论文部分内容阅读
摘 要 本文基于上海市新能源汽车OD数据并结合景点关注度数据及百度经验数据，以上海迪士尼景区为例，对自驾前往景区游玩车辆的行为特征进行空间分析研究，旨在帮助景区工作人员更好地了解自驾出游车辆并改进景区运营策略，提升自驾出游游客的满意度。
关键词 新能源汽车;自驾出游;行为特征;空間分析
引言
随着国民经济水平的不断提升，越来越多人选择在节假日驾驶私家车前往城市周边的景区游玩，自驾出游已经逐渐成为城市生活的一种新时尚[1]。然而，景区工作人员对自驾出游车辆的行为特征并不了解，在制定景区运营策略的时候完全依靠主观经验，这可能会造成诸如景区周边交通压力大、停车困难等问题[2，3]。为解决这些问题，本文基于上海市新能源汽车OD数据并结合景点关注度数据及百度经验数据，以上海市迪士尼景区为例，分析自驾前往景区游玩车辆的空间行为特征，帮助景区工作人员更好地了解自驾出游车辆并改进景区运营策略，提升自驾出游游客的满意度。
1 数据
1.1 数据描述
本文的新能源汽车OD数据来源于上海市新能源汽车公共数据采集与监测研究中心。该数据从2018年1月1日开始到2018年10月31日结束，主要属性字段包含车架号、开始结束时间、开始结束位置等18项[4]。
1.2 数据处理
由于获取新能源汽车OD数据的过程中包含诸多不可控的因素，因此在进行数据分析之前需要对其进行数据预处理。本文数据预处理的步骤包括：
（1）剔除行驶时长和行驶里程不合理的数据
（2）剔除经纬度数值有问题的数据
（3）保留OD数据中车辆类型为乘用车的数据
由于本文的OD数据是上海市所有新能源汽车的出行数据，所以其中包含了多种用途及行为特征的车辆。因此，在进行数据分析之前，先要提取出其中自驾前往上海迪士尼景区游玩的OD数据。本文定义以下3条规则来提取与迪士尼相关的OD数据：
（1）保留起点或终点在上海迪士尼景区范围内的OD数据
（2）剔除在上海迪士尼景区范围内进行日常通勤的车辆
（3）去除被标记为运营车辆的OD数据
1.3 数据验证
在数据处理之后，需要对数据的准确性进行验证，以确保数据能够反映真实的自驾出游情况。利用皮尔逊相关系数来衡量两组数据的相关程度，计算结果为0.81，说明两组数据呈显著的正相关[5]。因此，OD数据能够反应真实的自驾出游情况，可以为本文之后的分析所用。
2 自驾出游行为特征空间分析
如图1所示，为自驾前往迪士尼车辆起点热力分布图。从图中可发现，自驾前往迪士尼景区车辆的起点主要集中在迪士尼附近并且随着与迪士尼的距离越大热度越小。根据图5中车辆起点分布热力图中呈现出的特征，将上海分为4个区域并在图4中用黑色虚线框表示。区域1为热度最高的区域，其空间位置位于川沙、周浦等迪士尼附近区域，该区域中的车辆大多用于迪士尼附近的民宿接送游客;区域2为热度第二高的区域，其空间位置位于浦东三林、张江、北蔡以及浦西中环以内的区域，该区域内热度较为平均，大多数上海市区游客都集中在该区域;区域3的热度比区域2稍弱，其空间位置覆盖上海外环区域以内，该区域内存在若干个如桃浦、莘庄这样以生活小区为中心的高热度区域;区域4为热度最低的区域，其空间位置主要分布于上海外环外的区域，该区域虽然热度低，但是其中也包含着几个如奉贤南桥、浦东临港这样的高热度中心。区域4外也存在这零星的几个热区，在图中用红色虚线框标识，这些热区都是外地游客开车直接前往迪士尼景区游玩，这些车辆出行的行驶时长均在180分钟以上，行驶里程在100公里以上。
2 结语
本文基于新能源汽车公共数据并以上海迪士尼景区为例，从空间角度揭示了自驾出游车辆的行为特征，帮助景区工作人员更好地了解自驾出游车辆并改进景区运营策略，提升自驾出游游客的满意度。
参考文献
[1] 曾麟婷，陈能，陈旭.基于众源数据的旅游信息可视化平台建设研究[J].中国管理信息化，2019（2）.
[2] 基于众源地理数据的热门旅游路线推荐算法及实证研究[D].上海师范大学，2018.
[3] 基于众源地理数据的上海市旅游目的地关注度研究[D].上海师范大学，2015.
[4] 上海市新能源汽车数据开放创新实验室启用[J].上海信息化，2017：93.
