由于觀光行為具有偶發性和季節性，通過傳統交通調查中的個人出行調查結果來對觀光行為進行分析是相當困難的，需要實現具有明確針對性的專項調查。
在針對休息日交通行為的調查中會包含部分有觀光行為有關的信息，例如日本所進行的道路交通態勢調查休息日篇、航空旅客調查、鐵路干線調查和全國PT調查。但是通過特定1天的調查希望掌握旅游交通特有的季節性波動特征，以及周游活動特征等顯然是不可能實現的目標。
更為專項的調查，則是通過家庭調查、觀光地調查、空港或者高鐵車站到達調查等，采用問卷形式了解相關信息。例如日本針對京都游客進行的觀光調查，調查對象為調查日訪問京都的游客，在主要觀光地、高速公路出入口、鐵路樞紐、住宿設施等處分發調查問卷，并通過郵寄回收。調查表發放規模一般在2-3萬份左右，回收率為20%左右。調查內容包括：
① 個人屬性（包括過去來訪次數）；
② 旅行行程（旅行全部行程，包括京都市以外部分）；
③ 旅行形態（同行者，是否住宿等）；
④ 京都市內的周游（有關京都市內的出行日志）；
⑤ 京都觀光的意愿評價（觀光地的滿足度，對于觀光交通的意愿評價）等。
不難看出，由此獲得的數據對于建立相關的行為選擇分析模型是有很大的幫助作用，但是對于把握整體觀光態勢，以及研究其不同季節的變化規律，則仍然顯得樣本數量過小。
近年來快速發展的大數據分析技術，為我們開辟了新的觀光行為調查途徑。利用移動通信、電子收費數據、網絡登錄數據等進行觀光客流宏觀數據觀測，具有連續追蹤和大樣本的特點。
例如賈鳳嬌曾經進行的基于移動通信數據的上海世博會外地游客活動特征分析【i】就是一個案例。研究中，充分利用移動通信數據可以連續追蹤的特點，對屏蔽掉電話號碼等個人屬性后的個體空間活動進行分析，識別出世博游客，并分析發現相關景區之間的關聯性。
采用宏微觀數據嵌套，將小樣本調查數據對于因果分析的優勢，與大數據分析對于宏觀態勢把握能力的優勢相結合，是一個非常有意思的研究話題。
參考文獻
i 賈鳳嬌，基于手機數據的上海世博會外地游客活動特征分析【D】，上海：同濟大學，2013。
微信公眾號：MobilitySolution