梁景宇 趙渺希 沈娉

[摘? ? 要]徒步旅游社區(qū)是都市外圍郊野地區(qū)徒步旅游活動服務(wù)和管理的單元，合理劃分徒步旅游社區(qū)對于引導(dǎo)當(dāng)?shù)匦纬陕糜沃黝}和供給公共設(shè)施，以及優(yōu)化旅游要素的配置和提高設(shè)施使用效率具有重要意義。文章以廣州北部郊區(qū)增城和從化的旅游生態(tài)型城鎮(zhèn)為例，基于互聯(lián)網(wǎng)共享的徒步旅游GPS軌跡數(shù)據(jù)對研究范圍內(nèi)的空間單元進(jìn)行聚類分析，劃分出不同類型的徒步旅游社區(qū)。不同社區(qū)在景觀風(fēng)貌和游客活動方面呈現(xiàn)出明顯的差異化特征。通過聚類的方法劃分差異顯著的徒步旅游社區(qū)，對凝練社區(qū)徒步活動主題、有針對性地優(yōu)化配置服務(wù)設(shè)施、實(shí)施人流預(yù)警分流、改善徒步旅游社區(qū)間連通性等旅游規(guī)劃和管理方面具有一定價值。

[關(guān)鍵詞]GPS軌跡;徒步旅游;旅游社區(qū);聚類;廣州

[中圖分類號]F59

[文獻(xiàn)標(biāo)識碼]A

[文章編號]1002-5006（2019）08-0129-12

Doi： 10.19765/j.cnki.1002-5006.2019.08.017

引言

旅游業(yè)作為世界上增長最快的行業(yè)之一，在新技術(shù)影響下日新月異[1]。徒步旅游因現(xiàn)代都市社會中人追求回歸自然而興起，直接動因也包括戶外運(yùn)動和網(wǎng)絡(luò)資訊的迅速發(fā)展。在歐美發(fā)達(dá)國家，徒步旅游已經(jīng)趨于成熟，擁有完善的管理機(jī)制和配套設(shè)施。而我國的徒步旅游出現(xiàn)得較晚，仍處于自發(fā)狀態(tài)，徒步旅游的管理和設(shè)施配套明顯滯后于徒步旅游的實(shí)際需求[2]，自組織的游憩行為使得基本服務(wù)的空間供給面臨著無所適從的困境。

游憩活動功能分區(qū)在理論和實(shí)踐中都有著十分重要的意義。徒步旅游社區(qū)是以徒步活動為主題的分區(qū)，也是徒步旅游服務(wù)和管理的單元，其重要價值表現(xiàn)為：第一，旅游分區(qū)反映了旅游資源的多樣性和差異性[3]，有利于發(fā)掘出不同地域的資源潛力，因地制宜地提煉徒步主題，既實(shí)現(xiàn)社區(qū)差異化發(fā)展，又便于旅游者依偏好選擇出行;第二，徒步旅游社區(qū)可強(qiáng)化要素的優(yōu)化配置和使用效率，以徒步旅游社區(qū)作為整體的單元，基于旅游者的需求組織交通和進(jìn)行公共配套設(shè)施的供給[4]。

傳統(tǒng)的旅游區(qū)劃主要從供給側(cè)出發(fā)，以旅游資源的分布作為重要依據(jù)[5]，如通過分析旅游資源的類型、旅游產(chǎn)業(yè)集群或者生態(tài)旅游承載力對旅游區(qū)域進(jìn)行劃分[6-9]。這樣的方法較少關(guān)注游客的行為和需求特征，對于郊野地區(qū)自下而上形成的徒步旅游適用性不強(qiáng)，其中一個重要的原因是自上而下的旅游活動分區(qū)，往往缺乏對空間尺度的敏感性，容易產(chǎn)生規(guī)劃設(shè)計與旅游活動的實(shí)際需求錯位的問題。因此，旅游行為的空間分布特征是旅游研究中的重要的內(nèi)容[10]，特別是對于戶外的休閑活動，追蹤和了解游客的活動方式對規(guī)劃和管理來說是至關(guān)重要的[11-12]。因此，從需求側(cè)出發(fā)，對游客空間行為進(jìn)行全面了解，實(shí)現(xiàn)自下而上的旅游社區(qū)劃分，能支持戶外旅游的有效規(guī)劃和管理[13]。

在都市外圍大范圍的郊野地區(qū)，由于地域范圍廣、游客分散、線路眾多等特點(diǎn)，應(yīng)用傳統(tǒng)方法追蹤游客空間行為往往難以奏效[14]，而徒步旅游者自愿在網(wǎng)絡(luò)共享的徒步GPS軌跡提供了準(zhǔn)確的徒步行為信息，為研究游客的活動模式提供了可靠的數(shù)據(jù)[15-16]。區(qū)域內(nèi)大量的GPS軌跡形成徒步旅游的空間網(wǎng)絡(luò)，不同的地點(diǎn)因同一條徒步路線穿越帶來相似的旅游流而發(fā)生聯(lián)系。本文嘗試以行政村為空間單元，依據(jù)各村間的徒步旅游線路聯(lián)系對行政村進(jìn)行聚類，歸納徒步者的空間行為特征，從需求側(cè)出發(fā)劃分徒步旅游社區(qū)，為實(shí)現(xiàn)因地制宜的區(qū)域旅游規(guī)劃以及差異化服務(wù)和管理提供依據(jù)。

