发布日期：2023-03-28
最新发表：基于Wi-Fi数据和经验正交函数识别社区旅游流的时空模式
最新发表：基于Wi-Fi数据和经验正交函数识别社区旅游流的时空模式
发布日期：2022-08-23 17:29
浏览次数：247
在具有丰富文化和历史遗产的城市，社区旅游（community-based tourism, CBT）已成为一种日渐流行的旅游发展模式。通过在社区中进行定制化的参观和文化探索，游客可以深入了解当地生活，从而获得更好的旅游体验。
解析旅游流的时空模式对于社区旅游具有重要意义，有助于提升社区的旅游管理，促进社区旅游的可持续发展。然而，追踪和识别社区内的旅游流并非易事。一方面，社区通常是小尺度的开放空间，游客活动数据的采集存在困难；另一方面，游客与居民的活动在社区内交汇，为识别旅游流的时空模式带来挑战。论文应用Wi-Fi数据和经验正交函数分别解决上述两个问题。
Wi-Fi数据具有高时空分辨率的优势，可用于追踪小尺度开放空间内的个体活动。论文将Wi-Fi数据用于追踪社区内的游客活动，通过将Wi-Fi探针安装在游客活动的主要地点，获取游客活动的时空信息。
图1 Wi-Fi探针收集Wi-Fi数据的过程示例
经验正交函数（empirical orthogonal function, EOF）是一种将时空数据集分解为多个正交模式的多元统计方法，通过提取主要的时空模式，并与驱动因素建立相关关系，进而解析时空模式的影响机制。具体而言，EOF方法将时空数据集转化为矩阵，通过计算特征向量与特征值，得到具有较大方差解释率的空间模式及其时间系数。论文应用EOF方法解析旅游流的时空模式。
论文的研究区为北京市著名的社区旅游景点—什刹海风景区。我们应用Wi-Fi探针追踪了长达六个月（2018年10月—2019年3月）的游客活动，包括130万名游客超过770万条的活动记录。
图2 Wi-Fi探针布设点位及什刹海风景区的功能区划分
结果发现，具有最大方差解释率的两个空间模式（EOF1和EOF2）及其时间系数（PC1和PC2）揭示了研究区内旅游流的不同时空特征。EOF1作为主导的空间格局，解释了旅游流总方差的主要部分（91.5%）。旅游流的热点区域集中在银锭桥周边的餐饮酒吧区和主要入口区，以及南侧的餐饮服务区和主要入口区（图3a）。此外，在旅游景点区的东南角观察到一个热点，为恭王府景点的售票处。PC1揭示了EOF1随时间的变化特征，在三个假期具有极高的正值，表明旅游流显著增加（图3b）。进一步分析PC1的日平均变化，发现呈单峰曲线，在10:00 至 20:00 为正值，21:00 至 9:00 为负值，说明白天游客流量大时旅游流的空间格局与EOF1一致，PC1为正值，而在夜间游客流量较低，旅游流的空间分布与EOF1不一致，PC1变为负值（图3c）。
图3 主要EOF模式：(a) 空间格局，(b) 时间变化，以及 (c) 每日游客流量的平均变化
EOF2为次要的空间格局，解释了旅游流总方差的4.7%。EOF2中旅游流的热点区域集中在旅游景点区，且热点和冷点之间的差异大于EOF1（图4a）。PC2有更多的负值，表明 EOF2在时间上不稳定，在这些时间点上的旅游流空间分布与EOF2相反（图4b）。PC2的日平均变化受研究区内的主要旅游景点—恭王府的营业时间影响（图4c）。
图4 次要EOF模式(a) 空间格局，(b) 时间变化，以及 (c) 每日游客流量的平均变化
通过将PC1和PC2与天气状况、空气质量和工作日/周末/节假日等因素进行回归分析，发现节假日对PC1具有显着的正向影响，而温湿指数和风效指数等人没齐状况对PC2具有显着的正向影响.
论文的贡献可以从两个方面来表述。首先，Wi-Fi 数据克服了其它地理空间（如手机信令、带有地理坐标的社交媒体、GPS等）数据在时空精度、采样代表性、采集成本等方面的限制，为社区内的旅游流研究提供了数据支撑。其次，本文是最早将EOF方法应用于旅游流分析的研究之一，与其它空间数据分析相比，EOF方法具有以下优势：（1）可以揭示典型的空间模式，并表明其对总体方差的解释率；（2）对于每一种空间模式，通过时间系数揭示其在时间上的变化特征。由于旅游流的时间和空间特征紧密关联，因而EOF方法为识别随时间变化的旅游流热点区域提供了可靠的方法支持。在此基础上，对旅游流时空模式的解释性分析为社区的旅游规划和管理提供了重要依据。
论文是最早使用 Wi-Fi 数据和EOF方法进行社区旅游中旅游流时空模式的研究之一。所提出的方法有助于深入了解开放空间、以旅游为导向的城市社区中的游客行为。
该论文已在最新一期《Current Issue in Tourism》上发表。
文章引用：Luning Li, Xiang Chen, Luyun Zhang, Qiang Li, Yang Yang & Jin Chen (2022): Space–time tourist flow patterns in community-based tourism: an application of the empirical orthogonal function to Wi-Fi data, Current Issues in Tourism, DOI:10.1080/13683500.2022.2106826
文章链接：https://doi.org/10.1080/13683500.2022.2106826
解析旅游流的时空模式对于社区旅游具有重要意义，有助于提升社区的旅游管理，促进社区旅游的可持续发展。然而，追踪和识别社区内的旅游流并非易事。一方面，社区通常是小尺度的开放空间，游客活动数据的采集存在困难；另一方面，游客与居民的活动在社区内交汇，为识别旅游流的时空模式带来挑战。论文应用Wi-Fi数据和经验正交函数分别解决上述两个问题。
Wi-Fi数据具有高时空分辨率的优势，可用于追踪小尺度开放空间内的个体活动。论文将Wi-Fi数据用于追踪社区内的游客活动，通过将Wi-Fi探针安装在游客活动的主要地点，获取游客活动的时空信息。
图1 Wi-Fi探针收集Wi-Fi数据的过程示例
经验正交函数（empirical orthogonal function, EOF）是一种将时空数据集分解为多个正交模式的多元统计方法，通过提取主要的时空模式，并与驱动因素建立相关关系，进而解析时空模式的影响机制。具体而言，EOF方法将时空数据集转化为矩阵，通过计算特征向量与特征值，得到具有较大方差解释率的空间模式及其时间系数。论文应用EOF方法解析旅游流的时空模式。
论文的研究区为北京市著名的社区旅游景点—什刹海风景区。我们应用Wi-Fi探针追踪了长达六个月（2018年10月—2019年3月）的游客活动，包括130万名游客超过770万条的活动记录。
图2 Wi-Fi探针布设点位及什刹海风景区的功能区划分
结果发现，具有最大方差解释率的两个空间模式（EOF1和EOF2）及其时间系数（PC1和PC2）揭示了研究区内旅游流的不同时空特征。EOF1作为主导的空间格局，解释了旅游流总方差的主要部分（91.5%）。旅游流的热点区域集中在银锭桥周边的餐饮酒吧区和主要入口区，以及南侧的餐饮服务区和主要入口区（图3a）。此外，在旅游景点区的东南角观察到一个热点，为恭王府景点的售票处。PC1揭示了EOF1随时间的变化特征，在三个假期具有极高的正值，表明旅游流显著增加（图3b）。进一步分析PC1的日平均变化，发现呈单峰曲线，在10:00 至 20:00 为正值，21:00 至 9:00 为负值，说明白天游客流量大时旅游流的空间格局与EOF1一致，PC1为正值，而在夜间游客流量较低，旅游流的空间分布与EOF1不一致，PC1变为负值（图3c）。
图3 主要EOF模式：(a) 空间格局，(b) 时间变化，以及 (c) 每日游客流量的平均变化
EOF2为次要的空间格局，解释了旅游流总方差的4.7%。EOF2中旅游流的热点区域集中在旅游景点区，且热点和冷点之间的差异大于EOF1（图4a）。PC2有更多的负值，表明 EOF2在时间上不稳定，在这些时间点上的旅游流空间分布与EOF2相反（图4b）。PC2的日平均变化受研究区内的主要旅游景点—恭王府的营业时间影响（图4c）。
图4 次要EOF模式(a) 空间格局，(b) 时间变化，以及 (c) 每日游客流量的平均变化
通过将PC1和PC2与天气状况、空气质量和工作日/周末/节假日等因素进行回归分析，发现节假日对PC1具有显着的正向影响，而温湿指数和风效指数等人没齐状况对PC2具有显着的正向影响.
论文的贡献可以从两个方面来表述。首先，Wi-Fi 数据克服了其它地理空间（如手机信令、带有地理坐标的社交媒体、GPS等）数据在时空精度、采样代表性、采集成本等方面的限制，为社区内的旅游流研究提供了数据支撑。其次，本文是最早将EOF方法应用于旅游流分析的研究之一，与其它空间数据分析相比，EOF方法具有以下优势：（1）可以揭示典型的空间模式，并表明其对总体方差的解释率；（2）对于每一种空间模式，通过时间系数揭示其在时间上的变化特征。由于旅游流的时间和空间特征紧密关联，因而EOF方法为识别随时间变化的旅游流热点区域提供了可靠的方法支持。在此基础上，对旅游流时空模式的解释性分析为社区的旅游规划和管理提供了重要依据。
论文是最早使用 Wi-Fi 数据和EOF方法进行社区旅游中旅游流时空模式的研究之一。所提出的方法有助于深入了解开放空间、以旅游为导向的城市社区中的游客行为。
该论文已在最新一期《Current Issue in Tourism》上发表。
文章引用：Luning Li, Xiang Chen, Luyun Zhang, Qiang Li, Yang Yang & Jin Chen (2022): Space–time tourist flow patterns in community-based tourism: an application of the empirical orthogonal function to Wi-Fi data, Current Issues in Tourism, DOI:10.1080/13683500.2022.2106826
文章链接：https://doi.org/10.1080/13683500.2022.2106826
分享到：
