巫誠誠 陳大偉

[摘? ? 要]游客微觀路徑選擇模式的研究對景區(qū)管理、活動規(guī)劃與營銷制定均具有重要參考價值。文章基于空間句法對景區(qū)路徑空間性影響進行量化分析，綜合考慮開放式景區(qū)游客及非游客群體路徑選擇的核心影響因素及路徑選擇模式，建立路徑擬合模型，實現(xiàn)不同群體核心路徑的空間生成。研究表明：空間因素（路段連通度、路段控制度及局部選擇度）對景區(qū)行人路徑選擇具有重要影響;游客與非游客行人交互作用下，開放式景區(qū)主要形成了生活性路徑、深度景點游覽路徑、休閑景點游覽路徑和通過性路徑4類路徑;基于空間影響假設進行各類路徑擬合，與實際調(diào)查路徑相比，休閑景點游覽路徑相似度達到75%，具有較高的準確度。該研究可為景區(qū)管理者進行景區(qū)路徑優(yōu)化、公共設施優(yōu)化布置及節(jié)慶活動指定方案設計定量化參考。

[關鍵詞]路徑選擇;空間句法;因子分析;聚類分析;路徑識別

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2021）03-0118-09

Doi： 10.19765/j.cnki.1002-5006.2021.03.014

引言

行人路徑選擇，即分析行人自同一出發(fā)地至目的地之間多種路徑的選擇行為[1]。對于景區(qū)而言，重點則是游客路徑選擇研究，進而可通過量化分析，為旅游管理者作出合理的管理決策提供重要參考[2]。游客路徑選擇研究內(nèi)容，主要包含出發(fā)地至目的地的路徑選擇與目的地內(nèi)部路徑選擇兩種[3]。微觀路徑選擇模式聚焦于目的地區(qū)域（如自然景區(qū)、文化街區(qū)）內(nèi)部路徑的選擇行為分析及時空關聯(lián)性研究。隨著信息技術的進步與人性化、精準化的旅游管理思路的普及，微觀路徑選擇模式日益得到重視[4]：首先，微觀路徑選擇模式的研究有助于景區(qū)管理者進行更為合理的游客安排，降低游覽高峰期由于游客密度過大導致的沖突、踩踏等安全事件頻率[5];其次，后現(xiàn)代旅游時代背景下，個性化、體驗式游覽成為旅游行為的大趨勢[6]，景區(qū)傾向提供更具針對性、人性化、體驗式的游覽體驗以滿足游客需求，進而提升景區(qū)吸引力，這使得游客景區(qū)游覽行為的研究更具參考意義[7];最后，景區(qū)公共設施規(guī)劃與特色化服務提供也依賴游客行為特征作為參考。這一切使得微觀路徑選擇模式的研究對景區(qū)管理、活動規(guī)劃與營銷制定等方面均具有重要參考價值[8]。

然而，當前研究往往以景區(qū)內(nèi)游客行為分析為主，對于開放式景區(qū)（如南京夫子廟、蘇州觀前街）而言，忽略了景區(qū)內(nèi)非游客主體（如內(nèi)部居民、周邊居民等生活性行人及通過性行人）與景區(qū)游客行為的交互影響。同時，當前研究對景區(qū)內(nèi)部路網(wǎng)所帶來的空間影響與行人路徑選擇間的關系難以量化，主要將相關空間元素（如路徑寬度、路徑距離、沿線節(jié)點數(shù)等）作為量化指標與路徑行人量進行回歸分析[9-10]，而忽略了景區(qū)網(wǎng)絡結(jié)構所帶來的整體性空間影響。

這一背景下，本文以開放式景區(qū)為研究區(qū)域，以景區(qū)內(nèi)行人群體為研究對象，具體研究內(nèi)容包括：（1）基于空間句法實現(xiàn)景區(qū)路徑結(jié)構的空間量化;（2）結(jié)合空間性影響分析景區(qū)內(nèi)部行人微觀路徑選擇模式的核心影響因素;（3）基于聚類分析的路徑擬合，對不同群體行人的路徑選擇進行針對性識別與分析。對于開放式景區(qū)內(nèi)不同行人群體的路徑選擇模式分析，可為景區(qū)管理者進行景區(qū)路徑優(yōu)化、公共設施優(yōu)化布置及節(jié)慶活動方案設計提供量化參考依據(jù)。