[5] 肖亚龙，张士庚，王建新.一种基于多维标度和区域细化的无线室内定位方法[J].计算机学报，2017（08）：196-210.
关键词 新能源汽车;自驾出游;行为特征;空間分析
引言
随着国民经济水平的不断提升，越来越多人选择在节假日驾驶私家车前往城市周边的景区游玩，自驾出游已经逐渐成为城市生活的一种新时尚[1]。然而，景区工作人员对自驾出游车辆的行为特征并不了解，在制定景区运营策略的时候完全依靠主观经验，这可能会造成诸如景区周边交通压力大、停车困难等问题[2，3]。为解决这些问题，本文基于上海市新能源汽车OD数据并结合景点关注度数据及百度经验数据，以上海市迪士尼景区为例，分析自驾前往景区游玩车辆的空间行为特征，帮助景区工作人员更好地了解自驾出游车辆并改进景区运营策略，提升自驾出游游客的满意度。
1 数据
1.1 数据描述
本文的新能源汽车OD数据来源于上海市新能源汽车公共数据采集与监测研究中心。该数据从2018年1月1日开始到2018年10月31日结束，主要属性字段包含车架号、开始结束时间、开始结束位置等18项[4]。
1.2 数据处理
由于获取新能源汽车OD数据的过程中包含诸多不可控的因素，因此在进行数据分析之前需要对其进行数据预处理。本文数据预处理的步骤包括：
（1）剔除行驶时长和行驶里程不合理的数据
（2）剔除经纬度数值有问题的数据
（3）保留OD数据中车辆类型为乘用车的数据
由于本文的OD数据是上海市所有新能源汽车的出行数据，所以其中包含了多种用途及行为特征的车辆。因此，在进行数据分析之前，先要提取出其中自驾前往上海迪士尼景区游玩的OD数据。本文定义以下3条规则来提取与迪士尼相关的OD数据：
（1）保留起点或终点在上海迪士尼景区范围内的OD数据
（2）剔除在上海迪士尼景区范围内进行日常通勤的车辆
（3）去除被标记为运营车辆的OD数据
1.3 数据验证
在数据处理之后，需要对数据的准确性进行验证，以确保数据能够反映真实的自驾出游情况。利用皮尔逊相关系数来衡量两组数据的相关程度，计算结果为0.81，说明两组数据呈显著的正相关[5]。因此，OD数据能够反应真实的自驾出游情况，可以为本文之后的分析所用。
2 自驾出游行为特征空间分析
如图1所示，为自驾前往迪士尼车辆起点热力分布图。从图中可发现，自驾前往迪士尼景区车辆的起点主要集中在迪士尼附近并且随着与迪士尼的距离越大热度越小。根据图5中车辆起点分布热力图中呈现出的特征，将上海分为4个区域并在图4中用黑色虚线框表示。区域1为热度最高的区域，其空间位置位于川沙、周浦等迪士尼附近区域，该区域中的车辆大多用于迪士尼附近的民宿接送游客;区域2为热度第二高的区域，其空间位置位于浦东三林、张江、北蔡以及浦西中环以内的区域，该区域内热度较为平均，大多数上海市区游客都集中在该区域;区域3的热度比区域2稍弱，其空间位置覆盖上海外环区域以内，该区域内存在若干个如桃浦、莘庄这样以生活小区为中心的高热度区域;区域4为热度最低的区域，其空间位置主要分布于上海外环外的区域，该区域虽然热度低，但是其中也包含着几个如奉贤南桥、浦东临港这样的高热度中心。区域4外也存在这零星的几个热区，在图中用红色虚线框标识，这些热区都是外地游客开车直接前往迪士尼景区游玩，这些车辆出行的行驶时长均在180分钟以上，行驶里程在100公里以上。
2 结语
本文基于新能源汽车公共数据并以上海迪士尼景区为例，从空间角度揭示了自驾出游车辆的行为特征，帮助景区工作人员更好地了解自驾出游车辆并改进景区运营策略，提升自驾出游游客的满意度。
参考文献
[1] 曾麟婷，陈能，陈旭.基于众源数据的旅游信息可视化平台建设研究[J].中国管理信息化，2019（2）.
[2] 基于众源地理数据的热门旅游路线推荐算法及实证研究[D].上海师范大学，2018.
[3] 基于众源地理数据的上海市旅游目的地关注度研究[D].上海师范大学，2015.
[4] 上海市新能源汽车数据开放创新实验室启用[J].上海信息化，2017：93.
[5] 肖亚龙，张士庚，王建新.一种基于多维标度和区域细化的无线室内定位方法[J].计算机学报，2017（08）：196-210.