大數(shù)據(jù)在軌道交通客流預測中的應用
——以蕪湖市交通需求預測為例

王 洋 董雪婷

(中鐵工程設計咨詢集團有限公司，北京 100055)

在城市軌道交通規(guī)劃中，客流預測專題必不可少，開展客流預測需要進行交通調查，傳統(tǒng)的交通調查方式為現(xiàn)場或入戶問卷填寫，需要消耗較多人力物力，且在疫情等城市公共安全衛(wèi)生緊急事件發(fā)生時無法展開工作，為解決傳統(tǒng)交通調查存在的不足，利用手機信令大數(shù)據(jù)，調查覆蓋面更廣，調查時效性更靈活，減少人力成本，對城市軌道交通的發(fā)展有一定的意義。

王迎春等基于ACP方法的平行手機信令數(shù)據(jù)系統(tǒng)，科學實現(xiàn)區(qū)域人流監(jiān)控，從而為用戶的出行路線規(guī)劃提供相關指導[1]；宋璐利用手機信令數(shù)據(jù)與用戶行為的關聯(lián)，對出行OD做可視化分析[2]；李長春基于手機信令數(shù)據(jù)對城市規(guī)劃及交通規(guī)劃進行了研究[3]；胡永愷研究基于手機信令數(shù)據(jù)的用戶出行以及通道出行的特性分析[4-5]；楊彬彬利用手機信令數(shù)據(jù)分析了地鐵乘客的出行路徑及出行行為，為獲取更準確的乘客出行特征提供了依據(jù)[6]；曹仲等利用手機信令數(shù)據(jù)研究了區(qū)域交通流的可視化[7]；劉鎧利用手機信令獲取了動態(tài)OD分析[8]；倪玲霖分析了利用手機信令研究居民出行特征時應考慮空間效應[9]；陸振波利用手機信令數(shù)據(jù)以昆山市為例，分析了居民的職住平衡，并提出了優(yōu)化建議[10]；馬春景基于手機信令數(shù)據(jù)對于流動人口的出行特性進行了分析；苗壯分析了在利用手機信令數(shù)據(jù)中，數(shù)據(jù)清洗與挖掘的重點[14]；林培群等研究了手機信令數(shù)據(jù)在交通樞紐人流測算及城市建成環(huán)境的應用[15-18]。

綜上所述，基于手機信令數(shù)據(jù)的分析在居民出行特征以及城市土地利用優(yōu)化等方面發(fā)揮了很好的作用，但在以下軌道交通客流預測中應用較少，本文重點就手機信令數(shù)據(jù)在交通調查中的作用，以及其對為軌道交通客流預測模型的數(shù)據(jù)、參數(shù)標定提供的支撐和校核進行研究分析。

1 手機信令數(shù)據(jù)處理

基于手機信令數(shù)據(jù)的分析，可以全面了解并掌握蕪湖市綜合交通基礎現(xiàn)狀。以對交通模型修正校驗、軌道交通規(guī)劃、客流預測等規(guī)劃工作予以輔助支撐。手機信令數(shù)據(jù)分析首先對原始手機信令數(shù)據(jù)進行采集、預處理(清洗、排序、修補)，通過地圖匹配技術、出行鏈分析技術獲取較翔實的城市交通現(xiàn)狀基礎研究數(shù)據(jù)，進而與其他調查方式獲取的調查數(shù)據(jù)進行校核，以期獲得更為完善、高精準的城市交通現(xiàn)狀基礎數(shù)據(jù)及分析結果，進而支撐軌道交通客流預測的工作，最終使軌道交通客流預測、建設更科學，分析結果更能反映現(xiàn)狀。

1.1 技術路線

在蕪湖市軌道交通需求預測中，依托2019年12月的中國電信移動數(shù)據(jù)進行分析，其中，對2019年第一周(即12月2日至12月8日)的數(shù)據(jù)進行重點分析。

