城市綜合交通調查發展建議
——基于北京市第五次綜合交通調查

李春艷，郭繼孚，安志強，趙 暉

(1.北京交通發展研究中心，北京100073；2.北京市交通委員會，北京100073)

城市綜合交通調查發展建議
——基于北京市第五次綜合交通調查

李春艷1，郭繼孚1，安志強2，趙 暉1

(1.北京交通發展研究中心，北京100073；2.北京市交通委員會，北京100073)

綜合交通調查是獲取城市交通發展規律、預測未來交通發展趨勢的重要手段，國內外很多大城市都形成了定期開展綜合交通調查工作的機制。首先，回顧美國、日本、中國城市綜合交通調查工作現狀。其次，結合北京市最新開展的第五次綜合交通調查成果，解析北京市交通需求總量及交通結構的變化特征。最后，從全國交通調查標準制定、對調查數據進行綜合調校以及大數據對傳統調查的沖擊等方面提出未來綜合交通調查工作的發展建議。

綜合交通調查；居民出行調查；數據分析；大數據；北京市

1 國內外綜合交通調查回顧

1.1 美國綜合交通調查

美國早期的交通運輸統計工作基本上是由民間組織、行業協會自發進行，沒有較為統一的指標體系，造成統計口徑差異很大，無法進行地區之間和不同年份間的相互比較。1991年頒布的《多方式地面運輸效率法案》(Intermodal Surface Transportation Efficiency Act,ISTEA，俗稱冰茶法案)要求在美國交通運輸部(US Department of Transportation,USDOT)內成立運輸統計局(Bureau of Transportation Statistics,BTS)，以法律形式明確規定交通運輸統計的管理機構。

早在20世紀60年代，美國《聯邦公路法》即規定人口規模大于5萬人的城市區域須構建交通模型，這促進了交通調查工作的開展[1]。此后，美國聯邦政府著手建立全國性的家庭出行調查(Nationwide Household Travel Survey,NHTS)，分別于1969年、1977年、1983年、1990年、1995年、2001年和2009年開展了七次調查，并計劃于2016年開展第八次調查。一些州或地方政府會進行補充樣本調查，為交通規劃人員以及政策制定者提供全面的居民出行數據以及交通相關數據。

1969年美國第一次全國性的居民出行調查涉及1.5萬戶，調查內容主要包括家庭和個人信息，以及家庭擁有車輛數、出行方式選擇等出行信息。第二次出行調查主要更新了第一次調查的數據，調查樣本量擴大至約1.8萬戶。第三次出行調查的數據主要來自于美國人口普查局調查的6 500戶的家庭信息，包括車輛數、出行信息、家庭信息、個人信息等。第四次出行調查使用計算機輔助電話調查(Computer Assisted Telephone Interview,CATI)技術，這在家庭調查中是一個比較重大的變革。第五次出行調查涉及42 033戶，調查過程中使用了居民一日的出行日記記錄出行。第六次出行調查中，美國聯邦公路局和美國運輸統計局進行了前期預調查，基于此決定全國個人交通調查(NPTS)(側重日常出行)是否應該結合美國出行調查(American Travel Survey,ATS)(側重長距離出行)進行，并對兩種調查方式都進行了重新設計以更好地滿足調查數據收集工作。最終，第六次出行調查將二者結合，對69 817戶家庭開展調查，并在調查內容方面有所調整。第七次出行調查共調查150 147戶。

表1 美國綜合交通調查項目設置Tab.1 Checklist of comprehensive traffic survey in US

表2 日本綜合交通調查項目設置Tab.2 Checklist of comprehensive traffic survey in Japan

美國綜合交通調查項目的設置如表1所示，并出版《交通調查指導手冊》(Travel Survey Manual)指導全國交通調查工作[2]。

1.2 日本綜合交通調查

日本大都市圈以居民出行調查為主的城市綜合交通調查通常由日本國土交通省主導進行。由國土交通省、都市圈內各地方政府、高速公路公司等單位組成的都市圈交通規劃委員會是城市綜合交通調查的實施主體。城市綜合交通調查的準備、調查、統計分析過程由各地方政府分擔進行，國土交通省負責匯總最終調查結果，形成調查報告。

日本是持續開展居民出行調查最好的國家之一。1967—2010年，日本在62個都市圈進行了125次居民出行調查。東京都市圈從1968年起，每10年一次，到2008年共進行了5次居民出行調查。日本發布了《綜合交通調查指南》以指導全國交通調查工作，交通調查項目的設置如表2所示。

1.3 中國城市綜合交通調查

上海、廣州、天津、深圳等城市配合城市總體規劃與發展，從20世紀80年代陸續開展了綜合交通調查。隨著城市交通建設與管理日益成熟，綜合交通調查在內容設置、方案設計、組織實施等方面積累了扎實的經驗，并逐漸形成了一系列被普遍認可的科學方法和技術要求。

為及時掌握城市交通需求變化趨勢，北京市于1986年、2000年、2005年和2010年開展四次全市性的綜合交通調查，涉及人員出行(城市居民、流動人口)、車輛出行、公共交通運行、道路交通量(核查線、境界線)、城市客流吸引點、停車、貨運、土地使用、人口(居住、就業、就學、就醫)分布、車輛保有分布等多個方面(見圖1)。調查成果能為各階段城市交通規劃、建設、管理和運營工作提供良好的數據基礎和定量分析平臺，較好地滿足城市交通實際工作的相關需求。調查及時反映了北京市交通特征變化，準確預測城市交通未來發展趨勢，有力支撐《北京城市總體規劃(2004年—2020年)》、《北京市“十二五”時期交通發展建設規劃》等宏觀政策的制定和重大規劃的編制，并在公交線網優化調整、重點區域及路段疏堵工程、交通發展年報編制、軌道交通運營管理、緩解交通擁堵政策和停車價格調整政策制定等日常交通工作中發揮重要作用。

智慧教育代表技術變革教育的未來發展方向，是教育信息化發展的必然階段。如何發展智慧教育，是世界各國面臨的共同挑戰和機遇。然而智慧教育是手段，其根本目的是培養公民的核心素養。核心素養的概念提出后，在世界各國的各行各業得到廣泛傳播。其中在高等教育界，核心素養理念也起到不可替代的指導作用。對于高職大學英語課程教學改革來說，如何順應互聯網信息技術的發展趨勢，合理使用智慧教學手段，形成以培養學生核心素養為目標的智慧教學模式，成為新時代的新課題。

2014年第五次綜合交通調查是在北京市“十三五”交通規劃制定前期開展的一次全面的綜合交通調查，共包括六大項、17分項，主要分為無線信令數據采集分析、居民出行調查、公共交通調查、道路交通量調查、專項輔助調查和城市發展背景數據收集調查。共獲取4萬份居民出行信息，500多個賓館的流動人口出行信息，482個道路路段，以及城六區46萬中小學生的出行信息等交通調查數據。此次調查更加注重新技術的應用，開發了基于智能終端和互聯網的出行調查采集系統，并充分利用公交IC卡，GPS，ETC等信息化數據，增加數據的覆蓋量。

2 北京市交通需求總量變化及特征

2014年，六環內工作日常住人口出行總量為4 445萬人次，出行周轉量為36 005萬人次·km(見圖2)，較2010年增加14.7%，年均增長率3.5%，相較“十一五”期間增速大幅下降[4]。導致出行需求增速放緩的主要原因包括：

圖1 北京市歷次綜合交通調查內容和應用Fig.1 Survey contents and implications of Beijing Comprehensive Transportation Survey

1）人口調控措施初步發揮作用，人口增速放緩。2014年底六環內常住人口為1 634萬人，2010—2014年年均增長率2.5%，較“十一五”7.3%有所放緩[5]。

2）互聯網及現代通信技術改變社會生活方式，出行率略有下降。2014年工作日每日人均出行次數為2.75次，相比2010年2.82次下降2.5%[5]。其中，購物及外出就餐出行強度比2010年明顯下降。

