——基于以运营商手机信令数据为核心的客流大数据

魏玥1  黄达1  黄睿2  戴珂1  张天怡2

（1.江苏省数字文化和智慧旅游发展中心，江苏 南京 210000；2.南京市文化和旅游信息中心，江苏 南京 210000）

摘要：新时代背景下，人们对旅游的看法和行为方式发生重大转变，旅游业需要应对更加复杂的挑战，以适应旅游市场的变化。该研究基于2019、2022、2023年运营商客流大数据，应用时间分层法、空间分析法，从“旅游稳定发展期”、“旅游适应调整期”、“旅游恢复发展期”三个阶段，按“日”、“节假日”、“工作日”的尺度剖析时间分布特征，按“旅游出发地”、“旅游目的地”、“旅游吸引物”三个视角剖析空间分布特征，研究新时代背景下江苏旅游流的时空变化规律，以得出相关结论，进而指导相同类型案例区的旅游目的地空间结构优化、旅游针对性营销，为其提供旅游复苏、模式转型机遇。

关键词：客流大数据；江苏旅游；时空分布演化

一、引言

自从2020年以来，旅游业发生了巨大变化。从全球范围内旅游活动的受限，到政策利好措施后旅游行业的恢复和重建，这一切都使得旅游业变得更具挑战性和复杂性。新时代背景下，人们对旅游的看法和行为方式正在发生重大的转变，这种转变不仅影响着旅游业，也深刻地影响着整个经济和社会的发展，旅游业需要应对更加复杂的挑战，以适应旅游市场的变化。科学测算2019年、2022年、2023年的旅游业影响范围和程度变化，对比旅游稳定发展期、旅游适应调整期、旅游恢复发展期三个阶段的游客行为模式，对于开展新时代背景下旅游企业纾困政策制定、行业复苏对策研究，具有重要的现实意义。

近年来，国内外学者大多通过问卷调查数据、相关部门发布的统计数据定量定向分析游客旅游行为意向，但此方式受限于问卷调查的体量、抽样的科学性、统计的滞后性，在响应及时性、准确性等方面已经不能适应市场要求。随着信息技术的快速发展，无线终端、传感器等设备迅速普及，这为采集、构建旅游大数据奠定了基础。与传统的问卷调查相比，旅游大数据实时产生、快速更新，能够帮助我们更加准确地把握旅游市场的最新变化，受到了越来越多的关注[1-2]。以运营商手机信令数据为核心的客流大数据被国内外众多学者认可，将其与交通规划、城市管理、旅行研究相结合[3-5]，在旅游客流大数据方面，研究学者着力于客流时空分布特征分析、客流监测模型构建、客流管理研究[6-7]。通过该项数据，分析新时代背景下旅游流时间尺度、空间结构演化趋势，可充分了解游客的行为、偏好、需求变化，为旅游规划和管理变革提供有效依据。然而，目前几乎没有学者对新时代背景下旅游客流的变化情况展开分析。为了填补这一空白，本研究以旅游业发达的江苏省为例，基于江苏省智慧文旅平台的运营商手机信令数据，从旅游稳定发展期、旅游适应调整期、旅游恢复发展期三个阶段出发，按日尺度剖析时间分布特征，按旅游出发地、旅游目的地、旅游吸引物三个视角剖析空间分布特征，研究新时代背景下旅游流的时空变化规律，为相同类型案例区提供旅游复苏、模式转型的机遇。

二、数据来源与方法

1.研究区域和数据来源

本文研究区域是江苏省。江苏省地处中国东部沿海地带，拥有丰富的地理资源和自然景观，是中国全国著名的旅游目的地之一。其13个设区市都是国家历史文化名城，如南京、苏州、扬州，这些城市拥有众多历史文化遗产和自然风光，如中山陵、拙政园、瘦西湖、金鸡湖等，吸引了大量国内外游客前来观光游览。其拥有的25家5A景区，数量位居全国第一。截至2023年2月，江苏省共有252家4A级以上景区，江苏智慧文旅平台通过运营商手机信令数据、景区闸机数据、景区计数摄像头数据对其中250家景区进行长期的客流监测，覆盖全省13个设区市。在此基础上，本研究利用平台2019、2022、2023年的旅游客流、旅游客源数据，探讨新时代背景下江苏省旅游客流时空分布特征。

