基于手機(jī)信令數(shù)據(jù)的旅游—交通客流特征分析以烏魯木齊市為例

文／程志華

隨著城市經(jīng)濟(jì)、社會(huì)的全面發(fā)展及居民收入的不斷提高，居民旅游出行需求不斷增加，交通出行特征發(fā)生新的變化，因此，量化旅游客流的分布特征及游客的居住、出行規(guī)律，將為城市旅游交通規(guī)劃和組織提供決策基礎(chǔ)。而手機(jī)信令數(shù)據(jù)由于其具有覆蓋范圍廣、數(shù)據(jù)文檔可靠、樣本量大、空間解析度高以及動(dòng)態(tài)性強(qiáng)等優(yōu)勢(shì)，相較于常規(guī)旅游交通調(diào)查，在對(duì)客流的分布及出行特征的提取上具有更大的挖掘空間和精度可靠性，該數(shù)據(jù)應(yīng)用的方法探討具有重要意義。

研究對(duì)象及數(shù)據(jù)選取處理

1.研究對(duì)象

本研究旅游人口專指具有本地或異地（烏市）旅游休閑出行行為的國(guó)內(nèi)移動(dòng)手機(jī)用戶。按客源地區(qū)別主要分為烏市常駐人口本地休閑旅游、外來(lái)游客異地旅游休閑活動(dòng)。旅游交通對(duì)象主要分為常駐人口、短期流動(dòng)人口。其中，常駐流動(dòng)人口與常駐戶籍人口一般具有類似的出行特征，而因出差、旅游、訪友探親等事由伴隨產(chǎn)生的異地旅游休閑出行，來(lái)烏市的人員是真正意義上的“外來(lái)旅游人口”，此類人群具有旅游居住時(shí)間段、人員變化城市空間流動(dòng)快，往往此類人員旅游出行特征較難通過(guò)調(diào)查手段獲取其旅游出行的空間分布及聯(lián)系情況，而手機(jī)信令數(shù)據(jù)采集具有不自主性、客觀性、空間分布廣、可連續(xù)性等特征，可對(duì)短期流動(dòng)人口進(jìn)行有效監(jiān)測(cè)，研究其城市空間旅游交通出行特性。

2.數(shù)據(jù)選取及處理

本文使用烏魯木齊市2016年1月份至5月份以及9月份共計(jì)6個(gè)月的中國(guó)移動(dòng)手機(jī)信令數(shù)據(jù)，總信令數(shù)約165億條，平均每天用戶數(shù)226萬(wàn)人，人均信令數(shù)41條。通過(guò)手機(jī)基站定位精度來(lái)看，基站布設(shè)點(diǎn)平均服務(wù)半徑為200米。服務(wù)半徑越小，定位精度越高。通過(guò)對(duì)手機(jī)用戶信令數(shù)據(jù)的時(shí)間完整性、事件類型完整性以及基站在空間分布的完整性進(jìn)行分析，制定數(shù)據(jù)清洗標(biāo)準(zhǔn)，見(jiàn)圖1所示，從而獲得可進(jìn)行分析應(yīng)用的可靠數(shù)據(jù)。

圖1 數(shù)據(jù)清洗流程

利用數(shù)據(jù)清洗原則，得到數(shù)據(jù)的清洗結(jié)果，清洗前后的數(shù)據(jù)規(guī)模如表1所示。

總體來(lái)看，數(shù)據(jù)清洗率是比較低的，得到的數(shù)據(jù)規(guī)模和每日人均信令數(shù)能夠滿足交通特征研究的數(shù)據(jù)要求。

表1 數(shù)據(jù)清洗前后數(shù)據(jù)規(guī)模對(duì)比

旅游交通客流識(shí)別關(guān)鍵技術(shù)方法

首先通過(guò)常駐人口識(shí)別算法及短期流動(dòng)人口識(shí)別技術(shù)，對(duì)烏市出現(xiàn)的手機(jī)用戶進(jìn)行來(lái)源差異性區(qū)分，對(duì)其出行軌跡進(jìn)行連貫性追蹤，進(jìn)而通過(guò)旅游客流識(shí)別模型進(jìn)行精準(zhǔn)化旅游休閑出行行為判別及空間聯(lián)系特性研究。

