基于自媒體平臺的“旅游者”時空行為研究

茍思遠 李鋼 張可心 梁燕均 周佼

[摘 要]大數據時代旅游者行為呈現(xiàn)智能化與個性化趨勢，因而增加了相關研究的復雜性和綜合性。自媒體平臺的興起及其與地理信息技術的融合，可為旅游者時空行為研究提供新的視角和數據及技術支持。以往地理學者重點關注群體性旅游者的時空行為，而忽視多身份及個性化的群體領袖和代表的時空行為。為此，文章基于微信平臺的朋友圈，獲取特殊“旅游者”W教授2014年逐日活動記錄，挖掘其日?；顒觾热?、足跡、照片、情緒等時空信息，綜合運用內容分析法、GIS空間熱點分析和追蹤分析技術對采集到的數據進行時空表達，探究其時空行為特征。研究發(fā)現(xiàn)：（1）W教授有穩(wěn)定的更新朋友圈習慣，動態(tài)數的時刻變化呈現(xiàn)雙峰模式，上午8：00為高發(fā)時刻，且以轉發(fā)加評論為主；（2）圖志是其微信的主要表達形式，其拍照意愿強烈、偏好自拍，屬于積極的自媒體代表，其拍攝行為在時間上表現(xiàn)出規(guī)律性，受到溫度、心情、活動內容等因素的強烈影響，且對歷史和自然景觀的偏好較強；（3）其時空足跡主要分布于北半球和東半球，以中國和歐洲為主，在國內集中于胡煥庸線東南的人口稠密地區(qū)；（4）其旅游者時空行為特征隨身份與目的轉換而變化，因以頻繁跨境和航空出行為主，較之普通旅游者，這類“旅游者”輕空間、重時間，出行時耗成為其空間感知標尺。建議今后的研究應順應大數據和自媒體時代的需求與特點，研究尺度從全數據、大數據聚焦到小數據甚至點數據，并注重不同尺度與來源數據間的整合互補，研究對象從大眾化群體擴展至個性化代表，即作為群體領袖和代表的個體研究應當加強。

[關鍵詞]旅游者時空行為；多身份；領袖型；微信朋友圈；自媒體；大數據

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2016）08-0071-10

Doi： 10.3969/j.issn.1002-5006.2016.08.012

引言

從Web2.0到“互聯(lián)網+”時代，用戶不再只是單純的互聯(lián)網閱讀者，已經由被動地接收互聯(lián)網信息轉變?yōu)橹鲃觿?chuàng)造信息，從而成為大數據的生產者和自媒體的主導者。尤其是通過論壇、微博等形式的信息交流已經成為用戶日常生活的重要組成部分，越來越多的人喜歡通過網絡的形式發(fā)布自己的行程信息，這為利用網絡來獲取個人“數字足跡”提供了可能。國外學者Girardin認為，“數字足跡”就是人們在使用了互聯(lián)網后在網絡上或其他信息系統(tǒng)上留下的與其行為有關的信息，通過這些信息可以反映出用戶的某些現(xiàn)象和規(guī)律[1]。

20世紀90年代國外研究者就已經開始探討旅游者在目的地游覽過程中時空動態(tài)變化的意義[2]。目前針對旅游者時空行為的研究，依據數據來源主要劃分為三類：一是根據活動日志的調查。Thornton等人已有通過時空活動日志調查的方法來研究旅游者決策過程與選擇[3]，黃瀟婷通過問卷和時間地理學的方法對北京頤和園的旅游者時空行為模式進行了探討[4]。二是通過GPS來獲取游客空間動態(tài)信息。Shoval和Isaacson2007年采用行為序列技術分析人類活動，2008年使用GPS追蹤游客在阿克拉古城的流動過程[5-6]，黃瀟婷和馬修軍依據GPS數據對北京頤和園、香港海洋公園的游客時空路徑等外顯行為進行了解析[7-8]，根據其的對比研究，與GPS法相比，傳統(tǒng)的日志調查法獲取的游客時空行為數據質量更高，同樣時間獲取的樣本規(guī)模更大更真實，但兩種方法各有利弊[9]。三是利用目前日益發(fā)達的網絡社交媒體和手機自媒體等平臺，獲取游客的日志、照片信息，Girardin等人通過在Flickr社區(qū)上收集的4280名拍攝者在佛羅倫薩拍攝并公開分享的帶有地理信息的照片，利用地理可視化的方法揭示了游客的集中區(qū)域和時空流向[10]。隨著各類基于位置服務（LBS）網絡平臺的產生和發(fā)展，游客分享的帶地理信息的照片、文本日益增多，通過該方法所獲取的游客數據，綜合了日志調查和GPS調查的高質量、大數據的優(yōu)點，因而越來越多的學者開始嘗試借助這些相對公開的數據來研究游客的時空行為。

