漳州市都市區居民出行調查與交通特性分析

戴炳奎

（漳州市城市規劃設計有限公司，福建 漳州 363005）

0 引言

居民出行調查，是了解居民出行特征最基本的調查，也是建立交通預測模型的重要數據來源[1]。通過調查，一方面可以獲得居民出行的方式、次數、距離等出行特征，掌握現狀居民的出行需求；另一方面可以分析居民出行特征與家庭結構、收入、年齡等的關系，分析歸納出交通需求產生的規律。從而為建立交通預測模型奠定數據基礎，為政府制定交通發展戰略、提供交通設施服務、出臺各類相關管理政策等提供定量依據，使交通決策更加科學。

1 漳州市居民出行調查基本情況

1.1 調查范圍

本次居民出行調查的范圍為漳州市都市區，包括薌城區、龍文區、臺商投資區、高新區、龍海市、長泰縣。

1.2 調查對象

調查對象為常住或暫住在被抽中戶6周歲及以上的人口。

1.3 調查內容

1.4 基于GIS的居民出行調查方法

（1）調查方法對比。隨著交通信息技術的進步，新的數據分析應用方法和新型交通調查手段不斷涌現[2]。目前國內外采用的居民出行調查方法主要有家訪調查、電話調查、網絡和手機調查等。其中電話調查比較適應于小樣本的調查，而且調查單價較高；而近幾年開始嘗試網絡和手機調查則存在調查對象不能全覆蓋、交互問答易遺漏、調查質量難以控制等問題。因此，對于樣本量較大的居民出行調查，國內外大多數城市依然采用傳統紙質問卷調查的方法，但其存在以下問題：①數據采集精度不高；交通小區編碼填寫不當，出行次序之間的空間邏輯性和時間邏輯性錯誤；②交通調查小區劃分方案不可逆；③無法收集出行路徑信息。在現有的調查中，只能記錄某個人在某天內出行的出發地和到達地的位置信息，無法判斷或推算出實際的出行軌跡；④表格回收難度大。居民出行調查通常采取一次入戶或二次入戶的方式來采集數據和回收問卷[3]；⑤數據錄入工作繁重且周期長；⑥質量控制環節過多。整個調查的實施將包括多個質量控制環節，每一個環節給調查質量產生不確定的因素。

將信息化技術與傳統調查手段結合，提高調查效率與質量，是交通調查技術發展的一個重要方向[4]。本次調查采用基于GIS的居民出行調查系統不僅在各個指標中植入大量的邏輯判斷，同時還內嵌了城市電子地圖數據，在采集家庭地址、出發地及目的地時將地址精確到了坐標，在數據應用時可以適用不同標準的交通小區劃分，提高數據的可利用性。相對于傳統紙質問卷調查技術存在以下優勢：①調查表格數字化。將居民出行信息內容電子化，訪問員只要攜帶終端設備便可以完成所有被訪問戶的調查；②家庭地址和出發地、到達地地圖搜索。利用嵌入式地圖引擎技術和搜索引擎技術實現。家庭地址信息和出發地、到達地的位置信息搜索定位，并自動將坐標信息（X、Y）保存到數據庫；③免去表格錄入工作量、時間和誤差；④數據采集實時糾錯功能。系統預先設定調查指標項的糾錯規則，當訪問人員出現錯誤填寫調查指標項內容時，系統自動報錯并給出修改建議。

（2）調查軟件設計：①軟件設計需求。在移動終端中將從平臺獲取的基礎數據信息進行解析導入，由調查員采集錄入相關調查信息，通過移動終端將采集到的數據進行上傳，最后由平臺將上報數據進行匯總。調查員注冊。開展調查工作前調查員需要注冊真實信息，包括所屬行政區、街鎮、社區、姓名、聯系方式等，確保在調查過程中可以追蹤每一個調查員的調查信息。移動終端采集。調查員注冊完成后，通過新建家庭戶的形式采集數據。軟件內容與調查表格一致，并添加邏輯關系，避免輸入錯誤。移動終端上報。系統支持在線數據上報和離線導出數據包上報兩種上報方式，方便將調查數據傳送至平臺為最終的匯總分析做準備。數據的匯總。系統支持對上報的調查數據進行簡單的匯總，及簡單的分析；②軟件功能設計。系統主要分為居民出行情況調查信息采集、調查進度查看、用戶管理、上報數據、系統管理等五個模塊。調查信息采集。居民出行情況采集模塊主要用于采集調查相關信息，通過填寫調查對象戶信息，每戶中的人員信息以及人員的出行信息，設計戶表、人員表、出行表的表結構。調查進度查看。調查進度查看模塊主要用于查看當前移動終端采集信息進度，該模塊底冊的進度進行統計展示，方便用戶實時掌握當前采集進度。用戶管理。用戶管理模塊用于修改當前登錄用戶密碼。上報數據。上報數據模塊用于用戶將已采集的數據上報至終端管理平臺。系統管理。系統管理模塊包含系統初始化、底冊導入、用戶管理、上報數據、數據導出等功能。其中初始化功能用于將當前終端數據進行初始化，底冊導入功能用于系統讀取移動終端推送的底冊信息，用戶管理功能用于修改用戶密碼信息，上報數據功能用于將采集到的數據信息上報至終端管理平臺，數據導出功能用于將之前采集的數據導出至相應數據包。

1.5 調查組織架構

根據國內其他城市及漳州市上一輪調查的經驗，為了保證本次調查工作的順利開展，設立“市-區-街鎮”三級調查的組織模式。

1.6 調查抽樣設計

漳州市建成區常住人口約160萬人，根據《城市綜合交通調查技術標準GBT51334-2018》[5]中100～500萬人口城市不低于1%的要求，本次建成區抽樣人口共計約1.7萬人，戶調查規模為5500戶，抽樣率約1.1%，滿足不低于1%的要求。

2 漳州市居民出行調查交通特性分析

2.1 調查樣本特征分析

（1）住戶社會屬性。本次居民出行調查，總抽樣戶數為5544戶，總人口為17428人，平均戶規模為3.14人/戶，其中三人家庭的占比最高，占比39.8%。各區域家庭擁有的車輛以電動車為主，其中薌城區的電動車擁有量最高，為每戶1.79輛。其次是私人小汽車的戶均擁有量較高，全市平均水平為0.68輛/戶。

（2）個人社會屬性。個人社會屬性包括居民的性別構成、年齡構成、戶籍構成、文化程度構成和職業構成等。 性別構成。男性與女性的占比分別為49.8%和50.2%，抽樣調查結果顯示漳州市男女性別比例比較均衡。年齡構成。26～35歲、36～45歲以及46～55歲人員的占比較高，共計占調查總人口的63.0%，這個年齡段的人口是社會的主要勞動者；其次6～18歲和56～65歲人員的占比較高。戶籍構成。絕大多數居民的戶籍是本市戶籍，所占比例為95.6%，非本市戶籍且居住6個月以上的居民占4.0%。文化程度構成。以初中和高中或中專為主，占比在27%左右。小學及以下和大專學歷的居民占比分別為19.3%和14.9%。研究生及以上的居民占比最低，僅為0.6%。職業構成。本次調查中辦事人員和有關人員、商業/服務業人員和其他職業人員的占比較高，在14.0%～15.0%之間，其次是中小學生和待業/無業人員，占比分別為12.9%和10.3%。

2.2 出行強度

本次調查總出行量35744人次，人均出行次數為2.33次，其中有出行人口12888人，占6周歲以上人口的84.0%，有出行者的人均出行次數為2.77次。2020年全部人口出行率為2.05次/人，高于2013年的1.85次/人，活動頻繁程度在不斷增加。

綜上所述，兒童心理行為問題不是真空里形成的，而是受到家庭特征的很大影響。國內已有研究證實，家庭治療對兒童行為問題有效［13］。因此，改善家庭功能，保持良好的家庭氣氛，可以作為預防學齡前兒童行為問題發生的家庭干預手段；社會各界應重視家庭在培養兒童心理行為健康中的作用，在診斷及治療兒童心理行為問題時要進行系統評估，并對兒童來訪者進行家庭干預，從而達到干預效果，改善兒童心理行為問題。

2.3 出行目的

除去出行目的為回家的出行，出行占比較高的是上班，為27.1%，購物/餐飲也占有一定比例，為9.4%。

圖1 居民出行目的構成

相比于2013年，由于本次居民出行調查在疫情及暑假期間，很多學校沒有開學，上學出行占比遠低于2013年，而除上學和“其他”外的出行占比均高于2013年。

圖2 居民出行目的對比圖

2.4 出行方式

漳州市居民最常采用的出行方式是電動車，占比為42.3%，其次是私人小汽車和步行，占比分別為21.8%和15.8%，上述三種出行方式共計占到了出行總量的79.9%。

圖3 居民出行方式構成

相比較于2013年，漳州市出行結構發生了顯著的變化，主要體現在以下幾個方面：①非機動化出行的電動車出行比例顯著提高，相比較于2013年提高了約16%，而摩托車出行比例下降顯著，下降了約13%，電動自行車出行占據了主導地位；②私家車出行比例增長顯著，由2013年的13.5%增加到2020的21.8%，提高了約8%。

