项目团队:北京市城市规划设计研究院交通所交通模型小组
人口数据是交通需求分析的基础。交通模型的演化对人口输入数据的要求不断提升。我院交通所模型团队采用改进的IPF方法,通过CUBE软件环境下二次开发,完成了北京市人口合成工作,并将人口合成的结果直接应用在多个交通规划和城市规划的实际项目中。
人口数据一直是交通需求分析的基础。交通需求预测模型也在不断的完善,从经典的基于出行的模型逐步发展到基于出行链和基于活动需求预测模型,随着模型的完善对人口输入数据的要求也在不断提升。具体表现在:1)从仅关注单独个体的属性信息,拓展到个体与家庭属性的关联;2)针对不同的交通政策研究,需要越来越细致的人群分类。
图1 交通模型演化对人口数据需求示意图
当前人口数据的获取主要依靠两个途径:1)政府统计部门组织开展的人口普查工作;2)交通规划部门组织开展的居民出行调查工作。前者虽然是对人口总体的普查数据,但对于具体的人口属性信息,如年龄、受教育程度等信息只有集计的边际统计量,缺少个体信息;后者是对个体的随机抽样调查,个体属性信息较为丰富完善,但却不能够覆盖人口总体。
图2 由样本信息推断总体信息问题示意图
这样在由样本数据推测扩样为总体数据的过程中,存在以下几方面问题:1)如何通过抽样调查的离散样本值和普查到的集计边界值,推断合成人口的总体统计值;2)普查的边界值属于不同的空间单元时,在人口合成时,如何协调不同空间单元的约束;3)如何满足相关规划工作可能需要更为细致的人口分布数据的需求,例如地块层面的总体人口分布数据。
当前,国际上对于上述问题的处理,一般采用的方法是等比例迭代拟合方法(IPF)。该方法最早是在上世纪40年代由数理统计学家Deming和Stephan提出并应用于数理统计学科的样本估算总体研究领域。Beckman等人于1996年首次将该方法引入到人口数据合成工作中。此后,不断有相关学者对IPF方法的不足进行改进完善。具体包括:如何在拟合过程中同时满足人口和家庭两个维度的约束条件,如何消除随机调查样本为“零”的情形对人口合成的影响,如何提高IPF方法在大空间尺度多分析单元情况下的拟合速度,如何利用多空间维度约束条件合成人口。
本次在北京市交通规划模型的更新工作中,项目组尝试应用当前改进完善的IPF方法合成现状年(2014年)人口数据。具体过程为:1)数据准备。以2014年全市居民出行调查数据为人口合成的初始数据。拟合约束数据包括,区县尺度的人口总量数据、人口普查的街道尺度人口比例数据和私家车在北京环路空间的总量分布等;2)补充完善样本为零的交通小区。将交通小区所在上级空间单元的样本均值赋给样本为零的交通小区;3)等比例迭代拟合人口数据。以上述集计边际统计量为约束,对随机抽查的人口样本迭代拟合得到人口总体数据,并且分别以个体和家庭两个口径统计相关属性;4)以北京市现状用地数据为基础,将人口综合结果匹配至地块尺度。
图3 基于多维度的北京市人口合成方法思路
图4 IPF方法在CUBE环境下开发结构示意图
目前,北京市交通规划模型是在CUBE软件环境下建立的,为更好的与北京市交通规划模型实现数据无缝衔接,本次基于IPF方法的北京市人口合成的实践工作也是在CUBE环境下进行开发的。具体分为:1)多维空间人口合成边际约束数据准备;2)基于多维空间约束的交通小区各类家庭合成系数获取;3)交通小区尺度人口合成数据结果和地块尺度人口数据匹配等三个过程。最后,将交通小区尺度的人口合成数据再重新统计为北京环路空间和街道空间,并与相关统计数据对比可以看到,拟合结果基本与统计值一致。
图5 北京市人口综合结果示意图
图6 人口总量和私家车总量校核对比图
人口合成数据不仅可以应用于常规的交通需求预测,而且还具有广阔的城市规划应用价值。在编制城市各类公共服务配套设施的专项规划工作中,可以利用地块尺度的人口分布数据,作为各类公共服务需求的产生端,并以此为依据再结合一定的优化目标,对公共服务配套设施的空间选址进行优化。例如在《昌平区地面公交场站布局规划》的编制工作中,就是在昌平全区范围内,利用各个规划单元的人口和岗位在地块尺度的空间分布作为公交场站的需求端,并结合昌平区的可用规划存量用地的空间分布作为公交场站的供给端,依据一定的优化目标进行空间选址优化。除此以外还可以用于全市各类突发事件影响程度的空间分析和应急疏散救援通道的识别和规划。
图7 人口合成结果在昌平区公交场站规划中的应用
图8 人口合成结果在北京市应急疏散救援通道规划中的应用