基于手机信令数据的城市交通模型及应用

综合运输｜第 46 卷 / 第 10 期 / 2024年

文章编号：1000-713X (2024)10-0182-06 中图分类号：U491 文献标识码：A

作者：李振铭1，雷鸣涛2，吉小进3，段征宇1*，肖光睿3

（1. 同济大学道路与交通工程教育部重点实验室，上海 201804；2. 甘肃省公路网规划办公室，兰州 730030；3. 北京明树数据科技有限公司，北京 100102）

0 引言

传统城市交通模型采用的居民出行调查数据存在：样本量不足[1]、存在沉默出行遗漏[2]、调查标准化不强和调查成本高[3]等缺陷，并且由于调查成本较高、费时费工等原因，国内不少城市未能定期开展

居民调查[3]。而手机信令数据具有样本量大、抽样率高、时效性高、成本低等优点[4]，在出行需求分析方面得到了广泛应用[5][6][7][8]。此外，手机信令数据也被应用与城市交通模型构建，起到补充和校核的作用[9][10]。陈小鸿等[2]利用手机信令数据对居民出行调查进行扩样，对于居民出行调查中遗漏的沉默出行需求，

可以采用手机信令数据进行补充。王媛[11]利用手机信令数据识别居民通勤出行并进行校核，融合其他多源数据对上海综合交通模型进行改进。孟永平[12]在厦门市交通模型构建中，利用大数据进行校核融合，提升传统模型的灵活性和扩展性。

此外还有学者利用手机信令数据对传统“四阶段”交通模型进行了改进，包括出行产生和分布预测、交通分配模型的标定等，如刘云舒等[13]基于信令数据构建了北京的通勤出行分布模型，指出手机信令数据在出行产生和出行分布预测有良好表现；毛晓汶[14]基于重庆市手机信令数据分析区域间OD，并标定了区域出行分布模型；姚子男[15]基于手机信令数据给出了一个动态交通流量分配模型，结果表明手机信令数据可以用于实时动态交通流量的标定与修正。

在路网密集、结构复杂的大中型城市内外交通出行特征分析和交通量分布及预测方面，传统的基于居民入户调查的“四阶段”城市交通模型难以应对城市快速更新、外部政策与社会环境带来的变化，模型时效性低、且模型构建复杂，已经难以满足行业决策的要求。在实际应用中，基于已有交通流量数据和小样本调查数据开展的未来交通量预测、经济效益分析评估、财政承受能力评价等工作，由于数据来源单一、调查质量与可靠度不高、时效性差，形成的结果参差不齐、差别较大，可靠性、可信度较低。

从现有文献来看，手机信令数据在“四阶段”交通模型的应用仍主要为一些关键步骤的校核，在城市交通模型的全流程建模上的应用还比较少见。本文结合手机信令数据的大样本、时效性和居民出行调查数据的全面性优势，以兰州为例，提出一种城市交通模型的构建方法，并利用现状交通调查和交警卡口数据等小样本数据进行校核。在此基础上，利用该城市交通模型，对新建G1816高速公路兰州过境段项目进行了交通影响分析，为该项目的规划设计决策提供支持。

1 基于手机信令数据的城市交通模型构建方法

本文在传统四阶段模型基础上，以手机信令数据提取的出行OD矩阵作为出行需求输入，以行政区划数据和道路网GIS数据等为交通供给输入，与现有研究相区别的是，本文的手机信令数据是模型的主要输入而非校核，为了提升建模精度，实现交通影响分析等应用，还融合了核查线交通量调查数据、交警卡口数据、人口与岗位、公路交调站与收费门架数据来校核模型，在建模过程中实现动态调整和迭代。

基年模型的技术路线如图1所示，具体建模过程如下：

1）出行产生与分布

采用分箱法对手机信令数据进行预处理，可以消除“乒乓切换”带来的数据噪声。该方法从空间和时间维度对手机信令数据进行时空参照系转换，首先将研究范围划分大小为500m*500m的栅格，然后以10分钟为时间间隔计算用户的平均位置，该平均位置所在的栅格中心点被视为用户在这10分钟内停留的位置。

经过分箱以后，手机信令数据被转换位置点数据：

其中 ci 表示用户的第 i 个位置点；gridi 代表该位置 点所在的栅格编号；ti 代表用户到达该位置点的时间。

在个体的活动轨迹中，活动点是指在个体在的参与工作、购物、休闲娱乐等社会活动时，需要在某个地点连续停留一定时间以进行活动的点。

原始数据经过分箱之后，即可得到包含栅格编号与时间的位置点数据。给定第i个位置点，其后续k个位置点若满足gridi+k ≠ gridi+k ≠ … ≠ gridi ≠ gridi-1，k ≥ 1，则用户在位置点gridi 的停留时间可表示为：

本研究将停留时间≥30分钟的非家位置点作为用户的活动点（或驻留点）；用户在活动点与活动点之间的移动，视为用户的出行。将栅格出行集计到交通小区，即得到原始OD矩阵。

