陳立峰 ， 尚 晶 ， 劉婷婷 ， 閆學(xué)東 ， 何 慶

（1.中移信息技術(shù)有限公司，廣州 510020；2.北京交通大學(xué) 交通運輸學(xué)院，北京 100044）

隨著我國城市化進程的加快，城市空間布局越來越集約化，城市之間的邊界越來越模糊，城市群這一城市形態(tài)逐漸形成［1］.國內(nèi)外典型的城市群有美國東北部大西洋沿岸城市群、北美五大湖城市群、日本太平洋沿岸城市群、英倫城市群、歐洲西北部城市群、中國京津冀城市群、中國珠江三角洲城市群等，城市群已成為全球經(jīng)濟最重要的載體之一.京津冀城市群作為我國重要的經(jīng)濟發(fā)展區(qū)域，以首都北京為核心，協(xié)同全國先進制造研發(fā)基地的天津以及產(chǎn)業(yè)轉(zhuǎn)型升級示范區(qū)的河北，打造區(qū)域整體協(xié)同發(fā)展改革引領(lǐng)區(qū)，支撐和帶動著我國經(jīng)濟發(fā)展.區(qū)域經(jīng)濟一體化的發(fā)展戰(zhàn)略使得京津冀城市群內(nèi)各城市之間的政治、文化、經(jīng)濟交流日益密切，人們跨城市就業(yè)、上學(xué)、旅游等行為所產(chǎn)生的出行需求越來越多，城際出行逐漸成為一種主流的出行行為.

我國現(xiàn)有的城際客運組織結(jié)構(gòu)還不能滿足社會對運輸服務(wù)水平越來越高的需求，從而影響城際間的社會經(jīng)濟交流活動，導(dǎo)致區(qū)域一體化進程受到限制.因此不斷優(yōu)化城際間的交通運輸結(jié)構(gòu)顯得尤為重要.城際出行行為在時間、空間分布上有著復(fù)雜的特征，通過分析城市群城際出行時間和空間分布特征，一方面可以掌握居民出行目的、出行時間和熱點出行區(qū)域，總結(jié)歸納出居民城際出行規(guī)律，為城際出行需求預(yù)測奠定基礎(chǔ)；另一方面根據(jù)時空特征分析結(jié)果可以識別出交通擁堵區(qū)域，為城市群交通系統(tǒng)規(guī)劃以及建設(shè)提供參考.

近年來國內(nèi)外學(xué)者利用大數(shù)據(jù)分析城市出行特征取得了較多研究成果.Szeto 等［2］根據(jù)中國香港2011 年用戶出行特征調(diào)查數(shù)據(jù)，對老年人的時空出行特征進行了可視化分析，以確定老年人的出行模式，并提出了適合老齡化社會出行需求的政策建議.Deng 等［3］考慮到地形對出行行為的影響，收集了具有不同地理特征的2 個城市上海與重慶的軌道交通IC 卡刷卡數(shù)據(jù)，基于上下客站點和站點之間的乘客人口創(chuàng)建旅行網(wǎng)絡(luò)，分析城市出行行為的時空特征.唐艷麗等［4］基于出租車全球定位系統(tǒng)（Global Positioning System，GPS）大數(shù)據(jù)，考慮影響出行量的天氣、興趣點（Point of Interest，POI）、時間等因素，構(gòu)建徑向基（Radial Basis Function， RBF）神經(jīng)網(wǎng)絡(luò)，對出租車出行特征進行回歸分析.蘇躍江等［5］融合城市軌道交通自動售檢票系統(tǒng)（Automatic Fare Collection，AFC）、IC、GPS 等多源數(shù)據(jù)分析了居民出行特征，并與基于抽樣調(diào)查數(shù)據(jù)所得出的結(jié)果進行了對比，結(jié)果表明，抽樣調(diào)查數(shù)據(jù)所得到的居民出行漏報率較高、早晚高峰公交和地鐵出行比例結(jié)果與實際情況也相差較大，多源數(shù)據(jù)融合驅(qū)動的居民出行特征結(jié)果較為準(zhǔn)確.以上研究中所用到的數(shù)據(jù)都是抽樣調(diào)查數(shù)據(jù)、車載GPS 數(shù)據(jù)、公交IC 卡數(shù)據(jù)、網(wǎng)約車數(shù)據(jù)等，抽樣調(diào)查數(shù)據(jù)［6-8］具有管理成本高、更新速度慢且覆蓋率低等缺點；車載GPS 數(shù)據(jù)、公交IC 卡數(shù)據(jù)、網(wǎng)約車數(shù)據(jù)［9］等主要反映的是公路或鐵路客運數(shù)據(jù)，難以覆蓋所有交通方式的出行信息，限制了整個城市以及城市群交通系統(tǒng)的規(guī)劃設(shè)計.

隨著智能手機的廣泛普及和數(shù)據(jù)收集技術(shù)的提高，手機信令數(shù)據(jù)中包含的位置和時間信息為多領(lǐng)域研究提供了強有力的數(shù)據(jù)支持.手機信令數(shù)據(jù)不僅數(shù)據(jù)量大、覆蓋面廣、數(shù)據(jù)采集頻率高，而且覆蓋了所有交通方式的出行［10-12］.通過手機信令數(shù)據(jù)獲取個人出行信息，彌補了傳統(tǒng)的抽樣統(tǒng)計或全國家庭出行調(diào)查等方式獲取交通大數(shù)據(jù)的成本高且數(shù)據(jù)更新速度慢的缺點，同時獲取數(shù)據(jù)全面，如能獲取一個區(qū)域全部交通方式的出行信息.吳子嘯等［13］基于手機信令數(shù)據(jù)提取出長三角城市群城際出行起訖點（Origin-Destination，OD）數(shù)據(jù)，在城際出行組成分布、空間分布等方面進行特征分析.李自圓等［14］利用手機信令數(shù)據(jù)，構(gòu)建長三角范圍內(nèi)306 個區(qū)縣之間的城際出行網(wǎng)絡(luò)，基于復(fù)雜網(wǎng)絡(luò)模型，分析城際出行的空間和規(guī)模分布特征.但這些特征分析的研究成果只能反映淺層特征，區(qū)域之間城際出行的深層次特征還需進一步挖掘.

基于此，本文基于手機信令數(shù)據(jù)所提取出的城際出行OD 數(shù)據(jù)，分析京津冀城市群城際出行行為的時空異質(zhì)性.其中從城際出行量在周、日、小時、工作日和非工作日等維度的分布來研究時間特征；從城際出行空間分布得出熱點出行區(qū)域.基于城際OD 出行量構(gòu)建居民城際出行空間網(wǎng)絡(luò)結(jié)構(gòu)，深入剖析城市群范圍內(nèi)不同城市間的出行關(guān)系及強度.同時根據(jù)不同日期類型的城際出行量時間分布特征，分析不同日期的城際出行量空間分布情況，從而反映居民出行對城市群結(jié)構(gòu)的空間依賴性.

1 數(shù)據(jù)說明

1.1 原始數(shù)據(jù)

本文研究范圍是京津冀城市群，如圖1 所示京津冀城市群包括北京市、天津市、河北省11 個地級市以及河南安陽共14 個城市，面積21.6 萬m2，南北跨度700 km，是世界上規(guī)模最大的城市群之一.京津冀城市群瀕臨渤海，北靠太岳，以首都北京為核心，支撐和帶動著我國經(jīng)濟發(fā)展，與此同時城市間的出行活動越來越頻繁以及多樣化.

圖1 研究范圍——京津冀城市群Fig.1 Research scope: Beijing-Tianjin-Hebei urban agglomeration

本文基于中國移動手機信令數(shù)據(jù)中所提取的用戶出行OD 數(shù)據(jù)進行研究，手機信令數(shù)據(jù)的位置信息是基于基站的位置信息得到的，基站位置信息的精度小于500 m，故出發(fā)地/到達地的網(wǎng)格尺寸定義為500×500.選取2021 年5 月17 日（星期一）~2021 年6 月6 日（星期日）共3 周的數(shù)據(jù)，篩選得到共9 200 多萬條京津冀城市群城際出行OD 數(shù)據(jù).由于居民出行特征較為穩(wěn)定，因此可以用3 周的出行特征代表京津冀城市群城際出行的整體交通情況.數(shù)據(jù)字段有用戶ID、出發(fā)地省ID、出發(fā)地市ID、出發(fā)地縣ID、出發(fā)地經(jīng)度、出發(fā)地緯度、出發(fā)時間、到達地省ID、到達地市ID、到達地縣ID、到達地經(jīng)度、到達地緯度、到達時間等，具體字段含義如表1所示.

表1 用戶出行OD 數(shù)據(jù)字段含義Tab.1 Definition of user travel OD data field

1.2 數(shù)據(jù)預(yù)處理

基于海量的手機信令數(shù)據(jù)所提取的用戶出行OD 數(shù)據(jù)量較為龐大，需要進行一定的清洗，刪除冗余或不合理數(shù)據(jù)，具體清洗過程包括3 個步驟.

步驟1：轉(zhuǎn)換坐標(biāo)系，將數(shù)據(jù)坐標(biāo)轉(zhuǎn)換為常用的地心坐標(biāo)系（WGS-1984 坐標(biāo)系）.

步驟2：篩選出京津冀城市群范圍內(nèi)的城際出行OD 數(shù)據(jù). 首先篩選出2021 年5 月17 日（星期一）~2021 年6 月6 日（星期日）期間出發(fā)地和到達地在京津冀范圍內(nèi)的數(shù)據(jù)；然后根據(jù)出發(fā)地和到達地的城市ID 不同，篩選出城際出行.

步驟3：檢查并刪除不合理數(shù)據(jù).根據(jù)odDuration字段和OD 兩點歐式距離篩選掉不屬于城際出行合理范圍的數(shù)據(jù).其中odDuration 字段大于300 s，根據(jù)OD 兩點經(jīng)緯度計算出的歐式距離大于1 000 m 的數(shù)據(jù)為不在合理范圍內(nèi)的數(shù)據(jù).

2 京津冀城際出行時間特征分析

對京津冀城市群城際出行交通量進行時間特征分析研究，可以掌握居民在城際間出行的時間規(guī)律，在理論上可以為城市群城際間交通量預(yù)測的特征變量選取提供一定的依據(jù).同時出行分布所體現(xiàn)出的高峰出行時間段、出行時間變化周期、不同時間類型分布差別特征有助于城市群交通管理部門提前做好人口聚集的疏導(dǎo)與控制、區(qū)域交通規(guī)劃與管理等.

2.1 每日城際出行總量分布特征

統(tǒng)計2021 年5 月17 日（星期一）~2021 年6 月6 日（星期日）的京津冀每日城際出行量，并將統(tǒng)計結(jié)果繪制成變化趨勢圖，如圖2（a）所示.由圖2（a）可知，京津冀每日城際出行總量在420 萬~470 萬；以周為單位看，有著明顯的周變化規(guī)律，周一至周四城際出行量差別較小，周五至周日城際出行量差別較小，且后者的城際出行量明顯多于前者.相比于城市內(nèi)部出行，城際出行距離較長，出行目的一般有出差、旅游、上學(xué)等，故居民更趨向于非工作日城際出行，符合圖2（a）中所反映的變化規(guī)律.

圖2 2021 年5 月17 日~6 月6 日城際出行量分布Fig.2 Distribution of intercity travel volume from May 17 to June 6, 2021

2.2 每時城際出行總量分布特征

為了研究不同日期每時城際出行量的變化規(guī)律，統(tǒng)計2021 年5 月17 日~6 月6 日的每時出行量，并將統(tǒng)計結(jié)果繪制成變化趨勢圖，如圖2（b）所示.由圖2（b）可知，不同日期間每日整體變化趨勢基本一致，即每日有2 個高峰期，分別在早上6 點至9 點、下午16 點至18 點，和城市內(nèi)部出行的早高峰時間點類似.其中0 點時城際出行量很少，隨后逐漸回升，7 點時達到第1 個峰值，7 點至11 點城際出行量下降，11 點之后城際出行量慢慢增加，17 點時達到第2 個峰值，17 點之后出行量呈線性趨勢下降.總體來看，6 點至18 點城際出行量緩慢波動，維持在22 萬~30 萬人次左右.精細化的每個時間段的城際出行量有利于城市群交通管理部門進行規(guī)劃與管理工作并針對出行高峰時間段提前做出應(yīng)對準(zhǔn)備.

2.3 工作日與非工作日城際出行量分布特征

通過每日城際出行總量分布圖2（a）可以看出，城際出行有顯著的周期性，周內(nèi)相較于周末，城際出行量較少.為了進一步研究工作日與非工作日城際出行量的變化規(guī)律以及差別，將2021 年5 月17 日~6 月6 日出行量歸類并分別計算每時平均城際出行量，將結(jié)果繪制成熱力圖，如圖3 所示.

