持续型大型活动影响因素及客流分布特征分析

钱慧敏，李 静，张 琳，杨子帆，张建强，汪 坤

(1.北京市交通运行监测调度中心，北京 100073；2.综合交通运行监测与服务北京市重点实验室；3.清华大学工程物理系公共安全研究院，北京 100084；4.北京交通工程学会，北京 100070)

0 引言

随着国民经济的显著增长，近年来各类国际大型活动相继在国内举办，如2008年奥运会、2010年世界博览会、上海世博会、北京冬奥会等，提高了我国国际影响力.然而在各大城市中，持续型大型活动的频繁举办，满足了人们对丰富精神生活的追求的同时也带来了一系列问题.活动的举行，通常引起大规模的客流积聚，给城市日常交通带来巨大压力，也易造成大规模突发事件.因此本研究探究降水、活动自身特征、节假日等因素对持续型大型活动客流规模的影响，以应对不同阶段的客流疏解要求，为政府管理部门采取更加合理的交通组织优化，以及游客选取更有效的出行决策提供支撑，提供同时提高城市交通系统的使用效率，缓解大型活动周边道路交通压力.

近年来，关于持续型大型活动的相关研究仍相对较少，王田田[1]从政策、票务、区位等方面分析青岛世园会影响客流规模的因素，基于月变特征分析旅游旺季，通过日均客流、周末日均客流、工作日日均客流情况分析日分布特征，通过高峰小时入园客流进行小时分布特征的刻画.刘淼[2]主要从时间、空间分布特征入手，结合天气、票务政策、游客心理等因素进行分析，总结上海世博会的入园月变、周变、时变客流特征.林文闻[3]以上海世博会为例，归纳整理了各入口的不同特征，利用数理统计工具和方法，对各入口进行单独分析.而现阶段关于大型活动客流预测相关的研究存在计算量大、普适性较差的特点.比如2003年阿克伦大学[4]分析了活动影响时段内交通流的时空消散问题,通过现有交通数据建立时间和空间因素矩阵并标定相关参数，构建大型活动场所周边道路交通时空影响模型，该模型需要丰富的历史样本数据进行支撑，普适性较差.河北工业大学崔洪军[5]探究了大型活动观众离开的客流特征,并在基于此阐述了观众抵达停车场的客流分布特征，从而建立了大型活动交通流时空消散模型，但所需要的参数与资料较多，移植性较差.还有一些研究利用往届大型活动数据，对游客数量及客流规律的动态变化进行线性回归分析，最终选择适当模型进行预测.比如杨军[6]构建了一种基于灰色马尔科夫的大客流实时预测模型，该模型把不同类型大型活动客流的历史OD作为数据基础,建立灰色预测模型及马尔科夫修正模型，最后在预测误差基础上对灰色预测结果进行修正，得到最终的预测大客流值，并以CBA总决赛时五棵松篮球馆客流状况为案例开展验证，其误差可控制在20%以内.

因此，针对大型活动客流影响因素及其分布的研究还比较少，而影响因素的作用机理研究又是大型活动客流预测的重要环节.本文拟重点讨论大型活动背景下的客流分布特征及其影响因素，为持续型大型活动的客流规模预测提供重要的参考.

1 大型活动客流影响因素集的确定

对于持续型大型活动而言，由于其时间跨度长、参与人数多等特点，影响其客流分布的因素也很复杂，主要包括活动本身属性、环境气候和日期属性等因素，因此下文对各影响因素进行了详细的阐述.

1.1 活动属性因素

活动属性因素是指活动自身的特点，是会对活动客流量产生影响的重要因素，主要包括如下4方面：

1)大型活动宣传情况力度

宣传工作是大型活动吸引客流的关键环节.目前，国内大型活动宣传主要以传统媒体宣传和新媒体宣传2种方式展现，传统媒体包括报纸杂志等印刷类宣传、以公交地铁为载体的车体站点广告、电视广播类多媒体宣传等；新媒体包括微博微信等网络宣传.不同的宣传方式所针对的受众群体也不尽相同，宣传力度的增加必然将使得大型活动吸引客流增加.

2)门票价格

价格因素涉及到参观的出行成本，属于比较敏感的客流影响因素之一，会对大型活动总体客流情况产生影响.通常，门票价格提升将使得个体层面利润的提升，但也必然将给参观意愿带来负面影响，最终使得客流规模降低.

3)公交成本

大型活动的举办都会借助现有的公交或地铁线路和大型活动背景下开的设临时公交专线作为疏导客流的重要途径.城市公共交通通常显示出较强的公益性.而大型活动主办方设置的公交专线通常连接活动举办地和附近公交地铁站点，且更倾向于商业性的运营模式.二者的这种特性就决定了他们的定价差异，而价格杠杆的作用使得价格较高的运营线路客流量会低于价格较低的线路，从而导致高价线路不能充分发挥其运输效能.

