基于位置大數(shù)據(jù)的慣常居住及職學(xué)空間標(biāo)記

1.1 慣常環(huán)境技術(shù)定義的國際隱喻

慣常環(huán)境的出現(xiàn)經(jīng)歷了數(shù)十年演變，根據(jù)張凌云對(duì)國際上主流旅游定義的梳理，“非定居地”“離開自己的住地”“離開定居地點(diǎn)較遠(yuǎn)的地方”“離家”“離開日常生活圈”等表述都出現(xiàn)過（表1）。從表1可以看出，學(xué)術(shù)上對(duì)旅游的定義多從離開居住地展開。各國雖然盡量回避定義慣常環(huán)境，但為了統(tǒng)計(jì)需要都采用隱喻的方式大致勾勒慣常環(huán)境的空間規(guī)則。美國對(duì)游客出行的時(shí)空要求是50 miles（約80 km）1，法國則是離開住所超過100 km2，日本要求游客離開日常生活環(huán)境達(dá)到單程80 km3，澳大利亞要求過夜游客離家40 km以上，對(duì)一日游則為離家往返50 km4，西班牙規(guī)定游客必須出行至行政邊界（市）以外5。這些國家雖沒有明確定義慣常環(huán)境，但有兩方面的隱喻：1）個(gè)體只擁有一個(gè)慣常環(huán)境；2）住所是多數(shù)國家從技術(shù)上定義慣常環(huán)境的核心。我國官方頒布的旅游統(tǒng)計(jì)調(diào)查制度使用慣常環(huán)境概念，但從來沒有對(duì)慣常環(huán)境進(jìn)行過界定。2020年頒布的《全國文化文物和旅游統(tǒng)計(jì)調(diào)查制度》中出現(xiàn)了“慣常環(huán)境”“慣常生活環(huán)境”“慣常居住地”“慣常居住環(huán)境”等多種表述，但沒有對(duì)慣常環(huán)境進(jìn)行完整定義。從制度的表述中，統(tǒng)計(jì)操作上的慣常環(huán)境是從居住地展開的。各國技術(shù)上對(duì)慣常環(huán)境的界定可以分為3種：第一種是整圓說，法國、日本和澳大利亞等將慣常環(huán)境明確為住所或家周邊一定半徑距離范圍，呈圓圈狀；第二種是不規(guī)則生活地說，英國限定為游客所在鎮(zhèn)或者鄉(xiāng)村，西班牙為市政邊界內(nèi)；第三種是“懸置”說，中國、美國和加拿大等都對(duì)慣常環(huán)境進(jìn)行模糊處理。

《2008年旅游統(tǒng)計(jì)國際建議》關(guān)于慣常環(huán)境的表述最為全面，但都是抽象性建議，而不是關(guān)于時(shí)空的具體規(guī)定，如“一個(gè)人的慣常環(huán)境是旅游的一個(gè)關(guān)鍵概念，被定義為一個(gè)人日常生活的地方（不一定是一個(gè)毗鄰的地方）。”[2]“一個(gè)人的慣常環(huán)境包括其所屬住戶的慣常居住地，其自身的工作或?qū)W習(xí)地以及其定期和經(jīng)常光顧的任何其他地方，即使該地遠(yuǎn)離其慣常居住地或在另一地區(qū)時(shí)也是如此。”[2]“每個(gè)住戶都有一個(gè)主要住所（有時(shí)稱為首要或基本住所），這種住所通常根據(jù)逗留的時(shí)間確定，其所在位置用來確定居住國和該住戶及其所有成員的慣常居住地。”[2]可以知道，慣常環(huán)境至少應(yīng)由住戶的慣常居住地和其工作或?qū)W習(xí)地兩部分組成。離開某層級(jí)行政區(qū)或離家40 km是多數(shù)國家進(jìn)行旅游統(tǒng)計(jì)的最低空間標(biāo)準(zhǔn)，居住地和工作或?qū)W習(xí)地往往都在這一空間范圍內(nèi)。我國則不然，沒有定義慣常環(huán)境，但把離開居住地10 km作為游客統(tǒng)計(jì)的基本準(zhǔn)則，甚至低于一些城市居民的平均通勤距離，很多人工作和學(xué)習(xí)地與居住地不在以居所為中心的10 km范圍內(nèi)，就造成了由居住地去往超過10 km的工作地周邊多大范圍外才計(jì)入旅游的技術(shù)障礙。把以居所為中心的那部分慣常環(huán)境稱為以主要居所為中心的慣常空間，半徑為[Rh]，根據(jù)我國目前的制度規(guī)定[Rh]暫時(shí)等于10 km。把以職學(xué)地為中心的那部分慣常環(huán)境稱為以職學(xué)地為中心慣常空間，半徑為[Rw]。如何通過大數(shù)據(jù)的方法對(duì)兩個(gè)空間進(jìn)行界定和標(biāo)記，是本文研究的主要內(nèi)容。