1 相關(guān)研究綜述

聚類分析的目的是尋找數(shù)據(jù)集中的“自然分組”[17]，在地質(zhì)勘探、天氣預(yù)報、生物分類、考古學(xué)、醫(yī)學(xué)和心理學(xué)等不同領(lǐng)域上早已廣泛采用[18]，而聚類分析的應(yīng)用已從原來的數(shù)理統(tǒng)計分類逐漸拓展到空間分區(qū)，例如采用聚類分析進(jìn)行地下水功能區(qū)規(guī)劃[19]、環(huán)境功能和大氣功能區(qū)劃[20]、農(nóng)業(yè)區(qū)域分區(qū)[21]和城市土地功能分區(qū)[22]等。

而在旅游方面，聚類分析可以進(jìn)行旅游市場的精細(xì)化劃分[23]，也可以用旅游資源的特征作為屬性進(jìn)行聚類，包括對觀光農(nóng)業(yè)區(qū)實(shí)現(xiàn)空間分區(qū)[24]，通過測算旅游競爭力對省域或全國進(jìn)行旅游分區(qū)[25-26]。使用聚類方法得到的分區(qū)，可指向旅游設(shè)施的布局，如商業(yè)設(shè)施布局[27]。但目前已有的旅游分區(qū)方法主要關(guān)注供給側(cè)，而非需求側(cè)，也就是說，現(xiàn)有的方法主要從旅游資源特征出發(fā)，較少根據(jù)旅游者的自主行為進(jìn)行分區(qū)。

研究旅游者的行為模式，有多種數(shù)據(jù)源。傳統(tǒng)的研究主要利用書面日記或者電話檢索來獲取信息，存在的問題主要是無法獲得準(zhǔn)確的旅行時間和目的地位置等信息[28]。有研究通過對現(xiàn)場游客進(jìn)行訪談，獲取其回憶的路線，探索游客空間行為[29]。但是，在沒有固定路徑的戶外地區(qū)，由于旅游者缺乏地圖閱讀技能或出現(xiàn)定向困難等問題，回憶的路線可能與真實(shí)情況有偏差。對比之下，GPS數(shù)據(jù)在數(shù)量上和質(zhì)量上均顯示出明顯的優(yōu)勢[30-31]。利用GPS軌跡數(shù)據(jù)，能有效地獲得用戶的出行方式和移動特征[32-34]，也能檢測到用戶的停留節(jié)點(diǎn)[35-36]。

已有的各種分析實(shí)踐顯示了GPS數(shù)據(jù)對出行調(diào)查的作用，大量的GPS數(shù)據(jù)對研究旅游者的行為模式將會非常有效[37-38]。學(xué)者們嘗試把GPS數(shù)據(jù)應(yīng)用于旅游研究，例如對旅游者的行為進(jìn)行時空分析[15-16， 39]，生成游客路線選擇模型[40]，構(gòu)建新的旅游線路設(shè)計方法[41]。部分學(xué)者關(guān)注到了GPS數(shù)據(jù)在徒步旅游中的應(yīng)用潛力，在對大量徒步旅行數(shù)據(jù)分析的基礎(chǔ)上，提出一種基于徒步路網(wǎng)的生成算法[42]。

從既有研究中不難看出，GPS信息在出行調(diào)查中應(yīng)用的廣度和深度不斷增加，而在徒步旅游方面的研究應(yīng)用還較少，基本聚焦于游客行為模式和路線設(shè)計方法。而采用GPS信息結(jié)合聚類的方法進(jìn)行徒步旅游分區(qū)的研究方法尚未有學(xué)者跟進(jìn)。

2 研究對象與方法

2.1 研究對象

徒步，指有目的地在城市的郊區(qū)、農(nóng)村或山野間進(jìn)行中長距離的步行鍛煉。在國外，隨著休閑時間的增加，人們參加徒步旅游的比例不斷增大[43]。在國內(nèi)，徒步旅游以短途為主，目的地多為居住地的周邊地區(qū)，尤其是野外地區(qū)[2]。大城市或人口密集區(qū)周邊可達(dá)性高的地區(qū)常常成為當(dāng)?shù)啬承┤后w進(jìn)行短途旅游的主要目的地[44]。

廣州市北部的增城區(qū)和從化區(qū)有著大面積生態(tài)環(huán)境良好、鄉(xiāng)村資源豐富的區(qū)域，吸引著大量的城市居民進(jìn)行徒步旅游。在《廣州市城市總體規(guī)劃（2011—2020年）》中，從化區(qū)中的良口鎮(zhèn)、呂田鎮(zhèn)和溫泉鎮(zhèn)，增城區(qū)中的派潭鎮(zhèn)、小樓鎮(zhèn)和正果鎮(zhèn)被定位為旅游生態(tài)型城鎮(zhèn)，這些城鎮(zhèn)生態(tài)資源集中，也是徒步旅游的熱門地。

行政村是鄉(xiāng)村地區(qū)管理的基本單元，以行政村作為空間劃分基本單元有利于徒步旅游社區(qū)利用行政村既有的基層力量開展徒步旅游的管理工作，避免徒步旅游社區(qū)劃定后與行政邊界不合而重新組建管理組織，從而減少管理成本。

因此，本研究選取上述6個城鎮(zhèn)（包含179個行政村）作為研究范圍，利用GPS軌跡數(shù)據(jù)，以行政村為空間單元，以徒步軌跡聯(lián)系為依據(jù)進(jìn)行徒步旅游社區(qū)聚類。

