绍兴市第五次综合交通调查技术创新与成果分析

施蓓蓓, 王春松, 杨 超

(1.绍兴市轨道交通集团有限公司, 绍兴 312000; 2.北京城建交通设计研究院有限公司, 北京 100050)

0 引言

绍兴市曾于2006、2010、2013、2015年展开过 4次综合交通调查. 2020年完成了新一轮的综合交通调查,在调查方法、方案设计、数据挖掘等关键环节应用了新的方法与技术.

1 调查方案设计

综合交通调查是全面掌握城市交通发展状况,了解城市人流、货流、交通设施等基本情况,合理进行资源配置的重要途径[1]. 通过综合交通调查所获取到的城市交通基础数据,对支撑城市规划、建设、运营等具有重要意义[2].

调查方案设计是整个调查过程最重要的1个环节,方案设计既要切合城市发展特征和趋势,又要符合《城市综合交通调查技术标准》(GB/T51334—2018)中的相关规定,同时还要考虑调查经费的限制[3]. 在设计调查方案之前,对绍兴市城市经济发展现状、城市综合交通发展现状、城市未来规划等进行了充分的调研. 与2015年进行的绍兴市第4次综合交通调查相比,本次调查采用了人工调查与多源交通大数据融合的方式进行开展,有效的控制调查成本的同时,提高了调查精度. 在调查范围、调查内容、调查规模、调查手段等方面有所创新.

1.1 在调查范围和调查规模方面

为更好的反应中心城和全市出行需求和出行特征,本次调查范围由以往调查的越城区和柯桥区范围扩大到绍兴市市域,重点分析区域为市区范围,即越城区、柯桥区以及上虞区,如图1所示.

图1 历次交通调查范围示意图

1.2 在调查内容与调查手段方面

本次调查包括3项主要内容,分别是基于手机信令的居民出行行为分析、基于公交刷卡和GPS数据的公交出行特征分析和基于出租车运营数据的出租车用户出行特征分析. 此外,利用居民出行轨迹调查以及核查线道路流量调查2项辅助调查工作更好地校核手机信令数据分析模型参数,确保分析结果的准确性.

整体调查方案思路首先通过收集的人口、岗位、社会经济及相关交通统计数据,校核手机信令、公交和出租车数据分析的吻合性. 接着,利用辅助调查数据校核手机数据分析模型参数的合理性. 最后,利用公交、出租车数据、辅助调查数据校核手机信令分析得出的出行总量、出行结构、出行目的和出行分布等结果的准确性.

本次综合交通调查成果对于绍兴市城市交通模型建立与更新、重大交通专项规划编制、交通系统与城市发展适配性研究以及交通热点问题的分析等工作具有重要支撑意义.

2 调查技术手段

2.1 手机信令数据处理方法

2.1.1 手机信令数据概况

为满足调查需求,本次分析以绍兴市联通数据为基础. 相较于其他运营商、互联网商数据,联通已经形成规模的数据服务企业“智慧足迹”,通过与智慧足迹合作,获取精确度更高、数据管理更规范、数据制式更标准的数据集.

手机信令数据的采集应该考虑出行的季节效应[4],选取暑假7—8月、新生报到9月、春节1—2月数据会导致数据受到学生、务工群体影响,偏离正常值. 同时,考虑疫情后居民出行大幅度减少,因此选取2019年11月整月绍兴市信令数据进行分析. 通过对手机信令数据二次加工获得人口驻留表、出行驻留表、出行OD表、出行轨迹表、流动人口表5张中间表,如表1所示.

表1 手机信令数据规模

2.1.2 手机信令数据分析原理

手机信令数据是基于基站进行定位,触发机制主要有3种：①开关机、接打电话、接发短信等事件触发;②周期自动触发;③所处基站区域位置发生变化时触发[5]. 由于手机通信设备往往一直伴随着用户的出行行为全过程,手机活动的位置往往就是手机用户的活动位置,通过对手机信令数据的计算、加工,能实现对手机用户出行行为的辨识、采集,如出行活动的起点、终点、大致的出行路径等,甚至能通过对手机长期出行规律,分析出手机用户的部分出行目的(如通勤、就学等)、职业出行特点[6].

用户职住地判别的主要原理是通过连续多天比较用户在区域停留的时段与时长,可计算用户居住地、就业地是否属于此区域的隶属度,如当用户连续多天夜间停留在某一区域,则可认为用户居住地是此区域的隶属度较高,就业地同理[7]. 如图2所示,从通信网络采集后通信事件数据,经过预处理后,根据工作与居住时段分布,结合通信事件数据特性和用户停留时间特性,对用户工作、居住数据特征进行特征指标抽取,建立隶属度函数,在此基础上,构建标准特征向量,形成标准特征向量与待测数据之间的判决规则,最后得到用户的工作和居住地信息.

图2 居住地、工作地判别流程图

2.1.3 手机信令数据清洗及扩样

利用手机信令数据进行二次加工,能获得用户驻留数据、OD数据、出行轨迹数据等多种数据类型表,针对多种手机信令数据,具有不同的数据清洗策略. 针对驻留、OD数据,主要根据绍兴市合理的空间经纬度范围阈值、时间跨度阈值对异常数据分布进行剔除. 针对轨迹点数据,主要采取层次化数据清洗方案,通过滤除绝大部分经纬度明显偏离主流位置的轨迹点,提高数据分析的准确度.