1.2 以居所為中心的慣常空間標(biāo)記

通過攔訪居所所在地住戶受訪者可能介意隱私避而不答，對(duì)于其活動(dòng)范圍又因?qū)嚯x感知較為含糊難以精確化處理，本文選取位置大數(shù)據(jù)進(jìn)行客觀標(biāo)記。隨機(jī)選取2022年6月南京電信某用戶M信令位置點(diǎn)，位置點(diǎn)每半小時(shí)提取一次，合計(jì)提取到該用戶位置點(diǎn)1188個(gè)（每個(gè)點(diǎn)都由經(jīng)緯度刻畫），可以大致看出該用戶主要在兩個(gè)區(qū)域活動(dòng)，位置點(diǎn)總體分布如圖1所示。

先用K均值聚類算法（K-Means clustering algorithm）進(jìn)行空間聚類，算法步驟是預(yù)先將數(shù)據(jù)分為K組，隨機(jī)選取K個(gè)點(diǎn)作為初始的聚類中心，然后計(jì)算每個(gè)點(diǎn)與各個(gè)種子聚類中心之間的距離，把每個(gè)點(diǎn)分配給距離它最近的聚類中心（或簇質(zhì)心），該聚類中心以及分配給該中心的點(diǎn)集就代表一個(gè)聚類（或簇）。一旦全部點(diǎn)都被分配了，每個(gè)聚類的聚類中心會(huì)根據(jù)聚類中現(xiàn)有的點(diǎn)被重新計(jì)算，如此反復(fù)迭代直至滿足誤差平方和（各簇內(nèi)的樣本點(diǎn)到所在簇質(zhì)心的距離平方和）局部最小。簡便起見，各簇內(nèi)的樣本點(diǎn)到所在簇質(zhì)心的距離以兩點(diǎn)之間的直線距離表征，即歐幾里得距離。設(shè)有X點(diǎn)（lat1 "long1）和C點(diǎn)（lat2 "long2），lat1和lat2分別為兩點(diǎn)的緯度，long1和long2分別為兩點(diǎn)的經(jīng)度，則：

[d=r×arccos[sin（lat1）×sin（lat2）+cos（lat1）× " " "cos（lat2）×cos（long2-long1）]J（c，u）=mini=1n||Xi-u2Ci||]（1）

式（1）中，d為X點(diǎn)和C點(diǎn)之間的距離（單位為m）；[r]=6371.004 km，為地球半徑；i為某個(gè)簇的位置點(diǎn)個(gè)數(shù)，[Xi]和[Ci]是某個(gè)簇位置點(diǎn)的位置屬性標(biāo)記，[uCi]為簇質(zhì)心點(diǎn)；本文聚類中，[||Xi-uCi||]以式（1）中d表征。

對(duì)夜晚22：00至次日早晨5：00期間位置點(diǎn)進(jìn)行聚類，當(dāng)K值為2時(shí)（圖2左上），位置點(diǎn)可以聚類為紅色和藍(lán)色2簇。K值為3時(shí)（圖2右上），可以聚類為藍(lán)色、綠色和紅色3簇；K值為4時(shí)（圖2左下），可以聚類為藍(lán)色、紅色、黑色和綠色4簇；K值為5時(shí)（圖2右下），則可以聚類為藍(lán)色、紅色三角、紅色圓、綠色和黑色5簇。實(shí)際上，簇?cái)?shù)越多并不見得越好，K值增多后反而將更多的偽中心標(biāo)記出來造成更多干擾。如圖1所示，該用戶在A點(diǎn)（緯度：32.05413°，經(jīng)度：118.76824°）、B點(diǎn)（緯度：32.053888°，經(jīng)度：118.765833°）和C點(diǎn)（緯度：32.10333°，經(jīng)度：118.9408°）3個(gè)位置點(diǎn)出現(xiàn)頻繁，6月出現(xiàn)次數(shù)分別為436次、265次和103次。計(jì)算兩個(gè)經(jīng)緯度點(diǎn)之間的距離，A點(diǎn)與B點(diǎn)相距228.43 m，A點(diǎn)與C點(diǎn)相距17.15km，B點(diǎn)與C點(diǎn)相距17.38 km，進(jìn)一步考察表2可以有以下發(fā)現(xiàn)。1）加入時(shí)間標(biāo)簽，A和B兩點(diǎn)為白天活動(dòng)點(diǎn)，C點(diǎn)為夜晚活動(dòng)點(diǎn)。2）A點(diǎn)為該用戶工作地附近的可能性較大，B點(diǎn)以及周邊位置點(diǎn)（緯度：32.043841°，經(jīng)度：118.78541°；緯度：32.05726°，經(jīng)度：118.770929°；緯度：32.05404°，經(jīng)度：118.76583°等）距離A點(diǎn)很近，多數(shù)僅相距數(shù)百米，大概率為該用戶在工作地周邊吃飯、商務(wù)談判等活動(dòng)點(diǎn)。需要說明的是，A點(diǎn)是與該用戶白天時(shí)段手機(jī)“握手”最頻繁的基站所在位置，并不是該用戶辦公室所在位置。城市區(qū)域，兩者相距一般不會(huì)超過1 km。3）C點(diǎn)為該用戶居住點(diǎn)附近的可能性較大，緯度：32.09859°，經(jīng)度：118.9344°為該用戶在居住地周邊主要活動(dòng)點(diǎn)。也就是當(dāng)K值增加時(shí)，將從B、C等點(diǎn)附近標(biāo)記出簇質(zhì)心，造成更多干擾。

