استفاده از عکس‌های دارای برچسب جغرافیایی فلیکر برای تخمین مسیر بازدیدکنندگان در شهرهای میراث جهانی

خلاصه

پویایی جهانگردی جهانی در حال تغییر دائمی است و همچنین مسیر شهرها را عمیقاً شکل می دهد. «اثر فراخوان» برای داشتن وضعیت میراث جهانی، گردشگری را در بسیاری از شهرها تقویت کرده است. تعداد زیاد بازدیدکنندگان و عوارض جانبی آن مانند شلوغی فضاهای مرکزی، نیاز به توسعه و حفاظت از دارایی های میراث را برمی انگیزد. از این رو، تحلیل رفتار فضایی گردشگران برای رسیدگی صحیح به نیازهای شهرهای توریستی شده حیاتی است. در این مقاله، مسیرهای مکانی-زمانی فردی بازدیدکنندگان همراه با شبکه شهری با استفاده از هزاران عکس فلیکر دارای برچسب جغرافیایی که توسط بازدیدکنندگان در مرکز تاریخی شهر میراث جهانی تولدو (اسپانیا) گرفته شده است، بازسازی شده است. فرآیند بازسازی مسیر با استفاده از تکنیک های پیشرفته GIS اجرا شده است.
دوره-آموزش-حرفه-ای-gis
رفتار فضایی برای طبقه بندی مکان های گردشگری ارائه شده در نقشه رسمی گردشگری شهر و همچنین برای شناسایی ارتباط با کاربری ها استفاده شده است. نتایج، دانش جدیدی را برای درک رفتار فضایی بازدیدکنندگان و دیدگاه‌های جدید در مورد تأثیر محیط شهری و استفاده از آن بر رفتار فضایی بازدیدکننده به ارمغان می‌آورد. یافته‌های ما نشان می‌دهد که چگونه جاذبه‌های توریستی و موقعیت کاربری‌های تجاری و تفریحی ترکیبی، رفتار فضایی بازدیدکنندگان را شکل می‌دهند. خیابان‌های پر از آب و مناطق سایه‌ای که بازدیدکنندگان آن را کاوش نکرده‌اند، مشخص شده‌اند. نتایج، دانش جدیدی را برای درک رفتار فضایی بازدیدکنندگان و دیدگاه‌های جدید در مورد تأثیر محیط شهری و استفاده از آن بر رفتار فضایی بازدیدکننده به ارمغان می‌آورد. یافته‌های ما نشان می‌دهد که چگونه جاذبه‌های توریستی و موقعیت کاربری‌های تجاری و تفریحی ترکیبی، رفتار فضایی بازدیدکنندگان را شکل می‌دهند. خیابان‌های پر از آب و مناطق سایه‌ای که بازدیدکنندگان آن را کاوش نکرده‌اند، مشخص شده‌اند. نتایج، دانش جدیدی را برای درک رفتار فضایی بازدیدکنندگان و دیدگاه‌های جدید در مورد تأثیر محیط شهری و استفاده از آن بر رفتار فضایی بازدیدکننده به ارمغان می‌آورد. یافته‌های ما نشان می‌دهد که چگونه جاذبه‌های توریستی و موقعیت کاربری‌های تجاری و تفریحی ترکیبی، رفتار فضایی بازدیدکنندگان را شکل می‌دهند. خیابان‌های پر از آب و مناطق سایه‌ای که بازدیدکنندگان آن را کاوش نکرده‌اند، مشخص شده‌اند.

کلید واژه ها:

رفتار فضایی بازدید کننده ; تحرک ها جریان بازدیدکنندگان ; گردشگری شهری ; عکس های دارای برچسب جغرافیایی ؛ فلیکر ؛ تولدو

1. معرفی

گردشگری شهری از دهه 1980 در سطح جهانی گسترش یافته است. در عصر جابجایی کنونی [ 1 ] که با نیروی مدل‌سازی بافت دیجیتال و دسترسی جهانی به اطلاعات مشخص می‌شود ، پویایی‌های گردشگری جهان در حال تغییر دائمی هستند، در همان زمان که عمیقاً مسیرها را شکل می‌دهند . از شهرها [ 4 ]. پس از بحران مالی جهانی در اواخر دهه 2000، بسیاری از مقاصد شهری از گردشگری به عنوان راه حلی برای بسیاری از اقتصادهای محلی شکست خورده برای بازیابی استقبال کردند [ 5]. در این زمینه، برنامه ریزی استراتژیک در گردشگری مبتنی بر توریستی کردن شهرها، با ایجاد منابع جدید (یا ارتقاء منابع موجود) محیطی و فرهنگی به منظور گشودن بازارهای جدید بوده است. پروژه‌های بازآفرینی شهری مبتنی بر ورزش و فرهنگ [ 6 ]، توسعه هتل [ 7 ]، ظهور به اصطلاح اقتصاد اشتراکی اجاره‌های توریستی کوتاه‌مدت [ 8 ] یا توریسم بیش از حد [ 9 ] روز به روز را ایجاد می‌کنند. – مبارزه روزانه برای مدیریت شهرهای توریستی و علاوه بر این، آنها ماهیت مکان ها را تا حدی تغییر می دهند که در ادبیات به عنوان “گردشگری روزگار” شناخته شده است [10 ]. در کنار هم تنش ها و درگیری ها بین کاربری های مسکونی و توریستی از مشاعات شهر ظاهر شده است. بسیاری از شهرها به دلیل تعامل با بازدیدکنندگان یا نحوه نگاه کردن و رفتن به مکان‌ها، تغییر مکان‌های فعالیت روزمره خود را تجربه می‌کنند [ 11 ، 12 ]. این دگرگونی ها ممکن است ساختاری (مانند تغییر کاربری زمین، تبدیل ساختمان، افزایش اجاره، جایگزینی فروشگاه)، مربوط به مزاحمت های فوری ایجاد شده توسط فشار اعمال شده توسط فعالیت توریستی (مانند ازدحام، خصوصی سازی، سر و صدا، زباله و غیره) یا ممکن است با کالایی شدن «فرهنگی»، همگن سازی فضای شهری [ 13] و متعاقب آن از دست دادن جذابیت متمایز [ 14] مرتبط باشد.]. شهرهای توریستی شده با توریست ها سازگار می شوند، تا حدی به منظور جذب تقاضا، اما همچنین به این دلیل که تحت تأثیر “موفقیت اقتصادی عظیم پارک های موضوعی گردشگری انبوه، کشتی های کروز و خیابان های خرید و مراکز خرید تاریخی” قرار گرفته اند [14 ] . این دگرگونی ها منجر به ظهور جنبش های ضد گردشگری می شود [ 15] که استراتژی های مدیریتی و پایداری خود فعالیت گردشگری را با توجه به سازگاری آن بین منافع اقتصاد محلی، حفظ منابع درون زا و کیفیت تجربه توریستی و زندگی روزمره ساکنان زیر سوال می برد. علاوه بر این، تأثیر گردشگری در شهرهایی با حضور دارایی های میراث جهانی یونسکو (WH) با خطر بالقوه از دست دادن نام آنها افزایش می یابد [ 15 ]. در بسیاری از این شهرهای WH، گردشگری با استفاده از “اثر تماس” برای داشتن وضعیت WH شروع به توسعه کرد. با این حال، تعداد زیاد بازدیدکنندگان و عوارض جانبی آن، نیاز به توسعه و حفاظت از دارایی های میراث را برای پاسخگویی به نیازهای گردشگران و جوامع ذینفع برمی انگیزد [ 16]]. در این زمینه است که رقابت مدیریت مقصد [ 17 ] ضروری می شود.
یکی از چالش های عمده در مدیریت گردشگری شهری به دلیل ازدحام بیش از حد فضاهای مرکزی و شبکه های خیابانی خاص ایجاد می شود [ 18 ، 19 ]. رفتار فضایی و زمانی بازدیدکننده شامل حرکت و جاذبه چندگانه [ 20 ] است و در نتیجه تحلیل آن برای رسیدگی صحیح به نیازهای مقاصد حیاتی است. گردشگران شهری تمایل دارند که حرکات خود را در مناطق کاهش یافته در داخل شهرها متمرکز کنند [ 21 ]، جایی که انواع مختلفی از جاذبه های گردشگری در آن دسته بندی شده اند. علاوه بر این، محدودیت‌های زمانی بازدیدکنندگان در یک مقصد و علاقه آنها به بازدید/مصرف هرچه بیشتر سایت‌های مورد علاقه، رفتار آنها را به تجربه‌ای سریع و شدید تبدیل می‌کند [ 22 ]. در این چارچوب است که درک رفتار فضایی بازدیدکنندگان می‌تواند دانش جدیدی در مورد برنامه‌ریزی و رویه‌های مدیریت انعطاف‌پذیر جدید و احتمالاً دیدگاه‌های جدیدی در مورد محیط ساخته‌شده، کاربردهای آن و مزایای آن به ارمغان بیاورد [4 ] .
با ظهور فن‌آوری‌های ردیابی موقعیت [ 20 ] و نیاز به بررسی دقیق رفتار گردشگران در مقاصد/شهرها [ 21 ، 23 ]، مقیاس تحلیل به تدریج بزرگ‌تر شده است. در طی چند سال اخیر، افزایش مهمی در مطالعات بر روی رفتار گردشگران فضایی و زمانی در مقصد [ 24 ، 25 ] وجود داشته است که تحلیل‌های جدید (یا بهبود/تکمیل‌های موجود) را در مورد استفاده از فضا توسط گردشگران در مقیاس‌های مختلف ممکن کرده است [ 26 ].
در این راستا، مطالعه ما با ارائه نه تنها اطلاعات مفید برای مقامات دولتی با هدف بهبود تجربه گردشگری و کاهش اثرات جانبی بر جمعیت محلی، بلکه مقرون‌به‌صرفه و مقرون‌به‌صرفه به این زمینه تحقیقاتی در زمینه مطالعات تحرک گردشگران شهری کمک می‌کند. روش ابزاری چابک برای تجزیه و تحلیل تحرکات توریست شهری که می تواند در جاهای دیگر تکرار شود. در این راستا، این مطالعه با هدف تحلیل رفتار فضایی بازدیدکنندگان در مرکز تاریخی شهر میراث جهانی تولدو (اسپانیا)، با استفاده از عکس‌های جغرافیایی یکی از محبوب‌ترین و در دسترس‌ترین وب‌سایت‌های اشتراک‌گذاری عکس، فلیکر، انجام می‌شود. با توجه به ادبیات موجود، فشار بیش از حد گردشگران بر مکان‌های خاصی از مرکز تاریخی تولدو باعث ایجاد مشکلات حفاظتی برای آثار تاریخی می‌شود.27 ] که تمایل دارد مرکز تاریخی را به «پارک موضوعی در تاریخ» تبدیل کند، به زیان سایر کاربری‌ها و فعالیت‌ها [ 28 ].
به طور مشخص، این مطالعه با هدف استفاده از بازسازی مسیرهای فردی در سطح خیابان برای تجزیه و تحلیل اینکه تا چه حد بین رفتار فضایی بازدیدکنندگان، نقشه رسمی توریستی تولدو (نگاه کنید به شکل A1 در پیوست A) و نوع شناسی کاربری های زمین همپوشانی وجود دارد، استفاده می کند. . ما فرض می‌کنیم که نقشه جریان بازدیدکننده قطعی می‌تواند با موقعیت مکان‌های گردشگری تبلیغ‌شده در نقشه رسمی توریستی تولدو مطابقت داشته باشد، همانطور که پائول آگوستی [29] نشان داده است، اما همچنین با حضور کاربری‌های تجاری و تفریحی ترکیبی زمین [ 30 ، 31 ].
برای دستیابی به هدف فوق، ما یک روش دقیق برای نظارت بر رفتار بازدیدکنندگان در مراکز شهر، با فراتر رفتن از آنچه که توسط مطالعات انجام شده است، اجرا می‌کنیم که از داده‌های مکان‌یابی شده از پلتفرم‌های اشتراک‌گذاری عکس استفاده کرده‌اند، مانند شناسایی بیشتر جاذبه‌های گردشگری محبوب یا توصیه های سفر [ 32 ، 33 ، 34 ]. بنابراین، پتانسیل این منبع داده برای بازسازی مسیرهای فیزیکی در طرح‌بندی خیابان با استفاده از ردپای فضایی دیجیتالی عکاسان (با در نظر گرفتن داده‌های مربوط به زمان و مکان عکس‌های آنها) نزدیک می‌شود.
تحقق اهداف تحقیق فرصت های جدیدی را برای مطالعات تحرک گردشگران شهری باز خواهد کرد. نتایج به وضوح به طبقه‌بندی مکان‌های گردشگری بر اساس جریان مسیرهای بازدیدکننده در هر بخش خیابانی که در آن واقع شده‌اند کمک می‌کند. بنابراین، این مطالعه می تواند برای مقامات دولتی برای شناسایی استفاده های فشرده از مناطق خاص شهرها، و همچنین بناهای تاریخی کم بازدید که می تواند به کاهش تأثیر رشد گردشگری و ایجاد مقاصد فرهنگی پایدار کمک کند، جالب باشد [35 ]. علاوه بر این، در دوران کنونی COVID-19، این مطالعه ممکن است پیامدهای جالبی برای دانشگاه، شاغلین و مدیران سیاست‌گذاری به همراه داشته باشد، در شرایطی که تحرک بین‌المللی گردشگران تقریباً متوقف شده است، اما جریان‌های توریستی مبتنی بر محلی تقویت شده است. 36 ]. از این رو، تجزیه و تحلیل اجرا شده را می توان راهی سریع و اقتصادی برای نظارت بر تحرک انسانی و تعامل اجتماعی در فضاهای شهری متراکم در پارادایم جدید که به عصر تحرکات وارد شده است در نظر گرفت [1 ] .
پس از این مقدمه، مقاله مروری بر ادبیات مربوطه در مورد مطالعات تحرک گردشگران شهری در شهرهای میراث فرهنگی ارائه می‌کند تا فرصت‌ها، نقاط قوت و محدودیت‌های منابع داده‌های متعدد، به‌ویژه داده‌های رسانه‌های اجتماعی و بسترهای اشتراک‌گذاری عکس را برجسته کند. به عنوان یکی از مورد استفاده در این مطالعه، فلیکر. سپس اطلاعات مربوط به شهر مورد تجزیه و تحلیل ارائه می شود. داده های مورد استفاده و روش های پیاده سازی شده در بخش چهارم مقاله توضیح داده شده است. بخش بعدی نتایج به‌دست‌آمده را همراه با بحث در مورد یافته‌های سایر مطالعات مشابه نشان می‌دهد. در نهایت، نتیجه گیری از کار زیربنای آن است.

