三层分析框架
Identity Recognition - Behavior Analysis - Pattern Mining
1
身份识别
Identity Recognition
- 常住地识别（夜间锚点法）
- 外地用户筛选
- 景区活动匹配
- 外地游客确认
2
行为分析
Behavior Analysis
- 时间维度（时间跨度、游玩时长）
- 空间维度（总行程、旅行效率）
- 行为强度（活动次数、日均次数）
- 行为多样性（景点类型数）
3
模式挖掘
Pattern Mining
- K-means聚类分析
- 轮廓系数优化
- 行为模式识别
- 群体结构揭示
四维度行为指标体系
时间维度
轨迹时间跨度（Tspan）
第一次活动开始到最后一次活动结束的时间跨度
Tspan = max(Tend) - min(Tstart)
旅行活动游玩时长（Tplay）
在所有景点停留时间的总时长
Tplay = Σ(tout - tin)
空间维度
旅行总行程（Dtotal）
空间移动轨迹的累积距离
Dtotal = Σd(Pk, Pk+1)
旅行效率（E）
单位空间距离内时间资源投入的强度
E = Tplay / Dtotal
行为活动强度
旅行活动次数（Ntotal）
参观景点的总数量
Ntotal = ΣSi
日均旅行活动次数（Ndaily）
每天平均参观景点数量
Ndaily = Ntotal / Tspan
行为多样性
访问景点类型数（Stypes）
所访问的景点类型总个数
Stypes = |{S1, S2, ..., SN}|
意义
衡量游客对不同类型旅游资源的偏好分布和选择多样性
案例研究：厦门市
研究时段
劳动节
2023年4月29日—5月3日（5天）
端午节
2023年6月22日—24日（3天）
数据来源
- 匿名化手机位置数据
- 景区AOI数据（50m缓冲区）
- 节假日前后各7天常住地识别数据
识别标准
停留点判定
500m范围内连续滞留超过30分钟
夜间锚点
凌晨0:00-6:00连续停留超过3小时
外地游客
常住地非厦门 + 景区活动匹配