管娜娜 田 苗

（成都市規(guī)劃設(shè)計研究院，四川 成都 610041）

近年來，成都市致力于探索數(shù)據(jù)和模型驅(qū)動的交通規(guī)劃理念，依靠構(gòu)建交通數(shù)據(jù)庫和多層次綜合交通模型技術(shù)，能夠極大地提高交通規(guī)劃決策的科學(xué)化水平。2016～2017年，成都市開展了新一輪綜合交通調(diào)查和交通模型體系構(gòu)建工作，并將手機(jī)信令數(shù)據(jù)、車載GPS數(shù)據(jù)、視頻監(jiān)測數(shù)據(jù)、交通運(yùn)營數(shù)據(jù)等多源交通大數(shù)據(jù)納入規(guī)劃決策支持體系。本次以雙流區(qū)為例，闡述大數(shù)據(jù)對交通規(guī)劃技術(shù)創(chuàng)新、交通需求分析的支撐作用。

1 大數(shù)據(jù)對交通規(guī)劃理論和技術(shù)應(yīng)用的影響

交通與城市的土地利用、人口構(gòu)成、經(jīng)濟(jì)收入、車輛保有、交通條件等有著密切的關(guān)系。交通規(guī)劃的理論基礎(chǔ)是基于綜合交通調(diào)查建立“四階段”交通需求模型，調(diào)查的門類包括居民出行調(diào)查、公共交通調(diào)查、道路流量調(diào)查、專項(xiàng)調(diào)查等，傳統(tǒng)交通調(diào)查采用人工方法，每一項(xiàng)調(diào)查都涉及極大的工作范疇和工作量，比如居民出行調(diào)查需要通過入戶詢問進(jìn)行信息采集，數(shù)據(jù)獲取成本高、時耗長、時效性短。在大數(shù)據(jù)蓬勃發(fā)展的背景下，大數(shù)據(jù)為研究者提供了針對城市交通的一種多角度、多層次、多測度的大樣本連續(xù)觀察能力[1]，借助交通大數(shù)據(jù)的“大樣本”“連續(xù)追蹤”優(yōu)勢，使得整體把握交通態(tài)勢與趨勢成為可能。

基于交通大數(shù)據(jù)的空間的聯(lián)系與活力、居民的出行特征、交通與居民活動空間的關(guān)系等研究成果逐漸涌現(xiàn)。北京、上海、天津等城市在最近的城市綜合交通調(diào)查中均充分挖掘交通大數(shù)據(jù)資源，主要包括遙感影像數(shù)據(jù)、移動通信信令數(shù)據(jù)、車載GPS數(shù)據(jù)、公交IC卡數(shù)據(jù)、RFID監(jiān)測數(shù)據(jù)等。交通大數(shù)據(jù)為交通模式提供了更加全面的原始數(shù)據(jù)[2]，上海、廣州、重慶等城市不斷探索通過挖掘大數(shù)據(jù)改進(jìn)交通模型技術(shù)，比如遙感影像數(shù)據(jù)用以挖掘城市用地特征，移動通信信令數(shù)據(jù)用以分析人口分布、通勤特征，公交IC卡數(shù)據(jù)用以分析軌道和常規(guī)公交出行特征，RFID監(jiān)測數(shù)據(jù)用以分析小汽車總量和運(yùn)行分布[3]。大數(shù)據(jù)技術(shù)將會越來越廣泛地應(yīng)用于城市交通規(guī)劃和決策，特別是模型的構(gòu)建和維護(hù)中[4]。

2 數(shù)據(jù)處理與分析

2.1 手機(jī)信令數(shù)據(jù)

（1） 元數(shù)據(jù)。

手機(jī)信令數(shù)據(jù)為依托運(yùn)營商建立的信令監(jiān)測平臺，采集手機(jī)與基站之間信令數(shù)據(jù)交換。觸發(fā)數(shù)據(jù)交換有兩種方式，一是通話、短信、上網(wǎng)、區(qū)間切換等主動行為；二是基站定期掃描其覆蓋范圍內(nèi)手機(jī)的在線情況，形成一條被動信息記錄。基站分布情況如圖1所示。手機(jī)信令數(shù)據(jù)記錄內(nèi)容如表1所示。

圖1 基站分布情況

表1 手機(jī)信令數(shù)據(jù)記錄內(nèi)容

本次研究采用中國移動通信運(yùn)營商提供的2016年3月14日～3月20日為期一周的雙流區(qū)境內(nèi)所有基站采集到的全量數(shù)據(jù)，總記錄條數(shù)8249萬條，有效日均信令數(shù)據(jù)1 178萬條。

