选择任意2套并申请同一款套餐，再优惠200元！

选择任意3套套餐并申请同一款套餐，再立减360元！

任意选择4套并申请同一款套餐，再优惠520元！

任意选择5套并申请同款套餐，再优惠700元！

任意选择6套并申请同款套餐，再优惠900元！

（以上折扣不包括第 5 营和第 14 营）

添加我以获取有关每个课程的详细信息

添加我进行咨询和课程注册

项目基本信息

项目名称：轨迹驱动的滨海景区自驾旅游流时空特征及分流模型研究

项目负责人：何兵

支持单位：中国科学院深圳先进技术研究院

项目参与者：

孙利群 中国科学院深圳先进技术研究院 助理研究员

刘倩楠 中国科学院深圳先进技术研究院

周荣 工程师 中国科学院深圳先进技术研究院

徐强 中国科学院深圳先进技术研究院

林 楠 中国科学院深圳先进技术研究院

概括

近年来滨海，自驾游客成为景区旅游流的重要组成部分，带来了旅游旺季停车难、景区拥堵、空气污染等问题。为有效诱导和均匀分流自驾客流，缓解景区及周边交通设施和环境压力，本项目在自驾客流时空轨迹重构的基础上，结合交通地理学、时间地理学、行为科学等理论，在微观尺度上探索景区自驾旅游流运动规律、空间流动模式及时空分流建模方法。首先本项目基于研究区域兴趣点数据及社群检测，提出一种自驾客流监测优化点位分布算法，建立微观尺度的自驾客流数据集，分析自驾旅游流演变特征及空间分布特征。 其次，基于景区间是否存在自驾车游客流构建空间交互网络图谱，结合频繁图挖掘算法提取景区内自驾车游客的流动模式，对比分析城市内和城市间自驾车游客的流动特征和路径选择偏好。针对景区高峰期自驾车游客停车路径受停车场及附近路径客流相关性影响的问题，提出了基于多头注意力和图神经网络的多监测点综合客流预测算法。最后，结合多智能体技术、节点分配模型、车辆跟驰模型，建立了基于多智能体的自驾车游客流时空分流模型，并开发了相应的软件系统。本项目研究可为景区旅游规划建设、客流管理提供决策依据。

项目完成报告

以下研究结果摘录自项目最终报告，项目报告共44页，关注城市数据微信公众号，在微信公众号对话框中输入24716即可下载完整报告PDF：

研究工作主要进展（部分摘录）

2.1主要研究内容。

（1）轨迹驱动的自驾旅游流时空分布特征及演变过程研究

基于自驾旅游流空间分布的异质性，本文利用景区视频车辆监控数据和实地调研数据，引入空间数据挖掘、轨迹数据分析等方法，定量研究开放景区自驾游的空间差异性。从时空视角，从自驾旅游流对景区网络结构的时变属性出发，研究自驾旅游流随时间、空间和外界环境变化的不同演化过程，分析开放景区自驾游的时空扩散规律。

该部分具体内容在2.2.1章，基本完成了预期的研究内容。其中，通过车牌数据的采集与预处理，建立了景区自驾客流数据集，并在此基础上运用统计学方法分析了自驾旅游流的时空特征、演变过程及差异性。

（2）景区高峰期自驾游客空间行为特征研究

基于轨迹数据,结合统计分析、空间分析、数据挖掘等方法,研究景区自驾游客的路径选择偏好特征;引入轨迹信息中的时空变化属性,定量分析其对高峰时段自驾路线选择行为和停车选择行为的影响;建立景区自驾旅游流空间互动网络,分析景区客流空间互动过程,构建停车客流空间累积模型。

该部分具体内容在2.2.2和2.2.3章，完成了预期的研究内容。利用频繁图挖掘算法实现路径偏好特征分析，利用多头注意力机制和图神经网络构建客流预测模型。模型综合考虑路径选择行为和停车行为引起的流量关联效应，实现停车客流与路段客流的同步预测。