2.2 研究方法

2.2.1? ? 空間單元與徒步軌跡的邏輯矩陣

本文基于游客的自主行為，實(shí)現(xiàn)自下而上的徒步旅游社區(qū)劃分，以確保旅游分區(qū)的結(jié)果及其空間尺度可以匹配實(shí)際旅游活動。在區(qū)域中不同的空間單元因同一條游憩線路穿越發(fā)生聯(lián)系[45]，空間單元聯(lián)系強(qiáng)弱直接決定了社區(qū)的劃分。本文以行政村作為空間單元，以各村間被相同徒步旅游軌跡穿越的數(shù)量來衡量其聯(lián)系的強(qiáng)弱。具體的方法是構(gòu)建一個行政村×軌跡的邏輯矩陣，若軌跡k穿越村j，則記Cjk值為“1”，反之則為“0”，假設(shè)研究范圍內(nèi)空間單元數(shù)為n，軌跡數(shù)量為m，則該矩陣的大小應(yīng)為n×m，每一個空間單元均有m個屬性。

2.2.2? ? 系統(tǒng)聚類

系統(tǒng)聚類的方法，是目前在實(shí)際中使用最多的一類方法[18]。本研究采用系統(tǒng)聚類的方式，利用行政村×軌跡的邏輯矩陣作為輸入數(shù)據(jù)，進(jìn)行徒步旅游社區(qū)劃分。

首先，定義空間單元（類）i與j之間的差異性：[ Dij=k=1m（Cik-Cjk）2]，即m維歐氏距離。初始狀態(tài)下將n個空間單元各自成n類，然后將差異性最小的2類合并成1類，重新計算新類與其他類的差異性，再按最小差異性將最相似的兩類合并，重復(fù)進(jìn)行差異性的計算和類的合并，直至所有的空間單元都合并成1類或所需要的分類數(shù)為止。按照系統(tǒng)聚類的思想，被越多共同軌跡穿過的空間單元旅游聯(lián)系越高，其差異性越小，其特征更具有相似性，因此更有可能被劃分到同一個社區(qū)中。

2.2.3? ? 模塊度

模塊度是考察社區(qū)劃分質(zhì)量的重要指標(biāo)。社區(qū)劃分質(zhì)量高表現(xiàn)為在社區(qū)內(nèi)部的單元相似度較高，而與社區(qū)外部單元的相似度較低。模塊度的計算正是基于這種思想對社區(qū)劃分質(zhì)量高低進(jìn)行評判。國外有學(xué)者使用模塊度評價島嶼旅游目的地的分組結(jié)果[46]，但國內(nèi)旅游研究較少使用該方法。本文采用Clauset等[47]提出的模塊度算法，在系統(tǒng)聚類后，通過模塊度檢驗(yàn)選取出模塊度最高的聚類結(jié)果，作為研究范圍內(nèi)徒步旅游社區(qū)劃分的結(jié)果。

2.3 共享GPS軌跡的信息提取

互聯(lián)網(wǎng)上出現(xiàn)的帶有地理坐標(biāo)的共享信息，為研究游客空間行動提供了嶄新而富有價值的信息來源[48]。隨著GPS技術(shù)的發(fā)展，定位技術(shù)融合到便攜式設(shè)備中，為跟蹤旅游活動提供了新的機(jī)會[35]。隨著國內(nèi)戶外出行活動的發(fā)展以及GPS應(yīng)用的普及，GPS旅行社區(qū)分享平臺在網(wǎng)絡(luò)上具有了一定影響力，于2010年2月9日上線的六只腳平臺是其中的代表。六只腳平臺為眾多的徒步旅游者提供了分享GPS軌跡的機(jī)會。

本研究利用六只腳平臺上的GPS軌跡數(shù)據(jù)進(jìn)行分析。在六只腳平臺上，以“從化”與“增城”作關(guān)鍵詞進(jìn)行搜索，收集到從化與增城區(qū)域內(nèi)的軌跡數(shù)據(jù)共4116條。把原始數(shù)據(jù)導(dǎo)入ArcGIS后，對數(shù)據(jù)進(jìn)行初步篩選，過濾在研究范圍外的、異常的或由用戶標(biāo)記的非徒步出行的軌跡數(shù)據(jù)，得到軌跡2564條。國內(nèi)徒步活動一般以短途旅游為主[2]，一天內(nèi)步行的距離可以達(dá)到15～20千米[49]。鑒于2564條軌跡數(shù)據(jù)中可能存在被誤標(biāo)記為徒步出行實(shí)質(zhì)為自駕或騎行等活動的軌跡，因此設(shè)置20千米為長度閾值，對軌跡實(shí)行進(jìn)一步篩選，以有效避免誤標(biāo)記的自行車或自駕軌跡影響研究結(jié)果，并把研究對象聚焦在研究范圍中人數(shù)最多的短途旅游者上，最后獲得2015條有效軌跡。

經(jīng)篩選后的GPS軌跡呈現(xiàn)出相互重疊或者聯(lián)結(jié)的空間網(wǎng)絡(luò)狀態(tài)，形成了徒步空間網(wǎng)絡(luò)。該網(wǎng)絡(luò)中少量較長的路徑與現(xiàn)狀的縣道或者鄉(xiāng)道重合，其余大部分路徑是僅限于步行的，通常是穿越野外的小路。徒步空間網(wǎng)絡(luò)中出現(xiàn)了大量規(guī)劃以外的路徑，這些路徑通過徒步者自下而上的探索和循跡而形成，一部分通過網(wǎng)絡(luò)的傳播而成為了經(jīng)典路線?？梢?，徒步GPS軌跡提供了大量在傳統(tǒng)路網(wǎng)以外的由徒步者自發(fā)開拓的路徑數(shù)據(jù)。

