基于GPS軌跡的都市外圍鄉(xiāng)村徒步旅游社區(qū)聚類

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)徒步旅游活動服務和管理的單元，合理劃分徒步旅游社區(qū)對于引導當?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)化配置服務設(shè)施、實施人流預警分流、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

[文獻標識碼]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動和網(wǎng)絡(luò)資訊的迅速發(fā)展。在歐美發(fā)達國家，徒步旅游已經(jīng)趨于成熟，擁有完善的管理機制和配套設(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際需求[2]，自組織的游憩行為使得基本服務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，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)，對游客空間行為進行全面了解，實現(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，應用傳統(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)，為實現(xiàn)因地制宜的區(qū)域旅游規(guī)劃以及差異化服務和管理提供依據(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、天氣預報、生物分類、考古學、醫(yī)學和心理學等不同領(lǐng)域上早已廣泛采用[18]，而聚類分析的應用已從原來的數(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，聚類分析可以進行旅游市場的精細化劃分[23]，也可以用旅游資源的特征作為屬性進行聚類，包括對觀光農(nóng)業(yè)區(qū)實現(xiàn)空間分區(qū)[24]，通過測算旅游競爭力對省域或全國進行旅游分區(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[35-36]。

已有的各種分析實踐顯示了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]。學者們嘗試把GPS數(shù)據(jù)應用于旅游研究，例如對旅游者的行為進行時空分析[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]。部分學者關(guān)注到了GPS數(shù)據(jù)在徒步旅游中的應用潛力，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)查中應用的廣度和深度不斷增加，而在徒步旅游方面的研究應用還較少，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)合聚類的方法進行徒步旅游分區(qū)的研究方法尚未有學者跟進。

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)周邊可達性高的地區(qū)常常成為當?shù)啬承┤后w進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，重復進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。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)量高低進行評判。國外有學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會[35]。隨著國內(nèi)戶外出行活動的發(fā)展以及GPS應用的普及，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軌跡的機會。

本研究利用六只腳平臺上的GPS軌跡數(shù)據(jù)進行分析。在六只腳平臺上，以“從化”與“增城”作關(guān)鍵詞進行搜索，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)導入ArcGIS后，對數(shù)據(jù)進行初步篩選，過濾在研究范圍外的、異常的或由用戶標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)步行的距離可以達到15～20千米[49]。鑒于2564條軌跡數(shù)據(jù)中可能存在被誤標記為徒步出行實質(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，對軌跡實行進一步篩選，以有效避免誤標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)域為良口鎮(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行系統(tǒng)聚類分析，通過模塊度檢驗選取出模塊度最高的聚類結(jié)果?？紤]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)目對應的網(wǎng)絡(luò)模塊度。當聚類數(shù)目取12類時，模塊度值達最高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為穿越的軌跡數(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。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）?？傮w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，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月份因為紅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)包含天湖風景區(qū)，地表水體比例較高，相應地該社區(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，實際中交通條件和公共服務設(shè)施也較好，方便游客到達。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)的特色景點和徒步軌跡的實際布局，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)的景觀風貌和徒步活動的時空分布呈現(xiàn)明顯的差別，這些特點適合作為徒步旅游服務和管理的依據(jù)。各徒步旅游社區(qū)吸引點和季節(jié)性特征鮮明，本文用社區(qū)標簽對社區(qū)內(nèi)的徒步活動主題進行簡潔的概括（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需求?？梢?，通過聚類的方法對徒步旅游社區(qū)進行劃分并總結(jié)社區(qū)的特征，對于當?shù)氐穆糜我?guī)劃和管理具有重要的引導意義。

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、實現(xiàn)自我的精神滿足，并可倡導環(huán)保健康的價值導向;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，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設(shè)施的布置，涉及安全預警、天氣預報機制、登山基礎(chǔ)設(shè)施和線路風險評估體系等方面[52]。在各徒步旅游社區(qū)的重要線路起終點附近，均要配置適當?shù)慕煌ㄔO(shè)施，如公交站和停車場，增強線路起終點的可達性。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行預警，采取適當?shù)姆至鞔胧?。在淡季時，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之間的有效流動[55]，為游客提供更多的娛樂機會[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際旅游活動需求匹配程度更高，為實現(xiàn)區(qū)域旅游因地制宜的規(guī)劃以及差異化服務和管理提供依據(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管理和安全防護設(shè)施。由于不同徒步旅游社區(qū)有特定的地被分布特點、高程分布特點和旅游的季節(jié)性分布特點，因而形成不同的旅游服務需求。在準確識別社區(qū)特征后，有助于服務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)的準確性。對于實際的規(guī)劃應用，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，而在深化規(guī)劃和管理方案的過程中，本方法需要和實際的現(xiàn)場調(diào)研進行結(jié)合，通過實地調(diào)研驗證本方法得到的結(jié)果以及提供修正。

參考文獻（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)展分析與預測. 北京： 社會科學文獻出版社， 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]. 西北大學學報： 自然科學版， 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. 城市旅游服務功能區(qū)的形成與發(fā)展研究[D]. 南昌： 南昌大學， 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)劃研究進展[J]. 地理與地理信息科學， 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個城市的實證分析[J]. 經(jīng)濟地理， 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]. 復旦學報： 自然科學版， 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)學的實踐與認識， 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. 基于改進熵值法的旅游競爭力模型與聚類分析[J]. 軟科學， 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， 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軌跡的用戶興趣點及頻繁路徑挖掘研究[J]. 系統(tǒng)工程理論與實踐， 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.