摘 要：当前游客热点识别方法主要依赖于游客的位置信息数据，未充分考虑地理因素对游客活动的影响，在地理意义上的解释力尚有不足。本文基于Flickr平台获取的带有地理标记的照片及其属性信息，结合多源时空数据，使用随机森林算法识别入境游客旅游热点区域（area of interest，AOI），探究长沙市入境游客AOI特征及成因；并与传统的密度聚类算法（P-DBSCAN）进行对比评价。结果表明：①随机森林算法在区域整体热度识别中表现优异，部分AOI边界具有明确的地理意义；②入境游客的整体分布格局较为稳定，核心区外围受距离影响明显，发展潜力不足，距景点400 m处为影响入境游客分布的临界点。本文为研究长沙市及类似城市的入境旅游热点区域和旅游资源配置提供了新视角。
关键词：地理标记照片；入境游客；随机森林；旅游热点区域；时空数据；兴趣点
引用格式：李涛, 杨波. 2024. 基于随机森林算法的长沙市入境游客热点区域识别. 时空信息学报, 31(4): 482-491
Li T, Yang B. 2024. Identification of area of interest for inbound tourists in Changsha based on random forest algorithm. Journal of Spatio-temporal Information, 31(4): 482-491, doi: 10.20117/j.jsti.202404008
1 引 言
对于游客来说，旅游热点区域（area of interest，AOI）突出了旅游目的地吸引游客的区域，可以用来制定游客的旅行规划。城市管理部门可以赋予这些区域更高的管理优先级，以便旅游资源得到有效利用（Hu 等，2015）。《“十四五”旅游业发展规划》中提出振兴入境旅游的发展目标，因此，深入分析入境游客AOI能够为入境旅游的发展和城市旅游业的转型升级提供更实用的参考。在研究游客活动数据来源上，位置数据逐渐取代了传统数据。传统获取区域内游客数据的方法大致包括实地调研、问卷访谈、游客计步器等（Smallwood 等，2012）；这些获取方法通常成本较高。新兴社交媒体和网络游记文本等来源的游客位置数据往往难以区分入境游客（叶晓旋等，2023）。Flickr网络平台拥有来自世界各地大量的地理标记照片（秦静等，2018）。由于平台的语言限制，定位于国内城市的地理标记照片通常来自境外游客，这使得其成为研究城市入境游客常用的数据源。有关国内城市入境旅游的相关研究，旅游目的地通常集中于香港（叶凡等，2021）、北京（张坤等，2020）、上海（Mou 等，2020）和南京（卢淑莹等，2021）等热门城市。研究内容近年来关注于游客流（王朝辉等，2022）。研究方法通常采用基于密度聚类的方法来提取AOI，包括带噪声的基于密度的空间聚类（density based spatial clustering of applications with noise，DBSCAN）（Hu 等，2015；叶晓旋等，2023），以及针对地理标记照片的P-DBSCAN算法（Vu 等，2015）；其中，Mou 等（2020）尝试利用城市街区地块结合聚类方法进行热点区域探索。此外，基于格网的游客密度（王迪和左小清，2020）和结合三角网的核密度估计（吴朝宁等，2021）也用于表征AOI。有研究基于格网内的游客数量，建立社会、环境和气候因素与游憩之间的关系模型，使用随机森林（random forest，RF）算法预测游客数量的变化（Manley 和 Egoh，2022）。但其格网划分较大，游客分布密度差异导致结果出现规则的、不连续的变化，且无法规避格网内游客数量能否有效代表整体游客数量这一共识性问题（Niu 和 Silva，2023；Zheng 等，2024）。上述已有研究大多基于位置数据识别AOI，未能充分考虑地理因素对游客活动的影响，此外还缺乏对非热门城市入境游客的关注。本文以长沙市为研究对象，采用RF算法，结合地理标记照片及数字高程模型（digital elevation model，DEM）、兴趣点（point of interest，POI）等多源时空数据来识别AOI，并与传统的聚类算法P-DBSCAN进行比较评价。2 研究区概况与数据来源
长沙市作为湖南省的省会城市，是湖南省的政治、经济和文化中心，也是历史文化名城和国内热门旅游城市。对长沙市开展入境旅游研究，对于加快推进“十四五”时期旅游业高质量发展，构建长沙国际旅游中心城市具有较强的现实意义。由于地理标记照片集中分布于主城区和长沙黄花国际机场，且主城区内游客数量与长沙市游客数量基本一致，因此，参考杨友宝等（2022），实验以长沙市绕城高速内的主城区为研究区域（图1）。
1）地理标记照片
从Flickr开放平台获取2017~2019年长沙市带有地理标记的照片及属性信息，包括用户ID、照片ID、用户所属区域、拍摄位置坐标、拍摄时间和上传时间等。参考已有研究（秦静等，2018；叶凡等，2021）方法，对原始数据进行清洗，处理步骤如表1所示，结果如图1（b）所示。
过半数据的用户所在地为空白，通过用户ID和照片ID访问用户主页，查询了用户在境内的时间点前一个月内所有的位置信息，如果包括境外，则将用户视为入境游客。为了消除同一用户连续拍摄多张照片的影响，有研究采用空间过滤的方法（Hu 等，2015）。但这种方法对于数据的去除具有随机性，破坏了游客移动的轨迹信息，因此本文采用间隔取点法进行处理，对于用户移动距离小于30m的点进行删除，保留首尾点。
由图1看出，尽管数据量减少，但清洗前后数据的整体分布格局并未有明显变化，入境游客整体分布格局较为稳定，因此，本文只考虑区域内游客存在与否，而不是游客数量，具有一定的合理性。2）基础数据
旅游活动地点通常是一定地域上旅游设施、服务与旅游资源的有机结合而形成的、能供旅游者停留和活动的地理空间（李婧璇等，2024）。以2019年为基准，收集了入境游客分布相关的基础数据（表2），涵盖了城市功能、自然地理、社会经济和交通条件四个方面。
3 研究方法
实验结合多源时空数据，利用RF算法根据确定的指标体系构建特征矩阵，进行模型训练和调参，确定最佳的负样本点数量，得到预测概率图和特征重要性排序图，分析不同区域的旅游热度差异和不同地理因素对入境游客活动的影响。同时，与传统聚类算法P-DBSCAN进行了比较评价，并对入境AOI识别结果进行预测分析。总体技术路线如图2所示。
3.1 随机森林算法
随机森林算法由Breiman（2001）提出，通过非线性拟合建立特征与样本类别之间的关系，结果建立在各个决策树的分类结果之上，通过有放回地在训练数据中抽取部分特征样本进行多轮训练，根据每棵决策树的预测结果，综合判别未知样本的类别。
随机森林算法在许多研究领域的空间敏感性建模问题上一直表现优异，数据处理和建模过程不需要过多的预处理工作，能够对样本特征进行分层抽样，度量各个特征的重要性，且能够避免变量共线性和过度拟合问题。
利用随机森林算法进行游客AOI识别和影响机制分析，需要建立一种游客分布与影响因素的数
据映射关系。将研究区划分为基本的格网，格网内有、无游客两种情况可看作两类样本。根据格网内的特征与样本之间的关系建立决策树，通过决策树的结果确定预测结果。将有无游客的问题转化为游客出现概率大小的问题，最终以区域内游客分布概率表征区域游客活动热度差异。
3.2 特征矩阵构建
游客通常活动在自然景观优美、景点众多、交通便捷及基础服务设施完善的地点，为了建立影响因素的指标体系，实验参考了外地游客访问城市公园的影响因素指标（何夏萱等，2024）、长沙市热门旅游打卡门店的选址指标（黄钦等，2022）等，
结合实地调研与观察，考虑数据的可获取性和可靠性，最终选取四个维度15个变量作为自变量，构建长沙市入境游客旅游空间分布指标体系，见表3。其中，城市旅游服务功能参考已有研究（顾晋源和杨东峰，2024）的城市休闲空间分类方式，选取六类兴趣点作为指标，并根据本地休闲游客与入境游客差异做出修改，见表4。
在ArcGIS pro中，将所有数据统一至相同投影坐标系下，通过重采样的方法将特征因子统一为30m×30m的栅格。将地理标记照片作为正样本点，在正样本点30 m外的区域随机生成负样本点，设置生成点的间隔大于30m。赋予样本点特征因子属性，使用RF算法进行二分类训练，最终结果以概率的形式输出。
4.1 指标因子重要性评价
通过随机森林模型返回的特征重要性排序结果（图3）看出，风景名胜核密度是影响游客分布的核心因素，景点越多、距离景点越近的地区入境游客活动概率越高；体育休闲服务核密度和距地铁口距离也占有较高的比重，原因是景点附近往往存在公园和地铁口，供游客出行及进行休闲活动；科教文化服务核密度占有较大的比重，岳麓书院、湖南博物院等国际知名的科教文化场所是受入境游客欢迎的地点；距道路和公交站距离、人口、夜间灯光、住宿和购物服务影响较小，表明当前城市的基础设施和服务较为完善，对入境游客活动的影响较小；DEM和距水体距离是影响较小的因素，这与城市本身旅游资源特性有关，长沙市缺少国际知名的水文景点，且岳麓山海拔较低，游客活动不受太多影响。
在影响因素占比较大的指标中，定量分析游客分布与距景点距离的边际影响和阈值效应更具现实意义，距景点距离的部分依赖图（partial dependence plot，PDP）如图4所示，随着距离增加，曲线不断下降。在150~270 m处出现波动，随后继续下降，400 m左右后保持稳定。这表明，距景点400 m处为影响入境游客分布的临界点，景点的辐射效应随着距离的增加而逐渐减弱，超过这一距离后，景点的辐射效应逐步消失。