經(jīng)過K-Means聚類，發(fā)現(xiàn)該用戶住所所在地活動(dòng)點(diǎn)的簇質(zhì)心為緯度：32.104218°，經(jīng)度：118.940296°。由于人們居所或職學(xué)地個(gè)數(shù)事先不可知，在聚類前設(shè)定K值較為不妥。特別是K-Means方法容易收到離散點(diǎn)干擾。設(shè)K=2，需要從圖2所示紅色位置點(diǎn)中聚類出簇質(zhì)心，一些離散的位置點(diǎn)容易使得簇質(zhì)心遠(yuǎn)離用戶真實(shí)居所所在地。如果將離散的位置點(diǎn)去除后進(jìn)行空間聚類，就能減少簇質(zhì)心與用戶真實(shí)居所所在地之間的偏離。為此，改用具有噪聲的基于密度的空間聚類算法（density-based spatial clustering of applications with noise，DBSCAN）進(jìn)行簇質(zhì)心標(biāo)記。該方法將簇定義為密度相連的點(diǎn)的最大集合，能夠把具有足夠高密度的區(qū)域劃分為簇，并可在噪聲的空間數(shù)據(jù)庫中發(fā)現(xiàn)任意形狀的聚類。聚類過程中需要提前設(shè)定兩個(gè)參數(shù)：掃描半徑（eps）和最小包含點(diǎn)數(shù)（minPts）。任選一個(gè)未被訪問的點(diǎn)開始，找出與其距離在eps之內(nèi)（包括eps）的所有附近點(diǎn)。如果附近點(diǎn)的數(shù)量大于等于minPts，則當(dāng)前點(diǎn)與其附近點(diǎn)形成一個(gè)簇，并且出發(fā)點(diǎn)被標(biāo)記為已訪問。然后遞歸，以相同的方法處理該簇內(nèi)所有未被標(biāo)記為已訪問的點(diǎn)，從而對(duì)簇進(jìn)行擴(kuò)展。如果附近點(diǎn)的數(shù)量小于minPts，則該點(diǎn)暫時(shí)被標(biāo)記作為噪聲點(diǎn)。如果簇充分地被擴(kuò)展，即簇內(nèi)的所有點(diǎn)被標(biāo)記為已訪問，然后用同樣的算法去處理未被訪問的點(diǎn)。也就是說，DBSCAN通過參數(shù)設(shè)定只針對(duì)圖2左上角密集區(qū)域紅色點(diǎn)位進(jìn)行聚類，而將離散點(diǎn)干擾作為噪聲點(diǎn)排除在外。對(duì)照?qǐng)D3中位置點(diǎn)坐標(biāo)，通過百度地圖坐標(biāo)反查和測距工具大致觀察主要位置點(diǎn)簇心與邊界之間的距離和點(diǎn)位數(shù)，設(shè)置eps=1000 m，minPts=100個(gè)進(jìn)行聚類，通過Python代碼迭代聚類出兩個(gè)簇及其質(zhì)心1。發(fā)現(xiàn)該用戶居住地在萬山庭院小區(qū)北門附近樓宇，簇質(zhì)點(diǎn)坐標(biāo)為緯度：32.105472°，經(jīng)度：118.94066°，與用K-Means方法聚類結(jié)果直線距離約143.59 m，與C點(diǎn)之間相距238.54 m。

加入用戶以其住所為中心，東南西北各方向活動(dòng)分布均勻，則DBSCAN空間聚類后簇質(zhì)點(diǎn)將非常靠近用戶的真實(shí)居所。但多數(shù)情況下各方向的活動(dòng)分布是不均勻的，DBSCAN空間聚類得到的簇質(zhì)點(diǎn)往往與用戶居所所在地存在偏差，但由于基站（包括地下停車場、大型商超等安裝的小基站）較為密集，幾百米偏離不會(huì)對(duì)用戶慣常環(huán)境的空間劃分構(gòu)成顯著影響。而且偏離往往出現(xiàn)在用戶活動(dòng)相對(duì)頻繁的方向，也就是簇質(zhì)點(diǎn)成為居所與周邊活動(dòng)密集點(diǎn)之間的某個(gè)位置，理論上來說，作為用戶在住地周邊停留和活動(dòng)的中心位置更有代表性。找到代表居所的簇質(zhì)點(diǎn)后，就需要確定以居所為中心的慣常空間應(yīng)該多大。我國旅游統(tǒng)計(jì)制度規(guī)定，離開慣常居住地10 km，也就是[Rh]=10 km，與世界各國的規(guī)定存在明顯差異。比較或探討哪一個(gè)距離標(biāo)準(zhǔn)更合適不是本文研究重點(diǎn)，主要為了提出用上述空間聚類法研究人們的活動(dòng)位置點(diǎn)在不同距離尺度的分布情況是今后研究距離標(biāo)準(zhǔn)的可用參考。繼續(xù)在南京隨機(jī)選取500名電信活躍用戶，占同期南京市活躍用戶總數(shù)的萬分之一，用戶平均年齡38.1歲，男性占比50.7%。對(duì)這些用戶夜晚22：00至次日早晨5：00間軌跡點(diǎn)，利用DBSCAN在不同eps參數(shù)下進(jìn)行空間聚類，發(fā)現(xiàn)人們絕大多數(shù)位置點(diǎn)在居所所在地簇質(zhì)點(diǎn)附近數(shù)千米以內(nèi)（表3），93.36%的位置點(diǎn)在10 km范圍內(nèi)。筆者曾通過位置大數(shù)據(jù)監(jiān)測了國人一年內(nèi)平均旅游天數(shù)約為7天，假設(shè)旅游和非旅游時(shí)間每天的位置點(diǎn)數(shù)相同，則旅游的位置點(diǎn)占比約1.92%。對(duì)照表1，恐怕40 km標(biāo)準(zhǔn)對(duì)于消除非旅游活動(dòng)干擾更加有效。