2. منابع داده برای مطالعات تحرک گردشگران شهری در شهرهای میراث فرهنگی

2.1. چالش‌های مطالعات تحرک گردشگران در شهرهای میراث فرهنگی

اگرچه هدف اصلی فهرست یونسکو شناسایی و حفاظت از مکان‌های با ارزش برجسته است، این نامگذاری به طور گسترده در استراتژی‌های بازاریابی برای جذب گردشگران بیشتر استفاده شده است [ 37 ]. افزایش ورود گردشگران همچنین به معنی جریان بیشتر توریستی در مراکز تاریخی تعیین شده به عنوان WH است که ممکن است تأثیر دوگانه داشته باشد. از یک سو، حضور بیشتر گردشگران ممکن است تأثیر اقتصادی بر اقتصاد محلی و همچنین تبادل فرهنگی مثبت داشته باشد. از سوی دیگر، جریان بازدیدکنندگان ممکن است نشان دهنده بار اضافی در مناطقی با ساختار پیچیده باشد، مانند مورد مراکز تاریخی [ 38 ]. بنابراین، یکپارچگی فرهنگی سایت‌های میراث ممکن است تحت تأثیر قرار گیرد و آسیب ببیند زیرا ظرفیت شارژ این مکان‌ها کاهش می‌یابد. علاوه بر این، انسجام اجتماعی و هویت جامعه محلی [ 11 ، 12 ] نیز ممکن است به دلیل گردشگری شدن مراکز تاریخی به خطر بیفتد [ 10 ]. تغییرات ساختاری مانند تغییر کاربری زمین، تبدیل ساختمان، افزایش اجاره بها یا جایگزینی فروشگاه، یا مزاحمت های فوری ایجاد شده توسط بیش از حد گردشگری ممکن است منجر به مارپیچ رو به پایین تخریب فرهنگی با تأثیرات منفی بر کیفیت زندگی شهروندان و تجربه گردشگران شود. 14 ]، منجر به پیکربندی یک مدل ناپایدار گردشگری می شود.
به گفته سازمان جهانی گردشگری (UNWTO)، با این وجود، ورود گسترده گردشگران به مقاصد یا تأثیر بیش از حد گردشگری، در صورتی که مقامات دولتی کنترل هوشمند و مؤثری بر جریان بازدیدکنندگان در مقصد ایجاد کنند، نباید تهدیدی باشد [39 ] . بنابراین، در این زمینه، نیاز به مدیریت جریان بازدیدکنندگان و راه‌اندازی مقاصد فرهنگی پایدار ظاهر می‌شود [ 35 ]. بنابراین، تجزیه و تحلیل دقیق رفتار مکانی-زمانی بازدیدکنندگان نه تنها باید برای شناسایی استفاده‌های فشرده از مناطق و مکان‌های خاص، بلکه برای طراحی استراتژی‌های جدید توزیع مجدد از طریق ترویج مکان‌ها یا بناهای تاریخی بالقوه و در عین حال کم بازدید انجام شود [40، 41 ] .]. آنگاه اگر مراکز شهرهای میراثی را نه تنها مکان های تفریحی و گردشگری، بلکه مکان های فعالیت نیز بدانیم [ 30]] که فعالیت‌های رسمی و غیررسمی انجام شده توسط افراد محلی و بازدیدکنندگان را در هم آمیخت، عناصر کلیدی مانند جاذبه‌های اولیه همراه با ویژگی‌های مشخص محیط شهری وجود دارد که رفتار فضایی خاصی را القا می‌کند. با این حال، داده های موجود برای تجزیه و تحلیل به طور سنتی محدود بوده است و در حالی که درست است که در سال های اخیر افزایش قابل توجهی در منابع موجود به لطف ظهور فناوری های موقعیت یابی (همانطور که در زیربخش بعدی بررسی خواهیم کرد) وجود داشته است. محدودیت ها و چالش ها همچنان مهم هستند. علاوه بر این، تحلیل‌های توسعه‌یافته در شهرهای میراث کوچک و متوسط، مانند مورد مطالعه حاضر، اندک است.

2.2. از آمار گردشگری کلاسیک تا فناوری‌های ردیابی موقعیت: افزایش جزئیات مکانی و زمانی

هرگز پیش از این در تاریخ، محققان و پزشکان ابزارهای نظارت بر تحرک را که امروز داریم در دسترس نداشته اند. از دهه های آخر قرن بیستم، محققان خواستار تحقیقات بیشتر و بهتر در مورد گردشگری شهری بوده اند. پیش از این، مطالعات گردشگری بر توزیع‌ها و جریان‌ها در سطوح بین‌المللی، ملی و منطقه‌ای متمرکز بود و از بررسی فرآیندها در مقیاس بسیار محلی (سطوح شهری و محله‌ای) غفلت می‌کرد. برخی از دلایل کمیاب سنتی تحقیقات خاص در مورد گردشگری شهری به طور کلی، و رفتار گردشگران مکانی-زمانی به طور خاص، چالش های روش شناختی پیش روی جمع آوری داده ها بود (و هنوز هم هستند). آمارهای گردشگری کلاسیک نمی‌توانند رفتار سفر گردشگران را ردیابی کنند، زیرا معمولاً داده‌هایی را از اشغال هتل‌های مبتنی بر نظرسنجی ارائه می‌دهند که علاوه بر این، گردشگرانی را که یک شب در مقصد نمی‌مانند (بازدیدکنندگان یک روزه) یا کسانی که شب را در اقامتگاه‌های منظم نمی‌مانند (یعنی اجاره‌های کوتاه‌مدت) را از دست بدهید. در این راستا مشاهده مستقیم [42 ، خاطرات سفر [ 43 ] و فناوری های دیجیتالی جدید آگاه از موقعیت، سه روش ردیابی موجود هستند [ 44 ]. حتی اگر هم مشاهده مستقیم و هم یادداشت های سفر به طور سنتی ابزار جمع آوری داده های اولیه را تشکیل می دهند، آنها محدودیت هایی مانند سطوح مشارکت پایین یا اطلاعات ناکافی/ناکافی در مورد رفتار مکانی-زمانی بازدیدکننده را ارائه می دهند [25 ، 45 ] .
با ظهور فناوری های ردیابی موقعیت، مقیاس تجزیه و تحلیل به تدریج بزرگ شده است [ 20 ]، اگرچه هنوز چندین محدودیت در رابطه با وضوح مکانی و دانه بندی زمانی منابع وجود دارد. در میان منابع اطلاعاتی متعددی که تحرکات انسانی را رصد می‌کنند، بیشترین مورد استفاده برای ردیابی رفتار گردشگران در مقیاس شهری، ثبت‌کننده‌های موقعیت‌یابی، سوابق موقعیت ماهواره‌ای تلفن همراه و محتوای برچسب‌گذاری‌شده جغرافیایی است که از رسانه‌های اجتماعی می‌آید. این سه منبع داده نقاط قوت و محدودیت های خود را برای تجزیه و تحلیل تحرکات گردشگران شهری در شهرهای میراث فرهنگی دارند. بنابراین، در زیر ویژگی‌های اصلی آن‌ها را مرور می‌کنیم که تاکید ویژه‌ای بر داده‌های رسانه‌های اجتماعی دارای برچسب جغرافیایی دارد، زیرا منبع داده مورد استفاده در این مطالعه است.

2.2.1. Logger های موقعیت یابی

ثبت‌کننده‌های موقعیت‌یابی به کشف الگوهای سفر بازدیدکنندگان در مقیاس‌های مختلف، از گردشگری ملی/بین‌المللی [ 46 ] تا حرکت‌های درون مقاصد شهری [ 25 ] یا در مناطق تفریحی محدود [ 47 ] کمک کرده‌اند. مزیت اصلی ارائه شده توسط این روش امکان ادغام مسیرهای GPS با نظرسنجی های موقتی است که توسط شرکت کنندگان پاسخ داده می شود. از این رو، ویژگی های اجتماعی-اقتصادی افراد را می توان با رفتار مکانی-زمانی آنها تلاقی کرد. این روش قبلاً در شهرهای WH انجام شده است. چنین مواردی از مطالعات انجام شده در مرکز تاریخی Melaka در مالزی با 384 شرکت کننده [ 48 ] یا در شهر قدیمی عکا در اسرائیل با 88 شرکت کننده [48] است.49 ]. به طور مشابه، هر دو مطالعه نشان دادند که پروفایل‌های بازدیدکننده مختلف را می‌توان در شهرهای WH با توجه به ویژگی‌های اجتماعی-اقتصادی آنها و مهم‌تر از آن بر اساس رفتار فضایی و زمانی آنها شناسایی کرد. در این راستا، آنها نشان می‌دهند که مطالعه رفتار بازدیدکنندگان باید به مدیران شهری کمک کند تا برنامه‌های مدیریت تحرک را بهبود بخشند تا کیفیت تجربه گردشگری و همچنین حفظ مکان‌های میراث را تضمین کنند. با این حال، علیرغم سهم غیرقابل انکار لاگرهای موقعیت یابی به عنوان یک روش ردیابی، آنها از برخی اشکالات رنج می برند [ 50]. برخی از این معایب ممکن است مربوط به مسائل فنی مانند (1) مشکلات انتقال، (2) زمان گرم کردن قبل از گرفتن موقعیت معتبر، (3) هزینه اطلاعات پس از پردازش حجیم از ثبت کننده های GPS یا (4) عدم کاربرد در زمینه های داخلی با این وجود، محدودیت اصلی ناشی از (5) سوگیری انتخاب بالقوه (از آنجایی که گروه‌های جمعیتی خاص مشارکت بیشتری دارند و بیش از حد این افراد را در نمونه نشان می‌دهند) و (6) میزان نسبتاً کمی از مشاهدات است که ممکن است نمایندگی و مشاهدات را نیز مشروط کند. تجزیه و تحلیل ها

2.2.2. رکوردهای موقعیت ماهواره تلفن همراه

سوابق موقعیت ماهواره تلفن همراه و استفاده از تلفن همراه نیز فرصت های متعددی مانند شناسایی فعالیت های شهری و تکامل مکانی-زمانی آنها تقریباً در زمان واقعی [ 51 ] و درک رفتار سفر گردشگران [ 52 ] را باز کرده است. پتانسیل شناسایی پروفایل های کاربری مختلف با این منبع داده در شهرهای میراثی مانند رم [ 51 ]، ونیز [ 53 ] و فلورانس [ 54 ] نشان داده شده است. با این حال، ردیابی تلفن همراه شامل محدودیت‌های خاصی مربوط به دقت فضایی ناهموار (محدود شده توسط تراکم برج‌های سلولی در منطقه مورد مطالعه و در نتیجه ایجاد مشکل در هنگام مطالعه حرکات در مقیاس محلی) است. با وجود این محدودیت، مطالعه Mizzi و همکاران. [53 ] به یک دانه بندی فضایی دست یافت که معمولاً در مطالعات مربوط به داده های تلفن همراه دیده نمی شود. آنها توانستند مسیرهای حرکتی در شبکه جاده ای حدود 3000 دستگاه را در طول کارناوال ونیز و فستا دل ردنتور در سال 2017 بازسازی کنند. بنابراین، هر بار که از هر دستگاه برای تماس تلفنی یا دسترسی به اینترنت استفاده می شد، یک GPS ضبط می شد. مکانی که به نویسندگان اجازه می دهد مسیرها را بازسازی کنند. این بازسازی توسط نویسندگان به عنوان یک ابزار نوآورانه ارائه شده است که باید برای تجزیه و تحلیل چگونگی تأثیر جریان های توریستی بر کیفیت زندگی ساکنان و بر حفظ میراث فرهنگی استفاده شود. با این وجود، این داده‌ها عموماً رایگان نیستند و هزینه بالا ممکن است مانع مهمی برای دانشگاه، شاغلین و مقامات دولتی باشد.

