长期以来,旅游业以关联度高、带动性强而著称,加上绿色、环保、健康的产业特点,因此被誉为"永远的朝阳产业"^[1]。来自世界旅游旅行理事会(WTTC)统计数据显示,当前旅游业经济总量已占到全球GDP的10%以上,就业人数占全球就业总数的8%以上,展现了良好的经济促进作用。与国外旅游业相比,我国的旅游业起步相对较晚,但国家有关部门很早就意识到了旅游业在促进经济增长、创造税收、增加就业等方面的重要作用,并配套了相关的政策进行扶持。2009年,《国务院关于加快发展旅游业的意见》表明要把旅游业培育成国民经济的战略性支柱产业和人民群众更加满意的现代服务业。受益于国家的重视和扶持,我国的旅游业也一直保持着强劲的发展势头。《国家旅游年鉴》数据显示,2012年我国旅游收入超过2万亿元,全年国家旅游人数达到29.6亿人次,出境游超过8 318万人次,我国旅游业产值占国家GDP比重约为4%。至此,旅游业成为了名副其实的支柱性产业。

在过去的30年中,我国旅游业的发展主要依靠的是被动接受出游的粗放型模式。在黄金长假的刺激下,各景区的客流量不断攀新高,但同时伴随而来的则是景区和旅游线路的超负荷承载,配套服务协调的失控、景区环境的破坏等。随着游客需求的多样化和精细化发展,这种传统的粗放型发展模式的弊端开始凸显。在此背景下,充分利用现代信息技术,以信息化引领旅游产业转型和升级,全面发展"智慧旅游"(intelligence tourism),已经成为我国旅游业持续发展的必然趋势^[2]。

从已有的文献研究来看,学术界和旅游管理机构对旅游信息化和智能化的研究主要从旅游信息化的理论构建和实证研究两方面展开。在旅游信息化理论构建方面,文献[3]基于业务流程再造的视角考察了旅游信息化对旅行社乃至旅游业发展的影响,并提出了充分利用互联网、内联网和外联网构建旅游信息化系统的初步设想。文献[4]则重点强调了互联网对旅游信息化的重要作用,其中互联网页面设计、信息内容以及日常管理是三大重要环节。除此之外,文献[5]还提出了另外一个重要环节,即互动性。随后,文献[6,7]在考察信息技术对旅游行业带来的技术性变革时,探讨了旅游景区、旅行社、饭店、酒店、航空公司等相关主体对旅游信息化、智能化运营的重要影响。结合前人的研究,文献[8]总结性指出,旅游信息化与智能化运营的核心就是通过旅游信息的分析与传递来确保景区以及其他利益相关者与游客之间的有效衔接和共赢,而以互联网以及通信技术为代表的现代信息技术则是支撑上述旅游信息分析与传递准确性、及时性的关键所在。

在旅游信息化和智能化的实证研究方面,随着Steamboat滑雪场在2005年推出游客及景点位置实时反馈系统Mountain Watch并大获成功^[9],越来越多的学者也开始关注旅游景区信息化和智能化的应用。文献[10]对548名计划去澳大利亚旅游的上海市民调查后发现,将近一半的被调查对象主要通过互联网了解旅游目的地的信息。文献[11]实证研究发现,在所有的旅游信息中,游客首先关注的是住宿与交通,其次则是景区旅游资源,其他如饮食、购物等关注较少。鉴于互联网在旅游智能化和信息化运营中的重要性,文献[12]指出旅游提供方应充分发挥Web2.0的优势,加强与游客之间的信息交流,以更好的引导和满足游客需求。文献[13]验证了上述观点,以乌干达旅游官网为对象进行了相关的调查研究,结果发现基于Web2.0的旅游营销可以很好地改善景点形象,并降低游客的认知风险。

