多源数据解析城市交通特征与规律

吴子啸，付凌峰，赵一新

(中国城市规划设计研究院，北京100037)

多源数据解析城市交通特征与规律

吴子啸，付凌峰，赵一新

(中国城市规划设计研究院，北京100037)

随着信息技术的发展，城市交通领域不断涌现新的数据来源。有效利用这些数据，有助于深刻理解城市功能和交通特征与规律。回顾城市交通分析与建模中常用的多源数据，并着重介绍信息化数据的典型应用，包括手机信令数据、公共汽车信息系统数据、车辆GPS数据、交通检测数据和售票系统数据。基于传统城市交通分析框架下的数据需求，探讨多源数据间的关系与联合应用。提出信息化数据完全取代传统数据既不现实，也不必要；信息化数据的价值发挥在于未来交通分析与建模技术的创新。最后对多源数据的发展与应用方向进行展望。

交通调查；城市交通特征；交通分析与建模；多源数据；联合应用

0 引言

城市交通特征和规律的研究通常由交通数据所驱动。基于可获取的交通数据，交通分析和建模理论得以形成和发展。反过来又不断产生新的数据需求，以验证和标定交通模型。交通数据采集的规模、周期、费用在一定程度上影响交通分析理论发展的进程。

随着信息化技术在各个领域的发展，各种电子设备和智能交通系统得到广泛应用。这些设备应用的同时也生成了大量新型数据，即信息化数据。海量信息化数据包含出行活动信息、城市交通运行特征信息等。有效利用这些数据，不仅有助于深刻理解城市功能和交通特征与规律，还为未来交通分析与建模的技术创新提供了数据基础。

1 交通分析与建模常用数据

1.1 交通调查数据

交通调查数据是交通分析与建模中最直接和最传统的数据来源。城市交通调查随着城市交通规划的起源而产生。作为城市交通规划起源地的美国，于1944年首先颁布了《居民出行调查程序手册》(Standardized Procedures for Personal Travel Surveys)[1]。同一年这种调查方法被萨尔塔、新奥尔良等城市应用。由于交通调查费时费力，交通调查通常基于统计学理论，采用经过精细样本设计的抽样调查。各类交通调查从不同视角展现城市交通出行特征(见表1)。

1.2 普查及统计数据

普查及统计数据包括人口普查数据(整数年份进行的人口普查和两次普查中间年份进行的人口小样本调查)、经济普查数据、机动车拥有量统计以及公共交通客运量统计等。普查及统计数据通常为交通分析提供基础数据(即人口与就业岗位)，为交通调查样本设计、数据处理等提供总体信息参考。

1.3 信息化数据

信息化数据是人们日常活动(出行、购物、支付、上网等)的电子化或使用电子设备(手机、交通监控设备等)的痕迹数据(见表2)。

与交通调查数据、普查及统计数据这些交通分析传统数据相比，信息化数据具有数据量巨大、更新连续、种类繁杂等特征。另外，信息化数据属于各种系统运行操作的痕迹数据，其结构和内容处于原生状态，往往需要一系列的数据挖掘和数据处理才能为交通分析所用。

表1 城市交通调查类型及用途Tab.1 Usagesof differenturban transportation survey

表2 城市交通分析相关信息化数据类型Tab.2 Information data in urban travelanalysis

2 信息化数据在城市交通分析中的典型应用

2.1 基于手机信令数据的城市出行与活动特征分析

以手机信令数据为代表的信息化数据，为大样本、持续性观测个体时空活动创造条件。手机信令数据记录了用户每次通讯活动(短信、通话、流量以及位置更新等)的时间和地点(空间精度由基站小区覆盖范围决定，城区内基站服务半径通常为100～500m，郊区约400～1 000m)。平均每人每天会留下60～80个时空记录点，从中可以勾勒出手机用户完整的活动轨迹。

