本刊“学术动态(Planning Reviews)”栏目,推介国内外学术书籍和文献报告、关注国际研究动态和前沿热点、分享规划案例研究。本期“城市规划技术与方法”专栏,向大家推介二则国外期刊的最新文献。
(专栏编辑:肖扬)
利用手机数据改进传统交通需求模型:一个鹿特丹地区的案例
来源:WISMANS L J J, FRISO K,RIJSDIJK J, et al. Improving a priori demand estimates transport models usingmobile phone data: a Rotterdam-region case[J]. Journal of Urban Technology, 2018, DOI: 10.1080/10630732. 2018.1442075
交通需求模型(transport demand models)常常被用来了解居民的出行行为和基础设施投资的有效性。然而,构建此类传统交通需求模型的数据存在样本数量少、调查成本高、依据重力模型假定等问题。而大数据在监测、规划和管理交通系统方面具有极大的潜在价值。基于这样的背景,作者提出了一种利用手机数据改进鹿特丹地区传统交通需求模型的方法。将连续一个月的手机话单数据(call detail records) 作为原始数据,根据特定规则转译为OD 信息,再将这部分OD 信息与鹿特丹地区传统交通需求模型和荷兰家庭出行调查进行比较。基于比较结果,作者将来自手机数据的OD 信息与传统交通模型的OD 矩阵相结合,得到新的交通模型,结果显示,新的交通模型的赋值结果与真实数据的拟合效果更好。
1. 传统交通需求模型概述。鹿特丹地区传统的交通需求模型是荷兰最大、最详细的运营交通模型之一,用于许多政策决策。它是一个多模式模型,包括汽车、卡车、公共交通和活动模式。该模型中,鹿特丹地区被划分为近6000 个交通分析区域(包括鹿特丹外围的部分区域)。该模型的先验OD 矩阵是根据荷兰家庭出行调查数据库所确定的需求模式和出行特征构建的,利用上午和下午2h的高峰时段代表工作日的出行情况,通过计数校准得到后验OD 矩阵。该模型有两个方面的问题——模型的构建和校验使用的数据均来自传统数据库;模型使用重力模型表达地区之间的联系,忽略了历史因素带来的实际紧密联系,如祖特梅尔和海牙之间的实际联系比基于重力模型估测的联系要紧密得多。
2. 提取基于手机数据库的OD 信息。本文所使用的手机数据为话单数据(CDR),其包含的主要信息有:①用户ID:每位手机用户的唯一识别号;②时间戳:事件发生时刻;③基站编号:事件发生地点。根据基站的分布,鹿特丹地区在使用手机数据时被划分1 259 个分析区域。本文对提取OD 信息设定的规则为:①当手机设备在一个地方超过30min 时,它被定义为“停留”,从上一个“停留”地点到下一个“停留”地点之间的出行信息为“可能OD 行程”;②在一个月中,只有当该“可能OD 行程”出现大于等于16 次时,该行程才被定义为一条OD 信息。作者选择了2014 年11 月的工作日,并得到超过100 万个OD 信息。
3.手机数据与家庭出行调查数据的对比。荷兰家庭出行调查(OViN) 在荷兰当前的交通建模中非常重要,但数据库的样本量要远少于手机数据库。通过将手机OD 信息与荷兰家庭出行调查产生的OD 信息进行对比,可以看出:①手机数据在短距离出行(少于8km) 方面代表性不足;②手机数据在15km-40km范围内的分布比例多于家庭出行调查在此段出行距离中的分布比例;③两种数据库在40km 的出行距离处有较好的分布比例的对应;④两种数据库中分布比例最大的出行距离均为60km,60km 以后,分布比例非常少。
4. 改进传统交通需求模型。本文通过以下步骤改进交通需求模型。①根据手机数据确定平均工作日OD 矩阵;②将传统交通模型中的4 000 个分区映射至基于手机数据的分区;③聚合分出行方式(汽车、公共交通和自行车) 和出行目的的OD 矩阵以确定工作日出行的OD 矩阵;④根据从手机数据提取的OD 关系,按比例对合成的先验OD 矩阵进行扩样;⑤将扩样后的OD 矩阵映射至传统交通需求模型的分区和每种出行方式中。文中对于先验OD 矩阵的改进方法有两种:①根据所有出行距离的手机数据进行等比扩样;②考虑到不同出行距离分布比例的偏差,进行基于修正分布后的等比扩样——出行距离少于8km,大于60km 的样本保持传统交通需求模型中的样本量,对8km—13km 出行距离的样本量进行扩样,对14km—40km 出行距离的样本量进行缩样,大于40km 出行距离的样本量保持不变。
5. 基于赋值结果的评估。评估对传统OD 矩阵与两种改进后的OD 矩阵进行赋值(共有1 180 个赋值距离),针对赋值结果与真实手机数据之间的拟合程度进行比较。比较结果显示:①在模型的拟合度方面,改进方法1 比传统模型有更多的明显偏差。改进方法2 比传统模型的明显偏差量少;②三个模型的赋值结果与真实手机数据之间的相关系数存在较小的差异,其中,改进方法1 的相关系数比传统模型有所减少,改进方法2 比传统模型有所增加;③在赋值结果与真实手机数据的标准差方面,改进方法1 的标准差大于传统模型标准差,改进方法2 的结果好于传统模型。此外,文章邀请鹿特丹地区的市政交通专家对基于改进方法2 得到的模型进行了评估。结果显示,利用改进后的模型进行赋值所得到的结果与专家们的经验一致,如祖特梅尔和海牙之间的联系强于传统模型中的预测结果等现象。
6. 研究结论与研究展望。来自手机数据的OD信息在短距离出行方面代表性不足,因此直接使用基于手机数据的OD 信息会导致模型准确度降低。而将传统数据与手机数据结合得到的OD 矩阵比传统模型的准确度有所改进。作者指出,如果能进一步提高基于手机数据的OD 信息的空间分辨率,改进后的模型将会有更高的准确率。此外,将手机数据与其他数据源结合能进一步明确出行目的和出行方式,这也将提高改进模型的质量。
(供稿人:李渊文)
欢迎在朋友圈转发,转载请联系@vip.126.com
识别二维码 订阅本刊2018年电子阅读版
URBAN PLANNING FORUM Since 1957创新性、前瞻性、学术性中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊官方网站:http://www..org投稿链接:http://cxgh.cbpt.cnki.netEmail: @vip.126.com电话:021-65983507传真:021-65975019微信号:
URBAN PLANNING FORUM Since 1957
创新性、前瞻性、学术性
中文核心期刊、中国科技核心期刊、中国人文社会科学核心期刊、中文社会科学引文索引来源期刊(CSSCI)、中国期刊全文数据库(CJFD)全文收录期刊,中国学术期刊综合评价数据库(CAJCED)统计源期刊,中国科学引文数据来源期刊,RCCSE中国核心学术期刊
官方网站:http://www..org
投稿链接:http://cxgh.cbpt.cnki.net
Email: @vip.126.com
电话:021-65983507
传真:021-65975019
微信号: