摘要 居民出行特征分析是城市綜合交通規(guī)劃最重要的基礎(chǔ)性工作，是支撐城市交通網(wǎng)絡(luò)、公共交通、停車等相關(guān)規(guī)劃的重要資料，也是制定城市交通管理和控制方案的重要數(shù)據(jù)。以手機(jī)信令數(shù)據(jù)中提取的出行軌跡為基礎(chǔ)，以多源數(shù)據(jù)為支撐，采取對應(yīng)的模型算法，并運(yùn)用ArcGIS軟件構(gòu)建空間模型，可得到多方面的居民出行特征。該方法彌補(bǔ)了傳統(tǒng)出行調(diào)查方法的不足，得到了更加廣域、實(shí)時(shí)、精準(zhǔn)的人員出行信息，為今后開展相關(guān)工作提供了借鑒與參考。

關(guān)鍵詞 交通規(guī)劃；手機(jī)信令數(shù)據(jù)；居民出行特征

中圖分類號(hào) TP311.13 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2024）13-0029-04

0 引言

隨著我國城鎮(zhèn)化及低碳綠色出行的快速發(fā)展，城市居民的出行特征變化日益頻繁。近年來，我國各重大城市都在加速邁向“軌道交通時(shí)代”，軌道交通行業(yè)的快速發(fā)展，線網(wǎng)規(guī)模的不斷提升，形成了以軌道交通引領(lǐng)城市發(fā)展的新格局，極大程度上轉(zhuǎn)變了居民的出行方式及出行觀念。同時(shí)，隨著綠色出行理念的傳播與“雙碳”政策的實(shí)施落地，節(jié)約能源、提高能效、減少污染、綠色生活的理念不斷融入城市發(fā)展和百姓生活，環(huán)保概念已深入人心，綠色出行已成為新的風(fēng)尚，一系列變化都對居民交通出行特征帶來了深入的影響。

1 研究背景

1.1 城鎮(zhèn)化、綠色化帶來交通出行特征的不斷變化

對城市居民出行特性的分析不僅是開展城市交通規(guī)劃、城市管理的重要前置工作，也是及時(shí)掌握新時(shí)期居民出行特征和規(guī)律的主要手段。通過了解居民的出行目的、方式、時(shí)間等特征，可以更加準(zhǔn)確地把握城市交通的需求和供給關(guān)系，從而制定出更加符合實(shí)際需求的交通規(guī)劃方案，為科學(xué)制定交通發(fā)展戰(zhàn)略、政策、技術(shù)法規(guī)，提高規(guī)劃的科學(xué)性、信息化水平提供重要依據(jù)。但是，多數(shù)情況下只有在進(jìn)行大規(guī)模綜合交通體系規(guī)劃中才會(huì)開展居民出行調(diào)查工作，而綜合交通規(guī)劃與城市總體規(guī)劃（國土空間規(guī)劃）的期限一致，都是15年。根據(jù)對國內(nèi)部分城市的統(tǒng)計(jì)發(fā)現(xiàn)，多數(shù)城市居民出行調(diào)查的時(shí)間間隔在5年以上，甚至沒有。因此，在對居民出行特征數(shù)據(jù)的采集上，一般都具有較大的滯后性，且時(shí)間跨度較大，詳見表1所示。

1.2 傳統(tǒng)居民出行調(diào)查與大數(shù)據(jù)獲取的對比分析

傳統(tǒng)的交通出行調(diào)查主要靠人工調(diào)查法[1]，即通過詢問被訪者在前一天或當(dāng)天的出行信息，以填寫問卷的形式實(shí)現(xiàn)調(diào)查。該方法存在一些問題和局限，例如耗資大、耗時(shí)較長，且只能抽取較少居民進(jìn)行問卷調(diào)查，容易出現(xiàn)以偏概全的情況。其次，通過填寫問卷、現(xiàn)場咨詢進(jìn)行調(diào)研，往往存在一定的主觀性，可靠性與真實(shí)性無法得到證實(shí)，且通過人工調(diào)查法獲取的出行行為也無法滿足實(shí)時(shí)性要求。