基于手機數(shù)據(jù)的出行調查的技術路線見圖1。

圖1 基于手機數(shù)據(jù)的出行調查技術路線

1.2 網(wǎng)格處理

手機基站信號與城市地理空間的相互映射關系，是手機技術應用于出行調查數(shù)據(jù)采集的最為關鍵的基礎性數(shù)據(jù)。直接利用手機數(shù)據(jù)，只能得到手機用戶在移動通信網(wǎng)絡不同的信號覆蓋小區(qū)間的運動情況，而只有將手機基站信號映射到城市地理空間上，才能得到手機用戶在城市地理空間中的運動情況，用于手機用戶出行活動參數(shù)的計算與分析。手機基站信號與城市地理空間相互映射關系見圖2。

圖2 手機基站信號與城市地理空間相互映射示意

根據(jù)中國電信提供的基站坐標，對基站的服務范圍進行500×500的網(wǎng)格化處理，網(wǎng)格分布見圖3。其中，被點亮的網(wǎng)格是最靠近基站的網(wǎng)格，可以看出，電信基站的位置在主城區(qū)分布較為密集，基本整個建成區(qū)，而外圍的村鎮(zhèn)基站分布較為稀疏。

圖3 基站網(wǎng)格分布示意

1.3 交通區(qū)域劃分

根據(jù)蕪湖市的行政區(qū)劃，按照各街道管轄范圍進行劃分，一共劃分了33個交通大區(qū)，見圖4。并按照街道劃分的交通大區(qū)基于街道進行網(wǎng)格處理，處理結果見圖5。

圖4 按照街道劃分的交通大區(qū)

圖5 基于街道的交通大區(qū)網(wǎng)格處理

2 職住分析

2.1 職住平衡指數(shù)

“職住平衡”是指片區(qū)內大部分的居民實在本區(qū)內工作就業(yè)學習，通勤、通學在本地實現(xiàn)。同時，其他區(qū)域的居民也較少比例進入該區(qū)域工作，而非單純的就業(yè)機會與住房機會數(shù)量上相等。實際上，城市空間結構存在明顯的不均勻特征，人口和產(chǎn)業(yè)的規(guī)模及結構在空間上都具有不同的分布形式，因此“職住比”在不同區(qū)位間也必然呈現(xiàn)出差異性，不應在所有的位置上都追求“絕對”意義上的數(shù)量平衡，或者說是相同的“職住比”。除了職住比，衡量職住關系的還有居住平衡指數(shù)和就業(yè)平衡指數(shù)。

(1)職住比

一般城市的居住人口是大于就業(yè)人口的，城市總就業(yè)數(shù)和總人口數(shù)的比重在0.5～0.6。為便于理解，通常將人口數(shù)量進行折減處理，將總人口數(shù)轉化為就業(yè)人口。職住比計算公式為

(1)

其中，JHRi為街道i的職住比；Ji為街道的就業(yè)崗位數(shù)；Hi為街道的居住人口數(shù)(已經(jīng)過折減處理)。

(2)居住者平衡指數(shù)

(2)

其中，JHBRH，i為街道i的居住者就業(yè)匹配指數(shù)；MATCHi為同時在該街道就業(yè)和居住的人數(shù)；Hi表示在i街道居住的總人數(shù)(不論其在哪個街道j就業(yè))。

(3)就業(yè)者平衡指數(shù)

(3)

其中，JHBRH，i為街道i的就業(yè)者居住匹配指數(shù)；MATCHi為同時在該街道就業(yè)和居住的人數(shù)；Ji表示在i街道就業(yè)的總人數(shù)(不論其在哪個街道j居住)。

2.2 手機信令識別常住人口分布

基于蕪湖市區(qū)交通中區(qū)，利用2019年12月份每日21:00～7:00的夜間數(shù)據(jù)訓練識別，一個月內居住15 d及以上，位于同一區(qū)域內，即可認為該用戶常住于此處?；谑謾C信令數(shù)據(jù)識別的蕪湖市人口分布情況見圖6。

圖6 基于手機識別的居住人口分布

根據(jù)統(tǒng)計數(shù)據(jù)，蕪湖市區(qū)常住人口為171.2萬，手機識別常住人口53萬人，擴樣系數(shù)為3.229。各交通中區(qū)人口密度分布見圖7。