4.2 结果与比较评价
4.2.1 模型精度评估
混淆矩阵是二分类问题的衡量指标，直观地描述了模型预测结果类型与测试数据真实属性之间的关系。基于混淆矩阵的真阳性率（true positive rate，TPR）、假阳性率（false positive rate，FPR），即召回率（Recall）、精确度（Precision）、F1分数和AUC（area under the curve）值是评估模型性能的重要指标，其值越高，模型表现越好。将训练集与测试集按照7︰3划分，测试了不同数量负样本点下20次独立随机森林算法实验中测试集TPR和FPR的平均值（图5（a））。使用了十折交叉验证来降低模型过拟合风险，将样本数据平均分为10份，每次提取其中一份作为测试数据集，剩余九份作为训练数据集，分别计算精确度、召回率、F1分数和AUC面积的平均值（图5（b））。
模型精度评估结果显示，随着负样本点的增加，TPR逐渐减小，当负样本点超过正样本点时，下降趋势加快，FPR表现则相反。精确度、召回率和F1分数变化趋势与TPR一致，而AUC值变化不大。这表明当负样本数与正样本数相等时，随机森林算法的预测结果处于均衡状态，模型取得最优表现，此时各项数据指标均达到0.9。
4.2.2 随机森林算法的识别结果
将原始数据导入预先训练好的模型中，以区域内入境游客分布概率表征入境游客活动的热度差异，得到预测概率分布（图6（a））。为了增加高概率的区分度，仅保留大于0.5的值，在色带的86%处添加一个节点，并在颜色较深处绘制对应的城市地点分布（图6（b））以分析和验证结果的可靠性。
总体而言，长沙市入境游客AOI分布较为集中，围绕“一城一山一洲”向外扩散，其中，历史文化类AOI是入境游客访问的核心地区。五一商区涵盖区域最多，此区域城市商业中心与历史文化街区相结合，形成具有地方特色与生活特色的新兴文化休闲区；岳麓山片区游客分布多，集中于中部的“千年学府”岳麓书院及其西侧的历史文化名亭爱晚亭，以及东侧的东方红广场；橘子洲是长沙市独特的风景名胜区，被誉为“中国第一洲”，橘子洲头著名的艺术雕塑，深受国内外游客的欢迎；湖南博物院得益于其国际知名度，尽管只有少量地理标记照片，也与烈士公园一起被识别为一处AOI；受距离影响，除开福寺、长沙火车站和国际会展中心外，上述区域外入境旅游热度不高，基本与本地休闲旅游活动区域相吻合，适合本地休闲、出行和购物活动。
4.2.3 与密度聚类结果的对比
现有研究常用基于密度聚类的方法来提取AOI，其中，P-DBSCAN以邻域内地理标记照片所属的游客数量为阈值进行热点区域划分，来获取游客访问较多的热点区域（秦静等，2018）。该方法需要人为设定合适的邻域半径和最小游客数量作为阈值，使聚类结果能够更准确地反映AOI。通过各参数组合的多次对比，结合实地分析，最终确定阈值条件：150m作为邻域半径；最小游客数量为6。
图7为基于P-DBSCAN的AOI识别结果。AOI主要集中在岳麓山片区、五一商区和橘子洲头，包括岳麓书院、爱晚亭、古麓山寺、东方红广场、太平老街历史文化街区、五一广场站、国金中心、黄兴步行街、坡子街和文和友等众多热门历史文化景点。其次为湖南博物院、天心阁和长沙火车站。此外，还有少量酒店区域的点被标记为零星聚类点。
由图6-7比较看出，P-DBSCAN聚类结果仅能识别上述热门景点，热门景点外的游客位置信息被去除，导致无法详细区分区域间热度差异，例如，岳麓书院和爱晚亭两个景点所在区域周边的游客吸引力差异无法准确区分。随机森林算法的预测结果涵盖了所有聚类结果且覆盖范围更广、信息更为丰富，在兼顾游客位置信息时，充分利用了多源时空信息，能在一定程度上能体现本地旅游资源分布情况，挖掘出潜在的旅游适宜区，可为城市中的游客出行及旅游业的整体规划和转型升级提供帮助。
4.3 入境游客空间分布预测
通过对长沙市入境游客的空间分布预测结果（图6）进行深入分析，本文详细分析了区域热度差异及形成原因。
（1）岳麓区。橘子洲南北两端和东侧地区热度较高，与湘江及两岸有明显的区分。南端拥有著名的景点，北端为橘子洲出入口，东侧是游客的初始观光路线，游客有充沛的精力拍照打卡，同时湘江东岸城市商业区高楼及灯光更能吸引游客。岳麓山东侧景区开发程度高，与岳麓书院和下方大学城一起形成了大片高热度区；此外，岳麓山东大门前侧及橘子洲大桥西侧也是热门区域，可推测游客通常选择此处作为购物和居住场所。洋湖国家湿地公园、梅溪湖、汽车西站及金融中心等远离中心热门景点，热度不高。
（2）天心区。北部太平老街、坡子街和天心阁
