上海市第五次綜合交通調查新技術方法實踐

李 娜，董志國，薛美根，陳必壯，朱 洪

(上海市城鄉建設和交通發展研究院，上海200040)

上海市第五次綜合交通調查新技術方法實踐

李 娜，董志國，薛美根，陳必壯，朱 洪

(上海市城鄉建設和交通發展研究院，上海200040)

如何使人工調查與數據挖掘相結合，是高效經濟地進行綜合交通調查的關鍵。上海市第五次綜合交通調查在調查方案設計、項目設置上更加注重項目的全面性和關鍵性、數據的多元性以及內容的針對性，數據采集手段上首次采用個人手持終端，并利用公共導航地圖云技術進行地址精確定位。在抽樣和擴樣技術方面，主要提出居民出行調查的抽樣和擴樣方法。在信息數據挖掘方面，分析了遙感用地、手機信令、車牌識別和車載GPS數據的挖掘技術和方法。最后闡述了綜合校核的主要思路和小客車特征數據的校核方法。

綜合交通調查；居民出行調查；交通大數據；上海市

自20世紀80年代以來，上海市已開展五次綜合交通調查，2014年完成最新一輪綜合交通調查，在調查方案設計、抽樣和擴樣、信息數據挖掘、綜合校核等關鍵技術環節成功應用了新技術和新方法。

1 調查方案設計技術

調查方案設計是整個調查工作的基礎，調查方案要切合城市發展的階段性特征，同時也受制于調查經費的限制。在調查方案設計之前，必須對城市綜合交通的發展現狀、可供利用的統計數據和相關信息采集數據、可供采用的交通調查技術手段等進行充分的基礎調研。上海市雖然有多次調查的經驗，與第四次調查相比，第五次調查結合交通大數據挖掘、個人手持終端調查等調查技術發展趨勢和技術準備，緊密圍繞上海市城市總體規劃(2015—2040)、“十三五”綜合交通發展規劃、第二輪白皮書落實等重點工作，關注城市交通發展重要地區和熱點問題，在調查項目設置、內容和規模設計、調查指標選取、調查手段等方面有所調整。

1.1 項目設置

歷次上海市綜合交通調查的項目設置均覆蓋城市發展背景資料、綜合交通基礎數據、人員出行、車輛出行、貨運交通、道路運行、公共交通運行、對外交通等方面。但是歷次調查項目設置也不盡相同，均需要結合當時綜合交通發展實際情況和需要，對調查項目設置進行調整。第五次綜合交通調查共分為交通設施普查及資料收集、人員出行調查、車輛出行調查、系統運行調查、信息數據挖掘五大類、24個分項(見圖1)，項目設置上著重考慮以下四個方面。

1.1.1 注重調查項目的全面性，反映各類城市交通系統狀況

綜合交通調查與專項交通調查的重要區別在于全面性，前者需要覆蓋各個系統。從上海市歷次綜合交通項目設置來看，項目逐漸覆蓋了綜合交通的各個方面(見表1)，除基礎設施、人員出行、車輛出行和系統運行等常規調查大類，加強了信息數據挖掘調查，共開展了基于綜合交通信息平臺、遙感用地信息、車載GPS、手機信令、公交一卡通、車牌識別技術等6項信息數據挖掘調查。此外，結合近年來上海市綜合交通發展的重點，新增部分調查項目。例如，結合上海市航運中心建設和行業管理需要，加強貨運方面的調查，增加道路貨運場站設施摸底、快遞物流設施和車輛出行特征調查。同時，交通環境問題關注度日益增高，故增加交通環境調查分項。

1.1.2 注重調查渠道的多元化，為調查數據的校核分析創造條件

在制定調查方案之前，需要對綜合交通及相關基礎數據進行全面摸底，包括統計部門的人口和就業崗位數據、規劃部門的用地數據、綜合交通行業管理部門的行業統計數據、公安交警部門的交通管理數據等。基礎數據的調研具有三重作用：1)為核心調查的方案制定提供母體數據；2)充分利用已有數據，減少調查工作量；3)部分數據可為調查數據提供校核依據。

上海市已建立起比較規范的綜合交通常規數據資料的年度統計制度。本次調查除通過交通行業統計資料收集外，進一步拓展相關行業統計數據和信息數據資源。例如，補充收集統計部門第三次經濟普查、車輛保險購買數據和車輛年檢數據、市境出入口和高架路(橋)車牌識別數據、房屋土地資源信息中心的房屋建筑數據庫等。數據渠道的多元化使調查項目的設置更豐富，也是進行綜合校核的重要基礎。

1.1.3 注重調查項目的關聯性，對調查關鍵指標進行多角度比對分析

圖1 上海市第五次綜合交通調查項目和內容Fig.1 Survey items and contents of the 5th Shanghai Comprehensive Transportation Survey

由于居民出行調查等核心內容在實際調查過程中不可避免地存在樣本偏差、出行漏報(瞞報)等問題，導致調查數據存在一定失真。因此，調查方案設計應注意有效解決此類問題，通過設計若干專項調查，對關鍵調查指標進行多角度綜合論證，確保最終調查成果能夠真實反映城市交通實際特征。例如，為獲取軌道交通接駁方式的結構特征，設計居民出行鏈問詢、軌道交通車站客流問詢和公交一卡通刷卡數據挖掘三項調查，綜合分析軌道交通車站的接駁特征；調查小客車的出行特征需要小客車出行樣本、小客車出行問詢調查、道路小客車載客人次調查三方面數據，進行綜合校核分析。因此，在調查項目設計之初，需對數據處理階段關鍵指標的校核方法進行考慮，使各個調查項目的指標設計指向明確，避免口徑和概念混淆導致無法比對校核的現象出現。

1.1.4 注重調查內容的針對性，聚焦交通重點和熱點問題

綜合交通調查成果應服務于近期城市綜合交通發展的需要。居民出行調查中，樣本構成方面增加郊區建成區的樣本規模；調查內容方面增加近兩年是否有新購小客車意愿和對市區滬牌、滬C牌和外地牌照的選擇意愿，以及出行成本調查。同時，停車設施普查中，除對住宅進行停車設施排查外，首次對非居住類建筑內部停車和路內停車設施和需求進行普查。典型用地交通吸引特征調查中，重點對商業綜合體、醫院、學校等建筑類型進行調查。另外，結合綜合交通節能減排工作，加強小客車和貨車車輛能耗調查和交通排放調查。

1.2 調查技術手段

1.2.1 首次采用個人手持終端記錄調查數據

上海市歷次居民出行調查均采用紙質表格填寫，本次調查采用個人手持終端(以下簡稱PDA)進行調查數據錄入(見圖2)，在入戶訪問時即完成現場數據錄入，并通過預先設計的程序，在錄入時即完成調查問卷填寫信息完整性檢查、出行空間軌跡邏輯性檢查等。調查數據在現場同步上傳到數據平臺，減少了傳統方式還需謄抄入庫的環節，避免登記信息在傳遞過程中丟失，同時可以實時查看調查進度和總體質量。

圖2 個人手持終端(PDA)和軟件錄入界面Fig.2 Showcase of PDAdevice and software input interface

表1 上海市歷次綜合交通調查項目設置的變化Tab.1 Survey item design of Shanghai Comprehensive Transportation Survey

采用PDA進行調查，首先須具備足夠的PDA設備以及可供調查數據上傳存儲的數據平臺，其次錄入軟件設計應人性化、便于操作，同時利用嵌入開發的方式植入路名庫和地名庫、邏輯審核規則，實現現場審核。采用PDA調查能夠有效提高調查實施質量、數據匯總速度和精度。但是該技術對調查員的素質要求更高，前期軟件設計、培訓需投入大量人力，特別要加強錄入軟件邏輯審核規則的測試。

表2 規范的地址文本定位實例Tab.2 Examples of normalized address texts

圖3 上海市各區居民出行調查樣本量Fig.3 Sample size of Shanghai Household Travel Survey by districts

1.2.2 利用公共導航地圖云技術進行地址精確定位

傳統調查方法在定位技術方面均存在不足，無論前期人員培訓和組織工作如何細致，都不能預知或減少后期人工校正的工作量。本次調查首次采用公共導航地圖云平臺進行調查地址精確定位(見表2)。公共導航地圖云平臺作為互聯網共享數據和開放功能的接口集合，技術成熟，恰好可彌補傳統調查方法在基礎路名庫收集、地址定位、人工校驗等階段的不足。

使用公共導航地圖云平臺提高地址定位精度的基本思想在于：1)利用公共云平臺的地址資源，統一地名，在調查實施前制定規范約束輸入；2)對接公共云平臺的地址解析功能，將符合規范的錄入地址轉換成空間坐標；3)充分挖掘返回坐標的相關信息，快速定位出需要人工校對的部分，以此提高定位精度。

