涂鴻昌 晏龍旭 王德 胡楊 駱曉

關鍵詞：城市時空行為規(guī)劃；道路擁堵；手機信令數(shù)據(jù)；交通態(tài)勢數(shù)據(jù)；交通流分配

0 引言

城市道路擁堵是一種復雜的時空現(xiàn)象，反映了道路出行需求在時間和空間上的不均衡分布，即大量車輛在高峰時段匯聚到特定路段。傳統(tǒng)的道路擁堵研究側重于對擁堵道路節(jié)點的分析與預測，較少關注擁堵形成過程中的時間要素，難以解釋擁堵形成的來龍去脈。而時空行為研究強調(diào)將空間和時間視為一個不可分割的整體，關注以個體出行全過程中“時空—行為”的相互作用來解釋時空現(xiàn)象，提供了一種理解擁堵形成的新理論視角和研究方法[1]?；跁r空行為視角，道路擁堵可以被理解為個體從出行發(fā)生到途經(jīng)擁堵路段再到出行結束的完整過程。擁堵溯源分析有助于揭示不同時空行為特征的出行需求對擁堵的貢獻，從而為制定精細化的緩堵策略提供參考。同時，大數(shù)據(jù)技術的進步使得持續(xù)記錄和分析個體時空行為特征成為可能，也為開展道路擁堵的時空行為研究提供了新的機遇。

擁堵溯源方面，既有文獻通?；诟黝悗в袀€體信息的出行軌跡數(shù)據(jù)集，分析個體出行對擁堵的貢獻。例如，利用個體活動調(diào)查日志判斷出行對擁堵的潛在貢獻[2]，使用手機信令數(shù)據(jù)推斷擁堵的源頭區(qū)域[3]，或使用交通流分配方法模擬車輛出行軌跡進而追溯擁堵源頭區(qū)[4-6]。但這些研究仍然存在一定局限：在空間維度上側重于擁堵源的區(qū)域識別，缺乏與具體城市空間的對應；在時間維度上聚焦擁堵發(fā)生時刻，缺乏對形成過程的系統(tǒng)分析；在應用層面上偏重擁堵成因診斷，較少提出緩堵對策。

時空行為規(guī)劃理論為系統(tǒng)分析擁堵成因、制定緩堵策略提供了新的視角。該理論關注“時空—行為”的交互關系，旨在從空間、時間、行為3個維度統(tǒng)籌城市交通供需，實現(xiàn)出行需求在時空上的均衡分布，已在交通規(guī)劃領域產(chǎn)生一定影響[7-9]。理論框架方面，已形成以空間規(guī)劃為基礎、時間規(guī)劃為輔助、行為規(guī)劃為補充的層次化體系：空間規(guī)劃主要通過優(yōu)化城市功能布局、提升設施服務水平等措施引導交通需求的空間分布[10]；時間規(guī)劃分為強制性時間管理[11-12]和引導性時間建議[13]兩種方式，通過調(diào)節(jié)設施開放時間、出行時間等影響需求的時間分布；行為規(guī)劃則包括被動干預（公共交通補貼、擁堵收費、遠程辦公等）[14-16]和主動引導（智能出行建議、信息推送、鼓勵共享出行等）[17]兩種策略，更直接地作用于個體出行決策。應用實踐方面，歐美國家已經(jīng)開展了較多緩堵探索[18-19]，而國內(nèi)的相關實證研究和實踐探索相對較少[20-21]。

作為我國超大城市，上海市交通擁堵問題較為突出①。全面分析上海市道路擁堵的成因并提出規(guī)劃應對策略，有助于實現(xiàn)智慧交通和可持續(xù)城市發(fā)展的目標②。本文以上海市早高峰道路擁堵為例，嘗試提出一種從時空行為視角分析擁堵成因的技術方法：通過定量指標對道路擁堵進行溯源分析，揭示主要擁堵貢獻人群的時空出行特征，歸納典型路段的擁堵形成模式并提出潛在的時空行為規(guī)劃策略。通過定量和定性相結合的分析，深化對道路擁堵內(nèi)在機理的理解，以期為上海未來的交通規(guī)劃與管理提供新的思路和參考。

1 研究數(shù)據(jù)與方法

1.1 技術路線

從時空行為視角來看，道路擁堵體現(xiàn)為不同交通主體的出行需求在時空上“聚集共現(xiàn)”。換言之，每一名“擁堵受害者”實際上也是“擁堵貢獻者”。為了深入理解道路擁堵的形成模式以提出規(guī)劃應對策略，可以從空間、時間、行為維度溯源擁堵貢獻者的出行全過程，從而解釋擁堵形成的內(nèi)涵（見圖1）。