以上的研究对理解旅游景区信息化和智能化的运营具有重要的意义,但整体而言还存在一定的不足:1)虽然在理论框架的构建中也强调了用户与旅游景区之间信息交互的重要性,但在游客特征和行为信息的挖掘深度以及标示精度上考量仍然不够,这直接影响了旅游供需双方互动的有效性,进而也使得旅游景区无法基于游客信息进行深层次和精准化的管控。2)侧重考虑景区这一单一主体作用下的旅游智能化运营,忽略了其他利益主体(如电信运营商等)参与对旅游景区智能化运营的重要影响。事实上,基于成本和风险的考虑,旅游景区独立构建智能化系统并进行运营显然不明智,这就给电信运营商这样的信息整合商的介入提供了契机。与基于互联网的游客信息挖掘相比,运营商依托通信网进行游客信息挖掘具有无以比拟的优势。一方面,运营商拥有强大的用户和网络资源,这便于更加充分地了解游客基本特征。另一方面,通过动态监测和分析用户信令数据,运营商可以实时、精准地掌握游客的行为特征^[14],这又为旅游景区与游客之间的互动提供强有力的支撑。

综上分析,游客基本特征充分性以及行为信息的精准性将直接影响着旅游景区与游客的互动效果,进而影响着旅游景区的智能化管控效果。但现有的文献较少关注到运营商的信令数据在解决游客信息的充分性和精准性问题上的优势,这也使得当前旅游景区智能化管控的应用尚处于简单化应用阶段。针对上述不足,本文将结合电信运营商的移动信令数据,构建新型的旅游景区智能化管控模式,并通过现实案例来验证上述管控模式的效果。本文研究的理论价值在于,力图构建一个"移动信令数据-游客位置行为匹配-景区精确管控"的三位一体的管控模式,为现实中旅游景区的智能化管理提供借鉴与参考。

通常,游客行为具有独立性、零散性、难以观察性等特征。在传统的管控模式下,由于缺乏游客行为信息挖掘的条件和手段,旅游景区只能通过游客的显性行为进行简单地引导和管控,无法做到实时和精确的管控。在基于信令数据的旅游景区管控模式下,移动运营商作为第三方中介参与景区智能管控,从而形成"移动信令数据-游客位置行为匹配-游客精确管控"三位一体的景区智能管控模式。在此模式中,游客信息首先会被运营商通过信令数据捕获;随后运营商通过对游客信息的挖掘,可以充分和精准地掌握游客归属来源、位置、游览线路、景区景点驻留时间等隐性特征信息,并及时反馈至旅游景区。基于上述信息,景区可以在接待管理、旅游营销管理、旅游产品设计和景区资源管理、运力管理以及应急管理等方面进行针对性和精细化管控。相对于传统的景区管控模式,智能管控不仅能使游客有更好的旅游体验,也能使景区的运营更有效率,同时,移动运营商拓展了业务范围,增加了盈利方式,有效地实现了"游客-移动运营商-景区"之间的共赢。游客和景区之间的智能化管控原理图如图1所示。

图1

图1 景区三位一体的管控模式与传统管控模式的比较

移动运营商利用信令数据对游客信息进行监控与分析,是景区三位一体的智能化管控模式构建与运行的关键。首先,为保障流量,移动运营商会利用A口采集游客原始信令数据并进行数据分流(在移动运营商基于信令数据的游客信息监测与分析系统中,并未涉及Abis口的数据获取及相应的分析应用);进一步,利用数据仓库技术对游客原始信令数据进行抽取、清洗和加载;在此基础上,利用实时流数据引擎技术对数据进行进一步处理,进而完成景区游客位置、号码和时间等活动轨迹以及行为特征的呈现,最终为景区客流的智能管控提供决策支持。图2展示了移动运营商基于信令数据的游客信息监测与分析系统的运行架构。

图2

图2 游客信息监测与分析系统的运行架构

从分工来看,信令监测采集层主要负责从移动通信网中采集游客原始的信令数据;采集层获取到游客信令原始数据后,经解码、合成等处理,形成XDR数据,通过数据共享层完成信令XDR数据的存储和共享管理;数据共享层通过与景区客流来源、实时流量、游客驻留市场、客流预警等各类应用系统之间的数据交互传递,为景区上述各类不同的外部应用系统提供所需的信令XDR数据,或经过数据分析整理后的各类信令KPI指标值;相应的,景区外部各类应用系统通过与信令数据共享平台之间的数据交互接口,获取景区智能管控所需的各类信令数据,并基于相应的业务规则进行分析处理,最终形成自身业务分析的应用分析结果,并利用图形界面展示。

