市政厅|北京的公交极端出行者：他们为何早起，为何游荡？
不同的人以不同的节律在城市生活，因此“都市丛林”是个完美的比喻——有人是早起的鸟儿，有人则是夜间巡游的猫头鹰。通过城市交通系统产生的大数据，我们就能把他们识别出来，进而分析这类行为的规律及背后的动因，思考城市能为这些人创造何种便利条件。
比如说，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、那些通勤距离格外长的人、那些一天之内反复乘坐公交的人，他们相应的时空轨迹几乎都被记录于公交卡的数据之中。
北京市城市规划设计研究院高级工程师龙瀛、香港大学建筑学院城市规划与设计系助理教授刘行健、美国爱荷华州立大学设计学院助理教授周江评、北京大学城市与环境学院教授柴彦威四位学者，就运用2010年4月5日至11日的北京公交IC卡数据（包括地铁和公交），对北京市的上述四种极端出行行为进行识别，并通过入户调查数据（居民出行调查），补充了极端出行者的社会经济背景，进行了初步的分析。
为什么要研究极端出行者？
研究者表示，人的每一次出行都有目的，要在城市中汲取营养——这些极端出行者更是如此，他们不辞劳苦在城市中奔波，是公交系统的忠实使用者，期待以此获得更好的生活。那么，这些人是谁，在干什么，住在哪里，工作在哪里，家庭状况如何？深入了解这些状况，有助于城市管理者科学制定公交线路优化、公交补贴、产业布局、时间规划等政策。
由此，这项研究希望借助这些数据，研究鲜活的城市生活，并进而上升到政策建议。
交通卡的数据和入户调查数据
北京拥有载客量最大的公共交通系统，该系统主要由公交和地铁组成。2010年，包括机场轨道交通在内，北京拥有184公里的地铁轨道，仅2011年，公交系统载客高达49亿人次，行驶距离达17亿公里。由于地铁线路不断变长，政府也针对公共交通采取补贴，故而在北京所有交通工具中，地铁和公共汽车的出行分担率很高——2010年达到38.9%。
在北京，本地市民公交IC卡的使用率相当高。2005年以来，北京有超过90%的公交/地铁乘客使用匿名智能卡来支付车费。当持卡人使用智能卡付车费时，读卡器就会自动记录下这些数据：始发站/目的地，乘车时间/下车时间，智能卡号码和类型（如，学生卡/普通卡）等。
研究者从北京市政交通一卡通有限公司获得2010年一周（4月5日-4月11日）的公交IC卡数据，其信息包括1.05千万位持卡人的9.79千万次出行（5.93千万次公交车定额收费出行、2.34千万次公交车依距离收费出行，以及1.52千万次地铁出行）。研究者主要分析了工作日的情况，其中活跃持卡人有0.94千万。
研究者对公交/地铁线路和站点信息进行了地理编码。根据北京的行政界线、主要道路、规划布局，研究者一共定义了1911个交通分析小区（traffic analysis zones,TAZs）（图1D）。在研究者的计算中，2010年，在北京共有1928条公交路线（图1A）和21372个公共汽车站点（图1B）。若一条公交线路的去程和返程不同路，则这种情况分别计数。相邻汽车站的平均距离大约为231米。2010年，包括机场快线在内，共有9条地铁线路，和相应的147个地铁站（图1C）。
研究者采用2010年北京交通的一次入户调查，以描述极端出行者的特征。该调查系分层抽样，采样率为1%。调查范围包括整个北京的1911个交通分析小区中的1085个，排除了人特别少的小区。研究者在每个交通分析小区中，选择了10到50户进行面对面访谈，样本最终为北京的46900户（116142名居民）。调查获得每位受访者某一天的出行日记，也得到包括出行者的家庭结构、收入水平、在该分析区域的位置等家庭信息，以及性别、年龄、职业、行业等个人信息。
哪些人被视为极端出行者
借鉴上述北京交通入户调查、既有文献以及自身在北京的生活经验，研究者定义了四类工作日的极端出行者（表1）。例如，北京的日常上班时间为早8:30或9:00，则早于6:00乘坐公共交通工具将被视为过早。
表1：本文对极端出行的定义
为构建这些极端出行者职住之间的通勤距离，研究者采取以下推断过程：
如果卡类型不是学生卡，而持卡人呆在距任一车站500米以内的某一地点超过6小时，且该地点并非服务器在工作日记录的第一个地点，同时又是持卡人在五个工作日中最频繁出入的场所，则该地点在这项研究中被定义为持卡者的工作地。
相似地，如果卡类型不是学生卡，而持卡人当日首次刷卡的公交车站/地铁站，同时又是持卡人在几个工作日中最频繁出入之地，则这里会被定义为该持卡人最终居住地。
而后，通勤距离被确定为持卡人工作地与居住地之间的距离。
四种极端出行者在哪居住，在哪工作？
大数据不能告诉我们极端出行者的身份和出行行为背后的原因。为对此探究，研究者从上述北京交通的入户调查中，提取出与公交卡研究确定的极端出行者相符的群体。
研究者分析了早起的鸟儿的第一趟公交/地铁的行程，猫头鹰的最后一趟公交/地铁的行程，不知疲倦的行者的公交/地铁通勤行程，反复兜转者所有公交/地铁的行程，及被访普通北京居民的所有行程。
