时空行为视角下上海市早高峰拥堵的形成模式与规划应对
转自：上观新闻
从时空行为视角溯源导致拥堵的出行原因，有助于理解拥堵形成的时空全过程。本文以上海市早高峰期间常发拥堵路段与机动车出行为研究对象，使用手机信令数据与交通态势数据进行交通流分配，还原出行的时空轨迹，从空间、时间、行为3个维度刻画早高峰拥堵形成的总体特征，解析具体路段的拥堵形成模式。发现拥堵的主要来源是沿内环、中环连片的居住密集区，去向主要集中在内环内的就业集中区；道路拥堵模式可归纳为“时空集中型”“出发集中型”“到达集中型”“时空分散型”4种主要类型；进而结合时空行为规划理论框架提出针对性的缓堵策略。从时空全过程视角认识道路拥堵的形成原因，可以为精细化的拥堵治理提供参考。
1研究数据与方法
1.1技术路线从时空行为视角来看，道路拥堵体现为不同交通主体的出行需求在时空上“聚集共现”。为了深入理解道路拥堵的形成模式以提出规划应对策略，可以从空间、时间、行为维度溯源拥堵贡献者的出行全过程，从而解释拥堵形成的内涵。
本文选取常发拥堵路段①作为研究对象，这些路段的拥堵具有一定的时空规律性，更能体现特定城市空间拥堵的一般性特征。研究思路如下：
首先，构建早高峰地面交通出行的时空轨迹数据集。以手机信令数据提取的出行OD作为交通发生量，基于交通拥堵态势数据中的车速信息，使用随机多路径交通流分配法②，模拟获得每个OD的时空轨迹。算法分3个步骤实现：（1）为每一个OD基于时耗计算10条最短路径；（2）以各路径与最短路径的时耗差作为阻抗，生成10条带有选择概率的时空轨迹；（3）根据概率随机选择1条轨迹作为结果。
其次，开展城市道路拥堵的总体溯源。筛选轨迹数据中集中遭遇拥堵的出行，定义为拥堵出行或拥堵人群。汇总所有拥堵人群经过拥堵路段长度的总和，定义为拥堵贡献里程，通过计算其在出发侧、到达侧的空间分布量和时间分布量，来刻画拥堵形成的空间、时间与出行人群的特征。
再次，解析具体路段拥堵形成的时空行为模式。本文从空间、时间、行为3个关键维度，对每条拥堵路段定量溯源并划分类型。
路段拥堵溯源的指标与类型划分
在空间维度，提出拥堵出行的出发地、到达地拥堵源概念，度量贡献路段拥堵的关键源头区域；对存在拥堵源的路段，针对性地开展源头管控将更有成效。在时间维度，定义拥堵时间集中度指标，度量路段流量的时变特征；高指标值表示拥堵存在明显的高峰时段，更适合采取错峰策略。在行为维度，定义拥堵主导人群指标，度量不同人群对路段拥堵的贡献差异；结合人群活动特征制定个性化引导策略，能够提高精准治理水平。
最后，对具体路段拥堵成因的特征进行综合分析，归纳典型的拥堵形成模式，并提出时空行为规划应对策略。
1.2研究数据
拥堵态势数据方面，本文采用高德地图平台提供的交通态势API接口，获取上海市2020年11月2日—2020年11月6日（连续5个工作日）内早高峰时段（7：00—10：00，15min间隔）的交通态势数据，其中包括拥堵路段名称、空间矢量、路况③、车流速度等字段信息。为了简化问题，本文假设在15min内每一条拥堵路段的路况、车流速度不发生变化。
手机信令数据方面，本文采用联通公司提供的2020年11月上海市手机信令数据，使用1km网格汇总拥堵数据对应时段内的出行OD数据。筛选联通公司平台定义的“地面交通出行”且距离大于3km的出行作为研究对象，即机动车出行。在此基础上，按出行目的与规律性划分人群属性：将OD组合为“家—工作地”“其他地—工作地”的出行人群识别为通勤人群；将1个月内同一OD空间位置机动车出行次数大于3次的人群视为惯常人群。
出行时空轨迹数据集方面，为了验证交通分配结果的有效性，随机抽取1000条轨迹作为实验组，以高德地图导航推荐轨迹结果作为对照组（每一组出发时间相同）。结果表明，出行时耗、距离的R2都大于0.9，在0.001水平上显著，平均绝对误差分别为200s、582m；相似路段（容差50m以内）总长度占比约80%，最远偏移距离的中位数仅为103m，平均值为402m。
2道路拥堵的总体溯源结果
2.1常发拥堵的基本特征早高峰期间（7：00—10：00），浦西地区整体拥堵水平高于浦东。
常发拥堵路段的平均拥堵时长来源：笔者自绘。其中，拥堵持续时长大于150min的常发拥堵主要在浦西地区的快速路上呈线性连续分布；拥堵持续时长小于90min的常发拥堵主要发生于主干道、次干道及支路（以下统称为“一般道路”），在郊区大型居住片区成片断续分布。同时，道路等级与拥堵强度呈正相关：快速路平均拥堵时长最高，达129min，而支路为80min，表明在对常发拥堵进行治理时应优先关注城市快速路网。
2.2拥堵溯源的OD空间特征汇总全市范围内拥堵出行的来源与去向，可以揭示上海市域尺度拥堵的时空演化规律。从空间分布上来看，拥堵出行的主要出发地呈现“两片多核”的格局：内环、中环沿线的居住密集片区是引发全市拥堵的重要源区，尤其在浦西形成了南北向的两大集聚片区；同时在外围形成多个高值核心，以大型居住社区为主。相比之下，拥堵出行的主要到达地则高度集中于内环内的商务办公、科创产业等就业功能片区，并在局部形成高强度集聚点。
2.3拥堵溯源的时间特征按途经时间汇总全市拥堵贡献里程，并按出发、到达时间汇总拥堵人群总量。结果表明，早高峰期间高峰形态明显，拥堵贡献人群的出发、到达高峰时段分别在8：00左右和8：30左右，5min内出行人次均约8万人；途经高峰时段为8：00—8：30，平均每5min内全市拥堵贡献总里程达30万km。拥堵贡献总里程与拥堵贡献出行人次呈正相关，人均贡献拥堵里程约为4.7km，占总出行距离（17.3km）的27%。
2.4拥堵溯源的人群特征从对全市拥堵的贡献总量来看，早高峰拥堵主要由惯常通勤人群和随机非通勤人群贡献：二者贡献总量接近，分别占43%、42%；二者对拥堵的贡献随时间发生变化，前者在8：30前占主导、后者在8：30后更多。结合人均贡献情况可知，尽管随机非通勤人群（36%）出行量小于惯常通勤人群（48%），但由于其出行距离更长，因而人均拥堵贡献量（5.4km）高于后者（4.1km）。这表明在制定精细化缓堵策略时，既要重视通勤高峰期的需求引导，也需关注非通勤人群的行为优化。
各类人群的拥堵贡献里程来源：笔者自绘。进一步对比两类人群的空间分布发现，其出发地具有相似性，而到达地则存在明显差异。其中，惯常通勤人群的拥堵出行到达地主要集中在传统商务办公区，高度依赖于就业岗位；而随机非通勤人群的拥堵出行到达地主要在浦西中环内分散、成片分布，主要受商业、医疗、交通枢纽等服务设施吸引。
3道路拥堵的时空行为模式解析
3.1空间模式解析
为厘清各拥堵路段贡献出行在空间上的分布特征，基于前文所定义的空间维度指标，对其来源与去向的集聚程度进行评估。结果表明，58%的常发拥堵路段在出发侧存在拥堵源，55%的路段在到达侧存在拥堵源。进一步分析这些存在拥堵源路段的空间特征，发现其中超过90%的路段拥堵源呈现聚集特征，且拥堵源与拥堵路段的距离较近，说明路段的拥堵基本受到单一拥堵源的影响，且空间作用距离较近。
基于拥堵出行首末点分布的异同，将常发拥堵归纳为4种典型的空间形成模式。其中，同O不同D型占25%，主要分布于大型居住片区通往就业中心的主次干道上，在外环内呈片状聚集分布，郊区则较为分散；不同O同D型占22%，主要分布于就业中心片区的主次干道上；同O同D型占33%，在空间邻近前二者且呈片状聚集、连续分布的特征；不同O不同D型占20%，主要分布于高速、高架等城市结构性通道上。可以看出，不同等级道路因其服务对象、交通功能的差异，在拥堵的空间组织逻辑上也有所不同。
