基于手機大數據的大型場館不同功能區客流特征及預警研究

姚遠+孫楊世佳

【摘 要】本文以上海國家會展中心為例，基于上海市手機信令數據，總結會議期的客流出行特征，對大型場館不同功能區的客流時空分布規律進行分析。在此基礎上，提出相關大客流預警方案。研究發現，進館客流、出館客流、進出館人數、進出館人次均呈現周期性規律。研究證明，手機大數據在客流特征、客流預警方面具有較強的現實意義，完成從被動監測到主動管理、從監控到預警的轉變。

【關鍵詞】手機信令數據；大型場館；客流特征；預警方案

0 研究背景

大型會展場館是人流聚集的地方，而人流的移動是個復雜的過程。出于對行人設施規劃及安全預警方面的考慮，場館內的客流數是一個及其重要的指標。傳統上，普遍采用場館入口的閘機數據來統計場館內部的客流，但有其局限性：第一，一般的會展場館與入口數并不是多對多的關系，場館內部各區域的客流數是無法通過閘機數據統計出來的；第二，一般出館是不刷卡的，出館客流無法得到，故實時的在館客流無法通過進出館客流之差推算出來。

與此同時，隨著數據挖掘技術的發展，手機大數據已在交通規劃行業得到了廣泛的應用。在宏觀區域的客流統計方面，基于手機大數據的調查統計在各大城市的交通大調查中扮演了重要的角色，有效地補充傳統的交通調查在數量上的不足。

大型會展場館由于其面積大，被多個移動通信基站所覆蓋，而每個基站則相當于覆蓋范圍內的客流計數器，故用手機大數據來挖掘大型會展場館的客流是可行的。本文以上海國家會展中心為例，分析其在特定會展期間的客流分布特性。

1 研究數據與方法

1.1 手機信令數據

本文研究數據為手機信令數據，屬于大數據范疇。手機信令數據通過基站來定位用戶的位置、狀態等信息，實現對出行者活動較為全面的記錄。數據為匿名形式，當手機與基站進行通信連接時，基站會進行記錄，從而產生信令數據記錄。信令數據包含用戶匿名ID、時間戳、基站位置編碼、事件類型（如接打電話、接發短信、位置更新）等信息。與傳統數據相比，手機信令數據量龐大，可連續不斷跟蹤用戶的位置，近似于全樣本，因此能夠有效分析大客流的分布特征。

1.2 研究方法

本文選取上海國展中心作為案例，研究大型會展場館在會議期間的客流分布特性，并基于客流變化規律提出大客流預警?？土魈卣靼ㄟM館、在館、出館人數的時空變化規律和進出館人數、人次的時間分布差異性。預警主要分為三個階段：根據人均行人空間確實大型場館的客流閾值，在此基礎上制定Ⅰ、Ⅱ、Ⅲ三級預警狀態，分別對應紅色、橙色和黃色。

2 案例情況

國家會展中心（上海）總建筑面積147萬m2，地上建筑面積127萬m2，是目前世界上面積最大的建筑單體和會展綜合體。國家會展中心由展覽場館、配套商業中心、配套辦公樓和配套酒店四大部分構成。國家會展中心可展覽面積50萬m2，包括40萬m2的室內展廳和10萬m2的室外展場，室內展廳由13個單位面積為2.88萬m2的大展廳和3個單位面積為0.97萬m2的小展廳組成。本次選取質量較好的2017年3月15日、3月16日和3月17日三天的手機信令數據作為分析對象。

3 結果分析

1）會議期間進館客流變化

進館人數是指當前時間窗進入，并且在當前時間窗結束，還在區域范圍內的手機用戶數量。四個展館的進館客流都呈現明顯的周期性變化規律，3月16日的進館客流峰值B、D兩館的客流峰值最高，15日次之，C館恰好相反，A館進館客流相比于另外三個展館來說變化幅度不大。17日作為展會的最后一日，四個展館的進館客流峰值明顯低于前兩日。三日內進館客流變化都最先出現在C館，然后是B館、D館和A館。

