اطلاعات جغرافیایی داوطلبانه و استفاده‌های تفریحی در بافت‌های شهری و روستایی

داده های به دست آمده از طریق اطلاعات جغرافیایی داوطلبانه (VGI) به تدریج برای نظارت و پشتیبانی برنامه ریزی عمدتاً در بافت های شهری مورد استفاده قرار گرفته است. با توجه به فعالیت‌های تفریحی در مناطق سبز و طبیعی پیرامون شهری، VGI برای نقشه‌برداری، اندازه‌گیری شدت استفاده، مشخصات کاربران و ارزیابی ترجیحات و انگیزه‌های آنها استفاده شده است. با توجه به کاربرد گسترده آنها، اکنون ارزشیابی ارزش داده های VGI برای (۱) مقایسه کاربری های تفریحی، مشخصات کاربران و نقشه فعالیت های تفریحی در زمینه های مختلف (کلان شهر در مقابل مناطق روستایی)، و (۲) ارزیابی گردشگران در فضای باز و ماجراجو است. محصولاتی مانند Grand Routes (GR). داده‌های GPSies سابق (AllTrails امروزه)، یکی از محبوب‌ترین سرویس‌های اشتراک‌گذاری وب، برای ارزیابی استفاده‌های تفریحی در منطقه شهری لیسبون (LMA) و جنوب غربی پرتغال (SWPT) استفاده شد. مجموعه ۲۲ تایی ۰۳۱ آهنگ از فعالیت‌های «پیاده» و «روی چرخ»، ارسال شده توسط ۳۲۹۷ کاربر داخلی و خارجی، که ۱۲ سال را پوشش می‌دهد، در یک محیط مدل‌سازی GIS مورد تجزیه و تحلیل قرار گرفت. نتایج نشان می‌دهد که اگرچه ارسال‌های ارسالی بسیار بیشتری در LMA وجود دارد، تأثیر خارجی‌ها در SWPT بیشتر است (۱۱٪ در مقابل ۱۹٪). GR موجود در SWPT استفاده خارجی را برای پیاده روی (۷۱٪ از کاربران خارجی در مقابل ۲۸٪ از کاربران ملی) متمرکز می کند و جذابیت آن را نشان می دهد. برای فعالیت مورد علاقه در هر دو منطقه – دوچرخه‌سواری کوهستانی – نتایج پراکندگی فضایی بالاتری را نشان می‌دهند، با این حال بخشی از فعالیت در SWPT همچنان با GR (16٪ استفاده خارجی و ۲۰٪ استفاده ملی) مطابقت دارد. این مطالعه کاربردهای دیگری را برای VGI اثبات می‌کند و سودمندی آن را برای ارزیابی کاربری‌های تفریحی در مناطق شهری و روستایی نشان می‌دهد.

کلید واژه ها:

فعالیت در فضای باز ؛ اطلاعات جغرافیایی داوطلبانه GIS _ مسیرهای بزرگ

۱٫ مقدمه

در دهه‌های اخیر، فعالیت‌های تفریحی و تفریحی در فضای باز به طور چشمگیری در مناطق سرسبز و طبیعی افزایش یافته است که به کیفیت زندگی، حس مکان و رفاه فیزیکی افراد کمک می‌کند [ ۱ ، ۲ ، ۳ ، ۴ ، ۵ ]. شاخص های متعددی افزایش استفاده از قلمرو را به عنوان سناریوی مورد علاقه برای انجام فعالیت های در فضای باز، چه توسط ساکنان، جمعیت محلی و چه گردشگران، نشان داده است. در این زمینه، ردیابی حرکات افراد می‌تواند اطلاعات مفیدی را برای بهبود مدیریت پایدار فعالیت‌های خارج از منزل فراهم کند [ ۶ ]]. همزمان، ظهور اینترنت پرسرعت و داده‌های موبایلی مقرون‌به‌صرفه، گوشی‌های هوشمند و رسانه‌های اجتماعی نحوه بیان عادات اوقات فراغت مردم را تغییر داده است و تعداد بی‌شماری داده‌های جدید در مورد استفاده‌ها، رفتارها و ترجیحات در فضای باز تولید می‌کند.

تحرک در فضای باز در حال حاضر منبع خوبی از اطلاعات جغرافیایی تولید شده توسط کاربر است که به اطلاعات جغرافیایی داوطلبانه (VGI) معروف است. VGI پدیده ای است که برای اولین بار توسط Goodchild در سال ۲۰۰۷ شناسایی شد و اطلاعاتی را با محتوای جغرافیایی که به طور داوطلبانه توسط افراد ارائه می شود توصیف می کند [ ۷ ].]. VGI ارتباط نزدیکی با در دسترس بودن دستگاه‌های تلفن همراه و داده‌های تلفن همراه با قابلیت GPS دارد، با هزینه نسبتاً پایین، که به افراد امکان می‌دهد مستقیماً و بلافاصله با جوامع بزرگی که علایق مشترک دارند، یعنی از طریق رسانه‌های اجتماعی و خدمات اشتراک‌گذاری وب، تعامل داشته باشند. بنابراین، به لطف این پیشرفت‌های تکنولوژیکی، نقشه‌برداری از رفتار افراد در اوقات فراغت آسان‌تر شده است و شناسایی الگوهای فعالیت‌های مختلف در ابعاد جغرافیایی و زمانی را ممکن می‌سازد.

برنامه‌ها و سرویس‌های اشتراک‌گذاری وب مانند GPSies (امروزه همه تریل)، Wikiloc، Garmin Adventures، و Strava، در میان سایرین، میلیون‌ها آهنگ را تولید می‌کنند و نقاط فعالیت‌های تفریحی را ردیابی می‌کنند که در دسترس عموم قرار می‌گیرند، چه باز و چه تنها بین دوستان به اشتراک گذاشته می‌شوند. همراه با داده های برچسب جغرافیایی (یعنی مختصات lat/long)، کاربران همچنین اطلاعات ثانویه در مورد مکان های خاص (به عنوان مثال، نوع زمین، سطح دشواری، نقاط مورد علاقه، و غیره) را به اشتراک می گذارند. سپس می‌توان مسیرها را بارگیری کرد و در نتیجه به دنبال‌کنندگان انگیزه داد تا مقاصد جدید را کشف کنند. با این حال، این افزایش استفاده از زمین می تواند اثرات منفی (اکولوژیکی) و مثبت (اقتصادی) داشته باشد. فرسایش و متراکم شدن خاک، از دست دادن زیست توده و تنوع زیستی می تواند در شرایط استفاده فشرده یا غیررسمی/غیرقانونی رخ دهد [ ۸ ، ۹ ]]. از سوی دیگر، در مناطق تفریحی یا گردشگری با ساختار مناسب، مزایای اقتصادی قابل توجهی می تواند ایجاد شود [ ۱۰ ، ۱۱ ].

داده‌های VGI و تجزیه و تحلیل سیستم‌های اطلاعات جغرافیایی (GIS) می‌تواند برای حمایت از سیاست‌های مدیریت زمین در این مناطق، ترویج توسعه محلی در حالی که هنوز انتظارات کاربران را برآورده می‌کند، مورد استفاده قرار گیرد. ارزیابی نحوه استفاده و درک مردم از قلمرو از طریق محتوای رسانه‌های اجتماعی، روشی جدید برای مطالعه این فعالیت‌ها است که امکان شناسایی آنچه مردم را جذب می‌کند، تخمین روندها و استفاده از آن اطلاعات برای کمک به مدیران زمین برای ارائه فضاهای تفریحی بهتر است.

اگرچه VGI به داده های تولید شده توسط داوطلبان متکی است، اما به این معنی نیست که کیفیت پایینی دارد. بسیاری از نویسندگان کیفیت داده های مشتق از شهروندان را برای نقشه برداری مطالعه کرده اند [ ۱۲ ، ۱۳ ، ۱۴ ، ۱۵ ، ۱۶ ، ۱۷ ، ۱۸ ، ۱۹ ]، و به این نتیجه رسیده اند که VGI در حال تبدیل شدن به یک منبع قابل اعتماد برای اعتبارسنجی و بهبود اطلاعات مکانی مربوطه است [ ۲۰ ].]. در واقع، در حالی که برخی از سایت ها نیازی به تخصص ندارند (به عنوان مثال، سایت های نقشه برداری فاجعه مانند GEOCAN)، برخی دیگر سطوح مختلف کنترل کیفیت را اعمال می کنند (به عنوان مثال، OpenStreetMap شامل بررسی همتایان است). علاوه بر این، کیفیت داده زمانی که نمونه‌های کمی وجود دارد، موضوعی است، اما با پیشرفت عصر داده‌های بزرگ، این یک محدودیت کمتر مرتبط می‌شود [ ۱۵ ، ۲۱ ].

نقشه برداری از فعالیت های اوقات فراغت در مناطق طبیعی و حفاظت شده از طریق VGI در حال افزایش است. به‌طور سنتی، این فرآیند نقشه‌برداری از طریق بررسی‌ها یا شمارنده‌های خودکار تولید می‌شد که می‌توانست پرهزینه، زمان‌بر، پوشش محدود و تکرار منظم آن دشوار باشد. با رواج رسانه های اجتماعی و حجم عظیمی از داده های ارائه شده از طریق VGI، جمع آوری داده ها در محل اکنون می تواند با VGI تکمیل شود [ ۶ ، ۱۹ ، ۲۲ ، ۲۳ ]. اگرچه بر اساس روندها، محبوبیت و ترجیحات کاربران در چندین پلتفرم پخش شده است، اما VGI نشان داده است که نشانگر خوبی برای ترسیم بیشتر فعالیت های محبوب مانند دوچرخه سواری [ ۲۴ ، ۲۵ ]، دوچرخه سواری در کوهستان [ ۲۶ ] است.، ۲۷ ]، دویدن و راه رفتن [ ۲۸ ، ۲۹ ]. VGI همچنین برای مدل‌سازی تعاملات فضایی بین کاربران مختلف [ ۶ ]، برای پروفایل کاربران بر اساس معیارهای دشواری (فاصله، ارتفاع‌سنجی انباشته) یا سطح فعالیت و کارایی آهنگ‌های ارسال‌شده [ ۳۰ ، ۳۱ ]، و مناظر ترجیحی از عکس‌های دارای برچسب جغرافیایی یا توییت‌ها [ ۳۲ ، ۳۳ ، ۳۴ ، ۳۵ ]. سایر کاربردهای VGI شامل آزمایش مدل های مدیریت با استفاده از نقشه برداری مشارکت عمومی GIS (PPGIS) [ ۳۶ ، ۳۷ ، ۳۸ ]، پشتیبانی از برنامه ریزی تحرک هوشمند [ ۳۹ ] است.، ۴۰ ، ۴۱ ] و فعالیت های توریستی [ ۴۲ ]، بررسی تنوع فضایی عوامل اجتماعی-اقتصادی و کاربری زمین مرتبط با فعالیت دوچرخه [ ۴۳ ] یا مدل سازی توزیع جمعیت [ ۴۴ ، ۴۵ ، ۴۶ ]. مطالعات دیگر استفاده های تفریحی در مناطق حفاظت شده در دو کشور مختلف [ ۴۷ ] یا محتوای سایت های اشتراک گذاری محبوب متمایز را برای یک منطقه مقایسه می کنند [ ۲۸ ، ۴۸ ، ۴۹ ]، که دامنه وسیع این مجموعه داده ها را علاوه بر تعصب و هیاهوی ذاتی داوطلبان نشان می دهد. داده ها. کاربران پروفایل می‌توانند، در میان چیزهای دیگر، ترجیحات خود، کشورهای مبدا [۵۰ ]، یا روال فصلی [ ۵۱ ، ۵۲ ]. یک مطالعه اخیر همچنین استفاده از VGI از خدمات اشتراک‌گذاری وب را برای نگاه کردن به گذشته مورد بررسی قرار داد [ ۵۳ ]، و نشان داد که مجموعه داده‌های جمع‌آوری‌شده امروز نیز می‌توانند تغییرات گذشته در استفاده از دنباله را منعکس کنند. این واقعیت سودمندی آن را به عنوان مجموعه داده های تاریخی نشان می دهد که دسترسی به آنها در مطالعات اکولوژیکی تفریحی دشوار است.