2.研究方法

为分析新时代背景下江苏省旅游客流和行为的变革，本研究统计2019年1月—2019年2月、2019年10月—2019年12月、2022年10月—2023年2月江苏省4A级以上景区的日客流量，根据江苏省旅游行为变化时间尺度，将其分为三个阶段，如表1所示，旅游稳定发展期（2019年）、旅游适应调整期（2022年10月-12月）、旅游恢复发展期（2023年1月-2月）。以此分析新时代背景下江苏省旅游客流时空分布演化特征。时间分布演化分析方面，以日、节假日、工作日为尺度。空间分布演化分析方面，以旅游出发地、旅游目的地、旅游吸引物为尺度，对比旅游稳定发展期、旅游适应调整期、旅游恢复发展期变化，为主管部门提供旅游业发展意见。

（1）旅游稳定发展期：指各种社会经济活动正常运行，没有受到外部重大事件干扰的时期。

（2）旅游适应调整期：指在这个时期，社会各方面进行了快速的调整，以适应新常态的时期。

（3）旅游恢复发展期：指在经历了一段困难时期后，社会经济开始复苏并寻求新的发展机遇，人们开始重新规划未来，同时加强了对潜在风险的认识和准备。

表1 江苏省旅游发展三个阶段

三、结果与分析

1.江苏省旅游流时间分布演化分析

为分析新时代背景下旅游产生的变化特征与规律，本研究根据江苏省4A级以上景区每日客流数据，绘制江苏省旅游稳定发展期、旅游适应调整期、旅游恢复发展期的旅游流峰林结构图，并根据重点节假日时间分布在图上对突出节点进行图示，研究全省4A级以上景区总客流量的日度分布，结果如图1所示。

图1 江苏省4A级以上景区客流量

从图中可以看出，旅游稳定发展期（即2019年1月—2019年2月、2019年10月—2019年12月），江苏省旅游客流呈现“双峰多岭”的分布特点。“双峰”是指国庆和春节假期两大客流高峰，“多岭”是指客流呈现出明显的周期性，即从周一开始，客流波动上升，并于周末达到高峰，产生以7天为一周期的波动。值得注意的是，2019年1月这段时间，“多岭”的特征不是特别明显，这是因为春节临近，游客并非全部集中在周末出游，且受假期及返乡潮影响，旅游客流高于平日。

与旅游稳定发展期相比，旅游适应调整期（2022年10月—2022年12月）的客流仍然具有“峰”和“岭”，这是因为旅游稳定发展期和旅游适应调整期，均有国庆假期和周末，因而拥有相似的客流量波动。但是，无论是国庆假期还是平日，旅游适应调整期客流量远低于旅游稳定发展期，这是因为景区实行“错峰、预约、限流”管理措施，致使游客出行受限、出游意愿降低。在这个时期，旅游出行方式进行了快速的调整，以适应新常态的时期。

旅游恢复发展期（2023年1月—2023年2月），江苏旅游流峰林结构与旅游稳定发展期相似，呈现“独峰多岭”结构。“独峰”是指春节假期客流的井喷式增长，“多岭”是指春节假期后的客流周期性变化，且受春节日期影响，独峰及多岭略有提前。旅游恢复发展期的江苏旅游客流量恢复程度则以春节为界，春节前，客流量仍低于2019年水平，但高于旅游适应调整期，这是因为该阶段游客出行处于“观望”状态；春节后，客流量高于2019年水平，这是因为大部分游客“三年未出游”，同时景区抓住复苏机遇推出“景区免票”“主题活动”等惠民措施，致使春节过后本为旅游淡季的江苏省，客流量呈现反季节性的增长趋势。

表2 江苏省客流分析指标

在以上“定性”分析的基础上，本研究进一步“定量”分析日客流数据，将旅游稳定发展期作为参照系，计算节假日、工作日客流分析指标，结果如表2所示。与旅游稳定发展期（2019年）相比，旅游适应调整期客流量恢复至2019年同期七成，游客出游意愿降低。但节假日客流量远超平时，景区客流分布更加不均衡，表明游客聚集在节假日出行，旅游淡旺季差异特征愈加显著。旅游恢复发展期，客流恢复至2019年水平，工作日客流量恢复程度高于节假日，表明受政策利好措施影响，游客出行限制减少，客流量恢复率有明显提高，且景区客流分布逐渐均衡化，游客由节假日集中出行转为错峰出行。

