陸百川，楊杰毅，王 鑫

(1. 重慶交通大學 交通運輸學院，重慶 400074；2. 重慶交通大學 重慶山地城市交通系統(tǒng)與安全實驗室，重慶 400074)

0 引 言

隨著人們生活水平的提高以及家用轎車的普及，市民自駕前往城市近郊旅行的需求日益旺盛。自駕游具有靈活性、個性化等特點，自駕游過程中游客出行體驗會受到城市道路交通狀態(tài)及旅游景點開放時間等因素影響。如何根據(jù)道路交通和景點信息對游客體驗的影響來規(guī)劃城市近郊最優(yōu)旅游路線，對規(guī)避出行擁堵和減少景點等待時間具有現(xiàn)實的研究價值。

黃澤斌等[1]通過在蟻群算法啟發(fā)函數(shù)中加入時間窗系數(shù)來約束游客旅行時間，但沒有考慮旅游景點及出行成本因素影響；鐘儀華等[2]利用景點間行駛時間構(gòu)建了分塊分層的旅游路線規(guī)劃模型，但忽略了游客個性化需求的影響；韓艷等[3]基于景點擁擠狀態(tài)下選取景點滿意度、走行時間及景點擁擠度等指標構(gòu)建了多目標景區(qū)優(yōu)化路線模型；張笑白等[4]針對高峰期景點客流量分布不均衡問題提出了基于改進Logit的高峰期內(nèi)旅游路線實時優(yōu)化調(diào)度方法；任競斐等[5]通過選取游客偏好、景點擁擠度及等待行走時間指標制定了基于Logit模型的旅游路徑分配方案；WU Xiongbin等[6]在旅行時間不確定的情況下，綜合旅游出行效用及旅游活動效用建立了旅游路線規(guī)劃模型，但沒有分析道路交通狀態(tài)對旅游路線規(guī)劃影響。以上研究考慮了旅行時間、景點擁擠度和游客偏好因素對旅游路線規(guī)劃影響，但缺乏對道路交通和旅游景點屬性等因素的綜合性分析。

筆者綜合考慮道路交通因素和旅游景點屬性對游客體驗感的影響，提出了一種基于游客體驗的旅游路線規(guī)劃方法。首先分析了影響自駕游客旅游體驗感的道路交通和旅游景點因素；其次選取出行時間、道路擁擠度等指標構(gòu)建了基于綜合路阻的城市近郊景點間最優(yōu)路徑選擇模型，并采用Floyd算法求解綜合路阻值最小的景點間最優(yōu)旅游路徑；然后將游客體驗感量化為結(jié)合旅游出行成本和景點游覽效用的旅游體驗效用值，并利用遺傳算法求解基于游客體驗的城市近郊景點旅游順序，得到了城市近郊景點最優(yōu)旅游路線。最后通過算例分析表明：筆者所提出的基于游客體驗的城市近郊旅游路線規(guī)劃方法能有效提高游客旅游滿意度，為游客選擇旅游路徑提供決策支持。

1 游客體驗感影響因素

近郊自駕游已逐漸成為市民重要的休閑方式，游客也越來越重視旅游體驗。筆者將游客體驗感定義為游客在旅途中通過感知外部環(huán)境所獲得心理層次上的滿意程度的大小[7]。在自駕游過程中，游客旅游出行過程的滿意程度除了受道路交通環(huán)境影響外，還會受到旅游景點環(huán)境影響。

1.1 交通影響因素

城市近郊旅游路段根據(jù)其道路靜態(tài)屬性和交通狀態(tài)的不同而對游客旅游體驗感影響表現(xiàn)出差異性。

出行距離能反映出游客所選路線中車輛總行駛距離的長短，出行距離越短的路線游客滿意感較高。行程時間為車輛在旅游路線上行駛所耗費的時間，包括車輛理想行駛時間和道路延誤時間，行程時間越長，游客體驗感越差。道路擁擠度體現(xiàn)了旅游路線道路交通狀況，道路擁擠度越高，游客旅游舒適度越低。出行費用為旅游者在出行過程中車輛行駛產(chǎn)生的油耗成本，出行費用越高，游客出行滿意度會相對降低。故游客體驗感好壞應(yīng)考慮道路交通因素影響，利用出行距離、行程時間、出行費用和道路擁擠度等來衡量游客在出行過程中的舒適程度。

