網絡大數據技術在古典園林規(guī)劃中的應用

王晨雨　常雪松　潘運偉　董宇恒　王彬汕

古典園林的服務對象在當代發(fā)生了顯著變化，從歷史上為少數達官顯貴服務變成為當代為人民大眾服務。由于服務對象發(fā)生變化，所以知名園林景區(qū)在高峰期發(fā)生擁堵擁擠的現象屢見不鮮。頤和園是中國古典園林的杰出代表，是北京古都文化旅游的核心景區(qū)之一，目前也存在高峰超載、客流時空分布不均等問題。本文以網絡大數據為基礎，揭示了頤和園游人空間分布特點和游線組織特征：第一，頤和園游人分布呈現北多南少，東多西少的特點;第二，游人線路組織主要有5條，其中北宮門——佛香閣——東宮門一線比例最大;第三，北宮門與佛香閣，長廊西與石舫，南湖島與十七孔橋三組景點的關聯度最大。

引言

頤和園是中國古典園林的杰出代表，坐落在北京西郊，占地約290 hm2，是三山五園的核心組成部分。頤和園2017年接待1 700萬人次游人（含免票游人），是北京接待游人最多的景區(qū)。如此大的客流給頤和園的游人管理帶來極大壓力。一是高峰超載，小長假和黃金周期間日均接待游人量一般超過12萬人次，遠遠超過《頤和園總體規(guī)劃》所核定的日容量6.1萬人次游人量。二是時空分布不均，突出表現為北多南少，東多西少，同時核心景點游人超載，給遺產保護帶來比較大的隱患。

目前，學術界對頤和園的客流不平衡問題的關注較少。黃瀟婷（2009）研究了頤和園六類客流流向，但對游人的時空分布特點研究不足。她還以GPS追蹤調查的數據為基礎，比較了其與傳統(tǒng)的活動日志調查方法的利弊。黎巎（2014）運用Agent模型探索頤和園全園客流預測與調控的方法。本文結合《頤和園風景區(qū)總體規(guī)劃》編制工作，重點介紹在頤和園中運用大數據研究客流的技術方法和主要結論。

一、技術路線與方法

（一）數據來源

以全網游記數據為基礎，包括攜程、馬蜂窩、去哪兒、同程、窮游和貓途鷹等旅游網站抓取頤和園相關的游記文本素材，得到50 00余篇游記，共約300萬字文本素材。

（二）技術流程

技術流程步驟包括數據抓取、數據清洗、軌跡抽取和軌跡分析幾個部分。

1.數據抓取

利用八爪魚等網頁爬蟲工具獲取頤和園游記數據。首先了解每個游記網站的網頁結構，利用XPath導航找準網頁中的標題、正文和其它結構化數據的節(jié)點位置，并在爬蟲軟件中設置自動翻頁、列表循環(huán)、詳細頁進入、文本定位和數據抓取等流程，通過Ajax（主要用于頁面的異步加載）、休眠時間和特殊錨點定位等動作調試流程無誤后，進行頤和園游記數據的自動采集和抓取。

2.數據清洗

對游記文本數據進行本地篩選處理。刪除重復內容，刪除按照正則表達式抽取出的網站模板和廣告等無效數據，刪除過短或純符號等無意義素材，最后共得到的5 000余篇（即5 000余條行程），共約300萬字游記素材，保存為純文本格式文件。

3.軌跡抽取

利用excel進行軌跡抽取。將已經掌握的全部頤和園景點和停留節(jié)點作為行內容，將每一條行程作為列內容，利用find函數查找每個節(jié)點是否出現在每條行程中，以及出現的具體字節(jié)位置，根據出現的字節(jié)位置進行排序構成單條行程中的游人軌跡。對5000條行程進行相同操作，形成5 000條游人軌跡。如圖1所示。

4.軌跡分析

以客流軌跡線路圖為基礎，對客流軌跡進行聚類分析、軌跡密度分析、關聯力分析。其中，聚類分析可獲取游人的主要游線，軌跡密度分析能夠反映游人的空間分布特點，關聯力分析可以揭示兩兩景點之間的聯系強度。

二、游人分布特征

（一）客流軌跡

通過聚類分析，排除明顯不合理的線路“噪音”后，共得出5條主要線路如下。

線路1：東宮門—長廊—佛香閣—萬壽山—蘇州街—北宮門。

線路2：北宮門—蘇州街—萬壽山—佛香閣—石舫—仁壽殿—十七孔橋—新建宮門。

線路3：新建宮門—南湖島—石舫—長廊—仁壽殿—東宮門。

線路4：東宮門—長廊—石舫—長廊—東宮門。

線路5：南如意門—南湖島—文昌院—長廊—佛香閣—北宮門。

游人主要線路見圖1。

從客流軌跡反映的情況來看，主要有如下各個特點：線路1是游人選擇最多的游線，其次為線路4;經過西堤、山后地區(qū)的游覽線路比較少;游人出入口主要集中在北宮門、東宮門，新建宮門、南如意門次之。這些特點出現的主要原因在于地鐵4號線在北宮門設站，北京觀光三線的終點站也位于北宮門。東宮門是頤和園正門，一般游人會選擇東宮門出入頤和園，另外東宮門外有公交場站和停車場，游人來此也比較方便，因此，從東宮門出入的游人較多。新建宮門距離頤和園核心景點南湖島較近，因此，也有不少游人選擇從新建宮門出入。從南如意門出入的游人主要來自于長河、昆玉河游船的游人。

（二）客流密度

從客流軌跡密度來看，主要呈現如下幾個特點。

首先，頤和園客流整體呈現北密南疏，東多西少的特點。客流軌跡密度見圖2。

其次，圖2中的線路1是游人最多的一條線路，即北宮門—蘇州街—佛香閣—長廊—東宮門。

最后，所有游線都經過長廊一線，這也是造成長廊旅游高峰期較為擁堵的重要原因。除此之外，當地的熱門景點還有南湖島、玉瀾堂、東宮門等，在旅游旺季，過大的游客量給文物和遺產保護帶來較大壓力。

（三）景點關聯度

關聯景點反映的是游人線路組織過程中的景點聯系強度特征。從圖3反映的情況來看，主要有3組關聯度比較密切的景群，分別是北宮門—佛香閣、長廊西—石舫、南湖島—十七孔橋。此外，北宮門—石舫、北宮門—長廊西、北宮門—東宮門和新建宮門—十七孔橋等景點的聯系度也比較緊密。

景點間聯系越緊密，2個景點間聚集的游人密度就越高，基于微博數據所作的游人熱力圖也直接證明了這點（圖4）。上述3組關聯度比較強烈的景點，極易在旅游高峰期形成擁堵，需要相關人員在實際管理中妥善應對，以保障旅游安全和遺產安全。

三、結論與討論

本文以網絡大數據為基礎，揭示了頤和園游人空間分布特點和游線組織特征。作為一種新的技術方法，網絡大數據技術具有數據開放、展示直觀、費用低廉等優(yōu)點，能夠有效展示游人分布特征和游線組織形式，無論在古典園林規(guī)劃設計，還是在園林和公園管理方面都具有非常重大的意義。在古典園林規(guī)劃設計方面，其分析結果能夠為空間和線路調整提供支撐;在園林和公園管理方面，能夠促進古典園林和公園管理升級，從而提高游人的游覽品質。

網絡大數據在揭示游人空間部分方面具有一定優(yōu)勢，通過頤和園的案例可知，其也呈現出較好的效果。其不足之處在于以下幾點。第一，數據的有效性問題。目前一些旅游網站上存在營銷“軟文”的現象，即不是真實的游人所寫的文章，這部分數據會對結果產生影響，但影響到何種程度還有待于進一步研究。第二，網絡大數據雖能夠比較好地反映空間方面的特征，但不能反映時間特征，未來人們可以結合手機信令的實時數據進行進一步優(yōu)化。

（作者單位：北京清華同衡規(guī)劃設計研究院有限公司旅游與風景區(qū)規(guī)劃所）