圖3 不同日期類型每時城際出行量Fig.3 Hourly intercity travel volume on different date types

由圖3 可知，一周內(nèi)每日小時城際出行量變化趨勢具有明顯的相似性和規(guī)律性.城際出行量主要分布在6 點至18 點，不同時期類型間城際出行量的不同之處是高峰期的水平，以周為單位分析，周五下午的高峰期在一周中是最高的，其次是周日下午的高峰期.以上規(guī)律可能是因為人們?yōu)榱讼硎芨L時間的周末，選擇周五下午下班后進行城際出行，于周日下午進行城際出行返程.

將2021 年5 月17 日~6 月6 日出行量分為工作日出行和非工作日出行，并以60 min 為時間切片將一天分為24 個間隔，統(tǒng)計出行量并繪制成曲線圖如圖4 所示.從圖4 中可知，工作日和非工作日的城際出行量整體趨勢大致相似，在0 點至6 點時基本相同，但在6 點至22 點非工作日的出行量比工作日的出行量大；此外，非工作日的早高峰時間點要比工作日的晚1 h 左右，該結(jié)論有助于提高城際早晚高峰出行量的預(yù)測精度.

圖4 工作日與非工作日日均小時城際出行量Fig.4 Average hourly intercity travel volume on workdays and non-workdays

3 京津冀城際出行時空特征分析

京津冀城市群內(nèi)居民進行著豐富的社會活動，會產(chǎn)生大量的出行OD 數(shù)據(jù)，交通發(fā)生和吸引與土地利用性質(zhì)及城市規(guī)劃布局息息相關(guān)，通過分析城際出行OD 時空特征，能更好地掌握居民熱點城際出行區(qū)域，為城市群交通規(guī)劃以及城市規(guī)劃提供指導(dǎo).

3.1 京津冀城際出行高峰時段空間特征分析

由圖4 可知，不同日期類型的城際出行量時間分布有所不同，其中周五17 點至18 點的城際出行量在一周中是最高的，其次是周日16 點至17 點，為了對比分析這2 個高峰期的城際出行空間分布，結(jié)合網(wǎng)格模型，將京津冀區(qū)域劃分為100?100 的網(wǎng)格，網(wǎng)格的編號為-1，0，1，…，99.在網(wǎng)格模型基礎(chǔ)上分別統(tǒng)計2021 年5 月17 日~6 月6 日期間周五17 點至18 點京津冀城市群城際出行量、周日16 點至17 點各區(qū)縣的城際出行量，利用Arcgis 工具進行可視化，如圖5 所示.

圖5 京津冀部分時段城際出行量分布Fig.5 Distribution of intercity travel volume in selected time periods within Beijing-Tianjin-Hebei region

由圖5 可知，周五17 點至18 點與周日16 點至17 點的城際出行量分布大致相似，相似之處在于大部分地區(qū)的出行量是第1 層級（小于118 人次），第2層級（119~402 人次）主要分布在各行政界線周邊，第3、4、5 層級（大于402 人次）的出行量主要分布在北京、天津、石家莊、邢臺以及北京與廊坊交界處；不同之處在于周日的出行量要比周五的出行量少.

3.2 京津冀城市間交通聯(lián)系特征

本文按照區(qū)域的行政編碼進行空間單元劃分，根據(jù)2021 年國家行政區(qū)域編碼表可知，京津冀城市群共有211 個區(qū)縣，2021 年5 月17 日~6 月6 日手機信令數(shù)據(jù)顯示存在41 004 個城際出行OD 對，OD 對如圖6 所示.

圖6 京津冀城市群區(qū)縣間城際出行OD 對Fig.6 Intercity travel OD pairs between counties in Beijing-Tianjin-Hebei urban agglomeration

為了具體分析京津冀城市群居民城際出行OD 路線的時空特征，利用2021 年5 月17 日~6 月6 日共3 周的城際出行數(shù)據(jù)統(tǒng)計分析所有OD 對的平均每日城際出行量，并進行排序，取前20 位的排序結(jié)果如表2 所示.由表2 可知，北京市朝陽區(qū)（行政編碼110105）— 廊坊市三河市（ 行政編碼131082）往返的2 個OD 對出行量是最多的，北京市與其周邊相鄰城市的出行量在京津冀城際出行總量中占比較大，體現(xiàn)了城市群以北京為核心的交通結(jié)構(gòu)，此外發(fā)現(xiàn)互為往返的OD 對平均每日出行量相近，說明OD 2 個地點是居民城際出行最終的出發(fā)地和目的地.

表2 所有OD 對平均每日城際出行量排序Tab.2 Ranking of all ODs against the average daily intercity travel volumes

為了深入了解城際出行發(fā)生的起訖點及精細化研究城市間的交通聯(lián)系強度，利用Gephi軟件分別研究京津冀城市群14 個城市之間的交通量.以城市為節(jié)點，形成14 個節(jié)點，用和弦圖描述京津冀城市群省區(qū)域城際出行OD 聯(lián)系關(guān)系，如圖7 所示，由圖7 可知，城際出行量排在前4 位的分別是北京市、廊坊市、天津市、保定市，其中北京市與廊坊市之間的城際出行活動最為活躍，形成2 條明顯的交通走廊，京津冀城市群交通系統(tǒng)規(guī)劃時應(yīng)注重這條線路的建設(shè).

圖7 京津冀城市群14 個城市之間的出行分布Fig.7 Travel distribution among the 14 cities in Beijing-Tianjin-Hebei urban agglomeration

為刻畫京津冀城市群區(qū)縣之間的交通聯(lián)系程度，使用2021 年5 月17 日~6 月6 日共3 周城際出行OD 數(shù)據(jù)統(tǒng)計京津冀城市群211 個區(qū)縣間的平均每日城際出行量，利用ArcGIS 軟件繪制城際出行路線和強度，可視化效果如圖8 所示，用線路的顏色深淺和粗細來區(qū)分線路上分布的出行量程度，線路顏色越深，其分布的出行量越多.從整體空間分布來看，京津冀城市群居民城際出行在空間聯(lián)系強度和空間聯(lián)系模式上均存在明顯的層級特征和空間依賴性，將出行線路按照線路上分布的出行量分為5 個層級，第5 層級的城際出行線路分布在京津冀城市群的中間區(qū)域，呈現(xiàn)出以北京、天津、石家莊、廊坊、秦皇島為區(qū)域中心向外輻射的布局，其線路連接的是城市間相鄰區(qū)縣間的出行.京津冀城市群城際出行線路分布特征反映了居民出行對城市群內(nèi)部城市結(jié)構(gòu)的空間依賴性，呈現(xiàn)出以省會城市和經(jīng)濟發(fā)達城市為區(qū)域中心，其他城市為外圍的出行結(jié)構(gòu)，在城際出行結(jié)構(gòu)上體現(xiàn)了城市群以中心城市帶動城市群發(fā)展，進而以城市群帶動區(qū)域協(xié)調(diào)發(fā)展的輻射作用.

圖8 京津冀城市群區(qū)縣之間的城際出行分布Fig.8 Urban travel distribution among districts and counties in Beijing-Tianjin-Hebei urban agglomeration

4 結(jié)論

1） 從多類型城際出行量變化圖可知，京津冀城際出行有明顯的周變化規(guī)律，工作日內(nèi)周一至周四城際出行量較少，周五至周日出行量顯著增加；城際出行有早晚高峰現(xiàn)象，非工作日的早高峰時間比工作日延遲了1 h.

2） 結(jié)合網(wǎng)格模型，通過對比分析不同日期類型的出行高峰期的城際出行量空間分布情況，發(fā)現(xiàn)出行量主要分布在北京、天津、石家莊、邢臺、廊坊和行政邊界周邊；北京市與廊坊市之間形成了2 條明顯的交通走廊，京津冀城市群城際出行線路分布特征反映了居民出行對城市群內(nèi)部城市結(jié)構(gòu)的空間依賴性，呈現(xiàn)出以省會城市和經(jīng)濟發(fā)達城市為區(qū)域中心、其他城市為外圍的出行結(jié)構(gòu)，在城際出行結(jié)構(gòu)上體現(xiàn)了城市群以中心城市帶動城市群發(fā)展，進而以城市群帶動區(qū)域協(xié)調(diào)發(fā)展的輻射作用.

為進一步了解城市群城際出行行為特征，今后將繼續(xù)結(jié)合多源數(shù)據(jù)，提升數(shù)據(jù)挖掘水平，實現(xiàn)城際出行分方式、分目的的識別工作，深入探討城際出行異質(zhì)性行為.