邬 岚，陈 婷，郑 艺，朱亚运，周 涛，潘 浩

(1.南京林业大学汽车与交通工程学院，南京210037;2.东南大学交通学院，南京210096)

居民出行调查 (简称OD调查)是进行城市综合交通规划中的一项基础工作。传统的调查方法主要采用家访调查法，调查需要多部门协同完成，除了制表，人工培训，试验调查和大规模入户调查外，收集回来的数据表格数量庞大，数据表格需要人工输入，工作量巨大，枯燥繁琐，调查成本高。所得数据是由被调查者回忆式完成，误差较大;公众的配合程度不一，通常选周三为调查日，对于周末出行等情况反映不够全面。OD调查一般每5a需重新调查一次，目前很多城市都达不到。利用现在的高新技术改善居民出行调查工作显得尤为必要。国内外兴起许多以定位技术和移动电子设备为主的新型调查方法，相较于以前的方法有着明显的优势，数据信息量大，效率高、节省成本。

20世纪90年代中期，GPS设备第一次被引进交通调查领域来考查个人的出行问题，设备不能方便携带，也没有配置内存来存储轨迹。2001年Wolf［1］提出并证明了 GPS调查可减少漏报情况。2006年日本对基于GPS的手机调查进行了初步设计［2］，但未形成实际软件，也未与GIS结合进行居民出行基本指标的判定。2007年，Jianhe［3］创新性的提出了一种将GPS数据、GIS和网页调查结合起来的出行调查方法，着重于出行方式和出行目的的检测和识别。此方法应用于荷兰出行调查中［4］，并证明了基于GPS的方法能获得可靠的多日调查数据。但要求用户在指定日期出行时随身携带GPS手持设备，并发放流水日记，直到调查过程结束后再一并收回问卷和设备，而且整理数据时，还需要将设备和问卷一一对应编号，实际上仍然增大了工作量。

2007 年，杨飞［5］、黄美灵［6］等人的研究提出基于GSM无线通信系统下，手机在通信网络中位置区的变化间接地反映了手机用户在路网中位置的变化，通过建立通信网络中位置区与路网划分的交通小区之间的对应关系，将位置区变化信息映射到交通小区，从而获取相应的OD数据。该技术数据采集过程完全依赖于GSM的定位功能，没有用户的直接参与，而只能获得出行时间、距离、出发地和目的地的数据，至于用户的出行方式、出行目的及个人信息无从得知，调查结果不全面，且GSM定位的精度有限，而且精度因通信基站密度不同有较大变化，因此仅适于较为粗糙的调查小区，并且受限于城市中心范围。2007年，李洪武［7］等将GIS技术应用于大型活动交通管理中，开发了基于GIS技术的大型活动交通管理模拟信息系统，在很大程度上提高了交通组织管理的科学性和效率。2010年，张治华［8］依靠GPS数据的时空特征，获得对常规出行信息的有效提取方法，包括GPS数据过滤、行程识别、方式判别和目的检测的方法，并开发软件通过小量的样本进行了实际检验，但并未应用在移动设备上。张博［9］在其博士论文中利用手机网络定位技术，对出行方式的特征进行了研究，设计了路径匹配和出行方式模糊识别的方法。2010年，张兵［10］等构建了建基于GIS的交通信息发布系统数据库，芦方强［11］等研究了基于公交OD数据的居民公交出行特征研究。2011年广东佛山设计出了基于GSM和GPS的调查软件，但是软件界面复杂，操作较繁琐，不利于推广，且未对出行目的进行分析。

1 系统功能及设计思路

OD调查系统设计的原则主要是对用户端的手机软件操作要简单易行，对数据合理分析要能得出出行方式、出行目的及出行量。

系统分为两个模块，第一模块是移动设备上的客户端软件开发，第二模块分析处理服务端是进行用户出行信息的接收储存以及数据分析。

在移动设备上开发的居民出行调查软件 (简称ODAS软件)。基于Android系统用Java语言开发完成，用户下载ODAS软件时填写注册信息，然后在手机上安装运行软件，此后不需要用户再进行任何其他操作，移动设备返回数据信息到MYSQL数据库中，结合GIS工具，将道路网、公交线网、建筑物属性、用地属性输入GIS中，进行起讫点判断以及出行目的的判断，通过平均速度、瞬时速度和停留时间以及出行路径与公交线网比对判断出行方式，最后获得出行量分布。

用户安装运行软件后，移动设备将每30s(时间间隔可自由设置，例如可以设置成15s，或1min)录入位置等信息数据到基础信息库，如图1所示。

图1中第一列信息为日期时间，第二、三列为经度纬度，第四列为30s的出行距离，第五列为30s的平均速度，在全天24 h的2880条反馈信息中每条信息中的速度值可以近似看做是出行的瞬时速度。

在实际操作中发现，反馈的数据会有个别时间段的位置信息没有记录，数据丢失，但时间长度不超过数分钟，系统对这些数据会进行检查纠错，采取与相邻信息的近似处理。

GIS信息库和数据分析均由操作人员后台处理，GIS地图需为带经纬度的矢量图，根据用地图标注用地属性，根据小区划分图在GIS地图上确定小区位置，路网、公交线网根据需求定期更新。

2 数据处理关键技术

由于ODAS软件在用户手机中安装运行后不需再进行其他操作，因此对反馈的数据信息进行挖掘分析是系统设计的关键。

(1)对初始出行起点的判定。判定原则:出行距离大于300m且经过城市道路作为开始出行的O点。

图1 基础信息数据库格式Fig.1 Format of basic information data

在一天的出行数据中，找出连续30 min速度小于1.2 m/s的数据，并进行分组编号。每组里面对基础信息库中每10条信息的出行距离累加，如果出行距离大于300 m，且出行轨迹与道路网重叠，表明出行利用了城市道路网，则表示开始出行。取第一条信息的位置点为出行起点，对应到GIS图中得到O点小区编码。

(2)对一次出行的终点的判定。判定原则:每30 s的平均速度小于1.2 m/s，停留时间大于30 min，移动范围半径小于300 m。

对基础信息库中每60条信息的出行距离累加，即为30min的用户出行距离，并计算30 min的出行平均速度。如果出行距离小于300m，平均速度小于或等于1.2m/s，则取这60条信息中的第一条信息的位置点为此次出行的终点，对应到GIS图中得到D点小区编码。

图2 速度分析图Fig.2 Velocity distribution analysis

第二次出行的O点即为上次出行的D点，第二次出行的D点仍然按照上述方法得出，以此类推，可以得出一天中每个用户的出行次数和每次出行的起讫点。

(3)对出行目的的判定。判定原则:GIS中设置用地属性及建筑物属性如商场、医院、办公大楼、居住区，根据建筑物属性和停留时间判定出行目的。

居民出行数据返回数据库后，操作人员将每个出行终点的经纬度导入GIS图里，根据每个终点所在建筑物的性质及用地属性，并且结合居民在终点停留的时间长度来判断出行目的。以扬州市区为例:居民从扬州大学出行，到达目的地扬州市中医院，从建筑物性质可知，出行目的有两种可能:上班或者看病。结合速度分析图 (如图2所示)可知，第一次出行D点的时间在9点钟左右，第二次出行的O点在下午5点钟左右，所以第一次出行的目的是去医院上班。

(4)对出行方式的判定。判定原则:采用平均速度为主，结合瞬时速度以及与公交线路的重合度判定。居民出行方式根据速度分析图中的速度与每种交通方式的速度范围表 (见表1)对比，得出出行方式，以出行者从南京林业大学到东南大学为例。

表1 每种出行方式的速度范围 (km/h)Tab.1 The velocity range of each travel mode(km/h)

如图3所示，开始10 min的平均速度是5 km/h，可以判定出行方式是步行，停顿数分钟后平均速度达到14 km/h，判定出行方式为自行车出行，中途的停顿为红灯时间，最后一段平均速度又变为4.5 km/h，出行方式为步行。

图3 自行车速度分析图Fig.3 The velocity analysis of bicycle

3 操作实例

以一个被调查者骑自行车从南京林业大学到东南大学为例。首先，被调查居民者下载并安装软件到HuaweiC8650手机，然后启动软件并填写个人信息，如图4所示。

图4 ODAS手机界面(a)login interface;(b)survey running interface Fig.4 ODAS interface.

