基于手机信令数据的城市旅游空间特征分析：以青岛市为例

📝 规划笔记——推荐一则来自城市交通的文章，摘录如下：

今天推荐的文章：提出了一种基于手机信令数据的城市旅游空间三维特征研究框架。

（1）景区层面，运用手机信令个体出行链数据，通过空间关联得到游客活动的景区链，进而进行景区客流时间和空间联系特征分析。

（2）旅游线路层面，基于Apriori数据关联算法，在满足最小支持度和置信度的前提下，深度挖掘景区之间的强相关关系，进而找到热点旅游线路。

（3）网络结构层面，运用中心性度量方法，分别对景区进行了度中心性、中介中心性以及接近中心性的分析。主要得到以下结论：

不同类型的景区呈现不同的时变特征。市区优质旅游资源呈现中心化聚集态势，三个湾区之间的旅游出行量约占总出行量的50%，龙头带动作用显著，但是对外围辐射力度不够，导致游客停留时间相对较短，平均为2.81 d，景区线路难以纵深拓展。因此，需谨慎对待强有力的、全域铺开的旅游发展思路，同时为避免摊大饼式的低效利用，旅游设施布局宜高质量、集聚集约发展，重点提升主要通道功能，节约整体旅游运转成本。

三湾区域作为游客中心的集散导流效果要优于周边景区，在游览三湾区域后前往周边其他景区的概率平均为80%，远高于先游览周边区域再前往三湾区域的概率(60%)。

旅游网络各节点之间的连接状况(度数)具有严重的不均匀分布特征，即旅游资源对于外地游客的吸引力并非均质铺开，而是少数关键旅游景区往往承担大量游客到访，而其他景区在整个旅游网络中的重要性一般。青岛市旅游空间布局呈现点状聚集状态，从中心性度量上看，市区沿海一带三个湾区的度中心性最大，平度市、莱西市等外围区域出入度、中介中心性等指标均较低，尚未形成客流集散枢纽。因此在后续设施建设及规划时，需将少数关键景区作为集散中心，其他景区作为一般化起终点统筹布局。

与传统方法相比，基于手机信令数据的机器学习算法具有客观性、时效性、成本低等特点。随着旅游行为的不断散客化、大众化、网络化，利用旅游个体数据进行旅游空间行为分析对于旅游研究和实践创新具有重要指导意义。然而，手机信令数据基站定位精度在市区范围为200~500 m，相邻景区客流的识别尚不够精确。下一步可结合互联网公司提供的GPS定位数据进一步减小游客定位的误差。同时，由于青岛市手机信令数据出现的平均时间间隔约为60 min，且不同游客个体基站切换的时间、频率均差异较大，难以找到游客之间的关联，尚不能有效识别出团体游客群体，需结合旅行社、景区的客流情况加以补充完善。