1 文獻綜述

1.1 行人路徑選擇的影響因素與路徑分析

行人路徑選擇的研究重點在于，分析哪些因素在行人進行路徑抉擇時產(chǎn)生了何種影響[11]。總體而言，其影響因素可以分為3類：地理距離（實際步行距離）、拓撲距離（路徑/方向改變次數(shù)）和環(huán)境因素。最短地理距離是行人路徑選擇的首要目標[12-13]。最短拓撲距離則可單獨對55%～75%的行人路徑選擇進行解釋[14-15]。環(huán)境因素總體上可劃分為3個方面，即路徑特征、沿線土地使用特征及沿線交通環(huán)境特征[16]。Ferrer等通過對志愿者進行路徑測試，發(fā)現(xiàn)寬闊的人行道、高綠化率、充足的照明、大型交叉口少是吸引行人選擇該路徑的積極因素[17];Sarjala基于智能手機所采集到的通勤路徑，發(fā)現(xiàn)影響行人路徑選擇的重要環(huán)境因素包括交叉口密度、沿線公共用地面積、坡度及沿線建筑年限[18]。

對于景區(qū)而言，最普遍的行人路徑選擇的主體則是游客，其影響因素主要包括景區(qū)路徑屬性因素與景區(qū)環(huán)境因素[19]。其中，景區(qū)路徑屬性因素主要包括：行程時間、路線長度、路線曲度、沿線節(jié)點數(shù)、路徑寬度等;Asakura和Iryo基于移動設備采集游客旅游路徑數(shù)據(jù)，結(jié)合景區(qū)路徑拓撲結(jié)構特征實現(xiàn)了對不同游客出行路徑的識別分析[20]。景區(qū)環(huán)境因素主要包括：景點類型（土地利用）、路徑沿線景點數(shù)量、景點占地規(guī)模、綠化占地規(guī)模、路徑沿線行人設施數(shù)量（休憩椅等）、路徑沿線商業(yè)設施等。Vu等基于帶有地理標記的游客照片，對香港入境游客的游覽路徑進行分析，結(jié)果表明，對于不同景點，不同國籍的游客群體的游覽路徑具有特異性[2]。李淵等基于陳述性偏好法（stated preference methods， SP）對于廈門鼓浪嶼游客景點偏好進行分析，發(fā)現(xiàn)景點類型吸引力依次為音樂文化、自然風光、萬國建筑等;而公共設施不足、過度商業(yè)化則降低了景點吸引力[21]。

此外，景區(qū)內(nèi)不同群體的路徑選擇也具有較為顯著的差異性。Jubran等研究發(fā)現(xiàn)，受教育程度、收入的個體差異在景點可達性的評估上具有顯著性差異[22]。劉培學等對山岳型景區(qū)游客軌跡進行聚類分析，發(fā)現(xiàn)女性游客游覽距離較短，中老年游客群體傾向于躲避擁擠，而散客更易選擇存在折返且體驗較差的游覽路徑[23]。然而，群體分析仍屬于游客主體的群體細分，對于景區(qū)內(nèi)游客群體與居民群體的路徑差異性分析則相對缺乏。

1.2 空間因素對路徑選擇的影響

空間因素對路徑選擇的影響研究近年來逐步得到重視和發(fā)展。多個研究表明，空間因素與街道網(wǎng)絡中的行人空間行為聯(lián)系最為密切[24]，給定路徑的中心度水平可用于度量行人通行量[25-27]。具體而言，高通達度的路網(wǎng)結(jié)構與行人通行量具有最顯著的正向聯(lián)系[28-29]。路徑連通度、路徑選擇度也是影響行人路徑選擇的重要因素[27，30]。同時，不同模式的路網(wǎng)結(jié)構下，空間因素對路徑選擇的影響程度也存在差異——在傳統(tǒng)網(wǎng)絡結(jié)構下，空間因素對行人路徑選擇的影響程度更高[30]。因此，對于傳統(tǒng)路網(wǎng)下的開放式景區(qū)，分析空間因素的影響更具有研究價值。然而，景區(qū)路徑選擇的既有研究中，對量化空間因素的影響分析涉及較少。

2? ? 研究數(shù)據(jù)及方法

2.1 南京夫子廟景區(qū)

