李君轶
, 唐佳, 冯娜
陕西师范大学旅游与环境学院,陕西 西安710062
LI Jun-yi, TANG Jia, FENG Na
中图分类号: F590
文献标识码: A
文章编号: 1000-0690(2015)07-0814-08
收稿日期: 2014-01-20
修回日期: 2014-06-5
网络出版日期: 2015-07-20
版权声明: 2015 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：李君轶（1975-）,男,宁夏固原人,博士,教授,硕士生导师,主要从事旅游地理学研究。E-mail:lijunyi9@snnu.edu.cn
展开
摘要
在情景感知、大数据、移动互联网和物联网发展的大背景下,迎合社会感知计算发展的趋势,探讨旅游社会感知计算内涵及其应用。在分析了现实地理世界、游客行为研究和社会感知计算之间关系的基础上,探讨旅游管理、传感器、游客活动和推理机的相互作用,构建了四位一体的游客行为社会感知计算概念模型。同时以西安国内游客为例,在新浪微博数据的支持和旅游社会感知计算框架下,探讨西安国内游客的时空共现和旅游流空间转移,探明了游客之间的相互关系和旅游空间行为及旅游流空间网络特征,为游客行为研究提供了思路和借鉴。同时在目前社会感知计算研究进展的基础上,展望了旅游社会感知计算未来的发展方向。
关键词：
Abstract
From the traditional geography to the computational geography, then to the socially aware computing now, the research of tourism geography changes revolutionarily. In the information society where the concept of big data arises at a historic moment, tourists’ behavior research has changed in such aspects as the data acquisition and calculation, the result feedback and so on. In the Big Data era, it is a tendency that human life is becoming more and more digital and networked by using sensor technology and situation aware technology to perceive human social behavior. Under this background, through a stepwise analysis of the development and connotation of socially aware computing, the tourism socially aware computing and its characteristics are confirmed. Based on predecessors' research, this paper analyzed the relationship between socially aware computing, tourists’ behavior research and the geographic world, and put forward the concept model of socially aware computing of tourists’ behavior by thoroughly analyzing the relationship among tourism management, sensing equipment, tourist activity and inference engine. Besides, this article also put forward socially aware computation analysis model and the study process of tourists’ spatio-temporal behavior. And taking the domestic tourists in Xi’an as a case, we discussed tourists’ spatio-temporal co-occurrence and tourists’ flow spatial structure in Xi’an, and studied the mutual relationship between tourists and their spatial behavior and the characteristics of network based on socially aware computation model. The result shows that the relationship between tourists is relatively weak, which is different from the resident, because sample data in this article are limited and the relationship of tourists is loose. In addition, by measuring district correlation, district transfer correlation and transfer tendency, the research also presents that there are very stable directed tourist flow transfer phenomena existing in the Bell Tower District, Qujiang District and Lintong District, so they can form an "iron triangle" of tourism development in Xi’an. The data were