徒步軌跡在研究范圍的中部分布較為密集，其中，軌跡分布最為密集的區(qū)域?yàn)榱伎阪?zhèn)的東南部，其次為良口鎮(zhèn)北部、呂田鎮(zhèn)南部、溫泉鎮(zhèn)西北部和派潭鎮(zhèn)的北部。在ArcGIS中通過線密度分析進(jìn)行可視化。線密度分析的原理為：構(gòu)建特定像元大小的柵格覆蓋研究范圍，每個柵格各自計算距離中心點(diǎn)特定半徑的圓內(nèi)，包括的所有徒步軌跡長度總和與圓面積的比值，作為該柵格的值，最后以不同顏色顯示不同的柵格值區(qū)間實(shí)現(xiàn)可視化1。本研究采用線密度分析方法，像元大小設(shè)置為10米，搜索半徑設(shè)置為30米（線密度分析結(jié)果見圖1）。識別出熱度最高的路徑均為網(wǎng)絡(luò)上廣為傳播的經(jīng)典徒步路徑，例如以登山挑戰(zhàn)為特色的通天蠟燭山線、老虎頭山線、天堂頂線、牛牯嶂線等，以叢林和村莊為特色的星溪線（東星村到溪頭村）和影古線（影村到古田村）等。

3 基于徒步GPS軌跡的徒步旅游社區(qū)聚類特征

3.1 基于徒步GPS軌跡的徒步旅游社區(qū)聚類

社區(qū)既包含著地理空間因素，也包含著情感意志、社會心理等因素[50]。徒步活動形成空間網(wǎng)絡(luò)呈現(xiàn)出社區(qū)化，以徒步活動聯(lián)系劃分的徒步旅游社區(qū)既反映徒步行為的地理空間特性，也反映徒步者群體的特質(zhì)和偏好。

本研究以范圍內(nèi)179個行政村為聚類的對象，以各村間是否有同樣的20千米以下的軌跡數(shù)據(jù)穿越來衡量其旅游聯(lián)系，以徒步旅游流為屬性進(jìn)行系統(tǒng)聚類分析，通過模塊度檢驗(yàn)選取出模塊度最高的聚類結(jié)果。考慮到社區(qū)類別的多樣性，選取聚類數(shù)目為11～20類的結(jié)果作為備選，分別計算不同聚類數(shù)目對應(yīng)的網(wǎng)絡(luò)模塊度。當(dāng)聚類數(shù)目取12類時，模塊度值達(dá)最高0.15。因此，本研究取聚類數(shù)目為12類的結(jié)果。由于類間差異性采用m維歐氏距離計算，部分空間上分散的單元因?yàn)榇┰降能壽E數(shù)量較少，Cjk值多為“0”而具有較高相似度，因此在聚類結(jié)果中被歸為一類。該類屬于離散程度較明顯的類別，空間上沒有明顯的簇群性，屬于奇異值，將此社區(qū)標(biāo)為12#社區(qū)，在本次研究中排除。

從聚類結(jié)果來看（圖2），位于白水寨的2#社區(qū)以及位于流溪河水庫和老虎頭山的6#社區(qū)均包括3個空間單元，位于天湖的11#社區(qū)包括4個空間單元，其他社區(qū)均由1個空間單元構(gòu)成;從空間分布上來看，1#社區(qū)到9#社區(qū)空間上鄰接，集中在研究范圍中部，涵蓋牛牯嶂、石門森林公園、溪頭村等徒步熱門地點(diǎn)。而研究范圍北邊的10#社區(qū)以及位于西邊的11#社區(qū)則與其他社區(qū)空間上不鄰接。

3.2 徒步旅游社區(qū)的特征分析

本研究選取2011年至2016年所有徒步軌跡數(shù)據(jù)，研究每個社區(qū)中徒步活動數(shù)量在不同月份的分布情況（圖3）。總體而言，不同社區(qū)之間的徒步活動在時間分布上有較大差異，每一個社區(qū)的徒步活動依時間變化呈現(xiàn)起伏，有明顯的徒步活動集中期。

特別地，位于石門國家森林公園南部的8#社區(qū)和流溪河水庫公園的9#社區(qū)是研究范圍內(nèi)的熱門景點(diǎn)，在春節(jié)前后吸引旅游者眾多，因此在年初形成旅游的熱潮，在此帶動下徒步軌跡也集中產(chǎn)生;位于通天蠟燭山的10#社區(qū)在4月份因?yàn)榧t色杜鵑花集中盛開而形成“通天蠟燭”的景象，吸引了大量徒步旅游者賞花，當(dāng)月徒步軌跡數(shù)量占該社區(qū)全年55%以上;6—8月廣州氣溫高，降水多，不利于戶外活動，除了以觀賞瀑布而著名的白水寨所在的2#社區(qū)以外，其他社區(qū)的徒步活動均不活躍;10—11月廣州地區(qū)氣溫下降，降水較少，空氣濕度較低，適合戶外活動，大部分社區(qū)的全年活動高峰集中出現(xiàn)在這兩個月份;12月廣州空氣質(zhì)量較好，能見度較高，位于溪頭村、阿婆六村的3#社區(qū)、4#社區(qū)平均海拔高，其中，阿婆六村是廣州海拔最高的自然村，是著名的觀星勝地，吸引大批愛好者進(jìn)行徒步、觀星等戶外活動。

