基于旅游者和日常访问者人群行为的城市型景区“共处”空间研究

胡一可

李 晶

列入公园年票体系的城市型景区，兼具遗产和城市公园属性，交通便利，到访量大，服务旅游者和日常访问者2类人群。目前，景区空间及管理与现有使用者需求不匹配，2类人群易发生冲突。那么在景区内易发生相互影响的空间是否有规律可循？空间是如何构成的？空间中人群的反应和态度是什么？如何从“空间-行为”关系视角避免消极感受及冲突？

本文区分了旅游者和日常访问者，提出“共处”空间概念，从物质空间和人群行为2个方面研究“共处”空间，对城市性景区提出优化建议，营造良好的游憩环境。

对于游憩者行为的研究大多仍停留在大尺度上，缺少景区内近人尺度空间的系统研究[1]，但这类空间更为重要，关乎游憩体验质量。从人群细分角度上，既往研究较少将旅游者和日常访问者加以区分(统一称为游憩者、游人或到访者)。黄潇婷利用时空路径，获取旅游者在景区内部的行为信息[2]，并对时空行为进行聚落分析[3]。彭惠军等对游憩者进行分类，阐述不同需求的游憩者之间空间行为的冲突问题[4]。刘雯和史舒琳分别对天坛公园内市民和日常锻炼者进行人群行为研究，发现二者矛盾[5]，初步分析2类人群行为的空间交叠现象[6]。李渊等针对社区型景区内居民与旅游者间的空间利益问题，得到行为冲突空间的分布[7]。本文针对2类使用者，对微观尺度空间中“空间-行为”关系进行研究。

目前 “空间-行为”关联性研究的主要技术手段为空间句法、手持GPS、虚拟现实技术。空间句法的研究多关注空间组织关系，近人尺度空间的行为研究较少。基于GPS的定量研究在路线选择[8]、客源[9]、资源配置[10]等方面取得一定成果，但GPS装置的携带会影响参与者的客观行为，且受天气影响较大。虚拟现实技术被测试人员数量有限，难以还原现实场景。上述方法对人群行为缺乏细致观察，未考虑使用者的空间感受。计算机视觉技术利用机器代替人眼观察，可以高效、准确地统计数据，智能、客观地分析并处理数据。胡一可等尝试应用计算机视觉技术辅助外部空间设计，但只对单一行为进行轨迹提取[11]。本文运用计算机视觉技术中的光流法和人脸识别技术追踪行为轨迹，计算停留时间，观测头部扭动，判断对事件的关注程度，定量分析人群行为。

图1-1 天坛公园淡旺季旅游者数量变化折线图

图1-2 天坛公园淡旺季日常访问者数量变化折线图

1 研究概要

笔者及团队成员共8人，于2016年12月—2017年11月，对全年不同季节的工作日、双休日、节假日，全天不同时间段进行了56次田野调查。首先，对2类人群行为及其时空特性进行研究，提出“共处”空间概念。其次，对3类具有遗产属性且列入公园年票体系中的城市型景区，即国家4A级旅游景区(北海公园)、世界遗产地(天坛公园)、国家级风景名胜区(承德避暑山庄)的16个“共处”空间进行归纳，总结规律并提炼空间原型。再次，从界面、路径和要素3个方面量化分析“共处”空间，进行图解表达，综合运用计算机视觉技术和问卷调查，分析空间内的人群行为特征，结合人群行为的特征及规律(边界效应、地标效应、向心效应、群体效应)深入研究，将其划分为互不干扰、围观及参与、干扰及冲突3类，为改善2类人群行为之间的关系提供空间操作及管理措施依据，为同类型城市型景区“共处”空间的判别及优化提供参考依据。

图1-3 天坛公园淡季2类人群数量变化折线图

图1-4 天坛公园旺季2类人群数量变化折线图

2 旅游者和日常访问者行为及时空特性研究

2类人群对景区的定位及关注点不同，决定其行为有所差异。旅游者对景区的定位为旅游目的地，更关注游览体验和景点空间；日常访问者对景区的定位为锻炼和社交平台，更关注社会交往和空间品质。

图1-5 天坛公园淡旺季2类的总人数变化折线图

2.1 2类人群的行为特征研究

为了区分2类人群，选取概念界定更为清晰的日常访问者为研究对象(表1)。日常访问者所开展的行为多为无意识的、非探索性质的经验行为[12]，是长期生活及能动选择的结果，具有较强的规律性。结合已有研究基础[13-15]可将活动分为4类。1)散步通行类：散步、通行等活动；2)体育锻炼类：跑步、健身器械、羽毛球、网球、踢毽子、跳绳、白羽拍、抖空竹、太极球、太极拳、太极剑等；3)文化娱乐类：唱歌、唱戏、乐器、舞蹈类、地书、逗鸟等；4)静态休闲类：下棋、打牌、编织、晒太阳、看报等。活动空间具备自身的核心区、缓冲区和社交活动区[16]。核心区即有效活动范围及尺寸；缓冲区在核心区的外围，根据活动类型，半径在3.75～6m范围内浮动[17]；社交活动区在缓冲区的外围，即6m以外。旅游者的行为以观赏、休憩及消费为主，其具体的行为为拍照、划船、喂鱼、观看活动、买票、排队、问路、查询等。

表1 景区中市民的相关概念辨析

2.2 2类人群行为的时空特性研究

旅游者的停留空间至少具备其中的一类要素。1)引导性停留要素：标志性节点；2)自发性停留要素：可供停留的台阶、叠石等，互动活动及表演，物理环境(风、光、热)良好；3)服务类停留要素：小卖部、礼品店、售票处(门票、船票、电瓶车票等)、古装拍照店、餐饮店、电子导游器出租处、卫生间、游客中心、导游指示牌等。旅游者多选择在旺季(4月1日—10月31日)的双休日和节假日进行游览，11：00人数达到峰值。

日常访问者对空间舒适度要求较高。空间内具有标志性节点(方便约定集会场地)、植物要素以及亭、廊、座椅等休憩设施。空间底界面(平坦、防滑)和侧界面(私密性)与活动类型及人数匹配，如舞蹈类对铺装要求较高，静态休闲类活动对侧界面要求较高。旺季人数峰值为9：00，淡季为11：00，15：00为下午人数峰值。

图2 旅游者和日常访问者的“共处”现象

图3 “共处”空间原型

2类人群活动数量均旺季＞淡季，上午＞下午，11：00和15：00分别为上下午2类人群淡旺季的人数峰值(旺季日常访问者的峰值提前至9：00)；日常访问者有夜间锻炼习惯，17：00—19：00人数上升(旺季尤为明显)；2类人群人数密集的时间段为8：00—12：00和14：00—18：00，11：00达到人数峰值(图1)。

2.3 “共处”空间

2类人群的时空分布存在交叠现象，即为“共处”空间(图2)。该兼具满足2类人群需求的空间要素，可作为“共处”空间的初步判别依据。“共处”时间段为9：00—12：00和14：00—18：00，“共处”空间数量上午＞下午。市民活动易引起旅游者的自发性停留，文化娱乐类和体育锻炼类活动对旅游者的吸引力最大。

3 “共处”空间原型及空间构成

对3个景区进行长时间观察，共发现41个“共处”空间，最终选取16个具有代表性的“共处”空间，从空间原型及空间构成2个方面进一步剖析，可作为“共处”空间的深入判别依据。归纳总结为3类空间原型：“I”形空间、“T”形空间和“U”形空间(图3)。“共处”空间面积的范围多在300～2 300m2范围内波动，有效停留面积多在150～950m2，有效停留系数①“T”形空间＞“I”形空间＞“U”形空间，围合空间侧界面的数量≥2，空间界面清晰，领域感较强。空间内要素包含植被、座椅、台阶、叠石等。进入空间的路径便捷、平坦、可见，空间内路径明确、合理，不干扰人群活动，物理环境(风、光、热)良好。节假日期间由于表演展示目的较强，活动场地和通行空间易发生反转。

