交通工程学OD调查课件

交通工程学OD调查起迄点调查方法与数据分析·交通规划基础课程Contents课程目录系统掌握OD调查的理论框架、方法体系与实践应用01OD调查基本概念与意义02OD调查分类与核心内容03调查方法与抽样设计04数据处理与OD矩阵构建05主流OD需求计算模型06OD调查实践与应用CHAPTER01OD调查基本概念与意义从定义、起源到交通规划中的核心地位交通调查什么是OD调查OD调查（Origin-DestinationStudy）即起迄点调查，是对通行单元的出发地与目的地进行的综合调查，自1940年代问世以来已成为全球城市交通规划的核心数据采集手段，为交通需求预测和网络分析提供不可替代的基础数据支撑。01OD全称Origin-Destination，即"起点-终点"，调查对象涵盖机动车、非机动车、行人等所有通行单元的出行起讫信息02调查内容涵盖起讫地点、出行时间、途经路线、使用交通工具、换乘情况等多维度出行特征数据03成果以OD表和期望线图呈现，是四阶段模型中"出行生成"与"出行分布"阶段的直接输入04我国自1980年代起在天津、北京、上海、广州等城市开展大规模OD调查，形成了本土化技术体系城市交通路口车流鸟瞰出行需求预测·数据基石OD调查在交通规划中的定位OD调查是交通需求预测四阶段法的数据基石，其成果直接服务于'出行生成'与'出行分布'两个核心阶段，数据质量的高低直接决定了整个交通规划方案的科学性与可靠性。出行生成利用OD调查中的发生交通量与吸引交通量数据，建立各交通小区的出行产生率与吸引率模型，确定每个小区的出行总量。STAGE01·阶段一出行分布以现状OD矩阵为基础，通过重力模型或弗雷特法推算规划年的出行空间分布，形成各小区间的出行交互量矩阵。STAGE02·阶段二方式划分基于出行分布结果，结合各交通方式的效用函数与出行者特征，将小区间出行量分配至不同交通方式。STAGE03·阶段三交通分配将各方式的出行量加载至交通网络，确定各路段与交叉口的交通流量，评估路网运行状态与服务水平。STAGE04·阶段四>30%基础OD矩阵误差超过15%时，最终交通分配结果的偏差可达30%以上——数据质量沿四阶段逐级放大EVOLUTIONOD调查的发展历程OD调查经历了从1940年代美国起源的人工调查阶段，到1980年代中国城市实践，再到21世纪大数据技术驱动的方法论革命三个关键阶段。1940s美国率先开展系统性OD调查，主要为应对战后城市扩张带来的通勤交通问题，方法以路边访谈和住户问卷为主。1980s我国在天津、北京、上海、广州等城市开展首批大规模OD调查，采用人工入户访谈与路边拦截访问相结合的方式。2000sGPS定位、公交IC卡、手机信令等新技术手段引入，使OD数据采集从抽样调查转向全样本、实时化的大数据监测。NOW当前前沿趋势是多源数据融合，将传统调查的精确性与大数据的广覆盖相结合，形成互补校验的综合OD数据体系。CHAPTER02OD调查分类与核心内容客流、车流、货流三大调查类型及其数据采集要素交通规划基础交通小区划分原则与方法交通小区是OD调查与交通需求预测的最小空间分析单元，其划分需遵循同质性、完整性和适度规模三大原则，合理的区划方案直接影响OD矩阵的精度和后续交通规划模型的可信度。交通小区定义结合交通分析和需求预测模型需要划分的地理单元，是分析居民与车辆出行及分布的最小空间单元最小空间单元同质性原则同一小区内土地利用性质与开发强度应基本一致，避免将高密度商业区与低密度住宅区划入同一小区导致出行率失真土地利用一致完整性原则小区边界应优先选择河流、铁路、高速公路等自然或人工屏障，避免主要交通干道穿越小区内部自然屏障为界适度规模原则城市中心区小区面积一般为0.5-2平方公里、人口3,000-8,000人，外围区域可放大至5-10平方公里0.5–2km²ODSurveyFundamentals出行分类与期望线概念OD调查按起讫点与调查区域的位置关系将出行分为境内出行、过境出行和区内出行三类，期望线则以连接各交通小区重心的直线形式直观呈现区域间出行流量的大小与方向分布。境内出行起讫点均位于调查区域内部的出行，是城市内部交通需求分析的主体部分60–80%过境出行起讫点均在区域外部、仅途经该区域，对过境通道和外围环路规划具有参考价值过境通道区内出行起讫点一方在区域内、另一方在区域外，反映城市与周边区域的交通联系强度联系强度期望线连接各交通小区重心的直线，线宽与出行量成正比，可按时段或目的分层绘制可视化工具Chapter03调查方法与抽样设计从传统入户访谈到多源大数据融合的方法论体系SurveyMethods传统OD调查方法入户访谈精度最高但成本最大，路边问询适合车流采集，实际项目多以组合策略平衡精度与成本。