（2） 數(shù)據(jù)處理。

對手機(jī)信令數(shù)據(jù)的處理分為兩部分，第一部分為靜態(tài)分析，通常以停留時長作為判定原則識別手機(jī)用戶類型；第二部分為動態(tài)分析，根據(jù)經(jīng)緯度信息生成居民出行鏈，進(jìn)一步分析出行OD。

①靜態(tài)分析處理過程：

數(shù)據(jù)清理：以用戶ID為唯一標(biāo)識，統(tǒng)計每個ID一周總記錄條數(shù)，剔除一周記錄條數(shù)不足7條的用戶ID對應(yīng)的所有記錄。

數(shù)據(jù)排序：以用戶ID為唯一標(biāo)識，按時間排序，提取其記錄時間在每天22：00～次日6：00時間段內(nèi)的所有手機(jī)信令記錄，用于判定常住人口；提取其記錄時間在9：00～18：00時間段內(nèi)的所有手機(jī)信令記錄，用于判定通勤人士。

用戶類型識別：將一周7天內(nèi)至少有4天從22：00～次日6：00在同一位置停留6小時作為常住人口判定原則；將一周7天內(nèi)至少有4天從9：00～18：00在同一位置停留4小時作為工作人口判定原則。

②動態(tài)分析處理過程：

數(shù)據(jù)清理：一次出行至少應(yīng)有3條記錄，為此預(yù)先剔除一天記錄條數(shù)不足3條的手機(jī)記錄。

出行記錄識別：首先，以手機(jī)號為索引，按照時間先后順序，生成某人全天行動軌跡，并計算上下兩條記錄的間隔時間和平面距離；然后，以20 min為閾值，將全天出行軌跡截斷為多條出行記錄；然后根據(jù)每條出行記錄，匯總出行距離、單次出行OD等信息。

2.2 車載GPS數(shù)據(jù)

（1） 元數(shù)據(jù)。

本次研究采用成都網(wǎng)闊信息有限公司平臺提供的貨運(yùn)車載GPS數(shù)據(jù)，車載GPS每條記錄涵蓋信息包括：序號，車牌號碼，GPS時間，經(jīng)度，緯度，隸屬公司，車輛速度，車輛方向等信息。車載GPS數(shù)據(jù)記錄內(nèi)容如圖2所示。

圖2 車載GPS數(shù)據(jù)記錄內(nèi)容

（2） 數(shù)據(jù)處理。

首先采用網(wǎng)絡(luò)爬蟲技術(shù)，從網(wǎng)闊信息GPS企業(yè)平臺頁面上爬取了雙流區(qū)境內(nèi)482輛貨車的GPS定位信息；然后在eclipse開發(fā)平臺上，對貨運(yùn)GPS原始數(shù)據(jù)進(jìn)行處理，生成每輛車每次出行軌跡。

3 大數(shù)據(jù)的創(chuàng)新應(yīng)用

3.1 居民出行特征分析

傳統(tǒng)獲取居民出行特征的方法為居民出行調(diào)查，采用調(diào)查問卷的方式進(jìn)行抽樣調(diào)查，抽樣率通常為1%-5%。在分析居民出行特征時，需要對調(diào)查數(shù)據(jù)進(jìn)行擴(kuò)樣和校核，在擴(kuò)樣的過程中數(shù)據(jù)難免存在一定程度的“失真”，因此，校核工作對準(zhǔn)確反映全體居民出行特征是至關(guān)重要的。手機(jī)信令數(shù)據(jù)具備“大樣本”“連續(xù)追蹤”的優(yōu)勢，能夠更為精準(zhǔn)地反映城市居民出行特征，起到對居民出行調(diào)查的補(bǔ)充和校核作用，本次研究通過手機(jī)信令數(shù)據(jù)識別出雙流區(qū)現(xiàn)狀居民的出行總量與出行率、出行距離等特征，有效地對居民出行調(diào)查的數(shù)據(jù)進(jìn)行了校核。

（1） 出行總量與出行率。

通過手機(jī)信令數(shù)據(jù)分析居民出行OD，得到雙流區(qū)現(xiàn)狀居民日均出行總量為80.6 萬人次/日，人均出行次數(shù)為2.37 次/日。通過居民出行調(diào)查測算的人居出行次數(shù)是2.16 次/日，可以看出手機(jī)信令數(shù)據(jù)測得的人均出行次數(shù)略高于居民出行調(diào)查的結(jié)果。因此，本次研究采用了兩者的平均值2.27 次/日。雙流區(qū)出行量與出行次數(shù)分布圖如圖3所示。

（2） 出行距離。

居民總體平均出行距離為5.4 km。其中，約66 %的居民出行距離在5 km以內(nèi)，說明雙流目前平均出行距離較短，中長距離的跨區(qū)出行量較低。還有約34%的居民出行距離超過5 km。雙流區(qū)居民出行距離分布圖如圖4所示。

