基于UGC文本數(shù)據(jù)的大陸赴臺游客空間特征探究

趙梓軒 許銳

本文以2011-2019年大陸赴臺自由行游客為研究對象，使用Python爬蟲技術(shù)抓取馬蜂窩、窮游網(wǎng)游記及行程文本數(shù)據(jù)，運(yùn)用自適應(yīng)DBSCAN算法、社會網(wǎng)絡(luò)分析法，提取游客訪問景點(diǎn)，探測旅游熱點(diǎn)AOI，并對出行時(shí)長為8日及15日的游客流動情況進(jìn)行探究，以期總結(jié)經(jīng)驗(yàn)，為類似研究及旅游規(guī)劃發(fā)展提供參考。研究表明，大陸赴臺游客旅游熱點(diǎn)AOI呈環(huán)島狀分布;8日游、15日游游客均以臺北為主要集散地，前者路徑成輻射狀分布，多到訪知名景點(diǎn)，小眾景點(diǎn)較少涉及;后者多采用環(huán)島旅行方式，對臺灣地區(qū)人文風(fēng)情有更細(xì)致地游覽。

引言

近年來，人們的旅游意愿隨著生活水平的提升日益增強(qiáng)，同時(shí)得益于網(wǎng)絡(luò)社交媒體的蓬勃發(fā)展，人們的旅行方式有了極大改變。游客通過平臺可實(shí)時(shí)發(fā)布自己的旅游見聞，與網(wǎng)友互動、討論，并隨之產(chǎn)生了豐富的關(guān)于旅游目的地的信息數(shù)據(jù)。這些由游客編輯生成的數(shù)據(jù)形成了一種新的數(shù)據(jù)類型，用戶生成數(shù)據(jù)（User Generated Content，UGC）。該類數(shù)據(jù)中包含了大量有關(guān)旅游目的地的時(shí)空、情感等信息，有效解決了樣本規(guī)模問題的制約，逐漸成為現(xiàn)階段旅游行為研究的主要數(shù)據(jù)源。

從基于UGC數(shù)據(jù)挖掘游客時(shí)空行為提取旅游行為空間特征的具體研究方法上來看，主要包括旅游熱點(diǎn)提取和軌跡發(fā)現(xiàn)兩個(gè)關(guān)鍵步驟。在旅游熱點(diǎn)提取方面，早期研究多采用核密度分析方法探測城市旅游熱點(diǎn)。該方法能夠有效反映旅游熱點(diǎn)分布的大致趨勢，但無法對熱點(diǎn)與非熱點(diǎn)區(qū)域進(jìn)行準(zhǔn)確區(qū)分，難以進(jìn)一步研究游客在不同熱點(diǎn)之間的轉(zhuǎn)移路徑。近年來，相關(guān)研究聚焦于使用具有噪聲點(diǎn)濾除特性的DBSCAN聚類算法探測旅游熱點(diǎn)區(qū)域。秦靜、Vu等人分別使用P-DBSCAN識別北京、香港城市內(nèi)部AOI，探尋游客時(shí)空分布特征，準(zhǔn)確反映了游客在城市內(nèi)部的真實(shí)分布，并進(jìn)一步生成和分析游客流動規(guī)律。但不難發(fā)現(xiàn)，使用DBSCAN探測旅游熱點(diǎn)區(qū)域需人工指定參數(shù)，存在客觀性不足的缺陷。

對于游客軌跡發(fā)現(xiàn)，早期研究多采用問卷調(diào)查或旅游景區(qū)直接統(tǒng)計(jì)等形式進(jìn)行，受制于樣本大小，相關(guān)研究多集中在小尺度（縣區(qū)行政級別），對其內(nèi)部旅游流空間分布及游客流動規(guī)律進(jìn)行刻畫，未能準(zhǔn)確反映游客在各旅游熱點(diǎn)之間的轉(zhuǎn)移，研究區(qū)域小且代表性不強(qiáng)。而使用UGC大數(shù)據(jù)能夠有效解決樣本制約，精細(xì)刻畫游客流動規(guī)律。秦靜等針對此類現(xiàn)狀使用馬爾科夫鏈對北京市內(nèi)部游客流動軌跡進(jìn)行推演，取得了良好的效果。不可忽視的，此類研究多采用具有地理標(biāo)記的游客照片數(shù)據(jù)，對游客發(fā)布的大量無地理標(biāo)記的文本數(shù)據(jù)利用甚少，其中，如何有效利用文本數(shù)據(jù)成為新的問題。

綜上，針對以上問題，本文以臺灣地區(qū)為實(shí)證研究區(qū)，選取大陸赴臺游客為研究對象，基于游客發(fā)布的行程、游記等文本UGC數(shù)據(jù)，引入自適應(yīng)DBSCAN算法自動求解閾值，提取旅游熱點(diǎn)區(qū)域，總結(jié)游客旅游趨勢。進(jìn)一步利用社會網(wǎng)絡(luò)分析法解析各旅游熱點(diǎn)AOI特征，探索臺灣地區(qū)旅游現(xiàn)狀。本文對大陸對臺開放自由行時(shí)段內(nèi)游客空間行為進(jìn)行研究，總結(jié)游客行為及市場規(guī)律，以期為類似科學(xué)研究及區(qū)域旅游發(fā)展提供思路及方案。

一、研究區(qū)概況及數(shù)據(jù)來源

（一）研究區(qū)概況

臺灣是我國第一大島，地處中國大陸東南部，屬亞熱帶-熱帶過渡區(qū)，氣候宜人。全島山巒綿延，溪谷交錯(cuò)，散落大安、墾丁、阿里山等諸多風(fēng)景名勝，自然環(huán)境優(yōu)美，風(fēng)光秀麗。較之于大陸等其他地域，臺灣島四面環(huán)海，對外交流相對繁盛，多元文化在此交融，造就了豐富的旅游資源，吸引了大量游客旅游觀光，極具研究價(jià)值。

（二）數(shù)據(jù)來源及預(yù)處理

本文使用Python爬蟲技術(shù)，抓取2011年1月1日-2019年7月31日馬蜂窩、窮游網(wǎng)等旅游門戶網(wǎng)站大陸赴臺游客行程及游記文本數(shù)據(jù)，抓取內(nèi)容包括：文本標(biāo)題、作者、來源地、出行日期、上傳日期、出行時(shí)長、花費(fèi)以及文本內(nèi)容共計(jì)8項(xiàng)信息。

數(shù)據(jù)預(yù)處理主要包括：廣告、營銷、純圖片游記數(shù)據(jù)剔除;同一游客分章游記合并;文本分詞及游覽景點(diǎn)按序提取;景點(diǎn)地理編碼及游客路徑生成4個(gè)步驟。經(jīng)爬蟲抓取和預(yù)處理，本文共計(jì)獲得窮游網(wǎng)行程數(shù)據(jù)3 279篇，馬蜂窩游記文本數(shù)據(jù)14 279篇。

二、研究方法

（一）自適應(yīng)的DBSCAN聚類

DBSCAN是一種典型的基于密度的聚類算法，從數(shù)據(jù)對象的分布密度出發(fā)，通過一組“鄰域”參數(shù)（Eps，MinPts）刻畫樣本分布的緊密程度，具有發(fā)現(xiàn)任意形狀的聚類和有效識別噪聲點(diǎn)的特性，但DBSCAN算法需人為指定Eps和MinPts參數(shù)，存在客觀性不夠、人工成本過高等缺陷。為此本文引入李文杰等人提出的自適應(yīng)的DBSCAN算法，該算法基于參數(shù)尋優(yōu)策略，分析數(shù)據(jù)集自身的分布特性，自動求解Eps和MinPts參數(shù)，并在實(shí)踐中取得了良好的效果。