（3）轨迹驱动的自驾游时空导流模型与策略研究

在研究自驾车旅游流时空演变过程和空间行为特征的基础上，以景区停车容量和路径时空可达性为约束，建立了基于轨迹数据的自驾车旅游时空分流模型；基于模型进行实际案例计算，分析分流结果对相关参数的敏感性；结合产出评价指标分析景区自驾车流均衡状态，提出基于停车路径选择优化的时空分流策略，为景区规划和拥堵治理提供依据和数据支持。

该部分具体内容在2.2.4章，基本完成了预期的研究内容。其中，基于景区各停车场容量及路网可达性，构建了基于多Agent的自驾游时空分流模型，模型主要考虑车辆跟驰参数及节点客流分配参数，节点客流分配参数可在分配过程中由多Agent自适应学习。最后开发了多Agent自驾游流分配系统。从实验结果来看，基本实现了自驾游流的自适应引导分流过程，各节点可在不同时刻输出分配率，方便制定分流策略。

2.2 主要研究进展、重要结果、关键数据等及其科学意义或应用前景。

2.2.1 轨迹驱动型自驾旅游流时空分布特征

2.2.1.1 自驾车旅游流监测点选取算法

路网及停车场中的监控设备是自驾旅游流数据采集、空间流动格局及时空分流模型的数据来源。微观尺度下自驾旅游流空间流动格局分析需要利用摄像机采集车辆所经过的路段信息，经过数据整理后还原其行驶轨迹。但开放景区周边部分路网依附于城市路网，包括快速路、普通道路、小区道路等多个等级道路，路网节点数量多、结构复杂。因此自驾旅游流数据采集设备布局需要综合考虑路网结构、景点分布、设备数量等，防止出现设备布局冗余、路段选择不合理等问题。

在数据采集点选取过程中，本项目以保证自驾车车辆轨迹的完整性为主要目标，综合利用网络社区发现（Girvan Newman算法[）和最短路径算法，基于路网数据和兴趣点数据建立自适应数量的监测点选取算法，然后对获取的数据进行快速搜索，还原重建自驾车车辆轨迹，用于提取自驾车游客流量模式，构建节点客流相关性预测模型。

（1）算法设计

通过高清摄像设备采集自驾游游客流数据，利用车牌识别算法提取图片中的车牌号，再利用通讯模块将采集到的数据发送到服务器，以关系数据表的形式存储在数据库中。通过此过程上传到服务器的客流数据是一行行的记录，包括车牌号、通过时间、设备号等信息。在数据库中，每秒可以生成数万条记录，记录之间没有明确的时间顺序和拓扑关系，需要对其进行清洗，并将其组织成采样点之间的有序结构，以保证后续空间流态分析和时空分流建模的可靠性。本项目首次提出了一种兼顾路网结构和兴趣点分布特征的监测点优化选择算法，具体计算过程如下：

在选点前，先利用遥感卫星数据提取景区路网结构数据，将路口拆分成路段，构建路口和路段的拓扑关系图。选点时，先确定每个待处理节点所属的分区，并根据路网拓扑关系查找该节点的前继节点列表，以当前节点为起点构建树形结构，使节点间形成层级关系。然后计算当前节点到每个剩余节点的最短路径数作为该节点与相关边的权重，去除上述步骤计算出的最大值的边，形成初步的分区图。然后确定落入每个分区外矩形的兴趣点数量，当兴趣点和分区数量均满足阈值时，输出选择结果集。最后，输出边集两端的节点作为监测点布置的依据和车辆行驶轨迹重建的依据。

（2）实验结果

本次项目选择大鹏新区作为试点。大鹏新区于2011年12月30日成立，位于深圳市东南部，三面环海，是粤港澳大湾区的重要节点。辖区面积600平方公里，其中陆地面积295平方公里，约占深圳市的六分之一，海岸线长133.22公里，约占全市的一半。下辖葵涌、大鹏、南澳3个办事处，25个社区。新区是深圳国家全域旅游示范区试点区。 大鹏新区旅游资源十分丰富，有大鹏要塞、金沙湾、玫瑰海岸、东冲、西冲、大鹏半岛国家地质公园较场尾民宿小镇等。深圳有56处沙滩，大鹏就有54处，东冲、西冲被评为“中国最美八条海岸线”之一。