將識別出的徒步旅游社區(qū)與研究范圍內(nèi)地表覆蓋數(shù)據(jù)1疊合，研究其地被特征。各社區(qū)內(nèi)地被覆蓋均以森林為主，部分社區(qū)有少量水體、耕地、草地和人造地表，所占比例有一定差別。特別地，11#社區(qū)包含天湖風(fēng)景區(qū)，地表水體比例較高，相應(yīng)地該社區(qū)的徒步活動主要是環(huán)湖觀光，相對休閑輕松;盡管6#社區(qū)包含面積較大、管理較好的流溪河水庫，但徒步活動集中于老虎頭山，主要為登頂活動，說明研究范圍內(nèi)徒步群體更傾向于體驗(yàn)野趣、挑戰(zhàn)自我;1#社區(qū)、2#社區(qū)、11#社區(qū)相對靠近城市建成區(qū)，人造地表所占的比例相對其他社區(qū)較高，實(shí)際中交通條件和公共服務(wù)設(shè)施也較好，方便游客到達(dá)。其他社區(qū)在地被覆蓋上并無表現(xiàn)出鮮明的特征，但結(jié)合社區(qū)內(nèi)的特色景點(diǎn)和徒步軌跡的實(shí)際布局，可以判斷出社區(qū)中徒步旅游的類型，包括叢林穿越、攀登高峰、田園漫行等。

3.3 社區(qū)聚類對徒步旅游規(guī)劃的啟示

廣州北部地區(qū)各徒步旅游社區(qū)的景觀風(fēng)貌和徒步活動的時空分布呈現(xiàn)明顯的差別，這些特點(diǎn)適合作為徒步旅游服務(wù)和管理的依據(jù)。各徒步旅游社區(qū)吸引點(diǎn)和季節(jié)性特征鮮明，本文用社區(qū)標(biāo)簽對社區(qū)內(nèi)的徒步活動主題進(jìn)行簡潔的概括（表1）。不難發(fā)現(xiàn)研究范圍中不同的徒步旅游社區(qū)具有不同旅游主題和服務(wù)需求?？梢?，通過聚類的方法對徒步旅游社區(qū)進(jìn)行劃分并總結(jié)社區(qū)的特征，對于當(dāng)?shù)氐穆糜我?guī)劃和管理具有重要的引導(dǎo)意義。

3.3.1? ? 凝練徒步旅游社區(qū)的旅游主題

廣州北部地區(qū)自然環(huán)境空間要素類型豐富，并且文化要素眾多，因此產(chǎn)生不同類型的徒步線路類型。各社區(qū)的吸引點(diǎn)為其特色挖掘提供參考：如社區(qū)中存在鄉(xiāng)野漫行活動，則鄉(xiāng)村文化將會是吸引徒步旅游的基礎(chǔ)，充分挖掘鄉(xiāng)村傳統(tǒng)文化、農(nóng)耕文化、民俗文化就成了發(fā)展旅游的必要手段[51];如社區(qū)中有明顯的登頂活動，則在旅游宣傳和品牌打造的過程中突出登頂活動征服自然、實(shí)現(xiàn)自我的精神滿足，并可倡導(dǎo)環(huán)保健康的價值導(dǎo)向;而各社區(qū)本身擁有差異化的植被類型，代表著各社區(qū)的潛力資源，可為未來自然景觀發(fā)掘和創(chuàng)造多樣化旅游產(chǎn)品提供參考。社區(qū)自身凝練主題、突出特點(diǎn)，社區(qū)之間錯位發(fā)展、相互協(xié)調(diào)，提供多樣化的徒步線路產(chǎn)品，這既能吸引既有的徒步旅游者到各個社區(qū)中更好地開展旅游活動，又能促使更多來自城市地區(qū)的游客轉(zhuǎn)變旅游觀念，選擇徒步這種環(huán)保健康的旅游方式。

3.3.2? ? 優(yōu)化徒步旅游社區(qū)的服務(wù)設(shè)施

研究范圍包括廣州市平均海拔最高的地區(qū)，高峰登頂是其中數(shù)個徒步旅游社區(qū)重要的活動主題，因此要著重考慮安全防護(hù)設(shè)施的布置，涉及安全預(yù)警、天氣預(yù)報機(jī)制、登山基礎(chǔ)設(shè)施和線路風(fēng)險評估體系等方面[52]。在各徒步旅游社區(qū)的重要線路起終點(diǎn)附近，均要配置適當(dāng)?shù)慕煌ㄔO(shè)施，如公交站和停車場，增強(qiáng)線路起終點(diǎn)的可達(dá)性。但值得注意的是，徒步活動追求的是在自然環(huán)境中體驗(yàn)城市中難以獲得的野趣，布置的安全設(shè)施在視覺上也必須與自然環(huán)境融合。

3.3.3? ? 預(yù)警徒步旅游社區(qū)的人流變化

在時間分布上，研究范圍內(nèi)徒步旅游活動呈現(xiàn)季節(jié)性特征，這在眾多地區(qū)都是普遍存在的。在旺季中，優(yōu)勢旅游產(chǎn)品要充分發(fā)揮作用，并且要對過量人流進(jìn)行預(yù)警，采取適當(dāng)?shù)姆至鞔胧Ｔ诘緯r，則要發(fā)掘合適、高質(zhì)量的新旅游產(chǎn)品，減少旅游人流在時間上的不均衡性[53]。

