不同的人以不同的節律在城市生活，因此“都市叢林”是個完美的比喻——有人是早起的鳥兒，有人則是夜間巡游的貓頭鷹。通過城市交通系統產生的大數據，我們就能把他們識別出來，進而分析這類行為的規律及背后的動因，思考城市能為這些人創造何種便利條件。

        比如說，那些比普通人更早起床去坐公交的人、那些深夜里仍然在乘坐公交的人、那些通勤距離格外長的人、那些一天之內反復乘坐公交的人，他們相應的時空軌跡幾乎都被記錄于公交卡的數據之中。

        北京市城市規劃設計研究院高級工程師龍瀛、香港大學建筑學院城市規劃與設計系助理教授劉行健、美國愛荷華州立大學設計學院助理教授周江評、北京大學城市與環境學院教授柴彥威四位學者，就運用2010年4月5日至11日的北京公交IC卡數據（包括地鐵和公交），對北京市的上述四種極端出行行為進行識別，并通過入戶調查數據（居民出行調查），補充了極端出行者的社會經濟背景，進行了初步的分析。

        為什么要研究極端出行者？

        研究者表示，人的每一次出行都有目的，要在城市中汲取營養——這些極端出行者更是如此，他們不辭勞苦在城市中奔波，是公交系統的忠實使用者，期待以此獲得更好的生活。那么，這些人是誰，在干什么，住在哪里，工作在哪里，家庭狀況如何？深入了解這些狀況，有助于城市管理者科學制定公交線路優化、公交補貼、產業布局、時間規劃等政策。

        由此，這項研究希望借助這些數據，研究鮮活的城市生活，并進而上升到政策建議。

交通卡的數據和入戶調查數據

        北京擁有載客量最大的公共交通系統，該系統主要由公交和地鐵組成。2010年，包括機場軌道交通在內，北京擁有184公里的地鐵軌道，僅2011年，公交系統載客高達49億人次，行駛距離達17億公里。由于地鐵線路不斷變長，政府也針對公共交通采取補貼，故而在北京所有交通工具中，地鐵和公共汽車的出行分擔率很高——2010年達到38.9%。

        在北京，本地市民公交IC卡的使用率相當高。2005年以來，北京有超過90%的公交/地鐵乘客使用匿名智能卡來支付車費。當持卡人使用智能卡付車費時，讀卡器就會自動記錄下這些數據：始發站/目的地，乘車時間/下車時間，智能卡號碼和類型（如，學生卡/普通卡）等。

        研究者從北京市政交通一卡通有限公司獲得2010年一周（4月5日-4月11日）的公交IC卡數據，其信息包括1.05千萬位持卡人的9.79千萬次出行（5.93千萬次公交車定額收費出行、2.34千萬次公交車依距離收費出行，以及1.52千萬次地鐵出行）。研究者主要分析了工作日的情況，其中活躍持卡人有0.94千萬。

        研究者對公交/地鐵線路和站點信息進行了地理編碼。根據北京的行政界線、主要道路、規劃布局，研究者一共定義了1911個交通分析小區（traffic analysis zones,TAZs）（圖1D）。在研究者的計算中，2010年，在北京共有1928條公交路線（圖1A）和21372個公共汽車站點（圖1B）。若一條公交線路的去程和返程不同路，則這種情況分別計數。相鄰汽車站的平均距離大約為231米。2010年，包括機場快線在內，共有9條地鐵線路，和相應的147個地鐵站（圖1C）。

圖1 2010年北京的公交線路（A），公交站點（B），地鐵線路及站點（C），交通分析小區（TAZs）（D）注：所有地圖都來源于北京市城市規劃設計研究院。由于部分居民生活在北京周邊或河北省的臨近城鎮，所以A-D所示的部分線路在北京城外。

        研究者采用2010年北京交通的一次入戶調查，以描述極端出行者的特征。該調查系分層抽樣，采樣率為1%。調查范圍包括整個北京的1911個交通分析小區中的1085個，排除了人特別少的小區。研究者在每個交通分析小區中，選擇了10到50戶進行面對面訪談，樣本最終為北京的46900戶（116142名居民）。調查獲得每位受訪者某一天的出行日記，也得到包括出行者的家庭結構、收入水平、在該分析區域的位置等家庭信息，以及性別、年齡、職業、行業等個人信息。

