數據下的城市擁堵秘密：「抄小路」也是一門智慧

04-30

文/張忠元、成慧敏

城市高速發展帶來的交通擁堵問題一直是帝、魔兩都的「心頭病」，然而，帝都並非每條路都堵。本文數據俠創新性利?計程車運營軌跡數據來分析?路利?情況，得出北京市存在支路利用率低的問題，並為城市研究提供新思路。

本文轉自公眾號市政廳（ID：shi-zheng-ting）

隨著大數據時代到來，中國著?建設交通信息化?程，旨在將各類交通?數據應?於城市管理，充分利?各類交通數據資源。作為城市交通的必不可少的?部分，計程車以GPS數據記錄了司機在受到路?限制條件下載客的時空軌跡[1]。

計程車司機有豐富的經驗，他們往往會根據經驗選擇最優的路線。計程車司機出行主要依靠4種道路：城市道路分為快速路、主?路、次?路和?路[2-3]。

長期以來，在道路?規劃中，人們往往把?光聚集在快速路以及?路建設上，?忽略了?路?的規劃建設，導致城市路?銜接不暢。本應為?們帶來較?便利性的?路體系變成了各類「斷頭路」、「瓶頸路」和「錯位路」。

?2016年2?6?中共中央國務院發布《關於進一步加強城市規劃建設管理工作的若干意見》後，?們才開始?度重視該問題。但是，?們關於上述意見的討論還僅限於定性研究，據我們所知，?前還沒有?從定量的層?提供建議。

在此，我們基於收集到的北京市計程車運營數據和紐約計程車運營數據，試圖量化回答兩個問題：

1. 北京市是否存在?路利?率低的問題?

2. 如果存在，那麼哪些地??路利?率低的情況最嚴重?

一、數據與方法

我們收集到2012年11?北京市和紐約市的計程車運營軌跡數據，其中包括5134909條北京市計程車和紐約市11797410條黃色計程車的運營記錄。圖1為北京和紐約的計程車位置分布圖，顏色越亮表示車流量越大。

（圖片說明:a 北京市計程車位置分布圖,b 紐約市計程車位置分布圖）

為研究支路利用率的問題，我們首先構造出繞路比指標：R＝Dt／Dl

其中Dl指兩點之間的直線距離，Dt指兩者之間的行駛距離。

行駛距離為計程車的行車記錄儀記錄下來的距離，直線距離由我們通過計算上車坐標與下車坐標之間的球面距離而得。R值越大，說明行駛距離與直線距離之間的差異越大。R值和?路利?率緊密相關。如果城市?路利?率越?，即出行的直線距離和?駛距離的差別越?，R就越接近1。反之，如果城市?路利?率越低，R就越?。這樣的特徵在短距離的旅?中表現得尤為突出（有研究表明，短途出行時，計程車司機更傾向於選擇支路[4]）。

二、北京與紐約的對比

北京市與紐約市都是以汽車和地鐵作為主要客運交通?具的特?型城市。2012年11?，兩市計程車運營直線距離和上車時間分布密度如圖2所示。

從運營距離看，兩市計程車的運營直線距離都集中在0到5000?，且都呈現右偏分布的特徵；從上車時間看，兩市計程車的運營時間都呈現出約三個波峰的分布特徵，且三個波峰出現的位置基本相同。因此，兩市計程車運營狀況具有?定可?性。

（圖片說明：上車時間（左圖）與直線距離（右圖）分布密度圖。左圖中的X軸表示時間，1表示凌晨1點，2表示凌晨2點，….，23表示晚上11點。）

整體對比

如表1所示，北京市R的平均數是1.582，紐約市R的平均數是1.477。我們使?t檢驗?法檢驗兩市的R是否具有顯著性的差異。結果顯?，北京市R顯著?於紐約市R，說明從總體看來，北京市?路利?率顯著低於紐約市?路利?率。

