攝影視角下新冠肺炎疫情對游客感知與行為影響研究

嚴子期,王儀,夏舟波

（1.寧波工程學院 人文與藝術學院，浙江 寧波 315211；2.寧波諾丁漢大學 商學院，浙江 寧波 315100）

0 引言

2019年底，新冠肺炎疫情爆發(fā)并迅速席卷全球，對我國旅游業(yè)造成了巨大沖擊。2020年，國內游客量為29億人次，比2019年同期減少30億人次；國內旅游收入2.23萬億元，同比減少3.50萬億元，下降61.1%；人均每次出游花費774.14元，同比下降18.8%[1]。如何在新冠肺炎疫情可能與人類長期共存的背景下發(fā)展旅游業(yè)是值得思考的問題。目前國內外學者已做了相關的研究，比如，夏杰長和豐曉旭將此次疫情與2003年非典疫情進行比較，認為新冠肺炎疫情對旅游業(yè)的影響更為嚴重，并對政府和市場提出了相對應的建議[2]；劉雷和史小強探索了新冠肺炎疫情下體育旅游行為的影響機制，發(fā)現(xiàn)消費者的體育旅游風險感知較高，體育旅游消費行為意向較低[3]；呂宛青等著眼于地方，從宏觀旅游經(jīng)濟運行、中觀旅游業(yè)態(tài)發(fā)展、微觀旅游企業(yè)發(fā)展及旅游資本市場等四個層面，對新冠肺炎疫情給云南省區(qū)域旅游發(fā)展帶來的影響進行分析，并提出相應的恢復發(fā)展策略[4]。Vaishar和?tˇastná認為新冠肺炎疫情使得鄉(xiāng)村目的地成為游客的新選擇，一些目的地在2020年夏季的游客人數(shù)與2019年相比有了明顯的增長，并指出這種新的方向需要在基礎設施、營銷和區(qū)域合作方面進行投資[5]。El-SAID和AZIZ分析了虛擬旅游在后疫情時期旅游業(yè)復蘇中的作用，并發(fā)現(xiàn)技術接受模型(technology acceptance model，TAM)和保護行動決策模型(protective action decision model，PADM)可以有效預測用戶采取虛擬旅游的意圖，而這種意圖對其訪問實際旅游景區(qū)的傾向具有正向影響[6]。然而，充分利用游客拍攝的照片大數(shù)據(jù)進行地方性游客感知及行為影響的研究仍有空白。

攝影作為用戶生成內容(user-generated content，UGC)的一種形式，在現(xiàn)代旅游中起著至關重要的作用。照片由于其視覺表現(xiàn)能力，在形成目的地形象和傳達信息等方面影響深遠且廣泛，已成為游客行為調查的有效工具。隨著大數(shù)據(jù)時代的到來，照片大數(shù)據(jù)以前所未有的數(shù)量和細節(jié)展示了其提高旅游學術界和旅游行業(yè)知識的潛力，特別是與目的地游客行為相關的研究[7]。照片通常含有兩層信息——表面信息（如視覺內容、照片標題和標題等），以及元數(shù)據(jù)（又名可交換圖像文件格式，exchangeable image file format，簡稱EXIF，如曝光設置、拍攝時間、地理坐標等）[8]。進入照片大數(shù)據(jù)時代后，前期的研究主要集中在分析照片元數(shù)據(jù)，忽略了其表面的豐富視覺內容[9]，可能是因為缺乏相應的照片挖掘和分析技術。本研究通過照片大數(shù)據(jù)圖像識別及分析，結合照片背后的元數(shù)據(jù)信息，以新冠肺炎疫情作為影響游客行為的主要風險（因影響身體健康的風險因素左右決策最為顯著[10]。游客一旦感知到風險，會采取不同的反應，比如及時調整旅行時間和同伴、改變目的地、調整策略等），試圖從全局視角描繪首輪疫情前后游客感知及行為的變化情況，以期為目的地規(guī)劃、旅游資源整合以及更有效地吸引游客提供建議和參考。

1 研究設計

1.1 研究的對象

將浙江省寧波市作為主要研究城市,因為寧波作為副省級城市、中國東南沿海重要的港口城市以及長江三角洲南翼經(jīng)濟中心，是一個典型的江南水鄉(xiāng)兼海港城市。它擁有多種地貌，屬亞熱帶季風氣候區(qū)，全年適合旅游。它擁有7 000年河姆渡文化，又受越文化影響，占有著豐富的旅游資源，常年吸引著大量游客。

1.2 數(shù)據(jù)的來源

選擇國內最大的旅游電子商務平臺之一——攜程網(wǎng)進行數(shù)據(jù)收集。攜程網(wǎng)從1999年成立至今，服務了全國數(shù)百萬游客，收集了大量包含視覺內容的游記。