圖7 街道人口密度分布

從人口分布來看，蕪湖市區(qū)鏡湖區(qū)、弋江區(qū)、鳩江區(qū)三區(qū)的常住人口分別為57.7萬、50.2萬、63.3萬，鳩江區(qū)、弋江區(qū)轄區(qū)范圍相對較大，蕪湖市區(qū)核心主要集中在鏡湖區(qū)。

從人口分布來看，人口密度最大的街道為張家山街道，居住人口密度接近2.5萬人/km2；其次為范羅山街道、赭山街道、大礱坊街道，居住人口密度高于1.8萬人/km2。

2.3 手機信令識別就業(yè)人口分布

利用2019年12月份每日7:00～19:00的白天數(shù)據(jù)訓練識別，存在一半工作日天數(shù)及以上，位于同一區(qū)域內，即可認為該用戶于此處工作?；谑謾C信令數(shù)據(jù)識別的蕪湖市就業(yè)崗位分布情況見圖8。

圖8 基于手機識別的就業(yè)崗位分布

手機識別就業(yè)人口數(shù)為46萬人，根據(jù)統(tǒng)計年鑒數(shù)據(jù)顯示，市區(qū)范圍就業(yè)人口在85.6萬人左右，擴樣系數(shù)按照1.861計算，各街道就業(yè)崗位密度分布見圖9。

圖9 街道崗位密度分布

從就業(yè)崗位分布來看，蕪湖市區(qū)鏡湖區(qū)、弋江區(qū)、鳩江區(qū)三區(qū)的就業(yè)人口分別為23.3萬、27.3萬、35.0萬，就業(yè)人口/常住人口占比分別為0.40、0.54、0.55；從就業(yè)人口總量來看，蕪湖居住人口主要集中在老城區(qū)范圍，而工業(yè)崗位主要集中在鳩江區(qū)、弋江區(qū)，蕪湖經(jīng)濟技術開發(fā)區(qū)位于蕪湖市區(qū)北部和東部，弋江區(qū)峨山東路以南也布局了許多人口密集型產(chǎn)業(yè)。

從就業(yè)崗位密度分布來看，崗位密度最大的為張家山和范羅山街道，就業(yè)密度為1萬個/km2以上；其次為南瑞和大礱坊街道，就業(yè)密度為7 500個/km2。

從就業(yè)崗位分別來看，蕪湖為典型的單核城市，赭山—長江—青弋江—寧蕪鐵路為城市核心區(qū)域，人口及崗位高度集中。人口崗位以該區(qū)域為核心逐漸向外稀疏。

2.4 手機信令識別職住分析

針對手機識別的居住人口和就業(yè)人口，以及在同一街道居住并就業(yè)的數(shù)據(jù)，分別對職住比JHR、居住者就業(yè)平衡指數(shù)JHBRH，就業(yè)者居住平衡指數(shù)JHBRJ三組數(shù)據(jù)對各街道的職住關系進行分析。

(1)街道職住比

職住比在一定程度上反映了該街道人口與就業(yè)之間的供需關系，其中居住人口按照就業(yè)總量同比例折減。當職住比越大時，說明該區(qū)域就業(yè)機會更多，更有能力吸引其他區(qū)域到該區(qū)域就業(yè)；當職住比越小時，說明該區(qū)域以居住為主，就業(yè)機會少于居住機會，該區(qū)域人口傾向于跨區(qū)域實現(xiàn)就業(yè)。

從職住比在空間上分布來看，蕪湖中心城區(qū)整體呈現(xiàn)南弱北強的格局，由于蕪湖經(jīng)濟技術開發(fā)區(qū)集中在主城區(qū)北側和東側，工業(yè)用地占比較大，勞動密集型產(chǎn)業(yè)較多。

從各街道的職住比來看，職住比最大的街道為范羅山街道和清水街道，職住比大于1.30，范羅山街道為蕪湖中心城區(qū)核心區(qū)域，為蕪湖商業(yè)金融中心，經(jīng)濟活動最為活躍。清水街道為蕪湖經(jīng)濟技術開發(fā)區(qū)，該區(qū)域以工業(yè)用地為主，而住宅小區(qū)較少，造成就業(yè)崗位明顯大于居住人口。

職住比較小的街道為汀棠街道、鏡湖新城街道、龍湖街道，職住比在0.6～0.7，3個區(qū)域用地性質較為單一，主要以居住為主，就業(yè)機會較少，大部分居民需要去其他區(qū)域實現(xiàn)就業(yè)。由于城市規(guī)劃中功能區(qū)劃分，一般將產(chǎn)業(yè)集中起來發(fā)揮產(chǎn)業(yè)集聚效益，某些功能區(qū)定位以居住功能為主，從用地性質可以看出，這3個街道以居住用地為主。例如，龍湖街道與三山街道緊鄰，三山街道布置大量工業(yè)用地，而龍湖街道以居住為主，龍湖街道居民將跨街道至三山街道實現(xiàn)就業(yè)。

外圍鄉(xiāng)鎮(zhèn)職住比相對均衡，職住比在1.0左右。外圍鄉(xiāng)鎮(zhèn)街道零星布局了工廠，在本地即可實現(xiàn)就業(yè)，職住相對平衡，例如白茆鎮(zhèn)、湯溝鎮(zhèn)、峨橋鎮(zhèn)等外圍鄉(xiāng)鎮(zhèn)，相對獨立，跨區(qū)通勤出行需求較少。街道職住比分布見圖10。

圖10 街道職住比分布

(2)居住者平衡指數(shù)

居住者平衡指數(shù)是在該區(qū)內居住并就業(yè)的人口數(shù)量與該區(qū)域居住人口總量的比值。居住者平衡指數(shù)越小，說明該區(qū)域的街道跨區(qū)實現(xiàn)就業(yè)的比例越大。蕪湖市區(qū)街道居住者平衡指數(shù)平均值為58.7%，即平均有58.7%的居住者選擇在本街道就業(yè)。

城市中心范羅山街道經(jīng)濟實力活躍，就業(yè)機會較多，該街道居住者平衡指數(shù)為67.63%，大于周邊街道居住者平衡系數(shù)，即居住在范羅山街道的居民在本街道實現(xiàn)就業(yè)比例為67.63%，位于城市中心的居民只有約1/3的人員跨區(qū)工作。

居住者平衡指數(shù)最低的街道為馬塘街道，為43%，即僅有43%的居民在本地工作，而57%將去其他街道就業(yè)；白茆鎮(zhèn)、湯溝鎮(zhèn)外圍鄉(xiāng)鎮(zhèn)在本地居住就業(yè)比例最高，區(qū)域相對獨立。居住者平衡指數(shù)見圖11。

圖11 居住者平衡指數(shù)

(3)就業(yè)者平衡指數(shù)

就業(yè)者平衡指數(shù)是在該區(qū)內居住并就業(yè)的人口數(shù)量與該區(qū)域就業(yè)人口總量的比值。就業(yè)者平衡指數(shù)越小，說明該區(qū)域的街道跨區(qū)實現(xiàn)就業(yè)的比例越大。蕪湖市區(qū)街道居住者平衡指數(shù)平均值為63.07%，即平均有63.07%的就業(yè)者選擇在本街道就業(yè)。

就業(yè)者平衡指數(shù)最小的街道為清水街道，就業(yè)者平衡系數(shù)為58.84%，該區(qū)域大多為工業(yè)用地，區(qū)域居住人群較少，該街道本身人口難以滿足崗位需求，就業(yè)人口大多來自其他區(qū)域。

龍山街道也屬于蕪湖經(jīng)濟技術開發(fā)區(qū)，但區(qū)內居住人口與就業(yè)崗位數(shù)量基本相當，就業(yè)者平衡系數(shù)為66.67%，約有2/3的人在本區(qū)內部就業(yè)，內部就能實現(xiàn)部分平衡。就業(yè)者平衡指數(shù)見圖12。

圖12 就業(yè)者平衡指數(shù)

3 活動空間分析

根據(jù)手機信令數(shù)據(jù)，能夠識別出居住對應的街道以及就業(yè)所對應的街道，將兩者聯(lián)系起來，即可看出街道之間的職住關系，見圖13。

圖13 街道間職住關系

通勤職住距離是用戶居住地和工作地基站對照表，根據(jù)基站坐標，計算出網(wǎng)格中心直線距離。在基站相對密集的主城區(qū)，基站服務范圍大致在500×500網(wǎng)格內，職住在同一基站內比例約為60%，剔除這部分出行，其他跨基站通勤出行將被捕捉。蕪湖市區(qū)通勤出行的距離分布呈現(xiàn)遞遠遞減的曲線形態(tài)(見圖14)。

圖14 通勤職住出行距離

按照出行距離和出行占比計算，蕪湖市區(qū)平均通勤出行距離為4.49 km。

4 交通出行OD特征分析

4.1 手機信令識別出行情況

利用時間序列的手機信令數(shù)據(jù)，分析各移動用戶的出行鏈信息，根據(jù)他們在不同地理空間(管理單元)的逗留時長情況，判定是否為一次出行，進行擴樣統(tǒng)計，得到中心城區(qū)居民出行OD。

截取2019年12月2日～2019年12月8日的手機信令數(shù)據(jù)，計算得到各基站間出行量，工作日日均出行量為276.86萬人次，周末日均出行量280.48萬人次，一周出行量比例見圖15。

圖15 基于手機信令識別的一周出行量比例

蕪湖中心城區(qū)常住人口171.2萬人，推算出行次數(shù)為1.617人次/d。根據(jù)2020年蕪湖中心城區(qū)居民出行調查結果，蕪湖中心城區(qū)平均出行次數(shù)為2.36人次/d。兩者之間差異主要是因為手機信令數(shù)據(jù)對出行的判別基于服務基站發(fā)生了變化，難以捕捉近距離的出行。但是用于研究大區(qū)之間的出行、長距離的出行，因為手機準確定位及數(shù)據(jù)量級，手機信令數(shù)據(jù)有無法取代的優(yōu)勢。

本次研究的出行OD主要為跨片區(qū)、跨街道的出行需求量，因此無需考慮服務基站不發(fā)生變化下的短距離出行行為。

4.2 客流OD分布

根據(jù)基站出行OD，合并為街道出行OD矩陣。街道間工作日及周末出行OD期望線見圖16、圖17。

圖16 蕪湖中心城區(qū)工作日出行OD期望線

圖17 蕪湖中心城區(qū)周末OD期望線

蕪湖主城區(qū)存在大客流走廊，灣里街道-官陡街道、官陡街道-鏡湖新城街道、官陡街道-清水街道、澛港街道-南瑞街道之間客流量級較大，雙向客流達到6萬人次/d以上。

外圍區(qū)域除了沈巷鎮(zhèn)與二壩鎮(zhèn)之間聯(lián)系比較外，其他跨區(qū)出行量相對較小。

由于蕪湖市擁江發(fā)展，江南江北間通道較少，江南南北向走廊較為集聚，為反映至客流走廊，將街道OD分配泰森三角形網(wǎng)絡中，根據(jù)現(xiàn)狀溝通江南、江北實際通道，刪除實際并不存在的通道。

5 核心區(qū)校核線客流分析

按照蕪湖市城市空間布局特點，長江—青弋江—商合杭鐵路圍合的區(qū)域為城市核心區(qū)域。核心區(qū)進出客流OD是交通需求預測模型的關鍵校核參數(shù)。

核心區(qū)與城東區(qū)域的聯(lián)系最為緊密，兩區(qū)之間聯(lián)系客流量為24.15萬人次/d；商合杭鐵路以西存在大量居住和工業(yè)用地，蕪湖高鐵站、蕪湖市行政中心均位于東側，基本可以判定商合杭鐵路為全市最大的客流斷面。