4)自办活动因素

自办活动是大型活动吸引参观者的重要手段之一，通常包括群众性集体活动、明星站台、商业汇演等形式.具有一定话题性的自办活动可以吸引更多参观者，从而促进客流量的增长，提升大型活动自身的知名度，这对自办活动本身的质量和宣传水平都提出了较高要求.

1.2 气候因素

户外活动中人们最敏感的因素就是气候因素，他能综合反映环境情况，他与人们的生理功能关联密切，影响着人们在外的总体感受.基于其个体可直观的进行判断，影响个体出行意愿.关于气候舒适度评价研究已经持续50多年了，特吉旺[7]在1966年就明确了气候舒适性指数计算规则，奥利佛[8]在1973实验中构建了寒冷指数(WCI).舒适性指数与寒冷指数是分析气候状况的主流评判指数，主要利用气温，相对湿度和风速统计数据分析计算而成.

寒冷指数计算式(1)：

(1)

式中，t为气温(℃)；v为风速(m/s).

舒适指数计算式(2)：

(2)

式中，K为舒适性指数；t为气温(℃)；RH为相对湿度(%)；v为风速(m/s).寒冷指数分级见表1，舒适性指数分级情况见表2.

表1 寒冷指数分级[9]

1.3 降水因素

对客流有明显影响的另一个因素就是降水，通常来说，降水给人们的户外活动和出行产生明显的负面影响.对于持续性大型活动，影响程度尤其显著，且降雨量的差异也将对活动客流产生不同的影响.

表2 舒适度指数分级[10]

1.4 节假日因素

对于持续型大型活动来说，非工作日通常会出现较明显的客流增长.这一特性在持续性大型活动中体现的越明显.基于此，按日期属性将其进行分类，通过剖析工作日、双休日、节假日条件下持续型大型活动客流特征及变化规律，阐述节假日等日期属性因素对客流量的影响程度，并明确不同类型节假日对客流量的影响程度.

2 持续性大型活动的客流特征——以北京园博会为例

“园博会”即第九届国际园林博览会.展会会场“园博园”会址位于北京市丰台区永定河西岸，召开时间为2013-05-18—11-18，历时185 d.附近开设3条常规公交以及4条园博会专线公交，园区西侧配合地铁14号线.展会期间将设置6个停车场，停车数量约1.1万辆(其中大客车720辆，小客车1.06万辆).

2.1 北京园博会总体客流特征分析

本研究数据均来源于园博会交通运行监测与保障系统，该系统实现了各种交通运输方式客流数据、车辆运行状况和路网运行状况数据的动态接入与监测.基于园博会全程182 d(未将后3 d数据纳入考虑)日均客流数据统计的周日均客流，如图1所示.

图1 园博会周入园人数图

本研究将园博会开放日划分为3个阶段，即开幕阶段、平稳阶段、闭幕阶段.从园博会客流分布特征来看，园博会客流呈现以下特征：

1)在开幕阶段，园博会游客数量适中平均每日客流约为35 000人，特别是开幕首日，客流达到44 000人，为本阶段非特殊节日客流首位.次周起客流数据有所下降.端午节3 d，总的参观人数超过了11万人次，为本阶段最高值，导致该周日均客流量明显回升.小长假结束后，客流状况发生明显回落。

2)进入平稳阶段后，园博会客流一直维持较低状态 在此期间，最低客流为7月15日的2 996人次，最高客流为07-20的37 442人次.该阶段客流较少，周末客流较平日有小幅上升.

3)闭幕阶段客流量明显增长 该阶段的首个自办活动为霍夫曼的“大黄鸭”展出.“大黄鸭”在园博会展出的2周时间中，园博会客流量较前两周激增264 080人次，增长率达170%.另外，“大黄鸭”展出的第2周周末与中秋节重叠，该日为全程单日客流峰值，达到了81 335人次.另外国庆节长假期间共接待游客354 949人次，从10-08开始，周末人数都会出现较大幅度上升，双休日平均客流量超过60 000人次，工作日也能维持超过2万人次的游客数量.

本研究定义拥有5个工作日及2个休息日的连续7 d为1个标准周，即不存在其他假日影响的完整礼拜.客流数据显示，在标准周内所出现的降雨天气会对客流产生明显影响，如表3，该周为1个典型的标准周，没有特殊活动及假日，这1周所呈现的客流状况为园博会典型的“L”分布，即周六客流量最高，周日略低，周一客流量达到极小值，之后每天都会有所回升，直至周五.

周日变系数可以反映周中各日客流量的变化趋势：

(3)

式中，Ki为周日变系数；Q为园博会开幕期间客流量；qi为一周当中某一天的客流量.如图2所示，园博会工作日客流量处于全程客流量平均水平之下，而周末客流量高于客流总体平均值.由下图2可见，工作日与双休日客流呈现明显差异.

图2 客流量周日变趋势图

2.2 气候因素对客流影响分析

根据园博会期间的气象统计资料，园博会开幕期间寒冷指数与舒适度指数分布情况如图3所示.

图3 园博会舒适度指数K、寒冷指数Q及客流量分布情况

舒适性指数主要将温度和相对湿度考虑在内，而寒冷指数则主要考虑风速和温度，两者一个更侧重湿度，一个更侧重与风速.从舒适指数看，参照表2分级标准，自06-15—09-07的12周均为b或c级，比较炎热，让人不太舒适.其余各周都处于舒适区间.因此，园博会开幕期间大部分时间适宜开展旅游活动，而暑假期间人体感觉比较炎热.基于寒冷指数(参照表1分级标准)走势上可发现，其变化趋势较好的反映了园博会期间温度变化的情况，寒冷指数升高，客流量也随之升高.这2个指数可以在日后的客流预测中发挥更在作用.

2.3 降水因素对客流影响分析

园博会举办期间，北京市达到规模及以上的降水共有18次，其中小到中雨共有14次，大到暴雨共有4次，主要集中在5—8月，平均每月4次.其中，大到暴雨发生在06-07、06-08、07-31及08-12.数据显示，不利天气条件下园博会客流量有明显下降，具体降水天气下客流情况如表3所示.

将园博会标准周中的客流情况和降雨数据结合分析发现，如果当日出现了降雨，其客流规模明显较正常参观日低.以周三为例，在2013-05-18—11-18期间内周三共发生6次降水，园博会开放日中周三的日均客流为14 830人次，而出现降水的周三日均客流仅为6 630人次，为正常状态下周三日均客流的44.7%.其余各参观日情况类似.可见降水对园博会客流量产生明显负面影响.降水因素对大型活动，尤其是室外参观将造成客流量的显著下降，而对于持续型大型活动来说，这种影响程度更为显著.降水强度的不同对客流量的影响有明显差异，降水强度越大，客流减少越明显.

2.4 自办活动对客流影响分析

基于显著性差异分析方法，将不同自办活动特点背景下园博会客流情况数据进行分析后.从表4中可发现，95%的置信区间内，无活动条件下与一般活动条件下客流的显著性sig.值高于0.05，表明无活动情况下与一般活动情况下的客流差异并不明显，即一般类型的活动属性对客流量没有产生显著性影响.而无活动与特殊活动之间、一般活动与特殊活动之间比较分析的显著性sig.值小于0.05，说明特殊活动与一般活动、无活动之间的差异是鲜明的，即特殊活动对客流量的影响具有显著性差异.

表3 园博会期间降水情况

表4 不同自办活动属性多重比较结果

*均值差的显著性水平为0.05.

2.5 节假日因素对客流影响分析

对于北京园博会，在其举办的6个月当中，共经历了23个双休日，2个3 d假期，即端午节小长假与中秋节小长假，以及1个7 d长假，即国庆节.排除降雨天气数据，在北京园博会运营期间，工作日为126 d，周末为46 d，节假日为13 d.表3为园博会客流数据统计量指标分析，双休日客流比工作日客流量增长了121.19%；节假日客流比工作日客流量增长了241.18%.

表5 园博会客流统计量指标分析

基于最小显著性差异分析方法，通过将不同日期属性的园博会客流数据进行分析，从表6中可看出，95%的置信区间内，不同属性多重比较的显著性sig值均小于0.05，因此可认为工作日与周末、工作日与节假日、周末与节假日之间的差异是显著的，即不同的日期属性对客流量的影响具有明显差异.

表6 园博会客流数据不同日期属性多重比较结果

*.均值差的显著性水平为0.05.

3 主要研究结论

本文以北京园博会客流数据为基础，从4个方面对影响大型活动客流可能因素做了着重分析，并评估了其影响程度.客流数据分析表明，包括门票及公交价格在内的价格因素会对客流选择方式以及总体客流水平造成影响，以公交为例，专线公交客流是普通公交的25%，价格因素是造成这一结果的主要原因；寒冷指数和客流总体走势呈正相关，出行者更倾向于舒适的气候环境下出行；根据降水量的不同，该因素对客流会造成负面折减，平均降幅在20%～50%；普通的自办活动不会对大型活动客流造成影响，而具有较高话题性的自办活动会推动客流上升；节假日客流量明显高于平日，平均客流强度是工作日的200%以上.本研究着重分析了大型活动客流规模的影响因素，并明确了各影响因素对客流的影响程度，为未来大型活动客流预测提供依据，对大型活动背景下的交通保障提供了一定的参考.