基于百度地图API开源数据对居民出行特征调查数据的修正与挖掘研究│前沿

上  篇

居民出行调查是做一般综合交通规划类项目最常用到的调查内容，其主要目的是获得当地居民出行的时间、空间、方式、目的分布等特征数据，分析居民出行与年龄结构、职业结构、社会经济与土地发展利用的相互关系，为城市交通政策和交通规划方案制定提供定量参考依据。

目前居民出行调查的实施方法中，国内以居民入户调查为主要手段，通过调查员实地入户，以家庭内6周岁以上的居民为调查对象，填写相应的调查表格，之后再以交通调查小区为地理单元进行统一汇总和分析。

图1 居民出行调查一般实施步骤

在居民出行调查内容中，出行特征调查是最为重要的调查内容之一，它是最直接反应居民出行在城市中时空分布的规律，包括获得居民的出行方式、出行距离、出行目的、出行时耗等关键指标，反应城市交通运行的整体状态，为交通预测模型建立提供最直接的技术参数。

表1 居民出行特征调查项目（建设部城市交通调查技术导则—2014）

1.2.  新型调查工具的普及

目前国内调查员在实施调查过程中，一般还以纸质问卷填写为主，之后再统一汇总进行数据录入工作，过程较为繁琐复杂。近年来，随着信息技术的高速发展，一些大城市已经率先采用手持终端（PAD）等电子媒介进行居民出行调查，通过电子终端直接录入调查数据，避免了后期数据录入工作，同时部分电子终端软件还具备了自动分析功能，极大的提升了居民出行调查工作的效率。

图2 手持居民出行调查电子终端

相比较传统的纸质调查，手持电子终端最大的优势通过GPS定位是获得家庭准确地里空间坐标。传统的纸质调查由于没有调查对象的位置坐标，后期在数据录入和处理过程中，需要将调查数据集计到交通小区层面，以交通小区为地理单位进行分析处理，在数据精确量化上存在一定的缺陷。而手持设备调查，由于可以得到被调查家庭准确的空间坐标，在后期数据处理上，可通过非集计的手段，分析每一对起讫点的出行特征，也为进一步其它地理信息大数据融合提供了途径。

图3 传统纸质调查与手持终端居民出行调查的差别

1.3.  调查数据存在的主要弊端

无论是纸质调查还是手持电子终端调查，由于被调查者的对调查内容理解不一以及调查内容本身存在不完善等方面制约，在样本数据的准确度、完整性上还存在很大的不足，以石家庄2015年开展的居民出行调查（手持PAD调查）为例，其样本数据的不合理性主要反映在以下几个方面：

>>>>难以有效的反应真实的出行时耗与距离，由于不同的调查对象对于出行时耗的敏感程度不一，在问卷填写的过程中，倾向于心里估计，或者向15、30等整数时间有意靠拢，所以导致出行时耗失真，难以反映客观情况。如石家庄，通过样本数据中居民实际填写出行时耗与其出行的起讫点空间坐标直线距离进行初步拟合（图4），发现样本数据呈现非常严重的离散性分布，时耗数据基本都以整数分钟形式平行分布，与空间距离没有明显相关性联系，并不符合时耗随着距离增大逐步提升的一般客观规律，误差较大。

>>>>难以有效还原完整的出行链，主要体现的公交出行方式中。由于完整的公交出行一般由两端步行时间、等车时间、车内时间、换乘时间等构成，但调查数据仅仅能反应笼统的总出行时耗，不能分段统计。同时，由1）所述出行时耗本身存在较大误差，而大部分居民很难界定什么是公交完整出行链的时间。所以，样本数据难以精确化的反映真实的公交出行特征及服务水平。

>>>>难以反映不同出行时间时间对出行时耗、出行距离的影响，在实际的交通运行中，高峰时段由于出行集聚，其路段拥堵是明显高于平峰时间的，对应相同交通方式在不同时间所选取的出行路径有所偏差，相应的出行时耗、出行距离应有所区别。但通过石家庄的样本调查数据来看（图5），以5km出行距离为例，无论小汽车、还是公交车，在各个时间上出行时耗没有明显差异性，从侧面反映了调查数据存在较多人为认知误差，难以反映交通运行真实情况。

