从LBS大数据背后分析外滩踩踏事故始末

上海外滩踩踏事故发生已经过去了半个多月，痛定思痛，从普通民众到专家教授，纷纷通过媒体对此事发表了自己的意见，希望能找到事故的真正原因，避免悲剧再度发生。

　　百度研究院大数据实验室BDL(Big Data Lab)，秉承“以数据说话”的理念，基于百度数据与大数据智能分析技术，尝试对当时的情况进行数据化描述，希望可以给相关人士提供一些参考。

　　图1标明了南京东路地铁站附近区域(左下蓝框)、外滩源附近区域(右上蓝框)、事发地陈毅广场附近区域(右下黑框)和外滩区域(右侧红框)位置在2014年12月31日事发当时的人群热力图。颜色越红表示人群越密集，越蓝表示越稀疏。下文将聚焦在三个问题上进行讨论。

图1 2014.12.31 事发时外滩区域人群热力图

一、当时的人流量大到什么程度？事发当时是否是当晚人流量最大的时候？

　　通过大数据分析，我们可以看到：

　　1）如图2所示，事发当晚，外滩区域（包含陈毅广场）确实非常拥挤，人流量已经达到了平时最高值的3倍多。

 图2 2014.12.29-2015.1.2外滩区域人流量趋势

　　2）如图3所示，31日当晚20:30左右，南京东路地铁站（紫线）也曾出现过一个人流高峰。而事发当时（黑色虚线），并不是陈毅广场（红线）人流量最大的时候，其两次人流量高峰出现在21点和24点。

图3 2014.12.31-2015.1.1人流量趋势图

二、当时人流的对冲到底是什么样的程度

　　有专家表示人流对冲可能是踩踏的很大一个原因，利用大数据技术结合地图定位信息，从历史定位与轨迹数据里可以看到事发地的人流方向相对于其他节假日确实显得更加复杂。我们用中秋节、国庆节以及跨年三个节日的数据进行比较。

（1）中秋前夜               （2）国庆当晚             （3）跨年当晚

图4 外滩和外滩源区域人群分布热力图（2小时）

　　通过图4的2小时人群分布热力图可以看出，三个节日当晚人流量基本相当，不过分布不同。中秋节（图4（1））和国庆（图4（2））人群主要分布在外滩观景大道和陈毅广场附近，而在跨年当天22点之后（图4（3）），人群主要分布在中山东一路、陈毅广场和外滩源附近。

  （1）中秋前夜               （2）国庆当晚             （3）跨年当晚

图5 外滩和外滩源区域人群流动方向示意图（部分采样）

　　图5采样选取了部分人群，示意他们的运动方向。图中，每个箭头代表一名行人，箭头的颜色及指向表示其前进方向。图5（3）可以看出，跨年当晚人群从 南京东路流向陈毅广场，导致在晚上21点左右，陈毅广场的人流量达到一个峰值（图3）。而之后，更多的人群开始从陈毅广场沿着中山东一路流向北部的外滩 源，也就是事发当天灯光秀所在地。

 （1）中秋前夜          （2）国庆当晚             （3）跨年当晚

图6 外滩区域人群流动方向分布图

　　我们进一步对图5中外滩区域的人流进行量化分析，得到了图6所示的人群流动方向分布图。图6中每一扇形分区代表不同的人流方向，扇区半径表示该方向 人流量大小。图6（1-2）分别表示中秋和国庆当晚的情况，可以看出，人流方向比较简单和清晰，即南北向人流较多，其他方向人流较少。图6（3）显示了跨 年当晚的外滩区域的人流方向。除了南北双向的人流，还有其他多个方向人流，人群流动方向分布混乱。

　　针对产生复杂人群流动方向的原因，有专家这样推测，中秋节、国庆节游客只是单纯的外滩游览；而在跨年当晚，很多游客是为了去观看灯光秀，但是到了陈 毅广场后才发现灯光秀地点更改（往年都在陈毅广场，今年更改为外滩源）。从百度搜索关键词分析里面也看到这一趋势。当晚23:20左右，搜索“灯光秀取消 了么”和“灯光秀门票”的关键词的数量急剧增加（图7）。

图7 搜索“灯光秀取消了么”和“灯光秀门票”的关键词指数

　　从手机地图使用习惯来看，游客去目的地前，一般都会提前利用地图搜索目的地和规划路线，灯光秀地点在外滩源，那么用户应该会搜索“外滩源”并规划路 径。我们研究了当晚游客到底在什么位置通过百度地图搜索“外滩源”，发现大部分都集中在外滩附近（图8中红色区域），这从某种程度上就说明用户原本不知道 灯光秀更改为外滩源，到了外滩以后才发现改了地方，所以才掏出手机进行地图搜索。

图8 以“外滩源”为目标的地图搜索发起点热力图

三、群体聚集是突发情况，可以预警吗？

　　我国人口众多，重大文体活动、节假日集会等活动中，容易出现因人群过度拥挤而引发的危险乃至事故。那么是否可以提前预测，做到事前预警呢？大数据实验室对百度的定位数据、搜索数据进行了深度挖掘，探索预警的可能性。

 图9 外滩地图搜索与人群汇聚情况趋势图

　　图9代表2014年12月25日至31日，外滩地图搜索请求与人群汇聚情况的历史趋势。从两条曲线经过标准化和对齐后的走势中，我们不难看出他们基本一致的涨落趋势。平时，外滩的地图搜索和人群汇聚程度基本稳定，但在2014年的最后一天，两者都达到了最高峰。

图10 外滩地图搜索请求与人员到达数量相关性分析

　　通过对百度的定位数据、搜索数据进行挖掘。进一步对2014年12月31日的地图搜索请求与人员到达数量进行相关性分析。由图10得到，在百度地图 中，相关地点的请求数据和实际到达该地点人群数量具有极高的相关性，相关系数超过0.9（越接近1，说明越相关）。这表明，用户去目的地前，一般都会提前 利用百度地图搜索地点和规划路线。为了挖掘用户的时间提前量，包括外滩跨年时的数据，大数据实验室又对大量历史群体聚集场合的数据进行进一步的分析，包括 鸟巢足球赛等。

图11 外滩地图搜索与人群数量的互相关性曲线

　　通过对大量历史数据分析发现，相关地点的地图搜索请求峰值会早于人群密度高峰几十分钟出现（可参见图9）。在图11中我们给出了搜索量和人群数量之 间的互相关性相对于时延的变化曲线，其中X轴的值为时延量，负值即表示提前量，例如-10对上去曲线的值，就是提前10小时的搜索量与人群数量的相关性。 图中可以发现，两个量的互相关性曲线在-1.5小时的时候达到了峰值，这意味着，根据地图上相关地点搜索的请求量，我们至少可能提前几十分钟预测出人流量 峰值的到来。

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf