欢迎点击上方蓝字关注我们
摘要
交通出行特征数据在城市交通管理、交通规划、设施布局、空间结构调整中起着重要作用，数据获取方法上，手机信令数据分析法在获取出行目的、出行方式、出行者属性方面存在不足，PDA调查法存在投入大、抽样率低的问题。从提高数据准确性角度，提出手机信令分析与PDA调查融合法，在指标体系和结构层次方面对两者融合进行阐述。将该方法应用于大沥镇综合交通规划，通过分析人口就业、出行率、出行分布、出行方式、出行距离等交通出行特征，总结出大沥镇与广州同城化、对外出行比例大，交通枢纽作用微弱、出行结构不合理等特征，为大沥镇交通需求预测、交通设施规划布局提供数据基础。
关键词
交通出行特征、手机信令数据、PDA调查、融合
前言
出行特征是反映居民出行目的、出行时间、出行起讫点、出行方式、出行路线、出行费用等全过程出行要素的概称[1]。不仅能为解决交通拥堵、提高道路通行效率等提供数据支持，也是进行综合交通规划、土地利用规划、交通设施布局的重要数据基础，一般通过入户调查方法获得，但存在工作量大、周期长、抽样率低、地址定位不准确等缺点。
随着智能手机普及和大数据挖掘技术的成熟，利用手机信令数据挖掘人的活动轨迹从而获得出行特征的方法已经成熟，并获得广泛应用[2-4]。但手机信令挖掘只能获得现状数据，在分析出行采用的交通方式、出行目的与出行人特征之间的关系方面存在不足，无法预测未来人口、就业岗位变化后的交通出行特征，因此有必要融合传统调查和手机信令分析两种方法，取长补短，辨识交通出行特并找出出行特征与出行人之间的相关性，为预测未来出行特征提供数据基础。
1.手机信令分析与PDA调查融合法
1.1 手机信令分析法优缺点
手机终端会定期或不定期、主动或被动地与移动通信网络保持联系，这些联系被移动通信网络识别成一系列的控制指令，即手机信令。手机信令的内容主要包括：匿名用户编号、时间、基站小区编号、事件类型(如主动扫描、打电话和接电话、上网、发短信等) [2]。
从手机信令数据中提取交通OD量化指标需要经过出行端点识别和出行端点匹配２个步骤[4]。根据移动通信网络覆盖情况，利用预处理后时间序列的手机信令数据，分析每位手机用户连续时间片段所分别逗留的各个基站，识别出每位手机用户在移动通信网络的出行行为，并合理划分每位手机用户的出行链[5]。
图1 OD需求矩阵计算流程图
根据基站与交通小区空间地理数据的相互映射关系，分析每位手机用户在交通网络中OD的出行情况[5]。
图2 交通小区与基站小区对应关系
由于手机信令数据定位准确，抽样率高，在获取空间出行分布方面有较强的可信度。但在分析出行目的、出行方式方面需要借助土地利用数据、路网运行速度等数据，且准确性无法验证。同时手机信令数据在分析出行特征与个人属性（职业、收入、拥车）、家庭属性之间关系方面，存在不足。
1.2 PDA调查方法及优势
未来出行特征预测需要了解现状出行者与出行特征之间的相关性，即不同年龄、不同职业、不同拥车水平出行者在出行目的、出行频率、出行时间、出行距离等方面的特点，传统的入户调查法被认为是最权威的方法，近几年，上海、杭州、重庆、成都、广州、天津等城市纷纷开展了居民出行入户调查。
调查方式上，传统纸质调查存在表格回收难度大、地址记录不详、编码及输入工作繁重且周期长、质量控制环节多、人工误差大等缺点。结合近年来开始广泛普及的信息技术和手段，居民出行调查及数据处理开始趋向于实时化和自动化，采用手持电子设备调查，即PDA调查法。利用PDA调查有以下优势：1）出行起讫点可精确定位；2）可进行逻辑性检查，防止错填和漏填；3）可进行问题跳转，提高访问效率；3）调查员工作监督；4）数据及时处理。
但PDA调查法本质还是一种人工入户调查法，虽在获取出行者与出行特征之间的相关性方面最具权威，但仍然存在抽样率低的缺点[6]。
图3 PDA调查界面
1.3 融合方法
结合手机信令大数据分析和PDA调查方法各自的优缺点，为提高结果准确度和可信度，提出两者融合方法。融合主要体现在两个方面：一方面是指标体系的融合，另一方面是结构层次的融合。
1）指标体系方面，从准确性角度出发：出行空间结构分布采用手机信令数据分析，因手机信令数据采样率高、可信度大；出行频率方面，PDA调查法存在漏填，而手机信令分析在短距离驻点判别上有误差，应结合两者数据进行校核；出行目的、出行方式等指标应采用PDA调查法结论；出行总量上，利用统计数据对分析结果进行扩样，故两种方法均有较高可信度。