哪些人被視為極端出行者

        借鑒上述北京交通入戶調查、既有文獻以及自身在北京的生活經驗，研究者定義了四類工作日的極端出行者（表1）。例如，北京的日常上班時間為早8:30或9:00，則早于6:00乘坐公共交通工具將被視為過早。

表1：本文對極端出行的定義

        為構建這些極端出行者職住之間的通勤距離，研究者采取以下推斷過程：

        如果卡類型不是學生卡，而持卡人呆在距任一車站500米以內的某一地點超過6小時，且該地點并非服務器在工作日記錄的第一個地點，同時又是持卡人在五個工作日中最頻繁出入的場所，則該地點在這項研究中被定義為持卡者的工作地。

        相似地，如果卡類型不是學生卡，而持卡人當日首次刷卡的公交車站/地鐵站，同時又是持卡人在幾個工作日中最頻繁出入之地，則這里會被定義為該持卡人最終居住地。

        而后，通勤距離被確定為持卡人工作地與居住地之間的距離。

四種極端出行者在哪居住，在哪工作？

        大數據不能告訴我們極端出行者的身份和出行行為背后的原因。為對此探究，研究者從上述北京交通的入戶調查中，提取出與公交卡研究確定的極端出行者相符的群體。

        研究者分析了早起的鳥兒的第一趟公交/地鐵的行程，貓頭鷹的最后一趟公交/地鐵的行程，不知疲倦的行者的公交/地鐵通勤行程，反復兜轉者所有公交/地鐵的行程，及被訪普通北京居民的所有行程。

        根據研究者對極端出行者的定義，188900人（即活躍持卡人的2%）在工作日滿足一項或多項極端出行類型。其中，14200名極端出行者使用了學生卡。研究者注意到，在2010年，反復兜轉者和貓頭鷹的數量超過了其他兩類極端出行者，不知疲倦的行者數量最少。

表2：極端出行者的數量和類型

        四種類型的極端出行者的移動模式總結如表3。

        研究者發現，在居住地方面，有很大比例的不知疲倦的行者住在三個著名的市郊居住區——它們是為容納當地拆遷居民而建的：通州，回龍觀，天通苑。除了這三個區域外，早起的鳥兒還分布在市中心周邊地區，反復兜轉者聚集在北京市五環以內區域，貓頭鷹集中在二環和四環之內。

        大多數極端出行者的工作地在五環以內，集中在城市北邊，這里比南邊更發達。許多反復兜轉者在亦莊工業園區工作。據調查，他們大多數住在北京市中心。數目可觀的不知疲倦的行者，在上地信息產業基地和天通苑附近工作。

        在通勤方面，最受早起鳥兒歡迎的目的地是西直門地區。許多不知疲倦的行者，長途跋涉，從通州前往市中心以北，他們大多數是從外圍來到市中心。許多反復兜轉者進行長距離通勤，他們中只有4%有確定的通勤路線。只有早起的鳥兒和貓頭鷹有通勤路線，但并非所有早起的鳥兒和貓頭鷹都進行長距離通勤。此外，反復兜轉者在一天內出入多地，并進行長距離出行。研究者分析了所有極端乘客的線路，發現早起的鳥兒、貓頭鷹和不知疲倦的行者很少有非通勤出行（分別為27.4%、25.3%和36.8%）——這意味著他們都忙于工作。

表3：四種極端出行者的出行模式

表3 最右列放大，依次如下：

        并非所有持卡人都有住房、工作地和通勤出行。在極端出行的地圖中，H代表住所，J代表工作場所。括號內數字為相應信息的極端乘客的總數。基礎層是2010年的交通分析小區。每一個地圖中的環路與圖1相對應（d）。

極端出行者去哪兒，做什么？他們是什么人？

        在2010年調查的記錄中，共有21771名出行者在工作日至少乘坐了一條公交/地鐵通勤線路，研究者從中確定了總計1569名極端出行者（即7.2%），其中有676名早起的鳥兒、236名貓頭鷹、627名不知疲倦的行者和100名反復兜轉者（70名出行者同時符合兩種類型的極端出行行為特征）。

