時(shí)空行為視角下上海市早高峰擁堵的形成模式與規(guī)劃應(yīng)對(duì)

涂鴻昌 晏龍旭 王德 胡楊 駱曉

關(guān)鍵詞：城市時(shí)空行為規(guī)劃；道路擁堵；手機(jī)信令數(shù)據(jù)；交通態(tài)勢(shì)數(shù)據(jù)；交通流分配

0 引言

城市道路擁堵是一種復(fù)雜的時(shí)空現(xiàn)象，反映了道路出行需求在時(shí)間和空間上的不均衡分布，即大量車(chē)輛在高峰時(shí)段匯聚到特定路段。傳統(tǒng)的道路擁堵研究側(cè)重于對(duì)擁堵道路節(jié)點(diǎn)的分析與預(yù)測(cè)，較少關(guān)注擁堵形成過(guò)程中的時(shí)間要素，難以解釋擁堵形成的來(lái)龍去脈。而時(shí)空行為研究強(qiáng)調(diào)將空間和時(shí)間視為一個(gè)不可分割的整體，關(guān)注以個(gè)體出行全過(guò)程中“時(shí)空—行為”的相互作用來(lái)解釋時(shí)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]。基于時(shí)空行為視角，道路擁堵可以被理解為個(gè)體從出行發(fā)生到途經(jīng)擁堵路段再到出行結(jié)束的完整過(guò)程。擁堵溯源分析有助于揭示不同時(shí)空行為特征的出行需求對(duì)擁堵的貢獻(xiàn)，從而為制定精細(xì)化的緩堵策略提供參考。同時(shí)，大數(shù)據(jù)技術(shù)的進(jìn)步使得持續(xù)記錄和分析個(gè)體時(shí)空行為特征成為可能，也為開(kāi)展道路擁堵的時(shí)空行為研究提供了新的機(jī)遇。

擁堵溯源方面，既有文獻(xiàn)通常基于各類(lèi)帶有個(gè)體信息的出行軌跡數(shù)據(jù)集，分析個(gè)體出行對(duì)擁堵的貢獻(xiàn)。例如，利用個(gè)體活動(dòng)調(diào)查日志判斷出行對(duì)擁堵的潛在貢獻(xiàn)[2]，使用手機(jī)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(chē)輛出行軌跡進(jìn)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(cè)重于擁堵源的區(qū)域識(shí)別，缺乏與具體城市空間的對(duì)應(yīng)；在時(shí)間維度上聚焦擁堵發(fā)生時(shí)刻，缺乏對(duì)形成過(guò)程的系統(tǒng)分析；在應(yīng)用層面上偏重?fù)矶鲁梢蛟\斷，較少提出緩堵對(duì)策。

時(shí)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(guān)注“時(shí)空—行為”的交互關(guān)系，旨在從空間、時(shí)間、行為3個(gè)維度統(tǒng)籌城市交通供需，實(shí)現(xiàn)出行需求在時(shí)空上的均衡分布，已在交通規(guī)劃領(lǐng)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(chǔ)、時(shí)間規(guī)劃為輔助、行為規(guī)劃為補(bǔ)充的層次化體系：空間規(guī)劃主要通過(guò)優(yōu)化城市功能布局、提升設(shè)施服務(wù)水平等措施引導(dǎo)交通需求的空間分布[10]；時(shí)間規(guī)劃分為強(qiáng)制性時(shí)間管理[11-12]和引導(dǎo)性時(shí)間建議[13]兩種方式，通過(guò)調(diào)節(jié)設(shè)施開(kāi)放時(shí)間、出行時(shí)間等影響需求的時(shí)間分布；行為規(guī)劃則包括被動(dòng)干預(yù)（公共交通補(bǔ)貼、擁堵收費(fèi)、遠(yuǎn)程辦公等）[14-16]和主動(dòng)引導(dǎo)（智能出行建議、信息推送、鼓勵(lì)共享出行等）[17]兩種策略，更直接地作用于個(gè)體出行決策。應(yīng)用實(shí)踐方面，歐美國(guó)家已經(jīng)開(kāi)展了較多緩堵探索[18-19]，而國(guó)內(nèi)的相關(guān)實(shí)證研究和實(shí)踐探索相對(duì)較少[20-21]。

