基于TOMM理論應用創新的動態體驗最優路線規劃
——以三江源國家公園為例

王嘉欣，陳 卓，張玉鈞

(1.北京林業大學園林學院；2.中國科學院大學人工智能學院)

在我國，建立以國家公園為主體的自然保護地體系已然成為共識。在《關于建立以國家公園為主體的自然保護地體系的指導意見》中，多次提到鼓勵利用智能化、互聯網、大數據等新技術工具建設智慧自然保護地[1]。為了實現保護地旅游業的可持續發展，在過去的42年中，以美國和加拿大的公園、森林服務機構為首的組織開發了一些以游憩承載力理論為核心的游客管理框架并進行了實踐。美國的此類游客管理概念模型包括游憩機會譜（Recreation Opportunity Spectrum，簡稱ROS）、游客影響管理（Visitor Impact Management，簡稱 VIM）、可接受變化限度（Limits of Acceptable Change，簡稱LAC）以及游客體驗和資源保護（Visitor Experience and Resource Protection，簡稱 VERP）[2-5]。加拿大公園管理局開發了游客活動管理流程[6]。這些游客管理框架在北美的自然保護地體系中發揮了一定作用，但是隨著保護地游客量的增加，這些理論在管理實踐中面臨的監測和管理局限越來越大。

要應對與日俱增的管理壓力，實現對保護地游客的有效監測管理，游客數據的獲取成為關鍵。探索新的游客數據獲取和監測方式，以及建設新時代智慧游客管理模型，既可以解決上述傳統游客管理框架中的問題，又可以實現以大數據為基礎的具有中國特色的自然保護地智慧系統的構建。

一、研究理論基礎

（一）旅游優化管理模型

1.模型介紹

1997年，旅游優化管理模型（Tourism Optimization Management Model，以下簡稱TOMM）的框架在澳大利亞誕生，其理論基礎完全不同于上述北美管理框架[7-8]。TOMM旨在推動保護地旅游業的所有利益相關者共同參與，以達到大家都滿意的結果[9]。它不像北美管理框架只關注承載力閾值的限制條件，而是致力于如何實現旅游目的地所有利益相關者的參與和身份認同。

TOMM框架分為四個階段。首先，明確了五個維度的目標，分別是環境、區域經濟、市場營銷、目的地體驗和社會——文化的期望條件，各維度的具體標準由公眾參與進行商討、識別后確定。五個維度標準的制定圍繞三大原則，即目的地展望、可持續發展的附加值、利益相關者對資源的合理利用進行。其次，對五個維度戰略目標的實現選擇評價指標，該指標的確定需要針對具體試點，由相關專業（如經濟、生態、規劃等）的專家依照標準和專業知識確定。在此基礎上，利益相關者對擬定指標進行評估和修改，確定指標的“可接受范圍”，指標的編制需要滿足長期需求，基于協議，可由所有利益相關者商定具體指標。再次，對各類指標相關數據進行收集監測，數據的收集需要基于現有的數據系統，并對數據進行定期更新，這就需要適當的人力和財力支持。最后，基于不斷的信息流，管理者可以了解游客在旅游各階段的情況及旅游活動對TOMM五個維度下各項指標的影響，評估各指標是否達到預期和在游憩承載力“可接受范圍”內，從而制定并采取相應管理措施。通過對上述旅游優化管理流程的長期監測、評估和管理，激勵人們為實現共同的旅游目的地愿景做出貢獻，這一階段需要建立戰略性旅游管理結構，并根據監測結果制定應對性管理措施。TOMM試圖通過創建共享的期望條件來最小化利益相關者潛在矛盾[10]。它的主要目的不僅是監測旅游活動，而且還促進決策過程，以便做出更好、更可持續的決策[11]。