2 抽樣調查樣本選取和擴樣技術

抽樣調查是普遍采用的調查方法，適用于規模巨大而無法實施普遍調查的研究對象。本次綜合交通調查中出行類的核心調查仍然沿用抽樣調查方法，主要包括居民出行調查、小客車使用調查、出租汽車出行調查、貨車出行調查和公共汽(電)車客流調查等。下面主要介紹居民出行調查的抽樣和擴樣技術。

2.1 居民出行調查樣本規模確定

抽樣率的確定與調查目的、抽樣調查方法、城市居民出行特征和交通模型精度相關。因此在調查方案設計中，要根據調查方法的精度要求確定抽樣率，并考慮調查時間、費用和數據分析處理工作量等因素，盡量做到在滿足精度要求的條件下，減少調查樣本，節約調查時間和費用。同時還要考慮調查表格回收率和有效率，虛假數據和調查方案實施性等隱私，適當擴大設計抽樣率。

本次調查樣本規模設定除進行理論技術估算外，還需加強對中心城區周邊地區、新城及新市鎮出行特征調查的總體要求。借鑒國內外相關調查經驗以及上海市歷次居民出行調查成功經驗，并考慮調查組織難度、調查員規模等實施條件，最終調查樣本規模設定為7.5萬戶，抽樣率約為0.94%。

2.2 居民出行調查抽樣方案

居民出行調查采用抽樣調查方法。按照隨機原則，保證總體中每個單位都有同等機會被抽中。常用的抽樣方法主要有純隨機抽樣、分層抽樣、系統抽樣、整群抽樣、多階段抽樣等。

本次居民出行調查的調查對象規模大(第六次人口普查全市825萬家庭戶)(見圖3)、調查范圍廣(整個市域6 340km2)、調查周期短(一周)。在調查方法的選擇上要兼顧科學性與可操作性。綜合考慮多方因素，并對人口母體數據庫中的相關屬性信息進行分析后，確定總體上采用三階段抽樣方法(見圖4)。第一階段抽樣采用兩層分層抽樣法，第一層是將全市劃分為中心城區、中心城區周邊地區、新城及新市鎮、郊區及其他地區等四個區域，第二層是將街道(鄉鎮)分層。第二階段抽樣采用等距抽樣法，分別是居委會等距抽樣和普查小區等距抽樣。第三階段抽樣采用整群抽樣法，每個普查小區按照戶花名冊隨機連續抽取28戶，即一名調查員一周所需完成工作量。從抽樣結果看，中心城區周邊地區、新城及新市鎮等重點關注地區的抽樣率較上一次調查提高一倍左右。

2.3 居民出行調查擴樣

本次居民出行調查的母體人口為2013年統計常住人口區縣分布、2010年普查常住人口居(村)委會分布和年齡結構的人口數據。綜合考慮母體人口實際情況和出行特征分析要求，擴樣技術思路如下。

2.3.1 以各居民小區的戶籍常住人口和外來常住人口為擴樣對象

本次調查對象為上海市所有在被抽中家庭的住宅單位中居住、生活的人員。按照人口普查定義包括家庭戶和居住區集體戶，但不包括集體宿舍的集體戶(學生宿舍、職工宿舍)，因此擴樣對象與抽樣對象保持一致。

2.3.2 以街道、年齡結構確定擴樣系數

本次調查樣本覆蓋全部街道、鄉鎮，而居(村)委會僅部分覆蓋，因此擴樣層面仍然以街道、鄉鎮為準。同時，考慮到中青年調查對象比例偏低，老年比例偏高，在擴樣時還需按照母體年齡結構分別確定擴樣系數。

2.3.3 以統計部門人口統計數據為母體人口

統計部門的年度人口統計數據能提供年度常住人口數據，僅有區縣人口數和全市年齡結構無法滿足擴樣要求。母體人口街道層面年齡分組結構以第六次人口普查為準，區縣層面分布和全市年齡結構以2013年統計人口為準。

2.3.4 采用三次擴樣

依據現有母體人口所能獲得的信息，采用三次擴樣。全程擴樣系數(一次擴樣系數×二次擴樣系數×三次擴樣系數)共計84萬個。擴樣步驟如下：1)一次擴樣按照2010年第六次人口普查資料，進行“人口類型(2種)×街道分布(229個)×年齡結構(9組)”交叉擴樣，共計4 122個擴樣系數；2)二次擴樣按照2013年統計人口資料，進行“人口類型(2種)×區縣分布(17個)”交叉擴樣，共計34個擴樣系數；3)三次擴樣按照2013年統計人口資料，進行“人口類型(2種)×年齡結構(3組)”交叉擴樣，共計6個擴樣系數。