利用手机通讯数据对一定时期用户活动进行追踪，可以在较高置信度水平与空间精度上识别出每个用户的居住与工作地点(见图1)。掌握了职住联系，可以很容易获得居住地与工作地分布矩阵，支撑通勤交通、各级空间尺度的职住平衡与职住联系(特定地点工作人口居住地分布、居住人口工作地分布等)等深度分析。手机信令数据经过一系列处理可以生成用户的城市活动链数据，包含每个用户一天中每次活动的地点，到达、离开时间和活动目的。利用这个基础数据，可以对任意空间、任意时间、任何特定目的或者特定人群的城市活动进行研究。借助手机信令数据，通过对用户多日活动特征和号码归属地的分析，可以识别城市流动人口等特殊人群，从而分析流动人口规模、来源地、驻留特征及在城市空间的活动特征。对于特定地点人群活动的分析，可以获取交通枢纽、功能中心以及过境交通的来源去向、辐射范围以及需求特性[5]。

2.2 基于公共汽车信息系统数据的客流及系统运行分析

公交IC卡刷卡数据记录乘客每次乘车刷卡的详细信息，包含刷卡时间、乘坐线路、乘坐车辆编号等信息。公共汽车进出站GPS数据描述车辆到达各个车站的进出站时间等运营信息。利用居民出行在空间上的连续性特征，可以结合公交IC卡数据和公共汽车进出站GPS数据还原完整公共汽车出行链与出行OD[6-7](见图2、表3和表4)。

图1 基于手机信令数据的出行特征分析Fig.1 Travel characteristicsbased onmobile communication data

应用公共汽车GPS数据空间分析技术，还可以构建城市公共汽车线网空间信息，获取线网密度、车站覆盖率、线路重复系数以及非直线系数等公共汽车线网指标，分析运营速度、发车间隔、车站车头时距等服务水平。

2.3 基于车辆GPS数据的出租汽车、货运车辆运行分析

出租汽车和货运车辆GPS数据具有相似的结构，主要包含车辆在某一时刻的经纬度坐标和瞬时速度，出租汽车GPS数据还包括空重车状态。通过分析出租汽车GPS数据，可以确定车辆每次载客出行的上下客位置及相应时间[8]。由此可以确定每次载客出行的距离及平均速度。出租汽车日载客次数、营运里程、空驶率等常规指标都可以通过GPS数据进行计算(见图3)。大量出租汽车GPS数据也可以看作浮动车数据，从而对道路运行情况进行分析。

经过分析处理货车GPS数据，可以获取每辆货车每次出行的起讫点、运行路径以及运行速度等特征，以此分析货运联系方向、城市货运走廊以及停车场、货源地分布(见图4)。

2.4 基于交通检测数据的道路交通运行分析

道路交通运行分析以高速公路收费系统、公安卡口车牌识别系统、道路交叉口流量检测等数据内容为基础。数据通常涵盖高速公路、对外公路、城市道路以及立交、匝道和重要交叉口。数据综合分析不仅可以获取公路对外交通联系、查核线以及主要交叉口的交通量信息，通过车辆ID追踪技术还可以进一步分析城市出入口道路流向以及机动车OD等出行特征信息。

2.5 基于公路、铁路、航空售票系统数据的对外枢纽客流特征分析

公路、铁路、航空售票系统数据记录每位旅客的班次、出发到达时间和目的地信息。从近乎全样本的售票系统数据中可以分析获得城市对外联系方向、方式选择以及各枢纽的客流分担特征。配合旅客访问调查获取的社会经济属性、出行意愿等信息，以及公共汽车、出租汽车、手机信令数据分析获取的枢纽集散交通特征，可以全方位还原城市枢纽交通运行与旅客出行的全貌(见图5)。

3 传统城市交通分析框架下多源数据的联合应用

3.1 多源数据间的校核完善

图2 公共汽车站间OD分析技术示例Fig.2 BusOD analysis technology

传统数据与信息化数据有各自优势和局限性。传统数据获取过程经过精细设计，在解析城市交通出行特征和规律方面更为直接和有效，但数据更新周期长是其缺点。例如，城市交通调查、城市人口与就业岗位的空间分布数据(来源于普查数据)，更新周期一般为5年。信息化数据可连续获取，但其代表性往往存在系统性缺陷。以手机信令数据为例，由于部分人群没有手机，而另一部分人群拥有两部或两部以上手机，即使手机用户在数量上接近城市总人口，但是却存在偏差。