2.優化模型的應用和評價

TOMM模型強調旅游業對游客體驗質量和對旅游地自然、文化、社會資源狀況的依賴，所以重視所有利益相關者的參與過程。Moore等[12]認為復雜性導致TOMM模型比ROS和LAC等其他模型更難應用。Brown等[13]指出，TOMM“需要大量的信息和許多資源來進行數據管理和操作”。TOMM框架適用于地理位置偏遠、剛啟動旅游計劃或需要重建旅游且管理機構水平較低的旅游目的地。該理論實施的三大核心要點為：TOMM鼓勵旅游目的地在不同層次和尺度的旅游管理中提高旅游戰略發展意識，并支持利益相關者的學習和參與；TOMM適用于剛啟動或需要重建旅游業的地區，且該理論具有方向性、透明度并向利益相關者提供公開合作機會；TOMM指標的制定需要各領域專業知識的整合篩選。TOMM模型是首個以保護地游憩空間結構化、系統性發展為目的而構建的游客管理模型，其重點和難點在于需要監測多維數據來調整旅游戰略。在實際應用中，眾多利益相關者的長期合作互動難以維系和數據流的長期實時監測難以獲取是兩大技術難點。

（二）游客參與數據收集和監測方法的發展

TOMM模型的本質是對游憩空間的管理，管理核心則是對游憩空間各對象的數據收集、監測、分析、決策到行動的循環過程，其中數據收集和監測過程就是公眾參與的過程。

最早的游客數據收集和監測方法有游客旅行日記、問卷調查和訪談[14-15]，但由于保護地空間太大，工作人員有限，紙質調查成本高昂且數據樣本代表性差、精確度低而導致這種方法并不適用。后來有研究者提出使用空間定位的方法進行游客監測，具體方法是讓游客在紙質地圖上標注其已訪問地點[16]，該方法改善了特定地點游客信息的獲取方式。以上兩種方法都屬于公眾被動參與，且高度依賴游客的記憶和參與意愿，所以增加了數據獲取的不準確度，且只實現了游客在游憩體驗最后階段的參與。

隨著技術發展，有關研究開始通過全球定位系統（Global Positioning System，簡稱GPS）追蹤游客，通過記錄游客的精確位置和時間（到達和離開時間）、旅游體驗點和步行速度提高游客數據質量[17-18]，這種方法實時且精確。雖然GPS收集的游憩管理數據精度很高，但這種方法只能應用于部分封閉區域，同時需要參與者攜帶并返還GPS設備[19]。

2010年左右，國際上開始提出利用眾包數據，在更廣泛的范圍內收集并評估更多用戶信息[20]。眾包指大量人員合作解決問題，特別是通過互聯網、社交媒體或智能手機應用程序來解決問題[21]。2012年，利用在線平臺收集游客在地圖上標記地理信息的眾包數據研究開始流行，該眾包數據被稱為公眾參與地理信息系統（Public Participation Geographic Information System，簡稱PPGIS）。PPGIS已用于反映游憩偏好、游客體驗和滿意度，并且可以與其他維度數據相結合以收集分析有關游客樣本情況、旅行動機、價值取向和環境態度等更多元的數據。2010年開始，利用社交媒體，如 Flickr、Twitter、Instagram、微博、馬蜂窩等平臺的眾包數據對游客數據進行收集監測的研究得到國內外學者的廣泛關注[22]，并成為游客管理的新興研究熱點。

上述方法一改以往游客被動參與的調查模式，使得游客在主動參與方面取得進步，但依然面臨參與積極性弱、隨機性大，無法有效滿足公眾“個性化需求”的問題，而且由于缺少實時動態反饋，難以形成“參與—反饋—再參與”的連續互動機制[23]。

二、移動互聯網時代下TOMM理論應用路徑探究

（一）問題的提出

現代智能手機可以彌補上述追蹤方法的缺陷，促進旅游研究[24]。移動智能手機擁有一套傳感器并可將PPGIS、社交媒體等功能進行整合，實現對游客多維數據的收集和監測。

社交媒體平臺具有流動性和實時互動的便利，可以同時實現對樣本統計信息、地理信息、時間信息和用戶生成內容（如文本、圖片、視頻、音頻）等多維信息數據的收集。在移動互聯網時代，對游客數據收集監測的最好方式就是建立一個國家公園應用程序（即APP）來實時收集以游客的游憩地理信息為核心的各類用戶生成內容，該APP內容和功能的設計目標是為了收集國家公園管理者進行管理決策所需的各類眾包數據，所以該APP內容和功能設計的準則和依據就是TOMM理論，同時借助該APP，TOMM理論也找到了合適的應用載體，解決了目前理論存在的應用難點。有個別學者提出使用APP進行保護地游客數據收集監測的構想，但并未做出具體探索。美國國家公園管理局近年來已推出國家公園官方APP，但更偏重于國家公園信息的傳播和營銷。與其他游客信息收集監測方法相比，APP的獨特之處在于它能夠整合全體游客的社會人口統計資料和訪問者在保護地的動態時空信息，將這些游客的大數據與保護地地理信息耦合，便可實時映射訪問者的游憩行為，更好地服務于保護地的管理決策。而如何實現游客對APP多階段體驗過程信息收集的主動參與，是該程序能否用于數據收集的關鍵。

在面積龐大、管理復雜的保護地系統中，以TOMM理論為基礎的APP必須切實滿足游客的核心游憩需求，才有望實現游客對游憩管理的主動參與。所以筆者提出利用人工智能算法解決具有不同游憩需求游客的核心問題——定制動態體驗最優路線規劃來實現游客的主動參與。只要能夠捕捉游客的游憩線路地理信息，就可以將保護地的游憩資源和游客行為結合，進行地理信息分析，再結合APP中與TOMM理論相關的用戶生成內容，便可實現對保護地游憩活動的可持續監測和管理。本文只是探索性地研究一種實現智慧國家公園游憩管理的可行方案，最終該理論構想和游客主動參與的實現還需要相關國家公園管理機構和政策的大力支持和引導。為了驗證上述構想的可行性，筆者選用中國首個且全球面積最大的國家公園試點——三江源國家公園進行研究。

（二）案例地簡介和現有體驗路線的問題

三江源國家公園現包括長江源、黃河源、瀾滄江源3個園區，總面積12.31萬km2，轄區共12個鄉鎮、53個行政村，是我國乃至全球面積最大的國家公園，這也增加了其實現可持續旅游發展的管理難度。

《三江源國家公園生態體驗與環境教育專項規劃（征求意見稿）》（以下簡稱《專規》）中特別強調，將在三江源國家公園管理局內設置游客管理工作部門，負責采集、管理生態體驗項目監測數據，并形成游客體驗反饋和追蹤制度。這與筆者提出的構建國家公園游客管理APP，實現對多階段體驗數據收集和監測的想法一致。《專規》現擬建設24個生態體驗項目，暫將游客分為12類，并明確各類游客的可訪問時間。《專規》中應用ROS理論，通過對體驗對象、體驗活動和環境容量3個維度下的指標進行3級評分，級別評分越高，代表對相應特征指標要求越高或者限制越大，根據評分將潛在游客分為3大類（如表1所示）。

表 1 三江源國家公園生態體驗現有游客分類

表1直觀顯示，一類游客訪問限制條件最少、參與游憩體驗活動難度最小，依此類推。基于此，確定了24項體驗項目，分別滿足上述3類游客需求，并進一步規劃出分別適合3類游客的不同體驗線路。

雖然現有規劃已對游客類型和體驗線路作出規定，但無法滿足全部游客類型，更無法在保護生態的前提下滿足游客的個性化游憩需求。雖然前期試點模式下采取了統一的訪問路線，但并不適合三江源國家公園生態旅游的長期監測管理和國際級生態旅游目的地的打造。其次，三江源國家公園面積廣且體驗點多，對有時間限制的游客，在目前管理條件下，高效合理選擇最優體驗線路可以提升游客體驗質量，更利于游客對三江源國家公園管理工作的主動參與和公園本身優質旅游目的地形象的打造。

（三）建設基于TOMM理論的國家公園游客管理APP

通過定制動態體驗最優路線規劃，可以讓游客主動參與到多階段體驗過程的數據收集中，但是管理者需要如何設計該APP的功能架構，來收集管理過程所需的游客全體驗過程的多維信息，簡言之，國家公園APP功能框架應該包括哪些內容？筆者提出將TOMM理論全流程作為國家公園APP的功能板塊，即將傳統TOMM理論應用于電子旅游場景中，利用APP平臺可以整合游客多維信息的優勢，克服TOMM理論在傳統應用場景下，面臨的利益相關者長期合作互動難以維系和數據流長期實時監測難以獲取兩大困難。

