基于互联网实现城市郊区活动空间数据获取

定位技术在时空行为数据的被动式获取中显示出了有效性，但如果仅有时空轨迹数据，只能进行汇总的分析，无法考虑人的差异以进行更加深入的研究。而且，在时空间行为的研究中，更重要的是活动或出行的具体内容（如活动类型、出行交通方式、同伴等），以及个体的社会经济属性。尽管对时空轨迹进行分析也能部分实现活动与出行内容的自动识别，但在目前的技术水平下识别效果不佳（张治华，2010）。因此，基于定位技术与互联网技术的时空行为数据主动式获取就显示出重要性，即被调查者通过携带调查者发放的定位设备或利用智能手机安装相关应用参与到日志调查中，其本质是将基于定位技术获取的时空轨迹通过互联网或手机与居民的活动日志相结合。

在定位技术发展的初期，时空轨迹与活动日志的获取是分别进行的，利用纸质问卷或电话访谈获取活动与出行信息，如1996年巴特尔（Battelle）公司在列克星敦（Lexington）开展的实验性的基于GPS的出行调查（Battelle，1997）。我国于2010年在北京市进行的第四次全市交通综合调查中，尝试使用了GPS设备，参与此项调查的1 000名志愿者的GPS时空轨迹和出行信息也是分别获取的。然而，研究者发现，将分别获取的时空轨迹和活动－移动信息进行结合时往往会碰到一定的困难，由于两类信息具有不同的时空精度，难以较好地匹配在一起。

信息与通信技术（Information and Communication Technologies，ICT）的发展为时空轨迹和活动日志的结合提供了契机，调查者可以利用互联网或手机在线为受访者提供他们的时空轨迹，使受访者在填写活动出行信息时能够适当地结合时空轨迹反馈的信息；或为受访者提供根据时空轨迹识别出的活动与出行情况，让受访者进行判断，进一步减少受访者的负担。在时空行为数据的主动式获取中，如何在数据的真实性与受访者负担之间寻求平衡，从而将时空轨迹与活动出行信息相结合是研究的关键，需要结合实际研究问题进行考虑。

1）结合定位技术与调查网站的活动与出行调查

北京大学时空间行为研究小组分别于2010年和2012年在北京进行了居民活动与出行调查，采取定位设备、互动式调查网站、面对面及电话访谈相结合的方式进行调查，调查内容包括被调查者及其家庭的社会经济属性、一周内完整的时空轨迹和一周的活动日志。

调查使用的GPS定位设备每隔一分钟记录一个定位点，每五分钟将定位点上传至后台，并在被调查者的用户界面进行显示。被调查者在参与调查过程中，随身携带由调查员发放的定位设备，利用设备对应的账号和密码进行网站登录，即可观察自己的活动轨迹，并结合轨迹填写活动与出行情况，同时在调查过程中完成个人社会经济属性调查问卷的填写。此外，调查人员可以通过调查网站的调查员管理界面对被调查者的设备状态（是否开机、是否有信号）、所在位置、轨迹情况、活动日志填写情况、社会经济属性问卷填写情况进行实时监测，便于调查的顺利进行。

在2010年的调查中，调查系统通过一定的算法对居民的活动与出行进行简单的分割，识别出活动的时间和地点以及出行的时间和距离，居民在系统识别的基础上填写具体的活动与出行信息，并可对识别的活动与出行进行修改（图6－1）。然而在调查的实施中发现，由于GPS轨迹存在数据缺失和数据噪声，对活动与出行的识别产生了较大影响，并且由于活动识别算法本身存在一定的缺陷，造成活动与出行识别的效果不理想。考虑到调查的目标是获取接近真实情况的活动与出行信息，在2012年调查时，取消了系统的活动与出行识别功能，只对居民的时空轨迹进行实时的显示，对可能的活动与出行分界点进行适当的提示（图6－2）。

这两次调查突破了传统的单纯基于问卷的日志调查，是国内结合定位技术与信息通信技术进行居民时空行为数据采集的有意义的尝试，为还原个体的活动－移动行为、深入剖析行为决策的影响因素提供了重要数据基础。调查将时空轨迹数据与日志相结合，革新了依赖被调查者记忆和估计的回忆式日志调查，将定位技术获取的实际轨迹作为日志信息填写的依据；日志与访谈的结合加深了对个体生活状态的理解，深化了对个体行为决策影响因素的解释；在调查期限方面突破了工作日和休息日各一日的两日调查。

