新时代背景下江苏省旅游客流时空分布演化分析——基于以运营商手机信令数据为核心的客流大数据

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。本研究基于2019年、2022年、2023年运营商客流大数据,应用时间分层法、空间分析法,从“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,为旅游复苏、模式转型提供参考。

基于运营商客流大数据的乡村旅游点类型划分研究——以南京市江宁区为例

基于运营商客流大数据,以南京市江宁区22个星级乡村旅游点为研究对象,从客流时间序列特征与客流空间结构特征视角出发,利用层次聚类分析方法对其进行类型划分.结果显示:按照客流时间序列特征可分为客流单峰型、客流双峰型和客流多峰型3类乡村旅游点,按照客流空间结构特征分为强市场吸引型、中市场吸引型和弱市场吸引型3类乡村旅游点,且这两种划分结果有高度的一致性,并探讨了产生一致性的原因.

基于客流大数据的广深港高铁光明城站捷运班次优化建议

2020年国家发文明确支持利用既有铁路富余能力开行市域(郊)列车,深圳市光明区早在2017年便开展了相关探索,光明区与广铁集团签订协议,每天增加11趟高铁通过列车停靠光明城站,为市民前往市中心区提供捷运便利。但近两年光明区对外交通显著改善,需要重新评估其必要性。基于客流大数据分析了光明区对外客流特征,评估了高铁捷运班次的客流及经济效益,通过建立客流模型,预测了未来光明区对外客流发展趋势,并对高铁捷运班次提出了优化建议。

大数据视角下的通信行业智慧零售探索

当前,大数据与网络通信的联系越来越紧密,并日渐发挥出重要作用。在通信行业趋向饱和的大背景下,其发展变革亟待突破,而对客流量的研究和分析,是整个零售业及服务业都在关注的重点,如何通过大数据在智慧零售提升客流进行创新是摆在各大通信运营商面前的难题。中国联通公司在智慧零售领域先行先试,做出了有益的积极探索,搭建打造出了创新的客流监控平台,对于门店客户管理意义深远。本文基于深圳联通营业厅率先引入大数据客流系统这一案例分析的基础上,对电信运营商如何运用大数据创新智慧零售进行了全面探究,剖析了客流监控新平台的主要做法和成果内涵,并对实施效果进行预估,以期给通信行业带来实践的经验借鉴。

轨道交通客流分析及智慧客流预测系统概述

基于大数据平台获取每个乘客用户的出行行程数据,并且经由系统分析得到精细的客流分布和未来智慧客流的预测,这将会为城市轨交管理部门在线路、规划、运营等方面提供有力的数据支持,在降本增效方面有着实质性的指导意义;有助于城市轨交管理部门对突发客流事件提前预知、提前部署应急方案;同时也有助于客流分析和班车调度相结合,提高车辆的上线率,提高客运能力。

基于客流大数据的公交发车班次仿真优化

通过优化发车班次,可以有效提高公共交通的服务质量从而提升吸引力。发车班次的优化需要综合考虑车辆的行驶与客流到达的不确定性规律,很难使用解析的数学模型进行建模。本文通过对客流大数据进行分析,构建了一个能够再现现实随机客流的客流生成仿真模型,结合公交运营过程产生的GPS轨迹、进出站信息等数据,建立了整条公交线路的仿真程序。并将响应面分析法中的最速上升思想融入机器学习领域的贝叶斯优化中,建立SA-BO算法模型以提升优化效率。以客流仿真模型和基于SA-BO算法的仿真优化构成了整体的基于客流大数据的公交发车班次仿真优化。结果显示基于客流大数据的仿真模型MAPE指标为0.577%,能够良好的再现现实随机客流;SA-BO算法相比较传统BO算法优化效果提升了26.7%。