（1）軌道通勤數據

百度地圖慧眼整合去隱私化的位置、POI等多源數據，提取位置屬性、時間分布等上百個特征，基于人工智能技術挖掘得到設備的通勤出發地和通勤工作地，準確率超過90%，將設備的通勤出發地和通勤工作地相連接，得到網格尺度的通勤OD數據。（注：相關數據處理各環節均匿名化，各環節及輸出均不涉及個體隱私）

基于網格尺度的通勤OD數據，結合一周通勤時段的位置服務數據識別軌道通勤者，并利用百度地圖公交線路規劃服務，計算軌道通勤者的居住地、起點端（對應居住地）上車車站和工作地、終點端（對應工作地）下車車站等數據^[1]，作為本文數據分析的基礎。

（2）軌道刷卡客流數據

通過訓練長時間跨度軌道刷卡原始個體數據，識別早晚高峰長期在相同的站點進出的用戶，也可以提取軌道通勤OD^[2][3]。該方法得到的軌道通勤OD僅是居住地和工作地所使用的軌道站點，并未能得到其真實的居住地和工作地。

本文使用的軌道刷卡數據，為集計的統計數據，包括分小時的站間OD、站點進出站量、換乘量及斷面客流等。其中，站間OD和站點進出站量為站點進出站閘機刷卡數據直接統計所得，換乘量和斷面客流是基于站間OD和地鐵公司的清分模型計算結果。軌道刷卡數據的準確性高，本文使用同時期的軌道刷卡數據對百度地圖慧眼軌道通勤數據進行校核。根據居民出行調查數據分析，早高峰7—9點，86%的軌道交通客流為通勤客流。

（3）居民出行調查數據

居民出行調查數據為小樣本調查數據，調查獲得的個體社會經濟屬性、出行目的、出行方式等，是大數據較難準確獲取的信息。因此，調查所得特征數據是對大數據的有效補充和驗證途徑。

（1）全方式通勤與軌道通勤總量

根據第七次人口普查（2020年），上海市常住人口總數約2487萬人，第四次經濟普查（2018年）上海市第二產業和第三產業法人單位從業人員1170.9萬人，百度地圖慧眼識別的上海市內通勤總量（2021年）為1194萬人，與統計數據量級相當。根據居民出行調查（2019年），軌道方式通勤占全方式通勤的比重約17.3%（全目的出行為11.6%），而百度地圖慧眼識別的軌道通勤者約196萬人，占比全部通勤量的16.4%。按軌道通勤者上下班各使用一次軌道計算，則軌道通勤出行次數約392萬人次/日，占同時期工作日全天軌道站點進站量的62.7%（即所有軌道出行中通勤目的占比），這也和擴樣后的居民出行調查數據統計得到的62.5%非常接近。考慮到兩類數據的時間不同、調查數據可能存在擴樣誤差等因素，總體判斷百度地圖慧眼識別的通勤量和軌道通勤量在量級上沒有大的偏差。另外，根據同時期上海軌道交通刷卡數據，全網工作日早高峰（7:00—9:00）刷卡進站量約171萬人次，早高峰（8:00—10:00）刷卡出站量約177萬人次，當然早高峰軌道出行約有14%為非通勤出行，軌道通勤者也不是全部在這一時間使用軌道^[4]，因此與軌道交通刷卡數據的對比校核，只是反映了大數據識別在量級上的準確性。以下將百度地圖慧眼通勤數據與軌道OD數據在站點、空間分布上的對比同理。

（2）各線路進出站量

由于通勤出行的高峰集中度較高，百度地圖慧眼識別的軌道通勤起點端人數與軌道出行的早高峰7:00—9:00進站量、軌道通勤終點端人數與軌道出行的早高峰8:00—10:00出站量可以認為有大量的人群重疊，將分線路的數據進行對比發現，兩者擬合度較高，R²均在0.8左右（圖1）。

（3）空間分布

將全市分為若干個區域，分別統計各區域間大數據識別的軌道通勤OD（居住地為O點，工作地為D點）和早高峰（出站時間8:00—10:00）軌道交通刷卡OD，兩者擬合度較高，R²達0.9以上（圖2），軌道通勤數據在空間分布上與早高峰軌道刷卡數據較為吻合。

