大數據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，傳統的交通調查方式為現場或入戶問卷填寫，需要消耗較多人力物力，且在疫情等城市公共安全衛生緊急事件發生時無法展開工作，為解決傳統交通調查存在的不足，利用手機信令大數據，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展有一定的意義。

王迎春等基于ACP方法的平行手機信令數據系統，科學實現區域人流監控，從而為用戶的出行路線規劃提供相關指導[1]；宋璐利用手機信令數據與用戶行為的關聯，對出行OD做可視化分析[2]；李長春基于手機信令數據對城市規劃及交通規劃進行了研究[3]；胡永愷研究基于手機信令數據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據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[6]；曹仲等利用手機信令數據研究了區域交通流的可視化[7]；劉鎧利用手機信令獲取了動態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據以昆山市為例，分析了居民的職住平衡，并提出了優化建議[10]；馬春景基于手機信令數據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據中，數據清洗與挖掘的重點[14]；林培群等研究了手機信令數據在交通樞紐人流測算及城市建成環境的應用[15-18]。

綜上所述，基于手機信令數據的分析在居民出行特征以及城市土地利用優化等方面發揮了很好的作用，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據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據、參數標定提供的支撐和校核進行研究分析。

1 手機信令數據處理

基于手機信令數據的分析，可以全面了解并掌握蕪湖市綜合交通基礎現狀。以對交通模型修正校驗、軌道交通規劃、客流預測等規劃工作予以輔助支撐。手機信令數據分析首先對原始手機信令數據進行采集、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狀基礎研究數據，進而與其他調查方式獲取的調查數據進行校核，以期獲得更為完善、高精準的城市交通現狀基礎數據及分析結果，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據進行分析，其中，對2019年第一周(即12月2日至12月8日)的數據進行重點分析。

基于手機數據的出行調查的技術路線見圖1。

圖1 基于手機數據的出行調查技術路線

1.2 網格處理

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據采集的最為關鍵的基礎性數據。直接利用手機數據，只能得到手機用戶在移動通信網絡不同的信號覆蓋小區間的運動情況，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的網格化處理，網格分布見圖3。其中，被點亮的網格是最靠近基站的網格，可以看出，電信基站的位置在主城區分布較為密集，基本整個建成區，而外圍的村鎮基站分布較為稀疏。

圖3 基站網格分布示意

1.3 交通區域劃分

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

圖4 按照街道劃分的交通大區

圖5 基于街道的交通大區網格處理

2 職住分析

2.1 職住平衡指數

“職住平衡”是指片區內大部分的居民實在本區內工作就業學習，通勤、通學在本地實現。同時，其他區域的居民也較少比例進入該區域工作，而非單純的就業機會與住房機會數量上相等。實際上，城市空間結構存在明顯的不均勻特征，人口和產業的規模及結構在空間上都具有不同的分布形式，因此“職住比”在不同區位間也必然呈現出差異性，不應在所有的位置上都追求“絕對”意義上的數量平衡，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和就業平衡指數。

(1)職住比

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

(1)

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

(2)居住者平衡指數

(2)

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

(3)就業者平衡指數

(3)

其中，JHBRH，i為街道i的就業者居住匹配指數；MATCHi為同時在該街道就業和居住的人數；Ji表示在i街道就業的總人數(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

基于蕪湖市區交通中區，利用2019年12月份每日21:00～7:00的夜間數據訓練識別，一個月內居住15 d及以上，位于同一區域內，即可認為該用戶常住于此處。基于手機信令數據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

根據統計數據，蕪湖市區常住人口為171.2萬，手機識別常住人口53萬人，擴樣系數為3.229。各交通中區人口密度分布見圖7。

圖7 街道人口密度分布

從人口分布來看，蕪湖市區鏡湖區、弋江區、鳩江區三區的常住人口分別為57.7萬、50.2萬、63.3萬，鳩江區、弋江區轄區范圍相對較大，蕪湖市區核心主要集中在鏡湖區。

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 手機信令識別就業人口分布

利用2019年12月份每日7:00～19:00的白天數據訓練識別，存在一半工作日天數及以上，位于同一區域內，即可認為該用戶于此處工作。基于手機信令數據識別的蕪湖市就業崗位分布情況見圖8。

圖8 基于手機識別的就業崗位分布

手機識別就業人口數為46萬人，根據統計年鑒數據顯示，市區范圍就業人口在85.6萬人左右，擴樣系數按照1.861計算，各街道就業崗位密度分布見圖9。

圖9 街道崗位密度分布

從就業崗位分布來看，蕪湖市區鏡湖區、弋江區、鳩江區三區的就業人口分別為23.3萬、27.3萬、35.0萬，就業人口/常住人口占比分別為0.40、0.54、0.55；從就業人口總量來看，蕪湖居住人口主要集中在老城區范圍，而工業崗位主要集中在鳩江區、弋江區，蕪湖經濟技術開發區位于蕪湖市區北部和東部，弋江區峨山東路以南也布局了許多人口密集型產業。

