文档介绍：第67卷第10期地理学报 ,
2012年10月 ACTA GEOGRAPHICA SINICA Oct., 2012
利用公交刷卡数据分析北京职住关系和通勤出行
龙瀛, 张宇, 崔承印
(北京市城市规划设计研究院, 北京 100045)
摘要:基于位置服务(Location Based Service,LBS) 技术为研究城市系统的时空动态规律提供
了新的视角,已往多基于移动通讯(GSM)、全球定位系统(GPS)、社会化网络(SNS) 和无线
宽带热点(Wi-Fi) 数据开展研究,但少有研究利用公交IC卡刷卡数据进行城市系统分析。普遍
存在的 LBS 数据虽然具有丰富的时间和空间信息,但缺乏社会维度信息,使其应用范围受到
一定限制。本文基于 2008 年北京市连续一周的公交 IC 卡(Smart Card Data, SCD) 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,并将识别结果在公交站点和交通分析小区(TAZ) 尺度上汇总: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3大典型居住区和去往6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。本研究初步提出
了从传统的居民出行调查和城市 GIS 数据建立规则,用于 SCD 数据挖掘的方法,具有较好的
可靠性。
关键词:公交IC卡刷卡数据;职住关系;通勤时间和距离;空间错位;北京
1 引言
本文旨在利用海量公交IC卡(Smart Card Data, SCD) 的刷卡数据,识别北京市的居住
—就业(Housing-jobs) 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(Location
Based Services,LBS),如移动通讯(GSM)、全球定位系统(GPS)、社会化网络(SNS) 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(Ubiquitous) 的个人贡献(Volunteered) 的数据对描述和理解城市空间结
构提供了新的渠道[1-2],例如,Goodchild[3]突破了传统的光学传感器思想,较早地提出将人
作为传感器(Human as Sensors) 以获取空间和社会信息的设想。具体地,GPS 数据应用方
面,Newhaus[4]使用定位数据记录了城市居民的出行日志,并进行可视化;Jiang 等[5]利用
瑞典出租车的 GPS 轨迹,分析人们的出行特征,进而分析城市空间结构对其影响;Liu
①
等[6]通过出租车司机日常出行的轨迹,揭示出租车司机的出行特征。GSM方面,Ratti等[7]
利用意大利米兰的手机位置信息数据来表达城市活动的强度和时空分布特征;Calabrese和
Ratti[8]利用罗马的手机网络数据对城市活动进行实时监测;Reades 等[10]也利用手机网络数
据来表征城市活动。SNS 方面,Milton[11]利用 Twitter 数据来制作英国降雪深度的地图;
Jones 等[12]利用网络博客(blog) 进行经济地理分析具有较强优势。Wi-Fi 方面,Rekimoto
等[13]通过 Wi-Fi 发射塔信号数据研究装置持有者所在位置及其室内外活动;Torrens[14]在美
国的盐湖城分析了 Wi-Fi 热点的地理特征。总体上,从 Shavol[15] 提出人类感知(Human
Sensing) 以来,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
收稿日期:2011-12-01; 修订日期:2012-04-15
基金项目:国家自然科学基金项目(51078213) [Foundation: National Natural Science Foundation of China, ]
作者简介:龙瀛(1980-), 男, 博士, 高级工程师, 中国地理学会会员(S110007674M), 主要研究方向为规划支持系统和城
市系统微观模拟。E-mail: longying1980@
①
更多请参考综述性论文Steenbruggen等[9]
1339-1352 页
1340 地理学报 67 卷
城市空间结构研究,多采用典型调查的方法获取个体数据[16],获取大容量微观样本还存在
一定的障碍[17]