圖2 各區域間軌道通勤OD與軌道刷卡OD對比圖

此外，根據居民出行調查，2019年上海市域內居民平均通勤約9.4km，百度地圖慧眼識別的2021年上海市域內平均通勤距離約為9.5km，兩者基本吻合。在以往的研究中，我們也把百度地圖慧眼全方式通勤數據與手機信令數據、居民出行調查數據進行了對比校核，均有較好的擬合效果^[5]。綜合以上校核結果，百度地圖慧眼職住大數據和軌道通勤數據精度較為可靠，可開展相關特征分析。

全市軌道方式通勤僅占全方式通勤的16.4%，但其對居民通勤和交通運行的保障作用巨大。由于通勤出行時間集中度高、向心性明顯，上海的中心城放射性道路早、晚高峰已呈現了常態化的擁堵，軌道交通在這些廊道上分擔了大量的向心交通量。同時，除去非機動方式，軌道通勤占機動化方式的比重約28%，且軌道服務的通勤者平均距離大，按周轉量計算，軌道承擔了全方式通勤周轉量的25%以上、機動化方式周轉量的30%以上。

從通勤空間聯系的角度看，主城區內各片區通勤的軌道比重相對較高。浦西和浦東之間、內外環間至內環內、新城至中心城等區域間軌道通勤比重達到50%以上（表1）。中心城內各片區間軌道通勤比重低于20%的，僅浦西內外環間北部兩個片區間及浦東東北部兩個片區間，反映了這兩個區域軌道切向線的缺失（圖3）。

表1 各區域間軌道通勤占全方式的比重

圖3 交通大區間通勤聯系量及軌道通勤比重

按通勤者的居住地和工作地，分別統計軌道通勤占全方式的比重（圖4）。內環內居民軌道通勤比重最高，約為32%，浦東的內外環間約27%，浦西內外環間約23%，中心城平均約27%。各主城片區差異較大，除外高橋片區尚無軌道覆蓋以外，川沙片區居民軌道通勤比重最高，約21%；閔行片區最低，約11%；四個主城片區平均約13%。五個新城的居民軌道通勤比重平均約7%，其中青浦新城較高，約12%；南匯新城最低，約3%。同時，內環內的崗位軌道通勤比重最高，約為37%，浦東內環內達38%。主城片區及五個新城中，除南匯新城外，崗位軌道通勤比重均低于居民軌道通勤比重。

軌道交通承擔了大量的中長距離通勤出行，崗位的軌道通勤比重高于居民軌道通勤比重，間接反映了該區域的崗位吸引力較大。例如內環內崗位的軌道通勤比重普遍高于居民的軌道通勤比重，而內外環間、主城片區及近郊地區則恰好相反。

圖4 通勤人口和崗位的軌道方式通勤比重空間分布

上海市域內平均通勤距離約為9.5km，軌道通勤者平均通勤距離約為14.5km（全目的軌道出行平均距離約18.7km），從全方式和軌道方式的通勤距離分布來看，全方式通勤中，7km以下占比約55%，而軌道通勤7km以下占比僅26%，7km開始軌道通勤的比重開始超過全方式通勤的比重。軌道通勤中，3—13km軌道通勤占全部軌道通勤的比重約44%，是軌道通勤的主力區間。

圖5 全方式、軌道、非軌道通勤距離分布圖

從軌道通勤者的居住地和工作地兩端空間分布來看，軌道通勤者的工作地分布較居住地更為集中，主要集中在內環內尤其是中央活動區、城市副中心、漕河涇、張江、金橋等就業中心（如圖6a所示），而居住地除了在中心城內各居住組團分布集中外，在中心城周邊軌道站點附近的大型居住社區也較為集中，如吳淞、楊行、劉行、顧村、桃浦、江橋、徐涇、七寶、九亭、浦江鎮、周康航、川沙、曹路等地區（如圖6b所示）。