1.3 研究的方法及步驟

利用攜程網(wǎng)采集的照片大數(shù)據(jù)，遵循現(xiàn)有理論框架，通過計算機深度學習模型和ArcGIS等分析工具，對照片的視覺內容和嵌入信息進行分析，比較游客的感知和行為偏好在疫情前后的變化。首先從寧波市的旅行日記中刪除了沒有包含照片的游記。其次，以新冠肺炎疫情首次爆發(fā)的2020年1月為起始，以同年4月中小學開學為標志來認定首輪疫情控制措施的結束。以此刪除了2020年1月1日至3月31日相關的數(shù)據(jù)。數(shù)據(jù)收集截止于2021年初第二輪疫情爆發(fā)。綜上，本研究獲取9個月的面板數(shù)據(jù)，即從2020年4月1日至2020年12月31日。為平衡樣本，一并收集2019年4月1日至同年12月31日的數(shù)據(jù)。

研究采用了CHEN等提出的DeepLabv3+進行場景識別[11]，該程序目前已更新了三代。對于DeepLabv3+中采用的神經(jīng)網(wǎng)絡結構，則選擇了ResNet[12]用于分類場景識別，它在各種計算機視覺競賽中取得了不錯的成績。每張照片根據(jù)圖1中所示的場景識別范例進行圖像識別。本文參考了類型學和相關旅游研究文獻[13]，得出表1中的分類結果，并按照11個感知類別下的150個可識別場景，對圖像識別結果進行分類和比較。相關文獻已表明DeepLabv3+及其使用的150個場景分類器對于常規(guī)旅游照片畫面的覆蓋性和識別的有效性[14]。在全樣本分析前，隨機抽取了少量實驗樣本，結果顯示這樣的分類方式是有效的。

表1 11個感知類別下的150個可識別場景

圖1 場景識別范例

研究過程主要分為四個步驟。第一步，數(shù)據(jù)收集和預處理。從攜程網(wǎng)收集游記和旅游照片，并篩除不符合要求的樣本（如圖片重復、分辨率太低等）。最終，收集游記155篇（2019年4月—12月：69篇，2020年4月—12月：86篇）。在關于寧波的游記中收集12 244張旅游照片（2019年4月—12月：6330張，2020年4月—12月：5914張）。由于游記與實際旅游時間存在偏差，在數(shù)據(jù)分析前根據(jù)游記中作者提到的實際旅游時間進行相關的校正。第二步，使用DeepLabv3+深度學習模型對每張旅游照片的語義成分進行分割，確定場景。第三步，分析所得數(shù)據(jù)。基于深度學習模型結果，通過11個類別和單個場景，對比首輪疫情爆發(fā)前后游客對旅游場景感知的變化；對比游記和旅行照片的數(shù)量變化、同伴選擇和人均消費，并使用ArcGIS軟件和照片地理標簽，進行游客行為分析。第四步，根據(jù)數(shù)據(jù)分析得出結論。

2 結果與分析

2.1 新冠肺炎疫情對游客感知的影響

通過兩個指標——場景發(fā)生率（scenario occurrence rate，SOR）和平均場景比率（average scenario ratio，ASR），研究對比了首輪疫情爆發(fā)前后游客的感知及行為的變化。SOR代表某一場景在所有挖掘照片中的出現(xiàn)率（如一張照片中出現(xiàn)該場景則計次1次，以此類推統(tǒng)計出整個數(shù)據(jù)集中該場景的出現(xiàn)率）；而ASR代表該數(shù)據(jù)集中某一場景的畫面大小占整張照片畫幅的平均比例（由一張照片中某一特定畫面占整張畫幅大小除以出現(xiàn)該場景的照片數(shù)量得到）。這兩個指標都可以反映游客在旅行中的感知和行為，但又有不同。平均場景比率（ASR）表示特定場景的像素占整張照片的比例。它是旅游期間游客注意力分布的典型指標，因為在攝影中，照片中某個場景的比例越大，通常意味著照片拍攝者對此的關注度越高，重點性越強[15]。然而，僅僅呈現(xiàn)特定場景占畫面的比率可能會在理解游客感知的變化時產(chǎn)生偏差或誤解，因為ASR的數(shù)值只能體現(xiàn)單張照片的情況，而無法代表絕大多數(shù)游客所拍攝的照片中特定畫面的占比大小。因此，本研究用某一特定場景的SOR值加權其像素占整張照片的比例來反映這一場景真正的平均場景比率，使用兩個指標也有利于交叉檢查結果。