1.3 以職學(xué)地為中心的慣常空間標(biāo)記

考慮到K-Means法存在的適用性弊端，直接用DBSCAN對(duì)電信用戶M白天自上午10：00至下午17：00點(diǎn)之間的位置點(diǎn)進(jìn)行空間聚類（以下所稱白天均指上午10：00至下午17：00點(diǎn)聚類時(shí)段），eps和minPts參數(shù)設(shè)定同上。聚類出的簇質(zhì)點(diǎn)在南京師范大學(xué)隨園校區(qū)內(nèi)（圖3），具體位置為緯度：32.059223°，經(jīng)度：118.775472°，該用戶可能為南京師范大學(xué)職工或走讀的學(xué)生。

該用戶白天和夜晚只各聚類出一個(gè)簇質(zhì)點(diǎn)，分別作為該用戶的職學(xué)地中心位置和主要居所活動(dòng)區(qū)域的中心位置，兩個(gè)中心位置點(diǎn)之間的距離為16.39 km。如前所述，以居所活動(dòng)區(qū)域的中心位置為圓心半徑10 km（即[Rh]=10），可以理解為我國目前使用的以居所為中心的慣常空間，但如果[Rw=Rh]=10 km，則家住五環(huán)外在北京前門附近上班的人，到四環(huán)以內(nèi)的全部區(qū)域，包括去動(dòng)物園、什剎海、玉淵潭等在內(nèi)都不能算旅游。人們往往在居所附近的活動(dòng)半徑會(huì)大于在職學(xué)地的活動(dòng)半徑，也就是[Rwlt;Rh]可能更加符合實(shí)際。中國旅游研究院（文化和旅游部數(shù)據(jù)中心）研究居民休閑時(shí)，通過連續(xù)數(shù)年問卷調(diào)查發(fā)現(xiàn)，居民多數(shù)休閑活動(dòng)在距家3 km范圍內(nèi)開展。浙江省文化和旅游廳相關(guān)部門與中國移動(dòng)合作，通過觀察用戶不同時(shí)間段停留的柵格數(shù)（柵格范圍為250 m×250 m），借助K-Means和LSTM（Long short-term memory，長短記憶網(wǎng)絡(luò)）相融合的聚類方法，結(jié)合短信調(diào)查，認(rèn)定將[Rw]=2 km作為當(dāng)?shù)卮髷?shù)據(jù)旅游客流監(jiān)測的試用標(biāo)準(zhǔn)。

筆者利用信令數(shù)據(jù)對(duì)500名隨機(jī)電信用戶10：00—17：00軌跡點(diǎn)，利用DBSCAN在不同eps參數(shù)下進(jìn)行空間聚類，發(fā)現(xiàn)用戶的白天活動(dòng)軌跡點(diǎn)中，88.7%在日常工作或?qū)W習(xí)中心點(diǎn)2 km以內(nèi)，90.5%的軌跡點(diǎn)在3 km范圍內(nèi)。其中，81.6%的行為軌跡點(diǎn)在2 km范圍內(nèi)的用戶達(dá)到7成（表4）。由于人們白天行為軌跡更加分散，規(guī)律性相對(duì)不明顯，軌跡點(diǎn)聚類的要求應(yīng)適當(dāng)放寬。更為重要的是，如前所述，慣常環(huán)境包括兩類慣常空間，即以居所為中心的慣常空間和以職學(xué)地為中心的慣常空間，前者為主，后者為輔。也就是說，在非慣常環(huán)境的旅游活動(dòng)，從空間移動(dòng)上而言，首先或者主要是對(duì)以居所為中心的慣常空間的否定，從形態(tài)上而言，旅游作為異地的短期生活主要是對(duì)居住地常態(tài)化生活的否定。以職學(xué)地為中心的慣常空間，在更多情境下不是作為非慣常環(huán)境的對(duì)立面存在，而是作為將慣常環(huán)境不同區(qū)域之間的通勤等出行排除出旅游而存在。也就是說，以職學(xué)地為中心的慣常空間首要的作用不是為了否定旅游，而是為了否定某些經(jīng)常性的空間移動(dòng)。這也是表1中多數(shù)旅游的學(xué)術(shù)定義中指向離開住地，以及前文所述各國在旅游統(tǒng)計(jì)中大多規(guī)定離開住所的原因。因此，[Rw]不宜過大，否則可能將很多旅游活動(dòng)排除在外。表4可以看出，[Rw]等于2 km或3 km軌跡聚類占比差異不大，將[Rw]設(shè)置為2 km或者3 km都具有較強(qiáng)的解釋力。