图5 石家庄调查样本数据不同时间（5km出行距离）出行时耗分布

1.4.  本次研究内容概述

综上所述，针对目前调查数据所存在的弊端，研究力图对其关键的核心指标进行修正研究，最大程度上还原城市居民出行、城市交通运行的真实情况。本研究依托石家庄2015年居民调查数据（手持PDA调查），利用其可获得居民准确的起讫点出行的地理坐位的优势，进行探索性研究，具体内容概括为以下四点：

1.5 百度API开源数据简介

百度地图web服务API简介

百度地图API为开发者提供了基于百度地图应用的程序接口，可实现包括地理位置搜索、周边搜索、根据不同交通方式的路线导航等多种功能。

本文为了研究城市居民在不同出行方式下的出行行为和出行特征，主要使用的功能是其中的路线导航功能，即Direction API功能。在已知用户起讫点经纬度坐标、出行方式、出发时间和城市的情况下，能够根据四种交通方式：公交(transit)、驾车(driving)、骑行(riding)和步行(walking)来查询出行路线，并返回相应的参数如出行距离，出行时耗，各分路段信息，公交路线等详细的出行信息。

百度地图的优势

1)   多维度导航路径

在已知居民起讫点经纬度坐标的情况下，百度地图能够根据不同出行方式得到多维度的导航路径，包括出行最短时间、最短路程等选择，其中百度地图的“推荐路线”更能真实的反应居民实际出行的路径选择、出行距离、出行时耗等，与传统交通工程学上的“最低费用”出行选择的概念不谋而合。

图6 百度地图路径导航搜索示意

2)  完整公交出行链

据1.3所述，传统居民调查难以获知真实的公交出行选择行为，但百度地图依托其自身的数据库，在已知居民起讫点的情况下，可以完整还原公交出行链的全过程，包括两端步行、换乘、线路选择等相关内容，并提供了最短时间、最少换乘、最少步行等多维度的路径选择，最真实的模拟居民选择公交的出行行为。

图7 百度地图公交出行链示意

3)  分时间出行时耗

百度地图具有完整的实时路况数据，能够根据不同时间、不同交通方式得到较为准确的出行时耗预测。尤其针对自驾车出行，传统调查数据很难反应不同时间分布上，时耗的差异情况，但依据百度自身的大数据，可以得到不同路况拥堵情况下的准确的出行时耗、距离及路径选择等内容。

2研究技术路线

2.1.  总体路线

本研究以石家庄2015年居民调查数据为对象，具体技术路线核心步骤概况为以下4个方面：

>>>>以传统的计算方法，对原始调查样本数据进行统计分析，得到原始问卷样本的居民出行特征指标；

>>>>依托百度地图API，对调查样本数据进行起讫点位置坐标匹配及统计分析，得到百度地图API计算输出分方式、分时间的居民出行时耗、出行距离及完整出行链等指标；

>>>>利用石家庄时间公交IC卡、GPS运营数据，与选择公交出行的调查样本及线路、站点选择相匹配，输出分线路、分时间的站点实时到车间隔；

>>>>汇总以上步骤，对石家庄的居民出行特征原始数据进行校核，形成更客观、精确的居民出行特征指标及全面、完整的公交出行链数据。

图8总体技术路线

2.2.  关键技术1：百度地图API与居民调查数据的融合

据前所述，本研究基于居民不同交通方式的出行起讫点坐标，通过python语言编程调用百度地图的API（需与百度坐标转换匹配），返回不同出行方式的百度导航路径、出行距离、出行时耗等数据。由于百度搜索路径可返回若干个路线，本研究考虑百度地图不同时段的道路拥堵情况，返回百度地图当前时刻的“最短出行时间”为输出结果。

以公交出行为例（图9所示），通过筛选原始样本数据，得到相应的选择公交出行方式的起讫点数据，通过百度地图的调用及处理，即可得到一条完整的公交出行链数据，包括步行到起始站点的距离和时间、乘车线路及站点、乘车距离及时间、换乘距离及时间、下车站点时间、下车至目的地步行距离等。

图9 百度地图公交出行API调用及结果处理示意图

2.3.  关键技术2：公交实际运营数据与百度数据的融合

通过百度API能够获得一次公交出行的步行时间、上车站点、乘坐线路、乘车时间、到达站点等信息，但由于百度没有公交线路车辆的实时运行数据，因而无法给出乘客在站点的实际等车时间，所以仍然无法获得完整的公交出行时耗。

据石家庄的实际调查，同一线路同一站点的公交到达间隔在高峰和平峰由于道路交通状况的不同导致差异非常大。如图10所示，石家庄1路公交高峰时段及平峰时段，在各站点的到达间隔差异巨大，在高峰实际发车间隔为3分钟的条件下，线路运行的前7站尚能保证准点率，车辆到达间隔在4分钟以内，随着线路进入城市核心区，由于道路交通拥堵加剧，站点准点率越来越低，解放广场站的到达间隔长达11分钟，是发车间隔的近4倍。因此，若要得到完整的公交出行时耗，不同时段的公交等车时间是重要的参考指标。

图10 公交1路上行各站点到站间隔对比

通过公交公司提供的居民出行调查当日的公交GPS运行数据，便能完整掌握公交的实际运行状况，进而得到分线路、分站点、分时间的公交到站间隔。以此为基础，在百度API得到的公交出行链中，依据出发时间、乘坐线路、上车站点检索到对应线路、站点、时间的公交到站间隔，从而得到居民每次出行在各个站点精确候车时间。即实现了公交实际运营数据得到的到站间隔与百度API数据融合（图11所示），即可得到完整、真实的公交出行链时耗。

图11 百度API与公交运营数据融合示意图

Next episode：

下  篇

1实例分析

1.1.  石家庄居民出行调查概况

2015年石家庄开展了市四区（新华区、桥西区、长安区、裕华区）及高新区范围内抽样率为3%的居民出行调查。本次调查采用手持PDA进行数据采集工作，抽样调查结果共有192478次居民出行行为，采集信息包括家庭编号、成员编号、街道社区、起讫点经纬度坐标、起止时间、交通方式等22项。

图12石家庄调查居民出行起讫点空间分布

从地理空间分布来看（图12），调查居民的起讫点基本分布在三环以内，也是传统石家庄中心城区范围。其中，一环内占到19%出行样本，一环到二环之间占到样本总数最大，达到51.4%，二环以内累积占到70.4%的出行样本，为本次出行调查的主体范围。

表2 调查样本起讫点分布

1.2.  分方式出行校核修正 

以石家庄调查数据为例，通过借助百度地图API的功能，对传统原始样本数据统计分析结果进行校核。结合百度地图的优势功能，本次研究主要针对小汽车、公共交通、自行车（含电动车）等三类主要交通方式进行出行距离、出行时耗的校核修正工作。

A.  公交出行

>>原始样本数据

利用筛选处理后的原始调查样本进行传统公交出行距离、时耗的相关性分析（图13），很明显看出散点图成无规则、离散性分布，出行时耗数据基本都以整数分钟形式平行分布，与起讫点出行距离（一般以直线距离*1.2计算）没有相关性联系，不符合时耗随着距离增大逐步提升的一般客观规律，误差较大。

图13公交出行原始样本数据分析

>>百度数据初步校核

据2.2所述，通过居民出行起讫点经纬度坐标，依托百度地图进行公交路径搜索与选择。通过百度公交出行链（选择出行时间最短的路线）分析，百度地图计算出的出行距离与出行时耗的之间显然更具有线性关系，出行时耗和出行距离之间呈现正相关，比调查样本数据更贴合真实情况。

图14公交出行原始数据与百度地图数据对比分析

>>融合实际候车时间

据2.3所述，百度地图未提供实际站点候车时间，所以总出行时耗存在一定的误差。因此，我们进一步将实际公交运营数据（GPS时空轨迹）与百度的出行链数据融合，即将各个乘车站点的实时候车时间纳入出行时耗计算中。通过分析，融合站点候车时间后的公交出行时耗与出行距离之间依然存在明显的线性关系，与未融合的百度数据相比，散点分布只出现了一定的平移，两者的散点分布情况非常相似，从侧面证明了百度公交出行链数据比样本调查数据更为精确合理。