根据研究者对极端出行者的定义，188900人（即活跃持卡人的2%）在工作日满足一项或多项极端出行类型。其中，14200名极端出行者使用了学生卡。研究者注意到，在2010年，反复兜转者和猫头鹰的数量超过了其他两类极端出行者，不知疲倦的行者数量最少。
四种类型的极端出行者的移动模式总结如表3。
研究者发现，在居住地方面，有很大比例的不知疲倦的行者住在三个著名的市郊居住区——它们是为容纳当地拆迁居民而建的：通州，回龙观，天通苑。除了这三个区域外，早起的鸟儿还分布在市中心周边地区，反复兜转者聚集在北京市五环以内区域，猫头鹰集中在二环和四环之内。
大多数极端出行者的工作地在五环以内，集中在城市北边，这里比南边更发达。许多反复兜转者在亦庄工业园区工作。据调查，他们大多数住在北京市中心。数目可观的不知疲倦的行者，在上地信息产业基地和天通苑附近工作。
在通勤方面，最受早起鸟儿欢迎的目的地是西直门地区。许多不知疲倦的行者，长途跋涉，从通州前往市中心以北，他们大多数是从外围来到市中心。许多反复兜转者进行长距离通勤，他们中只有4%有确定的通勤路线。只有早起的鸟儿和猫头鹰有通勤路线，但并非所有早起的鸟儿和猫头鹰都进行长距离通勤。此外，反复兜转者在一天内出入多地，并进行长距离出行。研究者分析了所有极端乘客的线路，发现早起的鸟儿、猫头鹰和不知疲倦的行者很少有非通勤出行（分别为27.4%、25.3%和36.8%）——这意味着他们都忙于工作。
表3 最右列放大，依次如下：
极端出行者去哪儿，做什么？他们是什么人？
在2010年调查的记录中，共有21771名出行者在工作日至少乘坐了一条公交/地铁通勤线路，研究者从中确定了总计1569名极端出行者（即7.2%），其中有676名早起的鸟儿、236名猫头鹰、627名不知疲倦的行者和100名反复兜转者（70名出行者同时符合两种类型的极端出行行为特征）。
如图2所示，研究者发现，早起的鸟儿中，分别有60.2%、11.8%和10.9%，第一次出行是去工作场所、学校和娱乐场所——这与普通的北京市民有显著不同（普通人是21.9%，3.9%和6.4%）。大多数猫头鹰的最后行程是回家（96.2%），2.1%是在晚上去工作场所。几乎三分之一不知疲倦的行者，其出行是为吃饭（31.2%），接送以及商务出差也很多（这些比例都比普通北京人高）。
研究者进一步分析了不同极端出行者的社会经济特征及其家庭信息。表4是总结。
（1）年收入10万元的家庭被归类为高收入家庭，研究者发现，所有类型的极端出行者，家庭收入高的比率与普通家庭相比更低。
（2）猫头鹰和不知疲倦的行者这两类，与普通北京人相比，有更高比例的人在北京租房子。
（3）与普通北京人相比，四种类型的极端出行者汽车拥有率更低。
（4）与普通北京人相比，不知疲倦的行者和反复兜转者受教育水平高。
（5）所有类型的极端出行中，不知疲倦的行者中，北京本地居民（有户口）的比重最低。值得一提的是，2014年，40%的北京居民没有北京户口。2010年的调查在该属性方面有偏差。
（6）猫头鹰和反复兜转者中，很少有包括公务员在内的公共部门雇员。在猫头鹰和不知疲倦的行者中，从事服务业的员工更多；而在不知疲倦的行者这一群体中，有更多私企员工。此外，很少有猫头鹰是教师和医务人员。在猫头鹰、不知疲倦的行者和反复兜转者中，没有当兵者或警察。
（7）关于所有乘客的社会地位，早起鸟儿中60.9%是全职工人，20.9%是离退休人员，其次是12.7%的全日制学生。大多数的猫头鹰和不知疲倦的行者是全职工人。猫头鹰中也有相当数量的退休人员（5.9%）。令人惊讶的是，所有反复兜转者中，38%是退休人员，而42%是全职工作者。还有12%的反复兜转者处于失业状态。
采用2010年的调查，研究者能刻画出所有类型的极端出行者。例如：早起的鸟儿们，大多数在私人公司或服务行业做全职工作，这类岗位工资较低，所需学历也低；大多数反复兜转者忙于工作，得从工资中拿出相当多的部分来付租金，他们受过良好教育，多为私企打工，但其中少有人拥有北京户口。
了解这些情况，无疑有助于城市管理者进行决策。例如，反复兜转者、早起的鸟儿和猫头鹰的居住地相似，反复兜转者和早起的鸟儿都倾向于在五环内工作。研究者同样发现，大量不知疲倦的行者在市内工作，却居住在城市东部边缘。这些显然有助于职住安排决策。
未来如何更好地研究极端出行者？
研究者认为，大数据和小数据可以相互补充。比如说：交通卡用户不包括高端出行者；大多数的入户调查对象是拥有北京户口的本地人。因此，需要单独设计调查，以便更好地了解极端出行者；在收集和使用交通卡信息方面，也可以采用更好的策略。或许未来会使用更长时间的交通卡数据，从长期和动态的角度，考察极端出行者的行为模式。
另外，研究者也指出，这一分析仅限于公共交通乘客的极端出行行为，不包括使用其他交通方式（如汽车）的乘客。未来若能比较不同模式的极端行为，则可揭示造成极端出行现象的内在机制，以及极端出行是如何加重乘客负担或使其受益的。
（感谢复旦大学新闻学院何夕提供翻译帮助）