北京市哪些地区的支路利用率最低？

随着大数据时代到来，中国着?建设交通信息化?程，旨在将各类交通?数据应?于城市管理，充分利?各类交通数据资源。作为城市交通的必不可少的?部分，出租车以GPS数据记录了司机在受到路?限制条件下载客的时空轨迹[1]。

出租车司机有丰富的经验，他们往往会根据经验选择最优的路线。出租车司机出行主要依靠4种道路：城市道路分为快速路、主?路、次?路和?路[2-3]。

长期以来，在道路?规划中，人们往往把?光聚集在快速路以及?路建设上，?忽略了?路?的规划建设，导致城市路?衔接不畅。本应为?们带来较?便利性的?路体系变成了各类“断头路”、“瓶颈路”和“错位路”。

?2016年2?6?中共中央国务院发布《关于进一步加强城市规划建设管理工作的若干意见》后，?们才开始?度重视该问题。但是，?们关于上述意见的讨论还仅限于定性研究，据我们所知，?前还没有?从定量的层?提供建议。

在此，我们基于收集到的北京市出租车运营数据和纽约出租车运营数据，试图量化回答两个问题：1. 北京市是否存在?路利?率低的问题? 2. 如果存在，那么哪些地路利?率低的情况最严重?

一、数据与方法

我们收集到2012年11?北京市和纽约市的出租车运营轨迹数据，其中包括5134909条北京市出租车和纽约市11797410条黄色出租车的运营记录。图1为北京和纽约的出租车位置分布图，颜色越亮表示车流量越大。

图1:（a）北京市出租车位置分布图;（b）纽约市出租车位置分布图

为研究支路利用率的问题，我们首先构造出绕路比指标：

R＝Dt／Dl

其中Dl指两点之间的直线距离，Dt指两者之间的行驶距离。

行驶距离为出租车的行车记录仪记录下来的距离，直线距离由我们通过计算上车坐标与下车坐标之间的球面距离而得。R值越大，说明行驶距离与直线距离之间的差异越大。R值和?路利?率紧密相关。如果城市?路利?率越?，即出行的直线距离和?驶距离的差别越?，R就越接近1。反之，如果城市?路利?率越低，R就越?。这样的特征在短距离的旅?中表现得尤为突出（有研究表明，短途出行时，出租车司机更倾向于选择支路[4]）。

二、北京与纽约的对比

北京市与纽约市都是以汽车和地铁作为主要客运交通?具的特?型城市。2012年11?，两市出租车运营直线距离和上车时间分布密度如图2所示。

从运营距离看，两市出租车的运营直线距离都集中在0到5000?，且都呈现右偏分布的特征；从上车时间看，两市出租车的运营时间都呈现出约三个波峰的分布特征，且三个波峰出现的位置基本相同。因此，两市出租车运营状况具有?定可?性。

图2：上车时间（左图）与直线距离（右图）分布密度图。左图中的X轴表示时间，1表示凌晨1点，2表示凌晨2点，….，23表示晚上11点。

整体对比

如表1所示，北京市R的平均数是1.582，纽约市R的平均数是1.477。我们使?t检验?法检验两市的R是否具有显著性的差异。结果显?，北京市R显著?于纽约市R，说明从总体看来，北京市?路利?率显著低于纽约市?路利?率。

表1：不同城市的R值特征。其中MN表示均值，MD表示中位数，STD表示标准差，Q1表示四分之一的中位数，Q3表示四分之三的中位数。

按上车时间分组比较

我们对上车时间，按照1?时为组距，分组统计两市出租车的R。我们对每?组R 都做了T检验。检验结果如图3所示，?乎所有时段，北京市绕路?显著?于纽约市绕路?，车流量较?的时段，两市绕路?都较?，车流量较?的时段，两市绕路?都较低，北京市绕路?的波动?纽约市绕路?更明显。

按直线距离分组比较

我们对直线距离，按照500 ?为组距，分组统计两市出租车的R。本?对每?组R 都做了T检验。检验结果如图3所示，直线距离?于6500 ?时，北京市R值显著?于纽约市的R值。值得注意的是，69.06% 的北京市出租车运营和87.64% 的纽约市出租车运营处于该范围。

图3：绕路?按上车时间（左图）和直线距离（右图）分组?较；实线表?北京市， 虚线表?纽约市，红?区块表?北京市R值显著?于纽约市R值，蓝?表?纽约市R值显著?于北京市R值，白色表示t检验结果不显著。

按时间距离交叉分组比较

最后，我们直线距离按500?为组距，对上车时间以1?时为组距进?了交叉分组， 对每组的结果进?了t 检验。检验结果如图4所示，北京市绕路?显著?于纽约市绕路?的区域呈现出明显的集群特征。在北京，小于5000米的短途出行时，绕路比显著高于纽约，该特征在白天尤为明显。

综上，我们得出结论：北京市的确存在支路利用率低的问题。

图4：绕路比按时间距离交叉分组比较。图中X轴表示直线距离，纵轴表示上车时间。 红色格子表示北京市R显著高于纽约市，蓝色格子表示纽约市R值显著高于北京市，颜色越深，差异越大。白色表示t检验结果不显著。