1.4 空間標(biāo)記中的特例處理

按照技術(shù)定義，通常每個(gè)人都有一個(gè)慣常環(huán)境，由于有的人沒有手機(jī)、不同移動(dòng)運(yùn)營商底層數(shù)據(jù)無法融合、有的用戶位置點(diǎn)提取較少（較長時(shí)間關(guān)機(jī)、信號(hào)不穩(wěn)定、手機(jī)硬件故障等各種原因）被minPts參數(shù)過濾等，不是每個(gè)用戶都可以標(biāo)記出以居所為中心的慣常空間或以職學(xué)地為中心的慣常空間，但并不顯著影響位置大數(shù)據(jù)在旅游統(tǒng)計(jì)中的應(yīng)用，3種特殊情境需要特別處理。第一種情境，標(biāo)記不出以居所為中心的慣常空間（無論是用戶本就沒有主要居所，還是因?yàn)榧夹g(shù)和數(shù)據(jù)的原因標(biāo)記不出，下同），但可以標(biāo)記出以職學(xué)地為中心的慣常空間。這類用戶可以直接剔除暫不予標(biāo)記（后期可標(biāo)記出再進(jìn)行標(biāo)記），按照相似性假定，可認(rèn)為這些用戶的出游率或者到某個(gè)目的地的抵達(dá)率，與其所在省域、市域或縣域活躍用戶（可標(biāo)記明確慣常環(huán)境）類似。第二種情境，標(biāo)記不出以職學(xué)地為中心的慣常空間，但可以標(biāo)記出以居所為中心的慣常空間。這類用戶以沒有固定工作地點(diǎn)的用戶居多，慣常環(huán)境等于居所為中心的慣常空間。第三種情境，兩個(gè)慣常空間都標(biāo)記不出，處理方法參照第一種情境。

需要解釋的是，實(shí)踐中沒有任何一種位置大數(shù)據(jù)可以覆蓋全部人口，往往能夠脫敏后接入使用的只有某一家數(shù)據(jù)商的位置數(shù)據(jù)，距離全樣本覆蓋更是相去甚遠(yuǎn)。此外，就算標(biāo)記出來慣常環(huán)境，依此計(jì)算得到的非慣常環(huán)境出行也不見得都是旅游，比如出租車司機(jī)、貨運(yùn)車司機(jī)等每天無規(guī)律長距離移動(dòng)，僅通過位置數(shù)據(jù)是難以剔除非旅游活動(dòng)的。為此，需要兩方面技術(shù)補(bǔ)充。1）通過出游率或游憩抵達(dá)率進(jìn)行反演擴(kuò)樣，比如本文利用中國電信不到3億用戶作為樣本，標(biāo)記其慣常環(huán)境后計(jì)算電信活躍用戶的總體出游率作為全國人口的初始出游率。在計(jì)算地方旅游接待時(shí)，則計(jì)算各客源地（根據(jù)需要確定不同區(qū)域尺度）電信活躍用戶到某目的地的不同初始抵達(dá)率，并分別作為各客源地全體居民至該目的地的初始抵達(dá)率。2）通過短信推送調(diào)查剔除非旅游活動(dòng)。為了認(rèn)定旅游動(dòng)機(jī)的出行活動(dòng)，需要針對(duì)離開慣常環(huán)境最低時(shí)間標(biāo)準(zhǔn)以上的用戶進(jìn)行動(dòng)機(jī)調(diào)查，計(jì)算非旅游動(dòng)機(jī)占比，并以此將初始出游率和抵達(dá)率修正為最終出游率和抵達(dá)率。未來可以通過機(jī)器學(xué)習(xí)這類人工智能技術(shù)判定出游動(dòng)機(jī)，目前來說短信調(diào)查的實(shí)用性更強(qiáng)。

2 慣常環(huán)境的技術(shù)定義表達(dá)

2.1 定義原則

對(duì)慣常環(huán)境進(jìn)行盡可能簡單、最容易理解的技術(shù)規(guī)定，應(yīng)該遵循4個(gè)方面的原則。第一，遵循共性認(rèn)知原則，也就是符合盡可能多的人的直覺或經(jīng)驗(yàn)判斷。比如怎樣頻率的抵達(dá)或駐足才能稱為慣常，不用坐班的人工作地算不算，一周只有很少幾天有課的老師工作地算不算，如果算，那么去單位幾天才算，每次去要不要達(dá)到一定的時(shí)間標(biāo)準(zhǔn)。外賣員、快遞員、貨車司機(jī)、出租車司機(jī)等，白天要不要有慣常環(huán)境，有的話又需要怎樣的標(biāo)準(zhǔn)。對(duì)這些問題的規(guī)定，要盡可能符合大眾的常識(shí)性認(rèn)知。第二，遵循最小理解障礙原則，不能過于繁瑣、晦澀。比如將慣常環(huán)境界定為居住地、居住環(huán)境、常住地、定居地等，讀者并不能快速據(jù)此確定空間范圍。第三，遵循最少特例原則，就是不能針對(duì)很多不同的人群或情境設(shè)置不同的規(guī)則，隨著社會(huì)發(fā)展，人群和情境劃分越來越多樣，無法窮盡。第四，統(tǒng)計(jì)手段高適配原則，就是既有的統(tǒng)計(jì)抽樣或大數(shù)據(jù)等手段能操作。

