基于人行道可利用性、质量及连通性来评估BRT站点的可达性

积极的生活方式要求人们更多的使用步行、骑自行车及乘坐公共交通工具来出行，但是研究发现大多数时候，只有很少数人愿意乘坐公共交通、步行或骑自行车达到目的地。研究者大多数关注环境、社会及健康因素对人们选择交通方式的影响，却很少将研究中心集中在人行道的可利用性、质量、连通性以及交通服务设施、自行车道的效率上。许多城市社区因为缺少维护较好、可连通性的人行道，从而使得人们到达公共交通站点花费较长时间，进而降低了人们使用公共交通的意愿。这篇论文以美国加州圣费尔南多谷BRT黄线的18个站点为研究对象，通过构建一个影响步行者到达站点的评价模型评价影响BRT站点步行可达性的因素，包括步行需求、障碍物等影响潜在步行者的决策因素。研究的目的是通过BRT交通站点周边步行道的可步行性、连通性功能分析，提出一个BRT可达性的评价方法。

为评价步行可达性，该论文提出了人行道可利用性和质量指数（SAQI）及连通性指数（CI），SAQI指数解释了步行者通过人行道的可达性程度，CI指数测度了街道网络设计与步行者的可达性关系。以BRT站点400m缓冲半径范围作为研究区域，调查数据时间是2013年6月至7月间。SAQI指数通过评价街道人行道质量来评价可达性，将街道分为差（B）、中等（M）、好（G）三个等级，B级街道没有人行道设施，M级街道只有一侧有人行道或者两侧有人行道但质量较差，G级街道两侧都有人行道且具有理想的步行环境。CI指数通过街道交叉口的水平来评价街道网络设计，将街道交叉口分为三个等级。一级交叉口指死胡同、尽端路、环形交叉口，二级交叉口指三个方向的T型交叉口，三级交叉口指四个方向的十字交叉口。公共交通交通量以及BRT线路周边400m范围内的拉丁裔人口数、平均年龄、平均家庭收入、就业率4个社会经济学统计数据与SAQI/CI指数进行多元回归模型，进一步直观分析评价指数的可解释性。为便于比较评价每个BRT站点的SAQI/CI指数，分别构建了NAI/PC两个基线指数，NAI假设所有的街道都是G级水平下的街道网络可利用性，PC指数假设所有的街道交叉口都是三级水平下的街道网络可达性。

BRT站点周边400m缓冲区研究范围内，大约15%的街道两边没有人行道，15%的街道拥有较差的人行道，即30%左右的街道被认为缺乏可步行性。从SAQI/NAI指数比较来看，SAQI指数越高则该站点的步行可达性越强，NAI指数高而SAQI指数低则说明该站点具有较好的道路网密度但缺乏较好的步行设施而导致可达性较差。因此，如果该站点NAI、SAQI指数差别较小，那么可以通过增加道路网密度来改善可步行性，如果NAI、SAQI指数差别较大，则可通过改善人行道环境来改善可步行性。

BRT站点周边400m缓冲区研究范围内，28%为死胡同，56%为T型交叉口，只有16%为十字路口。谢尔曼路站点CI指数最高，并且SAQI指数也高，是BRT线路最高可达性站点。PC指数是CI指数通过改善现有的交叉口为十字交叉口后的最高指数值，从PC指数跟CI指数关系来看，CI最高值就是PC值。如果CI与PC值之间差别较大，则表明该站点可以通过改善T型交叉口为十字交叉口来提升连通性。如果CI与PC值都较低，则表明改善T型交叉口和死胡同能够使CI=PC，但是只能部分改善连通性，必须通过增加十字路口密度才能显著改善连通性。

从统计分析结果看，首先，公共交通乘客量与CI、SAQI的描述性统计结果是随着CI指数的提高公共交通乘客量也跟着提高，说明CI指数可以作为衡量步行可达性的工具，然而SAQI与公共交通乘客量之间则呈现出U型的关系，说明两者没有直接的相关性。其次，从公共交通乘客量与CI、SAQI以及社会经济统计指标间的回归分析其相关性。CI与公共交通乘客量具有显著相关性，则说明网格街道具有较好的公共交通可达性，但是SAQI则与公共交通乘客量没有显著相关性。另外年龄与公共交通乘客量具有统计关系，因为青年人和老年人相比于中年人更倾向于使用公共交通，但是他们之间不具有线性相关关系，统计结果表明改善老年人的步行环境十分重要。拉丁裔人口与小汽车交通量上升具有明显的正相关关系，这与自我选择优势地理位置及研究区域50%的人口为拉丁裔情况较吻合。就业率与公共交通乘客量间具有90%的可信度，但是负相关关系表明随着就业率的提高，小汽车的使用率会上升。收入水平与公共交通乘客量不具有显著相关性，但并不表明收入对公共交通乘客量间没有任何影响。

SAQI、CI指数为规划师提供了一个评价步行者交通可达性的实用性工具，可以帮助交通规划师在土地利用混合性、人口密度等指标外，利用人行道质量及可利用性指标来评价公交站点位置的可行性。

来源：WOLDEAMANUEL M, KENT A. Measuring walk access to transit in terms of sidewalk availability, quality, and connectivity [J]. Journal of Urban Planning and Development, 2016, 142(2): 04015019.

