智能无人机+GIS实现大数据下旅游资源行为特征采集

张武琪 张持健

摘要：随着城市居民生活范围的扩大，城市绿地和休闲空间的同步扩展，传统的城市规划中，人群行为特征的采集方法和调查技术难以满足日益增长的需求。本文以芜湖市十里江湾为研究对象，利用智能无人机+GIS技术实现快速、高效、准确的使用者行为特征大数据采集，通过数据分析结果与实际应用环境相验证，验证该数据采集方法的可行性、有效性和可靠性，为实现大规模使用者行为特征的数据采集和分析提供了有效的技术手段，为进一步挖掘使用者行为特征奠定了定量分析的数据基础。

关键词：智能无人机；大数据；行为特征；十里江湾

中图分类号：F592.1文献标志码：A文章编号：1001-2443（2023）03-0211-06

旅游资源有数量多、地域分步广、随时间变化快、信息量大等特点，造成传统旅游资源调查工作量大、易受人力、物力、时间、资金和自然条件限制等问题［1-2］。以至于我国旅游资源数据采集工作存在效率低、误差大的现象。近年来， 城市居民生产与活动范围扩大、类型愈加复杂，传统的城市规划研究本身存在诸多问题， 迫切需要从方法论高度和应用层面来进行扩展以解决旅游资源采集、决策、效率和精准性问题。

1 研究现状

众所周知，准确有效地数据来源是旅游研究的基础和核心，大数据时代的来临开启了“精准规划”时代， 极大地拓展了城市规划数据来源，同时城市规划数据来源不仅取决于单一数据影响，利用不同大数据进行融合分析获得真实有效的数据特征，对于不断变化的旅游流进行预判和引导成为完善数据采集的最终目标［3-4］。

目前国内主要数据采集手段有手机信令和网络爬虫技术，基于手机信令数据的分析， 正越来越多地用于城市空间中人群活动的时空分布特征与解析，从而服务于特定的规划设计目的［5-6］，但是由于手机信令数据的天然不足有二：其一，手机信令数据获取困难，涉及电信运行商的商业秘密。其二，手机信令数据只能获得使用者分布特性，却难以获得使用者的行为特征。为此利用网络爬虫等网络工具来获取所需分析的数据对象的行为特征成为了选择［7-8］，但是因旅游大数据类型繁多，不仅包括以文本资料为主的结构化数据，还包括网络日志、音频、视频、图片、地理位置等半结构或非结构化的数据资料。网络爬虫技术在进行旅游大数据采集时，需要综合利用多种分析软件进行复杂计算和归纳推理，数据挖掘的计算量大，系统实时性差，提炼数据的可靠性难以保证［9］。为此本研究提出利用智能无人机+GIS系统、定点坐标飞行技术，实现大范围多类型的城市公共休闲空间使用者行为特征及其分布特征高速、高效和准确的采集系统，从而为后续的城市规划研究和十里江湾公共休闲空间分析奠定基础。

2 十里江湾风景区概况和研究设计

2.1 研究区概况

芜湖十里江湾滨江公园现已建成开放的一期和二期工程，从原芜湖造船厂到青弋江入口，再延伸到鲁港大桥之间，包括公园一期中的旅游码头广场、海关公园、滨江特色商业走廊、吉和广场、中江塔公园在内的5大政府公建景观项目，以及二期中的十里江灣健康公园、十里江湾生态湿地公园、十里江湾人民公园、松鼠小镇等景点。组成了全长10.5公里，宽度100—200米不等区域的十里江湾滨江风景区。

2.2 无人机数据采集分析

本研究基于智能无人机+GIS技术，进行十里江湾风景区旅游资源数据的采集和分析研究。利用人工智能+GIS实现无人机的定点、定轨迹飞行任务，完成十里江湾风景区使用者行为特征数据的定位导航数据户外采集工作，进行旅游资源和使用者行为特征数据的转换输出，建立旅游资源和使用者行为特征信息库，从而为进一步进行十里江湾风景区使用者行为特征分析奠定基础。具体数据采集流程见图1。

2.3 无人机硬件平台

系统大数据采集设备为四旋翼结构飞行器，该无人机具有智能化的飞行特性和数据传输能力，无人机的结构特征及其特性参数分别见图2和表1，使用的智能无人机飞控系统具有GPS定点定轨迹飞行功能，可以环绕飞行和控制速度，前俯视和下俯视摄像头旋转和切换简便，拍照和摄像功能清晰度良好，连接网络图片和视频可直接上传至移动手机端，便于信息的采集和存储。