با این حال، استفاده از این داده ها عمدتاً به تجزیه و تحلیل جغرافیایی در مناطق مورد مطالعه محدود شده است و سایر جنبه های مهم برای مدیریت کاربری های تفریحی کمتر مورد بررسی قرار گرفته است [ ۵۳ ]. به عنوان مثال، مقایسه فعالیت‌های خارج از منزل در زمینه‌های مختلف (به عنوان مثال، مناطق شهری در مقابل مناطق روستایی)، کاوش در جابجایی کاربران، یا ارزیابی محصولات توریستی مانند مسیرهای بزرگ است. اینها معمولاً فواصل طولانی را در مناطق کم تراکم پوشش می دهند و ارزیابی آنها دشوار است، که بسیار مهم است، به ویژه هنگام طراحی مسیرهای جدید.

با توجه به حجم بالای داده ها و همچنین کاربرد و اهمیت آنها – چه برای استفاده از نقشه، مشخصات کاربران یا انجام تجزیه و تحلیل زمانی – آیا می توان از VGI در فعالیت های تفریحی برای تولید اطلاعات بیشتر استفاده کرد؟ آیا VGI می تواند برای مقایسه مناطق مختلف یا ارزیابی محصولات توریستی ساختار یافته مانند مسیرهای بزرگ (GR) خدمت کند؟ بر اساس این انتظار، هدف این کار این است: (۱) ارزیابی ارتباط VGI برای نظارت و مقایسه فعالیت‌های تفریحی در یک بافت سرزمینی وسیع‌تر (کلان‌شهر در مقابل روستا). (۲) به پروفایل کاربران با توجه به منشأ آنها. (۳) برای ارزیابی الگوهای فضایی تفریحی از داده های VGI. و (۴) برای برآورد جذابیت پیشنهادات در فضای باز و ماجراجویی، مانند مسیرهای بزرگ، در مورد فعالیت های تفریحی، بنابراین ارزیابی می شود که آیا VGI یک منبع داده معتبر برای ارزیابی و نظارت بر این محصولات است یا خیر. علاوه بر این، و از آنجایی که این منابع داده به طور سنتی فقط در سطح محلی مورد استفاده قرار می گیرند، ما قصد داریم کاربرد آنها را در سطح منطقه ای آزمایش کنیم و ببینیم که آیا می توان از آنها برای حمایت از سیاست های توسعه فعالیت های گردشگری استفاده کرد.

در بخش‌های بعدی، ابتدا دو منطقه مورد مطالعه را توصیف می‌کنیم که یک منطقه شهری و یک منطقه روستایی را نشان می‌دهند ( بخش ۲٫۱ )، مجموعه داده‌های جغرافیایی گردآوری‌شده از VGI ( بخش ۲٫۲ )، و طراحی روش‌شناختی ( بخش ۲٫۳ ). نتایج روش پیشنهادی ارائه شده است ( بخش ۳ ) و مورد بحث قرار می گیرد ( بخش ۴ ). بخش پایانی ( بخش ۵ ) برخی از نکات پایانی را در مورد سودمندی VGI برای ارزیابی فعالیت های تفریحی در زمینه های سرزمینی مشخص ارائه می کند و به موضوعات تحقیقاتی بیشتر اشاره می کند.

۲٫ مواد و روشها

۲٫۱٫ مناطق مطالعه

دو منطقه مطالعاتی برای ارزیابی کاربرد VGI از فعالیت‌های تفریحی انتخاب شدند – منطقه شهری لیسبون (LMA)، و منطقه جنوب غربی پرتغال، که شامل خط ساحلی اقیانوس اطلس آلنتجو و کوستا ویسنتینا در آلگاروه (SWPT) و مسیر بزرگ است. روتا ویسنتینا ( شکل ۱ ). مناطق غرفه از نظر وسعت مشابه هستند – LMA 3002 کیلومتر مربع ^و SWPT 3699 کیلومتر مربع است ^– اما در مورد سایر شاخص های اجتماعی-اقتصادی بسیار متفاوت است.

LMA در شهر لیسبون، پایتخت پرتغال، که دارای ۲,۸۲۱,۷۳۲ سکنه است، مرکز است [ ۵۴ ]. این به دو بافت مختلف تقسیم می شود که کرانه شمالی رودخانه تاگوس در مقایسه با کرانه جنوبی پرتراکم تر است. منطقه لیسبون به یکی از مطلوب‌ترین مقاصد برای استراحت‌های شهری کوتاه تبدیل شده است و ۳۰ درصد از ۲۰٫۷ میلیون مهمان در کشور در سال ۲۰۱۷ را به خود اختصاص داده است که ۳۵ درصد از کل مهمانان خارجی را به خود جذب می‌کند [ ۵۵ ]. دارای دو پارک طبیعی (پارک طبیعی سینترا کاسکای – PNSC – و پارک طبیعی آرابیدا – PNArr) به همراه یک پارک بزرگ شهری (پارک جنگلی مونسانتو – PFM) و چندین منطقه سبز، با شواهدی از استفاده شدید در مورد فعالیت‌های تفریحی [ ۲۶ ]]. اگرچه تقاضای زیادی برای تفریح در فضای باز، هم از سوی گردشگران و هم از سوی ساکنان وجود دارد، هیچ پیشنهاد ساختاری در مورد فعالیت های تفریحی مانند مسیرهای پیاده روی و دوچرخه سواری وجود ندارد که بتواند به عنوان یک برند محلی یا منطقه ای مانند SWPT کار کند.

SWPT یک قلمرو روستایی با مراکز شهری کم و کوچک، و تراکم جمعیت کم است که در مجموع ۱۱۲۲۴۴ نفر جمعیت دارد [ ۵۴ ]. در مقایسه با LMA، از نظر شاخص‌های گردشگری، کل منطقه آلنتجو (۳۱۶۰۵ کیلومتر مربع ⁾ دارای ۱ میلیون مهمان (یعنی ۵٪ از کل تقاضای پرتغال در سال ۲۰۱۷ است [ ۵۶ )]. بر خلاف LMA، گردشگری در SWPT هنوز یک اثر فصلی قوی دارد. این منطقه مورد مطالعه شامل جنوب غربی آلنتجو و پارک طبیعی کوستا ویسنتینا (PNSACV)، با تنوع بالایی از مناظر، از صخره های مرتفع گرفته تا سواحل جیبی، مناطق کشاورزی بزرگ و مراکز شهری کوچک است که مقاصد محبوب در طول فصل تابستان هستند. مانند سایر مناطق کم تراکم، SWPT در مقایسه با LMA کاربرد تفریحی کمتری دارد. با این حال، مسیر بزرگی به نام روتا ویسنتینا که در مجموع تقریباً ۴۵۰ کیلومتر است از آن عبور می کند. این محصول توریستی شامل راه تاریخی (۲۳۰ کیلومتر مسیرهای عمدتاً روستایی در داخل کشور است که برای کوهنوردان و دوچرخه سواران کوه طراحی شده است)، مسیر ماهیگیران (۱۲۵ کیلومتر که مسیرهای سنتی را دنبال می کند که توسط مردم محلی برای دسترسی به سواحل کوچک و نقاط ماهیگیری در امتداد خط ساحلی استفاده می شود،

۲٫۲٫ چارچوب مفهومی

VGI در مورد فعالیت های خارج از منزل یک منبع داده منحصر به فرد برای ارزیابی مناطق مختلف و از طریق تجزیه و تحلیل GIS برای پروفایل کاربران و ترجیحات آنها در مورد استفاده های تفریحی است. بر اساس این فرض، داده‌های داوطلبانه تفریحی جمع‌آوری‌شده از یک سرویس اشتراک‌گذاری وب برای پروفایل کاربران، از جمله ترجیحات و رفتار فضایی آنها استفاده شد. مجموعه داده مورد استفاده قرار گرفت: (۱) برای ارزیابی فعالیت های خارج از منزل در دو منطقه مجزا، (۲) برای پروفایل کاربران در مورد منشأ آنها، (۳) برای نقشه استفاده تفریحی، و (۴) برای ارزیابی جذابیت یک محصول در فضای باز و ماجراجویی مانند یک مسیر بزرگ در یک منطقه روستایی. شش فعالیت تفریحی مورد بررسی قرار گرفته است: پیاده روی، دویدن، پیاده روی، دوچرخه سواری، دوچرخه سواری کوهستان و دوچرخه سواری مسابقه. چارچوب مفهومی پیشنهادی این مقاله در ارائه شده استشکل ۲ .

۲٫۳٫ مجموعه داده های جغرافیایی

جمع آوری داده ها در GPSies سابق (در حال حاضر Altrails)، یکی از قدیمی ترین خدمات اشتراک گذاری وب رایگان (آنلاین از سال ۲۰۰۶)، با محبوبیت شناخته شده در میان کاربران تفریحی انجام شد. اطلاعات ارسال شده رایگان است و به راحتی برای همه قابل دسترسی است. فعالیت‌ها به شش دسته دسته‌بندی می‌شوند که فعالیت‌های «پیاده» و «روی چرخ» ۷۵ درصد از کل کیلومتر ارسال‌شده توسط کاربران را تشکیل می‌دهند.

برای استفاده از GPSies به عنوان یک منبع داده معتبر برای این مطالعه، فرض بر این بود که مسیرهای ارسال شده نشان دهنده استفاده فضایی از هر فعالیت است و همبستگی مثبتی بین وجود مسیر و استفاده واقعی وجود دارد، همانطور که توسط [ ۲۴ ، ۵۷ ] تأیید شده است. با استفاده از Strava و داده های شمارش دستی و خودکار.

یک جستجو برای به دست آوردن تقریباً تمام مسیرهای ارسال شده به عنوان مناسب برای پیاده روی، پیاده روی، دویدن (“با پای پیاده”) و دوچرخه سواری (به عنوان مثال، دوچرخه سواری)، دوچرخه سواری کوهستان و دوچرخه سواری مسابقه (“روی چرخ”) اعمال شد. برای هر فعالیت، و منطقه مورد مطالعه، به دنبال یک روش پیشنهادی توسط [ ۲۶ ]، تمام آهنگ های موجود (ارسال شده از سپتامبر ۲۰۰۶ تا آوریل ۲۰۱۸)، به طور سیستماتیک در قالب gpx و kml دانلود شدند.

تمام داده ها در یک سیستم اطلاعات جغرافیایی (GIS) ساختار یافته بودند. مجموعه داده‌ها برای هر حوزه فعالیت/مطالعه از هر دو قالب داده تولید شده‌اند:

از فایل‌های Gpx برای استخراج داده‌های برداری و فایل‌های kml (دارای اطلاعاتی مانند نام آهنگ، نام کاربری، طول مسیر و فعالیت مناسب) برای بازیابی متادیتا برای پر کردن جدول ویژگی‌ها استفاده شد.
اطلاعات مربوط به تاریخ ارسال برای هر آهنگ، کشور مبدا/محل اقامت برای همه کاربران شناسایی شده، و فعالیت مورد علاقه نیز از وب سرویس بازیابی و به مجموعه داده نهایی اضافه شد.
اگرچه طول مسیر را می‌توان از داده‌های اولیه به‌دست آورد، اما برای اطمینان از بهترین دقت این شاخص، در یک محیط GIS دوباره محاسبه شد.
برای تضمین حداقل اختلال در میان داده‌های داوطلب مورد استفاده در این مطالعه، تنها مسیرهایی که برای یک فعالیت مناسب هستند و با یک کاربر مشخص، برای مجموعه داده‌های نهایی انتخاب شدند.

برای رعایت مسائل مربوط به حریم خصوصی، نام کاربری فقط به عنوان شناسه کلید اصلی خدمت می کرد و هیچ ارتباط یا رابطه دیگری ایجاد نشد.

همراه با مجموعه داده VGI، ما همچنین از موقعیت Grand Route برای آزمایش استفاده از آن توسط کاربران GPSies استفاده کردیم. آهنگ‌های Rota Vicentina با فرمت gpx از وب‌سایت رسمی ( pt.rotavicentina.com در ۱ سپتامبر ۲۰۱۸ در دسترس قرار گرفت) بازیابی شدند و بعداً به شکل فایل‌ها تبدیل شدند.

۲٫۴٫ تجزیه و تحلیل داده ها

با پیروی از چارچوب مشخص شده در شکل ۲ ، چهار تحلیل انجام شد:

مقایسه فعالیت‌های فضای باز در کلان‌شهرها و مناطق روستایی
هر تاریخ ارسال آهنگ برای تولید یک ارزیابی زمانی از کاربری های تفریحی در هر منطقه مورد مطالعه استفاده شد.
پروفایل کردن کاربران تفریحی
کاربران بر اساس منشأ آنها (اتباع در مقابل خارجی) و ترجیحات با در نظر گرفتن دو منطقه مورد مطالعه، پروفایل شدند. برای هر فعالیت، تجزیه و تحلیل طول مسیر برای بررسی میانگین داده‌ها، همگنی و پراکندگی انجام شد که همگی نشانه‌ای از ترجیحات پزشکان در نظر گرفته می‌شوند. برای جلوگیری از تفسیرهای نادرست به دلیل مقادیر شدید، چه به دلیل GPS یا خطاهای کاربر، این تجزیه و تحلیل تنها با طول مسیر زیر درصد ۹۵، همانطور که توسط [ ۵۳ ] پیشنهاد شد، انجام شد.
نقشه برداری توزیع فضایی تفریحی.
برای ترسیم استفاده تفریحی، اطلاعات مکانی مرتبط با هر مجموعه داده در یک محیط GIS تجزیه و تحلیل شد. چگالی خط [ ۵۸ ] برای محاسبه قدر در واحد سطح از هر مجموعه داده که در شعاع ۱۰۰ متر در اطراف هر شبکه سلولی ۲۵ متری قرار داشت، اعمال شد. نتیجه یک تصویر شطرنجی بود که در آن می‌توان مکان‌های مورد علاقه و محبوب‌ترین مکان‌ها را برای هر فعالیت، یعنی نقاط داغ و توزیع فضایی کلی آنها شناسایی کرد.
ارزیابی جذابیت محصولات فضای باز و ماجراجویی.

برای ارزیابی جذابیت یک محصول گردشگری، GR Rota Vicentina، در SWPT، انتخاب شد. تجزیه و تحلیل انطباق در قالب شطرنجی با همپوشانی هر مجموعه داده به یک شبکه سلولی ۱۰۰ متری انجام شد که در نتیجه فایلی به وجود آمد که در آن هر واحد سلولی نشان دهنده تعداد مسیرهایی است که از آن عبور کرده است، به شرح زیر [ ۲۷ ]. این وضوح نتایج دقیقی تولید کرد و در عین حال به اندازه کافی بزرگ بود که خطاهای موقعیتی را که معمولاً تا ۱۰ تا ۳۰ متر با GPS دستی و تلفن‌های هوشمند GPS کمکی می‌رسد را برآورده کند.

این فرآیند امکان تخصیص یک مقدار امتیاز را برای هر فعالیت به دست آمده با وزن دادن به تعداد سلول های استفاده شده در تعداد مسیرهایی که از آن عبور می کنند را ممکن کرد (معادله (۱)). این روش هر فعالیت را مستقل از سایرین امتیاز داد زیرا سلول های مورد استفاده توسط هر فعالیت را به عنوان بخشی از شبکه تفریحی موجود برای آن فعالیت در منطقه مورد مطالعه تایید کرد.

اس ج یا آر ه a c t = \sum i = ۱ من = م یک x ن من \times من

(۱)

جایی که: i = تعداد مسیرهایی که از هر سلول عبور کرده اند. N = تعداد سلول ها

همین پوشش روی روتا ویسنتینا اعمال شد تا مرجع جغرافیایی یکسانی مجاز باشد. سپس انطباق با کم کردن سلول‌های Rota Vicentina از رستر اصلی هر فعالیت اندازه‌گیری شد. سپس مقدار امتیاز جدید با مقدار اصلی مقایسه شد و جذابیت GR برای هر فعالیت را نشان می‌دهد (معادله (۲)). این برای کل مجموعه داده و همچنین برای کاربران داخلی و خارجی اعمال شد.

G R a t r a c t i v e n e s s a c t = ۱ - (اس ج یا آر ه a c t { W i t h o u t G R } اس ج یا آر ه a c t)

(۲)

این رویکرد پیشنهادی برای آزمایش جذابیت GR اقتباسی از [ ۲۷ ] است که اغلب برای تجزیه و تحلیل توزیع فضایی مسیرهای VGI (خطوط داده) استفاده می‌شود [ ۶ ، ۵۹ ]. ابزارهای چگالی هسته در این مرحله مورد استفاده قرار نگرفتند زیرا نیاز به روشی بود که بتواند وزن GR را اندازه گیری کند .

۳٫ نتایج

۳٫۱٫ فعالیت در فضای باز در مناطق شهری در مقابل مناطق روستایی

مجموعه داده جمع آوری شده از GPSies (در حال حاضر Altrails)، برای هر دو منطقه مورد مطالعه، شامل ۲۲۰۳۱ مسیر ارائه شده توسط ۳۲۹۷ کاربر شناسایی شده ( جدول ۱ ) است که در مجموع ۱۵۷۸۰۱۷ کیلومتر است.

LMA دارای ۱۹۲۱۷ آهنگ است که توسط ۲۸۴۲ کاربر (۸۶٪ از کل کاربران در مجموعه داده) ارسال شده است. فعالیت‌های «روی چرخ‌ها» تعداد ارسال‌های بیشتری نسبت به «پیاده‌روی» دارند. رتبه بندی فعالیت برای منطقه پایتخت توسط دوچرخه سواری در کوهستان با ۹۴۰۷ مسیر و با Walking بسته می شود که دارای ۶۹۳ مسیر است.

برای SWPT تعداد کل آهنگ‌های جمع‌آوری‌شده ۲۸۱۴ بود که توسط ۷۹۸ کاربر مختلف (۱۴٪ از کل کاربران در مجموعه داده) ارسال شد. در بین تمام فعالیت‌ها، دوچرخه‌سواری کوهستانی رتبه اول را از نظر ارسال مسیرها حفظ می‌کند و دویدن به آخرین رتبه سقوط می‌کند.

فصلی بودن ارسال آهنگ ها در طول سال الگوهای متفاوتی را هنگام مقایسه کاربران داخلی با خارجی نشان می دهد ( شکل ۳ ). کاربران ملی در LMA رفتار منظم‌تری در مورد ارسال آهنگ‌ها ارائه کردند که از سال ۱۳۲۹ در ماه اوت تا ۱۷۵۰ در ژانویه به مقادیر رسید. برای کاربران خارجی، اوج ارسال در طول بهار و پاییز (یعنی مارس تا مه و سپتامبر تا نوامبر) رخ می دهد. برای منطقه SWPT، سه اوج ارسال برای کاربران داخلی و خارجی (اواخر بهار، اواسط تابستان و اوایل پاییز) وجود دارد.

۳٫۲٫ پروفایل کردن کاربران تفریحی

در مورد ملیت کاربران، مشخص شد که ۸۷ درصد اتباع و ۱۳ درصد خارجی هستند. جدول ۲ تفاوت بین مناطق مورد مطالعه و فعالیت ها را بر اساس ملیت کاربران خلاصه می کند. کاربران ملی در LMA 89 درصد از کل کاربران این منطقه را تشکیل می دهند و دوچرخه سواری کوهستان فعالیت مورد علاقه آنهاست. نسبت کاربران خارجی برای هر فعالیت بین ۳٪ برای دوچرخه سواری کوهستان و ۱۸٪ برای دوچرخه سواری متغیر است. برای SWPT، درصد کاربران ملی به ۷۹ درصد کاهش می‌یابد و دوچرخه‌سواری کوهستان رتبه اول را از نظر تعداد تمرین‌کنندگان حفظ می‌کند. درصد کاربران خارجی در همه فعالیت ها افزایش می یابد، از ۶٪ در دوچرخه سواری کوهستان تا ۵۱٪ در پیاده روی.

بر اساس طول مسیرها، که در پروژه GIS دوباره محاسبه شد، هر فعالیت الگوهای مشابهی را برای هر دو منطقه مورد مطالعه نشان می‌دهد ( شکل ۴ ). دوچرخه‌سواری و دوچرخه‌سواری پراکندگی طول بیشتری را نشان می‌دهند و به دنبال آن دوچرخه‌سواری کوهستانی قرار دارند. اطلاعات تفصیلی در شکل A1 و شکل A2 ( پیوست A ) ارائه شده است. فعالیت‌های «پیاده‌روی» نیز رفتارهای مشابهی دارند، اگرچه پیاده‌روی در SWPT در مقایسه با LMA پراکندگی بزرگ‌تر و میانگین طول بیشتری دارد. دویدن در SWPT دارای میانگین طول بالاتری است که برخلاف آنچه برای تمام فعالیت‌های دیگر در هر دو ناحیه مورد مطالعه اتفاق می‌افتد، خارج از چارک سوم است ( جدول ۳ ).

یک نمای کلی از مشارکت کاربران بر اساس فعالیت ها در جدول ۴ ارائه شده است. علیرغم اینکه دوچرخه‌سواری کوهستان فعالیتی با مسیرها و کاربران بیشتر در هر دو منطقه مطالعه است، با نگاهی به میانگین مسیرهای هر کاربر در مورد تعداد کل مسیرهایی که این کاربران شناسایی شده به GPSies ارسال کرده‌اند، مشخص نیست. دوچرخه‌سواری و دوچرخه‌سواری، فعالیت‌هایی هستند که تعداد پیست‌های بیشتری برای هر کاربر دارند و به‌ترتیب به طور میانگین به ۵۰ و ۴۰ پیست می‌رسند. در این شاخص، دوچرخه‌سواری کوهستانی در راستای فعالیت‌های «پیاده‌روی» است که کمی کمتر از میانگین کل مسیرهای ارسال شده برای هر کاربر است. کاربرانی که یکی از ۲۶ گزینه موجود دیگر را به عنوان فعالیت مورد علاقه اعلام کرده اند، تنها ۱٫۶ درصد از کل کاربران این مجموعه داده را تشکیل می دهند و فقط ۱٫۱ درصد از کل تراک ها را ارسال کرده اند. کاربرانی که تصمیم گرفتند فعالیت مورد علاقه خود را در نمایه صفحه خود اعلام نکنند، به طور متوسط تنها هفت آهنگ را برای هر کاربر ارسال کردند.

۳٫۳٫ نقشه برداری توزیع فضایی تفریحی

توزیع فضایی تمامی فعالیت ها در دو منطقه مورد مطالعه در شکل ۵ و شکل ۶ ارائه شده است. در هر دو منطقه مورد مطالعه، الگوهای فضایی متمایز در همه فعالیت ها نشان داده شده است. فعالیت‌های «روی چرخ» در هر قلمرو گسترش یافت، در حالی که فعالیت‌های «پیاده» الگوی متمرکزتری را نشان داد.

در LMA، پیاده‌روی و دوچرخه‌سواری در کوهستان در مسیرها و مسیرهای خارج از جاده اتفاق می‌افتد و بیشتر بر روی مناطق سبز مانند دو پارک طبیعی (پارک‌های طبیعی سینترا کاسکای و آرابیدا) و پارک اصلی شهری شهر (پارک جنگلی مونسانتو) تمرکز می‌کنند. دویدن در امتداد “محورهای” اصلی شهری رخ می دهد و پیاده روی عمدتاً در مراکز تاریخی شهر متمرکز است، همانطور که در لیسبون و سینترا در ضلع شمالی LMA و در قلب پارک طبیعی آرابیدا در ضلع جنوبی این منطقه مطالعه دیده می شود. . دوچرخه‌های مسابقه‌ای بیشتر روی «محورهای» جاده‌های اصلی متمرکز شده‌اند، در حالی که دوچرخه‌سواری، اگرچه در سراسر LMA پخش می‌شود، مانند دوچرخه‌سواری کوهستانی از خارج از جاده استفاده نمی‌کند. در بین همه فعالیت ها، چیزی که بیش از همه به شبکه راه های اصلی شباهت دارد، بدون توجه به بزرگراه های مناطق، دوچرخه سواری است.

در SWPT، پیاده‌روی و دوچرخه‌سواری کوهستان همچنان از مسیرهای پیاده‌روی و خارج از جاده‌های بیشتری نسبت به سایر فعالیت‌ها استفاده می‌کنند، که دومین مورد تقریباً به تمام جاده‌ها، مسیرها و مسیرهای مورد مطالعه می‌رسد. پیاده‌روی و دویدن، با ارسال‌های کمتر، با این وجود به نظر می‌رسد که از خط ساحلی پیروی می‌کنند، اولین مورد نیز در نزدیکی مراکز اصلی شهری مانند LMA رخ می‌دهد. برخلاف آنچه برای دوچرخه‌سواری و دوچرخه‌سواری در LMA اتفاق می‌افتد، در SWPT دوچرخه‌سواری بیشتر بر روی ساحل تمرکز می‌کند و دوچرخه‌های مسابقه‌ای نیز به داخل منطقه مورد مطالعه، به دنبال «محورهای» جاده اصلی منطقه گسترش می‌یابند.

۳٫۴٫ ارزیابی جذابیت محصولات فضای باز و ماجراجویی

نتایج تجزیه و تحلیل انطباق بین فعالیت های تفریحی و GR Rota Vicentina، در SWPT، در جدول ۵ و شکل ۷ ارائه شده است. همانطور که قبلا در شکل ۶ نشان داده شده است، پیاده روی و پیاده روی پایبندی بیشتری به GR Rota Vicentina دارند، به ترتیب با مقادیر ۴۵% و ۵۱%، زمانی که کل مجموعه داده فعالیت برای SWPT استفاده می شود. این امتیازات برای فعالیت‌های «روی چرخ‌ها» به مقادیر پایین‌تری کاهش می‌یابد، اگرچه هنوز برای دوچرخه‌سواری کوهستان به ۱۹ درصد می‌رسد. مسیرهای دویدن برای تأیید نتیجه انطباق بسیار کم هستند.

نتایج انطباق در استفاده از GR هنگام مقایسه کاربران ملی و خارجی GPSies در SWPT نمرات بالاتری را برای خارجی‌ها در همه فعالیت‌ها نشان می‌دهد که به ۷۱٪ در پیاده‌روی و ۵۲٪ در پیاده‌روی می‌رسد. دو مورد استثنا دوچرخه سواری در کوهستان و دویدن هستند که به ترتیب بیشترین و کمترین تعداد مسیرها را در مجموعه داده دارند.

۴٫ بحث

۴٫۱٫ VGI برای ارزیابی کاربردهای تفریحی در زمینه های مختلف

همانطور که انتظار می رفت، تعداد آهنگ های ارسال شده در LMA بسیار بیشتر از SWPT است (۱۹۲۱۷ در مقابل ۲۸۱۴). این واقعیت با بافت جمعیتی توضیح داده می شود: ساکنان مناطق روستایی تنها ۴ درصد از کل ساکنان کلان شهر را تشکیل می دهند. با این وجود، تعداد آهنگ های بازیابی شده برای SWPT 15 درصد از آهنگ های منطقه لیسبون است. دو توضیح ممکن برای این واقعیت وجود دارد: کاربران SWPT می‌توانند متعهدتر به استفاده از GPS‌ها باشند، و/یا توضیح معقول‌تری – این منطقه یک مقصد گردشگری هم برای اتباع و هم برای خارجی‌ها است.

دوچرخه‌سواری کوهستانی با ۵۰% (۱۰۹۴۲) مسیرها که از GPS جمع‌آوری شده‌اند، نشان‌دهنده‌ترین فعالیت در هر دو منطقه مورد مطالعه است و پس از آن سایر دوچرخه‌سواران قرار دارند. فعالیت‌های «پیاده‌روی» با تنها ۱۵ درصد آهنگ‌ها بسیار کمتر ارائه می‌شوند. این تفاوت‌ها بین «روی چرخ» و «پای پیاده» را می‌توان با این واقعیت توضیح داد که GPSies یکی از اولین برنامه‌های کاربردی محبوب در بین دوچرخه‌سواران کوهستانی در پرتغال بود، که جایگزین وبلاگ‌ها و انجمن‌های گفتگو شد که قبلاً برای اشتراک‌گذاری و بحث درباره علایق مشترک استفاده می‌شد. محبوبیت جی‌پی‌اس‌ها همچنین به دلیل در دسترس بودن آن در قالب یک پلت‌فرم وب GIS، با ابزارهای ویرایش و تصاویر با وضوح بالا بود، که به گسترش مثبت از طریق دهان به دهان در جامعه‌ای از دوچرخه‌سواران بسیار درگیر کمک می‌کرد. دوچرخه سواری کوهستان نیز در همان زمان بود۶۰ ، ۶۱ ، ۶۲ ].

پیاده‌روی و پیاده‌روی نیز فعالیت‌های محبوبی هستند، اما ثبت منظم دستاوردهای پیشرفت، از جمله آمار زمان واقعی، میانگین سرعت، مسافت یا صعود کلی، در مقایسه با دوچرخه‌سواران کمتر مرتبط است. بنابراین، اشتراک گذاری مسیرها به اندازه فعالیت های ورزشی بیشتر رایج نبود. ساعت های هوشمند و ردیاب های تناسب اندام این وضعیت را در چند سال گذشته تغییر داده اند. در مورد Running و Trail running، دو پدیده جدیدتر در پرتغال [ ۶۳ ]، حفظ سوابق شخصی اجباری است، اما پلتفرم هایی مانند Strava (راه اندازی شده در سال ۲۰۰۹) محبوبیت بیشتری دارند.

همانطور که انتظار می رود، اکثر کاربران GPSies ملی هستند. با این حال، درصد خارجی ها در SWPT تعداد کاربران در منطقه لیسبون را تقریبا دو برابر می کند (۲۱٪ در مقابل ۱۱٪). اگرچه لیسبون به عنوان یک مقصد گردشگری بیشتر شناخته می شود، اما عدم وجود یک محصول گردشگری مناسب سازماندهی شده حول فعالیت های خارج از منزل منجر به استفاده کمتر در بین بازدیدکنندگان خارجی می شود. برعکس، وجود یک GR که تکمیل آن در مسافت طولانی می تواند تا ۲ هفته طول بکشد، درصد بیشتری از گردشگران تفریحی را به SWPT جذب می کند. این نتایج با نتایج ارائه شده در [ ۵۰ ] مطابقت دارد، که نشان داد ۳۸٪ از کاربران GPSهای «پیاده» برای جزیره مادیرا (سومین مقصد گردشگری پرتغال) نیز خارجی بودند.

طول مسیر برای هر فعالیت تأیید کرد که فعالیت‌های «روی چرخ» به طور متوسط مسافت‌های بزرگ‌تری را نسبت به فعالیت‌های «پیاده‌روی» پوشش می‌دهند، بنابراین این داده‌ها و منابع داده اعتبارسنجی می‌شوند. در LMA، متوسط سواری برای دوچرخه سواران کوهستان، با مسافتی حدود ۴۵ کیلومتر (مطابق با مقادیر یافت شده برای PNSC و PNArr، نیم روز طول می کشد [ ۲۵ ، ۲۶ ، ۴۸ ]]. دوچرخه سواران و دوچرخه سواران مسابقه نتایج مشابهی را از نظر مسافت طی شده در سواری خود ارائه می دهند، اما گروه اول درصد بیشتری از مسافت های طولانی را در مقایسه با بقیه دارند. این می تواند با این واقعیت مرتبط باشد که دوچرخه سواران زمان بیشتری را صرف می کنند و با حالتی متفکرانه سوار می شوند و یک روز را برای طی کردن مسافت های وسیع تری به عهده می گیرند. دوچرخه‌سواران مسابقه‌ای مانند دوچرخه‌سواران کوهستانی، نیمی از روز را می‌روند، اما با سرعت متوسط بالاتر، که به جاده‌های آسفالته با کیفیت‌تر نیاز دارد.

در SWPT، تمام فعالیت‌ها میانگین طول بیشتری دارند، که می‌توان آن را به این واقعیت نسبت داد که این یک مقصد گردشگری است – یعنی بازدیدکنندگان در تعطیلات زمان بیشتری برای فعالیت‌های اوقات فراغت دارند. با ارسال کمتر در SWPT، هیچ نتیجه گیری عمده ای برای راه رفتن و دویدن نباید گرفته شود. با این وجود، می توان ارزیابی کرد که پیاده روی عمدتاً توسط ساکنان انجام می شود – در مقایسه با سایر فعالیت ها، هم در LMA و هم در SWPT.

مطالعات تفریحی قبلی در مناطق معتدل، مانند پرتغال، نشان داده است که فعالیت‌های خارج از منزل از الگوهای سالانه با دو قله پیروی می‌کنند [ ۲۷ ، ۵۱ ]، با کاربردهای بالاتر در طول فصل‌های بهار و پاییز. این الگو در میان دوچرخه‌سواران کوهستانی در PNArr با استفاده از شمارنده‌های خودکار [ ۲۷ ] و در میان Geocachers نیز در PNArr [ ۶۴ ] تأیید شد.]. این اتفاق برای آهنگ های خارجی ارسال شده در هر دو حوزه مطالعاتی می افتد، اما با ارسال های ملی، در LMA کمتر مشهود است. دلیل این امر ممکن است به این واقعیت متکی باشد که کاربران ملی (عمدتاً از فعالیت‌های «روی چرخ») با انگیزه‌تر، درگیر ابزارها و تمرین‌کنندگان منظم‌تر هستند. برای SWPT، اوج سوم در ژوئیه و اوت رخ می دهد، که تایید می کند که این منطقه مورد مطالعه یک مقصد تابستانی است.

توزیع فضایی هر فعالیت در LMA و SWPT، ارائه شده در شکل ۵ و شکل ۶، یک بار دیگر این خدمات اشتراک گذاری وب را به عنوان منابع داده برای استفاده های تفریحی تأیید می کند. دوچرخه سواری کوهستان، که برای استفاده در خارج از جاده طراحی شده است، از مسیرها و مسیرهای خاکی استفاده کامل می کند. خیابان‌های سنگفرش اصلی هر دو منطقه مطالعه که عمدتاً توسط ساکنان انجام می‌شود، هنوز استفاده می‌شوند، اما فقط برای رسیدن به مقصد نهایی. این را می توان در LMA مشاهده کرد، جایی که PFM، PNSC و PNArr استفاده بیشتری را برای این فعالیت متمرکز می کنند. برای دوچرخه سواران، در حالی که بیشتر روی جاده های آسفالته تمرکز می کنند، از مسیرهای “خارج از جاده” نیز استفاده می شود، همانطور که در SWPT، در امتداد برخی از مسیرهای ساحلی توریستی روتا ویسنتینا مشاهده می شود. به منظور پوشش مسافت های بزرگتر در جاده های آسفالته خوب، دوچرخه سواران مسابقه ای تمایل دارند از مراکز شهری اجتناب کنند، با رفتاری مشابه بین مراکز شهری بزرگ و مناطق روستایی.

با توجه به سه فعالیت «پیاده»، آنها نیز اهداف مشخصی دارند و در زمینه‌های مختلف رخ می‌دهند. پیاده روی معمولا در محیط های طبیعی و مسیرهای طبیعی اتفاق می افتد، در حالی که پیاده روی بیشتر در بافت های شهری اتفاق می افتد. پیاده‌روی، مانند سایر فعالیت‌های خارج از منزل، تماس با طبیعت و احساس رفاه را افزایش می‌دهد [ ۶۵ ، ۶۶]. پیاده روی اخیراً راهی برای غلبه بر سبک زندگی کم تحرک شده است و کسانی که برای تناسب اندام پیاده روی می کنند به طور مرتب این کار را انجام می دهند. در نتیجه، پیاده‌روها در نزدیکی خانه، از مناطق شهری گرفته تا حومه شهر، پارک‌های شهر یا جاده‌ها راه می‌روند. یکی از جزئیاتی که می تواند تأثیر زیادی بر تجزیه و تحلیل داده ها داشته باشد، تعریف پیاده روی و پیاده روی در پرتغالی است، زیرا هر دو کلمه می توانند به عنوان مترادف استفاده شوند. معمولاً می گویند که بازدید پیاده از یک منطقه طبیعی یک پیاده روی است، در حالی که در زبان های دیگر این یک پیاده روی در نظر گرفته می شود. این می تواند توضیح دهد که چرا راه رفتن در PNArr، در LMA رخ می دهد.

همانطور که بیان شد، دوندگان و دوندگان دنباله‌روی تمایل بیشتری به استفاده از برنامه یا خدمات دیگر دارند. اگرچه تعداد مسیرهای در حال اجرا بازیابی شده از GPSies تقریباً ۱۳۰۰ در LMA است، نویسندگان پیش بینی می کنند که توزیع فضایی فعالیت در هر دو منطقه مورد مطالعه کمتر ارائه شده است. همانطور که در نقشه حرارتی Strava [ ۶۷ ] دیده می شود، دویدن در مناطق شهری رخ می دهد، در حالی که “روی چرخ ها” در خارج از این مناطق پخش می شود. با توجه به تعداد کم کاربران GPSies که دویدن را فعالیت مورد علاقه آنها می دانند، طبیعی است که نتیجه بگیریم که توزیع فضایی دویدن در این مجموعه داده ها متعهدترین تمرین کنندگان را نشان نمی دهد.

۴٫۲٫ ارزیابی جذابیت محصولات فضای باز و ماجراجویی

چندین نویسنده اشاره کرده‌اند که فعالیت‌های تفریحی معمولاً در اطراف مناطق یا مناطق مسکونی کاربران، با توجه به پتانسیل سرزمینی و گرایش‌های اجتماعی انجام می‌شود [ ۳۲ ، ۶۳ ، ۶۸ ، ۶۹ .]. تمام نتایج این مطالعه از این یافته ها حمایت می کند و یک نشانه معتبر برای توضیح نسبت بالاتر خارجی هایی که از GR استفاده می کنند (۷۱٪ برای کوهنوردان)، در مقایسه با اتباع ارائه می دهد. اگرچه مسیرهای روتا ویسنتینا هنوز برای کاربران محلی موجود است، مسیرهای خطی (همانطور که در بیشتر بخش‌های روتا ویسنتینا اتفاق می‌افتد) برای ساکنان جذابیت کمتری دارند. برای یک کاربر محلی، برای پیاده‌روی در یک بخش خطی ۱۸ کیلومتری (حداکثر ۴ ساعت پیاده‌روی) نیاز به در دسترس بودن برای بازگشت (از زمان و تناسب اندام یا بالابر) دارد. از سوی دیگر، گردشگران زمان بیشتری در اختیار دارند و هدف این است که مسافت های طولانی تری را پیاده روی کنند. GRها عمدتاً برای جذب بازدیدکنندگان و گردشگران طراحی شده‌اند، و غیر معمول نیست که مهمان‌خانه‌ها یا اپراتورهای محلی خدمات حمل چمدان یا تهیه غذا و تنقلات را در طول مسیرها سازماندهی کنند. چنین خدماتی معمولاً توسط مردم محلی استفاده نمی شود.

مانند سایر مطالعات [ ۳۳ ]، حتی با مجموعه داده های کوچک، مانند مورد پیاده روی و پیاده روی در SWPT، اطلاعات مربوطه را می توان از داده های VGI برای حمایت از اقدامات نظارتی، سیاست های مدیریت زمین و تصمیم گیری، حتی در مناطق پراکنده، بازیابی کرد. پوشش داده ها در این مطالعه، از ۱۷۸ مسیر ارسال شده توسط کوهنوردان در SWPT، امکان مشاهده مکان های پیاده روی در منطقه وجود داشت، بنابراین اطلاعات مهمی در مورد این فعالیت تفریحی ارائه شد. همانطور که در LMA نشان داده شد، با مجموعه داده های بزرگتر، جزئیات دیگر را می توان به تصویر کشید.

علی‌رغم محدودیت‌های این نوع تحلیل که در ماهیت VGI ذاتی است، می‌توان نتیجه گرفت که محصولات تفریحی با ساختار مناسب (مانند روتا ویسنتینا) به جذابیت گردشگری مناطق پیرامونی، ترویج توسعه محلی و ایجاد جایگزین‌هایی برای فصلی کمک می‌کنند. از محصولات گردشگری کلاسیک مانند خورشید و ساحل.

۵٫ نتیجه گیری ها

این مطالعه با هدف آزمایش پتانسیل داده های VGI در مورد فعالیت های تفریحی در مناطق شهری و روستایی و ارزیابی جذابیت پیشنهادهای فضای باز و ماجراجویی مانند گرند روت ها انجام شد. نتایج نشان می‌دهد که انجام این کار با داده‌های داوطلبانه آپلود شده توسط کاربران در سرویس‌های اشتراک‌گذاری وب، برنامه‌های فضای باز/ورزشی و رسانه‌های اجتماعی امکان‌پذیر است. این مجموعه داده ها همیشه نمونه ای از یک جمعیت بزرگتر هستند. همانند سایر برنامه‌ها و پلتفرم‌های رسانه‌های دیجیتال و اجتماعی، VGI از مدها و روندها پیروی می‌کند [ ۱۹] و گاهی اوقات بسته به انگیزه ها یا رفتارهای مختلف می تواند مغرضانه باشد. با این وجود، این بیان مجازی استفاده تفریحی در فضای باز بسیار بزرگ است، هم در مورد ورزش های فشرده (مانند دویدن در مسیر) و هم در مورد فعالیت های اوقات فراغت نرم (مانند پیاده روی سبک). از سوی دیگر، نظرسنجی‌های بازدیدکنندگان شامل مصاحبه با کاربران در سایت، استفاده گسترده از این برنامه‌ها را برای فعالیت‌های تفریحی در فضای باز نشان داده‌اند [ ۵۰ ، ۵۹ ] و مطالعات دیگر نیز همبستگی مثبتی را بین مسیرها و کاربران واقعی نشان می‌دهند [ ۱۹ ، ۲۴ ، ۵۷ ] . بنابراین، منطقی است که فرض کنیم این منابع داده، نمایش قابل اعتمادی از استفاده فضایی از فعالیت های فضای باز هستند.

خدماتی مانند GPSies (در حال حاضر Altrails) یا Strava، در میان بسیاری دیگر، بخشی از سبک زندگی کنونی هستند که امکان نظارت بر فعالیت‌های محبوب مانند پیاده‌روی، دویدن، تریل رانینگ، پیاده‌روی، دوچرخه‌سواری، دوچرخه‌سواری کوهستان و دوچرخه‌سواری را در زمینه‌های مختلف فراهم می‌کنند. یافته‌ها نشان می‌دهد که فعالیت‌های تفریحی در یک منطقه شهری و یک منطقه ساحلی روستایی دارای شباهت‌ها و تفاوت‌هایی هستند که می‌توان آن را با بافت سرزمینی، پروفایل کاربران و ویژگی‌های فعالیت توضیح داد.

در هر دو منطقه، فعالیت‌های “پیاده” در نزدیکی محل سکونت کاربران (مناطق اصلی شهری) اتفاق می‌افتد، در حالی که مسیرها و جاده‌های مورد استفاده در همه فعالیت‌های مورد مطالعه در همان روسازی‌ها و انواع جاده‌ها اتفاق می‌افتند. تفاوت ها به طور کلی به طول مسیرها مربوط می شود، که در SWPT (منطقه ساحلی روستایی) در مقایسه با LMA کمی طولانی تر است. این ممکن است به این دلیل باشد که منطقه مطالعاتی جنوبی یک مقصد گردشگری هم برای بازدیدکنندگان داخلی و هم برای بازدیدکنندگان خارجی است که معمولاً زمان بیشتری برای فعالیت‌های خارج از منزل دارد. فصلی بودن ارسال مسیرها به GPSies (یعنی فعالیت های تفریحی) این فرضیه را پشتیبانی می کند.

VGI جمع‌آوری‌شده برای این مطالعه، دوچرخه‌سواری در کوهستان را به عنوان نماینده‌ترین فعالیت داشت، همانطور که در مطالعات دیگری که از این منبع داده در پرتغال استفاده کردند [ ۶ ، ۲۶ ، ۲۷ ، ۶۸ ]. با نگاهی به تعامل کاربران و درصد خارجی‌های موجود در این مجموعه داده، انتظار می‌رود دوچرخه‌سواری و دوچرخه‌سواری در این سرویس اشتراک‌گذاری وب متمایز باشند. GPSies (در حال حاضر Altrails) سرویسی است که برای به اشتراک گذاشتن مسیرهایی برای ولگردها ایجاد شده است، حالتی که بیشتر برای دوچرخه سواران و کوهنوردان مسافت طولانی مناسب است.

روش شناسی کافی ثابت شد، یعنی استفاده از تجزیه و تحلیل چگالی خط که در سطوح منطقه ای و با مقدار داده های مورد استفاده کاملاً کارآمد بود (با مجموع ۲۲۰۳۱ مسیر ارسال شده توسط ۳۲۹۷ کاربر شناسایی شده، مربوط به ۱،۵۷۸،۰۱۷ کیلومتر). علاوه بر این، در حالی که نقشه های حرارتی (مانند نقشه حرارتی Strava) ابزارهای بسیار مفیدی برای شناسایی الگوهای استفاده هستند، آنها یک مشاهده “هموار” از قلمرو را ارائه می دهند و استفاده های محلی/یا کمتر رایج از نقشه حذف می شوند. علاوه بر این، نقشه‌های حرارتی بر اساس نقاط مسیر هستند و تمام ویژگی‌های برداری مسیرها را از دست می‌دهند و پروفایل‌های کاربران را نادیده می‌گیرند. به عنوان مثال، بسیاری از نقاط مسیر می‌توانند مکان‌هایی را نشان دهند که افراد آهسته‌تر راه می‌روند/سواری می‌کنند و نه کاربران بیشتری. همچنین، فعالیت‌ها به چند دسته (سواری، دویدن، روی آب، فعالیت‌های زمستانی) دسته‌بندی می‌شوند که غنای داده‌های اصلی را از دست می‌دهند.

داده‌های VGI کمک معتبری برای نظارت و ارزیابی کاربری‌های تفریحی در داخل قلمرو است و قادر به تولید شاخص‌های خوبی برای حمایت از سیاست‌های مدیریت زمین و تصمیم‌گیری است. با توجه به اینکه داده ها ۱۰۰% داوطلبانه هستند، باید محدودیت های این تحلیل ها را تصدیق کرد. VGI جایگزین نظرسنجی، شمارش میدانی و سایر روش های سنتی نمی شود. با این وجود، می تواند و باید به عنوان یک منبع داده مکمل استفاده شود [ ۴۱ ، ۷۰ ، ۷۱ ، ۷۲] به دلیل حجم زیاد و پردازش سریع آن – داده های خام حاصل از استفاده های تفریحی در حال حاضر در قالب مکانی است – و دارای مزیت ارائه شده توسط افرادی که مستقیماً در این فعالیت ها دخیل هستند. دانش فضایی در مورد فعالیت‌های تفریحی می‌تواند ابزار ارزشمندی برای ارزیابی و نظارت بر چنین فعالیت‌هایی باشد که به عنوان مثال، سرنخ‌های مهمی در مورد محل جمع‌آوری بررسی‌ها یا نصب شمارنده ارائه می‌دهد. دانستن آنچه که کاربران دوست دارند انجام دهند می‌تواند برای طراحی محصولات تفریحی با در نظر گرفتن پتانسیل توریستی آنها نیز مورد استفاده قرار گیرد – ارزش افزوده به این محصولات فضای باز و ماجراجویی.

با توجه به کارهای آینده روی فعالیت های تفریحی و VGI، هنوز ابعادی از این مجموعه داده ها وجود دارد که می توان بیشتر مورد بررسی قرار داد. به عنوان مثال، تحرک کاربران تفریحی، با توجه ویژه به مسائل مربوط به حریم خصوصی، می‌تواند با داده‌های دسترسی آزاد از پلتفرم‌هایی که در آن کاربران خود را شناسایی می‌کنند، و آهنگ‌ها یا POI‌ها آزادانه در دسترس هستند، بررسی شود. امروزه اکثر برنامه های محبوب داده ها را از طریق API در دسترس قرار می دهند. با این حال، برخی از برنامه ها، نه تنها به دلیل مسائل مربوط به حریم خصوصی، بلکه به دلیل مدل کسب و کار خود، تنها داده های پردازش شده را منتشر می کنند و این نوع تجزیه و تحلیل را محدود می کنند.

با این وجود، در دنیای مدرن، منصفانه است که تصدیق کنیم که VGI از فعالیت‌های تفریحی می‌تواند بیان مجازی قلمروها را ارائه دهد.

پیوست اول

شکل A1. هیستوگرام طول مسیر هر فعالیت برای صدک ۹۵ در LMA.

شکل A2. هیستوگرام طول مسیر هر فعالیت برای صدک ۹۵ در SWPT.

منابع

لی، سی.-ال. کیفیت زندگی: چشم انداز تفریحات پارک شهری در سه شهر آسیایی. J. بازآفرینی در فضای باز. تور. ۲۰۲۰ ، ۲۹ ، ۱۰۰۲۶۰٫ [ Google Scholar ] [ CrossRef ]
چو، Y.-T. لی، دی. چانگ، پی.-جی. اثرات کیفیت پارک شهری، ادراک محیطی و فعالیت اوقات فراغت بر رفاه در میان جمعیت سالمند. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۲۱ ، ۱۸ ، ۱۱۴۰۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
فاگرهولم، ن. تورالبا، م. مورنو، جی. ژیراردلو، ام. هرتزوگ، اف. آویرون، اس. برگس، پی. کروس-دوران، جی. فریرو-دومینگز، ن. گریوز، ا. و همکاران تجزیه و تحلیل متقابل سایت مزایای خدمات اکوسیستم درک شده در مناظر چند منظوره. گلوب. محیط زیست تغییر ۲۰۱۹ ، ۵۶ ، ۱۳۴-۱۴۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کوندو، ام سی؛ Fluehr, JM; مک کئون، تی. براناس، سی سی فضای سبز شهری و تاثیر آن بر سلامت انسان. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۸ ، ۱۵ ، ۴۴۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Pietrzyk-Kaszyńska، A.; چپکیویچ، م. Kronenberg, J. استخراج ارزش های غیر پولی فضاهای سبز رسمی و غیررسمی شهری با استفاده از مشارکت عمومی GIS. Landsc. طرح شهری. ۲۰۱۷ ، ۱۶۰ ، ۸۵-۹۵٫ [ Google Scholar ] [ CrossRef ]
سانتوس، تی. نوگیرا مندز، آر. Vasco، A. فعالیت های تفریحی در پارک های شهری: تعاملات فضایی بین کاربران. J. بازآفرینی در فضای باز. تور. ۲۰۱۶ ، ۱۵ ، ۱-۹٫ [ Google Scholar ] [ CrossRef ]
Goodchild، MF Citizens as Sensors: World of Volneered Geography. ژئوژورنال ۲۰۰۷ ، ۶۹ ، ۲۱۱-۲۲۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
باروس، آ. گونت، جی. Pickering، C. تاثیر مسیرهای غیررسمی بر روی پوشش گیاهی و خاک در بالاترین منطقه حفاظت شده در نیمکره جنوبی. جی. محیط زیست. مدیریت ۲۰۱۳ ، ۱۲۷ ، ۵۰-۶۰٫ [ Google Scholar ] [ CrossRef ]
لئونگ، Y.-F. نیوبرگر، تی. جونز، ام. کوهن، بی. Woiderski، B. توسعه یک پروتکل نظارتی برای مسیرهای غیررسمی ایجاد شده توسط بازدیدکنندگان در پارک ملی یوسمیتی، ایالات متحده. محیط زیست مدیریت ۲۰۱۱ ، ۴۷ ، ۹۳-۱۰۶٫ [ Google Scholar ] [ CrossRef ]
چوب، SA; Guerry، AD; نقره، JM; Lacayo, M. استفاده از رسانه های اجتماعی برای تعیین کمیت گردشگری و تفریحات مبتنی بر طبیعت. علمی Rep. ۲۰۱۳ , ۳ , ۲۹۷۶٫ [ Google Scholar ] [ CrossRef ]
رایا، جی.ام. مارتینز-گارسیا، ای. سلما، دی. بازده اقتصادی و اجتماعی سرمایه گذاری در گردشگری پیاده روی: مورد برگوئدا، اسپانیا. تور مسافرتی جی. علامت. ۲۰۱۸ ، ۳۵ ، ۱۴۸-۱۶۱٫ [ Google Scholar ] [ CrossRef ]
Flanagin، AJ; Metzger, MJ اعتبار اطلاعات جغرافیایی داوطلبانه. جئوژورنال ۲۰۰۸ ، ۷۲ ، ۱۳۷-۱۴۸٫ [ Google Scholar ] [ CrossRef ]
Fonte, CC; آنتونیو، وی. باستین، ال. استیما، ج. ارسنجانی، ج. بایاس، J.-CL; ببینید، L. واتسوا، آر. ارزیابی کیفیت داده های VGI. Ubiquity Press ۲۰۱۷ ، ۱۳۷-۱۶۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فودی، جی. ببینید، L. فریتز، اس. مورثی، آی. پرگر، سی. شیل، سی. بوید، دی. فودی، جی. ببینید، L. فریتز، اس. و همکاران افزایش دقت اطلاعات جمع‌سپاری شده در مورد پوشش زمین از طریق یک روش رای‌گیری که با اطلاعات استنتاج شده از داده‌های ارائه‌شده وزن می‌شود. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۸۰٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Goodchild، MF; Li, L. اطمینان از کیفیت اطلاعات جغرافیایی داوطلبانه. تف کردن آمار ۲۰۱۲ ، ۱ ، ۱۱۰-۱۲۰٫ [ Google Scholar ] [ CrossRef ]
Haklay, M. اطلاعات جغرافیایی داوطلبانه چقدر خوب است؟ مطالعه تطبیقی مجموعه داده های نظرسنجی OpenStreetMap و مهمات. محیط زیست طرح. برنامه B دس ۲۰۱۰ ، ۳۷ ، ۶۸۲-۷۰۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فن، اچ. Zipf، A.; فو، س. Neis, P. ارزیابی کیفیت برای ایجاد داده های ردپایی در OpenStreetMap. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۴ ، ۲۸ ، ۷۰۰-۷۱۹٫ [ Google Scholar ] [ CrossRef ]
دورن، اچ. تورنروس، تی. Zipf، A.; دورن، اچ. تورنروس، تی. Zipf، A. ارزیابی کیفیت VGI با استفاده از داده‌های معتبر – مقایسه با داده‌های کاربری زمین در جنوب آلمان. ISPRS Int. J. Geo-Inf. ۲۰۱۵ ، ۴ ، ۱۶۵۷-۱۶۷۱٫ [ Google Scholar ] [ CrossRef ]
هایکینهایمو، وی. Minin، ED; تنکانن، اچ. هاسمن، ا. ارکونن، جی. Toivonen، T. اطلاعات جغرافیایی تولید شده توسط کاربر برای نظارت بر بازدیدکنندگان در پارک ملی: مقایسه داده های رسانه های اجتماعی و نظرسنجی بازدیدکنندگان. ISPRS Int. J. Geo-Inf. ۲۰۱۷ ، ۶ ، ۸۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ببینید، L. فریتز، اس. پرگر، سی. شیل، سی. مک کالوم، آی. شپاچنکو، دی. دوراور، ام. استورن، تی. کارنر، ام. کراکسنر، اف. و همکاران بهره گیری از قدرت داوطلبان، اینترنت و گوگل ارث برای جمع آوری و اعتبارسنجی اطلاعات مکانی جهانی با استفاده از Geo-Wiki. تکنولوژی پیش بینی. Soc. چانگ. ۲۰۱۵ ، ۹۸ ، ۳۲۴-۳۳۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Goodchild، MF; Glennon، JA جمع سپاری اطلاعات جغرافیایی برای واکنش به بلایا: یک مرز تحقیقاتی. بین المللی جی دیجیت. زمین ۲۰۱۰ ، ۳ ، ۲۳۱-۲۴۱٫ [ Google Scholar ] [ CrossRef ]
لنگلی، SA; مسینا، جی پی؛ مور، ن. استفاده از فراکیفیت برای ارزیابی سودمندی اطلاعات جغرافیایی داوطلبانه برای علم. بین المللی J. Health Geogr. ۲۰۱۷ ، ۱۶ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
مینگینی، ام. آنتونیو، وی. Fonte, CC; استیما، ج. اولتئانو-ریموند، A.-M. ببینید، L. لااکسو، ام. اسکوپلیتی، ا. مونی، پی. ارسنجانی، ج. و همکاران ارتباط پروتکل ها برای مجموعه VGI . انتشارات Ubiquity: لندن، بریتانیا، ۲۰۱۷٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
جستیکو، بی. نلسون، تی. Winters, M. نقشه‌برداری سواری با استفاده از داده‌های دوچرخه‌سواری جمع‌سپاری شده. J. Transp. Geogr. ۲۰۱۶ ، ۵۲ ، ۹۰-۹۷٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
مک آرتور، DP; Hong, J. تجسم جایی که دوچرخه‌سواران در حال رفت‌وآمد با استفاده از داده‌های crowdsourced سفر می‌کنند. J. Transp. Geogr. ۲۰۱۹ ، ۷۴ ، ۲۳۳-۲۴۱٫ [ Google Scholar ] [ CrossRef ]
نوگیرا مندز، آر. دیاس، پ. Pereira da Silva، C. پروفایل ترجیحی کاربران MTB در مناطق حفاظت شده از طریق خدمات اشتراک وب. در مجموعه مقالات هفتمین کنفرانس بین‌المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت‌شده، مرکز تفریحی فضای باز جامعه محلی، تالین، استونی، ۲۰ تا ۲۳ اوت ۲۰۱۴٫ صص ۱۶۶-۱۶۸٫ [ Google Scholar ]
نوگیرا مندز، آر. سیلوا، ا. گریلو، سی. روزالینو، ال.ام. دا سیلوا، نظارت بر CP MTB در پارک طبیعی آرابیدا، پرتغال. در مجموعه مقالات ششمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده، استکهلم، سوئد، ۲۱-۲۴ اوت ۲۰۱۲٫ صص ۳۲-۳۳٫ [ Google Scholar ]
نورمن، پی. Pickering، CM استفاده از اطلاعات جغرافیایی داوطلبانه برای ارزیابی بازدید از پارک: مقایسه سه پلت فرم آنلاین. Appl. Geogr. ۲۰۱۷ ، ۸۹ ، ۱۶۳-۱۷۲٫ [ Google Scholar ] [ CrossRef ]
Hochmair، HH; بردین، ای. برآورد حجم سفر با دوچرخه برای شهرستان میامی داد از داده‌های ردیابی استراوا. J. Transp. Geogr. ۲۰۱۹ ، ۷۵ ، ۵۸-۶۹٫ [ Google Scholar ] [ CrossRef ]
اویلا کالاو، آ. پرز آلبرت، ی. Serrano Giné، D. کیفیت ردیابی های GNSS از VGI: یک روش پاکسازی داده ها بر اساس نوع فعالیت و تجربه کاربر. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۷۲۷٫ [ Google Scholar ] [ CrossRef ]
بیزارو، اس. نوگیرا مندز، آر.ام. سانتوس، تی. جولیائو، تحلیل چند معیاره RP پیشنهادی برای احیای مسیرهای اجدادی پارک طبیعی سرا دا استرلا (PNSE). در مجموعه مقالات نهمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده، بوردو، فرانسه، ۲۸ تا ۳۱ اوت ۲۰۱۸؛ Dehez, J., Lambert, G., Ginelli, L., hadj Abdallah, KB, Eds.; Bordeaux Sciences Agro: Bordeaux, France, 2018; صص ۱۴۴–۱۴۶، ISBN 978-2-9551251-1-3. [ Google Scholar ]
پاراکینی، ML؛ زولیان، جی. کوپروینن، ال. میس، جی. Schägner, JP; ترمانسن، ام. زاندرسن، م. پرز سوبا، م. Scholefield، PA; Bidoglio، G. نقشه برداری خدمات اکوسیستم فرهنگی: چارچوبی برای ارزیابی پتانسیل برای تفریح در فضای باز در سراسر اتحادیه اروپا. Ecol. اندیک. ۲۰۱۴ ، ۴۵ ، ۳۷۱-۳۸۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
والدن-شراینر، سی. روسی، اس دی؛ باروس، آ. پیکرینگ، سی. لئونگ، Y.-F. استفاده از عکس‌های جمع‌آوری‌شده برای ارزیابی الگوهای فصلی استفاده بازدیدکنندگان در مناطق حفاظت‌شده کوهستانی. Ambio ۲۰۱۸ ، ۴۷ ، ۷۸۱–۷۹۳٫ [ Google Scholar ] [ CrossRef ]
تلس دا موتا، وی. Pickering، C. ارزیابی محبوبیت سواحل شهری با استفاده از ابرداده از تصاویر رسانه های اجتماعی به عنوان ابزاری سریع برای مدیریت ساحلی. اقیانوس. ساحل. مدیریت ۲۰۲۱ ، ۲۰۳ ، ۱۰۵۵۱۹٫ [ Google Scholar ] [ CrossRef ]
تلس دا موتا، وی. پیکرینگ، سی. جغرافیای گفتمان درباره پارک طبیعی اروپا: بینش‌هایی از تحلیل چند زبانه توییت‌ها. Soc. نات منبع. ۲۰۲۱ ، ۳۴ ، ۱۴۹۲-۱۵۰۹٫ [ Google Scholar ] [ CrossRef ]
براون، جی. سندرز، اس. Reed, P. استفاده از نقشه‌برداری مشارکتی عمومی برای اطلاع‌رسانی برنامه‌ریزی و پهنه‌بندی کاربری عمومی. Landsc. طرح شهری. ۲۰۱۸ ، ۱۷۷ ، ۶۴-۷۴٫ [ Google Scholar ] [ CrossRef ]
گرگ، شناسه; براون، جی. Wohlfart، T. استفاده از مشارکت عمومی GIS (PPGIS) برای اطلاع رسانی و مدیریت تضاد بازدیدکنندگان در مسیرهای چند منظوره. J. Sustain. تور. ۲۰۱۸ ، ۲۶ ، ۴۷۰-۴۹۵٫ [ Google Scholar ] [ CrossRef ]
گرگ، شناسه; وولفارت، تی. براون، جی. Bartolomé Lasa، A. استفاده از GIS مشارکت عمومی (PPGIS) برای مدیریت بازدیدکنندگان پارک: مطالعه موردی دوچرخه سواری در کوهستان. تور. مدیریت ۲۰۱۵ ، ۵۱ ، ۱۱۲-۱۳۰٫ [ Google Scholar ] [ CrossRef ]
سللا، MK; Musakwa، W. پتانسیل داده های strava برای کمک به برنامه ریزی حمل و نقل غیر موتوری (Nmt) در ژوهانسبورگ. طاق ISPRS. ۲۰۱۶ ، XLI-B2 ، ۵۸۷–۵۹۴٫ [ Google Scholar ] [ CrossRef ]
سان، ی. دو، ی. وانگ، ی. Zhuang، L. بررسی ارتباط ویژگی‌های محیطی با رفتار دوچرخه‌سواری تفریحی توسط داده‌های strava در سطح خیابان. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۷ ، ۱۴ ، ۶۴۴٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
اوکسانن، جی. برگمن، سی. ساینیو، جی. Westerholm, J. روش‌هایی برای استخراج و کالیبره کردن نقشه‌های حرارتی حفظ حریم خصوصی از داده‌های برنامه ردیابی ورزشی موبایل. J. Transp. Geogr. ۲۰۱۵ ، ۴۸ ، ۱۳۵-۱۴۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
باله، جی. میلسی، ا. لادو، م. بوروسو، جی. داشبوردی برای حمایت از گردشگری کند در زیرساخت های سبز. یک پیشنهاد روش شناختی در ساردینیا (ایتالیا). پایداری ۲۰۲۰ ، ۱۲ ، ۳۵۷۹٫ [ Google Scholar ] [ CrossRef ]
منیره، س. سنر، در یک مدل رگرسیون وزن‌دار جغرافیایی برای بررسی تغییرات فضایی عوامل اجتماعی-اقتصادی و کاربری زمین مرتبط با فعالیت دوچرخه‌های استراوا در آستین، تگزاس. J. Transp. Geogr. ۲۰۲۰ , ۸۸ , ۱۰۲۸۶۵٫ [ Google Scholar ] [ CrossRef ]
اوبرشت، سی. اوبرشت، دی. اونگار، ج. فریره، اس. Steinnocher، K. VGDI-پیشبرد مفهوم: اطلاعات ژئودینامیک داوطلبانه و مزایای آن برای مدل‌سازی پویایی جمعیت. ترانس. GIS ۲۰۱۷ ، ۲۱ ، ۲۵۳-۲۷۶٫ [ Google Scholar ] [ CrossRef ]
باکی‌الله، م. لیانگ، اس. مبشری، ع. ارسنجانی، ج. Zipf، A. نگاشت جمعیت با وضوح خوب با استفاده از نقاط مورد علاقه نقشه خیابان باز. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۴ ، ۲۸ ، ۱۹۴۰-۱۹۶۳٫ [ Google Scholar ] [ CrossRef ]
پاتل، NN; استیونز، FR; هوانگ، ز. Gaughan، AE; الیازار، آی. Tatem, AJ بهبود نقشه برداری جمعیت منطقه بزرگ با استفاده از تراکم Geotweet. ترانس. GIS ۲۰۱۷ ، ۲۱ ، ۳۱۷-۳۳۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
مونتیرو، ال. دا سیلوا، CP; نوگیرا مندز، آر. Vitek, O. Monitorização de Actividades Recreativas Em Áreas Protegidas Com Recurso a Serviços de Partilha On-Line: Estudo Comparativo Entre Portugal ea República Checa. در مجموعه مقالات X Congresso da Geografia Portuguesa، لیسبون، پرتغال، ۹ تا ۱۲ سپتامبر ۲۰۱۵; صص ۶۱۵-۶۲۰٫ [ Google Scholar ]
Campelo, MB Caracterização do BTT no Parque Natural de Sintra-Cascais: Um Contributo Para a Revisão da Carta de Desporto desporto de Natureza do PNSC. پایان نامه کارشناسی ارشد، دانشگاه لیسبون، لیسبون، پرتغال، ۲۰۱۵٫ [ Google Scholar ]
لوین، ن. Lechner, AM; براون، جی. ارزیابی اطلاعات جمع‌سپاری شده برای ارزیابی بازدید و اهمیت درک شده از مناطق حفاظت‌شده. Appl. Geogr. ۲۰۱۷ ، ۷۹ ، ۱۱۵-۱۲۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Roque، BF; نوگیرا مندز، آر. Magalhães، MF; Pereira da Silva، C. نظارت بر پیاده‌روها و کوهنوردان جزیره مادیرا از طریق خدمات اشتراک‌گذاری وب. در مجموعه مقالات نهمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده: تفریح، مکان و توسعه محلی، بوردو، فرانسه، ۲۸ تا ۳۱ اوت ۲۰۱۸؛ Dehez, J., Lambert, G., Ginelli, L., hadj Abdallah, KB, Eds.; Bordeaux Sciences Agro: Bordeaux, France, 2018; صص ۷۷–۷۹، ISBN 978-2-9551251-1-3. [ Google Scholar ]
سانتوس، تی. Nogueira Mendes، RM Exploração de Usos Turísticos Na Área Metropolitana de Lisboa a Partir de Informação Geográfica Voluntária. در مجموعه مقالات بیست و پنجمین کنگره APDR، لیسبون، پرتغال، ۵ تا ۶ ژوئیه ۲۰۱۸؛ صص ۵۱۱-۵۱۶٫ [ Google Scholar ]
ملاقه، ا. گالپرن، پی. دویل بیکر، پی. اندازه گیری استفاده از فضای سبز با توابع انتخاب منابع شهری: برنامه ای با استفاده از مکان های GPS گوشی های هوشمند. Landsc. طرح شهری. ۲۰۱۸ ، ۱۷۹ ، ۱۰۷-۱۱۵٫ [ Google Scholar ] [ CrossRef ]
نوگیرا مندز، آر. Pereira da Silva، C. نگاهی به فعالیت های تفریحی در مناطق حفاظت شده با استفاده از vgi از خدمات اشتراک گذاری وب. در مجموعه مقالات نهمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده (MMV9)، بوردو، فرانسه، ۲۸ تا ۳۱ اوت ۲۰۱۸؛ Dehez, J., Lambert, G., Ginelli, L., hadj Abdallah, KB, Eds.; Bordeaux Sciences Agro: Bordeaux, France, 2018; صفحات ۱۴۰–۱۴۲، ISBN 978-2-9551251-1-3. [ Google Scholar ]
Instituto Nacional de Estatistica, Censos. ۲۰۱۱٫ در دسترس آنلاین: http://censos.ine.pt/xportal/xmain?xpgid=censos2011_apresentacao&xpid=CENSOS (در ۸ نوامبر ۲۰۱۸ قابل دسترسی است).
Instituto Nacional de Estatística—Estatísticas do Turismo: 2017. Lisboa: INE. ۲۰۱۸٫ ISSN 0377-2306. شابک ۹۷۸-۹۸۹-۲۵-۰۴۴۷-۶٫ در دسترس آنلاین: https://www.ine.pt/xurl/pub/320462327 (در ۸ دسامبر ۲۰۲۱ قابل دسترسی است).
Turismo de Portugal Estatísticas|Dormidas 2014-2018. در دسترس آنلاین: http://travelbi.turismodeportugal.pt/pt-pt/Paginas/PowerBI/dormidas.aspx (در ۸ نوامبر ۲۰۱۸ قابل دسترسی است).
رئیس، دی. نلسون، تی. وینترز، م. Ferster، CJ استفاده از داده‌های جمع‌سپاری برای نظارت بر تغییر الگوهای فضایی دوچرخه‌سواری. J. Transp. سلامت ۲۰۱۸ ، ۹ ، ۲۲۶-۲۳۳٫ [ Google Scholar ] [ CrossRef ]
سیلورمن، تخمین چگالی BW برای آمار و تجزیه و تحلیل داده ها. در تک نگاری های آمار و احتمال کاربردی ; چپمن و هال: لندن، بریتانیا، ۱۹۸۶; پ. ۲۲٫ شابک ۰-۴۱۲-۲۴۶۲۰-۱٫ [ Google Scholar ]
کامپلو، مگابایت؛ Nogueira Mendes، RM مقایسه خدمات اشتراک اینترنتی برای ارزیابی استفاده از دوچرخه کوهستان در مناطق حفاظت شده. J. بازآفرینی در فضای باز. تور. ۲۰۱۶ ، ۱۵ ، ۸۲-۸۸٫ [ Google Scholar ] [ CrossRef ]
براونینگ، MHEM. استرن، ام جی; آردوین، NM; Heimlich، JE عواملی که به حمایت اعضای جامعه از مراکز طبیعی محلی کمک می کنند. محیط زیست آموزش. Res. ۲۰۱۸ ، ۲۴ ، ۳۲۶-۳۴۲٫ [ Google Scholar ] [ CrossRef ]
فرومل، ک. کودلاچک، م. گروفیک، دی. سووزیل، ز. سیمونک، ا. Garbaciak، W. ترویج سبک زندگی سالم و رفاه در نوجوانان از طریق فعالیت بدنی در فضای باز. بین المللی جی. محیط زیست. Res. بهداشت عمومی ۲۰۱۷ ، ۱۴ ، ۵۳۳٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
ویتون، ب. معرفی مصرف و بازنمایی ورزش سبک زندگی. اجتماعی ورزشی ۲۰۱۰ ، ۱۳ ، ۱۰۵۷-۱۰۸۱٫ [ Google Scholar ] [ CrossRef ]
جولیائو، RP; والنته، ام. Nogueira Mendes, R. مسائل مربوط به دوندگان تریل، دویدن در مسیر و مناطق تفریحی و حفاظت شده در پرتغال. در مجموعه مقالات نهمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده، بوردو، فرانسه، ۲۸ تا ۳۱ اوت ۲۰۱۸؛ Dehez, J., Lambert, G., Ginelli, L., hadj Abdallah, KB, Eds.; Bordeaux Sciences Agro: Bordeaux, France, 2018; صفحات ۳۰۱–۳۰۴، ISBN 978-2-9551251-1-3. [ Google Scholar ]
Martins، GF de، M. Caracterização da Atividade de Geocaching no Parque Natural da Arrábida. پایان نامه کارشناسی ارشد، دانشگاه لیسبون، لیسبون، پرتغال، ۲۰۱۴٫ [ Google Scholar ]
بل، اس. Tyrväinen، L. سیوانن، تی. پروبستل، یو. سیمپسون، ام. تفریح در فضای باز و گردشگری طبیعت: چشم انداز اروپایی. زندگی کشیش Landsc. Res. ۲۰۰۷ ، ۱ ، ۱-۴۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
سوگیاما، تی. تامپسون، CW محیط های بیرونی، فعالیت و رفاه افراد مسن: مفهوم سازی حمایت از محیط زیست. محیط زیست Plan A ۲۰۰۷ , ۳۹ , ۱۹۴۳-۱۹۶۰٫ [ Google Scholar ] [ CrossRef ]
نقشه حرارتی جهانی Strava. در دسترس آنلاین: https://www.strava.com/heatmap (در ۸ نوامبر ۲۰۱۸ قابل دسترسی است).
نوگیرا مندز، آر.ام. Pereira da Silva, C. رویدادهای دوچرخه سواری کوهستان را در مناطق حفاظت شده پیرامون شهری سازماندهی کرد. تعداد آنها خیلی زیاد است؟ در مجموعه مقالات هشتمین کنفرانس بین المللی نظارت و مدیریت بازدیدکنندگان در مناطق تفریحی و حفاظت شده، نووی ساد، صربستان، ۲۶ تا ۳۰ سپتامبر ۲۰۱۶٫ صص ۱۶۶-۱۶۸٫ [ Google Scholar ]
چن، سی. Tsai، L.-T. لین، سی.-ف. هوانگ، سی.-سی. چانگ، Y.-T. چن، R.-Y.; لیو، اس.-ای. عوامل مؤثر بر علاقه به مشارکت در ورزش های تفریحی و نابرابری روستایی- شهری آن. PLoS ONE ۲۰۱۷ , ۱۲ , e0178052. [ Google Scholar ] [ CrossRef ] [ PubMed ]
مونی، پی. سان، اچ. Yan, L. VGI به عنوان منبع داده به‌روزرسانی پویا در سرویس‌های مبتنی بر مکان در محیط‌های شهری. در مجموعه مقالات دومین کارگاه بین المللی در همه جا جمع گردانی، پکن، چین، ۱۸ سپتامبر ۲۰۱۱; ACM: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۱; صص ۱۳-۱۶٫ [ Google Scholar ]
ماسا، پی. Campagna، M. یکپارچه سازی اطلاعات جغرافیایی معتبر و داوطلبانه برای برنامه ریزی فضایی. در کتاب راهنمای اروپایی اطلاعات جغرافیایی جمع‌سپاری شده ; Ubiquity Press: لندن، انگلستان، ۲۰۱۶; ص ۴۰۱-۴۱۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
میلهولند، ن. Pultar، E. برنامه نقشه هنر عمومی سانفرانسیسکو: استفاده از VGI و رسانه های اجتماعی برای تکمیل منابع داده های سازمانی. در مجموعه مقالات اولین کارگاه بین المللی ACM SIGSPATIAL در مورد MapInteraction، نیویورک، نیویورک، ایالات متحده آمریکا، ۵ نوامبر ۲۰۱۳٫ ACM: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۳; صص ۴۸-۵۳٫ [ Google Scholar ]

شکل ۱٫ مناطق مورد مطالعه در پرتغال و مسیر بزرگ موجود – روتا ویسنتینا .

شکل ۲٫ چارچوب مفهومی برای ارزیابی فعالیت های تفریحی یک کلانشهر و یک منطقه روستایی با استفاده از VGI. خطوط یکپارچه نشان دهنده تجزیه و تحلیل مستقیم و خطوط نقطه چین نشان دهنده رویکردهای ثانویه تولید شده از مجموعه داده است.

شکل ۳٫ فصلی بودن مسیرهای ارسال شده توسط اتباع و خارجی ها در GPSies، در منطقه شهری لیسبون و جنوب غربی پرتغال.

شکل ۴٫ نمودارهای جعبه طول مسیر برای هر فعالیت، برای صدک ۹۵، در مناطق مورد مطالعه. میله ها نشان دهنده چارک دوم و سوم و X مخفف فاصله های متوسط است.

شکل ۵٫ شدت استفاده، حاصل از تجزیه و تحلیل تراکم خط فعالیت های تفریحی «روی پا» و «روی چرخ» در LMA.

شکل ۶٫ شدت استفاده، که از تجزیه و تحلیل تراکم خط فعالیت های تفریحی «پیاده» و «روی چرخ» در SWPT ایجاد شده است.

شکل ۷٫ ردیابی مطابقت با Grand Routes در SWPT. جزئیات برای محبوب ترین بخش های Rota Vicentina ارائه شده است: ( الف ) مسیر ماهیگیر “Almograve” Zambujeira do Mar”. ( ب ) راه تاریخی «Odemira» S. Teotónio.

ونوس نصیرفام

4 ژانویه 2023

مقالات