圖2 北京市歷次綜合交通調查出行周轉量Fig.2 Surveyed Travel turnovers from Beijing Comprehensive Transportation Survey

表3 2010年和2014年不同區域職住比變化Tab.3 Change of job-housing rate in different areas in Beijing between 2010 and 2014

圖3 中心城區建成區面積與平均出行距離變化Fig.3 Changes of developed area and average travel distance in the central district

3）職住分離狀況略有好轉，出行距離增速放緩。2014年各環路之間的職住比均呈現向好發展趨勢，四環以外的就業崗位總量上升明顯，職住不平衡狀況稍有好轉(見表3)。

職住分離狀況略有好轉也使得平均出行距離的增速比“十一五”期間明顯放緩(見圖3)。2014年六環內工作日常住人口平均出行距離8.1km，四年僅增長0.5km，而“十一五”期間共增長1.6km。2010—2014年，中心城區建成區面積平均每年增加29km2，“十一五”期間中心城區建成區面積平均每年增加23.8km2。在中心城區建成區擴展速度高于“十一五”期間22%的情況下，市民日常出行距離增速卻同比下降3.2%，這得益于城市功能布局的優化與改善。

3 北京市交通結構變化及特征

近幾年北京市交通結構調整喜憂參半，小汽車出行比例首次呈現下降趨勢，軌道交通出行比例大幅提高；但自行車出行比例持續下降勢頭仍未得到有效遏制，公共汽車出行比例持續下滑(見圖4)。

1）軌道交通建設成效顯著，客運量大幅提升，但公共交通客運量卻持續下滑。截至2014年底，軌道交通共運營18條線路，運營總里程達527km(見圖5)。自2010年起，每年新增一條運營線路，運營里程共增加191km。2000年以來，軌道交通線網全年客運量從4.3億人次增至34.1億人次。

公共汽車客運量呈逐年下滑趨勢，公交線網依舊存在諸多問題，主要表現在服務形式單一、通達深度不足、線路重復系數過高等方面。五環以內公共汽車站500 m半徑覆蓋率僅為88%，而線路又過于集中在干線走廊，重復系數高達6.7；乘客車外時間(兩端步行時間、候車時間及換乘時間)占在途時間的35%。

2）小汽車保有量得到有效控制，但過度使用問題依然不容樂觀。在小汽車搖號政策的有力執行下，小汽車保有量得到有效控制，但是工作日日均行駛里程達41.5km，高于世界同等城市的小汽車使用強度。

3）自行車出行環境亟須改善。自行車出行比例持續下降，調查結果表明，出行距離過遠(34%)是不選擇自行車出行的首要原因，自行車在長距離出行方面不具備優勢；公共交通經濟快捷(24%)是不選擇自行車出行的次要原因，說明公共交通與自行車交通在一定程度上構成競爭關系；出行環境差(16%)、體力消耗(15%)也是公眾不選擇自行車出行的原因之一，說明自行車出行的安全性與舒適性對公眾選擇自行車出行具有較大影響。

此外，非機動車道缺少有效隔離設施、機動車侵占自行車出行空間也是影響自行車出行的重要因素。機動車駛入非機動車道，對騎車者的安全造成極大影響。對于單幅路、雙幅路，機動車與自行車之間缺乏物理隔離設施，機動車隨意進出和停靠非機動車道現象十分普遍；對于三幅路、四幅路，機動車進出停車位及通過路段時占用非機動車道，造成自行車行駛空間被擠占，自行車被夾在機動車縫隙之中的現象屢見不鮮，對騎車者安全構成威脅。

4 發展建議

4.1 制定城市綜合交通調查標準

交通調查是一切交通工作不可缺少的數據支撐基礎，是獲得城市交通需求、供給以及運行特征的基礎手段；是分析城市交通癥結、編制交通規劃和制定交通政策的數據基礎；也是開發城市交通模型的必要環節。城市交通工作均須進行綜合交通調查，中國很多城市基本以五年一次全市綜合交通調查、每年小樣本調查的形式開展。但是，在調查過程中仍然存在對基礎工作認識不充分、調查方案制定不科學、對樣本分析結果和綜合調校認識理解不夠等問題，使得調查獲得的數據口徑不一致，邊界條件不一致，不能實現數據融合與共享。