（圖表說明：不同城市的R值特徵。其中MN表示均值，MD表示中位數，STD表示標準差，Q1表示四分之一的中位數，Q3表示四分之三的中位數。）

按上車時間分組比較

我們對上車時間，按照1?時為組距，分組統計兩市計程車的R。我們對每?組R

都做了T檢驗。檢驗結果如圖3所示，?乎所有時段，北京市繞路?顯著?於紐約市繞路?，車流量較?的時段，兩市繞路?都較?，車流量較?的時段，兩市繞路?都較低，北京市繞路?的波動?紐約市繞路?更明顯。

按直線距離分組比較

我們對直線距離，按照500

?為組距，分組統計兩市計程車的R。本?對每?組R 都做了T檢驗。檢驗結果如圖3所示，直線距離?於6500

?時，北京市R值顯著?於紐約市的R值。值得注意的是，69.06% 的北京市計程車運營和87.64% 的紐約市計程車運營處於該範圍。

（圖片說明：繞路?按上車時間（左圖）和直線距離（右圖）分組?較；實線表?北京市，虛線表?紐約市，紅?區塊表?北京市R值顯著?於紐約市R值，藍?表?紐約市R值顯著?於北京市R值，白色表示t檢驗結果不顯著。）

按時間距離交叉分組比較

最後，我們直線距離按500?為組距，對上車時間以1?時為組距進?了交叉分組，

對每組的結果進?了t

檢驗。檢驗結果如圖4所示，北京市繞路?顯著?於紐約市繞路?的區域呈現出明顯的集群特徵。在北京，小於5000米的短途出行時，繞路比顯著高於紐約，該特徵在白天尤為明顯。

綜上，我們得出結論：北京市的確存在支路利用率低的問題。

（圖片說明：繞路比按時間距離交叉分組比較。圖中X軸表示直線距離，縱軸表示上車時間。紅色格子表示北京市R顯著高於紐約市，藍色格子表示紐約市R值顯著高於北京市，顏色越深，差異越大。白色表示t檢驗結果不顯著。）

以上分析顯?，北京市確實存在?路利?率低的問題。

三、繞路比高的計程車，主要的上車點及下車點在哪？

那麼，到底北京哪些上車點，存在?路利?率低的問題? 同理，哪些下車點存在?路利?率低下的問題也是我們關?的。

時間特徵分析

車流量高峰期時，為避讓擁堵路段，有些計程車司機選擇其他路段，同時帶來一定副作用——繞路，從而降低R值衡量支路利用率的可信度。因此我們主要關心非高峰期時段的情況。我們將時間劃分為24 個?時，如圖5所?，不同時間段下R 值的分布呈現以下特徵:

(1)7-9 點為上班?峰時期: 該時段內R 值?的上車點分布較為分散。

(2)10-17 點?天??峰期: 該時段內R 值?的上車點主要集中在中關村和北京南站等區域。

(3)18-22 點為下班?峰期: 該時段內R 值?的上車點分布比較分散。

(4)23-6 點為夜間??峰期: 該時段內R 值?的上車點主要集中在軍事博物館和?望路區域附近。

（圖片說明：圖中紅??格表?繞路?較?的地點。按時間分組展?：a 圖表?7點到9點，b 圖表?10點到17點，c 圖表?18點到22點，d 圖表?23 點到凌晨6 點。）

空間特徵分析

我們將0到20000?的直線距離劃分為41 個區間，每個區間的長度均為500 ?。如圖6所?，不同距離段下R 值的分布呈現以下特徵:

(1)0-1000 ?短距離出?: 這段距離出?的計程車繞路?值最?，R 值?的上車點集中分布在五棵松、軍事博物館等區域。

(2)1000-5000 ?中短距離出?: 中短距離出?的R 值?短距離出?時低，說明這段距離的繞路情況?短距離時有所緩和，主要集中在北京南站、國家圖書館和王府井等區域。

(3)5000-10000米中長距離出?: 這段距離出?的計程車R 值?的上車點集中分布在北京南站、丰台科技園等區域。

(4)10000-20000米長距離出?: 這段距離出?的計程車R 值?的上車點集中分布在北京的郊區，北邊集中在西二旗，南邊集中在丰台科技園。

（圖片說明：圖中紅??格表?繞路?較?的地點。按直線距離分組展?：a 圖表?1000米以內，b 圖表?1000-5000米，c 圖表?5000-10000米，d 圖表示10000米以上）

