通过轨迹大数据的挖掘,揭示旅游者时空行为模式是旅游地理学的重要研究内容。本文引入时间、空间和方向相似度对基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)进行了改进,选择典型的红色旅...通过轨迹大数据的挖掘,揭示旅游者时空行为模式是旅游地理学的重要研究内容。本文引入时间、空间和方向相似度对基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)进行了改进,选择典型的红色旅游目的地合肥市为案例,对2010—2019年的红色旅游者轨迹进行分析。研究发现:(1)所构建的研究框架和方法能够有效提取轨迹大数据中隐含的旅游者的时空行为模式;(2)合肥市红色旅游以半日游为主,夏季是红色旅游旺季;(3)红色旅游有6类模式,分别为“红色+购物娱乐”、“红色+历史文化”、“红色+登山旅游”、“红色+生态休闲”、“红色+古镇旅游”、“红色+乡村旅游”,主要分布于合肥市的西北部、东南部和西南部,模式长度12.03~18.42 km,模式持续时长0.65~13.60 h;(4)所有模式中共提取出24条旅游线路,包括全红色旅游线路(58.33%)和混合线路(41.67%),平均长度为17.69 km,平均时长2.36 h;(5)合肥会议旧址作为核心吸引物,支撑了38.46%的线路的形成;(6)蓉遵高速、兰海高速、杭瑞高速和合肥绕城高速是红色旅游模式形成中最重要的交通依托。本文提出的方法可用于其他区域旅游行为模式和线路挖掘研究,研究结果可为合肥市红色旅游空间格局优化和线路规划提供依据。展开更多
