从气象灾害预警信息发布数据看灾害性天气下城市居民出行行为变化规律

陈 瑾，郭俊萍，王佳禾，张永宁

（1.中国气象局公共气象服务中心，北京 100081；2.中国气象局华风气象传媒集团，北京 100081）

城市居民出行行为是城市交通运行的关键影响因素，居民出行行为受多种因素影响，包括出行目的、出发地点、出行距离、信息、职业、年龄等方面，随着极端天气出现的频率增加，天气变化对于出行决策的影响也日益明显。灾害性天气是对人民生命财产有严重威胁，对工农业和交通运输会造成重大损失的天气，如大风、暴雨等，可发生在不同季节，一般具有突发性。我国气象灾害预警主要包括台风、暴雨、强对流、暴雪、寒潮、沙尘暴、干旱、霾等。

国内外研究者从20 世纪70 年代开始展开了灾害性天气对交通出行影响的相关研究，最早是Palutikof提出雨天是造成交通事故最严重的气象因素，Sherretz和Farhar 以某城市的交通气象数据为例，研究发现降雨量的大小和交通事故的严重程度之间呈正相关。分析了英格兰和威尔士的有关天气事故数据后，Edwards统计得出晴雨天的交通事故比率及其空间分布，这些研究都为后来分析特殊气象条件对交通安全的影响奠定了良好的理论基础。国内对于特殊气象条件对交通安全的影响相对滞后，刘飞研究了暴雨极端天气城市公共交通双层复杂网络脆弱性，模拟了常规公交-地铁双层复杂网络在暴雨极端天气下的级联失效过程及脆弱性变化；李达标研究了降雨天气下城市道路出行时间预测与路径引导，从数据分析、降雨天气下对道路通行影响、行程时间预测模型以及出行风险评价模型几个方面对降雨天气下城市路网出行引导与风险评估进行了分析，近几年，因天气状况导致公众出行行为发生变化的研究引起了广大学者的高度关注，不同的研究者从各个角度开展了一些研究，博坤等研究了暴雨内涝下公交乘客的出行行为选择，得到公交乘客出行选择行为的影响因素（由强至弱）是步行时间、票价、车内时间和车内拥挤程度；张本森等研究了冰雪条件下居民出行方式选择，基于出行决策理论构建了冰雪条件下居民出行方式选择模型，根据对以往研究情况的分析，发现目前对于不同灾害性天气下城市居民的出行行为变化规律研究较少。

本文以气象灾害预警信息发布数据作为不同灾害性天气发生的反证，通过气象灾害预警信息发布后24小时内出行类APP 用户使用行为的变化，得出了不同灾害性天气下不同城市居民出行行为变化规律。

1 数据来源和分析方法的选取

1.1 数据来源

本文气象灾害预警发布数据来源于2019 年国家预警信息发布中心发布的预警数据，出行行为数据来源于2019 年百度地图、高德地图、滴滴出行等交通出行类APP 用户行为数据。

在城市选择上，选取了北京、哈尔滨、西安、武汉、上海、重庆和广州等7 个城市交通出行类APP用户的数据。

为了区分不同出行行为，我们将使用滴滴出行APP 的用户归为以打车出行为主的人群，将使用百度地图和高德地图的用户归为自驾出行为主的人群。

1.2 分析方法的选取

本文主要采用了统计分析法，统计了有灾害性天气时和无灾害性天气时交通出行的特征变化，将发布气象灾害预警信息后24 小时视为有灾害性天气的时段，将未发布气象灾害预警信息的日期视为无灾害性天气的时段。

为考察不同程度灾害性天气对于城市居民出行行为变化的影响，本文综合考虑我国东、南、西、北等不同地域城市的特点，分别选取了哈尔滨、北京、西安、武汉、重庆、上海以及广州的预警发布数据及公众出行行为数据作为研究样本，以蓝、黄、橙、红不同级别预警信息分别代表不同程度的灾害性天气，针对不同城市灾害性天气特点，不同城市分别选取了易对当地交通出行中道路湿滑状况、能见度大小等产生影响的暴雨、暴雪、沙尘、冰雹、沙尘、高温、大雾、台风、道路结冰等灾害性天气与用户行为数据进行了统计比较分析。

同时，考虑到APP 用户数量及行为受运营、市场等因素影响，用户波动变化大且没有规律性，为了研究结果相对客观可信，本文APP 用户变化数据以预警发布当天APP 的活跃用户数与前一天及上周同样时间进行比较分析，以北京一次沙尘天气为例，北京市2019 年10 月28 日（周一）发布了沙尘蓝色预警，APP 用户行为变化情况就以10 月28 日当天APP 的用户活跃数与前一天的数据以及上周一的数据进行比较分析。