圖4 上海市第五次居民出行調查抽樣流程Fig.4 Sampling procedure of the 5th Shanghai Household Travel Survey

圖5 上海市建設用地布局和近5年增長情況Fig.5 Shanghai developed area distribution and growth in recent 5-year

3 主要交通信息數據挖掘應用

第五次綜合交通調查開展了六項信息化專題調查，其中綜合信息平臺數據挖掘主要是對上海市交通信息中心歷史數據進行挖掘分析，公交一卡通數據主要是對公共交通客流特征進行挖掘分析，技術方法沿用第四次調查的技術方法。以下重點介紹其他四項數據挖掘技術。

3.1 遙感用地數據挖掘

圖6 上海市居住類和非居住類建筑容積率空間分布Fig.6 Floor area ratio of resident and non-residential buildings in Shanghai

圖7 通過手機信令數據進行軌道交通換乘多路徑識別Fig.7 Identification of rail transit orbit multipath transfer by mining mobile phone signaling data

本次采用的遙感影像數據以航空遙感影像為主，衛星遙感影像為輔。航空遙感影像包括2013年和2008年數碼航空影像(地面分辨率0.25 m)、2000年掃描航空影像(地面分辨率0.4 m)，解譯獲得上海市23萬個分析單元用地信息(見圖5)。

綜合上海市房屋土地資源信息中心房屋建筑數據及測繪數據，獲得全市分類用地分布，得到28類用地的面積總量及空間布局，并獲得全市13類建筑的建筑總量、空間布局及每個分析單元的用地開發強度(見圖6)。

3.2 手機信令數據挖掘

挖掘2011—2014年手機信令數據，覆蓋全市約6萬個基站，日均1 800萬移動通信用戶，每1～2 h回報信令數據，輔助校核居民出行調查獲取的人口分布、出行分布等特征。主要進行三方面的數據挖掘：1)分析地下軌道交通車站客流換乘特征(見圖7)；2)分析穿越核查線手機用戶客流特征；3)分析手機用戶晝夜分布特征(見圖8)。

3.3 車牌識別數據挖掘

上海市公安局交通管理部門2012—2014年車牌識別數據覆蓋42個市境道口、343個中心城快速路斷面和14個越江橋隧，利用這些數據對小客車實際保有量、車輛出行分布等人工調查結果進行輔助校核。

數據內容包括車輛號牌、車牌顏色、途徑設備斷面時間、途徑設備斷面車速、車輛屬地及設備斷面編號等。挖掘內容包括：1)基于車牌數據識別車輛行駛路徑，獲取車輛出行空間分布特征；2)基于市境出入口、高架路(橋)的車牌數據，刷選長期在上海市使用的外地車牌總量和出行特征。

3.4 車輛GPS 數據挖掘

車輛GPS信息采集技術是利用安裝在車輛上的移動衛星定位終端獲取車輛軌跡，通過與GIS技術相結合，可計算獲得車輛所在路段的行駛車速、擁堵狀態等交通運行特征。目前，車載GPS終端廣泛用于出租汽車、貨車、公共汽車及部分私人小客車等車輛上。基于車載GPS數據的應用分析已在個人出行導航、路況發布、企業調度、交通管理和決策等多個層面形成有效支撐。

圖8 手機用戶人口密度分布Fig.8 Mobile phone user density

本次調查共挖掘2.9萬輛出租汽車及1萬輛貨車的GPS信息，根據GPS數據的采集特點，獲取出租汽車出行OD、高架路(橋)和地面主要干路行駛車速(見圖9)、貨車主要通行道路分布等。

圖9 早高峰時段高架路(橋)和地面主要干路行駛車速Fig.9 Travel speed on viaducts and on-street arterials in the morning peak period

4 綜合校核與分析

4.1 綜合校核技術思路

綜合校核與分析技術方法是以交通調查擴樣數據為基礎，利用相關的交通管理統計數據、交通信息挖掘數據和輔助專項調查數據，對關鍵調查指標進行綜合比對和校核，并借助交通模型技術平臺進行模擬分析。

可應用以下四類數據對出行特征指標進行比對校核：1)交通行業相關統計指標，例如將軌道交通、公共汽車統計的客運量與居民出行調查中相應出行量進行比對；2)交通大數據，例如將手機用戶穿越交通核查線數據與居民出行調查的時空分布特征數據進行比對；3)其他專項調查，例如通過軌道交通問詢調查對居民出行調查中的軌道交通接駁方式進行補充校核；4)交通模型，可對機動車行駛總里程、公共交通客運周轉量等交通行業或信息化手段無法獲得的指標進行判斷。

