基于用户生成内容的旅游要素与感知特征空间制图——来自中国东北的证据

《ISPRS International Journal of Geo-Information》:Spatial Mapping of Tourism Elements and Perceptual Characteristics Based on User-Generated Content: Evidence from Northeast China

【字体: 大 中 小 】 时间:2026年08月28日 来源:ISPRS International Journal of Geo-Information 3.2

编辑推荐:

  摘要翻译:地理空间数据库、高级建模与人工智能的整合为研究区域分异提供了新机遇,对城市科学与区域发展具有直接意义。为避免同质化竞争并支撑区域旅游规划,考察游客如何感知大尺度区域空间中的不同旅游要素十分重要。然而,现有研究仍缺乏一套系统性工作流,用以提取目的地特定

  
摘要翻译:地理空间数据库、高级建模与人工智能的整合为研究区域分异提供了新机遇,对城市科学与区域发展具有直接意义。为避免同质化竞争并支撑区域旅游规划,考察游客如何感知大尺度区域空间中的不同旅游要素十分重要。然而,现有研究仍缺乏一套系统性工作流,用以提取目的地特定感知特征并将其与具体旅游位置相关联。本研究开发了一个基于UGC的框架,用于识别旅游要素与感知特征、构建POI级感知权重,并利用来自1491个POI的196028条携程评论,绘制中国东北地区旅游感知的空间格局。该框架整合了jieba分词与BERT排序进行关键词提取、ChatGPT辅助筛选与人工复核进行关键词标准化、K-means聚类进行感知维度识别,以及基于GIS的核密度分析进行空间可视化。主要发现如下:第一,东北地区旅游感知呈现多样化复合结构;第二,不同感知维度与代表性关键词呈现差异化的空间分布;第三,东北地区旅游感知空间结构可概括为以“五维复合感知核心带”为中心、以“自然-景观感知带”和“水域游憩感知区”为支撑、以多层次城市节点与节点间感知联系为补充的复合空间格局。本研究为理解区域旅游分异和指导基于证据的目的地规划提供了方法论支撑与规划启示。地理空间数据库的构建在将游客感知与具体旅游要素和位置相连接方面发挥着基础性作用,能够实现传统基于调查数据难以达成的精细化、空间显式分析。
论文解读文章

一、研究背景与问题

区域分异是旅游地理学的核心议题之一。旅游目的地的比较优势识别、低水平同质化竞争的规避以及区域旅游协调发展,均依赖于对区域分异的深入理解。近年来,中国冰雪休闲旅游快速发展,但2025—2026年冰雪季接待游客量约3.6亿人次、旅游收入约4500亿元人民币,相较于2024—2025年冰雪季的5.2亿人次和超过6300亿元人民币出现明显下滑。其根本原因之一在于不同地区在冰雪景观、体验项目和营销方式上高度相似,尚未形成有效的差异化发展格局。因此,冰雪旅游区域为研究区域旅游分异提供了典型场景。传统旅游地理研究主要从旅游资源禀赋、基础设施配置和区位条件等物质空间维度分析区域分异,但对游客主观感知的动态识别关注不足。游客是旅游活动的主体,其目的地感知直接影响满意度与忠诚度,并能在微观层面反映区域分异。然而,现有研究缺乏将感知内容与具体地理位置关联并分析其区域尺度空间集聚与分异格局的系统性方法。旅游目的地形象(TDI)研究虽已广泛利用用户生成内容(UGC)识别形象维度、旅游体验和情感评价,但对感知内容如何与具体POI关联、如何形成区域尺度的空间结构仍探讨不足。地理空间数据库的构建可将评论文本中的感知信息赋予具体空间点位,进而支持旅游感知数据的可定位、可统计和可制图表达。基于此,研究人员以东北地区为案例,构建了从评论文本、感知关键词、POI权重到空间表达的旅游感知空间制图框架。

二、研究方法概述

本研究数据来源于携程旅行平台2016年5月至2025年10月的旅游评论、旅游POI和基础地理空间数据,研究区域涵盖辽宁省、吉林省、黑龙江省及内蒙古东部五个盟市。经数据清洗和POI匹配后获得196028条有效评论和1491个有效旅游POI。技术流程如下:首先利用jieba分词进行初始切分,结合BERT语义排序提取候选关键词;其次基于规则约束,借助ChatGPT 5.5辅助筛选和人工复核,标准化得到目的地特定感知关键词;随后采用K-means聚类识别感知维度,利用BERT语义向量和多种聚类评价指标确定最佳聚类数K=5;然后构建POI级关键词权重和维度权重,将非结构化评论转化为可定位、可分类的结构化空间数据;最后运用GIS平台绘制感知认知地图,并采用核密度分析将离散POI权重转化为连续密度面,识别旅游感知的空间高值区和结构特征。核密度分析搜索半径设为100000米,以适应东北地区的大尺度空间范围。

三、研究结果

(一)感知关键词聚类结果

关键词处理结果显示,原始评论表达经筛选后得到708个有效感知关键词和13655条POI-关键词记录。高权重关键词涵盖历史文化、主题休闲、城市游憩、自然生态和特色景观等多类要素,表明东北地区旅游感知具有多元化复合特征。K-means聚类将感知关键词归纳为五个维度:自然游憩(natural recreation)、景观观赏(landscape viewing)、水域游憩(water recreation)、文化休闲(cultural leisure)和城市游憩(urban recreation)。按权重占比计,城市游憩维度最高(30.18%),其次为自然游憩(26.75%)、文化休闲(22.99%)、景观观赏(15.90%)和水域游憩(4.18%)。这一结果表明东北旅游感知并非仅由自然生态或冰雪资源主导,而是由城市游憩、自然生态、文化休闲、景观观赏和水域资源共同构成的复合感知系统。

(二)认知制图结果

核密度分析显示,五个感知维度均呈现一定程度的空间集聚,但高值区范围、空间连续性和资源依赖程度存在显著差异。文化休闲和城市游憩的高值区主要集中于辽宁中部、辽宁南部沿海、吉林中部和黑龙江中部,表明核心城市和成熟旅游目的地是这两类感知的重要载体空间。自然游憩维度覆盖范围较广,在辽宁、吉林、黑龙江和内蒙古东部形成多个斑块状高值区,反映其对森林、草原、山地、冰雪和滨海等自然资源的依赖。景观观赏维度呈现多节点斑块状分布,主要依托特色景观和主题观赏资源。水域游憩维度高值区范围相对较小,主要与滨海、河流、湖泊、瀑布等水域景观资源相关。总体而言,文化休闲和城市游憩更依赖于城市功能与服务空间,而自然游憩、景观观赏和水域游憩更依赖于资源节点。

代表性感知关键词的空间分布进一步揭示维度内部差异。在自然游憩维度中,“森林”分布相对广泛,而“滑雪场”更集中于成熟冰雪旅游开发节点;在景观观赏维度中,“冰雪景观”反映东北冬季旅游形象,“动物观赏”则更多依托主题场馆;在水域游憩维度中,“瀑布”更依赖山地水域景观节点,“湖泊”则更集中于高等级湖泊旅游资源;在文化休闲维度中,“历史文化”覆盖范围较广,“主题公园”更集中于特定旅游产品;在城市游憩维度中,“公园”分布广泛,“温泉”则集中于特定资源节点。这表明东北旅游感知不仅在维度间存在差异,维度内部也存在不同的空间组织形态。

(三)旅游感知空间结构

城市尺度结构图显示,哈尔滨、沈阳、大连、长春等核心城市具有较高的总体感知权重,其感知结构呈现城市游憩、文化休闲和自然游憩等多维度叠加特征;呼伦贝尔、牡丹江、延边、丹东等节点在自然游憩、水域游憩或特色景观感知方面表现出差异化特征。根据高值区数量、空间连续性、资源依赖性和分布方向,旅游感知空间结构可归纳为四种类型:多核集聚型、资源节点斑块型、廊道延伸型和城市网络型。综合POI分布、总体感知核密度、五维感知核密度、代表性关键词分布和城市尺度感知结构,东北地区旅游感知空间被概括为由“大连—沈阳—长春—哈尔滨”主感知轴组织,以“五维复合感知核心带”为中心,以“自然—景观感知带”和“水域游憩感知区”为支撑,以多层次城市节点和节点间感知联系为补充的复合空间格局。

四、讨论与结论总结

讨论部分指出,传统TDI框架主要解释目的地形象的多维构成,但对这些维度在大区域内部的空间差异性解释有限。本研究表明,旅游感知空间并非旅游要素分布的简单映射,而是核心城市、资源节点、感知轴线和节点联系共同作用的结构化空间系统。城市游憩维度权重相对较高,可能部分反映了旅游活动、服务和评论生成目的地在大城市中的集聚,而冰雪体验更具季节性和空间集中性。因此,东北旅游形象不应简单概括为单一冰雪或自然观光形象,而应理解为多种旅游要素交互形成的复合感知系统。规划实践方面,应加强核心城市与特色资源节点和感知轴线的协调,核心城市应强化区域旅游服务、文化休闲和综合游憩功能,资源型地区应依托森林、草原、冰雪、湖泊、湿地、滨海和河流等特色资源加强交通连接、产品整合和品牌建设,避免同质化发展。

研究结论为:第一,可从东北地区旅游评论中识别出708个有效感知关键词和13655条POI-关键词记录,旅游感知呈现多元化复合特征,并可归纳为自然游憩、景观观赏、水域游憩、文化休闲和城市游憩五个维度,其中城市游憩、自然游憩和文化休闲维度权重较高;第二,旅游感知总体高值区主要集中于辽宁中部、辽宁南部沿海、吉林中部和黑龙江中部,不同感知维度的空间分布存在差异,文化休闲和城市游憩更依赖核心城市与服务设施,自然游憩和景观观赏更依赖资源节点,水域游憩与河流、湖泊、瀑布和滨海等水域景观资源关系更为密切;第三,东北地区旅游感知空间结构可概括为以主感知轴组织、以五维复合感知核心带为中心、以自然—景观感知带和水域游憩感知区为支撑、以多层次城市节点和节点间感知联系为补充的复合结构。

研究存在以下局限:数据主要来自携程平台,可能受平台用户结构和评论习惯影响;研究主要分析总体空间格局,未考察季节性变化和年度演化;空间结构识别主要基于核密度高值区和空间形态解读,旅游POI的分布可能对结果产生一定影响;关键词聚类和维度命名仍需人工解读,未来可结合情感分析、主题模型和多模态语义模型提升识别精度。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号