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

從就業崗位分別來看，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域，人口及崗位高度集中。人口崗位以該區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人口，以及在同一街道居住并就業的數據，分別對職住比JHR、居住者就業平衡指數JHBRH，就業者居住平衡指數JHBRJ三組數據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之間的供需關系，其中居住人口按照就業總量同比例折減。當職住比越大時，說明該區域就業機會更多，更有能力吸引其他區域到該區域就業；當職住比越小時，說明該區域以居住為主，就業機會少于居住機會，該區域人口傾向于跨區域實現就業。

從職住比在空間上分布來看，蕪湖中心城區整體呈現南弱北強的格局，由于蕪湖經濟技術開發區集中在主城區北側和東側，工業用地占比較大，勞動密集型產業較多。

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核心區域，為蕪湖商業金融中心，經濟活動最為活躍。清水街道為蕪湖經濟技術開發區，該區域以工業用地為主，而住宅小區較少，造成就業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個區域用地性質較為單一，主要以居住為主，就業機會較少，大部分居民需要去其他區域實現就業。由于城市規劃中功能區劃分，一般將產業集中起來發揮產業集聚效益，某些功能區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就業。

外圍鄉鎮職住比相對均衡，職住比在1.0左右。外圍鄉鎮街道零星布局了工廠，在本地即可實現就業，職住相對平衡，例如白茆鎮、湯溝鎮、峨橋鎮等外圍鄉鎮，相對獨立，跨區通勤出行需求較少。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

居住者平衡指數是在該區內居住并就業的人口數量與該區域居住人口總量的比值。居住者平衡指數越小，說明該區域的街道跨區實現就業的比例越大。蕪湖市區街道居住者平衡指數平均值為58.7%，即平均有58.7%的居住者選擇在本街道就業。

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

居住者平衡指數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；白茆鎮、湯溝鎮外圍鄉鎮在本地居住就業比例最高，區域相對獨立。居住者平衡指數見圖11。

圖11 居住者平衡指數

(3)就業者平衡指數

就業者平衡指數是在該區內居住并就業的人口數量與該區域就業人口總量的比值。就業者平衡指數越小，說明該區域的街道跨區實現就業的比例越大。蕪湖市區街道居住者平衡指數平均值為63.07%，即平均有63.07%的就業者選擇在本街道就業。

就業者平衡指數最小的街道為清水街道，就業者平衡系數為58.84%，該區域大多為工業用地，區域居住人群較少，該街道本身人口難以滿足崗位需求，就業人口大多來自其他區域。

龍山街道也屬于蕪湖經濟技術開發區，但區內居住人口與就業崗位數量基本相當，就業者平衡系數為66.67%，約有2/3的人在本區內部就業，內部就能實現部分平衡。就業者平衡指數見圖12。

圖12 就業者平衡指數

3 活動空間分析

根據手機信令數據，能夠識別出居住對應的街道以及就業所對應的街道，將兩者聯系起來，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，根據基站坐標，計算出網格中心直線距離。在基站相對密集的主城區，基站服務范圍大致在500×500網格內，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。蕪湖市區通勤出行的距離分布呈現遞遠遞減的曲線形態(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據，分析各移動用戶的出行鏈信息，根據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，進行擴樣統計，得到中心城區居民出行OD。

截取2019年12月2日～2019年12月8日的手機信令數據，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

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

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

4.2 客流OD分布

根據基站出行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 蕪湖中心城區工作日出行OD期望線

圖17 蕪湖中心城區周末OD期望線

蕪湖主城區存在大客流走廊，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。

外圍區域除了沈巷鎮與二壩鎮之間聯系比較外，其他跨區出行量相對較小。

由于蕪湖市擁江發展，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分配泰森三角形網絡中，根據現狀溝通江南、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域為城市核心區域。核心區進出客流OD是交通需求預測模型的關鍵校核參數。

核心區與城東區域的聯系最為緊密，兩區之間聯系客流量為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。

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

6 數據融合與校核

6.1 手機信令與傳統居民出行調查的對比

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

6.2 本次數據融合方法

本次數據校核是通過手機信令大數據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鎮共分為33個小區，對交通調查的OD校核需通過迭代計算得到。

數據融合思路主要由以下幾點考慮：①大數據在獲取區內出行數據時，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的跨區出行量；②居民出行調查中，部分小區之間聯系較弱的，在未調查到足夠樣本時，往往出現空值的現場，需按照大數據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，對外部小區之間聯系量與大數據跨區OD進行比對，以對外出行OD對與總出行量比值作為系數，對居民出行調查OD的外部聯系進行重復迭代計算，最終得到居民出行調查OD表。

6.3 數據校核結果

對比數據校核前后，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。大數據正好彌補了居民出行調查這一普遍存在的問題，對現狀客流特征的把握和客流預測模型參數校核起到重要的作用。

手機信令分析在傳統交通調查的基礎上，充分利用日趨成熟的交通信息平臺和信息化數據采集挖掘技術，優化調查流程、提高調查數據質量、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建設規劃提供多元化、多層次的數據支撐。

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