袁雨果 鄭偉民

引用格式：袁雨果， 鄭偉民. 追溯技術(shù)在旅游者移動(dòng)行為研究的綜述[J]. 旅游學(xué)刊，2019，34（2）：48-59. [YUAN Yuguo， ZHENG Weimin. The use of tracking technologies in tourists mobility behavior research： A literature review[J]. Tourism Tribune，2019，34（2）：48-59.]

[摘? ? 要]旅游活動(dòng)常被認(rèn)為是日常生活的溢出，而“移動(dòng)范式”的出現(xiàn)促使旅游活動(dòng)被置于社會(huì)活動(dòng)的核心位置，移動(dòng)性也逐漸成為旅游研究中的核心命題。然而，旅游者移動(dòng)行為研究需要采集大量游客時(shí)空移動(dòng)數(shù)據(jù)，這在很長一段時(shí)間里制約了該研究的進(jìn)展。近年來，移動(dòng)互聯(lián)網(wǎng)技術(shù)和地理信息技術(shù)的發(fā)展，使得對(duì)游客個(gè)體時(shí)空移動(dòng)信息的精確追溯和記錄成為可能，從而給旅游者移動(dòng)行為研究提供了前所未有的契機(jī)。該文全面回顧追溯技術(shù)在旅游者移動(dòng)行為的應(yīng)用研究，在進(jìn)行詳細(xì)文獻(xiàn)分析的基礎(chǔ)上指出：（1）傳統(tǒng)追溯技術(shù)和現(xiàn)代追溯技術(shù)都有各自優(yōu)勢(shì)和劣勢(shì)，因此將二者有機(jī)結(jié)合有利于更好地開展旅游者移動(dòng)行為的研究;（2）每種現(xiàn)代追溯技術(shù)均有其各自的優(yōu)劣勢(shì)和適用空間尺度，因此需要根據(jù)所研究的問題及其空間尺度選擇合適的追溯技術(shù);（3）追溯技術(shù)的發(fā)展在研究尺度、研究對(duì)象和研究精度等維度都對(duì)旅游者移動(dòng)行為研究產(chǎn)生了深遠(yuǎn)的影響。

[關(guān)鍵詞]追溯技術(shù);移動(dòng)性;旅游行為;研究綜述

[中圖分類號(hào)]F59

[文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1002-5006（2019）02-0048-12

Doi： 10.19765/j.cnki.1002-5006.2019.02.010

引言

旅游活動(dòng)常被理解為日常生活的溢出，使得旅游研究被認(rèn)為是社會(huì)科學(xué)的邊緣性學(xué)科[1]。近年來，“移動(dòng)范式”（motilities paradigm）的出現(xiàn)，促使旅游活動(dòng)被置于社會(huì)活動(dòng)的核心位置，移動(dòng)性也逐漸成為旅游研究中的核心命題[2-3]。移動(dòng)性的概念不僅涉及大規(guī)模人群、物體、資本和信息等在世界范圍內(nèi)的移動(dòng)，也同樣關(guān)乎日?；顒?dòng)中的局部運(yùn)動(dòng)[4]。旅游作為一種社會(huì)現(xiàn)象，正是由各個(gè)獨(dú)立個(gè)體因各種動(dòng)機(jī)從慣常居住地流向旅游目的地、再返回慣常居住地的旅游時(shí)空行為的總和[3]。對(duì)旅游移動(dòng)性的關(guān)注有助于理解游客旅游體驗(yàn)和行為模式[5]，進(jìn)而有助于旅游目的地的設(shè)計(jì)、管理、規(guī)劃、產(chǎn)品開發(fā)和營銷[6-8]。因此，旅游移動(dòng)性和旅游者移動(dòng)行為的研究受到了越來越多的關(guān)注[6， 8-19]。

由于旅游現(xiàn)象的復(fù)雜性，旅游者移動(dòng)行為研究需要大量的游客移動(dòng)數(shù)據(jù)[20]。而在過去很長時(shí)間里，游客移動(dòng)數(shù)據(jù)的獲取途徑主要通過觀察[21]或個(gè)體調(diào)查[22]等方法。這些方法需耗費(fèi)大量人力和物力，從而制約該研究的進(jìn)展，特別是旅游景區(qū)等微觀尺度的研究[11， 20， 23]。近年來，移動(dòng)互聯(lián)網(wǎng)技術(shù)和地理信息技術(shù)的發(fā)展，使得精確追溯和記錄個(gè)體時(shí)空移動(dòng)信息成為可能[24-25]，從而為旅游者移動(dòng)行為研究提供了良好的契機(jī)[26]。

本文以“追溯技術(shù)”（tracking technologies）、“移動(dòng)性”（mobility/movement）、“旅游行為”（tourist behavior）、“大數(shù)據(jù)”（big data）和“旅游”（tourism）為組合關(guān)鍵詞在Web of Science和中國知網(wǎng)檢索截至2017年10月的文獻(xiàn)。在Web of Science數(shù)據(jù)庫，只考慮SSCI和SCI數(shù)據(jù)庫中“Article”的文獻(xiàn)，共檢索到? ?2339篇文章;在中國知網(wǎng)，只考慮“SCI”“EI”“核心”和“CSSCI”等來源期刊的文章，共檢索到1120篇文獻(xiàn)。上述文獻(xiàn)的主要來源期刊如表1所示。

本文利用文獻(xiàn)分析軟件Citespace對(duì)上述文獻(xiàn)作了進(jìn)一步的量化分析，Citespace是一款著眼于分析科學(xué)研究中蘊(yùn)含的潛在知識(shí)，并在科學(xué)計(jì)量學(xué)、數(shù)據(jù)和信息可視化背景下逐漸發(fā)展起來的一款引文可視化分析軟件，可以很好地探索研究熱點(diǎn)、研究前沿和研究趨勢(shì)。對(duì)時(shí)間跨度為1991—2017的文獻(xiàn)按照年度切割，從每年文獻(xiàn)中提取關(guān)鍵詞出現(xiàn)頻率進(jìn)行關(guān)鍵詞共現(xiàn)分析，得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)圖（圖1）。圖中每個(gè)圓形節(jié)點(diǎn)代表一個(gè)關(guān)鍵詞，節(jié)點(diǎn)越大表明該關(guān)鍵詞在研究領(lǐng)域內(nèi)出現(xiàn)的頻次越高，有紫紅色光圈的節(jié)點(diǎn)具有較高的中心性，與其他節(jié)點(diǎn)之間也聯(lián)系緊密，中心的紅色代表突現(xiàn)，引文年輪的顏色代表相應(yīng)的引文時(shí)間，各色連線表示首次共現(xiàn)時(shí)間，1991—2017年份對(duì)應(yīng)的顏色為藍(lán)色到橙色。從圖1中可以直觀發(fā)現(xiàn)該領(lǐng)域主要的主要研究熱點(diǎn)，而表2則進(jìn)一步列出了中英文文獻(xiàn)中出現(xiàn)頻率較高的10個(gè)關(guān)鍵詞及其出現(xiàn)的頻數(shù)。

2016年，Shoval和Ahas指出過去10年見證了各種現(xiàn)代追溯技術(shù)在旅游研究中應(yīng)用的快速發(fā)展，他們?cè)敿?xì)梳理了近10年發(fā)表的文獻(xiàn)，進(jìn)而將追溯技術(shù)在旅游領(lǐng)域的應(yīng)用研究劃分為3個(gè)階段[25]。該研究是目前為止為數(shù)不多的關(guān)于追溯技術(shù)在旅游領(lǐng)域的應(yīng)用研究梳理，對(duì)于了解該領(lǐng)域的發(fā)展歷程和未來趨勢(shì)具有重要價(jià)值。而本文則聚焦“追溯技術(shù)在旅游者移動(dòng)行為研究”這個(gè)主題，梳理不同追溯技術(shù)在旅游者移動(dòng)行為的研究現(xiàn)狀。在此基礎(chǔ)上分析總結(jié)不同追溯技術(shù)的優(yōu)劣勢(shì)和適用尺度，以及追溯技術(shù)發(fā)展對(duì)旅游者移動(dòng)行為研究的影響。為便于分析，本文將基于觀察、訪談和問卷等的追溯方法稱為傳統(tǒng)追溯技術(shù)，而將基于移動(dòng)互聯(lián)網(wǎng)和地理信息的現(xiàn)代追溯技術(shù)稱為現(xiàn)代追溯技術(shù)。

1 傳統(tǒng)追溯技術(shù)