常发拥堵空间模式的空间分布来源：笔者自绘。为进一步说明拥堵溯源的空间解析方法的效果，本文以中春路和南北高架为例进行对比分析。南北高架、中春路分别是上海市内最重要的南北向快速路、闵行区内重要的南北向干道，均因拥堵问题突出
3.2时间模式解析基于拥堵时间集中度指标，识别出两种主要的拥堵时间模式。61%的拥堵路段属于尖峰型，错峰调节潜力较大，主要分布于主次干道；相比之下，厚尾型则因早高峰期间流量保持相对稳定，调节难度相对更大，主要分布于高速、高架、主干道等高等级道路。总体呈现道路等级越高，尖峰型拥堵占比越低的特征。从空间分布上看，拥堵路段时间集中度普遍较高的板块主要有五个新城、陆家嘴、张江、金桥加工区、外高桥、友谊、月浦、马桥、颛桥等街道单元。
常发拥堵时间模式的空间分布来源：笔者自绘。中春路（莘松路—沁香路）段是典型的尖峰型拥堵路段，其出行流量在高峰时段内（7：30—8：30）存在明显的波峰；而南北高架（呼兰路—共康路）段是典型的厚尾型拥堵路段，波峰不明显。
3.3行为模式解析基于人群特征指标，结果表明，62%的路段拥堵由惯常通勤人群主导，主要在外环内就业中心区、外环外大型居住区内的一般道路上密集成片分布；25%的路段拥堵由随机非通勤人群主导，主要分布在快速路上，交通枢纽片区内尤其明显。
常发拥堵行为模式的空间分布来源：笔者自绘。中春路（莘松路—沁香路）段的拥堵出行中，惯常通勤人群、随机非通勤人群、其他人群各占51%、35%、14%，是典型的惯常通勤主导型拥堵路段，其中惯常通勤人群占比在高峰时段内达60%左右；而南北高架（呼兰路—共康路）段的拥堵出行中，上述各类人群分别占29%、52%、19%，由随机非通勤人群主导。
4基于时空行为规划的缓堵应对策略
4.1拥堵形成主要模式
为了提出缓堵应对策略，需要综合归纳拥堵路段的空间、时间、行为模式。因此，将3个维度的不同模式交叉分析，拥堵路段可以被分为32种模式。
一方面，从路段长度占比看，最高的4类分别是“尖峰—同O同D—惯常通勤主导”（以下简称“时空集中型”）、“尖峰—同O不同D—惯常通勤主导”（以下简称“出发集中型”）、“尖峰—不同O同D—惯常通勤主导”（以下简称“到达集中型”）、“厚尾—不同O不同D—随机非通勤主导”（以下简称“时空分散型”），各占23%、12%、9%、9%，合计54%，即这4类拥堵的时空行为模式可以解释早高峰大部分路段的拥堵成因。
另一方面，从3个维度之间的关系出发同样可以归纳出这4种主要模式。尖峰型拥堵通常与惯常通勤主导型拥堵相关联，且在此基础上根据空间特征的具体形式，演化出时空集中型（同O同D）、出发集中型（同O不同D）、到达集中型（不同O同D）3种类型。其中，时空集中型可被认为是出发集中型、到达集中型的特殊形式，同时具备出发集中型、到达集中型的相关特征。厚尾型拥堵通常与不同O不同D型、随机非通勤主导型拥堵相关，定义为时空分散型。
从空间分布来看，出发集中型拥堵主要分布于中环外大型居住片区；到达集中型拥堵主要分布于中环内就业中心片区；时空集中型拥堵则与出发集中型、到达集中型拥堵分布特征相似，主要在居住—就业复合片区内聚集成片分布；时空分散型拥堵主要分布于结构性交通廊道内的快速路上。
4.2不同拥堵模式的规划应对策略
基于对拥堵时空行为模式的理解，可以针对性地制定缓堵对策，以提高时空行为规划的可实施性：
（1）拥堵贡献的空间集中度越高，对拥堵贡献的出发、到达空间进行干预的潜力越高，越适合进行空间规划以实现源头管控。
（2）时间集中度越高，表明越有可能通过时间规划管理措施来降低拥堵波峰。
（3）惯常通勤人群因受到较强的时空约束，宜采用“自上而下”的措施改变其出行选择，而随机非通勤人群敏感性较低，可通过引导使其优化自身出行行为。
因此，对于4种主要拥堵模式，根据其空间、时间、行为特征，可以制定相应的规划策略。
各类型拥堵模式的潜在缓堵策略