4.2 小客車出行特征校核實例

人員出行特征和小客車出行特征校核是最重要的綜合校核。人員出行特征校核的核心校核指標包括出行率、方式結構、出行時刻、出行距離和時耗、出行分布等。小客車出行特征校核主要針對出車率、出行率和載客人次等關鍵指標。下文以小客車為例，基于多源數據，采用比對分析和模型模擬等方法進行校核(見表3)。

小客車出車率指有出行的小客車數量占小客車總量的比例，本次調查中可通過兩項調查獲取這一指標，居民出行調查擴樣后得到小客車出車率為72%，年檢站小客車問詢調查得到小客車出車率為83.4%，第三次和第四次調查中小客車出車率分別為90.2%和90.0%。綜合比對不同來源的數據，居民出行調查存在部分漏填，利用年檢站小客車問詢調查數據進行校核，并結合歷年小客車出車率下降的趨勢，最終校核小客車出車率為83%。

5 結語

上海市綜合交通調查已開展五次，積累了成熟的技術方法，值得在后續的調查中延續。但是，本次調查也存在一些遺憾。由于公交信息化數據的欠缺，使得公交一卡通數據的挖掘只能滿足部分公交客流特征的需要。此外，根據國內外城市入戶調查的經驗，可以征求被調查者意見，同意后作為志愿者攜帶GPS對出行路徑數據進行采集，從而對問詢調查的結果進行進一步校核。

從交通調查技術發展現狀來看，隨著交通行業統計制度的日趨完善，以及信息采集技術的多元化和精細化，基礎設施類和系統運行類調查可以逐漸做到年度甚至實時更新，人工調查的工作越來越少。交通大數據的挖掘為出行需求特征的校核提供了較為可靠的依據。例如，通過車牌識別數據獲得小客車出行空間分布，通過手機信令數據獲得人口居住地分布以及出行時空分布等特征，

表3 小客車出行特征綜合校核說明Tab.3 Passenger car travel characteristics comprehensive validation instructions

以此校核居民出行和小客車出行。但是，現狀交通大數據顆粒度和挖掘技術還不足以獲得傳統人口調查獲取的出行次數、出行目的、交通方式等重要出行特征。因此，現階段人工調查輔以交通大數據挖掘仍然是調查的主流技術。

[1]上海市第五次綜合交通調查技術報告[R].上海：上海市城鄉建設和交通發展研究院，2015.

[2]上海市第一次綜合交通調查成果報告[R].上海：上海市城市綜合交通規劃研究所，1987.

[3]上海市第二次綜合交通調查成果報告[R].上海：上海市城市綜合交通規劃研究所，1996.

[4]上海市第三次綜合交通調查成果報告[R].上海：上海市城市綜合交通規劃研究所，2005.

[5]上海市第四次綜合交通調查成果報告[R].上海：上海市城市綜合交通規劃研究所，2010.

The Practice of New Survey Technology and Methodology in the 5th Shanghai Comprehensive Transportation Survey

Li Na,Dong Zhiguo,Xue Meigen,Chen Bizhuang,Zhu Hong
(Shanghai Urban-Rural Construction and Transportation Development Research Institute,Shanghai 200040,China)

The key to effectively and economically implement a comprehensive transportation survey is to successfully integrate manual works with job of data mining.The recently implemented 5th Shanghai Comprehensive Transportation Survey has concentrated more on integrity and criticality of survey itself,variety of the collected data types,and pertinence of the needed contents when planning the survey.Noticeably,the PDA devices are first used in the household travel survey.Public navigation map cloud technology is applied to improve accuracy of location technology.An enhanced sampling method is adopted at household survey.In order to better understand Shanghai's travel behavior and features,a couple of advanced technologies are further introduced,including big data mining,remote sensing,mobile phone signaling data processing,license plate recognition and vehicle GPS data mining.At last,the paper also demonstrates the main principles to explore and extract passenger car characteristics.

comprehensive transportation survey;household travel survey;transportation big data;Shanghai

1672-5328（2016）02-0035-08

U491.1+1

A

10.13813/j.cn11-5141/u.2016.0206

2015-12-08

李娜(1979—)，女，上海人，碩士，高級工程師，主要研究方向：城市交通規劃。E-mail:li.na_scctpi@163.com