obtained from the travel notes and photos which tourists published in Sina Weibo. We are looking forward to providing a train of thought and reference for related research. Under the background of Big Data, the research of tourism is in the preliminary stage, so its correlation studies are limited. From other research fields, we can find that the researches of socially aware computing are concentrated on socially aware modeling, social data awareness, social interaction and rule analysis, intelligent and ancillary support and application. We anticipated the research direction of tourists socially aware computing in the future based on the current research progress of socially aware computing. In the future, this field will focus on the socially aware modeling of tourists’ behavior, the real time awareness and the tourists’ behavior data mining, tourists’ behavior rule analysis, the study under the intelligent and ancillary support, the application of “Smarter Tourism” and the moving socially aware computation.
Keywords：
伴随传感技术的广泛应用和普适计算的发展,可以从更广、更深的层面获取数据分析游客行为,使探索游客大规模的交互和动态特征成为可能。同时,利用游客遗留在互联网和其他设备上的“数字足迹”研究游客行为也极具有可行性。旅游数字足迹是游客在旅游过程中,通过在线方式获取旅游信息、分享旅游信息以及利用手机等移动设备时遗留下的具有定位信息的电子痕迹,而这些电子痕迹能够清晰地反映出游客的时空运动轨迹[1]。利用数字足迹可准确、快速地对游客的路径、情感等进行分析,揭示游客的行为规律。在大数据挖掘、时空模拟等理论与技术的基础上,游客时空行为研究呈现出数据多源化、方法科学化、对象个体化和主题应用化等趋势[2],这些都为社会感知计算应用于旅游领域奠定了基础。社会感知计算是普适计算和社会计算等的融合,通过普适计算获取人类行为和社会交互数据,运用社会学的理论和方法,分析人类行为特征和社会交互规律。Pentland首次提及社会感知计算[3],Pentland和Lazer等通过收集和分析海量生活数据来理解个体、组织和社会,其思路和目标与社会感知计算相同,但更侧重于计算和分析[4]。感知可分为环境感知和群体感知,前者是对周围物质环境的认知,后者是对社会环境的认知[5]。狭义社会感知是指计算机系统通过一些传感器和技术对现实社会的感知和响应[6]。广义的社会感知计算是指通过社会生活空间大规模多类传感器,实时感知识别社会个体行为,分析挖掘群体社会交互特征和规律,辅助个体社会行为,支持社群的互动、沟通和协作[7]。旅游社会感知计算是社会感知计算在旅游领域的应用,在泛在网环境下,通过多种大规模传感器,实时感知、识别游客的行为,分析和挖掘游客的交互特征和行为规律,并支持游客管理和为游客提供个性化的服务。
社会感知计算为旅游研究带来了机遇,通过与计算机科学、认知科学和社会心理学的融合,可揭示游客在社会空间上的活动规律。从国内外研究来看,众多学者利用通讯网络、互联网络等传感媒介获取照片、通讯记录和网络签到等数据研究用户的时空行为,包括游客时空行为模式与相似性、游客数字足迹等。时空行为模式与相似性方面,国外学者倾向于结合照片、手机通话和短信记录等多元化数据研究游客的时空规律和移动模式[8~10],国内学者则更加倾向于利用照片和微博签到数据研究用户时空行为的相似性[11~13]。相比而言,在游客数字足迹方面的研究相对较少,但为后续研究形成了必要的铺垫,其中Girardin等在提出数字足迹概念方面做出了重要的贡献,并据此进行了研究实践[14],在此基础上,李君轶进一步探讨了旅游数字足迹的概念,并指出了这一领域的研究趋势[1]。此外,也有学者利用照片即时消息以及手机通讯数据等从景点吸引力、通讯网络结构特征、用户生活工作规律等其他角度探究了用户时空行为等[15~18]。综合来看,上述研究从不同角度利用传感媒介探讨了用户的时空行为,为深入研究游客的时空行为奠定了基础。
本文在探讨旅游社会感知计算的内涵、特征、模型的基础之上,在新浪微博数据的支持下,研究了游客行为的社会感知计算,为相关研究以及社会感知计算在旅游领域的深入探讨提供了思路与借鉴,同时也为旅游规划、个性化推荐和精准营销等提供参考。
游客行为是一种特殊的社会行为,游客在泛在网(通讯网络、互联网、物联网等相互作用形成的混合网络)环境下,留下了“足迹”,这些“足迹”集合成了一系列关于游客行为的大数据集,有助于分析和刻画游客的行为规律,从而更加深刻地理解游客行为和支持旅游活动。在社会感知计算的支持下探讨现实世界的游客行为,并促成现实世界和游客的交互,其具体关系见图1。
图1 社会感知计算、游客行为研究与现实地理世界之间的关系
Fig.1 The relationship of socially aware computing, tourists’ behavior and real world
游客行为的研究主要有两个通道,第一是现实地理世界可直接提供游客行为的统计数据和调研数据,在研究者和旅游管理者研究旅游行为后再将控制或者调控指令反馈给现实世界。第二是通过社会感知计算将现实地理世界和游客行为研究连接起来,现实世界将实时的现场和真实的数据送达社会感知计算,社会感知计算作为一种新的研究方法和工具处理信息,游客行为研究给社会感知计算提供相应的研究问题和理论指导,进而社会感知计算将结果直接反馈给现实世界。
基于图1所阐述的关系,在社会感知计算框架下进一步将现实世界、游客活动和旅游管理联系起来,建立游客行为的社会感知计算模型。粗象模型有利于理解社会感知计算的本质,其基本的思想是用模型刻画人、计算系统以及环境等实体之间的交互关系[7]。基于此,参考相关文献[7],结合实践,明晰游客行为社会感知计算模型的机理(图2)。该模型机理是面向用户的,表示实体、联系及其属性的方法和图形符号。其表示形式为：CT=(E,R),其中CT为旅游社会感知,由二元组构成,E为实体集,其中的元素可以被粗略地认为是名词,如游客活动等,而R为联系集,通过不同的联系将各实体联系起来。
图2 游客行为社会感知计算模型机理
Fig.2 Socially aware computing conceptual model mechanism of tourists’ behavior
通过模型机理来看,推理机是核心,传感器感知游客活动并向推理机提供情境,推理机在感知计算的基础上向旅游管理用户提供高级反馈,由旅游管理用户调控旅游活动。旅游管理(EU)、游客活动(EA)、传感器(ES)和推理机(ER)为4个实体。如可利用手机为传感器（通话和短信等）,提供实时信息,而模型则可以对数据进行统计分析,从而为管理提供决策支持并调控游客行为。
旅游管理的主体是旅游社会感知计算的服务对象,也是旅游活动的组织者、管理者。旅游管理主体要从大数据之中发现规律,分析预测和把握游客群体行为。因而对游客行为的社会感知计算模型需要深度的理解,其包括可演化的旅游管理模型、多模态人机交互和以管理主体为中心的评价等。
游客活动是指游客之间、游客和旅游企业或者和管理部门之间的信息交流等行为系列,例如游客旅游路线、停留时间、旅游投诉、网络预订和旅游经历分享等,而群体协作则是某些旅游活动的概称。对游客活动的特别关注是与其他社会感知计算的标志性区别,需结合旅游学知识,才能准确地对旅游活动进行分析。游客是整个感知的原点,既是信息源又是信息接收者,游客行为被传感器感知,推理机则是利用感知到的大规模、实时、连续和动态的数据识别游客的个体行为,进行游客的时空行为特征和规律分析,并将决策结果反馈给游客。
传感器是现实地理世界将相关的旅游信息向数字世界传递的入口,传感器既有键盘、触摸屏等手动输入接口,也有基于自然交互的实物接口,嵌入在其它功能设备中,如音视频传感器、压力传感器等。在旅游研究和实践中可以充分利用分布在现实物理世界的大规模多种类传感器,如普适传感器、智能手机、微博、Web(如论坛、博客)等,从而获取大规模、客观、实时的数据。
推理机相当于计算系统的大脑,其作用是从基本(指直接感知到的、可能冲突的、不精确的、孤立的)情境知识中推导出高级(指不能直接感知的、一致的、精确的、聚合的)情境知识[7]。通过推理机,管理者才能掌握高级的情境知识,更好地控制旅游活动。
利用社会感知计算,可以明确分析出游客在旅游目的地或景区的分布规律,有助于定量分析不同时间、不同空间游客的分布情况,对于分析和预测游客的时空行为规律有重要意义,譬如通过手机通讯数据可分析游客移动性与重大旅游活动的关联,发现规律,通过这种关系可以预测旅游活动的客源范围,为活动举办者的管理工作提供指导;通过社会测量传感器,感知游客的行为,如交谈、观赏、眼神、动作等,分析这些特征与旅游兴趣的关系,从而预测游客的行为等。
信息和通信技术的发展使游客的行为变的有迹可寻,社会感知计算的出现为搜集大规模的游客行为和交互数据提供了新的契机。同时,在感知数据时还应注意研究不同模态数据的语义表示和关联,研究大规模感知数据的汇聚、融合和存储,以及分析移动节点(游客)[19]。随着GPS等定位技术的发展和普及,可利用手机等智能设备的定位功能实时或延时地获取游客的位置信息,并将游客的空间轨迹记录下来。这些原始信息反映了游客的行为、意图以及当前状态。在数字足迹的支持下,能够利用社会感知计算模型研究、调控游客的时空行为,从而为管理决策提供辅助支持（图3）。
图3 基于数字足迹的游客时空行为社会感知计算的流程
Fig.3 The socially aware computing process of tourists’ spatio-temporal behavior
本文的数据采集主要是通过调用新浪微博开放的API接口获得西安市游客的微博数据。微博
作为新型网络社区,对人们社会联系网络的影响仍在不断加大[20]。选择西安市主要的旅游景点、交通枢纽为核心,主要包括秦始皇兵马俑博物馆、华清池、骊山、陕西历史博物馆、回民街、钟楼、鼓楼、城墙景区、大雁塔北广场、大慈恩寺、大雁塔南广场、大唐芙蓉园、曲江池遗址公园、咸阳国际机场、火车站、北客站等,并记录其经纬度;调用新浪微博“获取附近地点”的API接口,根据上述地点的经纬度,以5 km为半径,获取其附近地点,且每个地点均有源自相关数据库的ID编号,但由于可获取的附近地点过多,本文只保留了与旅游活动相关的764个地点的POIID（POI,Point of Interest）,包括餐饮场所、住宿设施、购物中心等;最后,通过调用“获取某个位置地点的动态”API接口,根据上述POIID,获取每个POI上的签到信息,时间跨度从2011年12月17日至2013年8月21日,共计388 676条用户签到数据。数据结构包括用户ID、微博的发布时间、签到地点、内容、用户地址、性别、粉丝数、关注数、发布微博的数量等。
由于所获数据数量较大,因此使用之前需要对数据进行预处理。首先,根据用户属地对数据进行初步筛选。因为本文重在研究国内游客时空行为,尤其关心省外游客情况,故在数据筛选时首先剔除了陕西本省数据;其次,本文数据可分为连续数据和独立数据,前者是指由同一用户产生的两条以上的数据,后者指用户只产生过一条签到数据,笔者对于连续数据进行进一步处理。若用户产生的第一条微博与最后一条微博间隔超过30 d,则不视为本文的研究对象或不认为其是一般意义的游客。最终,连续数据与独立数据共保留了131 960条数据,其中存在28 185条有向空间联系。
