上海市第五次綜合交通調(diào)查綜合校核技術(shù)

陳必壯，沈云樟，董志國

(上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，上海200040)

上海市第五次綜合交通調(diào)查綜合校核技術(shù)

陳必壯，沈云樟，董志國

(上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，上海200040)

居民出行調(diào)查主要依賴人工實施完成，受到各種人為因素制約，容易導(dǎo)致調(diào)查結(jié)果在反映真實出行特征方面存在偏差。因此，需要進一步利用和分析綜合交通調(diào)查和其他相關(guān)數(shù)據(jù)進行綜合校核。以上海市第五次綜合交通調(diào)查為例，提出人員出行特征和車輛出行特征綜合校核的技術(shù)方法。利用交通行業(yè)相關(guān)統(tǒng)計指標、交通大數(shù)據(jù)、其他專項調(diào)查以及交通模型對出行特征指標進行比對校核。重點闡述人員、客車、貨車出行特征校核的方法及步驟。最后指出，與以往調(diào)查校核相比，本次校核大量應(yīng)用信息化數(shù)據(jù)，有效地將傳統(tǒng)調(diào)查與信息化調(diào)查成果相融合。

綜合交通調(diào)查；綜合校核；出行特征；上海市

城市綜合交通調(diào)查是分析城市交通現(xiàn)狀問題的必要途徑，為建立交通需求預(yù)測模型以及分析交通的供需平衡、交通供需關(guān)系的發(fā)展趨勢等提供基礎(chǔ)數(shù)據(jù)。近年來，隨著上海市城市規(guī)模擴大，人口和小汽車總量快速增長，城市客貨運輸規(guī)模持續(xù)增加，交通供需矛盾日益突出。為及時掌握交通需求特征和變化趨勢，支撐政府部門科學決策，2014年上海市開展了第五次綜合交通調(diào)查。與前四次相比，本次調(diào)查共開展五大類24分項[1]，參與的單位和人員最多，調(diào)查對象范圍最廣，獲得的數(shù)據(jù)規(guī)模也是歷次最多。然而，由于這些數(shù)據(jù)來源于不同部門，采用的調(diào)查方法和手段不盡相同，各類數(shù)據(jù)的指標含義和調(diào)查范圍有所差異，導(dǎo)致數(shù)據(jù)之間不可避免地存在不統(tǒng)一甚至矛盾沖突。因此，有必要對各類調(diào)查數(shù)據(jù)進行綜合性的整合分析和校核比較，形成一套統(tǒng)一的數(shù)據(jù)指標反映城市交通特征。

1 概述

1.1 概念提出

上海市第五次綜合交通調(diào)查內(nèi)容十分豐富，但核心仍是反映城市兩大交通需求特征的人員出行調(diào)查和車輛出行調(diào)查。其中，車輛出行調(diào)查分為客車出行和貨車出行調(diào)查。通過這兩大類調(diào)查可以得到其他調(diào)查無法獲得的個體出行特征數(shù)據(jù)，為交通研究和模型建立提供重要的數(shù)據(jù)支持。然而，由于上海市人口規(guī)模巨大、交通特征復(fù)雜，若仍以傳統(tǒng)抽樣調(diào)查形式開展、采用人工問詢的方式獲得調(diào)查數(shù)據(jù)，則會導(dǎo)致調(diào)查結(jié)果受到調(diào)查方案設(shè)計、調(diào)查樣本選取、調(diào)查人員與被調(diào)查人員素質(zhì)、調(diào)查實施過程以及調(diào)查技術(shù)手段等各種因素的影響，任何環(huán)節(jié)的疏漏均可能左右數(shù)據(jù)的準確性。為保證調(diào)查數(shù)據(jù)真實、有效，需要圍繞這兩類調(diào)查開發(fā)綜合校核技術(shù)來保證數(shù)據(jù)質(zhì)量。該技術(shù)是以出行調(diào)查擴樣數(shù)據(jù)為基礎(chǔ)，利用其他相關(guān)的交通管理統(tǒng)計數(shù)據(jù)、交通信息挖掘數(shù)據(jù)、輔助專項調(diào)查數(shù)據(jù)以及交通模型技術(shù)，對出行調(diào)查的關(guān)鍵指標進行綜合比對和校核，使得出行調(diào)查數(shù)據(jù)在宏觀層面反映城市特征、中微觀層面達到交通建模精度要求的技術(shù)方法。

1.2 校核思路

綜合校核技術(shù)的主要思路是通過多源數(shù)據(jù)對出行特征指標進行比對校核，具體包括：

1）利用交通行業(yè)相關(guān)統(tǒng)計指標。

交通行業(yè)統(tǒng)計指標是為滿足交通運輸管理需要，由交通行政管理部門或交通運輸企事業(yè)單位進行統(tǒng)計的常態(tài)性指標。這些指標大部分是通過對基礎(chǔ)數(shù)據(jù)全樣本統(tǒng)計得到，能夠真實反映指標定義范圍內(nèi)的交通運行特性，是校核出行特征的重要依據(jù)。例如，軌道交通、公共汽車等客運量統(tǒng)計指標與對應(yīng)交通方式的出行量調(diào)查指標之間存在必然聯(lián)系，可進行換乘系數(shù)、接駁方式等關(guān)聯(lián)參數(shù)的合理性判別；同理可對社會車輛數(shù)統(tǒng)計指標與相應(yīng)交通方式出行量調(diào)查指標之間關(guān)聯(lián)參數(shù)(出車率、日均出行次數(shù)和載客人次等)進行合理性分析。但是，在使用該校核方法時，應(yīng)注意交通行業(yè)統(tǒng)計指標與交通調(diào)查對應(yīng)的人口范圍是否一致，若存在差異需采用一定的技術(shù)手段進行處理。例如，公共交通客運量統(tǒng)計指標的對應(yīng)人口是城市總?cè)丝?，而許多城市的居民出行調(diào)查覆蓋人口往往是常住人口。

2）利用交通大數(shù)據(jù)。

交通大數(shù)據(jù)種類越來越多，規(guī)模越來越大，已廣泛應(yīng)用于交通各個領(lǐng)域，并成為出行特征校核的重要依據(jù)。例如，手機用戶穿越交通核查線的信息可與出行的時空分布特征調(diào)查數(shù)據(jù)進行比對；公交一卡通的刷卡信息可與公共交通出行的時空分布特征調(diào)查數(shù)據(jù)進行比對。但是，在使用該校核方法時，除須注意大數(shù)據(jù)與調(diào)查數(shù)據(jù)的對應(yīng)人口是否一致，還須注意大數(shù)據(jù)是否存在樣本偏差和數(shù)據(jù)異常等問題。

3）利用其他專項調(diào)查數(shù)據(jù)。

由于受到一些調(diào)查條件的約束，將調(diào)查數(shù)據(jù)按照出行特征指標統(tǒng)計要求進行分組之后，部分組的調(diào)查數(shù)據(jù)可能無法符合該指標對應(yīng)的人口實際特征，導(dǎo)致指標調(diào)查值出現(xiàn)誤差。特別是大城市或特大城市的交通需求結(jié)構(gòu)復(fù)雜、樣本不足的情況更加普遍。例如，利用居民出行調(diào)查數(shù)據(jù)統(tǒng)計軌道交通出行特征時，調(diào)查樣本分布很難兼顧所有軌道交通車站周邊的用地結(jié)構(gòu)與人口分布的實際情況，從而影響軌道交通出行特征相關(guān)指標調(diào)查統(tǒng)計值的準確性。其中，軌道交通接駁方式結(jié)構(gòu)指標是最容易失真的指標之一，該指標與軌道交通乘客的居住地分布關(guān)系密切，居住地距離軌道交通車站越近，人們選擇步行、自行車等交通方式換乘軌道交通的概率越高；反之，人們選擇公共汽車、小汽車等機動化交通方式接駁軌道交通的概率越高。因此，許多城市一般還需要進行軌道交通客流問詢等專項調(diào)查，與居民出行調(diào)查進行綜合比對分析。

