国匠城工作台

当前：新闻编辑 | 格式化工具 | 查看本文

/h1

/h2

strong

/strong

<div class="rich_media_content " id="js_content">
 
 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><blockquote class="main" >　　本文为中国城市规划设计研究院城市交通研究分院付凌峰高级工程师在“2015年度CAUPD业务交流会”上做的报告，感谢作者悉心整理&授权发布。感谢会议主办单位总工室等部门提供的资源支持！</blockquote></section> <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0JJmRUwupPDDVosUZCx7TpxGPqWsAlcNiaF1QA9ao8XFvtQlsBZHGAsw.jpg" /> 我交流的主题是“手机数据在城市规划中的应用”，包括三部分内容：首先设想一下“手机数据+城市规划”将给我们带来什么；接着重点介绍手机数据在城市规划中的一些应用探索；最后是对实践中几个具体问题的思考。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section class="yead_bdlc" >1.“手机数据+城市规划”蓝图描绘</section></section></section><section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >1.1 认识手机信令数据</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0XkefkicKKKde4ZVfqHtDsQHSkYWlYQMonHHzqnBBBg9YYsqxOmPNZoA.jpg" /> 以手机数据为代表的新型城市数据，为大样本、持续性观测个体时空活动创造了条件。手机信令数据记录了用户每次通讯活动（短信、通话、流量以及位置更新等）的时间和地点（空间精度由基站小区覆盖范围决定，城区内基站服务半径通常为100-500米，郊区约400-1000米）。平均每人每天会留下60-80个时空记录点，从中可以勾勒出手机用户完整的活动轨迹。我们使用的案例数据，包含日均317万用户（常住人口380万人），5500个基站，日记录数接近2亿条。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >1.2 为什么选择手机数据？</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0iaxsTCF9zK4OvzW1OpVh2hC32x2kBftfaTHr00suoia0JXd3aTX3UWDA.jpg" /> 城市功能空间很大程度上体现为不同人群，不同时间，在不同的地点，不同程度的活动聚集与分散。这张图是传统居民出行调查的示例，描述的是一个三口之家一天的城市活动轨迹。交通研究从60年前开始用这个数据分析出行特征，构建交通预测模型。近年来这项数据也被城市研究给予高度关注，因为居民个体的居住地、工作地以及生活购物地点，都是活动场所和交通出行等因素优化选择的结果，遗憾的是受限于数据采集手段，居民出行调查通常只有1-3%抽样率。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0IHNyibbcjeoCxCDCGrSD3A1kE8ZQj63bSicdDehfcnSwogURwBOAeztQ.gif" /> 试想一下，如果我们有足够多的样本，我们知道每个人的工作日去哪上班，去哪买菜，节假日去哪购物，对于城市的研究会不会发生量变到质变的转变。而手机数据，相对于传统居民出行调查以及百度地图等几种常用位置服务数据，显示出覆盖人群广、活动轨迹完整、空间位置精度较高的优势，成为出行活动与城市研究的理想素材。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >1.3 “手机数据+城市规划”带来什么？</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0JPvzFOoH4z3icL3mfN9HCdpQQktBdLEetcMyIkgRHuX1FUMEMs9LTog.jpg" /> 手机数据在城市规划中的应用，本质上是手段工具的提升，可以帮我们提高对城市的认识、分析以及预测能力。具体来说“手机数据+城市规划”： （1）认识：可以像化验单一样，一方面把城市特征变成量化指标，通过统计比较给出合理区间和问题的提示，帮我们作出对城市的把握和判断。 （2）分析：可以从时间、空间和研究对象等维度，拓展我们的观察视角，帮我们发现一些新的问题和特征。 （3）预测：更重要的是掌握特征规律后，可以提供面向规划的预测，用来测试和评估我们的规划方案。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section class="yead_bdlc" >2. “手机数据+城市规划”应用探索</section></section></section><section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >2.1 数据处理</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0QaPPX21biaMJKuPMOK3DhyxpsiaWtnVrUFbAjibKp4cJ1QlvKSib6FVPGg.jpg" /> 手机通讯数据并非为记录出行活动而生，需要经历一系列处理才能成为规划应用所需的城市活动链基础数据。