基于手機信令數(shù)據(jù)的游客識別方法

韓 艷，龔 浩

(北京工業(yè)大學(xué) 交通工程北京市重點實驗室，北京 100124)

0 引言

在節(jié)假日等旅游高峰期，部分熱門景區(qū)(點)大量游客聚集而形成區(qū)域擁堵，對游客體驗、安全和景區(qū)管理產(chǎn)生較大影響，急需精準識別景區(qū)內(nèi)不同區(qū)域或景點的游客，實時預(yù)測預(yù)警游客流量，實施分流和限流[1-3]等客流調(diào)控方案。

游客客流采集數(shù)據(jù)有視頻數(shù)據(jù)、閘機刷卡數(shù)據(jù)、RIDF數(shù)據(jù)、人工統(tǒng)計數(shù)據(jù)等，多為景區(qū)整體客流數(shù)據(jù)，無法準確獲取景區(qū)某些局部區(qū)域或者某熱門景點的客流量，數(shù)據(jù)實時性較差，無法滿足實時客流預(yù)測預(yù)警的要求[4]。手機信令數(shù)據(jù)具有覆蓋面全、實時性高等優(yōu)勢[5-6]，被廣泛用于游客的識別與出行特性分析。手機信令數(shù)據(jù)是由手機終端和手機基站間聯(lián)系時生成的數(shù)據(jù)，景區(qū)的邊界與基站服務(wù)邊界通常不完全重合，服務(wù)于景區(qū)與其周邊的基站用戶包含游客和非游客，不少學(xué)者開展了基于手機信令數(shù)據(jù)的游客識別方法研究，提出用停留時間等指標差異進行用戶分類。楊東、LI等[7-8]將景區(qū)基站服務(wù)用戶分為游客與非游客兩類，前者以8 h為長白山景區(qū)內(nèi)游客平均停留時間閾值，后者以8—18點內(nèi)的停留時間在0.5～5 h為閾值，區(qū)分游客與非游客。龍奮杰等[9]將用戶分為園區(qū)工作者、路人和游客3類，假設(shè)在景區(qū)基站停留時間不超過0.5 h的用戶為路人；一周內(nèi)出現(xiàn)5 d以上且每天停留時間超過5 h的用戶為園區(qū)工作者，其余為游客，校驗結(jié)果顯示精度達到80%左右。ZHAI等[10]先將至少2次經(jīng)過出入口基站的用戶篩選為潛在游客，再根據(jù)用戶停留時間(1～6 h)和連接景區(qū)基站的時間占比(超過90%)兩個指標識別游客。方家、陳圣威等[11-12]將用戶分為路人、居民、工作人員和游客4類，方家假定0—5點手機為關(guān)機狀態(tài)的用戶為居民。陳圣威根據(jù)用戶多日凌晨、工作時間內(nèi)在研究區(qū)域的停留時長，識別用戶的工作地與居住地，篩選并剔除在景區(qū)周邊居住或工作的用戶，根據(jù)景區(qū)面積設(shè)置停留時間的閾值為1～3 h，識別游客，精度達到75%左右。

已有研究多用單一指標景點停留時間進行用戶分類，問題在于不同類型用戶在不同景點的停留時間的閾值不同，且當(dāng)將用戶分為路人、居民、工作人員和游客4類時，短時游覽的游客與路人特性、長時間游覽的游客與工作人員的停留時間接近，導(dǎo)致游客的識別精度為60%～80%[9，12]。為解決上述問題，論文提出基于手機信令數(shù)據(jù)提取出行者的出行鏈，分析游客與非游客(工作人員、路人)一日、多日或者更長時間內(nèi)(工作日、假日)的出行鏈時空特性差異，修正現(xiàn)有游客識別方法，以提高識別精度，為不同景區(qū)游客停留時間閾值和后續(xù)景區(qū)局部客流預(yù)測預(yù)警提供數(shù)據(jù)支持。

1 手機信令數(shù)據(jù)特點和應(yīng)用

手機信令數(shù)據(jù)是由手機終端和手機基站間聯(lián)系時生成的數(shù)據(jù)。當(dāng)用戶在某個基站內(nèi)進行通話、短信、開關(guān)機等事件時，事件會被該基站記錄，并生成一條數(shù)據(jù)。當(dāng)用戶進行基站間移動時，會自動切換連接的基站，同時生成一條數(shù)據(jù)。因此用戶接打電話、開關(guān)機或進行較大范圍移動時，均會生成信令數(shù)據(jù)[13]。手機信令數(shù)據(jù)主要包含國際移動用戶識別碼(IMSI，International Mobile Subscriber Identity)、時間(TIME)、基站編號(CELLID)、基站經(jīng)度(LONGITUDE)和基站緯度(LATITUDE)5類信息，部分信息如表1所示。

表1 手機信令數(shù)據(jù)表(部分)Table1 Mobile data sheet (part)國際移動用戶識別碼時間基站編號基站經(jīng)度基站緯度114:00:182 057116.586 8640.078114:17:2053 167116.478 3339.979 69115:04:5339 667116.339 9139.944 63116:58:593 827116.331 6639.956 67

現(xiàn)有數(shù)據(jù)獲取技術(shù)包括射頻識別技術(shù)、視頻識別技術(shù)、人工統(tǒng)計和手機信令數(shù)據(jù)等方式，各類數(shù)據(jù)的特點和適用場景如表2所示。

表2 數(shù)據(jù)類別和特點Table 2 Data types and characteristics數(shù)據(jù)類別適用場景優(yōu)點缺點射頻識別數(shù)據(jù)設(shè)有門禁的區(qū)域精度高開放區(qū)域數(shù)據(jù)和分布獲取困難視頻采集數(shù)據(jù)室內(nèi)區(qū)域精度較高可獲取客流分布數(shù)據(jù)室外數(shù)據(jù)精度低人工統(tǒng)計數(shù)據(jù)多用于局部區(qū)域精度高處理方便成本高實時性低手機信令數(shù)據(jù)較大范圍區(qū)域較小范圍識別精度不足實時性高可獲取時空分布數(shù)據(jù)

對于不同應(yīng)用場景，不同的數(shù)據(jù)適用程度不同。以景區(qū)為例，對于景區(qū)的整體客流量數(shù)據(jù)獲取來說，通過門禁的統(tǒng)計數(shù)據(jù)可以準確的得到景區(qū)內(nèi)不同時段的入園人數(shù)、在園人數(shù)等整體數(shù)據(jù)，但對于景區(qū)內(nèi)不同區(qū)域、不同景點的客流分布情況卻無法準確及時地獲??；對景區(qū)內(nèi)較小的室內(nèi)景點來說，視頻識別數(shù)據(jù)可以簡單地獲取到室內(nèi)的客流量、密度和分布情況，對于室內(nèi)區(qū)域的客流情況可以快速做出識別與分析，但該技術(shù)在室外的效果會受到天氣、建筑遮擋等多種因素的影響，造成精度不足的問題；傳統(tǒng)的人工計數(shù)方式能解決前面兩類技術(shù)存在的問題，可以通過增加調(diào)查人員獲取景區(qū)不同區(qū)域、不同景點的客流量、密度、分布等數(shù)據(jù)，但數(shù)據(jù)采集成本高、實時性低，對于景區(qū)短時預(yù)測預(yù)警和景區(qū)管控等參考價值有限。

手機信令數(shù)據(jù)具有覆蓋范圍廣、定位速度快、實時性強、連續(xù)性強等特點。結(jié)合數(shù)據(jù)的連續(xù)性，對客流進行連續(xù)的追蹤與分析，因此多用于城市內(nèi)多個景區(qū)間的客流特征分析和挖掘[14-18]。并且根據(jù)景區(qū)類型的不同，可以通過手機信令數(shù)據(jù)，實時獲取景區(qū)內(nèi)不同區(qū)域的客流分布數(shù)據(jù)，針對景區(qū)內(nèi)不同區(qū)域的客流量、分布情況、客流特征和出行特點進行提取與分析。

2 基于出行鏈的游客識別方法

2.1 景區(qū)游客識別考慮的因素

景區(qū)游客識別中需要考慮游客的停留時間、出行軌跡等出行的因素，以及景區(qū)的類型、景區(qū)大小、景區(qū)位置、景區(qū)周邊用地性質(zhì)和道路情況等景區(qū)的因素，這兩部分。

出行因素中，主要考慮游客在景區(qū)研究范圍內(nèi)的停留時間，以及出行軌跡是否經(jīng)過景區(qū)范圍。

景區(qū)因素中，首先旅游景區(qū)分為開放型與封閉型兩種，開放型是沒有面積和空間限制、免費、游客流動性更大不易管控的一類景區(qū)[19]，封閉型是指有空間限制，通過一定的物理設(shè)施隔離景區(qū)與外圍的空間的一類景區(qū)。研究中提出的識別方法適用于設(shè)有出入口的封閉式景區(qū)。

不同景區(qū)的覆蓋面積大小不同、所處位置有所差異、且不同的地理地貌均會對游客識別造成影響，因此選擇手機基站為最小單位，進行游客數(shù)據(jù)的識別。大型景區(qū)內(nèi)包含的基站數(shù)會較多，單個基站面積較大；小型景區(qū)基站數(shù)較少，單個基站面積較小?；据^多的景區(qū)中，基站在游客識別中的作用也會有所差異，需要根據(jù)功能和位置進行分類以保證識別精度。

同時，景區(qū)周邊的用地性質(zhì)、路網(wǎng)特征也會對景區(qū)游客識別產(chǎn)生干擾。當(dāng)景區(qū)周邊存在居住用地、商業(yè)用地和工作用地等，用戶類型就會出現(xiàn)居民、路人和周邊工作人員等；當(dāng)景區(qū)周邊路網(wǎng)較為密集時，周邊路人的比例也會提升。

因此景區(qū)的游客識別中，需要將基站進行分類，根據(jù)特定的基站選定研究區(qū)域，以保證識別方法適用于不同面積和位置的景區(qū)；需要將用戶進行分類，保證識別方法可以將游客與居民、路人和周邊工作人員進行區(qū)分，保證識別精度。

2.2 基站分類與研究區(qū)域選取

景區(qū)內(nèi)部和周邊設(shè)置了一定數(shù)量的基站為景區(qū)用戶服務(wù)，手機基站受到周邊環(huán)境干擾、基站空間分布與基站信號強度等影響，服務(wù)范圍不規(guī)則，通常采用泰森多邊形的方法表示基站的實際服務(wù)范圍[20]，如圖1所示。

圖1 泰森多邊形

可以發(fā)現(xiàn)基站服務(wù)范圍通常略大于景區(qū)的物理邊界，如圖2所示。根據(jù)景區(qū)邊界與基站服務(wù)范圍的空間重疊關(guān)系，考慮到游客均通過景區(qū)出入口進出，景區(qū)出入口基站具有特殊性，將景區(qū)基站分為3類：第一類為覆蓋景區(qū)出入口的基站；第二類為完全處于景區(qū)邊界內(nèi)的基站；第三類為與景區(qū)有部分重疊的基站。為獲取全部游客數(shù)據(jù)，選取第一、二和三類基站覆蓋的范圍作為景區(qū)研究區(qū)域。

圖2 景區(qū)邊界和基站分類示意圖

2.3 用戶分類和特征

景區(qū)研究區(qū)域內(nèi)的手機用戶有游客和非游客，非游客包括景區(qū)周邊的居民、工作人員和經(jīng)過景區(qū)周邊道路的路人。研究將景區(qū)研究范圍內(nèi)的用戶分為4類：路人、居民、工作人員和游客。4類用戶與3類基站的對應(yīng)關(guān)系如表3所示。

a.居民：具有固定的居住地，即凌晨至早上、或晚間時段內(nèi)，具有固定停留點，停留時間超過一定的時間閾值。居民數(shù)據(jù)一定出現(xiàn)在第三類基站，可能出現(xiàn)在第二類基站。現(xiàn)有研究多將凌晨0:00—5:00停留時間大于4 h的景區(qū)研究區(qū)域內(nèi)用戶認定為居民[11]。

b.周邊工作人員：具有固定的工作地點，即連續(xù)幾天出現(xiàn)在同一地點，在工作地累計停留時間超過一定的時間閾值。工作人員一定不會出現(xiàn)在第二類基站，可能出現(xiàn)在第一類和第三類基站。我國工作時間多為：8:00—17:00，根據(jù)《2016-2017年中國休閑發(fā)展報告》(休閑綠皮書)中數(shù)據(jù)，2016年北京市居民工作時長約為362 min/d，現(xiàn)有研究將9:00—16:00時段內(nèi)累計停留時間超過5 h的用戶識別為工作人員。

c.游客：在研究區(qū)域停留時間超過一定的時間閾值，不會連續(xù)幾天出現(xiàn)在研究區(qū)域，出行目的地較多。游客經(jīng)景區(qū)出入口進出景區(qū)，因此一定出現(xiàn)在第一類基站，可能出現(xiàn)在第二類和第三類基站。

d.路人：在景區(qū)覆蓋范圍內(nèi)沒有固定的駐留地點，在研究區(qū)域內(nèi)的總停留時間短于其他類型用戶。路人一定不會出現(xiàn)在第二類基站，可能出現(xiàn)在第一類和第三類基站。

2.4 基于出行鏈的游客識別方法

從表2分析可以看出，路人、居民、工作人員和游客在空間分布特性上存在一定重疊。如何應(yīng)用手機信令數(shù)據(jù)進行游客的識別，成為景區(qū)客流預(yù)測的重要環(huán)節(jié)。

2.4.1不同用戶的出行特征

手機信令數(shù)據(jù)中包含了表示手機用戶所在位置的經(jīng)緯度坐標，以及用戶出現(xiàn)在該坐標下的時刻?；谶@兩類數(shù)據(jù)，將用戶出行的時間與空間數(shù)據(jù)進行整合，得到按時間順序排列的用戶全天的出行軌跡，即出行鏈。游客出行鏈是游客以旅游為目的，從出發(fā)至到達景區(qū)目的地，以及從當(dāng)前景區(qū)目的地至下一目的地的出行全過程?；谟慰统鲂墟湹臅r空分布特性，研究基于4類用戶的出行鏈特性分析，提出基于出行鏈的游客識別和特征分析方法。

基于手機信令數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理后，提取用戶的出行鏈[21-24]，繪制用戶的出行鏈，4類用戶的出行鏈形式如圖3所示。

a.居民用戶出行鏈特征：居民的多日出行鏈起訖點具有較強的規(guī)律性，出行起訖點均在研究區(qū)域內(nèi)，凌晨至早上在區(qū)域內(nèi)沒有移動。當(dāng)出行鏈包含多個活動點時，通常離開研究區(qū)域，并在中午或晚上返回研究區(qū)域內(nèi)的居住地，凌晨停留時間較長。

b.工作人員出行鏈特征：出行起點在研究區(qū)域外，進入研究區(qū)域后，在工作時間內(nèi)、景區(qū)外圍基站有固定的停留地點，最后離開研究區(qū)域，工作時間段內(nèi)停留時間較長。

c.路人出行特征：出行起點在研究區(qū)域外，進入研究區(qū)域后，沿研究區(qū)域外圍邊界移動，沒有長時間停留點，最后離開研究區(qū)域，總停留時間較短。

d.游客出行特征：出行起點在研究區(qū)域外，在開園時間段內(nèi)，由景區(qū)出入口基站進入研究區(qū)域，且在研究區(qū)域內(nèi)有多處停留時間較長的地點，最后經(jīng)過景區(qū)出入口基站離開研究區(qū)域，總停留時間較長。

2.4.2游客識別步驟

基于手機信令數(shù)據(jù)提取用戶的出行鏈，結(jié)合出行鏈中的活動點和每個活動點的停留時間，構(gòu)建基于出行鏈的景區(qū)游客身份識別方法。游客識別步驟流程如圖3所示。具體步驟為：

圖3 游客識別流程

a.將服務(wù)景區(qū)的基站分為3類：①覆蓋景區(qū)出入口的基站，用Ω1表示；②位于景區(qū)邊界內(nèi)的基站，用Ω2表示；③與景區(qū)有重疊部分的基站，用Ω3表示。將這3類基站選定為研究區(qū)域，在區(qū)域中的用戶用Ω表示。

Ω=Ω1+Ω2+Ω3

(1)

c.將用戶分為4類：①居民；②工作人員；③路人；④游客。

(2)

式中：Oi，Di為用戶i的出行起訖點所在基站，Ω為研究區(qū)域；Pi為用戶i經(jīng)過的中途點；t1為用戶在凌晨期間在區(qū)域內(nèi)的停留時長。

(3)

式中：Oi，Di為用戶i的出行起訖點所在基站，Ω為研究區(qū)域；Pi為用戶i經(jīng)過的中途點；t2為用戶在工作時間內(nèi)在區(qū)域內(nèi)的停留時長。

f.在景區(qū)開園時間內(nèi)，存在用戶經(jīng)過景區(qū)周邊的基站，在景區(qū)基站的停留時間t3<1.5 h，出行鏈起訖點均在研究區(qū)域外，在研究區(qū)域內(nèi)沒有固定停留點，僅在景區(qū)外圍活動，將這類用戶識別為經(jīng)過的路人。剔除路人數(shù)據(jù)。

(4)

式中：Oi，Di為用戶i的出行起訖點所在基站，Ω為研究區(qū)域；Pi為用戶i經(jīng)過的中途點；t3為用戶全天在區(qū)域內(nèi)的停留時長。

g.將d至f中識別的非游客數(shù)據(jù)剔除后，數(shù)據(jù)中仍可能存在無法通過前面步驟識別篩除的非游客，因此需要根據(jù)以下兩步進行游客的識別：

① 若景區(qū)邊界內(nèi)包含一個或多個完整基站，則將出現(xiàn)在這些基站內(nèi)的用戶識別為游客。

?Pi∈Ω2

(5)

② 若用戶第一次進入出入口基站的時間為開園時間以內(nèi)，停留時間t4≥1.5 h，經(jīng)過景區(qū)多個基站且出行鏈起訖點均在景區(qū)相關(guān)基站外的用戶，判斷為景區(qū)游客。

(6)

式中：tin為用戶進入出入口基站的時刻；T開，T閉為景區(qū)開園和閉園時間；Pi為用戶i經(jīng)過的中途點；t4為用戶在景區(qū)開園時間內(nèi)在區(qū)域內(nèi)的停留時長。

3 案例分析

3.1 研究區(qū)域

3.1.1景區(qū)和手機信令數(shù)據(jù)簡介

頤和園位于北京市西郊，是國家5A級旅游景區(qū)，中國清朝時期皇家園林，自然風(fēng)光優(yōu)美秀麗，節(jié)假日期間會吸引國內(nèi)外眾多游客前往游覽，是我國最熱門的景區(qū)之一。頤和園占地面積大，不同區(qū)域的熱門程度不同，在節(jié)假日期間會形成明顯的客流分布不均的現(xiàn)象。同時，頤和園周邊基站布置較為密集，因此，選取頤和園為研究對象，開展基于手機信令數(shù)據(jù)的游客識別案例分析具有典型意義。

手機信令數(shù)據(jù)來自北京移動公司某年5月1日0時至5月3日24時的全部數(shù)據(jù)，劃分研究區(qū)域，基于手機信令數(shù)據(jù)提取出行鏈，開展基于出行鏈的游客識別和出行特性研究。

3.1.2研究區(qū)域選取

使用ARCGIS軟件，繪制每個基站的泰森多邊形，使用泰森多邊形表示該基站的服務(wù)范圍，并將多邊形范圍與頤和園景區(qū)范圍進行比較，選取相交和包含關(guān)系的基站，即選擇可以覆蓋頤和園景區(qū)的多邊形所在的基站作為頤和園景區(qū)的研究區(qū)域。頤和園景區(qū)研究區(qū)域共設(shè)有13個基站。為方便后續(xù)研究，將基站重新編號，編號如圖4所示。

圖4 頤和園研究區(qū)域

3.2 游客識別結(jié)果

識別結(jié)果顯示：5月1日至3日頤和園景區(qū)研究區(qū)域內(nèi)游客總數(shù)量為103 966人次。其中5月1日頤和園景區(qū)游客數(shù)為45 136人，居民769人，工作人員1 255人，路人97 039人。

