周 濤，裴劍平，唐 強

(1.中設(shè)設(shè)計集團股份有限公司，江蘇 南京 210014 ；2.蘇州大學(xué) 軌道交通學(xué)院，江蘇 蘇州 215131)

0 前 言

交通調(diào)查是進行交通規(guī)劃和交通預(yù)測的基礎(chǔ)，江蘇省規(guī)劃2018～2020年間新建9座過江通道，然而自2007年開展“江蘇省主要公路機動車OD調(diào)查”以來，近10年全省性交通調(diào)查數(shù)據(jù)未跟新，因此，開展了本次全省過江OD調(diào)查。隨著交通和信息化的快速發(fā)展，本研究結(jié)合大數(shù)據(jù)技術(shù)，充分利用行業(yè)數(shù)據(jù)、手機數(shù)據(jù)和微信問卷進行OD調(diào)查，并結(jié)合調(diào)查數(shù)據(jù)，采用大數(shù)據(jù)手段對數(shù)據(jù)進行聚類分析，形成以出行OD對為基礎(chǔ)的出行鏈，分析各種出行屬性的關(guān)聯(lián)性。

1 全省過江調(diào)查與多源數(shù)據(jù)融合

1.1 基于多源數(shù)據(jù)的調(diào)查技術(shù)

本次結(jié)合江蘇省的實際情況，調(diào)查主要采用高速公路聯(lián)網(wǎng)數(shù)據(jù)、汽渡票根數(shù)據(jù)、行業(yè)統(tǒng)計數(shù)據(jù)、調(diào)查問卷數(shù)據(jù)和電信手機信令等5種數(shù)據(jù)。5種不同類型的數(shù)據(jù)均從特定的角度反映了真實的過江特征，本次調(diào)查需對獲得的多源異構(gòu)數(shù)據(jù)進行整合，形成具有法定效用的出行特征參數(shù)，供規(guī)劃建設(shè)單位使用。本次調(diào)查綜合各種調(diào)查方法的優(yōu)勢，采用取長補短，結(jié)合實際情況結(jié)合，針對全省23處過江調(diào)查采取不同調(diào)查方法。8處過江大橋(全部收費)分別指南京長江第二大橋、南京長江第三大橋、南京長江第四大橋、潤揚大橋、泰州大橋、江陰大橋、蘇通大橋和崇啟大橋，采用高速公路聯(lián)網(wǎng)收費數(shù)據(jù)進行調(diào)查；13處汽渡(全部收費)分別指板橋汽渡、鎮(zhèn)揚汽渡等汽渡，采用票根數(shù)據(jù)進行調(diào)查；2處隧道分別為揚子江隧道和南京長江隧道(全部免費)，采用隧道監(jiān)控數(shù)據(jù)。

1.2 多源數(shù)據(jù)融合技術(shù)

多源數(shù)據(jù)融合主要分為三類：數(shù)據(jù)層融合、特征層融合和決策層融合。本次研究主要在特征層和決策層進行融合，采用集中式分布體系，通過對比分析不同數(shù)據(jù)源的出行特征、OD結(jié)果進行融合擴樣，數(shù)據(jù)融合技術(shù)路線如圖1所示。

本次獲得的交通行業(yè)數(shù)據(jù)較全，基本滿足過江OD出行分析及主要的出行頻次、出行時間、載重等參數(shù)分析，因此，本次數(shù)據(jù)融合采用對比擴樣法，以交通行業(yè)數(shù)據(jù)為主，以微信調(diào)查數(shù)據(jù)和手機信令數(shù)據(jù)為擴樣對象，以每個過江通道的OD對小區(qū)為擴充對象，按照不同OD小區(qū)對交通量的差值進行出行特征擴樣，并形成完整的出行特征表(包含OD出行對)。

多源數(shù)據(jù)處理首先要對數(shù)據(jù)進行清洗，包含無效數(shù)據(jù)剔除、數(shù)據(jù)自校核和數(shù)據(jù)對比校核；其次數(shù)據(jù)融合包含數(shù)據(jù)的融合和擴樣。本次融合與擴樣均以各通道的區(qū)縣OD對為基礎(chǔ)，首先，將客運單位統(tǒng)一歸并到人，貨運單位統(tǒng)一歸并到t，完成單位歸一化處理；其次，依據(jù)各通道各區(qū)縣OD對的比例，對非全樣本數(shù)據(jù)(微信問卷數(shù)據(jù)和手機信令數(shù)據(jù))進行擴樣，對應(yīng)的其他出行特征相應(yīng)進行擴樣；然后，以各通道區(qū)縣OD對為唯一標示碼，用Python語句的Join功能將不同數(shù)據(jù)源進行連接，將問卷數(shù)據(jù)中出行目的、載貨貨種、載客人數(shù)、出發(fā)時間等信息鏈接到OD數(shù)據(jù)對后；最后對數(shù)據(jù)按照通道、和全省三各維度進行數(shù)據(jù)合并。最后，根據(jù)融合后的數(shù)據(jù)進行出行特征分析和可視化展示。

圖1 多源數(shù)據(jù)融合體系框架圖

2 全省過江出行特征

2.1 出行屬性表與出行特征畫像

為了深入分析過江出行規(guī)律，更好地建立過江出行模型，本次在完整的出行屬性表之后，加入了時間、距離和費用參數(shù)。本次通過Python語句，調(diào)用高德地圖的API接口，按照Driving模式，最短時間模式提取任何兩個區(qū)縣OD對之間的出行時間、距離和費用；并且，通過各區(qū)縣的統(tǒng)計局統(tǒng)計各自的經(jīng)濟GDP數(shù)據(jù)，并將二者GDP鏈接到OD對屬性表后面，建立了OD交通量、出行特征、時間費用以及經(jīng)濟參數(shù)一一對應(yīng)的屬性表，該屬性表將為建立過江出行模型提供詳實的數(shù)據(jù)基礎(chǔ)。

經(jīng)過OD數(shù)據(jù)對進行融合擴樣后，將得到客貨完整的出行屬性表如表1所示。

表1 長江二橋客運出行屬性表(整理后)

相比于以往的交通調(diào)查，本次調(diào)查不僅獲得了真實完整的OD出行矩陣，并獲得了完整的出行特征，并且建立了OD對與出行特征一一對應(yīng)的關(guān)系；同時，加入的時間、距離和經(jīng)濟參數(shù)更加豐富了調(diào)查結(jié)果，理解任意兩個OD對間過江量具有重要的意義。圖2為出行特征畫像。

圖2 出行特征畫像

2.2 全省過江出行主要特征

根據(jù)調(diào)查，獲得全省過江量約84.6萬pcu/d，其中客車占63.3%，貨車占36.7%；全省8座大橋機動車過江標準車約為54.5 pcu/d，約占總量的64.5%；兩處南京隧道過江機動車當(dāng)量數(shù)約為21.1萬/d，約占總量的25.0%，其余13處汽渡過江量約9萬pcu/d，占比10.5%。在橋梁過江中，蘇通大橋通過車輛約13.0萬pcu/d，江陰大橋約9.9萬pcu/d，南京長江二橋約9.4萬pcu/d，此三座大橋擁堵已成為常態(tài)；節(jié)假日中，潤揚大橋、長江三橋也加入了擁堵行列?？缃髽蛑饕鉀Q長江南北城市間區(qū)域出行，而地處南京兩座隧道解決江北新區(qū)與南京主城區(qū)之間通勤出行。融合分析手機信令數(shù)據(jù)和隧道流量監(jiān)控數(shù)據(jù)，發(fā)現(xiàn)江北新區(qū)與主城區(qū)(江蘇省南京市秦淮區(qū)、建鄴區(qū)、鼓樓區(qū)等) 、江寧區(qū)之間流量占比超過81%。

從板塊來看，全省區(qū)域過江出行形成了兩頭重中間輕的空間格局，南京和(滬)蘇通過江出行占比超過50%,鎮(zhèn)揚和無錫過江占比較低，常州過江出行成為洼地。從OD出行結(jié)構(gòu)來看，一帶兩軸的過江通道特征明顯，沿江兩岸區(qū)縣之間過江出行旺盛，占比超過54%，其次表現(xiàn)為沿我省中部通道和沿海通道沿線分布，通道特征與全省客流走廊基本一致。

從區(qū)域客運來看，呈現(xiàn)沿江城市連綿化發(fā)展趨勢，省內(nèi)客運出行約占81%，省內(nèi)貨運出行約占73%， 全省過江出行，以省內(nèi)為主。省內(nèi)出行占70.9%(隧道占全省25%)，內(nèi)外交通量(一端在省內(nèi)，一端在省外)占23.9%，過境交通量出行(兩端均占省外)只占5.2%。從對外出行結(jié)構(gòu)來看，安徽和上海與我省聯(lián)系密切，內(nèi)外出行占比超過90%，說明我省是沿江大通道上核心省份，東西向交流十分密切；山東和浙江與我省聯(lián)系較強，內(nèi)外出行占比約占71%，過境交通約占29%，說明我省是沿海大通道上重要省份，貫通南北。

過江隧道高峰小時位于早7∶00—8∶00，高峰小時系數(shù)約為8.8%，大橋客運高峰小時系數(shù)約為9%；貨運出行無明顯高峰特征。受益于南京大力建設(shè)江北新區(qū)，擁江發(fā)展，南京市通勤高頻次過江出行遠高于全省水平。全省來看，區(qū)域出行以公務(wù)出差為主，但各個區(qū)段又各有特色。全省客車平均載客率為3.5人/輛，其中南京區(qū)段最高為4.2人/輛，蘇通區(qū)段最低為2.6人/輛。全省貨種運輸中，農(nóng)副產(chǎn)品、食品比例最高，達到16.5%，其次為金屬及制品，其他貨種占比較均勻。全省過江平均載重24.5 t/輛(含車輛自重)，南京最高，為26.7 t/輛，錫常泰區(qū)段最低，為22.1 t/輛。

2.3 不同出行特征的關(guān)聯(lián)性

采用大數(shù)據(jù)技術(shù)對各屬性進行相關(guān)性分析，得到各相關(guān)性結(jié)論如下所示：①江蘇過江出行在通道選擇時，偏好選擇出行時間短的過江通道；而且傾向同一通道往返;②客運交通量、載客人數(shù)與經(jīng)濟勢差之間有明顯的正比關(guān)系，而且兩城市間經(jīng)濟差越大，二地間客流量越大;③出行時間越短，其交通占比越大，出行頻次也越高，上班、上學(xué)等通勤出行特征更明顯；數(shù)據(jù)顯示，50%以上的過江出行的出行時間均小于1h，江蘇省過江出行高頻次特征明顯;④貨運量運輸對出行費用更加敏感，客運出行對出行時間更加敏感;⑤通勤出行越明顯，載客率越高；運輸距離越近，載客率越高；商務(wù)出行和個人出行載客率較低;⑥城市的產(chǎn)業(yè)分布與貨種密切相關(guān)，南京區(qū)段的運輸設(shè)備、機械、電子通訊、石油、礦建等占比較高，鎮(zhèn)揚區(qū)段各產(chǎn)業(yè)在全省占比較低，錫常泰區(qū)段的金屬制品、物流快遞占比較高，蘇通區(qū)段的紡織原料、物流、農(nóng)副產(chǎn)品、家具等占比較高。

圖3為利用過江隧道及全省過江出行期望線圖。

(a)兩隧道總OD圖

(b)板塊熱力圖

(c)江蘇省中區(qū)總量OD圖

3 江蘇過江交通量模擬

3.1 過江交通量影響因素

按照區(qū)縣間OD對的屬性表，對過江交通量進行模擬分析。數(shù)據(jù)顯示，客運交通量主要與出行目的、出行頻次、時間、費用、兩地的經(jīng)濟相關(guān)以及過江通道數(shù)量有關(guān)；而貨運交通量主要與兩地經(jīng)濟、貨種、出行時間、費用、過江通道數(shù)量以及貨運政策相關(guān)。影響過江出行人數(shù)的因子主要有：起終點出行時間、出行距離、經(jīng)濟、人口、費用、出行目的等。對全省數(shù)萬個OD對樣本進行綜合分析，過江人數(shù)與出行目的的相關(guān)顯著性sig為0.029，與時間相關(guān)性最高，而距離、時間和費用三者自相關(guān)系數(shù)大于0.98，與人口與經(jīng)濟這兩個因素的相關(guān)系數(shù)高達0.926。考慮影響因素之間的相關(guān)性后，發(fā)現(xiàn)可用出行目的、人口、經(jīng)濟以及出行時間模擬出行人數(shù)。

出行目的與人數(shù)相關(guān)，但相關(guān)不強；研究發(fā)現(xiàn)，分目的進行相關(guān)性分析之后，不同目的人數(shù)與人口、經(jīng)濟以及時間的相關(guān)性有所提升。本次研究選擇按不同目的的出行人數(shù)W和人口P、經(jīng)濟G、時間T進行了4種組合，組合1為人口、經(jīng)濟和時間的線性組合；其他參照引力模型，分別建立3種組合，組合2為：W2=P起×E起/T2，組合3為W3E=E起×E/T2，

組合4為W4=E起×E中×P起×P/T4。其中P起代表起點人口，P終代表終點人口，

式中，E起為起點經(jīng)濟，E終為終點經(jīng)濟，Wi為第i種組合。

根據(jù)分析，采用引力模型較線性模型能更好地反映過江人數(shù)；而在引力模型的三種組合中，組合2(起點人口×終點人口)/時間2相關(guān)性最高，相關(guān)系數(shù)為0.098，sig小于0.01；本次研究選擇組合2的方式進行數(shù)據(jù)分析。

3.2 過江交通量

通過區(qū)分出行目的進行人數(shù)分析，整體相關(guān)性明顯提高，本次研究選擇通勤出行、公務(wù)出差和休閑旅游三種出行目的分別進行出行人數(shù)模擬，得到出行各出行目的的方程如下。

上班上學(xué)：Y=3872.298×X+150.512，t檢驗變量之間顯著性sig=0.004

休閑旅游：Y=46.666×X+301.427，其中t檢驗變量間sig=0.001

公務(wù)出差：Y=684.616×X+238.63，其中t檢驗變量間sig=0.0001

其中：W2=P起*E起/T2

以上結(jié)果說明自變量可以有效預(yù)測因變量，回歸模型顯著，得到的回歸方程有效。

通過過江人數(shù)分析發(fā)現(xiàn)，過江人數(shù)與起點城市相關(guān)性最大，與起點城市的經(jīng)濟、人口因子呈正相關(guān)，與時間呈負相關(guān)，整體呈現(xiàn)以起點城市為核心的圈層結(jié)構(gòu)。從不同出行目的來看，區(qū)縣間基礎(chǔ)過江人數(shù)約200～300人；城市人口與經(jīng)濟的發(fā)展，通勤出行的人數(shù)增長最快，其次是休閑旅游，區(qū)域公務(wù)出差人數(shù)增長最慢。

4 結(jié) 論

本次基于多源數(shù)據(jù)融合調(diào)查方法成功應(yīng)用于區(qū)域OD調(diào)查實踐中，按照交通特征層融合制定了詳細的融合擴樣規(guī)則，以區(qū)縣OD對為標識碼的出行屬性表更加科學(xué)、高效，便于存入數(shù)據(jù)庫中；加入出行時間、經(jīng)濟和費用等參數(shù)后，方便利用機器學(xué)習(xí)深入分析各出行特征與交通量的關(guān)系，通過區(qū)分出行目的進行過江人數(shù)擬合，得到的模擬方程更準確。數(shù)據(jù)表明，過江出行主要和起點城市相關(guān)，未來隨著城市的發(fā)展，以通勤出行為目的的交通出行會快速增長，而區(qū)域增長相對較小。

[ID:010561]