傅淳

摘 要：為充分發(fā)揮居民出行調(diào)查數(shù)據(jù)的價值，對國內(nèi)67個城市近幾年的調(diào)查數(shù)據(jù)進(jìn)行處理和分析，結(jié)合交通出行需求模型的建模需要，進(jìn)行模型參數(shù)庫設(shè)計。參數(shù)庫主要從城市類型、居民類型和參數(shù)類型三個方面進(jìn)行分析維度設(shè)計，并重點(diǎn)選擇長三角地區(qū)，對關(guān)鍵參數(shù)的取值范圍進(jìn)行分析和研究。下一步可以結(jié)合交通大數(shù)據(jù)，提升參數(shù)取值精度。

關(guān)鍵詞：居民出行調(diào)查;模型參數(shù)庫;參數(shù)取值范圍

0 引言

居民出行調(diào)查是城市交通中了解人員出行特征的基礎(chǔ)調(diào)查，是一項復(fù)雜的社會調(diào)查[1]。居民出行調(diào)查主要采用入戶的方式，使用紙質(zhì)問卷或平板設(shè)備完成調(diào)查項的獲取，現(xiàn)階段推薦采用微信小程序，通過實(shí)施傳輸數(shù)據(jù)的方法對調(diào)查過程進(jìn)行科學(xué)監(jiān)控。

居民出行調(diào)查的目的是獲取可反映居民出行特征的數(shù)據(jù)，這些數(shù)據(jù)可作為交通規(guī)劃的數(shù)據(jù)基礎(chǔ)。翻閱近幾年的研究成果，調(diào)查數(shù)據(jù)應(yīng)用的研究主要有如下兩個方向：

（1）利用手機(jī)信令、百度API等大數(shù)據(jù)，對具體城市的人口分布、出行特征、客流走廊等進(jìn)行深入研究。如手機(jī)信令數(shù)據(jù)在石家莊居民出行調(diào)查中，實(shí)現(xiàn)了在人口和就業(yè)崗位分布、出行率分析、出行總量分析、全日通勤客流空間主通道走廊分析等方面的應(yīng)用[2];百度API數(shù)據(jù)在石家莊居民出行調(diào)查中，實(shí)現(xiàn)了小汽車、公交及其他方式出行距離、出行時耗等關(guān)鍵數(shù)據(jù)誤差的修正等方面的應(yīng)用[3]。

（2）以居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，對數(shù)據(jù)進(jìn)行綜合擴(kuò)樣校核并進(jìn)行深度挖掘研究。如基于烏魯木齊市的居民出行調(diào)查數(shù)據(jù)，對居民出行校核擴(kuò)樣作為一個多目標(biāo)優(yōu)化問題進(jìn)行研究，給出了綜合校核擴(kuò)樣流程算法，論述了算法和流程在烏魯木齊居民出行綜合擴(kuò)樣校核的應(yīng)用情況[4];以南京市居民出行調(diào)查數(shù)據(jù)為樣本實(shí)例，采用職業(yè)、年齡、受教育程度、出行目的等幾種屬性，以SPSS軟件平臺對各屬性數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，確定影響居民出行方式選擇的因素，得出改善居民出行方式構(gòu)成的相應(yīng)建議[5]。

基于上述分析，近年來的相關(guān)研究主要以數(shù)據(jù)本身的處理和分析為主，故本次重點(diǎn)是考慮如何利用居民出行調(diào)查數(shù)據(jù)，完善交通出行需求模型的參數(shù)庫設(shè)計，為交通模型的提升提供支撐。

1 調(diào)查數(shù)據(jù)處理

1.1 樣本數(shù)據(jù)概況

本次研究所采用的樣本數(shù)據(jù)涉及全國67個城市近幾年的居民出行調(diào)查，合計抽樣戶數(shù)達(dá)到81.1萬戶，覆蓋了28個省份（直轄市），包括直轄市2個、省會或副省級城市17個，其中有16個城市在采集數(shù)據(jù)時已開通地鐵。

樣本數(shù)據(jù)主要包括家庭信息、成員信息和出行信息。家庭信息：家庭總?cè)丝凇?歲以上人口、家庭所在位置、家庭私人小汽車數(shù)量等;成員信息：性別、年齡、職業(yè)等;出行信息：出發(fā)地、到達(dá)地、出發(fā)時間、到達(dá)時間、出行目的、交通方式等。