3.3.4? ? 改善徒步旅游社區(qū)的空間結(jié)構(gòu)

盡管社區(qū)間是由于旅游流的差異而被劃分開，但并非完全獨(dú)立。社區(qū)之間仍然會因部分徒步軌跡穿越而產(chǎn)生聯(lián)系，如研究范圍中部牛牯嶂山到黃茶園之間鄰接的社區(qū)，其互相之間也有一定的徒步軌跡聯(lián)系而形成網(wǎng)絡(luò)。通過增加徒步路徑的連接，可以有效增強(qiáng)社區(qū)之間的連通性，或形成新的徒步旅游社區(qū)，在提高徒步線路豐富程度的同時，改變社區(qū)空間結(jié)構(gòu)，有助于促進(jìn)各徒步旅游社區(qū)聯(lián)動發(fā)展。

4 討論

徒步旅游是綠色可持續(xù)的旅游方式，效益顯著。長期以來，徒步旅游以網(wǎng)絡(luò)作為主要信息媒體，市場規(guī)模不斷擴(kuò)大，具有較大的開發(fā)潛力[54]。本研究利用網(wǎng)絡(luò)共享信息，為徒步旅游的研究提供了新的思路和方向。旅游路徑的高連通性有助于個人在不同地點(diǎn)之間的有效流動[55]，為游客提供更多的娛樂機(jī)會[11]。徒步旅游社區(qū)聚類反映徒步旅游流分布，是旅游者以自下而上的方式“用腳投票”得到的分類，相比基于旅游資源分布自上而下的空間劃分，通過聚類得到的旅游空間單元的尺度與實(shí)際旅游活動需求匹配程度更高，為實(shí)現(xiàn)區(qū)域旅游因地制宜的規(guī)劃以及差異化服務(wù)和管理提供依據(jù)，優(yōu)化設(shè)施和資源的配置效率。徒步旅游社區(qū)的劃分及其特征識別有利于針對性地提供旅游服務(wù)管理和安全防護(hù)設(shè)施。由于不同徒步旅游社區(qū)有特定的地被分布特點(diǎn)、高程分布特點(diǎn)和旅游的季節(jié)性分布特點(diǎn)，因而形成不同的旅游服務(wù)需求。在準(zhǔn)確識別社區(qū)特征后，有助于服務(wù)管理資源的時空分布，使其配置更高效。

本方法也存在的一定的局限性：（1）研究的樣本有一定的局限性。六只腳平臺主要面向特定群體，能反映一部分徒步愛好旅游者的旅游信息，但是仍不能代表全體徒步者。（2）部分GPS軌跡數(shù)據(jù)可能出現(xiàn)質(zhì)量問題。在茂密的樹林覆蓋的地區(qū)，衛(wèi)星信號可能存在問題，這是GPS數(shù)據(jù)的一個主要限制因素[30]。

隨著網(wǎng)絡(luò)信息和GPS技術(shù)的發(fā)展，網(wǎng)絡(luò)共享的徒步GPS軌跡信息將會變得更加豐富、全面和準(zhǔn)確。而隨著GPS共享平臺的普及，可獲取的數(shù)據(jù)樣本將會變得更大，進(jìn)一步消除了數(shù)據(jù)的局限性，研究結(jié)果能有更優(yōu)的準(zhǔn)確性。對于實(shí)際的規(guī)劃應(yīng)用，本方法得出的徒步旅游特征和社區(qū)能為區(qū)域性的規(guī)劃提供有效的前期引導(dǎo)，而在深化規(guī)劃和管理方案的過程中，本方法需要和實(shí)際的現(xiàn)場調(diào)研進(jìn)行結(jié)合，通過實(shí)地調(diào)研驗(yàn)證本方法得到的結(jié)果以及提供修正。

參考文獻(xiàn)（References）

[1] S?RENSEN F， SUNDBO J. Potentials for user-based innova-tion in tourism： The example of GPS tracking of attraction visitors[M]//ALSOS G A， DORTHE E， EINAR L M. Handbook of Research on Innovation in Tourism Industries. Cheltenham， Northampton： Edward Elgar Publishing Limited， 2014： 132-150

[2] JIN Qiao， JIA Shufang， LI Teng. The generation， development and prospect of hiking tourism in China[M] // ZHANG Guangrui， LIU Deqian， SONG Rui. Chinas Tourism Development Analysis and Forecast（2012）. Beijing： Social Sciense Academic Press（China）， 2012： 303-316. [金喬， 賈書芳， 李騰. 中國徒步旅游的發(fā)生、發(fā)展與展望[M] // 張廣瑞， 劉德謙， 宋瑞. 2012年中國旅游發(fā)展分析與預(yù)測. 北京： 社會科學(xué)文獻(xiàn)出版社， 2012： 303-316.]

[3] LEI Mingde， LI Liming， LEI Xianmei. On the tourist division of Xian [J]. Journal of Northwest University： Natural Science Edition， 1997， （6）： 533-537. [雷明德， 李驪明， 雷羨梅. 西安市旅游分區(qū)試擬[J]. 西北大學(xué)學(xué)報： 自然科學(xué)版， 1997， （6）： 533-537.]