在5月1日的所有出現(xiàn)在頤和園景區(qū)附近的用戶中，路人占比最大，為67%，游客占比31%，居民最少，僅占1%，如圖5所示。

圖5 各類用戶人數(shù)比例圖

3.3 精度驗證

根據(jù)數(shù)據(jù)當(dāng)年通信運營業(yè)統(tǒng)計公報數(shù)據(jù)顯示，北京手機普及率為90.8%，中國移動市場份額為62.1%，根據(jù)普及率與市場份額，將識別的游客數(shù)量進行擴樣，得到景區(qū)接待客流量的數(shù)據(jù)，得到擴樣后的景區(qū)3 d接待游客184 380人。

根據(jù)頤和園“智慧旅游”系統(tǒng)數(shù)據(jù)顯示，當(dāng)年五一長假頤和園景區(qū)接待有客流量為32.7萬人次，其中4月30日接待人數(shù)最多，達到13.8萬人次，由此計算得到5月1日至3日頤和園共接待游客18.9萬人次。擴樣后識別數(shù)量占實際數(shù)據(jù)的97.56%，認為提出的基于出行鏈的游客識別模型精度較高，識別較為準確。

3.4 頤和園游客停留時間分布分析

游客停留時間指游客在研究區(qū)域內(nèi)停留的時間長度，研究以游客出現(xiàn)在研究區(qū)域的累計時長，即游客第一次出現(xiàn)在景區(qū)出入口基站時的數(shù)據(jù)時間，與最后一次出現(xiàn)在景區(qū)出入口基站的時間內(nèi)，連接研究區(qū)域基站的時間長度。

游客停留時間的分布，會影響到游客識別流程中停留閾值選擇。因此根據(jù)識別后得到的游客數(shù)據(jù)，進行統(tǒng)計分析，得到如圖6所示的游客停留時間分布情況。

圖6 頤和園游客停留時間分布圖

從圖6可以看出，5月1日的頤和園游客停留時間分布主要集中在1～3 h，占45.74%；其次是游覽3～5 h的游客占30.2%；占比最少的是停留時間小于1 h的游客，僅為6.31%。由此可以看出，頤和園景區(qū)范圍較大，所需停留時間稍長，游客也更傾向于中長時間的游覽。

得到的游客停留時間分布，與游客識別模型中選定的大于1.5 h的游客停留時間判斷閾值相比，分布大致相同，說明選取的閾值適用于頤和園景區(qū)的客流識別。

通過景區(qū)停留時間分布也可以反映出，在頤和園景區(qū)中，超過93%的游客在景區(qū)的停留時間超過1 h，在進行游客識別時，選取的游客停留時間判斷閾值應(yīng)大于1 h，可以提升識別精度。

4 結(jié)論

研究基于手機信令數(shù)據(jù)，對景區(qū)的客流識別方法進行研究，根據(jù)景區(qū)邊界與基站服務(wù)范圍的空間重疊關(guān)系，考慮游客通過景區(qū)出入口進出景區(qū)而產(chǎn)生的出入口基站的特殊性，將景區(qū)基站分為3類，第一類為覆蓋景區(qū)出入口的基站；第二類為完全處于景區(qū)邊界內(nèi)的基站；第三類為與景區(qū)有部分重疊的基站，選定了景區(qū)的研究區(qū)域。將用戶分為居民、工作人員、路人和游客4類，分析不同用戶的出行特征，提取用戶出行鏈，提出基于出行鏈的游客識別方法，最后以北京市頤和園景區(qū)為例進行案例分析，得到五一期間共識別游客103 966人次，游客識別準確率達到97.56%，識別精度較高。結(jié)果顯示，識別方法對于如頤和園占地面積較大的自然類景區(qū)有較好的識別精度。研究提出的游客識別方法可以用于大型自然類景區(qū)的客流統(tǒng)計，為景區(qū)的客流分布和移動等研究提供數(shù)據(jù)支持，給景區(qū)管理員進行大客流預(yù)警調(diào)控提供參考。