位于高热度区；五一商区南部松散的高热度区包括贺龙体育场、白沙古井公园及橘子洲头东岸；中部南郊公园和铁道学院出现在中高热度区。分析地理标记照片内容发现，铁道学院游客的目的可能在于回访母校，这与大学城的部分游客目的一致，入境游客活动既受客观因素影响，又具有主观性。
（3）雨花区。旅游热门景点较少，因此高热度区较少且处于零散分布。天心区和芙蓉区交界处受热门景点辐射，出现少量高概率区。长沙东站、长沙南站、德思勤广场、万博汇世界商会中心及附近酒店有少量地理标记照片出现，因此，也被识别为中等热度区，这些区域基本与本地购物和出行活动相吻合。
（4）开福区。热点区域分布在南部，天心区、芙蓉区和湘江交界处，包括长沙音乐厅、开福寺、湖南博物院及其东侧的烈士公园。东南部世界之窗、湖南广播电视台，长沙国际会展中心附近也为高热度区。实验还发现，在烈士公园内，30 m的栅格预测结果能够区分小岛、河堤、桥与水体，提高栅格分辨率有助于细分热点区域，如图8（a）所示。
（5）芙蓉区。主要分布在与开福区和天心区交界处的商业区、火车站附近。值得注意的是，尽管马王堆汉墓附近没有出现地理标记照片，该区域仍被判断为中高热度区（图8（b））。由此可见，随机森林算法能够挖掘出潜在的旅游适宜区。
（6）长沙县。星沙公园和附近酒店有少量地理标记照片，随机森林算法结果将该片区域判定为中等热度区，然而松雅湖国家湿地公园距离核心景点较远，热度较低，仅适合本地休闲旅游活动。
5 结 论
本文通过随机森林算法建立游客了分布与影响因素的数据映射关系，进行游客AOI识别，探索在30 m格网尺度下精细识别入境游客活动的热点区域。实验利用Flickr平台的地理标记照片数据，结合多源时空数据，探究了区域热度差异及成因；并与常用的传统密度聚类算法结果进行了对比分析。将随机森林算法应用于入境游客的研究中，能够有效利用社交媒体上的游客位置数据及时空数据，探究在识别热点区域的过程中影响因素的作用差异。研究结果有助于城市管理部门制订详细的旅游资源开发和利用计划。研究仍有不足之处，如入境旅游的空间活动是多种因素共同作用的结果，仅选择了客观因素进行分析，缺乏对主观因素的深入研究，未来需要进一步探讨。
参考文献（References）
顾晋源, 杨东峰. 2024. 社交媒体影响下城市休闲空间分布新特征: 基于小红书打卡地与POI的对比分析. 地球信息科学学报, 26(2): 332-351[Gu J Y, Yang D F. 2024. New features of urban leisure space distribution under the influence of social media: A comparison between Xiaohongshu check-ins and POI. Journal of Geo-information Science, 26(2): 332-351 (in Chinese)]何夏萱, 袁奇峰, 卢俊文, 李刚. 2024. 外地游客访问城市公园的时空模式与影响机制研究—— 以广州市为例. 南方建筑, (6): 32-43[He X X, Yuan Q F, Lu J W, Li G. 2024. Research on the spatiotemporal patterns and mechanisms influencing non-local tourists’ visits to urban parks: A case study based on Guangzhou City. South Architecture, (6): 32-43 (in Chinese)]黄钦, 杨波, 徐新创, 郝汉舟, 梁莉莉, 王敏. 2022. 基于多源空间数据和随机森林模型的长沙市茶颜悦色门店选址与预测研究. 地球信息科学学报, 24(4): 723-737[Huang Q, Yang B, Xu X C, Hao H Z, Liang L L, Wang M. 2022. Location selection and prediction of SexyTea store in Changsha City based on multisource spatial data and random forest model. Journal of Geo-information Science, 24(4): 723-737 (in Chinese)]李婧璇，禹文豪，黄雅雅，吴啸. 2024. 基于多源大数据的城市旅游目的地吸引力评价研究—— 以武汉市为例. 