基于多源数据游客偏好的温州大罗山风景名胜区游径优化研究

邹 伟 项 杰 李 胜* 陶一舟

（1.浙江农林大学风景园林与建筑学院，杭州 311300；2.浙江农林大学园林设计院有限公司，杭州 311300）

以温州大罗山风景名胜区为研究对象，收集2018-2021年旅行者379条轨迹数据、7 961个PIO数据和294条游记多源数据，旨在分析该景区的游客时空分布特征以及游客感知特征。得出以下结论：（1）游客偏好自然景观，以游赏观光为主，其次是越野健身；（2）温州大罗山游客量在10月达到人流量顶峰，3月其次，8月人流量最少；（3）NNI值为0.158798＜1，表明游客在空间上呈现集聚分布，但是分布方向不明显，主要按照“两个大核心为主，六个小核心为辅”分布；（4）游径分析在空间上呈现东北—西南格局，密度最高区域内的路径表现为“中心大环线，四周辐射”。基于此，提出了大罗山风景名胜区的游径优化建议，包括大众游径和专项游径。

多源数据；游客感知；游径优化；风景区；温州大罗山

在风景名胜区中合理规划游览线路是保护与利用风景名胜区的一项重要工作。道路是景区的骨架，具有交通、生态、观光等多重功能，是连接景区中各个景点的线性要素[1]。风景环境路网分布的合理性是保障景区资源低影响开发的必要条件[2]。游览线路是使用者与景观之间的桥梁，因此其规划建设必须符合人群使用的基本功能。

多源数据蓬勃发展的今天，基于开放数据的风景园林研究逐渐成为新兴视角，以及当前风景园林相关研究创新的驱动力[3]。运用Python搜集游客游览温州大罗山风景名胜区的游记评价数据，运用ROST CM6软件对网络文本进行分析，得出游客感知特征的研究[4-5]。在GIS数据选线方面，最初由于3S技术的发展，通过数字高程模型（DEM）对高程、坡度和水文进行分析，结合最小成本路径分析综合得出最优线路[6]；经发展，在风景名胜区、国家公园等自然保护地中，运用多因子的叠加分析，设置权重比重，构建参数化风景道路选线模型，生成最优路线[7-9]；随着科技的进步，利用计算机算法辅助优化道路选线兴起，运用遗传算法、蚁群算法等优化道路选线[2,10]；通过互联网获取风景名胜区、公园或者是自然保护地中游客停留点、游客路径等数据，设置参数化分析对游径进行优化规划研究[11-15]。

综上所述，通过设计参数、构建权重算法模型等优化游径占多数，但是这种方法忽略了游客的自主能动性和偏好因素。有些参数化路线并不符合游客的行为习惯，导致游客并没有按照既定路线游览。同时，客观的参数化选线有可能摒弃掉原有线路，重新开发选线，从而破坏生态平衡。文章针对以上研究不足之处进行了改进，补足了游人因素方面的影响分析，结合游客时空格局分布特征和感知特征，对温州大罗山风景名胜区已有的游径进行分析优化。

1 研究区概况及研究方法

1.1 研究区概况

大罗山位于温州市区的东南部（120°39′56″-120°48′16″E，27°50′12″-27°56′38″N），毗邻东海、瓯江，最高峰海拔707.4 m，总面积达117 km²[16]（图1）。涉及瓯海、龙湾、瑞安二区一市，是温州市的重要生态屏障，古时被称为“天下第二十六洞天福地”[17]。根据温州市总体规划，温州市区将环大罗山发展，大罗山将是温州市未来的“绿心”和“绿楔”，主要起生态保护功能，其小气候可很好地调节和改善城市环境。

图1 大罗山景区平面图Fig.1 Plan of Daluo Mountain Scenic Area

大罗山风景名胜区拥有丰富的旅游资源，但是现有的游径规划存在游径数量众多且组织混乱，缺乏统一的标识等问题。针对这些问题，本文结合游客的时空格局分布特征和感知特征，对现有的游径进行了优化分析，并提出了大众与专项游径的优化方案。这些方案旨在提高游客的旅游体验和生态环境保护，并为风景名胜区的可持续发展作出一定的贡献。

1.2 研究方法

本文采用文本分析法获得游客形象感知特征，运用ArcGIS空间分析法（核密度分析、标准椭圆差分析、平均最近邻分析）得出游客的时空分布特征，将游客感知特征与时空分布特征相结合可以获取游客偏好的路线，提出大众与专项的游径优化。

