張龍深，葛 星，劉 迪

(河海大學 地理信息科學與工程研究所，南京211100)

基于互聯(lián)網(wǎng)開放數(shù)據(jù)的城市實時交通圈提取及分析

張龍深，葛 星，劉 迪

(河海大學 地理信息科學與工程研究所，南京211100)

以北京市為研究區(qū)，結合Python語言獲取在樣本點位置百度地圖API所提供的實時交通數(shù)據(jù)，通過空間插值的方法將樣本點轉化為可達性面，并將面數(shù)據(jù)進行分級處理，最終獲得交通圈數(shù)據(jù)。通過北京市公交刷卡數(shù)據(jù)來對獲取的時空圈進行置信度評價，以此為依據(jù)，劃分駕車和公共交通兩種模式下的高峰和非高峰時空圈。結果表明：(1)獲取的交通數(shù)據(jù)與刷卡數(shù)據(jù)有較強的相關性，說明通過百度地圖API獲取實時交通數(shù)據(jù)方法可行；(2)比起傳統(tǒng)的交通圈獲取方法，利用百度地圖API獲取的數(shù)據(jù)能夠更準確更實時地反映交通圈信息；(3)相比駕車模式、北京市公共交通模式下的交通圈在偏向式延伸方面支撐力較差；(4)公共交通模式獲取的時空圈考慮到步行的距離和時間，這對未來研究城市內部公共交通分布的均衡性提供依據(jù)。

百度地圖API；城市交通圈；范圍；結構

等時間交通圈集成時間與空間兩個維度，一般指從中心地出發(fā)，在一定時間閾值內能夠到達的空間范圍，是交通基礎設施對城市與區(qū)域發(fā)展的引導、支撐與保障能力的直觀反映[1]。國內學者曾經(jīng)通過通勤[1-4]以及經(jīng)濟距離[5-6]這兩種方面來對研究區(qū)域交通圈進行綜合評價：黃翌等采用基于路網(wǎng)的網(wǎng)絡分析分別對上海主城區(qū)、京津冀城市群、廈漳泉城市群進行交通圈提取分析[1-4]。但基于實時擁堵度的交通圈分析，目前國內學術界尚未有更好的方法進行量化及提取方法[7-8]，為此，本文以北京市為例，結合百度地圖API所提供的實時路況數(shù)據(jù)，通過Python語言和ArcGIS軟件對實時交通圈進行提取和分析。

1 研究區(qū)概況

本次研究區(qū)為北京市市域，總面積約16 410 m2，常住人口2 170.5萬人，GDP 22 968.6億元。北京是全國交通最發(fā)達的城市之一，全市公交路線共有約700余條、地鐵19條線路，運營里程約600 km，六環(huán)內公交站約4 000個，在運營出租車約6.6萬余輛。

2 方法與數(shù)據(jù)

2.1 百度地圖API

本次用到的互聯(lián)網(wǎng)開放數(shù)據(jù)是百度開放平臺提供的接口：Direction API，它是一套以HTTP/HTTPS形式提供的公交、駕車、騎行、步行查詢檢索接口，根據(jù)請求接口參數(shù)，可返回xml或json格式的檢索數(shù)據(jù)。其主要參數(shù)如表1所示。

表1 Direction API參數(shù)及含義Tab.1 Parameters and meaning fo direction API

通過輸入?yún)?shù)后返回的json格式數(shù)據(jù)格式如下：

其中，distance代表從起點到終點經(jīng)過路徑規(guī)劃后的最佳路徑長度，其單位為m。duration代表經(jīng)歷的時間，單位為s。

由于Direction API這個接口是基于百度地圖所監(jiān)測的實時路況進行計算規(guī)劃，因此返回的最佳路徑以及最短時間在不同的時段是考慮擁擠度后計算的，可以借此方法來對研究區(qū)不同時段的時空圈進行計算。

2.2 樣本點選取及數(shù)據(jù)獲取

本次研究以天安門為中心，0.005經(jīng)度和緯度間距構建一萬個樣本點陣。由于樣本點數(shù)過于龐大，使用人工處理較為繁瑣，因此通過Python語言的requests包向Direction API傳遞參數(shù)，將返回的json數(shù)據(jù)進行讀取存儲，最終獲得每個樣本點實時到達中心點的路徑距離和時間。采用Python并行運算的處理方式，獲取一萬個樣本點數(shù)據(jù)的時間約為15 min，可以認為是實時的交通數(shù)據(jù)。

2.3 數(shù)據(jù)插值

由于獲取的數(shù)據(jù)是點數(shù)據(jù)，為了使其更能完整地表達出研究區(qū)的交通圈特征，需要對點進行插值處理從而獲得面數(shù)據(jù)?？紤]到樣本點的數(shù)目以及其密集程度，本次采用普通克里金方法對其進行插值處理。其主要原理是考慮樣本點的屬性和樣本點的空間位置的變異分布，通過分析樣本點之間的空間相關性，選定一個對未知點具有影響的范圍，范圍內的所有樣本點共同確定其屬性值，其最基本的表達式如下：