4）利用交通模型技術(shù)。

有些出行特征指標只有通過交通模型分析才能獲得。例如，出行分布特征指標需要利用交通模型技術(shù)使用觀測流量對調(diào)查樣本進行擴樣調(diào)整后才能獲得；機動車行駛總里程、公共汽車客運周轉(zhuǎn)量等指標需要統(tǒng)計全網(wǎng)所有路段(或公共汽車線路段)的流量與長度乘積之和才能得到，目前無論是交通行業(yè)統(tǒng)計數(shù)據(jù)，還是交通信息數(shù)據(jù)都無法得到，需借助交通模型技術(shù)才能實現(xiàn)。

1.3 校核標準

綜合校核涉及大量的多源數(shù)據(jù)，一些數(shù)據(jù)反映宏觀特征，例如全市性行業(yè)統(tǒng)計數(shù)據(jù)和規(guī)模性的交通大數(shù)據(jù)，一些數(shù)據(jù)反映中微觀層面特征，例如交通信息、專項調(diào)查和交通模型數(shù)據(jù)等。這些數(shù)據(jù)相互關(guān)聯(lián)但又存在差異，需要合理甄別和分析使用，建立針對出行調(diào)查的校核標準，使各類數(shù)據(jù)真正發(fā)揮作用。本次調(diào)查建立了以反映城市宏觀特征為主、兼顧交通建模所需的中微觀數(shù)據(jù)指標校核標準(見表1)。

2 人員出行特征校核

人員出行是城市交通的源頭，其特征可以反映城市交通與土地利用、交通設(shè)施、交通政策等各方面的相關(guān)性，是綜合校核最重要的內(nèi)容。人員出行特征校核指標主要包括人均日出行次數(shù)、出行結(jié)構(gòu)、出行時間、出行距離和出行分布等。

2.1 人均日出行次數(shù)

人均日出行次數(shù)校核采用分類、分層分析，并與出行結(jié)構(gòu)同步校核。本次調(diào)查還首次利用手機信息對流動人口在滬停留時間和人均日出行次數(shù)進行分析。

基于上海市人口結(jié)構(gòu)復(fù)雜、交通行為差異較大的特點，將全市總?cè)丝趧澐譃槿龑?見圖1)。第一層是按照在滬時間特征指標將總?cè)丝趧澐譃槌Ｗ∪丝凇⒘鲃尤丝诤土髁咳丝谌?。其中，常住人口是指在滬居住滿6個月的本市戶籍和非本市戶籍人員；流動人口指在滬居住6個月以下、一天以上的非本市戶籍人員；流量人口指當天進出上海市(不在滬過夜)的外來人口。第二層是按照戶口類型和居住場所特征指標將常住人口劃分為戶籍常住人口、(社區(qū))外來常住人口、(集體宿舍)外來常住人口三類。第三層是將戶籍常住人口或(社區(qū))外來常住人口按照年齡、職業(yè)和居住地等社會經(jīng)濟特征指標進一步分組，將(集體宿舍)外來常住人口按照學生宿舍、職工宿舍等居住場所特征指標進一步分組。

圖1 上海市第五次綜合交通調(diào)查人口結(jié)構(gòu)劃分Fig.1 Demographics of the 5th Shanghai Comprehensive Transportation Survey

考慮在滬流動人口對城市交通影響的差異，將流動人口劃分為在滬長期停留和短期停留兩種類型。其中，長期停留的流動人口居住場所以居民社區(qū)、集體宿舍等為主，在滬主要目的是探親、就學、工作等，出行次數(shù)、交通方式等交通特征與常住人口十分相近，這在居民出行調(diào)查中的居家流動人口出行記錄中已得到證實。短期停留的流動人口居住場所以旅館為主，在滬主要目的是出差、辦事、旅游等，交通方式主要為軌道交通、出租汽車及客車，在相關(guān)交通系統(tǒng)的客運量中占一定比例。

通過將調(diào)查人口進行多層次交叉分組，并根據(jù)不同人口類型特點制定針對性的分析校核方案，使得人均日出行次數(shù)指標能夠反映在滬所有人群的交通特征。例如，(社區(qū))外來常住人口人均日出行次數(shù)基于居民出行調(diào)查獲得，(集體宿舍)外來常住人口人均日出行次數(shù)則依據(jù)集體宿舍問詢調(diào)查。

2.2 出行結(jié)構(gòu)