三、研究過程及可行性驗證

（一）定制動態體驗最優路線規劃AI模型構建

近年來大量學者進行了旅游路線智能推薦算法的相關研究，當中的多數案例使用了Dijkstra算法[25]、A*算法、遺傳算法[26-27]、蟻群算法[28-30]等。例如，在面對有限的訪問時間等系列約束條件時，周嘯等人運用動態規劃的思路研發了一種多約束指標改進的算法，特別強調了用戶的預先自主性對智能路線規劃的影響[31]。然而，這些研究在路徑規劃算法設計上存在一些問題：由于算法較為復雜，不能滿足實時性需求；或者算法實現的功能較為單一，實踐中缺乏實用性。針對以上路徑規劃存在的問題，本文提出了一種最佳路徑分區規劃算法，以實現游客個性化游憩需求和固定訪問時長下最佳動態路線推薦功能。首先使用鄰接矩陣存儲體驗點之間的距離時長，然后采用Dijkstra算法，尋找無冗余的最大可能路徑集合，最后將這些路徑中價值最高的路徑選為最佳路徑。同時本文提出了一種對體驗點進行合理分區的算法，既實現了算法高效性，又滿足了游客個性訪問需求。

1.體驗點游憩價值評估

1）體驗點初始游憩價值評定。在體驗點初始游憩價值（以下簡稱初值）評估中，選擇意見領袖——社區代表和生態旅游專家代表打分，對各生態體驗點初值評分，權重各占50%。本研究共訪問當地社區代表20人，學者團隊20人，用里克特五分量表法對《專規》中一類游客體驗地圖上的30個生態體驗點進行初值評估。

評估結果如下（括號內為分值）：昂塞大峽谷觀景（5）、瑪多縣城天河觀景（4）、扎陵湖探源（5）、鄂陵湖探源（5）、勒納村聽鳥（4）、牛頭碑聽鳥（5）、瑪多高原動物探秘（4）、玉樹高原動物探秘（5）、昂塞大峽谷地貌觀景（5）、玉樹到冶多沿線（4）、雜多到冶多公路沿線（3）、勒那村植物探秘區（3）、扎陵湖植物探秘區（4）、瑪多縣城“格薩爾王傳”（5）、玉樹州“格薩爾史詩”（5）、瑪多縣城民歌舞表演（5）、卡納寺（3）、結古寺（2）、禪古寺（3）、文成公主廟（4）、六字真言（2）、玉樹觀景臺（3）、嘉納石經城（3）、扎陵湖香酥油下午茶（5）、玉樹牧家樂一（4）、玉樹牧家樂二（3）、玉樹牧家樂三（4）、玉樹牧家樂四（3）、玉樹牧家樂五（5）、瑪多黃河橋觀云（4）。

2）游客用戶游憩價值自評估。在上述生態體驗點初值評估結果下，游客進行自評分。這一步由于只能在國家公園游客管理APP中實現，所以本文沿用評定的初始游憩價值。

2.“三江源動態體驗最優路線規劃”算法模型

1）通過百度地圖API體驗點地理標記及BPT算法構建模型。筆者將經過游憩價值初評的30個體驗點數據統稱集合U，用鄰接矩陣存儲集合U并進行距離計算，將該鄰接矩陣作為本文算法的輸入，在百度地圖上手動獲取并通過地圖API提取定位信息。接著提出BPT算法的5個約束條件,分別命名為M1～M5，其中，M1為體驗點距離矩陣，M2為價值列表（包括價值和體驗時長），M3為出口距離矩陣，M4為人性化（增加體驗點游憩時長），M5為是否選擇過夜（出口選擇）。

2）采用DBSCAN算法對體驗點進行集群分類。先通過歐式距離求出體驗點之間的距離，因為DBSCAN在進行聚類時對集群的形狀沒有限制，且不用預先設置集群的個數，所以使用其為體驗點進行分區。參考U中各體驗點距離遠近，通過多次實驗觀察聚類的劃分結果并調整參數，最終將鄰域半徑設定為0.3 km，將集群最小點數L設置為5，從而劃分出3個體驗點集群P。緊接著對不同體驗點進行最長體驗時間的配置。針對各集群Pi，將按照權重為集群點定制可分配時間。設集群內各點價值集合為V，集群中的體驗點數量為N，如公式1。我們將按照該式進行體驗點集群間的時間分配。

