城市综合交通调查发展建议——基于北京市第五次综合交通调查

李春艳，郭继孚，安志强，赵 晖

(1.北京交通发展研究中心，北京100073；2.北京市交通委员会，北京100073)

城市综合交通调查发展建议
——基于北京市第五次综合交通调查

李春艳1，郭继孚1，安志强2，赵 晖1

(1.北京交通发展研究中心，北京100073；2.北京市交通委员会，北京100073)

综合交通调查是获取城市交通发展规律、预测未来交通发展趋势的重要手段，国内外很多大城市都形成了定期开展综合交通调查工作的机制。首先，回顾美国、日本、中国城市综合交通调查工作现状。其次，结合北京市最新开展的第五次综合交通调查成果，解析北京市交通需求总量及交通结构的变化特征。最后，从全国交通调查标准制定、对调查数据进行综合调校以及大数据对传统调查的冲击等方面提出未来综合交通调查工作的发展建议。

综合交通调查；居民出行调查；数据分析；大数据；北京市

1 国内外综合交通调查回顾

1.1 美国综合交通调查

美国早期的交通运输统计工作基本上是由民间组织、行业协会自发进行，没有较为统一的指标体系，造成统计口径差异很大，无法进行地区之间和不同年份间的相互比较。1991年颁布的《多方式地面运输效率法案》(Intermodal Surface Transportation Efficiency Act,ISTEA，俗称冰茶法案)要求在美国交通运输部(US Department of Transportation,USDOT)内成立运输统计局(Bureau of Transportation Statistics,BTS)，以法律形式明确规定交通运输统计的管理机构。

早在20世纪60年代，美国《联邦公路法》即规定人口规模大于5万人的城市区域须构建交通模型，这促进了交通调查工作的开展[1]。此后，美国联邦政府着手建立全国性的家庭出行调查(Nationwide Household Travel Survey,NHTS)，分别于1969年、1977年、1983年、1990年、1995年、2001年和2009年开展了七次调查，并计划于2016年开展第八次调查。一些州或地方政府会进行补充样本调查，为交通规划人员以及政策制定者提供全面的居民出行数据以及交通相关数据。

1969年美国第一次全国性的居民出行调查涉及1.5万户，调查内容主要包括家庭和个人信息，以及家庭拥有车辆数、出行方式选择等出行信息。第二次出行调查主要更新了第一次调查的数据，调查样本量扩大至约1.8万户。第三次出行调查的数据主要来自于美国人口普查局调查的6 500户的家庭信息，包括车辆数、出行信息、家庭信息、个人信息等。第四次出行调查使用计算机辅助电话调查(Computer Assisted Telephone Interview,CATI)技术，这在家庭调查中是一个比较重大的变革。第五次出行调查涉及42 033户，调查过程中使用了居民一日的出行日记记录出行。第六次出行调查中，美国联邦公路局和美国运输统计局进行了前期预调查，基于此决定全国个人交通调查(NPTS)(侧重日常出行)是否应该结合美国出行调查(American Travel Survey,ATS)(侧重长距离出行)进行，并对两种调查方式都进行了重新设计以更好地满足调查数据收集工作。最终，第六次出行调查将二者结合，对69 817户家庭开展调查，并在调查内容方面有所调整。第七次出行调查共调查150 147户。

表1 美国综合交通调查项目设置Tab.1 Checklist of comprehensive traffic survey in US

表2 日本综合交通调查项目设置Tab.2 Checklist of comprehensive traffic survey in Japan

美国综合交通调查项目的设置如表1所示，并出版《交通调查指导手册》(Travel Survey Manual)指导全国交通调查工作[2]。

1.2 日本综合交通调查

日本大都市圈以居民出行调查为主的城市综合交通调查通常由日本国土交通省主导进行。由国土交通省、都市圈内各地方政府、高速公路公司等单位组成的都市圈交通规划委员会是城市综合交通调查的实施主体。城市综合交通调查的准备、调查、统计分析过程由各地方政府分担进行，国土交通省负责汇总最终调查结果，形成调查报告。

日本是持续开展居民出行调查最好的国家之一。1967—2010年，日本在62个都市圈进行了125次居民出行调查。东京都市圈从1968年起，每10年一次，到2008年共进行了5次居民出行调查。日本发布了《综合交通调查指南》以指导全国交通调查工作，交通调查项目的设置如表2所示。

1.3 中国城市综合交通调查

上海、广州、天津、深圳等城市配合城市总体规划与发展，从20世纪80年代陆续开展了综合交通调查。随着城市交通建设与管理日益成熟，综合交通调查在内容设置、方案设计、组织实施等方面积累了扎实的经验，并逐渐形成了一系列被普遍认可的科学方法和技术要求。

为及时掌握城市交通需求变化趋势，北京市于1986年、2000年、2005年和2010年开展四次全市性的综合交通调查，涉及人员出行(城市居民、流动人口)、车辆出行、公共交通运行、道路交通量(核查线、境界线)、城市客流吸引点、停车、货运、土地使用、人口(居住、就业、就学、就医)分布、车辆保有分布等多个方面(见图1)。调查成果能为各阶段城市交通规划、建设、管理和运营工作提供良好的数据基础和定量分析平台，较好地满足城市交通实际工作的相关需求。调查及时反映了北京市交通特征变化，准确预测城市交通未来发展趋势，有力支撑《北京城市总体规划(2004年—2020年)》、《北京市“十二五”时期交通发展建设规划》等宏观政策的制定和重大规划的编制，并在公交线网优化调整、重点区域及路段疏堵工程、交通发展年报编制、轨道交通运营管理、缓解交通拥堵政策和停车价格调整政策制定等日常交通工作中发挥重要作用。

智慧教育代表技术变革教育的未来发展方向，是教育信息化发展的必然阶段。如何发展智慧教育，是世界各国面临的共同挑战和机遇。然而智慧教育是手段，其根本目的是培养公民的核心素养。核心素养的概念提出后，在世界各国的各行各业得到广泛传播。其中在高等教育界，核心素养理念也起到不可替代的指导作用。对于高职大学英语课程教学改革来说，如何顺应互联网信息技术的发展趋势，合理使用智慧教学手段，形成以培养学生核心素养为目标的智慧教学模式，成为新时代的新课题。

2014年第五次综合交通调查是在北京市“十三五”交通规划制定前期开展的一次全面的综合交通调查，共包括六大项、17分项，主要分为无线信令数据采集分析、居民出行调查、公共交通调查、道路交通量调查、专项辅助调查和城市发展背景数据收集调查。共获取4万份居民出行信息，500多个宾馆的流动人口出行信息，482个道路路段，以及城六区46万中小学生的出行信息等交通调查数据。此次调查更加注重新技术的应用，开发了基于智能终端和互联网的出行调查采集系统，并充分利用公交IC卡，GPS，ETC等信息化数据，增加数据的覆盖量。

2 北京市交通需求总量变化及特征

2014年，六环内工作日常住人口出行总量为4 445万人次，出行周转量为36 005万人次·km(见图2)，较2010年增加14.7%，年均增长率3.5%，相较“十一五”期间增速大幅下降[4]。导致出行需求增速放缓的主要原因包括：

图1 北京市历次综合交通调查内容和应用Fig.1 Survey contents and implications of Beijing Comprehensive Transportation Survey

1）人口调控措施初步发挥作用，人口增速放缓。2014年底六环内常住人口为1 634万人，2010—2014年年均增长率2.5%，较“十一五”7.3%有所放缓[5]。

2）互联网及现代通信技术改变社会生活方式，出行率略有下降。2014年工作日每日人均出行次数为2.75次，相比2010年2.82次下降2.5%[5]。其中，购物及外出就餐出行强度比2010年明显下降。

图2 北京市历次综合交通调查出行周转量Fig.2 Surveyed Travel turnovers from Beijing Comprehensive Transportation Survey

表3 2010年和2014年不同区域职住比变化Tab.3 Change of job-housing rate in different areas in Beijing between 2010 and 2014

图3 中心城区建成区面积与平均出行距离变化Fig.3 Changes of developed area and average travel distance in the central district

3）职住分离状况略有好转，出行距离增速放缓。2014年各环路之间的职住比均呈现向好发展趋势，四环以外的就业岗位总量上升明显，职住不平衡状况稍有好转(见表3)。

职住分离状况略有好转也使得平均出行距离的增速比“十一五”期间明显放缓(见图3)。2014年六环内工作日常住人口平均出行距离8.1km，四年仅增长0.5km，而“十一五”期间共增长1.6km。2010—2014年，中心城区建成区面积平均每年增加29km2，“十一五”期间中心城区建成区面积平均每年增加23.8km2。在中心城区建成区扩展速度高于“十一五”期间22%的情况下，市民日常出行距离增速却同比下降3.2%，这得益于城市功能布局的优化与改善。

