基于多源數據融合的過江OD調查技術
——以江蘇省過江OD調查為例

江蘇省規(guī)劃2018年至2020年間新建9座過江通道，然而，自2007年開展“江蘇省主要公路機動車OD調查”以來，近十年全省性交通調查數據未更新，因此開展了本次江蘇省過江OD調查。隨著交通和信息化的快速發(fā)展，傳統(tǒng)的路邊攔車調查難以適用高速機動車調查，越來越多的城市采用大數據技術開展調查工作。

本研究結合大數據技術，充分利用行業(yè)數據、手機數據和微信問卷進行OD調查，極大提高了調查效率，降低了調查成本。后期在數據處理時，采用多源數據融合技術，汲取各種調查手段的長處，結合各數據特點全面詳實的調查乘客過江出行行為，全面掌握過江出行的交通量、車型、客貨比、OD和出行時耗、載客人數，出行目的、載貨貨重和貨種類型等。

多源數據獲取

本次調查在調研國內外學者對調查技術的研究基礎上，結合江蘇省實際數據存儲情況，共獲得高速公路聯網數據、汽渡票根數據、行業(yè)統(tǒng)計數據、調查問卷數據和電信手機信令5種數據。

調查方法選擇

傳統(tǒng)的人工問卷調查和微信調查能獲得較完整的交通出行特征信息，但費時費力，并且成本太大而覆蓋率較小，不能完全滿足本次要求。交通行業(yè)數據全面，準確度高，但行業(yè)數據對乘客行程路徑、出行目的等特征信息了解不夠。隨著大數據技術的興起，越來越多的學者采用手機信令數據和百度LBS數據等做交通調查。不同的調查手段獲取的數據質量好壞不一，本次調查綜合各種調查方法的優(yōu)勢，采用取長補短，針對全省23處過江調查采取不同調查方法，如表1所示。

表1 各調查方式與內容匯總

多源數據結構

從江蘇省高速公路聯網營運管理中心搜集聯網收費站數據，調用了調查期間約1個月的3000萬余條數據，該數據可以獲得OD出行，車型、出行頻次、出行時間等信息，但無法獲取實載率、貨物種類、出行目的、收費敏感性等信息；本次采用Oricle進行數據存儲和處理。通過各汽渡管理處搜集獲得13處汽渡過江車輛收費數據及對應的數據字典；通過過江隧道監(jiān)控數據可獲得不同車型（主要以客車為主）的每日流量數據。

在高速公路過江通道和南京、揚州、泰州航段汽渡，當車輛停車取卡時，調查員站在自助刷卡站臺前向司機發(fā)放二維碼卡片，司機在得空時填寫問卷，問卷信息回傳問卷星。本次問卷調查共出動調查員500余名，調查進行三天三夜，共發(fā)放問卷約16萬份，回收約8萬余份，有效問卷約4萬余份，圓滿完成了本次調查任務。

手機信令數據覆蓋范圍廣，數據量大，是進行數據補充調查的重要手段。本次利用調查期間全省電信公司的手機信令數據，在Hadoop環(huán)境下完成手機數據清洗、過江行為識別、OD目的地識別，并形成OD矩陣。

圖1 過江通道大橋客流量調查一覽表

圖2 區(qū)域OD出行特征無限細分畫像

5種不同類型的數據均從特定的角度反應了真實的過江特征，本次調查需對獲得的多源異構數據進行整合，形成具有完整的出行特征參數。

多源數據融合

多源數據融合體系框架

多源數據融合主要分為三類：數據層融合、特征層融合和決策層融合。本研究主要在特征層和決策層進行融合，采用集中式分布體系，通過對比分析不同數據源的出行特征、OD結果進行融合擴樣，構建居民過江出行完整的出行屬性表。

多源數據融合與擴樣

本次獲得的交通行業(yè)數據較全，基本滿足過江OD出行分析及主要的出行頻次、出行時間、載重等參數分析，因此本次數據融合采用對比擴樣法，以交通行業(yè)數據為主，以微信調查數據和手機信令數據為擴樣對象，以每個過江通道的OD對小區(qū)為擴充對象，按照不同OD小區(qū)對交通量的差值進行出行特征擴樣，并形成完整的出行特征表（包含OD出行對）。

無效數據剔除方法：微信調查問卷填寫者的素質參差不齊，在實際調查中還存在盜刷問卷紅包的現象，無效問卷較多，對微信問卷無效數據剔除主要規(guī)則如下：一是根據填寫用戶的IP地址批量查詢，與車籍信息匹配，不匹配用戶數值剔除；根據起點地址判斷位于長江南岸或北岸，根據終點地址判斷位于長江南岸或北岸，根據起終點判斷是否具備過江行為，不具備過江行為的剔除；根據起終點給出可能的過江通道，對明顯不符合邏輯選擇的用戶進行剔除等。二是根據用戶編碼、問卷填寫時間，答題時長、人數等，利用箱型圖提取出異常值。三是對開放性問題，如車型、載客人數、載貨重量進行匹配判斷，對載客人數過大，載貨重量過大等明顯不符合邏輯的問卷進行剔除。

