为研究一定时空范围内风景游赏行为时空特征和游赏路径的特征，进而探讨风景游赏行为时空特征的研究方法的可行性，本研究利用Python语言爬取旅游网站近五年访湘游记数据9630条，清洗处理后得到有效数据3037条。以游记涉及的104个景区为研究单元，构建时空行为数据库。并利用ST-DBSCAN算法（spatial-temporal density based spatial clustering ofapplications with noise）对数据进行时空聚类，利用ArcGIS10.7、GraphPad Prism软件进行可视化分析和相关性分析。结果如下：

    （1）湖南省游客风景游赏行为以传统游赏行为为主，无差别行为、与景区自然地貌密切相关的行为、与人文特色密切相关的行为、与季节密切相关行为出现频次相对较低，但也是游客在旅游中的主要游赏行为。风景游赏行为季节性分布明显，呈现“春夏差异小，秋季低，冬季高”的趋势。主要分布在以武陵源、凤凰古城和岳麓山—橘子洲为核心的空间范围内，“围绕知名景区零散圈状分布”。

    （2）游客出游行为的季节性时空聚类并不明显，聚集区主要集中在以张家界、湘西、长株潭为核心的三角区域，分布模式为“区域性聚集，整体分散”。大湘南和洞庭湖区域聚集性较低，格局西强东弱，整体发展不均衡。

    （3）从游赏轨迹角度看，湖南省整体上以武陵源、凤凰古城、岳麓山等著名景点为核心呈放射性分布，辐射全省，形成“中心发散，分布均衡”的空间分布特征，但其他景区间移动轨迹相对较少。

    （4）分析湖南省风景游赏行为时空特征分布原因可知，风景游赏行为时空分布特征（以景区年核密度为指标）与访客量、所在市GDP呈正相关，与周边知名景区距离呈负相关，是典型的“灯下黑”现象。

因而运用网络游记数据可以准确提取风景游赏时空行为数据构建数据库，进而运用ST-DBSCAN算法、空间分析工具、社会网络分析、皮尔逊相关等方法分析风景游赏行为时空特征、出游行为时空特征和风景游赏轨迹规律，方法可行。但由于游记涵盖群体的局限性，通过网络游记分析风景游赏行为的结果只能反映一部分群体的行为时空规律，因而本研究结果只能作为参考，需结合相关部门统计信息一起研究，才具有普遍性。

    为研究一定时空范围内风景游赏行为时空特征和游赏路径的特征，进而探讨风景游赏行为时空特征的研究方法的可行性，本研究利用Python语言爬取旅游网站近五年访湘游记数据9630条，清洗处理后得到有效数据3037条。以游记涉及的104个景区为研究单元，构建时空行为数据库。并利用ST-DBSCAN算法（spatial-temporal density based spatial clustering ofapplications with noise）对数据进行时空聚类，利用ArcGIS10.7、GraphPad Prism软件进行可视化分析和相关性分析。结果如下：

    （1）湖南省游客风景游赏行为以传统游赏行为为主，无差别行为、与景区自然地貌密切相关的行为、与人文特色密切相关的行为、与季节密切相关行为出现频次相对较低，但也是游客在旅游中的主要游赏行为。风景游赏行为季节性分布明显，呈现“春夏差异小，秋季低，冬季高”的趋势。主要分布在以武陵源、凤凰古城和岳麓山—橘子洲为核心的空间范围内，“围绕知名景区零散圈状分布”。

    （2）游客出游行为的季节性时空聚类并不明显，聚集区主要集中在以张家界、湘西、长株潭为核心的三角区域，分布模式为“区域性聚集，整体分散”。大湘南和洞庭湖区域聚集性较低，格局西强东弱，整体发展不均衡。

    （3）从游赏轨迹角度看，湖南省整体上以武陵源、凤凰古城、岳麓山等著名景点为核心呈放射性分布，辐射全省，形成“中心发散，分布均衡”的空间分布特征，但其他景区间移动轨迹相对较少。

    （4）分析湖南省风景游赏行为时空特征分布原因可知，风景游赏行为时空分布特征（以景区年核密度为指标）与访客量、所在市GDP呈正相关，与周边知名景区距离呈负相关，是典型的“灯下黑”现象。

因而运用网络游记数据可以准确提取风景游赏时空行为数据构建数据库，进而运用ST-DBSCAN算法、空间分析工具、社会网络分析、皮尔逊相关等方法分析风景游赏行为时空特征、出游行为时空特征和风景游赏轨迹规律，方法可行。但由于游记涵盖群体的局限性，通过网络游记分析风景游赏行为的结果只能反映一部分群体的行为时空规律，因而本研究结果只能作为参考，需结合相关部门统计信息一起研究，才具有普遍性。