陳廷照，陳艷艷，賴見輝，王子理

(1.北京工業(yè)大學(xué)城市交通學(xué)院，北京 100124；2.濟南市道路和橋隧服務(wù)中心，濟南 250101)

街區(qū)的發(fā)展是城市可持續(xù)發(fā)展的重要組成部分，也是城市規(guī)劃和管理的基本單元.已有的城市研究對街區(qū)的探索還比較有限，多以定性描述街道環(huán)境為主，定量研究較少，并且受限于數(shù)據(jù)的獲取形式.最常用的建筑環(huán)境指標(biāo)是3Ds[1]和5Ds[2]，其中3Ds是指密度、多樣性和設(shè)計，5Ds是指密度、多樣性、設(shè)計、交通距離和可達(dá)性.近年來，關(guān)于街區(qū)指標(biāo)評價方面的研究不斷地豐富[3-5].這些指標(biāo)在分析街區(qū)出行行為特征的時候具有一定的合理性，但在系統(tǒng)地反映街區(qū)形態(tài)方面限制了數(shù)據(jù)的數(shù)量和多樣性，從而阻礙了深入分析.

目前，智能(integrated circuit，IC)卡數(shù)據(jù)終止于公交站點和地鐵站點，手機信令數(shù)據(jù)覆蓋范圍過大，無法具體到街道層面的分析.許多研究者試圖使用手機數(shù)據(jù)研究街區(qū)的活力[6-8].但是市區(qū)內(nèi)手機基站的覆蓋半徑為200～500 m，致使分析小范圍街區(qū)精度達(dá)不到.Wi-Fi探針技術(shù)憑借其短半徑覆蓋范圍、高頻率上傳數(shù)據(jù)、靈活的安裝位置和可控的安裝密度等特點，可實現(xiàn)對手機基站覆蓋不到的范圍或覆蓋到卻不能具體到街道的范圍進(jìn)行精細(xì)化分析.隨著科技的進(jìn)步，Wi-Fi定位技術(shù)的研究和應(yīng)用得到了迅速的發(fā)展，可以實現(xiàn)對校園、購物商場、公園等特定區(qū)域內(nèi)人員的實時定位跟蹤[9-10].Abedi等[11-12]通過實驗指出Wi-Fi探針相對于藍(lán)牙可以探測樣本量更大的數(shù)據(jù)，提出Wi-Fi探針數(shù)據(jù)可以較精確地測量小范圍的行人和自行車的行程時間及其運動行為特征.Sakib等[13]針對Wi-Fi匿名MAC地址，提出了一種既不泄露真實MAC地址，又可追蹤定位移動用戶的數(shù)據(jù)處理方法，且準(zhǔn)確率接近83%.文獻(xiàn)[14-16]利用Wi-Fi探針技術(shù)評估了巴士線路的客流并進(jìn)行了識別.Tsubota等[17]在交叉口布置藍(lán)牙探針檢測分析了交叉口的擁堵情況.

因此本文提出了以Wi-Fi探針數(shù)據(jù)為主，路況數(shù)據(jù)和視頻數(shù)據(jù)為輔的街區(qū)時空出行行為特征分析方法，揭示末端出行街區(qū)的交通運行狀態(tài)、公共交通出行特征和地鐵接駁路徑偏好，最終實現(xiàn)街區(qū)的精細(xì)化評估，并為將來街區(qū)的設(shè)計和決策奠定基礎(chǔ).

1 研究方法

1.1 案例選址

月壇片區(qū)涵蓋行政單位A和B兩大部門，片區(qū)內(nèi)交通秩序混亂，且片區(qū)內(nèi)包含商業(yè)、辦公和住宅用地，是一個典型的公-商-住的街區(qū)，因此本研究選擇北京市西城區(qū)月壇片區(qū)為研究對象，研究范圍870 m×720 m，北起月壇南街，南至復(fù)興門外大街，東起三里河?xùn)|路，西至三里河路，占地面積約626 400 m2.如圖1所示，該片區(qū)包含了3個行政單位、2個居民小區(qū)、4處教育單位、1處醫(yī)療單位，三里河南橫街以南居住區(qū)居多，片區(qū)周邊有16個公交站點，一個地鐵站點.內(nèi)部主要橫向道路為三里河南橫街，縱向道路一巷、二巷、四巷、五巷、六巷東側(cè)路、六巷、七巷、八巷均為單向道路.早晚高峰期間交通秩序雜亂.本研究主要以行政單位A、B工作人員的末端出行分析街區(qū)公共出行特征和接駁路徑偏好.

1.2 數(shù)據(jù)獲取

本研究首先采取高德2020年6月1—5日5個工作日的實時車輛速度和擁堵延遲指數(shù)對研究片區(qū)周邊道路的運行情況進(jìn)行分析，給研究片區(qū)的交通狀態(tài)進(jìn)行定位.由于路況數(shù)據(jù)在街區(qū)微觀交通層面的不足，本文主要采用Wi-Fi探針技術(shù)獲取此前無法獲得或難以獲取的人口活動微觀層面信息.然而，本研究仍存在一定的局限性.例如，抽樣數(shù)據(jù)存在偏差，包括智能手機用戶和普通人群的年齡和性別分布模式之間的差異.未來無線局域網(wǎng)(wireless local area nework，WLAN)技術(shù)的逐步成熟和日益廣泛的覆蓋，越來越多的人能夠使用無線網(wǎng)絡(luò)，使精細(xì)化地刻畫街區(qū)微觀交通畫像成為可能.

Wi-Fi探針探測范圍為80～100 m，以250 ms的頻率采集數(shù)據(jù)并主動上傳，可實時獲取手機等移動設(shè)備的移動終端(media access control，MAC)地址和接受的信號強度(received sigal strength indication，RSSI)數(shù)據(jù).結(jié)合Java編程對采集數(shù)據(jù)進(jìn)行整合上傳到后臺數(shù)據(jù)庫，經(jīng)Python編程進(jìn)行后期分析處理.具有Wi-Fi功能的移動智能設(shè)備與無線熱點之間的2種狀態(tài)為連接和斷開.智能手機的Wi-Fi功能一旦開啟，就會主動向Wi-Fi基站發(fā)送探測請求幀，并接收提供網(wǎng)絡(luò)服務(wù)接入點的探測響應(yīng)幀，從而獲得網(wǎng)絡(luò)信號.無論移動設(shè)備是否連接，探測請求幀發(fā)送的信號都包括移動智能終端的MAC地址、RSSI數(shù)據(jù)和相應(yīng)的時間戳.Wi-Fi探針收集來自用戶終端的請求幀信號，并讀取其中包含的信息.其中MAC地址為手機等移動終端的唯一編碼，存在廣告商通過Wi-Fi探針的手段對接入手機推送廣告的現(xiàn)象，導(dǎo)致用戶的隱私泄露且可能被惡意利用.Wi-Fi探針數(shù)據(jù)在格式上類似手機信令數(shù)據(jù)，本文在規(guī)則化獲取的情況下用于合法的分析，為街區(qū)的發(fā)展做貢獻(xiàn).

Wi-Fi探針設(shè)備安裝完畢后，啟動電源鍵，進(jìn)入數(shù)據(jù)采集狀態(tài)，當(dāng)監(jiān)測點向數(shù)據(jù)庫傳回監(jiān)測數(shù)據(jù)時，會得到數(shù)據(jù)庫中的表格數(shù)據(jù).圖2說明了數(shù)據(jù)采集過程.Wi-Fi探針設(shè)備自身攜帶蓄電電池，由于片區(qū)內(nèi)道路狹窄、建筑密集，道路被從居民家里或商鋪里發(fā)射的WLAN信號覆蓋，為周圍的Wi-Fi探測設(shè)備和移動終端提供WLAN支持.Wi-Fi探針布置在周邊公交站、重點關(guān)注單位和小區(qū)開口路側(cè)，為了盡可能地捕獲片區(qū)內(nèi)的出行人員，提高數(shù)據(jù)采集效率.Wi-Fi探測器根據(jù)其有效探測半徑進(jìn)行布置，收集接收到的信號并通過電信基站提供的局域網(wǎng)發(fā)送到筆記本終端.在數(shù)據(jù)采集完成之后，基于一定的規(guī)則采用Python編程分析用戶的末端接駁出行特征.

本文探究月壇片區(qū)內(nèi)行政單位A、B工作人員的公共出行情況以及B單位工作人員的地鐵出行軌跡，由于探針設(shè)備有限，將采集調(diào)查分為2個部分，如圖3所示，采集時段選取包含該片區(qū)早晚高峰的工作時間段.第1部分將Wi-Fi探針布置在行政單位A、B的門口和周邊公交站點，共布置了24部探針設(shè)備，采集時間為2019年10月11日7:00—19:00；第2部分將Wi-Fi探針布置在三里河南橫街以南的居住區(qū)、行政單位B門口及木樨地地鐵站點，共布置了29部探針設(shè)備，采集時間為2019年10月16日7:00—19:00.