图15公交出行样本数据、百度地图数据与融合公交GPS数据对比分析

汇总分析，相对于原始样本数据，百度地图API输出数据在公交出行距离上偏长，考虑到线路、站点的设置及分布，这与实际乘坐公交出行的行为更为符合。另外，由于百度地图未能考虑候车时间，所以输出的时耗偏短，融合公交GPS数据之后，平均出行时耗有较大的提高，但相对于原始样本数据偏低3.6min，考虑到石家庄实际的公交服务水平，该数据更能反应公交实际运行情况。

表3 公交出行数据汇总表

B.   小汽车出行

>>原始样本数据

同样，利用筛选处理后的原始调查样本进行传统小汽车出行距离、时耗的相关性分析（图16）。与公交出行类似，出行时耗数据基本都以整数分钟形式平行分布，与起讫点出行距离（一般以直线距离*1.2计算）没有相关性联系，误差较大，与实际情况不符。

图16小汽车原始样本数据分析

>>百度数据校核

通过居民出行起讫点经纬度坐标，依托百度地图进行自驾路径搜索与选择。通过百度地图分析（选择出行时间最短的路线），其计算出的出行距离与出行时耗之间呈现明显出正相关联系，比调查样本数据更贴合真实情况。

汇总分析，由于百度搜索路径考虑到不同时段的道路拥堵状况，在出行过程中更符合居民实际出行路径选择，所以全天平均出行距离高于原始样本数据。同理，由于百度地图考虑到用户自发的躲避拥堵行为，整个城市路网运行状况会向系统最优的趋势靠近，所以在平均出行时间上，其计算结果也小于原始样本数据，能更为精确反应实际出行时间。

表4 小汽车出行数据汇总表

C.  自行车（含电动车）出行

>>原始样本数据

自行车（含电动车）出行是石家庄市区居民最主要的出行方式，占调查样本比的45.66%。与公交、小汽车出行分析类似，原始样本数据中的出行时耗与距离之间呈现离散性分布，无规律性可言。按照实际情况假设，自行车（含电动车）出行不受制于路段拥堵影响，同时其路径选择更灵活，机动车限行路段也可以行驶。所以，其出行路径选择一般都会以时间最短为首，出行时耗也应该与出行距离表现出绝对的正相关性才符合客观规律。

图18自行车（含电动车）原始样本数据分析

>>百度数据校核

依托百度地图进行自行车（含电动车）路径搜索与选择。通过百度地图分析（选择出行时间最短的路线），其计算出的出行距离与出行时耗之间呈现明显出绝对正相关联系，这也符合我们之前的假设，与实际情况更为接近。

图19自行车（含电动车）原始数据与百度地图数据对比分析

汇总分析，百度地图计算出的平均出行距离高于原始样本，而在出行时耗上则低于样本数据。出行距离层面，由于自行车（含电动车）路径选择的灵活性，所以人为的绕行较多，百度地图的数据应更符合客观实际。另外，在出行时耗上，两者分析结果差异不大，也反映出原始调查样本数据在自行车（含电动车）出行时耗的认知相比机动化方式的出行更为准确，反映了客观情况。

表5自行车（含电动车）出行数据汇总表

D.  公交VS小汽车竞争性分析

小汽车的爆发式增长和出行分担率的大幅提高，一直是大中城市面临的严峻问题，而公交分担率的进一步提升也是难以化解的症结。通过百度校核修正的出行数据，本研究就石家庄小汽车与公交车在不同距离的出行时耗进行全样本分析。

通过对比不同出行距离下公交、小汽车出行的时耗分布，整体上石家庄公交的出行时耗水平远高于小汽车出行，其平均出行时耗约是小汽车出行时耗的2倍。在0-3km的短距离出行上，公交的竞争性更弱，平均出行时耗约是小汽车的3.5倍。同时，整个出行时耗分布呈现出行距离越长，公交的相对竞争性越弱，从5-10km区间，公交的出行时耗约是小汽车2倍，但在10km以上的区间，公交就变为小汽车出行的2.3倍。