然而陳曉磬和章海宏的綜述研究表明，我國目前對于社交媒體的旅游研究尚處于起步階段[11]。于海波、趙振斌和黨嬌等人通過收集網絡平臺上的話題、文本信息分析旅游者的旅游行為特征[12-14]；以新興媒體作為信息來源的，如程萍和嚴艷、張妍妍和李君軼嘗試利用微博、螞蜂窩網頁等獲取文本或有地理標記的照片進行旅游者的空間特征分析[15-16]，這些研究主要集中于旅游者的外顯行為特征研究。更進一步，張高軍等人開始利用QQ群為例，探討旅游者內在行為的特征[17]；張子昂等人也利用微博數據探討劃分性別和地域屬性的游客時空活動演變特征[18]；戴光全和陳欣通過分析旅游照片研究旅游者的攝影心理[19]。早期的外國學者OConnor和Zerger通過采集游客在景區(qū)的位置數據，利用個體為本模型（agent based modeling，ABM）分析景區(qū)內游客的時空行為[20]；Lew和Mckercher通過分析旅游目的特征和影響游客決策的因素建立游客空間移動模型[21]；近期開始注重對于個體的個性化特征研究，José等人通過旅游者發(fā)布在Flickr上的照片來分析攝影者的偏好特征[22]；Iris等人通過旅游照片分析游客的個性偏好特征[23]。

總的來看，國內外的研究趨勢都傾向于由單純的外顯空間特征分析轉向內在的個性分析，但是目前國內地理學者多集中于短時間的游客群體特征研究，對于全年逐日較長時間的、個性化的旅游者偏好特征研究較少。本文以微信（WeChat）作為數據來源，以從事旅游研究與規(guī)劃工作的特殊“旅游者”W教授為例，通過解析其在“朋友圈”發(fā)布的動態(tài)信息來探究其時空行為和偏好特征。本研究有別于針對群體活動規(guī)律的研究，首次采用微信朋友圈的全年逐日時間序列數據，轉而強調針對領袖型個體開展個性偏好特征研究，因為W教授也是從事旅游研究和規(guī)劃群體的重要領袖和代表之一，以期“以小見大”，藉此管窺這類群體的時空行為特征。

1 數據與方法

1.1 數據分類與處理

本文采集到的數據可以分為三類：首先是文本記錄數據，是其微信動態(tài)的主要內容，并可藉此判斷其在發(fā)布動態(tài)時的情緒特征；其次是分類照片數據，包括照片數量、拍攝方式及內容等信息；第三是時空足跡數據，用以確定發(fā)布動態(tài)時所在的地點和整點時間。通過微信好友添加功能，獲得W教授好友驗證后，成功添加其為微信好友，進而收集其2014年每天發(fā)布在“朋友圈”的所有動態(tài)，最后利用Excel將以上三類信息分別建庫。

（1）文本、照片信息：通過文本分析獲取其日?；顒釉斍椋崛∏楦性~匯判斷其情感態(tài)度，分為積極、消極和中性三類。表達喜、樂、感激、贊揚等的為積極類，表現(xiàn)為一些特征詞匯如“贊”“祝賀”“感謝”和特征表情如“偷笑”“微笑”“害羞”“鬼臉”等以及一些以感嘆詞、感嘆標點結尾的明顯帶有興奮、搞怪等情感態(tài)度的短句。表達怒、哀、不滿、批評等的為消極類，表現(xiàn)為一些特征詞匯如“悲哀”“為何……？”以及一些以感嘆詞結尾的明顯帶有不滿情緒的短句。其余沒有特征的描述性語句歸納為中性類。篩選動態(tài)中的照片，按照圖片來源分為轉載圖片、拍攝照片，按照片內容分為室內照片、室外照片、自然景觀照、人物照等，按照拍攝性質分為自拍照片、他拍照片，其中轉載圖片均屬于他拍照片，與他人的合影以及照片中凡出現(xiàn)了教授本人的第三人稱視角照片屬于他拍照片，其余的景觀、人物等照片均歸為自拍照：某些照片來源可能是教授之外的人拍攝的，但由于教授愿意在原創(chuàng)動態(tài)有限的照片數（最多9張）中發(fā)布，表達其對該照片的認可或愛好，同樣可以反映其感知、偏好，與自拍意義相近，故統(tǒng)一歸為自拍。

