基于手機(jī)信令數(shù)據(jù)的旅游客流特征分析

陳艷艷，張 野，孫浩冬

(北京工業(yè)大學(xué)交通工程北京市重點(diǎn)實(shí)驗(yàn)室，北京 100124)

近年來(lái)，中國(guó)對(duì)旅游業(yè)的重視程度越來(lái)越高，加大了對(duì)旅游業(yè)的投資力度，促進(jìn)了旅游業(yè)的蓬勃發(fā)展.與此同時(shí)，隨著收入的增加和消費(fèi)觀念的轉(zhuǎn)變，中國(guó)的游客數(shù)量也在逐年遞增.旅游業(yè)的快速發(fā)展不僅可以提高人們的生活質(zhì)量，而且將為經(jīng)濟(jì)發(fā)展注入一劑強(qiáng)心針.2019年全年，中國(guó)國(guó)內(nèi)旅游人數(shù)達(dá)60.06億人次，同比增長(zhǎng)8.4%；全年實(shí)現(xiàn)旅游總收入6.63萬(wàn)億元，同比增長(zhǎng)11%.旅游業(yè)對(duì)GDP的綜合貢獻(xiàn)達(dá)10.94萬(wàn)億元，占比達(dá)11.05%[1].

然而，旅游客流的快速增長(zhǎng)在促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí)也帶來(lái)了一系列的問題.游客人數(shù)過多會(huì)引發(fā)城市交通供給不足、交通擁堵、交通設(shè)施故障等問題，嚴(yán)重影響游客出游品質(zhì)，甚至?xí)l(fā)交通安全事故.例如，2014年12月31日，大量游客來(lái)到上海外灘迎接跨年，由于沒有及時(shí)掌握游客流量變化，管理部門未能有效引導(dǎo)涌入上海外灘參加跨年活動(dòng)的游客，導(dǎo)致?lián)頂D踩踏事件發(fā)生，造成36人死亡、49人受傷的嚴(yán)重后果[2].從長(zhǎng)遠(yuǎn)來(lái)看，一旦游客流量超過相關(guān)旅游景點(diǎn)的容量，還會(huì)破壞旅游資源的可持續(xù)發(fā)展，加速環(huán)境惡化.

因此，為解決目前旅游交通面臨的突出問題并進(jìn)一步促進(jìn)旅游交通發(fā)展，其關(guān)鍵是實(shí)現(xiàn)合理的客流管控，這就需要獲取完整、準(zhǔn)確、及時(shí)的客流數(shù)據(jù)并在此基礎(chǔ)上挖掘客流的規(guī)律性.隨著信息通信技術(shù)的發(fā)展，相較于傳統(tǒng)調(diào)查，利用手機(jī)信令數(shù)據(jù)獲得旅游客流數(shù)據(jù)更具優(yōu)勢(shì).一方面，手機(jī)普及率已接近100%，使得獲取數(shù)據(jù)量大、覆蓋范圍廣的旅游流量數(shù)據(jù)成為可能；另一方面，手機(jī)信令數(shù)據(jù)已被證明可以用于提取用戶的軌跡[3]、出行起訖點(diǎn)(origin destination, OD)[4-5]和出行特征[6].

表1 手機(jī)信令數(shù)據(jù)的優(yōu)點(diǎn)

綜上，如何利用豐富的旅游出行數(shù)據(jù)，識(shí)別游客出行OD并探索其分布規(guī)律，指導(dǎo)旅游交通線路的規(guī)劃、旅游交通資源的分配及旅游客流的疏散，是目前急需解決的關(guān)鍵問題.本文從當(dāng)前旅游交通亟待解決的突出問題出發(fā)，充分利用手機(jī)信令數(shù)據(jù)的特有優(yōu)勢(shì)和條件，獲取旅游交通客流數(shù)據(jù)，分析旅游交通客流特征，為相關(guān)管理部門提供決策支持，引導(dǎo)出行者選擇最佳出行方式，提高旅游者出行品質(zhì)，促進(jìn)旅游交通的發(fā)展.

本文將按以下思路展開：首先，總結(jié)過往文獻(xiàn)中的研究方法和研究成果.其次，描述本研究使用的數(shù)據(jù)來(lái)源，并介紹本研究中所用到的出行OD提取和游客識(shí)別技術(shù).然后，對(duì)典型旅游景點(diǎn)八達(dá)嶺長(zhǎng)城進(jìn)行案例研究，并對(duì)結(jié)果進(jìn)行討論.最后，對(duì)全文進(jìn)行總結(jié)，并對(duì)未來(lái)旅游交通的研究與發(fā)展進(jìn)行探討.

1 文獻(xiàn)綜述

客流特征分析是居民出行研究中的重點(diǎn)內(nèi)容，而旅游出行作為常規(guī)通勤外最為典型的一類，也一直受到學(xué)者們的廣泛關(guān)注.

傳統(tǒng)的旅游客流數(shù)據(jù)獲取方式往往依賴于統(tǒng)計(jì)部門的行業(yè)數(shù)據(jù)或問卷調(diào)查.為了分析景觀小路上的游客的特征，Eby等[7]從一個(gè)包含9 400萬(wàn)個(gè)用戶的全國(guó)消費(fèi)者數(shù)據(jù)庫(kù)中選取了15 000個(gè)用戶進(jìn)行調(diào)查并得到9.2%的響應(yīng)率.Du等[8]分2個(gè)階段調(diào)查了上海市樞紐內(nèi)游客的偏好，并在此基礎(chǔ)上建立Logit模型來(lái)分析上海世博會(huì)游客的出行行為選擇.Can[9]通過在旅游海島芽莊收集了402份有效調(diào)查問卷并建立數(shù)據(jù)庫(kù)，用于估計(jì)越南游客的旅行選擇.傳統(tǒng)的問卷調(diào)查不僅耗費(fèi)大量的研究預(yù)算和時(shí)間，而且由于統(tǒng)計(jì)時(shí)間范圍、標(biāo)準(zhǔn)和方法的不同，無(wú)論是基于統(tǒng)計(jì)數(shù)據(jù)的研究還是基于調(diào)查數(shù)據(jù)的研究，都不能完整地體現(xiàn)旅游交通客流的規(guī)律性.

近年來(lái)，利用新興技術(shù)獲取和分析客流數(shù)據(jù)已逐漸取代傳統(tǒng)的交通調(diào)查方法[10-13].Scherrer等[12]基于智能手機(jī)的導(dǎo)航應(yīng)用程序收集到的高精度軌跡數(shù)據(jù)識(shí)別旅游游客.Lu等[13]推出了一款手機(jī)游戲TouristGo用以收集游客的位置數(shù)據(jù)，從而更好地管理旅游客流.同時(shí)，也有學(xué)者基于興趣點(diǎn)(point of interest, POI)數(shù)據(jù)[14-16]識(shí)別旅游者的位置，通過互聯(lián)網(wǎng)簽到數(shù)據(jù)識(shí)別位置和游客的屬性并分析其的特征[17-18].與傳統(tǒng)的調(diào)查相比，新的數(shù)據(jù)源可以記錄用戶的位置，便于及時(shí)地跟蹤用戶的旅行軌跡.然而，盡管GPS數(shù)據(jù)的準(zhǔn)確性高于其他數(shù)據(jù)源，但用于出行行為研究的 GPS 數(shù)據(jù)通常是從有限數(shù)量的志愿者處收集，因此GPS 數(shù)據(jù)通常用于研究個(gè)人的出行行為和出行模式.諸如POI數(shù)據(jù)及社交網(wǎng)絡(luò)數(shù)據(jù)具有相對(duì)較大的樣本量，但由于用戶僅來(lái)自特定的社會(huì)群體，樣本往往會(huì)存在偏差.

隨著移動(dòng)通信技術(shù)的進(jìn)步以及智能手機(jī)的普及，成本低、精度高、覆蓋范圍廣、連續(xù)性好的手機(jī)信令數(shù)據(jù)變得更容易獲取[3-6,19].

Asakura等[3]將移動(dòng)設(shè)備收集的用戶軌跡數(shù)據(jù)與神戶地區(qū)實(shí)際的出行數(shù)據(jù)相結(jié)合，建立出行行為的指標(biāo).文獻(xiàn)[20-22]提出手機(jī)信令數(shù)據(jù)的社會(huì)定位方法可用于時(shí)空行為研究，并以此分析了愛沙尼亞游客出行的季節(jié)性特征，證明了手機(jī)信令數(shù)據(jù)可適用于旅游出行研究.Zhai等[23]則通過手機(jī)信令數(shù)據(jù)識(shí)別出上海市各公園的游客以及他們的居住地，以此探索城市公園實(shí)際服務(wù)半徑的影響因素及其相關(guān)關(guān)系，這也為研究旅游景點(diǎn)的服務(wù)范圍提供了新的途徑.方家等[24]分析了大客流的時(shí)空分布特征和旅游行為變化，并嘗試提出大客流預(yù)警方案.Qin等[25]基于手機(jī)信令數(shù)據(jù)提出了一套可實(shí)時(shí)提供旅游游客行為信息的分析方法，有效支撐“智慧旅游”的發(fā)展.

由表3可以更清晰地看出，傳統(tǒng)旅游客流研究受研究基礎(chǔ)數(shù)據(jù)的限制，只能獲得少量樣本進(jìn)行分析，而隨著中國(guó)經(jīng)濟(jì)的發(fā)展，居民生活水平的提高，國(guó)內(nèi)旅游客流量逐年飛升，現(xiàn)有方法、研究數(shù)據(jù)已經(jīng)不足以支撐對(duì)旅游“大客流”的分析.伴隨著移動(dòng)通信技術(shù)的發(fā)展，數(shù)據(jù)量大、覆蓋范圍廣、連續(xù)性好的手機(jī)信令數(shù)據(jù)為出行行為研究提供了更好的數(shù)據(jù)支持.然而，對(duì)比現(xiàn)有研究后發(fā)現(xiàn)，目前更多研究關(guān)注居民的剛性出行需求即通勤出行，將研究聚焦在游客出行行為的研究相對(duì)較少.

因此，在中國(guó)旅游業(yè)蓬勃發(fā)展的大背景下，本文旨在現(xiàn)有旅游出行研究及手機(jī)信令數(shù)據(jù)的基礎(chǔ)之上，做到旅游游客的精準(zhǔn)識(shí)別、游客出行特征的全面分析以及客流規(guī)律的深入挖掘，從而為旅游景區(qū)的管理、旅游交通的發(fā)展、旅游政策的制定提供基礎(chǔ)支撐.

2 數(shù)據(jù)介紹

本節(jié)對(duì)研究所用手機(jī)信令數(shù)據(jù)進(jìn)行特征描述，并對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，得到本研究使用的數(shù)據(jù)集.

2.1 數(shù)據(jù)收集

本研究使用的數(shù)據(jù)為北京市范圍內(nèi)中國(guó)移動(dòng)通信公司的手機(jī)信令數(shù)據(jù)，時(shí)間范圍是2015年6月1日至6月7日.北京移動(dòng)電話用戶約1 400萬(wàn)，數(shù)據(jù)總量約12億條記錄，通信基站總數(shù)為3.8萬(wàn)多個(gè)，其分布如圖1所示.數(shù)據(jù)主要包含7個(gè)字段，字段含義如表4所示.

表4 基站與信令數(shù)據(jù)字段

圖1 北京市基站分布

2.2 數(shù)據(jù)預(yù)處理

由于手機(jī)信令數(shù)據(jù)的產(chǎn)生機(jī)制以及通信系統(tǒng)的數(shù)據(jù)采集與傳送等問題，原始信令數(shù)據(jù)中會(huì)存在重復(fù)、缺失、錯(cuò)誤等無(wú)效數(shù)據(jù)與噪聲數(shù)據(jù)，對(duì)后續(xù)游客識(shí)別算法以及出行特征提取將會(huì)產(chǎn)生干擾，因此需要結(jié)合無(wú)效、噪聲數(shù)據(jù)的具體產(chǎn)生機(jī)制，利用多重過濾算法，對(duì)數(shù)據(jù)進(jìn)行有針對(duì)性的篩除，最終得到質(zhì)量較高的手機(jī)信令數(shù)據(jù).

首先，對(duì)無(wú)效數(shù)據(jù)進(jìn)行清理.原始信令數(shù)據(jù)存在著大量靜態(tài)數(shù)據(jù)、重復(fù)數(shù)據(jù)、字段缺失數(shù)據(jù)，以及時(shí)間或空間在研究區(qū)域之外的數(shù)據(jù)，這些數(shù)據(jù)的存在不僅不會(huì)擴(kuò)大研究的樣本量，反而會(huì)增加后續(xù)算法的計(jì)算量，浪費(fèi)計(jì)算資源.

其次，信令數(shù)據(jù)中存在位置在2個(gè)相鄰基站反復(fù)切換的乒乓數(shù)據(jù)和位置在短時(shí)間內(nèi)突變的漂移數(shù)據(jù)，其會(huì)對(duì)后續(xù)計(jì)算產(chǎn)生干擾，影響算法的精度與分析的準(zhǔn)確度，故利用基于時(shí)間與空間閾值的過濾算法，對(duì)乒乓數(shù)據(jù)及漂移數(shù)據(jù)進(jìn)行識(shí)別并刪除，以提升數(shù)據(jù)質(zhì)量.

經(jīng)以上2步信令數(shù)據(jù)預(yù)處理，共清洗無(wú)效數(shù)據(jù)及錯(cuò)誤數(shù)據(jù)約1.1億條，占信令數(shù)據(jù)總量的9.17%.以完成清洗后的10.9億條信令數(shù)據(jù)作為研究所用數(shù)據(jù)集，提升了本文提出的OD與游客識(shí)別算法的精確度，并減少了約20%的工作量.

3 研究方法

本節(jié)介紹了通達(dá)性的計(jì)算方法以及OD提取和游客識(shí)別的算法.

3.1 通達(dá)性計(jì)算方法

首先，建立旅游景點(diǎn)位置與城市路網(wǎng)之間的拓?fù)潢P(guān)系.然后，根據(jù)道路的通行能力、等級(jí)和流量賦予其不同的權(quán)重.最后，用最短加權(quán)距離計(jì)算各旅游景點(diǎn)的可達(dá)性和相對(duì)連通性.

通達(dá)度是一個(gè)最基本的概念，決定著整個(gè)網(wǎng)絡(luò)的功能.通達(dá)度的大小取決于網(wǎng)絡(luò)中節(jié)點(diǎn)與線的數(shù)量、組合及其空間連接狀況.通達(dá)度是指網(wǎng)絡(luò)中一點(diǎn)到其他各點(diǎn)最短路徑的總和，表達(dá)式為

Ai=∑Dij

(1)

式中：Ai為i點(diǎn)的通達(dá)度，值越小，表示通達(dá)度越好；j為網(wǎng)絡(luò)中除了i點(diǎn)以外的其他點(diǎn)的數(shù)目，j=1，2，…，n；Dij為i點(diǎn)到j(luò)點(diǎn)的最短路徑.

相對(duì)聯(lián)通性可以用來(lái)衡量各景點(diǎn)的通達(dá)和聯(lián)系的相對(duì)難易程度,表示為

(2)

式中：RCi為i點(diǎn)的相對(duì)聯(lián)通性(0≤RCi≤1)，RCi值越小，該景點(diǎn)與其他景點(diǎn)越容易聯(lián)系；Ai為第i點(diǎn)的通達(dá)度；A*為網(wǎng)絡(luò)中通達(dá)度的最大值；A′為網(wǎng)絡(luò)中通達(dá)度最小值.

3.2 OD提取算法

由于信令數(shù)據(jù)的觸發(fā)頻率較高，用戶軌跡點(diǎn)之間的距離和時(shí)間間隔較短，不能反映其真實(shí)的停留狀態(tài).如圖2所示，M和S均是軌跡點(diǎn)，Mi是移動(dòng)點(diǎn)，Si則被聚合成用戶的駐留點(diǎn).

圖2 用戶出行狀態(tài)

時(shí)間閾值(T)和距離閾值(D)是移動(dòng)或停留識(shí)別算法中的關(guān)鍵參數(shù)，將算法運(yùn)算結(jié)果與交通調(diào)查數(shù)據(jù)進(jìn)行相關(guān)性分析，確定閾值.本文識(shí)別游客停留狀態(tài)的方法如下.

步驟1按時(shí)間升序排列用戶的軌跡點(diǎn).

步驟2計(jì)算相鄰2個(gè)信令數(shù)據(jù)之間的時(shí)間間隔Δti和距離間隔Δdi，且

Δti=ti-ti-k

(3)

(4)

式中：ti、Loni、Lati分別為信令數(shù)據(jù)的時(shí)間戳、對(duì)應(yīng)基站的經(jīng)度與緯度；R為地球的半徑，為6 731 km；i為軌跡點(diǎn)，值為1，2，…，n；k為i之前的軌跡點(diǎn)，值為1，2，…，i-1.

當(dāng)ΔtiD，則用戶在k到i是運(yùn)動(dòng)狀態(tài)；如果Δdi>D，則至步驟3.

當(dāng)Δti>T時(shí)，如果ΔdiD，則至步驟4.

步驟3令i=i+1并跳轉(zhuǎn)至步驟2.

步驟4令k=k+1并跳轉(zhuǎn)至步驟2.

步驟5重復(fù)上述步驟，遍歷所有用戶的軌跡數(shù)據(jù).

步驟6得到用戶的全部駐留點(diǎn)，即用戶的出行軌跡，每2個(gè)相鄰的駐留點(diǎn)即一次OD出行.

3.3 游客識(shí)別算法

在獲取所有用戶的駐留點(diǎn)和出行軌跡后，識(shí)別屬于旅游景點(diǎn)內(nèi)的用戶.處理流程圖如圖3所示.

圖3 游客識(shí)別流程

流程如下：

首先，確定出旅游景點(diǎn)的地理位置，并將其與用戶的停留點(diǎn)進(jìn)行匹配，以選擇曾在其中停留的用戶.

其次，重新統(tǒng)計(jì)用戶停留時(shí)間的長(zhǎng)度和范圍，選擇在景區(qū)內(nèi)停留0.5～8.0 h的用戶[23].

再次，由于參觀景點(diǎn)的游客在短時(shí)間內(nèi)存在 “一次游覽”的規(guī)律，因此剔除符合上述條件但在景區(qū)出現(xiàn)1 d以上的用戶，從而淘汰景點(diǎn)的工作人員，并將剩余的數(shù)據(jù)視為游客數(shù)據(jù).

最后，對(duì)獲得的旅游數(shù)據(jù)進(jìn)行分析，提取旅游景點(diǎn)的游客數(shù)量及其變化規(guī)律以及游客在出行和停留期間的時(shí)空特征.

4 案例分析

在這一部分中，以北京八達(dá)嶺長(zhǎng)城景區(qū)為案例進(jìn)行計(jì)算、識(shí)別與分析，并得到其景區(qū)內(nèi)游客的時(shí)空特征.

4.1 景區(qū)通達(dá)性和相對(duì)連通性

北京有許多歷史名勝、博物館、藝術(shù)區(qū)、名校、繁華的商業(yè)區(qū)、游樂園和其他旅游景點(diǎn).本文選取北京市所有5A級(jí)旅游景區(qū)和其他11個(gè)受游客歡迎的旅游景區(qū)，如圖4所示，并對(duì)其通達(dá)性和相對(duì)連通性進(jìn)行計(jì)算.計(jì)算結(jié)果如表5所示，八達(dá)嶺長(zhǎng)城景區(qū)的通達(dá)性和相對(duì)連通性最差.與此同時(shí)，八達(dá)嶺長(zhǎng)城也是世界著名的旅游景點(diǎn)，吸引了國(guó)內(nèi)外大量游客前來(lái)參觀.基于以上2個(gè)因素，本研究選取了八達(dá)嶺長(zhǎng)城作為研究對(duì)象.

圖4 北京市景區(qū)分布

表5 北京市主要旅游景區(qū)通達(dá)度與相對(duì)聯(lián)通性

4.2 出行OD

根據(jù)第五次北京市綜合交通調(diào)查(2014)，北京市居民平均出行頻次為2.75次.將不同的時(shí)間閾值與距離閾值輸入本文的OD算法中，將計(jì)算結(jié)果與上述調(diào)查數(shù)據(jù)進(jìn)行比較.從表6可以看出，T設(shè)為30 min，D設(shè)為500 m時(shí)，出行頻次與出行調(diào)查結(jié)果最接近.這也表明該OD算法的結(jié)果與實(shí)際的調(diào)查數(shù)據(jù)是一致的，從而證明了算法的準(zhǔn)確性.

表6 不同閾值下平均出行頻次的計(jì)算結(jié)果

4.3 游客時(shí)空特征

基于上述對(duì)手機(jī)信令數(shù)據(jù)的處理和對(duì)游客的識(shí)別，率先對(duì)八達(dá)嶺長(zhǎng)城景區(qū)的客流總量和客流的分時(shí)變化情況進(jìn)行分析.分析結(jié)果展現(xiàn)景區(qū)客流的整體情況以及游客到達(dá)景區(qū)的高峰時(shí)刻，這有助于景區(qū)和旅游交通部門制定相關(guān)政策，滿足高峰時(shí)段的旅游需求.八達(dá)嶺長(zhǎng)城每天的客流量約為24 000人次，其一周客流分布情況如圖5所示.

圖5 客流量一周波動(dòng)

可以看出，八達(dá)嶺長(zhǎng)城周末的客流比平日多，其中星期六的客流量最大，達(dá)到34 000人次.由于市中心各熱門博物館會(huì)在周一進(jìn)行閉館，故周一八達(dá)嶺長(zhǎng)城的游客流量在工作日中最大[26]，這也與八達(dá)嶺長(zhǎng)城景區(qū)的游客流量統(tǒng)計(jì)數(shù)據(jù)一致.

而由于八達(dá)嶺長(zhǎng)城遠(yuǎn)離中心城區(qū)，晚上客流很少，全天游客分布呈現(xiàn)單峰狀態(tài).大多數(shù)游客更喜歡在上午參觀，八達(dá)嶺長(zhǎng)城的客流8:00—10:00快速增長(zhǎng)，10:00達(dá)到一天中的最高點(diǎn)，之后開始下降.9：00—11：00是八達(dá)嶺長(zhǎng)城上游客數(shù)量的高峰時(shí)段.此時(shí)段，八達(dá)嶺長(zhǎng)城周邊的交通壓力和停車需求也將迎來(lái)高峰.

接下來(lái)繼續(xù)分析游客在八達(dá)嶺長(zhǎng)城景區(qū)的停留時(shí)間，即旅游持續(xù)時(shí)間.此分析內(nèi)容可展現(xiàn)景區(qū)內(nèi)客流的黏滯性，且根據(jù)到達(dá)時(shí)間可分析景區(qū)內(nèi)客流的實(shí)時(shí)存量，這將有助于景區(qū)客流的管控和疏解.圖6為景區(qū)游客停留時(shí)長(zhǎng)的分布和占比情況，可以看出，大多數(shù)游客在八達(dá)嶺長(zhǎng)城停留的時(shí)間在2～4 h，其中1～2 h游覽的所占比例最大，約為1/3，并且在周末長(zhǎng)時(shí)間游覽的游客比例比平日更高.

圖6 游覽時(shí)長(zhǎng)比例

以上是對(duì)八達(dá)嶺長(zhǎng)城景區(qū)內(nèi)部游客數(shù)量和游覽時(shí)長(zhǎng)的分析.接下來(lái)則對(duì)游客到達(dá)八達(dá)嶺長(zhǎng)城過程中的特征進(jìn)行提取.包括景區(qū)游客的出發(fā)地以及從出發(fā)地到達(dá)景區(qū)所需的時(shí)間、距離，這部分內(nèi)容可用于了解景區(qū)客流的來(lái)源，在游客出發(fā)聚集區(qū)域調(diào)整旅游交通線路，加強(qiáng)旅游交通調(diào)度，既可以方便游客出行，提高服務(wù)質(zhì)量，又可緩解旅游線路及旅游景區(qū)周邊的交通擁堵問題.

以5 km為間隔劃分游客的旅行距離，以10 min為間隔劃分游客的旅行時(shí)間，提取不同時(shí)空范圍的游客數(shù)量，游客到達(dá)八達(dá)嶺長(zhǎng)城景區(qū)所消耗的時(shí)間及距離的分布情況如圖7所示.

圖7 游客出行時(shí)間、距離分布

上述時(shí)間、距離分布圖中，游客出行距離和出行時(shí)間呈現(xiàn)明顯的雙峰特征.短途、低時(shí)游的游客比例最大，這是因?yàn)榘诉_(dá)嶺長(zhǎng)城地處北京郊區(qū)，部分京外游客可以直接到達(dá).當(dāng)距離達(dá)到50 km、時(shí)間消耗達(dá)到60 min時(shí)，游客數(shù)量達(dá)到第2個(gè)高峰.這一現(xiàn)象與八達(dá)嶺景區(qū)遠(yuǎn)離市區(qū)，相當(dāng)一部分游客來(lái)自北京主城區(qū)的實(shí)際情況相符.在獲得了游客的旅行距離和時(shí)間后，下一步的目標(biāo)是了解游客在去八達(dá)嶺長(zhǎng)城之前的出發(fā)地點(diǎn).因此，進(jìn)一步分析了北京游客來(lái)源地的分布情況，八達(dá)嶺長(zhǎng)城游客的來(lái)源分布特征在圖8中表現(xiàn)得更加清晰.

圖8 游客出發(fā)地分布

從圖8可以看出，短途游客主要來(lái)自北京北部邊界方向，長(zhǎng)途游客分布在北京市主城區(qū)，因?yàn)榇蟛糠钟慰途幼』驎?huì)先行到達(dá)市區(qū)，然后再選擇去八達(dá)嶺長(zhǎng)城景區(qū).與此同時(shí)，周末期間從北京主城區(qū)前往八達(dá)嶺長(zhǎng)城景區(qū)的游客數(shù)量明顯增加，更多的游客乘坐公交車或小汽車前往八達(dá)嶺長(zhǎng)城，這將增大周末該景區(qū)連接道路及其周邊區(qū)域的交通壓力.

5 結(jié)論

隨著中國(guó)旅游業(yè)的發(fā)展和旅游人口的快速增長(zhǎng)，準(zhǔn)確掌握旅游客流及其出行特征是實(shí)現(xiàn)旅游交通合理化管理的迫切需要.

本研究基于覆蓋廣泛的手機(jī)信令數(shù)據(jù)，對(duì)景區(qū)游客進(jìn)行精準(zhǔn)識(shí)別并全面分析其出行特征.相比于過往研究，本文做到了將基于傳統(tǒng)數(shù)據(jù)的旅游出行分析研究和以手機(jī)信令數(shù)據(jù)為基礎(chǔ)的居民通勤出行研究相結(jié)合，彌補(bǔ)了大數(shù)據(jù)在旅游出行行為研究中的相對(duì)空白.本研究的貢獻(xiàn)有3個(gè)方面.

1)基于手機(jī)信令數(shù)據(jù)識(shí)別游客及其出行行為的研究.與過往研究相比，本文在將研究對(duì)象聚焦游客的同時(shí)，提升了數(shù)據(jù)的全面性和準(zhǔn)確性.

2)本文提出了一種游客及其出行OD的識(shí)別算法，并且以八達(dá)嶺長(zhǎng)城為例精準(zhǔn)識(shí)別了景區(qū)游客并分析其多項(xiàng)出行特征.本方法具有普適性和可移植性，可在數(shù)據(jù)支撐充足的情況下完成長(zhǎng)時(shí)段、多范圍的景區(qū)客流識(shí)別及出行規(guī)律挖掘，為景區(qū)客流量預(yù)測(cè)提供基礎(chǔ).

3)本文對(duì)游客出行的研究結(jié)果可用于推動(dòng)旅游交通的發(fā)展.微觀上，可供景區(qū)了解其內(nèi)部的游客客流特征與規(guī)律，避免發(fā)生景區(qū)游客聚集及危險(xiǎn)事故；中觀上，可為旅游交通線路的規(guī)劃、旅游交通資源的分配、旅游客流的疏散等提供指導(dǎo)；宏觀上，可為旅游城市宣傳、旅游交通政策制定以及管理部門的科學(xué)決策提供數(shù)據(jù)支撐.

同時(shí)本研究也存在著一些局限性.一是沒有對(duì)旅游者的社會(huì)屬性和旅游者在不同旅游景點(diǎn)之間的旅行軌跡進(jìn)行分析.二是本研究使用的信令數(shù)據(jù)時(shí)長(zhǎng)為一周，難以支撐景區(qū)旅游客流的預(yù)測(cè).今后的研究工作可以利用多源數(shù)據(jù)對(duì)游客的屬性和旅游路線選擇進(jìn)行分析，從而實(shí)現(xiàn)對(duì)旅游交通的宏觀調(diào)控.同時(shí)，基于時(shí)間范圍更廣泛的客流數(shù)據(jù)，對(duì)景區(qū)客流量進(jìn)行預(yù)測(cè)，更好地支撐景區(qū)客流預(yù)警、旅游交通資源分配、旅游政策制定等工作.