        如圖2所示，研究者發現，早起的鳥兒中，分別有60.2%、11.8%和10.9%，第一次出行是去工作場所、學校和娛樂場所——這與普通的北京市民有顯著不同（普通人是21.9%，3.9%和6.4%）。大多數貓頭鷹的最后行程是回家（96.2%），2.1%是在晚上去工作場所。幾乎三分之一不知疲倦的行者，其出行是為吃飯（31.2%），接送以及商務出差也很多（這些比例都比普通北京人高）。

圖2 2010年調查中，每種極端出行者的出行原因。EB即早起的鳥兒，NO為貓頭鷹，TI為不知疲倦的行者，RI為反復兜轉者，AB為普通北京人。

        研究者進一步分析了不同極端出行者的社會經濟特征及其家庭信息。表4是總結。

表4：極端出行者的特征及家庭信息。注：括號中的數字是極端出行者總數        

        （1）年收入10萬元的家庭被歸類為高收入家庭，研究者發現，所有類型的極端出行者，家庭收入高的比率與普通家庭相比更低。        

        （2）貓頭鷹和不知疲倦的行者這兩類，與普通北京人相比，有更高比例的人在北京租房子。        

        （3）與普通北京人相比，四種類型的極端出行者汽車擁有率更低。        

        （4）與普通北京人相比，不知疲倦的行者和反復兜轉者受教育水平高。        

        （5）所有類型的極端出行中，不知疲倦的行者中，北京本地居民（有戶口）的比重最低。值得一提的是，2014年，40%的北京居民沒有北京戶口。2010年的調查在該屬性方面有偏差。        

        （6）貓頭鷹和反復兜轉者中，很少有包括公務員在內的公共部門雇員。在貓頭鷹和不知疲倦的行者中，從事服務業的員工更多；而在不知疲倦的行者這一群體中，有更多私企員工。此外，很少有貓頭鷹是教師和醫務人員。在貓頭鷹、不知疲倦的行者和反復兜轉者中，沒有當兵者或警察。

        （7）關于所有乘客的社會地位，早起鳥兒中60.9%是全職工人，20.9%是離退休人員，其次是12.7%的全日制學生。大多數的貓頭鷹和不知疲倦的行者是全職工人。貓頭鷹中也有相當數量的退休人員（5.9%）。令人驚訝的是，所有反復兜轉者中，38%是退休人員，而42%是全職工作者。還有12%的反復兜轉者處于失業狀態。

        采用2010年的調查，研究者能刻畫出所有類型的極端出行者。例如：早起的鳥兒們，大多數在私人公司或服務行業做全職工作，這類崗位工資較低，所需學歷也低；大多數反復兜轉者忙于工作，得從工資中拿出相當多的部分來付租金，他們受過良好教育，多為私企打工，但其中少有人擁有北京戶口。

        了解這些情況，無疑有助于城市管理者進行決策。例如，反復兜轉者、早起的鳥兒和貓頭鷹的居住地相似，反復兜轉者和早起的鳥兒都傾向于在五環內工作。研究者同樣發現，大量不知疲倦的行者在市內工作，卻居住在城市東部邊緣。這些顯然有助于職住安排決策。

未來如何更好地研究極端出行者？

        研究者認為，大數據和小數據可以相互補充。比如說：交通卡用戶不包括高端出行者；大多數的入戶調查對象是擁有北京戶口的本地人。因此，需要單獨設計調查，以便更好地了解極端出行者；在收集和使用交通卡信息方面，也可以采用更好的策略。或許未來會使用更長時間的交通卡數據，從長期和動態的角度，考察極端出行者的行為模式。

        另外，研究者也指出，這一分析僅限于公共交通乘客的極端出行行為，不包括使用其他交通方式（如汽車）的乘客。未來若能比較不同模式的極端行為，則可揭示造成極端出行現象的內在機制，以及極端出行是如何加重乘客負擔或使其受益的。

        

        （感謝復旦大學新聞學院何夕提供翻譯幫助）