（2）時空足跡信息：詳細記錄每天動態(tài)發(fā)布時的整點時間；將顯示位置信息的動態(tài)與其發(fā)布內容校核，對于沒有位置信息顯示的動態(tài)，根據動態(tài)內容和文本、照片所涉及的地點判斷確定動態(tài)發(fā)布地點。

（3）數據處理：將收集到的信息轉化為Excel數據庫，以2014年全年的日期為時間軸線記錄動態(tài)條數、發(fā)布整點時刻、地點、活動事項、情感態(tài)度和各類照片數等信息。根據地點信息，通過Google Earth查詢每個地點的經緯度坐標，當只有省、市等大區(qū)域位置信息時，利用其地理中心點坐標代表，建立Excel數據庫。在ArcGIS中創(chuàng)建shapefile格式文件，導入Excel數據庫，依據全年每一天對應的經緯度坐標生成不同位置的點，建立W教授2014年全年的活動足跡信息庫，并可以在GIS數據庫中查詢對應足跡點的相關屬性信息（日期、地點、情感和各類照片數等），以此作為本文研究的基礎數據庫。

1.2 方法

（1）內容分析法：內容分析法是一種對傳播內容進行客觀、系統(tǒng)和定量描述的研究方法。通過對W教授發(fā)布的文字及照片等進行內容分析，可研究其活動類型、情感變化和拍照偏好及影響因素等。

（2）GIS空間熱點分析：熱點分析工具可對數據集中的每一個要素計算Getis-Ord Gi*統(tǒng)計。通過得到的z得分和p值，可以知道高值或低值要素在空間上發(fā)生聚類的位置。此工具的工作方式為：查看鄰近要素環(huán)境中的每一個要素。高值要素往往容易引起注意，但可能不是具有顯著統(tǒng)計學意義的熱點。要成為具有顯著統(tǒng)計學意義的熱點，要素應具有高值，且被其他同樣具有高值的要素所包圍。某個要素及其相鄰要素的局部總和將與所有要素的總和進行比較；當局部總和與所預期的局部總和有很大差異，以至于無法成為隨機產生的結果時，會產生一個具有顯著統(tǒng)計學意義的z得分。

（3）GIS追蹤分析：ArcGIS的Tracking Analyst支持對時間數據的觀察和分析并通過繪圖直觀地顯示。為探索W教授全年足跡的時空特征，基于該工具，以足跡點的“日期”要素為時間字段創(chuàng)建追蹤圖層，然后以時間字段實現(xiàn)追蹤分析，表示復雜的空間模型以及時間序列，同時顯示出全年有記錄的足跡時空變化軌跡。

2 時間特征分析

2.1 微信動態(tài)數時間特征

詳細記錄W教授每天動態(tài)發(fā)布時的整點時間、發(fā)布地點和活動詳情，通過文本中的情感詞匯判斷并記錄其情感態(tài)度。其在2014年全年發(fā)布動態(tài)的有335天，共1074條，平均每天約3條，其中原創(chuàng)并帶圖片的573條，原創(chuàng)純文字的1條，轉發(fā)他人信息的520條。

2.1.1 逐日變化特征

圖2所示為發(fā)布動態(tài)數量的全年逐日變化曲線，總體上看沒有平滑的區(qū)段，全年呈現(xiàn)波動走低趨勢，上半年較下半年波動劇烈。

2.1.2 月、季度變化特征

統(tǒng)計每月發(fā)布的動態(tài)數，繪制月變化曲線、季度變化曲線如圖3。月變化總體呈現(xiàn)出下降趨勢，在7月出現(xiàn)局部的小波峰，查詢其7月活動地區(qū)，以江蘇、四川、陜西、西藏為主，主要是旅游觀光，表明在盛夏旅游過程中，W教授偏好發(fā)布動態(tài)分享其行程。季度數量呈現(xiàn)“U”形曲線，大致表明冬、春兩季為高值，秋季出現(xiàn)最低值。