在城市新发展和改造区域，人口统计数据往往与最新情况有很大误差。在城市基本单位情况统计中，某些较大规模单位就业人员(例如公交公司职工)的上班地点并非单位的注册地点。在这种情况下，可以利用手机信令数据得到手机用户的居住地与就业地分布，在此基础上对原统计数据进行适当修正，使其更加接近真实情况。

表4 公共汽车乘客出行OD示例Tab.4 BuspassengerOD

图3 工作日出租汽车乘客出行特征分析示例Fig.3 Characteristics of taxi passenger travel during weekday

城市交通调查中不可避免地存在很多人为因素的误差。在居民出行调查中，被调查者在填写出行记录表时往往会遗漏部分出行，导致调查出行率低于实际出行率。信息数据作为痕迹数据具有客观性。因此，利用手机信令数据得到手机用户的日常活动链，可对居民出行表的漏填问题进行评价和相应校正。

3.2 多源数据间的补充引申

图4 货车GPS数据分析应用示例Fig.4 Freightvehicle GPSdataanalysis

图5 对外枢纽客流特征分析示例Fig.5 Characteristicsof passenger flow atmultimodal term inal

居民出行调查作为城市交通调查的核心项目，聚焦于城市常住居民在城市区域的日常出行(以短距离出行为主)。随着城市群和城镇连绵地区的出现，交通分析和建模的范围需要向更大区域扩展。对于区域内较长距离出行和城镇间出行的规律，居民出行调查提供的信息十分有限，而手机信令数据、高速公路收费数据、(公路、铁路、航空)售票系统数据能够为其提供丰富的数据基础。

在城市内部，交通分析与建模也向精细化发展，描述轨道交通车站和重要交通枢纽的接驳交通是精细化发展的一个重要方向。传统交通调查往往受调查详细程度、调查规模等现实条件制约，在这方面能够提供的信息量有限。通过处理手机信令数据、公共汽车信息系统数据和地铁运营系统数据可揭示出行过程中的细节，为模型精细化发展和微观交通分析提供依据。

在城市交通分析与模拟中，相对于交通量的分析深度和模拟精度，对于出行时间和速度的模拟往往存在较大误差，原因之一在于缺乏相关数据。常规的车速调查仅提供一定条件下典型路段的数据，而不同的道路参数和交通流状况对车速的影响难以详细考虑。交通监控系统数据和出租汽车GPS数据使更丰富而细致的流量延误函数的标定成为可能。

在传统交通分析与建模的框架下，可基于信息化数据对各个子系统进行深入分析和建模。公共汽车子模块可基于公共汽车信息系统数据进行细化，出租汽车GPS数据、货车GPS数据也为商用车辆子模块提供丰富的数据基础。基于手机信令数据可勾画城市流动人口分布及出行特征全貌，在很大程度上提高了流动人口出行子模块的分析准确性和精度。

4 多源数据应用发展趋势

随着信息化数据采集与处理技术的发展，一些传统交通调查项目逐渐被信息化数据取代。例如，城市道路交通调查数据可通过道路监控系统数据、出租汽车GPS数据等获取。另一些交通调查项目的调查内容也由于信息化数据的应用而变得简单。例如，结合公共汽车信息系统数据的应用，传统公共汽车调查的内容可进行适当调整和简化。

一些电子设备开始在传统交通调查中使用，部分交通调查数据开始具有信息化的烙印。在居民出行调查中，中国很多城市已经引入装有地址信息库的电子设备，实现出行地点的经纬度坐标编码，并在采集信息的现场进行逻辑性检查和采集地点与时间进度追踪。一些居民出行调查中征集的志愿者随身携带GIS设备或使用车载GPS设备，以便对出行遗漏等调查误差进行校正。

然而，信息化数据完全取代传统数据既不现实，也不必要。作为核心的交通分析数据来源，居民出行调查的内容与城市交通分析的理论架构在过去70多年基本上并未发生显著变化。当重力模型被广泛用于未来出行分布预测时，调查数据仅用来标定各种目的出行长度(一般以出行时耗来表征)的频次分布曲线(即阻尼函数)。因舍弃出行联系的空间分布信息，居民出行调查所需要的样本量由最初＞25%降至＜5%。手机信令数据由于数据自身结构和生成机理的原因，推导出的出行OD在出行时耗上往往存在很大误差，无法用于标定重力模型。此外，手机用户是全体人口的有偏代表，如何纠偏是另一个难题。另一方面，在传统的交通分析框架下探索信息化数据的应用往往会限制其优势。以手机信令数据为例，通过其推导出的城市活动链数据在总量上已经与城市活动总量接近，其揭示的出行联系的空间分布特征是常规居民出行调查无法获取的。显而易见，在巨量出行信息可获取的情形下，使用增长率模型进行未来出行分布预测具有明显优势，现实出行联系的空间分布特征才得以较好的重现和继承。因此，信息化数据的价值发挥在于未来交通分析与建模技术创新。

5 结语

城市交通分析与建模和交通数据获取之间密切联系，相辅相成。信息化数据的出现极大地丰富了交通分析的数据基础，为交通分析提供多维视角。基于传统理论框架，信息化数据与传统数据间的校核完善、补充引申推动了交通分析与建模的精细化发展。同时，信息化数据为交通分析与建模技术创新提供了数据基础，未来技术创新也会引起交通数据本身的变革[3]。

[1]Pisarski A E,Alsnih R,Zmud JP,etc.Standardized Procedures for Personal Travel Surveys[R].Washington DC:Transportation Research Board,2008.

[2]中华人民共和国住房和城乡建设部.城市综合交通体系规划交通调查导则(建城[2014]141号)[R].北京：中华人民共和国住房和城乡建设部，2014.

[3]吴子啸，付凌峰.城市综合交通调查的规范与创新[J].城市交通，2016，14(2)：11-17.Wu Zixiao,Fu Lingfeng.Regulation and Innovation of Urban Comprehensive Transportation Survey[J].Urban Transport of China,2016，14(2)：11-17.

[4]付凌峰，秦维，刘燕，吴子啸.无锡市城市综合交通调查[R].北京：中国城市规划设计研究院，2017.

[5]付凌峰，吴子啸，刘燕.厦门市2015年度居民出行调查及公交客流调查技术指导[R].北京：中国城市规划设计研究院，2016.

[6]吴子啸，付凌峰.郑州市交通模型开发与应用：困惑与创新[J].城市交通，2012，10(1)：26-31.Wu Zixiao,Fu Lingfeng.Research and Development of Transportation Planning Models in Zhengzhou:Problem&Innovation[J].Urban Transportof China,2012,10(1):26-31.

[7]吴子啸，付凌峰.郑州市综合交通模型发展规划[R].北京：中国城市规划设计研究院，2013.

[8]赵一新，蔡润林，吴子啸.苏州市交通发展战略规划及专题研究[R].北京：中国城市规划设计研究院，2015.

Analyzing Urban Transportation Characteristics w ith Multi-DimensionalData Sources

Wu Zixiao,Fu Lingfeng,Zhao Yixin
(ChinaAcademy of Urban Planning&Design,Beijing 100037,China)

As the information technology advancing,new data sources are constantly emerging in the urban transportation.Effectively utilizing these data helps us to better understand urban functionality and transportation characteristics.By review ing the commonly used multi-dimensional data in urban travel analysis andmodeling,this paper elaborates the typical applications of the data,including data from mobile phone,transit system,vehicle GPS,traffic detection and sale of transit fare system.Based on the data demand in the traditionalurban transportation analysis framework,the paper discusses the interconnection among themulti-dimensional data sources and the combined applications.The paper emphasizes that replacing the traditionaldataw ith new information data isneither practicalnornecessary.The value of the information data depends on the innovation of the travel analysis andmodeling technology in the future.Finally,the paperoutlines the future developmentand application ofmulti-dimensionaldata.

transportation survey;urban transportation characteristics;travelanalysisandmodeling;multidimensionaldata;combined application

1672-5328（2017）04-0056-07

U491.1+2

A

10.13813/j.cn11-5141/u.2017.0407

2017-05-02

吴子啸(1970—)，男，陕西岐山人，博士，教授级高级工程师，主要研究方向：交通调查、交通模型。E-mail:wuzx@caupd.com