在技术上,景区客流监控系统采用了实时流数据引擎技术,通过采用流数据实时处理技术实现对海量数据的实时处理分析,并能够在极短的时间内完成对不同景区客流信息的实时分析和数据呈现,并基于此实时流数据引擎技术,完成对各景区内客流密集的及时预警、告警管理。

在软件开发上,为保障系统性能与应用效果,游客信息监测与分析系统采用了Linux操作系统,并对系统内各子模块进行了差异化的语言设计。采集层模块主要采用C/C++作为开发语言,力图通过利用C语言的高效性来确保底层海量信令数据得到及时分析、抽取和处理;而对于业务应用层模块,则采用Java作为开发语言,以确保相关模块的跨平台迁移性。

在硬件配置上,游客信息监测与分析系统主要基于普通个人计算机服务器硬件设备进行系统构建,同时为保证整个系统的简便、快捷的横向扩展能力,在部署时采用了分布式系统架构的设计思路。图3展示了游客信息监测与分析系统整体硬件部署规划情况。

图3

图3 游客信息监测与分析系统整体硬件部署规划

从可行性与可靠性来看,国民经济和社会发展统计公报数据显示,截至2013年底中国的手机普及率高达90%,而外出旅游的游客手机普及率更是接近100%。因此,通过手机信令数据来测算旅游景区游客的数量,并进一步分析其行为规律具有较高的可行性和可靠性。以四川某著名旅游景区为例,将2012年6月1日至6月14日期间移动运营商基于移动信令数据所测算的该景区游客数据与景区实际门票销售数据与进行比较,准确率达93%。这一结果很好地验证了三位一体的旅游景区智能化管控模式开展的可行性与可靠性。

为保证游客信息监测与分析系统的数据处理与挖掘效果,提升三位一体管控模式的运营效果,则需要构建相关的指标体系对景区游客进行细分。借鉴文献[15,16]对客户细分的处理方式,同时结合旅游行业实际,从游客描述性变量和行为性变量两大维度构建了游客细分的指标体系,如图4所示。其中描述性变量所包含的指标包括:景区游客流量统计、景区游客归属分布、景区游客流量预估;行为性变量包含的指标包括:景区各景点游客密度、游客景点驻留时间。

图4

图4 游客细分指标体系示意图

基于游客的各种细分指标,游客信息监测与分析系统会相应的对景区乃至景区周边范围内的手机用户进行实时分析,分析结果会以数据表格、线性图、二维柱状图、维饼图等多种方式在应用界面展现,进而给景区的精确化管控提供针对性决策参考。

进一步,为了减少景区常驻居民、工作人员、过路人群等对景区游客统计与分析的干扰,给出了如下的游客判别与计算规则:

1)有效游客数:以当前景区内总的活跃用户数为数据计算基础数值(即当前景区内的全量活跃用户数)。计算规则为:有效游客数=总的活跃用户数-过路人群数量-常驻人群数量-定时清理的异常(信令丢失导致)。实时用户数的统计时间粒度按照1小时为颗粒进行计算。

2)过路人群计算规则:按照用户离开景区与进入景区的时长跨度值,如果小于一个预先配置的时间值,则初步判定该客户为过路人员。过滤人员的统计分析,其统计执行的时间粒度都是以1小时为粒度(可配置)进行统计计算。对于频繁进出景区的人员,不做单独的特殊考虑,其规则为:只要当次在景区内的时间跨度小于配置值的时间长度,都按照过路人员来考虑。

3)常驻人群计算规则:常驻人群=景区工作人员+住户或周边工作人员+景区商家人员。其中,景区工作人员和景区商家人员:手工录入维护。住户或周边工作人员:景区附近居民的特点是在景区出现的频率高,可以将一段时间内多次出现在景区的人员归为景区附近居民,如一周内出现次数多于3次或者驻留时长大于指定时间比如说60 h,连续两周如此。