2.1.3 時刻特征

統(tǒng)計W教授2014年全年發(fā)布動態(tài)時間的整點時刻，記錄頻數，繪制圖4。全年共1084條動態(tài)，平均每天約3條，其發(fā)布動態(tài)的時間呈現(xiàn)明顯的集中分布，大致呈現(xiàn)一高一低的雙峰模式：早晨8：00出現(xiàn)最高峰，遠高于其他任何時刻；9：00—15：00間頻數逐漸減小，但相對平穩(wěn)；19：00—22：00間出現(xiàn)小高峰?？傮w呈現(xiàn)雙峰形態(tài)，7：00—10：00為大高峰，動態(tài)內容以轉發(fā)和發(fā)表觀點為主，19：00—22：00為小高峰，動態(tài)內容多為總結一天的行程和活動內容。此外，1：00—5：00的動態(tài)包含不少其出國旅行途中發(fā)布的動態(tài)，這與時差有一定關系。

2.2 照片數時間特征

篩選每條動態(tài)中的圖片，按圖片來源分為轉載圖片、拍攝照片，按照片拍攝地點分為室內照、室外照，按照片內容分為自然景觀照、人文景觀照，按拍攝性質分為自拍照、他拍照。獲取全年圖片數共2446張，其中拍攝的照片數1740張，占71.1%（拍攝照片中室內830張，室外910張），有1611張為自拍照，占拍攝照片數的92.6%，表明其自拍偏好強烈。

2.2.1 逐日變化特征

統(tǒng)計分析各類照片全年逐日數量的變化（圖5、圖6），均表現(xiàn)為全年波動大，規(guī)律性不強的特點。總體而言，按景觀和人物分類的照片數量波動性遠遠大于按照室內、室外和自拍、他拍分類的照片數量。聚焦6—9月，室外照數量波動強于室內照，自拍照數量遠遠大于他拍照數量，且波動更劇烈。

2.2.2 逐月變化特征

將全年各月發(fā)布動態(tài)中的照片數分類統(tǒng)計，如圖6?？傮w表現(xiàn)為拍攝照片數多于轉發(fā)照片數。其中轉發(fā)照片數前半年多于后半年，但全年各月波動較小，而拍攝照片數受其活動和意愿影響各月波動較大。特別是4月、11月和12月出現(xiàn)低谷，分析4月中的活動類型和情緒詞匯發(fā)現(xiàn)，W教授在該月中表達不滿情緒的次數占全年所有表達不滿次數的41.2%，比例較高；11月、12月出現(xiàn)低谷是由于這兩個月W教授發(fā)布的動態(tài)總量較少。由此可知，消極、不滿情緒使得W教授拍攝照片的意愿降低。

2.2.3 影響因素

（1）情緒的影響

將有明顯情緒表達的記錄挑選出來，分為三類：表達開心、快樂的為積極類；表達思考、期待、懷舊、祝福的為中性類；表達憤怒、不滿的為消極類。統(tǒng)計全年各月發(fā)布的動態(tài)中各類情緒天數如圖7。其中6月、7月為積極類的峰值，在4月、9月、12月出現(xiàn)低谷，分析其6月、7月發(fā)布微信中有明確提出活動事項的共54天，其中明確提出有觀光活動的共21天，占38.89%；4月、9月、12月發(fā)布微信中明確提出活動事項的共54天，其中明確提出有觀光活動的共3天（全部在9月），占5.56%。結合圖7、圖8，將6月、7月與4月、9月、12月對比，探討積極類情緒在6月、7月出現(xiàn)峰值的原因，發(fā)現(xiàn)在這兩組月份活動中，旅游觀光這一項的差異較大，故得出參與旅游觀光活動使得W教授心情愉悅。從圖8看出，積極類情緒在1月、2月和7月、8月出現(xiàn)明顯高峰，10月、11月出現(xiàn)階段性峰值，與照片數量中1月、2月和7月、8月的峰值以及10月、11月出現(xiàn)的小峰值波動基本吻合，故推斷積極類情緒對發(fā)布照片數量有積極影響。

（2）氣溫的影響

將全年逐月發(fā)布的室內照與室外照對比（圖9），顯示室外照片數的比例與我國東部月均溫變化趨勢大體一致，在6月、7月、8月達到最高，在12月、1月左右最低，表明氣溫對W教授拍照取景有重要影響，氣溫升高時傾向于拍攝室外照，氣溫降低時傾向于拍攝室內照。

3 空間特征分析

3.1 足跡點分析

將所收集到的足跡信息在GIS中按經緯度進行空間顯示（圖1），可以發(fā)現(xiàn)其全年足跡點主要分布在亞洲和歐洲，重點集中在中國。

當坐標位置相同時會出現(xiàn)足跡點的重合，因此采用GIS的空間統(tǒng)計工具對足跡點進行收集，將足跡點數轉換為加權點數并按照自然間斷點來分級顯示，點的大小對應著足跡數量的多少（圖10）。