入户访谈调查员入户面对面问卷访谈，获取住户、个人和出行完整数据，精度最高，周期通常3–6个月路边问询在关键路段拦停车辆记录车牌与起讫点，适合车流OD调查，需交警协助维持交通秩序邮寄/电话邮寄问卷或电话访谈采集出行信息，成本较低但回收率仅20%–40%，数据质量受配合度影响组合策略大型城市采用入户访谈+路边问询+公交刷卡数据组合方案，多源数据交叉校验提高可靠性传统入户访谈调查使用的纸质问卷场景SurveySamplingOD调查抽样设计科学的抽样设计是OD调查数据质量的保障，抽样率需根据城市人口规模动态调整，从20万以下城市的4%到千万级城市的0.5%。不同人口规模城市的OD调查建议抽样率城市人口规模最低抽样率参考样本量备注说明20万以下4%约8,000户小城市出行模式相对简单，较高抽样率确保小众出行方式的数据量20-50万3%约12,000户中等城市需平衡成本与精度，关注通勤与购物出行50-100万2%约15,000户大城市出行结构复杂，需保证分区统计的可靠性100-500万1%约30,000户特大城市调查成本高昂，可适当降低抽样率500万以上0.5%-0.8%约40,000户超大城市建议结合大数据手段减少人工调查样本量城市人口规模越大，建议抽样率越低，但绝对样本量仍需满足分区统计分析的最低要求OD调查社区抽样实施现场METHODOLOGY调查方案设计与问卷开发OD调查方案设计是一个系统工程，需先完成人口资料、历史数据、模型变量需求等背景分析，再精心设计覆盖住户、个人、车辆、出行四维度的调查问卷，并通过试调查验证方案可行性后方可全面实施。背景资料收集系统整理人口统计年鉴、历史OD调查成果、交通需求模型输入变量清单、地理编码数据库等基础资料年鉴抽样框架确定基于最新人口普查或社区登记数据建立抽样框，采用分层等距抽样确保各行政区和收入阶层的代表性分层问卷设计原则问题通俗化、选项穷尽互斥、时长15-20分钟，涵盖住户/个人/车辆/出行四维度共30-50个字段四维度试调查与修正正式调查前在2-3个典型社区开展试调查，检验可操作性、发现歧义问题并据此修正形成最终版本2-3社区CHAPTER04数据处理与OD矩阵构建从原始数据清洗到标准化OD矩阵的完整处理流程DataPreprocessing数据清洗与出行链还原OD调查原始数据必须经过异常值剔除、缺失值处理、坐标标准化和出行链还原四个核心步骤后方可用于建模，数据质量控制的严谨程度直接决定最终OD矩阵的可信度。异常值检测基于出行距离-时间合理性校验规则（步行4-6km/h、小汽车20-80km/h），自动标记并人工复核异常记录4-80km/h缺失值处理关键字段缺失直接剔除；非关键字段（出行目的、费用）可用同类样本众数或均值填充关键字段剔除坐标与时间标准化多源数据统一到WGS84坐标系和24小时制时间格式，消除不同采集设备系统性偏差WGS84·24H出行链还原将受访者一天内多次出行按时间顺序串联，准确切分起讫点对，构建OD矩阵直接前序OD矩阵前序ODVisualization期望线绘制与OD数据可视化期望线图是OD数据最经典的可视化方式，通过连接各交通小区重心的直线及其粗细直观呈现出行流量的方向与规模，辅以热力图和柱状图等手段可形成多维度的OD数据展示体系。期望线绘制：连接各交通小区重心的直线，线宽与OD对出行量成正比，可在GIS软件中通过XY-to-Line工具批量生成XY-to-Line分层期望线：按出行目的或出行时段分别绘制期望线，揭示不同时段的潮汐流向特征TIDALFLOW发生-吸引量专题图：以柱状图或气泡图叠加在地图上，气泡大小代表各小区的发生量或吸引量，直观展示出行热点区域HOTSPOTOD流向热力图：以颜色矩阵表示OD流量大小，对角线附近的深色区域表示相邻小区间的短距离高频出行，远处深色区域则提示跨区通勤需求CROSS-DIST城市GIS平台中的OD数据可视化呈现CHAPTER05主流OD需求计算模型从回归模型到深度学习的OD需求预测方法论TripDistribution出行分布模型：重力模型重力模型是出行分布预测的核心工具，借鉴万有引力定律的思想，假设两小区间出行量与各自发生量/吸引量的乘积成正比、与出行阻抗的幂函数成反比，经大量工程验证具有稳健的预测能力。模型公式Tij=Ki×Oi×Aj×f(dij)，其中Oi为发生量、Aj为吸引量、f(dij)为阻抗函数、Ki为平衡系数Formula阻抗函数常用幂函数d-α、指数函数e-βd和Gamma函数dα·e-βd，参数通过现状OD数据标定Impedance标定过程先由现状OD矩阵反推阻抗参数α或β，再代入规划年的发生量与吸引量预测未来OD分布Calibration分层建模假设出行者对距离敏感度一致，实际需按出行目的分层，如通勤出行敏感度低于购物出行StratificationFORECASTING增长系数法：弗雷特法（Fratar）弗雷特法基于现状OD矩阵迭代放大预测出行分布，适合短期，难反映路网结构变化。ASSUMPTION基本假设未来OD分布格局与现状基本一致，各小区出行量按规划年增长系数（未来发生量÷现状发生量）等比例放大。该方法假设出行者的空间选择行为在短期内保持稳定。等比例放大ITERATION迭代过程先按行增长系数调整各行、再按列增长系数调整各列，反复迭代直至行列合计收敛误差小于设定阈值。通常经过5-10次迭代即可达到满意精度。<1%收敛ADVANTAGE优势直接基于现状OD矩阵推算，无需标定阻抗函数，计算简单快速，适合近期出行分布预测。数据需求低，操作便捷，工程应用广泛。3–5年近期LIMITATION局限无法考虑新建道路、轨道交通或新开发区对出行流向的结构性改变，中长期规划应改用其他模型。预测期越长，误差累积越明显。重力模型替代ODDEMANDMODELING基于手机信令的OD需求计算手机信令OD模型通过驻留点识别、出行链还原和渗透率扩样三个核心步骤将通信数据转化为OD矩阵，具有全样本、全天候、低成本的显著优势，但面临定位精度有限和出行目的难以自动识别的技术挑战。驻留点识别手机在同一基站覆盖范围内连续停留超过15分钟即判定为驻留点，代表一次出行的起讫点，需过滤信号漂移导致的伪驻留。通过时空聚类算法有效识别真实驻留行为。≥15min出行链还原将用户一天内的多个驻留点按时间序串联，结合基站切换序列推断出行路径与交通方式，相邻驻留点间即为一次完整出行。支持多模式交通识别与路径重构。日出行链渗透率扩样根据运营商市场份额和各年龄段手机持有率计算扩样系数，将样本OD量推算至全人口，需与人口普查数据交叉校验。确保扩样结果的代表性与准确性。全人口推算核心挑战郊区基站间距大导致定位精度下降至公里级，出行目的无法从信令数据直接获取，需辅以小样本问卷调查。多源数据融合是提升模型精度的关键路径。公里级精度CHAPTER06OD调查实践与应用从居民出行调查到城市综合交通体系规划的工程实践DATASOURCES&METHODS公共交通OD调查与应用公共交通OD调查以IC卡刷卡数据和随车抽样调查为主要数据源，公交系统面临下车站点缺失的技术挑战需通过出行链推断法补全，而地铁进出站双刷卡机制可获得完整OD数据，成果直接服务于线网优化与运营调度。01公交IC卡数据：记录上车刷卡站点与时间，但传统系统缺失下车站点信息，需通过出行链推断法或概率分配模型补全OD对02下车站推断方法：基于乘客下一次上车站点反推前次下车站，结合线路站点间距和换乘概率建立贝叶斯推断模型，准确率可达70%-85%03地铁OD数据：进出站均需刷卡，天然具备完整的OD信息，数据质量远高于地面公交，可直接构建站点间OD矩阵04核心应用场景：基于公交/地铁OD数据优化线路走向、调整发车频率、识别换乘瓶颈、评估新线开通对客流分布的影响公交IC卡刷卡上车场景ODSURVEY出租车与网约车OD调查出租车\/网约车OD数据通过计价器或GPS轨迹精确记录每次载客的上下车点与行驶路径，可揭示打车需求的时空分布与供需失衡区域，但仅反映打车出行子集而非全方式OD。数据采集方式出租车通过计价器GPS记录每次载客的上下车坐标、时间、里程和费用；网约车平台数据更丰富，包含叫车地点、等待时间、实际行驶路径等信息。GPS+计价器热点区域识别通过核密度分析将上下车点聚合为热力图，识别打车需求的空间集聚区域，如商圈、交通枢纽、医院等高频OD端点。核密度分析供需平衡分析将出租车与网约车OD需求分布与车辆空驶分布叠加，识别供需失衡区域，指导高峰期运力调度和定价策略优化。供需叠加数据局限性出租车与网约车OD仅覆盖打车出行群体，与全方式OD矩阵存在系统性偏差，需结合居民出行调查数据进行修正和校准。系统性偏差交通调查方法出入境交通调查出入境交通调查在城市外围关键出入口采集OD信息，揭示对外交通联系强度与主要流向，为环路规划与城际走廊布局提供数据支撑。调查点位设置在高速公路收费站、国道与城市道路交界处、跨江跨河桥梁等关键节点设置调查点，需覆盖80%以上的对外通道。80%+调查内容记录车牌号码、车辆类型（客车/货车/摩托车）、出发地、目的地、出行目的、载货类型与重量，由交警协助拦停确保安全。OD数据采集数据应用出入境OD数据用于规划城市外围环路、高速公路连接线和城际交通走廊，同时是校核交通需求预测模型边界条件的关键依据。模型校核实施要点调查时段覆盖工作日和休息日各一天、每天12–16小时，货车调查建议在夜间补充进行以捕捉货运高峰。12–16小时/天TRAFFICSURVEY交通生成源专项调查交通生成源调查针对大型商业、医