4)驻留人数计算规则:基于每天的实时客流量数据进行计算。针对实时客流,按各个游客在景区内的停留时长进行分段统计计算。驻留人数的分析的执行,是从第二天凌晨开始计算前一天的驻留人数统计。

5)游客人数预测计算规则:基于多天(时间较长的一段时间内)不同时段内的客流数据作为分析基础,通过多段不同时段内的客流总数及参考基线,通过数据趋势的同比、环比分析来实现对景区在某一时刻的游客数量预估。

6)特别说明:对于信令丢失或长时间(按照景区规定时间)无信令变化的,如针对用户关机的情况,作为异常数据进行计算,即按照客户离开景区来计算和处理。

某景区由于游客人数不断攀升,部分景点、部分时段特别是节假日和旅游高峰期出现了景区接待能力不足、服务质量下降、交通拥堵等情况,严重影响了游客的旅游质量,影响了当地旅游业健康快速发展,如何实现对景区的资源管理和对游客的精确管控成为旅游管理部门紧急而重要的事情。景区管理单位长期以来对以下相关问题缺乏有效的解决方法:1)最重要游客的归属地?2)各地游客喜欢哪些景点?3)景区各个景点的游客密度?4)景区接待能力何时达到极限?5)如何有效地对景区资源进行合理的配置?6)如何对景区的游客进行有效的疏导等。为了实现景区针对性的精准管控,2009年10月,景区与当地移动运营商开始合作,共同构建三位一体的景区智能化管理系统,该智能系统于2011年5月正式上线。

新构建的景区智能管理系统,通过获取运营商A接口、Abis接口信令数据,以及分析景区范围内运营商基站的用户信令数据,实时了解、展示景区各地游客分布情况,能够为各级旅游管理部门提供人口分布、客源分析、游客行为等信息,为景区旅游资源的管理与营销提供科学准确的决策依据。以下是智能系统对游客信息的分析与统计情况。

1)游客流量统计

通过实时数据采集、实时分析技术,按照旅游用户判别规则,对景区人流进行静态和动态跟踪。实时统计分析各个旅游景点的在园人数和总到达数。为了更好地体现旅游高峰期与平时游客流量的差别,选择了节假日和平日两个时点的数据,图5展示了景区2013年5月1日和5月21日的游客统计。显然与平日相比,节假日期间景区迎来了游客的高峰期,景区承载收到了巨大的挑战。

图5

图5 2013年5月1日和5月21日景区游客流量统计

2)客源归属统计

通过实时分析用户的归属地,景区智能管理系统可以进一步掌握游客的结构。表1是景区2013年5月1日和5月21日各个时段的游客主要来源地数量统计。

表1

表1 2013年5月1日和5月21日景区部分省市游客统计

表1 2013年5月1日和5月21日景区部分省市游客统计 单位：人 时段 6:00～8:00 8:00～10:00 10:00～12:00 12:00～14:00 14:00～16:00 16:00～18:00 18:00～20:00 20:00～22:00 总数 占比/% 四川 1日 382 560 1 016 1 302 1492 727 628 203 6 310 19 21日 341 448 664 804 985 515 478 175 4 410 25 重庆 1日 320 409 883 947 838 630 270 13 4 310 10 21日 276 330 585 574 550 445 204 11 2 974 13 广东 1日 56 126 451 638 376 311 27 2 031 6 21日 50 102 289 396 245 220 35 23 1 360 5 上海 1日 33 403 527 132 61 135 44 26 1 361 4 21日 28 333 347 82 41 95 33 22 981 3 浙江 1日 10 160 380 416 269 203 11 9 1 458 4 21日 9 131 247 258 178 144 8 8 982 3 江苏 1日 19 230 402 336 284 173 15 14 1 473 4 21日 17 190 264 205 188 122 11 12 1 009 3

3)景点游客密度

通过对景区各个主要景点当前用户数据进行分析展示,可以进一步展示各个主要景点的用户数据数量。由于平时游客量基本不会超过景点承载量阀值,因此,表2主要针对高峰区(5月1日)各景点的密度进行了统计。