点击出行后，手机界面跳转至地图页面，显示出行者此刻所在位置，此时被调查者将手机保持开机状态即可。基础数据库中储存的经纬度信息。此调查系统的特点概括如下:

(1)手机软件操作简便易行，对于非专业基础人员亦可方便进行调查，易于推广。

(2)由于软件本身随着用户出行而记录数据，所以记录的数据具有实时性。

(3)可以得到一天完整的出行记录以及工作日和非工作日的出行记录，保证了数据的充足性，同时无需前期制表和后期的数据录入，大大调查效率。

(4)如果加以配合手机流量奖励、手机话费赠送等措施，能够大大提高调查数量和调查的时间范围。

(5)由于调查可以获得海量的信息数据，对于公交线网的评价、交通拥堵节点的等都能有效分析，同时系统还可应用在出租车合乘的管理上。

以扬州市区为例，首先根据系统生成的速度时间图来进行OD点的判断以及各出行方式的判断。然后将最终的数据导入GIS图中，根据地图上的分区找到O点和D点所在小区，录入OD表，如图5所示。并且在GIS图中找出对应的建筑物名称或者地点名称 (如图5所示，见表2)。

图5 GIS中扬州市分区图Fig.5 Zone division map of Yangzhou in GIS

根据建筑物的性质、速度时间图以及基础信息进行出行目的的判断。

4 结论

这项研究中，设计出了基于移动设备的OD调查系统，并应用于扬州OD调查。通过反馈的调查数据，确定了出行的起讫点、出行目的和出行方式。

表2 小区匹配表Tab.2 The corresponding zone number of OD point

ODAS软件是基于安卓系统的手机用户，未来还可以考虑基于塞班、ios等系统的软件开发，适用于各种手机用户。居民出行调查在综合交通规划中具有举足轻重的地位，它的应用推广前景十分广阔。

［1］ Wolf J，Loechl M，Thompson M and Arce C.Trip rate analysis in GPS-enhanced personal travel surveys［J］.Transport Survey Quality and Innovation，2003，28:483-498.

［2］ Itsubo S，Hato E.A study of the effectiveness of a household travel survey using GPS-equipped cell phones and a WEB diary through a comparative study with a paper based travel survey［A］.85th Annual Meeting of the Transportation Research Board，Washington，D.C.，January，2006.

［3］ Jianhe D，and Lisa A.Increasing the accuracy of trip rate information from passive multi-day GPS travel dataset automatic trip end identification issues［J］.Transportation Research Part A，2007，41(3):220-232.

［4］齐冬梅，郑加柱.基于Auto CAD的地形图线型定制［J］.森林工程，2011，27(5):58 －60.

［5］杨 飞.基于手机定位的交通OD数据获取技术［J］.系统工程，2007，25(l):42 －48.

［6］黄美灵，陆百川.基于手机定位的交通OD数据获取技术［J］.重庆交通大学学报，2010，29(1)162 －166.

［7］李洪武，蔡先华，陆 建.GIS技术在大型活动交通管理中的应用研究.现代城市研究［J］，2007(2):54－59.

［8］张治华.基于GPS轨迹的出行信息提取研究［D］.上海:华东师范大学，2010.

［9］张 博.基于手机网络定位的OD调查的出行方式划分研究［D］.北京:北京交通大学，2010.

［10］张 兵，邓 卫，姜桂艳.基于GIS的交通信息发布系统数据库设计［J］.武汉理工大学，2010，34(1)5 －9.

［11］芦方强，陈学武，胡晓健.基于公交OD数据的居民公交出行特征研究［J］.交通运输工程与信息，2010，8(2)12 －15.