人員出行結(jié)構(gòu)的校核以行業(yè)統(tǒng)計、交通信息等全樣統(tǒng)計的運行指標為基準，利用專項調(diào)查數(shù)據(jù)，綜合分析人員出行與系統(tǒng)運行之間的邏輯換算關(guān)系，確定各種交通方式的出行量和出行結(jié)構(gòu)(見圖2)。按照校核依據(jù)和換算方法，大致可分為三類：

表1 重要指標校核標準Tab.1 Crucial indices verification standard

1）公共交通。包括軌道交通、公共汽車、出租汽車和輪渡，均可從統(tǒng)計部門直接獲得全市客運量或進站量指標，再結(jié)合問詢調(diào)查、其他人工調(diào)查及信息化數(shù)據(jù)對各方式的換乘率、接駁比例等相關(guān)參數(shù)指標進行綜合校核，從而推算出相應(yīng)方式的出行量。

圖2 人員出行結(jié)構(gòu)校核技術(shù)方案Fig.2 Techniques of travel structure verification

圖3 調(diào)查樣本步行方式出行距離分布Fig.3 Distribution of walking distance

2）個體機動和非機動交通。包括班車、小客車、摩托車和非機動車，主要依據(jù)主管部門的擁有量統(tǒng)計數(shù)據(jù)，結(jié)合問詢調(diào)查、其他人工調(diào)查及信息化數(shù)據(jù)對出車率、載客人數(shù)等相關(guān)參數(shù)指標進行綜合校核，推算出相應(yīng)方式的出行量。其中，小客車方式的出行特征指標還應(yīng)與車輛出行調(diào)查的相關(guān)結(jié)果進行比對分析。

3）步行。由于步行出行空間范圍受體力制約較大，出行距離比較穩(wěn)定，主要通過分析出行距離分布比例的合理性進行校核，并與人均日出行次數(shù)校核相互迭代后最終確定(見圖3)。

2.3 出行時間

人員出行時間分布校核盡可能利用交通信息數(shù)據(jù)進行比對分析(見表2)，對于無法獲得交通信息數(shù)據(jù)的方式(例如步行)則通過與其他方式的相互關(guān)系以及經(jīng)驗判斷來確定(見圖4)。

2.4 出行距離

人員出行距離的校核，按照不同交通方式，利用相應(yīng)的交通信息、統(tǒng)計、專項調(diào)查以及交通模型數(shù)據(jù)分別進行校核，并最終加權(quán)匯總得到全方式人員出行距離(見圖5)。各交通方式出行距離校核過程如下：

1）軌道交通。包括軌道交通系統(tǒng)內(nèi)出行距離和系統(tǒng)外出行距離。前者指乘客從進入到離開軌道交通系統(tǒng)的實際距離，由利用軌道交通檢票閘機統(tǒng)計的客流站間OD以及利用手機數(shù)據(jù)分析的客流換乘路徑綜合分析得到。后者指乘客從出發(fā)地到進入軌道交通車站以及從離開軌道交通車站到目的地的實際距離，需對軌道交通的接駁交通特征進行分析，利用軌道交通客流問詢調(diào)查、公交IC卡挖掘技術(shù)信息[3]、軌道交通車站內(nèi)的手機軌跡信息[4]以及交通模型等進行綜合校核研究。

2）公共汽車。包括車內(nèi)距離和車外距離。前者指乘客乘坐公共汽車的實際距離，利用跟車調(diào)查、車載GPS與公交IC卡匹配信息等綜合分析得到。后者包括乘客出發(fā)地—上車站、下車站—目的地以及公共汽車之間換乘的實際距離，主要利用公共汽車站客流問詢調(diào)查及交通模型等綜合分析確定。

3）出租汽車。主要指乘坐出租汽車的實際距離，利用車載GPS信息[5]以及出租汽車出行調(diào)查等數(shù)據(jù)綜合分析確定。

4）客車。包括乘坐客車的實際距離和出發(fā)地至停車位(或停車位至目的地)的車外出行距離，利用客車專項調(diào)查和交通模型綜合分析確定。

5）摩托車、電動自行車、自行車、步行等其他交通方式。一般采用最短路徑，利用專項調(diào)查和交通模型綜合分析確定。

2.5 出行分布

出行分布校核即出行OD校核，綜合反映土地利用、交通設(shè)施與人員出行需求在空間上的相互關(guān)系，因此，需通過多層次的數(shù)據(jù)控制和反復(fù)迭代綜合確定，具體步驟如下(見圖6)：

