基于信令数据的出行强度影响因素分析模型

雷方舒

(北京交通发展研究院城市交通运行仿真与决策支持北京市重点实验室城市交通北京市国际科技合作基地，北京100073)

0 引 言

高强度的交通出行给大城市造成巨大的交通压力.城市交通出行强度是反应交通出行需求水平和交通服务水平的综合性指标[1]，捕捉交通需求特征，从根源上探究影响居民出行强度的关键因素并进行有效干预是缓解交通拥堵等问题的根本途径之一.出行强度受到众多因素的交叉影响，包括人口属性、用地[2]、设施供给、经济、政策、环境、资源等，其中土地利用布局和交通基础设施建设是两个核心影响因素.土地利用从根源上决定了居民的本源出行需求，是影响出行强度的决定性因素；交通基础设施建设决定了居民出行的便捷程度，是影响出行强度的关键变量.随着手机信令等大数据资源的逐步丰富与完善，对出行强度特征的捕捉日益精细化，使得识别影响出行强度的关键因素并对其进行定量化分析成为可能.

本文以单位面积出行量指标表征出行强度[3]，以土地利用与交通基础设施建设为关键影响因素，通过搭建出行强度多元回归模型，对影响因素指标进行量化分析与评估，研究影响出行强度的主要因素及其影响程度，以城市交通运行水平改善为目标，为土地利用规划和交通基础设施建设提供决策依据.

1 影响因素指标计算与筛选

1.1 数据来源

出行强度数据基于2020年北京市手机伪码信令数据识别，信令数据包含用户ID、经纬度及时间等信息，以分钟级粒度回传日数据量达TB 级，覆盖率接近北京市居民全样本，适用于居民出行特征的提取，将用户出行起讫点空间位置与行政单元挂接，得到不同区域的交通出行量值；土地利用指标基于北京市控制性详细规划数据提取，该数据包含北京市不同地块用地属性及面积，可用于土地利用指标的计算；交通基础设施指标基于公共交通线网及道路网数据提取，该数据涵盖北京市道路及公交线网的空间属性及长度信息，可用于基础设施指标的计算.

本文以北京市2010年乡级行政单位(含乡/街/镇，以下简称街道)为基本空间单元，中心城与郊区县街道面积、区域属性、出行特征均有较大差异，故选取北京市129个中心城街道进行分析.

1.2 影响因素指标

1.2.1 土地利用指标

常用土地利用调控与评价指标包括建筑密度、容积率、用地混合度等[4].本文选取建筑密度、容积率、职住强度3 个指标表征土地利用强度；选取用地功能种类，土地利用混合指数，职住混合率熵指数，居住用地比例，岗位用地比例5 个指标表征土地利用结构，分析各指标与出行强度的关系.

土地利用混合指数表征各种用地类型的混合程度，计算模型[5]为

式中：Hi表示街道i的土地利用混合指数；i为街道编号，i=1…129；ρmi为街道i第m类用地面积占总用地面积的比值；ni为街道i用地种类总数.

职住混合率熵指数用来评价居住和岗位用地混合利用程度，计算模型[6]为

式中：Zi表示街道i的职住混合率熵指数；Ri为居住人口密度；Jki为第k类岗位密度.

1.2.2 交通基础设施指标

交通基础设施指标主要分析道路网设施与公共交通设施两方面，其评价指标主要有可达性[7]、覆盖率[8]等.本文选取到最近主干路距离，快速路覆盖率，主干路覆盖率，次支路覆盖率，以及路网综合覆盖率5个指标表征道路网建设情况；选取到最近公共交通站点距离，轨道站点500 m 覆盖率，公交站点500 m覆盖率，公共交通站点500 m综合覆盖率4个指标表征公共交通基础设施建设水平.

到最近主干路及公共交通站点的距离表征基础设施的可达性，且指标与设施可达性成反比.道路网综合覆盖率是各等级道路覆盖率加权之和，依据不同等级道路流量、车道数等参数进行权重计算，定义加权模型为

式中：为街道i路网综合覆盖率；Ch,i、Cm,i、Cb,i依次为快速路、主干路、次支路里程；为街道i用地面积.

公共交通站点500 m 综合覆盖率是地面公交和轨道站点覆盖率加权之和，依据公交、轨道站点服务规模等经验值设置权重，定义加权模型为

式中：为街道i公共交通站点500 m 综合覆盖率；Pb,i、Ps,i分别为街道i地面公交、轨道站点500 m覆盖面积.

1.3 指标筛选结果

逐一分析17个土地利用与交通基础设施指标与出行强度关系.采用Pearson相关系数r，以及最优拟合函数的拟合优度R2评估各变量与单位面积出行量的相关性，评估结果如表1所示.

由表1可知：职住混合率熵指数，职住强度，站点500 m 覆盖率等多个指标表现出与出行强度的显著相关性(r≥0.7)；从拟合优度来看，单一指标对出行强度的拟合程度有限，以综合指标进行出行强度多元回归建模具有切实意义.依据相关性评估结果，以及回归变量不共线性原则，最终选用容积率，土地利用混合指数，职住混合率熵指数，到最近公共交通站点距离，公共交通站点500 m覆盖率，到最近主干路距离，路网覆盖率7个指标，对北京市中心城街道出行强度进行多元回归建模.