1.常駐人口識(shí)別算法

常駐人口識(shí)別以居住地判別為依據(jù)，而居住地識(shí)別基于概率學(xué)統(tǒng)計(jì)，即基于手機(jī)用戶在某個(gè)特定分析時(shí)段內(nèi)的停留地點(diǎn)、停留時(shí)長(zhǎng)以及分析時(shí)期內(nèi)的停留頻率確定的。分析時(shí)段因城市而異，需要根據(jù)不同城市居民的活動(dòng)特征確定。根據(jù)烏魯木齊市2014年居民出行調(diào)查數(shù)據(jù)分析得到94%居民夜間在家時(shí)段為21點(diǎn)至9點(diǎn)，90%居民夜間在家停留時(shí)間超過(guò)8小時(shí)，因此選擇上述參數(shù)進(jìn)行居住地識(shí)別算法設(shè)計(jì)，并應(yīng)用于烏魯木齊市常住人口居住地識(shí)別中，算法邏輯圖2所示。

2.短期流動(dòng)人口識(shí)別算法

短期流動(dòng)人口識(shí)別是在居住地識(shí)別的基礎(chǔ)上，結(jié)合其是否通過(guò)城市道口（此處包括進(jìn)出城主要通道及機(jī)場(chǎng)）進(jìn)入烏市的條件判斷，進(jìn)而判斷其停留閾值是否滿足（為有效剔除過(guò)境用戶）進(jìn)行條件約束識(shí)別。算法主要邏輯如下：（1）輸入有效軌跡數(shù)據(jù)；（2）篩選未識(shí)別出居住地的用戶（居住地識(shí)別子算法）；（3）是否通道城市道口或機(jī)場(chǎng)進(jìn)出烏市（空間記錄搜索）；（4）統(tǒng)計(jì)用戶每天累計(jì)停留時(shí)長(zhǎng)，停留時(shí)長(zhǎng)超過(guò)有效閾值則為短期流動(dòng)人口有效停留（剔除過(guò)境用戶（通過(guò)性手機(jī)用戶））。

3.手機(jī)用戶出行軌跡的識(shí)別方法

將清洗后的手機(jī)用戶信令數(shù)，按照用戶和時(shí)間進(jìn)行分組排序，并記錄對(duì)應(yīng)基站位置和停留時(shí)間，生成用戶軌跡表。手機(jī)用戶的位置信息實(shí)際上是一個(gè)出行鏈的片段，手機(jī)信令數(shù)據(jù)是最能采集到一個(gè)用戶出行鏈的完整的片段。傳統(tǒng)的居民出行調(diào)查以出行為基礎(chǔ)，只能對(duì)居民的有效出行的出發(fā)地和目的地進(jìn)行識(shí)別，而手機(jī)信令數(shù)據(jù)可以周期性的對(duì)手機(jī)用戶的位置進(jìn)行記錄，所以能夠得到大量的用戶軌跡點(diǎn)。將用戶的軌跡點(diǎn)按照時(shí)間順序連接，就得到用戶的出行軌跡鏈，如圖3所示，三條黃色軌跡分別代表不同用戶的一段時(shí)間內(nèi)的出行軌跡。