然后，根据运营商的市占率对手机信令数据得到的OD矩阵进行扩样，得到现状居民出行OD矩阵；由此得到各交通小区扩样以后的出行生成量，使用现状人口和岗位对出行生产量进行校核；使用重力模型法对未来年的出行分布进行预测，利用现状的道路网和OD矩阵对重力模型的参数进行标定。

2）方式划分

在方式划分阶段，考虑到现有基于信通分配 令数据的方式划分精度不足，采用已有的调查数据，利用各种距离下的出行方式比例来进行方式划分。

首先基于上位规划、现状与发展目标得到各方式的划分结果，然后根据现状的“分担率-距离”方式转移曲线，以及未来年的出行距离分布、未来年的方式划分，采用平均增长系数法，对未来年的方式转移曲线进行预测。

3）结合通行时间、距离和通行费用，标定广义出行费用函数，并将机动车出行OD矩阵，分配到道路网上。

4）最后，基于核查线交通调查数据、交警卡口据等交通运行数据，对模型相关参数进行校核和调整。

2 兰州城市交通模型的建立与校核

2.1 模型构建

（1）交通分区

以兰州市域115个乡、镇和街道的行政边界为基础，以“自外向内加密、不跨河流、不跨越大行政区、根据城市进出主要通道划分外部小区”为原则，针对G1816兰州过境段的分析需求，在西固区、城关区进行交通分区加密，划分155个内部交通小区，结合主要进出通道划分4个外部交通小区，共计159个交通小区。

（2）道路网络及延误函数

根据兰州市域现状道路网络构建GIS路网，使用BPR函数作为道路延误函数，并根据兰州市于2018年开展的综合交通调查结果确定道路延误函数参数。

BPR函数公式如下：

式中：T——通过某路段所需出行时间；T ——自由流车速下，该路段的通行时间；v——路段上的机动车流量（pcu）；C——路段的通行能力（pcu）；α、β——根据综合交通调查结果标定的各类道路的参数值延误函数中的出行时间，考虑市域内有高速公路等收费路段，采用广义出行费用来代替延误函数中的出行时间：

式中：TC—— 广义出行费用，代替公式 (1) 中 的 T 和 T0 ；L—— 路 段 长 度 (m) ； TT—— 自由流车速下路段上的出行时间 (s) ；LC—— 路段上的收费长度 (m)。

（3）交通生成与分布

采用2022年4月兰州市域的联通手机信令数据提取出行信息，该数据包含的日均活跃用户数为63.7万人，人均数据量164.47条/人，平均每个用户约10min一条记录。使用分箱法提取得到500m*500m栅格内的个体出行信息。根据中国联通在兰州市的市场占有率扩样、集计得到内部和外部交通小区的交通出行。

（4）方式划分

采用出行方式转移曲线为方式划分方法，根据兰州2018年的综合交通调查结果，得到不同出行距离下的交通方式占比，并从中提取出租车、单位班车、单位业务车、公交巴士、快速公交、私家车和校车等机动车出行并合并转化为车辆出行OD矩阵。

（5）交通分配

本模型针对高峰小时的交通需求开展交通分配，采用均衡分配方法。分配过程反复迭代，模型收敛的标准是：两次连续迭代中路网行驶时间差小于0.5%，或达到最大的迭代次数。

2.2 模型校核

根据现状交通量观测数据对模型进行校核，包括：核查线交通量数据、交警卡口数据、公路交调站等。将现状观测交通量与对应的分配流量结果绘制散点图（图2），由图可见，大部分重要观测点位均位于回归直线附近，R2达0.8，说明模型分配结果能较好反映路网现状交通流量。

3 G1816 高速公路项目的交通影响分析

3.1 项目背景

G1816 乌海至玛沁国家高速是京藏、连霍、兰海 3 条国家高速与定武国家高速的重要联络线，该项目的兰州过境段，起点位于兰州市城关区九州北，终点位于兰州南收费站，是穿越主城区的南北向快速通道，承担着“过境通道兼顾区间并拓展引领城市发展空间”功能。G1816兰州过境段拟穿越兰州主城区，在七里河大桥和小西湖大桥间设置一上下双层的桥梁，上层为高速主线，下层为市政道路。

本文利用构建的城市交通模型，对该项目的交通影响进行分析。在构建的基年交通模型基础上，增加G1816过境段。在OD不变的前提下，对“有无”本项目的路网进行交通分配，来对比“有无”该项目的交通量差异。考虑到项目连接出入口多，交通来源复杂，利用交通起终点溯源技术得到项目的交通来源以及主要分流路径。

