大型演唱会举办城市粉丝群体的交通出行特征研究

刘永乐 张景秋

[摘 要]  中國社会进入新的发展阶段，人们对美好生活的追求日趋多元，各类文化活动成为人们日常生活中的重要组成部分，其中，演唱会因其时间明确、场所固定、同好陪伴等特点成为文化活动中值得关注的一种类型。与此同时，大型演唱会因其举办场所容量大、歌手粉丝群体数量多等特点，对举办城市当日的交通会产生一定的影响。在此背景下，选择北京作为典型案例城市，选取两个不同类型歌手在同一场地的大型演唱会，通过手机数据，探测居住工作在北京的粉丝群体，其在演唱会当日和平常时日的交通出行特征，以期对城市交通精细化管理提供研究和案例支撑。研究发现：1）演唱会对举办城市粉丝群体的交通出行产生显著影响，主要表现在出行方式的选择上，更侧重轨道交通出行，出行量较平常时日有明显增加。2）与演唱会当日比较，粉丝群体平常时日的交通出行距离更远，出行时间更长，各项活动出行总量降低。3）从居住地—工作地—活动地的出行链来看，粉丝群体日常出行主要集中于活动地及居住地，工作地出行量相对偏少。4）演唱会对举办城市的交通影响与演唱会粉丝群体构成无直接相关性。

[关键词] 交通出行;文化活动;文化事件;手机信令数据;交通管理

[中图分类号] U 491.1  [文献标志码] A  [文章编号] 1005-0310（2021）04-0034-06

A Study on the Travel Characteristics of Fans in Cities Hosting

Large-scale Concerts： a Case Study of Beijing

LIU  Yongle， ZHANG  Jingqiu

（College of Applied Arts and Science， Beijing Union University， Beijing 100191， China）

Abstract： As Chinese society enters a new stage of development， peoples pursuit of a better life is becoming more and more diverse. All kinds of cultural activities have become an important part of peoples daily life. Among them， concerts have become a type of cultural activities worthy of attention because of their clear time， fixed place and good company. At the same time， large-scale concerts have a certain impact on the traffic of the host city on that day because of their large capacity of venues and large number of singer fans. In this context， taking Beijing as a typical case city， this paper selects two large-scale concerts of different types of singers in the same venue， and detects the traffic characteristics of fans living and working in Beijing on the day of the concert and ordinary days through mobile phone data， in order to provide research and case support for the fine management of urban traffic. It is found that： 1） The concert has a significant impact on the transportationof fans in the host city， which is mainly reflected in the choice of travel modes. Compared with ordinary days， the choice of public transportation， especially rail transportation， significantly increased; 2） Compared with the concert day， the average travel distance of the fan group in daily traffic is longer and takes more time. Although the daily travel volume of the fan group reduced， the travel distance on the activity day is longer. 3） The daily travel of concert fans is mainly concentrated in the activity place and residence from the perspective of activity place， residence and work place， and the travel volume in the work place is relatively small. 4） The traffic impact of the concert on the host city has no direct correlation with the composition of concert fans.

Keywords： Transportation;Cultural activities;Cultural events;Mobile aata;Traffic control

0 引言

自20世纪七八十年代开始，演唱会就成为评价城市文化软实力的重要指标[1]。在我国，随着城市经济社会的快速发展，人们对文化多元化需求的日趋增长，演唱会也成为了中国城市文化活动的重要组成部分。千人以上的大型演唱会，也包括大型体育赛事和节庆活动等城市大型活动，因在同一时间同一地点大量人群的出入，对举办场馆及其周边，乃至城市整体交通造成一定的影响，成为城市地理和交通管理关注的研究话题。1988年，美国联邦公路局（FHWA）将大型活动解释为计划性特殊事件（planned special events），即在已规划的特定的时间和地点发生的能引起交通需求非正常增长的特殊事件，包括体育赛事、演唱会、游行集会、国家庆典等[2]。

我国2008年北京申办奥运会成功后，出现了对北京奥运会期间的交通预测及交通规划组织研究[3]。通过文献梳理还发现，对于大型活动与城市交通的关联性研究主要集中在交通影响分析、交通组织与管理、交通疏散及交通流、交通需求预测等方面。例如，选用不同评价指标表示活动对交通的影响程度[4]，从影响的形式、机制、决定因素等方面综合分析道路交管措施对周边路网交通的影响[5]，大型活动交通影响评价特点及大型活动交通管理的影响因素分析[6]，以及大型活动对社区交通和当地居民日常生活的影响评价[7]。在大型活动期间的交通组织与管理方面，通过设计大型活动的具体交通组织与管理流程，探讨大型活动期间的出行需求管理和交通组织原则[8]，大型活动的交通组织和管理方法与基本步骤[9-10]。在交通疏散方面，构建基于人流预测的大型活动散场交通疏散模型[11]，大型活动消散过程中交通流分布状况[12]，以及举办大型活动产生的城市交通需求预测及其实施效果[13-17]，从而为交通管制预案提供一定的科学依据。近年来，随着地理大数据挖掘与分析技术的不断丰富，研究者利用公共交通卡数据调查大型活动的城市交通影响[18]，预测大型活动期间的城市交通影响及交通出行模式[19-20]，以及大型足球赛事球迷空间行为特征分析[21]，大型活动场馆周围的交通预测和交通分配模型的建立[22]等。

综上所述，大型演唱会作为城市文化活动的重要组成部分，对城市居民的生活和交通出行以及城市交通管理都或多或少产生了一定的影响。北京作为全国文化中心，举办大型演唱会与城市交通管理的关系密切且具有代表性。

1 数据与方法

1.1 研究对象的选取

根据大型活动的分类[2]，本文所述大型演唱会属于在固定场所举办，离散、不连续或可重现的活动，其具备的典型特征包括：特定的开始时间和可预测的结束时间，可预测的集中高峰到达/消散交通流率，可预知场馆容量，通过提前售票可辅助预测观众需求，举办时可能与城市日常通勤交通发生冲突等。根据2019年北京市不同类型文化活动分布[23]可知，北京市现场演出类活动多集中在7月、8月举办，且北京工人体育场作为大型体育场馆和演艺活动场地，据不完全统计，2018—2019年累计举办了各类大型文体活动近50场，是北京重要的文体活动场所，且工体位于北京朝阳区东二、三环之间，周边分布有居住小区、写字楼、使馆区、医院等，地面交通多呈现拥堵状态。考虑到研究样本的代表性和有效性，本研究选取了2018年7月、8月分别在工人体育场举办的两场不同年龄和不同风格流行音乐歌手的演唱会，演唱会1举办时间是7月14日（周六）19：30—21：30，演唱会2举办时间是8月24日（周五）19：30—21：30，利用手机信令数据，比较2场演唱会的粉丝群体在演唱会举办当日及其平常时日的交通出行特征。同时，比较演唱会举办日期在周六日和周五对城市交通的影响。

1.2 研究数据及方法

根据前人研究可知，手机信令数据作为一种新型的大数据源，可通过特定基站实时追踪手机用户的位置、状态等信息，实现对手机用户移动轨迹的完整记录，其为筛选特定人群提供了可能[21]。

本研究选用经过脱敏处理，且不涉及任何个人隐私信息的手机信令数据，仅使用数据供应商提供的加密用户ID、基站编号、位置、时间等属性，筛选2场演唱会且居住在北京本地的粉丝群体。识别过程如下：