其中，Ti為被分配到的時間，Vi為集群的價值集合，函數MAX用來計算集合的最大值，函數AVG用來計算集合的平均值。

3）遞歸記憶的組合Dijkstra算法和噪聲點處理。在不同集群上，對集群Pi中的體驗點重新進行2到Ni個體驗點的不等量組合C（源點除外），運用Dijkstra算法分別對這些路徑進行篩選，選出符合用戶時間限制條件R的不等長的局部最短路徑集合G，以滿足用戶對不同時長路徑規劃的需求。將個別不在集群中的體驗點稱為噪聲點O，用歐氏距離算出與O最近的Pi來參與路徑規劃。

4）集群間路徑連接點的選擇。在集群Pi中找到與Pi+1幾何中心的歐氏距離最小的聯合點Ri，使得Ri∈Pi+1，對每個集群分別進行Dijkstra算法計算以得到各集群的局部最優路徑LOT，Pi與Ri的連線則是集群Pi與Pi+1的聯通方式，且Ri是Pi+1的源點，如式2。結合每個集群對不同集群的連接方式進行了定義，并求出最大價值路線MVT，如式3。

其中，Combine函數為輸入集合的并集，LOT是局部最優路徑（Local Optimal Trail）的縮寫，MVT是最大價值路線（Max Value Trail）的縮寫。

5）模型構建結果及分析。當用戶輸入不同時間限定條件時，BPT算法會返回在不同限定條件下的確定性最優價值路徑，如限定時長為80 min，得到最優價值路徑為卡納寺—昂塞大峽谷觀景—鄂陵湖探源—勒納村聽鳥—牛頭碑聽鳥—瑪多高原動物探秘—扎陵湖植物探秘區—瑪多縣城“格薩爾王傳”—玉樹州“格薩爾史詩”—瑪多縣城天河觀景—扎陵湖探源—昂塞大峽谷地貌觀景—玉樹到冶多沿線—扎陵湖植物探秘區—勒那村植物探秘區—瑪多縣城民歌舞表演—玉樹高原動物探秘—扎陵湖香酥油下午茶—玉樹觀景臺—玉樹牧家樂四—嘉納石經城，算法反應時間為0.052 4 s。

（二）TOMM理論應用于國家公園APP的設計構想

經過對三江源30個體驗點動態規劃線路AI模型的建立，已經證實該技術的可行性，所以本文提出的動態規劃線路可以作為國家公園APP的核心功能，以提升游客的參與積極性。該功能的應用實現了游客訪問路線數據的收集和監測，解決了TOMM理論中管理者需要對游客旅游活動進行連貫性監測分析的問題，可以獲取游客旅游活動對TOMM理論五大維度目標下影響各指標的量化數據。

其次，通過在國家公園APP中以TOMM理論作為設計準則，設計出對各國家公園期望條件和相應指標的評價功能，便可以實現利益相關者的長期參與，從而幫助各公園管理者長期跟蹤并改良公園實現可持續發展的期望條件和相應指標的可接受范圍。其設計模式還需要更多學者的關注和探索，從而解決眾多利益相關者的長期合作互動難以維系的問題，真正實現保護地游憩管理各利益相關方參與途徑和參與流程的簡化及優化。

該應用模式尚處于構想試驗階段，屬于智慧國家公園研究的先鋒探索，還需更多學者的加入，將此應用模式繼續驗證和優化。在未來的研究中，研究者可以利用大數據和人工智能等新技術對現有國內外旅游APP游客眾包數據進行分析，了解游客在多階段體驗過程中的時空分布、價值觀、動機、需求、偏好、滿意度和影響等，驗證各類旅游APP對保護地游憩管理的應用價值和操作流程。未來中國特色的國家公園APP的構建將成為必然，更多跨學科的研究和合作是實現中國特色智慧國家公園保護地系統的必由之路。