2 出行强度模型搭建与分析

2.1 单一指标拟合函数分析方法

2.1.1 离群值定义

单一指标虽不足以拟合出行强度特征，但能反映土地利用或交通基础设施供给与出行需求之间的平衡关系.如图1 所示，以路网覆盖率指标为例，使用路网覆盖率与单位面积出行量拟合函数曲线表征北京市中心城街道路网供给与出行需求的平均水平，基本为平衡状态.拟合曲线以上街道路网供给小于出行需求，定义为向上离群；拟合曲线以下街道则相反，路网供给大于出行需求，定义为向下离群.

图1 路网覆盖率与单位面积出行量拟合关系Fig.1 Relationship between road network supply and trips per unit area

2.1.2 离群值分析

计算北京市中心城各街路网覆盖率与单位面积出行量关系离群值，定义计算方法为

式中：Li为街道i离群值；Ti为实际日均单位面积出行量；为基于高斯拟合函数计算的理论日均单位面积出行量.

表1 交通基础设施与土地利用指标与出行强度相关性Table 1 Correlation between transport infrastructure/land use index and travel intensity

北京市中心城街道路网覆盖率与单位面积出行量关系离群值如图2所示，约70%街道的离群值在[-40 000，40 000]，认为未显著离群，处于供需基本平衡状态；离群值大于40 000 或小于-40 000 为显著离群街道.

显著离群街道空间分布具有明显地域特征，如图3 所示.向上离群街道集中分布于CBD、中关村、上地等商业聚集区，说明该类地区道路网供给在一定程度上不能满足高强度的出行需求，应适当增加路网供给的同时，着重调控出行需求强度，以达到改善交通运行的目的；向下离群街道主要分布于孙河生态区、豆各庄等中心城边缘地区，该类地区可采取适当措施刺激人口活跃度的提高.

图2 路网覆盖率与单位面积出行量拟合结果离群值Fig.2 Outlier of road network coverage ratio and trips per unit area fitting result

图3 北京市路网供给离群街道空间分布Fig.3 Outlier streets spatial distribution of Beijing's road network supply

2.2 多元回归建模与分析

2.2.1 模型搭建与标定

为探究出行强度的综合影响因素，以上述7个土地利用和交通基础设施指标为自变量，以北京市中心城街道单位面积出行量指标为因变量，构建多元回归模型为

式中：y为单位面积出行量；x1～x7为7 个选定自变量的归一化值，x1为职住混合率熵指数；x2为公共交通站点500 m 覆盖率；x3为到最近主干路距离；x4为容积率；x5为路网覆盖率；x6为到最近公共交通站点距离；x7为土地利用混合指数；b0为回归为常数，b1～b7为7 个自变量的回归系数.使用最小二乘法进行模型参数估计(显著性水平α=0.1)，得到多元回归模型参数标定结果为

2.2.2 建模结果分析

建模过程中对指标进行归一化处理，回归系数标定结果可表征各自变量对因变量的影响程度，即指标回归系数绝对值越大，对出行强度的影响程度越强；回归系数正负则表征该指标与出行强度正相关或负相关.基于此本文得到以下结论：

(1)职住混合率熵指数回归系数绝对值最大，这说明土地利用中居住和岗位用地混合利用程度对出行强度影响最显著，且影响程度明显高于其他指标.

(2)土地利用指标回归系数绝对值之和(|b1|+|b4|+|b7|=0.63)大于交通基础设施指标(|b2|+|b3|+|b5|+|b6|=0.52)，可以认为，对出行强度的影响，土地利用强于交通基础设施供给.另一方面，公共交通站点500 m覆盖率指标回归系数绝对值大于到最近主干路距离(可达性)及路网覆盖率指标，可以认为，交通基础设施建设指标中，公共交通站点覆盖率对出行强度的影响更为显著.

(3)回归系数为正的指标表明，随土地利用强度、职住混合度、交通基础设施覆盖率的提高，出行强度会有不同程度的提高；到最近主干路、公共交通站点距离指标回归系数为负说明，随着到基础设施距离的减小，可达性提高，出行强度也随之提高；土地利用混合指数回归系数为负说明，随着土地利用混合程度的增加，出行强度下降.

(4)模型拟合优度R2=0.74 大于0.7，说明本文识别土地利用与交通基础设施综合指标很好地拟合了出行强度特征，且综合指标拟合效果优于仅使用任一单一指标进行拟合.

相比于传统交通模型能够量化预测影响因素变化导致的出行量波动值，本文所搭建出行强度多元回归模型能够直观反映各因素变化对出行强度的影响趋势与影响程度，在进行土地利用，交通基础设施建设影响分析与快速评估上具有一定优势.

2.2.3 模型校验

使用本文多元回归模型计算北京市中心城区各街道出行量，将计算结果与基于手机信令数据识别的各街道实际出行量进行对比，结果如图4所示.模型计算出行量与实际出行量的空间分布具有较强相似度，均呈现城中心街道出行量大而外围出行量小的特征，在CBD、中关村等街道出行高度集聚.说明本文所搭建出行强度回归模型能够在一定程度上还原北京市中心城出行强度特征，验证了模型的有效性.

图4 北京中心城各街道实际出行量与模型计算出行量分布对比Fig.4 Comparison between actual trips and model calculated trips distribution in central streets of Beijing

3 结 论

本文以土地利用与交通基础设施综合指标构建出行强度多元回归模型，模型对出行强度的拟合效果有所提升，拟合优度由单一指标最高0.7提升至0.74.基于模型分析得到如下结论：土地利用中的居住和岗位用地混合利用程度对出行强度影响最为显著，土地利用对出行强度的影响要强于交通基础设施，交通基础设施指标中，公共交通站点覆盖率对出行强度的影响较路网覆盖率及可达性更为明显.