（1）文本内容分析法。文本分析或者内容分析法是一种对显性内容进行客观、定量描述的研究方法[18]。从旅游网站上获取游客评论和游记数据，选取ROST CM6软件为文本分析法工具，运用词频分析、语义分析和矩阵分析等功能获得游客偏好的游径。

（2）核密度分析法。核密度估计法主要是空间分析中运用十分广泛的一种非参数估计方法，主要反映区域内要素的聚集状态[19]。核密度分析是基于空间平滑及空间内插技术的统计分析过程，可以作为更精确的分析工具对空间特征分布进行深层次的特征规律信息挖掘[20]。核密度分析是从各矢量数据位置开始向四周分散，本文研究的轨迹数据和POI数据均为叠加重合数据，故采用核密度分析更加科学与准确。

（3）标准椭圆差分析。标准差椭圆空间统计方法可多角度衡量地理要素空间分布全局特征，包括集中、离散趋势及方向分布，同时可定量解释其中心性、方向性和扩展方向偏差等信息[21]。

（4）平均最近邻近分析。最近邻距离指数（Nearest Neighbor Distance Index，NNI）主要用于分析空间要素的全局空间集聚特征。计算对象数据集最近数据点的距离平均值，与相同数量点在研究范围内的期望分布模式下，最邻近点的平均距离之比值[22]。

2 数据获取与处理

2.1 数据获取

两步路平台是一款基于用户内容（UGC）模式的GPS轨迹分享平台，用户使用手机APP记录出行轨迹，主要包括OSM（Open Street Map）路网矢量数据、POI数据以及其他信息数据。通过两步路平台官网（https：//www.2bulu.com）下载2018-2021年温州大罗山游客轨迹数据，再利用Python获取游客游记数据。本文矢量数据地理坐标系采用GCS_WGS_1984，投影坐标系为WGS_1984_UTM_Zone_51N，中央经线为123°。

2.2 数据处理

（1）游人评价和游记数据。通过Python软件获取网络文本内容用EXCEL保存为原始数据，然后通过筛选、整理、合并成txt.文本（294条评论、游记，共计205 778字），导入到ROST CM6进行分词和分析。

（2）游人路径数据。获取2018 - 2021年的所有的路径轨迹*kml文件，导入ArcGIS10.6软件中进行矢量化*shap文件，最后共得到路径轨迹478矢量线路，根据按掩膜提取以及筛选，其中379条矢量线路是有效路径轨迹。

（3）POI数据。2018 - 2021年所有的游客有效轨迹379条中，游客在路径中的停留休憩、欣赏风景和拍照纪念作为POI点，一共8 432个POI点，根据裁剪以及筛选其中有效POI点为7 961个。

3 数据分析

文本数据可直观反映出游客对于游赏地区的形象感知特征。轨迹数据和POI点数据直观显示出游客空间格局特征，与人们的游憩需求呈正相关关系[23]。

3.1 轨迹数据时空格局特征分析

3.1.1 游客轨迹时间分布特征

根据379条有效路径轨迹分析，主要表现为“环形为主，线形为辅”，环形部分主要由温州大罗山中心区域组成，由中心向四周进行辐射线状。其中2018年77条，2019年146条，2020年67条，2021年74条。2018至2019年轨迹数据增长了一倍，2019年后因为疫情原因导致人数急剧收缩，2021年又有所回升，总体为上升趋势，说明游人数量潜力巨大（图2）。

图2 游客轨迹年分布特征Fig.2 Annual distribution characteristics of tourist trajectories

对2018 - 2021年的游客轨迹月分布进行统计分析，结果表明10月份的游客数量最多，其次是3月和11月，8月份游客数量最少。同时，从季节上看，春、秋季节游客人数较多，夏冬季游客人数较少（图3）。

图3 游客轨迹月分布Fig.3 Monthly distribution of tourist tracks

3.1.2 游客轨迹空间分布特征

3.1.2.1 游客轨迹核密度分析

用ArcGIS10.6对轨迹进行核密度分析，带宽分析设置距离为200 m。分析得出游线密度最高的区域以大环线为主，向外延伸线路密度较低。其中，大环线位于温州大罗山的中心地理位置：五美景园—秀垟水库—天河水库—哨子墩—龙脊—卧龙谷。南北线路：（1）驻云亭—龙潭—卧龙谷—盘垟村—天河水库—百岗亭；（2）瑶湖—蘑菇岩—龙脊—哨子墩—天河水库—百岗亭。东西线路：五美景园—秀垟水库—天河水库—五折瀑（图4）。