如圖10所示，全年的足跡點主要集中在中國，歐洲和澳大利亞也有少量分布。提取出在中國范圍內的足跡點（圖11），主要集中在東南沿海及北京地區(qū)，其活動范圍也主要集中在胡煥庸線東南，尤其是沿海地區(qū)。通過GIS屬性表查詢發(fā)現(xiàn)位于胡煥庸線西北的足跡點基本均為觀光考察，而東南部的足跡點顯示，其活動則更為多樣化。

3.2 空間熱點分析

利用GIS的Getis-Ord Gi*熱點分析工具揭示其足跡點分布和每個足跡點處各類照片數的“熱點區(qū)”“冷點區(qū)”。

3.2.1 足跡點熱點

以足跡點個數為輸入字段，對收集后的W教授全球足跡點進行Getis-Ord Gi* 熱點分析，結果顯示并沒有統(tǒng)計上的“熱點區(qū)”或“冷點區(qū)”。

3.2.2 照片拍攝地熱點

鑒于W教授2014年全年活動足跡主要分布在中國，其余地區(qū)數據量較少且分散，所以選取中國部分的足跡點進行聚焦分析。分別以各個足跡點處發(fā)布的照片數（包括轉發(fā)照片數和拍攝照片數）和拍攝照片數為輸入字段進行Getis-Ord Gi*熱點分析（圖12）。

如圖12a所示，在東南沿海如廣東地區(qū)出現(xiàn)發(fā)布照片的熱點區(qū)域，在新疆西北部有較熱點區(qū)域，京津冀地區(qū)出現(xiàn)冷點區(qū)域。表明其在廣東、新疆地區(qū)發(fā)布的動態(tài)中照片較多且集中，而在京津冀地區(qū)發(fā)布圖片相對較少。

如圖12b所示，拍攝照片數的熱點分布，新疆西北部仍然為較熱點區(qū)域，京津冀地區(qū)仍然為冷點區(qū)域，而東南沿海地區(qū)卻呈現(xiàn)出不顯著的特征，同時在陜西、西藏兩地出現(xiàn)拍攝照片的較熱點區(qū)。表明在新疆、陜西、西藏等地，發(fā)布的動態(tài)中自己拍攝的照片數量較多且集中，而在京津冀地區(qū)拍攝的照片較少。

對比照片總數和拍攝照片數的熱點分布，可以發(fā)現(xiàn)其在照片發(fā)布方面的一些空間特征：

（1）在歷史、自然景觀較為豐富的西部地區(qū)（陜西、西藏、新疆等地），其行程目的多為旅游觀光，更傾向于拍攝照片，因而在這些地區(qū)呈現(xiàn)出熱點或較熱點。

（2）查詢GIS屬性表可知，在廣東地區(qū)以參加會議、報告等為主，情感態(tài)度形容詞多為“思考”“對某事提出看法”等，因此自己拍攝照片較少，而多為轉發(fā)他人照片。

（3）在京津冀地區(qū)，不論是發(fā)布照片總數還是拍攝照片數都呈現(xiàn)出冷點，通過查詢GIS屬性表分析發(fā)現(xiàn)，W教授全年在該地區(qū)發(fā)布的所有照片中，室內照共72張，室外照共12張，比例為6：1，然而統(tǒng)計其全年發(fā)布照片中室內照共830張，室外照共910張，比例約為0.9：1，兩個比例數值反差巨大。因此相對于其他地區(qū)，W教授在京津冀地區(qū)的室內活動數量相對較多，而室外活動相對較少，表明室內活動對其發(fā)布照片總數和拍攝照片數都有消極影響，同時京津冀地區(qū)也是其工作單位所在地，對于相對熟悉的環(huán)境拍照意愿會有所下降。

3.3 足跡點時空軌跡分析

對于所有的足跡點，其屬性表中有唯一標識字段“日期”。采用ArcGIS追蹤分析方法解析W教授全年足跡點的時空變動特征。

3.3.1 全球足跡

基于ArcGIS的Tracking Analyst工具，以足跡點的“日期”要素為時間字段創(chuàng)建追蹤圖層，然后以時間字段實現(xiàn)追蹤分析（圖13a）。在大尺度的出行中，W教授的出行目的并不是單純的觀光旅行，出行地點和線路的選擇帶有一定的任務性。因此其時空足跡并沒有表現(xiàn)出一般大尺度旅游者追求環(huán)狀路線，力求用環(huán)狀路線將各個目的地聯(lián)系起來的空間行為特征。