利用网络分析可知,通过研究游客(移动节点)的时空行为轨迹,挖掘游客历史轨迹中频繁出现的地点,可以获得游客在不同感知区域的位置关联性,有助于发现游客之间的联系和时空活动规律。根据空间感知尺度差异,将区域划分为不同大小的区域,有助于进行分析,本文将西安划分为12个旅游区域。虽然移动节点多次进入感知区域,但是所产生的停留点会有偏差。因此,通过对移动节点轨迹中停留点进行聚类,使得处于同一感知区域的停留点被划分为一个聚类中,这样,游客的时空行为轨迹可以表示为一个到达不同感知区域的时间序列。
可以将游客A在时间周期内的时空轨迹信息表示为G(s,k)={∪<Wi,Di,Li,a>})[19],其中Wi是感知区域位置信息,Di、Li分别是节点到达、离开该区域的时间集合,a是时间阈值,用于控制不同节点到达目标区域的时间间隔,则游客A与B的位置因子W(A,B)表示为：
式中,
利用以上的计算可以提取不同游客的时空信息,研究游客的时空共现和时空轨迹。
2.3.1 游客的时空共现分析
相关研究表明,时空数据是人们现实生活中社会关系的一个可能的指示器[21]。如果两个游客在同一时间同一区域出现多次,他们很可能在某种程度上是有相互关系的。单个时空行为信息可能不能提供关于游客相互关系的信息,但是多个游客的时空行为轨迹则可能推断出群体的关系特征等。当游客在同一时段到达相同的目的地时,很可能暗示着某种社会关系。在此,本研究定义了两位游客之间的时空共现,即他们大约在同一时间共同参观游玩相同的旅游景区(点)。如果游客A和B在时间t范围内都出现在同一区域中,这就是典型的时空共现。根据式1、式2模型,游客的旅游向量是一个数据结构,记录了一位游客的移动历史轨迹。共现向量表示的是在一定时间范围内两位游客的共同访问。根据共现的次数来计算游客之间的关系。当游客在一个旅游区域内发布多条微博时,基本可以还原游客移动的时空轨迹,并对他们进行时空共现分析。在数据库中筛选出发布微博在8条以上（含8条）的游客,共有1 353位,总共发布微博16 199条,也可以认为是共有1 353位游客在时间范围内出现在16 199个不同的地方。时间阈值α是游客关系概率的判别阈值,α值的设定不宜太大也不宜太小,太大没有研究意义,太小则现有数据不支持。根据西安的旅游区域的现状和旅游流的基本规律,本文选择时间阈值为120 min。把筛选出来的1 353位游客的时空向量导入到ArcGIS中,并与地理区域网格进行相交处理,对游客两两之间的关系进行量化,结果用矩阵表示如表1。
表1 游客关系量化表（部分）
Table 1 The value of tourists’ social relation（part）
| 游客A | 游客B | 游客C | 游客D | 游客E | 游客F | ··· | |
|---|---|---|---|---|---|---|---|
| 游客A | - | 0.106 | 0.086 | 0.132 | 0.023 | 0 | ··· |
| 游客B | 0.106 | - | 0.086 | 0.086 | 0.003 | 0.105 | ··· |
| 游客C | 0.086 | 0.086 | - | 0.111 | 0.004 | 0.001 | ··· |
| 游客D | 0.132 | 0.086 | 0.111 | - | 0.032 | 0.021 | ··· |
| 游客E | 0.023 | 0.003 | 0.004 | 0.032 | - | 0.001 | ··· |
| 游客F | 0 | 0.105 | 0.001 | 0.021 | 0.001 | - | ··· |
| ··· | ··· | ··· | ··· | ··· | ··· | ··· | - |
由于考察的是游客之间的关系强度,没有考虑方向,也不关注游客与其自身的关系强度,故此矩阵是一个对称矩阵。关系矩阵中的值表示的是游客之间的关系强度,研究发现,游客之间的关系大多比较弱,这和居民大样本数据或者关系较为密切的同一区域的人群研究不同,由于本研究样本数据量较少,且游客的关系本身比较松散,因此会形成这一结果。
2.3.2 旅游流的空间转移分析
对于不同区域间的有向联系,则利用Gephi软件构建区域之间的旅游流转移关系。Gephi软件可以根据一个区域对外输出的游客总量调节节点大小,节点越大说明该区域与其他区域流通的客流量越多,节点越小则说明该区域与其他区域流通的客流量越少。同时,一个区域对另一个区域输送的游客量越多,连结二者之间的线条就会越粗,方向箭头也会越大,反之亦然。如图4所示,旅游流转移量较大的区域为钟楼旅游区、曲江旅游区、临潼旅游区、咸阳国际机场、火车站区域,旅游流主要在这五大区域间流动。
可以发现,从区域关联度来看,排名前5的区域关系为“钟楼-曲江”、“钟楼-临潼”、“临潼-曲江”、“钟楼-机场”以及“临潼-机场”,表明这五大关系连结的区域间游客流动较为频繁,形成了西安省外游客重要的旅游通道。从转移关系来看,排名前5的是“曲江→钟楼”、“临潼→钟楼”、“曲江→临潼”、“钟楼→临潼”以及“钟楼→机场”, 揭示了游客在西安的出游偏好与习惯,可为旅游线路设计、精准营销以及潜在市场开发提供依据。例如曲江区域总是为钟楼区域输送大量游客,因此对于钟楼商圈的旅游经营者而言,不仅需要在本商圈开展促销活动,也可以在曲江区域开展促销活动,从而开发潜在的消费市场。从转移倾向以及转移差值可以发现,区域间的旅游流转移存在不平衡现象,如曲江区域会向钟楼区输送大量游客,而钟楼区域向曲江区域输送的游客量则相对要少。根据转移差值大小以及转移倾向,排名前5的区域关系为“曲江→钟楼”、“曲江→临潼”、“临潼→钟楼”、“曲江→机场”以及“曲江→火车站”,表明这些区域关系中,旅游流从前者指向后者的倾向性总是更强,而其他区域间的转移差值则相对较小。结合区域关联程度、转移关系与转移倾向排名,可以发现钟楼区域、曲江区域以及临潼区域三者联系程度非常高,转移关系也最突出,同时转移倾向总是表现为“曲江→钟楼”、“曲江→临潼”、“临潼→钟楼”,因此可以确定三者之间存在非常稳定的有向旅游流转移现象,因此这三个区域也形成了西安旅游发展的“铁三角”。
在大数据背景下,社会感知计算在旅游研究中的应用还处于介入阶段,相关研究还不多。本文从社会感知计算的概念入手,提出了旅游社会感知计算的概念,构建了游客行为社会感知计算模型,并通过微博数据研究了西安游客的时空共现和客流转移,根据以上的研究可以得出以下结论：
1）社会感知计算是网络时代连接现实世界和游客活动的重要纽带。社会感知计算将现实地理世界和游客行为研究连接起来,成为了游客行为研究的重要通道和纽带。现实世界将实时的旅游活动场景真实的数据推送至社会感知计算,社会感知计算作为一种新的旅游行为研究方法和工具对大规模、实时的信息进行分析和处理;游客行为相关的研究为社会感知计算提供了研究问题和理论基础,最终由社会感知计算将相关结果直接反馈给现实世界,指导旅游实践活动。
2） 游客行为的社会感知计算概念模型有传感器、游客活动、旅游管理和推理机四大实体,推理机是其核心。在社会感知计算基础上的构建的游客行为社会感知计算概念模型中推理机相当于计算系统的大脑,从旅游活动的情境中推导出游客行为的规律和影响机制等,在模型中,传感器感知游客活动并向推理机提供情境,推理机在感知计算的基础上向旅游管理用户提供高级反馈,由旅游管理用户调控旅游活动。
3） 在不同类型的数据,尤其是大数据的支持下,利用社会感知计算可以很好地刻画游客的时空行为规律。在社会感知计算的框架之下,通过各种旅游的大数据（如社交媒体数据）可以对游客的行为等进行及时研究,不仅可以发现游客之间的相互关系和移动轨迹等行为规律,而且可以探索隐藏在时空行为背后的影响机制。
本文是探索性的研究,探讨利用社会感知计算,在各种传感器（数据）的支持下研究旅游行为的可行性,并构建了概念模型,利用数据进行了实证研究,为未来的游客行为研究提供新的视角。但是本研究仅利用一种数据来研究游客关系和旅游流空间转移,有一定的局限性,因此多种数据源、多个角度的游客行为研究将成为下一步的重要工作。
大数据时代的到来以及信息与通讯技术的不断发展为旅游行为研究带来了新的契机。在未来,游客行为的社会感知计算研究主要集中在以下领域：① 游客行为的社会感知建模研究。模型的构建是开展游客行为社会感知计算相关理论和技术研究的首要步骤。社会感知计算建模已取得了一定的成果,Pentland[3]、於志文等[7,22]奠定了社会感知建模基础,游客行为的社会感知建模研究应在此基础上进一步深化;② 游客行为数据实时感知与挖掘。研究游客的行为的数据除了社交媒体数据(包括微博、微信、论坛等),还包括感知和传感器的闭源数据等[23]。为有效感知和应用实时数据,应充分利用感知设备,从多种旅游数据源提取数据,创建数据挖掘模型;③ 游客行为交互和规律分析。信息时代居民和游客的流动性特征在很大程度上反映了“流空间”特征[24,25]。游客行为交互规律研究应重视游客行为交互特征,包括群体的形成、组织结构、群体活动、交流模式及其动态演化等方面的研究;④ “智慧旅游”智能辅助支持和应用研究。2010年以来,“智慧旅游”成为旅游界共同关注的话题,“智慧旅游”的发展需要先进的理论和技术的支持,社会感知计算的出现可给“智慧旅游”提供智力支持;⑤ 移动感知计算。移动感知设备的发展开拓了旅游行为研究的另一个领域。通过移动社交网络中部署的大规模多种类传感器实时感知物理世界中游客的活动数据,提取移动社交网络时空交互语义,建立语义表示和关联模型,生成具备时空特征的抽象群体社会交互网络[26]。通过移动社交网络提取的时空特征,对网络进行深度分析和挖掘,发现游客群体社会交互规律,尤其是特定目标、个体或社群的交互模式,社会交互的时空特性以及信息、物质和行为传播的时空规律。
The authors have declared that no competing interests exist.
| [1] |
旅游数字足迹:在线揭示游客的时空轨迹 [J].https://doi.org/10.3969/j.issn.1001-778X.2013.03.018 URL [本文引用: 2] 摘要
信息与通讯技术(TCTs)的 迅猛发展和全球泛在网的普及,使旅游信息化成为旅游业发展的必然取向,利用旅游数字足迹研究游客行为成为了可能和趋势。在研究旅游数字足迹时,数字足迹的 内涵、旅游数字足迹及其特征、旅游数字足迹的数据源等问题值得深入探讨。根据目前的研究进展,旅游数字足迹在未来旅游行为研究领域的应用方向,应主要集中 在游客时空行为的数字足迹模型、游客的旅游行为的时空规律、高效的旅游行为智慧化支持机制和旅游目的地空间结构优化研究等几个方面。
|
| [2] |
时空间行为研究动态及其实践应用前景 [J].https://doi.org/10.11820/dlkxjz.2012.06.001 URL Magsci [本文引用: 1] 摘要
随着国内外时空间行为研究的数据采集、计算挖掘、三维可视化与时空模拟等理论与技术的不断革新,时空间行为研究日益呈现出研究数据多源化、研究方法科学化、研究对象个体化、研究主题应用化等趋势。海外的时空间行为研究在结构化理论、GIS 以及其他社会科学领域中得到广泛的理论应用,中国的时空间行为研究经历了时间地理学的引入与描述性统计、城市空间与时空间行为的互动机理研究、基于位置感知设备的数据采集与规划应用等3 个阶段,正在步入实践应用的重要时期。时空间行为研究在城市规划、社会管理、居民服务等领域具有广泛的应用前景。
|
| [3] |
Socially aware computation and communication [J].https://doi.org/10.1109/MC.2005.104 URL [本文引用: 2] 摘要
Most would agree that today?s communication technology seems to be at war with human society. Pagers buzz, cell phones interrupt, and e-mail begs for attention. Technologists have responded with well-meaning solutions that ultimately fail because they ignore the core problem: Computers are socially ignorant.A research group at MIT is taking the first steps toward quantifying social context in human communication. These researchers have developed three socially aware platforms that objectively measure several aspects of social context, including analyzing the speaker?s tone of voice,facial movement, or gestures.
|
| [4] |
Computational social science [J].https://doi.org/10.1126/science.1167742 URL [本文引用: 1] 摘要
We live life in the network. We check our e-mails regularly, make mobile phone calls from almost any location, swipe transit cards to use public transportation, and make purchases with credit cards. Our movements in public places may be captured by video cameras, and our medical records stored as digital files. We may post blog entries accessible to anyone, or maintain friendships through online social networks. Each of these transactions leaves digital traces that can be compiled into comprehensive pictures of both individual and group behavior, with the potential to transform our understanding of our lives, organizations, and societies.
|
| [5] |
Group awareness and self-presentation in computer-supported information exchange [J].https://doi.org/10.1007/s11412-007-9027-z URL Magsci [本文引用: 1] 摘要
A common challenge in many situations of computer-supported collaborative learning is increasing the willingness of those involved to share their knowledge with other group members. As a prototypical situation of computer-supported information exchange, a shared-database setting was chosen for the current study. This information-exchange situation represented a social dilemma: while the contribution of information to a shared database induced costs and provided no benefit for the individual, the entire group suffered when all members decided to withhold information. In order to alleviate the information-exchange dilemma, a group-awareness tool was employed. It was hypothesized that participants would use group awareness for self-presentational purposes. For the examination of this assumption, the personality variable ‘protective self-presentation’ (PSP) was measured. An interaction effect of group awareness and PSP was found: when an awareness tool provided information concerning the contribution behavior of each individual, this tool was used as a self-presentation opportunity. In order to understand this effect in more detail, single items of the PSP-scale were analyzed.
|
| [6] |
情景感知计算 [J].
综述"情景感知"研究近年来的发展,对"情景"、"情景感知"和"情景感知计算"等概念作了详尽的阐述,并提出了自己的定义.从计算模式的演变角度论述了情景感知系统,着重分析了情景建模方法及情景感知系统框架,典型剖析了Contextor思想和Dey框架等.作为应用,讨论了LBS信息服务和情景感知的信息检索.最后,展望了情景感知计算在国际和国内的发展趋势.<dt><strong><t>Abstract：</t></strong></dt><dd>An overview of the basic concepts concerning context aware computing and a survey of the up-to-date researches were presented in this paper. Context and its spectrum were well formed and defined. Based on the evolution of computing modes, context aware computing as well as context aware systems was analyzed. As application examples, realizations of location based service and context aware web searching were discussed.
|
| [7] |
社会感知计算:概念,问题及其研究进展 [J].https://doi.org/10.3724/SP.J.1016.2012.00016 URL [本文引用: 5] 摘要
普适计算技术的发展极大地丰富 和增强了人类获取数据的途径和能力,如何利用这些感知数据,理解人类的社会行为与活动,实现计算"以人为中心"并为社会服务的目标,是当前信息领域的重要 问题.本文介绍了计算机科学领域的一个刚刚兴起的研究主题———社会感知计算.社会感知计算旨在通过人类生活空间日益部署的大规模多种类传感设备,实时感 知识别社会个体的行为,分析挖掘群体社会交互特征和规律,辅助个体社会行为,支持社群的互动、沟通和协作.论文讨论了社会感知计算的概念、起源、模型和主 要研究问题,综述了社会感知计算典型系统与应用、数据感知、行为与交互分析、社会理论与规律验证以及社会交互高效支持等方面的研究进展.
|
| [8] |
Vaccari A,Liu L,Biderman A,et al.A holistic framework for the study of urban traces and the profiling of urban processes and dynamics [DB/OL]. . |
| [9] |
Human mobility and opportunistic communications system design [J].https://doi.org/10.1109/TMC.2013.160 URL 摘要
In this work we study how human mobility affects wireless communications. Many mobility models currently used for evaluating wireless systems have weak resemblance to reality and there is lack of understanding on which characteristics of mobility affect system performance. Most current mobility models assume a free flow of nodes and do not consider how mobility is affected by interactions with other pedestrians and with the physical environment. They also assume a closed system, not considering the effect of node arrival and departure. Our work addresses which mobility aspects need to be captured, and to which level of detail, when evaluating communication systems. For this we use mobility models from the civil-engineering field of transportation and urban planning. The models capture micro-mobility of pedestrians better than most mobility models used in mobile networking since the application domain requires realistic representation of node interactions with the physical environment and other nodes. Our results shows that the free flow assumption used in most models does not have a significant performance impact and that performance is insensitive to accurate estimation of the mobility parameters. It is however important to capture the scenario and space in which mobility occurs since this may affect performance significantly.
|
| [10] |
|
| [11] |
基于地理参考照片的景区游客时空行为研究 [J].https://doi.org/10.3969/j.issn.1002-5006.2013.010.004 URL Magsci [本文引用: 1] 摘要
随着便携消费电子产品(例如数码相机、手机、便携电脑)的普及和 网络技术的发展,互联网上存有大量带有地理参考信息的照片,这些由公众自主创造并公开分享的地理信息,为研究游客在景区的时空行为提供了大量的数据资源. 文章以Panoramio网站收集的10年内447名游客在厦门市鼓浪屿上拍摄的2272张照片作为基础数据,详细介绍了借助带有地理参考信息的照片来研 究游客时空行为的方法,分析了游客在鼓浪屿景区的时间变化(日变化、周变化和月变化)、停留时间、日均游客量、游客流向图和旅游热点区域,并且利用前人的 研究结果和媒体公布的数据对该方法进行验证,得到了相似的结果.文章认为,基于地理参考照片的方法能够客观地反映出景区内游客的时空行为,同时在数据获 取、游客流向图以及旅游热点区域分析等方面具有明显的优势.
|
| [12] |
位置服务社交网络的用户行为相似性分析[D] .
|
| [13] |
基于签到数据的用户空间出行相似性度量方法研究 [J].https://doi.org/10.3969/j.issn.1672-1586.2013.03.010 URL [本文引用: 1] 摘要
@@@@近年来，国内外类似街旁、人人、Foursquare、 Gowalla等基于地理位置的移动社交网络（LBSN）发展迅猛，大量用户通过这些服务以签到的方式记录时空行为轨迹，这些个体行为轨迹数据为我们研究 用户行为模式以及探究其内在规律提供了巨大的机会和挑战。然而，LBSN用户的相似性并没有从地理位置以及用户轨迹加以考虑，本文提出了基于格网划分的方 式对用户空间出行进行相似性分析，通过用户轨迹建模以及相似序列匹配，探索用户出行轨迹的空间相似性度量方法并评估相似权重，最后通过用户好友关系与相似 性权重的比对，证明了该方法的有效性。
|
| [14] |
Digital Footprinting:Uncovering Tourists with User-Generated Content [J].https://doi.org/10.1109/MPRV.2008.71 URL [本文引用: 1] 摘要
Novel methods and tools are being developed to explore the significance of the new types of user-related spatiotemporal data. This approach helps uncover the presence and movements of tourists from cell phone network data and the georeferenced photos they generate. A city's visitors have many ways of leaving voluntary or involuntary electronic trails: prior to their visits, tourists generate server log entries when they consult digital maps or travel Web sites; during their visit, they leave traces on wireless networks whenever they use their mobile phones; and after their visit, they might add online reviews and photos. Broadly speaking then, there are two types of footprint: active and passive. Passive tracks are left through interaction with an infrastructure, such as a mobile phone network, that produces entries in locational logs; active prints come from the users themselves when they expose locational data in photos, messages, and sensor measurements. In this article, we consider two types of digital traces from Rome, Italy: georeferenced photos made publicly available on the photo-sharing Web site Flickr and aggregate records of wireless network events generated by mobile phone users making calls and sending text messages on the Telecom Italia Mobile (TIM) system.
|
| [15] |
Learning from contextual information of geo-tagged web photos to rank personalized tourism attractions [J].https://doi.org/10.1016/j.neucom.2012.02.049 URL [本文引用: 1] 摘要
This paper proposed a method that fully exploits contextual information of geo-tagged web photos to recommend tourism attractions to a user according to his personal interest and current time and location. The proposed method first detects tourism attractions from geo-tags, and estimates their popularity with users' photo quantity. Photos' taken time is used to discover temporal fluctuation of attractions' popularity and distance of consecutive photos is exploited to model the spatial influence to user's travel behavior. Photos' textual and visual information are used to reveal users' personal interests. Collaborative filtering is also adopted in the recommendation process. With all these contextual information, our method predicts a user's preference to a certain attraction from different aspects, and automatically combines the prediction scores to give the final recommendation result with a learning to rank model. Experiments on Panoramio dataset show that our method performs better than the state-of-the-art method, especially for users with little traveling history.
|
| [16] |
Leskocec J,Horvitz E.Planetary-scale views on a large instant-messaging network [DB/OL].. |
| [17] |
Sohn T.Mobility detection using everyday GSM traces [DB/OL].. |
| [18] |
Inferring social network structure using mobile phone data [J].https://doi.org/10.1007/978-0-387-77672-9_10 URL [本文引用: 1] 摘要
We analyze 330,000 hours of continuous behavioral data logged by the mobile phones of 94 subjects, and compare these observations with self-report relational data. The information from these two data sources is overlapping but distinct, and the accuracy of self-report data is considerably affected by such factors as the recency and salience of particular interactions. We present a new method for precise measurements of large-scale human behavior based on contextualized proximity and communication data alone, and identify characteristic behavioral signatures of relationships that allowed us to accurately predict 95% of the reciprocated friendships in the study. Using these behavioral signatures we can predict, in turn, individual-level outcomes such as job satisfaction.