在表2中,▲代表严重告警(当前流量超过景点容量50%),■代表一般告警(当前流量超过景点容量20%),●代表没有告警(正常景点容量范围内)。非高峰时期(5月21日)的流量基本位于景点容量范围内。

表2

表2 景区景点游客密度

表2 景区景点游客密度 单位：人 景区景点 统计日期 当前时间 景点容量 当前流量 告警状态 景点1 2013-5-1 12:40 100 564 ▲ 景点2 2013-5-1 12:40 200 242 ■ 景点3 2013-5-1 12:40 300 296 ● 景点4 2013-5-1 12:40 300 473 ▲ 景点5 2013-5-1 12:40 150 136 ● 景点6 2013-5-1 12:40 400 502 ■ 景点7 2013-5-1 12:40 350 341 ●

4)平均驻留时长统计

基于每天的实时客流量数据进行计算。针对实时客流,按各个游客在景区内的停留时长进行分段统计计算。驻留人数的分析是从第二天凌晨开始计算前一天的驻留人数统计。高峰时期和非高峰时期的驻留时长比例较为接近,表3展示了5月1日的部分景点游客平均驻留时长。

表3

表3 2013年5月1日部分景点游客平均驻留时长

表3 2013年5月1日部分景点游客平均驻留时长 单位：h 省份 景1 景2 景3 景4 景5 景6 景7 重庆 1 2 0.5 3 1.6 2.3 3 上海 2 2.2 0.6 2.6 1.7 1.8 2.6 北京 1.5 2.3 0.9 3.2 2 2.6 3.2 广东 2.6 3 0.6 2.7 0.9 2.5 1.5 浙江 2.1 1 0.55 3 3 2.2 2.0 山东 3 2 0.7 2.3 1 2.3 2.3

5)游客预估

系统后台通过建立景区预估模型,根据基础静态数据以天为粒度进行加载和更新,每个晚上定时生成4~7天后的平日预估数据及节假日预估数据如表4所示。

表4

表4 景区A4～7日游客预估分析

表4 景区A4～7日游客预估分析 景区名称 预测日期 总用户数/个 景区A 2013-5-1 33 935 景区A 2013-5-2 42 219 景区A 2013-5-3 33 880 景区A 2013-5-4 25 614 景区A 2013-5-5 29 908 景区A 2013-5-6 28 528 景区A 2013-5-7 23 760

相应的,根据移动运营商提供的游客特征与行为信息,旅游景区进行了针对性的精确管控和应对:

1)基于游客流量统计的管控。游客流量统计分析显示,该景区游客数在当日12:00~14:00达到高峰,在下午15:00之后游客呈现逐渐下降的趋势。相应的,针对游客流量的上升趋势,景区提前安排食宿、景区门票通道、上山索道和景区导游等资源,提升游览高峰时间的游客接待能力;针对游客流量的下降趋势,景区逐渐减少索道和门票通道等资源,提高景区资源利用效率。

2)基于游客归属地统计的管控。通过分析发现,该景区游客主要集中在重庆、上海、浙江、江苏、广东、四川6地,占据全部游客的近50%。针对游客归属地较为集中的特点,景区在后续的运营中不再平均投放营销资源,而是有针对性地在这几个游客主要来源省份,集中投放旅行社、广告和代理等营销资源,扩大营销传播强度,聚焦营销传播范围,旅游景区不仅有效地提高了景区游览的游客数量,还充分提高了营销资源的利用率。

3)基于景点游客密度统计的管控。景点游客密度统计显示景点1和景点4游客数经常大大超过接待能力,而景点3和景点6往往接待能力充足。针对游览景点游客密度分布不均和游客集中聚集的特点,景区便通过沿途路口、LED屏、喇叭等方式告知游客游览拥堵的线路,特别是严重拥堵的游览景点,有效地疏散游客到其他接待能力充足的线路和景点,降低了拥塞发生的可能性。