2.2 定義表達(dá)

經(jīng)過上述關(guān)于慣常環(huán)境大數(shù)據(jù)標(biāo)記的討論，為明確慣常環(huán)境的技術(shù)定義打下了基礎(chǔ)，雖然仍舊容易招致爭議，但對(duì)深化相關(guān)研究不可或缺。基于以上關(guān)于白天和夜間用戶活動(dòng)軌跡的聚類實(shí)證，綜合考慮《2008年旅游統(tǒng)計(jì)國際建議》的概念性表達(dá)，以及各國在統(tǒng)計(jì)工作中的實(shí)際做法和表述上的“隱喻”，以及便于未來大數(shù)據(jù)旅游統(tǒng)計(jì)應(yīng)用，按照“奧卡姆剃刀”（Occams Razor）1原理盡可能化繁為簡，避免陷入無窮無盡的特例考量之中。因此，建議將慣常環(huán)境的技術(shù)定義闡述為：一個(gè)人日常生活和工作的地方，具體為主要住所周邊一定范圍和職學(xué)地周邊一定范圍構(gòu)成的空間合集。這一表述需要進(jìn)行以下說明。1）不再專門強(qiáng)調(diào)定期和經(jīng)常光顧的區(qū)域空間。因?yàn)椤敖?jīng)常”和“定期”無法衡量，每個(gè)人都有自己認(rèn)為的標(biāo)準(zhǔn)，選擇任何標(biāo)準(zhǔn)都可能招致非議且不符合“奧卡姆剃刀”原理。為了不把去往定期和經(jīng)常光顧的地方算作旅游，將在抽樣調(diào)查中獲得此項(xiàng)活動(dòng)占比并予以剔除。當(dāng)然，如果光顧確實(shí)較為頻繁，空間聚類中容易將該地記錄為用戶的職學(xué)慣常空間，不影響旅游統(tǒng)計(jì)結(jié)果。2）住所和職學(xué)空間的空間合集，為兩個(gè)空間的并集，存在包含、相交和分離3種狀況，分離的狀況可以跨越行政區(qū)，如在天津生活卻在北京工作的人，慣常環(huán)境涉及天津和北京兩地。3）沒有慣常居住地的難民、流離失所者或一些行商（駕車巡回表演、維修、游牧、養(yǎng)蜂等群體），其逗留地視為其慣常環(huán)境，不計(jì)入游客之列。4）一個(gè)人有且只有1個(gè)慣常環(huán)境，且慣常環(huán)境=以居所為中心的慣常空間+以職學(xué)地為中心的慣常空間。世界旅游組織在慣常環(huán)境的認(rèn)定中推薦唯一的主要居所，本文的樣本測試中，夜間慣常空間識(shí)別結(jié)果為2的用戶數(shù)是0，建議以居所為中心的慣常空間不超過1個(gè)，1個(gè)以上視為度假居所。而有多達(dá)25.3%的樣本用戶識(shí)別出兩個(gè)職學(xué)慣常空間，識(shí)別出3個(gè)職學(xué)慣常空間的樣本用戶不到1%，建議以職學(xué)地為中心的慣常空間可以不超過兩個(gè)。5）住所周邊距離標(biāo)準(zhǔn)與職學(xué)周邊距離標(biāo)準(zhǔn)不要求相等，需要根據(jù)人們活動(dòng)的位置點(diǎn)分布確定。6）慣常環(huán)境不受國境線制約，即邊境工人的慣常環(huán)境可以包括其工作的鄰國一定區(qū)域。

3 結(jié)論與展望

第一，慣常環(huán)境=以居所為中心的慣常空間+以職學(xué)地為中心的慣常空間，兩個(gè)慣常空間分別是以居所和職學(xué)地周邊1km（過大容易受噪聲點(diǎn)干擾使得簇質(zhì)點(diǎn)發(fā)生偏移）范圍內(nèi)位置點(diǎn)的空間聚類簇質(zhì)點(diǎn)，以居所為中心的慣常空間不超過1個(gè)，以職學(xué)地為中心的慣常空間個(gè)數(shù)小于等于2。因此，從空間形態(tài)來說，慣常環(huán)境是一個(gè)以個(gè)人不同時(shí)段主要活動(dòng)點(diǎn)簇質(zhì)心為中心的大小不同、數(shù)量不等的圓組成的不規(guī)則區(qū)域，且可跨越邊境。