作為我國(guó)超大城市，上海市交通擁堵問(wèn)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(yīng)對(duì)策略，有助于實(shí)現(xiàn)智慧交通和可持續(xù)城市發(fā)展的目標(biāo)②。本文以上海市早高峰道路擁堵為例，嘗試提出一種從時(shí)空行為視角分析擁堵成因的技術(shù)方法：通過(guò)定量指標(biāo)對(duì)道路擁堵進(jìn)行溯源分析，揭示主要擁堵貢獻(xiàn)人群的時(shí)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(shí)空行為規(guī)劃策略。通過(guò)定量和定性相結(jié)合的分析，深化對(duì)道路擁堵內(nèi)在機(jī)理的理解，以期為上海未來(lái)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(shù)路線

從時(shí)空行為視角來(lái)看，道路擁堵體現(xiàn)為不同交通主體的出行需求在時(shí)空上“聚集共現(xiàn)”。換言之，每一名“擁堵受害者”實(shí)際上也是“擁堵貢獻(xiàn)者”。為了深入理解道路擁堵的形成模式以提出規(guī)劃應(yīng)對(duì)策略，可以從空間、時(shí)間、行為維度溯源擁堵貢獻(xiàn)者的出行全過(guò)程，從而解釋擁堵形成的內(nèi)涵（見(jiàn)圖1）。

本文選取常發(fā)擁堵路段③作為研究對(duì)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(dǎo)致的，而是具有一定的時(shí)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(gòu)建早高峰地面交通出行的時(shí)空軌跡數(shù)據(jù)集。以手機(jī)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(shì)數(shù)據(jù)中的車(chē)速信息，使用隨機(jī)多路徑交通流分配法④，模擬獲得每個(gè)OD的時(shí)空軌跡。算法分3個(gè)步驟實(shí)現(xiàn)：（1）為每一個(gè)OD基于時(shí)耗計(jì)算10條最短路徑；（2）以各路徑與最短路徑的時(shí)耗差作為阻抗，生成10條帶有選擇概率的時(shí)空軌跡；（3）根據(jù)概率隨機(jī)選擇1條軌跡作為結(jié)果。

其次，開(kāi)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(guò)擁堵路段長(zhǎng)度的總和，定義為擁堵貢獻(xiàn)里程，通過(guò)計(jì)算其在出發(fā)側(cè)、到達(dá)側(cè)的空間分布量和時(shí)間分布量，來(lái)刻畫(huà)擁堵形成的空間（來(lái)源、去向）、時(shí)間（出發(fā)、途經(jīng)、到達(dá)）與出行人群的特征。

再次，解析具體路段擁堵形成的時(shí)空行為模式。本文從空間、時(shí)間、行為3個(gè)關(guān)鍵維度，對(duì)每條擁堵路段定量溯源并劃分類(lèi)型（見(jiàn)表1）。在空間維度，提出擁堵出行的出發(fā)地、到達(dá)地?fù)矶略锤拍睿攘控暙I(xiàn)路段擁堵的關(guān)鍵源頭區(qū)域；對(duì)存在擁堵源的路段，針對(duì)性地開(kāi)展源頭管控將更有成效。在時(shí)間維度，定義擁堵時(shí)間集中度指標(biāo)，度量路段流量的時(shí)變特征；高指標(biāo)值表示擁堵存在明顯的高峰時(shí)段，更適合采取錯(cuò)峰策略。在行為維度，定義擁堵主導(dǎo)人群指標(biāo)，度量不同人群對(duì)路段擁堵的貢獻(xiàn)差異；結(jié)合人群活動(dòng)特征制定個(gè)性化引導(dǎo)策略，能夠提高精準(zhǔn)治理水平。

最后，對(duì)具體路段擁堵成因的特征進(jìn)行綜合分析，歸納典型的擁堵形成模式，并提出時(shí)空行為規(guī)劃應(yīng)對(duì)策略。

1.2 研究數(shù)據(jù)

擁堵態(tài)勢(shì)數(shù)據(jù)方面，本文采用高德地圖平臺(tái)提供的交通態(tài)勢(shì)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(gè)工作日）內(nèi)早高峰時(shí)段（7：00—10：00，15 min間隔）的交通態(tài)勢(shì)數(shù)據(jù)，其中包括擁堵路段名稱(chēng)、空間矢量、路況⑥、車(chē)流速度等字段信息。為了簡(jiǎn)化問(wèn)題，本文假設(shè)在15 min內(nèi)每一條擁堵路段的路況、車(chē)流速度不發(fā)生變化。

手機(jī)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(jī)信令數(shù)據(jù)，使用1 km網(wǎng)格匯總擁堵數(shù)據(jù)對(duì)應(yīng)時(shí)段內(nèi)的出行OD數(shù)據(jù)（根據(jù)聯(lián)通系數(shù)擴(kuò)樣），其中包含出發(fā)網(wǎng)格位置、到達(dá)網(wǎng)格位置、出發(fā)時(shí)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(tái)定義的“地面交通出行”且距離大于3 km的出行作為研究對(duì)象，即機(jī)動(dòng)車(chē)出行。在此基礎(chǔ)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(shí)別為通勤人群；將1個(gè)月內(nèi)同一OD空間位置機(jī)動(dòng)車(chē)出行次數(shù)大于3次的人群視為慣常人群。

