王 振，張志敏，王 偉，高 歌，沈俊峻

（1.青島市城市規(guī)劃設(shè)計研究院，山東 青島 266071；2.中國海洋大學(xué)經(jīng)濟(jì)學(xué)院，山東 青島 266100；3.山東科技大學(xué)交通學(xué)院，山東 青島 266590；4.青島董家口經(jīng)濟(jì)區(qū)管理委員會，山東 青島 266400）

0 引言

截至2017年末，我國的城鎮(zhèn)化率已升至58.52%。伴隨著城市化進(jìn)程的不斷加快，城市的界限不斷被突破，城市的空間不斷得到擴(kuò)張，由此帶來了居民出行的多樣性。尤其是在城市群、都市圈、中心區(qū)范圍內(nèi)，通勤性出行和生活性出行呈現(xiàn)各自不同的特點，因此有必要開展居民出行調(diào)查，以支撐城市的理性發(fā)展。

居民出行調(diào)查是城市總體規(guī)劃、城市綜合交通規(guī)劃的基礎(chǔ)，主要包括出行次數(shù)、外出目的、交通方式結(jié)構(gòu)、出行距離以及時耗等[1]。國外的居民出行調(diào)查的主要方法為電話訪問（Computer-Assisted Telephone Interviewing，簡稱CATI），但是出行漏報率較高，在20%～25%之間[2]。美國、瑞士等國多次進(jìn)行基于GPS的居民出行調(diào)查測試，解決了傳統(tǒng)居民出行調(diào)查漏報率較高的弊端[3]。國內(nèi)趙暉等基于萬份問卷調(diào)查數(shù)據(jù)，構(gòu)建了以通勤時間和距離為基礎(chǔ)的職住分離度量模型[4]。劉志林等基于問卷調(diào)查的基礎(chǔ)數(shù)據(jù)、北京市第5次人口普查及第1次經(jīng)濟(jì)普查數(shù)據(jù)，討論了職住空間錯位和居民通勤時間之間的關(guān)系[5]。孟斌以北京市主城區(qū)為研究對象，通過11 000份調(diào)查問卷分析居民的通勤時間，得出北京職住分離現(xiàn)象嚴(yán)重的結(jié)論[6]。目前，居民出行調(diào)查以問卷調(diào)查為主，調(diào)查工作量大，抽樣率一般為2%～5%[5]甚至更低，并且調(diào)查成本較高，因此有必要借助新技術(shù)提高居民出行調(diào)查的便捷性和可操作性。綜上，國內(nèi)外的居民出行調(diào)查在出行漏報率、樣本抽樣率等方面仍然存在不足，由此基于互聯(lián)網(wǎng)發(fā)展起來的網(wǎng)絡(luò)調(diào)查問卷具有覆蓋范圍廣、填報時間相對自由等優(yōu)勢，在一定程度上是對傳統(tǒng)居民出行調(diào)查的有效補(bǔ)充。

北京、上海等國內(nèi)城市已經(jīng)率先采用網(wǎng)絡(luò)問卷和電子終端結(jié)合的方式進(jìn)行居民出行調(diào)查，網(wǎng)絡(luò)問卷能夠通過地圖定位動態(tài)記錄居民的坐標(biāo)位置，避免了后期數(shù)據(jù)錄入工作，但仍然需要借助移動設(shè)備入戶調(diào)查。劉鵬程等通過百度地圖應(yīng)用程序編程接口 （Application Programming Interface，簡稱 API），對調(diào)查所得的居住地和就業(yè)地進(jìn)行路徑匹配，進(jìn)而得到不同交通方式下的通勤距離，為分析居民的職住通勤特征提供了量化依據(jù)[8]。龍瀛等借助公交IC卡識別居民的通勤出行行為，分析居民的出行特征，并與居民出行調(diào)查數(shù)據(jù)進(jìn)行對比，得出兩者較吻合的結(jié)論[9]。李艷紅等借助出租車起訖點數(shù)據(jù)，構(gòu)建了基于出租車出行的居民時空分布指標(biāo)體系和分析方法[10]。王開泳等提出了基于微博數(shù)據(jù)判別城市空間聯(lián)系度的方法，彌補(bǔ)了城際通勤數(shù)據(jù)困乏的現(xiàn)狀[11]。