2.2.3. منابع رسانه های اجتماعی دارای برچسب جغرافیایی

منابع رسانه‌های اجتماعی (وب‌سایت‌های اشتراک‌گذاری عکس مانند فلیکر، توییتر، پانورامیو یا اینستاگرام؛ یا سایت‌ها و برنامه‌های ردیاب ورزش اجتماعی مانند Wikiloc یا Strava) مرتبط با فعالیت‌های گردشگری، کمک زیادی به بهبود مسائل جمع‌آوری و تجزیه و تحلیل داده‌ها کرده‌اند که به طور بالقوه در این امر نقش دارند. به تحقیقات گردشگری شهری همانطور که توسط Chareyron و همکاران بیان شده است. [ 55 ]، داده های بزرگ بدون شک چالش جدیدی را برای گردشگری نشان می دهد. علاوه بر این، استفاده گسترده اخیر از دستگاه های دوربین دارای GPS (از جمله گوشی های هوشمند و تبلت ها) امکان ذخیره اطلاعات جغرافیایی برای هر عکس گرفته شده را فراهم می کند. این عکس‌های جغرافیایی امکان تخمین آمار توریستی ملی را فراهم می‌کنند [ 56 ، 57]، شناسایی نقاط دیدنی یا نشانه های (گردشگری) با انتخاب عکس های نماینده و مرتبط از یک منطقه فضایی خاص [ 58 ]، به تصویر کشیدن تمرکز گردشگران و مسیرهای حرکت مکانی-زمانی در محیط های شهری [ 34 ]، حتی رتبه بندی کمی آنها [ 59 ] یا توصیه مسیرهای سفر بر اساس اطلاعات سفر قبلی گردشگران [ 60 ، 61 ، 62 ]. علاوه بر این، از این منابع داده برای تجزیه و تحلیل میزان همپوشانی در توزیع سرزمینی تصاویر گردشگری که از طریق بروشورهای رسمی توریستی و راهنمای سفر تبلیغ می شود استفاده شده است [29 ]]، و برای مقایسه تعاملات فضایی بین گردشگران و افراد محلی [ 63 ].
داده‌های رسانه‌های اجتماعی جغرافیایی را می‌توان یک نماینده ارزشمند برای حرکت انسان در نظر گرفت زیرا اطلاعات مکانی دقیق (تا دقت سطح خیابان) را برای طیف گسترده‌ای از کاربردها، مانند شناسایی حرکات غیرعادی [64]، طبقه‌بندی نقاط مورد علاقه [65] ارائه می‌کند . ] یا تشخیص جامعه [ 66 ]. در واقع، با توجه به García-Palomares و همکاران. [ 67 ]، در مقیاس شهری است که این منابع بیشترین پتانسیل را نشان می دهند، زیرا تجربیات سفر کاربران را جمع آوری می کنند.
با وجود تمام این مزایا، هنگام استفاده از داده‌های رسانه‌های اجتماعی جغرافیایی، معایب متعددی نیز وجود دارد. محدودیت های اصلی نفوذ کاربر [ 68 ] و غیرقابل اعتماد بودن اطلاعات ارائه شده توسط کاربران [ 69 ] است. هر دو محدودیت می تواند منجر به یک سوگیری نمایندگی شود. در وهله اول، بافت سرزمینی مورد تجزیه و تحلیل در معرض محبوبیت شبکه اجتماعی است که داده ها از آن تجزیه و تحلیل می شوند. به عنوان مثال، تعداد کاربران فلیکر با تعداد گردشگرانی از کشورهای آمریکای شمالی و اروپایی که در آن شبکه اجتماعی محبوب تر است، همبستگی زیادی دارد [ 57] .]. با این حال، این همبستگی برای کاربران چینی به دلیل نفوذ کمتر کاربر در آن کشور بسیار کمتر است. ثانیاً ماهیت شبکه های اشتراک گذاری عکس در بین آنها عرضی نیست. در واقع، پرکاربردترین شبکه های اجتماعی برای اهداف تحقیقاتی، مخازن دسترسی باز بوده اند که امکان دسترسی برای دانلود و تجزیه و تحلیل داده ها را فراهم می کنند. فلیکر چنین است، که بر خلاف سایر شبکه های اجتماعی اشتراک گذاری عکس، مانند اینستاگرام، نویز بسیار کمتری هنگام تجزیه و تحلیل داده ها ارائه می دهد. این به نوع کاربران و عوامل متعددی مرتبط است که آنها را به آپلود محتوا در پلتفرم‌های اشتراک‌گذاری عکس سوق می‌دهد، مانند جلب توجه، نفوذ اجتماعی، افشا یا اشتراک‌گذاری اطلاعات [70 ]]. یکی دیگر از اشکالات داده‌های شبکه‌های اجتماعی جغرافیایی مربوط به بازسازی مسیرها است، که بسیار درشت‌تر از ردیابی مسیرهای به‌دست‌آمده با موقعیت‌یابی لاگرها یا تلفن‌های همراه است [71]، زیرا عکس‌های گرفته‌شده توسط کاربران ممکن است در زمان خیلی پیوسته نباشند، یا شاید. کاربران تمام عکس های گرفته شده را در پلت فرم رسانه های اجتماعی آپلود نمی کنند. محدودیت اضافی این نوع داده ها این است که اطلاعات دقیقی در مورد مشخصات اجتماعی-اقتصادی و جمعیت شناختی گردشگر یا در مورد تجربیات قبلی سفر آنها وجود ندارد.
علیرغم محدودیت‌های آن، حجم زیادی از داده‌های آپلود شده بر روی ابر، نزدیک شدن به مسیرهایی را که بازدیدکنندگان دنبال می‌کنند و شناسایی پربازدیدترین نقاط مورد علاقه را ممکن می‌سازد. در این راستا، مطالعات قبلی مسیرها را به‌عنوان دنباله‌ای از نشانه‌های شهر/مناطق مورد علاقه که قبلاً شناسایی شده‌اند، تعریف کرده‌اند که شخص از آنها بازدید می‌کند [ 32 ، 34 ]. بیشتر این مطالعات نشان دهنده اتصالات مستقیم به عنوان مسیرهای بین جاذبه های توریستی است [ 32 ، 72 ، 73 ]. در همین حال، برخی از آنها در عوض سیستم های توصیه سفر مبتنی بر به حداقل رساندن مسافت ها یا بهینه سازی تعداد جاذبه های بازدید شده هستند [ 33 ، 60 ، 61]. فقط تعداد محدودی از آنها جریان بازدیدکننده را همراه با شبکه فراهم می کنند. به عنوان مثال، Orsi و Geneletti [ 74 ] از 3656 عکس از Panoramio استفاده کردند و روشی را برای بازسازی جریان های کوهنورد به همراه شبکه مسیرهای پارک طبیعی دولومیت (شمال شرقی ایتالیا) طراحی کردند. علاوه بر این، یین و همکاران. [ 59] از عکس های فلیکر از 12 شهر استفاده کرد و روشی را برای شناسایی تکراری ترین توالی سفر بین جاذبه های اصلی پیشنهاد کرد. با این حال، تا آنجا که نویسندگان دانش دارند، هیچ مطالعه ای وجود ندارد که مسیرهای منفرد بازدیدکنندگان را بازسازی کند و آنها را به شبکه شهری استنباط کند، که سهم روش شناختی مطالعه ما است. علاوه بر این، هیچ یک از مطالعات ذکر شده، ارتباط بین جریان بازدیدکنندگان و کاربری‌های زمین را به منظور تشخیص چگونگی شکل‌گیری رفتار فضایی با وجود یا عدم وجود ویژگی‌های خاص محیط شهری تجزیه و تحلیل نمی‌کند. در واقع، مطالعاتی که این بعد را بررسی می‌کنند، این کار را با جمع‌آوری عکس‌ها در سطح سلول انجام می‌دهند (نه در سطح جریان بازدیدکنندگان در خیابان‌ها همانطور که در مطالعه حاضر انجام می‌شود).75 ، 76 ].
دوره-آموزش-حرفه-ای-gis

3. زمینه مطالعه

تولدو با 84282 نفر جمعیت (براساس ثبت نام ساکنان سال 2018)، پایتخت منطقه خودمختار کاستیا-لامانچا (اسپانیا) است. این شهر در مرکز شبه جزیره ایبری، تنها 70 کیلومتری جنوب مادرید، بزرگترین منطقه شهری اسپانیا واقع شده است ( شکل 1 را ببینید ).
تولدو به عنوان شهر سه فرهنگ (مسیحی، یهودی و مسلمان) شناخته می شود و به دلیل تاریخ استثنایی، سنت ها و میراث ارزشمند تاریخی و معماری، در سال 1986 توسط یونسکو به عنوان میراث جهانی معرفی شد. هر سال در پنج سال گذشته، منحصر به فرد بودن آن حدود 600000 گردشگر را جذب کرده است که یک شب در هتل ها اقامت می کنند، که 65٪ آنها اسپانیایی هستند [ 77 ]. همانطور که در شکل 2 مشاهده می شود، که در آن درصد تغییر گردشگرانی که یک شب در هتل ها اقامت می کنند (پایه 100 = 2005)، رشد مهمی در پس از بحران مالی جهانی با افزایش قابل توجه تا 80 درصد گردشگران بین المللی مشاهده شد. این طرح بین المللی با موقعیت مرکزی آن در شبه جزیره ایبری و نزدیکی آن به مادرید توضیح داده می شود (کمتر از 30 دقیقه با قطار سریع السیر و کمتر از 1 ساعت با جاده). حتی بالاتر از گردشگران، بازدیدکنندگان یک روزه جمعیتی هستند که بیشترین حضور را در شهر دارند. در واقع، تخمین زده می‌شود که حدود 3 میلیون بازدیدکننده در سال 2018 از تولدو عبور کردند [ 78 ].
مرکز تاریخی تولدو نه تنها به خاطر ارزش بناهای تاریخی‌اش، بلکه به خاطر موقعیت جغرافیایی و ارزش چشم‌اندازش متمایز است: بر روی صخره‌ای شیب‌دار و نامنظم که توسط رودخانه تاگوس احاطه شده و منزوی شده است (Tajo در اسپانیایی؛ Tejo در) گسترش یافته است . پرتغالی)، طولانی ترین رودخانه در شبه جزیره ایبری. تحرک در مرکز تاریخی ممکن است به دلیل ماهیت موقعیت مکانی آن، ساختار شبکه ای از میراث مسلمانان و گسترش وسیع آن (122 هکتار) که بزرگترین در اسپانیا است، پیچیده باشد. با توجه به این ویژگی ها، مرکز تاریخی عمدتاً پیاده رو شده است.
این مرکز تاریخی از اواسط قرن بیستم جمعیت ساکن را از دست داده است و از 29184 نفر در سال 1950 به 10441 نفر در سال 2018 رسیده است [ 27 ]. در عین حال، سیاست‌های عمومی پویایی‌های اقتصادی را در مرکز تاریخی احیا کرده‌اند که موزه‌سازی و گردشگری را ترویج می‌کنند، اما در نتیجه فرآیندهای کالایی‌سازی فضا و اصیل‌سازی را نیز ارتقا می‌دهند [79 ] . با تقویت فعالیت های اقتصادی مرتبط با گردشگری، تعداد گردشگران به طور قابل توجهی افزایش یافته است. بنابراین، فعالیت‌های گردشگری و مهمان‌نوازی، بخش با بیشترین تعداد تأسیسات در مرکز تاریخی را تشکیل می‌دهند [ 28] .]. در عین حال، این فعالیت‌های اقتصادی گردشگری محور به دنبال الگوهای فضایی قطبی شده واضح در مقایسه با مکان فعالیت‌های سنتی و ساکن‌محور رشد کرده‌اند [ 27 ، 79 ]. در این راستا، چالش های متعددی برای مدیریت جریان بازدیدکنندگان در مواجهه با فشار، اشباع و ازدحام که در مناطق خاصی از مرکز تاریخی رخ می دهد، به وجود می آید [28 ] . علاوه بر این مشکل مرتبط با مدیریت جریان بازدیدکنندگان، سازمان‌های اجتماعی وجود دارند که نسبت به پروژه‌های شهری هشدار داده‌اند که می‌تواند حاکی از ناپدید شدن آثار فرهنگی در اطراف مرکز تاریخی باشد و در نتیجه وضعیت WH را به خطر بیندازد. و به خودی خود تصویر گردشگری با کیفیت شهر [80 ، 81 ]. اگرچه این، در حال حاضر، صرفاً یک مشکل تئوری است (از آنجایی که تنها دو سایت WH تا به امروز از فهرست حذف شده اند)، درک ساکنان و سایر ذینفعان در مورد این وضعیت یک مسئله جزئی نیست [16 ] .