4 “共处”空间中体验质量及人群行为研究

4.1 技术方法

2类人群 “共处”的空间利益决定其反应和态度，并通过行为这种外显的方式来表达。“共处”空间容易呈现“活动诱发”效应，不同活动产生的过程(动机-选择-结果)不同，对同一空间下其他人群的感受也有所差异[19]，利用计算机视觉技术分析外显行为(图4)，结合问卷调查，深入了解人群的内在感受和体验质量，两者结合可以更加准确、客观地判断“共处”空间中的人群行为关系。

等距划分观测场地25m，设置多个摄像机，调整摄像机高度(图5)。利用计算机视觉技术对微观尺度人群行为细部进行捕捉，通过深度卷积神经网络对人脸不同区域进行特征提取，基于人脸识别的深度学习，实现脸部特征的识别，并借助OpenCV(计算机视觉库)的追踪算法，提高视频内人脸识别检测的成功率，通过目标对象的头部扭动来判断是否被活动吸引，并记录停留时间(图6)。利用光流法追踪运动物体，判断移动方向，显示运动轨迹和通行时间(tAB、tBC、tCD)，计算运动速度(图7)。空间中人群按人流特性可分为F1有目的、F2无目的、F3停留3类[20]，对每类人群进行观察，明确3类人流特性的相互转换和群体间的相互影响。选取“共处”空间中经计算机处理的人流(各100名旅游者和日常访问者)进行问卷调查及访谈，从空间范围和活动影响两方面对所处空间及彼此感受进行评价，明确体验质量。

4.2 “共处”空间人群体验质量评价结果的分析

1)从空间范围上看：日常访问者的领域感和归属感较强，其中51%的受访者对空间被占据较为敏感；87%的旅游者在不影响交通的情况下对市民活动占据空间并不敏感。

2)从活动影响上看：仅有6%的旅游者认为市民活动具有危险性(踢毽子、太极剑)；声音的强度和音色会直接影响人群的行为轨迹，人流被音色好的声音吸引会尽早地偏向活动区域，即转折点较早；59%的旅游者会因声音过大(＞70dB)且音色差，而选择避开并远离活动区域，这与计算机视觉技术观察到的数据比例基本一致。

3)综合整体评价显示：63%日常访问者对旅游者的态度为互不干扰，28%的态度为围观及参与，9%的态度为干扰及冲突；旅游者对日常访问者的态度偏向两极化，43%的旅游者对日常访问者的态度为围观及参与，46%的态度为干扰及冲突。

4.3 2类人群行为关系的分类

将“共处”空间下2类人群行为之间的关系分为互不干扰、围观及参与、干扰及冲突3类。

1)互不干扰。

“互不干扰”的条件：场地布局合理，人群行为差异小，活动吸引力较弱。行为个体间保持最大距离，避免动作干扰及眼神交流。互不干扰常发生在社交活动区。

图4 利用光流法和人脸识别技术处理视频的流程图

图5 对活动场地进行等距划分LAB=LBC=LCD，在A、B、C、D 4点分别架设摄像机，对通行人群进行光流法轨迹追踪，比较tAB、tBC、tCD3段时间，测出移动速度

2)围观及参与。

围观是发生体验和互动的前提，多发生在缓冲区；活动的开展及参与决定了空间的活力，参与多发生在核心区。参与和活动投入(activity involvement)程度越高，越容易对场地产生好感度和满意度，从而影响游客对目的地的选择和重游意向[21]。

非目的性人群(F2)更容易转变为停留人群(F3)，随着停留人数的增加，围观群体的布局更加紧凑，为了保证观赏效果，占据的空间仅会在一定范围内浮动。人群在活动范围内的通行速度明显慢于进入前和走出后的速度(tBC＞tAB，tBC＞tCD)。儿童(含看护者)、外国人、“内行”参与程度较高。参与人数：男性＞女性，结伴＞个体；头部扭转时间：儿童＞看护者。

3)干扰及冲突。

发生活动的位置不当(高密度、高频率使用的空间)，人群短时间内大量聚集，易出现相互干扰、甚至冲突的现象。干扰及冲突多发生在运动核心区和运动缓冲区，越接近核心区，2类人群越容易产生相互干扰。