國內(nèi)學(xué)者通過公交IC卡數(shù)據(jù)、出租車數(shù)據(jù)、微博數(shù)據(jù)等多源數(shù)據(jù)對出行鏈進(jìn)行了廣泛的研究，尤其是多源數(shù)據(jù)之間的相互融合、相互校正能夠大幅提高城市調(diào)查和規(guī)劃管理的效率和水平，但在傳統(tǒng)調(diào)查與新興技術(shù)的結(jié)合上仍然處于探索階段。鑒于此，本文通過設(shè)計網(wǎng)絡(luò)調(diào)查問卷，借助百度地圖等國內(nèi)先進(jìn)的互聯(lián)網(wǎng)數(shù)據(jù)平臺在線分析數(shù)據(jù)，實現(xiàn)線上線下有機(jī)融合，以彌補(bǔ)傳統(tǒng)居民入戶調(diào)查中出行時間、出行距離難以估計的弊端。

1 居民出行鏈數(shù)據(jù)的提取方法

本文借助百度API接口，通過對網(wǎng)絡(luò)調(diào)查獲得的居民出行起訖點（Origin-Destination，簡稱OD）規(guī)劃完整的出行鏈，并與青島市第3次交通出行調(diào)查（2016）結(jié)果進(jìn)行對比校正，以彌補(bǔ)傳統(tǒng)入戶調(diào)查對出行時間和距離預(yù)估不準(zhǔn)、完整出行鏈難以獲取的不足。

1.1 出行起訖點獲取

最早的居民出行調(diào)查起源于美國，至今已有60多年的歷史。美國1944年頒布《聯(lián)邦資助公路法案》，但缺乏對居民出行信息調(diào)查的相關(guān)條款，由此提出了居民出行起訖點調(diào)查方法[12]。青島市分別于2002年、2011年進(jìn)行了2次交通出行大調(diào)查，并于2016年由青島市地鐵集團(tuán)組織了第3次交通出行調(diào)查。

青島市第3次交通出行調(diào)查（2016）以青島市內(nèi)6區(qū)（市南區(qū)、市北區(qū)、李滄區(qū)、嶗山區(qū)、黃島區(qū)、城陽區(qū)）為核心，兼顧外圍膠州、即墨、平度、萊西，以網(wǎng)絡(luò)調(diào)查為主，人工調(diào)查為輔。

網(wǎng)絡(luò)問卷調(diào)查分為全體居民出行調(diào)查和就學(xué)家庭出行調(diào)查，以前者為主體、后者為補(bǔ)充調(diào)查。全體居民出行調(diào)查主要針對在青島居住的人口，調(diào)查日出行信息；就學(xué)家庭出行調(diào)查則是以青島市中心城區(qū)內(nèi)所有中小學(xué)為調(diào)查范圍，調(diào)查學(xué)生及其家庭成員一天的出行信息。

本文以2016年青島市第3次交通出行調(diào)查數(shù)據(jù)為對象，通過設(shè)計網(wǎng)絡(luò)問卷（見圖1），共收集92 916萬條出行數(shù)據(jù)，其中基于公交的有效出行數(shù)據(jù)為21 205條，基于小汽車的有效出行數(shù)據(jù)為27 809條。而濟(jì)南于2009年組織了第3次居民出行調(diào)查，通過傳統(tǒng)問卷調(diào)查獲得了38 328條出行數(shù)據(jù)[11]，由此可見新技術(shù)能夠顯著提高數(shù)據(jù)獲取的能力。

圖1 居民出行網(wǎng)絡(luò)調(diào)查問卷

調(diào)查以家庭為單位，通過網(wǎng)絡(luò)填寫問卷，主要采集居民的家庭特征（年齡、性別、職業(yè)等）和出行特征（出行起點及終點、交通方式、換乘比例、出行目的等）（見表1）。

表1 居民出行調(diào)查數(shù)據(jù)示例

1.2 出行路線規(guī)劃

通過網(wǎng)絡(luò)交通出行調(diào)查得到的原始數(shù)據(jù)，僅能反映出行的起訖點、出行時間、出行方式等主要信息，具體出行距離是無所獲取的。將調(diào)查的樣本數(shù)據(jù)按公交和小汽車兩種方式篩選后，通過百度地圖地址匹配接口獲取出行起訖點位置坐標(biāo)，依據(jù)坐標(biāo)信息和百度地圖API，推算居民出行時耗、出行距離等出行信息，從而解決了傳統(tǒng)調(diào)查方法無法獲取出行距離和對出行耗時預(yù)估不準(zhǔn)的問題，技術(shù)路線如圖2所示。

圖2 出行路線規(guī)劃的技術(shù)路線

2 交通出行數(shù)據(jù)挖掘

2.1 居民出行分析

（1）公交出行

一次完整的公交出行（見圖3）需由出發(fā)點O步行至公交站，在公交站等候上車后，經(jīng)由中間站換乘（可以不換乘），到達(dá)公交下客站，最后步行至目的地D。期間將會產(chǎn)生出發(fā)點O至上客站的步行時間、上客站至換乘站的公交運行時間、換乘站間的步行時間、換乘站至下客站的公交運行時間以及下客站至目的地D的步行時間等數(shù)據(jù)。

圖3 公交出行路線

（2）小汽車出行

一次完整的小汽車出行（見圖4）相對簡單，即由出發(fā)點O駕乘私家車或者乘坐出租車到達(dá)目的地D，是一種“門到門”運輸，期間將會產(chǎn)生車輛運行時間數(shù)據(jù)。

圖4 小汽車出行路線

2.2 百度地圖API

百度地圖Web服務(wù)API為開發(fā)者提供了基于百度地圖應(yīng)用的程序接口，即通過http/https形式發(fā)起檢索請求，獲取指定格式的檢索數(shù)據(jù)。為了研究城市居民公交出行和小汽車出行的出行特征，主要采用百度地圖Direction API v2.0服務(wù)。該服務(wù)能夠根據(jù)起點和終點檢索符合條件的公共交通方案或小汽車行駛路線規(guī)劃方案。公交出行路線規(guī)劃方案見表2，針對同一OD對，共規(guī)劃5條不同路線及相應(yīng)不同階段的出行時間和距離。同理，小汽車出行路線規(guī)劃方案見表3。

表2 百度地圖公交出行API調(diào)用數(shù)據(jù)示例

表3 百度地圖小汽車出行API調(diào)用數(shù)據(jù)示例

2.3 數(shù)據(jù)融合分析

基于百度地圖API和居民網(wǎng)絡(luò)出行調(diào)查得到的起終點坐標(biāo)，得到同一個OD下的不同出行路線，如表2所示；然后根據(jù)時間最少、距離最短原則，按照式（1）和式（2）確定最佳路徑（示例見表4），并與居民出行網(wǎng)上問卷數(shù)據(jù)相互比對校驗。

式（1）～（2）中：Dij,Tij分別為起訖點i和j之間第k條路線的最短距離（m）和最小耗時（s）；dij(k)tij(k)分別為起訖點i和j之間第k條路線的出行距離（m）和時間（s）。

表4 不同OD最優(yōu)路線規(guī)劃方案示例

3 不同出行方式出行特征分析

居民的出行方式是刻畫城市居民出行結(jié)構(gòu)、了解居民出行特點的重要方面，一般可分為公交、小汽車、步行、自行車、單位班車及其他。出行方式結(jié)構(gòu)與各種交通方式的特性、服務(wù)水平、城市空間結(jié)構(gòu)以及交通管理措施等相關(guān)，與城市規(guī)模的相關(guān)性不是很明顯[14]。公交和小汽車是居民常用的兩種出行方式，通過百度API路線規(guī)劃計算得出的平均出行距離及出行時間等總體指標(biāo)與青島市第3次交通出行調(diào)查（2016）中通過公交IC卡計算的結(jié)果基本一致，但在具體的分布上有所差異。

公交出行總體平均出行距離為5.83km，而青島市第3次交通出行調(diào)查（2016）中該項數(shù)據(jù)為5.7km（不含步行的公交運距），小汽車出行的平均出行距離為9.97km，小汽車出行的平均出行距離接近公交車出行的2倍。從具體分布上來看（見圖5），小汽車的出行距離分布相對分散，即小汽車出行的適應(yīng)性相對較高，出行距離的覆蓋半徑較大；公交車的出行距離分布相對集中，6km以下占比高達(dá)50.28%。與此同時，小汽車在6km以下的出行占比同樣高達(dá)52.22%。由此可看出，6km以下的距離范圍內(nèi)，公交和小汽車在對居民出行的吸引上是存在競爭關(guān)系的，應(yīng)該提倡居民6km以內(nèi)短距離出行選擇公共交通工具，以合理優(yōu)化出行結(jié)構(gòu)。

圖5 不同出行方式平均出行距離

公交車出行的平均時耗為45.2min，而青島市第3次交通出行調(diào)查（2016）中該項數(shù)據(jù)為48.9min，小汽車出行的平均出行時間為18.14min，具體分布見圖6。公交車出行的平均出行時間是小汽車出行的2.5倍，尚不能滿足深圳公交提速“1.5”戰(zhàn)略提出的“乘坐公交加步行的時間要控制在開私家車時間的1.5倍之內(nèi)”。

圖6 不同出行方式平均出行時間

4 不同出行目的出行特征分析

根據(jù)城市居民出行的特性，本次調(diào)查將出行目的分成11類：上班、上學(xué)、購物餐飲、單位業(yè)務(wù)、個人事務(wù)、接送孩子、到達(dá)/離開青島、就醫(yī)、回家、娛樂及其他[15]。不同出行目的平均出行時間如圖7所示。

圖7 不同出行目的平均出行時間

在公交出行中，除回家外，上班、個人事務(wù)和購物出行是城市居民的主要出行活動，其平均出行時間分別為54min,56.6min及45.4min。其中，單位業(yè)務(wù)的平均出行時間最長，為57.7min；上學(xué)的平均出行時間最短，為40.6min。在小汽車出行中，單位業(yè)務(wù)的平均出行時間最長，為23.94min；其次為娛樂的平均出行時間，為23.16min；上學(xué)的平均出行時間最短，為10.89min。

不同出行目的平均出行距離如圖8所示。在一次公交出行中，單位業(yè)務(wù)的平均出行距離最長，為10.5km；其次是個人事務(wù)的平均出行距離，為10km；接送孩子和上學(xué)的平均出行距離最短，為6km左右。在一次小汽車出行中，娛樂的平均出行距離最長，為18.84km；其次是單位業(yè)務(wù)的平均出行距離，為15.15km；接送孩子和上學(xué)的平均出行距離最短，為5.5km左右。

圖8 不同出行目的平均出行距離

通過分析可以得出，就平均出行距離而言，非常發(fā)性的事務(wù)類出行，如單位業(yè)務(wù)、個人事務(wù)，無論公交還是小汽車均大于通勤類出行，如上班、就學(xué)。在各種出行目的下，公交車的平均出行時間均顯著高于小汽車。

5 結(jié)論

在傳統(tǒng)的出行調(diào)查中，居民出行特征（包括出行時間和出行距離）往往來源于被調(diào)查者的主觀感知，難以有效地反映真實的出行狀況；同時一條完整的出行鏈包含兩端步行時間、在車時間、換乘時間等，但調(diào)查數(shù)據(jù)僅能大致地反映總出行時耗，難以分階段統(tǒng)計。并且傳統(tǒng)的居民出行調(diào)查往往以入戶問卷調(diào)查為主，需要投入大量的人力、物力和財力，且受調(diào)查成本所限，樣本抽樣率較低。隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，通過網(wǎng)絡(luò)問卷收集居民的出行信息成為可能，同時居民出行信息實時的入庫和地址編碼也大幅縮短了調(diào)查的時間周期。

結(jié)合青島市第3次交通出行調(diào)查（2016），本文基于地圖設(shè)計網(wǎng)絡(luò)調(diào)查問卷，獲取居民出行起訖點坐標(biāo)，并通過百度地圖API路線推測得到一次出行的完整出行鏈，從而有效解決了傳統(tǒng)調(diào)查中無法準(zhǔn)確得到出行時間和出行距離的弊端，尤其是步行時間和步行距離。無論是調(diào)查前期的數(shù)據(jù)收集還是后期的數(shù)據(jù)分析，本文提供的技術(shù)方法都能夠顯著縮短出行調(diào)查周期，且具有采集數(shù)據(jù)樣本量大、成本低、精度高的特點，在城市居民出行調(diào)查中有著廣泛的應(yīng)用前景，但同時也存在樣本分布不均、互聯(lián)網(wǎng)低頻用戶采樣不足的問題，需要在下一步的入戶補(bǔ)充調(diào)查中解決。