傳統(tǒng)追溯技術(shù)包括觀察、日志問卷、攝像等方式，可將這些方法分為觀察（observation）和非觀察（non-observation）兩種。過去，傳統(tǒng)追溯技術(shù)一直是研究旅游者移動(dòng)行為的重要數(shù)據(jù)來源[20]。

1.1? ?觀察式采集方法

所謂的觀察是指“識(shí)別、跟蹤、觀察和映射”[27]，指跟隨游客或在固定位置記錄游客的運(yùn)動(dòng)信息[28]。根據(jù)觀察者是否直接參與游客的整個(gè)行程可將其分為參與式和非參與式兩種。前者不僅采集游客的運(yùn)動(dòng)信息，還能收集到游客體驗(yàn)和決策等信息。然而，這種方法采集的效率較低、成本較高，而且還可能改變游客本來的游覽行為[21， 29]，從而影響研究的可靠性。

為此，有學(xué)者嘗試采用非參與的方式以提升數(shù)據(jù)采集效率和避免對(duì)游客的干擾：Keul和Kühberger采用定點(diǎn)觀察這種非參與的方式采集澳大利亞Salzburg游客的活動(dòng)信息，并分析其空間行為特征[30];Murphy采用類似的非參與式方法觀察游客在維多利亞市的運(yùn)動(dòng)情況[31]。然而，上述方式依然無法顯著降低時(shí)間和人力成本，且數(shù)據(jù)的準(zhǔn)確性無法保證[32]。為此遠(yuǎn)程觀察法開始被采用：Garbrecht通過攝像機(jī)記錄行人在停車場的路線選擇過程[33];Hartmann采用攝像機(jī)觀察慕尼黑市北美年輕游客的情況[21];Janowsky和Becker結(jié)合視頻監(jiān)控和訪談法研究游客的移動(dòng)性[34];Yamanaka等人利用攝像機(jī)分析東京灣游客的空間行為[35]。采用攝像機(jī)采集游客運(yùn)動(dòng)信息，可以清晰地識(shí)別每名游客，然而該方法繁瑣、易出錯(cuò)，且相應(yīng)的設(shè)備價(jià)格較為昂貴，采集到信息后需要進(jìn)行復(fù)雜的后續(xù)處理才能使用，同時(shí)該方法還面臨道德方面的風(fēng)險(xiǎn)[21]，這些不足阻礙了其在實(shí)踐中的應(yīng)用[36-37]。

總而言之，觀察式的方法需要耗費(fèi)大量人力和物力，因此很難通過這種方法采集到足夠的數(shù)據(jù)樣本，這就導(dǎo)致研究結(jié)果的可靠性受到質(zhì)疑[29]。

1.2? ? 非觀察式采集方法

為克服觀察式方法存在的不足，非觀察式方法開始受到關(guān)注。時(shí)空日志（space-time diaries）作為一種代表性的非觀察式方法，被廣泛運(yùn)用于游客移動(dòng)數(shù)據(jù)采集，它能夠記錄游客參與各種活動(dòng)的順序、時(shí)間及逗留時(shí)間等信息，能為詳細(xì)描述和分析個(gè)體旅游行為提供基礎(chǔ)[38-40]。這種方法幾乎具有問卷調(diào)查的所有優(yōu)勢(shì)，同時(shí)還能記錄其他方法難以采集到的信息，比如決策過程和旅游體驗(yàn)等[27]。

時(shí)空日志包括回憶日志和自我管理日志等形式，前者是游客結(jié)束行程后，讓游客通過回憶的方式記錄他們的移動(dòng)信息，而后者則是由游客隨身攜帶問卷，并實(shí)時(shí)記錄的訪問地點(diǎn)和逗留時(shí)間等信息。過去，時(shí)空日志是游客移動(dòng)數(shù)據(jù)采集的重要方式：如Murphy和Rosenblood基于該方法研究游客在溫哥華島的時(shí)空活動(dòng)[41];Cooper研究海峽群島游客行為特性[42];Lew研究游客在新加坡的空間運(yùn)動(dòng)模式[43];Pearce研究南太平洋Vanuato島的游客空間行為[39];Debbage研究游客在巴哈馬的Paradise Island的旅游模式[44];Dietvorst研究游客在荷蘭歷史小城Enkhuizen的時(shí)空活動(dòng)[45];Fennell研究Shetland Islands游客的運(yùn)動(dòng)情況[40];Thornton調(diào)查游客在紐基的康沃爾度假勝地的空間行為[27];Connell和Page研究游客在Lomond and Trossachs國家公園的空間運(yùn)動(dòng)模式[46]。

然而，回憶日志所采集到的信息數(shù)量及質(zhì)量取決于游客回憶的精度[23， 47-48];自我管理日志可在一定程度上克服這個(gè)不足，但它要求游客實(shí)時(shí)記錄運(yùn)動(dòng)信息，干擾了他們正常的游覽活動(dòng)，影響受訪者參與的意愿，導(dǎo)致樣本數(shù)量的不足[38-39]。此外，如何確保所采集信息的準(zhǔn)確性也是需要考慮的問題[49]。

除上述觀察式和非觀察式方法外，還有學(xué)者采用旋轉(zhuǎn)柵門、紅外線計(jì)數(shù)器和壓力敏感計(jì)數(shù)板等方法[50]。這些方法能夠保證信息的準(zhǔn)確度，但采集的信息只包含游客數(shù)量，無法識(shí)別具體游客，因而不能用于分析個(gè)體移動(dòng)模式。因此，旅游者行為研究迫切需要高效率和高精度的游客移動(dòng)數(shù)據(jù)追溯技術(shù)[51]，而互聯(lián)網(wǎng)技術(shù)和地理信息技術(shù)的發(fā)展正好給其帶來了前所未有的契機(jī)[26]。

2? ? 基于RFID的追溯技術(shù)

無線射頻識(shí)別技術(shù)（RFID）起源于第二次世界大戰(zhàn)中飛機(jī)的敵我目標(biāo)識(shí)別，它能在惡劣環(huán)境下實(shí)現(xiàn)非接觸、多目標(biāo)和高速移動(dòng)目標(biāo)識(shí)別。21世紀(jì)以來，隨著功能的提升和成本的下降，RFID技術(shù)被廣泛應(yīng)用于物流、交通、醫(yī)療、生產(chǎn)、金融等領(lǐng)域。

近年來也有學(xué)者嘗試將RFID應(yīng)用于旅游領(lǐng)域，如游客和旅游產(chǎn)品的跟蹤和控制、非接觸支付系統(tǒng)和信息設(shè)備等[52]：Tsai和Chung采用RFID技術(shù)采集游客移動(dòng)信息，在分析這些信息的基礎(chǔ)上為游客提供游覽建議[53];Lucia采用RFID技術(shù)追溯游客的消費(fèi)行為[54];Zeni等人通過RFID采集游客運(yùn)動(dòng)信息，并以此分析文化節(jié)事對(duì)旅游的影響[55]。目前，RFID已成功應(yīng)用于多個(gè)主題公園，如丹麥的Legoland，美國的Steamboat Ski Resort、Wild Rivers、Dollys和KeyLime Cove Water Resort等[56-57]。

國內(nèi)也有學(xué)者探討將RFID運(yùn)用于景區(qū)游客跟蹤和行跡追溯：2008年，四川大學(xué)任佩瑜教授的課題組承擔(dān)了國家高技術(shù)發(fā)展研究計(jì)劃（863計(jì)劃）重大項(xiàng)目，研究基于RFID技術(shù)的景區(qū)時(shí)空分流導(dǎo)航管理模式[58-59]，其中包括基于RFID的游客密度監(jiān)控、游客精確定位和行跡追溯等。

然而，RFID技術(shù)在采集游客移動(dòng)信息時(shí)也存在一些不足，其識(shí)讀率受人群擁擠程度、天氣狀況的影響，低識(shí)讀率將影響信息的質(zhì)量。此外，與目前GPS等技術(shù)相比，RFID需要購置大量的閱讀器等固定設(shè)備，特別是在面積較大的開放性區(qū)域，所需要的固定設(shè)備數(shù)量更多，這增加了數(shù)據(jù)采集的成本。因此，RFID更多的是用于面積較小的區(qū)域或室內(nèi)場景中。

3? ? 基于手機(jī)定位的追溯技術(shù)

