基于多源數(shù)據(jù)的居民出行特征分析

摘要 居民出行特征分析是城市綜合交通規(guī)劃最重要的基礎(chǔ)性工作，是支撐城市交通網(wǎng)絡(luò)、公共交通、停車等相關(guān)規(guī)劃的重要資料，也是制定城市交通管理和控制方案的重要數(shù)據(jù)。以手機信令數(shù)據(jù)中提取的出行軌跡為基礎(chǔ)，以多源數(shù)據(jù)為支撐，采取對應(yīng)的模型算法，并運用ArcGIS軟件構(gòu)建空間模型，可得到多方面的居民出行特征。該方法彌補了傳統(tǒng)出行調(diào)查方法的不足，得到了更加廣域、實時、精準(zhǔn)的人員出行信息，為今后開展相關(guān)工作提供了借鑒與參考。

關(guān)鍵詞 交通規(guī)劃；手機信令數(shù)據(jù)；居民出行特征

中圖分類號 TP311.13 文獻標(biāo)識碼 A 文章編號 2096-8949（2024）13-0029-04

0 引言

隨著我國城鎮(zhèn)化及低碳綠色出行的快速發(fā)展，城市居民的出行特征變化日益頻繁。近年來，我國各重大城市都在加速邁向“軌道交通時代”，軌道交通行業(yè)的快速發(fā)展，線網(wǎng)規(guī)模的不斷提升，形成了以軌道交通引領(lǐng)城市發(fā)展的新格局，極大程度上轉(zhuǎn)變了居民的出行方式及出行觀念。同時，隨著綠色出行理念的傳播與“雙碳”政策的實施落地，節(jié)約能源、提高能效、減少污染、綠色生活的理念不斷融入城市發(fā)展和百姓生活，環(huán)保概念已深入人心，綠色出行已成為新的風(fēng)尚，一系列變化都對居民交通出行特征帶來了深入的影響。

1 研究背景

1.1 城鎮(zhèn)化、綠色化帶來交通出行特征的不斷變化

對城市居民出行特性的分析不僅是開展城市交通規(guī)劃、城市管理的重要前置工作，也是及時掌握新時期居民出行特征和規(guī)律的主要手段。通過了解居民的出行目的、方式、時間等特征，可以更加準(zhǔn)確地把握城市交通的需求和供給關(guān)系，從而制定出更加符合實際需求的交通規(guī)劃方案，為科學(xué)制定交通發(fā)展戰(zhàn)略、政策、技術(shù)法規(guī)，提高規(guī)劃的科學(xué)性、信息化水平提供重要依據(jù)。但是，多數(shù)情況下只有在進行大規(guī)模綜合交通體系規(guī)劃中才會開展居民出行調(diào)查工作，而綜合交通規(guī)劃與城市總體規(guī)劃（國土空間規(guī)劃）的期限一致，都是15年。根據(jù)對國內(nèi)部分城市的統(tǒng)計發(fā)現(xiàn)，多數(shù)城市居民出行調(diào)查的時間間隔在5年以上，甚至沒有。因此，在對居民出行特征數(shù)據(jù)的采集上，一般都具有較大的滯后性，且時間跨度較大，詳見表1所示。

1.2 傳統(tǒng)居民出行調(diào)查與大數(shù)據(jù)獲取的對比分析

傳統(tǒng)的交通出行調(diào)查主要靠人工調(diào)查法[1]，即通過詢問被訪者在前一天或當(dāng)天的出行信息，以填寫問卷的形式實現(xiàn)調(diào)查。該方法存在一些問題和局限，例如耗資大、耗時較長，且只能抽取較少居民進行問卷調(diào)查，容易出現(xiàn)以偏概全的情況。其次，通過填寫問卷、現(xiàn)場咨詢進行調(diào)研，往往存在一定的主觀性，可靠性與真實性無法得到證實，且通過人工調(diào)查法獲取的出行行為也無法滿足實時性要求。

近年來，手機的普及和廣泛應(yīng)用極大地改變了人們的生活方式。作為現(xiàn)代生活的必備工具，手機不僅為人們提供了便捷的通信方式，還在無形中產(chǎn)生了大量的移動信令數(shù)據(jù)。手機用戶在移動過程中，通過與基站之間的交互，產(chǎn)生了豐富的移動信令數(shù)據(jù)，這些數(shù)據(jù)記錄了用戶的移動軌跡、出行時間、目的地等信息，從而提供了前所未有的觀察視角。與傳統(tǒng)的人工調(diào)查法相比，手機信令數(shù)據(jù)具有以下幾方面的優(yōu)勢，詳見表2所示。

2 基于多源大數(shù)據(jù)的居民出行特征分析方法

2.1 基礎(chǔ)數(shù)據(jù)獲取方法

通過對手機信令數(shù)據(jù)進行去重去錯、剔除漂移、乒乓操作后[2]，基于時空聚類算法，將具有相似時空屬性的數(shù)據(jù)點分組成群集，以識別居民軌跡點的停留、移動狀態(tài)，將兩個停留點及停留點之間的多個移動點視為居民單次出行的移動軌跡，即單次出行OD。