(1)位置：在景区主要出入口、建筑前广场的日常访问者活动易影响交通；景点周边的日常访问者活动易影响旅游者观光。

(2)活动：静态休闲类活动需要相对私密、安静的空间环境，旅游者的闯入会影响活动的开展；体育锻炼类和文化娱乐类活动易与旅游者发生冲突；当活动分贝大于70dB，且音色差时，易发生听觉干扰，甚至影响旅游者的体验质量。

(3)人群：旅游团人群呈整体性移动，目的性强，在高密度空间中易与其他人群发生冲突；移动人群与停留人群发生冲突时，前者通常会主动改变行为轨迹，避免冲突；停留人群(F3)易与目的性人群(F1)发生干扰。

图8 空间构成优化

图7 光流法识别轨迹、计算速度

(4)处于边界的人群易发生冲突。

(5)人群在活动范围内的通行时间最长(tBC＞tAB，tBC＞tCD)。

5 优化建议

5.1 “共处”空间优化

基于“空间-行为”关系研究对空间优化进行指导。选取“共处”空间中具有代表性的12项活动，并将其与空间(界面、要素、路径)进行匹配与对应，基于大量的调研数据，得出“空间-行为”关联一览表(表2)。在优化“共处”空间时，抓住空间的主要矛盾因素，有针对性地进行取消或调整，避免2类人群的相互干扰。

在优化时，建议基于不同空间原型的功能，归纳整理容易发生干扰和冲突的因素，从而梳理“共处”空间。如“I”形空间常作为通行空间使用；“T”形空间主要为道路交叉口，是人流汇集的区域，建议2类空间取消引导人群停留元素，注重景观小品的朝向，降低发生停留和活动的概率；“U”形空间发生共处的原因主要为活动引发人群停留，从而影响交通，建议利用界面(高差)、要素(植被、护栏)的处理划分空间，利用路径加以引导，避免相互干扰。

笔者针对3个景区内典型的空间问题，基于“空间-行为”关联性研究和场地功能，提炼空间原型并逐条进行空间优化(图8)。

5.2 管理监督

对于具有遗产属性的公园，采取监督管理的手段，其成效会更加显著。应明确重点监控的时空范围及活动类型，结合本文研究，提出如下建议。

1)对景区内“共处”空间进行预判，加强对如下空间的管理与监督：交叉口及主路处，尺度在300～2 300m2，具备景观节点、植物、座椅、指示牌等要素，路径平坦清晰的空间。

2)根据景区内文物等级和景点分布数量，对景区重新分区并控制日常访问者的活动范围，控制活动音量低于70dB。

3)降低日常访问者在共处时间段(9：00—12：00和14：00—18：00)内发生活动的频率，鼓励日常访问者在6：30—9：00和18：00之后来景区锻炼。控制节假日期间日常访问者的入园人数及时间。

4)控制旅游团规模，在主要景点处设置旅游团讲解区，避免占据道路长时间停留。

5)增加服务于日常访问者的指示牌，引导人群选择与自身活动相匹配的场地。

表2 “空间-行为”关联一览表

6 结语

针对旅游者和日常访问者在城市型景区内相互影响的现象，总结2类人群的行为及时空特性，发现“共处”空间的存在；通过“共处”空间构成的研究，归纳总结空间原型及空间构成要素，得出城市型景区“共处”空间的判别依据；结合运用计算机视觉技术和问卷调查，基于外显行为和内在感受2个方面归纳总结2类人群的相互关系；最后，从“空间-行为”关系角度和管理监督2个方面提出优化建议，从而提升2类人群在城市型景区中的游憩体验质量。

注释：

① 空间内发生活动的概率各不相同，停留性活动经常发生的区域为有效停留区域，该区域的面积与场地总面积之比为有效停留系数[18]。本文借助该量化指标直观地反映活动范围和空间品质。

② Face++旷视人工智能开放平台的处理是一个人脸关键点检测、人脸识别、人脸对比等进行操作的开放平台，网址为https://www.faceplusplus.com.cn/facedetection/。