出行時(shí)空軌跡數(shù)據(jù)集方面，為了驗(yàn)證交通分配結(jié)果的有效性，隨機(jī)抽取1 000條軌跡作為實(shí)驗(yàn)組，以高德地圖導(dǎo)航推薦軌跡結(jié)果作為對(duì)照組（每一組出發(fā)時(shí)間相同）。結(jié)果表明，出行時(shí)耗、距離的R2都大于0.9，在0.001水平上顯著，平均絕對(duì)誤差分別為200 s、582 m；相似路段（容差50 m以?xún)?nèi)）總長(zhǎng)度占比約80%，最遠(yuǎn)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(jié)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(jiàn)圖2）。其中，擁堵持續(xù)時(shí)長(zhǎng)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(jìn)城方向高架；擁堵持續(xù)時(shí)長(zhǎng)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(chēng)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(gè)新城、莘莊、川沙。同時(shí)，道路等級(jí)與擁堵強(qiáng)度呈正相關(guān)：快速路平均擁堵時(shí)長(zhǎng)最高，達(dá)129 min，而支路為80 min，表明在對(duì)常發(fā)擁堵進(jìn)行治理時(shí)應(yīng)優(yōu)先關(guān)注城市快速路網(wǎng)。

2.2 擁堵溯源的OD空間特征

匯總?cè)蟹秶鷥?nèi)擁堵出行的來(lái)源與去向，可以揭示上海市域尺度擁堵的時(shí)空演化規(guī)律。從空間分布上來(lái)看（見(jiàn)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(shí)在外圍形成多個(gè)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(dá)地則高度集中于內(nèi)環(huán)內(nèi)的商務(wù)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(qiáng)度集聚點(diǎn)，如陸家嘴、南京東路、徐家匯、漕河涇、虹橋商務(wù)區(qū)等。

2.3 擁堵溯源的時(shí)間特征

按途經(jīng)時(shí)間匯總?cè)袚矶仑暙I(xiàn)里程，并按出發(fā)、到達(dá)時(shí)間匯總擁堵人群總量（見(jiàn)圖4）。結(jié)果表明，早高峰期間高峰形態(tài)明顯，擁堵貢獻(xiàn)人群的出發(fā)、到達(dá)高峰時(shí)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(wàn)人；途經(jīng)高峰時(shí)段為8：00—8：30，平均每5 min內(nèi)全市擁堵貢獻(xiàn)總里程達(dá)30萬(wàn)km。擁堵貢獻(xiàn)總里程與擁堵貢獻(xiàn)出行人次呈正相關(guān)，人均貢獻(xiàn)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(duì)全市擁堵的貢獻(xiàn)總量來(lái)看（見(jiàn)圖5），早高峰擁堵主要由慣常通勤人群和隨機(jī)非通勤人群貢獻(xiàn)：二者貢獻(xiàn)總量接近，分別占43%、42%；二者對(duì)擁堵的貢獻(xiàn)隨時(shí)間發(fā)生變化，前者在8：30前占主導(dǎo)、后者在8：30后占更多。結(jié)合人均貢獻(xiàn)情況可知，盡管隨機(jī)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(zhǎng)，因而人均擁堵貢獻(xiàn)量（5.4 km）高于后者（4.1 km）。這表明在制定精細(xì)化緩堵策略時(shí)，既要重視通勤高峰期的需求引導(dǎo)，也需關(guān)注非通勤人群的行為優(yōu)化。