1）基于位置的筛选：基于基站密度生成位置網格，通过工人体育场wkt空间信息筛选出工人体育场空间范围内所包含的位置网格及其对应网格坐标。

2）演唱会识别：筛选出坐标位于所选位置网格范围内，时间记录为演唱会前30 min到演唱会结束后30 min之间的手机数据，

若有1h以上驻留记录且除去位置驻留类型为工作地以及居住地的人群，其中驻留是指早上第一个位置、晚上最后一个位置、其他时间在同一地点触发了多次信令且起止间隔超过30 min的位置，被识别为有效的驻留。个人的位置驻留类型（居住地、工作地、到访地）是由数据供应商根据算法自动进行识别标记。选取1h以上驻留记录是考虑到位于工人体育场中的粉丝在演唱会期间应该至少有1h以上的停留时长。同时考虑到演唱会具有提前进场时间与延迟退场时间，故在1h以上的停留时长基础上叠加了演唱会举办前后30 min的时长。

3）研究的主体数据筛选结果：通过以上识别步骤，识别出演唱会1粉丝群体2 662人，演唱会2粉丝群体2 170人，以及个体出行时间、交通方式、位置点坐标和位置驻留类型等出行记录。

4）误差说明：根据2018年数据供应商财务报表分析显示，其市场占有率为20.41%，在默认参加演唱会粉丝都携带手机的前提下，可识别的演唱会粉丝群体数大约为真实人数的20%。结合演唱会售票和上座率的统计分析，识别人数可以达到演唱会上座人数的20%～30%，可初步判断该识别过程具有较高的可靠性。

2 演唱会粉丝出行交通特征

基于上述数据筛选方法识别出演唱会1粉丝群体，根据加密用户ID提取出演唱会1粉丝群体在演唱会日（7月14日）的出行记录，以及其相邻周（7月19日—7月22日）的平常日均出行记录。同理，通过加密用户ID提取出演唱会2粉丝群体在演唱会日（8月24日）的出行记录，以及其相邻周（8月13日—8月19日）的平常日均出行记录。

2.1 交通出行方式

为探究演唱会对其粉丝群体出行交通方式的影响，根据出行记录，分别统计对比演唱会当日的出行交通方式占比和该群体平常日均出行方式交通占比（表1）。由此可见，两场演唱会当日的粉丝群体，其活动出行次数高于其平常日均活动次数两倍以上，演唱会对粉丝群体的

交通出行造成了重要影响。两场演唱会当日其粉丝群体的

地面交通出行占比均达76%，轨道交通出行占比均达23%;而其粉丝群体平常日均地面交通出行占比均为82%左右，平常日均轨道交通出行占比均为18%左右，说明了其粉丝群体在平常时日的活动出行更偏向选择地面交通出行，而演唱会的举办造成了部分粉丝群体选择轨道交通出行方式的增多，这可能是由于演唱会对地面交通造成影响，导致部分粉丝群体转向选择更为稳定的轨道交通。此外，对比两场演唱会粉丝出行交通方式占比，可以发现在演唱会当日及平常日均出行两个场景中，两粉丝群体的出行交通方式占比基本一致，并不受演唱会粉丝群体构成特征的影响。2.2 交通出行时距

统计对比两场演唱会粉丝群体在不同场景下的交通出行时距特征（表2）可知，相对于演唱会当日出行，在平常日均出行场景下，两场演唱会粉丝群体其公路及轨道交通出行距离更远、出行时长更久，演唱会的举办导致了粉丝群体演唱会当日交通出行与日常交通出行特征的差异。而根据表1可知粉丝群体在平常日均出行场景下的出行次数更低，这说明在平常由于不受演唱会活动的影响，其粉丝群体虽然出行次数降低，但活动出行距离增加了。

2.3 粉丝群体年龄的影响

为进一步探究演唱会对粉丝群体出行的交通影响，本文提取了所识别出的演唱会1粉丝群体及演唱会2粉丝群体其年龄段分布（图1），可知两场演唱会在18岁以下、30～39岁、50～59岁及60岁 以上年龄段的粉丝群体其年龄段构成接近。在19～29歲年龄段，演唱会1粉丝群体比演唱会2粉丝群体高出9%，在40～49岁年龄段，演唱会1粉丝群体比演唱会2粉丝群体低5%。总体上，两场演唱会粉丝群体年龄构成具有差异，然而在演唱会及平常出行中，两场演唱会其粉丝群体的交通方式占比基本一致，这说明演唱会这类活动造成了其粉丝群体出行的交通影响，演唱会对交通的影响与其粉丝群体及其年龄构成无关。