將軌道通勤OD用最短路徑分配算法分配到上海交通分區（大區或小區）的蛛網上，定義不平衡系數為高方向通勤量和低方向通勤量的比值，用以體現職住通道的不均衡性^[4]。上海中心城外圍地區的不平衡性較為明顯，尤其是中心城西北片區、西南方向居住人口顯著大于崗位，而內環內、陸家嘴、及張江、外高橋等地區則是崗位明顯大于人口的區域。內外環間，北部地區至浦西內環內，西北片區，松江至中心城方向，浦東新區南部近郊浦江鎮至中心城方向的職住通道不平衡較為明顯。職住通道的不平衡性，導致軌道交通線網在高峰期間運能不足，尤其是中心城北部地區，客流擁擠頻發，但全日客流效益并不理想。軌道通勤客流通道東西向（如2號線通道）則無特別明顯的不平衡現象，這與東西向的居住、崗位組團的分布較為平均均衡相吻合^[6]。

上海的軌道交通站點1km范圍僅覆蓋全市12.5%的面積，但覆蓋了50%的人口和60%的崗位。全市通勤人口中居住地和工作地至少一端在軌道站點1km范圍內的占比達到了64%，兩端均在站點1km范圍內的也占到了33.6%（401萬人），說明了上海軌道交通與用地、人口和崗位布局的耦合性較好。分析發現，與利用某軌道線路通勤者的數量與該線路站點1公里覆蓋的人口、崗位之和呈較為明顯的正相關，2號線是上海軌道站點周邊崗位覆蓋最多的一條線路，其次為9號線。而5號線、15號線、16號線、17號線及浦江線等線路的軌道通勤工作地人數則非常少，與其站點周邊的崗位本身缺乏是相關的。

圖8 各軌道線路站點1km范圍內覆蓋的人口崗位與通勤者數量相關性分析

將上海市內通勤人員，按照其居住地、工作地是否在軌道站點1km內進行分類后，再按其是否選擇軌道方式進行通勤，結構如下圖所示。

圖9 上海市內通勤分類結構

居住地和工作地兩端均在站點1km范圍內的401萬通勤人口，可以認為出行者能比較方便地使用軌道交通。但結果顯示，僅125萬人選擇軌道交通通勤，占比31%。前面提到，全市通勤人口中居住地和工作地至少一端在軌道站點1km范圍內的占比達到了64%，而使用軌道通勤占全方式的比重為16.4%，說明提供軌道交通服務和居民是否選擇軌道交通還存在較大的差距。

針對未選擇軌道通勤的276萬通勤人口，這里從出行距離、通勤者擁車情況、軌道網絡出行非直線系數等方面進一步分析，研判這部分人群沒有選擇軌道通勤的具體原因。

居住地和工作地兩端均在軌道站點1km覆蓋范圍內的通勤中，全方式、軌道和非軌道方式的通勤距離分布曲線在5km處相交，軌道方式5km時占其通勤總量的比重高于其他方式5km以上占比，說明了5km以內出行軌道方式并不占優勢。居住和工作兩端均在軌道站點1km范圍但未選擇軌道通勤的276萬通勤者中，通勤距離在5km以內的有163萬人，這些通勤者中71%選擇了非機動方式通勤，其余15%小客車和14%常規公交。通勤距離在5km以上的有113萬人，54%選擇了小客車，其余26%常規公交和非機動方式20%，這些通勤者中，家庭擁有車輛的比例（65%）明顯高于使用軌道交通通勤比例（41%）。可見，家庭車輛擁有情況是是否選擇軌道交通通勤的重要因素。