2）會議期間在館客流變化

在館人數是指在當前時間窗口結束時，仍在此區域內的手機用戶數量。四個展館的館內客流呈現明顯的周期性變化，在展會的前兩日，B館內客流人數在14：30-14：45時間段內為所有展館內最多，C館內客流在3月15日13：45的客流量次之，第二日其最大客流量在相同時間出現D館內人數在第二日16：15達到最高峰，第一日和第三日的館內客流相對較少，A館在三天內館內客流變化不大。與進館客流一樣，館內客流的變化都最早出現在C館，然后是B館、D館和A館。

3）會議期間出館客流變化

出館人事是指在當前時間窗口之前進入，并且在當前時間窗口結束時，已經離開區域內的手機用戶數量。四個展館的館內客流呈現明顯的周期性變化，展覽前兩日出館客流的最大值一般都出現在16：30-17：30時間段內，與進館客流和館內客流變化相對應的是，B館的出館客流峰值最大，16日各個場館的出館客流出現時間較為分散，應該與展覽結束的時間相關，17日由于進館客流較少，相對應出館客流也是最少的。出館客流的變化最早出現在C館，然后是B館、D館和A館。

4）會議期間進出館人數和人次變化

進出館人數是指在當前時間窗口多次進出區域范圍內的手機用戶數量。進出館人次是指所有手機用戶在當前時間窗口多次進出區域范圍內的總次數。在展覽舉辦期間，C館進出人數和人次明顯高于其他三個場館，B館次之，C館和B館的人數和人次均相差不多，A館進出人數最少，這可能與每個場館的展覽內容和具體的起止時間有關；各場館在3月15/16日兩天的客流明顯高于3月17日，且相較而言3月16日的客流更高，表明在活動的第一天往往會有較大規模的客流出現，但客流的峰值會出現在隨后的幾天內，到展覽活動的最后一天，客流量會出現明顯減少的情況。

4 預警方案

客流預警采取“進館出館兼顧、實時動態調整”的原則，對大型場館可能發生大客流的各種狀態制定相關預警方案。

進館客流預警狀態界定：統籌考慮在館客流、在途客流、周邊交通情況等因素，根據大型活動場館參觀人流服務水平和國家會展中心的可展覽面積，將預警狀態分別為Ⅰ、Ⅱ、Ⅲ三級預警狀態，分別對應紅色、橙色和黃色。Ⅰ級紅色預警狀態對應超過20萬的客流規模，Ⅱ級橙色預警狀態對應超過30萬的客流規模，Ⅲ級黃色預警狀態對應40萬的客流規模。

出館客流預警狀態界定：主要針對出館客流高峰及突發性事件制定應急預案，預警狀態主要依據需要離場的客流規模制定，實行Ⅰ、Ⅱ兩級預警狀態，分別對應紅色和橙色。Ⅰ級紅色預警狀態對應10萬人次/h左右的高峰時段客流組織。Ⅱ級橙色預警狀態對應特殊天氣或突發事件的疏散交通組織

【參考文獻】

[1]方家，王德，謝棟燦，等.上海顧村公園櫻花節大客流特征及預警研究——基于手機信令數據的探索[J].城市規劃.2016，40（6）：43-51.

[2]吳嬌蓉，葉建紅，陳小鴻.大型活動場館參觀人流服務水平分級研究[J].同濟大學學報（自然科學版）.2007， 35（6）： 850-855.

[3]林文聞，黃淑萍.大型活動空間分布特征分析——以上海世博會為例[J].中國商貿.2013：162-164.

[4]沈晨衛，石昆磊.天津國家會展中心交通需求預測及交通組織方案研究[C].2013年中國城市交通規劃年會暨第27次學術研討會.2014：1281-1289.endprint