3 演唱会粉丝的出行分布特征

为进一步探究粉丝群体演唱会日及平常日均出行场景下的出行分布特征差异，以两场演唱会粉丝群体为基础对象，识别了其演唱会当日及平常日均出行场景下6时至24时的粉丝群体出行记录，将演唱会粉丝群体出行记录分时段统计，按照出行到访类型统计两场演唱会粉丝群体的活动地—居住地—工作地分布特征（图2，图3），其中活动地是指识别手机用户完整出行链后，剔除居住地和工作地的到访地记录

。从演唱会日与平常时日的粉丝群体出行活动对比来看，两场演唱会当日粉丝群体出行量远高于其平常日均出行量，这也印证了演唱会活动造成的交通出行影响。

根据活动地—居住地—工作地的分布来看，粉丝群体日常出行类型的出行量分布更为均匀，两场演唱会粉丝群体总体出行量分布更集中于活动地及居住地，工作地出行量相对偏少。从各时段出行量分布来看，两场演唱会其粉丝群体出行量分布较为一致，由于演唱会的原因而都集中于活动地，随着演唱会时间临近，出行量逐渐增多，于17时、18时到达顶峰。而随着演唱会的开始，粉丝群体已集中于工人体育场，活动地的出行量迅速跌至低谷，至演唱会散场，粉丝群体活动地

的出行量又出现增加。而粉丝群体平常日均出行量则随着时间在17时、18时到达顶峰，随即逐渐下降。其中，演唱会2粉丝群体平常出行的居住地和工作地出行量分布于7时、8时、9时，以及17时、18时、19时出现“双高峰”现象，这可能是由于其粉丝群体上下班所造成的。而演唱会1粉丝群体出行量分布并没有出现上下班时间的“双高峰”现象，这可能是由于粉丝群体间的差异造成的。

4 结论

本文通过对手机信令数据的分析，研究了两场演唱会所识别出来的演唱会粉丝群体的交通出行特征、出行活动分布特征以及演唱会对交通出行的影响，探究了演唱会粉丝群体的活动特征及其交通影响。对于演唱会粉丝群体的活动特征有了更加深入的了解，也为探究粉丝群体的出行活动与城市交通之间的影响尝试了新的途径，以此来为城市大型活动的管控、城市大型活动设施的规划选址等问题提供一些参考。

需要说明的是，由于手机基站的平均间距为500 m，因此在手机基站500 m范围内的个体位置是无法被精准定位的，所以本文所提的所有手机用户的位置信息都是归结到基于基站密度生成的网格位置，存在一定范围内的误差，并不是完全真实的位置信息，而这也是手机信令数据本身的限制所致。本文得出的所有结论均是建立在此误差基础上所得到的，但是只要不是在极其微观的个体尺度进行研究分析，数据本身的误差并不会影响结论。

通过对识别的演唱会粉丝群体演出当日出行及平常出行分析发现：

1）两场演唱会日的粉丝群体活动出行次数高于平常日均活动次数两倍以上，演唱会对粉丝群体的活动出行造成了重要影响，但演唱会对交通的影响与其粉丝群体及其年龄构成无关。

2）演唱会粉丝群体的地面交通出行占比均达76%，轨道交通出行占比均达23%;而其粉丝群体平常日均地面交通出行占比均为82%左右，平常日均轨道交通出行占比均为18%左右，由于演唱会举办造成的交通影响导致部分粉丝群体选择轨道交通出行方式的增多。

3）相对于演唱会日出行场景，在平常日均出行场景下两场演唱会粉丝群体其地面交通及轨道交通出行距离更远、出行时长更久，其粉丝群体平常日虽然出行量降低，但活动出行范围更广。

4）演唱会粉丝群体日常出行的居住地—工作地—活动地出行量分布更为均匀，两场演唱会粉丝群体总体出行量分布更集中于活动地及居住地，工作地出行量相对偏少。

[参考文献]

[1] 世界城市文化发展报告[R/OL].（2018-10-10）[2021-08-10].http：//www.worldcitiescultureforum.com/publications/world-cities-culture-report-2018.