（二）社會網(wǎng)絡(luò)分析法

社會網(wǎng)絡(luò)分析法是一種基于點(diǎn)、線、復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系的跨學(xué)科研究和思維方法，借助圖論、數(shù)理統(tǒng)計(jì)以及拓?fù)鋵W(xué)等定量研究方法，實(shí)現(xiàn)網(wǎng)絡(luò)內(nèi)部個(gè)體、區(qū)域以及系統(tǒng)結(jié)構(gòu)的整合，廣泛運(yùn)用于經(jīng)濟(jì)學(xué)、心理學(xué)等領(lǐng)域。近年來，該方法正逐步應(yīng)用于游客行為研究、旅游市場分析等領(lǐng)域。本研究引入該方法，構(gòu)建大陸赴臺游客旅游流空間特征網(wǎng)絡(luò)結(jié)構(gòu)，借助Gephi軟件，對結(jié)果進(jìn)行可視化，用直觀網(wǎng)絡(luò)圖分析各旅游片區(qū)在整體網(wǎng)絡(luò)中的作用及中心地位。

三、結(jié)果分析

本文使用jieba庫對游客文本數(shù)據(jù)進(jìn)行分詞和詞性標(biāo)注，提取名詞部分，并依賴“臺灣旅游部門”及網(wǎng)絡(luò)公開景點(diǎn)名稱對結(jié)果進(jìn)行修正，例如將“故宮”“故宮博物館”“故宮博物院”等修正為“臺北故宮博物院”，依此建立臺灣地區(qū)旅游景點(diǎn)庫，通過地理編碼，實(shí)現(xiàn)文本景點(diǎn)數(shù)據(jù)向地理數(shù)據(jù)的轉(zhuǎn)換。經(jīng)提取及編碼，本文共計(jì)獲取景點(diǎn)2 786個(gè)，并基于景點(diǎn)的經(jīng)緯度坐標(biāo)，使用自適應(yīng)DBSCAN算法求取閾值，進(jìn)行聚類。經(jīng)實(shí)驗(yàn)，當(dāng)Eps、MinPts分別為0.069 016 837 967 462 4、19.930 032 292 787 9時(shí)，聚類效果最佳，最佳簇?cái)?shù)為18。

從可視化聚類結(jié)果（圖1）不難看出，受臺灣島中央山脈影響，旅游熱點(diǎn)AOI依附城市，呈環(huán)島狀分布。北部地區(qū)臺北、桃園、基隆3塊片區(qū)所占比重較大，三者間聯(lián)系緊密且有成片趨勢;南部地區(qū)旅游熱點(diǎn)AOI呈散落狀分布，各AOI之間相距較遠(yuǎn)，AOI內(nèi)部點(diǎn)密度高，聯(lián)系緊密;東部海岸地區(qū)，如宜蘭、花蓮、北回歸線標(biāo)志公園等，受山脈及臺灣島斷層海岸地形共同影響，AOI呈現(xiàn)狹長狀態(tài)，沿地勢較緩區(qū)域分布;中部地區(qū)則形成了清境農(nóng)場、日月潭景區(qū)、阿里山風(fēng)景區(qū)為主的自然風(fēng)光類小型AOI。進(jìn)一步依據(jù)游客出行時(shí)長規(guī)律，本文選取8日游和15日游為代表，按照景點(diǎn)在游客文本出現(xiàn)的次序，提取并生成游客流動軌跡圖。不難看出，8日游、15日游游客均喜好選擇臺北作為入境點(diǎn)，流動軌跡以臺北為中心呈放射狀分布，8日游游客平均到訪景點(diǎn)32個(gè)，15日游客平均到訪景點(diǎn)48個(gè)。區(qū)別于8日游，15日游游客流動軌跡稠密度高，縱橫交錯(cuò)，涉及更多內(nèi)部景點(diǎn)及細(xì)小片區(qū)，且有環(huán)島趨勢。