时空信息学报, 31(3): 386-396[Li J X, Yu W H, Huang Y Y, Wu X. 2024. Evaluation on urban tourism destination attractiveness based on multi-source big data: A case study of Wuhan. Journal of Spatio-temporal Information, 31(3): 386-396 (in Chinese)]卢淑莹, 黄鑫, 陶卓民. 2021. 基于地理标记照片的入境游客空间特征与移动轨迹—— 以南京市为例. 自然资源学报, 36(2): 315-326[Lu S Y, Huang X, Tao Z M. 2021. Spatial patterns and moving trajectory of inbound tourists based on geo-tagged photos: A case study of Nanjing city. Journal of Natural Resources, 36(2): 315-326 (in Chinese)]秦静, 李郎平, 唐鸣镝, 孙岩, 宋昕芮. 2018. 基于地理标记照片的北京市入境旅游流空间特征. 地理学报, 73(8): 1556-1570[Qin J, Li L P, Tang M D, Sun Y, Song X R. 2018. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos. Acta Geographica Sinica, 73(8): 1556-1570 (in Chinese)]王朝辉, 乔浩浩, 张姗姗, 高杨. 2022. 入境旅游流空间格局演化及大都市旅游高质量发展—— 以上海市为例. 自然资源学报, 37(12): 3167-3182[Wang Z H, Qiao H H, Zhang S S, Gao Y. 2022. Evolution of spatial pattern of inbound tourism flows and enlightenment of high-quality development of metropolitan tourism: A case stady of Shanghai. Journal of Natural Resources, 37(12): 3167-3182 (in Chinese)]王迪, 左小清. 2020. 基于城市微博签到数据的人群活动时空特征分析. 地理信息世界, 27(2): 21-26[Wang D, Zuo X Q. 2020. Analysis on the spatiotemporal characteristics of human activities based on urban weibo check-in data. Geomatics World, 27(2): 21-26 (in Chinese)]吴朝宁, 李仁杰, 郭风华. 2021. 基于圈层结构的游客活动空间边界提取新方法. 地理学报, 76(6): 1537-1552[Wu Z N, Li R J, Guo F H. 2021. A novel method for extracting spatial boundary of tourist activity based on circle structure. Acta Geographica Sinica, 76(6): 1537-1552 (in Chinese)]杨友宝, 李琪, 韩国圣, 马丽君. 2022. 长沙市游憩-居住功能空间格局及其匹配关系研究. 地球信息科学学报, 24(8): 1589-1603 [Yang Y B, Li Q, Han G S, Ma L J. 2022. Study on the pattern characteristics and matching relationship of recreational and residential function space in Changsha. Journal of Geo-information Science, 24(8): 1589-1603 (in Chinese)]叶凡, 孙玉, 陈崇成, 于大宇. 2021. 基于地理标记照片的个性化景点推荐方法. 地球信息科学学报, 23(8): 1391-1400[Ye F, Sun Y, Chen C C, Yu D Y. 2021. A personalized attraction recommendation method based on geotagged photos. Journal of Geo-information Science, 23(8): 1391-1400 (in Chinese)]叶晓旋，曲鸣亚，保继刚. 2023. 