北京市职住分布与通勤交通特征

通勤交通问题是困扰大城市发展的普遍难题,城市通勤交通服务水平的提升是建设高质量交通体系、人民满意交通的关键点。通过手机信令数据进行职住地识别,获取通勤OD数据,分析北京市总体职住分布和通勤交通特征,深入挖掘45 min通勤人口空间分布特征及其影响因素。聚焦重点地区,对北京市大型居住组团、重点就业功能区以及新城地区职住分布和通勤交通特征进行分析,剖析主要问题。在此基础上提出相关发展对策与建议:1)提高区域内用地混合度,提升区域职住平衡水平;2)提高新城与中心城区轨道交通运行组织水平;3)持续推动新城产城融合发展,推动新城基础设施完善优化和公共服务品质提升。

时空交通大数据在职住分布的应用

近年来,城市化进程不断发展,人口活动与空间结构功能配置之间的相互匹配落差日益加大,产生了各种大城市病:交通拥堵的加剧、空气质量的下降、职住的日益分离、通勤距离/时间的增长。就业与居住作为城市的主要职能,二者的空间结构关系直接或间接地影响城市交通、空间规划、空气质量污染等各方面与人口生活密切相关的城市特征。基于时空大数据在交通行业的智能分析感知,可应用于城市治理之中,通过分析职住结构、人口分布、经济结构等方面,辅助构建面向智能感知服务的智慧城市。

轨道沿线居民职住分布及通勤空间组织特征研究——以北京为例

立足问卷调查获取轨道交通沿线居民职住分布和通勤特征数据,分析了轨道交通对城市居住—就业空间布局的影响及其结构下的通勤组织特征,基于GIS勾勒出轨道交通网络格局下职住分布的形态,提出了轨道交通网络化发展背景下区域性职住不平衡的新格局。主要结论有:①轨道交通网络化发展在一定程度上扩展了居住选择的空间,加快了居住人口向郊区迁移,加速了区域性职住不平衡的发展趋势。②轨道交通作为大容量快速客运体系将在城市发展空间格局中发挥骨干框架作用,轨道交通沿线的郊区地带呈现出人口敛聚和产业集中的双核空间集聚的发展态势,最终沿轨道交通网络轴线形成放射状的"点轴"格局。③轨道交通对长距离出行具有很强的吸引力,在城市路网和机动化发展成熟的条件下,轨道交通将成为城市最重要的通勤出行方式。

基于微博大数据的北京市流动人口情绪与职住分布的关系研究

流动人口的职住情绪能够反映其工作与生活状态。本研究首先基于2017年北京市微博大数据,利用jieba分词结合人工筛选得到流动人口发布的微博文本;其次,对Roberta-wwm-ext-large模型进行迁移学习识别北京全人群与流动人口的微博情绪;然后,结合POI数据与微博发布时间得到流动人口的职住分布;最后,基于微博情绪与职住分布得到流动人口的职住情绪,利用Getis-Ord Gi^(*)挖掘职住情绪的空间聚集模式,采用地理探测器分析影响职住情绪热点分布的因素。实验表明,北京流动人口情绪均值(0.56)稍低于北京全人群(0.57)(P<0.01),但整体表现为积极;从空间分布来看,流动人口在东、西城区情绪均衡,西北部科技创新区情绪相对于流动人口情绪均值较为低落,而东南部中心商务区、文化交流区及国际化社区情绪较高涨;从情绪与职住的关系来看,流动人口的工作情绪与从事的工作类型有关(q=0.03,P<0.05),高新技术产业园、工业园、物流产业园的流动人口从业人员的工作情绪相对于流动人口工作情绪均值较为消极,健康产业园、文化创意产业园、农业园的流动人口从业人员的工作情绪较积极;流动人口的居住情绪与居住环境有关(q=0.06,P<0.1),居住在远郊区的流动人口情绪相对于流动人口居住情绪均值较为消极,居住在近郊高密度的流动人口情绪较为积极。因此,相关部门应重点关注从事高新技术产业、工业、物流产业的流动人口以及居住在远郊区的流动人口。