圖4 雙流區(qū)居民出行距離分布圖

（3） 對外交通分布。

對外機(jī)動車OD調(diào)查通常需要采集高快速路、國省干道、主次干路的全天雙向的交通量，通常采用傳統(tǒng)的人工調(diào)查法結(jié)合固定檢測器采集法進(jìn)行調(diào)查，固定檢測器需要埋放在道路下方，且容易損壞，數(shù)據(jù)獲取成本高。

通過手機(jī)信令數(shù)據(jù)對雙流區(qū)的客流OD進(jìn)行分析（見圖5），能夠更為準(zhǔn)確客觀得出雙流區(qū)與成都市中心城區(qū)、天府新區(qū)成都直管區(qū)、溫江區(qū)、新津等周邊城市片區(qū)之間的現(xiàn)狀交通聯(lián)系客流量。其中，雙流和中心城區(qū)的客流交換量最大，達(dá)到51 065 人次/日；其次是高新區(qū)，達(dá)到29 450 人次/日；與直管區(qū)的客流交換量為25 574 人次/日。上述對外交通分布為分析現(xiàn)狀區(qū)域交通運(yùn)行狀態(tài)提供了支撐，結(jié)合現(xiàn)狀區(qū)域聯(lián)系通道的建設(shè)情況，聯(lián)系成都主城區(qū)的雙楠大道、成雙大道、大件路高峰期較為擁堵；而聯(lián)系高新區(qū)的通道數(shù)量不足、通道等級低，因此，為確定區(qū)域交通通道方案奠定了基礎(chǔ)。

圖5 雙流區(qū)現(xiàn)狀OD分布圖

3.2 交通需求模型校核

大城市的居民出行調(diào)查往往5年才開展一次，中小城市的調(diào)查數(shù)據(jù)更是極為匱乏。而手機(jī)信令能夠獲得“當(dāng)前的”“連續(xù)的”數(shù)據(jù)，從而對交通需求模型中的參數(shù)確定起到校核和驗(yàn)證的作用。本次研究采用面積原單位法來測算交通生成量，即通過不同用途的土地和開發(fā)強(qiáng)度下的交通吸引率和發(fā)生率來計算交通區(qū)的生成量。首先，通過手機(jī)信令數(shù)據(jù)可以快速統(tǒng)計出各個交通區(qū)的生成量，然后通過回歸分析，可以得到各類用地的交通吸引率和發(fā)生率。結(jié)合規(guī)劃年的用地布局和開發(fā)強(qiáng)度，進(jìn)而可以測算出規(guī)劃年的各個交通區(qū)交通生成量。規(guī)劃年各交通中區(qū)交通發(fā)生量與吸引量如圖6所示。

圖6 規(guī)劃年各交通中區(qū)交通發(fā)生量與吸引量

3.3 職住分布分析

傳統(tǒng)的調(diào)查方法很難區(qū)分特定人群的出行行為，而手機(jī)信令數(shù)據(jù)在分析特定人群的出行特征方面具有較好的適用性，特別是通勤出行的研究，通過定位到用戶的居住地和工作地，能夠有效地對通勤特征展開研究，從而較好地把握整個區(qū)域的職住分布和主要的通勤方向等特征，這對通道的規(guī)劃布局和城市空間結(jié)構(gòu)都有很強(qiáng)的指導(dǎo)意義。

本次研究通過手機(jī)信令數(shù)據(jù)對雙流區(qū)居住人口和就業(yè)人口進(jìn)行識別，按照一周內(nèi)有4天于夜間22：00～6：00出現(xiàn)在同一個坐標(biāo)的為常住人口，分析表明，雙流區(qū)有44萬常住人口（使用移動通信的人口），主要集中于東升老城區(qū)6.6 萬人（東升街辦12.1 萬人）、蛟龍港片區(qū)和西航港北片區(qū)9.5 萬人（含6萬在校學(xué)生）。按照一周內(nèi)有4天于白天9：00～18：00出現(xiàn)在同一個坐標(biāo)的為就業(yè)人口，分析表明，分析得到區(qū)內(nèi)就業(yè)（就學(xué)）人口約20萬，主要集中于東升老城區(qū)、蛟龍港片區(qū)和西航港北片區(qū)。雙流區(qū)常住人口分布圖如圖7所示，雙流區(qū)就業(yè)崗位分布圖如圖8所示。

圖7 雙流區(qū)常住人口分布圖

圖8 雙流區(qū)就業(yè)崗位分布圖

3.4 重要集散點(diǎn)客流分布

交通規(guī)劃需要掌握區(qū)域內(nèi)重要的客流吸發(fā)點(diǎn)，手機(jī)信令數(shù)據(jù)在分析特定區(qū)域（交通樞紐、大型公共設(shè)施、商圈等）的客流來源及目的地方面具有優(yōu)勢。