1.2 景點影響因素

旅游景點根據(jù)其自身服務(wù)水平不同而對游客旅游體驗產(chǎn)生的影響具有差異性，不同景點因其游玩屬性差異而對游客整個游覽過程體驗感的影響不盡相同。

景點吸引力體現(xiàn)了游客對景點等級、地理位置、周圍基礎(chǔ)設(shè)施建設(shè)等因素的滿意程度。地理位置越好、知名度越高的旅游景點能使游客產(chǎn)生更高的體驗感。景點游覽費用反映了旅行者在游覽過程中的消費情況，費用越高，游客旅游滿意度相對越低。景點延誤時間反映了游客因未能在計劃時間內(nèi)完成游覽活動而產(chǎn)生的時間延誤長短，過長的景點延誤時間會使游客旅游體驗感變差。故近郊自駕游客旅游體驗感還應(yīng)受景點自身屬性影響，通過景點吸引力、游覽費用、景點延誤時間等因素來衡量游客在游覽過程中的滿意度。

2 城市近郊景點間最優(yōu)路徑選擇

2.1 基于綜合路阻的景點間最優(yōu)路徑選擇模型

將城市近郊旅游交通路網(wǎng)抽象為網(wǎng)絡(luò)拓撲圖G=(V,E,W)，其中：V代表旅游關(guān)鍵路口或景點的集合；E代表節(jié)點間的路段集合；W代表各邊權(quán)值所構(gòu)成的集合。傳統(tǒng)旅游路徑優(yōu)化方法大多選取時間最短、費用最少或路徑最短等單因素為評價指標，但單因素目標函數(shù)最優(yōu)解之間往往存在沖突，難以準確描述旅游路徑規(guī)劃問題。因此筆者引入綜合路阻概念[8]，選取道路行程時間、道路擁擠程度、出行距離、出行費用及行車速度為主要影響因子。綜合路阻函數(shù)如式(1)～(8)：

(1)

(2)

(3)

(4)

(5)

(6)

Ckl=c0Skl

(7)

(8)

由式(1)可知：綜合路阻是關(guān)于行車速度、出行距離、行程時間、道路擁擠度、出行費用這5項指標的線性組合。將綜合路阻看作一個綜合指標，通過SPSS軟件對綜合路阻各指標數(shù)據(jù)進行主成分分析，求解綜合路阻各指標權(quán)重[8]。步驟如下：

1)原始數(shù)據(jù)標準化，如式(9)～(12)。假設(shè)近郊旅游路網(wǎng)有m條路段，每條路段含h項指標，可得到一個m×h階的數(shù)據(jù)矩陣X。為消除變量量綱、數(shù)量級影響，對原始數(shù)據(jù)進行標準化處理得到一個標準化矩陣X2。

(9)

(10)

(11)

(12)

2)求解相關(guān)系數(shù)矩陣。根據(jù)標準化后數(shù)據(jù)矩陣X2計算樣本相關(guān)系數(shù)矩陣B，其計算如式(13)：

(13)

3)計算相關(guān)系數(shù)矩陣B的特征值及特征向量。根據(jù)特征方程式|λE1-B|=0，E1為單位矩陣，求出特征值λγ，γ∈{1, 2, …,h}，并計算相應(yīng)特征向量。

4)計算主成分貢獻率βγ及累積貢獻率β，并選取累計貢獻率β超過85%的特征值λ1,λ2,…,λη所對應(yīng)的前η個主成分，如式(14)：

(14)

5)計算綜合路阻各影響指標在不同主成分中的權(quán)重系數(shù)φτy，并對每個主成分在選取的η個主成分中的貢獻率Iτ進行求解，如式(15)、(16)：

(15)

(16)

式中：eτy為第τ個主成分對應(yīng)指標的載荷數(shù)，τ∈{1, 2, …,η}，y∈{1, 2, …,h}。

6)確定綜合路阻影響指標權(quán)重。計算指標在綜合路阻函數(shù)中的系數(shù)Ay，并對指標權(quán)值進行歸一化處理，確定綜合路阻各項指標的權(quán)重系數(shù)δy，其計算如式(17)、(18)：

(17)

(18)

為最大限度地減少景點間路徑的綜合阻抗值，提高自駕游客旅游出行體驗，建立基于綜合路阻的景點間最優(yōu)路徑選擇模型，目標函數(shù)如式(19)～(22)：

(19)

s.t.：

(20)

(21)

Wkl>0

(22)

式中：Zij為景點i到景點j路徑的最小綜合路阻值，i,j∈{1, 2, …,n1}，n1為目標景點個數(shù)。

式(20)中：fkl=1表示經(jīng)過路段Ekl能從景點i到達景點j，fkl=0表示經(jīng)過路段Ekl不能從景點i到達景點j；式(21)表示兩景點間所選擇的路段總數(shù)大于1小于n+1；式(22)表示各路段的綜合路阻值Wkl均大于0。

2.2 基于Floyd算法的景點間最優(yōu)路徑求解

Floyd算法可通過帶權(quán)鄰接矩陣計算任意兩點之間的最短路徑[9]，適用于多目標最短路徑求解問題，因此筆者選取Floyd算法對基于綜合路阻的景點間最優(yōu)路徑選擇模型進行求解。由綜合路阻值表示目標路段在城市近郊旅游路網(wǎng)的權(quán)重，提高景點間最優(yōu)路徑選擇模型的有效性、可靠性。

基于Floyd算法的兩景點間最優(yōu)路徑求解如下：

1)采集城市近郊路段綜合路阻的影響指標數(shù)據(jù)，求解各路段綜合路阻權(quán)值Wkl。

(23)

(24)

(25)

式中：ζ∈{1, 2, …,n}，且ζ≠k,l。

(26)

式中：u∈{1, 2, …,n}，且u≠k,l。

4)重復步驟2)、 3)，直至D(w+1)=D(w)，輸出城市近郊景點間最優(yōu)旅游路徑。

3 城市近郊景點旅游順序規(guī)劃

3.1 旅游體驗效用函數(shù)構(gòu)建

傳統(tǒng)景點旅游順序規(guī)劃方法大多考慮行駛時間、出行距離等外界因素影響，對旅行者個性化需求考慮有所欠缺。因此在城市近郊自駕游背景下，引入綜合考慮出行成本和游客景點游覽滿意度的旅游體驗效用函數(shù)來反映旅游者在旅途中所獲綜合性收益，為游客規(guī)劃出合適的景點游覽順序[10]。筆者構(gòu)建的旅游體驗效用函數(shù)由旅游出行成本函數(shù)與景點游覽效用函數(shù)構(gòu)成[11]。

游客旅游出行成本是指游客從始發(fā)地到目標景點所用的旅行時間與出行費用，其中出行費用只考慮車輛油耗成本。旅游出行成本函數(shù)計算如式(27)：

(27)

景點游覽效用主要包括景點負效用及景點活動效用兩部分，景點游覽效用函數(shù)表示如式(28)：

(28)

景點負效用是指受景點間道路交通擁堵、突發(fā)惡劣天氣等意外情況的影響，旅游消費者無法在景點期望服務(wù)時間內(nèi)抵達目的地，導致游客無法在計劃旅行時間內(nèi)順利完成旅游活動，從而產(chǎn)生的延誤損失[12]。假設(shè)景點所需游覽時間為定值，對旅行者游覽時間插入時間窗約束，如圖1。

圖1 目標景點時間窗Fig. 1 Time window of target attractions

(29)

(30)

(31)

景點活動效用是衡量旅行者對該景點游覽活動滿意程度指標，與景點游覽時間、景點吸引力及旅游活動費用等因素有關(guān)，其中旅游活動費用主要考慮停車費用及門票費用。游客在景點i的停留時間及實際游玩時間分別用式(32)、(33)表示。

(32)

(33)

旅游活動費用函數(shù)與景點活動效用函數(shù)分別用式(34)、(35)表示。

(34)

(35)