通过以上分析，不难得出，公交出行比例难以提升的最根本原因还是在出行时耗层面，按照现有的服务水平，无论是短距离还是中长距离出行，石家庄的公交出行很难与小汽车竞争，而如何改善公交出行时耗也是解决问题核心出发点。

.
图20公交vs小汽车“S-T”对比图

表6 公交vs小汽车出行时耗分距离统计

1.3.  分片区间出行服务水平 

据3.2章节内容，本文已进行了公交、小汽车、自行车（电动车）三种主要出行方式的距离、时耗的数据校核工作，本节结合校核后的数据，进一步挖掘石家庄的出行特征，以早高峰的出行数据为例，评价城市各个功能分区之间不同交通方式的出行服务水平。

A.   研究分区

为了方便数据挖掘，更准确的把握石家庄的出行特征，研究在调查起讫点空间分布范围的基础上，结合用地功能和设施分割，将其划分为三大区域、9个片区。

其中三大区域包括核心区（一环、直径5km）、中心区（二环、直径10km）、外围地区（三环、直径25km）等；9个片区具体为老城区、桥西北区、桥西南区、桥东北区、桥东南区、城北片区、城西片区、城南片区、高新区等。

图21石家庄研究分区示意

B.   外围地区—核心区出行分析

(1) 所用指标说明（下同）

换乘次数：一次公交出行中，需换乘其它线路的次数。主要评价线路的直达性，换乘次数越小说明线路直达性越好；

步行距离：一次公交出行中所以的步行距离，包括两端步行、换乘步行。

出行便捷性：用居民起讫点的公交出行距离与空间直线距离之比，指标越小说明线路设置与出行起讫点的契合度越高。

车外时耗占比：一次公交出行中的车外总时耗，由候车时间、换乘时间、两端步行时间构成。

候车总时耗占比：一次公交出行中的候车总时耗，包括出发候车时间、换乘候车时间等。

(2) 公交出行

整体对比分析：

从整体指标分析得出（表7），城南片区至老城区的线路直达性不佳，换乘次数相对较高；步行距离方面，高新区至老城区的步行距离较高，说明其站点的服务覆盖率相对不足；线路便捷性方面，差异不大；出行时耗构成，车外时耗占比基本都在40%左右，但城北片区、城南片区至老城区的候车时耗相对较高，侧面反映高峰时段公交运行的准点率差。

表7 公交出行整体分析指标汇总

完整公交出行链分析：

以相同的公交出行距离为约束条件，对数据进行筛选，选取样本量占比最多的数据，最终选定为9000米左右。以此为基础，对外围四区至老城区的公交出行链构成进行解剖，分段评价不同公交出行环节的时耗。

分析外围片区至老城区完整公交出行链的“S-T”分布，从时耗分布来看，高新区至老城区的总出行时耗最短，而城南、城北至老城区的时耗较长，通过对比分析，城南、城北时耗较长的原因主要由于候车、换乘时间等车外时间占比较多，导致了总出行时耗拉长。而从速度分布来看，在车内的过程中，各个直线的斜率基本一致，也就是说在路段的公交车辆的运行速度基本类似。若通过压缩车外时间及提升路段公交运行速度，公交整体的出行时耗会得到明显的改善。

图22 外围片区至老城区公交出行链“S-T”图对比

(3) 小汽车出行

同样，以相同小汽车出行距离为约束条件，选取样本量占比最多的数据，对外围各个分区至老城区的出行时耗进行分析对比（表8）。

表8 各片区小汽车出行时耗差别

在相同小汽车的出行距离下，早高峰城北片区至老城区的出行时耗要远远高于其它三个片区，这与城市的居住功能主要分布在北侧地区，同时城市南北向缺乏快速通道的实际情况也非常吻合。

(4) 公交VS小汽车竞争性分析

综合以上分析，我们进一步在相同出行距离下约束下，对早高峰外围片区至老城区的采取公交、小汽车方式出行方式的平均时耗进行交叉对比分析（表9）。

表9 公交VS小汽车出行时耗比

四个外围片区中，城南至老城区的出行时耗比（公交出行/小汽车出行）最大，公交出行约为小汽车出行时耗的2倍，公交服务水平相对较差。其余片区至老城区的时耗比基本在1.6上下，这个相比较之前（3.2章节）全样本时耗比2.1的分析结果，有所改善。