圖10 全方式、軌道、非軌道通勤距離（站內）分布圖

除了上述分析提到部分通勤距離較短更適用非機動方式、家庭擁車率較高與出行習慣相關，另外一個原因則是軌道交通網絡的直達性問題。一部分通勤者雖然居住地和工作地都在軌道站點附近，但是通過軌道出行的非直線系數過高，繞行太多，例如居住在2號線唐鎮站周邊，工作在金橋北區9號線金吉路站沿線，使用軌道通勤則需要乘2號線至世紀大道換乘9號線至金橋地區的站點，直線距離僅6-7公里，軌道網絡距離近24公里。此類通勤者居住地和工作地主要分布在外圍不同的放射線的站點周邊，浦東中東部地區（2、9號線之間）、中心城北部地區（1、3、7、15號線之間）、西北地區（9、10、2、7、13號線之間）、閔行南部（5、15號線之間）等。這些通勤OD的分布形態說明了外圍地區切向線的缺失，網絡化程度不高的地區，根據客流情況，仍需補充軌道交通切向線（或環線），以及其他公共交通服務。

圖11 居住和工作地均在軌道站點1km范圍但未使用

軌道通勤的部分通勤者示意圖

根據刷卡客流數據統計，2021年上海軌道交通工作日日均進站客流625萬人次，客流量約1118萬乘次，換乘率約為1.79，通過全部刷卡OD和模型分配得到換乘一次的客流約47.9%，換乘兩次的客流約占9.8%，換乘三次的約占0.7%，不換乘的客流約占41.6%。而根據百度數據分析得軌道通勤客流中，換乘一次的客流約51%，換乘兩次的客流約占11.2%，換乘三次的約占0.8%，不換乘的客流約占37%，軌道通勤者換乘概率更大。

居住地在各軌道線路沿線的通勤者，通過本線通勤比重越高的，說明線路沿線崗位的可獲得性和吸引力越強。本線通勤客流占比最高的為2號線，約51%；9號線、5號線、10號線、3號線、17號線本線通勤比重也在40%以上；11號線、18號線、16號線本線通勤比重在30%以下。值得一提的是浦江線本線的通勤比重僅4%，也就是說居住在浦江線沿線的軌道通勤者，96%都需要通過換乘才能到達其工作地，換乘一次的約35%，換乘2次及以上的約61%。一方面是其線路長度本身較短，另一方面也說明了其沿線崗位的缺乏或吸引力不足。

工作地在各軌道線路沿線的通勤者，呈現郊區線路本線通勤比重較高。主要原因是這些線路沿線崗位總量較小，或這些崗位吸引力相對較弱，從其他線路換乘而來的通勤者較少。本線通勤客流占比最高的為17號線，約71%，其次為5號線約63%，也就是說17號線和5號線沿線的就業崗位，主要吸引了其沿線居住的人群，15號線、7號線、1號線、18號線、6號線、8號線、3號線等本線通勤比重也在40%以上，浦江線仍然是本線通勤比重最低的線路。

圖12 各線路軌道通勤者換乘情況統計

本次使用的軌道通勤數據精細度較高，通過居住地、起點端（對應居住地）上車車站和工作地、終點端（對應工作地）下車車站的信息，可以識別每個車站作為通勤者的起點端（站）和終點端（站）接駁范圍，計算平均接駁距離，圖13為新村路站作為居住地上車車站時的接駁范圍熱力圖示意。

圖13 新村站居住端接駁范圍熱力圖

軌道通勤者居住端接駁距離普遍大于工作端接駁距離，接駁距離在1km以內的占比分別為70%和80%。

圖14 軌道通勤者兩端接駁距離分布示意圖

有五成軌道通勤者，通勤兩端接駁距離占通勤全程距離的比重（簡稱接駁距離比重）不超過10%，七成軌道通勤者，接駁距離比重不超過20%，距離越長的通勤，可接受的接駁距離越長。

圖15 軌道通勤者接駁距離占通勤全程距離的比重分布示意圖

無論是居住地還是工作地，內環內的接駁距離最低，越往郊區越大。內環內軌道通勤者居住地和工作地平均接駁距離分別為0.48km和0.41km，內外環間則達到0.84km和0.76km，主城片區平均接駁距離則達到1.7km以上，五個新城平均接駁距離則更長，達到2.5km以上。五個新城的工作端接駁距離均大于居住端接駁距離，這與主城區呈現出相反的特征，從用地布局上看，五個新城的軌道站點周邊以住宅用地開發為主，崗位則主要集中在新城中心、開發區和工業區等距離軌道較遠的位置。