2.江苏省旅游流空间分布演化分析

（1）江苏省旅游出发地演化分析

为分析新时代背景下旅游客源市场的变化，本研究进一步细分江苏省旅游稳定发展期、旅游适应调整期、旅游恢复发展期三个阶段的客源维度，分别计算省外、省内跨市、本市客流占比，结果如表3所示。与旅游稳定发展期相比，旅游适应调整期的旅游市场以本市客流为主，省外客流及省内跨市占比明显减少，表明该阶段下江苏旅游客源市场分布愈加集中，游客以本地周边游为主。旅游恢复发展期，省外及省内跨市客流增多，基本恢复到2019年水平，表明长线旅游呈现回暖趋势。

表3 江苏省客源分析指标

省外客源方面，本研究将江苏省的国内旅游客源市场分为三个等级[8]，如图2所示，江苏省外客源市场呈现出“均衡化-集中化-均衡化”的空间变化特征。

①客源市场呈现“均衡化”分布特征。旅游稳定发展期（2019年），一级市场份额占比达59.39%，包括上海、安徽、浙江、山东、北京五个省市，二、三级市场份额占比达40.61%，两者份额差距较小。

②客源市场呈现“集中化”分布特征。与旅游稳定发展期相比，旅游适应调整期（2022年）的一级市场份额占比提高至67.96%，河南、广东从二级市场升至一级市场，二、三级市场份额占比下降至32.04%，两者份额差距逐渐拉大，一级市场为占据主导地位，表明受到跨省出游的限制，省内和周边地区是出游主体，中近程省市成为主要客源地。

③客源市场分布逐步恢复至“均衡化”。旅游恢复发展期（2023年）的一级市场份额占比降至63.57%，二、三级市场份额占比提升至36.41%，内蒙古、天津从三级客源市场升为二级客源市场，表明政策利好后，跨省出游限制减少，客源市场从以周边、中近程省市为出游主体，逐渐向外扩张，西、北部地区游客增多，客源分布逐步向2019年靠拢，但未完全恢复至2019年水平。

图2 江苏省4A级以上景区的省外客源市场变化

（2）江苏省旅游目的地演化分析

为分析新时代背景下旅游目的地的变化，本研究将江苏省旅游目的地按13个设区市进行划分，从图3、图4中可以看出，旅游稳定发展期（2019年）、旅游适应调整期（2022年）、旅游恢复发展期（2023年）三个阶段的江苏省旅游流呈现“南部集聚、北向南移”的空间分布特征。

①呈现出“南部集聚”的空间特征。江苏省旅游核心热点主要为南京、苏州，两市客流量约占江苏省五成，次核心热点主要为无锡、常州，两市客流量约占江苏省两成，江苏省客流主要集中在苏南地区。与旅游稳定发展期相比，新时代背景下的旅游恢复发展期，省会城市集聚性、吸引力作用表现更加明显，南京旅游客流超过苏州跃居全省第一，南京客流占比较2019年提高2.95个百分点。南京、苏州、无锡三大传统旅游城市的旅游客流占比呈上涨走势，较2019年提高1.57个百分点。

图3 江苏省13设区市的4A级以上景区客流量分布

②呈现出“北向南移”的空间特征。新时代背景下的旅游恢复发展期，苏南旅游客流占比呈线性上升走势，旅游恢复发展期的客流占比较旅游适应调整期增加3.22个百分点，较旅游稳定发展期增加2.68个百分比；苏北旅游客流占比呈线性下降走势，与苏南旅游客流变化趋势线的斜率基本互为相反数，旅游恢复发展期的客流占比较旅游适应调整期减少3.10个百分点，较2019年减少3.47个百分点，旅游流由2019年的苏北发展转向为2023年的苏南集聚。苏中旅游客流占比在三个阶段基本保持稳定。

图4 江苏省各地域的4A级以上景区客流量变化

（3）江苏省旅游吸引物演化分析

为分析新时代背景下促使游客做出旅游决策的原因，本研究根据江苏省4A级以上景区的主要旅游资源及旅游吸引物，将250家景区分成度假休闲（占12.80%）、红色旅游（占6.80%）、历史文化（占47.20%）、主题乐园（6.00%）、自然景观（27.20%）五种类型，计算平均每种类型景区每日接待的客流量，研究不同时期下游客旅游偏好，如图5所示。

图5 江苏省4A级以上的各类型景区客流量变化

度假休闲景区方面，江苏省的度假休闲景区主要以沿海城市如南通、盐城、连云港等为主，为游客提供各种各样的休闲度假活动。这类景区的客流量较大，以夏季和寒暑假为高峰，吸引游客的主要因素是美丽的海滨风光、水上运动等活动。同时，这类景区也有许多养生休闲的项目，如温泉度假、SPA等。旅游稳定发展期（2019年），这类度假景区的游客数量占比最高，达27.82%。旅游适应调整期（2022年），度假休闲景区的客流量下降明显，客流量仅达2019年的69.26%。旅游恢复发展期（2023年），游客更加注重安全卫生，更倾向于选择室外、自然环境良好的度假休闲景区。

红色旅游景区方面，江苏省拥有的红色旅游资源包括革命纪念馆、红色遗址等，吸引了许多热爱历史和民间文化的游客。这类景区的游客量较少，但是相对较为稳定。旅游稳定发展期（2019年），红色旅游景区客流量占比为17.87%。旅游适应调整期（2022年），红色旅游景区占比分别下降至12.28%和12.34%，表明该阶段对红色旅游景区的室内场馆影响相对较大，如侵华日军南京大屠杀遇难同胞纪念馆、黄花塘新四军军部纪念馆。旅游恢复发展期（2023年），客流量恢复至2019年的54.24%。

历史文化景区方面，江苏省拥有的历史文化景观非常丰富，包括各类博物馆、古镇等，这类景区对游客吸引力较为广泛，几乎覆盖全年龄段的游客。旅游稳定发展期（2019年），历史文化景区的客流量呈现着逐年上升的趋势，平均每个景区客流量仅次于度假休闲类景区，占比达22.98%。旅游适应调整期（2022年），对博物馆类客流影响相对较大，如南京博物院、中国漕运博物馆，但对古镇开放街区类景区影响相对较小，如苏州平江历史街区，淮安里运河文化长廊景区。旅游恢复发展期（2023年），景区采取的推广宣传活动，使历史文化景区客流量恢复至2019年的113.30%，占比提升至29.36%，“文化+旅游”成为最吸引游客的一方面。

主题乐园景区方面，江苏省拥有的主题乐园如南京欢乐谷、常州恐龙园、环球动漫嬉戏谷等，是吸引年轻游客的主力军，这类景区的客流量与年龄呈负相关，随着年龄增长而减少。旅游恢复发展期（2023年），“乐园+旅游”对游客的吸引力更强，主题乐园景区客流量恢复至2019年的125.71%，占比也从2019年的15.10%提升至2023年的21.41%。

自然景观景区方面，江苏省的自然景区如无锡鼋头渚、南京玄武湖、扬州瘦西湖等地。这类景区主要吸引喜欢户外运动和自然风光的游客。旅游稳定发展期（2019年），自然景观景区客流量也呈现逐年上升趋势，占比达16.23%。旅游适应调整期（2022年），对户外自然景观景区影响相对较小，客流量可达2019年的76.80%，占比提升至18.24%。旅游恢复发展期（2023年），自然景观景区恢复较好，客流量达2019年的90.44%，占比达16.55%。     

四、结论与建议

1.结论

（1）从日时间尺度看，旅游稳定发展期（2019年），江苏省旅游客流呈现“双峰多岭”的分布特点，“双峰”是指国庆和春节假期两大客流高峰，“多岭”是指客流呈现出明显的周期性。旅游适应调整期（2022年），客流仍具有“峰”和“岭”，但客流量远低于旅游稳定发展期。旅游恢复发展期（2023年），客流呈现“独峰多岭”结构，“独峰”是指春节假期客流的井喷式增长，“多岭”是指春节假期后的客流周期性变化，客流恢复程度则以春节为界，春节前低于2019年水平，春节后高于2019年水平，呈现反季节性的增长趋势。

（2）从节假日、工作日时间尺度看，与旅游稳定发展期（2019年）相比，旅游适应调整期（2022年）客流量恢复至2019年七成，景区客流时序分布不均衡，节假日出游的比例大幅度提升，旅游淡旺季差异特征愈加显著。旅游恢复发展期（2023年）客流恢复至2019年水平，景区客流时序分布逐渐均衡化，游客由节假日集中出行转为错峰出行。