為更深層次地刻畫大陸赴臺游客空間特征，本文根據(jù)不同片區(qū)之間游客轉(zhuǎn)移數(shù)據(jù)建立矩陣（圖2），引入網(wǎng)絡(luò)分析方法，以聚類所得片區(qū)為節(jié)點(diǎn)，節(jié)點(diǎn)間流入、流出游客數(shù)量為邊，采用力引導(dǎo)布局進(jìn)行可視化，對各片區(qū)之間內(nèi)在關(guān)系進(jìn)行探索。從直觀網(wǎng)絡(luò)圖上來看，8日游（圖3-a）出現(xiàn)單核心狀態(tài)，臺北片區(qū)與花蓮片區(qū)有重疊現(xiàn)象，與桃園、基隆、墾丁和高雄片區(qū)構(gòu)成核心模塊，其余各片區(qū)與之聯(lián)系較為松散，清境農(nóng)場、彰化等小規(guī)模新興旅游片區(qū)聯(lián)系度低;結(jié)合各片區(qū)所處地理位置，充分反映出該類游客旅游觀光目的性強(qiáng)，多選擇從旅游城市到旅游城市的游覽方式，對路徑上所包含的小眾旅游片區(qū)有所省略。區(qū)別于8日游游客，選擇15日游出行方式的游客，旅游觀光時(shí)間充裕，旅行活動更為細(xì)致，對各片區(qū)的游覽也更加全面。圖3-b中，各片區(qū)之間均有聯(lián)系，構(gòu)成了多核心的網(wǎng)狀結(jié)構(gòu)，游客對彰化、宜蘭等小眾旅游區(qū)也有不同程度的到訪。值得注意的是，臺北與基隆片區(qū)出現(xiàn)重疊現(xiàn)象，筆者認(rèn)為，二者在地理位置上趨近并有片區(qū)融合的趨勢，且片區(qū)內(nèi)部有較多旅游景點(diǎn)，有較為充裕的旅游時(shí)間，使游客在以臺北、基隆片區(qū)構(gòu)成的小區(qū)域內(nèi)開展細(xì)致的旅游活動，出現(xiàn)頻繁往來的情況。

四、結(jié)論與建議

本文使用Python爬蟲技術(shù)抓取2011-2019年馬蜂窩、窮游網(wǎng)中大陸赴臺游客游記及行程文本數(shù)據(jù)，引入自適應(yīng)DBSCAN探索游客旅游熱點(diǎn)，并使用社會網(wǎng)絡(luò)分析法對8日游、15日游兩種旅行方式的游客流動情況進(jìn)行了分析。結(jié)果顯示，大陸赴臺游客AOI片區(qū)在臺灣地區(qū)呈環(huán)島狀分布，人文類、自然風(fēng)景類AOI交雜。北部區(qū)域（臺北、桃園、基隆）有綿延成片趨勢，南部區(qū)域則較為松散。大陸赴臺游客旅游流呈現(xiàn)以臺北片區(qū)為中心，放射狀分布，且有環(huán)島趨勢。8日游旅行模式中，游客旅游針對性更強(qiáng)，表現(xiàn)為臺北、花蓮、基隆、墾丁、桃園、高雄六片區(qū)的直接流動。15日游旅行模式中，臺北片區(qū)中心度雖有所下降但依舊處于核心位置，與基隆片區(qū)形成融合態(tài)勢，其余片區(qū)間游客流動量增大;綠島片區(qū)在網(wǎng)絡(luò)中的地位上升，其余片區(qū)中心度僅有小幅增減。不難看出，游客在旅行時(shí)間充裕的情況下，對臺灣地區(qū)進(jìn)行更為細(xì)致地觀光游覽，對離島區(qū)域也展現(xiàn)出濃厚的興趣。

綜上，臺灣旅游部門應(yīng)加大對臺北片區(qū)內(nèi)部交通、文旅等基礎(chǔ)設(shè)施建設(shè)，做好游客入境、集散等基礎(chǔ)服務(wù)工作;同時(shí)，建設(shè)臺北、基隆、桃園區(qū)域級游覽區(qū)，充分協(xié)調(diào)周邊資源，實(shí)現(xiàn)優(yōu)勢互補(bǔ)、市場互動;進(jìn)一步提升宜蘭、彰化、清境農(nóng)場、綠島等小眾旅游片區(qū)知名度、吸引力，為游客提供更為豐富的旅行體驗(yàn)。

（作者單位：1.福州大學(xué)數(shù)字中國研究院（福建）;

2.福建工程學(xué)院信息科學(xué)與工程學(xué)院）