（供稿：朱娟）

利用手机数据识别土地使用：智利圣地亚哥的案例

人类的行为数据过去常常是通过行为调查的方法来收集的，这种方法具有测试样本小且难以更新的缺点，还会耗费较多的物力和财力。近年来，由于智能手机不断扩大的市场渗透率、日渐丰富的应用程序及其随时随地共享信息的简单性，多种由用户主动公开个人信息数据的渠道开始涌现，如脸书、推特等。手机已经成为人类活动的主要传感器之一。这种大规模实时产生的移动网络数据已被用于社会网络、城市动态和用户行为的分析，提供了前所未有的能在城市、国家甚至全球尺度分析人类行为的机会。现有基于移动网络数据的研究主要使用包含地理定位的推特数据和手机记录数据。在这篇本文中，作者提出运用话题模型的方法，从大量通话数据中自动识别土地使用模式，并验证话题模型在土地使用模式识别应用中的可行性。

LDA（Latent Dirichlet Allocation）是一种常用于文本挖掘和自然语言处理研究的话题模型，其按概率从离散数据中获取文本的话题，并用代表话题的潜在变量关联词和文档。作者将LDA模型在文本应用领域中语料库、文档、词和话题的概念适当调整，引入到利用手机数据识别土地使用模式的应用中来。在该研究中，词指在单位时间段内的通话数，文档指单个基站一周所有单位时间段的通话数，语料库则是所有基站的通话数据，相当于所有文档的集合，最后，话题等同于土地使用模式。模型的目标就是识别有哪些话题以及哪些文档以何种比例使用了它们，换句话说，就是识别土地使用模式类型以及每个基站邻近区域的土地使用构成。

研究区域是智利圣地亚哥，总人口约630万。数据集来自智利最大的电信公司，包括77天内约300万匿名手机用户的8.8亿次通话记录，每条记录包含日期、时间、时长和所连接基站的经纬度坐标信息。首先，作者按照泰森多边形对数据集中的1183个基站进行服务区的分配，城市地区基站服务区的平均面积为0.021km2，农村地区平均为74.6km2；其次，对所有基站每小时通话量占所在一周通话量的比例进行统计，得到77天1183个基站共约91000条记录。

研究采用LDA模型将土地使用模式聚类为10个主题。结合谷歌地图，通过对这10种类型的土地使用模式进行解读，识别出了办公区、居住区、休闲商业区和交通高峰区这四种类型。由于目前拥有的信息源有限，其它六种类型无法得出解释。其中，休闲商业区的每周分时活动曲线特征为周末，尤其是周六活动强度高，工作日活动变化较为规律且在19点左右达到峰值；办公区的特征是工作日期间具有高强度且规律的活动，活动强度在午餐时间有小幅下降，而周末几乎不存在活动；交通高峰区的特点与办公区类似，工作日活动呈现规律性重复而周末活动强度低，但不同的是其每天有三个峰值，上班早高峰、中午就餐小高峰和下班晚高峰；居住区的特征为工作日活动从上午6时开始，白天强度逐渐降低，19点后逐渐升高，于21点达到峰值，周末尤其是周日的活动强度显著高于工作日。

为了进一步分析使用LDA识别用地模式的稳定性，作者将数据集划分为两个时长相等的数据子集S1和S2，计算余弦相似度来量化根据不同数据集识别土地使用的稳定性，余弦相似度值越接近1说明越稳定。结果表明，当数据集减少时，识别出的大多数土地使用模式仍非常稳定。S1与全数据集S在交通高峰区、居住区、休闲商业区和办公区的余弦相似度分别为0.978、0.982、0.983和0.988，S2和S在交通高峰区、居住区、休闲商业区和办公区的余弦相似度分别为0.885、0.936、0.806和0.9886，同样显示出高度的相似性。因此，可以说利用LDA识别出的土地使用模式在不同时间段都具有很好稳定性。

最后，作者将识别结果作为层叠加在城市地图上，以便与实际的土地使用进行比较，从而验证研究方法的可信度。LDA为每个基站返回了识别出的各类土地使用模式的得分，按照分值分别对识别出的四类用地图层与城市地图叠加，舍弃土地使用得分低于给定阈值的基站塔。结果显示，商务和商业中心所在的市中心周边的居住用地得分较高，这与市中心周边是圣地亚哥最大的住宅区相吻合；休闲商业用地得分的高值点包含了圣地亚哥主要的购物中心以及智利最大的体育馆；交通高峰用地模式的高值区则与圣地亚哥的地铁线路高度重合。