3 十里江湾风景区使用者行为特征大数据获取

3.1 十里江湾使用者行为分布特征数据采集点及其区域图片

针对十里江湾10.5千米先后开发、开放的一期和二期滨江区域，本文在长达8.5千米的二期区域选择了六个区域作为数据采集点，无人机数据采集研究区分布见图3，具体的数据采集点图4（无人机拍摄）如下：

3.2 智能无人机+GIS实现研究区大数据采集

通过使用智能无人机+GIS定点、定高度进行图片采集，对居民出行特征、行为活动特征研究，从而为深入分析休闲空间使用者行为特征奠定基础。无人机+GIS大数据采集步骤如下：

步骤一：利用无人机轨迹飞行和光流定位功能，结合GIS地理信息系统（无人机飞行控制界面自动采集和显示三维GPS信息），实现了智能无人机研究区数据采集的快速定位。

步骤二：在无人机研究区定位完成后，首先通过手机遥控功能、升高无人机的高度、利用无人机垂直下视摄像头采集地面图片（下视摄像头的张角为α）；再降低无人机高度，利用无人机双镜头切换功能，通过无人机前部俯视镜头（摄像头的张角为β）旋转，采集定点环绕视频，共同拼接组成了50M*50M或者100M*100M的使用者行为特征与分布图片（图5）。

步骤三：利用智能无人机的实时传输功能，将以上采集的图片和视频上传存储到移动终端，完成研究区数据采集工作。

4 大数据下十里江湾研究区使用者行为特征分析

4.1 研究区域使用者行为特征类别设计

根据实际采集的图片和视频信息，辅以人工修正，整理得到可视的量化数据。通过对时空特性、密度分布的直观分析为使用者的行为特征定量研究奠定了基础。行为特征的类别设计承载和连接了旅游资源大数据信息和数据的分析挖掘，通过查阅相关文献［10，11］，结合研究区采集到的使用者具体行为差异和应用背景，本文在行为特征的整理鉴别中，区别动、静和聚集、分散状态，将行为特征分为文化益智、怡情娱乐、体育健身、观光休闲和其他社交五类，其中具体的使用者行为采集及其特征划分见表2。

4.2 研究区域使用者行为特征数据结果分析

本文借助智能无人机采集旅游资源大数据优势，分析芜湖十里江湾风景区的人群活动分布随时间变化的特征，选取周末12个时段的无人机采集图进行处理分析，统计给出十里江湾人群活动分布，并进行定量评价。其次，野外观测记录应齐全，以备修正野外输入错误同时为后续各时段十里江湾风景区使用者行为特征空间和时间分布数据处理提供帮助。无人机采集统计使用者行为特征和分布特征数据见图6。

图6给出十里江湾同一研究区使用者不同行为特征的时间分布图，由图可知，体育健身和观光休闲是十里江湾行为特征的主要表现形式，文化益智、怡情娱乐和其他社交行为是次要辅助表现形式，使用者的行为特征表现会受到所处环境氛围的感染和内在需求的驱动，结合实际背景，十里江湾二期研究区全长8.5千米均建有塑胶跑道，配有相应步道设施，各研究区均有大型停车场和茶水供给点，智能移动端计步计时反馈，这些为体育健身使用者提供良好的场所；同时沿长江的自然风光和配套的基础设施，如避雨遮阳，绿化公园，湿地公园等，为有观光休闲需求的使用者提供选择。数据分析结果与实际情况相符。

结合图7数据分析，同一行为特征在不同的研究区随时间表现规律不同，与研究区实际环境背景具有一定的相关性，休闲观光行为在十里江湾研究区全时段表现较为平稳和分散，而体育健身行为在十里江湾研究区全时段表现较为强势和集中，上午时段会出现小高峰，在下午不同时段会连续达到数值顶峰；结合周边居民住宅集中和分布，距离便捷度，交通可达性和建有健身器械设施数量，这些为使用者行为特征的表现提供选择，在数据采样方面，可以看出健康广场主题公园、十里江湾人民公园、十里江湾湿地公园高于临江桥生态公园，与实际情况相符。