基于地理标记照片的粤港澳大湾区入境旅游流转移规律及空间结构特征. 地理研究, 42(8): 2152-2171[Ye X X, Qu M Y, Bao J G. 2023. Exploring the spatial structure and characteristics of inbound tourist flow in Guangdong-Hong Kong-Macao Greater Bay Area based on geotagged photos. Geographical Research, 42(8): 2152-2171 (in Chinese)]张坤, 李春林, 张津沂. 2020. 基于图片大数据的入境游客感知和行为演变研究——以北京市为例. 旅游学刊, 35(8): 61-70[Zhang K, Li C L, Zhang J Y. 2020. A study on the spatio-temporal evolution of inbound tourists’ perceptions and behaviors based on big pictorial data: The case of Beijing. Tourism Tribune, 35(8): 61-70 (in Chinese)]Breiman L. 2001. Random forests. Machine Learning, 45(1): 5-32Hu Y J, Gao S, Janowicz K, Yu B L, Li W W, Prasad S. 2015. Extracting and understanding urban areas of interest using geotagged photos. Computers, Environment and Urban Systems, 54: 240-254Manley K, Egoh B N. 2022. Mapping and modeling the impact of climate change on recreational ecosystem services using machine learning and big data. Environmental Research Letters, 17(5): 054025Mou N X, Yuan R Z, Yang T F, Zhang H C, Tang J W, Makkonen T. 2020. Exploring spatio-temporal changes of city inbound tourism flow: The case of Shanghai, China. Tourism Management, 76: 103955Niu H F, Silva E A. 2023. Understanding temporal and spatial patterns of urban activities across demographic groups through geotagged social media data. Computers, Environment and Urban Systems, 100: 101934Smallwood C B, Beckley L E, Moore S A. 2012. An analysis of visitor movement patterns using travel networks in a large marine park, north-western Australia. Tourism Management, 33(3): 517-528Vu H Q, Li G, Law R, Ye B H. 2015. Exploring the travel behaviors of inbound tourists to Hong Kong using geotagged photos. Tourism Management, 46: 222-232Zheng Y H, Zhang Y, Mou N X, Makkonen T, Li M M, Liu Y. 2024. Selection biases in crowdsourced big data applied to tourism research: An interpretive framework. Tourism Management, 102: 104874↓↓ 了解更多产业要闻 ↓↓
请将我设为星标★
