基于多类别空间轨迹数据和多类型旅客类型划分的区域旅客出行特征研究

Regional Passenger Travel Characteristics Based on Multi-Class Spatial Trajectory Data and Multi-Type Passenger Classification

摘要

按照出行范围和运载工具营运属性对区域旅客出行进行类型划分，重点考虑非营运性的私人载客汽车旅客，以及同本区域经济发展无关的过境旅客，构建包括区域客运总量、过境客运量、非过境客运量的区域旅客出行特征计算模型。发挥交通行业传统统计数据、营运(收费)数据和手机信令数据等不同数据源的比较优势，强化相互补充和校核，提高模型参数的可获取性和准确性。以2023年湖北省辖区内发生的客运量为例进行案例分析，验证方法有效性和实用性。结果表明：该模型可用于计算在湖北省交通网上发生的旅客出行特征；2023年湖北省过境客运量2.61亿人，是区域客运量的重要组成部分；私人载客汽车客运量在湖北省客运总量中占比65.3%，是湖北地区旅客出行中最为普遍的交通方式。

Abstract

By classifying passenger travel based on travel scopes and operational attributes of vehicles and considering passengers of non-operational private vehicles and transit passengers unrelated to regional economic development, a calculation model for regional passenger travel characteristics covering the total regional passenger volume, transit passenger volume, and non-transit passenger volume was constructed. Comparative advantages of traditional statistics of the transportation industry, operating charge data, and mobile signaling data were utilized to strengthen mutual complementation and verification of different data sources and improve the accessibility and accuracy of model parameters. A case study of Hubei Province in 2023 was implemented to verify the validity and practicability of the proposed model. The results show that the model can be used to analyze passenger travel characteristics of transportation networks in Hubei Province. The transit passenger volume in Hubei Province in 2023 is 261 million, contributing an important part to the regional passenger volume. The private passenger vehicle accounts for 65.3% of the total passenger transportation in Hubei Province, making it the most common mode of transportation for passengers in Hubei Province.

Graphical abstract

关键词

交通工程 / 多源数据 / 非营运性客运 / 过境客运量 / 非过境客运量 / 客运总量

Key words

Traffic Engineering / Multi-Source Data / Non-Operational Passenger Transportation / Transit Passenger Volume / Non-Transit Passenger Volume / Total Passenger Volume

0　引言

同旅客出行相关的综合交通网是国土空间规划的重要对象，准确识别依托综合交通网的旅客在国土空间上出行规模、轨迹、范围和交通方式等特征，是满足旅客出行需求、优化交通供给的重要基础，也是合理管控综合交通网建设规模和空间布局、促进交通与国土空间协调发展、提高国土空间利用效率的有效手段。当前，区域(城市群、都市圈、省、自治区、直辖市等)旅客出行呈现了不同区域过境旅客和非过境旅客构成差异明显的区域特征，和私人载客汽车保有量、使用频率持续增加的时代特征。因此，迫切需要对不同区域的旅客出行特征进行研究，以服务支撑国土空间规划。

从国土空间视角对区域旅客出行特征进行研究是交通运输、空间地理的传统研究领域，对此进行研究的专家学者人数较多，形成的研究成果数量也较为丰富，主要分为3类。第1类成果研究了同旅客出行相关的交通基础设施与国土空间规划的关系^[1-3]，以及其在国土空间中的功能定位^[4-6]。第2类成果结合各种交通方式的经济技术特性，研究了旅客出行规模^[7-8]、时间^[9-10]、距离^[11]和方式选择^[12-13]等出行特征同国土空间使用利用之间的影响机理、作用效果。第3类成果聚焦交通领域，通过多源数据，深化或创新了旅客出行规模^[14]、距离^[15]、结构^[16-17]、空间分布^[18-20]等影响因素和计算方法。

以上研究成果对增强区域旅客运输能力、优化客运结构、推动交通与国土空间开发利用良性互动和融合发展起到了一定的促进作用，但是既有研究成果的研究对象多为铁路、公路等营运性交通方式的客运量，对保有量规模大、百姓出行使用频繁的私人载客汽车客运量的研究尚不充分。区域城市对外客运量具有显著的区域特征，除承担与本地区经济社会发展相关的客运量外，还承担部分国家层面的、与本区域经济社会发展无关、但需使用本区域交通网络完成出行全过程的客运量，在既有研究成果中也鲜有发现。此外，以手机信令为代表的大数据正加速应用于客运需求预测、交通服务水平提升等多个领域，发挥利用交通行业统计数据、营运(收费)数据和手机信令等不同数据的优势，弥补单一数据源的不足，正成为揭示旅客出行和国土空间关系的有效手段。