[4] QIU Ting. Research on the Formation and Development in Urban Tourism Service Functional Areas[D]. Nanchang： Nanchang University， 2012. [邱婷. 城市旅游服務(wù)功能區(qū)的形成與發(fā)展研究[D]. 南昌： 南昌大學(xué)， 2012.]

[5] ZHANG Guanghai， ZHU Xuna. Research progress of tourism regionalization in China[J]. Geography and Geo-Information Science， 2016， 32（3）： 89-94. [張廣海， 朱旭娜. 我國旅游區(qū)劃研究進(jìn)展[J]. 地理與地理信息科學(xué)， 2016， 32（3）： 89-94.]

[6] CHEN Chuankang. Beijing tourism development strategy and zoning research [J]. Tourism Tribune， 1987， （1）： 8-10. [陳傳康. 北京旅游發(fā)展戰(zhàn)略和分區(qū)研究[J]. 旅游學(xué)刊， 1987， （1）： 8-10.]

[7] CHEN Jun. Coastal tourism resources and functional zoning in China[J]. Ocean Development and Management， 2000， 17（3）： 41-47. [陳君. 我國濱海旅游資源及其功能分區(qū)研究[J]. 海洋開發(fā)與管理， 2000， 17（3）： 41-47.]

[8] ZHANG Heqing， WANG Leilei， TIAN Xiaohui. A study on the agglomerative performance of regional tourism industry cluster and the comparison of its competitive situation： Based on the empirical analysis of 21 cities in Guangdong province[J]. Economic Geography， 2010， 30（12）： 2116-2121. [張河清， 王蕾蕾， 田曉輝. 區(qū)域旅游產(chǎn)業(yè)集聚績效及競爭態(tài)勢比較研究——基于廣東省21個城市的實(shí)證分析[J]. 經(jīng)濟(jì)地理， 2010， 30（12）： 2116-2121.]

[9] DONG Wei， LIU Xin， SUN Ming， et al. A case study on ecotourism carrying capacity and ecotourism functional districts in Jinhua city[J]. Journal of Fudan University： Natural Science， 2004， 43（6）： 1024-1029. [董巍， 劉昕， 孫銘， 等. 生態(tài)旅游承載力評價與功能分區(qū)研究——以金華市為例[J]. 復(fù)旦學(xué)報： 自然科學(xué)版， 2004， 43（6）： 1024-1029.]

[10] BEECO J A， HUANG W J， HALLO J C， et al. GPS tracking of travel routes of wanderers and planners[J]. Tourism Geogra-phies， 2013， 15（3）： 551-573.

[11] TACZANOWSKA K， GONZ?LEZ L M， GARCIA-MASS? X， et al. Evaluating the structure and use of hiking trails in recreational areas using a mixed GPS tracking and graph theory approach[J]. Applied Geography， 2014， 55： 184-192.

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

[13] CESSFORD G， MUHAR A. Monitoring options for visitor numbers in national parks and natural areas[J]. Journal for Nature Conservation， 2004， 11： 240-250.

[14] OCONNOR A， ZERGER A， ITAMI B. Geo-temporal tracking and analysis of tourist movement[J]. Mathematics and Computers in Simulation， 2005， 69（1/2）： 135-150.

[15] 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.

[16] MEIJLES E W， DE BAKKER M， GROOTE P D， et al. Analysing hiker movement patterns using GPS data： Implications for park management[J]. Computers， Environment and Urban Systems， 2014， 47： 44-57.

[17] WANG Jun， WANG Shitong， DENG Zhaohong. Survey on challenges in clustering analysis research[J]. Control and Decision， 2012， 27（3）： 321-328. [王駿， 王士同， 鄧趙紅. 聚類分析研究中的若干問題[J]. 控制與決策， 2012， 27（3）： 321-328.]

[18] FANG Kaitai. Clustering analysis（I）[J]. Mathematics in Practice and Theory， 1978， （1）： 55-63. [方開泰. 聚類分析（Ⅰ）[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識， 1978， （1）： 55-63.]

[19] SHI Ruiqing， SUN Weifen. Application of grey cluster analysis in groundwater function zoning[J]. Geotechnical Investigation & Surveying， 1999， （1）： 27-30. [史瑞卿， 孫維芬. 灰色聚類分析在地下水功能區(qū)劃中的應(yīng)用[J]. 工程勘察， 1999， （1）： 27-30.]

[20] DIAO Jingxin. Application of the fuzzy clustering analytic method in the environmental functional division and air environmental functional division[J]. Environment and Develo-pment， 1997， （2）： 18-21. [刁景新. 模糊聚類分析方法在環(huán)境功能區(qū)劃、大氣環(huán)境功能區(qū)劃中的應(yīng)用[J]. 環(huán)境與發(fā)展， 1997， （2）： 18-21.]

[21] RU? G， KRUSE R. Exploratory hierarchical clustering for management zone delineation in precision agriculture[C] // PERNER P. 11th Industrial Conference on Data Mining ICDM 2011. New York： Springer， 2011： 161-173.

[22] MA Zhimin， QIAO Liang. Application of cluster analysis to land use regionalization： A case study of Yanta district of Xian city[J]. Scientific and Technological Management of Land and Resources， 2007， 24（6）： 90-93. [馬智民， 喬亮. 聚類分析在土地利用功能分區(qū)中的應(yīng)用——以西安市雁塔區(qū)為例[J]. 國土資源科技管理， 2007， 24（6）： 90-93.]