3.2 基于游客體驗的景點旅游順序規(guī)劃模型

現(xiàn)假設(shè)游客08：00從居住地出發(fā)，最晚18：30開始返回居住地，游覽時間為1 d，每個目標景點只參觀一次，不考慮旅途中餐飲休息時間及費用。根據(jù)最優(yōu)路徑選擇模型，利用Floyd算法求得任意兩景點間的最佳旅游路徑，并得到景點間出行時間及費用。

基于以上條件建立多約束下的城市近郊旅游景點順序規(guī)劃模型，由于游客期望在旅游過程中獲得的體驗感最佳[13]，因此以旅游體驗效用最大化為函數(shù)優(yōu)化目標，目標函數(shù)表達如式(36)～(45)：

(36)

s.t.：

(37)

(38)

(39)

(40)

(41)

(42)

(43)

gij×gji=0

(44)

(45)

式中：U為旅游體驗效用；α1、α2分別為旅游成本和景點游覽效用的權(quán)重系數(shù)。

式(37)～(38)為0-1決策變量；式(39)為限制的游覽景點數(shù)量；式(40)～(41)為保證游客出發(fā)點為住處，旅游活動結(jié)束后返回住處；式(42)～(44)為保證當景點數(shù)大于等于2時，每個景點只能游覽一次；式(45)為旅行時間約束；Tmax為最大旅行時間。

3.3 基于遺傳算法的景點旅游順序求解

旅游路線規(guī)劃問題是TSP組合優(yōu)化問題，隨著景點數(shù)量增加及約束條件復雜化，模型求解復雜度呈指數(shù)式增加。采用傳統(tǒng)的啟發(fā)式算法進行模型求解計算效率較低，而遺傳算法(genetic algorithm, GA)具有搜索能力強、魯棒性高且易于并行等優(yōu)點[11]，適用于復雜的組合問題。因此筆者采用遺傳算法求解該模型，求解步驟如下：

1)采集目標景點及其周圍旅游交通路網(wǎng)數(shù)據(jù)，對求解算法的參數(shù)進行初始化。

2)初始化種群。采用整數(shù)排列方式對始終點及景點進行編碼，給出含N個染色體的初始種群。

3)適應(yīng)度函數(shù)。文中研究是求解旅游體驗效用函數(shù)最大值，將函數(shù)值作為個體適應(yīng)度值Fθ(θ=1, 2, …,N)，適應(yīng)度函數(shù)為Fθ=U，選擇適應(yīng)度值盡可能大的個體。

4)選擇操作。利用輪盤賭選擇法對種群個體進行篩選，個體被選中概率與其適應(yīng)度值有關(guān)。根據(jù)式(46)計算個體θ被選擇概率。

(46)

式中：pθ為個體被遺傳到次代概率；Fθ、Fυ均為個體適應(yīng)度值。

5)交叉操作。在個體編碼串中隨機確定交叉起訖點，交換兩個父代染色體中旅游景點對應(yīng)的基因，得到新的染色體。

6)變異操作。對N個染色體進行變異操作：隨機產(chǎn)生一個整數(shù)作為變異的景點旅游順序，在選擇景點旅游順序上隨機產(chǎn)生兩個變異位置，重新計算游客旅游體驗效用，產(chǎn)生新的染色體。

7)重復步驟3)～6)，直到達到最大迭代次數(shù)或規(guī)定適應(yīng)度要求，并輸出最優(yōu)種群，得到城市近郊旅游景點最佳游覽順序。

4 算例分析

筆者選取昆明市五華區(qū)、西山區(qū)、盤龍區(qū)及呈貢區(qū)部分路網(wǎng)及熱門旅游景點為研究對象，實際路網(wǎng)及各景點空間位置如圖2。假定自駕游客從新迎園丁小區(qū)出發(fā)，分別游覽昆明動物博物館、地藏寺經(jīng)幢、西山風景名勝區(qū)及云南民族大觀園，最后返回新迎園丁小區(qū)。筆者所用的昆明市部分路網(wǎng)及各景區(qū)相關(guān)交通數(shù)據(jù)來源于高德平臺；旅游景點屬性數(shù)據(jù)來源于大眾點評等互聯(lián)網(wǎng)平臺，各景點基本屬性取值如表1。