完全由地方主導的交通調查缺乏統一規范和相互溝通，數據之間的可比性、數據二次加工的潛力往往較差，應制定全國城市綜合交通調查標準，提高調查質量，完善調查數據，加強數據分析和挖掘，實現多源數據的融合、共享和綜合利用。綜合交通調查標準應成為規范調查指標定義、統一調查指標的統計口徑和指導城市綜合交通調查開展的技術準則，是明確調查成果的約束文件。

4.2 對調查數據開展綜合調校

入戶調查需要被調查者詳細回憶并記錄一天24 h的出行信息。由于人工回憶提供的時間和位置信息不夠準確，回憶式調查法可能存在漏報和錯報等，所以對調查數據進行綜合調校非常必要。綜合調校分為擴樣、加權和綜合校核三個步驟，缺一不可：擴樣是根據調查樣本的抽樣率和總體數據直接計算擴樣系數；加權是對簡單擴樣后的數據進行交叉分類修正的過程，例如對年齡、職業等的分項校核；綜合校核是基于擴樣和加權后的數據，利用道路交通量數據、公共交通客運量數據等獨立數據源數據，通過交通模型進行綜合調校，最終使交通指標達到一致(見圖6)。

4.3 大數據與傳統調查應互為補充

交通領域的大數據種類繁多，包括無線通訊信令數據、車輛運行的時空位置信息數據等。如此龐大的數據能否取代傳統交通調查備受爭議。大數據只是一次簡單的技術革新還是手段的升級換代，抑或是根本意義上的變革?

圖4 北京市歷次綜合交通調查交通結構變化Fig.4 Changes of mode share from Beijing Comprehensive Transportation Survey

圖5 軌道交通運營線路及運營里程Fig.5 Rail transit map and mileage in Beijing

首先，傳統調查是基于統計學理論，用合理抽取的樣本，通過一系列處理手段，達到用樣本代表總體的目的，而是否有各類交通大數據能真正代表交通特征分析的總體將是傳統調查能否被取代的一個條件。其次，大數據重在體現變量之間的關系，傳統調查對因果關系的分析具有一定的優勢。最后，交通模型理論的更新換代也將促使交通調查工作的革新。總之，大數據是一場生活、工作與思維的大變革，開啟了一次重大的時代轉型，對交通調查的影響也將意義深遠。

圖6 交通調查數據綜合調校流程Fig.6 Comprehensive adjustment procedure on survey data

5 結語

綜合交通調查是獲取城市交通發展規律、預測未來交通發展趨勢的重要手段。從20世紀60年代以來，國外交通調查不管從內容到技術都發生了巨大變化，已從單一的居民出行調查發展到涵蓋人員、車輛、公交客流等內容豐富的綜合性交通調查。在技術方法上也不斷創新，從傳統的人工入戶訪問到電話訪問、借助GPS/智能手機等先進設備的調查。中國正在制定相關的調查標準，用于指導調查工作規范開展，很多大中城市也基本形成了定期開展交通調查的機制，并且在調查內容和方法手段上不斷創新。大數據的發展為交通數據的獲取提供新的思路和方法，傳統交通調查工作的必要性依然存在，但是無論在調查內容還是調查方法上必將發生重大轉型。

[1]焦國安，楊永強，楊菲，金霞，鄒熙.美國城市交通模型立法的歷史背景[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]國土交通省.綜合都市交通體系調查手冊[R].東京：國土交通省，1980.

[4]北京交通發展研究中心.北京第五次交通綜合調查分析報告[R].北京：北京交通發展研究中心，2015.

[5]北京交通發展研究中心.北京第四次交通綜合調查分析報告[R].北京：北京交通發展研究中心，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

李春艷(1979—)，女，山東菏澤人，博士，高級工程師，交通基礎部副部長，主要研究方向：交通數據挖掘分析。E-mail:99890417@qq.com