夫子廟秦淮風光帶是指以夫子廟建筑為中心、秦淮河為紐帶的內(nèi)秦淮河地帶，包括秦淮河兩岸的街巷、民居，附近的古跡和風景點[31]。本研究分析區(qū)域為中華路、長樂路、平江府路及建康路形成的夫子廟景區(qū)核心區(qū)域，研究區(qū)域詳見圖1（a）。

2.2 基于空間句法的空間因素獲取方法

空間句法是一種通過對包括建筑、聚落、城市甚至景觀在內(nèi)的人居空間結(jié)構的量化描述，來研究空間組織與人類社會之間關系的理論和方法[32]。通過軸線分析，空間句法可實現(xiàn)將路網(wǎng)空間拓撲化，并通過不同的量化指標多角度描述路網(wǎng)的潛在空間影響。

2.3 研究數(shù)據(jù)及其收集途徑

本研究按所需數(shù)據(jù)按數(shù)據(jù)類型及收集途徑分類，包括3個維度共計12項數(shù)據(jù)，并采用實際問詢法對景區(qū)內(nèi)部分行人開展路徑實際調(diào)查，其具體內(nèi)容及收集途徑如下。

（1） 多維度因素采集

交通維度的因素采集，主要采用人工計數(shù)法，每月選擇非節(jié)假日兩天進行各路段行人交通量統(tǒng)計，單個路段統(tǒng)計2018年4月—12月18次數(shù)據(jù)調(diào)查;每次調(diào)查選擇夫子廟景區(qū)平峰時段15：00―16：00且避開節(jié)假日及夫子廟傳統(tǒng)節(jié)日，以避免由于行人量過多導致的游覽選擇受限;臨近4條路段選擇同一負責人進行行人量統(tǒng)計，以減少不同路段調(diào)查時段時間差;共計調(diào)查使用26人/次。

空間維度的因素采集，則主要基于百度地圖開放數(shù)據(jù)，應用軸線分割法進行空間路網(wǎng)建模實現(xiàn)量化數(shù)據(jù)獲取。

環(huán)境維度的因素采集則主要通過實地調(diào)查及百度地圖數(shù)據(jù)源進行獲取。

各維度具體所采集的因素及其具體描述如表1所示。

（2） 行人實際路徑調(diào)查

采用隨機問詢法對景區(qū)內(nèi)行人的步行路徑進行調(diào)查，要求被調(diào)查者將其步行路徑在所給地圖上進行繪制。地圖路線繪制也是行人路徑調(diào)查的常用方法之一[33-35]。樣本需求量依據(jù)下述公式[35]進行估計：

[n=（z2×cv2）/E2] （1）

式（1）中，n為樣本需求量;z為標準常量，在95%置信度下取1.96;E為允許的誤差幅度，取10%;cv為變異系數(shù)（路徑標準差與平均行程距離比值），取值0.67，據(jù)調(diào)查取平均行程1.02 km，標準差0.68 km。進而，以10%為限制閾值（即剔除通行人數(shù)少于10%的路段），獲得各類行人通行的實際路徑，詳見圖1（b）、圖1（c）。

計算得到需調(diào)查172人。實際調(diào)查人數(shù)203人，其中，游客占65%（132人），非游客占35%（71人），游客中32%曾開展游覽準備（查閱夫子廟景區(qū)游覽資料/景點信息，或為跟團游）。非游客中有66%居住地點或工作地點距夫子廟景區(qū)在3 km以內(nèi)，37%為通過性行人。

2.4 調(diào)查數(shù)據(jù)的統(tǒng)計性描述

基于調(diào)查及空間句法分析，在剔除非開放路段（如小區(qū)內(nèi)部道路）的基礎上，共得到夫子廟景區(qū)內(nèi)49條路段的游客量數(shù)據(jù)（共計882條行人量調(diào)查數(shù)據(jù)，對單條路段采用18次行人量調(diào)查取均值）及屬性數(shù)據(jù)（單條路段共12條屬性數(shù)據(jù)，合計784條數(shù)據(jù)）。其中，行人量均值最小值為13人/小時，最大值為6022人/小時，均值為1846人/小時;路段長度為22 m～1100 m，均值211 m;路段沿線景點數(shù)最多為6處，均值為0.9。14條路段存在水系，27條路段為步行路段。

3 行人路徑選擇核心因素分析

對調(diào)查數(shù)據(jù)的12個變量進行KMO檢驗和Bartlett檢驗，得出KMO檢驗系數(shù)為0.646>0.5，Bartlett檢驗的×2統(tǒng)計值的顯著性概率p<0.05，適合采用因子分析方法。本文采用主成分方法進行分析：首先，基于特征值≥1，采用公因子方差及碎石圖，確定主因子的個數(shù)為4（累積貢獻率為79.97%）。進而，在采用最大方差法進行因子旋轉(zhuǎn)后，依據(jù)各變量因子載荷及其實際含義，實現(xiàn)核心因子的命名。具體各參數(shù)的因子載荷及核心因子的貢獻度如表2所示。最終得到行人路徑選擇的4個核心因子，即空間因子、景點因子、商業(yè)因子與交通因子。

基于因子分析可知，空間因子是景區(qū)路徑特征的重要描述，貢獻度達35.73%，其中路段選擇度對路徑空間特征的描述貢獻最大（因子載荷0.912）;空間因子為正值，則顯示其路徑選擇更易受路網(wǎng)空間的潛在影響（即路徑選擇更不具目的性）。

景點因子的貢獻度其次，達21.32%，其中，沿線景點數(shù)量的相對重要性最高（因子載荷0.882），而沿線景點面積則重要性相對較低（因子載荷0.614）;景點因子為正值則顯示景點（數(shù)量及面積）是路徑選擇的吸引因素，為負值則景點（數(shù)量及面積）是其排斥因素。

交通因子則主要體現(xiàn)在該路徑是否允許機動車通行及日均交通量;交通因子為正值則顯示其偏好機動車可通行的路段（往往為具備交通功能的主、次干道），反之則偏好步行街區(qū)。

商業(yè)因子則主要受路徑單位長度商業(yè)面積影響。商業(yè)因子為正值即商業(yè)對其路徑選擇具有吸引力，為負值則為排斥力。

4 基于核心因子的行人路徑選擇模式分析

4.1 行人微觀路徑分析方法

行人路徑擬合的選擇假設如下：

相鄰性假設：對于景區(qū)內(nèi)的路段集合{L1，L2，…，Ln}，處于路段Lj位置的行人僅可從相鄰路段集合{Lj1，Lj2，…，Ljn}中選擇路段進行通行，并允許行人有多個選擇。

同類性假設：對于景區(qū)內(nèi)的路段集合{L1，L2，…，Ln}，若路段Lj的相鄰路段集合{Lj1，Lj2，…，Ljn}中存在同一類集合路段，則行人將選擇同類路段進行通行。

策略性假設：對于處于同一類集合而不相鄰的路段集合S={Ls1，Ls2，…，Lsn}和Q={Lq1，Lq2，…，Lqn}，則處于S集合的行人將采用最短路線距離及最少轉(zhuǎn)角兩種策略進行路徑選擇到達Q集合。

在空間分析的基礎上，得到景區(qū)路段空間模式，如圖2（a）所示?；诰皡^(qū)路徑描述的4個核心因子，結(jié)合各路徑的行人量均值進行路徑選擇聚類分析，得到不同類描述下的路段集合，如圖2（b）所示，藍色路段為聚類分析后的同一類路段?？芍?，本類路段共可劃分為兩個不相鄰集合S和Q;基于路徑選擇假設可知，行人傾向于選擇使得集合S和Q連通的最短路徑{L8，L9，L10}，及最少轉(zhuǎn)角路徑{L12，L11}，如圖2（c）所示;結(jié)合相鄰性假設和同類性假設得到此類路段的最終擬合路徑為：{L5→L6→L8→L9→L10→L14→L19→L22}以及{L5→L6→L12→L11→L14→L19→L22}，其路徑圖如圖2（d）所示。

4.2 行人微觀路徑識別與分析

基于行人路徑選擇的同類性及策略性，需基于核心因子的描述，對分析路徑進行類別分析。本文在對核心因子進行Z-score均值化處理基礎上，采用平方歐氏距離（square euclidean distance，SEUCLID）度量下的K均值聚類進行路徑聚類。聚類結(jié)果顯示，最佳類數(shù)為4，其占比分別為38.7%、20.4%、14.3%及26.5%，聚類結(jié)果較為均衡。繼而結(jié)合路徑選擇假設，開展行人微觀路徑擬合，最終擬合得到4類路徑（圖3）。

第1類路徑：休閑景點游覽路徑。4類路徑中，其聚類結(jié)果中商業(yè)因子均值最高（1.331），商業(yè)面積對于路徑選擇吸引力大;交通因子均為負值，其更傾向于無機動車的步行街區(qū)?？臻g因子均值最高（0.832），而景點因子影響較小（0.677），兩者均為正向影響，進一步體現(xiàn)出其傾向游覽景點，且路徑空間影響高（即未明確規(guī)劃路徑，選擇隨意性較高）。

第2類路徑：深度景點游覽路徑。本類路徑的景點因子均值最高（0.778），商業(yè)因子均值影響力較低，但仍為積極影響（0.232）。體現(xiàn)本路徑中行人最傾向于游覽景點，商業(yè)購物活動也納入考慮?？臻g因子均值較低，且為積極影響（0.294），體現(xiàn)其進行了一定程度的路徑規(guī)劃，但仍受空間潛在影響。

第3類路徑：生活性路徑。本類路徑中，商業(yè)因子及景點因子均值為負（?0.467、?0.645），其對景區(qū)范圍內(nèi)的商業(yè)及景點呈現(xiàn)出“規(guī)避”特征;本類交通因子均值為?0.917，且方差最小，呈現(xiàn)出路徑選擇中偏好無機動車通行的街區(qū)道路。進而推測本路徑偏向于當?shù)鼐用竦纳钚酝ㄐ新窂?。而空間因子的負值（?0.321）進一步對其進行了驗證，即采用本類路徑的行人對路網(wǎng)更為熟悉，且通行目的明確。

第4類路徑：通過性路徑。本類路徑中，商業(yè)因子及景點因子均值為負（?0.332、?0.667），同樣呈現(xiàn)出“規(guī)避”商業(yè)及景點;與第3類不同，本類呈現(xiàn)出最高的交通因子均值（0.878），可知其傾向于交通性道路而不是景區(qū)內(nèi)的步行街區(qū)，即更傾向于滿足通行需求而進行路徑的選擇。其空間因子均值最小? ? ?（?0.305），且方差最小，其進行路徑選擇時隨意性較小。

作為開放式景區(qū)，夫子廟景區(qū)內(nèi)的日常行人群體，不僅包括一般景區(qū)常見的兩類群體：（1）無充分游覽計劃的休閑類游客，（2）具備一定游覽計劃的游客（如跟團游客），其形成第1和第2類路徑;還包括兩類特殊群體：（3）居住于景區(qū)內(nèi)部的當?shù)鼐用?，以及?）經(jīng)由景區(qū)到達其他位置的通過性人群，其形成第3和第4類路徑。這兩類特殊群體主要存在于允許居民居?。ㄈ缯憬魈凉沛?zhèn)）、位于城市交通中心的區(qū)域（如蘇州觀前街），在景區(qū)行人路徑研究及景區(qū)管理中往往被忽視。通過路徑擬合獲得其4類人群常用路徑后，景區(qū)可依據(jù)路徑特征開展針對性管理，如對第1類路徑沿線設置更多的導覽指引及商業(yè)設施，第2類路徑沿線設置更豐富的景點解說設施，第3類路徑沿線則考慮對居民慢行環(huán)境的改善，而第4類路徑則可在旅游旺季進行外圍交通疏導，減少通過類行人深入景區(qū)內(nèi)部，從而降低高峰時期游客擁擠感知度。此外，對于景區(qū)內(nèi)的路段的封閉或新建規(guī)劃，也可通過本方法預估調(diào)整后的4類行人群體路徑變化，從而為景區(qū)路徑調(diào)整規(guī)劃提供更直觀的參考。

4.3 實際路徑對比分析與驗證

為分析路徑擬合效果，以實際調(diào)查游客（無游覽準備）路徑作為第1類路徑的實際結(jié)果;游客（游覽準備）路徑作為第2類路徑的實際結(jié)果;居民（生活型）路徑作為第3類路徑的實際結(jié)果;居民（通過型）路徑作為第4類路徑的實際結(jié)果;采用式（2）進行擬合效果評估：

