移动互联背景下的上海市人员出行调查关键技术实践与创新

朱 洪，陈 欢，范 瑱，苏 瑛

上海市城乡建设和交通发展研究院

1 现状调查实施情况及面临的问题

人员出行调查主要是为了掌握关于出行源头的规律性指标，获取不同属性的人员出行的特征,发现影响人员出行行为的主要因素,为分析城市交通发展趋势，制订城市交通规划、管理政策等提供基础数据。

目前国内外许多城市、地区已经形成了政府部门主导下定期开展人员出行调查的机制（见表1），并在长期实践中积累了宝贵经验，同时调查的途径在不断拓展，调查的技术手段也在不断提升。

当前社会经济背景下，出行调查在实际实施中无法避免地面临入户家访、人工拦截等传统调查手段实施难度越来越大的问题，同时也面临着科技发展、大数据技术革新等带来的机遇。但在日常实践中，大数据往往只能反映局部或单个交通系统的特征，无法全面反映交通系统之间衔接和人员全程出行的行为特征，特别是不同属性人群的出行肌理，直接应用于决策支撑时存在一定的局限性。移动互联背景下人员出行调查应更注重大数据技术应用与现代化人工调查手段的充分融合。

2 调查方案设计思路

本次上海市人员出行调查方案设计在紧贴政府各部门决策管理需求的基础上，强化移动互联技术的应用。对传统人工调查手段进行优化升级的同时，广泛深入开展大数据开发应用（见图1）。在大数据技术不断发展的环境下，自动采集的数据资源日益丰富，为开展交通调查提供了很好的数据支撑。强化大数据的融合应用，可以在保证调查质量的前提下，有效降低人工调查成本，针对日常工作较难获取或尚未形成固化分析机制的大数据制定开发应用方案。通过更加广泛、深入地使用交通及相关行业大数据，充分发挥大数据的优势。

图1 人工调查与大数据开发应用相结合

3 调查实施情况

3.1 调查范围

移动互联技术的应用使得本次人员出行调查的范围首次从上海市域扩展至长三角，在获取上海市域内人员出行特征指标的基础上，进一步获取长三角都市圈人员城际出行的特征指标（见图2）。并且在2019年开展常态出行调查的基础上，对2020年疫情期间的人员出行情况进行了跟踪调查。

图2 基于长三角区域手机信令数据的城际人员出行分布

3.2 调查内容

人员出行特征与社会经济、城市用地布局、车辆拥有情况、基础设施布局等相关，以往调查以人员为调查对象，调查其在上海市域内的活动为主，本次调查不仅调查上海市域内的人员出行特征，还针对上海与长三角区域间的城际客流出行情况进行了调查，全面获取上海市及长三角区域城际出行的整体情况。主要调查指标包括出行总量、出行强度（频次）、时空分布、出行方式链、出行各环节时耗、轨道换乘、出行费用等方面的特征数据。此外，考虑近年来小客车的普及情况，结合家庭户调查和新能源汽车平台数据分析等获得小客车的使用特征。

3.3 调查途径与规模

本次上海市人员出行调查中获取常住人口出行特征的主要途径是通过对居民家庭户的入户家访调查。根据住建部2018年发布的《城市综合交通调查技术标准》，常住人口规模超过1 000万的城市，居民家访调查的抽样率应在0.5%以上。根据上海市常住人口规模匡算，确定本次居民家访调查样本量为5.1万户，样本户覆盖全市所有街道。同时，为了加强对强出行人口的调查，本次调查中首次与市教委合作，对全市3.9万户学生家庭进行了出行调查，样本覆盖上海市所有行政区的各学龄段共120所学校。此外，还首次使用三家运营商的手机数据对出行空间信息进行挖掘。区域出行方面，一方面基于区域手机信令数据获取出行分布情况，另一方面通过对外枢纽旅客抽样问询和全市随机网络问卷结合，获得城际出行空间分布和内外衔接交通方式等情况。在小客车使用特征方面，随着小客车的普及，一方面通过居民出行家访调查和学生家庭调查可以获得约5.7万辆车的出行信息，另一方面通过新能源汽车公共信息平台，获取了约5万辆新能源小客车的出行轨迹数据。此外，依托公安交警的城运平台，抽取一周的内环内区域号牌识别数据，进一步对中心区域的小客车使用特征补充完善。

在实施人员出行特征调查的基础上，同步对轨道交通、地面公交、道路交通等系统运行情况进行了相关调查，为校核特征调查数据提供依据。在公交客流调查方面还首次使用交通卡和公交车卫星定位数据融合挖掘的方法。调查通过多源数据校核，更全面、更精准地获得人员出行的关键特征指标数据（见图3）。