3 北京市交通结构变化及特征

近几年北京市交通结构调整喜忧参半，小汽车出行比例首次呈现下降趋势，轨道交通出行比例大幅提高；但自行车出行比例持续下降势头仍未得到有效遏制，公共汽车出行比例持续下滑(见图4)。

1）轨道交通建设成效显著，客运量大幅提升，但公共交通客运量却持续下滑。截至2014年底，轨道交通共运营18条线路，运营总里程达527km(见图5)。自2010年起，每年新增一条运营线路，运营里程共增加191km。2000年以来，轨道交通线网全年客运量从4.3亿人次增至34.1亿人次。

公共汽车客运量呈逐年下滑趋势，公交线网依旧存在诸多问题，主要表现在服务形式单一、通达深度不足、线路重复系数过高等方面。五环以内公共汽车站500 m半径覆盖率仅为88%，而线路又过于集中在干线走廊，重复系数高达6.7；乘客车外时间(两端步行时间、候车时间及换乘时间)占在途时间的35%。

2）小汽车保有量得到有效控制，但过度使用问题依然不容乐观。在小汽车摇号政策的有力执行下，小汽车保有量得到有效控制，但是工作日日均行驶里程达41.5km，高于世界同等城市的小汽车使用强度。

3）自行车出行环境亟须改善。自行车出行比例持续下降，调查结果表明，出行距离过远(34%)是不选择自行车出行的首要原因，自行车在长距离出行方面不具备优势；公共交通经济快捷(24%)是不选择自行车出行的次要原因，说明公共交通与自行车交通在一定程度上构成竞争关系；出行环境差(16%)、体力消耗(15%)也是公众不选择自行车出行的原因之一，说明自行车出行的安全性与舒适性对公众选择自行车出行具有较大影响。

此外，非机动车道缺少有效隔离设施、机动车侵占自行车出行空间也是影响自行车出行的重要因素。机动车驶入非机动车道，对骑车者的安全造成极大影响。对于单幅路、双幅路，机动车与自行车之间缺乏物理隔离设施，机动车随意进出和停靠非机动车道现象十分普遍；对于三幅路、四幅路，机动车进出停车位及通过路段时占用非机动车道，造成自行车行驶空间被挤占，自行车被夹在机动车缝隙之中的现象屡见不鲜，对骑车者安全构成威胁。

4 发展建议

4.1 制定城市综合交通调查标准

交通调查是一切交通工作不可缺少的数据支撑基础，是获得城市交通需求、供给以及运行特征的基础手段；是分析城市交通症结、编制交通规划和制定交通政策的数据基础；也是开发城市交通模型的必要环节。城市交通工作均须进行综合交通调查，中国很多城市基本以五年一次全市综合交通调查、每年小样本调查的形式开展。但是，在调查过程中仍然存在对基础工作认识不充分、调查方案制定不科学、对样本分析结果和综合调校认识理解不够等问题，使得调查获得的数据口径不一致，边界条件不一致，不能实现数据融合与共享。

完全由地方主导的交通调查缺乏统一规范和相互沟通，数据之间的可比性、数据二次加工的潜力往往较差，应制定全国城市综合交通调查标准，提高调查质量，完善调查数据，加强数据分析和挖掘，实现多源数据的融合、共享和综合利用。综合交通调查标准应成为规范调查指标定义、统一调查指标的统计口径和指导城市综合交通调查开展的技术准则，是明确调查成果的约束文件。

4.2 对调查数据开展综合调校

入户调查需要被调查者详细回忆并记录一天24 h的出行信息。由于人工回忆提供的时间和位置信息不够准确，回忆式调查法可能存在漏报和错报等，所以对调查数据进行综合调校非常必要。综合调校分为扩样、加权和综合校核三个步骤，缺一不可：扩样是根据调查样本的抽样率和总体数据直接计算扩样系数；加权是对简单扩样后的数据进行交叉分类修正的过程，例如对年龄、职业等的分项校核；综合校核是基于扩样和加权后的数据，利用道路交通量数据、公共交通客运量数据等独立数据源数据，通过交通模型进行综合调校，最终使交通指标达到一致(见图6)。

4.3 大数据与传统调查应互为补充

交通领域的大数据种类繁多，包括无线通讯信令数据、车辆运行的时空位置信息数据等。如此庞大的数据能否取代传统交通调查备受争议。大数据只是一次简单的技术革新还是手段的升级换代，抑或是根本意义上的变革?