本次研究對雙流國際機(jī)場、東升核心區(qū)的客流分布進(jìn)行分析挖掘，可以看出，雙流國際機(jī)場的客流主要來自區(qū)外的成都主城區(qū)和高新區(qū)；東升核心區(qū)的客流主要集中于內(nèi)部出行，占60%左右。從而對重要集散點(diǎn)的集散通道規(guī)劃、進(jìn)出交通組織等提供了依據(jù)。雙流機(jī)場客流分布圖如圖9所示，東升核心區(qū)客流分布圖如圖10所示。

圖9 雙流機(jī)場客流分布圖

圖10 東升核心區(qū)客流分布圖

3.5 貨運(yùn)聯(lián)系通道識別

在傳統(tǒng)的交通調(diào)查中，貨運(yùn)車輛出行特征調(diào)查通常與對外交通調(diào)查同時進(jìn)行，在對外的主要通道設(shè)置觀測點(diǎn)，進(jìn)行停車問詢，數(shù)據(jù)采集成本高、工作量大。大數(shù)據(jù)為貨運(yùn)車輛出行特征提供了更加高效精準(zhǔn)的采集方法，通過車載GPS定位信息獲取貨運(yùn)車輛停靠點(diǎn)、貨運(yùn)OD數(shù)據(jù)、貨運(yùn)熱門通道，能夠識別各個方向的貨運(yùn)聯(lián)系強(qiáng)度，及現(xiàn)狀貨運(yùn)通道存在的問題。

（1） 貨運(yùn)聯(lián)系強(qiáng)度分布。

通過車載GPS定位信息獲取貨運(yùn)車輛?？奎c(diǎn)、貨運(yùn)OD數(shù)據(jù)，得到雙流對外貨運(yùn)比例約占總貨運(yùn)量的82%，雙流與天府新區(qū)、龍泉、主城方向聯(lián)系較強(qiáng)，溫郫方向所占比例較低?；诂F(xiàn)狀貨運(yùn)OD分布，結(jié)合市域“4+N”產(chǎn)業(yè)聯(lián)系將加強(qiáng)，與主城區(qū)貨運(yùn)聯(lián)系將在現(xiàn)狀基礎(chǔ)上減弱，與龍泉、直管區(qū)、簡陽等方向聯(lián)系將不斷加強(qiáng)，從而主要增加向東、東南方向的貨運(yùn)通道。雙流區(qū)對外貨運(yùn)分布比例圖如圖11所示。

圖11 雙流區(qū)對外貨運(yùn)分布比例圖

（2） 貨運(yùn)通道識別。

基于貨車出行軌跡識別出貨運(yùn)熱門通道主要包括，大件路、雙楠大道、成新蒲大道、長城路、劍南大道、珠江路、S108等。從而識別出貨運(yùn)交通組織的問題，主要的貨運(yùn)通道穿越西航港城區(qū)，貨車對該片區(qū)交通組織影響較大，容易帶來安全隱患。因此，建議對長城路、珠江路等采取分時段禁行措施，并規(guī)劃引導(dǎo)客貨分離?，F(xiàn)狀貨運(yùn)熱門通道分布圖如圖12所示。

圖12 現(xiàn)狀貨運(yùn)熱門通道分布圖

4 結(jié)語

本文通過將手機(jī)信令數(shù)據(jù)、車載GPS數(shù)據(jù)等多源數(shù)據(jù)應(yīng)用于統(tǒng)一的交通規(guī)劃體系，實(shí)現(xiàn)了傳統(tǒng)交通規(guī)劃理論下的交通大數(shù)據(jù)的應(yīng)用實(shí)踐。大數(shù)據(jù)充分體現(xiàn)出大樣本、連續(xù)性、獲取方便的優(yōu)勢，使得研究者能夠更準(zhǔn)確地把握居民出行特性、各區(qū)域的人口分布等，并能夠與居民出行調(diào)查形成良好的校核關(guān)系，成為構(gòu)建交通模型重要的組成部分。同時，大數(shù)據(jù)也有其局限性，比如數(shù)據(jù)本身的處理挖掘技術(shù)、基于大數(shù)據(jù)的交通規(guī)劃理論等方面都存在極大的提升空間。

大數(shù)據(jù)技術(shù)已經(jīng)廣泛地應(yīng)用于交通規(guī)劃和交通管理中，隨著交通大數(shù)據(jù)更加多元、集成、智能，交通大數(shù)據(jù)在交通規(guī)劃、交通管理、交通決策中的應(yīng)用是必然趨勢。在交通大數(shù)據(jù)技術(shù)的推動下，交通規(guī)劃理念和管理體系正在經(jīng)歷一場變革，城市交通規(guī)劃將轉(zhuǎn)向一個適時響應(yīng)的過程管控平臺。