基于手機信令數據的北京市景區游客時空活動特征研究

萬 意 張翼然 謝文瑄 丁 月 陶迎春 祝曉坤

(1. 北京市測繪設計研究院, 北京 100038;2. 城市空間信息工程北京市重點實驗室, 北京 100038)

0 引言

北京市2020年接待旅游游客達31833萬人,旅游收入5866億元[1],隨著游客數量逐年上升,越來越多的學者開始關注旅游景點的擁堵情況和人員安全問題[2]。準確統計景區客流對景區發展具有重要的參考價值,實時收集景區內駐留游客數量,掌握景區游客時空分布可以有效監測城市旅游業發展,對景區安全風險防范、公共資源調度、旅游業開發和城市規劃起到至關重要的作用[3-6]。探究景區內游客在時間和空間上的活動特征可以有效監測長時間序列下客流峰值分布規律,也可以為公共安全評估、旅游業健康發展和數字化智慧城市管理提供參考[7-8]。

目前已有不少學者針對景區公共安問題進行了研究,如WANG Jia[9]提出了目的地旅游安全容量動態評價體系,鐘曉君[10]基于統計分析和實地調研提出了針對廣州白云湖景區的客流調控機制和對策,胡成等人[11]提出了人群聚集空間不平衡系數和波動系數,對北京什剎海景區的人均聚集安全容量進行了計算。手機信令數據具有樣本數量大、覆蓋面廣、時間連續性強等優點[12],近年來在人口統計、職住關系、通勤行為、城市結構剖析、公共設施服務和區域關系[13-20]等領域有廣泛的應用。由于手機信令數據來源于移動設備,可以獲取游客的時空活動軌跡,對游客的實時位置進行判別,為景區游客動態監測提供了新的研究思路[21]。

基于此,本文采用手機信令數據,以北京市32個景區為研究對象,通過對區域內客流活動軌跡進行提取和判別,構建景區擁堵指數、客流活動強度指標、景區吸引力指標和晝夜、工作日和周末客流比指標,對北京市景區的游客時空活動特征進行分析,以期為公共安全評估、公共資源調度和旅游規劃發展提供參考依據。

1 研究區與研究數據

1.1 研究區概況

本研究選擇北京市東城區、西城區、海淀區、朝陽區、順義區、門頭溝區、石景山區和豐臺區8個市轄區內共32個景區作為研究對象,總占地面積約78.94 km2,涵蓋公園、博物館、歷史古跡、人文景觀等多個類別,表1是32個景區的具體信息。

表1 景區信息

1.2 研究數據

本研究采用2021年3月1日至2021年5月13日(共計74 d)的北京市用戶的手機信令數據,數據來源于手機與基站主動或被動交互產生的記錄,包括瞬時游客數量和歸屬信息,更新周期為30 min,其中瞬時游客數指當前時間點在景區停留超過15 min的用戶(剔除自然月內滿足一半天數及以上的區域穩定用戶),瞬時游客歸屬地指基于瞬時游客用戶的號段歸屬地信息,共計3868208條記錄。

1.3 數據預處理

大數據分析中,原始數據往往存在大量不完整、不一致的異常數據,會對數據分析的結果產生影響,本研究針對手機信令原始數據進行相應的數據清洗,包括原始數據的異常值識別、缺失值補0、離群值剔除和與本文研究區無關的數據篩除。

2 研究方法

2.1 空間分布特征指標構建

2.1.1景區總體客流活動強度

對74 d內每30 min的手機信令數據中32個景點的瞬時客流人數進行提取，景區內48個時段的瞬時客流的日均值可以反映該景區今日的客流活動強度，本文將全天48個時段的瞬時客流日均值作為客流活動強度指標，其計算公式如下：

(1)

(2)

式中，i是統計景區的編號；t是時段序號；T是總時段數量；S(d,t)是第d天32個景區的全天48個時段的瞬時客流總數；Po(d,t)是第i個景區第d天的瞬時客流總數；Pd,t是第i個景區第d天的第t個時段的瞬時客流數；Mean(d,t)是32個景區瞬時客流日均值；Meani(d,t)是第i個景區第d天瞬時客流日均值。

2.1.2景區擁堵指標

分別對32個景區每個時段的客流密集程度進行計算，以時間Tp段景區i內的瞬時客流總數均值和景區i的面積的比值作為該景區在時間段Tp的平均擁堵指數Cip(t)；以第d天第t個時段景區i的客流數和面積的比值作為該景區在該時段的擁堵指數Ci,d,t，其值越大表示擁堵程度越高，擁堵指標的計算公式如下：

(3)

(4)

式中，Cip(t)是時間段Tp內景區i的平均擁堵指數；Pipavg(t)是景區i在時間段Tp內的瞬時客流總人數；Ci,d,t是景區i在第d天的第t個時段的擁堵指數；Ai是景區i的占地面積。

2.1.3景區吸引力指標

分別對32個景區每個時段的客流歸屬進行提取和統計分類，計算時間段Tp內景區i的本地游客占同時段景區內游客總數的比例作為景區i在該時間段的內向吸引力指數，時間段Tp內景區i的外地游客占同時段景區內瞬時客流總數的比例作為景區i在該時間段的外向吸引力指數，其值越大表示該景點對本地或外地人群的吸引力越大，景區吸引力指標的計算公式如下：

(5)

(6)

式中，Atri_nat(t)是時間段Tp內景區i的內向吸引力指數；Atriout(t)是時間段Tp內景區i的外向吸引力指數；pnat是時間段Tp內該景區的本地游客數；Pout(t)是時間段Tp內該景區的外地游客數。

2.2 時間變化特征指標構建

2.2.1晝夜客流強度比指標

以06:00—17:30景區的日均客流量和18:00—05:30的日均瞬時客流數的比值作為晝夜客流強度比指標Iida，計算公式如下：

(7)

式中，Pday(t)是景區在06:00—17:30時間段內的日均瞬時客流數；Pnight(t)是景區在18:00—05:30的日均瞬時客流數。

2.2.2 周末—工作日、節假日—工作日客流強度比指標

對每個景區，以研究時間段中13天周末的日均瞬時客流數和53天工作日的日均瞬時客流數的比值作為該景區周末—工作日客流強度比指標Iiww，以8天節假日(4月3日—4月5日清明節假期和5月1日—5月5日勞動節假期)的日均瞬時客流數和53天工作日的日均瞬時客流數的比值作為該景區節假日—工作日客流強度比指標Iihw，計算公式如下：

(8)

(9)

式中，Pwkd(t)是景區i13天周末的日均瞬時客流數；Pwork(t)是景區i53天工作日的日均瞬時客流數；Phld(t)是景區i8天節假日的日均瞬時客流數。

3 分析與討論

3.1 客流空間分布格局

研究時段內北京32個景區的瞬時客流數日均值為16 503人；瞬時客流數最大為4月4日(清明節假期第二天)的下午15:30時段，北京32個景區內瞬時游客數高達74 485人；瞬時客流數最低為3月9日(工作日，周二)上午02:00時段，32個景區內游客總數為1 653人。圖1是各個景區的客流日均值，從圖中可以看到景區間的“冷熱”也存在較大的差距，瞬時客流的日均值超過1 000的有：奧林匹克公園(7 811人)、奧林匹克森林公園(2 470人)、玉淵潭公園(1 532人)、紫竹院公園(1 330人)、故宮博物院(1 190人)、世界公園(1 100人)、北京園博園(1 095人)和北宮森林公園(1 074人)。同時也有一些比較冷門的景點瞬時客流的日均值低于100人，如孔廟國子監(85人)和龍潭西湖公園(56人)。

圖1 北京32個景區客流日均值

由于不同景區間的面積差異較大，單純地從客流數量上并不能較全面地評估景區的客流環境，本文結合32個景區的面積來計算景區的擁堵指數，采用兼顧要素范圍個數、組內相似性和組間差異性的自然斷點聚類法將32個景點的擁堵指數分為5個擁堵等級，等級越高表示該景區擁堵程度越嚴重，具體分級見表2。

表2 基于自然斷點法的景區擁堵系數等級劃分

32個景點中擁堵等級為一級的有15個，二級有5個，三級6個，四級4個，五級2個。其中，戒臺寺和中塔公園為五級擁堵，擁堵指數超過4 000，游客密度大，擁堵程度較嚴重，而什剎海、奧林匹克水上公園等景區的擁堵指數低于20，較為寬敞舒適。除此之外，景區占地面積以及封閉與否也一定程度上影響著景區內的擁堵程度，一些占地面積較大的景區(如奧林匹克森林公園、頤和園、圓明園遺址公園)和非封閉的景區(如什剎海等)，即使瞬時客流數日均值較高，擁堵指數卻并不高，擁堵等級大多在二級以下。

在景區吸引力指標上，北京32個景點的游客中，外地游客是主要的客流來源，平均占比高達68.65%，本地游客占比約31.35%，圖2是各景區內本地游客和外地游客的占比情況，本地游客占比最多的景點是奧林匹克森林公園，有41.94%的游客來自北京，外地游客和本地游客的比例為1.38∶1。外地游客占比最多的景點是天安門廣場，占比高達84.22%，是本地游客的5倍左右。