1.2 主要數(shù)據(jù)成果

將樣本數(shù)據(jù)整理入庫后，結(jié)合其他相關(guān)統(tǒng)計資料，形成8大類數(shù)據(jù)成果，包括當(dāng)前調(diào)查批次數(shù)據(jù)概況、被調(diào)查城市基本概況、家庭特征、職業(yè)結(jié)構(gòu)特征、年齡結(jié)構(gòu)特征、出行目的特征、交通方式特征、出行距離特征。

2 參數(shù)庫維度設(shè)計

結(jié)合各城市交通出行需求模型的實(shí)際需求，將模型參數(shù)庫的分析維度設(shè)計為城市類型、居民類型和參數(shù)類型三個方面。

2.1 城市類型設(shè)計

結(jié)合樣本城市的分布情況，城市類型設(shè)計又包括人口規(guī)模、城市布局、軌道交通建設(shè)和小汽車擁有率。

（1）人口規(guī)模。人口規(guī)模設(shè)計采用國務(wù)院2014年11月20日印發(fā)的《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》，對原有城市規(guī)模劃分標(biāo)準(zhǔn)進(jìn)行了調(diào)整，新標(biāo)準(zhǔn)以城區(qū)常住人口為統(tǒng)計口徑，將城市劃分為五類七檔[6]。

（2）城市布局。從地形特征和空間布局對城市進(jìn)行分類，反映不同城市的交通出行特征。地形特征細(xì)分為平原城市和山地城市，空間布局細(xì)分為單中心城市和組團(tuán)城市。

（3）軌道交通建設(shè)。根據(jù)各城市軌道交通建設(shè)情況，區(qū)分有地鐵和無地鐵的城市。

（4）小汽車擁有率。結(jié)合各城市常住人口和小汽車保有量資料，采用千人小汽車擁有率反應(yīng)不同城市特征，包括0～100輛，100～200輛，200輛以上。

2.2 居民類型設(shè)計

依據(jù)交通出行需求模型建模要求，將居民類型細(xì)分為家庭擁車、職業(yè)、年齡和出行目的4個維度，用于指導(dǎo)模型參數(shù)設(shè)計。

（1）家庭擁車。包括有車家庭、無車家庭。通常，家庭擁車會影響居民出行中交通方式的選擇。如有車家庭的私家車出行的方式分擔(dān)率會明顯高于無車家庭，無車家庭的公共交通方式分擔(dān)率會高于有車家庭。

（2）職業(yè)。包括就業(yè)者、中小學(xué)生和其他（如無業(yè)、離退休等）。就業(yè)者（中小學(xué)生）一般通勤（上學(xué)）這類剛性出行占全目的出行的比重較大，且大多發(fā)生在高峰時段，故需要單獨(dú)考慮。除就業(yè)者和中小學(xué)生以外的人群，以彈性出行為主，出行規(guī)律也有所差異。

（3）年齡。包括0～5歲，6～18歲，19～60歲，60歲以上。年齡段的劃分根據(jù)調(diào)查數(shù)據(jù)和各年齡段出行規(guī)律綜合確定。

（4）出行目的。居民各類出行目的會影響到出行時段和交通方式的選擇。結(jié)合出行端點(diǎn)，將出行目的先劃分為基家出行和非基家出行兩類，再考慮到實(shí)際出行目的的差異，將基家出行又細(xì)分為上班、上學(xué)、日常生活等類型。

2.3 參數(shù)類型設(shè)計

根據(jù)交通出行需求模型設(shè)計，參數(shù)類型主要包括產(chǎn)生率、方式分擔(dān)率（個體機(jī)動、出租車、地鐵、地面公交、非機(jī)動車和步行）、出行距離（分方式）、重力模型參數(shù)、Logit模型參數(shù)（按是否開通地鐵進(jìn)行分層設(shè)計）。

3 關(guān)鍵參數(shù)取值范圍分析

考慮到樣本數(shù)據(jù)中23%的城市分布在長三角地區(qū)，且這些城市的樣本戶數(shù)占樣本總數(shù)的26%，綜合考慮后選取長三角地區(qū)進(jìn)行關(guān)鍵參數(shù)的取值范圍研究，并優(yōu)先將各城市差異較大的關(guān)鍵參數(shù)進(jìn)行分析，包括產(chǎn)生率、方式分擔(dān)率、出行距離和時間價值。

3.1 產(chǎn)生率取值范圍分析

產(chǎn)生率取值主要受城市類型和居民類型的影響，其中城市類型主要涉及人口規(guī)模、城市布局、軌道交通建設(shè)、小汽車擁有率，居民類型主要涉及家庭擁車、職業(yè)、年齡。