圖2 昆明近郊旅游交通網(wǎng)絡(luò)Fig. 2 Kunming suburb tourism transportation network

表1 景點屬性參數(shù)Table 1 Attraction attribute parameters

4.1 基于游客體驗的城市近郊旅游路線規(guī)劃

根據(jù)實際調(diào)研昆明市城市近郊路網(wǎng)和查閱相關(guān)資料，利用SPSS軟件對采集的綜合路阻影響指標數(shù)據(jù)進行主成分分析，求得綜合路阻各影響因素權(quán)重系數(shù)：路段行車速度權(quán)重系數(shù)δ1=0.07、出行距離權(quán)重系數(shù)δ2=0.27、道路行程時間權(quán)重系數(shù)δ3=0.29、道路擁擠度權(quán)重系數(shù)δ4=0.09、出行費用權(quán)重系數(shù)δ5=0.27；車輛油耗系數(shù)c0=0.7[15]。

利用Folyd算法在MATLAB環(huán)境下編寫算法程序，并對所建立的基于綜合路阻景點間最優(yōu)路徑選擇模型進行求解，得到任意兩景點間最優(yōu)路徑，結(jié)果如表2。

表2 景點間最優(yōu)出行路徑Table 2 Optimal travel route between attractions

表2中：節(jié)點1～5分別表示新迎園丁小區(qū)、昆明動物博物館、西山風景名勝區(qū)、云南民族大觀園、地藏寺經(jīng)幢，節(jié)點6～67表示道路節(jié)點。以節(jié)點1→2為例，自駕游客從新迎園丁小區(qū)出發(fā)至昆明動物博物館的最優(yōu)行駛路線為1→6→7→9→20→2，出行時間為15.10 min，出行費用為4.58元，其他景點間最優(yōu)出行路徑同上。

利用MATLAB依照遺傳算法對基于旅游體驗效用的景點旅游順序規(guī)劃模型進行求解。該模型的費用-折算系數(shù)ρ=0.02[16]；在途旅行時間和出行費用的權(quán)重系數(shù)μ1=μ2=0.5[11]；景點吸引力采用大眾點評景點評分，景點游覽費用只考慮實時門票價格及停車費用；時間窗懲罰系數(shù)p=q=0.15[11]；M=1 000；景點吸引力、實際游覽時間和旅游活動費用權(quán)重系數(shù)分別為φ1=0.39、φ2=0.59、φ3=0.02[6]；旅游成本和景點游覽效用權(quán)重系數(shù)α1=α2=0.5；Tmax=10.5 h。

經(jīng)計算，得到景點最優(yōu)游覽順序為：1→4→5→3→2→1。該路線旅游體驗效用為2.32，游客景點等待時間26 min，景點游覽時間為467 min，道路行程時間為137 min，旅游費用為198.1元，具體旅游路線安排如圖3。

圖3 正常旅行下基于游客體驗的旅游路線Fig. 3 Travel route based on tourist experience under normal travel

假設(shè)游客行程發(fā)生改變，需在17：00返程，現(xiàn)已按最優(yōu)旅游路線游覽完云南民族大觀園景點，打算放棄地藏寺經(jīng)幢景點，在游覽完西山風景名勝區(qū)及昆明博物館后返回新迎園丁小區(qū)，經(jīng)計算可得最優(yōu)游覽順序為：1→4→2→3→1。該路線旅游體驗效用為0.597，游客景點等待時間26 min，景點游覽時間為373 min，道路行程時間為141 min，旅游費用為198.7元，具體旅游路線安排如圖4。

圖4 臨時減少景點下基于游客體驗的旅游路線Fig. 4 Tourist route based on tourist experience under the condition thatscenic spots is temporarily reduced

4.2 基于出行距離最短的城市近郊旅游路線規(guī)劃

為驗證基于游客體驗的城市近郊旅游路線規(guī)劃方法有效性，筆者采用了文獻[17]中所提出的基于最短出行距離方法對昆明市近郊熱門旅游景點進行旅游路徑規(guī)劃，并利用Floyd算法對景點間最短路徑進行求解，得到景點間的最短距離。景點間帶權(quán)有向圖如圖5。

