大数据在广州市新一轮交通综合调查的实践应用

摘要

传统抽样调查往往是调查某个时段某类群体的个体属性和出行信息,包含社会经济(职业、收入等)、地理空间(居住、就业等)、出行信息(包含OD、交通方式等)、行为模式(出行意愿、出行时间价值等)等属性信息,但很难确定个体空间的连续活动模式和活动特征.而利用大数据进行连续的特征追踪和海量数据动态观测和分析个体的空间活动特征成为可能,如利用手机信令数据和互联网位置数据监测居民的职住特征、利用GPS数据挖掘出租汽车以及乘客的空间活动特征以及通过AFC数据挖掘轨道交通乘客的时空分布特征等.因此,研究大数据在交通综合调查的实践探索具有重要意义.分析传统抽样调查与大数据挖掘的差别与关系;总结北京、上海、广州等城市交通综合调查演变及特点;以广州市为例进行实证研究,梳理2017年广州市第三次交通综合调查框架和特点,从挖掘特殊指标、实现多源数据相互补充与校核等两个层面探索大数据在交通综合调查中的作用.