4. مواد و روش ها

4.1. جمع آوری داده ها و پاکسازی

داده‌های مورد استفاده در این مطالعه برای استخراج مسیرهای بازدیدکنندگان در مرکز تاریخی تولدو از سایت اشتراک‌گذاری عکس فلیکر، به لطف امکان دریافت عکس‌های مکان‌یابی شده از طریق Flickr API (https://www.flickr.com/services) دانلود شد . /api/ ). عکس های جغرافیایی مورد استفاده برای بازسازی مسیرهای فضایی هشت سال متوالی را پوشش می دهند (عکس های گرفته شده از ژانویه 2010 تا دسامبر 2017). مزایای ذکر شده قبلی این وب سایت اشتراک گذاری عکس (به بخش 2.2.3 مراجعه کنید)، از جمله حجم زیادی از داده های موجود (رایگان)، بر تصمیم ما برای استفاده از آن به عنوان منبع اصلی داده تأثیر گذاشت. روش‌های «flickr.photos.search» و «flickr.photos.getInfo» Flickr API روی یک اسکریپت پایتون برای جمع‌آوری و ذخیره مجموعه‌ای از 57824 عکس جغرافیایی (P) که توسط 3077 کاربر (U) در داخل مدیریت گرفته شده‌اند، استفاده شد. مرزهای شهر، در مجموعه MongoDB. هر عکس جغرافیایی ( p iu ) دارای ویژگی های زیر است، از جمله:
  • شناسه: شناسه منحصر به فرد عکس آپلود شده (p id ).
  • مالک-id: شناسه کاربری منحصر به فرد شخصی که عکس را آپلود کرده است (u p ).
  • طول جغرافیایی: (اطلاعات برچسب جغرافیایی) x مختصات (x p ).
  • عرض جغرافیایی: (اطلاعات برچسب جغرافیایی) y مختصات (y p ).
  • dates-taken: تاریخ و زمانی که عکس گرفته شده است (t p ).
  • dates-posted: تاریخ و زمانی که عکس آپلود شده است.
داده ها به منظور تمیز کردن و فیلتر کردن مجموعه داده ها در محیط R آپلود شدند (جریان نمودار ارائه شده در شکل 3 را ببینید ). از آنجایی که برخی از عکس‌های آپلود شده در دوره مرجع ممکن است قبل از قاب زمانی تعریف‌شده گرفته شده باشند، عکس‌های محدوده قدیمی حذف شدند. یک تجزیه و تحلیل اکتشافی سالانه برای شناسایی اینکه آیا الگوهای فضایی عکس‌ها و کاربران بین سال‌ها متفاوت بوده و الگوهای یکسانی پیدا شده است انجام شد ( شکل A2 و شکل A3 را در پیوست A ببینید ). علاوه بر این، تعداد مشابهی از کاربران در سال شناسایی شد ( جدول A1 را در پیوست A ببینید). سپس تنها عکس‌های جغرافیایی مناسب برای استخراج مسیر سفر بازدیدکنندگان انتخاب شدند. در این راستا، معیاری برای تعیین اینکه آیا عکس‌ها توسط بازدیدکنندگان یک روزه، گردشگران یا ساکنان محلی گرفته شده‌اند، تعیین کردیم زیرا انتظار می‌رود رفتار و مسیرهای آنها در داخل شهر متفاوت باشد. برای این منظور، سه شاخص محاسبه شد که به ما امکان داد کاربران را بر اساس استفاده آنها از شبکه اجتماعی طبقه بندی کنیم ( جدول 1 را ببینید ). آنها بر اساس میانگین تعداد ماه های فعال در تولدو در سال، تفاوت بین حداکثر و حداقل تاریخ عکس های گرفته شده در همان ماه در شهر و تعداد کل سال های فعال در شهر هستند.
شایان ذکر است که فلیکر اطلاعاتی در مورد سطح دقت مختصات جغرافیایی هر عکس از 1 تا 16 ارائه می دهد: سطح جهانی = 1; سطح کشور = 2-3; سطح منطقه ای = 4-6; سطح شهر = 7-11; سطح خیابان = 12-16. پایگاه داده ما شامل عکس هایی با دو سطح حداکثر دقت مکانی (15 و 16) بود. از این رو، مجبور نبودیم عکس ها را به دلیل مختصات نادرست حذف کنیم.
برای شناسایی مسیرهای بالقوه مکانی-زمانی (STTs)، مجموعه عکس هر کاربر به صورت Pu ⊆ P نشان داده شد ، جایی که تمام عکس‌ها p id ⊆ P u توسط یک کاربر ( u p ) گرفته شده‌اند و به صورت زمانی به‌عنوان یک توالی مکانی و زمانی مرتب شده‌اند. (به طرح مفهومی در شکل 4 مراجعه کنید ). برای هر کاربر، چندین STT را می توان بازسازی کرد، زیرا ممکن است عکس ها را در زمان های مختلف روز یا در روزهای مختلف گرفته باشند.
هر STT باید حداقل 2 عکس (با مختصات مکانی متفاوت) برای بازسازی یک مسیر مکانی-زمانی داشته باشد و اختلاف زمانی بین دو عکس متوالی در همان STT نمی تواند بیشتر از دو ساعت باشد، در غیر این صورت در نظر گرفته می شود که می تواند بسیار مزاحم باشد. مسیرهای به دست آمده یک دوره عدم فعالیت دو ساعته (یا کمتر) می تواند نشان دهنده زمانی باشد که کاربر از فضای خاص مورد علاقه بازدید می کند یا برای ناهار یا شام توقف می کند. به عنوان مثال، کاربری با ده عکس بین ساعت 10 صبح تا 12 بعد از ظهر، و پنج عکس که بین ساعت 5 بعد از ظهر تا 7 بعد از ظهر گرفته شده است، دو دنباله خواهد داشت، زیرا تفاوت زمانی بین آخرین عکس گرفته شده در ظهر (12 بعد از ظهر) و اولین عکس است. در اواسط بعد از ظهر (5 بعد از ظهر) بیشتر از دو ساعت است. پس از پاکسازی داده ها و اجرای تمامی مراحل ارائه شده درشکل 3 ، در مجموع 33051 عکس گرفته شده بین سال های 2010 و 2017 (هر دو سال شامل هر دو سال) متعلق به 1565 بازدیدکننده برای تجزیه و تحلیل نگهداری شد. توزیع فضایی آنها را می توان در شکل 5 مشاهده کرد . همانطور که در جدول 2 مشاهده می شود ، که در آن توزیع هر نوع کاربر از حساب های فلیکر و عکس های نگهداری شده برای تجزیه و تحلیل ارائه شده است، بیش از دو سوم کاربران به عنوان بازدیدکنندگان یک روزه طبقه بندی شدند.

4.2. رویکرد تجربی

رویکرد تجربی دنبال شده در این مقاله شامل بازسازی STT بین عکس‌های متوالی به منظور ساخت نقشه جریان شهر بود. با توجه به ویژگی های شهری مرکز تاریخی تولدو، ارائه شده در بخش 3 ، و این واقعیت که عمدتا یک منطقه پیاده است، اطلاعات حالت سفر در نظر گرفته نمی شود. متعاقباً، از روش‌های آماری برای یافتن اینکه آیا ارتباطی بین تحرک بازدیدکنندگان و کاربری‌های زمین در مرکز شهر وجود دارد یا خیر، استفاده شد.

4.2.1. بازسازی مسیرهای مکانی و زمانی

با توالی عکس، پسوند ArcGIS Network Analyst برای بازسازی هر STT در شبکه خیابانی استفاده شد. ابتدا، تعداد کل عکس‌های فلیکر در هر بخش خیابان از طریق تطبیق نقشه [ 82 ] محاسبه شد. این روش همچنین می توانست با تعداد کاربران منحصر به فرد در هر بخش خیابان انجام شود. با این حال، بر اساس مطالعاتی که از تعداد کل عکس ها برای تعریف محبوبیت نقاط دیدنی استفاده کردند [ 67 ، 73] و با توجه به اینکه پس از یک تحلیل اکتشافی، تفاوتی در توزیع فضایی عکس ها و کاربران مشاهده نکردیم، گزینه اول را انتخاب کردیم. از این متغیر برای تعیین سلسله مراتب شبکه خیابانی استفاده شد (شبکه خیابانی مورد استفاده در این مطالعه از مرکز دانلود موسسه ملی جغرافیای اسپانیا (https://centrodedescargas.cnig.es ) دانلود شده است و متعلق به پروژه است. CartoCiudad ( https://www.cartociudad.es ). طول متوسط ​​هر بخش خیابان در مرکز تاریخی تولدو و انحراف معیار حدود 40 متر است. ( شکل 6 را ببینید.). در مطالعه ما، با استفاده از پنجک‌ها، آستانه‌های بین سلسله مراتب را تعریف کردیم: بالاترین سطح (1) به بخش‌های خیابان با بیش از 37 عکس اختصاص داده شد. سلسله مراتب 2 به کسانی که 12 تا 36 عکس دارند. سلسله مراتب 3 به کسانی که 5 تا 11 عکس دارند. سلسله مراتب 4 به کسانی که 2 تا 4 عکس دارند. سلسله مراتب 5 به کسانی که 0 تا 1 عکس دارند. سلسله مراتب از یک روش اکتشافی استفاده می کرد که عمدتاً جستجوی مسیر را به بالاترین سطوح سلسله مراتب محدود می کرد [ 83 ]. این به این معنی است که خیابان‌هایی که تعداد عکس‌های فلیکر بیشتری دارند نیز احتمالاً به‌عنوان مسیر توسط هر دنباله کاربر انتخاب می‌شوند.
جدول 3 تعداد بازدیدکنندگانی را نشان می‌دهد که در هر زمانی بین سال‌های 2010 تا 2017 در مرکز تاریخی تولدو عکس گرفته‌اند، با تعداد متناظر مسیرهای بالقوه مکانی – زمانی (STT) آنها. پس از اجرای تجزیه و تحلیل شبکه، 50٪ از STT های بالقوه (1048) بازسازی شدند، زیرا دو فرآیند دیگر اشکال زدایی انجام شد:
  • حدود 2٪ از STT بالقوه به دلیل مشکلات خطای ترتیبی بین عکس ها (توزیع غیر منطقی) قابل بازسازی نیست.
  • حدود 48 درصد از STT های بالقوه دور انداخته شدند زیرا فاصله فضایی کافی بین عکس ها نداشتند (مسیرهایی که بیشتر از 1 کیلومتر نبودند).

در نهایت، با بازسازی 1048 STT، یک نقشه جریان شهر ساخته شد و مکان های گردشگری ارائه شده در نقشه رسمی توریستی مرکز تاریخی تولدو بر اساس درصد STT هایی که از خیابان هایی که در آن قرار دارند عبور کردند، طبقه بندی شدند. به عبارت دیگر، با توجه به تعداد کل STT های بازسازی شده، تعداد مسیرهای عبوری از خیابان های مختلف مرکز میراث تولدو با این فرمول محاسبه شد:

% STTs پهr ستیrههتی= nسnتی ایکس 100

جایی که nستعداد STT در هر خیابان است و nتیتعداد کل STT های بازسازی شده است.

سپس، 32 جاذبه گردشگری تبلیغ شده در نقشه رسمی گردشگری تولدو (نگاه کنید به شکل A1 در پیوست A ، مربوط به نقشه رسمی) بر اساس این شاخص طبقه‌بندی شدند و معیارهای زیر را تعیین کردند:
  • > 30٪ STT در هر خیابان: جاذبه های اصلی درجه یک.
  • 20.1-30.0٪ STT در هر خیابان: جاذبه های اصلی درجه 2.
  • 10.1-20.0٪ STT در هر خیابان: جاذبه های ثانویه.
  • 2.6-10.0٪ STT: جاذبه های مکمل.
  • < 2.5% STT در هر خیابان: نیاز به دیده شدن.

4.2.2. انجمن تحرک بازدیدکنندگان و کاربری اراضی

در نهایت، دو روش آماری با تعداد STT بازدیدکنندگان در هر خیابان اجرا شد. از یک طرف، با استفاده از آزمون همبستگی رتبه ای با کاربری های زمین ( https://www.catastro.meh.es/esp/acceso_infocat.asp ) در مرکز تاریخی تولدو همبستگی داشت. به طور خاص، ما شاخص همبستگی اسپیرمن را بین تعداد STT بازدیدکنندگان در هر خیابان و تعداد کل متر مربع تخصیص یافته به کاربری های مختلف زیر محاسبه کردیم (هم به صورت مطلق و هم به صورت نسبی: درصد مربوط به سطح کل):
  • انبار-پارکینگ: گاراژها، انبارها و پارکینگ ها.
  • مسکونی: خانه های تک خانواری و چند خانواری.
  • دفاتر: دفاتر از جمله بانک ها و شرکت های بیمه.
  • خرده فروشی و تجارت: اماکن تجاری، کارگاه ها، گالری ها، بازارها و هایپرمارکت ها.
  • مهمان نوازی و اوقات فراغت: هتل ها، بارها و کافه ها.
  • فرهنگی: موزه ها، کتابخانه ها، کالج ها یا مدارس.
  • مذهبی: کلیساها، کلیساها، کلیساها، صومعه ها یا مراکز محله.
  • بناهای منفرد: بناهای تاریخی-هنری.
علاوه بر این، با این داده‌های مربوط به کاربری‌های زمین، شاخص شانون [ 84 ] برای ارزیابی تنوع و ترکیب کاربری‌ها محاسبه شد ( شکل 7 را ببینید )، و این نیز با تعداد STT بازدیدکنندگان در هر خیابان مرتبط بود.

از سوی دیگر، دو مدل رگرسیون خطی (روش حداقل مربعات معمولی-OLS) با توجه به ماهیت متغیرهای توضیحی (اصطلاح مطلق: مترمربع، عبارات نسبی: درصد متر مربع نسبت به کل) اعمال شد. یک روش گام به گام برای برازش مدل‌ها انتخاب شد و از این رو تنها متغیرهای معنادار و توضیحی در مشخصات مدل‌ها نگهداری شدند. OLS را می توان به صورت زیر تعریف کرد:

Y=β0+β1ایکس1+β2ایکس2+⋯βnایکسn+ε

که در آن Y متغیر وابسته ای است که ما در حال مدل سازی آن هستیم (تعداد STT در هر خیابان). β0ثابت/تقاطع است. βnضرایبی هستند که رابطه و شدت هر متغیر توضیحی را تعیین می کنند ( ایکسn) با توجه به متغیر وابسته (Y). علامت (+/-) مرتبط با ضریب نشان دهنده مثبت یا منفی بودن رابطه است. و ε خطای باقیمانده است (بخشی از متغیر وابسته که توسط مدل توضیح داده نشده است).

دوره-آموزش-حرفه-ای-gis

5. نتایج و بحث

5.1. الگوهای تحرک بازدیدکنندگان در مرکز تاریخی تولدو

جدول 4 میانگین طول 1048 STT بازدیدکننده را نشان می دهد که با انحراف استاندارد مربوطه بازسازی شده اند. به طور کلی، میانگین طول SST به 4.9 کیلومتر می رسد. آن دسته از بازدیدکنندگانی که در تولدو یک شب نمی مانند، میانگین طول کمتری نسبت به بازدیدکنندگانی دارند که شب را می مانند. این نتیجه با ادبیات رفتار فضایی بازدیدکنندگان مطابقت دارد، که بازدیدکنندگانی را که اقامت کوتاه‌تری دارند به‌عنوان افرادی که تمایل به اقامت در مرکز و بازدید از جاذبه‌های برجسته دارند، مشخص می‌کند، در حالی که آنهایی که اقامت طولانی‌تری دارند، تمایل به بازدید از طیف وسیع‌تری از جاذبه‌ها و الگوهای حرکتی گسترده‌تری دارند. [ 25 ، 85 ]. در مقابل، ما تفاوت واضحی را بین بازدیدکنندگان برای اولین بار و تکرارکنندگان شناسایی نکرده ایم، همانطور که برخی تحقیقات دیگر قبلا انجام داده بودند [ 20]]. این ممکن است از یک سو به این واقعیت مرتبط باشد که STT های کمی مربوط به کاربران تکراری هستند (135 تکرار در مقابل 913 بار اول). در حالی که، از سوی دیگر، مطمئناً بیش از یک بازدیدکننده برای اولین بار ممکن است یک بازدیدکننده واقعی باشد، به دلیل این واقعیت ساده که ما تاریخچه کامل سفر افراد را نمی‌دانیم، بلکه از پروکسی که فلیکر در این مورد به ما ارائه می‌کند استفاده می‌کنیم. توجه.
تعداد STT ها در هر بخش خیابان در شکل 8 همراه با 32 جاذبه گردشگری که در نقشه رسمی توریستی تولدو تبلیغ شده اند، ترسیم شده است. STT های طبقه بندی شده بر اساس نوع کاربران نیز در شکل 9 ارائه شده است . در هر نقشه ارائه شده در شکل 9 ، STT ها در هر خیابان به عنوان درصدی از کل STT های بازسازی شده هر نوع کاربر برای اطمینان از مقایسه نقشه برداری شدند.
ادبیات موجود در مورد رفتار فضایی بازدیدکنندگان نشان می‌دهد که توزیع فضایی جاذبه‌های اولیه و ثانویه تأثیر اساسی بر رفتار فضایی بازدیدکنندگان دارد، صرف نظر از اینکه جاذبه‌ها خوشه‌ای هستند یا پراکنده، تأثیر می‌گذارند که بازدیدکنندگان به طور گسترده یا باریک در یک مقصد معین حرکت کنند [25 ] . هر شهر/مقصد توریستی تصاویر یا نمادهای ایده‌آلی دارد که توسط اپراتورهای گردشگری دولتی و خصوصی تبلیغ می‌شوند. این یک اثر فشاری به سمت این سایت‌ها ایجاد می‌کند که منجر به تکرار برنامه‌های سفر می‌شود، و از این رو الگوهای تحرک ایجاد می‌کند که عرضی بین انواع بازدیدکنندگان است [ 86]]. در مورد خاص مرکز تاریخی تولدو، جریان بازدیدکنندگان با تشکیل ستون فقراتی که از شرق به غرب (یا بالعکس) امتداد دارد و با توزیع محیطی به سمت شمال و تا حدی به سمت جنوب مشخص می شود. به غیر از ستون فقرات مرکزی تولدو، دیدگاه واقع در جنوب مرکز تاریخی (درست در طرف دیگر رودخانه تاگوس) و دروازه های دسترسی در شمال مرکز شهر (پوئرتا د بیساگرا و پوئرتا دل سول) نیز وجود دارد. برجسته شدن
بنابراین، از روی نقشه‌ها، می‌توان خیابان‌هایی را شناسایی کرد که جریان‌های بازدیدکننده بیشتری را جذب می‌کنند و در عین حال مناطقی را در داخل شهر که توسط بازدیدکنندگان نادیده کاوش می‌شوند را آشکار کرد. خیابان‌ها قدم می‌زدند و مکان‌هایی که در داخل شهر بازدید می‌شد، متمرکز هستند [ 21 ]. بیرون از این خیابان ها آرامش زیاد است. در این راستا، با توجه به وجود چندین بنای تاریخی و سفرهای بالقوه متعدد، یک استراتژی برای مدیریت جریان بازدیدکنندگان باید انجام شود [ 28 ، 41 ]. در این راستا، از روی نقشه های نشان داده شده، می توان مکان های گردشگری را بر اساس درصد STT در هر بخش خیابانی که در آن واقع شده اند طبقه بندی کرد ( جدول 5 را ببینید.). از این رو، مکان‌های توریستی نمادین موقعیت عصبی را در امتداد خیابان‌های پر نوسان دارند، مانند کلیسای جامع سانتا ماریا (کلیسای جامع سنت ماری)، در مرکز شهر، یا پورتا د آلکانترا (دروازه آلکانترا)، در شرق دسترسی به شهر. مرکز، به عنوان جاذبه های اولیه درجه یک طبقه بندی شده اند. سایر مکان‌های مهم مانند Puerta de Bisagra (دروازه Bisagra) یا Alcázar به عنوان جاذبه‌های اولیه درجه دوم طبقه‌بندی شده‌اند. سپس، مکان هایی مانند موزه های گرکو و سانتا کروز به عنوان جاذبه های ثانویه طبقه بندی شده اند. سایر مکان‌های واقع در مناطق پیرامونی یا خیابان‌های مجاور، مانند بیمارستان تاورا یا کنیسه ترانزیتو، به عنوان جاذبه‌های مکمل طبقه‌بندی شده‌اند. در همین حال، آن مکان‌هایی که در خیابان‌هایی قرار دارند که کمتر از 2.5 درصد از STT‌ها از آن عبور می‌کنند. از آنجایی که این مکان‌ها تقریباً بر رفتار فضایی بازدیدکنندگان تأثیری ندارند، به دسته «خارج از مسیر» اختصاص داده شده‌اند. دقیقاً از منظر طراحی و برنامه‌ریزی استراتژی‌هایی برای مدیریت جریان بازدیدکنندگان، این جاذبه‌ها باید برای تمرکززدایی جریان‌ها از جاذبه‌های اولیه، دیده شوند.

5.2. ارتباط کاربری اراضی با رفتار فضایی بازدیدکنندگان

همانطور که در بخش قبل نشان داده شد، تبلیغ مکان‌های گردشگری در نقشه رسمی رفتار فضایی بازدیدکنندگان را شکل می‌دهد. با این حال، اطلاعات کمی در مورد ارتباط کاربری‌های زمین با رفتار فضایی بازدیدکننده در شهر میراثی وجود دارد. در این راستا، اجرای آزمون همبستگی اسپیرمن ( جدول 6 را ببینید) ارتباط آماری مثبت و متوسطی را بین تعداد STT در هر بخش خیابان و تعداد متر مربع اختصاص داده شده به کاربری های خرده فروشی و تجاری (0.457) و حضور نسبی آنها (درصد) در هر خیابان (0.416) نشان داد. کاربری های اداری نیز دارای ضریب آماری معنی داری هستند، هر چند متوسط ​​تر. این به دلیل این واقعیت است که اکثر دفاتر اداری در ساختمان های تاریخی در مرکز شهر و همچنین به دلیل قرار گرفتن دفاتر بانک در مناطق عصبی است.
علاوه بر این، همانطور که در بخش روش ها توضیح داده شد، شاخص شانون [ 84 ] به منظور ارزیابی تنوع و ترکیب کاربری ها محاسبه شد. همبستگی با شاخص تنوع شانون نیز مثبت و متوسط ​​(403/0) بود. این نشان می‌دهد که بازدیدکنندگان تمایل دارند که توسط این خیابان‌ها با امکانات متنوع و تنوع بیشتر کاربری‌ها جذب شوند [ 30 ، 31 ].
در نهایت، دو رگرسیون خطی گام به گام (OLS) به منظور تعیین اینکه کدام یک از کاربری‌ها بر رفتار فضایی بازدیدکنندگان در مرکز تاریخی تولدو تعیین‌کننده‌تر هستند، اعمال شد (نتایج را در جدول 7 ببینید ) .
در اولین مدل OLS، که در آن متغیرهای توضیحی به صورت نسبی (درصد متر مربع نسبت به کل متر مربع ) گنجانده شدند، تنها دو کاربری به عنوان متغیر توضیحی گنجانده شد، زیرا روش گام به گام سایر کاربری ها را به دلایل همخطی حذف کرد. . بنابراین، بر اساس مدل اول، درصد خرده فروشی و تجارت و کاربری مسکونی دو کاربری با بیشترین میزان بروز توضیحی بر روی متغیر وابسته (تعداد STT در هر خیابان) هستند. به طور خاص، آنها یک علامت مخالف را نشان دادند و نتایج به دست آمده در آزمون همبستگی اسپیرمن را تقویت کردند.
در مدل OLS دوم، که در آن متغیرهای توضیحی به صورت مطلق ( m2 ) بیان شدند ، روش گام به گام سه متغیر توضیحی را حفظ کرد که متر مربع خرده‌فروشی و تجارت، مانند مدل اول، متغیر با بالاترین استاندارد است. ضریب (Std. β)، به دنبال آن ساختمان‌های منفرد و کاربری‌های مذهبی.
هر دو مدل OLS تاکید می‌کنند که استفاده از خرده‌فروشی و تجارت بیشترین ارتباط را با حضور مسیرهای بازدیدکننده دارد. با این حال، وجود کاربری‌های مذهبی و ساختمان‌های منفرد (مثبت) و کاربری‌های مسکونی (منفی) نیز متغیرهای توضیحی مهم رفتار فضایی بازدیدکنندگان هستند.
ارتباط زیاد بین رفتار فضایی بازدیدکننده و استفاده تجاری به این واقعیت مربوط می‌شود که کاربری‌های تجاری تمایل دارند از نظر فضایی در مناطق عصبی با پتانسیل زیادی برای جذب تقاضا (یا با یک مورد از قبل موجود) واقع شوند. از این رو، نه تنها تمرکز فعالیت های بازرگانی به عنوان عامل فشار رفتار فضایی بازدیدکنندگان عمل می کند، بلکه همزیستی با سایر کاربری ها با علاقه برای گشت و گذار، جریان بازدیدکنندگان را تعیین می کند. در واقع، این نتایج توسط ادبیات موجود مربوط به مورد خاص تولدو [ 27 ، 79] پشتیبانی می شود.]، که نشان می‌دهد که محورهای تجاری مرکز تاریخی تولدو بیشتر فعالیت‌ها، خدمات و امکانات اقتصادی مرتبط با توریست را متمرکز کرده و با مسیر گردشگری که بازدیدکنندگان معمولاً آن را دنبال می‌کنند، منطبق است.

6. نتیجه گیری

6.1. پیامدهای یافته های ما و مشارکت اصلی در این زمینه

این مقاله نشان داده است که داده‌های جغرافیایی، به ویژه داده‌های بزرگ و رسانه‌های اجتماعی، یک منبع داده غیرقابل انکار و امیدوارکننده برای تحقیقات جغرافیایی و گردشگری، به‌ویژه در زمینه تحرکات گردشگران شهری است. این مقاله نشان می‌دهد که بازسازی مسیرهای مکانی-زمانی بازدیدکنندگان از عکس‌های فلیکر دارای برچسب جغرافیایی را می‌توان با جزئیات و سطح جغرافیایی که قبلاً به آن اشاره نشده بود، توسعه داد. بیشتر مطالعات قبلی بر شهرهای بزرگ [ 34 ] و در مناطق طبیعی [ 74 ، 82 ] متمرکز شده اند. این تحقیق برعکس، بر مرکز شهر یک شهر تاریخی متوسط ​​متمرکز شده است. در واقع، تحقیقات قبلی نحوه شناسایی جاذبه های توریستی و ایجاد نمودارهای فراوانی بین آنها را نشان داد [32 ، 34 ، 73 ]. با این حال، هیچ یک از آنها سعی نکردند این نمودارها/مسیرهای توریستی را با طرح خیابان مرتبط کنند.
در دسترس بودن داده ها برای توسعه مطالعات در مورد تحرک گردشگران شهری اغلب محدود است، و بنابراین، این مطالعه یک عنصر دیگر برای پیشرفت در مسیر یکپارچه سازی فرصت هایی است که منابع کلان داده را در مدیریت جریان ها در شهرهای توریستی باز می کند. درک رفتار فضایی بازدیدکنندگان دانش جدیدی در مورد دیدگاه های جدید در مورد محیط ساخته شده و کاربردهای آن به ارمغان آورده است [ 4 ]، و در نتیجه، برنامه ریزی و رویه های مدیریتی انعطاف پذیر جدیدی را می توان توسعه داد. نتایج ما خیابان‌های سرریز شده و همچنین مناطق سایه‌دار را که بازدیدکنندگان آن را بررسی نکرده‌اند، شناسایی کرده‌اند. بر این اساس، مکان‌های گردشگری بر اساس درصد جریان‌هایی که در خیابان‌های محل قرار دارند، طبقه‌بندی شده‌اند.
مطابق با مطالعه Paül i Agustí [ 29 ]، نقشه جریان بازدیدکنندگان به ما این امکان را داده است که ببینیم بین نقشه رسمی توریستی تولدو و رفتار فضایی بازدیدکنندگان همپوشانی جزئی وجود دارد. علاوه بر این، نتایج نشان می‌دهد که الگوهای تحرک بازدیدکنندگان در خیابان‌هایی متمرکز می‌شوند که کاربری‌های تجاری و تفریحی بیشتر است [ 31 ]، به‌ویژه زمانی که اینها به ارائه محصولات و خدمات به گردشگران مربوط می‌شوند و بنابراین، از نظر فضایی متمرکز هستند. در مناطق عصبی [ 27 ، 79 ]. نتایج سرنخ هایی در مورد نحوه مدیریت جریان بازدیدکنندگان ارائه می دهد [ 18 ، 19] برای حفاظت از دارایی های میراث برای خدمت به نیازهای گردشگران و جوامع ذینفع [ 15 ، 16 ]. ایجاد مسیرهای جایگزین برای ترویج مکان‌های توریستی بدون بازدید و پیشنهاد مکان‌های جایگزین برای فعالیت‌های اقتصادی توریست‌محور (مانند مناطق تفریحی یا اطلاعات توریستی) می‌تواند به این منظور کمک کند [87 ] . آن مکان‌های توریستی که کمتر مورد استفاده قرار می‌گیرند را می‌توان برای ارتقای گردشگری و استراتژی‌های بازاریابی در بین بازدیدکنندگان اختصاص داد [ 28 ] به منظور توزیع مجدد و هدایت گردش‌های بازدیدکنندگان، مدیریت ازدحام بیش از حد و در پایان، پیکربندی یک مدل گردشگری پایدار و رقابتی [ 17 ، 35] .]. در این راستا، تأثیر نشانگرها و سیگنال‌ها در شهر باید مورد مطالعه قرار گیرد، زیرا آنها می‌توانند رفتار فضایی بازدیدکنندگان را شکل دهند و جریان‌های تحرک را به سمت جاذبه‌های گردشگری کمتر بازدید شده توزیع کنند [40 ، 41 ] .

