江蘇省城際多出行模式客流出行特征分析

鄧潤飛,白 樺,劉秀彩

(華設設計集團股份有限公司,江蘇 南京 210005)

0 引言

隨著移動互聯網、物聯網、社交網絡等技術和應用的興起,全球范圍內數據量迅猛增長,大數據時代已經來臨。而綜合交通運輸是大數據應用的核心場景和重要領域,我國交通運輸部在《推進綜合交通運輸大數據發展行動綱要(2020-2025)》中也明確提出了利用大數據技術完善道路運行狀態監測的發展目標[1]。因此,綜合交通運輸網出行模式分析、運行狀態感知與監測,是交通工程領域廣泛關注的研究方向之一。

從研究領域看,目前大數據分析和挖掘主要面向城市交通領域,面向城際、都市圈等區域交通的大數據分析應用較少[2-6];從技術方法看,多圍繞單一數據源開展技術研究,較難精準表征并區分實際個體交通出行的完整出行鏈[7]、全方式出行要素推斷與交通運行狀態監測技術尚屬空白[8]。手機信令數據(Mobile Phone Signaling Data)是一種基于手機通信而產生的數據[9],隨著手機信令數據等多源交通數據被引入交通行業,基于手機信令數據所提出的客流分析方法與出行模式辨識模型成為支撐省域多模式出行客流分析的新熱點和新方向。

本文依托手機信令數據,面向江蘇省域綜合交通運輸復雜網絡,重點圍繞城際高速公路、國省干線公路、高速鐵路及普通鐵路4類出行模式開展城際客流出行需求分析。通過構建省域多模式出行客流模式辨識模型,識別江蘇省個體城際出行交通方式,精準刻畫每個個體城際出行鏈,從城際出行總體特征、出行模式選擇、出行時間、熱門通道4個方面開展江蘇省各市城際出行時空特征規律研究,為城際交通設施建設規劃與設計提供理論依據與科學決策依據。

1 數據說明

1.1 原始數據

1.1.1 江蘇省手機信令數據

本次研究采用了2021年7月一周的江蘇省電信手機信令數據為主要基礎數據,數據總量約36億條/日,主要包括手機識別號、出行時間、經緯度位置、手機歸屬地等信息。

1.1.2 交通基礎設施網絡空間數據

江蘇省域內城際客運出行模式大體包含公路、鐵路、航空、水運,其對應的路面交通基礎設施網絡包括高速、國道、省道、高鐵、普鐵等及相應場站類型,如客運站、服務區、火車站、高鐵站、機場、碼頭等。本研究結合江蘇省城際客運的實際情況,根據現有的交通基礎設施數據,將交通基礎設施網絡劃分為高速、國省道、高鐵、普鐵4個類別,這也是本文重點研究的4類出行模式。江蘇省城際路網如圖1所示。

圖1 江蘇省城際路網

1.2 技術路線

本文課題以江蘇省域公路(高速公路、國省干線公路)及鐵路(高速鐵路、普通鐵路)客流出行需求估計為研究重點,圍繞面向手機信令應用的通信基站與交通運輸網絡空間匹配、個體客流出行軌跡提取與特征畫像、城際多模式出行量估計方法等開展具體研究和技術攻關,創新構建江蘇省省域多模式城際出行客流模式辨識模型,統計分析省域范圍內公鐵城際出行模式占比,為剖析全省綜合交通運輸網絡城際出行多尺度演化規律提供數據支撐。主要研究思路如圖2所示。

圖2 技術路線

2 江蘇省城際交通出行特征分析

2.1 江蘇省城際出行呈現雙向平衡模式,南京、蘇州雙中心格局凸顯

江蘇省出行起點、終點不在同一城市的出行定義為城際出行。從總體上來看,江蘇省日均跨市出行到發量總量基本平衡,省內城際出行以短期往返為主。在高速與高鐵主模式下,城際出行主要以南京、蘇州為核心向外輻射,占全省城際出行總量的19.5%、18.4%。從高速城際出行模式來看,南京客流主要去往蘇州、無錫、常州等地,蘇州主要去往南通、鹽城、泰州等地。從高鐵城際出行模式來看,南京城際出行仍是以蘇錫常都市圈出行為主,蘇州主要去往南京、徐州、連云港等地,如圖3所示。

2.2 受全省鐵路網布局影響,蘇南蘇北城際出行模式選擇存在差異

整體上,高速公路依然是城際出行的首選方式,其次是普通國省道,分別有47%、28%的客流選擇2種方式城際出行。城際出行需求較大的蘇州、南京主要選擇高速、高鐵出行,兩市高速出行占比均超過45%,高鐵出行均超過25%。而素有“全國綜合交通樞紐城市”之城的徐州,高速鐵路城際位置突出,40%的客流選擇高鐵城際出行,國省干線公路主要承擔了短途、鄰市的城際出行需求。江蘇省各市多模式出行模式占比如圖4所示。

圖4 江蘇省各市多模式出行模式占比

2.3 周期性特征相對穩定,不同交通方式高峰時段有所不同

如圖5所示,從江蘇省各種出行模式及總出行流量周變化(選取2021年7月5日至7月11日)特征來看,各類城際出行交通方式客流時變呈雙峰特征,工作日上午和下午的最大流量相當,但周末下午最大流量始終比上午要高。工作日最大流量出現在星期五下午,周日下午達到一周的最大城際出行流量。

圖5 江蘇省城際出行一周內各模式客流變化

進一步比較公路及鐵路出行模式在工作日與周末的流量時變化。工作日的早高峰出現比周末早,同時晚高峰結束得也更快,總體而言周末的城際出行流量大于工作日。此外,公路運輸上午最大流量出現在9點左右,而鐵路運輸出現在10點左右,同時,公路運輸流量爬升和下降要比鐵路運輸平緩。

2.4 高速公路整體呈現最短路分布,國省干線主要承擔最后一公里城際交通出行

以南京至蘇州為例,根據手機信令追蹤個人出行軌跡,分別估計了南京至蘇州不同出行模式下各個路徑的通道熱度。

(1)南京至蘇州高速出行主路徑為G42滬蓉高速和G4221滬武高速,其次根據起止點的具體差異,經過G40-G2、G40-G15、G25-G50從南京到達蘇州。

(2)南京至蘇州高鐵出行主路徑為京滬高鐵和滬寧城際,其次從寧啟鐵路轉滬通鐵路。

(3)南京至蘇州普鐵出行主路徑為京滬鐵路。

3 結語

本文立足長三角城市群一體化發展戰略,前瞻性面向江蘇省省域綜合交通運輸網一體化規劃、一體化建設、一體化運營需求,以手機信令數據為主,交通調查數據、綜合交通網絡的多源異構數據為輔,構建多模式交通出行需求預測模型,模型對各類交通方式識別綜合準確率達到92%以上。通過數據融合與特征解耦,從城際出行總體特征、出行模式選擇、出行時間、熱門通道4個方面分析江蘇省多模式交通網城際出行時空規律,從理論與實踐上為大型高密度綜合交通運輸網出行需求特征提取以及客流出行分析模型研究提供新思路與新方法,有效支撐長三角一體化發展綜合交通運輸科學規劃,特別是支撐城際軌道交通網絡規劃建設。