图4 轨迹核密度分析Fig.4 Trajectory kernel density analysis

3.1.2.2 标准椭圆差分析

根据表1可知，温州大罗山游客空间分布的标准差椭圆X轴较短，Y轴较长，比值为4/5，角度为32.45°，说明游客轨迹主要呈南北竖向分布，且发展方向呈现东北—西南格局，横轴覆盖秀垟水库—花船坑范围，纵轴覆盖蘑菇岩—天河水库。椭圆的中心在盘云谷附近，位于寿桃山西南方向约1 km处。椭圆面积为14 km2，说明景观分布较为中心处集聚（图5）。

表1 标准椭圆差分析属性表Tab.1 Trajectory standard ellipticity analysis attribute table

图5 轨迹椭圆差分析Fig.5 Elliptical error analysis of trajectory

3.2 POI数据时空格局特征分析

3.2.1 POI数据时间分布特征

由图6可知，大罗山中心区域的点分布较密集，占比为72%。整体来看，2019年数量最多为2 509个，2018年到2019年增长较快，增长率为56%。2019年之后呈现急剧下滑的趋势，2021年又有所下降，可能受到外界因素疫情的影响。

图6 游客POI数据年分布特征Fig.6 Annual distribution characteristics of tourist POI data

3.2.2 POI数据空间分布特征

3.2.2.1 POI数据核密度分析

用ArcGIS10.6对POI数据进行核密度分析，带宽分析设置距离为500 m。分析得出游客主要为“两个大核心为主，六个小核心为辅”空间格局分布。其中，两个大核心所在区域位于温州大罗山的中心地理位置：盘垟村——以天河水库为核心，哨子墩——龙脊核心区；六小核心为五美景园、卧龙谷、蘑菇岩、瑶溪水库、百家尖、花船坑，即包含风景区内的大部分核心自然景观（图7）。

图7 游客点密度分析Fig.7 Analysis of tourist density

3.2.2.2 椭圆差分析和最近邻分析

根据表1可知，温州大罗山游客空间分布的标准差椭圆X轴较长，Y轴较短，比值约等于1，角度为45.24°，说明游客分布方向呈现正东北—西南格局，但主要分布方向不明显。横轴覆盖秀垟水库—牛头堆范围，纵轴覆盖金钟瀑—天河水库。椭圆的中心位置在整个大罗山风景名胜区的中心寿桃山—盘垟村中间。椭圆面积为20 km2，说明游客面积分布较广，主要分布在在大罗山核心景观范围。

最邻近指数对点状空间分布要素分析，一般可将其划分为集聚型、均匀型及随机型三种类型。最邻近距离指数NNI值为0.158798＜1，且在1%的显著性水平下Z值为-143.803169，小于-2.58，呈显著聚集分布特征模式（图8）。

图8 点标准椭圆差与最近邻分析Fig.8 Point standard elliptic difference and nearest neighbor analysis

3.3 游客偏好感知特征分析

内容分析法是一种以测量变量为目的，对显性内容进行客观、定量和系统描述的研究方法[24]。本文运用ROST CM6软件对文本内容进行高频词特征和网络语义图分析。首先，将“游赏”“线路”“越野”等与游客偏好的词添加到自定义词典中，以保证分析的有效性和完整性。其次，在分词处理后保存文本，最后运用软件从txt文本中提取高频词汇，构建语义网络，进行矩阵分析。

3.3.1 社会语义网络分析

利用ROST CM6软件对分词文本提取30个高频词汇，反映游客对温州大罗山综合感知的形象。从高频词所代表的游客感知来看，可分为“核心—次核心—边缘”结构模型[18]。第一层是核心层，由“游赏”“越野”“休闲”“美园”“龙脊”“线路”等游客偏好的旅游类型、路线和地点名称构成。第二层为次级核心层，与核心层联系较紧密，并且是核心层的延伸，“优美”“登山”“水库”“生态”等主要体现游客关注自然景观和集聚的地点。第三层为边缘层，是次级核心层的延展，主要是对次级核心层的补充和延伸，包括游客感知和地点名称。综上，大罗山风景区语义网络通过“核心—次核心—边缘”三层结构，将游客对于大罗山风景区的整体认知和感知直观地展现出来。游客主要偏好自然景观，核心层可主要概括为游赏观光和越野健身两大类（图9）。

图9 语义网络分析图Fig.9 Word emotion analysis chart

语义网络矩阵分析关键词共现矩阵就是统计出共现单词对出现的频率，将结果构建而成的二维共现词矩阵表。游赏与越野层级最高出现关联399次，越野活动和地点仙岩关联为356次，剩余层级相关度较低。（图10）。

图10 关键词矩阵分析Fig.10 Keywords matrix analysis

3.4 分析结果

本文借助Python、ArcGIS等软件，将游客轨迹和POI数据在地图上可视化，分析得出以下结论：（1）游客对大罗山整体形象感知分析以游客偏好自然景观为主，出现频次与层级最高的为游赏观光，越野健身其次。（2）大罗山游客时间分布特征。显示在10月达到人流量顶峰，8月人流量最少，春秋两季人流量较多。（3）大罗山游客空间分布特征。NNI值为0.158798＜1，表明游客在空间上呈现集聚分布，但是分布方向不明显，主要按照“两个大核心为主，六个小核心为辅”分布。游径在空间上呈现东北—西南格局，密度最高的路径表现为“中间大环线，四周辐射”。

4 游径线路优化规划

本文主要针对已建成，但未成熟的风景区内的现状路线，根据游客感知分析提取“游赏观光”“越野健身”两大类，结合游客核密度、平均最近邻空间聚集分布特征和椭圆差分布范围为阈值，提出满足不同类型游客需求的线路优化，综上，得出两类游径优化规划：游赏观光的大众路线、越野健身的专项路线。

4.1 游赏观光的大众路线

游客主要的形象感知为游赏观光，结合游客轨迹、POI点数据空间分布特征，大部分游客与核心景观位于椭圆差内，最终得出游赏观光的大众路线规划图（图11）。山地风景名胜区地形较复杂，使得其道路选线具有一定的复杂程度，通过GIS规划设计山地自然保护区，实现了从定性模式向定量模式转变，让选线更具科学性[25]。选线覆盖了原来的82%以上的景点和路线，主要包含核心地区大环线、南北两条主线、东西两条主线，其他路线均在这5条线路上延展。大环线为：五美景园—秀垟水库—天河水库—哨子墩—龙脊—卧龙谷。南北线路为：（1）皇岙村—罗山村—龙潭—罗胜村—天河水库—陈岙村；（2）仙叠岩—蘑菇岩—龙脊—哨子墩—天河水—元宝山。东西线路为：（1）五美景园—盘垟村—寿桃山—峰台水库—度山村；（2）五美景园—秀垟水库—天河水库—水帘洞—五折瀑

图11 游赏观光路径规划图Fig.11 Sightseeing route planning diagram

4.2 越野健身的专项路线

2010年中国登山协会颁布《国家登山健身步道标准》，将登山健身步道定义为以登山为基本方式，在山地上修建的、以健身为目的的步道[25]。温州大罗山所处的特殊地理环境，深受越野健身爱好者喜爱，经常在温州大罗山上举行越野健身类活动，结合游客形象感知分析中游客偏好“越野健身”，主要分布于椭圆差外围，所以针对这部分人规划越野健身的专项路线（图12），主要由外围一个大环线，内部为7个小环线构成。其中最长外环线为：霞岙村—秀垟村—金河水库—水帘洞—哨子墩—峰台水库—龙脊—蘑菇岩—龙潭—洪岩尖—卧龙谷—十二桥水库—五美景园。

图12 越野健身路径规划图Fig.12 Cross country fitness path planning diagram

5 结论与展望

本文以多源数据为基础，获取游客文本和轨迹数据，将游客旅游感知与轨迹特征结合分析，对现有失衡的游径做出优化策略；提出不仅依靠参数化来优化游径，还要考虑到人的自主能动性与偏好，从人的行为视角出发来优化游径更科学合理，为风景名胜区的游径优化规划提供参考策略。研究也存在不足之处，仅以温州大罗山2018 - 2021年4年的游客数据样本为例，追踪时间较短，需要更多的研究样本支撑才能得出更具普适意义的研究结论；没有考虑到温州大罗山的生态环境基底，游径优化应该避开生态敏感区。

目前温州大罗山的生态环境与人的活动产生了必不可免的矛盾，一定上破坏了大罗山较为脆弱的生态系统，将得出的游径时空特征与生态基底叠加分析，能够保护大罗山的生态系统，使这两者达到一种动态平衡，既可以满足游人游赏温州大罗山，又可以使其生态环境慢慢得到恢复。

注：文中所有图表均由作者自绘。