6.2. محدودیت ها

ارتباط نتایج به‌دست‌آمده به این واقعیت مربوط می‌شود که با استفاده از مکان، تاریخ و زمان مرتبط با عکس‌های آپلود شده توسط بازدیدکنندگان در یک پلت فرم اشتراک‌گذاری، می‌توانیم مسیرهای مکانی-زمانی دقیق را همراه با شبکه شهری بازسازی کنیم. اگر محدودیت های منبع داده در نظر گرفته شود، این امر به ویژه مهم است. در وهله اول، ممکن است یک سوگیری ناشی از نفوذ کم کاربر از وب سایت های اشتراک گذاری تصویر ایجاد شود. اگرچه مطالعات قبلی نشان داد که نیمی از کاربرانی که در طول سفر عکس می‌گیرند، آن‌ها را به صورت آنلاین پست می‌کنند، و بخشی از کسانی که این کار را در سایت‌هایی مانند فلیکر انجام می‌دهند، قابل توجه است [ 88]]، ما این اطمینان را برای مورد خاص مرکز تاریخی تولدو نداریم. نشان داده شده است که تعداد گردشگران و تعداد کاربران فلیکر به ویژه در کشورهای آمریکای شمالی و اروپایی بسیار مرتبط است [ 56 ، 57 ]. با این حال، با توجه به مقیاس تحلیل ما (سطح شهری)، در خطوط تحقیقاتی آینده، نتایج به‌دست‌آمده باید با سایر منابع اطلاعاتی، مانند سنسورهای شمارش یا دوربین‌های فیلم‌برداری، بررسی شود که به ما امکان می‌دهد روش مورد استفاده را اصلاح کنیم. ثانیاً، عکاسان همه چیز را به یک اندازه شایسته ثبت نمی‌دانند، و به شدت انتخاب می‌کنند که کجا، با چه کسی و از طریق کدام کانال‌ها فعالیت‌های خود و مکان‌هایی را که بازدید می‌کنند ارتباط برقرار کنند [ 70 ، 89 ،90 ]. نکته مثبت این است که فلیکر، به عنوان یک مخزن دسترسی باز طراحی شده برای به اشتراک گذاشتن عکس های مکان های دیدنی، سر و صدای کمتری نسبت به سایر شبکه های اجتماعی کمتر حرفه ای ایجاد می کند که در آن نوع کاربر تمایل دارد به جای توجه به فضای بازدید شده، توجه بیشتری به خود نشان دهد. بنابراین، این امکان را به شما می دهد تا نقاط مهم دیدنی را دقیقاً شناسایی کنید [ 75 ، 76] و رفتار گردشگر را با دقت بالاتر تقریب بزنید. در ارتباط با قبلی، محدودیت سومی وجود دارد که به عدم امکان جمع آوری اطلاعات در مورد هدف جابجایی ها مربوط می شود. به عنوان مثال، برخی از سفرها وجود دارد که ممکن است در مسیرهای مکانی و زمانی ما منعکس نشود، مانند آن جابجایی ها از پارکینگ یا ایستگاه قطار به مرکز شهر، یا آن سفرهای رفت و برگشت به محل اقامت، و غیره. در نهایت، یک اشکال اضافی این نوع داده ها این است که اطلاعات دقیقی در مورد مشخصات دموگرافیک و اجتماعی-اقتصادی بازدیدکنندگان یا تجربیات قبلی سفر آنها وجود ندارد. برای نشان دادن این محدودیت، حدود 50 درصد از نمونه ما اطلاعاتی در مورد کشور مبدا کاربر نداشتند. واقعیتی که امکان تقسیم بندی مسیرهای بازسازی شده توسط بازارهای توریستی را محدود می کند. با این وجود، با وجود این محدودیت‌ها، با روش ما، ما توانسته‌ایم 50 درصد از مسیرهای مکانی-زمانی بازدیدکنندگان بالقوه (1048) را بازسازی کنیم، که در پایان، تعداد بیشتری از مسیرها را با هزینه کمتر نسبت به مواردی که را می توان با استفاده از منابع داده دیگر (به عنوان مثال، دستگاه های GPS، خاطرات سفر، در میان دیگران) به دست آورد. با این حال، در مطالعه حاضر، واقعیت تحلیل یک مرکز تاریخی پیاده‌روی، به ما این امکان را می‌دهد که بدون در نظر گرفتن توزیع‌های مودال، مسیرها را بازسازی کنیم. بنابراین، در مراکزی که محدودیتی برای وسایل نقلیه شخصی ندارند، توجه به این جنبه مهم خواهد بود. ما توانسته‌ایم 50 درصد از مسیرهای مکانی-زمانی بازدیدکنندگان بالقوه (1048) را بازسازی کنیم، که در پایان، تعداد بیشتری از مسیرها را با هزینه کمتر نسبت به مواردی که می‌توان با استفاده از سایر منابع داده به دست آورد (به عنوان مثال، GPS) نشان داد. دستگاه ها، خاطرات سفر، از جمله). با این حال، در مطالعه حاضر، واقعیت تحلیل یک مرکز تاریخی پیاده‌روی، به ما این امکان را می‌دهد که بدون در نظر گرفتن توزیع‌های مودال، مسیرها را بازسازی کنیم. بنابراین، در مراکزی که محدودیتی برای وسایل نقلیه شخصی ندارند، توجه به این جنبه مهم خواهد بود. ما توانسته‌ایم 50 درصد از مسیرهای مکانی-زمانی بازدیدکنندگان بالقوه (1048) را بازسازی کنیم، که در پایان، تعداد بیشتری از مسیرها را با هزینه کمتر نسبت به مواردی که می‌توان با استفاده از سایر منابع داده به دست آورد (به عنوان مثال، GPS) نشان داد. دستگاه ها، خاطرات سفر، از جمله). با این حال، در مطالعه حاضر، واقعیت تحلیل یک مرکز تاریخی پیاده‌روی، به ما این امکان را می‌دهد که بدون در نظر گرفتن توزیع‌های مودال، مسیرها را بازسازی کنیم. بنابراین، در مراکزی که محدودیتی برای وسایل نقلیه شخصی ندارند، توجه به این جنبه مهم خواهد بود. بین دیگران). با این حال، در مطالعه حاضر، واقعیت تحلیل یک مرکز تاریخی پیاده‌روی، به ما این امکان را می‌دهد که بدون در نظر گرفتن توزیع‌های مودال، مسیرها را بازسازی کنیم. بنابراین، در مراکزی که محدودیتی برای وسایل نقلیه شخصی ندارند، توجه به این جنبه مهم خواهد بود. بین دیگران). با این حال، در مطالعه حاضر، واقعیت تحلیل یک مرکز تاریخی پیاده‌روی، به ما این امکان را می‌دهد که بدون در نظر گرفتن توزیع‌های مودال، مسیرها را بازسازی کنیم. بنابراین، در مراکزی که محدودیتی برای وسایل نقلیه شخصی ندارند، توجه به این جنبه مهم خواهد بود.

6.3. جهت گیری های تحقیقاتی آینده

در خطوط آتی تحقیقات، تعاملات بین بازدیدکنندگان و افراد محلی را می توان تجزیه و تحلیل کرد [ 63 ] و با تحقیقات کیفی تکمیل کرد که به اندازه گیری ادراک گردشگران و ساکنان در مورد مکان های روزمره فعالیت که در نتیجه چگونگی تغییر شکل می دهند کمک می کند. بازدیدکنندگان به مکان ها خیره می شوند و می روند [ 11 ، 12]. از این رو، مشکلات احتمالی همزیستی را می توان بر این اساس حل کرد. علاوه بر این، جهت تحقیق دیگری باید به کاوش در پتانسیل داده ها از بسترهای اشتراک عکس اختصاص داده شود تا اینکه با توجه به اطلاعات ارائه شده تا چه حد امکان تشخیص رفتارهای فضایی مختلف بر اساس مبدأ گردشگران وجود دارد. در مشخصات کاربران و ثبت تاریخی (در صورت موجود بودن)، و نوع بازدید انجام شده، با توجه به شناسایی احتمالی سفرهای سازماندهی شده به لطف تاریخ و ویژگی های جغرافیایی عکس ها.
علاوه بر این، بازسازی رفتار فضایی بازدیدکننده با پیروی از روش ارائه شده می‌تواند در سایر بافت‌های شهرهای میراثی به منظور آزمایش اعتبار منبع داده اعمال شود. اگرچه درست است که فلیکر یکی از پرکاربردترین پلتفرم ها [ 88 ] است، به ویژه در کشورهای غربی [ 56 ، 57]]، استفاده کاربران از اینترنت دائماً در حال تغییر است و دانشگاه ها و متخصصان باید با منابع جدیدی که می تواند تجزیه و تحلیل تحرک را بهبود بخشد، به روز باشند. ادغام منابع داده های مختلف، تجزیه و تحلیل نحوه بازاریابی مدیران و مقامات دولتی مقصد و تکامل مقصد باید در نظر گرفته شود تا شکل گیری متقابل و متقابل بین رفتار بازدیدکنندگان و ویژگی های شهرها به درستی اندازه گیری شود [4 ] .
این باید در مورد فرصت‌هایی که داده‌های کلان برای نظارت بر تحرک انسان به طور کلی به ما می‌دهد، و به طور خاص تر تحرک بازدیدکنندگان، در شرایط اضطراری بهداشتی کنونی که با همه‌گیری COVID-19 مشخص شده است، به روز شود. مطالعه ما نشان می‌دهد که داده‌های مخازن دسترسی باز عکس‌های جغرافیایی امکان توسعه تحلیل‌های چابک و مقرون به صرفه از تحرک بازدیدکنندگان را می‌دهد. بنابراین، خطوط نوظهور جدید تحقیقات مربوط به کسب دانش از تجزیه و تحلیل چگونگی ایجاد یک اثر مخرب (یا نه) بر الگوهای تحرک در مقیاس محلی است. این در بافت‌های شهری متراکم، جایی که حجم بالایی از جمعیت همگرا می‌شوند و چالش‌های مرتبط در استفاده از فضا ممکن است پدیدار شوند، ارزش قابل توجهی دارد. علاوه بر این،36 ]، که می‌تواند راه‌های دیگری، شاید شدیدتر، برای مصرف شهرها ایجاد کند که شایسته تجزیه و تحلیل هستند.

پیوست اول

Ijgi 09 00646 g0a1 550
شکل A1. نقشه رسمی توریستی تولدو. منبع: https://turismo.toledo.es/ .
Ijgi 09 00646 g0a2 550
شکل A2. تراکم عکس های فلیکر در مرکز تاریخی تولدو. توجه: وزن هر عکس با توجه به حداکثر تعداد عکس در سال نرمال شد. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g0a3 550
شکل A3. تراکم کاربران فلیکر در مرکز تاریخی تولدو. توجه: با توجه به حداکثر تعداد کاربران در سال عادی شده است. منبع: شرح خود نویسندگان.
جدول
جدول A1. تعداد عکس‌های فلیکر و کاربران (بازدیدکنندگان) در سال در مرکز تاریخی تولدو.