為了驗證Wi-Fi探針的流量分析精度，本文采集了特定位置同時間段、相應(yīng)路段的視頻數(shù)據(jù).圖4為現(xiàn)場視頻采集環(huán)境，由于探針和視頻采集器合并安裝在三角支架上，探針和視頻采集器的安裝位置為圖片不可見的采集視角位置.

圖4 數(shù)據(jù)收集位置 Fig.4 Location of data collection

1.3 數(shù)據(jù)處理

Wi-Fi探針設(shè)備每250 ms向平臺上傳一次采集數(shù)據(jù)，再經(jīng)過程序轉(zhuǎn)換進(jìn)行存儲.在進(jìn)行分析之前，需要對數(shù)據(jù)進(jìn)行預(yù)處理.為了保證數(shù)據(jù)的準(zhǔn)確性和完整性，需要對數(shù)據(jù)進(jìn)行清洗，處理后的數(shù)據(jù)按照時間順序進(jìn)行存儲.最后對分析后的數(shù)據(jù)進(jìn)行可視化，作為后期研究群體行為特征的基礎(chǔ).在數(shù)據(jù)隱私方面，后續(xù)關(guān)于末端出行特征的分析并不涉及用戶的具體MAC地址，唯一編碼的出現(xiàn)時間和序列足以揭示上述特征，因此在數(shù)據(jù)處理的過程中，以簡要編碼代替用戶的MAC地址，達(dá)到保護(hù)用戶隱私的效果.

數(shù)據(jù)清理是指按照一定的原則對數(shù)據(jù)庫中錯誤的或缺失的數(shù)據(jù)進(jìn)行整理或改正，去除誤導(dǎo)信息，從而保證結(jié)果的準(zhǔn)確性和科學(xué)性.包括檢查數(shù)據(jù)格式的一致性、刪除無效數(shù)據(jù)或補充缺失數(shù)據(jù).因Wi-Fi探針設(shè)備的無故斷電導(dǎo)致的數(shù)據(jù)缺失在本文無法進(jìn)行修正.在數(shù)據(jù)采集過程中，調(diào)查者以15 min為間隔查看設(shè)備是否正常運行，若不能正常運行立即重啟設(shè)備，將此項誤差降到最低.通常，需要過濾和糾正2種類型的數(shù)據(jù)：異常值和錯誤數(shù)據(jù).一般來說，在處理階段，通過對數(shù)據(jù)的清洗和過濾，可以約束離群值的采集，并容易地從平臺上清除.錯誤數(shù)據(jù)包括MAC地址的數(shù)字異常、時間戳異常和信號接收強度的不規(guī)則狀態(tài).此外，由于數(shù)據(jù)屬于同一用戶在限定空間內(nèi)移動，刪除錯誤數(shù)據(jù)對研究結(jié)果沒有影響.在實際的采集過程中，Wi-Fi探頭也會從一些固定的設(shè)備上采集信號，比如路側(cè)商鋪和居民樓中的電腦，而這部分?jǐn)?shù)據(jù)往往只在一個探針設(shè)備下被采集且RSSI變化波動不大，較容易被識別.因此，為了降低數(shù)據(jù)處理的復(fù)雜性，提高數(shù)據(jù)處理的效率，必須通過數(shù)據(jù)處理過濾掉無用的數(shù)據(jù).

在數(shù)據(jù)的采集過程中應(yīng)盡量地避免人為和非人為的誤差，以獲得真實可靠的結(jié)果.但由于數(shù)據(jù)量大，設(shè)備運行具有不確定性，因此不可避免地會產(chǎn)生數(shù)據(jù)偏差.本研究提出了3種誤差可能.

1)無線信號的傳播屬于電磁波，街區(qū)內(nèi)的復(fù)雜環(huán)境阻礙Wi-Fi信號的傳播，導(dǎo)致移動終端被探測到的RSSI小于空曠空間中相同距離位置的強度.但由于在處理過程中本文不進(jìn)行明確的距離判斷，且處理的是移動的個體用戶，因此該項誤差對結(jié)果的影響降到最小.

2)不能全樣本地監(jiān)測到經(jīng)過探針布置區(qū)域的人群.老人和小孩擁有移動手機的概率較低，即使他們擁有移動手機，如果移動設(shè)備不開啟WLAN功能，也無法探測到這部分人群的信息.鑒于此，真實的人群數(shù)據(jù)與采集數(shù)據(jù)之間存在縮樣指數(shù).

3)程序分析誤差.在程序分析過程中可能會出現(xiàn)隸屬誤差，這個非人為誤差通過實際對比矯正關(guān)鍵點進(jìn)行修正.

1.4 數(shù)據(jù)分析

本研究利用Python程序語言對采集的Wi-Fi探針數(shù)據(jù)進(jìn)行處理，利用ArcGIS技術(shù)對個體時空軌跡進(jìn)行可視化分析.對不同空間、不同時間的人口流動特征進(jìn)行收集和分類，并導(dǎo)出直觀的分析圖，這是得出結(jié)論的重要依據(jù).本文通過交通運行狀態(tài)、公交接駁特征和接駁路徑選擇偏好3個方面來分析末端接駁片區(qū)的交通行為特征.

首先，依據(jù)高德路況大數(shù)據(jù)對研究片區(qū)的總體交通運行狀態(tài)進(jìn)行定位，明確對研究區(qū)域進(jìn)行微觀分析的必要性.建立道路的運行速度及交通擁堵延遲指數(shù)指標(biāo)，其中交通擁堵延遲指數(shù)指平均一次出行實際旅行時間與自由流狀態(tài)下旅行時間的比值.

式中：vi為該時段檢測到的用戶行駛速度；vj為路段的自由行駛速度；e為交通擁堵延遲指數(shù).

其次，基于Wi-Fi探針采集到的數(shù)據(jù)，按一定的規(guī)則識別行政單位A、B的工作人員，分析其使用周邊公交出行的特征.其中包括公共出行分布、末端接駁時耗、接駁方式劃分.

識別規(guī)則：早晚高峰活動在公交站點和單位的，包含中午外出吃午餐的用戶人群.

公共出行分布：根據(jù)識別到的行政單位A、B的工作人員，計算其早晚高峰經(jīng)周邊公交站點與地鐵站點出發(fā)和到達(dá)的數(shù)量分布.

末端接駁時耗：行政單位A、B采用公共出行方式的工作人員在單位至公交站點之間通行消耗的時長.

接駁方式劃分：根據(jù)接駁行駛速度劃分出行方式，其中將行駛速度小于4 km/h的認(rèn)為是步行到達(dá)，將4～15 km/h的認(rèn)為是騎行到達(dá).

由于路況數(shù)據(jù)的不全面性，使用1 d內(nèi)Wi-Fi探針采集到的用戶數(shù)量，分析每個Wi-Fi探針?biāo)诼范蔚慕煌髁繒r空分布規(guī)律，并以早高峰在特定Wi-Fi探針位置同時采集的視頻數(shù)據(jù)統(tǒng)計的路段流量作為實際道路斷面流量，將Wi-Fi探針探測的斷面流量與實際流量之比定義為縮樣指數(shù).另外，使用者在空間內(nèi)的活動順序代表了行人以某種目的出行的路徑選擇.通過整合該片區(qū)內(nèi)單位B工作人員經(jīng)木樨地地鐵站出行的路徑選擇特征，得到該活動空間內(nèi)地鐵選擇偏好路徑.該結(jié)果可用于評價道路交通的活力，從而為優(yōu)化道路空間提供決策支持，提升街區(qū)的慢行舒適度.

2 結(jié)果

2.1 交通運行狀態(tài)

利用高德2020年6月1—5日5個工作日的實時車輛速度和擁堵延遲指數(shù)，分別分析內(nèi)部道路和外部道路的速度和擁擠情況.以三里河南橫街為例，如圖5所示，24 h的擁堵延遲指數(shù)在7:00—8:00和17:00—18:00顯示出較明顯的雙峰特征(側(cè)面印證了Wi-Fi采集時段的合理性)，且白天速度在20 km/h上下波動，原因是三里河南橫街雙向兩車道，且寬度約為6 m，道路狹窄及穿行行人較多造成內(nèi)部道路不暢.相對于內(nèi)部道路和外部道路的雙峰特征早晚高峰車速降低更明顯，擁堵延遲指數(shù)早晚高峰時段最高達(dá)2.5，說明在該時段擁堵非常集中.如表1所示，外部道路的全日平均速度大于內(nèi)部車道，且早晚高峰外部道路的平均速度也大于內(nèi)部道路.對于面積只有0.63 km2，集中了教育、住宅、行政單位和商業(yè)的月壇片區(qū)來說，探索這樣一個典型的混合功能的小型街區(qū)有利于加深對該類型街區(qū)的了解.

表1 平均速度Table 1 Average speed km/h

圖5 三里河南橫街雙向運行狀態(tài)雷達(dá)圖 Fig.5 Radar map of the two-way operation state of Sanlihe South Horizontal Street

2.2 末端出行特征

2.2.1 公共出行分布

一號線木樨地地鐵站經(jīng)月壇區(qū)域，地鐵站距單位A路徑長約1 000 m，距單位B路徑長約667 m.月壇區(qū)域附近共設(shè)有16個公交站點，途經(jīng)30余條公交線路，公交站點的具體位置參見圖1.

本節(jié)分析結(jié)果是基于第1部分調(diào)查數(shù)據(jù)得出的，本調(diào)查共獲取數(shù)據(jù)1 073 586條.按識別原則識別單位A、B工作人員至周邊公交站點的出行分布，單位A工作人員早高峰7:00—9:00至木樨地北站、木樨地地鐵站及西城三里河站的人數(shù)最多，分別約占16.61%、23.88%和23.52%；晚高峰17:00—19:00至西城三里河站和木樨地地鐵站的人數(shù)最多，分別占23.60%、26.97 %.可以看出，早高峰交通出行多以地鐵出行為主，其中吸引力比較強的公交站點為西城三里河站和三里河?xùn)|口站，這跟站點途經(jīng)的公交線路數(shù)密不可分.另外，雖然木樨地地鐵站相當(dāng)于單位A的位置較遠(yuǎn)，但其吸引強度是最大的.足以說明，地鐵站點的吸引力范圍在1 km以內(nèi)是有效的.具體分布如圖6所示.

圖6 早晚高峰單位A、B工作人員的公共出行比例Fig.6 Proportion of public travel of A and B staff in morning and evening peak hours

單位B至周邊公交站的出行狀況：早高峰7:00—9:00至木樨地地鐵站的人數(shù)最多，約占57.27%；晚高峰17:00—19:00同樣至木樨地地鐵站的人數(shù)最多，約占46.67%.其余公交站點占比均不足20%.可以看出，單位B早、晚高峰交通出行以地鐵出行為主，公交起到輔助作用.

2.2.2 末端接駁時耗

對單位A、B的工作人員在早晚高峰時段前往各公交站點的平均出行時間和出行方式進(jìn)行分析，其中早高峰公交站點平均出行時間是指乘客早高峰從公交站點下車去往單位A、B的平均出行時間，晚高峰公交站點平均出行時間是指單位A、B的工作人員在晚高峰至公交站臺的平均出行時間.單位A工作人員早高峰從公交站點下車至單位的平均出行時間192 s；晚高峰從單位至公交站點的平均出行時間251 s.單位B工作人員早高峰從公交站點下車至單位的平均出行時間148 s；晚高峰從單位至公交站點的平均出行時間138 s.單位A的早晚高峰平均出行時間比單位B的要高，但均在5 min以內(nèi)，出行時間與單位距離公交站點的距離呈正相關(guān)，因此該片區(qū)內(nèi)的公交出行可達(dá)性是比較合理的，如圖7所示.

圖7 早晚高峰單位A至公交站點的公共出行時間與距離的相關(guān)性Fig.7 Relationship between public travel time and distance between unit A and bus stations in morning and evening peak hours

2.2.3 接駁方式劃分

假設(shè)與公交站點的接駁方式只有步行和騎行2種.單位A早高峰出行多以步行為主，自行車也占有一定出行比例；晚高峰從單位至公交站點的出行多以步行為主，距離近的車站步行出行方式占比更高.單位B早高峰從公交站點下車至單位的出行多以步行為主；晚高峰三里河?xùn)|路南口，西城三里河站和玉淵潭東門站使用自行車出行的占比超過50%.對比單位A和B的出行方式，發(fā)現(xiàn)2個單位多以步行出行為主，且呈現(xiàn)出距公交站點越近步行出行方式占比越大，越遠(yuǎn)自行車出行方式占比越大的特征，如圖8所示.

圖8 早晚高峰單位A、B的出行方式占比Fig.8 Proportion of travel modes of A and B in the morning and evening peaks.