采用國土變更調(diào)查數(shù)據(jù)提取村居委會行政界線，將其作為最小交通小區(qū)單元，并從開源地圖（高德地圖）獲取研究區(qū)域的路網(wǎng)文件（shp格式），然后結(jié)合ArcGIS獲取道路網(wǎng)絡(luò)的中心線、點。通過調(diào)用高德地圖公交線路及站點搜索端口，提取地圖上的每條公交線路（軌道交通線路）的線路點位、公交站點（軌道站點）位等相關(guān)信息，并轉(zhuǎn)換為ArcGIS可識別的數(shù)據(jù)。

2.2 居民出行主要特征及指標(biāo)量化方法

居民出行主要特征包括出行次數(shù)、出行目的、出行結(jié)構(gòu)、出行時耗、出行距離等五大類，直接反映了居民在城市中出行的時空分布規(guī)律，是全面了解城市居民出行的源和流、居民出行的發(fā)生規(guī)律以及居民從出發(fā)到終止這一過程的關(guān)鍵指標(biāo)，可為交通預(yù)測模型的建立提供最直接的技術(shù)參數(shù)。以下將分別論述各指標(biāo)的獲取方式及量化方法。

2.2.1 出行次數(shù)

居民出行是指出行者為了一個活動目的，使用一種或多種交通方式從一個地點到另一個地點的過程。該研究結(jié)合以往居民出行調(diào)查報告，判定單次移動距離超過300 m以上，且在某一地點（區(qū)域）內(nèi)停留時間超過10 min，則記為一次出行。該研究運用ArcGIS軟件，將居民出行的軌跡點經(jīng)緯度轉(zhuǎn)換為空間位置信息，同時以距離閾值與時間閾值作為每一次出行起點與終點的判定條件進行聚類分析，以得到居民出行的起訖點空間位置信息，其詳細(xì)流程如下：

通過時空聚類分析[3]方法，以移動距離閾值判斷該次出行是否達到出行的判定條件，若不滿足，則將該狀態(tài)定義為停留，即未出行；若滿足，則進一步根據(jù)停留時間閾值判斷該次出行是否結(jié)束，達到判定閾值則將該狀態(tài)定義為該次出行結(jié)束，未達到判定閾值則將該狀態(tài)定義為持續(xù)移動，即該次出行未結(jié)束，直至判定該次出行結(jié)束為止。以此循環(huán)可得到一個居民一天內(nèi)完整的出行鏈。

2.2.2 出行目的

基于年度變更調(diào)查圖斑數(shù)據(jù)中的地類名稱字段，將其概括性分為公共管理與公共服務(wù)、商業(yè)商務(wù)、居住、學(xué)校、醫(yī)院、工業(yè)、公園等幾大類，以此識別居民每一次出行的起訖點用地屬性，通過分析居民出行的慣性行為，從而識別居民出行的活動目的。如工作日期間早上由居住用地向商業(yè)、商務(wù)、公共管理與公共服務(wù)、工業(yè)等用地移動，下午進行反向移動的行為定義為通勤；工作日期間早上由居住用地向教育用地移動，下午則反向移動的行為定義為通學(xué)；出行終點為醫(yī)療衛(wèi)生用地，停留時間小于2.5 h的定義為就醫(yī)，其他定義為醫(yī)護人員通勤；出行終點為商業(yè)用地、娛樂用地，且不呈現(xiàn)明顯慣性規(guī)律的行為定義為娛樂購物；出行終點為公園用地、農(nóng)林用地等，且不呈現(xiàn)明顯慣性規(guī)律的行為定義為休閑旅游。

2.2.3 出行結(jié)構(gòu)

通過出行距離、出行時長、出行平均速度等構(gòu)建評估指標(biāo)體系，利用模糊C均值聚類算法原理，對居民的出行方式進行基本辨識。同時，對于部分多種交通方式均符合的出行鏈，再根據(jù)實際出行路徑與各交通方式的路線規(guī)劃的匹配程度進行進一步識別。最終識別出的出行方式分為小汽車、地鐵、公交、非機動車、步行共五類，詳見表3所示。

2.2.4 出行時耗

通過對每一次有效出行OD對中起訖點的時間差值，可以計算得到居民出行的單次出行時耗，進行聚類分析可得到居民全方式出行的平均時耗以及不同交通出行方式的平均出行時耗。

2.2.5 出行距離

運用ArcGIS軟件，對每一次有效出行OD對中起訖點的經(jīng)緯度進行空間拓?fù)?，采用幾何分析方法可以計算出居民每一次出行的出行距離，進行聚類分析可得到居民全方式出行的平均出行距離，以及不同交通出行方式的平均出行距離。

3 基于多源數(shù)據(jù)的貴陽市居民出行特征分析

該研究分析數(shù)據(jù)為貴陽市2021年6月1日—11月12日共計165天的超過259.16億條移動手機信令數(shù)據(jù)、2021年度變更調(diào)查數(shù)據(jù)、2021年公交線網(wǎng)數(shù)據(jù)以及其他相關(guān)數(shù)據(jù)。

