基于互聯(lián)網(wǎng)開放數(shù)據(jù)的城市實(shí)時(shí)交通圈提取及分析

張龍深，葛 星，劉 迪

(河海大學(xué) 地理信息科學(xué)與工程研究所，南京211100)

基于互聯(lián)網(wǎng)開放數(shù)據(jù)的城市實(shí)時(shí)交通圈提取及分析

張龍深，葛 星，劉 迪

(河海大學(xué) 地理信息科學(xué)與工程研究所，南京211100)

以北京市為研究區(qū)，結(jié)合Python語言獲取在樣本點(diǎn)位置百度地圖API所提供的實(shí)時(shí)交通數(shù)據(jù)，通過空間插值的方法將樣本點(diǎn)轉(zhuǎn)化為可達(dá)性面，并將面數(shù)據(jù)進(jìn)行分級(jí)處理，最終獲得交通圈數(shù)據(jù)。通過北京市公交刷卡數(shù)據(jù)來對(duì)獲取的時(shí)空圈進(jìn)行置信度評(píng)價(jià)，以此為依據(jù)，劃分駕車和公共交通兩種模式下的高峰和非高峰時(shí)空圈。結(jié)果表明：(1)獲取的交通數(shù)據(jù)與刷卡數(shù)據(jù)有較強(qiáng)的相關(guān)性，說明通過百度地圖API獲取實(shí)時(shí)交通數(shù)據(jù)方法可行；(2)比起傳統(tǒng)的交通圈獲取方法，利用百度地圖API獲取的數(shù)據(jù)能夠更準(zhǔn)確更實(shí)時(shí)地反映交通圈信息；(3)相比駕車模式、北京市公共交通模式下的交通圈在偏向式延伸方面支撐力較差；(4)公共交通模式獲取的時(shí)空圈考慮到步行的距離和時(shí)間，這對(duì)未來研究城市內(nèi)部公共交通分布的均衡性提供依據(jù)。

百度地圖API；城市交通圈；范圍；結(jié)構(gòu)

等時(shí)間交通圈集成時(shí)間與空間兩個(gè)維度，一般指從中心地出發(fā)，在一定時(shí)間閾值內(nèi)能夠到達(dá)的空間范圍，是交通基礎(chǔ)設(shè)施對(duì)城市與區(qū)域發(fā)展的引導(dǎo)、支撐與保障能力的直觀反映[1]。國(guó)內(nèi)學(xué)者曾經(jīng)通過通勤[1-4]以及經(jīng)濟(jì)距離[5-6]這兩種方面來對(duì)研究區(qū)域交通圈進(jìn)行綜合評(píng)價(jià)：黃翌等采用基于路網(wǎng)的網(wǎng)絡(luò)分析分別對(duì)上海主城區(qū)、京津冀城市群、廈漳泉城市群進(jìn)行交通圈提取分析[1-4]。但基于實(shí)時(shí)擁堵度的交通圈分析，目前國(guó)內(nèi)學(xué)術(shù)界尚未有更好的方法進(jìn)行量化及提取方法[7-8]，為此，本文以北京市為例，結(jié)合百度地圖API所提供的實(shí)時(shí)路況數(shù)據(jù)，通過Python語言和ArcGIS軟件對(duì)實(shí)時(shí)交通圈進(jìn)行提取和分析。

1 研究區(qū)概況

本次研究區(qū)為北京市市域，總面積約16 410 m2，常住人口2 170.5萬人，GDP 22 968.6億元。北京是全國(guó)交通最發(fā)達(dá)的城市之一，全市公交路線共有約700余條、地鐵19條線路，運(yùn)營(yíng)里程約600 km，六環(huán)內(nèi)公交站約4 000個(gè)，在運(yùn)營(yíng)出租車約6.6萬余輛。

2 方法與數(shù)據(jù)

2.1 百度地圖API

本次用到的互聯(lián)網(wǎng)開放數(shù)據(jù)是百度開放平臺(tái)提供的接口：Direction API，它是一套以HTTP/HTTPS形式提供的公交、駕車、騎行、步行查詢檢索接口，根據(jù)請(qǐng)求接口參數(shù)，可返回xml或json格式的檢索數(shù)據(jù)。其主要參數(shù)如表1所示。

表1 Direction API參數(shù)及含義Tab.1 Parameters and meaning fo direction API

通過輸入?yún)?shù)后返回的json格式數(shù)據(jù)格式如下：

其中，distance代表從起點(diǎn)到終點(diǎn)經(jīng)過路徑規(guī)劃后的最佳路徑長(zhǎng)度，其單位為m。duration代表經(jīng)歷的時(shí)間，單位為s。