清洗后的数据根据年龄、性别以及职业进行数据扩样,对绍兴市手机信令数据年龄和性别进行统计分析并判断是否均匀分布,将数据进行网格划分,构建网格扩样系数,通过社区、行政级别统计数据进行校核. 然后,在性别和年龄扩样的基础上,根据不同职业出行特征,判断人群职业分布,构建不同职业扩样系数矩阵.

2.2 公交GPS和IC卡数据处理方法

2.2.1 公交GPS和IC卡数据预处理

本次调查中收集了绍兴市2019年11月公交GPS数据以及IC卡数据,其中GPS数据日平均949.51万条,IC卡数据日平均42.4万条. 分别对GPS以及IC卡数据进行清洗及预处理,删除无效字段及数据,得到有效字段及说明如表2和表 3所示.

表2 公交GPS数据有效字段及其说明

表3 公交IC卡数据有效字段及其说明

2.2.2 一票制数据推断

绍兴市公交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调查中公交数据处理的关键. 针对绍兴一卡通数据结构的实际情况,根据收集的公交基础资料,利用大数据挖掘技术补全乘客出行信息,从而分析公交乘客出行特征. 算法基本思路主要包括3部分,分别是乘客上车信息匹配、乘客下车站点推测以及乘客换乘行为识别. 首先,构建乘客交易线路的全部车辆GPS数据库,根据时间匹配规则基于车辆空间位置匹配乘客上车信息(图3a). 其次,获取乘客在车辆2的上车地点A,计算乘客上一次乘坐车辆1所经过站点中,与站点A距离最近的站点,则此站点为乘客上一次乘车的下车站点B(图3b). 最后,乘客由A站上车,B站下车,步行至C站,乘坐车辆2,从而完成一次换乘,根据时间及空间阈值,识别乘客换乘行为(图3c).

图3 绍兴公交的一票制公交数据挖掘算法

2.3 出租车运营数据处理方法

本次调查中收集到2019-11-06—2019-11-11网约出租车数据以及2019-11出租车计价数据,用于绍兴市出租车运行特征分析.

出租车计价器数据、GPS数据在采集过程中存在异常数据,为了提高数据质量要对多源数据进行预处理. 出租车计价器数据存在的问题主要是载客距离、载客时间过短或过长等[8],研究采用阈值法剔除错误数据与异常数据. 出租车GPS 数据存在的问题主要有坐标重复、缺失、漂移等. 本次调查中利用GPS 生成时间与计价器中上、下车时间进行匹配,选取时间最接近的经纬度数据作为上下车的位置,允许时间匹配误差在阈值内,即认为匹配成功. 利用预处理好的数据进行运营强度和时空特征分析.

3 交通需求特征

3.1 职住特征

结合手机信令及人口普查数据,截止2019年末,绍兴市常住人口505.7万人,市辖三区常住人口278.7万人. 从全市范围来看,各区县人口主要分布在城区,越城区和柯桥区人口较为集中,呈现连片化趋势,其他区县人口分布相对分散,如图4所示.

图4 绍兴市市区常住人口分布

2019年底,全市二三产业就业岗位总量为301.8万个,全市职住比达到59.7%. 市区就业岗位总量为178.8万个,占全市比例达到59.2%,职住比为64.2%. 其中,柯桥区在全市排名第1位,占绍兴市总就业岗位的24.7%.

3.2 出行总量

2019年,绍兴全市日均出行总量为1 330.2万人次,其中市区日均出行总量为795.2万人次,市区常住人口出行率为2.62次/人·d,如表4所示. 较2015年2.34次/人·d有明显提高,主要受社会经济发展水平以及居民弹性出行量影响. 流动人口出行总量为108.1万人次,出行率为2.86,略高于常住人口.

表4 出行总量及出行率

3.3 出行结构

与2015年相比,绍兴市出行结构发生了显著的变化,如表5所示. 首先,小汽车出行占比由22%增长至26.4%,这主要是由于城市化、机动化进程的加快和社会经济的迅速发展,机动化水平不断提高,居民汽车保有量快速增加,使得小汽车出行占比不断升高. 同时,这也使得常规公交占比减低,由11%下降至8.2%. 此外,随着出行距离的增长,非机动车出行占比降低,由36%下降至31.9%. 在非机动车出行中,电动自行车占据主导地位(占比84.5%),呈现出逐渐取代普通自行车的趋势.

表5 绍兴市区出行结构变化 %

3.4 出行时间分布

居民出行早高峰小时出现在07：00—08：00,出行比例为16.9%,如图5所示. 晚高峰出现在17：00—18：00,出行比例为13.3%,受交通状况日益恶化、下班后生活类出行日益丰富的影响,晚高峰持续时间延长. 此外,在11：00—12：00和13：00—14：00有2个明显的午高峰,出行比例分别为7.7%和6.0%. 第2个午高峰发生的时段有一定的提前,其原因可能与近年来非早晚高峰时段交通运行状况也日益恶化的情况有关,出行时耗的增加使中午出行的出发时间逐渐提前.