2.1.1 新冠肺炎疫情對游客感知場景類別的影響

根據(jù)表1的11個感知類別下的150個可識別場景和表2所示的方差分析結果，可知首輪疫情爆發(fā)前后，游客在“建筑和城市空間”“自然現(xiàn)象”“交通”“山與水”和“室內空間與設施”等五個類別上存在統(tǒng)計學意義上的顯著性差異（＜0.01）；而“文化活動與標志”“娛樂”“動植物”“購物”“食物與餐廳”及“其他”等六個類別不存在顯著性差異（＞0.05）。

表2 方差分析結果

根據(jù)場景發(fā)生率（SOR），如圖2中11類場景的出現(xiàn)率變化（基于SOR）可知，“室內空間與設施”場景出現(xiàn)率在首輪疫情爆發(fā)后下降了3.15%，降幅較明顯（3.15%）；而“交通”（3.41%）、“自然現(xiàn)象”（2.51%）及“山與水”（1.00%）等則增加顯著?；赟OR加權ASR的分析，有圖3中11類場景的畫面占比變化（基于SOR加權ASR）可知，“建筑和城市空間”（3.03%）、“室內空間與設施”（0.61%）類別的平均場景比率減少較多，而“自然現(xiàn)象”（1.98%）、“交通”（1.08%）及“山與水”（1.00%）類別的平均場景比率增加較多。

圖2 11類場景的出現(xiàn)率變化（基于SOR）

圖3 11類場景的畫面占比變化（基于SOR加權ASR）

2.1.2 新冠疫情對游客感知具體場景的影響

針對150個場景，筆者再次利用SOR和ASR兩個指標來描述新冠肺炎疫情首輪爆發(fā)后游客感知的變化。由圖4顯示的SOR下降幅度最大的20個場景可知，游客經(jīng)常拍攝的場景（超過40% SOR）下降幅度較大的有4個，即“植物”（3.36%）、“人”（3.20%）、“地板”（1.89%）及“墻”（1.53%）。同時，“圍欄”（2.63%）、“天花板”（2.51%）、“桌”（2.26%）、“巖石”（2.11%）、“草”（2.07%）這5個場景的出現(xiàn)率也顯著下降。另一方面，由圖5中SOR上升幅度最大的20個場景可知，SOR增加顯著的常見場景（超過40%SOR）有3個，即“樹”（3.72%）、“建筑”（3.68%）及“天空”（2.51%）。同時，“山”（8.17%）、“水”（4.00%）、“道路”（3.78%）和“?！保?.47%）等場景的出現(xiàn)比例也有明顯增長。

圖4 SOR下降幅度最大的20個場景

圖5 SOR上升幅度最大的20個場景

由圖6中ASR下降幅度最大的前20個場景（基于SOR加權）可知，對于ASR下降最多的前5個場景有：“墻”（2.06%）、“植物”（1.38%）、“土地”（0.99%）、“圍欄”（0.97%）和“建筑”（0.74%）。由圖7中ASR上降幅度最大的前20個場景（基于SOR加權）可知，對于ASR增加最多的前5個場景為“山”（2.07%）、“天空”（1.98%）、“樹”（1.48%）、“海”（0.51%）和“道路”（0.48%）。

圖6 ASR下降幅度最大的前20個場景（基于SOR加權）

圖7 ASR上升幅度最大的前20個場景（基于SOR加權）

2.2 新冠肺炎疫情對游客行為的影響

從照片發(fā)表數(shù)量來看，在疫情首次爆發(fā)前，游記和照片的數(shù)量顯示出較為一致的波動：2019年8月為高峰（16篇游記和530張照片），兩者間稍顯不同的波動則體現(xiàn)在11月（7篇游記和595張照片）；在疫情首次爆發(fā)后，2020年11月為拍攝高峰（12篇游記和622張照片）。而首輪疫情后，游客的平均出行天數(shù)從疫情前的2.62天下降到1.99天，人均消費則從1 340元大幅下降到560元。

依托照片標簽，首輪疫情爆發(fā)后，作為親子（9.66%）、朋友（8.14%）、情侶（0.57%）的游客數(shù)量有所增加，而獨自旅行（6.63%）、夫妻（6.63%）及與父母（5.11%）一起旅行的游客數(shù)量有所下降。可以看出，在甬游客傾向于以核心家庭（指由一對夫婦及未婚子女組成的家庭，nuclear family）而不是擴展家庭（在核心家庭基礎上還包括其他成員的家庭模式，extended family）的形式旅行，與朋友一起旅行成為了大多數(shù)人的選擇，而以親子和情侶的形式出游的人數(shù)也有所增加。

