大型演唱會舉辦城市粉絲群體的交通出行特征研究

劉永樂 張景秋

[摘 要]? 中國社會進(jìn)入新的發(fā)展階段，人們對美好生活的追求日趨多元，各類文化活動成為人們?nèi)粘Ｉ钪械闹匾M成部分，其中，演唱會因其時間明確、場所固定、同好陪伴等特點(diǎn)成為文化活動中值得關(guān)注的一種類型。與此同時，大型演唱會因其舉辦場所容量大、歌手粉絲群體數(shù)量多等特點(diǎn)，對舉辦城市當(dāng)日的交通會產(chǎn)生一定的影響。在此背景下，選擇北京作為典型案例城市，選取兩個不同類型歌手在同一場地的大型演唱會，通過手機(jī)數(shù)據(jù)，探測居住工作在北京的粉絲群體，其在演唱會當(dāng)日和平常時日的交通出行特征，以期對城市交通精細(xì)化管理提供研究和案例支撐。研究發(fā)現(xiàn)：1）演唱會對舉辦城市粉絲群體的交通出行產(chǎn)生顯著影響，主要表現(xiàn)在出行方式的選擇上，更側(cè)重軌道交通出行，出行量較平常時日有明顯增加。2）與演唱會當(dāng)日比較，粉絲群體平常時日的交通出行距離更遠(yuǎn)，出行時間更長，各項活動出行總量降低。3）從居住地—工作地—活動地的出行鏈來看，粉絲群體日常出行主要集中于活動地及居住地，工作地出行量相對偏少。4）演唱會對舉辦城市的交通影響與演唱會粉絲群體構(gòu)成無直接相關(guān)性。

[關(guān)鍵詞] 交通出行;文化活動;文化事件;手機(jī)信令數(shù)據(jù);交通管理

[中圖分類號] U 491.1? [文獻(xiàn)標(biāo)志碼] A? [文章編號] 1005-0310（2021）04-0034-06

A Study on the Travel Characteristics of Fans in Cities Hosting

Large-scale Concerts： a Case Study of Beijing

LIU? Yongle， ZHANG? Jingqiu

（College of Applied Arts and Science， Beijing Union University， Beijing 100191， China）

Abstract： As Chinese society enters a new stage of development， peoples pursuit of a better life is becoming more and more diverse. All kinds of cultural activities have become an important part of peoples daily life. Among them， concerts have become a type of cultural activities worthy of attention because of their clear time， fixed place and good company. At the same time， large-scale concerts have a certain impact on the traffic of the host city on that day because of their large capacity of venues and large number of singer fans. In this context， taking Beijing as a typical case city， this paper selects two large-scale concerts of different types of singers in the same venue， and detects the traffic characteristics of fans living and working in Beijing on the day of the concert and ordinary days through mobile phone data， in order to provide research and case support for the fine management of urban traffic. It is found that： 1） The concert has a significant impact on the transportationof fans in the host city， which is mainly reflected in the choice of travel modes. Compared with ordinary days， the choice of public transportation， especially rail transportation， significantly increased; 2） Compared with the concert day， the average travel distance of the fan group in daily traffic is longer and takes more time. Although the daily travel volume of the fan group reduced， the travel distance on the activity day is longer. 3） The daily travel of concert fans is mainly concentrated in the activity place and residence from the perspective of activity place， residence and work place， and the travel volume in the work place is relatively small. 4） The traffic impact of the concert on the host city has no direct correlation with the composition of concert fans.

Keywords： Transportation;Cultural activities;Cultural events;Mobile aata;Traffic control

0 引言

自20世紀(jì)七八十年代開始，演唱會就成為評價城市文化軟實(shí)力的重要指標(biāo)[1]。在我國，隨著城市經(jīng)濟(jì)社會的快速發(fā)展，人們對文化多元化需求的日趨增長，演唱會也成為了中國城市文化活動的重要組成部分。千人以上的大型演唱會，也包括大型體育賽事和節(jié)慶活動等城市大型活動，因在同一時間同一地點(diǎn)大量人群的出入，對舉辦場館及其周邊，乃至城市整體交通造成一定的影響，成為城市地理和交通管理關(guān)注的研究話題。1988年，美國聯(lián)邦公路局（FHWA）將大型活動解釋為計劃性特殊事件（planned special events），即在已規(guī)劃的特定的時間和地點(diǎn)發(fā)生的能引起交通需求非正常增長的特殊事件，包括體育賽事、演唱會、游行集會、國家慶典等[2]。

我國2008年北京申辦奧運(yùn)會成功后，出現(xiàn)了對北京奧運(yùn)會期間的交通預(yù)測及交通規(guī)劃組織研究[3]。通過文獻(xiàn)梳理還發(fā)現(xiàn)，對于大型活動與城市交通的關(guān)聯(lián)性研究主要集中在交通影響分析、交通組織與管理、交通疏散及交通流、交通需求預(yù)測等方面。例如，選用不同評價指標(biāo)表示活動對交通的影響程度[4]，從影響的形式、機(jī)制、決定因素等方面綜合分析道路交管措施對周邊路網(wǎng)交通的影響[5]，大型活動交通影響評價特點(diǎn)及大型活動交通管理的影響因素分析[6]，以及大型活動對社區(qū)交通和當(dāng)?shù)鼐用袢粘Ｉ畹挠绊懺u價[7]。在大型活動期間的交通組織與管理方面，通過設(shè)計大型活動的具體交通組織與管理流程，探討大型活動期間的出行需求管理和交通組織原則[8]，大型活動的交通組織和管理方法與基本步驟[9-10]。在交通疏散方面，構(gòu)建基于人流預(yù)測的大型活動散場交通疏散模型[11]，大型活動消散過程中交通流分布狀況[12]，以及舉辦大型活動產(chǎn)生的城市交通需求預(yù)測及其實(shí)施效果[13-17]，從而為交通管制預(yù)案提供一定的科學(xué)依據(jù)。近年來，隨著地理大數(shù)據(jù)挖掘與分析技術(shù)的不斷豐富，研究者利用公共交通卡數(shù)據(jù)調(diào)查大型活動的城市交通影響[18]，預(yù)測大型活動期間的城市交通影響及交通出行模式[19-20]，以及大型足球賽事球迷空間行為特征分析[21]，大型活動場館周圍的交通預(yù)測和交通分配模型的建立[22]等。

綜上所述，大型演唱會作為城市文化活動的重要組成部分，對城市居民的生活和交通出行以及城市交通管理都或多或少產(chǎn)生了一定的影響。北京作為全國文化中心，舉辦大型演唱會與城市交通管理的關(guān)系密切且具有代表性。

1 數(shù)據(jù)與方法

1.1 研究對象的選取

根據(jù)大型活動的分類[2]，本文所述大型演唱會屬于在固定場所舉辦，離散、不連續(xù)或可重現(xiàn)的活動，其具備的典型特征包括：特定的開始時間和可預(yù)測的結(jié)束時間，可預(yù)測的集中高峰到達(dá)/消散交通流率，可預(yù)知場館容量，通過提前售票可輔助預(yù)測觀眾需求，舉辦時可能與城市日常通勤交通發(fā)生沖突等。根據(jù)2019年北京市不同類型文化活動分布[23]可知，北京市現(xiàn)場演出類活動多集中在7月、8月舉辦，且北京工人體育場作為大型體育場館和演藝活動場地，據(jù)不完全統(tǒng)計，2018—2019年累計舉辦了各類大型文體活動近50場，是北京重要的文體活動場所，且工體位于北京朝陽區(qū)東二、三環(huán)之間，周邊分布有居住小區(qū)、寫字樓、使館區(qū)、醫(yī)院等，地面交通多呈現(xiàn)擁堵狀態(tài)。考慮到研究樣本的代表性和有效性，本研究選取了2018年7月、8月分別在工人體育場舉辦的兩場不同年齡和不同風(fēng)格流行音樂歌手的演唱會，演唱會1舉辦時間是7月14日（周六）19：30—21：30，演唱會2舉辦時間是8月24日（周五）19：30—21：30，利用手機(jī)信令數(shù)據(jù)，比較2場演唱會的粉絲群體在演唱會舉辦當(dāng)日及其平常時日的交通出行特征。同時，比較演唱會舉辦日期在周六日和周五對城市交通的影響。

1.2 研究數(shù)據(jù)及方法

根據(jù)前人研究可知，手機(jī)信令數(shù)據(jù)作為一種新型的大數(shù)據(jù)源，可通過特定基站實(shí)時追蹤手機(jī)用戶的位置、狀態(tài)等信息，實(shí)現(xiàn)對手機(jī)用戶移動軌跡的完整記錄，其為篩選特定人群提供了可能[21]。

本研究選用經(jīng)過脫敏處理，且不涉及任何個人隱私信息的手機(jī)信令數(shù)據(jù)，僅使用數(shù)據(jù)供應(yīng)商提供的加密用戶ID、基站編號、位置、時間等屬性，篩選2場演唱會且居住在北京本地的粉絲群體。識別過程如下：

1）基于位置的篩選：基于基站密度生成位置網(wǎng)格，通過工人體育場wkt空間信息篩選出工人體育場空間范圍內(nèi)所包含的位置網(wǎng)格及其對應(yīng)網(wǎng)格坐標(biāo)。

2）演唱會識別：篩選出坐標(biāo)位于所選位置網(wǎng)格范圍內(nèi)，時間記錄為演唱會前30 min到演唱會結(jié)束后30 min之間的手機(jī)數(shù)據(jù)，

若有1h以上駐留記錄且除去位置駐留類型為工作地以及居住地的人群，其中駐留是指早上第一個位置、晚上最后一個位置、其他時間在同一地點(diǎn)觸發(fā)了多次信令且起止間隔超過30 min的位置，被識別為有效的駐留。個人的位置駐留類型（居住地、工作地、到訪地）是由數(shù)據(jù)供應(yīng)商根據(jù)算法自動進(jìn)行識別標(biāo)記。選取1h以上駐留記錄是考慮到位于工人體育場中的粉絲在演唱會期間應(yīng)該至少有1h以上的停留時長。同時考慮到演唱會具有提前進(jìn)場時間與延遲退場時間，故在1h以上的停留時長基礎(chǔ)上疊加了演唱會舉辦前后30 min的時長。

3）研究的主體數(shù)據(jù)篩選結(jié)果：通過以上識別步驟，識別出演唱會1粉絲群體2 662人，演唱會2粉絲群體2 170人，以及個體出行時間、交通方式、位置點(diǎn)坐標(biāo)和位置駐留類型等出行記錄。

4）誤差說明：根據(jù)2018年數(shù)據(jù)供應(yīng)商財務(wù)報表分析顯示，其市場占有率為20.41%，在默認(rèn)參加演唱會粉絲都攜帶手機(jī)的前提下，可識別的演唱會粉絲群體數(shù)大約為真實(shí)人數(shù)的20%。結(jié)合演唱會售票和上座率的統(tǒng)計分析，識別人數(shù)可以達(dá)到演唱會上座人數(shù)的20%～30%，可初步判斷該識別過程具有較高的可靠性。

2 演唱會粉絲出行交通特征

基于上述數(shù)據(jù)篩選方法識別出演唱會1粉絲群體，根據(jù)加密用戶ID提取出演唱會1粉絲群體在演唱會日（7月14日）的出行記錄，以及其相鄰周（7月19日—7月22日）的平常日均出行記錄。同理，通過加密用戶ID提取出演唱會2粉絲群體在演唱會日（8月24日）的出行記錄，以及其相鄰周（8月13日—8月19日）的平常日均出行記錄。

2.1 交通出行方式

為探究演唱會對其粉絲群體出行交通方式的影響，根據(jù)出行記錄，分別統(tǒng)計對比演唱會當(dāng)日的出行交通方式占比和該群體平常日均出行方式交通占比（表1）。由此可見，兩場演唱會當(dāng)日的粉絲群體，其活動出行次數(shù)高于其平常日均活動次數(shù)兩倍以上，演唱會對粉絲群體的

交通出行造成了重要影響。兩場演唱會當(dāng)日其粉絲群體的

地面交通出行占比均達(dá)76%，軌道交通出行占比均達(dá)23%;而其粉絲群體平常日均地面交通出行占比均為82%左右，平常日均軌道交通出行占比均為18%左右，說明了其粉絲群體在平常時日的活動出行更偏向選擇地面交通出行，而演唱會的舉辦造成了部分粉絲群體選擇軌道交通出行方式的增多，這可能是由于演唱會對地面交通造成影響，導(dǎo)致部分粉絲群體轉(zhuǎn)向選擇更為穩(wěn)定的軌道交通。此外，對比兩場演唱會粉絲出行交通方式占比，可以發(fā)現(xiàn)在演唱會當(dāng)日及平常日均出行兩個場景中，兩粉絲群體的出行交通方式占比基本一致，并不受演唱會粉絲群體構(gòu)成特征的影響。2.2 交通出行時距

統(tǒng)計對比兩場演唱會粉絲群體在不同場景下的交通出行時距特征（表2）可知，相對于演唱會當(dāng)日出行，在平常日均出行場景下，兩場演唱會粉絲群體其公路及軌道交通出行距離更遠(yuǎn)、出行時長更久，演唱會的舉辦導(dǎo)致了粉絲群體演唱會當(dāng)日交通出行與日常交通出行特征的差異。而根據(jù)表1可知粉絲群體在平常日均出行場景下的出行次數(shù)更低，這說明在平常由于不受演唱會活動的影響，其粉絲群體雖然出行次數(shù)降低，但活動出行距離增加了。

2.3 粉絲群體年齡的影響

為進(jìn)一步探究演唱會對粉絲群體出行的交通影響，本文提取了所識別出的演唱會1粉絲群體及演唱會2粉絲群體其年齡段分布（圖1），可知兩場演唱會在18歲以下、30～39歲、50～59歲及60歲?以上年齡段的粉絲群體其年齡段構(gòu)成接近。在19～29歲年齡段，演唱會1粉絲群體比演唱會2粉絲群體高出9%，在40～49歲年齡段，演唱會1粉絲群體比演唱會2粉絲群體低5%。總體上，兩場演唱會粉絲群體年齡構(gòu)成具有差異，然而在演唱會及平常出行中，兩場演唱會其粉絲群體的交通方式占比基本一致，這說明演唱會這類活動造成了其粉絲群體出行的交通影響，演唱會對交通的影響與其粉絲群體及其年齡構(gòu)成無關(guān)。

3 演唱會粉絲的出行分布特征

為進(jìn)一步探究粉絲群體演唱會日及平常日均出行場景下的出行分布特征差異，以兩場演唱會粉絲群體為基礎(chǔ)對象，識別了其演唱會當(dāng)日及平常日均出行場景下6時至24時的粉絲群體出行記錄，將演唱會粉絲群體出行記錄分時段統(tǒng)計，按照出行到訪類型統(tǒng)計兩場演唱會粉絲群體的活動地—居住地—工作地分布特征（圖2，圖3），其中活動地是指識別手機(jī)用戶完整出行鏈后，剔除居住地和工作地的到訪地記錄

。從演唱會日與平常時日的粉絲群體出行活動對比來看，兩場演唱會當(dāng)日粉絲群體出行量遠(yuǎn)高于其平常日均出行量，這也印證了演唱會活動造成的交通出行影響。

根據(jù)活動地—居住地—工作地的分布來看，粉絲群體日常出行類型的出行量分布更為均勻，兩場演唱會粉絲群體總體出行量分布更集中于活動地及居住地，工作地出行量相對偏少。從各時段出行量分布來看，兩場演唱會其粉絲群體出行量分布較為一致，由于演唱會的原因而都集中于活動地，隨著演唱會時間臨近，出行量逐漸增多，于17時、18時到達(dá)頂峰。而隨著演唱會的開始，粉絲群體已集中于工人體育場，活動地的出行量迅速跌至低谷，至演唱會散場，粉絲群體活動地

的出行量又出現(xiàn)增加。而粉絲群體平常日均出行量則隨著時間在17時、18時到達(dá)頂峰，隨即逐漸下降。其中，演唱會2粉絲群體平常出行的居住地和工作地出行量分布于7時、8時、9時，以及17時、18時、19時出現(xiàn)“雙高峰”現(xiàn)象，這可能是由于其粉絲群體上下班所造成的。而演唱會1粉絲群體出行量分布并沒有出現(xiàn)上下班時間的“雙高峰”現(xiàn)象，這可能是由于粉絲群體間的差異造成的。

4 結(jié)論

本文通過對手機(jī)信令數(shù)據(jù)的分析，研究了兩場演唱會所識別出來的演唱會粉絲群體的交通出行特征、出行活動分布特征以及演唱會對交通出行的影響，探究了演唱會粉絲群體的活動特征及其交通影響。對于演唱會粉絲群體的活動特征有了更加深入的了解，也為探究粉絲群體的出行活動與城市交通之間的影響嘗試了新的途徑，以此來為城市大型活動的管控、城市大型活動設(shè)施的規(guī)劃選址等問題提供一些參考。

需要說明的是，由于手機(jī)基站的平均間距為500 m，因此在手機(jī)基站500 m范圍內(nèi)的個體位置是無法被精準(zhǔn)定位的，所以本文所提的所有手機(jī)用戶的位置信息都是歸結(jié)到基于基站密度生成的網(wǎng)格位置，存在一定范圍內(nèi)的誤差，并不是完全真實(shí)的位置信息，而這也是手機(jī)信令數(shù)據(jù)本身的限制所致。本文得出的所有結(jié)論均是建立在此誤差基礎(chǔ)上所得到的，但是只要不是在極其微觀的個體尺度進(jìn)行研究分析，數(shù)據(jù)本身的誤差并不會影響結(jié)論。

通過對識別的演唱會粉絲群體演出當(dāng)日出行及平常出行分析發(fā)現(xiàn)：

1）兩場演唱會日的粉絲群體活動出行次數(shù)高于平常日均活動次數(shù)兩倍以上，演唱會對粉絲群體的活動出行造成了重要影響，但演唱會對交通的影響與其粉絲群體及其年齡構(gòu)成無關(guān)。

2）演唱會粉絲群體的地面交通出行占比均達(dá)76%，軌道交通出行占比均達(dá)23%;而其粉絲群體平常日均地面交通出行占比均為82%左右，平常日均軌道交通出行占比均為18%左右，由于演唱會舉辦造成的交通影響導(dǎo)致部分粉絲群體選擇軌道交通出行方式的增多。

3）相對于演唱會日出行場景，在平常日均出行場景下兩場演唱會粉絲群體其地面交通及軌道交通出行距離更遠(yuǎn)、出行時長更久，其粉絲群體平常日雖然出行量降低，但活動出行范圍更廣。

4）演唱會粉絲群體日常出行的居住地—工作地—活動地出行量分布更為均勻，兩場演唱會粉絲群體總體出行量分布更集中于活動地及居住地，工作地出行量相對偏少。

[參考文獻(xiàn)]

[1] 世界城市文化發(fā)展報告[R/OL].（2018-10-10）[2021-08-10].http：//www.worldcitiescultureforum.com/publications/world-cities-culture-report-2018.

[2] DUNN JR W M. Managing travel for planned special events[J]. Special Events， 2003（11）：14-15.

[3] 陸化普.交通規(guī)劃理論與方法[M].北京：清華大學(xué)出版社，2006.

[4] 王振報，李金山，陳艷艷.大型活動期間交通影響分析方法研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2010，34（4）：758-761.

[5] 羅典，甘勇華.大型活動期間交通管制措施對城市交通的影響分析：以廣州奧運(yùn)火炬?zhèn)鬟f期間交通管制的影響為例[J].交通與運(yùn)輸，2008（2）：62-64.

[6] 姜桂艷，李繼偉，趙佳琪.大型活動交通影響評價方法[J].城市交通，2008（5）：59-63.

[7] HAN A F， WONG K I， HO S N. Residents perceptions on the traffic impact of a special event： a case of the Macau Grand Prix[J]. Asia Pacific Journal of Tourism Research， 2017，23（1）：1-14.

[8] 楊忠振，陳剛.大型活動的交通組織方法研究[J].城市交通，2007，5（3）：81-85.

[9] 趙佳琪，姜桂艷.大型活動的交通組織與管理研究[J].交通標(biāo)準(zhǔn)化，2009（12）：60-63.

[10] 張曉春，石心怡，關(guān)志超，等.“世界大運(yùn)會”城市交通組織與管理措施研究[J].中山大學(xué)學(xué)報（自然科學(xué)版），2009，48（S2）：231-236.

[11] 葉霞，夏海霞，高志剛.大型活動散場觀眾交通疏散模型[J].計算機(jī)應(yīng)用與軟件，2018，35（12）：54-60.

[12] 陳茜，王煒.大型活動中突發(fā)事件對交通流的時空影響[J].交通運(yùn)輸工程學(xué)報，2009，9（3）：81-85.

[13] 孫劍，李克平，楊曉光.2010年上海世博會交通需求預(yù)測研究[J].交通與運(yùn)輸（學(xué)術(shù)版），2005（2）：1-3.

[14] 趙躍萍.大型活動事件下的城市交通需求預(yù)測方法研究[D].武漢：武漢理工大學(xué)，2008.

[15] 王興川，姚恩建，劉莎莎.基于AFC數(shù)據(jù)的大型活動期間城市軌道交通客流預(yù)測[J].北京交通大學(xué)學(xué)報，2018，42（1）：87-93.

[16] 鄭云霄.大型活動下城市軌道交通進(jìn)出站客流短時預(yù)測研究[D].北京：北京交通大學(xué)，2019.

[17] TEMPELMEIER N， DIETZE S， DEMIDOVA E. Crosstown traffic - supervised prediction of impact of planned special events on urban traffic[J]. GeoInformatica， 2020，24（2）：339-370.

[18] 顏彥文，劉嬋，江渝，等.基于公共交通卡數(shù)據(jù)的城市軌道交通大事件影響分析模型[J].城市軌道交通研究，2020，23（7）：108-111.

[19] KWOCZEK S， DI MARTINO S， NEJDL W. Predicting and visualizing traffic congestion in the presence of planned special events[J]. Journal of Visual Languages & Computing， 2014，25（6）：973-980.

[20] XIN Y， MACEACHREN A M. Characterizing traveling fans： a workflow for event-oriented travel pattern analysis using Twitter data[J]. International Journal of Geographical Information ence， 2020（2）：1-20.

[21] 申卓，王德.基于手機(jī)信令數(shù)據(jù)的大型足球賽事球迷當(dāng)日空間行為特征研究[J].人文地理，2018，33（3）：34-43.

[22] 何亞.城市大型活動的交通問題研究綜述[J].北京聯(lián)合大學(xué)學(xué)報，2019， 33（1）：41-48，63.

[23] 孫源涵，劉永樂，張景秋.疫情防控背景下北京城市文化活動供需的時空分布特征[J].北京聯(lián)合大學(xué)學(xué)報，2021，35（1）：10-19.

（責(zé)任編輯 李亞青）