1）分析各種交通方式出行量與用地、人口、就業(yè)崗位之間的邏輯關(guān)系，校核OD矩陣端點的出發(fā)量、到達量；

2）利用交通信息及專項調(diào)查數(shù)據(jù)，分析各種交通方式的合理出行距離分布曲線，校核OD矩陣空間結(jié)構(gòu)；

3）利用交通信息及核查線調(diào)查數(shù)據(jù)，分析各種交通方式在區(qū)域之間的出行交換量，校核分方式OD矩陣空間結(jié)構(gòu)，并首次利用手機核查線客流穿越量[4]調(diào)查對全方式空間分布進行綜合比對；

4）利用交通模型技術(shù)平臺，反復(fù)修正OD矩陣的端點出行量、出行距離曲線、區(qū)域間出行交換量以及交通量模擬精度，最終確定OD矩陣及出行分布特征指標。

3 小客車出行特征校核

近年來，私人小汽車的快速增長大大影響了城市道路交通的運行，因此小客車出行特征校核成為車輛出行校核的重點。小客車出行特征校核指標包括擁有量、出車率(車輛一日實際出行比例)、日均出行次數(shù)、載客人次、出行時間分布、出行空間分布等。

3.1 擁有量

小客車擁有量是車輛出行需求規(guī)模計算的基礎(chǔ)。按照牌照類型可以將車輛分為市區(qū)號牌(滬牌)、郊區(qū)號牌(滬C)以及外地號牌。對于市區(qū)號牌和郊區(qū)號牌車輛，可以通過已注冊數(shù)據(jù)獲得精確值。但對于外地號牌車輛，則需要通過多源大數(shù)據(jù)進行挖掘后確定，主要包括保險業(yè)聯(lián)合公會的外省市號牌在滬購買交強險數(shù)據(jù)、年檢站的在滬參加年檢的外省市號牌車輛數(shù)據(jù)、道路交叉口及高架路(橋)的車輛牌照識別數(shù)據(jù)、停車普查的牌照結(jié)構(gòu)數(shù)據(jù)以及居民出行擴樣擁有量數(shù)據(jù)等。

3.2 出車率、日均出行次數(shù)及載客人次小客車出車率、日均出行次數(shù)和載客人

表2 各種交通方式出行時間校核依據(jù)Tab.2 Travel time verification for different travel modes

圖4 基于各類交通數(shù)據(jù)統(tǒng)計的出行時間分布Fig.4 Travel time distribution based on different transportation statistics

圖5 各種交通方式出行距離分布Fig.5 Travel distance distribution of different transportation modes

次的校核，主要是采用多源調(diào)查數(shù)據(jù)比對和模型模擬等方法綜合判斷，避免單一調(diào)查數(shù)據(jù)存在的片面性。其中，出車率和日均出行次數(shù)主要對比分析年檢站小汽車出行調(diào)查數(shù)據(jù)、居民擴樣數(shù)據(jù)的可靠性，并結(jié)合歷年趨勢確定(見圖7)。載客人次校核主要深入分析來自居民擴樣、小汽車使用特征以及地面道路、高架路(橋)和對外道路出入口等不同渠道數(shù)據(jù)不一致的原因，再結(jié)合歷年趨勢及幅度等最終確定。

3.3 出行時間分布

圖6 全市人員出行分布校核技術(shù)路線Fig.6 Techniques of travel distribution verification

圖7 出車率歷年變化趨勢Fig.7 Annual percentage of vehicle travel over the years

小客車出行時間分布的校核應(yīng)充分分析人工調(diào)查數(shù)據(jù)(包括居民擴樣、小客車出行特征擴樣、核查線流量調(diào)查數(shù)據(jù))和信息化數(shù)據(jù)(包括越江大橋隧道、高架路(橋)、對外道路出入口的線圈及牌照識別數(shù)據(jù)[6]和高速公路收費數(shù)據(jù))各自時間分布的可靠性和合理性，通過綜合判定后確定(見圖8)。

3.4 出行空間分布

小客車出行分布校核與人員出行分布校核類似，主要步驟包括：

1）根據(jù)居民出行調(diào)查擴樣數(shù)據(jù)，獲得初始出行分布OD矩陣；

2）根據(jù)已經(jīng)確定的小客車總體特征指標(擁有量、出車率、日均出行次數(shù)和載客人次等)，對OD矩陣總量進行修正；

3）根據(jù)核查線流量和重點路段觀測流量等數(shù)據(jù)對OD矩陣宏觀分布進行控制(例如基于越江交通量確定跨江出行分布)；

4）根據(jù)人口、就業(yè)崗位和夜間停車分布資料，進一步細化修正出發(fā)量和到達量；

5）利用交通模型技術(shù)，分析和確定出行距離分布曲線，對出行分布OD矩陣結(jié)構(gòu)進行修正；

6）利用交通模型技術(shù)，獲取OD矩陣的路網(wǎng)模擬交通量，進一步與核查線、重點路段的觀測流量進行比對，對流量誤差情況進行分析，視具體情況返回至上述相應(yīng)步驟進一步調(diào)整OD矩陣，直至流量誤差達到滿意結(jié)果(見圖9)。

4 貨車出行特征校核

隨著上海市國際航運中心建設(shè)以及電子商務(wù)發(fā)展，貨運交通的需求不斷壯大，貨車在道路交通中的比例也不斷加大，掌握和確定現(xiàn)狀貨車出行特征對于相關(guān)規(guī)劃和政策制定具有十分重要的意義。與小客車類似，貨車出行特征校核指標主要包括貨車擁有量、日均出行次數(shù)以及出行分布。其中，貨運車輛的規(guī)模直接來自交通管理部門的統(tǒng)計資料，因此，本次校核主要是日均出行次數(shù)和出行分布指標(見圖10)。

4.1 日均出行次數(shù)

貨車日均出行次數(shù)校核充分結(jié)合人工問詢和車載GPS數(shù)據(jù)挖掘[5]，通過分析兩類數(shù)據(jù)相同號牌車輛的出行特征，校驗人工調(diào)查結(jié)果的可靠性。具體修正包括三個步驟：

1）基于人工問詢調(diào)查獲得分類型貨車的初步日均出行次數(shù)。貨運企業(yè)問詢從樣本規(guī)模和抽樣方法上均比年檢站問詢可靠性高，因此以貨運企業(yè)問詢調(diào)查結(jié)果為主，經(jīng)擴樣可得到不同類型貨車的業(yè)務(wù)運輸出行的初步日均出行次數(shù)(非業(yè)務(wù)類出行及主要與人有關(guān)的出行不計入貨車出行)。其中，由于調(diào)查表中將集裝箱卡車回程出行歸入其他出行，無法直接得到業(yè)務(wù)類日均出行次數(shù)，需進一步根據(jù)年檢站調(diào)查情況、其他貨車非業(yè)務(wù)出行比例及其與集裝箱卡車的相對關(guān)系綜合分析后才能剔除非業(yè)務(wù)出行。

2）基于車載GPS數(shù)據(jù)[5]修正集裝箱卡車日均出行次數(shù)。通過比對車輛號牌，將車載GPS數(shù)據(jù)和企業(yè)人工問詢調(diào)查中集裝箱卡車號牌相同的車輛挑出，比對相同日期兩個渠道的調(diào)查數(shù)據(jù)，發(fā)現(xiàn)車載GPS數(shù)據(jù)挖掘結(jié)果比人工調(diào)查結(jié)果高。進一步對這些車輛進行抽樣檢驗，發(fā)現(xiàn)GPS路徑信息反映的出行記錄基本無異常。因此，認為GPS數(shù)據(jù)挖掘結(jié)果基本反映了集裝箱卡車的真實出行情況。假定這些車輛所反映的日均出行次數(shù)差異適用于全樣本，則可對基于人工問詢調(diào)查的集裝箱卡車初步日均出行次數(shù)進行修正。

3）基于集裝箱卡車的校核結(jié)果對普通貨車日均出行次數(shù)進行修正?；诩b箱卡車的校核結(jié)果，確定人工問詢出行記錄的漏報率(即上述修正系數(shù))。由于普通貨車和集裝箱卡車問詢調(diào)查的實施途徑相同，假定二者的出行記錄漏報率相同，基于人工問詢結(jié)果進一步修正其他類型貨車初步日均出行次數(shù)指標。

4.2 出行分布

貨車出行分布校核與小客車較為類似，主要包括以下步驟：

1）基于分類型貨車擁有量和日均出行次數(shù)確定出行量，并對經(jīng)人工問詢初步擴樣的分類貨車OD矩陣進行修正；

圖8 不同來源小客車出行時間分布Fig.8 Car travel time distribution from different data sources

圖9 小客車出行空間分布Fig.9 Spatial distribution of car travel

圖10 貨車出行校核思路Fig.10 Techniques of freight travel verification

2）根據(jù)道路核查線流量及變化趨勢，綜合判斷獲得分類貨車宏觀出行分布；

3）基于集裝箱堆場、碼頭、貨運站等分布情況，對部分貨車的出發(fā)量和到達量分布進行校核控制；

4）基于人工問詢的出行地址記錄和GPS數(shù)據(jù)挖掘結(jié)果[5]確定分類貨車出行距離分布曲線，對相關(guān)貨車OD矩陣空間結(jié)構(gòu)進行修正。

5 結(jié)語

通過對各類調(diào)查數(shù)據(jù)的深入分析和總結(jié)，上海市第五次綜合交通調(diào)查綜合校核使調(diào)查成果更真實地反映城市交通特征，為后續(xù)交通研究和模型研發(fā)提供必要的數(shù)據(jù)支持。校核技術(shù)方法圍繞傳統(tǒng)的人員出行和車輛出行，運用調(diào)查中的各類數(shù)據(jù)比對，最終確定合理結(jié)果。此外，與以往調(diào)查校核相比，本次校核大量應(yīng)用信息化數(shù)據(jù)，有效地將傳統(tǒng)調(diào)查與信息化調(diào)查成果相融合，也為大數(shù)據(jù)時代的交通分析提供新的思路和方法。

[1]上海市第五次綜合交通調(diào)查總體方案[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2013.

[2]上海市第五次綜合交通調(diào)查技術(shù)報告[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2015.

[3]上海市第五次綜合交通調(diào)查：基于一卡通的交通特征挖掘[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2014.

[4]上海市第五次綜合交通調(diào)查：基于手機信息的出行特征挖掘[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2014.

[5]上海市第五次綜合交通調(diào)查：基于GPS的車輛出行特征數(shù)據(jù)挖掘[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2014.

[6]上海市第五次綜合交通調(diào)查：基于牌照識別的車輛出行特征挖掘[R].上海：上海市城鄉(xiāng)建設(shè)和交通發(fā)展研究院，2014.

Data Verification of the 5th Shanghai Comprehensive Transportation Survey

Chen Bizhuang,Shen Yunzhang,Dong Zhiguo
(Shanghai Urban-Rural Construction and Transportation Development Research Institute,Shanghai 200040,China)

Because of the human factors in manually conducted household travel survey,there are often gaps between the survey results and real travel characteristics.Therefore,it is necessary to verify/rectify the data from comprehensive transportation survey with other relevant information.Taking the 5th Shanghai comprehensive transportation survey as an example,this paper proposes a comprehensive verification technique for individual and vehicle travel characteristics,that is,to take advantage of available statistical indexes from transportation industry,transportation big data,other specific surveys and transportation models for comparing and rectifying the travel characteristics.Techniques of travel characteristics verification for person,passenger car,and freight vehicles are elaborated.Finally,the paper points out that compared with existed survey data verification methods,the new verification techniques effectively integrate traditional survey and informatization survey results using mass informatization data.

comprehensive transportation survey;data verification;travel characteristics;Shanghai

1672-5328（2016）02-0043-08

U491.1+1

A

10.13813/j.cn11-5141/u.2016.0207

2015-11-30

陳必壯(1966—)，男，上海人，教授級高級工程師，總工程師。主要研究方向：城市交通規(guī)劃和政策、城市交通模型。E-mail:allanchenb@163.com