本文選取常發(fā)擁堵路段③作為研究對象，這些路段的擁堵一般不是由天氣、交通事故、大型賽事等偶發(fā)因素導致的，而是具有一定的時空規(guī)律性，更能體現(xiàn)特定城市空間擁堵的一般性特征。研究思路如下：

首先，構建早高峰地面交通出行的時空軌跡數(shù)據(jù)集。以手機信令數(shù)據(jù)提取的出行OD作為交通發(fā)生量，基于交通擁堵態(tài)勢數(shù)據(jù)中的車速信息，使用隨機多路徑交通流分配法④，模擬獲得每個OD的時空軌跡。算法分3個步驟實現(xiàn)：（1）為每一個OD基于時耗計算10條最短路徑；（2）以各路徑與最短路徑的時耗差作為阻抗，生成10條帶有選擇概率的時空軌跡；（3）根據(jù)概率隨機選擇1條軌跡作為結果。

其次，開展城市道路擁堵的總體溯源。篩選軌跡數(shù)據(jù)中集中遭遇擁堵的出行，定義為擁堵出行或擁堵人群。匯總所有擁堵人群經(jīng)過擁堵路段長度的總和，定義為擁堵貢獻里程，通過計算其在出發(fā)側、到達側的空間分布量和時間分布量，來刻畫擁堵形成的空間（來源、去向）、時間（出發(fā)、途經(jīng)、到達）與出行人群的特征。

再次，解析具體路段擁堵形成的時空行為模式。本文從空間、時間、行為3個關鍵維度，對每條擁堵路段定量溯源并劃分類型（見表1）。在空間維度，提出擁堵出行的出發(fā)地、到達地擁堵源概念，度量貢獻路段擁堵的關鍵源頭區(qū)域；對存在擁堵源的路段，針對性地開展源頭管控將更有成效。在時間維度，定義擁堵時間集中度指標，度量路段流量的時變特征；高指標值表示擁堵存在明顯的高峰時段，更適合采取錯峰策略。在行為維度，定義擁堵主導人群指標，度量不同人群對路段擁堵的貢獻差異；結合人群活動特征制定個性化引導策略，能夠提高精準治理水平。

最后，對具體路段擁堵成因的特征進行綜合分析，歸納典型的擁堵形成模式，并提出時空行為規(guī)劃應對策略。

1.2 研究數(shù)據(jù)

擁堵態(tài)勢數(shù)據(jù)方面，本文采用高德地圖平臺提供的交通態(tài)勢API接口，獲取上海市2020年11月2日—2020年11月6日（連續(xù)5個工作日）內(nèi)早高峰時段（7：00—10：00，15 min間隔）的交通態(tài)勢數(shù)據(jù)，其中包括擁堵路段名稱、空間矢量、路況⑥、車流速度等字段信息。為了簡化問題，本文假設在15 min內(nèi)每一條擁堵路段的路況、車流速度不發(fā)生變化。

手機信令數(shù)據(jù)方面，本文采用聯(lián)通公司提供的2020年11月上海市手機信令數(shù)據(jù)，使用1 km網(wǎng)格匯總擁堵數(shù)據(jù)對應時段內(nèi)的出行OD數(shù)據(jù)（根據(jù)聯(lián)通系數(shù)擴樣），其中包含出發(fā)網(wǎng)格位置、到達網(wǎng)格位置、出發(fā)時刻、出行人數(shù)、出行方式、出行目的等字段信息。篩選聯(lián)通公司平臺定義的“地面交通出行”且距離大于3 km的出行作為研究對象，即機動車出行。在此基礎上，按出行目的與規(guī)律性劃分人群屬性：將OD組合為“家—工作地”“其他地—工作地”的出行人群識別為通勤人群；將1個月內(nèi)同一OD空間位置機動車出行次數(shù)大于3次的人群視為慣常人群。

出行時空軌跡數(shù)據(jù)集方面，為了驗證交通分配結果的有效性，隨機抽取1 000條軌跡作為實驗組，以高德地圖導航推薦軌跡結果作為對照組（每一組出發(fā)時間相同）。結果表明，出行時耗、距離的R2都大于0.9，在0.001水平上顯著，平均絕對誤差分別為200 s、582 m；相似路段（容差50 m以內(nèi)）總長度占比約80%，最遠偏移距離的中位數(shù)僅為103 m，平均值為402 m。

2 道路擁堵的總體溯源結果

2.1 常發(fā)擁堵的基本特征

早高峰期間（7：00—10：00），浦西地區(qū)整體擁堵水平高于浦東（見圖2）。其中，擁堵持續(xù)時長大于150 min的常發(fā)擁堵主要在浦西地區(qū)的快速路上呈線性連續(xù)分布，如外、中、內(nèi)環(huán)以及進城方向高架；擁堵持續(xù)時長小于90 min的常發(fā)擁堵主要發(fā)生于主干道、次干道及支路（以下統(tǒng)稱為“一般道路”），在郊區(qū)大型居住片區(qū)成片斷續(xù)分布，如五個新城、莘莊、川沙。同時，道路等級與擁堵強度呈正相關：快速路平均擁堵時長最高，達129 min，而支路為80 min，表明在對常發(fā)擁堵進行治理時應優(yōu)先關注城市快速路網(wǎng)。

2.2 擁堵溯源的OD空間特征

匯總全市范圍內(nèi)擁堵出行的來源與去向，可以揭示上海市域尺度擁堵的時空演化規(guī)律。從空間分布上來看（見圖3），擁堵出行的主要出發(fā)地呈現(xiàn)“兩片多核”的格局：內(nèi)環(huán)、中環(huán)沿線的居住密集片區(qū)是引發(fā)全市擁堵的重要源區(qū)，尤其在浦西形成了南北向的兩大集聚片區(qū)，如江灣、莘莊、涼城新村等；同時在外圍形成多個高值核心，以大型居住社區(qū)為主，如顧村等。相比之下，擁堵出行的主要到達地則高度集中于內(nèi)環(huán)內(nèi)的商務辦公、科創(chuàng)產(chǎn)業(yè)等就業(yè)功能片區(qū)，并在局部形成高強度集聚點，如陸家嘴、南京東路、徐家匯、漕河涇、虹橋商務區(qū)等。

2.3 擁堵溯源的時間特征

按途經(jīng)時間匯總全市擁堵貢獻里程，并按出發(fā)、到達時間匯總擁堵人群總量（見圖4）。結果表明，早高峰期間高峰形態(tài)明顯，擁堵貢獻人群的出發(fā)、到達高峰時段分別在8：00左右和8：30左右，5 min內(nèi)出行人次均約8萬人；途經(jīng)高峰時段為8：00—8：30，平均每5 min內(nèi)全市擁堵貢獻總里程達30萬km。擁堵貢獻總里程與擁堵貢獻出行人次呈正相關，人均貢獻擁堵里程約為4.7 km，占總出行距離（17.3 km）的27%。

2.4 擁堵溯源的人群特征

從對全市擁堵的貢獻總量來看（見圖5），早高峰擁堵主要由慣常通勤人群和隨機非通勤人群貢獻：二者貢獻總量接近，分別占43%、42%；二者對擁堵的貢獻隨時間發(fā)生變化，前者在8：30前占主導、后者在8：30后占更多。結合人均貢獻情況可知，盡管隨機非通勤人群（36%）出行量小于慣常通勤人群（48%），但由于其出行距離更長，因而人均擁堵貢獻量（5.4 km）高于后者（4.1 km）。這表明在制定精細化緩堵策略時，既要重視通勤高峰期的需求引導，也需關注非通勤人群的行為優(yōu)化。

進一步對比兩類人群的空間分布發(fā)現(xiàn)，其出發(fā)地具有相似性（見圖6），而到達地則存在明顯差異（見圖7）。其中，慣常通勤人群的擁堵出行到達地主要集中在傳統(tǒng)商務辦公區(qū)，高度依賴于就業(yè)崗位，如陸家嘴、漕河涇、虹橋商務區(qū)等；而隨機非通勤人群的擁堵出行到達地主要在浦西中環(huán)內(nèi)分散、成片分布，主要受商業(yè)、醫(yī)療、交通樞紐等服務設施吸引，如徐家匯、新天地、瑞金醫(yī)院、中山醫(yī)院、虹橋樞紐等。

3 道路擁堵的時空行為模式解析

3.1 空間模式解析

為厘清各擁堵路段貢獻出行在空間上的分布特征，基于前文所定義的空間維度指標，對其來源與去向的集聚程度進行評估。結果表明，58%的常發(fā)擁堵路段在出發(fā)側存在擁堵源，55%的路段在到達側存在擁堵源。進一步分析這些存在擁堵源路段的空間特征，發(fā)現(xiàn)其中超過90%的路段擁堵源呈現(xiàn)聚集特征（只有一個擁堵源或多個擁堵源之間距離小于3 km），且擁堵源與擁堵路段的距離較近（擁堵源的中心點距離擁堵路段小于3 km），說明路段的擁堵基本受到單一擁堵源的影響，且空間作用距離較近。

基于擁堵出行首末點分布的異同，將常發(fā)擁堵歸納為4種典型的空間形成模式（見圖8）。其中，同O不同D型占25%，主要分布于大型居住片區(qū)通往就業(yè)中心的主次干道上，在外環(huán)內(nèi)呈片狀聚集分布，如江灣、涼城、漕河涇等街道，郊區(qū)則較為分散；不同O同D型占22%，主要分布于就業(yè)中心片區(qū)的主次干道上，如陸家嘴、張江、虹橋等街道；同O同D型占33%，在空間鄰近前二者且呈片狀聚集、連續(xù)分布的特征，如莘莊—漕河涇、四川北路—北外灘、仙霞—金虹橋等居住—就業(yè)復合片區(qū)內(nèi)；不同O不同D型占20%，主要分布于高速、高架等城市結構性通道上，如外環(huán)、中環(huán)、內(nèi)環(huán)、南北高架、延安高架?？梢钥闯?，不同等級道路因其服務對象、交通功能的差異，在擁堵的空間組織邏輯上也有所不同。

為進一步說明擁堵溯源的空間解析方法的效果，本文以中春路和南北高架為例進行對比分析。南北高架、中春路分別是上海市內(nèi)最重要的南北向快速路、閔行區(qū)內(nèi)重要的南北向干道，均因擁堵問題突出⑦而被頻繁報道。從擁堵貢獻的OD空間分布來看（見圖9），中春路（莘松路—沁香路）段、南北高架（呼蘭路—共康路）段分別是典型的同O同D型、不同O不同D型常發(fā)擁堵路段。前者的擁堵出行在來源、去向空間上都較為集中，主要分布于莘莊鎮(zhèn)和莘莊工業(yè)區(qū)內(nèi)；后者的擁堵出行OD相對分散，遍布多個街道單元。

3.2 時間模式解析

基于擁堵時間集中度指標，識別出兩種主要的擁堵時間模式（見圖10）。61%的擁堵路段屬于尖峰型，錯峰調(diào)節(jié)潛力較大，主要分布于主次干道；相比之下，厚尾型則因早高峰期間流量保持相對穩(wěn)定，調(diào)節(jié)難度相對更大，主要分布于高速、高架、主干道等高等級道路?？傮w呈現(xiàn)道路等級越高，尖峰型擁堵占比越低的特征。從空間分布上看，擁堵路段時間集中度普遍較高的板塊主要有五個新城、陸家嘴、張江、金橋加工區(qū)、外高橋、友誼、月浦、馬橋、顓橋等街道單元。

中春路（莘松路—沁香路）段是典型的尖峰型擁堵路段，其出行流量在高峰時段內(nèi)（7：30—8：30）存在明顯的波峰；而南北高架（呼蘭路—共康路）段是典型的厚尾型擁堵路段，波峰不明顯（見圖11）。

3.3 行為模式解析

擁堵溯源的意義不僅在于揭示擁堵發(fā)生的時空邏輯，更在于識別關鍵的行為主體，從而因人而異地制定治理方案?；谌巳禾卣髦笜耍Y果表明，62%的路段擁堵由慣常通勤人群主導，主要在外環(huán)內(nèi)就業(yè)中心區(qū)、外環(huán)外大型居住區(qū)內(nèi)的一般道路上密集成片分布（見圖12），與圖6、圖7的慣常通勤人群擁堵貢獻的主要OD分布特征相似；25%的路段擁堵由隨機非通勤人群主導，主要分布在快速路（滬金高速、申嘉湖高速、外環(huán)、南北高架、滬閔高架等）上，交通樞紐片區(qū)（虹橋交通樞紐、浦東機場）內(nèi)尤其明顯。

中春路（莘松路—沁香路）段的擁堵出行中，慣常通勤人群、隨機非通勤人群、其他人群各占51%、35%、14%，是典型的慣常通勤主導型擁堵路段，其中慣常通勤人群占比在高峰時段內(nèi)達60%左右；而南北高架（呼蘭路—共康路）段的擁堵出行中，上述各類人群分別占29%、52%、19%，由隨機非通勤人群主導（見圖13）。

4 基于時空行為規(guī)劃的緩堵應對策略

4.1 擁堵形成主要模式

為了提出緩堵應對策略，需要綜合歸納擁堵路段的空間、時間、行為模式。因此，將3個維度的不同模式交叉分析，擁堵路段可以被分為32種模式。一方面，從路段長度占比看，最高的4類分別是“尖峰—同O同D—慣常通勤主導”（以下簡稱“時空集中型”）、“尖峰—同O不同D—慣常通勤主導”（以下簡稱“出發(fā)集中型”）、“尖峰—不同O同D—慣常通勤主導”（以下簡稱“到達集中型”）、“厚尾—不同O不同D—隨機非通勤主導”（以下簡稱“時空分散型”），各占23%、12%、9%、9%，合計54%，即這4類擁堵的時空行為模式可以解釋早高峰大部分路段的擁堵成因。另一方面，從3個維度之間的關系出發(fā)同樣可以歸納出這4種主要模式。圖14中的桑基圖表明，尖峰型擁堵通常與慣常通勤主導型擁堵相關聯(lián)，且在此基礎上根據(jù)空間特征的具體形式，演化出時空集中型（同O同D）、出發(fā)集中型（同O不同D）、到達集中型（不同O同D）3種類型。其中，時空集中型可被認為是出發(fā)集中型、到達集中型的特殊形式，同時具備出發(fā)集中型、到達集中型的相關特征。厚尾型擁堵通常與不同O不同D型、隨機非通勤主導型擁堵相關，定義為時空分散型。

從空間分布來看（見圖15），出發(fā)集中型擁堵主要分布于中環(huán)外大型居住片區(qū)，如五個新城、川沙、莘莊等區(qū)域；到達集中型擁堵主要分布于中環(huán)內(nèi)就業(yè)中心片區(qū)，如陸家嘴、徐家匯、漕河涇開發(fā)區(qū)、張江高科技園區(qū)、金橋出口加工區(qū)等區(qū)域；時空集中型擁堵則與出發(fā)集中型、到達集中型擁堵分布特征相似，主要在居住—就業(yè)復合片區(qū)內(nèi)聚集成片分布；時空分散型擁堵主要分布于結構性交通廊道內(nèi)的快速路上，如內(nèi)環(huán)、中環(huán)、外環(huán)、南北高架、滬閔高架等。此外，快速路與一般道路的擁堵形成模式差異明顯：高速公路、高架中分別有約85%、55%的擁堵路段屬于時空分散型擁堵，即擁堵人群在空間、時間、行為上都呈現(xiàn)分散的特征；而一般道路中以集中型擁堵為主，其中時空集中型擁堵最多。

4.2 不同擁堵模式的規(guī)劃應對策略

基于對擁堵時空行為模式的理解，可以針對性地制定緩堵對策，以提高時空行為規(guī)劃的可實施性：（1）擁堵貢獻的空間集中度越高，對擁堵貢獻的出發(fā)、到達空間進行干預的潛力越高，越適合進行空間規(guī)劃以實現(xiàn)源頭管控；如提升出發(fā)側、到達側的公共交通服務水平，從而將部分道路出行需求轉移到公共交通上。（2）時間集中度越高，表明越有可能通過時間規(guī)劃管理措施來降低擁堵波峰；如在出發(fā)側擁堵源范圍內(nèi)實施預約出行策略、在到達側擁堵源范圍內(nèi)調(diào)整上班時間表。（3）慣常通勤人群因受到較強的時空約束，宜采用“自上而下”的措施改變其出行選擇，而隨機非通勤人群敏感性較低，可通過引導使其優(yōu)化自身出行行為。

因此，對于4種主要擁堵模式，根據(jù)其空間、時間、行為特征，可以制定相應的規(guī)劃策略（見表2）。對于出發(fā)集中型、到達集中型擁堵可以在空間規(guī)劃層面分別實施居住、就業(yè)單元規(guī)劃，在時間規(guī)劃層面實施預約出行、上班時間調(diào)整政策；對于時空分散型擁堵由于擁堵出行流在時空上都比較分散，空間規(guī)劃、時間規(guī)劃潛力較低，可以通過提供智能出行建議、鼓勵共享出行等行為規(guī)劃措施引導隨機非通勤人群改變出行行為。