要解决的第一个问题是驻留识别与空间定位。有一个被称为“乒乓效应”的现象，就是人没动手机会搜寻最佳基站，而产生在相邻多个基站间跳来跳去的现象，这样手机数据中记录的活动次数和活动距离会很大程度上偏离真实情况。需要依据出行特征数据，建立活动驻留的判定和处理算法，还原真实的活动。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0h2l8Bh5mrSzgtVDIl8ftoA3IFibAQpjbr3y701GFI65viayic5k1KogwA.jpg" /> 另一个问题是活动目的的推定，上班、上学还是购物，对于交通和城市研究都具有重要的意义。通过多日数据的追踪，我们可以识别出用户的居住和就业地点，从而对通勤目的做出较为可信的推定，上班和回家基本包含了60%的城市活动。对于购物、餐饮这样的生活目的，我们尝试用活动模式进行推定。活动模式就是一天中各种活动的时间和次序，我们从9万人的居民出行调查数据中提炼出16种活动模式，套用这个模式我们可以判别出工作日79%的活动目的。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0TEeFYVUkT3TZibS8Vx9kxiag7AkntEBELWQibqAmAdIJtdtkn5b95Q2KQ.gif" /> 最终获得的城市活动链数据，包含每个用户一天中每次活动的地点，到达、离开时间和活动目的。利用这个基础数据，可以对任意空间、任意时间、任何特定目的或者特定人群的城市活动进行研究。这种多维度分析特性，正是手机数据在城市规划中应用价值的最佳体现。这张图是软件园工作日就业人口一天的来源去向。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >2.2 规划应用</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0kIuVgyveKts6JkcqYE7mQmDe8YEciaKRN7qibjic13tm5Kxvib4EcAXNmw.jpg" /> 城市活动链数据的规划应用方面，我们在城市职住分析、城市空间分析、城市旅游分析、城市交通分析四个板块进行了初步探索。更多的是抛砖引玉，希望能够在后续工作中最大程度地发掘“手机数据+城市规划”的价值。 2.2.1 城市职住分析 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0zVxCrSoRLyIlW7M5P6jBu6TrNsiaq7GicpSnUDaZo9ibjgJTRsOhicmaaA.jpg" /> 城市职住分析，对于城市规划和交通规划都是一个重要课题。利用手机通讯数据对一定时期（7-30天）用户活动进行追踪，可以在较高信度水平与空间精度上识别出每个用户的居住与工作地点。但局限于手机用户这一特定人群，尚不能代表城市总体职住形态。应用中可以发挥手机数据的空间精度优势对人口、就业统计数据的空间分布进行校核与细化分析。<img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0D3rl69MyiaYxJ7f8libA5gNic8TO0iaANvS09yaB4XURs7V1CXSiak3OQ0Q.jpg" /> 手机数据的最大优势是以大样本呈现出了城市职住的流向特征。这张图描述了城区外围居住人口的就业分布，图中点表示就业地点，高度表示就业人口数，不同的颜色表示不同的居住区域，灰色部分是主城，我们关掉了主城内居住人口的就业分布。这张图清晰的说明了城市职住联系。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0IBHALNOqmnNWZ64fcibuMpTwXQCP3fA6rZaDib0cvEZbBKIZh9G2p9pw.jpg" /> 掌握了职住联系，我们很容易获得这样一个居住地与工作地分布矩阵，可以支撑通勤交通、各级空间尺度的职住平衡与职住联系（特定地点工作人口居住地分布、居住人口工作地分布等）等深度分析。而进一步发掘其中职住分布的规律，可以给城市研究提供很多有益的启示。 2.2.2 城市空间分析借助手机数据可以从城市功能强度、辐射范围、交流联系三个角度揭示城市空间特征，支撑城市功能中心评估、公共资源配置以及空间结构分析等应用方向。其中最大特点是我们使用的城市活动链基础数据，不仅标记了每次活动的目的，还记录了活动空间的时空关系。<img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB07qE6SQjlHtJk36Mkib8EAJP5LicrWYeJz4jVterKWgsIeWK2vVPbptJg.jpg" /> 就业、生活、居家等不同目的活动人群的聚集程度，可以表征特定区域内办公、商业、居住等不同城市功能的强度，这样即便是用地混合度较高的老城，我们也可以针对特定功能进行评估。<img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0tSuaWYPmxXE26uRFe2Bn7k2YkjXWhtyA33adfusFDRKZCnqfYCAGMg.jpg" /> 同样，我们可以追踪特定目的活动的来源去向，反映出相应城市功能的服务或影响范围。这里面对于目的的筛选也有着它的意义，到商业中心售货员和买东西的人，他们的来源去向应该是不同的。 <iframe class="video_iframe" height="375" width="500" frameborder="0" src="https://v.qq.com/iframe/preview.html?vid=j0199g2jr62&width=500&height=375&auto=0" allowfullscreen=""></iframe> 城市空间分析另一个重要问题是交流联系分析。这是对厦门活动手机用户的号码归属地的分析，在一定程度上反应了区域的人员流动。对于大范围人员交流的分析，之前也是我们最无从下手的一项内容。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0VK89vk3LAlcluU4iaqvfExO5sSD4iajPL7oUgQP0TY3hZk20VBQrNJNw.jpg" /> 手机数据可以为城市层面的交流联系，提供丰富的分析。如分目的活动联系，可以反映城市功能空间的关系。外围翔安区与厦门本岛主城的工作联系较弱，源于周边园区提供了足够的就业岗位，而翔安的生活联系明显更强，说明翔安的商业设施服务不足。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0PUkOeaXBdcO3y2Exn5PXRmGVhky51mYAAmpFE8FXnD7L94nxacMHSg.jpg" /> 更进一步，我们可以分析更细空间尺度的交流联系。这两张图，分别是居住在特定区域人口的工作活动分布和生活活动分布。 2.2.3 城市旅游分析旅游和流动人口的活动特征，利用传统方法一直是难以获取的。借助手机数据，通多对用户多日活动特征和号码归属地的分析，我们可以识别城市流动人口的特殊人群，提取他们的活动数据。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0MpibU6uibeYe0ia1LXsMghj5WULRuIIudZmrjkyxvLYiatibQnH2OFMM4ow.jpg" /> 图中是对都市圈、省内和省外三个层次，流动人口在不同时段活动分析，特征上看都市圈人口活动与城市居民相近，省内人员日间、晚间活动多集中在行政和办公区域，夜间停留较少，多以商务目的为主，且一日往返。省外人员多集中在沿海一线、旅游景区。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0ZJ01YrB84pzsrtVOpt5aHe8pjLOGpoJibTDoqAzSjlS5f2YibWMRk4Kg.jpg" /> 通过对流动人口活动轨迹的追中，我们可以识别旅游人口，进一步分析其特征，包括客源地，到、离交通方式，观光游览顺序，驻留地及停留时间，可以为旅游规划、旅游交通规划提供宝贵的素材。 2.2.4 城市交通分析<img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0hibIzRtKbibd9qqIrYicxCTibce95e2Rkuh3kia668baWy8HyhMZkovwskQ.jpg" /> 城市交通分析中最受关注的是调查应用。手机数据能不能替代居民出行调查？从同期数据统计结果看，出行调查数据人均日活动场所转换3.6次，手机数据是5.12次。我们可以理解访问调查难以避免存在沉默出行，调查数据指标是偏低的。手机数据5.12应该是客观的，但其代表的是手机用户这样一个活动群体的特征，而作为城市总体指标是偏高的。最大的问题是统计学意义，调查的样本量虽然低，但是均匀抽样，可以通过人口统计数据进行权重修正，使指标对全体具有代表性。 因此，现阶段手机数据可以作为调查方式的补充，发挥客观优势对调查数据进行校核，从而适当降低调查的样本量，或作为调查年份间的小样本修正数据。在流动人口调查、出入口流向调查、交通枢纽调查中，值得发挥手机数据的优势，进行尝试调查方法的创新。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0LjqcmOsdtQa9homkdHUb7jkDIRxxLVUs36uE6p3JqD0kU2icfbBdgQg.jpg" /> 从手机数据获取的城市活动链，本身就是交通研究最重要的数据资源——OD数据，可以满足任意维度的交通联系分析需求，而且最大的特点是具有动态性。 <iframe class="video_iframe" height="375" width="500" frameborder="0" src="https://v.qq.com/iframe/preview.html?vid=v1305trnnas&width=500&height=375&auto=0" allowfullscreen=""></iframe> 精细的空间解析，使手机数据在地点交通产生、吸引的分析中体现出较高应用优势。这是对轨道站点步行范围内交通产生、吸引量的动态分析，我们还可以进一步追踪这些出行的来源去向，应用于城市轨道客流分析与预测。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0N7FfLIURSpfguMl3kvum0LhXlCP1p71hRbwawib3cUdYsNLPAHiaR6Ww.jpg" /> 借助手机数据优势提升我们的交通预测模型是城市交通分析的核心。这是发表在《自然》杂志的一项研究成果，利用大样本通勤数据革新传统的交通分布模型，使模型能够更深的体现活动肌理，能够具有更好的动态性，能够更快的响应战略层面的规划设想，是我们正在努力的方向。