3.3.2 國內足跡

國內足跡大致呈現(xiàn)放射式分布（圖13b），以北京為中心向南輻射，足跡線分布呈現(xiàn)東密西疏特征，目的地主要以東南沿海為主，特別是上海、江蘇一帶，這與圖11中所顯示的足跡點密度相吻合。

足跡線以單線為主，同時包含部分環(huán)狀出行線路。表明研究對象全年的國內活動主要為單向節(jié)點式，即“北京—目的地—北京”的模式。同時也有部分是采用環(huán)狀形式，即“北京—目的地1—目的地2……—北京”。

綜合分析圖13，W教授作為一個旅游研究與規(guī)劃學者，在觀光主導的出行過程中同樣符合一般意義上的旅游者出行特征，即大尺度出行力圖追求環(huán)狀路線，中小尺度出行以單節(jié)點線路為主。而在非觀光主導的出行過程中表現(xiàn)出差異性，這與其出行的目的不同有關，包括觀光旅行、自我宣傳、學習交流等多重目的，帶有一定的任務性，因此影響其出行線路的選擇。

同時，作為日常出行十分頻繁且多為跨省出行的W教授來講，其空間尺度概念與一般旅游者存在差異：對于一般旅游者，省內出行可以看作是中小尺度的空間行為，省外出行作為大尺度的空間行為，受到距離和交通方式的影響；而W教授的旅游者時空行為特征隨身份與目的轉換而變化，因以頻繁跨境和以航空出行為主，較之普通旅行者，W教授輕空間、重時間，出行時耗為其空間感知標尺。

4 總結與討論

4.1 總結

本文基于從微信朋友圈這一相對私密的自媒體平臺獲取的研究數據，結合ArcGIS的空間分析功能，對W教授2014年全年逐日的時空行為特征作了探索性分析，得到以下初步認識：

（1）W教授全年逐日動態(tài)發(fā)布數量波動較大，但月和季度的數量表現(xiàn)出規(guī)律性：全年動態(tài)數量有按月遞減的趨勢；季度數量呈現(xiàn)“U”形態(tài)勢，冬、春兩季為高值，秋季出現(xiàn)最低值。其有穩(wěn)定更新“朋友圈”的習慣，動態(tài)發(fā)布的時刻呈現(xiàn)雙峰模式，早上7：00—10：00點為大高峰（8：00為頂峰），晚上7：00—10：00點為小高峰，其中早高峰發(fā)布內容以時事動態(tài)為主，多為轉發(fā)加評論。

（2）其主動拍攝的照片數占發(fā)布照片總數的71.1%，其中自拍占拍攝照片數的92.6%，可見其拍照意愿強烈，且有自拍偏好，屬于積極的自媒體代表。作為旅游研究者與規(guī)劃專家，其出行目的多與學術交流、規(guī)劃業(yè)務和自我宣傳有關。

（3）其在旅游觀光途中屬于正常旅游者，大尺度旅游出行追求等級較高的景點并且傾向于采取環(huán)狀路線。途中偏好于拍攝自然景觀，2014年2月—4月、6月—10月為其高峰期，表明該年度其旅游出行活動相對較多。

（4）從發(fā)布照片的時間特征分析，其拍攝照片的意愿受到溫度、空氣質量、空間開闊度（室內和室外）、活動內容和心情的強烈影響。當溫度升高、空氣質量好轉、心情愉悅時，拍照愿望較強，且傾向于外拍；同時，在旅游觀光途中更喜歡拍照。

（5）從足跡的空間分布分析，其活動主要集中在北半球和東半球，以中國和歐洲地區(qū)為主，南半球主要以澳洲為主。其中，在中國范圍內主要集中在胡煥庸線東南的人口稠密地區(qū)，尤以上海、江蘇等地為主。