其中：Z(Xi)代表Xi處插值的結果，Z(Xj)代表Xj處的觀測值，λj為克里金系數(shù)，n為樣本點的個數(shù)。

2.4 公交刷卡數(shù)據(jù)

為證明所獲取數(shù)據(jù)的可靠性，本次研究通過北京市六環(huán)內公交車刷卡數(shù)據(jù)來進行回歸分析驗證，北京市內公交站點分布如圖1所示。北京公交實行上下刷卡制度，通過刷卡數(shù)據(jù)可以得到從上車站點到下車站點期間經(jīng)歷的時間，本次同樣以天安門公交站點為起點，計算從該站點出發(fā)到其他站點所經(jīng)歷的時間，若出現(xiàn)站點不能一次性到達的情況時，則計算到該站點換乘的最短距離并將換乘期間的時間相加，即可取得以天安門公交站為起點到達其他各個公交站點所經(jīng)歷的時間。

圖1 北京市內公交站點分布Fig.1 Distribution of Beijing bus station

3 結果與分析

3.1 置信度分析

通過ArcGIS的提取分析，提取出公交站點所在位置的非高峰期交通圈數(shù)值，與公交可達性時間大小作為順序與該數(shù)據(jù)進行對比，結果如圖2所示：

圖2 刷卡數(shù)據(jù)與交通圈數(shù)據(jù)對比(非高峰)Fig.2 Comparison of credit card data and traf fi c circle data(non-peak period)

將二者進行回歸分析得：

從圖2中可以看出，在30 min內，公交刷卡時間曲線低于基于百度地圖計算的可達時間擬合曲線，這可能是由于刷卡數(shù)據(jù)僅考慮上車時間，未考慮步行時間，而百度地圖規(guī)劃可達時間是加上計算的步行時間的。當時間超過50 min后，基于百度地圖計算的可達時間擬合曲線低于公交刷卡時間曲線，這可能是由于百度地圖API的公共交通方式采用公交和地鐵混合計算，越遠距離，地鐵的優(yōu)勢度升高，到達時間比單純公交路線快。

表2 回歸分析結果Tab.2 Regression analysis results

由回歸結果可以看出(表2)，測定系數(shù)(R Square)約為0.54，代表二者擬合較好，置信度(P-value)約為0，代表二者關系具有很高的相關性。標準誤差較高的原因是由于百度地圖數(shù)據(jù)計算時添加了到各個位置的步行時間以及混合了地鐵計算，以及二者數(shù)據(jù)雖然是在相同時間段，但日期不同，可能道路通達性不同等。

3.2 交通圈分析

本次獲取和處理的可達性數(shù)據(jù)時間段分為高峰時期(18∶00—18∶30)和非高峰時期(20∶00—20∶30)兩種情況，出行模式選擇駕車出行和公共交通出行。通過對4種情況點數(shù)據(jù)進行普通克里金插值，采用30 min為分級界限分為五個等級，其結果如圖3、圖4所示：

圖3 北京市駕車交通圈Fig.3 Beijing driving traf fi c circle

圖4 北京市公共交通交通圈Fig.4 Beijing public transit traf fi c circle

以點陣的范圍做邊界(5 331km2)，統(tǒng)計駕車和公共交通模式在30 min以及60 min兩種情況交通圈面積占比，如表3所示：

表3 不同模式/時間下交通圈面積對比Tab.3 Comparison of traf fi c circle in different modes / times

結合圖表我們可以看出：

(1)基于駕車模式插值生成的可達性交通圈，其兩種形態(tài)都偏向于圓形，說明了北京市在道路方面規(guī)劃較為均衡，車輛在30 min內到任何方向的距離差距不大。但30 min內高峰和非高峰交通圈面積差距有約6倍左右，表明高峰時期對于駕車來講影響較大。

(2)基于公共交通模式插值生成的可達性交通圈，其交通圈在高峰和非高峰期形態(tài)偏向于菱形，這可能是由于公共交通模式混合有地鐵方式，北京市地鐵大多數(shù)是橫縱分布，對于橫向和縱向位置可以較為便捷到達，公交到達斜向較為方便，但相比地鐵來說較慢。高峰與非高峰時期的交通圈面積變化相對于駕車模式不大，非高峰面積約為高峰時期面積的2倍。

(3)駕車模式和公共交通模式二者對比可以看出，在30 min的高峰期內，駕車可達的范圍與公共交通可達范圍其實差距不大，即當高峰期時，在30 min內的路程可以考慮公共交通代替駕車。但在60 min內，駕車模式時空圈相比于公共交通模式存在優(yōu)勢，其二者面積相差約1倍，即當在30 min以上的路程，駕車比乘坐公共交通工具有更大的優(yōu)勢。

4 結論

1）通過公共交通模式時空圈提取出的數(shù)據(jù)與公交刷卡數(shù)據(jù)進行對比，發(fā)現(xiàn)其相關性較大，說明基于百度地圖API獲取的實時數(shù)據(jù)方法可行。

2）與網(wǎng)絡分析法等傳統(tǒng)方法相比，利用百度地圖API獲取的可達性數(shù)據(jù)可以更準確地描述該區(qū)域的交通圈形態(tài)、范圍和結構。并且能在不同的時段獲取實時的交通可達數(shù)據(jù)，使得數(shù)據(jù)更精細，更具有時效性，為未來城市內部交通研究提供了新的思路。

3）北京市駕車模式下的交通圈形態(tài)偏向圓形、公共交通模式下偏向于菱形，表明北京市公共交通方面對于斜向的交通支撐力較弱。在高峰時期，駕車模式相比較公共交通模式在30 min內交通圈相差并不大，但隨著時間增長，駕車模式交通圈擴張更快。公共交通模式下交通圈較為穩(wěn)定，受高峰擁擠度影響較小。

4）獲取的公共交通實時數(shù)據(jù)考慮到了步行的距離和時間，這將有利于分析城市內部的公共交通分布的均衡性。

本研究還存在一些不足：由于API每天配額有限，在0.005經(jīng)緯度間隔密度下只取了一萬個采樣點進行研究，使得研究區(qū)域并不能完全覆蓋，并且需要15 min獲取全部數(shù)據(jù)，未來應增加采樣點的數(shù)量并優(yōu)化算法；數(shù)據(jù)樣本點研究只采用一天的數(shù)據(jù)，這可能會受某些其他因素造成結果有偏差，或考慮對多天進行關聯(lián)分析；未對樣本點數(shù)據(jù)進行清洗，這可能導致部分樣本點因位于交通不便處使得數(shù)值異常，造成插值結果不準確。

[1] 陳 卓，金鳳君.北京市等時間交通圈的范圍、形態(tài)與結構特征[J].地理科學進展，2016，35(3)：389-398.

[2] 黃 翌，李 陳，歐向軍，等.城際“1小時交通圈”地學定量研究：以上海主城區(qū)為例[J].地理科學，2013，33(2)：157-166.

[3] 王 德，郭玖玖.北京市一日交流圈的空間特征及其動態(tài)變化研究[J].現(xiàn)代城市研究，2008 (5)：68- 75.

[4] 曾月娥，伍世代.廈漳泉城市群小時交通圈研究[J].地理科學進展，2016，35(8)：975-982.

[5] 吳新文，羅陽輝.哈爾濱一小時經(jīng)濟圈空間范圍的界定研究[J].經(jīng)濟論壇，2012 (11)：75-78.

[6] 劉 迪.基于路網(wǎng)可達性的中國新城新區(qū)公共服務均衡性水平的度量——以醫(yī)療保障為例[J].河北工程大學學報：自然科學版，2017，34(2)：91-94.

[7] BENENSON I，MARTENS K，Rof Y，et al.Public transport versus private car GIS-based estimation of accessibility applied to the Tel Aviv metropolitan area[J].The Annals of Regional Science，2011，47(3)：499-515.

[8] CAO X，CHEN H，LINNA L I，et al.Private Car Travel Characteristics and In fl uencing Factors in Chinese Cities——A Case Study of Guangzhou in Guangdong，China[J].Chinese Geographical Science，2009，19(4)：325-332.

Analysis and extraction of urban real - time traf fi c circle based on internet open data

ZHANG Longsheng，GE Xing，LIU Di
(Institute of Geographic Information Science and Engineering research，Hohai university，Nanjing 211100，China)

In this paper，taking Beijing as the research area，the Python language is used to obtain the real-time traffic data provided by the Baidu map API at the sample point location，then，the sample points are transformed into reachability surface by spatial interpolation，and the surface data is graded.Finally，we get traf fi c data. Through the Beijing bus credit card data to obtain the space-time circle for the evaluation of con fi dence，as a basis the two modes of driving and public transport under the peak and non-peak space-time circle are divided. The results show that：①The obtained traf fi c data has a great correlation with the credit card data，which shows that the real-time traf fi c data method can be obtained through the Baidu map API.② Compared with the traditional traf fi c circle acquisition method，the data obtained by Baidu map API is more accurate and more real-time traf fi c circle information；③ Compared to the driving mode，the Beijing public transport mode traf fi c circle is in the bias-type extension of the poor support；④ Public transport mode takes into account the distance and time，which will provide a basis for the future study on the balance of the distribution of public transport in the city.

Baidu map API；city traf fi c circle；scope；structure

U12

A

1673-9469（2017）04-0094-05

10.3969/j.issn.1673-9469.2017.04.021

2017-09-25

國家自然科學基金資助項目(41201394)

張龍深(1993-)，男，江蘇鹽城人，碩士研究生，主要研究方向是地圖學與地理信息系統(tǒng)。