3.2 客流時間變化特征

客流變化時間特征方面，節假日和周末的客流量相比工作日有明顯的增加，研究時段中53個工作日期間的瞬時客流的日均值為15 093人，13個周末期間的瞬時客流的日均值為1 8184人，比工作日的瞬時客流日均值高20.48%，清明節期間瞬時客流日均值為23 600人，比工作日的瞬時客流日均值高56.36%，勞動節期間瞬時客流日均值為23 526人，比工作日的瞬時客流日均值高出55.87%。

將06:00—17:30時段的客流量歸為晝客流量，18:00—05:30的客流量歸為夜間客流量，對32個景區的晝夜客流量進行統計，結果如圖3所示，78.5%的客流量來源于白天，晝夜客流比均值為3.64。日均客流量的差異主要體現在晝客流量的增減上，兩個明顯的客流高峰分別對應清明節和五一勞動節，其他客流小高峰出現在周末。夜間客流量的變化程度微弱，但在周末和節假日仍然有較小的起伏，與晝客流量節假日的增減幅度明顯高于周末不同，夜客流量在節假日和周末的增幅差異不大。

圖2 各景區本地游客和外地游客比例

圖3 景區晝夜客流分布情況

圖4是景區工作日、周末和節假日客流變化情況，凌晨00:00—06:30和晚上20:00—23:00期間客流量較少，且工作日、周末和節假日的客流量差異很小，游客的活躍時段是07:00—19:30期間。以工作日的客流量為參照，00:00—06:30時段內，節假日期間客流量與工作日客流量比值在維持在1左右，09:00—12:00節假日客流量顯著增加，節假日—工作日客流比值也攀升至1.5以上，并在15:30達到峰值，此時段節假日客流量是平時工作日的兩倍以上，在15:30后客流量逐漸降低，節假日—工作日客流比值也逐漸回歸至1左右。與節假日和工作日客流量相比，周末的客流量總體也呈現一致的增減趨勢，但周末的客流量僅在活躍時段(07:00—19:30)較高，在非活躍時段則低于工作日，00:00—10:30期間周末的客流量均低于平時工作日的客流量，11:00后則高于工作日客流量并在16:30達到峰值，約為工作日客流量的1.4倍，20:30之后客流量再度低于工作日。

圖4 景區工作日、周末和節假日客流變化

對于單個景區，本文提取景區的營業時段內的客流數據，將工作日、周末和節假日分類進行計算，并根據3種日期類型的客流量強度特征將景區的客流模式分為3類：節假日型(節假日的客流量日均值最高)、周末型(周末的客流量日均值最高)和工作日型(工作日的客流量日均值最高)。統計結果如表3所示，在北京32個景區中有25個景區屬于節假日型，周末型的有5個，工作日型的有2個，近80%的景區在節假日會面臨較高的客流壓力。

表3 景區客流模式分類

3.3 討論

手機信令數據以其大樣本、高覆蓋、低成本等優點在越來越多的領域提供數據支撐和分析功能。本文通過手機信令數據對北京市32個景區的游客時空分布特征進行了分析,得到了不錯的結果；但手機信令數據在客流統計上仍然存在一些不足,例如，手機信令數據盡管通過某些算法可以對用戶的類型進行判別,但仍然不能完全符合現實情況,例如，景區范圍內的工作人員和商家店員等也容易被誤判為游客,使統計結果產生誤差。同時，本文也存在一些需要改進和提升的地方,例如，本文使用的是74天的客流數據,在本研究的基礎上增加研究時段,可以進一步細化游客時空分布的動態趨勢和活動傾向,做到更精細的時空特征研究。

4 結束語

本文基于手機信令數據,通過構建景區擁堵指數、客流活動強度指標、景區吸引力指標和晝夜、工作日和周末客流比指標對北京市32個景區游客時空活動特征進行分析,得到結論如下：

(1)研究時段內北京32個景區的客流數日均值為16 503人,瞬時客流數最高高達74 485人,最低為1 653人。“冷熱景點”間客流量有較大的差異,戒臺寺和中塔公園為五級擁堵,擁堵指數超過4 000,而什剎海、奧林匹克水上公園等景區的擁堵指數不足20,較為寬敞舒適。

(2)在景區吸引力指標上,北京32個景區的游客中,外地游客是主要的客流來源,平均占比高達68.65%,本地游客約31.35%。不同景區間的游客類型也有差異,外地游客占比最多的景點是天安門廣場,占比高達84.22%,是本地游客的5倍多,本地游客占比最多的景點是奧林匹克森林公園,有41.94%的游客來自北京。

(3)節假日和周末的客流量有明顯的增加,瞬時客流日均值分別增加20.48%和56.12%,日均客流量中,78.5%的客流量來于白天,平均晝夜客流比為3.64。對單個景區的分析可知,32個景區中有25個景區屬于節假日型,即近80%的景區在節假日會面臨較高的客流壓力。