近年來，手機(jī)的普及和廣泛應(yīng)用極大地改變了人們的生活方式。作為現(xiàn)代生活的必備工具，手機(jī)不僅為人們提供了便捷的通信方式，還在無形中產(chǎn)生了大量的移動(dòng)信令數(shù)據(jù)。手機(jī)用戶在移動(dòng)過程中，通過與基站之間的交互，產(chǎn)生了豐富的移動(dòng)信令數(shù)據(jù)，這些數(shù)據(jù)記錄了用戶的移動(dòng)軌跡、出行時(shí)間、目的地等信息，從而提供了前所未有的觀察視角。與傳統(tǒng)的人工調(diào)查法相比，手機(jī)信令數(shù)據(jù)具有以下幾方面的優(yōu)勢，詳見表2所示。

2 基于多源大數(shù)據(jù)的居民出行特征分析方法

2.1 基礎(chǔ)數(shù)據(jù)獲取方法

通過對手機(jī)信令數(shù)據(jù)進(jìn)行去重去錯(cuò)、剔除漂移、乒乓操作后[2]，基于時(shí)空聚類算法，將具有相似時(shí)空屬性的數(shù)據(jù)點(diǎn)分組成群集，以識(shí)別居民軌跡點(diǎn)的停留、移動(dòng)狀態(tài)，將兩個(gè)停留點(diǎn)及停留點(diǎn)之間的多個(gè)移動(dòng)點(diǎn)視為居民單次出行的移動(dòng)軌跡，即單次出行OD。

采用國土變更調(diào)查數(shù)據(jù)提取村居委會(huì)行政界線，將其作為最小交通小區(qū)單元，并從開源地圖（高德地圖）獲取研究區(qū)域的路網(wǎng)文件（shp格式），然后結(jié)合ArcGIS獲取道路網(wǎng)絡(luò)的中心線、點(diǎn)。通過調(diào)用高德地圖公交線路及站點(diǎn)搜索端口，提取地圖上的每條公交線路（軌道交通線路）的線路點(diǎn)位、公交站點(diǎn)（軌道站點(diǎn)）位等相關(guān)信息，并轉(zhuǎn)換為ArcGIS可識(shí)別的數(shù)據(jù)。

2.2 居民出行主要特征及指標(biāo)量化方法

居民出行主要特征包括出行次數(shù)、出行目的、出行結(jié)構(gòu)、出行時(shí)耗、出行距離等五大類，直接反映了居民在城市中出行的時(shí)空分布規(guī)律，是全面了解城市居民出行的源和流、居民出行的發(fā)生規(guī)律以及居民從出發(fā)到終止這一過程的關(guān)鍵指標(biāo)，可為交通預(yù)測模型的建立提供最直接的技術(shù)參數(shù)。以下將分別論述各指標(biāo)的獲取方式及量化方法。

2.2.1 出行次數(shù)

居民出行是指出行者為了一個(gè)活動(dòng)目的，使用一種或多種交通方式從一個(gè)地點(diǎn)到另一個(gè)地點(diǎn)的過程。該研究結(jié)合以往居民出行調(diào)查報(bào)告，判定單次移動(dòng)距離超過300 m以上，且在某一地點(diǎn)（區(qū)域）內(nèi)停留時(shí)間超過10 min，則記為一次出行。該研究運(yùn)用ArcGIS軟件，將居民出行的軌跡點(diǎn)經(jīng)緯度轉(zhuǎn)換為空間位置信息，同時(shí)以距離閾值與時(shí)間閾值作為每一次出行起點(diǎn)與終點(diǎn)的判定條件進(jìn)行聚類分析，以得到居民出行的起訖點(diǎn)空間位置信息，其詳細(xì)流程如下：

通過時(shí)空聚類分析[3]方法，以移動(dòng)距離閾值判斷該次出行是否達(dá)到出行的判定條件，若不滿足，則將該狀態(tài)定義為停留，即未出行；若滿足，則進(jìn)一步根據(jù)停留時(shí)間閾值判斷該次出行是否結(jié)束，達(dá)到判定閾值則將該狀態(tài)定義為該次出行結(jié)束，未達(dá)到判定閾值則將該狀態(tài)定義為持續(xù)移動(dòng)，即該次出行未結(jié)束，直至判定該次出行結(jié)束為止。以此循環(huán)可得到一個(gè)居民一天內(nèi)完整的出行鏈。

2.2.2 出行目的

基于年度變更調(diào)查圖斑數(shù)據(jù)中的地類名稱字段，將其概括性分為公共管理與公共服務(wù)、商業(yè)商務(wù)、居住、學(xué)校、醫(yī)院、工業(yè)、公園等幾大類，以此識(shí)別居民每一次出行的起訖點(diǎn)用地屬性，通過分析居民出行的慣性行為，從而識(shí)別居民出行的活動(dòng)目的。如工作日期間早上由居住用地向商業(yè)、商務(wù)、公共管理與公共服務(wù)、工業(yè)等用地移動(dòng)，下午進(jìn)行反向移動(dòng)的行為定義為通勤；工作日期間早上由居住用地向教育用地移動(dòng)，下午則反向移動(dòng)的行為定義為通學(xué)；出行終點(diǎn)為醫(yī)療衛(wèi)生用地，停留時(shí)間小于2.5 h的定義為就醫(yī)，其他定義為醫(yī)護(hù)人員通勤；出行終點(diǎn)為商業(yè)用地、娛樂用地，且不呈現(xiàn)明顯慣性規(guī)律的行為定義為娛樂購物；出行終點(diǎn)為公園用地、農(nóng)林用地等，且不呈現(xiàn)明顯慣性規(guī)律的行為定義為休閑旅游。

2.2.3 出行結(jié)構(gòu)

通過出行距離、出行時(shí)長、出行平均速度等構(gòu)建評估指標(biāo)體系，利用模糊C均值聚類算法原理，對居民的出行方式進(jìn)行基本辨識(shí)。同時(shí)，對于部分多種交通方式均符合的出行鏈，再根據(jù)實(shí)際出行路徑與各交通方式的路線規(guī)劃的匹配程度進(jìn)行進(jìn)一步識(shí)別。最終識(shí)別出的出行方式分為小汽車、地鐵、公交、非機(jī)動(dòng)車、步行共五類，詳見表3所示。

2.2.4 出行時(shí)耗

通過對每一次有效出行OD對中起訖點(diǎn)的時(shí)間差值，可以計(jì)算得到居民出行的單次出行時(shí)耗，進(jìn)行聚類分析可得到居民全方式出行的平均時(shí)耗以及不同交通出行方式的平均出行時(shí)耗。

2.2.5 出行距離

運(yùn)用ArcGIS軟件，對每一次有效出行OD對中起訖點(diǎn)的經(jīng)緯度進(jìn)行空間拓?fù)?，采用幾何分析方法可以?jì)算出居民每一次出行的出行距離，進(jìn)行聚類分析可得到居民全方式出行的平均出行距離，以及不同交通出行方式的平均出行距離。

3 基于多源數(shù)據(jù)的貴陽市居民出行特征分析

該研究分析數(shù)據(jù)為貴陽市2021年6月1日—11月12日共計(jì)165天的超過259.16億條移動(dòng)手機(jī)信令數(shù)據(jù)、2021年度變更調(diào)查數(shù)據(jù)、2021年公交線網(wǎng)數(shù)據(jù)以及其他相關(guān)數(shù)據(jù)。

3.1 出行次數(shù)

基于分析數(shù)據(jù)，2021年貴陽全市（不含6歲以下，該部分持有移動(dòng)設(shè)備的概率較低）人均日出行次數(shù)為2.92次/日，較2016年的2.75次增長了6.18%。

3.2 出行目的

從居民出行目的來看，貴陽市市域一日出行的目的主要以通勤、通學(xué)、回家等剛性通勤出行為主，占到總出行的77.86%；其他目的的出行占比約為22.14%，以娛樂購物為主，且集中分布在晚高峰時(shí)段。因此，解決好通勤、通學(xué)的交通問題，實(shí)現(xiàn)區(qū)域職住平衡，是解決城市交通擁堵問題的關(guān)鍵所在。同時(shí)，對比2016年的歷史數(shù)據(jù)可知，貴陽市剛性通勤出行比重占比有所下降，彈性出行中購物娛樂、休閑旅游類的出行比例顯著上升，分別增長了45.91%、133.91%，如圖1所示。這與貴陽市居民收入的提高，人民更加追求生活的品質(zhì)與質(zhì)量，參與購物娛樂、休閑旅游的出行活動(dòng)日益頻繁，城市經(jīng)濟(jì)活力日益提高等相符。