圖16 各區域通勤者居住端和工作端站點平均接駁距離示意圖

此外，接駁距離較長的站點多分布在中心城邊緣、樞紐站及外環外地區，如五洲大道、虹橋、蓮花路居住端接駁距離明顯大于其他車站，部分新城的站點接駁距離也較長（如圖17a）。五洲大道、蓮花路、錦江樂園等地鐵站工作端接駁距離也明顯大于其他車站，另外沈杜公路、新場、東方綠舟及部分新城的站點接駁距離也較長（如圖17b）。

接駁距離較長的主要以中心城以外地區站點為主，通常有以下幾個種類型：①離某些無軌道服務的區域較近的站點或是郊區線路的末端站，例如離崇明較近的五洲大道站、5號線奉賢新城站，其站點客流居住地和工作地分布如圖18所示；②單條線路服務一片居住或就業片區，例如虹橋火車站、惠南站等郊區站點，其站點客流居住地和工作地分布如圖19所示；③軌道站點周邊有大量常規公交線路，例如位于中心城的1號線蓮花路，其站點300米范圍內共40條公交線路，除了可接駁中心城西南片區軌道服務較弱的區域（如圖20左），有大量公交線網供郊區城鎮接駁（如圖20右）。

圖19 虹橋火車站（左）、惠南站（右）通勤客流分布示意圖

圖20 蓮花路站通勤客流分布通勤客流分布示意圖（左為周邊地區）

基于百度地圖慧眼的職住大數據和軌道通勤數據，以及上海軌道交通客流刷卡數據，對上海軌道通勤從總量、空間分布、換乘、接駁特征等方面進行了分析，主要結論如下：

（1）軌道通勤占全方式通勤比重約16.4%，仍有較大的提升空間，應優化用地布局與軌道交通網絡的契合性，適當增加外圍地區切向聯系線路的布局。一方面，可提升站點周邊用地功能與軌道通勤目標人群的適配性（如軌道交通站點周邊中小戶型住房的比例等），同時提升軌道交通服務品質和換乘的便利性；另一方面，當前中心城部分片區間軌道通勤比重低于20%的主要原因在于中心城的網絡聯系以放射線為主，缺乏切向的聯系，制約了這些地區軌道交通通勤的便利性。

（2）軌道通勤的向心性非常明顯，放射線路呈現典型的高峰潮汐出行特征，制約著線路整體客流效益提升，建議加強線路沿線地區城市功能的整體策劃。從線路角度出發，在線路外圍地區合理設置一些公共功能，如商辦和產業區、高等級醫院、學校等，合理截留一部分進城累積客流，并發揮一定的反向吸引作用，促進職住空間在軌道交通廊道上的均衡分布，提升軌道通勤的品質和效率。

（3）市區線路普遍本線通勤比重較高，郊區線路本線通勤較低，需要提高郊區站點周邊商辦、產業用地的開發強度，促進職住在軌道交通廊道上的平衡。軌道交通通勤者需要換乘一次的約51%，換乘兩次的約占11.2%，換乘三次的約占0.8%，不換乘的客流僅37%。從居住地視角來看，本線通勤比重越高的，線路沿線崗位的可獲得性和吸引力越強，從工作地視角看，郊區線路通勤比重較高，主要原因是其沿線崗位總量較小或吸引力較弱。

（4）軌道交通通勤接駁距離與站點覆蓋率相關性較高，中心城接駁距離較小，主城片區和新城接駁距離則較長。增加主城片區及新城的軌道交通的公交和慢行接駁設施，為接駁距離較長的軌道通勤者提供較好的接駁服務，有利于提高軌道交通的通勤比重。

上下滑動查看更多

供稿：

交通分院（交通模型工作室）：王波、張天然、訾海波、金昱、溫作超

百度時代網絡技術(北京)有限公司：闞長城

【免責聲明】本公眾號發布的內容僅供學習參考之用，禁止用于商業用途。內容版權歸原作者所有，如有侵犯您的權益，請及時聯系刪除，本公眾號平臺將不承擔任何責任。