国际联合智慧营造实验室研究成果《Understanding how destination attributes shaping tourist visitation on cultural routes through social media data and interpretable machine learning》发表于 npj Heritage Science（2026，DOI：10.1038/s40494-026-02427-5），围绕文化线路旅游发展过程中不同目的地属性对游客访问行为的影响机制，综合利用地理标记社交媒体数据、文本主题建模与可解释机器学习方法，分析文化遗产、旅游设施、交通条件及自然环境等因素对游客访问的影响，为文化线路旅游空间优化与遗产活化利用提供新的分析框架。

随着文化遗产保护与旅游发展的不断融合，文化线路已经由传统意义上的遗产廊道逐渐转变为由多个景点和旅游目的地共同构成的复合型旅游空间。传统旅游研究通常更加关注游客自身的旅游动机和主观偏好，而不同目的地客观属性如何影响游客在文化线路中的访问行为，以及多种属性之间是否存在非线性和组合效应，仍缺乏系统性的量化研究。针对这一问题，研究以文化线路目的地属性、游客访问行为及其空间分布特征为核心，通过社交媒体数据识别目的地属性，并结合机器学习模型分析不同属性对游客访问的影响机制。

一、利用社交媒体数据识别文化线路游客访问特征

研究首先利用带有地理位置信息的社交媒体数据，对文化线路沿线游客访问行为进行量化分析。研究选取带有地理位置信息的Flickr记录作为主要数据来源，通过游客发布的照片、位置及相关文本信息，识别文化线路沿线不同目的地的游客访问分布特征。与传统依赖问卷调查和人工统计的旅游行为研究相比，社交媒体数据能够从实际游客活动记录中获取更加细粒度的空间信息，使研究能够从游客真实访问行为出发分析文化线路内部不同目的地之间的吸引力差异。在此基础上，研究进一步将游客访问数据与目的地空间属性进行关联，为后续分析客观目的地特征与游客访问之间的关系提供数据基础。

二、通过文本主题建模构建文化线路目的地属性体系

在游客访问数据基础上，研究进一步对社交媒体记录中的文本描述进行主题建模，从游客实际发布内容中识别文化线路目的地所具有的主要属性。研究共识别出17项目的地属性，并进一步将其归纳为4个主要类别，从而建立了文化线路目的地属性分析体系。这种方法突破了传统旅游规划中主要依赖人工分类和专家判断识别旅游资源的方式，将游客实际产生的社交媒体内容作为目的地属性识别的重要数据来源，使目的地特征能够从游客实际体验和访问记录中得到更加客观的提取。通过将文本信息与地理空间信息相结合，研究进一步实现了从“游客在哪里”向“游客为什么访问这些地方”方向的分析拓展，为识别文化线路旅游吸引力提供了新的数据基础。

三、构建机器学习模型，识别目的地属性与游客访问之间的非线性关系

在建立目的地属性体系后，研究进一步采用多种数据处理方法，将地理空间信息转换为适用于机器学习分析的数据集，并对不同机器学习模型进行比较。研究重点分析不同目的地属性对游客访问量的影响程度及其相互作用关系，并通过模型解释方法进一步揭示变量之间的非线性影响。研究结果表明，文化线路游客访问并非由单一目的地属性决定，而是由多种属性共同作用形成。其中，文化与遗产类吸引物是游客访问的主要核心吸引因素，旅游及商业设施、交通条件等因素则发挥重要的支撑作用，而自然环境更多表现为对游客访问行为的背景调节作用。这一结果说明，文化线路旅游目的地的吸引力并不是简单的资源数量叠加，而是不同类型目的地属性在特定空间条件下共同作用形成的综合结果。

四、利用可解释机器学习揭示目的地属性的组合效应

为了进一步提高机器学习结果的可解释性，研究采用部分依赖图（PDP）、热力图和SHAP等解释方法，对最佳模型的预测结果进行深入分析。研究发现，不同目的地属性对游客访问具有明显的非线性影响和组合效应。文化遗产资源能够形成核心吸引力，但其实际旅游价值还受到交通条件、商业设施及其他旅游服务设施的影响；自然环境则更多发挥环境背景和情境调节作用。与此同时，不同属性组合在季节、出行方式以及游客偏好发生变化时也会呈现不同的影响模式。这表明文化线路旅游发展不能仅依据某一种旅游资源进行规划，而需要根据不同游客群体、旅游时段和交通方式，对目的地资源与服务设施进行组合配置。

五、形成文化线路旅游目的地优化的可迁移分析框架

研究最终形成了一套基于社交媒体数据与可解释机器学习的文化线路旅游机制分析框架，为理解文化线路中不同目的地属性如何共同影响游客访问提供了新的研究方法。研究表明，文化线路不应仅被视为连接多个遗产节点的线性交通空间，而应被理解为由文化遗产、旅游服务、交通条件和自然环境共同构成的复合型旅游系统。其中，文化遗产和历史文化资源承担核心吸引功能，旅游商业设施与交通条件为游客访问提供必要支撑，而自然环境则通过空间情境和季节变化影响游客的访问选择。从文化遗产保护与旅游规划角度来看，该研究能够通过游客真实行为数据识别不同目的地的吸引力差异，为文化线路沿线的旅游节点布局、公共服务设施配置、交通组织以及遗产资源活化利用提供数据支持。同时，可解释机器学习能够进一步揭示不同属性之间的非线性关系和组合效应，使旅游规划由传统的“资源评价”逐步转向“游客行为—空间属性—旅游吸引力”的动态分析模式，为文化线路旅游发展和遗产空间优化提供更加精细化的决策依据。

六、客观局限性与未来实施方向

从研究适用性来看，社交媒体数据虽然能够反映游客实际访问行为，但其用户群体和信息发布行为仍存在一定选择性，部分游客可能并未使用相关社交媒体平台或上传地理标记内容，因此数据与实际游客总体之间可能存在一定偏差此外，游客访问行为还受到个人社会经济特征、旅行目的、同行关系、天气条件以及交通方式等因素影响，现有研究主要关注目的地客观属性，未来可以进一步融合游客个体特征、实时交通数据、气象数据以及移动位置数据，构建更加完整的游客行为预测模型。从规划实施角度来看，该研究提出的分析框架具有较强的可迁移性，可进一步应用于不同类型的文化线路、遗产廊道和历史文化区域，通过持续获取社交媒体和空间数据，动态识别旅游吸引力变化，并据此优化文化资源保护、旅游设施布局和公共服务配置。