图6－1　2010年北京市居民活动与出行调查用户界面

图6－2　2012年北京市居民活动与出行调查用户界面(www.xing528.com)

这种结合定位技术与调查网站的调查方式可能会对调查以及获取的数据产生以下影响：①调查方式以及调查的持续时间使单个样本的成本较高，在一定程度上限制了调查的规模。调查前需要联系居委会寻找合适样本，对被调查者进行培训，对调查网站进行设计、开发与调试；调查期间需要调查员的实时监测以及与被调查者沟通；调查后需要进行设备回收、报酬发放等。整个调查过程需要耗费大量的人力、物力、财力。②调查系统中时空轨迹与日志结合的方式会对获取的数据产生较大影响。在2010年的调查中，系统通过算法对活动与出行进行识别，在此基础上让用户填写信息，这种方式对信息获取产生了较大的影响，这种影响一方面表现在轨迹数据出现缺失和噪声时的错判，为调查以及后期数据处理过程中增加了工作量；另一方面表现在对于受访者填写精度的影响，如停留在同一地点的时段系统默认被调查者在该地点进行着同一项活动，造成同一地点进行不同活动的信息缺失。在2012年的调查中取消了基于算法进行的识别，只把时空轨迹提供给受访者作为他们填写信息时的参考，但在后期数据处理时时空轨迹和日志信息仍然存在不匹配的现象，需要进行大量的数据处理工作。③调查要求受访者可以上网，对样本的代表性产生了一定的影响。

2）基于智能手机应用的活动与出行调查

在移动互联网时代，智能手机的普及以及App、Android平台的开放又为被调查者时空轨迹和活动－移动信息的结合提供了新的途径。智能手机本身是最重要的通信工具，能够通过GPRS、Wi－Fi接入网络，同时大多数智能手机具备AGPS定位功能，能够结合多种定位方式提供被调查者较为精确的时空轨迹信息。

麻省理工学院（MIT）的“The Future Urban Mobility”项目团队与新加坡政府合作，实施了基于智能手机的居民活动与出行调查应用软件“SIMMOBILITY”的开发（图6－3）。“SIMMOBILITY”综合智能手机具有的GPS、GSM、Wi－Fi、ACCEL等多种定位方式，基于定位数据进行活动与出行的识别，并利用一定的算法识别出行的交通方式，居民在信息填写界面中只需要对系统识别的信息进行验证，也可以对误判的信息进行更正，较大程度地减少了被调查者的任务量。

“SIMMOBILITY”开发最重要的目标是基于居民的时空轨迹信息降低出行行为被调查者的工作量，从而革新出行调查。因此，在调查界面设计与信息获取中重点关注基于不同交通方式出行的相关信息（如开车时的停车地点、费用等信息）。该应用在界面设计、活动与出行算法识别、出行交通方式算法识别方面倾注了大量的研究力量，用户界面比较友好，活动与出行信息的判别也比较准确。

图6－3　SIMMOBILITY调查用户界面

MIT的SENSEable City Lab实验室还在已有的基于智能手机数据的出行交通方式识别基础上，开发了CO2GO应用，增加了二氧化碳排放计算功能，使居民能够实时查看自己近一段出行的碳排放量，以及其他用户的平均碳排放水平，还能够对居民选定目的地的出行给出路线建议，在数据采集的同时实现了对居民的低碳行为引导（图6－4）。

图6－4　CO2GO定位原理与应用界面

可见，技术的发展使海量的、实时动态的、高时空精度的个体时空信息获取成为可能。定位技术使人们能够获取高精度的时空信息；互联网一方面涵盖着大量的时空信息，同时也是数据采集平台及应用的基础，使高精度的时空数据能够实时上传，并实现与被调查者的交互；手机作为比较普及的具有定位功能的通信工具，可以采集实时海量的数据，而智能手机又可以作为调查的客户端，基于智能手机的个体数据采集将是未来的主要发展方向。在大数据时代，个体时空信息的数据量更大，数据种类更多样，数据获取方式更加灵活，为时空间行为研究带来了巨大的机遇，同时也对传统的理论与方法形成了挑战。