紹興市第五次綜合交通調(diào)查技術(shù)創(chuàng)新與成果分析

施蓓蓓, 王春松, 楊 超

(1.紹興市軌道交通集團(tuán)有限公司, 紹興 312000; 2.北京城建交通設(shè)計(jì)研究院有限公司, 北京 100050)

0 引言

紹興市曾于2006、2010、2013、2015年展開過 4次綜合交通調(diào)查. 2020年完成了新一輪的綜合交通調(diào)查,在調(diào)查方法、方案設(shè)計(jì)、數(shù)據(jù)挖掘等關(guān)鍵環(huán)節(jié)應(yīng)用了新的方法與技術(shù).

1 調(diào)查方案設(shè)計(jì)

綜合交通調(diào)查是全面掌握城市交通發(fā)展?fàn)顩r,了解城市人流、貨流、交通設(shè)施等基本情況,合理進(jìn)行資源配置的重要途徑[1]. 通過綜合交通調(diào)查所獲取到的城市交通基礎(chǔ)數(shù)據(jù),對(duì)支撐城市規(guī)劃、建設(shè)、運(yùn)營等具有重要意義[2].

調(diào)查方案設(shè)計(jì)是整個(gè)調(diào)查過程最重要的1個(gè)環(huán)節(jié),方案設(shè)計(jì)既要切合城市發(fā)展特征和趨勢(shì),又要符合《城市綜合交通調(diào)查技術(shù)標(biāo)準(zhǔn)》(GB/T51334—2018)中的相關(guān)規(guī)定,同時(shí)還要考慮調(diào)查經(jīng)費(fèi)的限制[3]. 在設(shè)計(jì)調(diào)查方案之前,對(duì)紹興市城市經(jīng)濟(jì)發(fā)展現(xiàn)狀、城市綜合交通發(fā)展現(xiàn)狀、城市未來規(guī)劃等進(jìn)行了充分的調(diào)研. 與2015年進(jìn)行的紹興市第4次綜合交通調(diào)查相比,本次調(diào)查采用了人工調(diào)查與多源交通大數(shù)據(jù)融合的方式進(jìn)行開展,有效的控制調(diào)查成本的同時(shí),提高了調(diào)查精度. 在調(diào)查范圍、調(diào)查內(nèi)容、調(diào)查規(guī)模、調(diào)查手段等方面有所創(chuàng)新.

1.1 在調(diào)查范圍和調(diào)查規(guī)模方面

為更好的反應(yīng)中心城和全市出行需求和出行特征,本次調(diào)查范圍由以往調(diào)查的越城區(qū)和柯橋區(qū)范圍擴(kuò)大到紹興市市域,重點(diǎn)分析區(qū)域?yàn)槭袇^(qū)范圍,即越城區(qū)、柯橋區(qū)以及上虞區(qū),如圖1所示.

圖1 歷次交通調(diào)查范圍示意圖

1.2 在調(diào)查內(nèi)容與調(diào)查手段方面

本次調(diào)查包括3項(xiàng)主要內(nèi)容,分別是基于手機(jī)信令的居民出行行為分析、基于公交刷卡和GPS數(shù)據(jù)的公交出行特征分析和基于出租車運(yùn)營數(shù)據(jù)的出租車用戶出行特征分析. 此外,利用居民出行軌跡調(diào)查以及核查線道路流量調(diào)查2項(xiàng)輔助調(diào)查工作更好地校核手機(jī)信令數(shù)據(jù)分析模型參數(shù),確保分析結(jié)果的準(zhǔn)確性.

整體調(diào)查方案思路首先通過收集的人口、崗位、社會(huì)經(jīng)濟(jì)及相關(guān)交通統(tǒng)計(jì)數(shù)據(jù),校核手機(jī)信令、公交和出租車數(shù)據(jù)分析的吻合性. 接著,利用輔助調(diào)查數(shù)據(jù)校核手機(jī)數(shù)據(jù)分析模型參數(shù)的合理性. 最后,利用公交、出租車數(shù)據(jù)、輔助調(diào)查數(shù)據(jù)校核手機(jī)信令分析得出的出行總量、出行結(jié)構(gòu)、出行目的和出行分布等結(jié)果的準(zhǔn)確性.

本次綜合交通調(diào)查成果對(duì)于紹興市城市交通模型建立與更新、重大交通專項(xiàng)規(guī)劃編制、交通系統(tǒng)與城市發(fā)展適配性研究以及交通熱點(diǎn)問題的分析等工作具有重要支撐意義.

2 調(diào)查技術(shù)手段

2.1 手機(jī)信令數(shù)據(jù)處理方法

2.1.1 手機(jī)信令數(shù)據(jù)概況

為滿足調(diào)查需求,本次分析以紹興市聯(lián)通數(shù)據(jù)為基礎(chǔ). 相較于其他運(yùn)營商、互聯(lián)網(wǎng)商數(shù)據(jù),聯(lián)通已經(jīng)形成規(guī)模的數(shù)據(jù)服務(wù)企業(yè)“智慧足跡”,通過與智慧足跡合作,獲取精確度更高、數(shù)據(jù)管理更規(guī)范、數(shù)據(jù)制式更標(biāo)準(zhǔn)的數(shù)據(jù)集.

手機(jī)信令數(shù)據(jù)的采集應(yīng)該考慮出行的季節(jié)效應(yīng)[4],選取暑假7—8月、新生報(bào)到9月、春節(jié)1—2月數(shù)據(jù)會(huì)導(dǎo)致數(shù)據(jù)受到學(xué)生、務(wù)工群體影響,偏離正常值. 同時(shí),考慮疫情后居民出行大幅度減少,因此選取2019年11月整月紹興市信令數(shù)據(jù)進(jìn)行分析. 通過對(duì)手機(jī)信令數(shù)據(jù)二次加工獲得人口駐留表、出行駐留表、出行OD表、出行軌跡表、流動(dòng)人口表5張中間表,如表1所示.

表1 手機(jī)信令數(shù)據(jù)規(guī)模

2.1.2 手機(jī)信令數(shù)據(jù)分析原理

手機(jī)信令數(shù)據(jù)是基于基站進(jìn)行定位,觸發(fā)機(jī)制主要有3種：①開關(guān)機(jī)、接打電話、接發(fā)短信等事件觸發(fā);②周期自動(dòng)觸發(fā);③所處基站區(qū)域位置發(fā)生變化時(shí)觸發(fā)[5]. 由于手機(jī)通信設(shè)備往往一直伴隨著用戶的出行行為全過程,手機(jī)活動(dòng)的位置往往就是手機(jī)用戶的活動(dòng)位置,通過對(duì)手機(jī)信令數(shù)據(jù)的計(jì)算、加工,能實(shí)現(xiàn)對(duì)手機(jī)用戶出行行為的辨識(shí)、采集,如出行活動(dòng)的起點(diǎn)、終點(diǎn)、大致的出行路徑等,甚至能通過對(duì)手機(jī)長(zhǎng)期出行規(guī)律,分析出手機(jī)用戶的部分出行目的(如通勤、就學(xué)等)、職業(yè)出行特點(diǎn)[6].

用戶職住地判別的主要原理是通過連續(xù)多天比較用戶在區(qū)域停留的時(shí)段與時(shí)長(zhǎng),可計(jì)算用戶居住地、就業(yè)地是否屬于此區(qū)域的隸屬度,如當(dāng)用戶連續(xù)多天夜間停留在某一區(qū)域,則可認(rèn)為用戶居住地是此區(qū)域的隸屬度較高,就業(yè)地同理[7]. 如圖2所示,從通信網(wǎng)絡(luò)采集后通信事件數(shù)據(jù),經(jīng)過預(yù)處理后,根據(jù)工作與居住時(shí)段分布,結(jié)合通信事件數(shù)據(jù)特性和用戶停留時(shí)間特性,對(duì)用戶工作、居住數(shù)據(jù)特征進(jìn)行特征指標(biāo)抽取,建立隸屬度函數(shù),在此基礎(chǔ)上,構(gòu)建標(biāo)準(zhǔn)特征向量,形成標(biāo)準(zhǔn)特征向量與待測(cè)數(shù)據(jù)之間的判決規(guī)則,最后得到用戶的工作和居住地信息.

圖2 居住地、工作地判別流程圖

2.1.3 手機(jī)信令數(shù)據(jù)清洗及擴(kuò)樣

利用手機(jī)信令數(shù)據(jù)進(jìn)行二次加工,能獲得用戶駐留數(shù)據(jù)、OD數(shù)據(jù)、出行軌跡數(shù)據(jù)等多種數(shù)據(jù)類型表,針對(duì)多種手機(jī)信令數(shù)據(jù),具有不同的數(shù)據(jù)清洗策略. 針對(duì)駐留、OD數(shù)據(jù),主要根據(jù)紹興市合理的空間經(jīng)緯度范圍閾值、時(shí)間跨度閾值對(duì)異常數(shù)據(jù)分布進(jìn)行剔除. 針對(duì)軌跡點(diǎn)數(shù)據(jù),主要采取層次化數(shù)據(jù)清洗方案,通過濾除絕大部分經(jīng)緯度明顯偏離主流位置的軌跡點(diǎn),提高數(shù)據(jù)分析的準(zhǔn)確度.

清洗后的數(shù)據(jù)根據(jù)年齡、性別以及職業(yè)進(jìn)行數(shù)據(jù)擴(kuò)樣,對(duì)紹興市手機(jī)信令數(shù)據(jù)年齡和性別進(jìn)行統(tǒng)計(jì)分析并判斷是否均勻分布,將數(shù)據(jù)進(jìn)行網(wǎng)格劃分,構(gòu)建網(wǎng)格擴(kuò)樣系數(shù),通過社區(qū)、行政級(jí)別統(tǒng)計(jì)數(shù)據(jù)進(jìn)行校核. 然后,在性別和年齡擴(kuò)樣的基礎(chǔ)上,根據(jù)不同職業(yè)出行特征,判斷人群職業(yè)分布,構(gòu)建不同職業(yè)擴(kuò)樣系數(shù)矩陣.

2.2 公交GPS和IC卡數(shù)據(jù)處理方法

2.2.1 公交GPS和IC卡數(shù)據(jù)預(yù)處理

本次調(diào)查中收集了紹興市2019年11月公交GPS數(shù)據(jù)以及IC卡數(shù)據(jù),其中GPS數(shù)據(jù)日平均949.51萬條,IC卡數(shù)據(jù)日平均42.4萬條. 分別對(duì)GPS以及IC卡數(shù)據(jù)進(jìn)行清洗及預(yù)處理,刪除無效字段及數(shù)據(jù),得到有效字段及說明如表2和表 3所示.

表2 公交GPS數(shù)據(jù)有效字段及其說明

表3 公交IC卡數(shù)據(jù)有效字段及其說明

2.2.2 一票制數(shù)據(jù)推斷

紹興市公交IC卡采用的是一票制刷卡方式,如何提取完整的乘客出行信息是本次調(diào)查中公交數(shù)據(jù)處理的關(guān)鍵. 針對(duì)紹興一卡通數(shù)據(jù)結(jié)構(gòu)的實(shí)際情況,根據(jù)收集的公交基礎(chǔ)資料,利用大數(shù)據(jù)挖掘技術(shù)補(bǔ)全乘客出行信息,從而分析公交乘客出行特征. 算法基本思路主要包括3部分,分別是乘客上車信息匹配、乘客下車站點(diǎn)推測(cè)以及乘客換乘行為識(shí)別. 首先,構(gòu)建乘客交易線路的全部車輛GPS數(shù)據(jù)庫,根據(jù)時(shí)間匹配規(guī)則基于車輛空間位置匹配乘客上車信息(圖3a). 其次,獲取乘客在車輛2的上車地點(diǎn)A,計(jì)算乘客上一次乘坐車輛1所經(jīng)過站點(diǎn)中,與站點(diǎn)A距離最近的站點(diǎn),則此站點(diǎn)為乘客上一次乘車的下車站點(diǎn)B(圖3b). 最后,乘客由A站上車,B站下車,步行至C站,乘坐車輛2,從而完成一次換乘,根據(jù)時(shí)間及空間閾值,識(shí)別乘客換乘行為(圖3c).

圖3 紹興公交的一票制公交數(shù)據(jù)挖掘算法

2.3 出租車運(yùn)營數(shù)據(jù)處理方法

本次調(diào)查中收集到2019-11-06—2019-11-11網(wǎng)約出租車數(shù)據(jù)以及2019-11出租車計(jì)價(jià)數(shù)據(jù),用于紹興市出租車運(yùn)行特征分析.

出租車計(jì)價(jià)器數(shù)據(jù)、GPS數(shù)據(jù)在采集過程中存在異常數(shù)據(jù),為了提高數(shù)據(jù)質(zhì)量要對(duì)多源數(shù)據(jù)進(jìn)行預(yù)處理. 出租車計(jì)價(jià)器數(shù)據(jù)存在的問題主要是載客距離、載客時(shí)間過短或過長(zhǎng)等[8],研究采用閾值法剔除錯(cuò)誤數(shù)據(jù)與異常數(shù)據(jù). 出租車GPS 數(shù)據(jù)存在的問題主要有坐標(biāo)重復(fù)、缺失、漂移等. 本次調(diào)查中利用GPS 生成時(shí)間與計(jì)價(jià)器中上、下車時(shí)間進(jìn)行匹配,選取時(shí)間最接近的經(jīng)緯度數(shù)據(jù)作為上下車的位置,允許時(shí)間匹配誤差在閾值內(nèi),即認(rèn)為匹配成功. 利用預(yù)處理好的數(shù)據(jù)進(jìn)行運(yùn)營強(qiáng)度和時(shí)空特征分析.

3 交通需求特征

3.1 職住特征

結(jié)合手機(jī)信令及人口普查數(shù)據(jù),截止2019年末,紹興市常住人口505.7萬人,市轄三區(qū)常住人口278.7萬人. 從全市范圍來看,各區(qū)縣人口主要分布在城區(qū),越城區(qū)和柯橋區(qū)人口較為集中,呈現(xiàn)連片化趨勢(shì),其他區(qū)縣人口分布相對(duì)分散,如圖4所示.

圖4 紹興市市區(qū)常住人口分布

2019年底,全市二三產(chǎn)業(yè)就業(yè)崗位總量為301.8萬個(gè),全市職住比達(dá)到59.7%. 市區(qū)就業(yè)崗位總量為178.8萬個(gè),占全市比例達(dá)到59.2%,職住比為64.2%. 其中,柯橋區(qū)在全市排名第1位,占紹興市總就業(yè)崗位的24.7%.

3.2 出行總量

2019年,紹興全市日均出行總量為1 330.2萬人次,其中市區(qū)日均出行總量為795.2萬人次,市區(qū)常住人口出行率為2.62次/人·d,如表4所示. 較2015年2.34次/人·d有明顯提高,主要受社會(huì)經(jīng)濟(jì)發(fā)展水平以及居民彈性出行量影響. 流動(dòng)人口出行總量為108.1萬人次,出行率為2.86,略高于常住人口.

表4 出行總量及出行率

3.3 出行結(jié)構(gòu)

與2015年相比,紹興市出行結(jié)構(gòu)發(fā)生了顯著的變化,如表5所示. 首先,小汽車出行占比由22%增長(zhǎng)至26.4%,這主要是由于城市化、機(jī)動(dòng)化進(jìn)程的加快和社會(huì)經(jīng)濟(jì)的迅速發(fā)展,機(jī)動(dòng)化水平不斷提高,居民汽車保有量快速增加,使得小汽車出行占比不斷升高. 同時(shí),這也使得常規(guī)公交占比減低,由11%下降至8.2%. 此外,隨著出行距離的增長(zhǎng),非機(jī)動(dòng)車出行占比降低,由36%下降至31.9%. 在非機(jī)動(dòng)車出行中,電動(dòng)自行車占據(jù)主導(dǎo)地位(占比84.5%),呈現(xiàn)出逐漸取代普通自行車的趨勢(shì).