3.1 出行次數(shù)

基于分析數(shù)據(jù)，2021年貴陽全市（不含6歲以下，該部分持有移動設(shè)備的概率較低）人均日出行次數(shù)為2.92次/日，較2016年的2.75次增長了6.18%。

3.2 出行目的

從居民出行目的來看，貴陽市市域一日出行的目的主要以通勤、通學(xué)、回家等剛性通勤出行為主，占到總出行的77.86%；其他目的的出行占比約為22.14%，以娛樂購物為主，且集中分布在晚高峰時段。因此，解決好通勤、通學(xué)的交通問題，實現(xiàn)區(qū)域職住平衡，是解決城市交通擁堵問題的關(guān)鍵所在。同時，對比2016年的歷史數(shù)據(jù)可知，貴陽市剛性通勤出行比重占比有所下降，彈性出行中購物娛樂、休閑旅游類的出行比例顯著上升，分別增長了45.91%、133.91%，如圖1所示。這與貴陽市居民收入的提高，人民更加追求生活的品質(zhì)與質(zhì)量，參與購物娛樂、休閑旅游的出行活動日益頻繁，城市經(jīng)濟活力日益提高等相符。

3.3 出行結(jié)構(gòu)

機動化是城市交通發(fā)展不可阻擋的趨勢，貴陽市2016年至2021年機動車保有量由118.98萬輛增長至195.50萬輛[4]，增長率達到64.31%?；诜治鰯?shù)據(jù)，2021年貴陽市居民出行仍以小汽車、公共交通出行為主，但在分布上小汽車的出行占比顯著提高，由2016年的11.94%上升至24.66%；公交車出行占比顯著下降，由2021年的44.65%下降至22.23%，如圖2所示，這一結(jié)果與貴陽市機動車保有量、人均收入增加有明顯關(guān)系。同時，隨著軌道交通1、2號線的陸續(xù)建成通車，也額外分流了部分出行人流，但與發(fā)達城市相比，貴陽市軌道交通系統(tǒng)尚未體現(xiàn)出明顯的主體地位，出行占比過低，僅為5.15%。

3.4 出行時耗

出行時耗與城市規(guī)模、各類城市構(gòu)成要素的分布密切相關(guān)，通過分析出行時耗可以準(zhǔn)確了解城市構(gòu)成要素布局的合理性，并為城市客運交通組織的配備提供依據(jù)。該研究將一次出行時耗劃分為五個等級，分別為小于10 min、10～20 min、20～40 min、40～60 min、大于60 min?；诜治鰯?shù)據(jù)，2021年貴陽市全域居民平均每次出行時耗32.5 min，比2016年的35.4 min減少2.9 min，出行時耗主要分布在15～30 min，如圖3所示。說明貴陽市五年來交通出行狀況有較大提升，這與貴陽市陸續(xù)建成多條城市主干路，開通軌道交通1號線、軌道交通2號線、快速公交（BRT）情況相符。

3.5 出行距離

隨著城市功能以及交通設(shè)施的不斷完善，貴陽市居民出行平均通勤距離明顯降低?；诜治鰯?shù)據(jù)，2021年貴陽市居民平均通勤距離約8.6 km，比2016年的12.9 km降低了約4.3 km，降幅達到33.33%；從通勤距離分布來看，10 km以下短距離的通勤占比接近80%，30 km以上的長距離通勤占比接近5%，如圖4所示。

4 結(jié)論

對居民出行特征的分析是開展各類城市交通規(guī)劃、專項規(guī)劃的重要前提。雖然手機信令等多源大數(shù)據(jù)不能直接替代居民出行調(diào)查，但也具備獨特的優(yōu)勢。一方面，它可以得到一些居民出行調(diào)查難以獲取的信息數(shù)據(jù)和數(shù)據(jù)的佐證；另一方面，對于難以花費大量人力、物力、財力開展居民出行調(diào)查的中小城市，成本相對較低且具有較大可信性的多源大數(shù)據(jù)分析，將是一條有效的出行調(diào)查途徑。

參考文獻

[1]城市綜合交通調(diào)查技術(shù)標(biāo)準(zhǔn)： GB/T 51334—2018[S]. 北京：中國建筑工業(yè)出版社， 2018.

[2]曹曉蕊. 基于手機信令數(shù)據(jù)的居民出行特征及出行方式識別[D]. 長春：長春理工大學(xué)， 2022.

[3]韓珍珍， 王甜甜， 王程， 等. 基于手機信令數(shù)據(jù)的數(shù)據(jù)清洗挖掘與常住人口分析[J]中國科技信息， 2024（2）： 102-104.

[4]貴陽市統(tǒng)計局， 國家統(tǒng)計局貴陽調(diào)查隊. 貴陽統(tǒng)計年鑒2022[M]. 北京：中國統(tǒng)計出版社， 2022.

收稿日期：2024-04-12

作者簡介：馮煥東（1989—），男，碩士研究生，工程師，研究方向：國土空間規(guī)劃及交通規(guī)劃。