圖5 景點間帶權(quán)有向圖Fig. 5 The weighted directed graph between scenic spots

圖5中：節(jié)點1表示始發(fā)點及終點，節(jié)點2～5表示景點，節(jié)點之間連線表示景點間最短路徑，路徑上數(shù)值表示兩景點間的最短距離。以節(jié)點1→2為例，自駕游客從新迎園丁小區(qū)出發(fā)至昆明動物博物館的最短出行距離為3 660 m，其他景點間最短路徑同上。

利用MATLAB依照遺傳算法對基于出行距離最短旅游路線規(guī)劃模型進行求解，得到最優(yōu)旅游路線為：1→2→3→5→4→1。游客景點等待時間為45 min，景點游覽時間為443 min，道路行程時間為142 min，旅游費用為201.4元。

假設(shè)游客行程發(fā)生改變，需在17：00進行返程，現(xiàn)已按最優(yōu)旅游路線游覽完昆明動物博物館，打算放棄地藏寺經(jīng)幢景點，在游覽完西山風景名勝區(qū)及云南民族大觀園后返回新迎園丁小區(qū)，計算得到最優(yōu)結(jié)果為：1→2→3→4→1。該路線游客景點等待時間45 min，景點游覽時間為351 min，道路行程時間為144 min，旅游費用為199.6元。

4.3 結(jié)果對比分析

為比較不同情景下基于游客體驗和基于出行距離最短的城市近郊旅游路線規(guī)劃結(jié)果，采用景點游覽時間、行程時間、等待時間和旅游費用指標對規(guī)劃的旅游路線結(jié)果進行對比分析。

正常旅行下基于不同方法的評價指標對比如圖6。由圖6可知：對于旅游費用指標，基于游客體驗的旅游路線相比于基于出行距離最短降低了1.7%；對于行程時間指標，基于游客體驗的旅游路線相比于基于出行距離最短減少了3.5%；對于等待時間指標，基于游客體驗的旅游路線相比于基于出行距離最短減少了42.2%；對于游覽時間指標，基于游客體驗的旅游路線相比于基于出行距離最短增加了5.4%。

圖6 正常旅行下基于不同方法的評價指標Fig. 6 Evaluation indicators based on different methods under normaltravel

臨時取消景點下基于不同方法的評價指標如圖7。由圖7可知：對于旅游費用指標，基于游客體驗的旅游路線相比于基于出行距離最短減少了0.5%；對于行程時間指標，基于游客體驗的旅游路線相比于基于出行距離最短減少了2.1%；對于等待時間指標，基于游客體驗的旅游路線相比于基于出行距離最短減少了42.2%；對于游覽時間指標，基于游客體驗的旅游路線相比于基于出行距離最短增加了6.3%。

圖7 臨時取消景點下基于不同方法的評價指標Fig. 7 Evaluation indicators based on different methods under thecondition of temporary cancellation of scenic spots

因此，基于游客體驗的旅游路線規(guī)劃結(jié)果更能滿足游客出行需求，能為城市近郊自駕游客提供出行時間、等待時間及旅游費用更少，游覽時間更多的城市近郊旅游路線。

5 結(jié) 語

筆者基于城市近郊自駕游背景下，通過對影響游客出行體驗的道路交通因素和旅游景點屬性進行綜合分析。利用基于綜合路阻的景點間最優(yōu)路徑選擇模型和基于游客體驗的景點旅游順序規(guī)劃模型分別對景點間路徑及景點旅游順序進行了規(guī)劃。

以昆明市城市近郊路網(wǎng)為基礎(chǔ)，選取部分熱門旅游景點進行了分析。分別采用基于游客體驗和基于出行距離最短的方法進行了城市近郊旅游路線規(guī)劃，并選取旅游費用、行程時間、等待時間、游覽時間指標為兩種方法的旅游路線規(guī)劃評價標準。結(jié)果表明：基于游客體驗的城市近郊旅游路線規(guī)劃能有效減少游客行程時間、景點等待時間和旅游費用，并提高了游客景點游覽時間，具有實用性和可行性。