與此同時，高速公路、高架的擁堵具有不同O不同D、厚尾、隨機非通勤人群主導的特征，宜采取時空分散型擁堵的規(guī)劃策略；城市內(nèi)部道路則呈現(xiàn)同O同D、尖峰、慣常通勤人群主導的特征，宜采取集中型擁堵的策略。

5 總結與討論

5.1 研究結論

本文從時空行為視角分析上海市早高峰擁堵的形成模式，建立基于手機信令數(shù)據(jù)和交通態(tài)勢數(shù)據(jù)的出行軌跡還原方法，對擁堵進行溯源并歸納了擁堵形成的時空模式，基于時空行為規(guī)劃框架制定了緩堵應對策略，為擁堵治理提供一定參考。

一方面，刻畫了上海市早高峰擁堵形成的特征：空間特征方面，擁堵的出發(fā)地沿內(nèi)環(huán)、中環(huán)高架浦西段成片分布，到達地在內(nèi)環(huán)內(nèi)集中分布；時間特征方面，8：00—8：30時段擁堵最為嚴重，出發(fā)、到達高峰分別在8：00左右和8：30左右；人群特征方面，慣常通勤人群與隨機非通勤人群擁堵貢獻總量相近，前者在時間上存在明顯高峰，人均擁堵貢獻較低，到達地集中在就業(yè)中心片區(qū)，而后者的到達地分散在商業(yè)、娛樂、醫(yī)療、交通樞紐等。

另一方面，解析了具體道路擁堵的時空行為模式：空間上多數(shù)擁堵存在擁堵源且僅受到單一擁堵源的近距離影響；時間上多數(shù)擁堵存在擁堵高峰，呈現(xiàn)尖峰特征；行為上多數(shù)擁堵由慣常通勤人群主導；且快速路與一般道路在這3方面的特征差異明顯。在此基礎上，歸納了出發(fā)集中型、到達集中型、時空集中型、時空分散型4類擁堵模式，分別主要分布于大型居住片區(qū)、就業(yè)中心區(qū)、居住—就業(yè)復合片區(qū)、結構性交通廊道內(nèi)。針對4種擁堵模式，結合時空行為規(guī)劃理論框架，提出了潛在的緩堵應對策略。

5.2 討論

展望未來，個體出行在擁堵研究中成為一個越來越不可忽視的變量，而從全過程的角度分析個體出行對擁堵的具體時空影響，能夠順應上海市交通擁堵治理的精細化趨勢。在實踐方面，本文為擁堵治理提供以下參考：一是為城市交通體檢提供普適性的數(shù)據(jù)與方法框架，手機信令數(shù)據(jù)與交通態(tài)勢數(shù)據(jù)是各大城市都相對容易獲得的高精度數(shù)據(jù)，為城市定位并追溯擁堵源頭提供輔助；二是為精細化的擁堵治理提供切入點，以研究中的指標框架為基礎可以構建全市范圍內(nèi)的擁堵分析可視化平臺，從更大的時空尺度理解城市快速路和城市內(nèi)部道路擁堵模式的差異性，并匹配適合的規(guī)劃應對策略；三是為交通規(guī)劃方案提供緩堵潛力評估，通過模擬規(guī)劃方案減少擁堵貢獻的總量與時空分布，為規(guī)劃的科學性與可行性提供數(shù)據(jù)支撐。

本文在數(shù)據(jù)與方法上仍然存在一些局限。一是使用數(shù)據(jù)的局限性。由于手機信令數(shù)據(jù)的隱私保護限制，出行數(shù)據(jù)使用1 km網(wǎng)格進行統(tǒng)計，難以支持小尺度的空間分析。未來若使用汽車GPS等高精度數(shù)據(jù)進行分析，可以將擁堵出行溯源到地塊甚至建筑尺度，以更精細地分析擁堵成因。二是分析方法的局限性。主要聚焦擁堵貢獻人群的出行發(fā)生、道路擁堵、出行到達3個時刻的狀態(tài)分析，尚未從多路段關聯(lián)的視角討論擁堵流的疊加、消散過程特征。三是研究范圍的局限性。道路交通與公共交通、慢行交通共同構成出行系統(tǒng)，未來還可以將城市道路擁堵放到更大的體系進行整體考量，進一步討論交通方式轉換的規(guī)劃應對策略與具體緩堵效應。