其次為核心區(qū)與城北、城南聯(lián)系量，核心區(qū)—城南區(qū)域聯(lián)系量為14.79萬人次/d，核心區(qū)—城北區(qū)域聯(lián)系量為12.97萬人次/d；江北區(qū)域與核心區(qū)之間聯(lián)系量非常薄弱，整個江北區(qū)域進出核心區(qū)的全日客流量僅為0.53萬人次。目前，江北產(chǎn)業(yè)集中區(qū)處于建設初期，且溝通通道較少，江北區(qū)域長久以來職住相對平衡。

6 數(shù)據(jù)融合與校核

6.1 手機信令與傳統(tǒng)居民出行調查的對比

相較于傳統(tǒng)的居民出行調查，手機數(shù)據(jù)的主要優(yōu)點是能夠連續(xù)記錄交通出行活動軌跡，并且樣本規(guī)模大、采集天數(shù)不受限制、調查范圍大。主要的不足是數(shù)據(jù)格式和標準不是按照交通規(guī)劃術語進行定義的，需要進行轉換處理，并且大數(shù)據(jù)算法上尚無法獲取交通出行的目的、交通方式等信息。

6.2 本次數(shù)據(jù)融合方法

本次數(shù)據(jù)校核是通過手機信令大數(shù)據(jù)得到的交通分析單元的OD矩陣對居民出行調查出行擴樣后的全方式出行OD進行校核。由于交通分析單元按照街道和鄉(xiāng)鎮(zhèn)共分為33個小區(qū)，對交通調查的OD校核需通過迭代計算得到。

數(shù)據(jù)融合思路主要由以下幾點考慮：①大數(shù)據(jù)在獲取區(qū)內出行數(shù)據(jù)時，往往不準確，主要是因為位于同一基站服務范圍內的出行往往存在漏報的可能，而跨組團的出行量一般比較準確。因此，本次校核主要針對居民出行調查的全方式OD的跨區(qū)出行量；②居民出行調查中，部分小區(qū)之間聯(lián)系較弱的，在未調查到足夠樣本時，往往出現(xiàn)空值的現(xiàn)場，需按照大數(shù)據(jù)OD對居民出行調查的空值的OD對進行補零；③在控制分析單元內部出行量總量保持不變的情況下，對外部小區(qū)之間聯(lián)系量與大數(shù)據(jù)跨區(qū)OD進行比對，以對外出行OD對與總出行量比值作為系數(shù)，對居民出行調查OD的外部聯(lián)系進行重復迭代計算，最終得到居民出行調查OD表。

6.3 數(shù)據(jù)校核結果

對比數(shù)據(jù)校核前后，出行OD分布特征差異性較大，部分OD點對存在值偏大或者OD對為空值的情況，主要原因是居民出行調查中，擴樣過程容易將某些OD對同比例擴樣，樣本量約小，誤差越大。大數(shù)據(jù)正好彌補了居民出行調查這一普遍存在的問題，對現(xiàn)狀客流特征的把握和客流預測模型參數(shù)校核起到重要的作用。

手機信令分析在傳統(tǒng)交通調查的基礎上，充分利用日趨成熟的交通信息平臺和信息化數(shù)據(jù)采集挖掘技術，優(yōu)化調查流程、提高調查數(shù)據(jù)質量、減少人力成本，對不同時段的人員出行特征變化進行分析與比較，從而為蕪湖市軌道交通系統(tǒng)建設規(guī)劃提供多元化、多層次的數(shù)據(jù)支撐。

利用移動通信大數(shù)據(jù)，對數(shù)據(jù)進行融合分析，對跨區(qū)域、組團間的出行需求總量進行校核。依據(jù)現(xiàn)狀交通數(shù)據(jù)，對蕪湖市中心城市交通需求預測模型中的組團間聯(lián)系、出行距離、方式結構等重要參數(shù)進行校核，完善城市交通需求預測模型。通過定量數(shù)據(jù)支撐，分析蕪湖城市交通主要矛盾，為下一步城市軌道交通規(guī)劃等提供決策依據(jù)。