由于Direction API這個(gè)接口是基于百度地圖所監(jiān)測(cè)的實(shí)時(shí)路況進(jìn)行計(jì)算規(guī)劃，因此返回的最佳路徑以及最短時(shí)間在不同的時(shí)段是考慮擁擠度后計(jì)算的，可以借此方法來對(duì)研究區(qū)不同時(shí)段的時(shí)空圈進(jìn)行計(jì)算。

2.2 樣本點(diǎn)選取及數(shù)據(jù)獲取

本次研究以天安門為中心，0.005經(jīng)度和緯度間距構(gòu)建一萬個(gè)樣本點(diǎn)陣。由于樣本點(diǎn)數(shù)過于龐大，使用人工處理較為繁瑣，因此通過Python語言的requests包向Direction API傳遞參數(shù)，將返回的json數(shù)據(jù)進(jìn)行讀取存儲(chǔ)，最終獲得每個(gè)樣本點(diǎn)實(shí)時(shí)到達(dá)中心點(diǎn)的路徑距離和時(shí)間。采用Python并行運(yùn)算的處理方式，獲取一萬個(gè)樣本點(diǎn)數(shù)據(jù)的時(shí)間約為15 min，可以認(rèn)為是實(shí)時(shí)的交通數(shù)據(jù)。

2.3 數(shù)據(jù)插值

由于獲取的數(shù)據(jù)是點(diǎn)數(shù)據(jù)，為了使其更能完整地表達(dá)出研究區(qū)的交通圈特征，需要對(duì)點(diǎn)進(jìn)行插值處理從而獲得面數(shù)據(jù)?？紤]到樣本點(diǎn)的數(shù)目以及其密集程度，本次采用普通克里金方法對(duì)其進(jìn)行插值處理。其主要原理是考慮樣本點(diǎn)的屬性和樣本點(diǎn)的空間位置的變異分布，通過分析樣本點(diǎn)之間的空間相關(guān)性，選定一個(gè)對(duì)未知點(diǎn)具有影響的范圍，范圍內(nèi)的所有樣本點(diǎn)共同確定其屬性值，其最基本的表達(dá)式如下：

其中：Z(Xi)代表Xi處插值的結(jié)果，Z(Xj)代表Xj處的觀測(cè)值，λj為克里金系數(shù)，n為樣本點(diǎn)的個(gè)數(shù)。

2.4 公交刷卡數(shù)據(jù)

為證明所獲取數(shù)據(jù)的可靠性，本次研究通過北京市六環(huán)內(nèi)公交車刷卡數(shù)據(jù)來進(jìn)行回歸分析驗(yàn)證，北京市內(nèi)公交站點(diǎn)分布如圖1所示。北京公交實(shí)行上下刷卡制度，通過刷卡數(shù)據(jù)可以得到從上車站點(diǎn)到下車站點(diǎn)期間經(jīng)歷的時(shí)間，本次同樣以天安門公交站點(diǎn)為起點(diǎn)，計(jì)算從該站點(diǎn)出發(fā)到其他站點(diǎn)所經(jīng)歷的時(shí)間，若出現(xiàn)站點(diǎn)不能一次性到達(dá)的情況時(shí)，則計(jì)算到該站點(diǎn)換乘的最短距離并將換乘期間的時(shí)間相加，即可取得以天安門公交站為起點(diǎn)到達(dá)其他各個(gè)公交站點(diǎn)所經(jīng)歷的時(shí)間。

圖1 北京市內(nèi)公交站點(diǎn)分布Fig.1 Distribution of Beijing bus station

3 結(jié)果與分析

3.1 置信度分析

通過ArcGIS的提取分析，提取出公交站點(diǎn)所在位置的非高峰期交通圈數(shù)值，與公交可達(dá)性時(shí)間大小作為順序與該數(shù)據(jù)進(jìn)行對(duì)比，結(jié)果如圖2所示：

圖2 刷卡數(shù)據(jù)與交通圈數(shù)據(jù)對(duì)比(非高峰)Fig.2 Comparison of credit card data and traf fi c circle data(non-peak period)

將二者進(jìn)行回歸分析得：

從圖2中可以看出，在30 min內(nèi)，公交刷卡時(shí)間曲線低于基于百度地圖計(jì)算的可達(dá)時(shí)間擬合曲線，這可能是由于刷卡數(shù)據(jù)僅考慮上車時(shí)間，未考慮步行時(shí)間，而百度地圖規(guī)劃可達(dá)時(shí)間是加上計(jì)算的步行時(shí)間的。當(dāng)時(shí)間超過50 min后，基于百度地圖計(jì)算的可達(dá)時(shí)間擬合曲線低于公交刷卡時(shí)間曲線，這可能是由于百度地圖API的公共交通方式采用公交和地鐵混合計(jì)算，越遠(yuǎn)距離，地鐵的優(yōu)勢(shì)度升高，到達(dá)時(shí)間比單純公交路線快。