|
| [19] |
物联网移动感知中的社会关系认知模型 [J].https://doi.org/10.3724/SP.J.1016.2012.01164 URL [本文引用: 2] 摘要
社会关系量化是物联网移动感知服务的基础,涉及时间、空间和行为等多种决策因子,对此借助社会网络理论,提出一种面向物联网移动感知的节点社会关系认知模型：（1）从多个角度推理和评估社会关系的复杂性和不确定性,分析物联网移动感知中节点社会关系的时空特性;（2）综合考虑影响社会关系的多种要素,引入位置因子、交互因子、服务质量因子和反馈聚合因子对移动节点社会关系进行合理量化,克服已有量化模型中决策因子单一、计算结果具有较大局限性的缺点;（3）通过信息熵和粗糙集理论确立各个决策因子的权重分配,克服已有权重分配中存在的主观性、动态适应性差的问题.模拟实验结果表明,与已有方法相比,该认知模型具有更好的动态适应性和预测准确性.
|
| [20] |
基于微博用户关系的网络信息地理研究——以新浪微博为例 [J].https://doi.org/10.11821/yj2013020018 URL Magsci [本文引用: 1] 摘要
移动信息技术成为21世纪信息化发展的新趋势,以微博为代表的新型网络社区成为当前人们重要的社交网络平台。本文尝试通过将微博用户的网络信息关系与地理关联,分析这一新型网络信息空间的地理特征、表现形式及其原因。研究发现网络信息空间中的地域根植性仍然存在,表现为本地域的信息联系在网络信息空间中占据了主体地位,网络信息联系呈现出一定的距离衰减现象;网络信息联系与实际社会经济联系的相对一致性,表现为网络信息联系强度与社会经济发展水平的相对一致性,网络信息联系格局与社会经济发展总体格局的相对一致性;网络信息空间中的等级差异性,表现为网络信息联系强度的等级性,以及网络信息联系的不对称性。
|
| [21] |
|
| [22] |
移动社交网络中的感知计算模型、平台与实践 [J]. |
| [23] |
社会计算的研究现状与未来 [J]. |
| [24] |
南京市居民流动性评价及流空间特征研究 [J].
信息时代居民的流动性特征在很大程度上反映了“流空间”特征。通过对城市居民流动性评价，以及居民流动性与地理空间活跃程度的关联分析，研究居民流动性与实体地理空间的耦合关系及所呈现出的“流空间”结构与特征等。基于信息时代南京市居民行为活动的问卷调查数据，从人流、货物流、信息流和活动流4个方面构建居民流动性指标体系，采用熵值法对居民的流动性进行综合测度，以街道为单元分析居民流动性的空间特征，南京市居民流动性的空间特征总体上呈现出中心一外围的圈层式布局结构；根据居民流动性和空间活跃度的耦合关系将“流空间”划分为4种类型，当前应加强高流动性一弱活跃度、低流动性一强活跃度2类地区的网络空间和地理空间协调发展。
|
| [25] |
京沪入境旅游流网络结构特征分析 [J].
应用社会网络理论和方法,对京沪入境旅游流网络的整体型态特征和个体结构位置特征进行定量研究。结果显示,由11个城市节点和24条流向关系组成的大型京沪入境旅游流网络密度为0.218,程度中心势为0.400,其中包含了3组不少于3个节点的1-派系和2组不少于5个节点的2-派系;由14个城市节点和46条流向关系组成的小型京沪入境旅游流网络密度为0.253,程度中心势为0.566,其中包含了1组不少于4个节点的1-派系和2组不少于6个节点的2-派系。以上结果说明,京沪入境旅游流网络密度低、中心势高、派系交叉性显著;京沪入境旅游流网络节点层次分化严重,核心节点突出,边缘节点明显;京沪入境旅游流网络中存在明显派系。得到两点启示国家应采取切实措施引导入境旅游流在国内旅游城市之间合理流动,避免入境旅游流过于集中在某些城市;旅游城市应了解其在全国入境旅游流网络中的位置,一方面应积极地与核心城市建立良好的入境旅游关系,另一方面应争取进入旅游城市组合,联合开发旅游产品,共同开展市场营销。
|
| [26] |
智慧旅游的基本概念与理论体系 [J].https://doi.org/10.3969/j.issn.1002-5006.2012.05.014 URL [本文引用: 1] 摘要
随着旅游信息化的升级和智慧城市建设的兴起,智慧旅游成为我国各地旅游信息化建设的重点和理论研究的前沿问题。但由于尚处于初级阶段,智慧旅游的基本概念及相关理论体系尚未建立或未达成一致,不能有效指导实践。这将会造成智慧旅游信息系统或工程建设的混乱、信息孤岛以及因工程建设失误而造成的巨大资源浪费。基于此,文章在回溯智慧旅游的起源及发展条件和现有概念评述的基础上,提出智慧旅游的基本概念。在此概念的理念下,提出了智慧旅游的能力（capabilities）、智慧旅游的属性（attributes）以及智慧旅游的应用（applications）三个层面构成的CAA框架体系。该框架重点阐述了智慧旅游区别于传统旅游信息系统的四大核心技术,以及智慧旅游针对旅游者、居民、政府、企业四大应用对象的价值供给。文章主要贡献在于：（1）在历史回溯和评述基础上,厘清了智慧旅游的概念;（2）提出了CAA三层次的智慧旅游构架体系;（3）提出了智慧旅游的四大核心技术是物联网、移动通信、云计算以及人工智能技术;（4）阐述了基于多利益主体的智慧旅游价值供给。
|
/
| 〈 |
|
〉 |