截至2014年年底，全世界有超過93%的人口擁有手機(jī)[60]，手機(jī)的高普及率使得利用手機(jī)定位數(shù)據(jù)開展旅游研究具有巨大的潛力[20， 61]。事實(shí)上，利用手機(jī)數(shù)據(jù)研究人類活動(dòng)已經(jīng)取得重要的成果：Song等[62]和González等[63]利用手機(jī)數(shù)據(jù)研究行人運(yùn)動(dòng)的規(guī)律性和隨機(jī)性，他們的成果分別發(fā)表于頂級(jí)期刊Science和Nature;Lu等人利用手機(jī)數(shù)據(jù)研究2010年海地地震后居民遷徙的可預(yù)測(cè)性[64]，成果刊發(fā)于美國科學(xué)院院報(bào)（PNAS）。

近年來，開始有學(xué)者探索將手機(jī)定位數(shù)據(jù)應(yīng)用于旅游研究中，Ahas及其團(tuán)隊(duì)以愛沙尼亞為例，在這個(gè)領(lǐng)域做了大量富有成效的工作。他們介紹了手機(jī)定位數(shù)據(jù)的特性、數(shù)據(jù)采集、抽樣、處理及分析方法，指出手機(jī)定位數(shù)據(jù)對(duì)于旅游研究和管理都是很有潛力的資源[61]。此后，他們利用愛沙尼亞國外游客的手機(jī)定位數(shù)據(jù)，研究游客空間消費(fèi)的季節(jié)性[65]、游客對(duì)特定旅游目的地的忠誠度[66]、客源市場細(xì)分[67]、節(jié)慶旅游游客與一般游客旅行距離的差異及影響因素[68]、旅游目的地分化[69]等。除Ahas團(tuán)隊(duì)外，Viswanath等人[70]、Birenboim和Shoval[60]也都探討了將手機(jī)定位數(shù)據(jù)用于游客移動(dòng)性研究的可行性和潛力;Asakura和Iryo則利用移動(dòng)通訊設(shè)備收集游客的時(shí)空數(shù)據(jù)，基于聚類分析尋找游客行為的拓?fù)涮匦訹71]。

盡管利用手機(jī)定位數(shù)據(jù)開展旅游研究具有巨大潛力[61]，但也同樣存在諸多挑戰(zhàn)：（1）手機(jī)定位數(shù)據(jù)的精度取決于區(qū)域基站的密度[72]，如在愛沙尼亞，手機(jī)定位數(shù)據(jù)在城市中精度范圍是400米，而在農(nóng)村則是2600米[73]，使得手機(jī)定位數(shù)據(jù)一般只能用于宏觀和中觀尺度的旅游研究[74]，而不適合用于景區(qū)這種微觀尺度的研究。（2）出于對(duì)手機(jī)用戶隱私的保護(hù)，手機(jī)運(yùn)營商通常不愿意共享手機(jī)定位數(shù)據(jù)，從而增加了獲取這類數(shù)據(jù)的難度[20， 65]。因此，如何構(gòu)建健全的監(jiān)督機(jī)制，在確保用戶信息安全的前提下，促使手機(jī)運(yùn)營商共享相關(guān)數(shù)據(jù)將成為未來的重點(diǎn)。欣喜的是，近兩年來，中國移動(dòng)、中國聯(lián)通和中國電信等3家運(yùn)營商都開始進(jìn)行旅游大數(shù)據(jù)的實(shí)踐和探索，這無疑給未來旅游者移動(dòng)行為的研究帶來了新的契機(jī)。

4? ? 基于藍(lán)牙/WiFi等其他追溯技術(shù)

由于藍(lán)牙技術(shù)可以通過非參與的方式、同時(shí)追溯大量個(gè)體的運(yùn)動(dòng)軌跡且不會(huì)干擾他們的正?；顒?dòng)，而且它可用于人群擁擠場景，因此藍(lán)牙技術(shù)可以被用于大型節(jié)事活動(dòng)中游客流的追蹤[75-77]。比利時(shí)學(xué)者Versichele及其團(tuán)隊(duì)在這個(gè)方面做了大量建設(shè)性的工作：以2011年Flanders公路自行車賽為例，利用藍(lán)牙技術(shù)采集游客軌跡信息，進(jìn)而分析人群空間分布情況[78];以比利時(shí)Ghent節(jié)事活動(dòng)為例，利用藍(lán)牙技術(shù)采集了80 828名游客152 487條軌跡，分析游客數(shù)量、重游游客比例、游客流地圖等信息，在此基礎(chǔ)上揭示大型節(jié)事活動(dòng)的復(fù)雜性[77];以比利時(shí)商品貿(mào)易會(huì)為例，利用藍(lán)牙技術(shù)采集參會(huì)游客軌跡信息，分析他們的行為模式[79]。此外，他們還將藍(lán)牙技術(shù)的應(yīng)用領(lǐng)域從節(jié)事活動(dòng)拓展到旅游景區(qū)，利用藍(lán)牙數(shù)據(jù)研究游客訪問旅游景區(qū)的關(guān)聯(lián)規(guī)則，進(jìn)而對(duì)不同游客進(jìn)行細(xì)分，并將他們的訪問模式可視化[20]。當(dāng)然，采用藍(lán)牙技術(shù)也存在一些不足，如Rice等人指出成本及樣本的偏差都是采用藍(lán)牙技術(shù)采集游客運(yùn)動(dòng)信息的阻礙因素[80]。

Bonné[81]、Tuduce[82]和Petzold[83]都探討了如何運(yùn)用WiFi收集游客的運(yùn)動(dòng)信息，但目前WiFi在一些地區(qū)覆蓋率還相對(duì)較低，特別是在很多國家公園和自然保護(hù)區(qū)，因此這種方法只適用于校園、主題公園等一些特定區(qū)域[84]?？上驳氖?，2017年國家旅游局正式印發(fā)《“十三五”全國旅游信息化規(guī)劃》，其中指出到2020年，我國將努力實(shí)現(xiàn)4A級(jí)以上旅游景區(qū)免費(fèi)WiFi覆蓋，這將給利用WiFi數(shù)據(jù)進(jìn)行旅游者移動(dòng)行為研究帶來利好消息。

相比RFID、GPS和旅游數(shù)字軌跡等追溯技術(shù)，國內(nèi)關(guān)于藍(lán)牙、WiFi等技術(shù)在旅游領(lǐng)域的應(yīng)用研究還相對(duì)較少。

5? ? 基于旅游數(shù)字軌跡的追溯技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多的游客通過互聯(lián)網(wǎng)購買旅游產(chǎn)品、分享游記和照片，游客留在網(wǎng)絡(luò)上的具有時(shí)空信息的游記、照片和其他登錄信息統(tǒng)稱為“旅游數(shù)字足跡”[85-86]。近年來，很多學(xué)者已經(jīng)意識(shí)到海量“旅游數(shù)字足跡”的重要價(jià)值，并試圖將其應(yīng)用于旅游研究和實(shí)踐中[87]。

Kádár指出共享網(wǎng)站平臺(tái)中具有地理標(biāo)簽的照片兼具GPS的高精度和互聯(lián)網(wǎng)社區(qū)的大樣本優(yōu)勢(shì)，他基于Flickr平臺(tái)上照片，研究歐洲城市酒店床位登記數(shù)與游客共享照片數(shù)量之間的相關(guān)性[88]。Girardin等人利用4280張帶有地理標(biāo)簽的圖片研究意大利佛羅倫薩游客的移動(dòng)模式[89]。Vu等人收集2100名游客分享到網(wǎng)上的29 443張具有地理標(biāo)記的照片，研究香港入境游客的旅游行為[85]。Zheng等人通過具有地理標(biāo)記的照片研究游客的游覽模式[90-91]。Hawelka等人利用2012年約10億條國際游客的推特信息，研究全球不同國籍游客的移動(dòng)? ?性[92]。此外，還有學(xué)者做了進(jìn)一步的拓展應(yīng)用，通過深入挖掘旅游數(shù)字足跡，研究游客的移動(dòng)模式和行為模式，進(jìn)而設(shè)計(jì)游客建議系統(tǒng)[93-96]。

國內(nèi)學(xué)者也對(duì)這個(gè)議題開展大量的探索，具有代表性的是陜西師范大學(xué)李君軼團(tuán)隊(duì)：他們認(rèn)為隨著信息與通訊技術(shù)的發(fā)展，游客在網(wǎng)站上分享的游記和照片等含有時(shí)空信息的旅游數(shù)字足跡都能被用于旅游研究[86];為此，他們基于旅游數(shù)字軌跡信息研究西安國內(nèi)散客旅游流時(shí)間及網(wǎng)絡(luò)結(jié)構(gòu)特征[97]和日內(nèi)時(shí)間分布模式[98]、成都入境游客行為的時(shí)空規(guī)律[99]、西北五省游客時(shí)空規(guī)律[100]、西藏游客旅游數(shù)字足跡空間結(jié)構(gòu)[101]、游客情感與氣候舒適度之間的關(guān)系[102]等。除此之外，李春明等人以Panoramio網(wǎng)站447名游客在廈門鼓浪嶼拍攝的2272張帶有地理標(biāo)簽的照片為對(duì)象，分析游客時(shí)空行為[103];梁保爾和潘植強(qiáng)利用旅游數(shù)字足跡研究旅游目的地關(guān)注度與共現(xiàn)效應(yīng)[104]。