第二，以居所為中心的慣常空間是慣常環(huán)境的核心，以職學(xué)地為中心的慣常空間主要不在于表征人們的活動(dòng)分布，而在于將慣常環(huán)境不同區(qū)域之間的通勤、求學(xué)等出行排除出旅游活動(dòng)。因此，前者的距離半徑要明顯大于后者，否則容易將旅游活動(dòng)過濾掉。《2008年旅游統(tǒng)計(jì)國際建議》承認(rèn)，“各國在人口密度、交通便利情況、文化行為、離國家或行政邊界的遠(yuǎn)近程度等方面通常有差異，這些差異不利于為全球統(tǒng)計(jì)確定一個(gè)唯一的個(gè)人慣常環(huán)境。”[2]但也“建議領(lǐng)國或?qū)儆诔瑖医M織的國家相互磋商，以確保編制的統(tǒng)計(jì)數(shù)據(jù)具有可比性。”[2]無論從國際可比還是活動(dòng)位置點(diǎn)分布來看，采用40 km作為以居所為中心的慣常空間的半徑，較10 km更優(yōu)。如此，在大數(shù)據(jù)識(shí)別中，大多數(shù)用戶的居所慣常空間與職學(xué)慣常空間出現(xiàn)包含關(guān)系，只需按照居所慣常空間標(biāo)記用戶的慣常環(huán)境，可以大大節(jié)省排除通勤活動(dòng)方面的算力。

第三，對(duì)比兩種常用的空間聚類方法，發(fā)現(xiàn)K-Means法操作簡單，迭代速度快，可以任意設(shè)置聚類數(shù)量，但也存在容易受異常點(diǎn)干擾、K值難以先驗(yàn)設(shè)定等缺點(diǎn)。DBSCAN方法操作性和迭代速度沒有優(yōu)勢，但有利于去除異常點(diǎn)干擾。本著質(zhì)量服從于速度的原則，筆者認(rèn)為DBSCAN方法在居民慣常環(huán)境大數(shù)據(jù)標(biāo)記中適用性更強(qiáng)。

第四，DBSCAN聚類中的參數(shù)設(shè)置對(duì)結(jié)果影響較大，可以根據(jù)城市或農(nóng)村、城市大小及其交通條件、不同季節(jié)人們出行空間分布情況、周末和平時(shí)等進(jìn)行差異化設(shè)置，標(biāo)記的精度將更高。

第五，存在少量夜晚上班白天休息的人群。在進(jìn)行居所慣常空間聚類的時(shí)候，有的人應(yīng)該聚類白天的空間軌跡，而聚類職學(xué)慣常空間的時(shí)候也應(yīng)該聚類夜晚的空間軌跡。有待于利用圖神經(jīng)網(wǎng)絡(luò)技術(shù)，根據(jù)聚類出的簇質(zhì)點(diǎn)屬于小區(qū)、寫字樓等特征進(jìn)行自動(dòng)區(qū)分標(biāo)記。

本文關(guān)于慣常環(huán)境的技術(shù)性定義及其設(shè)定的大數(shù)據(jù)標(biāo)記方法可用于實(shí)踐，筆者的本職工作也是每月依此生成全國357個(gè)城市（不含港澳臺(tái)）矢量旅游流矩陣，支撐全國假日旅游統(tǒng)計(jì)、旅游熱度預(yù)報(bào)等工作。未來將進(jìn)一步考慮城鄉(xiāng)、城市體量、季節(jié)等因素以及利用誤差更小的GPS位置數(shù)據(jù)進(jìn)行標(biāo)記，提高慣常環(huán)境的標(biāo)記精度。以慣常環(huán)境大數(shù)據(jù)標(biāo)記為基礎(chǔ)的矢量旅游流監(jiān)測，憑借計(jì)算快、精度高、信息量大、研究的拓展性強(qiáng)等優(yōu)勢，將推動(dòng)旅游流研究進(jìn)入新的層次。

參考文獻(xiàn)（References）

[1] 張凌云. 走出混沌： 旅游學(xué)科的歸屬與性質(zhì)探索[J]. 中大管理研究， 2012， 7（1）： 13-34. [ZHANG Lingyun. Out of confusion： An exploration of the attribution and nature of the subject of tourism[J]. China Management Studies， 2012， 7（1）： 13-34.]

[2] United Nations. International Recommendations for Tourism Statistics 2008[M]. New York： United Nations Publication， 2010： 9-34.

[3] 張凌云. 旅游學(xué)研究的新框架： 對(duì)非慣常環(huán)境下消費(fèi)者行為 和現(xiàn)象的研究[J]. 旅游學(xué)刊， 2008， 23（10）： 12-16. [ZHANG Lingyun. A study on consumers’ behavior and phenomenon under unusual environment[J]. Tourism Tribune， 2008， 23（10）： 12-16.]

[4] 張朝枝. 面向旅游學(xué)一級(jí)學(xué)科的核心課程設(shè)置探討[J]. 旅游學(xué)刊， 2015， 30（9）： 2-4. [ZHANG Chaozhi. A study on the core curriculum design for thefirst—Level discipline of tourism[J]. Tourism Tribune， 2015， 30（9）： 2-4.]

[5] 李慶雷， 呂文藝. 非慣常環(huán)境下的歷史文化古鎮(zhèn)旅游再開發(fā)研究——以昆明市官渡古鎮(zhèn)為例[J]. 武陵學(xué)刊， 2013， 38（1）： 61-65. [LI Qinglei， LYU Wenyi. Study on the tourism development of ancient towns in the unusual environment： Taking the Guandu ancient town in Kunming as an example[J]. Journal of Wuling， 2013， 38（1）： 61-65.]