2 研究结果与分析

本文采用统计分析法对2019 年全国灾害性天气预警信息与百度地图、滴滴出行和高德地图用户数据进行了比对分析，计算了三个平台以上7 个城市2019年全年的活跃用户数及使用次数在灾害性天气预警时和无灾害性天气预警时的变化幅度，统计结果显示有灾害性天气时对城市居民出行影响较大（见表1），总体上自驾出行需求人数减少，7 个城市平均下降3.94%，打车出行需求人数增加，7 个城市平均上涨4.44%。

表1 有灾害性天气预警时与无灾害性天气预警时用户使用交通出行APP 次数变化幅度

为了考察不同的灾害性天气以及不同时间发生灾害性天气对城市居民出行的影响，本文挑选易影响交通出行能见度、道路湿滑、风力等主要因素相对应的灾害性天气包括暴雨、台风、沙尘、台风、高温、道路结冰、暴雪等几类。

研究文献显示暴雨内涝对交通出行影响最大，为此本文对7 个城市发布暴雨黄色预警时交通出行APP使用次数的变化进行了分析，并且挑选了易出现暴雨天气的武汉，进一步分析了不同强度暴雨天气下出行的变化。

数据分析发现，当7 个城市发布暴雨黄色预警时，打车出行和自驾出行均有一定的变化，总体来看打车出行人群增多，例如重庆、武汉、上海、广州；而自驾出行人群比例呈现下降，7 个城市均有不同程度下降。

从区域来看，西南地区的重庆、华东地区的上海、西北的西安、东北地区的哈尔滨等城市出行状况受到暴雨预警影响更为明显。以重庆为例，2019 年5 月24日5 时12 分21 秒，重庆发出暴雨黄色预警，当天该城市滴滴出行用户使用次数比前一天增加了7.2%，而百度地图用户使用次数减少了2.4%（见表2）。

表2 发生暴雨灾害性天气时用户使用交通出行类APP 次数变化幅度

从不同强度暴雨对城市居民出行影响来看，橙色和红色暴雨预警发出后城市居民出行变化很大，尤其是最高级别的红色预警发布后，无论是打车出行还是自驾出行需求都出现大幅度的增加（见表3）。

表3 武汉市发布不同级别暴雨预警时用户使用交通出行类APP 次数变化幅度

在其他灾害性天气对城市居民出行影响分析方面，考虑本文涉及的数据量过大，为方便统计，不同城市挑选出一次灾害性天气作为样例进行了分析，挑选的日期同步考虑了周末及工作日时间上不一样导致的出行变化，分别挑选了交通最易受影响的周末、周一和周五三个时间。

对于暴雪对交通出行的影响，选取了哈尔滨的数据作为代表。数据分析显示，哈尔滨在2019 年12 月29 日发布暴雪黄色预警，自驾出行人数平均减少1%，打车出行人数增加6.2%。对于高温对交通出行的影响，选取了重庆的数据作为代表。数据分析显示，重庆在2019 年7 月27 日发布高温橙色预警，自驾出行人数平均减少2.65%，打车出行人数增加0.6%。对于大雾对交通出行的影响，选取了武汉的数据作为代表。数据分析显示，武汉在2019 年1 月12 日发布大雾橙色预警，自驾出行和打车出行人数均大幅减少。对于台风对交通出行的影响，选取了上海的数据作为代表。数据分析显示，上海在2019 年9 月6 日发布台风蓝色预警，自驾出行人数平均减少4.1%，打车出行人数增加2.5%。对于沙尘天气对交通出行的影响，项目组选取了北京的数据作为代表。数据分析显示，北京在2019 年10 月25 日发布沙尘蓝色预警，自驾出行人数平均减少2.4%，打车出行人数增加2.6%。对于道路结冰天气对交通出行的影响，选取了西安的数据作为代表。数据分析显示，西安在2019 年2 月10 日发布道路结冰黄色预警，自驾出行人数平均减少2.3%，打车出行人数增加1.5%，如表4 所示。

表4 不同灾害性天气预警时各城市用户使用交通出行APP 次数变化幅度

3 小结与建议

3.1 小结

本文基于大量的数据，针对灾害性天气对于城市居民出行的变化展开了研究，由于居民交通出行决策行为受多种因素影响，本文仅从发布灾害性天气预警作为灾害性天气出现的触发点，并以几个代表性城市为例，从一个角度验证了灾害性天气下城市居民的出行需求变化，得出了一些较为明确的结论，主要结论如下：

（1）城市居民交通出行受天气影响较大。

（2）不同城市、不同灾害性天气对城市居民交通出行的影响程度不一样。

（3）交通出行还受早晚高峰、节假日等因素影响。

3.2 建议

由于数据有限，本文未能就灾害性天气对于城市公众出行行为出现变化的原因做进一步深入的研究，建议进一步展开相关研究及应用工作。

（1）加强与城市交通运行管理部门合作，融合相关数据开展深入研究，进一步研究灾害性天气与城市交通公众出行行为的变化规律性。

（2）气象部门要进一步加强基于灾害性天气对交通的影响服务，提高服务能力和水平，与相关部门建立更顺畅的沟通协同机制，提高交通气象服务的有效性。