利用旅游數(shù)字軌跡作為數(shù)據(jù)源進(jìn)行旅游研究已成為近幾年的熱點(diǎn)，F(xiàn)lickr、Panorimio、Twitter、微信和微博等信息共享和社交平臺(tái)提供了海量旅游數(shù)字軌跡信息，為開展旅游者移動(dòng)行為研究提供了很好的契機(jī)。然而，與手機(jī)定位信息相似，旅游數(shù)字軌跡信息的精度不高，因此通常只能用于宏觀和中觀尺度的研究，而不適用于景區(qū)等微觀尺度的研究。此外，這種方法還存在樣本選擇偏差和某些位置點(diǎn)數(shù)據(jù)稀疏等不足[20]。

6? ?基于GPS的追溯技術(shù)

全球定位系統(tǒng)（Global Positioning System， GPS）是若干顆圍繞地球軌道運(yùn)動(dòng)的衛(wèi)星廣播信號(hào)并被接收者系統(tǒng)接收，通過測(cè)量來自至少4顆衛(wèi)星的數(shù)據(jù)，可以確定接收者的位置信息[32]。GPS被認(rèn)為是一種游客移動(dòng)數(shù)據(jù)的有效采集技術(shù)，具有精度高、回應(yīng)率高、數(shù)據(jù)格式便于后續(xù)處理和分析等諸多優(yōu)勢(shì)[105]。因此，GPS是目前旅游研究中運(yùn)用最廣的追溯技術(shù)。很多學(xué)者基于GPS采集到的游客移動(dòng)信息，進(jìn)行不同時(shí)空尺度的旅游者運(yùn)動(dòng)行為研究，如中觀尺度和微觀尺度等。

中觀尺度研究主要分析游客在旅游目的地內(nèi)的時(shí)空運(yùn)動(dòng)，它能為旅游目的地管理、產(chǎn)品更新和營銷提供科學(xué)的理論支撐：Modsching等人利用GPS分析游客在德國G?rlitz的空間行為[106-107];Pettersson和Zillinger基于GPS和問卷研究游客在瑞典?stersund冬季兩項(xiàng)世錦賽的運(yùn)動(dòng)模式，運(yùn)用GPS采集游客的運(yùn)動(dòng)信息，而用問卷收集游客的基本信息和旅游體驗(yàn)信息[23];Edwards和Griffin利用GPS調(diào)查游客在悉尼和墨爾本的移動(dòng)模式，并利用半結(jié)構(gòu)訪談的形式進(jìn)一步解釋這些移動(dòng)模式[108];Shoval等人運(yùn)用GPS收集了557名游客的運(yùn)動(dòng)信息，分析酒店位置對(duì)游客行為的影響[109];McKercher等人運(yùn)用GPS和GIS對(duì)比了香港初游游客和重游游客的旅游行為差異[26]。

微觀尺度研究主要針對(duì)游客在國家公園、主題公園等景區(qū)內(nèi)的移動(dòng)模式，該研究對(duì)信息的精度要求更高：Harder等分別采用GPS和問卷的方法，收集了丹麥Aalborg 4個(gè)公園4462名游客，從中驗(yàn)證GPS在收集公園游客信息的可行性[110];DAntonio等通過優(yōu)勝美地國家公園、落基山國家公園和特頓山脈等例子，說明GPS可被用于國家公園和保護(hù)區(qū)的管理中，同時(shí)認(rèn)為GPS追溯技術(shù)可與游客調(diào)查、游憩生態(tài)評(píng)估等其他數(shù)據(jù)源結(jié)合，以發(fā)揮其更大的價(jià)值[111];Tchetchik等基于GPS數(shù)據(jù)對(duì)以色列英畝遺址舊址的游客進(jìn)行細(xì)分[112];Zakrisson和Zillinger利用GPS和問卷的方式采集游客的時(shí)空運(yùn)動(dòng)信息和體驗(yàn)信息，研究游客移動(dòng)性與體驗(yàn)之間的關(guān)系[113];Hallo等利用GPS采集自然保護(hù)區(qū)游客時(shí)空信息，他們指出，相比傳統(tǒng)方法，GPS在追溯時(shí)空路徑方面更加可靠和準(zhǔn)確[114];Orellana等以荷蘭Dwingelderveld國家公園為例，研究游客在自然游憩區(qū)的運(yùn)動(dòng)模式[13];Beeco等運(yùn)用游憩適宜性映射和GPS游客跟蹤技術(shù)研究游客在保護(hù)區(qū)的空間運(yùn)動(dòng)模式[115]。

近年來，國內(nèi)學(xué)者也在探索如何將GPS運(yùn)用于旅游研究中，其中山東大學(xué)黃瀟婷及其合作者在這個(gè)領(lǐng)域開展了大量有益的探索：他們基于在頤和園采集的游客GPS軌跡數(shù)據(jù)和日志問卷信息，分析GPS數(shù)據(jù)的質(zhì)量[116]，探索游客在景區(qū)空間尺度的活動(dòng)過程、節(jié)奏和規(guī)律[117]，研究游客的時(shí)空行為模式[18]和預(yù)測(cè)游客的移動(dòng)性[1];此外，他們利用GPS采集香港海洋公園大陸游客的時(shí)空軌跡數(shù)據(jù)，并從時(shí)空行為的角度揭示大陸游客多元化的特征[118]，基于時(shí)空路徑分析游客的情感體驗(yàn)[119]，采用因子分析方法探索旅游時(shí)空行為評(píng)價(jià)因子[3]。除此之外，張自川等人探索基于GPS和GIS技術(shù)在游客調(diào)查中的應(yīng)用[120]。李淵利用GPS在廈門鼓浪嶼景區(qū)采集游客軌跡信息，并對(duì)比GPS和回憶日志的精度[121]、分析游客空間運(yùn)動(dòng)模式[122-123]和設(shè)計(jì)游覽線路[124]。

運(yùn)用GPS采集游客移動(dòng)信息也存在一些不足：（1）GPS不適用于在建筑物里面、高建筑物間以及茂密森林里面追溯目標(biāo)物的移動(dòng)信息[20];（2）這種方法要求受訪游客攜帶便攜式GPS設(shè)備，使得采集的樣本量較少、成本較高[20]。

7? ? 總結(jié)與展望

旅游活動(dòng)常被認(rèn)為是日常生活的溢出，而“移動(dòng)范式”的出現(xiàn)促使旅游活動(dòng)被置于社會(huì)活動(dòng)的核心位置，移動(dòng)性也逐漸成為旅游研究中的核心命題[2-3]。然而，旅游移動(dòng)性研究對(duì)大量游客時(shí)空移動(dòng)數(shù)據(jù)的需求，在很長一段時(shí)間內(nèi)制約了該研究的進(jìn)展。近年來，移動(dòng)互聯(lián)網(wǎng)技術(shù)和地理信息技術(shù)的發(fā)展，使得對(duì)游客個(gè)體時(shí)空移動(dòng)信息的精確追溯和記錄成為可能，從而給旅游移動(dòng)性和旅游者移動(dòng)行為研究提供了前所未有的契機(jī)。

7.1? ? 各種現(xiàn)代追溯技術(shù)的優(yōu)劣勢(shì)及適用空間尺度

近年來，得益于移動(dòng)互聯(lián)網(wǎng)技術(shù)和地理信息技術(shù)的發(fā)展，越來越多的現(xiàn)代追溯技術(shù)不斷涌現(xiàn)，并被應(yīng)用于旅游研究。本文梳理了RFID、手機(jī)定位、旅游數(shù)字軌跡、藍(lán)牙/WiFi和GPS等追溯技術(shù)。進(jìn)一步的，本文對(duì)其中85篇有明確提及追溯技術(shù)和應(yīng)用場景的文獻(xiàn)做更進(jìn)一步的分析，并按照其研究的空間尺度將這些文獻(xiàn)進(jìn)行分類，將國家和區(qū)域尺度劃歸為宏觀尺度、將城市尺度劃歸為中觀尺度、將景區(qū)和公園尺度劃歸為微觀尺度。圖2展示了上述5種現(xiàn)代追溯技術(shù)的總體數(shù)量以及不同空間尺度的文獻(xiàn)數(shù)量。除了適用空間尺度外，每種追溯技術(shù)也有其各自的優(yōu)劣勢(shì)（表3）。因此，在選擇追溯技術(shù)時(shí)，需要注意揚(yáng)長避短、并根據(jù)研究的時(shí)空尺度選擇合適的追溯技術(shù)。

7.2? ? 追溯技術(shù)發(fā)展對(duì)旅游者移動(dòng)行為研究的影響

隨著GPS等追溯技術(shù)被廣泛應(yīng)用于旅游領(lǐng)域中，實(shí)現(xiàn)了對(duì)游客個(gè)體時(shí)空運(yùn)動(dòng)軌跡的精確追蹤和記錄[24]。這些海量軌跡數(shù)據(jù)為持續(xù)觀察游客移動(dòng)性和研究游客時(shí)空行為提供了前所未有的廣度;通過大數(shù)據(jù)驅(qū)動(dòng)的方式為更好地理解“游客個(gè)體、游客群體和旅游系統(tǒng)”的關(guān)系提供了良好的機(jī)遇[125]，對(duì)于旅游者移動(dòng)行為的研究產(chǎn)生了極其深遠(yuǎn)的影響。具體體現(xiàn)在：研究尺度由中宏觀向微觀尺度拓展、研究對(duì)象由群體行為向理解“個(gè)體行為-群體行為-旅游系統(tǒng)”轉(zhuǎn)變、多種數(shù)據(jù)源結(jié)合提升旅游者移動(dòng)行為的研究精度。

（1）研究尺度

在很長一段時(shí)間內(nèi)，對(duì)旅游者移動(dòng)行為的研究主要側(cè)重于從宏觀和中觀尺度，而對(duì)于景區(qū)等微觀層面的研究相對(duì)較少。除了因?yàn)榫皡^(qū)內(nèi)游客獨(dú)特的需求和欲望外[8]，更重要的是收集微觀尺度的游客移動(dòng)數(shù)據(jù)的難度較大[11]。而隨著GPS等追溯技術(shù)的廣泛應(yīng)用，實(shí)現(xiàn)了微觀尺度上對(duì)游客時(shí)空運(yùn)動(dòng)軌跡的收集，從而越來越多的微觀尺度的旅游者移動(dòng)行為的研究不斷涌現(xiàn)（圖2）。

（2）研究對(duì)象

在過去行為的研究中，由于對(duì)游客個(gè)體行為及運(yùn)動(dòng)信息的采集難度較大、采集的樣本較少，從而使得對(duì)于旅游者移動(dòng)行為的研究主要從群體角度進(jìn)行。而現(xiàn)代的追溯技術(shù)可以實(shí)現(xiàn)對(duì)游客個(gè)體時(shí)空運(yùn)動(dòng)軌跡的精確追蹤和記錄，從而有助于從個(gè)體角度研究游客的旅游行為，并進(jìn)而理解“游客個(gè)體、游客群體和旅游系統(tǒng)”之間的關(guān)系。

（3）研究精度

基于移動(dòng)互聯(lián)網(wǎng)和地理信息技術(shù)的現(xiàn)代追溯技術(shù)在數(shù)據(jù)精度、規(guī)模等方面都具有無可比擬的優(yōu)勢(shì)，而基于觀察、訪談、問卷等的傳統(tǒng)追溯方法則在解釋游客個(gè)體社會(huì)、經(jīng)濟(jì)、感知和體驗(yàn)等非空間維度信息上體現(xiàn)出獨(dú)特的優(yōu)勢(shì)。因此，將傳統(tǒng)與現(xiàn)代追溯技術(shù)有機(jī)結(jié)合，有助于二者取長補(bǔ)短，從而提升旅游者移動(dòng)行為研究的精度[113， 121， 126]。

參考文獻(xiàn)（References）

[1] ZHENG W， HUANG X， LI Y. Understanding the tourist mobility using GPS： Where is the next place？[J]. Tourism Management， 2017， 59（2）： 267-280.

[2] COLES T， HALL M. Editorial： The geography of tourism is dead. Long live geographies of tourism and mobility[J]. Current Issues in Tourism， 2006， 9（4-5）： 289-292.

[3] HUANG Xiaoting， LI Wenxuan， ZHANG Haiping， et al. Evaluation of tourist temporal-spatial behavior based on GPS data [J]. Tourism Tribune， 2016， 31（9）： 40-49. [黃瀟婷， 李玟璇， 張海平， 等. 基于GPS數(shù)據(jù)的旅游時(shí)空行為評(píng)價(jià)研究[J]. 旅游學(xué)刊， 2016， 31（9）： 40-49.]

[4] HANNAM K， SHELLER M， URRY J. Editorial： Mobilities， immobilities and moorings[J]. Mobilities， 2006， 1（1）： 1-22.

[5] HANNAM K， BUTLER G， PARIS C M. Developments and key issues in tourism mobilities[J]. Annals of Tourism Research， 2014， 44（1）： 171-185.

[6] XIA J C， ZEEPHONGSEKUL P， PACKER D. Spatial and temporal modelling of tourist movements using Semi-Markov processes[J]. Tourism Management， 2011， 32（4）： 844-851.

[7] SHOVAL N， ISAACSON M. Tourist Mobility and Advanced Tracking Technologies[M]. New York： Routledge， 2009： 1-5.

[8] MCKERCHER B， LAU G. Movement patterns of tourists within a destination[J]. Tourism Geographies， 2008， 10（3）： 355-374.

[9] LEW A， MCKERCHER B. Modeling tourist movements： A local destination analysis[J]. Annals of Tourism Research， 2006， 33（2）： 403-423.

[10] LEUNG X Y， WANG F， WU B， et al. A social network analysis of overseas tourist movement patterns in Beijing： The impact of the Olympic Games[J]. International Journal of Tourism Research， 2012， 14（5）： 469-484.

[11] LAU G， MCKERCHER B. Understanding tourist movement patterns in a destination： A GIS approach[J]. Tourism and Hospitality Research， 2006， 7（1）： 39-49.

[12] FLOGNFELDT T. The different movement patterns of travel in Norway[J]. Tourism Management， 1992， 13（1）： 145-151.

[13] ORELLANA D， BREGT A K， LIGTENBERG A， et al. Exploring visitor movement patterns in natural recreational areas[J]. Tourism Management， 2012， 33（3）： 672-682.

[14] SMALLWOOD C B， BECKLEY L E， MOORE S A. An analysis of visitor movement patterns using travel networks in a large marine park， north-western Australia[J]. Tourism Management， 2012， 33（3）： 517-528.

[15] XIA J C， EVANS F H， SPILSBURY K， et al. Market segments based on the dominant movement patterns of tourists[J]. Tourism Management， 2010， 31（4）： 464-469.

[16] XIA J C， ZEEPHONGSEKUL P， ARROWSMITH C. Modelling spatio-temporal movement of tourists using finite Markov chains[J]. Mathematics and Computers in Simulation， 2009， 79（5）： 1544-1553.

[17] MCKERCHER B， SHOVAL N， PARK E， et al. The [Limited] impact of weather on tourist behavior in an urban destination[J]. Journal of Travel Research， 2015， 54（4）： 442-455.

[18] HUANG X， WU B. Intra-attraction tourist spatial-temporal behaviour patterns[J]. Tourism Geographies， 2012， 14（4）： 625-645.

[19] CANTIS S D， FERRANTE M， KAHANI A， et al. Cruise passengers behavior at the destination： Investigation using GPS technology[J]. Tourism Management， 2016， 52（1）： 133-150.

[20] VERSICHELE M， GROOTE L de， BOUUAERT M C， et al. Pattern mining in tourist attraction visits through association rule learning on Bluetooth tracking data： A case study of Ghent， Belgium[J]. Tourism Management， 2014， 44（5）： 67-81.

[21] HARTMANN R. Combining field methods in tourism research[J]. Annals of Tourism Research， 1988， 15（1）： 88-105.

[22] KEMPERMAN A D， BORGERS A W， TIMMERMANS H J. Tourist shopping behavior in a historic downtown area[J]. Tourism Management， 2009， 30（2）： 208-218.

[23] PETTERSSON R， ZILLINGER M. Time and space in event behaviour： Tracking visitors by GPS[J]. Tourism Geographies， 2011， 13（1）： 1-20.

[24] SHOVAL N， ISAACSON M. Sequence alignment as a method for human activity analysis in space and time[J]. Annals of the Association of American Geographers， 2007， 97（2）： 282-297.

[25] SHOVAL N， AHAS R. The use of tracking technologies in tourism research： the first decade[J]. Tourism Geographies， 2016， 18（5）： 587-606.

[26] MCKERCHER B， SHOVAL N， NG E， et al. First and repeat visitor behaviour： GPS tracking and GIS analysis in Hong Kong[J]. Tourism Geographies， 2012， 14（1）： 147-161.

[27] THORNTON P， WILLIAMS A， SHAW G. Revisiting time-space diaries： An exploratory case study of tourist behaviour in Cornwall， England[J]. Environment and Planning A， 1997， 29（10）： 1847-1867.

[28] WANG B， MANNING R E. Computer simulation modeling for recreation management： A study on carriage road use in Acadia National Park， Maine， USA[J]. Environmental Management， 1999， 23（2）： 193-203.

[29] HEIKKIL? J， SILV?N O. A real-time system for monitoring of cyclists and pedestrians[J]. Image and Vision Computing， 2004， 22（7）： 563-570.

[30] KEUL A， K?HBERGER A. Tracking the Salzburg tourist[J]. Annals of Tourism Research， 1997， 24（4）： 1008-1012.

[31] MURPHY P E. Urban tourism and visitor behavior[J]. American Behavioral Scientist， 1992， 36（2）： 200-211.

[32] SHOVAL N， ISAACSON M. Tracking tourists in the digital age[J]. Annals of Tourism Research， 2007， 34（1）： 141-159.

[33] GARBRECHT D. Pedestrian paths through a uniform environment[J]. Town Planning Review， 1971， 42（1）： 71-84.

[34] JANOWSKY D V， BECKER G. Recreation in urban forests： Monitoring specific user groups and identifying their needs with video and GIS support[C] // ARNBERGER A， BRANDENBURG C， MUHAR A. Proceedings of the International Conference on Monitoring and Management of Visitor Flows in Recreational and Protected Areas. Vienna： Institute for Landscape Architecture and Landscape Management， 2002： 296-301.

[35] YAMANAKA R， MURAI M， INOUE Y， et al. Spatio-temporal variations of visitors of recreational shellfish-gathering at an artificial beach in Tokyo Bay[C] // SIEGRIST D， CLIVAZ C， HUNZIKER M， et al. Proceedings of the Third International Conference on Monitoring and Management of Visitor Flows in Recreational and Protected Areas. St Gallen： University of Applied Sciences Rapperswil， 2006： 356-359.

[36] MCKENNA S J， JABRI S， DURIC Z， et al. Tracking groups of people[J]. Computer Vision and Image Understanding， 2000， 80（1）： 42-56.

[37] ZHAO L， THORPE C E. Stereo-and neural network-based pedestrian detection[J]. IEEE Transactions on Intelligent Transportation Systems， 2000， 1（3）： 148-154.

[38] ANDERSON J. Space-time budgets and activity studies in urban geography and planning[J]. Environment and Planning， 1971， 3（4）： 353-368.

[39] PEARCE D G. Tourist time-budget[J]. Annals of Tourism Research， 1988， 15（1）： 106-121.

[40] FENNELL D A. A tourist space-time budget in the Shetland Islands[J]. Annals of Tourism Research， 1996， 23（4）： 811-829.

[41] MURPHY P E， ROSENBLOOD L. Tourism： An exercise in spatial search[J]. Canadian Geographer， 1974， 18（3）： 201-210.

[42] COOPER C. Spatial and temporal patterns of tourist behaviour[J]. Regional Studies， 1981， 15（5）： 359-371.

[43] LEW A A. A framework of tourist attraction research[J]. Annals of Tourism Research， 1987， 14（4）： 553-575.

[44] DEBBAGE K G. Spatial behavior in a Bahamian resort[J]. Annals of Tourism Research， 1991， 18（2）： 251-268.

[45] DIETVORST A G， ASHWORTH G J. Tourist behaviour and the importance of time-space analysis[J]. Tourism & Spatial Transformations， 1995：163-181.

[46] CONNELL J， PAGE S J. Exploring the spatial patterns of car-based tourist travel in Loch Lomond and Trossachs National Park， Scotland[J]. Tourism Management， 2008， 29（3）： 561-580.

[47] STEDMAN R， DIEFENBACH D R， SWOPE C B， et al. Integrating wildlife and human-dimensions research methods to study hunters[J]. Journal of Wildlife Management， 2004， 68（4）： 762-773.

[48] STOPHER P R， GREAVES S P. Household travel surveys： Where are we going？[J]. Transportation Research Part A： Policy and Practice， 2007， 41（5）： 367-381.

[49] HALL C M， PAGE S. The geography of tourism and recreation： Environment， place and space[M]. New York： Psychology Press， 2006.

[50] CESSFORD G， MUHAR A. Monitoring options for visitor numbers in national parks and natural areas[J]. Journal for Nature Conservation， 2003， 11（4）： 240-250.

[51] OCONNOR A， ZERGER A， ITAMI B. Geo-temporal tracking and analysis of tourist movement[J]. Mathematics and Computers in Simulation， 2005， 69（1）： 135-150.

[52] ?ZTAY?I B， BAYSAN S， AKPINAR F. Radio frequency identification （RFID） in hospitality[J]. Technovation， 2009， 29（9）： 618-624.

[53] TSAI C Y， CHUNG S H. A personalized route recommendation service for theme parks using RFID information and tourist behavior[J]. Decision Support Systems， 2012， 52（2）： 514-527.

[54] LUCIA M D. Economic performance measurement systems for event planning and investment decision making[J]. Tourism Management， 2013， 34（1）： 91-100.

[55] ZENI N， KIYAVITSKAYA N， BARBERA S， et al. RFID-based action tracking for measuring the impact of cultural events on tourism[C] // Proceedings of International Conference on Information and Communication Technologies in Tourism. New York： Springer-Verlag， 2009： 223-235.

[56] FERRER G， DEW N， Apte U. When is RFID right for your service？[J]. International Journal of Production Economics， 2010， 124（2）： 414-425.

[57] ROH J J， KUNNATHUR A， TARAFDAR M. Classification of RFID adoption： An expected benefits approach[J]. Information & Management， 2009， 46（6）： 357-363.

[58] FENG Gang， REN Peiyu， XIAO Weiyang， et al. Study on ecological protection in tourist attraction based on the RFID mode[J]. Journal of Southwest University for Nationalities： Humanities and Social Sciences Edition， 2009， 35（11）： 151-154. [馮剛， 任佩瑜， 肖維陽， 等. 基于 RFID 模式對(duì)景區(qū)生態(tài)保護(hù)的研究——以九寨溝諾日朗餐廳就餐分流為例[J]. 西南民族大學(xué)學(xué)報(bào)： 人文社會(huì)科學(xué)版， 2009， 35（11）： 151-154.]

[59] FENG Gang， REN Peiyu， GE Peng， et al. A study of the navigation management mode for spatiotemporal separation of tourists in Jiuzhaigou national park during rush hours： Based on management entropy theory[J]. Tourism Science， 2010， 24（2）： 7-17. [馮剛， 任佩瑜， 戈鵬， 等. 基于管理熵與 RFID 的九寨溝游客高峰期“時(shí)空分流”導(dǎo)航管理模式研究[J]. 旅游科學(xué)， 2010， 24（2）： 7-17.]

[60] BIRENBOIM A， SHOVAL N. Mobility research in the age of the smartphone[J]. Annals of the American Association of Geographers， 2016， 106（2）： 283-291.

[61] AHAS R， AASA A， ROOSE A， et al. Evaluating passive mobile positioning data for tourism surveys： An Estonian case study[J]. Tourism Management， 2008， 29（3）： 469-486.

[62] SONG C， QU Z， BLUMM N， et al. Limits of predictability in human mobility[J]. Science， 2010， 327（5968）： 1018-1021.

[63] GONZALEZ M C， HIDALGO C A， BARAB?SI A L. Understanding individual human mobility patterns[J]. Nature， 2008， 453（7196）： 779-782.

[64] LU X， BENGTSSON L， HOLME P. Predictability of population displacement after the 2010 Haiti earthquake[J]. Proceedings of the National Academy of Sciences， 2012， 109（29）： 11576-11581.

[65] AHAS R， AASA A， MARK ?， et al. Seasonal tourism spaces in Estonia： Case study with mobile positioning data[J]. Tourism Management， 2007， 28（3）： 898-910.