[6] 李春曉， 馮浩妍， 呂興洋， 等. 窮家富路？ 非慣常環(huán)境下消費(fèi)者價(jià)格感知研究[J]. 旅游學(xué)刊， 2020， 35（11）： 42-52. [LI Chunxiao， FENG Haoyan， LYU Xingyang， et al. The impact of unusual environmental differences on price perception from the perspective of construal level theory[J]. Tourism Tribune， 2020， 35（11）： 42-52.]

[7] 王欣， 鄒統(tǒng)釬. 非慣常環(huán)境下體驗(yàn)的意義[J]. 旅游學(xué)刊， 2011， 26（7）： 19-23. [WANG Xin， ZOU Tongqian. On the significance of experience under unusual environment[J]. Tourism Tribune， 2011， 26（7）： 19-23.]

[8] 管婧婧， 董雪旺， 鮑碧麗. 非慣常環(huán)境及其對(duì)旅游者行為影響的邏輯梳理[J]. 旅游學(xué)刊， 2018， 33（4）： 24-32. [GUAN Jingjing， DONG Xuewang， BAO Bili. A logical disentangling of the concept“unusual environment”and its influence on tourist behavior[J]. Tourism Tribune， 2018， 33（4）： 24-32.]

[9] GOVERS R， HECKE E V， CABUS P. Delineating tourism： Definingthe usual environment[J]. Annals of Tourism Research， 2008， 35（4）： 1053-1073.

[10] 張凌云. 國際上流行的旅游定義和概念綜述——兼對(duì)旅游質(zhì)的再認(rèn)識(shí)[J]. 旅游學(xué)刊， 2008， 23（1）： 86-91. [ZHANG Lingyun. Review on the definitions and concept of tourism currently popular in the world—Recognition of the nature of tourism[J]. Tourism Tribune， 2008， 23（1）： 86-91.]

[11] 韓炳哲. 時(shí)間的味道[M]. 包向飛， 徐基太， 譯. 重慶： 重慶大學(xué)出版社， 2017： 82-83. [HAN Byung-Chul. Scent of Time： A Philosophical Essay about the Art of Lingering[M]. HAN Bingzhe， BAO Xiangfei， XU Jitai， trans. Chongqing： Chongqing University Press， 2017： 82-83.]

Understanding the Usual Environment in Tourism：

A Technical Definition Based on Big Data Space Marking

MA Yiliang1， SONG Yanting2

（1. China Tourism Academy， Beijing 100005， China;

2. Academy of Agricultural Planning and Engineering， Ministry of Agriculture and Rural Affairs

of the Peoples Republic of China， Beijing 100125， China）

Abstract： The term “tourism” refers to various forms of activities that take place in an unusual environment. This “unusual” environment needs to be defined in terms of its opposite， i.e.， the “usual” environment. However， the lack of a relatively homogeneous and unambiguous description of the usual environment， both academically and technically， has led to frequent and repeated mistakes in the implementation of tourism statistics in China. As a result， there has been a continual flood of negative public opinion and a variety of controversies relating to the concept of tourism. This study attempts to address the aforementioned issues through the following procedure. First， we present a review of the international practices， principles， and recommended expressions of the “usual environment” in a technical context. Second， we identify an individual’s usual environment as an ensemble of two distinct types of usual spaces， namely the direct vicinity of a person’s residential address and the region surrounding a person’s place of employment or education. Geographically speaking， the usual environment is an irregular area made up of uneven circles without the limitation of administrative subdivisions. Third， based on the labeling of big data， we employ several spatial clustering algorithms to label the usual environment， and apply the method of inversion and expansion sampling for the monitoring of tourism flows. Finally， we present a preliminary determination of the feasible radius for the two types of usual spaces by comparing the operational parameters of different scanning radii in the density-based spatial clustering of applications with noise （DBSCAN） algorithm. The findings reveal that the scanning radius should be restricted to less than 1 km for the optimal DBSCAN clustering of two usual spaces， as this will minimize the positional noise interference that leads to a mean shift. Moreover， there is typically no more than a single usual residential space， and the number of usual locations relating to a person’s place of employment or education is generally only one or two. Based on the attenuation of location points， the usual environment for a place of residence has a maximum radius of 40 km， whereas that for a place of employment or education has a maximum radius of 2 km～3 km. An inference about the statistical population is reached by expanding the sample space to include representative user travelling rates or arrival rates， rather than labeling with a full sample of location data. In addition， it can be assumed that users who are unable to identify their usual environments have the same travelling or arrival rates as those who are able to specify their usual locations， which is consistent with the assumption of homogeneity. The findings of this study serve as a reference for the standardized and consistent application of big data in tourism statistics， and reinforce the basis for big data-based research on tourism flows. Several significant policy and practical implications can be determined from these findings.

Keywords： usual environment; technical definition; space marking

[責(zé)任編輯：吳巧紅；責(zé)任校對(duì)：周小芳]