圖4 出行方式對比構成圖

2.5 出行時間分布

居民出行的時間分布，客觀上反映了城市居民的工作、生活方式以及交通需求在時間上的分布[6]。調查樣本中出發時間和到達時間的早高峰均為7:00～9:00，晚高峰均為17:00～19:00。

圖5 居民出行時間分布

2020年與2013年的居民出行均有明顯的早晚高峰，相比較于2013年的出行時辰分布，2020年的早晚高峰均有一小時的延后。

圖6 居民出行時間分布對比圖

2.6 出行空間分布

各個區域的居民出行均以區內出行為主，占比在65.0%以上，其中長泰縣的區內出行占比相對較高，為96.8%。僅從各區域的區內出行量來看，薌城區的區內出行量最大，為11886人次；從各區域的出行交換量來看，薌城區和龍文區、薌城區和高新區之間的聯系相對較強。

圖7 全目的全方式出行期望線圖（人次）

2.7 出行時耗

漳州市居民的平均出行時耗為21.6分鐘，出行時耗主要集中在30分鐘以內，所占比例共計為84.9%，其中分布在11～20分鐘的出行最多，占比為38.0%。

2.8 出行距離

漳州市居民的平均出行距離為4.3千米，48.4%的出行距離在0～2千米，其次出行距離在2～4千米的出行占比為22.6%。隨著距離的增加，出行占比大致呈現出逐漸降低的趨勢。

圖8 出行時耗構成

圖9 出行距離構成

3 現狀交通特征與問題

3.1 與其他城市相比人均出行次數不高，相比2013年總體人均出行次數與總出行量均有所增加

漳州市總體出行以剛性出行為主，日平均出行次數為2.33次/人，出行活躍度與鄰近的城市相比處于中等（廈門日均出行次數為2.60次/人），地區配套及城市活力有待完善與提升。

相比于2013年，相對中心的薌城區出行需求增長較大，出行量約增加29萬人次，增幅為26.5%，龍文區的出行量增幅較小。

3.2 非機動化出行仍是居民出行主要方式

漳州市居民非機動化出行占絕對比重，達到63.0%，非機動化出行占比相對于2013年的54.7%增加了約8%，非機動車比例增加主要是由于電動車占比的增加，步行和自行車相比2013年均有所下降[6]。

3.3 出行結構不合理，居民出行主要依賴電動自行車的出行，公交車出行比例偏低

電動自行車出行比例相比較于2013年提高了約16%，摩托車出行比例下降顯著，下降了約13%。公共自行車、公交車出行占比較低，由于公共交通承擔的比重不足，需要通過加大公交設施投入力度，優化公交線路及站點，增加公共交通的吸引力。

3.4 小汽車出行較公交車出行具有一定的優勢

2020年小汽車出行比例相對于2013年約提高了8%，公交分擔率下降約2%。根據本次居民出行調查，私人小汽車、出租車和單位車的平均速度均接近20千米/小時，明顯高于公交車的14千米/小時，說明小汽車出行較公交出行具有明顯的優勢，而公交出行無競爭力。

3.5 短距離出行占主體地位，步行和自行車出行環境不容忽視

在出行總量中，5公里以內的短距離出行占76%，在這類最適宜于步行和自行車方式的出行中，私人小汽車承擔了約12%的出行。

3.6 出行仍以上班上學的剛性出行為主，非通勤出行活力有待提升

不考慮回家的出行目的，2020年非通勤出行占比為44.7%，低于上班上學的通勤出行比例55.3%。

3.7 出行時間分布不均衡狀況有所改善，但早高峰出行集中程度仍較高

與2013年相比，早高峰時段（2020年7:00～9:00出行量占比為28.8%，2013年6:00～8:00出行量占比為36.3%）出行量占全日出行比例下降7.5%；2020年晚高峰18:00～19:00的出行占比11.5%相對于2013年17:00～18:00的出行占比12.9%下降1.4%。

4 結語

距離上一輪居民出行調查已經過去7年，根據《城市綜合交通調查技術標準GBT 51334-2018》等標準要求，時效性已經難以滿足相關研究分析和發展的要求。

通過新一輪的居民出行調查，充分掌握我市居民日常出行規律、城市交通運行規律，可以為市、區兩個層級下一階段科學進行交通規劃、基礎設施建設、城市交通管理與政策制定等工作提供重要支撐。