綜上，我們得出以下結論: 北京市R值高的上車點主要集中在王府井、國家圖書館、北京南站、中關村、軍事博物館和和五棵松?帶。同理，我們也可以對下車點進行分析，北京市R值高的下車點主要集中在王府井、北京南站、軍事博物館、國家圖書館、五棵松和積水潭等區域。

哪些地方的支路利用率低？

目前為止，我們靜態分析了哪些上車點上車和哪些下車點下車會繞路較遠，那麼繞路繞得?較遠的路程是從哪?上車和哪?下車的?

為解決這個問題，接下來以動態的視?，從兩??開展分析:

???，?R值的上車點主要集中在王府井、中關村、國家圖書館、北京南站、軍事博物館和和五棵松區域附近。從這些上車點出發的計程車，是去哪些地?下車會繞路繞遠呢？分析結果如圖7所示。

另???，?R值的下車點主要集中在王府井、北京南站、軍事博物館、國家圖書館、五棵松和積水潭等區域附近。到達這些下車點的計程車，都是從哪些地方出發導致繞路繞得遠呢？分析結果如圖8所示。

（圖片說明：固定上車點，找R值高的下車點。圖中紫?和綠??格表?固定的上車點，其中綠??格表?從該點出發到達該點繞路比也高。紅色方格表示從綠色（或紫色）方格出發，且繞路?較?的車輛到達的終點。）

（圖片說明：固定下車點，找R值高的上車點。固定下車點，找R值高的上車點。圖中紫?和綠??格表?固定的下車點，其中綠??格表?從該點出發到達該點繞路比也高。紅色方格表示到達綠色（或紫色）方格，且繞路?較?的車輛出發的上車點。）

當固定?R值的上車點時，我們發現，其對應的下車點都在上車點附近。應用同樣的思路，固定其下車點，我們也發現對應的上車點都是在下車點。這?結論和我們之前的分析?致，即?R值的記錄都是短途旅?，?短途旅?中更多依賴?路，因此，我們能夠找出?路利?率低的地?。

?R值的上車點和下車點重合的區域為王府井、北京南站、軍事博物館、國家圖書館、五棵松，說明這些區域的?路利?率低下的情況?較嚴重，在這些區域鄰近範圍內?駛都會繞路繞得遠。

結論與建議

我們創新性利?計程車運營軌跡數據來分析?路利?情況,不僅為城市研究提供新思路，得出的結論也具有很強的實際意義。我們通過?系列分析，得出北京市確實存在?路利?率低的問題，??路利?率最低的區域主要集中在王府井、北京南站、軍事博物館、國家圖書館、五棵松這些區域。

其實北京市存在很多?路，只是由於各種原因，?如沒有路標指?、?路與其他道路之間不連通等，導致?路利?率低下。建議管理者著重在這些區域加強?路規範化管理，包括對違規佔道售賣和停放的管理、對路?硬化和綠化的管理以及加強?路路標指引建設的管理等。

參考文獻：

[1]

H. Cai, X. Zhan, J. Zhu, X. Jia, A. S. Chiu, and M. Xu, Physica A:

Statistical Mechanics and its Applications 457, 590 (2016).

[2] S. A. Arhin, L. N. Williams, A. Ribbiso, and M. F. Anderson, Journal of Civil Engineering Research 5, 10 (2015).

[3] T. Toledo, H. Farah, S. Morik, and T. Lotan, Transportation research part F: tra_c psychology and behaviour 26, 180 (2014).

[4] 李恆鑫. 基於緊湊城市理念步?原則的街區尺度與道路模式研究.Master』s thesis，南京?學， 2014

編輯 | 王旭晶： wangxujing@dtcj.com

題圖 | 站酷海洛

▍數據俠門派

本文數據俠張忠元，中央財經大學統計與數學學院教授。成慧敏，中央財經大學統計與數學學院博士生。

▍加入數據俠

「數據俠計劃」是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。了解數據俠計劃詳情請回復「數據俠計劃」，投稿、合作請聯繫datahero@dtcj.com。