天津市职住空间分布与轨道交通网络耦合关系——基于手机信令数据分析

为剖析天津市轨道交通网络客流偏低的原因,促进城市交通与用地良性发展,提出基于手机信令数据获取职住分布关系的方法和技术路线。从通勤圈、CBD、通勤出行联系强度三个维度分析天津市城市空间结构,探究轨道交通网络与城市空间结构的耦合关系。分析表明,天津市现状已建与近期建设的轨道交通网络与城市空间结构耦合度一般,有较大改善空间。建议定期开展基于手机信令数据的职住空间分布特征及城市空间结构与轨道交通网络耦合关系的评估工作,为轨道交通线网建设及城市空间结构调整及时提供科学依据。

宜出行大数据支持的武汉市主城区职住特征研究

分析城市的职住特征能够为制定城市发展规划和解决城市交通问题提供重要的指导。本文以武汉市主城区为研究对象,依托宜出行大数据,通过对组团、街道和微观3个尺度的职住分布特征和职住平衡特征的分析,研究了武汉市主城区的职住特征。研究发现:①在组团尺度,各时段组团间的人口分布由中心向外围依次递减,与武汉市主城区圈层发展、组团布局的空间格局规律一致,各组团均处于职住平衡状态;②在街道尺度,主城区65􀆰58%的街道为职住相对平衡状态,少数街道存在职住失衡现象;③在微观尺度,结合地图与POI数据分析,工作时段人口集中于商业区与交通线路附近,休息时段人口相对均匀地分散于住宅区。以工作时段人口聚集热点为例,热点中心就业高度集中,存在就业导向的职住失衡,随着距离增加,职住分布趋于平衡。

职住平衡对居民出行能耗的影响研究回顾

交通能耗及其产生的污染排放已成为制约我国大城市进一步发展的瓶颈,其中由职住空间分异产生的高峰时段高度集聚的长距离通勤需求是造成高交通能耗的重要因素.对职住状态以及交通能耗的关系衡量,是探索通过职住空间布局缓解高交通能耗问题的重要内容.本文回顾了职住空间分布状态及其对城市交通能耗影响的相关研究,总结出职住平衡的空间状态通过对居民出行距离、出行方式选择作用于出行能耗,通过对职住的评估是衡量规划中交通能耗的重要手段,研究职住空间的衡量方法发展低能耗的城市空间有一定参照价值.

苏州轨道交通3号线站点客流成因分类诊断

本文旨在依托轨道交通客流数据、手机信令数据,对3号线站点进行分类诊断,并从站点土地利用角度对轨道客流形成影响因素进行综合分析,总结3号线现状客流达不到预期的原因,并提出解决思路,以期为轨道客流提升、未来相关线路的规划设计和运营提供参考。

一种基于手机信令的通勤OD训练方法

针对基站定位精度低、信令采样间隔长、轨迹不连续的手机信令,提出一种职住及通勤OD(origin-destination)计算框架.对用户单日手机轨迹按时间排序,标识每个轨迹点的进出时间及停留时间,剔除长距离漂移轨迹点,对邻近轨迹点进行空间聚合.将全天划分为多个时窗,叠加用户多日轨迹,计算稳定指数并识别用户在各时窗内的多日稳定点.综合工作日与节假日稳定点判断用户居住地、工作地.采用基于常住人口的扩样方法,对街道通勤OD矩阵进行扩样.模型结果与重庆主城常住人口分布、2014年居民出行调查结果吻合.

基于手机信令数据的高速公路服务区客流特征研究

为了提高我国高速公路服务区的服务水平和质量,建立了服务区客流特征研究体系。首先对手机信令数据进行数据提取、处理及分析,然后从用户职住分布、用户行为轨迹、用户行为特征3个角度对服务区客流特征进行可视化研究和科学分析,并以运营商提供的京沪高速公路马驹桥服务区连续8周的手机信令数据作为该研究体系的实验案例。案例分析结果表明,该服务区服务设施现状水平不能充分满足用户多样化的需求,应针对用户需要合理增设及配置服务设施,提升服务区服务水平;也证明了服务区客流特征研究体系可以有效挖掘服务区现存问题,明确服务区发展方向,能为制定更为完善的服务区改善措施提供决策依据。

