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
在大数据的时代背景下,我院从2016年启动了新一轮的交通模型更新工作,面对丰富纷繁的数据基础,模型组的小伙伴们希望不漏掉每一项数据背后的价值挖掘,力求融会贯通,助力于模型的构建。
经过广泛的收集和整理,模型组最终形成了供模型更新使用的多元大数据基础库平台。

图1 北京模型更新多元大数据收集汇总图
(多元数据统计年份与居民出行调查保持一致,为2014年底)
在上述大数据的支撑下,新版交通模型在总体优化的框架下,着重进行了2项拓展和1项更新工作,主要内容如下:
传统交通模型中,主要基于居民出行调查数据对城市的常住人口进行出行分析,而对于城市的流动人口出行特征关注较少。但根据我院基于大数据的调查统计分析,目前北京日均在京流动人口总量已近常住人口的1/10。其日均出行总量近400万人次,且由于其出行目的以热门旅游景区、主要商务区和优质医院就医等为主,导致其出行分布相对集中于城市的核心地区。其出行方式分担及其分布特征也与常住人口有明显区别。因此本次模型更新中根据外地号码手机用户数据识别分析结合相关景区、医院及商务区专项调查数据,将流动人口作为单独研究人群进行专项分析,完善了相关出行的分布及方式结构,同时有助于景区、医院等相关地区交通特征分析准确性的提升。
随着北京的国际交往中心职能进一步明确,全国枢纽地位进一步加强。同时,随着城市空间格局的深度调整,形成了如北京城市副中心、新机场等新的城市节点。在新的城市空间打造中,都在以京津冀协同发展纲要提出的建设轨道上的京津冀为指导,遵循以交通枢纽带动周边建设的形式。
在北京新一轮的总体规划中,提出了围绕2个国际航空枢纽、10个全国客运枢纽、若干个区域客运枢纽,构建“2+10+X”的客运枢纽格局。传统交通模型中由于对客运枢纽的客流特征分析不够充分,导致客运枢纽相关出行分析准确性较差。
本次模型构建针对此问题,基于各个枢纽的客流大数据统计和枢纽中手机用户数据分布的识别,增加交通枢纽子模型,将交通枢纽的客流特征做单独分析与模型标定,可明显改进规划中枢纽区域的客流预测精度。
模型更新内容部分主要针对传统的居民出行,更新的主要方面体现在空间、结构及出行分析等方面。
空间划分主要通过结合北京新一轮总体规划的要求,将北京城市副中心、新机场临空经济区等重大的规划空间调整在模型中予以充分反映,将其相应区位的规划模型分区做单独标识,借鉴类似区域做模型分析。结构更新主要结合居民出行调查中职业的分类与新北京规划用地分类标准将就业岗位类型划分细化至9类,为北京的产业疏解和产业转型规划进行准备。出行分析的更新主要工作在进行传统基于出行的(Trip Based)模型参数更新的同时,并行进行基于出行链的(Tour Based)模型构建工作,为更好应对今后相关政策测试进行准备。
更新后新模型的架构图如下所示。

图2 北京模型框架结构图
基于上述数据基础和模型构建需求,模型组共同努力,完成了多元数据的融合分析工作,主要工作包括:针对常住人口进行的基于IPF法的人口合成及调查数据扩样分析、基于多元大数据基础的OD反推工作、基于空间地理分析的分区分类就业岗位识别工作;针对流动人口进行的不同出行目的出行矩阵识别与分析工作;针对对外交通枢纽进行的出行分布识别与分析等工作;针对速度流量曲线进行的基于多口径观测数据的道路通行能力与速度流量曲线标定等工作。
上述各项工作的具体介绍将在后续几期相关交通模型报道中逐步展开,敬请关注。
通过多元数据的融合工作,我们初步尝试汇总出一张不同类型数据与模型更新内容的关系图,具体如下。

图3 多元数据与北京模型应用关系图
通过多元数据融合,我们最终得到北京一日出行的整体结构、出行分布及出行结构。

图4 北京一日出行总量及出行构成图
从上图可见,北京一日出行总量约6207万人次,所有在地人均出行率约2.64次/日。北京的出行群体构成较为丰富,但通勤出行依然是北京城市出行的主体。其中常住人口出行约占92%,流动人口出行占8%。常住人口出行中工作人口通勤出行量最大。流动人口出行中,商务务工占70%强。

图5 北京区域间出行交换量及出行目的构成图
从上图可见,东西城区组成的核心区内部出行中,通勤占比最低,出行类别较其他区域更为丰富。区域间出行中,通勤出行占比最高,各区域至核心区的通勤比例均大于60%,尤其核心区与城四区间的放射线廊道压力大。跨区通学出行中东城、西城、海淀最为集中,侧面反映了优质教育资源分布的差异。

图6 北京区域间出行结构构成图
从上图可见,核心区对外的出行结构中公共交通的主体地位已经显现,公共交通廊道基本建立,其他区域间的公共交通占比有待提高,公共交通廊道有待加强。常住人口出行中,核心区跨区出行公共交通主导地位显现;城四区、近郊区、远郊区间跨区出行私人交通方式仍然占主导地位。