4)基于游客驻留时长统计的管控,信息显示各省份游客对各景点偏爱程度的不同,如重庆、上海、北京等地游客偏爱景点4和景点7,广东游客偏爱景点1和景点4,浙江游客偏爱景点4和景点5,山东游客偏爱景点1。因此,针对各地游客偏好差异的特点,景区针对性地设计各省游客游览景点路线,安排与各个省份关联度高的旅游产品,并派遣熟悉相关省份的导游进行服务,从根本上提升了客户的感知度和满意度。

5)基于游客预估统计的管控,根据5月1日和以往的历史数据和规律,提前预测整个"五一"长假期间景区游客可能达到的数量。相应的,景区对假日旅游工作进行周密的安排部署,明确各个相关部门职责和重点,提前告知各大旅行社、酒店、索道管理等相关单位,统一指挥和调动景区所有人力资源,做好游客资源安排和服务资源准备,集中发挥景区内外的相互联动,大大提升了该景区的硬性竞争力和软性竞争力。

截止2013年8月,该移动通信运营商在该景区内的基站总数达到456个,完全覆盖了景区内的所有景点,既满足了游客的通信服务需求,也满足了景区景点智能管理和精确管控的要求。

1)景区游客层面

节假日游客集中很高,节假日旅游管理历来是我国旅游管理的难题,该景区在前一年五一小长假和国庆长假期间,游客针对景区管理的日均投诉在10~15起。从2011年系统运行后的两年内,游客节假日投诉明显下降,2011年国庆日均投诉5起,2012年日均投诉3起,游客满意度明显提高。

2)景区管理部门层面

①项目自2011年5月1日正式上线以来,系统平均每天处理105万次用户号码,服务景区的12个主要景点,为景区12个管理部门提供管理数据支撑。

②该景区在2011年之前,日均接待游客能力3~5万,高峰时能接待10万游客,在使用该系统后,通过对资源的合理安排和使用,日均接待能力在7万左右,在当年国庆接待能力高达日均30万,接待能力明显提升。

③由于景区接待能力提高,游客满意度上升,该景区旅游收入在2011年、2012年增长幅度在25%以上,超过2010年、2009年的20%的平均增长水平。

④除了运营商的网络系统外,景区做游客管理系统可以自建RFID射频标签系统,了解游客分布密度,通过问卷了解游客来源;通过第三方语音导游提供游客线路安排。这些系统整合难度较高,投入规模超过千万,而运营商信令系统通信网络本身存在,不需要新建,仅需不到一百万资金即可建成,且数据准确性、实时性要高得多,系统性价比很高。

3)运营商层面

该运营商在该景区旅游管理系统开发上约投入一百万的资金,系统运行后每年需要十万左右的运营维护费用。作为回报,运营商每年可以从景区分得50万的收入。对运营商而言,大约2~3年就可以收回成本开始盈利,这也对运营商跨行业转型发展提供了宝贵的借鉴价值。

本文设计了中国旅游景区的游客流量统计规则,并提出了基于信令数据的旅游景区智能管理新方法:"移动信令数据-行为位置匹配-精确管控"。基于信令数据的"移动信令数据-行为位置匹配-精确管控"方法,建立移动信令数据、行为位置特征、景区旅游服务之间的匹配关系,能有效的对游客进行合理和规范的管控,并将合适的服务推荐给适合的潜在用户。对景区游览用户行为数据进行适时的分析处理,通过实时、动态、直观、可视化方式管理用户数据,挖掘用户游览特征对旅游行为的影响,提高景区服务效率。本方法解决了游客需求与景区管控之间的矛盾,提高了景区经营的精准度,有利于景区制定、实施有效率的、有效果的管控和营销服务方案,实现景区和游客的双赢。

由于技术等方面的限制,本文依托信令数据进行游客信息采集和分析时,直接将每个移动信令视为一个旅游用户;然而在现实中,可能存在多个游客共享一个移动信令或者一个游客拥有多个移动信令的现象,一定程度上会影响个体游客和群体游客的辨别精确性。在未来的研究中,需要更好地解决上述问题,以便更好地为旅游景区的智能化管控提供指导。