基于公交大数据的职住分离空间差异分析.docVIP

PAGE PAGE 1 基于公交大数据的职住分离空间差异分析 摘要：本文基于2008年北京市连续一周的公交IC卡刷卡数据，结合2005年居民出行调查、地块级别的土地利用图，识别公交持卡人的居住地、就业地和通勤出行，进而评价北京职住分离的空间差异特征，具体的：1）将识别的通勤出行分别从通勤时间和距离角度，与居民出行调查数据和其他已有北京相关研究进行对比，显示较好的吻合性；2）对来自三大典型居住区和去往六大典型办公区的通勤出行进行可视化并对比分析；3）对全市基于公交的通勤出行进行可视化，并识别主要交通流方向。 1、研究背景和已有相关研究 本文旨在利用海量公交IC卡的刷卡数据，识别北京市的居住－就业区位分布二者之间的关系，并对公交通勤出行进行识别、评价和可视化。以往的职住分析主要基于问卷调查数据开展。目前，随着基于位置服务，如移动通讯、全球定位系统、社会化网络和无线宽带热点等技术的进步和广泛应用，大规模、高质量的个体时空数据的获取正不断成为可能，这些遍布的个人贡献的数据对描述和理解城市空间结构提供了新的渠道。LBS技术已经被越来越多地应用于城市研究中，但是还在起步。在更多的城市空间结构研究，多采用典型调查的方法获取个体数据，获取大容量微观样本还存在一定的障碍。 公交IC卡刷卡数据SCD作为一种大规模的具有地理标识和时间标签的数据，可以用于城市空间结构的研究与分析。以往这类研究主要基于居民出行调查数据开展，但是这种调查成本高，每隔几年才能开展一次，而SCD具有连续型好、覆盖面广、信息全面且动态更新等优点，因此在城市研究中具有较好的可应用型。在国外，有研究建议使用SCD进行公共交通的规划设计决策；Joh和Hwang利用首尔大都市区400万人次的1000万次SCD，分析了公交卡持有者的出行轨迹与都市区的土地利用特征；Jang利用首尔100万次SCD，对公交出行时间和换乘信息进行估计；Roth等基于伦敦实时的Oyster卡数据库，得到伦敦地铁乘客移动特征，用来分析多中心的城市结构。在国内，截至2007年，有超过100个城市启动了公交IC卡收费系统，利用SCD已有部分研究，如董晓晶等开发了一套北京SCD处理工具，为公交线网优化和交通管理提供依据；彭晗等利用长春市的公交IC卡数据，辅助支持城市公交换乘枢纽选址；杨智伟等基于大连SCD进行客流预测。总体上，这些研究主要侧重于利用SCD支持交通系统的规划设计和交通系统特征，少有研究利用SCD进行城市结构分析，如职住关系、通勤出行时空分布等。 本文拟基于2008年北京市连续一周的SCD分析北京的职住关系和通勤出行特征1。北京自2006年4月1日起，全面推行公交IC卡，截至2007年4月2日，全市公交IC卡销售量已接近1000万张，目前乘用公交车的乘客刷卡比例已超过90%。2008年北京的公交出行比例已经超过30%，因此公交出行数据可以很好的反映城市社会空间的变化情况。本文主要探讨如何对SCD进行预处理，并基于传统的居民出行调查和城市GIS数据建立SCD数据挖掘的规则，并将结果与已有研究进行对比。 2、职住分离评价所用到的基础数据 2.1公交线路、公交站点和交通分析小区 公交线路和公交站点GIS图层用于将SCD进行空间化。北京市2008年4月共有600多条公交线路（按上下行计算共计1287条，其中一票制566条，分段计价线路721条）。共有约3.7万个公交站点，为分析方便，北京市域划分为1118个交通分析小区。 2.2土地使用现状图 本研究引入地块级别的土地使用现状图作为识别居住地和就业地的依据之一，该图层包含每个地块的土地使用功能和建筑面积属性。本文假设居住地来自居住类地块，而就业地则来自商业、公共设施和工业等类型地块。在总计133503地块中，有29112个居住地块和57285个就业地块。该图层将用于计算每个公交站点作为居住或工作地的概率，以处理使用一周数据得到的重复性结果。 2.3海量的公交IC卡刷卡数据 本文所利用的SCD为2008年4月北京市完整一周（周一至周日）的刷卡记录，鉴于非技术原因不包括祥龙公司的运通线路和轨道交通数据。记录涵盖的基本信息包括：每个持卡人刷卡的时间和地点（其中地点以线路号和站点号表示）、卡类型（普通卡、学生卡或工作人员卡等）、交易序号（表示持卡人累计刷卡次数）、司机编号和车辆编号等。该一周数据共刷卡记录，对应8549072张一卡通，因此可估算每卡日均使用约1.30次。 北京公交线路按照计价方式分为两种，其一为短距离的一票制线路，主要位于中心城地区，每次应收票价1元，刷卡四折优惠，实收0.4元。对于此类刷卡记录，SCD仅记录上车刷卡时间，上车刷卡站点虽有记录但位置信息不准确。其二为分段计价线路，这一类线路的路线一般较长，一端或两段位于五环