以上分析显?， 北京市确实存在?路利?率低的问题。

三、绕路比高的出租车主要的上车点及下车点在哪？

那么，到底北京哪些上车点，存在?路利?率低的问题? 同理，哪些下车点存在?路利?率低下的问题也是我们关?的。

时间特征分析

车流量高峰期时，为避让拥堵路段，有些出租车司机选择其他路段，同时带来一定副作用——绕路，从而降低R值衡量支路利用率的可信度。因此我们主要关心非高峰期时段的情况。我们将时间划分为24 个?时，如图5所?，不同时间段下R 值的分布呈现以下特征:

(1)7-9 点为上班?峰时期: 该时段内R 值?的上车点分布较为分散。

(2)10-17 点?天峰期: 该时段内R 值?的上车点主要集中在中关村和北京南站等区域。

(3)18-22 点为下班?峰期: 该时段内R 值?的上车点分布比较分散。

(4)23-6 点为夜间峰期: 该时段内R 值?的上车点主要集中在军事博物馆和?望路区域附近。

图5：图中红格表?绕路?较?的地点。按时间分组展?：(a) 图表?7点到9点，(b)图表?10点到17点，(c) 图表?18点到22点 ，(d) 图表?23 点到凌晨6 点。

空间特征分析

我们将0到20000?的直线距离划分为41 个区间，每个区间的长度均为500 ?。如图6所?，不同距离段下R 值的分布呈现以下特征:

(1)0-1000 ?短距离出?: 这段距离出?的出租车绕路?值最?，R 值?的上车点集中分布在五棵松、军事博物馆等区域。

(2)1000-5000 ?中短距离出?: 中短距离出?的R 值?短距离出?时低， 说明这段距离的绕路情况?短距离时有所缓和， 主要集中在北京南站、国家图书馆和王府井等区域。

(3)5000-10000米中长距离出?: 这段距离出?的出租车R 值?的上车点集中分布在北京南站、丰台科技园等区域。

(4)10000-20000米长距离出?: 这段距离出?的出租车R 值?的上车点集中分布在北京的郊区，北边集中在西二旗，南边集中在丰台科技园。

图6：图中红格表?绕路?较?的地点。按直线距离分组展?：(a) 图表?1000米以内，(b)图表?1000-5000米，(c) 图表?5000-10000米 ，(d) 图表示10000米以上

综上，我们得出以下结论: 北京市R值高的上车点主要集中在王府井、国家图书馆、北京南站、中关村、军事博物馆和和五棵松?带。同理，我们也可以对下车点进行分析，北京市R值高的下车点主要集中在王府井、北京南站、军事博物馆、国家图书馆、五棵松和积水潭等区域。

哪些地方的支路利用率低？

目前为止，我们静态分析了哪些上车点上车和哪些下车点下车会绕路较远， 那么绕路绕得?较远的路程是从哪?上车和哪?下车的?

为解决这个问题，接下来以动态的视?，从两开展分析:

，?R值的上车点主要集中在王府井、中关村、国家图书馆、北京南站、军事博物馆和和五棵松区域附近。从这些上车点出发的出租车，是去哪些地?下车会绕路绕远呢？分析结果如图7所示。

另，?R值的下车点主要集中在王府井、北京南站、军事博物馆、国家图书馆、五棵松和积水潭等区域附近。到达这些下车点的出租车，都是从哪些地方出发导致绕路绕得远呢？分析结果如图8所示。

图7：固定上车点，找R值高的下车点。图中紫?和绿格表?固定的上车点， 其中绿格表?从该点出发到达该点绕路比也高。红色方格表示从绿色（或紫色）方格出发，且绕路?较?的车辆到达的终点。

图8：固定下车点，找R值高的上车点。固定下车点，找R值高的上车点。图中紫?和绿格表?固定的下车点， 其中绿格表?从该点出发到达该点绕路比也高。红色方格表示到达绿色（或紫色）方格，且绕路?较?的车辆出发的上车点。

当固定?R值的上车点时，我们发现，其对应的下车点都在上车点附近。应用同样的思路，固定其下车点，我们也发现对应的上车点都是在下车点。这?结论和我们之前的分析?致，即?R值的记录都是短途旅?，?短途旅?中更多依赖?路，因此，我们能够找出?路利?率低的地?。?R值的上车点和下车点重合的区域为王府井、北京南站、军事博物馆、国家图书馆、五棵松，说明这些区域的?路利?率低下的情况?较严重，在这些区域邻近范围内?驶都会绕路绕得远。

结论与建议

我们创新性利?出租车运营轨迹数据来分析?路利?情况,不仅为城市研究提供新思路，得出的结论也具有很强的实际意义。我们通过?系列分析，得出北京市确实存在?路利?率低的问题，路利?率最低的区域主要集中在王府井、北京南站、军事博物馆、国家图书馆、五棵松这些区域。

其实北京市存在很多?路，只是由于各种原因，?如没有路标指?、?路与其他道路之间不连通等，导致?路利?率低下。建议管理者着重在这些区域加强?路规范化管理，包括对违规占道售卖和停放的管理、对路?硬化和绿化的管理以及加强?路路标指引建设的管理等。

参考文献：

[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] 李恒鑫. 基于紧凑城市理念步?原则的街区尺度与道路模式研究.Master”s thesis， 南京?学， 2014

新闻推荐

贵州一烙锅店服务员添燃料遇喷火 乱扔液体酒精致四食客烧伤

2月18日，大年初三，贵州安顺好吃街一烙锅店内，服务员为顾客添加酒精时，酒精突然被引燃，导致4名食客受伤，其中一名儿童仍在ICU抢救。小孩和外婆都被当场烧伤。（家属供图）添加燃料引发悲剧胡先生是安顺人。2...