实验采用深圳市大鹏新区交通路网及兴趣点数据进行。路网数据来源于百度地图爬取的高分辨率遥感影像兴趣点数据滨海，如图1-3a所示。监测点选取结果如图1-3b所示。从结果图中可以看出，采集点覆盖了景区路网所有重点路段，可以追踪到自驾车游客进入景区到各个景点的流转过程。

2.2.1.2自驾车旅游流时空特征分析

以往对旅游流时空特征的分析主要集中在入境流、国内流、城市等大中尺度，侧重于单一节假日时段，缺乏全年节假日的对比。微观尺度上的景区客流调查及特征分析主要依赖问卷调查、微博、游客点评、百度热力图等，此类方法难以满足长期的节假日旅游流特征分析。另外，使用GPS定位追踪难以获得自驾车游客的配合，数据采集难度大。因此，面对景区及周边客流的分流，尤其是高峰时段自驾车车辆增多时，缺乏有效的数据采集方法，限制了微观尺度上自驾车旅游流流动特征的研究。本项目选取车牌监测数据作为分析基础，已被证实在城市出行调查中具有适用性。

本项目数据来源于景区主干道及停车场的13个监测点，共计17个视频传感器设备。道路监控数据包括车辆经过时的车牌号、时间等信息，停车场监控数据包括车辆车牌号、进出时间。本文从数据库中选取了2018年9月至2019年8月的车牌数据，共计2019919条记录，其中元旦、春节、五一等节假日数据共计994740条。

（1）建立自动驾驶汽车数据集

① 车牌数据预处理

由于字迹模糊、遮挡、气候条件和光照条件等原因，车牌数据存在识别错误​​，例如车牌位置错误、号码中特殊字母和数字混淆、重复采集等。为了保证数据的可靠性，首先进行预处理：1）删除无关字段，保留车牌号、通道、录入时间等主要信息；2）淘汰空值，修正车牌位置；3）去除无效数据，例如车牌长度短、特殊车辆、重复采集等；4）修正车牌号中含有特殊字母和数字的数据；

②自动驾驶汽车数据提取

由于旅游交通与日常交通共用城市道路交通系统，采集的数据既包括自驾车车辆，也包括通勤车辆，因此需要对预处理后的自驾车车辆数据进行提取。某一节假日自驾车数据的提取方法如下：以元旦假期为例，将元旦及其他时间出现在大鹏新区的车牌视为本地车牌，去除后得到初步的自驾车数据。具体过程为：①、选取元旦三天假期的数据，去除这些数据中的车牌；②、选取元旦假期以外的数据，去除重复的车牌号；③、选取②与①中车牌数据的交集，即可得到本地车牌数据；④、在预处理后的数据中，去除③中得到的数据，即可得到初步判断为自驾车车辆的数据。 之后将本地车牌数据和待处理的自驾车牌数据按照车牌号进行分组统计，计算出自驾车辆停留天数，计算公式如下。

数据结果如图1-5所示。从图1-5（a）可以看出，本地车牌在不同停留时长下呈现分布，平均每个停留时长为3.57%，说明这些车牌在统计时间段内出现频率较高，与本地车辆的出行模式相符。图1-5（b）显示，在待定自驾车牌数据中，停留时间超过1天的车牌占比相对较小，而停留时间少于1天的车牌占比高达90.84%，说明这些车辆以短时间停车为主，与自驾出行时间短且集中的特点相符。

（2）自驾车客流时空特征

选取2018年国庆节、2019年元旦、春节、五一劳动节作为节假日客流高峰的时空分布特征，统计各节假日前后一个月的客流变化情况，对比分析各节假日前后工作日、周末、节假日的客流特征。

从图1-6可以看出，各节假日客流总体呈现单峰现象，节假日初期客流逐渐收敛，节假日中期达到最高点，节假日末期趋于下降。各节假日日客流存在差异，春节、五一期间日客流超过1万人次，元旦、国庆节日客流在4000人次以下。

