在信息全球化的时代背景下,旅游大数据的飞速发展推动着旅游目的地智慧化的进展。与前人的问卷、抽样调查等不同,旅游大数据因其大样本的特性,可以全面地对游客属性、旅游行为等进行分析,进而丰富了大样本旅游流方面的研究。南京是“全国智慧旅游试点城市”首批城市之一,南京市智慧旅游的发展在江苏省乃至全国也都处于前列。本文以南京市为研究对象,对旅游流的时空分布特征及流量预测进行相关研究。本文以南京智慧旅游大数据运行监测平台为基础,该平台是江苏省正式公布的首个旅游大数据平台,它全面准确地收集了来宁游客的多维特征、客源地以及旅游行为等信息。本文首先对南京市旅游流的时空分布进行了相关研究。时间分布方面,从“年”、“季节”、“月”、“周”、“日”五个时间尺度研究南京市旅游流时间分布特征;空间分布方面,利用点密度法、核密度法、最优路线法对南京市旅游流的空间分布特征进行研究,进而为旅游空间结构的优化提供有针对性的对策。在此基础上,本文构建了南京市旅游流量预测模型。首先仅以旅游流量时间序列为单个变量,根据其自身的波动和历史走势的规律,构建ARMA预测模型。其次加入百度指数为旅游流量的解释变量,构建ADLM预测模型。通过将两个预测结果与实际旅游流量进行对比,选择合适的预测方法。基于上述研究,本文得出以下结论:第一,南京市旅游流时间分布上有着明显的波动性、对称性。表现为:受工作假期制度以及天气、气候舒适程度的综合影响,南京市旅游流年内分布总体上呈现“双峰多岭”的特征;季节性指数呈现稳定的动态变化特征;月内变化明显,呈现一系列小锯齿;周内呈现鲜明的“翘尾”特征;日内整体呈现勺子模式。第二,南京市客源地分布呈现距离衰减倾向,旅游流空间分布受客源地距离等的影响,呈现一核多中心的特征。表现为:游客的集中程度与假期的长度负向相关,与客源地的吸引力范围正向相关;热门景区仍然是构成旅游线路的主力军,且旅游路线以市区为核心向南呈瘦长型“倒三角”;南京本地居民在节假日期间更趋向于周边乡村旅游,外地游客则趋向于热门经典景点;开放景区游客高涨,非开放景区游客相对较少,且门票价格越高,客流量相对越少。第三,构建的南京市旅游流量ADLM预测模型对于预测旅游流量是具有优越性的。通过将基于旅游流量自身波动构建的ARMA预测模型与引入百度指数作为解释变量构建的ADLM预测模型进行对比,进而发现ADLM模型在预测方面的优越性。通过构建的ADLM模型可以对每日来宁游客,尤其是节假日期间的游客量进行预测,防止出现客流超出景区承载力的现象,为旅游地提供及时准确的管理决策意见。