（6）通過Getis-Ord Gi*熱點分析，分別識別其足跡點、發(fā)布照片總數、拍攝照片數的“熱點”和“冷點”區(qū)域，發(fā)現(xiàn)發(fā)布照片總數和拍攝照片數的熱點區(qū)域呈現(xiàn)差異性。不同個體對于各類型的風景感知存在差異，因而照片所展現(xiàn)出來的內容及展現(xiàn)形式就因人而異。受到景觀類型、心情和活動空間的影響，W教授在歷史、自然景觀豐富的地區(qū)會出現(xiàn)拍攝照片的熱點區(qū)域；在以室內活動為主或是在參加會議等地區(qū)會出現(xiàn)拍攝照片的冷點區(qū)域；在情感詞以“思考”“對某事提出看法”等中性情緒的地區(qū)會出現(xiàn)發(fā)布照片（轉發(fā)為主）的熱點區(qū)域，體現(xiàn)其對于歷史、自然風景的感知較強。

（7）通過ArcGIS的追蹤分析，發(fā)現(xiàn)W教授作為旅游研究者與規(guī)劃專家的出行特征與大眾游客空間行為特征存在差異，并沒有表現(xiàn)出大尺度出行追求環(huán)形線路，中小尺度出行追求單節(jié)點式線路的特征，而是受到其出行任務影響。但是在觀光主導的出行過程中同樣符合一般意義上的旅游者出行特征。

（8）W教授的旅游者時空行為特征隨身份與目的轉換而變化，因以頻繁跨境和航空出行為主，較之普通旅游者，這類“旅游者”輕空間、重時間，出行時耗成為其空間感知標尺。

4.2 討論

（1）本文研究對象W教授是旅游研究與規(guī)劃工作者，其活動空間較大，出行次數較多，但在出行過程中通常帶有工作目的，因此其全年活動的時空行為特征與一般旅游者存在差異。

（2）較之微博等開放公共平臺，微信朋友圈屬于一個相對私密的自媒體空間，雖然真實度高，但必須添加好友后才能獲取動態(tài)信息，這局限了信息來源的廣度，同時微信好友的標簽分組功能也使得所獲信息可能較為片面，可能無法完整地反映全部日常活動。

（3）數據的完整性：理想研究對象最好有固定的發(fā)布微信“朋友圈”共享動態(tài)的習慣，才能確?？梢垣@取到長時間序列的完整數據。此外，未來還應加強研究對象在其發(fā)布的旅游小視頻、其負責的旅游公眾號及其建立的旅游微信群等方面的分析工作。

（4）由于是在相對私密的空間所獲取的數據，研究所獲得的信息公布方面可能涉及到個人隱私問題，應當慎重。

本文首次采用微信作為數據來源，對具有一定代表性的個體進行了個性化的偏好及空間特征分析，以此管窺個體所代表的一類群體的特征。今后的研究應順應大數據和自媒體時代的需求與特點，研究尺度從全數據、大數據聚焦到小數據甚至點數據，并注重不同尺度與來源數據間的整合互補，研究對象從大眾化群體擴展至個性化代表，即作為群體領袖和代表的個體研究應當加強，研究內容可擴展至對微信群、微信公眾號、微信小視頻以及微信與微博的對比分析。

參考文獻（References）

[1] Fabien G， Josep B， Francesco C， et al. Digital foot-printing： Uncovering tourists with user-generated content[J]. IEEE Pervasive Computing， 2008， 7（4）： 36-43.

[2] Lew A， McKercher B. Trip destinations， gateways and itineraries： The example of Hong Kong[J]. Tourism Management， 2002， 23 （6）： 609-621.

[3] Thornton P R， Williams A M， Shaw G. Revisiting time-space diaries： An exploratory case study of tourist behavior in Cornwall England[J]. Environment and Planning A， 1997， 29（10）： 1847-1867.

[4] Huang Xiaoting. Temporal and spatial behavior patterns of tourist attractions based on time geography[J]. Tourism Tribune， 2009， 24（6）： 82-87. [黃瀟婷. 基于時間地理學的景區(qū)旅游者時空行為模式研究[J]. 旅游學刊， 2009， 24（6）： 82-87.]

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

[6] Shoval N. Tracking technologies and urban analysis[J]. Cities， 2008， 25（1）： 21-28.

[7] Huang Xiaoting， Ma Xiujun. Research on the activity rhythm of tourists based on GPS data[J]. Tourism Tribune， 2011， 26（12）： 26-29. [黃瀟婷， 馬修軍. 基于GPS數據的旅游者活動節(jié)奏研究[J]. 旅游學刊， 2011， 26（12）： 26-29.]

[8] Huang Xiaoting. Research on the process of the tourism emotion experience based on the time and space route： Take Hong Kong Ocean Park as an example[J]. Tourism Tribune， 2015， 30（6）： 39-45. [黃瀟婷. 基于時空路徑的旅游情感體驗過程研究——以香港海洋公園為例[J]. 旅游學刊， 2015， 30（6）： 39-45.]

[9] Huang Xiaoting. Comparison of spatial and temporal behavior data quality of tourists based on GPS and log survey[J]. Tourism Tribune， 2014， 29（3）： 100-106. [黃瀟婷. 基于GPS與日志調查的旅游者時空行為數據質量對比[J]. 旅游學刊， 2014， 29（3）： 100-106.]

[10] 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.

[11] Chen Xiaoqing， Zhang Haihong. Research status and review of social medias tourism application[J]. Tourism Tribune， 2015， 30（8）： 35-43. [陳曉磬， 章海宏. 社交媒體的旅游應用研究現(xiàn)狀及評述[J]. 旅游學刊， 2015， 30（8）： 35-43.]

[12] Yu Haibo. The research method of network topic as the source of qualitative data： Taking tourism motivation research as an example[J]. Tourism Science， 2011， 25（1）： 46-53. [于海波. 網絡話題作為定性數據來源的研究方法探討——以旅游動機研究為例[J]. 旅游科學， 2011， 25（1）： 46-53.]

[13] Zhao Zhenbing， Dang Jiao. Taibai Mountain backpacker tourism behavior research based on internet text content analysis[J]. Human Geography， 2011， 26（1）： 134-139. [趙振斌， 黨嬌. 基于網絡文本內容分析的太白山背包旅游行為研究[J]. 人文地理， 2011， 26（1）： 134-139.]

[14] Dang Jiao， Zhao Zhenbing， Zhao Li. Taibai Mountain tourist behavior research from the perspective of tourism resources[J]. Tourism resources， 2011， 27（6）： 555-558. [黨嬌， 趙振斌， 趙麗. 太白山旅游者行為研究從博客分析視角[J]. 旅游資源， 2011， 27（6）： 555-558.]

[15] Chen Ping， Yan yan. Study on the attraction of new media to tourists in tourism： Based on the analysis of the web text [J]. Tourism Forum， 2012， 5（3）： 2226. [程萍， 嚴艷. 旅游微博新媒介對旅游者的吸引力研究——基于對藝龍旅行網新浪微博的網絡文本分析[J]. 旅游論壇， 2012， 5（3）： 2226.]

[16] Zhang Yanyan， Li Junyi. Research on the structure of Xi'an tourism flow network based on the tourism digital footprint. [J]. Human geography， 2014， 29（4）： 111-118. [張妍妍， 李君軼. 基于旅游數字足跡的西安旅游流網絡結構研究[J]. 人文地理， 2014， 29（4）： 111-118.]

[17] Zhang Gaojun， Li Junyi， Bi Li， et al. Analysis of the characteristics of information interaction in the virtual community of tourism： A case study of the QQ group[J]. Tourism Forum， 2013， 28（2）： 119-126. [張高軍， 李君軼， 畢麗， 等. 旅游同步虛擬社區(qū)信息交互特征探析——以QQ群為例[J]. 旅游學刊， 2013， 28（2）： 119-126.]

[18] Zhang ZiAng， Huang ZhengFang， Jin Cheng， et al. Research on the spatial and temporal behavior of scenic tourist activities based on micro blog sign data： A case study of a scenic area in Nanjing[J]. Geography and Geographic Information Science， 2015， 31（4）： 121-126. [張子昂， 黃震方， 靳誠， 等. 基于微博簽到數據的景區(qū)旅游活動時空行為特征研究——以南京鐘山風景名勝區(qū)為例[J]. 地理與地理信息科學， 2015， 31（4）： 121-126.]

[19] Dai Guangquan， Chen Xin. A preliminary study on the psychology of tourists： Content analysis based on photos [J]. Tourism Tribune， 2009， 24（7）： 71-77. [戴光全， 陳欣. 旅游者攝影心理初探——基于旅游照片的內容分析[J]. 旅游學刊， 2009， 24（7）： 71-77.]

[20] 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.

[21] Lew A， McKercher B. Modeling tourist movements： A local destination analysis[J]. Annals of Tourism Research， 2006， 34（1）： 141-159.

[22] José A D， Raquel C， et al. Tourist clusters from Flickr travel photography[J]. Tourism Management Perspective， 2014， 7（11）： 26-33.

[23] Iris S L， Bob M， Ada L， et al. Tourism and online photography[J]. Tourism Management， 2011， 32（4）： 725-731.