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section class="yead_bdlc" >3. “手机数据+城市规划”实践思考</section></section></section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0FRKLhGaNTmg5xHL9c5cMJTZB6mPicqO6FlHTqV01VS2qGoPATMw9U3Q.jpg" /> <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >3.1 数据获取</section>“手机数据+城市规划”需要多方参与的成长过程，其中最本源的问题是数据的获取。目前运营商手机用户占有率大致是电信15%、联通25%、移动60%。电信和联通都建立了总公司层面的大数据部门，开始实现数据集中化，移动在省公司层面也对数据的应用增值给予了很高的关注和投入。手机数据在城市规划领域的价值发挥，需要良好合作模式下，规划咨询机构的专业背景、应用需求与运营商数据资源、IT技术的结合。 <img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0yWMM9iaCRicU7CXj7VveheaH1p0U6Hrx5aZvf8VyNmAL2pAKluvhOWcA.jpg" /> <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >3.2 数据偏差</section>第二个问题是需要认识数据的特性与局限，避免“大数据陷阱”。手机数据是大样本，但不是全样本，它能完整记录活动但还确实很多信息，比如交通方式。在应用的时候需要扬长避短，有所为有所不为，更重要的是发挥多元数据的优势，获得更为全面的信息。例如我们没有纠结手机数据进行轨迹分析和交通方式的分析，因为我们有公交IC卡、出租车GPS以及交通模型这样更有效的方法，进行路径以及交通方式的分析。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." >3.3 技术应用</section><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0P6iccMqiaXI8rj10YKJWlsQLfBTvG1UrOXeSwRpLOxZSwyXuDFB3F36Q.jpg" /> “手机数据+城市规划” ,从认识上、技术上和思维上，都还有一段路要走,需要突破现有理论、思维的束缚，充分发挥大数据的资源优势，避免“新瓶旧酒”。当下最关键的是动起来，在应用中探索、完善。<img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0er36dlvibnHlco5fTlbdT2PVYEv4iaB8TibKB6T2a8FRDxsPm6BJicBbyg.jpg" /> 这项工作的进行，离不开各级领导的支持和关注，离不开项目组和合作单位的辛勤付出。希望我们的初步研究能够给大家一些启发。 <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section ><h2 data-brushtype="text" >作者简介</h2><img src="/image/20160512/qAEVTTssxDff7pdUmlo6NXI2BlMGMmB0MbUSjzCQXqFQNRnOsv4PHWohCgYdQeeVoibPU9axKy3dzWAWsl5KIog.jpg" /> <section >付凌峰   中国城市规划设计研究院城市交通研究分院  高级工程师  付凌峰，华南理工大学系统工程专业博士毕业。主要研究方向交通模型与城市数据。主要项目工作包括住建部《城市综合交通体系规划交通调查导则》、国家标准《城市综合交通调查技术规范》、《郑州市综合交通模型发展规划》、《青岛市市域交通预测模型扩建咨询服务》以及厦门、东莞等城市的十余项轨道交通客流预测。中组部第十四批博士服务团赴西安地铁挂职锻炼。 </section></section></section></section> <section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><img src="/image/20160512/6d2NKZ8x0GPkvfub2QtqUrB3UdRahYtaydlDSAbn7fhm4ne7leqnw898qttSN0sic7dgiauaztrnDLyC8FIpyxgw.gif" /></section><section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section ></section></section></section><section class="yead_editor" label="Copyright ? 2015 Yead All Rights Reserved." ><section ><section ><img src="/image/20160512/qAEVTTssxDfh1YVBtgEDcQCO2m97HPtQJb0rMzcAKlb9uoJgRjnibiawiaD5FxOlJQ4sPaJd4kxqiaOSZffHvblrEA.jpg" /> <section >CAUPD2015年度业务交流会视频已上传至http://www.china-up.com/video.php，欢迎浏览。</section></section></section></section> 
 </div>