表2 回歸分析結(jié)果Tab.2 Regression analysis results

由回歸結(jié)果可以看出(表2)，測(cè)定系數(shù)(R Square)約為0.54，代表二者擬合較好，置信度(P-value)約為0，代表二者關(guān)系具有很高的相關(guān)性。標(biāo)準(zhǔn)誤差較高的原因是由于百度地圖數(shù)據(jù)計(jì)算時(shí)添加了到各個(gè)位置的步行時(shí)間以及混合了地鐵計(jì)算，以及二者數(shù)據(jù)雖然是在相同時(shí)間段，但日期不同，可能道路通達(dá)性不同等。

3.2 交通圈分析

本次獲取和處理的可達(dá)性數(shù)據(jù)時(shí)間段分為高峰時(shí)期(18∶00—18∶30)和非高峰時(shí)期(20∶00—20∶30)兩種情況，出行模式選擇駕車出行和公共交通出行。通過對(duì)4種情況點(diǎn)數(shù)據(jù)進(jìn)行普通克里金插值，采用30 min為分級(jí)界限分為五個(gè)等級(jí)，其結(jié)果如圖3、圖4所示：

圖3 北京市駕車交通圈Fig.3 Beijing driving traf fi c circle

圖4 北京市公共交通交通圈Fig.4 Beijing public transit traf fi c circle

以點(diǎn)陣的范圍做邊界(5 331km2)，統(tǒng)計(jì)駕車和公共交通模式在30 min以及60 min兩種情況交通圈面積占比，如表3所示：

表3 不同模式/時(shí)間下交通圈面積對(duì)比Tab.3 Comparison of traf fi c circle in different modes / times

結(jié)合圖表我們可以看出：

(1)基于駕車模式插值生成的可達(dá)性交通圈，其兩種形態(tài)都偏向于圓形，說明了北京市在道路方面規(guī)劃較為均衡，車輛在30 min內(nèi)到任何方向的距離差距不大。但30 min內(nèi)高峰和非高峰交通圈面積差距有約6倍左右，表明高峰時(shí)期對(duì)于駕車來講影響較大。

(2)基于公共交通模式插值生成的可達(dá)性交通圈，其交通圈在高峰和非高峰期形態(tài)偏向于菱形，這可能是由于公共交通模式混合有地鐵方式，北京市地鐵大多數(shù)是橫縱分布，對(duì)于橫向和縱向位置可以較為便捷到達(dá)，公交到達(dá)斜向較為方便，但相比地鐵來說較慢。高峰與非高峰時(shí)期的交通圈面積變化相對(duì)于駕車模式不大，非高峰面積約為高峰時(shí)期面積的2倍。

(3)駕車模式和公共交通模式二者對(duì)比可以看出，在30 min的高峰期內(nèi)，駕車可達(dá)的范圍與公共交通可達(dá)范圍其實(shí)差距不大，即當(dāng)高峰期時(shí)，在30 min內(nèi)的路程可以考慮公共交通代替駕車。但在60 min內(nèi)，駕車模式時(shí)空圈相比于公共交通模式存在優(yōu)勢(shì)，其二者面積相差約1倍，即當(dāng)在30 min以上的路程，駕車比乘坐公共交通工具有更大的優(yōu)勢(shì)。

4 結(jié)論

1）通過公共交通模式時(shí)空圈提取出的數(shù)據(jù)與公交刷卡數(shù)據(jù)進(jìn)行對(duì)比，發(fā)現(xiàn)其相關(guān)性較大，說明基于百度地圖API獲取的實(shí)時(shí)數(shù)據(jù)方法可行。

2）與網(wǎng)絡(luò)分析法等傳統(tǒng)方法相比，利用百度地圖API獲取的可達(dá)性數(shù)據(jù)可以更準(zhǔn)確地描述該區(qū)域的交通圈形態(tài)、范圍和結(jié)構(gòu)。并且能在不同的時(shí)段獲取實(shí)時(shí)的交通可達(dá)數(shù)據(jù)，使得數(shù)據(jù)更精細(xì)，更具有時(shí)效性，為未來城市內(nèi)部交通研究提供了新的思路。

3）北京市駕車模式下的交通圈形態(tài)偏向圓形、公共交通模式下偏向于菱形，表明北京市公共交通方面對(duì)于斜向的交通支撐力較弱。在高峰時(shí)期，駕車模式相比較公共交通模式在30 min內(nèi)交通圈相差并不大，但隨著時(shí)間增長(zhǎng)，駕車模式交通圈擴(kuò)張更快。公共交通模式下交通圈較為穩(wěn)定，受高峰擁擠度影響較小。