在自校核中，可很據每個過江通道（大橋和汽渡）形成的出行特征進行校核，例如對比區(qū)縣間OD對之間誤差是否大于20%，出行頻次、出行目的、載客人數、載貨和貨種等信息是否合理，以此來判斷各通道的數據結構是否正確。同時，在同一個數據源下，對比相同區(qū)縣OD對的出行特征在不同過江通道的結構差異性，對差異較大的OD對進行進一步審查，分析其原因。

對于同一數據源形成出行特征自校后，需要對不同數據源形成的出行特征進行對比和融合。本次數據源中，交通行業(yè)數據最全面、最權威，獲得區(qū)縣OD出行對、出行頻次、車型結構及載重是本次對比參照的依據。本次數據對比融合主要對問卷數據和手機信令數據而言，通過將區(qū)縣OD對和特征與交通行業(yè)獲得的特征對比，確保數據結構偏差不大，為后續(xù)數據擴樣提供基礎。本次調查對歷史調查數據和本次調查數據進行對比分析，各已建大橋工可預測數據和實際調查數據進行對比分析，同時還對政策、新建過江通道對過江運輸量的影響進行分析。

表2 長江二橋客運出行屬性表（整理后）

在完成數據清洗、校核之后，即可對不同數據源進行融合與擴樣。本次融合與擴樣均以各通道的區(qū)縣OD對為基礎，首先，將客運單位統(tǒng)一歸并到人，貨運單位統(tǒng)一歸并到噸，完成單位歸一化處理；其次，依據各通道各區(qū)縣OD對的比例，對非全樣本數據（微信問卷數據和手機信令數據）進行擴樣，對應的其他出行特征相應進行擴樣；然后，以各通道區(qū)縣OD對為唯一標示碼，用Python語句的Join功能將不同數據源進行連接，將問卷數據中出行目的、載貨貨種、載客人數、出發(fā)時間等信息鏈接到OD數據對后；最后按照通道、區(qū)段和全省三個維度進行數據合并。對隧道過江數據而言，按照南京市內過江出行形成OD屬性表，并形成OD屬性對、出行時間和出行人數一一對應的屬性表。

出行屬性表的擴充及結論。為了深入分析過江出行規(guī)律，更好的建立過江出行模型，本次在完整的出行屬性表之后，加入了時間、距離和費用參數。本次通過Python語句，調用高德地圖的API接口，按照Driving模式，最短時間模式提取任何兩個區(qū)縣OD對之間的出行時間、距離和費用；并且，通過各區(qū)縣的統(tǒng)計局統(tǒng)計各自的經濟GDP數據，并將二者GDP鏈接到OD對屬性表后面，建立了OD交通量、出行特征、時間費用及經濟參數一一對應的屬性表。

從出行屬性表各參數的相關關系，可以得出以下結論：客運交通量、載客人數、經濟之間有明顯的正比關系，而且兩城市間經濟差越大，其客流量越大；出行時間越短，其交通占比越大，出行頻次也越高，上班上學等通勤出行特征更明顯；貨運量運輸對出行費用更加敏感，客運出行對出行時間更加敏感；以上班上學為目的的車輛載客人數明顯大于商務出行，載運糧食、快遞等貨物的貨運的出行頻次相對較高，載重較小。

數據可視化展示

對手機信令處理后的數據，按照實際坐標導入GIS平臺中，按照南京市街道行政區(qū)劃劃分小區(qū)，對融合匯總的客貨運OD數據按照江蘇省各市區(qū)縣行政區(qū)顯示交通量。

結合實際地理區(qū)劃信息、經濟、產業(yè)及交通網絡信息，區(qū)域過江出行主要表現為南北方向過江出行，城市內部過江出行主要表現為東西向出行。江蘇省過江呈現兩頭重中間輕的空間格局，主要客流沿江分布，沿江城市連綿化特征明顯。從過境出行來看，省內出行占比78%以上，過境出行以蘇中到上海、山東到浙江的交通量為主。

結語

本次基于多源數據融合調查方法成功應用于區(qū)域OD調查實踐中，按照交通特征層融合制定了詳細的融合擴樣規(guī)則，以區(qū)縣OD對為標識碼的出行屬性表更加科學高效，便于存入數據庫中；加入出行時間、經濟和費用等參數后，方便利用機器學習深入分析各出行特征與交通量的關系，便于后期利用分布式算法進行運算和數據更新；而且從數據收集、處理、融合、分析到可視化均提供了技術方法，可供其他調查者參考。

本研究未涉及機器學習部分，需要其他學者進行深入的研究；雖然本研究發(fā)現手機信令數據得出結論與實際數據有較大差距，但仍難以找到適當的調查方法能對隧道出行車輛OD進行準確分析，期待其他學者進一步研究。