C.  中心区—核心区出行分析

(1) 公交出行

整体对比分析：

从整体指标分析得出(表10)，桥东南区至老城区的线路直达性最好，几乎不需要换乘及可达目的地；步行距离方面，桥西北区相对较低，桥东南区最高；出行时耗方面，桥西北区最高，比最低的桥东北区约高16%，反映出其公交服务水平较差；在出行时耗构成方面，四区相差不大，基本在50%上下，但远高于外围片区至老城区的车外时耗占比（40%），说明越到核心区，公交受制于道路拥堵的因素越大，服务的可靠性越差。

表10 公交出行整体分析指标汇总

完整公交出行链分析：

与上述章节（3.3.B）分析类似，对中心区四区至老城区的公交出行链构成进行解剖，分段评价不同公交出行环节的时耗（图23）。

分析中心区各片区至老城区相同出行距离下完整公交出行链的“S-T”分布，桥东北区的出行时耗最高，桥西北区最短，桥东北区较长的原因主要由于候车、换乘时间等车外时间占比较多，导致了总出行时耗拉长；而从速度分布来看，与外围区域相似，各个区间的公交车辆的运行速度基本相同。若通过压缩车外时间及提升路段公交运行速度，公交整体的出行时耗会得到明显的改善。

图23 中心片区至老城区公交出行链“S-T”图对比

(2) 小汽车出行

同样，以相同小汽车出行距离为约束条件，选取样本量占比最多的数据，对中心区各个分区至老城区的出行时耗进行分析对比（表11）。

表11 各片区小汽车出行时耗差别

在相同小汽车的出行距离下，早高峰桥东北区至老城区的出行时耗要高于其它三个片区，而桥西南区至老城区最为便捷。这与中心区居住及就业的功能分布、道路网络完整性的实际情况较为吻合。

(3) 公交VS小汽车竞争性分析

综合以上分析，我们进一步在相同出行距离下约束下，对早高峰中心区各片区至老城区的公交、小汽车方式出行方式的平均时耗进行交叉对比分析（表12）。

表12 公交VS小汽车出行时耗比

四个外围片区中，桥西南区至老城区的出行时耗比（公交出行/小汽车出行）最大，公交出行约为小汽车出行时耗的2倍，公交服务水平相对较差。其余片区至老城区的时耗比基本在1.5-1.8之间，同样相比较之前（3.2章节）全样本时耗比2.1的分析结果，有所改善。

D.  核心区内部分析

石家庄核心区即一环内，其直径范围约为5km左右，也是石家庄传统的老城区和主要商业、就业岗位的分布地区。本研究就出行起讫点在其内部的，采用公交、小汽车、自行车（含电动车）出行方式的短距离出行进行对比分析（图24），评价各自优劣。

表13 老城区内部三种出行方式汇总统计

如表13所示，在老城区内3km左右短距离出行中，公交的出行时耗最长，竞争性最弱，而自行车（含电动车）的出行时耗最短，约为公交的2.2倍；另外，可以看到在老城区短距离出行中，石家庄自行车（含电动车）相比小汽车更有优势，究其原因，一方面因为老城区较为拥堵，导致早高峰小汽车门到门的出行速度仅为15km/h，另一方面，由于石家庄电动车出行比例高（约占全方式25%），电动车骑行速度远高于传统自行车，所以也促使整体自行车（含电动车）出行方式门到门速度更快，达到16.3km/h。

图24核心区内部三种出行方式“S-T”分析

2研究报告主要创新点

>>>>整合多源交通大数据，借助第三方开源平台开发基础上据对传统居民出行调查中存在的主要弊端进行了剖析与修正。

>>>>完整还原了城市实际居民公交出行链及各分段的出行距离、时耗等，推动了公交数据分析工具与技术方法的革新。

>>>>践行大数据与规划的紧密结合，以大数据靶向诊断城市交通问题，逐步提高交通规划的精确性。

注：本文分享自“中规院交通院”微信公众号，特此鸣谢。