2）结构层次方面：对于城市常住人口在城市内出行特征，PDA调查比较全面，扩样后结果可信度高；对于流动人口和对外出行，由于个体差异较大，抽样率大的手机信令数据可信度高；对于过境交通和枢纽交通，PDA调查获取样本有限，宜采用手机信令数据。
手机信令分析与PDA调查融合法具体操作如下[6]：
一 对于城市内部出行总量及特征，以PDA调查法为主，手机信令分析流动人口出行特征进行校核。调查获得数据经预处理和直接扩样后，在校核扩样阶段，利用手机信令分析流动人口出行总量，并分配至核查线上，从核查线调查总量中扣除流动人口出行，作为调查数据扩样的目标值。同时，流动人口在城市内部出行部分，由手机信令数据分析获取，与调查扩样后常住人口内部出行部分进行相加。
图4 手机信令数据在校核扩样中的作用
二 对于城市对外出行总量及特征，常住人口对外出行及流动人口对外出行均以手机信令分析为主，利用手机信令数据获得对外出行总量及分布。对外出行方式、出行目的、出行频率等以扩样校核后的PDA调查结果为准。
三 对于城市过境交通出行总量及特征，以手机信令分析为主。核查线调查数据和PDA调查数据对过境出行方式、出行目的等进行补充。
四 对城市枢纽等特殊吸引点交通出行特征，总量及分布以手机信令分析为主，接驳方式、出行目的等以PDA调查为主。即PDA调查数据在总量及分布上以手机信令分析结果为目标值进行校核扩样。
图5 手机信令与PDA调查融合方法
2.交通出行特征辨识
本文所述方法在大沥镇综合交通规划中获得应用。大沥镇隶属佛山市南海区，临广佛两市中心区，面积96平方公里，常住人口65万。是经济强镇、岭南文化核心重镇、重要的交通走廊，是由原大沥、盐步、黄岐三个街道办事处，合并设立的新镇。
图6 大沥镇区位
本轮综合交通规划组织了近3000户的居民出行调查，同步进行核查线调查、公交调查、货运调查、枢纽调查等。同时，利用2016年9月份广东省联通手机信令数据，对大沥镇出行特征进一步校核[6]。
2.1 人口就业分布情况
大沥镇常住人口在空间分布主要集中在在原来三镇中心，靠近广州的黄岐镇人口密度大。现状就业岗位约29.7万人，从空间分布上看主要集中在广佛路沿线商圈，与广佛路沿线多批发商城、建材基地等工业用地特征相符。
常住人口中，约6.2万人工作在广州，占人口总数的9%；就业岗位中，约2.1万人常住广州。说明广州与大沥镇联系密切，广州人在大沥镇购房居住及在大沥镇就业的人数在大沥镇人口就业总数中占据一定比例，体现了广佛同城化联系密切性[7]。
图7 大沥镇人口分布图
大沥镇就业分布图
图8 大沥镇常住人口与广州联系图
大沥镇就业岗位与广州联系图
2.2 出行总量及分布
大沥镇全方式出行率较低，2.65次/日，机动化出行率高，1.84次/日，高出行率集中在20-60岁及年收入10-30万人群中，出行分早晚双峰，以通勤交通为主，整体特征与广州相似[8]。
图9 不同收入人群出行率
不同年龄出行率
内部出行总量136.3万人次/日，略高于对外出行总量，各街镇内部社区之间出行量大，跨街镇出行主要大沥与-黄岐之间，分布在广佛路沿线。
对外出行量112.5万人次/日，其中往广州方向占比44%，往桂城12%，禅城10%，佛山市内其它区域占28%。镇域面积较小，超过10km的出行基本超出镇域管辖范围，故对外出行量较大。对外出行以广州方向为主也体现了广佛同城密切性。
由于紧邻广州，广州与西部之间的出行基本穿越大沥镇，故大沥镇过境出行量较大，约60万人次/日，均通过道路方式过境。
图10 大沥镇对内对外出行分布
2.3 出行方式分析
经统计，大沥镇机动化出行比例大，约占全方式69%，慢行比例低；由于缺乏轨道大运量方式，公交方式分担率低，仅占22%，有较大提升空间。出行方式呈现典型的小城镇特征：以私人机动化为主，小汽车和助动车比例大，公交比例低，对外出行主要靠小汽车。
对内对外机动化出行方式相似，对外小汽车比例为主，助动车占据一定比例。
图11 大沥镇机动化出行方式比例
2.4 出行目的分析
大沥镇上班上学等通勤出行目的占57%，相对于其他大城市较低。由于大沥镇建材批发、纺织批发市场较大，购物、公务等目的出行也占据一定比例。
不同年龄段出行目的不同：14岁以下是学生，出行目的主要是上学。14-19岁上学及上班比例均大，20-60岁上班为主，60岁以上休闲娱乐出行为主，符合各年龄段活动特征。
表1 大沥镇不同年龄人群出行目的
2.5 出行时长及距离分析
大沥镇平均出行距离5.9km，其中，内部出行距离2.1km，对外出行距离10.2km。平均出行时耗32分钟，其中内部出行时间23.4分钟，对外出行时间42分钟。内部出行距离短，出行时间长，平均速度较低，内外出行特征差异明显。
图12 大沥镇出行距离及时间（含对外出行）
2.6 对外枢纽出行特征
大沥镇现状对外客运枢纽有两个客运站：大沥汽车客运站、广佛路口客运站，无铁路、航空、港口等其他方式客枢纽。大沥汽车客运站日均客运量约3000人次，广佛路口客运站日均客运量约1500人次。长途客运在时间、发车间隔、票价费用上等没有吸引力，导致客运效率低，车均载客人数少（大沥客运站仅14人/车），客运站承担对外出行客流比例非常低，不到1%。
从客流空间分布看，对外客流起终点以肇庆、云浮等广东省内西部为主。佛山市内出行主要靠小汽车方式，长途客运班线及长途客流均少。
图13 长途客流空间分布
主要结论
通过大数据挖掘与PDA调查融合方法对大沥镇交通出行特征的辨识，可以得出以下结论：
一、大沥镇与广州同城化特征明显，东西向交通设施需求大
从人口就业分布可以看出，大沥镇与广州之间存在居住就业分别在两地的情况，其中以大沥居住广州工作为主，导致大沥镇职住比较低。大沥镇与广州市的出行交换量日均约50.4万人次，远高于大沥镇与佛山中心区出行量，对东西向交通设施需求较大。
二、出行结构需调整，公共交通发展空间大
出行方式呈现典型的小城镇特征：私人机动化占主导地位，小汽车和助动车比例大，公交比例低。
公交方式分担率低，仅占22%，与大城市相比差距较大（广州34%），需要通过建设轨道、提高公交服务水平等措施来调整出行结构。
三、对外出行比例高
大沥镇对外出行总量达112.5万人次/日，略低于内部出行量，对外出行比例达45%，一方面是由于大沥镇行政范围小，而交通工具的发展拉长了人们的平均出行距离；另外一方面，广佛同城化、大沥镇与南海区、佛山市的隶属关系也决定了对外出行的必然性。
四、对外出行缺乏大运量公交系统，客运枢纽作用微弱
现状大沥镇对外无轨道、铁路等大运量系统，只有长途客运站一种出行方式，但长途客车发车间隔、运行速度、票价等均无吸引力，运行效率低，承担对外客运量不足1%，绝大部分对外出行靠小汽车方式完成，导致对外出入口道路拥挤。
获得大沥镇现状出行特征后，后续可为城市土地利用空间调整、交通设施布局、交通管理改善等提供数据支撑和发展方向。
参考文献
[1]李祖芬,于雷,高永,等.基于手机信令定位数据的居民出行时空分布特征提取方法[J].交通运输研究,2016,2(1):51-57.
[2]张天然.基于手机信令数据的上海市域职住空间分析[J].城市交通,2016,14(1):15-23.
[3]冉斌.手机数据在交通调查和交通规划中的应用[J].城市交通,2013,11(1):72-81.
[4]胡永恺,宋璐,张健,等.基于手机信令数据的交通OD提取方法改进[J].交通信息与安全,2015(5):84-90．
[5]金安,陈先龙,李发智,等.基于移动通信数据的居民出行活动分析系统研究[R].广州,广州市交通规划研究院,2015.
[6]广州市交通规划研究院,大沥镇综合交通体系规划[R].佛山,佛山市南海区大沥镇国土城建和水务局,2018.
[7]陈先龙,李彩霞.交通大数据视角看广佛同城[J],城市交通,2017,15(5):33-41.
[8]广州市交通规划研究院,广州市交通运输研究所.广州市新一轮交通综合调查总报告[R].广州：广州市交通委员会,2018.
作者简介：
刘新杰(1982-)，女，山东潍坊人，高级工程师、广州市交通规划研究院，主要研究方向交通模型，电子邮箱：155095561@qq.com。
陈嘉超(1985-)，男，广东广州人，工程师，广州市交通规划研究院，主要研究方向交通模型，电子邮箱：26339208@qq.com
供稿|信息模型室
编辑|技术咨询室