图5 绍兴市区居民出发时间分布

3.5 出行空间分布

在市区范围内,越城区的出行量最大,出行总量达到279.7万人次/d,占中心城区出行总量的22.9%. 其次是柯桥区,出行总量达到268.4万人次/d,占中心城区出行总量的21.9%. 市区出行量最小的区域为上虞区,出行总量为183.8万人次/d.

从全日市区出行期望线来看,整体上,东西向出行需求大于南北向,主城区范围内各组团之间的交换量较大,如图6所示. 此外,近年来随着中心城区空间结构的调整以及镜湖、袍江和滨海新区的迅速发展,市区出行空间分布已发生明显的变化,由原来的单中心聚集转变为多核辐射的态势,组团间交换量集中在二环和镜湖、柯桥城区和镜湖. 相对而言,上虞组团与主城区之间的联系相对薄弱.

图6 市区全日出行期望线

4 公共交通出行特征

4.1 公交运行特征

截止2019年底,绍兴市营运124条主要公交线路,包含共442条子线,线路总长6 908.8 km. 公交线路平均长度为20.15 km,长度在10～20 km线路占比最高,约为24.4%,超过30 m的线路占比约为15.8%. 共设公交车站1 923座,中心城区二环内公交站点密度最高. 从绍兴市中心城区各公交站点早高峰乘降量空间分布来看,站点乘降量沿南北向主要道路分布,二环内公交乘降量最高,如图7所示. 乘降量较大的车站主要分布在南北向的解放南路、中兴南路,东西向的胜利西路等.

图7 公交车站早高峰上下车量分布

公交出行期望值提取结果如图8所示,南北向和东西向2条走廊分布明显,二环与镜湖组团之间联系最紧密,全日交换量最大. 其次是二环与皋埠东湖、鉴湖组团之间,外围组团之间出行交换量相对较小.

图8 公交全日出行期望线

4.2 车租车运行特征

根据出租车订单及计价器数据分析,2019年,绍兴市巡游出租车工作日日均订单数为4.1万单,周末日均订单数为4.2万单. 网约出租车工作日平均订单数为6.6万单,周末平均订单数为6.5万单.

网约出租车订单分布具有显著的早晚高峰特征,工作日早高峰系数高于周末,晚高峰系数略低于周末,如图9所示. 工作日及周末早高峰均为08：00—09：00,其中工作日早高峰系数为7.4%,周末早高峰系数为5.8%. 工作日及周末晚高峰均为17：00—18：00,工作日晚高峰系数为7.5%,周末晚高峰系数为7.7%.

图9 出租车客流时间分布

网约车出行期望值提取结果如图10所示. 网约出租车客流以组团内部出行为主,组团内部出行中,以二环内部出行占比最高,其次为柯桥城区及上虞城区. 跨区出行以镜湖和柯桥城区之间联系最为紧密,其次为二环与镜湖之间的交换.

图10 网约车乘客出行期望线

5 结论与建议

随着城市的不断发展,绍兴市城市交通需求也不断增加. 出行距离的增加和机动化出行比例的提升给城市交通系统带来巨大的挑战. 随着功能布局和城市空间结构的不断完善与调整,城市交通结构逐渐向机动化转移. 但是,新增的机动化出行并未向公交转移,相反,公共汽车客运量,面对小汽车的巨大冲击有逐渐减少的倾向.

5.1 调查结论

调查及分析结果表明：①近年来,绍兴市人口规模不断增长,城市空间逐渐向外扩展,机动化出行比例提高,使得出行需求持续增长,出行率所有提高;②机动车保有量快速增长,机动化出行需求迅猛攀升;③小汽车出行占比不断上升的同时,常规公交以及非机动车出行占比逐渐降低;④东西向客流走廊较南北向更明显,主城区范围内各组团之间的交换量较大;⑤城市呈组团式发展,组团间交通联系紧密,由原来的单中心聚集转变为多核辐射的态势.

5.2 相关建议

1)加强小汽车需求管理. 近10 a,小车成为最主要的机动化出行方式,按照目前绍兴市小汽车保有量增长速度,将会给现有的交通设施带来巨大的挑战. 借鉴国内大城市的发展经验,合理的交通需求管理是解决目前绍兴市拥堵问题的关键.

2)推进轨道交通规划和建设工作. 绍兴市特有的河网密布分隔的组团式城市空间形态和布局,决定了其交通走廊和承载能力必然有限. 为提升城市交通系统的服务水平和承载力,必然要大力发展快捷高效的轨道交通系统.

3)适时进行公交优化调整. 目前绍兴市轨道交通还未成为城市交通出行的主要方式,在有序推进绍兴市轨道交通建设的同时,要及时对公交系统进行优化调整,提高公共交通在中长距离出行中的竞争力.

4)合理规划用地布局,注重城市职住平衡. 推进城市发展的同时要注意用地功能布局的优化,保证城市资源配置均衡,避免出现严重的潮汐式交通.