该研究展示了一种通过土地使用模式来认识城市行为的方法，从手机数据中推测出无法直接观察到的潜在变量，同时研究也验证了该方法的识别结果是令人满意的。此外，研究识别出了四种土地使用模式，除了以往研究中常见的办公区和居住区，还有休闲商业区和交通高峰区这两种新的类型。因此，作者认为该研究成功地表明LDA这一概率生成式算法能够帮助我们发现新的信息，这些有趣的新信息对城市规划和其它领域都是十分重要的。

来源：RÍOS S A, MUÑOZ R. Land use detection with cell phone data using topic models: case Santiago, Chile[J]. Computers, Environment and Urban Systems, 2017, 61(1): 39-48.

（供稿：刘嘉伟）

从手机轨迹推测个体日常活动：波士顿的实例

了解个体每天的行为模式对于交通出行管理和城市规划而言是必须的。该论文介绍了一种通过手机轨迹推测个体活动的新方法。该研究以波士顿为例，利用交通调查数据建立了一个行为探测模型来揭示控制个体参与活动的规律，并且将模型结果运用于手机轨迹数据，以挖掘得到更深层的活动信息。该方法能够在都市区范围内对城市活动进行量化、可视化，从而提供支持城市运行实时决策。本研究也是将手机轨迹等“大数据”与传统交通调查数据结合，用于提升交通规划、城市规划及管理方面的潜在价值。

已有研究主要依靠手机轨迹研究手机使用者的日常活动模式、分析活动模式与城市空间的关系。这些研究提供了许多对城市管理有用的信息，但同时也饱受手机数据许多不足的限制。比如稀疏时间频率分布、缺少使用者的信息等。将不够理想、但可以较为便利地获得的原始手机轨迹数据转变为对规划师、决策者和研究者而言更为真实、有用的信息。将手机轨迹和居民出行调查相结合，进而通过手机轨迹追踪活动信息来支持高密度城市中的个体活动调查。

该项研究中主要使用数据集是波士顿都市区的手机轨迹数据、交通调查数据以及详细的商业空间落点分布数据。手机轨迹数据包含了2009年超过4个月的从马萨诸塞州东部的约一百万个手机得到的匿名位置估计数据。通过计算4个月中手机使用者在晚上6点到早上8点间手机连接到网络的次数得到手机用户的居住地。2010年马萨诸塞州交通调查数据收集到了当地居民日常出行选择、偏好和行为数据，用于分析居民出行方式。调查在2010年6月至11月间进行，调查了15033个家庭、37023个人。由于个体活动目的地选择与土地使用特性有关，因此使用了InfoUSA商业数据库的各经济部门职员数量特征来描述活动中心的空间分布。由于手机轨迹数据的匿名性，不具备手机使用者的社会经济属性和人口统计学等信息。因而，使用了同一社区的社会经济学属性和人口统计学特征作为个体特征的替代物。

作者通过校准活动探测模型，使用马萨诸塞州交通调查数据揭示出影响个体活动的普遍规律，将调查中的25种活动类型合并为7种。这个活动探测模型的目的是预测某个体非居家活动的时间地点。该模型包含了4组变量，分别是活动发生的位置栅格、时间特征、天气和家庭地址栅格的社会经济属性。结果显示时间和空间属性在活动选择上起到了很重要的作用。同时，模型也显示出天气也会影响个体的活动选择。结合活动探测模型，作者将模型计算得到结果应用到手机轨迹数据上来提取其中隐藏的活动信息，并对城市活动动态发展进行可视化。作者选取了20858个手机用户，并对他们5个工作日的手机轨迹数据进行分析。通过将校准后的模型参数结合，运用马萨诸塞州交通调查数据的变量，活动探测模型可以帮助提取出手机轨迹数据中包含的个体活动信息。使用这个方法，可以将手机使用者的聚集位置分解出不同城市活动类型。由此得到的波士顿市区的城市活动时空分布动态。相比传统基于土地利用进行城市功能分区的方法，采用手机轨迹数据和交通调查数据配合，使得从个体活动出发研究城市活动的时空特征成为可能。

这项研究展示了从手机轨迹数据提出个体活动类型和特征的技术框架，形成了一种可复制的、低价的、并且可以提供实时城市管理决策支持方法。这个方法也证明了将大数据和交通调查数据结合来提升城市规划和管理的巨大潜力。传统调查数据并不会被目前出现的大数据所替代，相反，调查数据实际上可以让手机轨迹数据变得更有意义。

来源：DIAO M, ZHU Y, FERREIRA J, et al. Inferring individual daily activities from mobile phone traces: a Boston example[J]. Environment and Planning B: Planning and Design, 2016, 43(5): 920–940.

（供稿：周笑贞）

智能手机GPS数据用于描述游憩娱乐活动空间特征

该论文描述了一个利用智能手机GPS数据在城市公园中探索游憩活动的空间分布规律和分布密度的方法。该研究是在芬兰赫尔辛基Keskuspuisto公园进行。了解游客行动规律对于精准地规划和管理至关重要。该研究使用的数据来源于游客智能手机上的运动应用，这些运动应用会记录用户的行动轨迹数据。作者利用这些数据来研究游客游览时的正式路径和非正式路径。这些数据被用来发现不在规定路线之内，但经常被山地自行车爱好者光顾的热点区域。通过对这些热点地区的实地调研，作者发现这三个区域都有变宽的道路和较高的森林植被覆盖率这些特性。因为这种方法能够精确定位游客的游览轨迹，可以了解在公园中哪里的保护政策和管理需要进行调整。

芬兰赫尔辛基市地Keskuspuisto公园长约10km，宽约1km，有超过100km的正式游览路径。该公园占地面积1100hm2，公园内有几个自然保护区和700hm2历史悠久的森林。Keskuspuisto可以容纳散步，遛狗，骑马，骑自行车等多项游憩活动，每年有200多万人次的访问量。

研究所用的GPS数据收集于Keskuspuisto公园内和网上的志愿者，他们提供了他们的智能手机记录的GPS轨迹数据以及他们年龄，性别，游憩方式，教育程度和职业的背景信息。收集到的数据进行了如下4个步骤处理：①评估GPS定位的准确性；②利用缓冲区分析来分辨在规定路径上的活动和在非规定路径上的活动，并且探究不同类型游憩活动的空间分布方式；③利用密度分析法发现偏离既定路线活动的聚集区域；④进行小规模现场测绘来验证第三步中发现的热点区域的真实性。

由于志愿者的记录用的智能手机品牌不同和记录用的应用程序不同，所收集到的GPS轨迹会有偏差。第一步中，作者将得到的GPS数据和正式的路线数据进行对比。作者计算了GPS轨迹点到正式路线的最短距离，作者发现所有沿正式路线游览的游客的GPS轨迹点都在正式路线20m的缓冲区范围内。作者认为正式路线10m的缓冲区范围对于进一步的分析已经足够了。接着作者将GPS的线要素数据与该缓冲区做相交分析，来区分在游览路线上的游憩活动和不在游览路线上的游憩活动。第二步，作者要将这些不同的GPS轨迹对应到不同游憩目的的人群。作者发现山地自行车骑行者有着明显的偏离正式游览路线的倾向。因此，第三步，作者对这些偏离既定游览路线的山地自行车的轨迹进行了核密度分析，发现了几个不在既定游览范围内的“热点区域”。最后一步，作者对第三步中算出的热点区域进行了现场调研，用来验证该方法的有效性和准确性。作者假设这些热点区域应该比其他地区有着更多的植被，为了验证这个假设，作者在三个热点地区选取既定大小的区域，然后在这些热点区域附近选择了同样大小的区域，当作对照组。采用目测的方法对区域内植被覆盖的茂密程度进行打分。现场勘测证明了利用GPS轨迹确实识别出了那些偏离规定游览路线的山地自行车骑行者经常去的特殊地区，同时现场勘测也证明了作者的假设：热点地区相比其他地区有着更多的植被，而选取的附近的普通区域则没有明显的植被覆盖。

该研究一共收集到了55份GPS轨迹数据，识别出来的有25份跑步者的数据和22份山地自行车骑行者的数据。在路线识别方面，作者发现跑步者倾向于按照既定的路线运动，只有21%的跑步者偏离了既定路线，而山地自行车骑行者则倾向于偏离既定路线运动，46%的骑行者偏离了既定路线。同时利用GPS轨迹数据，作者识别出了沿着山地自行车骑行者偏离主要路径附近的3个活动密集区域，经过现场调研发现，这些热点区域有着较高的植被覆盖率和一条宽度大于4m的主要路径。

利用这些随时更新的，廉价高效的GPS数据可以让规划师和管理者们更好地理解游憩活动的空间轨迹分布和空间活动强度分布。该方法可以用来评估游客的行动趋势以及这些趋势带来的影响，以及哪些地方的政策需要被改进。

来源：KORPILO S, VIRTANEN T, LEHVÄVIRTA S. Smartphone GPS tracking——inexpensive and efficient data collection on recreational movement[J]. Landscape and Urban Planning, 2017, 157: 608-617.

（供稿：谢昱梓）