3.2 交通量分析

利用基年模型，分析在有无G1816两种情况下，G1816过黄河段所在的城市路网的交通分配结果，如图4和5所示。

下面根据分配结果，对跨黄河桥梁和G1816过河段的周边道路交通状况进行分析。

（1）跨黄河桥梁对比

跨黄河段桥梁交通量方面，变化较大为小西湖大、七里河黄河大桥和银滩大桥，双向交通量分别减28%、22%和22%。

周边道路影响

表 3 给出四条主要相交道路在“有无”G1816 项目下的交通量变化情况。由表可见，在与匝道相连的横向道路上，有一定的诱增交通量，但影响较小，与 G1816 下层市政道路相接的西津路和北滨河路的交通量有少量增加，分别增加 4% 和 6.9%，而南滨河和南山路交通量几乎没有影响。

3.3 起终点溯源分析

采用 TransCAD 的起终点溯源功能，分析兰州市域经过 G1816 过境段的交通来源，结果如图 6 所示。 由图 6 可见，G1816 兰州过境段主要承担了中心城（城关区、西固区）与兰州新区之间的交通量，从分布上看，中心城内出行和过境交通的比例约为3 : 7。从交通产生和吸引来看看，主要集中在兰州市城关区黄河北岸、西固区、七里河区以及兰州新区。

3.4 路径溯源分析

提取通过G1816兰州过境段的出行路径，可看到其承担的出行量集中于中心城附近。其交通量在横向上，主要来自于北滨河路、南滨河路和南环路的集散，其中：北滨河路，西侧 2858pcu，东侧2875pcu ；南滨河路，西侧 3226pcu，东侧 3265pcu ；南环路，西侧 3699pcu，东侧 1715pcu。纵向上，来自于平行的 G30 高速的分流，承担兰州新区与主城区间的交通。

4 结论

本文以兰州为例，结合手机信令数据和居民出行调查数据等，提出了一种城市交通模型的构建方法。该方法可以利用手机信令数据样本量大、时效性强的优势，为城市交通模型的快速构建和更新提供支撑。

利用该方法构建了兰州的城市交通模型，并对G1816高速公路兰州过境段进行了交通影响评价。分析结果表明，构建的城市交通模型在跨行政区、跨黄河、跨铁路断面等重要点位上具有较高精度。通过G1816过境段建设前后的交通量对比，发现该工程对既有跨黄河桥梁有较强分流作用，提升了跨黄河通道的容量；通过交通溯源分析发现，该工程主要承担了城关区、西固区与兰州新区之间的交通，有助于加强中心城与兰州新区之间的交通联系。

参考文献：

[1] 赵再先，刘晓玲. 大数据时代“四阶段”交通模型体系技术升级方法[J]. 交通与运输，2019，32(S1)：71-74+80.

[2] 陈小鸿，陈先龙，李彩霞，陈嘉超. 基于手机信令数据的 [居民出行调查扩样模型[J]. 同济大学学报(自然科学版)，2021，49(1)：86-96.

[3] 陈必壮，张天然. 中国城市交通调查与模型现状及发展趋势[J]. 城市交通，2015，13(5)：73-79+95.

[4] 宋少飞，李玮峰，杨东援.基于移动通信数据的居民居住地识别方法研究[J].综合运输，2015，37(12)：72-76.

[5] Zhen Chen, Wei Fan. Extracting bus information using smart card transaction data[J]. Journal of Modern Transportation, 2018, 26(3):

[6] 胡永恺，宋璐，张健，冉斌. 基于手机信令数据的交通提取方法改进[J]. 交通信息与安全，2015，33(5)：84-90+111.

[7] Qi G, Ceder A, Huang A, et al. A Methodology to Attain Public Transit Origin–Destination Mobility Patterns Using Multi-Layered Mesoscopic Analysis[J]. IEEE Transactions on Intelligent Transportation Systems, 2020, 22(10): 6256-6274.

[8] 邹戴晓，过秀成，樊钧，等 . 基于手机信令数据的苏州市域职住空间和通勤出行分析 [J]. 现代城市研究，2018(12) ：16-21.

[9] 管娜娜，田苗 . 基于大数据的综合交通规划创新应用实践[J]. 智能城市，2019，5(15)：14-17.

[10] 张天然 . 大数据背景下的交通模型发展思考 [J]. 城市交通，2016，14(2)：22-28.

[11] 王媛 . 多源数据融合在上海市综合交通模型中的应用 [J]. 城市交通，2023，21(1)：86-96+127.

[12] 孟永平 . 基于多源数据融合的厦门市现状交通模型构建及应用 [J]. 交通运输工程与信息学报，2020，18(4)：138-144.

[13] 刘云舒，赵鹏军，吕迪 . 大数据城市通勤交通模型的构建与模拟应用 [J]. 地球信息科学学报，2021，23(7)：1185-1195.

[14] 毛晓汶 . 基于手机信令技术的区域交通出行特征研究 [D]. 重庆：重庆交通大学，2014.

[15] 姚子男 . 大数据驱动的动态交通分配仿真及实证研究 [J]. 智能城市，2021，7(17)：11-12.