百度研究院大數(shù)據(jù)實驗室BDL（Big Data Lab），秉承“以數(shù)據(jù)說話”的理念，基于百度數(shù)據(jù)與大數(shù)據(jù)智能分析技術，嘗試對當時的情況進行數(shù)據(jù)化描述，希望可以給相關人士提供一些參考。

圖1標明了南京東路地鐵站附近區(qū)域（左下藍框）、外灘源附近區(qū)域（右上藍框）、事發(fā)地陳毅廣場附近區(qū)域（右下黑框）和外灘區(qū)域（右側(cè)紅框）位置在2014年12月31日事發(fā)當時的人群熱力圖。顏色越紅表示人群越密集，越藍表示越稀疏。下文將聚焦在三個問題上進行討論。

圖1 2014.12.31事發(fā)時外灘區(qū)域人群熱力圖

一、當時的人流量大到什么程度？事發(fā)當時是否是當晚人流量***的時候？

通過大數(shù)據(jù)分析，我們可以看到：

1）如圖2所示，事發(fā)當晚，外灘區(qū)域（包含陳毅廣場）確實非常擁擠，人流量已經(jīng)達到了平時***值的3倍多。

圖2 2014.12.29-2015.1.2外灘區(qū)域人流量趨勢

    2）如圖3所示，31日當晚20:30左右，南京東路地鐵站（紫線）也曾出現(xiàn)過一個人流高峰。而事發(fā)當時（黑色虛線），并不是陳毅廣場（紅線）人流量***的時候，其兩次人流量高峰出現(xiàn)在21點和24點。

圖3 2014.12.31-2015.1.1人流量趨勢圖

二、當時人流的對沖到底是什么樣的程度

有專家表示人流對沖可能是踩踏的很大一個原因，利用大數(shù)據(jù)技術結合地圖定位信息，從歷史定位與軌跡數(shù)據(jù)里可以看到事發(fā)地的人流方向相對于其他節(jié)假日確實顯得更加復雜。我們用中秋節(jié)、國慶節(jié)以及跨年三個節(jié)日的數(shù)據(jù)進行比較。

（1）中秋前夜（2）國慶當晚（3）跨年當晚

圖4外灘和外灘源區(qū)域人群分布熱力圖（2小時）

通過圖4的2小時人群分布熱力圖可以看出，三個節(jié)日當晚人流量基本相當，不過分布不同。中秋節(jié)（圖4（1））和國慶（圖4（2））人群主要分布在外灘觀景大道和陳毅廣場附近，而在跨年當天22點之后（圖4（3）），人群主要分布在中山東一路、陳毅廣場和外灘源附近。

（1）中秋前夜（2）國慶當晚（3）跨年當晚

圖5 外灘和外灘源區(qū)域人群流動方向示意圖（部分采樣）

圖5采樣選取了部分人群，示意他們的運動方向。圖中，每個箭頭代表一名行人，箭頭的顏色及指向表示其前進方向。圖5（3）可以看出，跨年當晚人群從南京東路流向陳毅廣場，導致在晚上21點左右，陳毅廣場的人流量達到一個峰值（圖3）。而之后，更多的人群開始從陳毅廣場沿著中山東一路流向北部的外灘源，也就是事發(fā)當天燈光秀所在地。

（1）中秋前夜（2）國慶當晚（3）跨年當晚

圖6 外灘區(qū)域人群流動方向分布圖

我們進一步對圖5中外灘區(qū)域的人流進行量化分析，得到了圖6所示的人群流動方向分布圖。圖6中每一扇形分區(qū)代表不同的人流方向，扇區(qū)半徑表示該方向人流量大小。圖6（1-2）分別表示中秋和國慶當晚的情況，可以看出，人流方向比較簡單和清晰，即南北向人流較多，其他方向人流較少。圖6（3）顯示了跨年當晚的外灘區(qū)域的人流方向。除了南北雙向的人流，還有其他多個方向人流，人群流動方向分布混亂。