（1）特大城市。以平原、單中心城市為主，千人小汽車擁有率均超過200輛，基本開通了軌道交通，全目的產(chǎn)生率基本在2.2～2.3，其中有車家庭就業(yè)者的基家上班產(chǎn)生率（1.8～1.9）略高于無車家庭（1.7～1.8）。

（2）Ⅰ型大城市。以平原、單中心城市為主，千人小汽車擁有率基本超過200輛，基本開通了軌道交通，全目的產(chǎn)生率基本在2.2～2.3。

（3）Ⅱ型大城市。大部分為平原、單中心城市，存在部分平原、組團(tuán)城市。千人小汽車擁有率基本超過200輛。已開通軌道交通城市的全目的產(chǎn)生率基本在2.3～2.4;未開通的城市中，組團(tuán)城市基本在2.4～2.5。

（4）中等城市。以平原、單中心城市為主。千人小汽車擁有率100輛以上的城市，全目的產(chǎn)生率基本在2.4～2.5，其他城市基本在2.3～2.4。

（5）小城市。以平原、單中心城市為主。千人小汽車擁有率100輛以上的城市，全目的產(chǎn)生率基本在2.7～2.8，其他城市基本在2.6～2.7。

3.2 方式分擔(dān)率取值范圍分析

方式分擔(dān)率取值主要受城市類型的影響，主要涉及人口規(guī)模、城市布局、軌道交通建設(shè)、小汽車擁有率。

（1）特大城市。個體機(jī)動基本在20%左右，步行基本在30%左右。

（2）Ⅰ型大城市。個體機(jī)動分擔(dān)率基本在20%～30%;地鐵分擔(dān)率基本在1.5%～2%;地面公交分擔(dān)率基本在9%～11%;非機(jī)動車分擔(dān)率基本在30%～35%。

（3）Ⅱ型大城市。單中心城市個體機(jī)動基本在26%～32%，地面公交基本在7%～11%。

（4）中等城市。千人小汽車擁有率200輛以上城市，個體機(jī)動基本在35%～40%，地面公交分基本在6～7%，非機(jī)動車分擔(dān)率基本在40%左右。

（5）小城市。千人小汽車擁有率100輛以上的城市，個體機(jī)動基本在30%～35%之間，地面公交基本在6%～8%。

3.3 出行距離取值范圍分析

出行距離取值主要受城市布局、軌道交通建設(shè)、小汽車擁有率影響較大。長三角地區(qū)個體機(jī)動出行距離基本在9～10公里，地鐵出行距離基本在12～14公里，非機(jī)動車基本在4.5～5公里，步行基本在1公里左右。全方式出行距離受方式分擔(dān)率影響，各城市差異較大。

4 討論

本文基于國內(nèi)近年來多個城市的居民出行調(diào)查數(shù)據(jù)，從城市類型、居民類型、參數(shù)類型三個方面，對模型參數(shù)庫進(jìn)行了維度設(shè)計，并基于樣本數(shù)據(jù)的分布情況，重點(diǎn)對長三角地區(qū)的模型關(guān)鍵參數(shù)取值范圍進(jìn)行了分析，對建模應(yīng)用提供了良好的參考基礎(chǔ)。

在本文基礎(chǔ)上，后續(xù)還可結(jié)合手機(jī)信令數(shù)據(jù)、導(dǎo)航地圖數(shù)據(jù)等，結(jié)合實(shí)際項目資料，對關(guān)鍵參數(shù)取值進(jìn)行進(jìn)一步分析了論證，提升參數(shù)取值的精度。

參考文獻(xiàn)：

[1]王巨錚.大城市的居民出行調(diào)查[J].城市問題，1989（4）：12-17.

[2]付雷.基于手機(jī)信令數(shù)據(jù)的居民出行調(diào)查分析—以石家莊為例[J].交通與運(yùn)輸，2018（2）：68-71.

[3]康浩.利用百度API數(shù)據(jù)對居民出行調(diào)查的修正與挖掘[J].交通與運(yùn)輸，2019，35（2）：23-27.

[4]洪曉龍.烏魯木齊市居民出行調(diào)查數(shù)據(jù)綜合校核擴(kuò)樣方法研究[J].科學(xué)技術(shù)創(chuàng)新，2017（27）：129-130.

[5]李穎.數(shù)據(jù)挖掘在居民出行調(diào)查數(shù)據(jù)分析中的應(yīng)用[J].交通科技，2016（1）：164-167.

[6]中央政府門戶網(wǎng)站.國務(wù)院印發(fā)《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》[EB/OL].http：//www.gov.cn/xinwen/2014-11/20/content_2781156.htm，2014-11-20.