表5 紹興市區(qū)出行結(jié)構(gòu)變化 %

3.4 出行時(shí)間分布

居民出行早高峰小時(shí)出現(xiàn)在07：00—08：00,出行比例為16.9%,如圖5所示. 晚高峰出現(xiàn)在17：00—18：00,出行比例為13.3%,受交通狀況日益惡化、下班后生活類出行日益豐富的影響,晚高峰持續(xù)時(shí)間延長(zhǎng). 此外,在11：00—12：00和13：00—14：00有2個(gè)明顯的午高峰,出行比例分別為7.7%和6.0%. 第2個(gè)午高峰發(fā)生的時(shí)段有一定的提前,其原因可能與近年來非早晚高峰時(shí)段交通運(yùn)行狀況也日益惡化的情況有關(guān),出行時(shí)耗的增加使中午出行的出發(fā)時(shí)間逐漸提前.

圖5 紹興市區(qū)居民出發(fā)時(shí)間分布

3.5 出行空間分布

在市區(qū)范圍內(nèi),越城區(qū)的出行量最大,出行總量達(dá)到279.7萬人次/d,占中心城區(qū)出行總量的22.9%. 其次是柯橋區(qū),出行總量達(dá)到268.4萬人次/d,占中心城區(qū)出行總量的21.9%. 市區(qū)出行量最小的區(qū)域?yàn)樯嫌輩^(qū),出行總量為183.8萬人次/d.

從全日市區(qū)出行期望線來看,整體上,東西向出行需求大于南北向,主城區(qū)范圍內(nèi)各組團(tuán)之間的交換量較大,如圖6所示. 此外,近年來隨著中心城區(qū)空間結(jié)構(gòu)的調(diào)整以及鏡湖、袍江和濱海新區(qū)的迅速發(fā)展,市區(qū)出行空間分布已發(fā)生明顯的變化,由原來的單中心聚集轉(zhuǎn)變?yōu)槎嗪溯椛涞膽B(tài)勢(shì),組團(tuán)間交換量集中在二環(huán)和鏡湖、柯橋城區(qū)和鏡湖. 相對(duì)而言,上虞組團(tuán)與主城區(qū)之間的聯(lián)系相對(duì)薄弱.

圖6 市區(qū)全日出行期望線

4 公共交通出行特征

4.1 公交運(yùn)行特征

截止2019年底,紹興市營運(yùn)124條主要公交線路,包含共442條子線,線路總長(zhǎng)6 908.8 km. 公交線路平均長(zhǎng)度為20.15 km,長(zhǎng)度在10～20 km線路占比最高,約為24.4%,超過30 m的線路占比約為15.8%. 共設(shè)公交車站1 923座,中心城區(qū)二環(huán)內(nèi)公交站點(diǎn)密度最高. 從紹興市中心城區(qū)各公交站點(diǎn)早高峰乘降量空間分布來看,站點(diǎn)乘降量沿南北向主要道路分布,二環(huán)內(nèi)公交乘降量最高,如圖7所示. 乘降量較大的車站主要分布在南北向的解放南路、中興南路,東西向的勝利西路等.

圖7 公交車站早高峰上下車量分布

公交出行期望值提取結(jié)果如圖8所示,南北向和東西向2條走廊分布明顯,二環(huán)與鏡湖組團(tuán)之間聯(lián)系最緊密,全日交換量最大. 其次是二環(huán)與皋埠東湖、鑒湖組團(tuán)之間,外圍組團(tuán)之間出行交換量相對(duì)較小.

圖8 公交全日出行期望線

4.2 車租車運(yùn)行特征

根據(jù)出租車訂單及計(jì)價(jià)器數(shù)據(jù)分析,2019年,紹興市巡游出租車工作日日均訂單數(shù)為4.1萬單,周末日均訂單數(shù)為4.2萬單. 網(wǎng)約出租車工作日平均訂單數(shù)為6.6萬單,周末平均訂單數(shù)為6.5萬單.