針對產(chǎn)生復雜人群流動方向的原因，有專家這樣推測，中秋節(jié)、國慶節(jié)游客只是單純的外灘游覽；而在跨年當晚，很多游客是為了去觀看燈光秀，但是到了陳毅廣場后才發(fā)現(xiàn)燈光秀地點更改（往年都在陳毅廣場，今年更改為外灘源）。從百度搜索關鍵詞分析里面也看到這一趨勢。當晚23:20左右，搜索“燈光秀取消了么”和“燈光秀門票”的關鍵詞的數(shù)量急劇增加（圖7）。

圖7 搜索“燈光秀取消了么”和“燈光秀門票”的關鍵詞指數(shù)

從手機地圖使用習慣來看，游客去目的地前，一般都會提前利用地圖搜索目的地和規(guī)劃路線，燈光秀地點在外灘源，那么用戶應該會搜索“外灘源”并規(guī)劃路徑。我們研究了當晚游客到底在什么位置通過百度地圖搜索“外灘源”，發(fā)現(xiàn)大部分都集中在外灘附近（圖8中紅色區(qū)域），這從某種程度上就說明用戶原本不知道燈光秀更改為外灘源，到了外灘以后才發(fā)現(xiàn)改了地方，所以才掏出手機進行地圖搜索。

圖8 以“外灘源”為目標的地圖搜索發(fā)起點熱力圖

三、群體聚集是突發(fā)情況，可以預警嗎？

我國人口眾多，重大文體活動、節(jié)假日集會等活動中，容易出現(xiàn)因人群過度擁擠而引發(fā)的危險乃至事故。那么是否可以提前預測，做到事前預警呢？大數(shù)據(jù)實驗室對百度的定位數(shù)據(jù)、搜索數(shù)據(jù)進行了深度挖掘，探索預警的可能性。

圖9外灘地圖搜索與人群匯聚情況趨勢圖

圖9代表2014年12月25日至31日，外灘地圖搜索請求與人群匯聚情況的歷史趨勢。從兩條曲線經(jīng)過標準化和對齊后的走勢中，我們不難看出他們基本一致的漲落趨勢。平時，外灘的地圖搜索和人群匯聚程度基本穩(wěn)定，但在2014年的***一天，兩者都達到了***峰。

圖10 外灘地圖搜索請求與人員到達數(shù)量相關性分析

通過對百度的定位數(shù)據(jù)、搜索數(shù)據(jù)進行挖掘。進一步對2014年12月31日的地圖搜索請求與人員到達數(shù)量進行相關性分析。由圖10得到，在百度地圖中，相關地點的請求數(shù)據(jù)和實際到達該地點人群數(shù)量具有極高的相關性，相關系數(shù)超過0.9（越接近1，說明越相關）。這表明，用戶去目的地前，一般都會提前利用百度地圖搜索地點和規(guī)劃路線。為了挖掘用戶的時間提前量，包括外灘跨年時的數(shù)據(jù)，大數(shù)據(jù)實驗室又對大量歷史群體聚集場合的數(shù)據(jù)進行進一步的分析，包括鳥巢足球賽等。

圖11 外灘地圖搜索與人群數(shù)量的互相關性曲線

通過對大量歷史數(shù)據(jù)分析發(fā)現(xiàn)，相關地點的地圖搜索請求峰值會早于人群密度高峰幾十分鐘出現(xiàn)（可參見圖9）。在圖11中我們給出了搜索量和人群數(shù)量之間的互相關性相對于時延的變化曲線，其中X軸的值為時延量，負值即表示提前量，例如-10對上去曲線的值，就是提前10小時的搜索量與人群數(shù)量的相關性。圖中可以發(fā)現(xiàn)，兩個量的互相關性曲線在-1.5小時的時候達到了峰值，這意味著，根據(jù)地圖上相關地點搜索的請求量，我們至少可能提前幾十分鐘預測出人流量峰值的到來。