（3）从旅游出发地空间尺度看，省外客源市场呈现出“均衡化-集中化-均衡化”的空间变化特征。旅游稳定发展期（2019年），市场份额分布较均衡。旅游适应调整期（2022年），江苏旅游客源市场分布愈加集中，省外游客占比有所减少，省内游和周边游成为主要出游模式。旅游恢复发展期（2023年），客源市场分布逐步恢复至均衡化，省外及省内跨市客流增多，长线旅游呈现回暖趋势。

（4）从旅游目的地空间尺度看，江苏省旅游流呈现“南部集聚、北向南移”的空间分布特征。南部集聚表现为旅游恢复发展期（2023年），南京的省会城市集聚性、吸引力、辐射性更加明显，南京、苏州、无锡三大传统旅游城市的旅游客流占比呈上涨走势，核心热点集中在苏南地区。北向南移表现为旅游恢复发展期（2023年），苏南旅游客流占比呈线性上升走势，苏北旅游客流占比呈线性下降走势，旅游流由2019年的苏北发展转向为2023年的苏南集聚。

（5）从旅游吸引物空间尺度看，“文化+旅游”“乐园+旅游”在旅游恢复发展期对游客的吸引力更强。旅游稳定发展期（2019年），度假休闲景区客流量最高，其次为历史文化景区。旅游适应调整期（2022年），对红色旅游景区的室内场馆、历史文化景区的博物馆影响较大，对历史文化的古镇开放街区类景区、户外的自然景观景区影响较小。旅游恢复发展期（2023年），历史文化景区客流量跃居第一，恢复至2019年的113.30%，主题乐园景区客流量恢复至2019年的125.71%，自然景观景区恢复客流量至2019年的90.44%。

2.建议

新时代背景下，江苏省旅游业需要适应新的形势和发展趋势。下面从面向旅游景区和面向旅游主管部门两个方面提出以下建议：

（1）旅游景区方面，在提高卫生标准的基本措施下，努力打造更安全、更新兴的旅游景点。首先加强省外客源引入，面向上海、浙江、安徽、山东、河南等传统一级客源市场，开展针对性的门票减免、发放消费劵等活动。其次巩固本地客源市场，面向本地市民，强化主题活动和免票优惠政策，扩大内需，从而提升旅游市场抗风险能力。最后提升景区文化内涵，顺应新时代背景下“文化+旅游”需求，加强游客文化展览、文化体验，同时加强新兴景点开发，为游客提供更多元化旅游体验，利用丰富自然资源，在沿海、沿江、沿湖地区开发生态旅游等，为游客提供绿色旅游。

（2）旅游主管部门方面，首先提供扶持政策，针对苏北、苏中等城市提供优惠、补贴政策，并通过各种媒体和渠道，加大苏北、苏中旅游资源和旅游产品的宣传推广力度。其次优惠力度倾斜，针对室内场馆景区、博物馆、纪念馆、文化馆等受影响较大的景区，在举办消费推广活动、资金奖补时，适当倾斜，并开展针对性调研和帮扶。

参考文献：

[1]沈泽,雒江涛,周云峰,等.基于移动网络信令的区域人群属性分析的研究与应用[J].计算机应用研究,2014,31(3):756-759.

[2]刘杰,胡显标,傅丹丹,陈明威.基于无线通信网络的人员出行信息分析系统设计与应用[J].公路交通科技,2009,26(S1):151-154.

[3]张天然.基于手机信令数据的上海市域职住空间分析[J].城市交通,2016,14(1):15-23.

[4]Fekih M,Bellemans T,Sm Oreda Z,et al. A data-driven approach for origin–destination matrix construction from cellular network signalling data: a case study of Lyon region (France)[J]. Transportation, 2021, 48(4):1671-1702.

[5]闫闪闪,梁留科,索志辉,等.基于大数据的洛阳市旅游流时空分布特征[J].经济地理, 2017,37(8):216-224.

[6]戴文,丁蕾,吴晨,等.基于大数据的旅游流时空分布特征研究——以南京市为例[J].现代城市研究,2019(2):38-44+53.

[7]陈晓艳,张子昂,胡小海,等.微博签到大数据中旅游景区客流波动特征分析——以南京市钟山风景名胜区为例[J].经济地理,2018(9):206-214.

[8]张立生,樊新生.旅游客源市场等级划分理论的应用及比较[J].地理与地理信息科学,2007,23(2):101-103.