[F=0.5（lc/Lt+lc/Lf）] （2）

式（2）中，[F]為擬合效果，lc為擬合路徑與實際路徑的重合長度，Lt為實際路徑總長度，Lf為擬合路徑總長度。

第1類路徑的重合長度占實際長度比值為69.1%，占擬合長度比值為81.4%，最終擬合效果為75.3%;第2類路徑的重合長度占實際長度比值為40.4%，占擬合長度比值為45.6%，最終擬合效果為43.0%;第3類路徑的重合長度占實際長度比值為33.4%，占擬合長度比值為48.1%，最終擬合效果為40.8%;第4類路徑的重合長度占實際長度比值為39.9%，占擬合長度比值為41.4%，最終擬合效果為40.7%。

由擬合效果評估可知，考慮空間性影響下，開放式景區(qū)行人路徑擬合，對于游客（無游覽準備）類具有較好的擬合效果，擬合路徑與實際路徑的重合度達到69.1%，整體擬合度為75%。對于深度景點路徑而言，其擬合效果相對不佳，原因可能在于，路徑調(diào)查中未考慮游覽時間。如Jia等通過手機信令數(shù)據(jù)分析非居民游客的游覽行為，發(fā)現(xiàn)其具有明顯的時間特征[36]。同時，具備游覽準備的游客路徑，并不等同于深度游覽的旅游，兩者存在一定的差異。如Huang等在對游客群體的聚類分析中發(fā)現(xiàn)，具有游覽準備的游客也會由于娛樂、親子體驗等原因，傾向于更為輕松休閑的設施及路徑，即具有游覽準備的游客也并不全部選擇深度游覽[37]。

同時，對于非游客行人群體，其路徑擬合效果同樣存在誤差，其主要原因可能包括：（1）對于居住于景區(qū)的當?shù)鼐用裥腥巳后w（第3類路徑），其步行目的較為復雜，包括通勤、休閑娛樂、接送兒童等多個目的。其中，通勤、購物等出行目的路徑較為明確，但休閑類出行則具有較大的隨機性，并體現(xiàn)出近家休閑活動比例較高[38]。這使得進一步的研究可考慮增加對沿線居住密度等土地利用屬性的分析，從而對非游客群體的休閑活動有更為明確的識別。（2）對于通過性行人群體，則可能受到公交站點、地鐵站點等交通設施的位置影響。因此，后期研究可考慮在影響因素中增加土地利用屬性及交通屬性因素，從而提高非游客路徑的擬合精度。

進一步地，比較游客路徑與非游客路徑的實際重合比例，計算得到重合度較低（17.35%）。可見，游客與非游客在路徑選擇上也存在一定程度的道路資源沖突現(xiàn)象，居民會傾向于規(guī)避游客數(shù)量較多的路徑。游客數(shù)量的增加使得有限的資源（道路、商業(yè)設施等）愈發(fā)擁擠，進而導致游客與居民在資源及空間分配上的沖突加劇[39]。這使得在擬合游客、非游客景區(qū)路徑中，可考慮增加游客-非游客交互參數(shù)項（如可新增厭惡參數(shù)，將納入游客路徑的路段標記為?1，未納入的路段則標記為0），從而優(yōu)化路徑選擇模式分析。

5? ? 結(jié)論

（1）本研究從交通、空間及環(huán)境3個維度進行景區(qū)路徑影響因素量化分析，結(jié)果表明：空間因子對景區(qū)路徑特征描述具備重要作用，其中，路段連通度、路段控制度及局部選擇度對路徑空間特征的描述貢獻最大;而景點數(shù)量、商業(yè)面積及是否允許機動車通行也是路徑特征的重要描述。

（2）基于4類核心因素，本文通過路徑聚類及擬合得到4類行人路徑。與實際調(diào)查路徑相比，休閑景點游覽路徑擬合效果較好，與實際休閑游覽路徑重合度達到69.1%;深度景點游覽路徑、生活性路徑、通過性路徑3類重合度則在40%左右，還具有一定的改善空間。

（3）本文存在以下可優(yōu)化方向：數(shù)據(jù)采集上，被調(diào)查者回憶路徑與實際路徑間存在誤差，尤其對于游客群體的路徑調(diào)查，可考慮采用手機信令數(shù)據(jù)替代采集;在因素分析上，可考慮增加土地利用影響因素、公共交通影響因素;同時可將游客-非游客間的道路資源沖突問題納入考慮。在擬合結(jié)果上，該結(jié)果僅為空間路徑分布結(jié)果，未結(jié)合游覽順序進行停留時間及路徑方向區(qū)分，也可依據(jù)手機信令數(shù)據(jù)進行完善補充。

參考文獻（References）

[1] GUO Z. Does the pedestrian environment affect the utility of walking？ A case of path choice in downtown Boston[J]. Transportation Research Part D： Transport and Environment， 2009， 14（5）： 343-352.