[2] DUNN JR W M. Managing travel for planned special events[J]. Special Events， 2003（11）：14-15.

[3] 陆化普.交通规划理论与方法[M].北京：清华大学出版社，2006.

[4] 王振报，李金山，陈艳艳.大型活动期间交通影响分析方法研究[J].武汉理工大学学报（交通科学与工程版），2010，34（4）：758-761.

[5] 罗典，甘勇华.大型活动期间交通管制措施对城市交通的影响分析：以广州奥运火炬传递期间交通管制的影响为例[J].交通与运输，2008（2）：62-64.

[6] 姜桂艳，李继伟，赵佳琪.大型活动交通影响评价方法[J].城市交通，2008（5）：59-63.

[7] HAN A F， WONG K I， HO S N. Residents perceptions on the traffic impact of a special event： a case of the Macau Grand Prix[J]. Asia Pacific Journal of Tourism Research， 2017，23（1）：1-14.

[8] 杨忠振，陈刚.大型活动的交通组织方法研究[J].城市交通，2007，5（3）：81-85.

[9] 趙佳琪，姜桂艳.大型活动的交通组织与管理研究[J].交通标准化，2009（12）：60-63.

[10] 张晓春，石心怡，关志超，等.“世界大运会”城市交通组织与管理措施研究[J].中山大学学报（自然科学版），2009，48（S2）：231-236.

[11] 叶霞，夏海霞，高志刚.大型活动散场观众交通疏散模型[J].计算机应用与软件，2018，35（12）：54-60.

[12] 陈茜，王炜.大型活动中突发事件对交通流的时空影响[J].交通运输工程学报，2009，9（3）：81-85.

[13] 孙剑，李克平，杨晓光.2010年上海世博会交通需求预测研究[J].交通与运输（学术版），2005（2）：1-3.

[14] 赵跃萍.大型活动事件下的城市交通需求预测方法研究[D].武汉：武汉理工大学，2008.

[15] 王兴川，姚恩建，刘莎莎.基于AFC数据的大型活动期间城市轨道交通客流预测[J].北京交通大学学报，2018，42（1）：87-93.

[16] 郑云霄.大型活动下城市轨道交通进出站客流短时预测研究[D].北京：北京交通大学，2019.

[17] TEMPELMEIER N， DIETZE S， DEMIDOVA E. Crosstown traffic - supervised prediction of impact of planned special events on urban traffic[J]. GeoInformatica， 2020，24（2）：339-370.

[18] 颜彦文，刘婵，江渝，等.基于公共交通卡数据的城市轨道交通大事件影响分析模型[J].城市轨道交通研究，2020，23（7）：108-111.

[19] KWOCZEK S， DI MARTINO S， NEJDL W. Predicting and visualizing traffic congestion in the presence of planned special events[J]. Journal of Visual Languages & Computing， 2014，25（6）：973-980.

[20] XIN Y， MACEACHREN A M. Characterizing traveling fans： a workflow for event-oriented travel pattern analysis using Twitter data[J]. International Journal of Geographical Information ence， 2020（2）：1-20.

[21] 申卓，王德.基于手机信令数据的大型足球赛事球迷当日空间行为特征研究[J].人文地理，2018，33（3）：34-43.

[22] 何亚.城市大型活动的交通问题研究综述[J].北京联合大学学报，2019， 33（1）：41-48，63.

[23] 孙源涵，刘永乐，张景秋.疫情防控背景下北京城市文化活动供需的时空分布特征[J].北京联合大学学报，2021，35（1）：10-19.

（责任编辑 李亚青）