图4 北京市历次综合交通调查交通结构变化Fig.4 Changes of mode share from Beijing Comprehensive Transportation Survey

图5 轨道交通运营线路及运营里程Fig.5 Rail transit map and mileage in Beijing

首先，传统调查是基于统计学理论，用合理抽取的样本，通过一系列处理手段，达到用样本代表总体的目的，而是否有各类交通大数据能真正代表交通特征分析的总体将是传统调查能否被取代的一个条件。其次，大数据重在体现变量之间的关系，传统调查对因果关系的分析具有一定的优势。最后，交通模型理论的更新换代也将促使交通调查工作的革新。总之，大数据是一场生活、工作与思维的大变革，开启了一次重大的时代转型，对交通调查的影响也将意义深远。

图6 交通调查数据综合调校流程Fig.6 Comprehensive adjustment procedure on survey data

5 结语

综合交通调查是获取城市交通发展规律、预测未来交通发展趋势的重要手段。从20世纪60年代以来，国外交通调查不管从内容到技术都发生了巨大变化，已从单一的居民出行调查发展到涵盖人员、车辆、公交客流等内容丰富的综合性交通调查。在技术方法上也不断创新，从传统的人工入户访问到电话访问、借助GPS/智能手机等先进设备的调查。中国正在制定相关的调查标准，用于指导调查工作规范开展，很多大中城市也基本形成了定期开展交通调查的机制，并且在调查内容和方法手段上不断创新。大数据的发展为交通数据的获取提供新的思路和方法，传统交通调查工作的必要性依然存在，但是无论在调查内容还是调查方法上必将发生重大转型。

[1]焦国安，杨永强，杨菲，金霞，邹熙.美国城市交通模型立法的历史背景[J].城市交通，2008，6(2)：73-76.Chiao Kuo-Ann,Yang Yongqiang,Yang Fei,Jin Xia,Zou Xi.Legislation Background of Urban Travel Demand Forecasting in the U.S.[J].Urban Transport of China,2008,6(2):73-76.

[2]U.S.Department of Transportation,U.S.Environmental Protection Agency.Travel Survey Manual[R].Washington DC:U.S.Department of Transportation,U.S.Environmental ProtectionAgency,1996.

[3]国土交通省.综合都市交通体系调查手册[R].东京：国土交通省，1980.

[4]北京交通发展研究中心.北京第五次交通综合调查分析报告[R].北京：北京交通发展研究中心，2015.

[5]北京交通发展研究中心.北京第四次交通综合调查分析报告[R].北京：北京交通发展研究中心，2012.

Comments on Urban Comprehensive Transportation Survey:Learn Lessons from the 5th Beijing Comprehensive Transportation Survey

Li Chunyan1,Guo Jifu1,An Zhiqiang2,Zhao Hui1
(1.Beijing Transportation Research Center,Beijing 100073,China;2.Beijing Municipal Commission of Transport,Beijing 100073,China)

Comprehensive transportation survey is an important instrument to discover urban transportation development patterns as well as to forecast future trends.Many international and domestic cities have established the mechanism of regularly conducting comprehensive traffic surveys.This paper firstly reviews the existing works of urban transportation surveys in United States,Japan,and China.Then,by learning Lessons from the 5th Beijing Comprehensive Transportation Survey,the paper summarizes the main findings in relation to the changes in travel demand and modes.Finally,the paper also proposes a couple of suggestions for the future research,including establishing a national-wide transportation survey regulation,revising survey data,and contending with the challenges from big data era.

comprehensive transportation survey;household survey;data analysis;big data;Beijing

1672-5328（2016）02-0029-06

U491.1+1

A

10.13813/j.cn11-5141/u.2016.0205

2015-11-29

李春艳(1979—)，女，山东菏泽人，博士，高级工程师，交通基础部副部长，主要研究方向：交通数据挖掘分析。E-mail:99890417@qq.com