圖3 軌跡散點(diǎn)示意圖

4.旅游交通客流分析模型

基于手機(jī)數(shù)據(jù)的旅游景點(diǎn)客流監(jiān)測(cè)的首先需要明確旅游景點(diǎn)的空間位置和邊界，另外，需要建立移動(dòng)通信網(wǎng)絡(luò)與旅游景點(diǎn)的相互映射關(guān)，用于將手機(jī)用戶在移動(dòng)通信網(wǎng)絡(luò)中的位置匹配至實(shí)際的旅游景點(diǎn)分析區(qū)域。根據(jù)手機(jī)用戶的出行軌跡信息可以識(shí)別用戶在每個(gè)區(qū)域的四類關(guān)鍵行為：進(jìn)入、離開(kāi)、停留和路過(guò)，并在連續(xù)的時(shí)間周期（每15分鐘）內(nèi)，統(tǒng)計(jì)各個(gè)區(qū)域發(fā)生過(guò)這些行為的手機(jī)用戶總數(shù)，從而實(shí)時(shí)動(dòng)態(tài)地得到當(dāng)前分析區(qū)域的進(jìn)入客流量、離開(kāi)客流量、停留客流量、路過(guò)客流量。當(dāng)前統(tǒng)計(jì)周期內(nèi)，進(jìn)入某個(gè)分析區(qū)域后又迅速離開(kāi)的手機(jī)用戶，認(rèn)為僅僅路過(guò)該分析區(qū)域，此類用戶不計(jì)入停留客流量。

烏魯木齊市旅游交通客流特征研究

1.來(lái)訪游客時(shí)空分布

研究以大巴扎、水磨溝公園、紅光山、紅山公園為研究對(duì)象，分析相應(yīng)景區(qū)游客的旅游交通特征。

分析游覽景點(diǎn)當(dāng)天游客的其他活動(dòng)點(diǎn)，了解旅游景點(diǎn)與游客其他活動(dòng)地點(diǎn)的聯(lián)系強(qiáng)度。從分析結(jié)果來(lái)看，大巴扎客流高峰出現(xiàn)在12點(diǎn)-19點(diǎn)，占總客流量的65%；去過(guò)大巴扎的客流的活動(dòng)地以附近區(qū)域?yàn)橹?。紅山公園客流高峰時(shí)段出現(xiàn)在12點(diǎn)-18點(diǎn)，占總客流量的53%，到達(dá)的客流比較均衡，其來(lái)訪客流的活動(dòng)地也集中在附近地區(qū)。此類景點(diǎn)可歸為一類，此類景點(diǎn)僅對(duì)周邊區(qū)域的交通造成一定的影響，可考慮慢行交通及高峰時(shí)段的公共交通設(shè)施的安排。

而水磨溝公園客流高峰出現(xiàn)在13點(diǎn)-17點(diǎn)，占總客流量的58%；紅光山客流時(shí)辰分布比較均勻，去過(guò)紅光山和水磨溝公園的客流的活動(dòng)地比較分散。

圖4 城市不同分區(qū)與旅游景點(diǎn)的聯(lián)系強(qiáng)度

圖5 旅游景點(diǎn)客流的到達(dá)時(shí)間分布

2.旅游景點(diǎn)與城市空間要素關(guān)系

旅游景點(diǎn)客流空間來(lái)源去向分布一定程度上還受城市空間要素分布影響。利用百度地圖的API接口在線獲取烏魯木齊市的興趣點(diǎn)數(shù)據(jù)，主要包括旅游景點(diǎn)、星級(jí)酒店、購(gòu)物設(shè)施等旅游相關(guān)POI坐標(biāo)位置點(diǎn)。將POI匹配至交通小區(qū)，利用因子分析法、聚類分析法，結(jié)合城市用地標(biāo)準(zhǔn)對(duì)交通小區(qū)占主導(dǎo)的功能類型進(jìn)行識(shí)別。

以水磨溝公園及大巴扎為例進(jìn)行研究，水磨溝公園與其他旅游景點(diǎn)的關(guān)聯(lián)強(qiáng)度較強(qiáng)，也就是說(shuō)游覽水磨溝公園的游客會(huì)更大可能的同時(shí)去其他景點(diǎn)進(jìn)行游覽，而相對(duì)于其他城市要素而言較為孤立。相對(duì)而言，大巴扎與其他旅游景點(diǎn)的關(guān)聯(lián)強(qiáng)度較弱，與旅游景區(qū)周邊的其他城市要素有較強(qiáng)的關(guān)聯(lián)。前往大巴扎游玩的游客更傾向于在旅游景點(diǎn)周邊停留，與購(gòu)物設(shè)施或商務(wù)寫(xiě)字樓等要素集聚區(qū)的聯(lián)系較為密切。

烏魯木齊市亞歐博覽會(huì)客流特征研究

在9月份亞歐博覽會(huì)期間，烏魯木齊的交通特征也會(huì)發(fā)生微妙的變化，為了準(zhǔn)確把握亞歐博覽會(huì)期間烏市的交通特征，分析客流的變化，本研究亦應(yīng)用手機(jī)大數(shù)據(jù)進(jìn)行了亞歐博覽會(huì)客流特征分析。

1.亞博會(huì)展館客流來(lái)源分析

9月20日到9月25日期間，到達(dá)離開(kāi)亞博會(huì)展館的總客流約34萬(wàn)人次，其中本市人口為12.9萬(wàn)人次，占比為38%；外省市人口為21.1萬(wàn)人次，占比為62%。本市客流主要集中在天山、高新、水磨溝三個(gè)區(qū)，三個(gè)區(qū)客源比重達(dá)到82%。外市客流夜宿地主要集中在高新、水磨溝、沙依巴克三個(gè)區(qū)，三個(gè)區(qū)比重達(dá)到79%。

2.外市客流在烏市期間參觀景點(diǎn)的軌跡分析

9月20日到9月25日期間，去過(guò)亞博會(huì)的流動(dòng)人口中，同時(shí)又去過(guò)大巴扎、水磨溝公園、紅光山、紅山公園中一個(gè)景點(diǎn)的外市人口中，其中去過(guò)紅光山的人最多，占到50%，這與紅光山與會(huì)展中心距離最小有關(guān)。

圖8 亞博會(huì)客流參觀其他景點(diǎn)的流量分布

圖9 參加亞博會(huì)同時(shí)去旅游景點(diǎn)的外市人口活動(dòng)地分布

參加亞博會(huì)同時(shí)去大巴扎的外市人口活動(dòng)地分布在會(huì)展中心周圍，大巴扎周圍以及機(jī)場(chǎng)組團(tuán)。參加亞博會(huì)同時(shí)去水磨溝公園的外市人口活動(dòng)地分布在會(huì)展中心周圍，水磨溝公園以及中心城區(qū)部分小區(qū)。參加亞博會(huì)同時(shí)去紅山公園的外市人口活動(dòng)地分布在主要分布地：會(huì)展中心周圍和高鐵組團(tuán)。參加亞博會(huì)同時(shí)去紅光山的外市人口活動(dòng)地分布在會(huì)展中心和紅光山周圍，機(jī)場(chǎng)組團(tuán)以及城北區(qū)北部。

手機(jī)大數(shù)據(jù)能夠?qū)崿F(xiàn)對(duì)用戶連續(xù)的運(yùn)動(dòng)軌跡的追蹤，有利于分析用戶的出行活動(dòng)以及停留地點(diǎn)和時(shí)間，能夠更加真實(shí)的刻畫(huà)用戶的活動(dòng)特征，能夠有效的刻畫(huà)旅游交通客流的時(shí)空集聚特征。本文基于手機(jī)信令數(shù)據(jù)提出針對(duì)烏魯木齊市常住人口識(shí)別算法、短期流動(dòng)人口識(shí)別算法，從而確認(rèn)本研究的研究對(duì)象。另外，研究提出手機(jī)用戶軌跡識(shí)別的辦法，并進(jìn)一步獲得旅游交通客流分析模型，探討了手機(jī)信令數(shù)據(jù)在景區(qū)客流分析中的實(shí)際應(yīng)用。

旅游交通調(diào)查存在旅游人口出行活動(dòng)隨機(jī)性強(qiáng)、收集流動(dòng)旅游人口問(wèn)卷的困難，存在不能頻繁針對(duì)大型集會(huì)進(jìn)行實(shí)時(shí)調(diào)查的困難，基于手機(jī)信令數(shù)據(jù)一方面可對(duì)旅游人口的活動(dòng)特征進(jìn)行較為充分的把握，另一方面可對(duì)景區(qū)與城市其它相關(guān)因素之間的關(guān)系進(jìn)行分析，為滿足游客的食住及其相關(guān)出行的設(shè)施布設(shè)規(guī)劃提供了良好的分析基礎(chǔ)。