1、1基于经验预测模型的景区游客行踪可视化摘要：景区游客行踪的可视化，为游客选择合适线路提供参考依据，有利于缓解游客拥挤问题。而游客的行踪由导游来安排，具有路线固定，浏览时间规律的特点。因此，根据导游以往的浏览时间为参数建立数学模型，预测游客的行踪。该数学模型考虑了旅游线路和季节因素对模型结果的影响。该文利用导游记录的实际浏览时间，代入数学模型，预测7，8 月份期间游客的行踪。最后利用多线程技术分别以 100，300，500个旅游团为模拟对象，随机化游客进入景区的时间，对游客行踪可视化，模拟效果中拥挤的景点与现实相符。 关键词：可视化；预测模型；张家界国家森林公园 0.引言 调查研究表明，随着人民
2、生活水平的提高，大部分民众在节假日都会选择旅游进行调整和休息1。因为民众对旅游城市和景点具有趋同效应，所以游客都选择热门旅游城市和景点。而张家界就是热门旅游城市的典型，是中国最重要的旅游城市之一。张家界国家森林公园是中国建立的第一个国家级森林公园，每年吸引大批的游客来张家界观光旅游。随之出现的却是景区内游客拥挤不堪的现象，在五一和国庆长假期间会表现得特别明显。其产生的影响不容忽视，破坏了景区在游客心中的形象。 因此有必要采取措施改变这种现状。有专家提出合理安排路线，实2现景点分流，控制游客数量等措施2。这些措施一定程度上改善了拥挤问题，却人为地剥夺了游客自主选择的机会，具有强制性。本文从游客自
3、身角度出发，为游客提供充足的信息，由游客自主选择旅游路线，相较而言，更人性化。 1.相关工作 1.1 可视化技术 游客选择路线需要的信息大致分为几类：一是数据，如景区内已经出售的门票数目，此类数据为游客预测景区拥挤情况提供参考，但是该数据提供的信息不太明确，需要游客耗费心思来决策。二是可视化信息，如平面地图信息。目前可视化技术比较成熟，不仅有二维的，还有三维的3。但是对于应用可视化技术对景区游客的行踪进行实时可视化的研究却很少。目前主要研究的是把游客的信息按季度和年度进行汇总，该研究得到的行踪轨迹的粒度较大，只能分析景点的热门程度，而没有提供即时的信息决策功能4。 1.2 行踪预测模型 游客行
4、踪的可视化，游客的行踪数据是关键。目前而言，获取数据的思路是两种，一种是在游客身上放置跟踪器，实时跟踪游客的位置。该方法可能会泄露游客的隐私，增加不适感，容易遭到抵制，而成本也比较高5。另一种是通过对游客的行迹跟踪记录，利用数学模型预测。该方法已经得到应用。如通过对公交车的路段平均行程时间、站点停靠时间、信号灯区域延时时间，建立公交车到达下游站点的实时预测模型。在旅游领域，通过记录导游的浏览时间，推断导游出行规律，从而对导3游进行调度。因为景区季节和路线的因素使得游客的行踪动态性较高，难以预测。所以，有必要针对张家界景区游客的特点进行分析，推导出相应的预测模型。 2.张家界国家森林公园景区游客
5、行踪的特点 目前，公园内的 95%游客都是需要导游参与的。因为园区面积较大，地形较复杂。一般来说，无论是报团型游客，还是自助型游客都聘请导游，只是导游带领人数不同，游客行踪最终由导游决定。 其次，导游选择的是主要的四条线路，相对固定。如从黄狮寨到金鞭溪，最后进武陵源景区。而我们对线路经过的主要的 51 个景点进行定位。如公园门票站编号 37，以它为原点，X 轴和 Y 轴的坐标是 0，其他景点数据因为篇幅此处略。 最后，导游在沿路所耗费的时间还跟季节有关，7-8 月份是旅游旺季，我们以旅游旺季作为模型依据。 3.基于经验预测模型的提出 4.游客行踪可视化的模拟结果展示 模拟结果中，游客进入园内的
6、时间、人数、选择的路线都是随机的。进入时间从早上 8 点到下午 6 点，以五分钟为时间单位。而每个导游最多带 16 人。图 1 是随机产生 100 个旅游团的模拟效果，红色代表游客，红色面积代表游客人数。 5.相关讨论 本文建立的经验预测模型把导游浏览的时间数据按月份和线路进行分类，然后平均化处理，得到预测结果，模型比较粗糙，其准确程度依4赖大量记录数据，而这些数据的获取是需要很多导游的配合，耗费大量的时间和精力，所以方法上得到推广还有一定的困难，而且模型得到的预测结果没有区分停留讲解时间和行进时间；其次因为可视化效果不是根据游客的实际行为来显示的，而是根据以往的规律来预测，所以当游客看到景区
7、内的可视化效果时，其选择路线的方式可能与往常不一致，从而导致预测结果出现偏差，缺乏可靠性和实时动态性；具体实时可视化的可靠程度有待进一步检验，而模型也需要进一步改进。 （作者单位：吉首大学旅游与管理工程学院） 参考文献 1李婧.节假日出行行为特征分析研究以北京“五一”黄金周为例D.北京：北京交通大学，2007. 2黄瑞华，李书剑.旅游景区容量管理新举措以九寨沟景区为例J.太原大学学报，2007，8（1）：114-115. 3孙杨，封孝生.多维可视化技术综述J.计算机科学，2008，35（1）：1-3. 4Andrienko G，Andrienko N，Wrobel S.Visual analytics tools for analysis of movement dataJ.ACM SIGKDD Explorations Newsletter，2007，9（2）：38-46 5蒲剑苏，屈华民，倪明选.移动轨迹数据的可视化J.计算机辅助设计与图形学学报，2012，24（10）：1278.