[23] DURSO P， DE GIOVANNI L， DISEGNA M， et al. Bagged clustering and its application to tourism market segmentation[J]. Expert Systems with Applications， 2013， 40（12）： 4944-4956.

[24] WANG Xiaolong， LIU Xiaoming， LI Tongsheng. Application of principal component and clustering methods on the planning and arrangement of tour-agriculture[J]. Journal of Applied Statistics and Management， 2005， 25（4）： 6-13. [王曉龍， 劉笑明， 李同升. 主成分分析法、聚類分析法在旅游觀光農(nóng)業(yè)空間分區(qū)中的應(yīng)用——以西安市為例的研究[J]. 數(shù)理統(tǒng)計與管理， 2005， 25（4）： 6-13.]

[25] LI Chuangxin， MA Yaofeng， LI Zhenting. The mode foundation and clustering analysis of tourism competition power based on entropy technologies[J]. Soft Science， 2007， 21（6）： 28-33. [李創(chuàng)新， 馬耀峰， 李振亭. 基于改進(jìn)熵值法的旅游競爭力模型與聚類分析[J]. 軟科學(xué)， 2007， 21（6）： 28-33.]

[26] CHEN Siyuan. The spatial clustering on the competitive advan-tage of regional tourism destinations： A case study of? Zhejiang province[J]. Areal Research And Development， 2012， 31（1）： 85-88. [陳思源. 區(qū)域旅游目的地競爭優(yōu)勢的空間聚類分析——以浙江省為例[J]. 地域研究與開發(fā)， 2012， 31（1）： 85-88.]

[27] WEIDENFELD A， BUTLER R W， WILLIAMS A M. Clustering and compatibility between tourism attractions[J]. International Journal of Tourism Research， 2010， 12（1）： 1-16.

[28] MURAKAMI E， WAGNER D P. Can using global positioning system （GPS） improve trip reporting？[J]. Transportation Research Part C： Emerging Technologies， 1999， 7（2/3）： 149-165.

[29] TACZANOWSKA K， ARNBERGER A， MUHAR A， et al. Exploring spatial behaviour of visitors in peri-urban recreational areas： Multi-attribute analysis of individual route profiles[C] // SCHRENK M. Sustainable Solutions for the Information Society - 11th International Conference on Urban Planning and Spatial Development for the Information Society. Vienna： CORP， 2007： 315-322.

[30] TACZANOWSKA K， MUHAR A， BRANDENBURG C. Potential and limitations of GPS tracking for monitoring spatial and temporal aspects of visitor behaviour in recreational areas[C] // RASCHI A， TRAMPETTI S. Management for Protection and Sustainable Development - Proceedings of the Fourth International Conference on Monitoring and Management of Visitor Flows in Recreational and Protected Areas. Montecatini Terme： Consiglio Nationale della Ricerche， 2008： 451-455.

[31] KORPILO S， VIRTANEN T， LEHV?VIRTA S. Smartphone GPS tracking—Inexpensive and efficient data collection on recreational movement[J]. Landscape and Urban Planning， 2017， 157： 608-617.

[32] ZHANG Zhihua. Research on Travel Information Extraction Based on GPS Trajectory[D]. Shanghai： East China Normal University， 2010. [張治華. 基于GPS軌跡的出行信息提取研究[D]. 上海： 華東師范大學(xué)， 2010.]

[33] FANG Yinglan， YANG Yong. Mobile user feature mining algorithm based on GPS trajectory[J]. Computer Knowledge and Technology， 2017， 13（1）： 211-214. [方英蘭， 楊勇. 基于GPS軌跡的移動用戶特征挖掘算法[J]. 電腦知識與技術(shù)， 2017， 13（1）： 211-214.]

[34] 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.

[35] NIELSEN N C， HARDER H， TRADISAUSKAS N， et al. Approaches to GPS-survey of tourist movements within a North Sea island destination[EB/OL]. http：//agrilife.org/ertr/files/2012/11/eRTR_EJA.pdf， 2019-05-13.

[36] YUAN Hua， QIAN Yu， YANG Rui. Research on GPS-trajectory-based personalization POI and path mining[J]. Systems Engineering—Theory & Practice， 2015， 35（5）： 1276-1282. [袁華， 錢宇， 楊銳. 基于GPS軌跡的用戶興趣點(diǎn)及頻繁路徑挖掘研究[J]. 系統(tǒng)工程理論與實(shí)踐， 2015， 35（5）： 1276-1282.]

[37] YABE N， ARIMA T， OKAMURA Y， et al. An agenda on tourist activity survey using GPS and investigation of analysis methods[J]. International Journal of Tourism Science， 2010， 3： 17-30.

[38] BERNAD? O， BIGORRA A， P?REZ Y， et al. Analysis of tourist behavior based on tracking data collected by GPS[C] // D?AZ L， GRANELL C， HUERTA J. Discovery of Geospatial Resources： Methodologies， Technologies， and Emergent Applications. Hershey： Information Science Reference， 2012： 241-260.

[39] DONAIRE J A， GAL? N， ROYOVELA M. Using GPS to analysis time-space tourists behavior： A pre-test study in Boí Valley[J]. Cuadernos De Turismo， 2015， 35： 443-445.

[40] BIERLAIRE M， FREJINGER E. Route choice modeling with network-free data[J]. Transportation Research Part C： Emerging Technologies， 2008， 16（2）： 187-198.