图3 人员出行特征调查调查途径方法

4 关键技术实践与创新

本次调查紧密结合当前政府管理工作要求，深入研究大数据应用与挖掘的方式方法，探索大数据融合应用的技术和机制创新，制定大数据和人工调查融合的调查方案，主要涉及以下四个方面的关键技术实践与创新。

4.1 大数据融合挖掘

为了实现移动互联数据从局部、抽样到全面的应用，通过梳理数据之间的层次关系、时态关系等，确定数据的多维关联规则，首次实现对三家通信运营商的手机信令数据、交通卡与公交车卫星定位数据等多平台数据的融合挖掘，提升相关数据在人员出行特征分析中的支持度与可信度。

手机信令数据挖掘以连续一个月内在上海市域内出现的手机用户为对象，通过常住用户识别、驻留地判断、出行判断等时空信息分析，获取市域内的通勤出行特征，重点了解区域职住平衡情况和通勤客流走廊的不均衡性。对于疫情期间的出行变化跟踪，以周为单位对手机数据进行连续分析，及时掌握通勤出行的恢复情况和特殊时期通勤出行特征的变化。本次调查中首次同时对三家运营企业的数据开展手机信令数据的整合分析（见图4），覆盖用户群体广泛，能够更加全面地反映人员出行的空间信息。

图4 基于三家通信运营商手机信令数据的通勤客流走廊分布

对交通卡与公交车GPS数据的融合挖掘打破了以往两块数据独立挖掘的格局，实现了对全市公交客流上下客与公交走廊的关联分析。乘车OD的推算主要是应用重力模型、增长系数法等，并利用每天上下班时段刷卡乘公交车判断通勤用卡的OD，利用公交车后换乘轨道或者公交刷卡记录推算换乘客流的OD，根据客流上下客特征推算偶尔乘车用卡的OD。通过大数据挖掘，最终得到客流时空分布、断面客运量、乘车距离、客运周转量、换乘系数、客运走廊各断面流量等数据。同时，为了反映该项调查技术的精度，通过与主要公交走廊的线路抽样调查数据相比对，得到相关性检验系数R2均值达到0.9以上（见图5）。交通卡与公交车GPS数据的融合挖掘技术可以较好地还原公交客流分布。

图5 部分公交线路数据相关性检验结果

4.2 问卷填报系统优化升级

本次居民家访调查在延续2014年首次采用的手持终端设备入户调查的基础上，对移动端调查APP和云端平台进行了功能优化（见图6），实现了调查过程自动录音、调查数据自动审核及云端同步入库等功能，边调查边审核边录入，避免了传统问卷调查数据采集与录入中的误操作可能导致的误差。在学生家庭调查中进一步探索无接触调查问卷系统研发与应用，对在线问卷的交互设计进行优化，新增填写引导、案例示范、时间位置信息自动匹配等功能，引导在线沉浸式的调查体验，被调查者可使用智能终端设备扫描二维码进入填报系统。调查数据在自动同步的基础上实现统计数据的后台可视化监测功能，进一步提升调查过程的质量控制水平。与传统的在线问卷相比，被访者的体验度、填报环境及进程质控均有所提升。

图6 移动端调查问卷系统应用及后台界面

4.3 基于活动链的问卷内容设计整合

在人员出行调查的问卷设计中，以被调查者全天的活动为主线开展调查，调查内在逻辑更加符合人们日常的思维方式和思考习惯，可有效提升出行链获取的完整度与真实度。基于轨道客流数据、新能源汽车平台数据、牌照识别数据等大数据无法获得全程出行链信息、出行费用、目的等细分数据的基本情况，在问卷设计中予以弥补。调查内容和方案设计将人员活动链抽样调查与各系统大数据充分整合，强调反映全程出行链和各次出行活动之间的关联连续性。

4.4 调查机制创新

本次人员出行调查由政府部门扩展到互联网企业、大数据平台，形成一个综合、稳定、高效的调查机制。调查首次得到了上海市教育委员会、上海市通信管理局等部门的支持，探索基于学生家庭开展无接触调查场景，首次协同三家手机运营企业开展数据调查，并以此为契机形成了长效合作研发机制。

5 结 语

本文重点介绍了移动互联背景下上海市人员出行调查实施过程中新思路、新技术的实际应用情况，系统阐述了本次人员出行调查从方案设计、实际实施情况到关键技术的实践和创新等内容。目前有关于交通领域的大数据研究日趋成熟，相关技术在丰富可挖掘数据资源的同时，也在拓宽调查分析方法的技术路径。未来，在积累总结人员出行调查实施经验的基础上，仍需进一步思考如何将大数据技术系统地融合纳入出行特征获取分析的技术框架内，在实践中不断通过新技术方法取得更高质量的调查成果。