大地云游認為，景區安全預警機制應從兩方面入手，一是從景區外部環境入手，通過景區游客量的短期預測（短期是指未來一天或一周內），解決景區未來幾天的游客量預警；二是從景區內部環境入手，解決景區當天、景區內部的安全預警。然而，這些問題的解決，則需要通過大數據的手段。

      一、景區擁堵踩踏事件頻發，景區安全預警機制如何建立

      2014年10月2日，馳名中外的四川九寨溝景區發生大規模游客滯留事件，上下山通道陷入癱瘓，甚至出現游客“攻陷”售票處的傳聞。

      2014年12月31日23時35分許，正值跨年夜活動，很多游客及市民聚集在上海外灘迎接新年，黃浦區外灘陳毅廣場進入和退出的人流對沖，致使有人摔倒，從而引發踩踏事件。

      二、基于百度大數據，構建景區雙層安全預警機制

      1、景區游客量短期預警

      首先，第一層安全預警機制的建立，則是構建基于百度大數據的景區游客量預測模型，對景區未來幾天內的游客量進行實時預測，從而使景區提前幾天針對不同狀況進行合理的資源調配，如果預測游客量超過了景區承載量，則景區管理者則采取相應的管控措施。景區游客量預測模型的構建，是基于景區歷史數據、百度搜索數據、景區所在地天氣、節假日等若干因素的綜合而構建。目前，國內有部分景區已經跟百度合作，如九寨溝景區，建立了大數據中心，并在游客量預測方面取得了初步成效。

九寨溝客流量預測

      2、景區內部游客量實時監控

      其次，除了構建景區游客量短期預測模型之外，基于百度LBS實時定位功能，可以對景區當天內部游客量及游客走向進行實時監控，形成景區熱力圖，若人流密度及人群走向超過安全值，則景區采取安全預警措施，從而建立景區第二層預警機制。

      針對上海外灘踩踏事故，百度研究院大數據實驗室BDL(Big Data Lab)基于百度數據與大數據智能分析技術，對當時的情況進行了數據化的描述，繪制了事發外灘區域人群熱力圖，人流量趨勢圖，并對中秋前夜、國慶當晚和跨年當晚的人群分布熱力圖進行了比較分析，通過數據挖掘分析，直觀呈現了各個時間點的上海外灘的人流量及人流走向，并準確判斷出上海外灘發生的踩踏事件。

上海外灘客流熱力圖

       通過大數據在景區的應用，構建景區雙層安全預警機制，從而極大提升景區安全管理水平，有效預防景區內部游客擁擠、踩踏事件。

來源：大地云游信息開發有限公司