3.3 出行結(jié)構(gòu)

機(jī)動(dòng)化是城市交通發(fā)展不可阻擋的趨勢，貴陽市2016年至2021年機(jī)動(dòng)車保有量由118.98萬輛增長至195.50萬輛[4]，增長率達(dá)到64.31%。基于分析數(shù)據(jù)，2021年貴陽市居民出行仍以小汽車、公共交通出行為主，但在分布上小汽車的出行占比顯著提高，由2016年的11.94%上升至24.66%；公交車出行占比顯著下降，由2021年的44.65%下降至22.23%，如圖2所示，這一結(jié)果與貴陽市機(jī)動(dòng)車保有量、人均收入增加有明顯關(guān)系。同時(shí)，隨著軌道交通1、2號(hào)線的陸續(xù)建成通車，也額外分流了部分出行人流，但與發(fā)達(dá)城市相比，貴陽市軌道交通系統(tǒng)尚未體現(xiàn)出明顯的主體地位，出行占比過低，僅為5.15%。

3.4 出行時(shí)耗

出行時(shí)耗與城市規(guī)模、各類城市構(gòu)成要素的分布密切相關(guān)，通過分析出行時(shí)耗可以準(zhǔn)確了解城市構(gòu)成要素布局的合理性，并為城市客運(yùn)交通組織的配備提供依據(jù)。該研究將一次出行時(shí)耗劃分為五個(gè)等級，分別為小于10 min、10～20 min、20～40 min、40～60 min、大于60 min。基于分析數(shù)據(jù)，2021年貴陽市全域居民平均每次出行時(shí)耗32.5 min，比2016年的35.4 min減少2.9 min，出行時(shí)耗主要分布在15～30 min，如圖3所示。說明貴陽市五年來交通出行狀況有較大提升，這與貴陽市陸續(xù)建成多條城市主干路，開通軌道交通1號(hào)線、軌道交通2號(hào)線、快速公交（BRT）情況相符。

3.5 出行距離

隨著城市功能以及交通設(shè)施的不斷完善，貴陽市居民出行平均通勤距離明顯降低。基于分析數(shù)據(jù)，2021年貴陽市居民平均通勤距離約8.6 km，比2016年的12.9 km降低了約4.3 km，降幅達(dá)到33.33%；從通勤距離分布來看，10 km以下短距離的通勤占比接近80%，30 km以上的長距離通勤占比接近5%，如圖4所示。

4 結(jié)論

對居民出行特征的分析是開展各類城市交通規(guī)劃、專項(xiàng)規(guī)劃的重要前提。雖然手機(jī)信令等多源大數(shù)據(jù)不能直接替代居民出行調(diào)查，但也具備獨(dú)特的優(yōu)勢。一方面，它可以得到一些居民出行調(diào)查難以獲取的信息數(shù)據(jù)和數(shù)據(jù)的佐證；另一方面，對于難以花費(fèi)大量人力、物力、財(cái)力開展居民出行調(diào)查的中小城市，成本相對較低且具有較大可信性的多源大數(shù)據(jù)分析，將是一條有效的出行調(diào)查途徑。

參考文獻(xiàn)

[1]城市綜合交通調(diào)查技術(shù)標(biāo)準(zhǔn)： GB/T 51334—2018[S]. 北京：中國建筑工業(yè)出版社， 2018.

[2]曹曉蕊. 基于手機(jī)信令數(shù)據(jù)的居民出行特征及出行方式識(shí)別[D]. 長春：長春理工大學(xué)， 2022.

[3]韓珍珍， 王甜甜， 王程， 等. 基于手機(jī)信令數(shù)據(jù)的數(shù)據(jù)清洗挖掘與常住人口分析[J]中國科技信息， 2024（2）： 102-104.

[4]貴陽市統(tǒng)計(jì)局， 國家統(tǒng)計(jì)局貴陽調(diào)查隊(duì). 貴陽統(tǒng)計(jì)年鑒2022[M]. 北京：中國統(tǒng)計(jì)出版社， 2022.

收稿日期：2024-04-12

作者簡介：馮煥東（1989—），男，碩士研究生，工程師，研究方向：國土空間規(guī)劃及交通規(guī)劃。