[66] TIRU M， KUUSIK A， LAMP M L， et al. LBS in marketing and tourism management： measuring destination loyalty with mobile positioning data[J]. Journal of Location Based Services， 2010， 4（2）： 120-140.

[67] KUUSIK A， TIRU M， AHAS R， et al. Innovation in destination marketing： The use of passive mobile positioning for the segmentation of repeat visitors in Estonia[J]. Baltic Journal of Management， 2011， 6（3）： 378-399.

[68] NILBE K， AHAS R， SILM S. Evaluating the travel distances of events visitors and regular visitors using mobile positioning data： The case of Estonia[J]. Journal of Urban Technology， 2014， 21（2）： 91-107.

[69] RAUN J， AHAS R， TIRU M. Measuring tourism destinations using mobile tracking data[J]. Tourism Management， 2016， 57（6）： 202-212.

[70] VISWANATH S K， YUEN C， KU X， et al. Smart tourist-passive mobility tracking through mobile application[C] // International Internet of Things Summit. New York： Springer-Verlag， 2015： 183-191.

[71] ASAKURA Y， IRYO T. Analysis of tourist behaviour based on the tracking data collected using a mobile communication instrument[J]. Transportation Research Part A： Policy and Practice， 2007， 41（7）： 684-690.

[72] XIA J C. Modelling the Spatial-temporal Movement of Tourists [D]. Melbourne， Australia： RMIT University， 2007.

[73] AHAS R， LAINESTE J， AASA A， et al. The spatial accuracy of mobile positioning： Some experiences with geographical studies in Estonia[J]. Location Based Services and Telecartography， 2007， 5： 445-460.

[74] ROOSE A. Designing visitor monitoring system in Estonian nature reserves combining passive mobile positioning with other counting methods[C] // GOOSSEN M， ELANDS B， MARWIJK R van. Proceedings of the Fifth International Conference on Monitoring and Management of Visitor Flows in Recreational and Protected Areas. Wageningen： Wageningen University and Research centre， 2010： 132-133

[75] SCHAICK J， SPEK S C. Urbanism on Track： Application of Tracking Technologies in Urbanism[M]. Amsterdam： IOS Press， 2008： 1-10.

[76] LEITINGER S， GR?CHENIG S， PAVELKA S， et al. Erfassung von personenstr?men mit der bluetooth-tracking-technologie[C] // Angewandte Geoinformatik 2010 - 22. AGIT-Symposium. Berlin： VDE Publishing House， 2010：220-225.

[77] VERSICHELE M， NEUTENS T， DELAFONTAINE M， et al. The use of Bluetooth for analysing spatiotemporal dynamics of human movement at mass events： A case study of the Ghent Festivities[J]. Applied Geography， 2012， 32（2）： 208-220.

[78] VERSICHELE M， NEUTENS T， GOUDESEUNE S， et al. Mobile mapping of sporting event spectators using Bluetooth sensors： Tour of Flanders 2011[J]. Sensors， 2012， 12（10）： 14196-14213.

[79] DELAFONTAINE M， VERSICHELE M， NEUTENS T， et al. Analysing spatiotemporal sequences in Bluetooth tracking data[J]. Applied Geography， 2012， 34（5）： 659-668.

[80] RICE R E， KATZ J E. Comparing internet and mobile phone usage： digital divides of usage， adoption， and dropouts[J]. Telecommunications Policy， 2003， 27（8）： 597-623.

[81] BONN? B， BARZAN A， QUAX P， et al. WiFiPi： Involuntary tracking of visitors at mass events[C] // IEEE 14th International Symposium on “A World of Wireless， Mobile and Multimedia Networks”. New York： Institute of Electrical and Electronics Engineers Inc， 2013： 1-6

[82] TUDUCE C， GROSS T. A mobility model based on wlan traces and its validation[C] // Proceedings IEEE 24th Annual Joint Conference of the IEEE Computer and Communications Societies. New York： Institute of Electrical and Electronics Engineers Inc， 2005： 664-674.

[83] PETZOLD J， PIETZOWSKI A， BAGCI F， et al. Prediction of indoor movements using bayesian networks[C] // STRANG T， LINNHOFF-POPIEN C. International Symposium on Location- and Context-Awareness. New York： Springer-Verlag， 2005： 211-222.

[84] ZHAO N， HUANG W， SONG G， et al. Discrete trajectory prediction on mobile data[C] // DU X， FAN E， WANG J， et al. Web Technologies and Applications. New York： Springer-Verlag， 2011： 77-88.

[85] VU H Q， LI G， LAW R， et al. Exploring the travel behaviors of inbound tourists to Hong Kong using geotagged photos[J]. Tourism Management， 2015， 46（1）： 222-232.

[86] LI Junyi. tourism digital footprints： Online reveal tourists temporal-spatial trajectories[J]. Thinking， 2013， 39（3）： 103-107. [李君軼. 旅游數(shù)字足跡： 在線揭示游客的時(shí)空軌跡[J]. 思想戰(zhàn)線， 2013， 39（3）： 103-107.]

[87] KENNEDY L， NAAMAN M， AHERN S， et al. How flickr helps us make sense of the world： context and content in community-contributed media collections[C] // Proceedings of the 15th ACM international conference on Multimedia. New York： Association for Computing Machinery， 2007：631-640.

[88] K?D?R B. Measuring tourist activities in cities using geotagged photography[J]. Tourism Geographies， 2014， 16（1）： 88-104.

[89] GIRARDIN F， FIORE F D， RATTI C， et al. Leveraging explicitly disclosed location information to understand tourist dynamics： A case study[J]. Journal of Location Based Services， 2008， 2（1）： 41-56.

[90] ZHENG Y T， ZHA Z J， CHUA T S. Research and applications on georeferenced multimedia： A survey[J]. Multimedia Tools and Applications， 2011， 51（1）： 77-98.

[91] ZHENG Y T， ZHA Z J， CHUA T S. Mining travel patterns from geotagged photos[J]. ACM Transactions on Intelligent Systems and Technology ， 2012， 3（3）： 1-20.

[92] HAWELKA B， SITKO I， BEINAT E， et al. Geo-located Twitter as proxy for global mobility patterns[J]. Cartography and Geographic Information Science， 2014， 41（3）： 260-271.

[93] OKUYAMA K， YANAI K. A travel planning system based on travel trajectories extracted from a large number of geotagged photos on the web[C] // JIN J， XU C， XU M. The era of interactive media[C]. New York： Springer-Verlag， 2013：657-670.

[94] MAJID A， CHEN L， CHEN G， et al. A context-aware personalized travel recommendation system based on geotagged social media data mining[J]. International Journal of Geographical Information Science， 2013， 27（4）： 662-684.

[95] SHI Y， SERDYUKOV P， HANJALIC A， et al. Nontrivial landmark recommendation using geotagged photos[J]. ACM Transactions on Intelligent Systems and Technology， 2013， 4（3）： 1-27.

[96] YIN H， WANG C， YU N， et al. Trip mining and recommendation from geo-tagged photos[C] // 2012 IEEE International Conference on Multimedia and Expo Workshops. New York： Springer-Verlag， 2012： 540-545.

[97] ZHANG Yanyan， LI Junyi， YANG Min. The tourism flow network structure of Xian based on tourism digital footprint[J]. Human Geography， 2014， 29（4）： 111-118. [張妍妍， 李君軼， 楊敏. 基于旅游數(shù)字足跡的西安旅游流網(wǎng)絡(luò)結(jié)構(gòu)研究[J]. 人文地理， 2014， 29（4）： 111-118.]

[98] TANG Jia， LI Junyi. A study on the temporal distribution pattern of domestic tourism in Xian by hours based on the microblog big data[J]. Human Geography， 2016， 131（3）： 151-160. [唐佳， 李君軼. 基于微博大數(shù)據(jù)的西安國內(nèi)游客日內(nèi)時(shí)間分布模式研究[J]. 人文地理， 2016， 131（3）： 151-160.]

[99] YANG Min， LI Junyi， YANG Li. The study on spatio-temporal behaviors of inbound tourists based on tourists digital footprints： A case study of Chengdu[J]. Tourism Science， 2015， 29（3）： 59-68. [楊敏， 李君軼， 楊利. 基于旅游數(shù)字足跡的城市入境游客時(shí)空行為研究——以成都市為例[J]. 旅游科學(xué)， 2015， 29（3）： 59-68.]

[100] JI Xing， LI Junyi. Study of the temporal-spatial pattern of tourists about the five provinces in the Northwest of China based on geo-referenced photos[J]. Henan Science， 2015， 33（11）： 2043-2049. [紀(jì)星， 李君軼. 基于地理參考照片的西北五省游客時(shí)空格局研究[J]. 河南科學(xué)， 2015， 33（11）： 2043-2049.]

[101] LI Yan， YAN Yan， YUN Xin. The spatial structure of Tibet tourism based on tourism digital footprint[J]. Journal of Arid Land Resources and Environment， 2015， 29（6）： 176-182. [李艷， 嚴(yán)艷， 贠欣. 基于旅游數(shù)字足跡的西藏景區(qū)空間結(jié)構(gòu)分析[J]. 干旱區(qū)資源與環(huán)境， 2015， 29（6）： 176-182.]

[102] GAO Huijun， LI Junyi. The correlation between tourists emotion and climate comfort index based on the micro-blog big data： A case study of domestic tourists in Xian city[J]. Journal of Shaanxi Normal University： Natural Science Edition， 2017， 45（1）： 110-117. [高慧君， 李君軼. 基于微博大數(shù)據(jù)的游客情感與氣候舒適度關(guān)系研究——以西安市國內(nèi)游客為例[J]. 陜西師范大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2017， 45（1）： 110-117.]

[103] LI Chunming， WANG Yajun， LIU Yin， et al. A study of the temporal-spatial behavior of tourists based on georeferenced photos[J]. Tourism Tribune， 2013， 28（10）： 30-36. [李春明， 王亞軍， 劉尹， 等. 基于地理參考照片的景區(qū)游客時(shí)空行為研究[J]. 旅游學(xué)刊， 2013， 28（10）： 30-36.]

[104] LIANG Baoer， PAN Zhiqiang. An analysis of scenic areas preference and the co-occurrence phenomenon based on online information： A case of Shanghai historic district[J]. Tourism Tribune， 2015， 30（7）： 80-90. [梁保爾， 潘植強(qiáng). 基于旅游數(shù)字足跡的目的地關(guān)注度與共現(xiàn)效應(yīng)研究——以上海歷史街區(qū)為例[J]. 旅游學(xué)刊， 2015， 30（7）： 80-90.]

[105] BIRENBOIM A， ANTON-CLAV? S， RUSSO A P， et al. Temporal activity patterns of theme park visitors[J]. Tourism Geographies， 2013， 15（4）： 601-619.

[106] MODSCHING M， KRAMER R， HAGEN K T， et al. Using location-based tracking data to analyze the movements of city tourists[J]. Information Technology & Tourism， 2008， 10（1）： 31-42.

[107] MODSCHING M， KRAMER R， GRETZEL U， et al. Capturing the beaten paths： A novel method for analysing tourists spatial behaviour at an urban destination[C] // HITZ M， SIGALA M， MURPHY J. Proceedings of the International Conference on Information and Communication Technologies in Tourism. New York： Springer-Verlag， 2006： 75-86.

[108] EDWARDS D， GRIFFIN T. Understanding tourists spatial behaviour： GPS tracking as an aid to sustainable destination management[J]. Journal of Sustainable Tourism， 2013， 21（4）： 580-595.

[109] SHOVAL N， MCKERCHER B， NG E， et al. Hotel location and tourist activity in cities[J]. Annals of Tourism Research， 2011， 38（4）： 1594-1612.

[110] HARDER H， BRO P， TRADISAUSKAS N， et al. Tracking visitors in public parks-experiences with GPS in Denmark[J]. Research in Urbanism Series， 2008， 1（1）： 63-74.

[111] DANTONIO A， MONZ C， LAWSON S， et al. GPS-based measure-ments of backcountry visitors in parks and protected areas： Examples of methods and applications from three case studies[J]. Journal of Park and Recreation Administration， 2010， 28（3）： 42-60.

[112] TCHETCHIK A， FLEISCHER A， SHOVAL N. Segmentation of visitors to a heritage site using high-resolution time-space data[J]. Journal of Travel Research， 2009， 48（2）： 216-229.

[113] ZAKRISSON I， ZILLINGER M. Emotions in motion： tourist experiences in time and space[J]. Current Issues in Tourism， 2012， 15（6）： 505-523.

[114] HALLO J C， BEECO J A， Goetcheus C， et al. GPS as a method for assessing spatial and temporal use distributions of nature-based tourists[J]. Journal of Travel Research， 2012， 51（5）： 591-606.

[115] BEECO J A， HALLO J C， BROWNLEE M T. GPS Visitor Tracking and Recreation Suitability Mapping： Tools for understanding and managing visitor use[J]. Landscape and Urban Planning， 2014， 127（7）： 136-145.

[116] HUANG Xiaoting. Quality comparison between space-time data of tourists behaviour captured using GPS tracking technology and activity diaries[J]. Tourism Tribune， 2014， 29（3）： 100-106. [黃瀟婷. 基于GPS與日志調(diào)查的旅游者時(shí)空行為數(shù)據(jù)質(zhì)量對(duì)比[J]. 旅游學(xué)刊， 2014， 29（3）： 100-106.]

[117] HUANG Xiaoting， MA Xiujun. Study on tourists rhythm of activities based on GPS data[J]. Tourism Tribune， 2012， 26（12）： 26-29. [黃瀟婷， 馬修軍. 基于GPS數(shù)據(jù)的旅游者活動(dòng)節(jié)奏研究[J]. 旅游學(xué)刊， 2012， 26（12）： 26-29.]

[118] HUANG Xiaoting， ZHANG Xiaoshan， ZHAO Ying. Temporal-spatial behavior patterns of Chinese mainland tourists at Ocean Park Hong Kong[J]. Resources Science， 2015， 37（11）： 2140-2150. [黃瀟婷， 張曉珊， 趙瑩. 大陸游客境外旅游景區(qū)內(nèi)時(shí)空行為模式研究[J]. 資源科學(xué)， 2015， 37（11）： 2140-2150.]

[119] HUANG Xiaoting. A study of tourists emotional experience process based on space-time path： A case study of ocean park in Hong Kong[J]. Tourism Tribune， 2015， 30（6）： 39-45. [黃瀟婷. 基于時(shí)空路徑的旅游情感體驗(yàn)過程研究——以香港海洋公園為例[J]. 旅游學(xué)刊， 2015， 30（6）： 39-45.]

[120] ZHANG Zichuan， WAN Enpu， TIAN Wei. Using GIS and GPS for tourist investigating[J]. Journal of Northeast Normal University： Natural Science Edition， 2002， 34（4）： 102-106. [張自川， 萬恩璞. 地理信息系統(tǒng)（GIS）與全球定位系統(tǒng)（GPS）在游客調(diào)查中的應(yīng)用——以長春凈月潭旅游度假區(qū)為例[J]. 東北師大學(xué)報(bào)： 自然科學(xué)版， 2002， 34（4）： 102-106.]

[121] LI Yuan， WANG Qiuying， WANG De. Precision and differential analysis by using GPS and recall diaries in the tourists behavior research： The case of Gulangyu[J]. Tourism Tribune， 2017， 32（8）： 81-92. [李淵， 王秋穎， 王德. GPS與回憶日志在旅游者空間行為上的精度比對(duì)——鼓浪嶼實(shí)證研究[J]. 旅游學(xué)刊， 2017， 32（8）： 81-92.]

[122] LI Y， XIAO L， YE Y， et al. Understanding tourist space at a historic site through space syntax analysis： The case of Gulangyu， China[J]. Tourism Management， 2016， 52： 30-43.

[123] LI Y， YE Y， XIAO L， et al. Classifying community space at a historic site through cognitive mapping and GPS tracking： The case of Gulangyu， China[J]. Urban Design International， 2017， 22（2）： 127-149.

[124] LI Yuan， DING Yanjie， WANG De. A new approach for designin tourist routes by considering travel time constraints and spatial behavior characteristics of tourists[J]. Tourism Tribune， 2016， 31（9）： 50-60. [李淵， 丁燕杰， 王德. 旅游者時(shí)間約束和空間行為特征的景區(qū)旅游線路設(shè)計(jì)方法研究[J]. 旅游學(xué)刊， 2016， 31（9）： 50-60.]

[125] LAZER D， PENTLAND A， ADAMIC L， et al. Computational social science[J]. Science， 2009， 323（1）： 721-723.

[126] EAST D， OSBORNE P， KEMP S， et al. Combining GPS & survey data improves understanding of visitor behaviour[J]. Tourism Management， 2017， 61（4）： 307-320.