利用大语言模型和社交媒体数据进行事件感知的跨城市访客流分析
社会与信息网络
2025-05-08 v1
摘要
公共事件，如音乐会和烟花表演，可能导致跨城市出行需求出现不规则激增，从而引发潜在的过度拥挤、出行延误和公共安全问题。为了更好地预测和适应这种需求激增，必须对跨城市访客流进行事件感知的估计。尽管先前的研究通常侧重于单一大型事件的影响或单一场所周围的扰动，但本研究引入了一个可推广的框架，用于分析多样化和并发事件下的访客流。我们提出利用大语言模型（LLM）从多源在线信息和社交媒体平台上的海量用户生成内容中提取事件特征。具体来说，设计了社交媒体流行度指标来捕捉在线推广和口碑在吸引访客方面的效果。然后采用事件感知的机器学习模型来揭示不同事件特征的具体影响，并最终预测即将发生事件的访客流。以香港为例，该框架被应用于预测抵达该城市的中国大陆游客的日流量，测试 R 平方超过 85%。我们进一步研究了不同事件类型和主要出行方式下事件对访客数量的异质性影响。研究发现，推广流行度和口碑流行度都与访客流增加相关，但具体效果因事件类型而异。这种关联在通过地铁和高铁抵达的访客中更为显著，而对航空旅客的影响较小。这些发现有助于政府机构采取协调措施，并指导专门的交通政策，例如前往活动场所的穿梭巴士服务，以及全面的现场交通管理策略。
引用
@article{arxiv.2505.03847,
title = {Event-aware analysis of cross-city visitor flows using large language models and social media data},
author = {Xiaohan Wang and Zhan Zhao and Ruiyu Wang and Yang Xu},
journal= {arXiv preprint arXiv:2505.03847},
year = {2025}
}