[2] 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： 222-232.

[3] ZOLTAN J， MCKERCHER B. Analysing intra-destination movements and activity participation of tourists through destination card consumption[J]. Tourism Geographies， 2015， 17（1）： 19-35.

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

[5] LI Y， YANG L， SHEN H， et al. Modeling intra-destination travel behavior of tourists through spatio-temporal analysis[J]. Journal of Destination Marketing and Management， 2019， 11： 260-269.

[6] KOTILOGLU S， LAPPAS T， PELECHRINIS K， et al. Personalized multi-period tour recommendations[J]. Tourism Management， 2017， 62： 76-88.

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

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

[9] DENSTADLI J M， JACOBSEN J K S. The long and winding roads： Perceived quality of scenic tourism routes[J]. Tourism Management， 2011， 32（4）： 780-789.

[10] EBY D W， MOLNAR L J. Importance of scenic byways in route choice： A survey of driving tourists in the United States[J]. Transportation Research Part A： Policy and Practice， 2002， 36（2）： 95-106.

[11] LI H， ZHANG J， XIA L， et al. Comparing the route-choice behavior of pedestrians around obstacles in a virtual experiment and a field study[J]. Transportation Research Part C： Emerging Technologies， 2019， 107： 120-136.

[12] BROACH J， DILL J. Pedestrian route choice model estimated from revealed preference GPS data[C]// Transportation Research Board 93rd Annual Meeting. Washington， D C： Transportation Research Board of the National Academies， 2014， 250： 1-19.

[13] GUO Z， LOO B P Y. Pedestrian environment and route choice： Evidence from New York City and Hong Kong[J]. Journal of Transport Geography， 2013， 28： 124-136.

[14] HILLIER B， IIDA S. Network and psychological effects in urban movement[C]// International Conference on Spatial Information Theory. Ellicottville： Springer-Verlag Press， 2005， 3693： 475-490.

[15] LERMAN Y， YODAN R， OMER I. Using space syntax to model pedestrian movement in urban transportation planning[J]. Geographical Analysis， 2014， 46（4）： 392-410.

[16] FARJANA S， TAN Y. Development and validity of a virtual street walkability audit tool for pedestrian route choice analysis—SWATCH[J]. Journal of Transport Geography， 2018， 70： 148-160.

[17] FERRER S， RUIZ T， MARS L. A qualitative study on the role of the built environment for short walking trips[J]. Transportation Research Part F： Traffic Psychology and Behavior， 2015， 33： 141-160.

[18] SARJALA S. Built environment determinants of pedestrians and bicyclists route choices on commute trips： Applying a new grid-based method for measuring the built environment along the route[J]. Journal of Transport Geography， 2019， 78（6）： 56-69.

[19] ZHAO X， LU X， LIU Y， et al. Tourist movement patterns understanding from the perspective of travel party size using mobile tracking data： A case study of Xian， China[J]. Tourism Management， 2018， 69： 368-383.

[20] 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 & Practice， 2007， 41（7）： 684-690.

[21] 李淵， 謝嘉宬， 楊林川. 基于SP法的旅游者景點選擇需求偏好與規(guī)劃應對[J]. 旅游學刊， 2018， 33（12）： 91-101. [LI Yuan， XIE Jiacheng， YANG Linchuan. The preference of tourist attraction selection and planning response based on SP method[J]. Tourism Tribune， 2018， 33（12）： 91-101.]

[22] JUBRAN H， XIA J， VEENENDAALAND B， et al. Building a conceptual framework for determining individual differences of accessibility to tourist attractions[J]. Tourism Management Perspectives， 2015， 16： 28-42.

[23] 劉培學， 廖茂林， 張捷， 等. 山岳型景區(qū)游客軌跡聚類與體驗質(zhì)量差異研究——以世界遺產(chǎn)地三清山為例[J]. 旅游學刊， 2018， 33（5）： 56-67. [LIU Peixue， LIAO Maolin， ZHANG Jie， et al. Tourist spatial behavior and experience quality in mountain resorts： A case study of mount Sanqingshan[J]. Tourism Tribune， 2018， 33（5）： 56-67.]

[24] LERMAN Y， OMER I. Urban area types and spatial distribution of pedestrians： Lessons from Tel Aviv[J]. Computers Environment and Urban Systems， 2016， 55： 11-23.

[25] MANSOURI M， UJANG N. Space syntax analysis of tourists movement patterns in the historical district of Kuala Lumpur， Malaysia[J]. Journal of Urbanism： International Research on Place Making and Urban Sustainability， 2017， 10（2）： 1-17.

[26] JIANG B， LIU C. Street-based topological representations and analyses for predicting traffic flow in GIS[J]. International Journal of Geographical Information Science， 2009， 23（9-10）： 1119-1137.

[27] OMER I， KAPLAN N. Using space syntax and agent-based approaches for modeling pedestrian volume at the urban scale[J]. Computers， Environment and Urban Systems， 2017， 64： 57-67.

[28] SHATU F， YIGITCANLAR T， BUNKER J. Shortest path distance vs. least directional change： Empirical testing of space syntax and geographic theories concerning pedestrian route choice behavior[J]. Journal of Transport Geography， 2019， 74： 37-52.

[29] MANSOURI M， UJANG N. Space syntax analysis of tourists? movement patterns in the historical district of Kuala Lumpur， Malaysia[J]. Journal of Urbanism International Research on Placemaking & Urban Sustainability， 2017， 10（2）： 1-17.

[30] PERVER K， RODRIGUEZ D， KHATTAK A. Space syntax and walking in a new urbanist and suburban neighborhoods[J]. Journal of Urban Design， 2008， 13（1）： 5-28.

[31] 廖仁靜， 李倩， 張捷， 等. 都市歷史街區(qū)真實性的游憩者感知研究——以南京夫子廟為例[J]. 旅游學刊， 2009， 24（1）： 55-60. [LIAO Renjing， LI Qian， ZHANG Jie， et al. Tourists perceived study on the authenticity of urban historical blocks― Taking Confucius Temple in Nanjing as an example[J]. Tourism Tribune， 2009， 24（1）： 55-60.]

[32] HILLIER B， PENN A， HANSON J， et al. Natural movement： Or， configuration and attraction in urban pedestrian movement[J]. Environment & Planning B Planning & Design， 1993， 20（1）： 29-66.

[33] BORGERS A， TIMMERMANS H. Indices of pedestrian behavior in shopping areas[J]. Procedia Environmental Sciences， 2014， 22： 366-379.

[34] OZBIL A， ARGIN G， YESILTEPE D. Pedestrian route choice by elementary school students： The role of street network configuration and pedestrian quality attributes in walking to school[J]. International Journal of Design Creativity and Innovation， 2016， 4（2）： 67-84.

[35] BONSALL P W. Issues in survey planning and design[J]. Transport Planning and Traffic Engineering， 1997. Doi： 10.1016/b978-034066279-3/50014-1.

[36] JIA F， CHENG X， DUAN Z. Analyzing the activity areas of non-resident tourists of Shanghai Expo using cellular phone data[J]. Procedia Social & Behavioral Sciences， 2013， 96： 1136-1145.

[37] HUANG X， HUANG X， LI M， et al. Tourists spatial-temporal behavior patterns in theme parks： A case study of Ocean Park Hong Kong[J]. Journal of Destination Marketing & Management， 2020， 15（9）. Doi：10.1016/j.jdmm.2020.100411.

[38] 趙瑩， 柴彥威， 桂晶晶. 中國城市休閑時空行為研究前沿[J]. 旅游學刊， 2016， 31（9）： 30-40. [ZHAO Ying， CHAI Yanwei， GUI Jingjing. Prospects for urban leisure studies in China： A perspective of space-time behavior[J]. Tourism Tribune， 2016， 31（9）： 30-40.].

[39] TSAUR S， YEN C， TENG H. Tourist–resident conflict： A scale development and empirical study[J]. Journal of Destination Marketing & Management， 2018， 10： 152-163.