基于旅游数字足迹的国内游客时空行为研究——以武夷山景区为例

陈玮娴,蔡 君,樊志勇

(1. 武汉大学 经济与管理学院,湖北 武汉 430072;2. 北京林业大学 园林学院,北京 100083)

1 相关概念及理论

时间地理学是表现并解释时空间过程中人类空间行为与客观制约之间关系的方法论[1]1。时间地理学的研究起源于20世纪60年代,以瑞典地理学家哈格斯特朗为核心的隆德学派积极探索时间地理学在社区活动规划、交通规划等方面的实践与应用[2-3]。哈格斯特朗的研究促进了地理学的时空耦合研究。到70年代,研究时间地理学的成果逐渐增多,美国地理学家普雷德梳理时间地理学的运用方向,包括区域与景观评价研究、创新的空间扩散研究、人口移动及城市发展研究和政治地理学研究[4]。20世纪80年代,日本地理学界对时间地理学的应用走在前面,研究来源于以高桥伸夫为首的筑波大学人文地理学研究组[5]55,最初涉及日本乡村居民的生活行为及空间。1994年,柴彦威从日本留学回国,发表系列论文引入时间地理学相关概念,梳理总结各国理论发展及应用情况,为推动我国时间地理学的发展做出了突出贡献[1,5-9]。自20世纪90年代初期时间地理学引入中国,时空间行为研究已经成为中国城市地理学的重要领域[10]1362。时间地理学关注人类的时空间行为,而旅游者的地域分布、时空行为与物理环境之间的互动关系也属于时间地理学的研究范畴。黄潇婷是国内第一批探讨旅游者时空行为的学者之一,以颐和园为例,运用时间地理学的核心概念时空路径,捕获时间和空间两个维度上的景区旅游者行为[11]。

随着研究深入与技术进步,时间地理学研究逐步拓宽旅游者时空行为研究的广度,由个体研究转向群体“流”研究,揭示旅游时空行为特征,相关研究结果大多以流向网络图、移动轨迹图、热点图等可视化手段展示[12-14]。例如,李春明等人收集地理参考照片,在GIS工具的配合下分析鼓浪屿景区游客流向图和热点区域[15]。另一方面,对旅游者内在动机与情感因素的关注,对旅游者行为背后的人文意义与社会影响的研究也叠加到旅游者地理空间分布。Kwan致力于把情感、价值、信仰融入地理空间研究,关注时空行为产生的多重背景,尝试将行为者在活动中的心理感受用颜色标记并整合到时空路径中[16]。柴彦威等重新思考个体的生活经历及其背后的社会意义等关键命题,提出将生命历程理论与时间地理学理论相结合,构建长期空间行为生命路径[1]。近年来时间地理学研究弥补了过去研究获取个体行为数据在数量与质量上的不足,同时加强了对行为过程中情感和动机的分析。

从空间尺度来看,游客时空行为的研究范围呈现多元化。总体而言,以国家、区域等宏中观尺度研究较多,对旅游景区等微观尺度研究较少[17]121。以区域尺度为例,李艳等人在研究赴藏游客旅游数字足迹空间结构后,识别出西藏旅游的核心点、聚集点和辐射点,并划分了层级[18]。

关于微观尺度下旅游时空行为的文献数量不多,但现有文献在利用旅游数字足迹收集时空行为数据方面做出了巨大贡献。旅游数字足迹是旅游者在旅游活动期间(包括行前准备和游后分享),通过互联网、通信设备等信息设施来获取、发布或者分享旅游信息时,产生的一系列通话记录、文字、图片等电子痕迹[19-20]。2008年,“数字足迹”(Digital Footprint) 这一概念首次被美国学者Fabien等明确界定[21]。数字足迹在国外相关研究中的运用最先出现在对人类活动的时空行为研究中[12]60。国内由李君轶在2013年引入“旅游数字足迹”概念[22],并指出旅游数字足迹具有空间性、及时性、广泛性和真实性。也正是因为旅游数字足迹具有诸多传统旅游研究方法所不具备的优点,故而成为近年来旅游学界的一大研究热点。目前,旅游数字足迹涉及的研究方向包括游客时空行为规律[23-25]、共现与关注度[26-27]、旅游目的地形象[28-29]以及旅游流[30-31]。姚占雷等利用网络文本,展现华东地区首批国家 5A 级旅游景区之间的共现关系[26]。Choi等通过对比不同类别网站内容上的高频词,发现由于运营目标和市场群体差异,其所展示的澳门旅游形象有所差别[29]。也有学者基于旅游数据捕捉游客流动并设计游客聚集与时空流动分布图,以此分析游客最喜爱的目的地[21]。

相对于宏中观尺度的区域和城市,旅游景区作为面积小又有明确界限的封闭空间,个体行为轨迹易于掌握。因此利用GPS追踪旅游者在景区的时空行为成为目前的主流研究。GPS 追踪法虽然可以在较高的精度上获取运动轨迹,但正如Huang和Wu所探讨的,GPS 方法也有其缺点[32]633,如果旅游者知道自己的时空行为被监视,有可能会改变自己的行程。Bob McKercher等学者针对香港游客的研究中,25.76%的样本数据因为GPS设备关机、信号弱导致样本数据缺失等问题而无法使用[33]151。

本文尝试以网络文本为代表的旅游数字足迹作为主要数据来源,基于时间行为探究旅游者行为动机,提取空间行为数据绘制旅游轨迹网络图。通过旅游数字足迹挖掘游客在时间和空间两个维度的信息,对理解旅游者行为有重要的理论和实践意义。纵观以网络文本为代表的旅游数字足迹相关研究,主要为高频词分析[34],鲜少涉及游客空间分布网络的构建,也较少有学者同时采用传统问卷和旅游数字足迹两种方式。本文以武夷山风景区为案例地,从微观维度切入,利用网络八爪鱼采集器快速采集旅游数字足迹,以问卷调查作为补充。通过不同数据来源和研究方法的互补,提高数据真实性,为景区合理规划游览路线、改善交通服务、疏解旅游高峰期间的景区压力以及营销等提供管理参考和借鉴。

2 研究方案及实施

2.1 数据来源

本文数据来源以旅游数字足迹为主,问卷调查作为补充说明。调查对象以自由行游客为主。虽然参团游客仍然是武夷山景区的重要消费群体,但参团游客在时空分布上缺少选择的灵活性和自由度,易于景区管理。随着旅游者经验的累积和观念的转变,自由行游客数量逐年上升。本文主要基于自由行游客旅游数字足迹和问卷调查研究武夷山的游客时空分布。八爪鱼采集器高效抓取大量旅游者旅游数字足迹,问卷数据精准呈现个体旅游者的微观旅游行为习惯及其内隐动机,广度数据与深度数据互为补充,形成完整的武夷山游客时空分布分析。

旅游数字足迹来源为携程网和马蜂窝网站武夷山游记,采集工具为八爪鱼采集器。旅游者时间分布分析选取2015年1月1日到2017年12月31日内目的地相关游记,数据年份月份连续完整可以保证后续统计分析的结构合理性。采集网络游记并提取游客时间分布信息,将采集结果导出为EXCEL 表格,然后去除时间信息不完整和带有明显商业色彩的游记。筛选后得到携程游记283篇,马蜂窝游记121篇,共404篇。

空间分布部分通过关键词“武夷山”搜索目的地游记,采集游览路线共484条,人工剔除空间信息缺失严重的游记,将符合要求的286条游览路线录入到EXCEL软件中,得到武夷山旅游节点流向数据矩阵。对矩阵进行二分化处理,通过反复实验最终选取1作为断点值,利用UCINET 软件构建武夷山国内游客空间分布网,进一步分析旅游流网络的中心度和结构洞等指标。

时空分布分析关注游客日间各景点游览时刻,采用人工筛选法。以“武夷山”为关键词,从携程网和马蜂窝两大网站筛选目的地游记50 篇,标准为清晰反应日间活动。此外,基于问卷数据,分析各景点游客停留时长。

问卷筛选武夷山国内游客作为调查对象,通过新媒体和旅游网站两种渠道共发放问卷156份,有效问卷为139份。问卷通过询问旅游者旅游行为习惯、网络媒体(包括旅游数字足迹如网络游记、点评等)使用频率与情况,为旅游者时空分布及其影响因素的探讨提供数据来源。