基于公交服务需求与供给匹配程度的公交站点布局评价——以武汉市为例

公交站点的布局影响了整个公交系统的运行效率与服务品质。评价或优化站点布局的文献对公交服务的供需匹配程度的关注较少。基于此不足,综合使用了密度分析和空间自相关方法来研究公交服务需求与供纟合的匹配程度,并以此为依据评价站点的布局情况。以武汉市主城区为例的硏究结果表明:(1)整体上看:研究区域內公交服务的需求与供给匹配良好,公交站点的分布基本满足来自职住分布的需求。(2)局域上:部分公交站点的设置存在问题,对应区域存在供需失配现象,基于空间统计的方法表明,该失配现象在少部分站点所在区域相对更明显。本文中的方法可应用于公交站点布局实际案例的评估,亦可应用于相关站点布局优化方法的效果评价。

基于手机数据的轨道交通站点吸引范围研究——以成都市为例

站点吸引范围的大小直接影响轨道交通的客流效益,也是城市交通一体化水平的重要体现.本文整合大数据挖掘和分析技术,以成都市现状运营的轨道交通网络为基础,基于手机信令数据获取了轨道吸引客流的真实空间分布规律,定义并量化了轨道交通站点的综合影响范围、及其关键影响因素(站点密度、职住分布、站点可达性),通过聚类分析、交叉分析等统计手段,构建了成都市站点吸引范围与其影响因素之间的相关关系,为成都市轨道交通站点吸引范围提供合理取值建议,进而为轨道接驳规划、客流预测、站点布局规划等实际工作提供参考依据.

基于大数据分析的城市公交线网优化决策支持研究——以南宁市仙葫西片区为例

在大数据发展的时代背景下,城市公交线网优化决策正转向数据化、精细化的更高要求。然而,传统公交出行特征及指标模型受限于交通调查样本覆盖率低,难以支持更高要求的城市公交线网优化决策。文中用手机信令大数据集反推用户出行轨迹的方法,构建了基于多元大数据的公交出行优化决策系统。并以南宁市仙葫西片区为例,对片区职住分布及公交出行大数据进行研究,研判公交出行特征,为片区公交线网优化决策提供依据。

基于手机信令数据的轨道交通客群特征研究

根据手机信令数据的通讯特征,提出了测度地下轨道交通站点客流的原理与技术方法,并通过基站识别软件实测数据来匹配轨道交通各站点与其进出口附近的地上与地下基站,确保准确性。在此基础上,以杭州市为例,将手机信令测得的数据与IC卡数据相比较,结果显示,两者拟合程度较高,说明该方法测度轨道交通客流有效性强。进一步充分利用手机信令可准确识别轨道用户的优势,根据乘客在轨道交通系统内外部的活动信息,继续探究该方法在轨道交通乘客职住地分布以及各站点换乘客流量等方面的应用,为优化轨道交通规划设计与运营管理提供支撑。

基于手机信令数据的城市地铁通勤特征分析--以南京市为例

提出基于手机信令数据分析南京地铁通勤与相应用户职住特征的方法流程,并与城市统计年鉴数据、地铁AFC(城市轨道交通自动售检票系统)数据进行对比验证,表明职住、地铁出行行为识别准确度高,可用作进一步的分析。重点分析经常使用地铁通勤的用户职住分布特征,以及使用地铁通勤的特征。结果表明,经常使用地铁通勤的用户,其居住地一般分布在地铁站周边房价相对不高的地区,地铁在中远距离通勤中使用更普遍,且地铁两端与职住的接驳时长较短。“居住-岗位”的通勤行为高峰小时为7:30—8:30,97.5%用户通勤时,在地铁系统内部的时长不超过1小时。南京地铁主要的通勤换乘站点包括大行宫站、新街口站、南京南站等,通勤高客流断面主要是3号线天润城站至大行宫站、1号线南京站至新街口站、2号线大行宫站至新街口站。

苏州市轨道交通用户特征分析

文章运用大数据处理手段,识别苏州轨道交通用户起讫点全方式出行链,对既有轨道用户人群画像、轨道客流职住分布、来源去向、时空特征进行精细化分析。研究成果表明,年轻群体对轨道交通的接受度非常高,而老年群体对轨道交通的接受度较弱,同时轨道站点附近人群集聚度相对较高。研究成果将有助于轨道交通系统高效运营,为客流提升决策提供支撑。