2.2.4 接駁路徑偏好

本節(jié)分析結(jié)果是基于第2部分調(diào)查數(shù)據(jù)得出的，主要用于探究單位B工作人員的地鐵出行特征.通過統(tǒng)計分析Wi-Fi探針測點數(shù)據(jù)，得出7:00—19:00的流量時空斑圖，如圖9所示.早高峰三里河南橫街、七巷的人流較大，其次是六巷.晚高峰同樣是三里河南橫街、七巷的人流較大.說明縱向七巷與六巷是住宅區(qū)內(nèi)的主要交通通道，橫向主要通道為三里河南橫街.另外編號4032的探針在中午11：00—14：00間的流量較高，由于六巷東側(cè)路里有較多的小餐館和超市，在中午午餐時間吸引較多的顧客.根據(jù)同時布置在現(xiàn)場的攝像機的采集的視頻數(shù)據(jù)，統(tǒng)計得出三里河橫街的4個岔路口的實際交通流量，結(jié)果顯示W(wǎng)i-Fi探針測得的用戶數(shù)量與交通流量比值為17～23，即如果使用Wi-Fi探針的采集數(shù)據(jù)評估流量的話，縮樣指數(shù)為17～23.

圖9 各個Wi-Fi探針位置流量時空斑圖Fig.9 Spatio-temporal pattern of flow at each Wi-Fi probe location

單位B至地鐵站的縱向路徑共有5條，分別是六巷東側(cè)路、六巷、七巷、八巷、九巷，均布置了Wi-Fi探針.經(jīng)分析探針數(shù)據(jù)得到單位B至木樨地地鐵站選擇路徑統(tǒng)計量，如表2所示.

表2 路徑選擇偏向倍數(shù)表Table 2 Multiple relationship of path selection

早高峰單位B的工作人員從地鐵站至單位的縱向路徑選擇偏好為七巷，有少量選擇經(jīng)九巷+三里河南橫街至單位，路徑偏好倍數(shù)為7倍.晚高峰從單位B至地鐵站的工作人員縱向路徑選擇偏好為七巷，少量選擇六巷，路徑偏好倍數(shù)為5倍，可視化結(jié)果如圖10所示.早晚的主要偏好路徑同為七巷，主要原因是七巷為地鐵站至單位的南北道路中道路線性比較順暢，且道路環(huán)境相對較好的.次要偏好路徑不同主要是因為六巷有許多小商鋪，導(dǎo)致早高峰趕時間的工作人員不選擇這條路徑.在末端出行多條最短路存在的情況下，行人多選擇道路條件舒適的路徑出行.因此在道路寬度有限的條件下，預(yù)降低出行重點道路的無序程度，應(yīng)優(yōu)化次要路徑的慢行舒適度，提高片區(qū)內(nèi)慢行體驗.

圖10 早晚高峰單位B的地鐵出行路徑偏好 Fig.10 Subway travel route preference of B in morning and evening rush hours

3 結(jié)論

提出了一種以Wi-Fi探針技術(shù)為主，路況數(shù)據(jù)和視頻數(shù)據(jù)為輔的方法，彌補了單獨使用手機信令數(shù)據(jù)和路況數(shù)據(jù)的不足，有效地檢測了公交和地鐵站點末端接駁的交通行為特征，并結(jié)合街區(qū)內(nèi)單位人員的出行特征評價了站點的可達(dá)性和路徑的選擇偏好.

1)該街區(qū)的公共出行時長均在5 min以內(nèi)，公交可達(dá)性良好.明確了末端街區(qū)的公交可達(dá)性及出行分布占比，有利于針對性地提升公交場站的服務(wù)水平和通達(dá)路徑的舒適性.

2)該街區(qū)內(nèi)，木樨地地鐵站對1 km左右的單位工作人員的交通吸引力仍然占優(yōu)勢.從路徑的角度，有效揭示軌道站點的影響范圍.

3)B單位軌道出行偏好路徑為道路條件順暢、路側(cè)風(fēng)景舒適的七巷.打破了以問卷調(diào)查的方式揭示行人路徑選擇偏好的傳統(tǒng)方法.

4)與實地采集的視頻數(shù)據(jù)對比，確定了以Wi-Fi探針技術(shù)得到的街道流量的縮樣指數(shù)為17～23.嘗試了Wi-Fi探針技術(shù)在斷面流量評估方面的應(yīng)用.