網(wǎng)約出租車訂單分布具有顯著的早晚高峰特征,工作日早高峰系數(shù)高于周末,晚高峰系數(shù)略低于周末,如圖9所示. 工作日及周末早高峰均為08：00—09：00,其中工作日早高峰系數(shù)為7.4%,周末早高峰系數(shù)為5.8%. 工作日及周末晚高峰均為17：00—18：00,工作日晚高峰系數(shù)為7.5%,周末晚高峰系數(shù)為7.7%.

圖9 出租車客流時(shí)間分布

網(wǎng)約車出行期望值提取結(jié)果如圖10所示. 網(wǎng)約出租車客流以組團(tuán)內(nèi)部出行為主,組團(tuán)內(nèi)部出行中,以二環(huán)內(nèi)部出行占比最高,其次為柯橋城區(qū)及上虞城區(qū). 跨區(qū)出行以鏡湖和柯橋城區(qū)之間聯(lián)系最為緊密,其次為二環(huán)與鏡湖之間的交換.

圖10 網(wǎng)約車乘客出行期望線

5 結(jié)論與建議

隨著城市的不斷發(fā)展,紹興市城市交通需求也不斷增加. 出行距離的增加和機(jī)動(dòng)化出行比例的提升給城市交通系統(tǒng)帶來巨大的挑戰(zhàn). 隨著功能布局和城市空間結(jié)構(gòu)的不斷完善與調(diào)整,城市交通結(jié)構(gòu)逐漸向機(jī)動(dòng)化轉(zhuǎn)移. 但是,新增的機(jī)動(dòng)化出行并未向公交轉(zhuǎn)移,相反,公共汽車客運(yùn)量,面對(duì)小汽車的巨大沖擊有逐漸減少的傾向.

5.1 調(diào)查結(jié)論

調(diào)查及分析結(jié)果表明：①近年來,紹興市人口規(guī)模不斷增長(zhǎng),城市空間逐漸向外擴(kuò)展,機(jī)動(dòng)化出行比例提高,使得出行需求持續(xù)增長(zhǎng),出行率所有提高;②機(jī)動(dòng)車保有量快速增長(zhǎng),機(jī)動(dòng)化出行需求迅猛攀升;③小汽車出行占比不斷上升的同時(shí),常規(guī)公交以及非機(jī)動(dòng)車出行占比逐漸降低;④東西向客流走廊較南北向更明顯,主城區(qū)范圍內(nèi)各組團(tuán)之間的交換量較大;⑤城市呈組團(tuán)式發(fā)展,組團(tuán)間交通聯(lián)系緊密,由原來的單中心聚集轉(zhuǎn)變?yōu)槎嗪溯椛涞膽B(tài)勢(shì).

5.2 相關(guān)建議

1)加強(qiáng)小汽車需求管理. 近10 a,小車成為最主要的機(jī)動(dòng)化出行方式,按照目前紹興市小汽車保有量增長(zhǎng)速度,將會(huì)給現(xiàn)有的交通設(shè)施帶來巨大的挑戰(zhàn). 借鑒國內(nèi)大城市的發(fā)展經(jīng)驗(yàn),合理的交通需求管理是解決目前紹興市擁堵問題的關(guān)鍵.

2)推進(jìn)軌道交通規(guī)劃和建設(shè)工作. 紹興市特有的河網(wǎng)密布分隔的組團(tuán)式城市空間形態(tài)和布局,決定了其交通走廊和承載能力必然有限. 為提升城市交通系統(tǒng)的服務(wù)水平和承載力,必然要大力發(fā)展快捷高效的軌道交通系統(tǒng).

3)適時(shí)進(jìn)行公交優(yōu)化調(diào)整. 目前紹興市軌道交通還未成為城市交通出行的主要方式,在有序推進(jìn)紹興市軌道交通建設(shè)的同時(shí),要及時(shí)對(duì)公交系統(tǒng)進(jìn)行優(yōu)化調(diào)整,提高公共交通在中長(zhǎng)距離出行中的競(jìng)爭(zhēng)力.

4)合理規(guī)劃用地布局,注重城市職住平衡. 推進(jìn)城市發(fā)展的同時(shí)要注意用地功能布局的優(yōu)化,保證城市資源配置均衡,避免出現(xiàn)嚴(yán)重的潮汐式交通.