2.2 案例地介绍

武夷山位于福建省西北部,与江西省的交界处。武夷山风景名胜区是5A 级景区,也是世界文化与自然双重遗产,以丹霞地貌而闻名。景区面积达999.75 km2,地势起伏大,自然景观丰富多样,拥有珍贵的文化遗存。本文以武夷山景区为案例地,通过旅游数字足迹,分析国内游客的时空间分布,研究范围以武夷山风景名胜区为核心,也包括周边景区如黄岗山大峡谷及大安源、下梅古村、青龙大瀑布等,属于广义的武夷山景区。

3 游客时空行为分析

时间地理学理论强调“制约”对个体活动的作用,以时间和空间作为行为尺度中同样重要的资源和限制因素[35]184。由于受到时空制约,旅游者会根据实际情况安排较为合适的行程,尽量达到较高的旅游效益。基于时间地理学对个体和时空环境的基本假设,个体在其时空中的活动信息构成一条不可重复不可逆转的时空路径[36]17。而武夷山旅游者的时空路径,可以通过旅游数字足迹得以呈现,并汇总成空间分布网络,在一定程度上解释目的地旅游者的个体行为,总结活动规律。

3.1 游客时间行为分析

基于“游记数量和游客流量为正相关”这一前提,探究武夷山国内游客在武夷山景区的时间分布规律。时间是一种广泛存在的数据,客观记录了所观测的特征值在不同时间内或者时刻点上呈现出的状态[37-38]。基于时间地理学的时空路径概念,抓取旅游数字足迹的时间信息并初步探讨受限因素。所涉及的时间主要为两种:一是停留时间,包括游客的季节和月份分布;二是出游时段,呈现形式为旅游天数。

3.1.1 年内变化

由图1(a) 可得,春秋季的游记数量较高,为旅游旺季。春秋两季气候宜人,目的地气温在15～22 ℃,适合野外踏青等户外活动,此外,清明节、“五一”小长假和“十一”黄金周等假期也具有一定的影响。武夷山景区位于我国东南沿海福建省,存在多雷雨、台风、高温等不利于旅游活动的气候。降雨集中在春末夏初,6月雨量充沛,7月最为炎热。反映在游记上,如图1(b)所示,表现为6、7月游记数量稀少。

图1 2015-2017武夷山年内游记数量数据来源:作者统计。

3.1.2 旅游天数

旅游数字足迹抓取结果显示,旅游天数为2～3天的游客超过半数(52.77%)。武夷山景区景点众多,一天的游览行程难以涵盖景区精华,但对于人文资源开发程度较低,主要依靠自然山水类资源,旅游还停留在观光阶段,加上周边的景点宣传力度不够,未能发挥核心景区的溢出效应。因此大部分游客花费2～3天集中游览核心景区风景,然后离开目的地。此外,通过阅读目的地游记,发现重游游客以及省内其他地市游客倾向于1天的游览行程;选择4天及以上游览天数的游客以自驾团队、爱茶者和青年学生为主。

3.2 游客空间行为分析

社会网络分析主要探究的是不同社会单位所构成的社会关系的结构及其属性特征[39]15。由于其能够较为直观显示且量化各节点间的关系,在游客空间行为分析中加以应用便具有可能性与必要性。

对于本研究而言,社会网络分析法既可从整体上把握武夷山各景点的空间联系紧密程度,也可以深入探究游客空间分布情况,或者是各景点在空间中承担的角色及相互间的联系。因此,运用社会网络分析能够较好地推进武夷山游客时空间行为的研究。

3.2.1 整体网络特征

基于旅游数字足迹,构建武夷山节点间流量流向赋值矩阵,其中 1代表 2个节点有直接旅游者流动关系,0则相反,加总流动关系并建立赋值矩阵。将矩阵导入UCINET,得到武夷山游客空间分布网络图如图2 所示,共有21个节点。作为有向关系网,n个旅游节点理论上存在的最多联结数量为n(n-1),针对武夷山而言,理论上的最大值为420条联结数量。实际上,共建立160 条联结数量,网络密度是0.381。对比以往研究中的网络密度如0.095、0.1073等,少有网络密度超过0.3[18]180[40]41。由此推断武夷山游客空间分布网络图的网络密度相对较高,各节点间的互动较多,联系相对紧密。网络的平均度为7.619,即每个节点与其他节点产生7次左右的出度或入度联系,相较于以往国内的类似研究[41]1045,程度中心度均值为7.16。武夷山网络的程度中心度处于平均水平。

图2 武夷山游客空间分布网络

3.2.2 “核心-边缘”分析

利用UCINET 的“核心-边缘”分析功能,将武夷山主要景点划分为核心组和边缘组。核心组包括九曲溪、天游峰、水帘洞、大红袍景区、一线天、虎啸岩、玉女峰、大王峰、隐屏峰、武夷宫、印象大红袍共11个节点,剩余10个节点为边缘组。

在图2中,将核心组标注为深色,边缘组标注为浅色,点的空间分布以联结关系为依据。从整体上看,武夷山景区的景点等级结构分明,武夷山游客大多集中在核心景点,核心组内部联系密度为0.927,较少向边缘景点流动和转移。边缘组成员间存在联系,但是互动的程度较低,边缘组内部联系密度系数仅为0.056。对于邻近核心景点的边缘组成员而言,具体表现为未能充分发挥近邻效应的正面作用;对于低知名度的边缘景点而言,表现为景区宣传力度低,未能成功引流。核心组景点对边缘组景点的联结密度为0.227,说明核心景点带动边缘景点的能力较弱。

3.2.3 中心度分析

中心度是针对旅游网络的节点结构而言的[42]520。针对单个节点的中心度,通常运用程度、中介和接近中心度三个指标来测度。在武夷山游客空间分布网络中,处于中心位置的景点与其他景点联系越紧密,对旅游流的控制越大,其他景点对其的依赖性也会越强。探讨各旅游节点空间地理位置与中心度指标的相关性具有重要意义。在表1中根据各指标数值高低,用“+”赋予对应等级符号。数值最高的前五个旅游节点为“+++”,第六到十五为“++”,第十六到二十一个标注为“+”。

表1 武夷山旅游节点中心度分析

将赋值矩阵导入GEPHI软件,进行程度中心性指标的可视化表达如图3。程度中心性主要考察的是单个节点对其他节点的集聚和辐射能力。如果旅游目的地为区域旅游进出通道或游客必选旅游地,则为中心节点[43]76。武夷山国内游客空间分布网络的平均度为7.619。如图3,对比单个节点,其中九曲溪、天游峰、武夷宫的内外向程度中心度均在12及以上。九曲溪和天游峰是武夷山景区的精华景点,知名度高,是空间分布中的核心点。而武夷宫作为九曲溪竹筏漂流的终点,承担着旅游通道功能,游客在此上岸后继续参观游览。根据表1,虎啸岩的外向程度中心度均大于内向程度中心度,在空间上主要承担着分散功能。分析其原因如下:一是景点位置接近景区南入口,游客从此出发,分散至其他景点;二是游客大多习惯将耗费体力较大的景点安排在行程的前半部分。

图3 武夷山游客空间分布网络(以程度中心度为标准排序)

接近中心度反映旅游节点与空间内旅游中心联系的便捷程度,是旅游景点与其他所有景点的捷径距离之和;旅游交通距离越短,接近中心度越高,可进入性越好[18]180。天游峰、九曲溪和武夷宫的内外向接近中心度较高,说明这类景点在空间上处于较为核心的位置,独立性强,可进入性高。相反,外向接近中心度最低的大安源(5)和黄岗山大峡谷(4.762)位于武夷山市北部与江西交界处,位于网络边缘位置。

中介中心度分析旅游节点在空间中的“桥梁”作用,也探讨各节点对中转节点的依赖程度。中介中心度越大,对其他景点的带动作用越大,对空间整体的控制性越强。中介中心度较强的节点为武夷宫(58.866)、九曲溪(39.263)和玉女峰(37.113)。在游览路线中,这类景点大多承担着中转作用,其他节点可以通过加强与这类景点的联系吸引更多游客。此外,武夷宫作为涵盖历史人文、休闲娱乐的多功能旅游通道,是大部分游客的行程中转地。

3.2.4 结构洞分析

石建中认为结构洞理论能较好地解释网络中关系主体的结构性差异[44]80。利用UCINET 的结构洞分析功能,测度武夷山游客空间分布网络中单个节点的约束性、有效规模和效率性,探讨该节点在区域中的竞争优势。

约束性反映各个旅游节点拥有结构洞的数量,拥有较多结构洞意味着在网络中处于优势核心地位。在武夷山游客空间分布网络中,武夷宫、天游峰和九曲溪覆盖的网络较开放,这些低约束性旅游节点作为桥梁,将其他景点连接串通。灵岩洞约束性较高,游客来源依赖于邻近的一线天景点,在空间中处于依附地位。这类景区的发展情况受限于核心节点的发展情况以及其与核心节点的互动密切程度。

此外,有效规模越大,则网络的重复程度越小,存在结构洞的可能性则较大。UCINET 的分析结果显示,九曲溪、天游峰和武夷宫的有效规模较大,结构洞水平高,在整体网络中具备强竞争力。效率指标反映的是各节点在网络中的行动效率,低效节点如幔亭峰、云河漂流和青龙大瀑布意味着对其他个体的影响程度低,连接其他节点的数量较少。

从整体看,九曲溪、天游峰和武夷宫结构洞水平较高,竞争优势大,成为连接其他节点的枢纽。另一方面,也存在由于景区游客数量分布不均衡导致的热门景点过于拥挤,环境承载压力大等隐患,不利于整体网络结构的平衡与优化。

3.3 游客时空综合分析

将目的地游记的游客时空分布录入至EXCEL表格进行分析。筛选游客分布百分比大于等于10%的景点,分时间段做武夷山游客日间时空分布。由表2,可以明显看出天游峰是“上午型”景区。天游峰被誉为“武夷第一险峰”,山势险峻,耗费较多体力。因此,游客大多选择在精力充沛的上午率先游览天游峰。九曲溪的热门旅游活动为竹筏漂流,清晨和傍晚紫外线强度较低,更适合长时间的漂流活动。此外,九曲溪的游客时空分布也受竹筏调度的影响。九曲溪竹筏每天开放六个时间段,最晚至下午三点开排。少部分旅行社和游客为错开高峰,选择中午时间段乘坐竹筏。一线天景区游客集中在8∶00～14∶00的时间段。分析其原因如下:一线天景点较为阴凉,适合中午时分游览;大部分游客游览顺序是从一线天到虎啸岩。因此14∶00之后,旅游流从一线天流向虎啸岩。14∶00～17∶00也是唯一的虎啸岩游客分布超过一线天的时间段。另外,武夷宫是较为典型的“午后型”旅游景点,拥有数量众多的旅游服务设施,游客可以在武夷宫内的宋街购买旅游纪念品后离开景区。

表2 武夷山一天内游客时空分布

在时空关系的考虑上,除了游览时间之外,也考虑游客在各景点的停留时长。基于问卷数据,图4选取未去人数少于30%的景点重点分析。游九曲溪的时长两极化现象明显,竹筏漂流时长约1.5小时。其余游客大多拍照赏景,不做长时间停留。武夷宫和九曲溪是联动型的,游客下了竹排就是武夷宫,在武夷宫停留的时间因人而异。有的游客将此作为餐饮、购物的中转休憩点,有的只是作为途经路径。天游峰地势险峻,停留时间因游人的体力和耐力而不同。大红袍景区内有茶馆可稍做休憩,但超过半数(59.71%)的游客选择观光游览。水帘洞景区位于武夷山景区的北部,较为边缘,因此未去人数较多(28.06%)。

图4 武夷山景区部分旅游节点的停留时长

4 武夷山游客时空间分布影响因素分析

社会是由众多的时空路径所构成的巨大网络,将单个的个体置于群体的大环境之中,借助时间地理工具能够分析总结群体活动的规律[36]17。在此基础上,分析影响群体活动规律的因素,有利于更好地将理论应用到实践中。

4.1 网络位置关系

游客时空分布与景点在网络中的位置息息相关。基于社会网络理论,行动者越处于网络的中心,其影响力越大[24]105。在武夷山游客空间分布网络中,接近核心景点的旅游节点受益于核心景点的带动作用。对这类景点而言,如何充分利用核心景点带来的旅游流,推动多级多点发展是获得市场的关键问题。

对于同一区域不同类型的旅游资源,资源个体的吸引力会因为周边不同资源的存在而增强,这便是近邻正效应[45]45。在网络中位置相邻而旅游资源差异越大的景区景点,越能相互促进。以自然资源为主的武夷山景区和以山水实景演出为核心吸引力的印象大红袍剧场能起到互补的作用,强强联合共同构成区域内的核心部分。

4.2 网络媒体宣传

网络媒体的宣传对游客时空间分布起指引作用。问卷调查结果显示,通过网络媒体,游客获知目的地信息的前三名为“茶文化”(73.38%)、“世界自然与文化双重遗产”(59.71%) 以及“朱熹理学文化”(41.73%)。受网络媒体的宣传影响,游客会对武夷山形成大概的印象,构建想象中的目的地形象。在行程选择上,游客倾向于选择契合网络媒体宣传关键词的地方景点。事实上,以茶文化为主题的大红袍景区、承载宋明理学文化的武夷宫既是官方宣传的重点,也是游客时空分布热点。此外,在线旅游平台如马蜂窝、携程网等一方面重点宣传武夷山春季传统节庆活动,另一方面推出武夷山小长假、周末旅游攻略,一定程度上影响游客的时间分布。

4.3 景点网络口碑

目前也有越来越多的研究聚焦在线上网络信息平台对线下实体空间中消费活动的影响[46]18。网络口碑信息正成为影响时空间层面消费决策的重要力量。旅游网络口碑对出游意愿、旅游决策相关研究兴起[47-48]。武夷山市各景点的网络口碑在一定程度上影响游客的旅游决策,即时空分布。基于问卷数据,我们选取旅游者高频使用的目的地信息搜索平台如马蜂窝、携程网等进行验证。选取相应的平台,整理其目的地高分推荐的景点如表3所示。结果表明,这类平台的热门推荐景点大部分属于武夷山游客空间分布网络的核心组,景点网络口碑影响旅游者的时空分布。而旅游者在游览完热门景点后,又会成为新的旅游口碑传播者,形成循环。

表3 各旅游网站高分推荐景点

5 结论与讨论

本文在综述时间地理学等相关文献的基础上,以武夷山为研究地,结合旅游数字足迹与传统问卷数据,构建旅游者时空行为分析,探究现实场景中的游客活动规律,为旅游地理学的定量研究提供新的视角。在实践层面上,运用社会网络分析法构建游客空间分布网络并进行可视化表达。用数据化的方式,为旅游目的地各节点的空间角色定位提供理论依据,利于景区决策者开展旅游流安全管控、线路设计、细分市场营销等旅游规划、营销工作。

5.1 结论

与以往研究不同的是,本文选取的对象为微观尺度的旅游景点,并对旅游数字足迹进行定量分析,同时基于问卷数据探讨时空分布影响因素,并得出以下三点结论。

(1)武夷山景区为“全天型”景区,“短假期”效应明显,季节分布集中。89%以上的游客分布时间段为10∶00～16∶00,安排全天时间浏览武夷风光。受三天小长假以及武夷山二三日优惠联票影响,超过70%的游客旅游天数为三天及以下。武夷山风景区旅游旺季为春秋季,主要受武夷山春季传统节庆活动以及春节、中秋节和“十一”黄金周影响。

(2)武夷山景区空间上呈不均衡性分布,核心组内部凝聚力强,边缘组联系不紧密。整体网络由21 个节点构成,网络密度为0.381。核心节点如天游峰、九曲溪以及武夷宫通达性高,空间位置邻近,具有鲜明的地方特色,对游客有较强吸引力。边缘节点大多位置偏远,宣传力度低,难以吸引核心节点游客流动转移。通过 “核心-边缘”分析可知,组别间联结情况相差较大,核心组对边缘组带动作用不明显。

(3)受旅游活动、景点空间位置等原因影响,旅游节点各时段游客空间分布呈现不均衡性。例如对耗费体力较大的景点如天游峰,游客倾向于安排在上午8∶00～11∶00期间游览。一线天和虎啸岩的游客分布在时间段上具有继承性,从一线天流向虎啸岩的游客居多。

5.2 讨论

武夷山景区的游客时空分布受景区特点、客源结构等因素影响,有不同于其他景区的个性化特点。与此同时也包含着一些普适性的问题。在我国,旅行社组织的参团游客仍然是国内各大景区的重要消费群体。参团游客在时空分布上缺少选择的灵活性和自由度,更易于景区的调度和管理。对于这部分游客,在安排旅游行程时游览更多更全的景点似乎是首要目标。而这也是契合景区利益的,旅游者快速流入流出景区,走马观花地观看,方可最大限度地提高门票等经济收益。

然而,旅游不仅仅局限于观光,更有休闲、教育等多元意义。随着互联网技术的发展和旅游者旅行经验的积累,越来越多的人倾向于自由行。未来可能有更多的深度休闲者[49],希望在景区内获得知识,或者通过慢节奏游览放松心情,从而停留较长时间。因此,基于日益增多的自由行游客进行研究,对景区的规划管理等均具有长远的意义。在数据来源与获取等方面,本文也进行了诸多尝试。旅游数字足迹的获取有数据量大、成本低、获取便利的特点,但缺点是只能说明现象,不能构成直接的因果关系。传统的问卷则弥补旅游数字足迹的不足,进一步探讨旅游者时空行为的内隐动机。随着理论与技术革新,时间地理学研究中个体行为时空数据处理与表达日趋多元化,更注重对旅游者行为背后情感因素的考量。时间地理学在强调个体行为的同时,借助旅游大数据、旅游数字足迹等手段研究基于群体的“流”行为,拓宽了研究视野。

随着国内景区自由行游客增多,时空分布更具灵活性,如何全面精准把握景区游客的时空行为及影响机制,对景区管理具有深远意义。旅游网站的兴起与发展,为旅游者提供了分享旅游经历,搜寻旅游信息的平台,也为研究游客时空行为奠定良好数据基础。然而平台信息质量参差不齐,在筛选游记时,仍需人工剔除带有商业色彩、信息缺失的样本。利用八爪鱼采集器抓取数据的过程中,也遇到平台设置反爬虫障碍,需要放缓采集频率,设置随机间隔时间。期待在数据抓取技术更加规范化的未来,能够加强研究者和平台机构的合作,适度开放数据用于学术研究。针对旅游者本身,以国内自由行游客为主要调查对象是基于旅游特征进行划分,未来可尝试初游者与重游者、国内外等不同类别游客的对比分析,丰富游客时空行为分布的研究。旅游数字足迹采集方面,在累计足够多游记文本数据的情况下,期待能有纵向对比不同年代旅游者时空行为变动的研究。这些都是需要在未来的研究中加以关注和深入探索的。此外,由于精力、时间限制,本文仍存在不足之处:问卷发放采用网络问卷形式,存在因旅游者记忆模糊而降低答卷可信度的可能。针对中小尺度的后续研究考虑以实地问卷为主,并尽可能分季节、分时段发放,以覆盖更全面的样本类型。

面对丰富的旅游数字足迹,未来研究者面临如何更有效地处理和展示数据,以及尽可能消除数据样本所带来的偏见等问题[50]16。性别、年龄、受教育程度和收入水平导致的互联网使用情况的差异,都会影响到旅游数字足迹所代表的游客人群。此外,景区内热门景点的形成受到一系列因素的影响,游客访问量只是其中之一[51]10。游客的停留时长、旅游活动、重游率、适宜旅游的时长等因素都可能影响景区内热点区域的形成。

综上,各种类别的旅游数字足迹在多大程度上能够代表对景区的实际访问,能否进一步细分游客特征进行更准确的时空间分析,也有待后续的研究和探讨。未来研究可尝试结合目的地旅游产品点评、目的地短视频分享、旅游直播等,进一步挖掘游客行为信息,拓展旅游数字足迹研究领域。