以上实例表明，以GIS标注研究区选定目标位置，采用智能无人机快速精准定位来完成指定位置的数据采样是高效可行的。该技术手段获取资源行为信息速度快，大大减少人力消耗，同时具有较强抗干扰性，使用者处于动态快速移动的情况下，采用无人机采样可将瞬时数据固定下来，避免使用者的流动给数据采样带来误差影响，采样信息与相应数据间的转化，使不同研究区同一时段采样数据和同一研究区不同时段采样数据均具有可比性，为后期使用者分布和行为特征的数据挖掘分析提供有力支撑，为大规模城市旅游规划的辅助决策和大数据采集提供了新的视角和方法。

5 结束语

通过十里江湾风景区的案例，基于智能无人机进行使用者行为特征影像数据资料采集，实现GPS数据的采集应用，采集数据的管理整合和数据成果输出，完善数据采集方法。智能无人机+GIS技术以其强大的空间数据实时采集、处理、实时分析和精确的空间实时定位能力，在广域范围内实现快速、高效、准确的大数据信息采集，为旅游资源信息的实时采集和及时处理提供强有力的技术支撑，为繁杂的数据管理、多元的成果表达和科学的数据分析提供快速、方便、准确的方法和手段，尤其适用于户外旅游地大范围、多区域且遮挡物较少的目标采集点研究。人群活动分布在特定地理区域内活动汇聚的时空表征，客观地反映着城市空间的实际使用状态， 并据此评估现有城市空间的实际供给效果以及两者间的耦合或偏离程度， 从而判断现状城市空间资源的供给效应，对区域旅游发展的规划和旅游流的引导发挥实际作用。

参考文献：

［1］ 张硕.基于3S技术的旅游资源数据采集与管理［J］.黑龙江科技信息，2015（12）：110-111.

［2］ 秦萧，甄峰，熊丽芳，等.大数据时代城市时空间行为研究方法［J］.地理科学进展，2013， 32（9）：1352-1361.

［3］ 王嘉茵，苏宇新，凌国明，等.基于多维度大數据融合分析的旅游流研究方法设计—以广州市为例［J］.科学技术创新， 2020，（5）：59-60.

［4］ 焦健，王德.从出行到活动：国外时空行为调查的演变与发展［J］.国际城市规划，2020， 35（3）：34-41.

［5］ 钟炜菁，王德.上海市中心城区夜间活力的空间特征研究［J］.城市规划，2019，43（6）：97-106+114.

［6］ 任欢欢，孔令龙. 基于大数据的南京老城人群活动分布特征解析［C］. 中国城市规划学会、沈阳市人民政府.规划60年：成就与挑战——2016中国城市规划年会论文集（04城市规划新技术应用）［C］.中国城市规划学会、沈阳市人民政府：中国城市规划学会，2016：13.

［7］ 刘燕.基于大数据技术的智能旅游数据间的相关性分析及应用研究［J］.林业调查规划，2022，47（3）：181-184.

［8］ 张鹏.网络爬虫数据采集技术在旅游行业中的应用与实现［J］.中国新通信，2021，23（14）：94-95.

［9］ 党群.旅游大数据分析实践教学应用研究［J］.高教学刊，2020（4）：43-45+48.

［10］ 苏静，李超然，陈艳芳.南京市老年群体日常休闲空间及行为特征研究——以秦淮、玄武两区为例［J］.中国名城，2021，35（7）：47-53.

［11］ 景中奕.基于空间与行为适宜性的沈阳浑南中央公园活动场地优化设计研究［D］.沈阳：沈阳建筑大学，2021.

Abstract：With the expansion of urban residents' living areas and the synchronous expansion of urban green spaces and leisure spaces， in traditional urban planning， the collection methods and survey techniques for crowd behavior characteristics are difficult to meet the growing demand. The paper， taking Shilijiangwan， Wuhu City as the research object， utilizes intelligent UAV+GIS technology to achieve fast， efficient， and accurate big data collection of user behavior characteristics. By verifying the data analysis results with practical application environments， the feasibility， effectiveness， and reliability of this data collection method are verified， providing an effective technical means for achieving large-scale data collection and analysis of user behavior characteristics， which lays the data foundation for quantitative analysis to further explore user behavior characteristics.

Key words： intelligent UAV; big data; behavior characteristics; Shilijiangwan

（责任编辑：马乃玉）