通过对比节假日与周末客流发现，春节、五一、国庆后第一个周末客流较大，这三个节假日一直是我国旅游的主要出游时间，节假日出游客流较多，节后周末则以本地休闲游为主。

自驾游客流量具有周期性，每周自驾车数量逐渐增多，周末达到高峰，下一个工作日又回落到最低点，开始下一个周期。

我们计算了工作日、周末、节假日和整体客流的小时平均值。小时平均值按工作日5天、周末2天计算，小长假按每个节假日天数计算平均值。结果如图17所示。

从图中可以看出，节假日、周末、工作日24小时客流变化趋势基本相同，夜间0点至6点客流较少，7点以后客流逐渐增多，经历两个高峰后又有所下降。

节假日期间，第一高峰出现在上午11点，第二高峰出现在下午14点，直至晚上23点-24点，景区内仍有客流。与此不同的是，第二高峰出现在周末的不同时段，如元旦、春节、国庆节前后的周末，第二高峰出现在下午15点左右。且工作日与周末有类似的特点。

各统计时间段的客流大体汇总，各日期如图1-7（d）所示。元旦、国庆节平均客流与对应统计时段各周末平均客流略有差异，而春节、五一假期旅游流量明显高于周末平均客流，说明游客更倾向于春夏季节到景区游玩，秋冬季节客流较少。我们对各节假日景区自驾游客源地进行了统计，结果如图1-8所示。从省外客流最高的省份来看，各节假日湖北、湖南、贵州、广西均进入前十，江西、新疆、北京、河南有三个节假日进入前十。客流最低的省份主要是黑龙江、海南，省内客流最高的城市为东莞、广州、惠州、梅州、河源。 云浮、潮州是客流最低的两个城市，地处广东边缘，距离深圳较远。

2.2.1.3 总结

项目实施过程中，自驾车数据采集是研究的基础，本项目首先设计监测点筛选算法，然后结合研究目标和需求对实际安装点的各项设备进行调整，之后在数据采集的基础上分析客流的时间变化与演变特征以及空间来源的差异性。从结果来看，车牌识别数据可以有效应用于自驾车旅游流分析，并显示节假日后的第一周也是人们休闲出游的首选日期。

2.2.2 基于图挖掘的景区自驾游流空间流动模式识别

自驾车车辆轨迹的记录与分析对于掌握游客运动特征、进行客流分流引导具有重要意义。前期研究表明，横断面交通流与监测点距离、位置以及路网拓扑结构相关。在分析自驾车旅游流运动特征时，需要将路网结构、时间与空间的相关性纳入分析过程，才能解释游客交通的深层次行为。因此本项目采用频繁子图挖掘算法对自驾车旅游流运动模式进行挖掘，从图与流的视角，基于实验区采集的自驾车旅游流数据，探究多个旅游景点与重点路段之间的动态关系。

2.2.2.1 实验数据选取

本项目根据已布设监测点实际采集的数据，在满足构建流向图有效性的条件下，选取了5个道路监测数据和2个停车场监测数据，监测设备标签分别为A1、A2、A5A7、A10、P1、P2（如图2-1所示），将分布在停车场出入口的监测设备统一为P1、P2两个停车场，方便分析。

2.2.2.2 研究方法

研究方法如图2-2所示，首先，通过分析数据的时间特性，将自驾游客从混合交通流中分离出来；其次，构建每日的流图，流图是一个有向图，顶点表示监测点，边表示两监测点之间的客流方向；然后，采用频繁子图挖掘算法。

提取路段间、景点间客流运动模式，为了控制提取出的频繁流图模式数量，去除提取结果集中重叠的小子图，最后分析自驾游客流模式的时空差异性。

......

更多成果请查阅项目完成报告，项目报告共44页，关注城市数据微信公众号，在微信公众号对话框中输入24716即可下载完整报告PDF。

最近有朋友问我们：为什么我们没有及时看到自己的推文？因为微信改变了推送规则，如果你没有点赞、阅读或者收藏我们，就可能会出现这种情况。

加个“star”避免迷路！看完文章点赞或者阅读，准时与我们见面~

文章来源:https://mp.weixin.qq.com/s?src=11×tamp=1721111953&ver=5385&signature=UzEpyRj9X7uve*SrTTwjHlW1Xq9Oyvcs7Dws880upXP9k4QiqQf5u9cqcufRe8F8Hb0mrJZSm40t0J8fXUdZXWxNMpvmvafph7rvwczpR9-qcN-wfZcVAjDNY6-o-r*h&new=1