進(jìn)一步對(duì)比兩類(lèi)人群的空間分布發(fā)現(xiàn)，其出發(fā)地具有相似性（見(jiàn)圖6），而到達(dá)地則存在明顯差異（見(jiàn)圖7）。其中，慣常通勤人群的擁堵出行到達(dá)地主要集中在傳統(tǒng)商務(wù)辦公區(qū)，高度依賴(lài)于就業(yè)崗位，如陸家嘴、漕河涇、虹橋商務(wù)區(qū)等；而隨機(jī)非通勤人群的擁堵出行到達(dá)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(wù)設(shè)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(shí)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(xiàn)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(biāo)，對(duì)其來(lái)源與去向的集聚程度進(jìn)行評(píng)估。結(jié)果表明，58%的常發(fā)擁堵路段在出發(fā)側(cè)存在擁堵源，55%的路段在到達(dá)側(cè)存在擁堵源。進(jìn)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(guò)90%的路段擁堵源呈現(xiàn)聚集特征（只有一個(gè)擁堵源或多個(gè)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(diǎn)距離擁堵路段小于3 km），說(shuō)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(diǎn)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(jiàn)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(fù)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(jié)構(gòu)性通道上，如外環(huán)、中環(huán)、內(nèi)環(huán)、南北高架、延安高架。可以看出，不同等級(jí)道路因其服務(wù)對(duì)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(jìn)一步說(shuō)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(jìn)行對(duì)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(wèn)題突出⑦而被頻繁報(bào)道。從擁堵貢獻(xiàn)的OD空間分布來(lái)看（見(jiàn)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(lái)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(duì)分散，遍布多個(gè)街道單元。

3.2 時(shí)間模式解析

基于擁堵時(shí)間集中度指標(biāo)，識(shí)別出兩種主要的擁堵時(shí)間模式（見(jiàn)圖10）。61%的擁堵路段屬于尖峰型，錯(cuò)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(duì)穩(wěn)定，調(diào)節(jié)難度相對(duì)更大，主要分布于高速、高架、主干道等高等級(jí)道路。總體呈現(xiàn)道路等級(jí)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(shí)間集中度普遍較高的板塊主要有五個(gè)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(shí)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(jiàn)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(shí)空邏輯，更在于識(shí)別關(guān)鍵的行為主體，從而因人而異地制定治理方案。基于人群特征指標(biāo)，結(jié)果表明，62%的路段擁堵由慣常通勤人群主導(dǎo)，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(jiàn)圖12），與圖6、圖7的慣常通勤人群擁堵貢獻(xiàn)的主要OD分布特征相似；25%的路段擁堵由隨機(jī)非通勤人群主導(dǎo)，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(jī)場(chǎng)）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(jī)非通勤人群、其他人群各占51%、35%、14%，是典型的慣常通勤主導(dǎo)型擁堵路段，其中慣常通勤人群占比在高峰時(shí)段內(nèi)達(dá)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(lèi)人群分別占29%、52%、19%，由隨機(jī)非通勤人群主導(dǎo)（見(jiàn)圖13）。

4 基于時(shí)空行為規(guī)劃的緩堵應(yīng)對(duì)策略

4.1 擁堵形成主要模式

為了提出緩堵應(yīng)對(duì)策略，需要綜合歸納擁堵路段的空間、時(shí)間、行為模式。因此，將3個(gè)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(zhǎng)度占比看，最高的4類(lèi)分別是“尖峰—同O同D—慣常通勤主導(dǎo)”（以下簡(jiǎn)稱(chēng)“時(shí)空集中型”）、“尖峰—同O不同D—慣常通勤主導(dǎo)”（以下簡(jiǎn)稱(chēng)“出發(fā)集中型”）、“尖峰—不同O同D—慣常通勤主導(dǎo)”（以下簡(jiǎn)稱(chēng)“到達(dá)集中型”）、“厚尾—不同O不同D—隨機(jī)非通勤主導(dǎo)”（以下簡(jiǎn)稱(chēng)“時(shí)空分散型”），各占23%、12%、9%、9%，合計(jì)54%，即這4類(lèi)擁堵的時(shí)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(gè)維度之間的關(guān)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(dǎo)型擁堵相關(guān)聯(lián)，且在此基礎(chǔ)上根據(jù)空間特征的具體形式，演化出時(shí)空集中型（同O同D）、出發(fā)集中型（同O不同D）、到達(dá)集中型（不同O同D）3種類(lèi)型。其中，時(shí)空集中型可被認(rèn)為是出發(fā)集中型、到達(dá)集中型的特殊形式，同時(shí)具備出發(fā)集中型、到達(dá)集中型的相關(guān)特征。厚尾型擁堵通常與不同O不同D型、隨機(jī)非通勤主導(dǎo)型擁堵相關(guān)，定義為時(shí)空分散型。

從空間分布來(lái)看（見(jiàn)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(gè)新城、川沙、莘莊等區(qū)域；到達(dá)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(kāi)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(shí)空集中型擁堵則與出發(fā)集中型、到達(dá)集中型擁堵分布特征相似，主要在居住—就業(yè)復(fù)合片區(qū)內(nèi)聚集成片分布；時(shí)空分散型擁堵主要分布于結(jié)構(gòu)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(shí)空分散型擁堵，即擁堵人群在空間、時(shí)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(shí)空集中型擁堵最多。