منابع

  1. Urry, J. Mobilities ; Polity Press: کمبریج، انگلستان، 2007. [ Google Scholar ]
  2. بوک، ک. ماهیت در حال تغییر گردشگری شهری و پیامدهای احتمالی آن برای آینده شهرها. یورو J. Futures Res. 2015 ، 3 ، 20. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  3. ریفکین، جی. عصر دسترسی . پنگوئن: لندن، بریتانیا، 2000. [ Google Scholar ]
  4. آنتون کلاو، S. گردشگری شهری و پیاده‌روی. در آینده گردشگری ؛ Fayos-Solà, E., Cooper, C., Eds.; Springer: Cham، سوئیس، 2019; صص 195-211. [ Google Scholar ]
  5. روسو، AP؛ اسکارناتو، A. “بارسلونای مشترک”: رژیم شهری جدید برای شهر توریستی قرن بیست و یکم؟ J. شهری Aff. 2018 ، 40 ، 455-474. [ Google Scholar ] [ CrossRef ]
  6. لی، CB سیاست فرهنگی به عنوان رویکرد بازسازی در شهرهای غربی: مطالعه موردی RopeWalks لیورپول. Geogr. Compass 2009 , 3 , 495-517. [ Google Scholar ] [ CrossRef ]
  7. Türkün، A. بازآفرینی شهری و روابط قدرت هژمونیک. بین المللی طرح. گل میخ. 2011 ، 16 ، 61-72. [ Google Scholar ] [ CrossRef ]
  8. واکسموث، دی. وایزلر، A. Airbnb و شکاف اجاره: اعیانی‌سازی از طریق اقتصاد اشتراک‌گذاری. محیط زیست طرح. یک اقتصاد. Space 2018 , 50 , 1147–1170. [ Google Scholar ] [ CrossRef ]
  9. دادز، آر. باتلر، آر. گردشگری بیش از حد: مسائل، واقعیت ها و راه حل ها . Walter De Gruyter: برلین، آلمان، 2019. [ Google Scholar ]
  10. بوردو، پ. فرانسوا، اچ. Bensahel, L. Fin (?) et Confins du Tourisme: Interroger le Statut et les Pratiques de la Récréation Contemporaine ; L’Harmattan: پاریس، فرانسه، 2013. [ Google Scholar ]
  11. Cechini، A. من یک توریست نیستم. من اینجا زندگی می کنم ؛ انتشارات: Alghero، ایتالیا، 2016. [ Google Scholar ]
  12. روسو، AP؛ ریچاردز، جی. بازآفرینی محلی در گردشگری: مکان تولید، مصرف و مذاکره . انتشارات نمای کانال: بریستول، انگلستان، 2016. [ Google Scholar ]
  13. ریتزیر، جی. جهانی شدن . Wiley: Hoboken، NJ، ایالات متحده، 2011. [ Google Scholar ]
  14. Lew, A. برنامه ریزی گردشگری و مکان سازی: مکان سازی یا مکان سازی؟ تور. Geogr. 2017 ، 19 ، 448-466. [ Google Scholar ] [ CrossRef ]
  15. سرافین، اچ. شیران، پ. پیلاتو، م. بیش از حد گردشگری و سقوط ونیز به عنوان یک مقصد. جی. مقصد. علامت گذاری. مدیریت 2018 ، 9 ، 374-376. [ Google Scholar ] [ CrossRef ]
  16. بوردو، ال. گراوری-بارباس، م. میراث جهانی، گردشگری و هویت: کتیبه و تولید مشترک ; Routledge: لندن، بریتانیا، 2016. [ Google Scholar ]
  17. Crouch، رقابت مقصد GI: تجزیه و تحلیل ویژگی های تعیین کننده. J. Travel Res. 2011 ، 50 ، 27-45. [ Google Scholar ] [ CrossRef ]
  18. بیمونته، اس. Faralla، V. آیا رضایت درک شده ساکنان از زندگی با فصل توریستی متفاوت است؟ نظرسنجی دو مرحله ای در یک مقصد مدیترانه ای. تور. مدیریت 2016 ، 55 ، 199-208. [ Google Scholar ] [ CrossRef ]
  19. لین، ز. چن، ی. فیلیری، ر. هم‌آفرینی ارزش مقیم و گردشگر: نقش تأثیرات گردشگری درک شده ساکنان و رضایت از زندگی. تور. مدیریت 2017 ، 61 ، 436-442. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. Caldeira، AM; Kastenholz، E. رفتار فضایی گردشگران در مقاصد شهری: تأثیر تجربه مقصد قبلی. J. Vacat. علامت گذاری. 2017 ، 24 ، 247-260. [ Google Scholar ] [ CrossRef ]
  21. اشورث، جی. پیج، SJ تحقیقات گردشگری شهری: پیشرفت اخیر و پارادوکس های فعلی تور. مدیریت 2011 ، 32 ، 1-15. [ Google Scholar ] [ CrossRef ]
  22. بادر، ام. استفاده از تجزیه و تحلیل سرعت با پشتیبانی از GPS برای تعیین رفتار بازدیدکنندگان فضایی. بین المللی جی. تور. Res. 2015 ، 17 ، 337-346. [ Google Scholar ] [ CrossRef ]
  23. پیرس، دی جی چارچوبی یکپارچه برای تحقیقات گردشگری شهری. ان تور. Res. 2001 ، 28 ، 926-946. [ Google Scholar ] [ CrossRef ]
  24. دومنک، آ. گوتیرز، آ. آنتون کلاو، اس. رفتار فضایی مسافران کروز و سطوح هزینه در مقصد. تور. طرح. توسعه دهنده 2020 ، 17 ، 17-36. [ Google Scholar ] [ CrossRef ]
  25. مک کرچر، بی. Lau, G. الگوهای حرکت گردشگران در یک مقصد. تور. Geogr. 2008 ، 10 ، 355-374. [ Google Scholar ] [ CrossRef ]
  26. هاولکا، بی. سیتکو، آی. بینات، ای. سوبولفسکی، اس. کازاکوپولوس، پ. Ratti, C. توئیتر را به عنوان نماینده الگوهای تحرک جهانی در موقعیت جغرافیایی قرار داد. کارتوگر. Geogr. Inf. علمی 2014 ، 41 ، 260-271. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. سولیس، ای. اسکودرو، لس آنجلس؛ Ruiz-Apilánez، B. Los retos de la ciudad compacta desde la perspectiva de los cascos históricos con fuerte actividad turística. ال کاسو دو تولدو استود. Geogr. 2020 ، 81 ، 35. [ Google Scholar ] [ CrossRef ]
  28. Zárate، MA تولدو، planeamiento y especulación en ciudades históricas. آنالس د جئوگرافیا. دانشگاه Complut. 2007 ، 27 ، 151-175. [ Google Scholar ] [ CrossRef ]
  29. Paül i Agustí, D. مشخص کردن مکان تصاویر توریستی در شهرها. تفاوت در تصاویر تولید شده توسط کاربر (اینستاگرام)، بروشورهای رسمی توریستی و راهنمای سفر. ان تور. Res. 2018 ، 73 ، 103-115. [ Google Scholar ] [ CrossRef ]
  30. Jansen-Verbeke، M. گردشگری درون شهری: منابع، گردشگران و مروجین. ان تور. Res. 1986 ، 13 ، 79-100. [ Google Scholar ] [ CrossRef ]
  31. دومنک، آ. گوتیرز، آ. Anton Clavé, S. محیط ساخته شده و تحرک گردشگران سفر دریایی شهری. ان تور. Res. 2020 , 81 , 102889. [ Google Scholar ] [ CrossRef ]
  32. ژیراردین، اف. بلات، جی. کالابرس، اف. دال فیوره، اف. راتی، سی. ردپای دیجیتال: کشف گردشگران با محتوای تولید شده توسط کاربر. محاسبات فراگیر IEEE 2008 ، 7 ، 36-43. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. سان، ی. فن، اچ. باکی‌الله، م. Zipf، A. توصیه سفر مبتنی بر جاده با استفاده از تصاویر دارای برچسب جغرافیایی. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 53 ، 110-122. [ Google Scholar ] [ CrossRef ]
  34. ژنگ، YT; ژا، زجی؛ الگوهای سفر معدن Chua، TS از عکس های دارای برچسب جغرافیایی. ACM Trans. هوشمند سیستم تکنولوژی 2012 ، 3 ، 1-18. [ Google Scholar ] [ CrossRef ]
  35. آرانبورو، آی. پلازا، بی. استبان، م. گردشگری فرهنگی پایدار در مقاصد شهری: آیا فضا اهمیت دارد؟ Sustainability 2016 , 8 , 699. [ Google Scholar ] [ CrossRef ][ Green Version ]
  36. Iaquinto، BL Tourist به عنوان ناقل: تحرکات ویروسی COVID-19. دیالوگ هام Geogr. 2020 ، 10 ، 174-177. [ Google Scholar ] [ CrossRef ]
  37. کاست، جی. وکو، ام. آیا به رسمیت شناختن میراث جهانی یونسکو یک موهبت یا بار است؟ شواهد از کشورهای در حال توسعه آسیایی. J. Cult. میراث. 2017 ، 27 ، 1-9. [ Google Scholar ] [ CrossRef ]
  38. دی لوکا، جی. دستگردی، ع. فرانسینی، سی. لیبراتوره، جی. برنامه ریزی میراث فرهنگی پایدار و مدیریت گردشگری بیش از حد در شهرهای هنری: درس هایی از میراث جهانی اطلس. پایداری 2020 ، 12 ، 3929. [ Google Scholar ] [ CrossRef ]
  39. UNWTO. “گردشگری بیش از حد”؟ درک و مدیریت رشد گردشگری شهری فراتر از تصورات . UNWTO: مادرید، اسپانیا، 2018. [ Google Scholar ]
  40. ریچاردز، جی. سیستم های جذب گردشگری. ان تور. Res. 2002 ، 29 ، 1048-1064. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  41. Dredge, D. مقصد و برنامه ریزی. ان تور. Res. 1999 ، 26 ، 772-779. [ Google Scholar ] [ CrossRef ]
  42. Jaakson، R. فراتر از حباب توریستی؟: مسافران کشتی رزمی در بندر. ان تور. Res. 2004 ، 31 ، 44-60. [ Google Scholar ] [ CrossRef ]
  43. Zillinger، M. Tourist Routes: A رویکرد زمانی-جغرافیایی در مورد گردشگران ماشین آلمانی در سوئد. تور. Geogr. 2007 ، 9 ، 64-83. [ Google Scholar ] [ CrossRef ]
  44. هاردی، ا. هیسلوپ، اس. غرفه، ک. روباردز، بی. آریال، ج. گرتزل، یو. اکلستون، آر. ردیابی سفر گردشگران با فناوری GPS مبتنی بر تلفن هوشمند: یک بحث روش شناختی. Inf. تکنولوژی تور. 2017 ، 17 ، 255-274. [ Google Scholar ] [ CrossRef ]
  45. شوال، ن. ایزاکسون، ام. ردیابی گردشگران در عصر دیجیتال. ان تور. Res. 2007 ، 34 ، 141-159. [ Google Scholar ] [ CrossRef ]
  46. Wu، CL; کارسون، دی. تجزیه و تحلیل پراکندگی توریست مکانی و زمانی در سفرهای چند مقصد. J. Travel Res. 2008 ، 46 ، 311-317. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. بیرنبویم، ا. آنتون کلاو، اس. روسو، AP؛ شوال، ن. الگوهای فعالیت زمانی بازدیدکنندگان پارک موضوعی. تور. Geogr. 2013 ، 15 ، 601-619. [ Google Scholar ] [ CrossRef ]
  48. دکتر خیری، ND; اسماعیل، ح.ن. سید جعفر، رفتار گردشگری SMR از طریق مصرف در سایت میراث جهانی ملاکا. Curr. تور مسائل. 2018 ، 22 ، 582-600. [ Google Scholar ] [ CrossRef ]
  49. چچیک، ا. فلیشر، ا. شووال، ن. تقسیم‌بندی بازدیدکنندگان یک سایت میراثی با استفاده از داده‌های زمانی-مکانی با وضوح بالا. J. Travel Res. 2009 ، 48 ، 216-229. [ Google Scholar ] [ CrossRef ]
  50. ورسیکله، ام. دی گروت، ال. کلیس بوآرت، ام. نویتنز، تی. مورمن، آی. van de Weghe، N. الگوی کاوی در بازدید از جاذبه های توریستی از طریق یادگیری قوانین انجمن در داده های ردیابی بلوتوث: مطالعه موردی گنت، بلژیک. تور. مدیریت 2014 ، 44 ، 67-81. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  51. کالابرس، اف. کولونا، ام. لوویسولو، پی. پاراتا، دی. Ratti, C. نظارت بر شهری در زمان واقعی با استفاده از تلفن های همراه: مطالعه موردی در رم. IEEE Trans. هوشمند ترانسپ سیستم 2011 ، 12 . [ Google Scholar ] [ CrossRef ]
  52. Phithakkitnukoon، S. هورانونت، تی. ویتایانگ کورن، آ. سیری، آر. سکیموتو، ی. Shibasaki، R. درک رفتار گردشگران با استفاده از رویکرد سنجش موبایل در مقیاس بزرگ: مطالعه موردی کاربران تلفن همراه در ژاپن. اوباش فراگیر. محاسبه کنید. 2015 ، 18 ، 18-39. [ Google Scholar ] [ CrossRef ]
  53. میزی، سی. فابری، ا. رامبالدی، س. برتینی، اف. کورتی، ن. اسنیگاردی، س. لوزی، ر. ونتوری، جی. دیوید، م. موراتوره، جی. و همکاران کشف تحرک عابر پیاده در شبکه جاده با استفاده از داده های ICT در طول رویدادهای بزرگ توریستی. EPJ Data Sci. 2018 ، 7 ، 44. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  54. مامه ای، م. Colonna, M. تجزیه و تحلیل طبقه بندی گردشگران از داده های شبکه سلولی. J. Locat. سرویس مبتنی بر 2018 ، 12 ، 19-39. [ Google Scholar ] [ CrossRef ]
  55. Chareyron GDa-Rugna، J.; برانچت، ب. مسیرهای توریستی معدن با استفاده از ردپای فلیکر. در مجموعه مقالات کنفرانس بین‌المللی IEEE/ACM 2013 در مورد پیشرفت‌ها در تجزیه و تحلیل شبکه‌های اجتماعی و استخراج (ASONAM 2013)، آبشار نیاگارا، ON، کانادا، 25 تا 28 اوت 2013. ص 1488-1489. [ Google Scholar ] [ CrossRef ]
  56. اوندر، آی. کوربیتز، دبلیو. Hubmann-Haidvogel، AC ردیابی گردشگران از طریق ردپای دیجیتالی آنها: مورد اتریش. J. Travel Res. 2013 ، 55 ، 566-573. [ Google Scholar ] [ CrossRef ]
  57. یوان، ی. Medel, M. مشخص کردن رفتار سفر بین‌المللی از عکس‌های دارای برچسب جغرافیایی: مطالعه موردی فلیکر. PLoS ONE 2016 , 11 , e0154885. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  58. جاف، ا. نعمان، م. تاسا، تی. دیویس، ام. ایجاد خلاصه و تجسم برای مجموعه‌های بزرگ عکس‌های ارجاع‌شده جغرافیایی. در مجموعه مقالات کارگاه بین المللی ACM SIGMM در مورد بازیابی اطلاعات چند رسانه ای، نیویورک، نیویورک، ایالات متحده آمریکا، 23 تا 27 اکتبر 2006. صص 89-98. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  59. یین، ز. کائو، ال. هان، جی. لو، جی. Huan, T. رتبه بندی الگوی مسیر متنوع در رسانه های اجتماعی با برچسب جغرافیایی. در مجموعه مقالات کنفرانس بین المللی SIAM 2011 در مورد داده کاوی، Mesa، AZ، ​​ایالات متحده آمریکا، 28-30 آوریل 2011; ص 980-991. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  60. کائو، ال. لو، جی. گالاگر، ا. جین، ایکس. هان، جی. Huang, T. یک سیستم توصیه گردشگری در سراسر جهان بر اساس عکس های وب دارای برچسب جغرافیایی. در مجموعه مقالات کنفرانس بین المللی IEEE در آکوستیک 2010 پردازش گفتار و سیگنال، دالاس، TX، ایالات متحده، 14-19 مارس 2010. ص 2274-2277. [ Google Scholar ] [ CrossRef ]
  61. کوراشیما، تی. ایواتا، تی. آیری، جی. فوجیمورا، ک. توصیه مسیر سفر با استفاده از عکس‌های دارای برچسب جغرافیایی. بدانید. Inf. سیستم 2013 ، 37 ، 37-60. [ Google Scholar ] [ CrossRef ]
  62. اوکویاما، ک. Yanai, K. یک سیستم برنامه ریزی سفر بر اساس مسیرهای سفر استخراج شده از تعداد زیادی عکس دارای برچسب جغرافیایی در وب. در عصر رسانه های تعاملی ; Jin, JS, Xu, C., Xu, M., Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2013; صص 657-670. [ Google Scholar ] [ CrossRef ]
  63. لی، دی. ژو، ایکس. وانگ، ام. تجزیه و تحلیل و تجسم تعاملات فضایی بین گردشگران و افراد محلی: مطالعه فلیکر در ده شهر ایالات متحده. شهرها 2018 ، 74 ، 249-258. [ Google Scholar ] [ CrossRef ]
  64. چای، جی. کوی، ی. جانگ، ی. وانگ، جی. مالک، ع. Ebert، تجزیه و تحلیل بصری مبتنی بر مسیر DS برای تجزیه و تحلیل حرکت غیرعادی انسان با استفاده از رسانه های اجتماعی. در کارگاه آموزشی تحلیل بصری EuroVis ; Bertini, E., Roberts, JC, Eds. انجمن یوروگرافیک: دارمشتات، آلمان، 2015. [ Google Scholar ]
  65. آندرینکو، جی. آندرینکو، ن. بوش، اچ. ارتل، تی. فوکس، جی. یانکوفسکی، پ. تام، دی. الگوهای موضوعی در توییت‌های جغرافیایی ارجاع‌شده از طریق تجزیه و تحلیل بصری فضا-زمان. محاسبه کنید. علمی مهندس 2013 ، 15 ، 72-82. [ Google Scholar ] [ CrossRef ]
  66. واکامیا، س. لی، آر. Sumiya، K. توصیف منطقه شهری بر اساس معنایی فعالیت های جمعی در توییتر. در مجموعه مقالات کنفرانس بین المللی در زمینه معناشناسی جغرافیایی، برست، فرانسه، 12-13 مه 2011 . کلارامونت، سی.، لواشکین، اس.، برتولتو، ام.، ویرایش. Springer: برلین/هایدلبرگ، آلمان، 2011; جلد 6631. [ Google Scholar ] [ CrossRef ]
  67. García-Palomares, JC; گوتیرز، جی. Mínguez, C. شناسایی نقاط داغ توریستی بر اساس شبکه های اجتماعی: تحلیل مقایسه ای کلان شهرهای اروپایی با استفاده از خدمات اشتراک عکس و GIS. Appl. Geogr. 2015 ، 63 ، 408-417. [ Google Scholar ] [ CrossRef ]
  68. ریدرر، سی. زیمک، اس. فاندورد، سی. چینترو، ا. بلووین، اس ام من عکسی ندارم، اما شما می توانید رد پای من را داشته باشید—افشای جمعیت شناسی داده های مکان. در مجموعه مقالات نهمین کنفرانس بین المللی AAAI در وبلاگ ها و رسانه های اجتماعی، آکسفورد، انگلستان، 26-29 مه 2015؛ ص 185-195. [ Google Scholar ]
  69. هچت، بی. هونگ، ال. سو، بی. توییت‌های چی، EH از قلب جاستین بیبر: پویایی فیلد مکان در پروفایل‌های کاربر. در مجموعه مقالات کنفرانس SIGCHI در مورد عوامل انسانی در سیستم های محاسباتی، ونکوور، BC، کانادا، 7-12 مه 2011. صص 237-246. [ Google Scholar ] [ CrossRef ]
  70. مالک، ع. دیر، ع. Nieminen, M. استفاده ها و لذت های اشتراک گذاری عکس دیجیتال در فیس بوک. Telemat. آگاه کردن. 2015 ، 33 ، 129-138. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  71. آراسه، ی. Xie، X. هارا، ت. Nishio, S. سفرهای افراد معدن از عکس‌های دارای برچسب جغرافیایی در مقیاس بزرگ. در مجموعه مقالات هجدهمین کنفرانس بین المللی ACM در چند رسانه ای، نیویورک، نیویورک، ایالات متحده آمریکا، 25 تا 29 اکتبر 2010. صص 133-142. [ Google Scholar ] [ CrossRef ]
  72. کومیتو، سی. فالکون، دی. تالیا، دی. استخراج الگوهای تحرک انسانی از داده های برچسب گذاری شده جغرافیایی اجتماعی. اوباش فراگیر. محاسبه کنید. 2016 ، 33 ، 91-107. [ Google Scholar ] [ CrossRef ]
  73. Kadár, B. تفاوت در الگوهای فضایی گردشگری شهری در وین و پراگ. Urbani Izziv 2013 ، 24 ، 96-111. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  74. اورسی، ف. Geneletti، D. استفاده از عکس های دارای برچسب جغرافیایی و تجزیه و تحلیل GIS برای تخمین جریان بازدیدکنندگان در مناطق طبیعی. جی. نات. حفظ کنید. 2013 ، 21 ، 359-368. [ Google Scholar ] [ CrossRef ]
  75. انکالادا، ال. بوویدا-پرتغال، I.; کاردوسو، سی. Rocha, J. شناسایی مکان‌های مورد علاقه توریستی بر اساس آثار دیجیتال: به سوی یک شهر هوشمند پایدار. Sustainability 2017 , 9 , 2317. [ Google Scholar ] [ CrossRef ][ Green Version ]
  76. Salas-Olmedo، MH; مویا گومز، بی. García-Palomares, JC; گوتیرز، جی. ردپای دیجیتالی گردشگران در شهرها: مقایسه منابع کلان داده. تور. مدیریت 2018 ، 66 ، 13-25. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  77. INE. Encuesta de Ocupación Hotelera ; Instituto Nacional de Estadística: مادرید، اسپانیا، 2018. [ Google Scholar ]
  78. مطبوعات اروپا Toledo Prevé Superar los 4 Millones de Turistas al año con Puy du Fou. 2019. در دسترس آنلاین: https://www.europapress.es/turismo/destino-espana/turismo-urbano/noticia-toledo-preve-superar-millones-turistas-ano-llegada-puy-du-fou-20190327132117.html (در 28 اکتبر 2020 قابل دسترسی است).
  79. Escudero، LA واقعیت ها و مشکلات یک مقصد گردشگری فرهنگی عمده در اسپانیا، تولدو. پاسوس. کشیش تور. پاتریم. فرقه 2018 ، 16 ، 617-636. [ Google Scholar ] [ CrossRef ]
  80. تولدو. سوسیداد، پاتریمونیو و فرهنگی. Manifesto Fundacional. 2019. در دسترس آنلاین: https://toledosociedadypatrimonio.blogspot.com/p/quienes-somos.html (در 28 اکتبر 2020 قابل دسترسی است).
  81. لا وز دل تاجو La Ciudad Histórica de Toledo، en la Lista del Patrimonio Mundial en Peligro. 2020. در دسترس آنلاین: https://www.lavozdeltajo.com/noticia/45424/provincia/la-ciudad-historica-de-toledo-en-la-lista-del-patrimonio-mundial-en-peligro.html (دسترسی در 28 اکتبر 2020).
  82. باروس، سی. مویا گومز، بی. گوتیرز، جی. استفاده از عکس‌های دارای برچسب جغرافیایی و مسیرهای GPS از شبکه‌های اجتماعی برای تحلیل رفتار بازدیدکنندگان در پارک‌های ملی. Curr. تور مسائل. 2020 ، 23 ، 1291-1319. [ Google Scholar ] [ CrossRef ]
  83. ArcGIS. درباره تجزیه و تحلیل شبکه با سلسله مراتب. 2020. در دسترس آنلاین: https://desktop.arcgis.com/en/arcmap/latest/extensions/network-analyst/network-analysis-with-hierarchy.htm (در 28 اکتبر 2020 قابل دسترسی است).
  84. شانون، سی تئوری ریاضی ارتباطات. بل سیست. فنی J. 1948 , 27 , 379-423. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  85. مک کرچر، بی. شوال، ن. نگ، ای. Birenboim، A. رفتار بازدیدکنندگان اول و تکراری: ردیابی GPS و تجزیه و تحلیل GIS در هنگ کنگ. تور. Geogr. 2012 ، 14 ، 147-161. [ Google Scholar ] [ CrossRef ]
  86. Donaire، JA Turismo Cultural. Entre la Experiencia y el Ritual ; سرمقاله Vitel·la: Girona، اسپانیا، 2012. [ Google Scholar ]
  87. لو، آ. مک کرچر، بی. مدل سازی جنبش های گردشگر: تجزیه و تحلیل مقصد محلی. ان تور. Res. 2006 ، 33 ، 403-423. [ Google Scholar ] [ CrossRef ]
  88. Lo, IS; مک کرچر، بی. لو، ا. چونگ، سی. حقوق، آر. گردشگری و عکاسی آنلاین. تور. مدیریت 2011 ، 32 ، 725-731. [ Google Scholar ] [ CrossRef ]
  89. پسر، جی دی. Uitermark, J. مونتاژ مجدد شهر از طریق اینستاگرام. ترانس. Inst. برادر Geogr. 2017 ، 42 ، 612-624. [ Google Scholar ] [ CrossRef ]
  90. دی وال، ام. شهر به عنوان رابط: رسانه ها چگونه شهر را تغییر می دهند . Nai010 ناشران: روتردام، هلند، 2014. [ Google Scholar ]
Ijgi 09 00646 g001 550
شکل 1. موقعیت مکان های گردشگری معرفی شده در نقشه رسمی توریستی مرکز تاریخی تولدو. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g002 550
شکل 2. درصد تغییر گردشگرانی که یک شب در هتل ها اقامت می کنند (پایه 100 = 2005). منبع: توضیح خود نویسندگان بر اساس داده های بررسی اشغال هتل در Instituto Nacional de Estadística (INE) de España [ 77 ].
Ijgi 09 00646 g003 550
شکل 3. جریان نمودار مراحل اجرا شده برای پاکسازی داده های جمع آوری شده از فلیکر. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g004 550
شکل 4. طرح مفهومی نحوه ساخت مسیرها از عکس های فلیکر. منبع: توضیح خود نویسندگان، اقتباس شده از ژنگ و همکاران. [ 34 ].
Ijgi 09 00646 g005 550
شکل 5. عکس های فلیکر، بین سال های 2010 و 2017 در مرکز تاریخی تولدو گرفته شده است. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g006 550
شکل 6. سلسله مراتب بخش خیابان بر اساس تعداد عکس های اختصاص داده شده. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g007 550
شکل 7. شاخص شانون (تنوع) کاربری های زمین در مرکز تاریخی تولدو. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g008 550
شکل 8. درصد بازدیدکنندگان STT در هر بخش خیابان و مکان جاذبه های گردشگری تبلیغ شده در نقشه رسمی توریستی تولدو. منبع: شرح خود نویسندگان.
Ijgi 09 00646 g009 550
شکل 9. درصد STT بازدیدکنندگان در هر بخش خیابان به ازای هر نوع بازدیدکننده. منبع: شرح خود نویسندگان.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید