干货分享|大数据在城市交通分析中的运用
随着大数据技术的不断发展，已经有越来越多的数据源可以用于研究居民的出行活动。如多天的手机数据可以用来检测人群白天和夜间不同的出行特征，预测居住和就业的分布情况；公交刷卡数据可以用检测人们的公交出行OD；出租车、公交车以及导航app传回的GPS数据经处理后可以了解道路的实时路况信息…而关于不同建筑业态的居民出行特征研究，目前主要采用的方法是传统的典型点抽样问卷调查或者是利用手机数据定位进行计算等，准确率和精度都会受到一定影响。本研究通过首次采用建筑停车场的车牌识别数据研究不同建筑业态吸引客流的出行时间特征、来源地空间分布情况、出行平均时耗以及停车场进入离开车辆对周边道路交通的影响等内容，从而为城市空间功能布局规划、停车场规划、停车场周边道路交通改善等提供参考。
车牌识别数据是通过在停车场或者道路安装车牌识别设备，采用视频识别技术检测车辆的车牌信息，获取车辆在全市不同区域的出行轨迹信息，进而统计停车场的进出量以及判别车辆的来源去向信息。本研究采用了深圳市9月份5308个停车场车牌识别监测点的数据信息，选取包括中心区（罗湖区、福田区和南山区）与外围区（宝安区、龙岗区、光明区等其他行政区）的商业和办公等综合性建筑（以下简称综合类）、纯商业类建筑（商业）、纯办公类建筑（办公）、医院共4种建筑业态类型进行研究。
图1深圳车牌识别检测点位置空间分布图
图2技术路线
各建筑业态吸引客流时间分布分析
商业类建筑
商业类建筑选取位于南山区的保利文化广场和外围宝安区的沙井京基百纳广场。
图3商业类型建筑工作日和非工作日吸引客流对比图
图4深圳市保利文化广场客流吸引量到达时间分布图
图5沙井京基百纳广场客流吸引量到达时间分布图
对于纯商业类建筑，非工作日的出行量大于工作日，城市外围区域比中心城区高峰提前一个小时。商业类建筑与综合体建筑最大的不同是周末的吸引量明显高于工作日；处于中心城区内的商业建筑，周末和工作日的客流吸引量时间分布曲线趋势比较接近，而处于城市外围的商业建筑则不同，周末和工作日没有明显的分布规律，且工作日客流吸引量的时间分布曲线比较凌乱。
办公类建筑
办公类建筑选取的是位于福田区的时代科技大厦和位于龙岗区的正中时代大厦。
图6时代科技大厦客流吸引量到达时间分布图
图7正中时代大厦客流吸引量到达时间分布图
办公类建筑的工作日到达客流时间分布趋势比较接近，城市外围的早高峰早于中心城区。首先办公类建筑不同天数的车辆到达曲线拟合度相当高，曲线趋势接近一致，不存在地域差异；其次，作为中心城区的办公楼，时代科技大厦早高峰在8点-9点之间，而位于城市外围的正中时代大厦的吸引量到达高峰出现在7点-8点之间，比中心城区提前一个小时。
医院类
医院类建筑选取的是深圳市第二人民医院（以下简称二医院）和龙华新区人民医院（以下简称龙华）。
图8深圳市第二人民医院客流吸引量到达时间分布图
图9龙华新区人民医院客流吸引量到达时间分布图
医院与以上建筑类型不同，区域出行差异化明显。位于中心城区的二医院，早上前往医院的人数远远大于下午前往医院的，且高峰期位于早上7点；城市外围的龙华医院早高峰推迟到9点以后，且上午和下午的客流吸引量接近一致。
综合类
综合类建筑选取了位于深圳罗湖区的标志性建筑—京基100大厦。
图10京基100大厦客流吸引量到达时间分布图
作为综合体的典型建筑，京基100大厦工作日有高峰，而周末活跃时间更长。工作日的客流吸引量会有早高峰，出现在8点-9点之间，而周末没有，仅有午高峰和晚高峰；其次，工作日午高峰跟上午的工作时间相关，在12点-13点之间，周末提前到11点，且持续2小时左右；周末的晚高峰时间也比工作日的晚高峰时间提前一个小时，且持续时间更长。
资料来源：未来交通实验室
本期编辑：陈呈奕 付诗淇 杨芬