4.2 不同擁堵模式的規(guī)劃應(yīng)對(duì)策略

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

因此，對(duì)于4種主要擁堵模式，根據(jù)其空間、時(shí)間、行為特征，可以制定相應(yīng)的規(guī)劃策略（見(jiàn)表2）。對(duì)于出發(fā)集中型、到達(dá)集中型擁堵可以在空間規(guī)劃層面分別實(shí)施居住、就業(yè)單元規(guī)劃，在時(shí)間規(guī)劃層面實(shí)施預(yù)約出行、上班時(shí)間調(diào)整政策；對(duì)于時(shí)空分散型擁堵由于擁堵出行流在時(shí)空上都比較分散，空間規(guī)劃、時(shí)間規(guī)劃潛力較低，可以通過(guò)提供智能出行建議、鼓勵(lì)共享出行等行為規(guī)劃措施引導(dǎo)隨機(jī)非通勤人群改變出行行為。

與此同時(shí)，高速公路、高架的擁堵具有不同O不同D、厚尾、隨機(jī)非通勤人群主導(dǎo)的特征，宜采取時(shí)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(dǎo)的特征，宜采取集中型擁堵的策略。

5 總結(jié)與討論

5.1 研究結(jié)論

本文從時(shí)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(jī)信令數(shù)據(jù)和交通態(tài)勢(shì)數(shù)據(jù)的出行軌跡還原方法，對(duì)擁堵進(jìn)行溯源并歸納了擁堵形成的時(shí)空模式，基于時(shí)空行為規(guī)劃框架制定了緩堵應(yīng)對(duì)策略，為擁堵治理提供一定參考。

一方面，刻畫(huà)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(dá)地在內(nèi)環(huán)內(nèi)集中分布；時(shí)間特征方面，8：00—8：30時(shí)段擁堵最為嚴(yán)重，出發(fā)、到達(dá)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(jī)非通勤人群擁堵貢獻(xiàn)總量相近，前者在時(shí)間上存在明顯高峰，人均擁堵貢獻(xiàn)較低，到達(dá)地集中在就業(yè)中心片區(qū)，而后者的到達(dá)地分散在商業(yè)、娛樂(lè)、醫(yī)療、交通樞紐等。

另一方面，解析了具體道路擁堵的時(shí)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(shí)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(dǎo)；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(chǔ)上，歸納了出發(fā)集中型、到達(dá)集中型、時(shí)空集中型、時(shí)空分散型4類(lèi)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(fù)合片區(qū)、結(jié)構(gòu)性交通廊道內(nèi)。針對(duì)4種擁堵模式，結(jié)合時(shí)空行為規(guī)劃理論框架，提出了潛在的緩堵應(yīng)對(duì)策略。

5.2 討論

展望未來(lái)，個(gè)體出行在擁堵研究中成為一個(gè)越來(lái)越不可忽視的變量，而從全過(guò)程的角度分析個(gè)體出行對(duì)擁堵的具體時(shí)空影響，能夠順應(yīng)上海市交通擁堵治理的精細(xì)化趨勢(shì)。在實(shí)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(jī)信令數(shù)據(jù)與交通態(tài)勢(shì)數(shù)據(jù)是各大城市都相對(duì)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(xì)化的擁堵治理提供切入點(diǎn)，以研究中的指標(biāo)框架為基礎(chǔ)可以構(gòu)建全市范圍內(nèi)的擁堵分析可視化平臺(tái)，從更大的時(shí)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(yīng)對(duì)策略；三是為交通規(guī)劃方案提供緩堵潛力評(píng)估，通過(guò)模擬規(guī)劃方案減少擁堵貢獻(xiàn)的總量與時(shí)空分布，為規(guī)劃的科學(xué)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(jī)信令數(shù)據(jù)的隱私保護(hù)限制，出行數(shù)據(jù)使用1 km網(wǎng)格進(jìn)行統(tǒng)計(jì)，難以支持小尺度的空間分析。未來(lái)若使用汽車(chē)GPS等高精度數(shù)據(jù)進(jìn)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(xì)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(xiàn)人群的出行發(fā)生、道路擁堵、出行到達(dá)3個(gè)時(shí)刻的狀態(tài)分析，尚未從多路段關(guān)聯(lián)的視角討論擁堵流的疊加、消散過(guò)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(gòu)成出行系統(tǒng)，未來(lái)還可以將城市道路擁堵放到更大的體系進(jìn)行整體考量，進(jìn)一步討論交通方式轉(zhuǎn)換的規(guī)劃應(yīng)對(duì)策略與具體緩堵效應(yīng)。