4）獲取的公共交通實(shí)時(shí)數(shù)據(jù)考慮到了步行的距離和時(shí)間，這將有利于分析城市內(nèi)部的公共交通分布的均衡性。

本研究還存在一些不足：由于API每天配額有限，在0.005經(jīng)緯度間隔密度下只取了一萬個(gè)采樣點(diǎn)進(jìn)行研究，使得研究區(qū)域并不能完全覆蓋，并且需要15 min獲取全部數(shù)據(jù)，未來應(yīng)增加采樣點(diǎn)的數(shù)量并優(yōu)化算法；數(shù)據(jù)樣本點(diǎn)研究只采用一天的數(shù)據(jù)，這可能會(huì)受某些其他因素造成結(jié)果有偏差，或考慮對(duì)多天進(jìn)行關(guān)聯(lián)分析；未對(duì)樣本點(diǎn)數(shù)據(jù)進(jìn)行清洗，這可能導(dǎo)致部分樣本點(diǎn)因位于交通不便處使得數(shù)值異常，造成插值結(jié)果不準(zhǔn)確。

[1] 陳 卓，金鳳君.北京市等時(shí)間交通圈的范圍、形態(tài)與結(jié)構(gòu)特征[J].地理科學(xué)進(jìn)展，2016，35(3)：389-398.

[2] 黃 翌，李 陳，歐向軍，等.城際“1小時(shí)交通圈”地學(xué)定量研究：以上海主城區(qū)為例[J].地理科學(xué)，2013，33(2)：157-166.

[3] 王 德，郭玖玖.北京市一日交流圈的空間特征及其動(dòng)態(tài)變化研究[J].現(xiàn)代城市研究，2008 (5)：68- 75.

[4] 曾月娥，伍世代.廈漳泉城市群小時(shí)交通圈研究[J].地理科學(xué)進(jìn)展，2016，35(8)：975-982.

[5] 吳新文，羅陽輝.哈爾濱一小時(shí)經(jīng)濟(jì)圈空間范圍的界定研究[J].經(jīng)濟(jì)論壇，2012 (11)：75-78.

[6] 劉 迪.基于路網(wǎng)可達(dá)性的中國(guó)新城新區(qū)公共服務(wù)均衡性水平的度量——以醫(yī)療保障為例[J].河北工程大學(xué)學(xué)報(bào)：自然科學(xué)版，2017，34(2)：91-94.

[7] BENENSON I，MARTENS K，Rof Y，et al.Public transport versus private car GIS-based estimation of accessibility applied to the Tel Aviv metropolitan area[J].The Annals of Regional Science，2011，47(3)：499-515.

[8] CAO X，CHEN H，LINNA L I，et al.Private Car Travel Characteristics and In fl uencing Factors in Chinese Cities——A Case Study of Guangzhou in Guangdong，China[J].Chinese Geographical Science，2009，19(4)：325-332.

Analysis and extraction of urban real - time traf fi c circle based on internet open data

ZHANG Longsheng，GE Xing，LIU Di
(Institute of Geographic Information Science and Engineering research，Hohai university，Nanjing 211100，China)

In this paper，taking Beijing as the research area，the Python language is used to obtain the real-time traffic data provided by the Baidu map API at the sample point location，then，the sample points are transformed into reachability surface by spatial interpolation，and the surface data is graded.Finally，we get traf fi c data. Through the Beijing bus credit card data to obtain the space-time circle for the evaluation of con fi dence，as a basis the two modes of driving and public transport under the peak and non-peak space-time circle are divided. The results show that：①The obtained traf fi c data has a great correlation with the credit card data，which shows that the real-time traf fi c data method can be obtained through the Baidu map API.② Compared with the traditional traf fi c circle acquisition method，the data obtained by Baidu map API is more accurate and more real-time traf fi c circle information；③ Compared to the driving mode，the Beijing public transport mode traf fi c circle is in the bias-type extension of the poor support；④ Public transport mode takes into account the distance and time，which will provide a basis for the future study on the balance of the distribution of public transport in the city.

Baidu map API；city traf fi c circle；scope；structure

U12

A

1673-9469（2017）04-0094-05

10.3969/j.issn.1673-9469.2017.04.021

2017-09-25

國(guó)家自然科學(xué)基金資助項(xiàng)目(41201394)

張龍深(1993-)，男，江蘇鹽城人，碩士研究生，主要研究方向是地圖學(xué)與地理信息系統(tǒng)。