參考挖掘出的旅游照片的地理位置信息，通過ArcGIS繪制和分析了游客在寧波各個目的地的足跡（ArcGIS是一種用于創(chuàng)建和使用地圖、編輯地理數(shù)據(jù)和分析地圖信息的軟件）。圖8顯示首輪疫情爆發(fā)前（左）后（右）在甬游客的足跡分布情況。疫情首輪爆發(fā)前后游客的綜合足跡分布情況差異并不多，首輪爆發(fā)后，游客在奉化溪口和象山的足跡增加，而在慈溪的足跡則稍許減少。從11個場景大類來看，游客足跡則各有變化。游客在“建筑與城市空間”“文化活動與標志”“購物”與“娛樂”等方面的足跡變化集中表現(xiàn)在寧海與奉化溪口的增加，以及慈溪和象山的減少。游客足跡在“室內空間與設施”及“食物與餐廳”等方面變化主要體現(xiàn)在奉化區(qū)域的增加。游客在“交通”與“自然現(xiàn)象”等方面的足跡變化表現(xiàn)在慈溪及杭州灣（跨海大橋）等區(qū)域增加較為明顯。此外，“水與山”“動植物”等方面的游客足跡則有向四明山國家森林公園集中的趨勢。

圖8 首輪疫情爆發(fā)前（左）后（右）在甬游客的足跡分布情況

首輪疫情后，游客對寧波市內旅游景點的選擇與疫情前雖有區(qū)別，但不十分明顯。結合上文可知，疫情首次爆發(fā)后在甬游客的感知向“山與水”“交通”和“自然現(xiàn)象”上靠近的趨勢與旅游景點的選擇變化的相關性并不高。

由照片大數(shù)據(jù)的分析可知在甬游客平均消費與游玩天數(shù)有所下降，更傾向以核心家庭的方式出游，其感知有向“自然現(xiàn)象”及“山與水”等類別轉移的趨勢，但景點選擇變化并不明顯。另外，新冠肺炎疫情作為一種包含多種風險因素的綜合風險，增加了游客不確定性，并從多個方面影響其行為，尤其是與自然世界的關系。盡管個人對自然聯(lián)系的感受和評估存在可識別的差異[16]。但多項研究表明，自然關聯(lián)性[17]是人類生活滿意度、整體幸福感、心理幸福感、個人幸福感和主觀幸福感的重要標志和預測指標。與自然脫節(jié)可能會對環(huán)境和人類產(chǎn)生負面影響，例如生物多樣性的喪失、對人類心理的影響以及適應環(huán)境的速度變慢等[18]。當新冠肺炎疫情在2020年初成為一種風險和不確定性時，游客與自然的關聯(lián)性受到抑制。在首輪疫情爆發(fā)后，游客的行為已表現(xiàn)出他們將部分注意力轉移到了自然世界，而游客的自然關聯(lián)性在各種情況下會隨著時間趨于穩(wěn)定[17]，因此這樣的轉變對旅游業(yè)及周邊產(chǎn)業(yè)的影響可能是深遠的。雖然受疫情防控措施的影響，人文類景點如文博場所長期關閉也可能間接導致室外景點照片數(shù)量和比例的上升，但無論緣何，新冠肺炎疫情成為一種風險和不確定性后所造成的游客感知和行為改變，將可能對未來的旅游業(yè)及游客行為產(chǎn)生長期的影響。

本研究結果對旅游營銷和管理提供了一些有價值的參考，受疫情影響，游客注意力有從人造景物向自然相關景物轉移的趨勢，然而這種轉移并未引起游客對旅游景點選擇的明顯變化。另外，游客的平均游玩天數(shù)大幅度下降，更傾向于“兩天一夜”的安排。當?shù)芈糜尾块T和相關組織可據(jù)此調整策略，開發(fā)和完善相關的景點。

3 結語

本研究通過深度學習技術對照片大數(shù)據(jù)進行圖像識別，結合照片元數(shù)據(jù)，從全局視角描繪對比首輪疫情前后在甬游客感知及行為的變化，為目的地規(guī)劃、旅游資源整合及如何更有效地吸引游客提供了建議和參考。研究還認為當自然關聯(lián)性因疫情受到抑制時，人類尋求幸福的權力、接觸自然的機會被剝奪，內心更渴望接近自然。這符合自然關聯(lián)性以及風險和不確定性的相關概念，相關機構和人員也可據(jù)此調整旅游營銷策略。本研究還存在一些不足：首先，它還處于大數(shù)據(jù)理論分析階段，未來可考慮應用定性訪談來解釋背后的原因。其次，以寧波市為研究城市，數(shù)據(jù)量較典型的旅游城市如三亞、廈門和麗江等稍欠充裕。另外，本研究雖確定了在新冠肺炎疫情首輪爆發(fā)后的9個月內游客的感知和行為偏好發(fā)生了明顯變化，但這種轉變是否會持續(xù)下去，會持續(xù)多久，它們對于游客本身又會帶來哪些具體影響，諸如此類的問題期待其他學者參與研究。