因此，统筹考虑区域过境客运量和非过境客运量、营运性客运量和非营运性客运量、城市客运量和城市对外客运量，将其一并纳入区域旅客出行的研究范畴，利用多源数据摸清真实的区域客运总规模、过境旅客和非过境旅客构成、非营运性客运量占比等区域旅客出行特征，并在此基础上制定有针对性的国土空间资源政策，为具有较强客运功能的区域交通网保障好、预留好国土空间资源，对于完善重大交通基础设施空间布局、动态调整旅客出行供给能力、优化客运出行结构，具有重要的现实意义。

1　模型构建

1.1　区域城市对外旅客出行类型划分

区域客运量分类图如图1所示。将过境客运量和非过境客运量、营运性客运量和非营运性客运量、城市客运量和城市对外客运量一并纳入研究范畴。只考虑机动车出行的旅客，不考虑步行等非机动车出行的旅客；区域的空间范围可以是省(自治区、直辖市)，也可以是城市群、都市圈等。为突出区域旅客的出行范围，区域旅客出行按以下方法进行分类。

1.1.1　过境旅客

区域过境旅客指旅客的出行起终点均在区域外部，旅客出行轨迹跨越3个及3个以上行政区域，此类旅客出行在本区域中的轨迹集中在通道上，全过程未离开通道，在本区域只发生过境行为，也未参与本区域经济社会的任何生产经营活动，所以该类客运量通常与本区域经济社会发展无关。由于利用2条及2条以上通道完成过境全过程的过境客运量与利用单一运输通道完成过境全过程的过境客运量相比，规模通常不大，本研究认为当区域拥有多条运输通道时，该区域的全部单一运输通道过境客运量之和，即为本区域过境客运量。单条和多条区域运输通道的过境旅客轨迹示意图如图2所示。

按区域运输通道构成线路的交通方式进行分类，区域城市对外过境客运量包括铁路(高速铁路、普速铁路)、公路(高速公路、普通国省道)、水运等交通方式过境客运量，民航运输由于空中航路的区域属性较为模糊，且同其他运输方式相比，民航过境客运量规模较小，因此暂不考虑民航的过境客运量。

1.1.2　非过境旅客

区域非过境旅客指其出行起点在区域境内的出行旅客。该类出行旅客是区域内居民日常生活和开展生产经济活动的主力军。

区域非过境旅客出行按以下步骤进行细分。

步骤1：按营运属性进行分类，包括营运性运输方式的客运量，和以私人载客汽车为主的非营运性运输方式的客运量。其中，私人载客汽车客运量包括在本区域注册登记使用的私人载客汽车客运量和非在本区域注册登记、但在本区域使用的私人载客汽车客运量。

步骤2：对营运性客运量按城市客运量、城市对外客运量进行分类。城市客运量包括公共汽电车、城市轨道交通、出租车、客运轮渡等方式的客运量，城市对外客运量包括铁路(高速铁路、普速铁路)、公路(道路客运)、水运、民航等方式的客运量。

1.2　区域客运量计算

1.2.1　区域过境客运量

区域过境客运量计算公式为

A_t={\displaystyle \sum _{i=\mathrm{1}}^m}{A}_{i,t}⑴

式中：A_t为区域第t年过境客运量，万人；i为区域的运输通道序号，i=\mathrm{1,2},\dots m；m为区域运输通道的数量，个；A_{i,t}为第t年区域运输通道i的过境客运量，万人。根据区域运输通道交通线路构成，A_{i,t}计算公式为

A_{i,t}={\displaystyle \sum _{j=\mathrm{1}}^{\mathrm{5}}}{a}_{i,j,t}⑵

式中：j为区域运输通道中交通线路的序号，1代表高速铁路，2代表普速铁路，3代表高速公路，4代表普通国省道，5代表水运；a_{i，j，t}^{}为第t年区域运输通道i中第j种交通方式的过境客运量，万人。

1.2.2　区域非过境客运量

根据区域非过境客运量构成，计算公式为

B_t=B_{\mathrm{1},t}+B_{\mathrm{2},t}⑶

式中：B_t为区域第t年非过境客运量，万人；B_{\mathrm{1},t}为区域第t年非过境营运性客运量，万人；B_{\mathrm{2},t}为区域第t年非过境非营运性客运量，万人。其中，根据客运量营运属性构成，B_{\mathrm{1},t}计算公式为

B_{\mathrm{1},t}=B_{\mathrm{1},t}^{\mathrm{\text{'}}}+B_{\mathrm{1},t}^{\mathrm{\text{'}}\mathrm{\text{'}}}⑷

式中：B_{\mathrm{1},t}^{\mathrm{\text{'}}}为区域第t年非过境营运性城市客运量，万人，其计算公式为

B_{\mathrm{1},t}^{\mathrm{\text{'}}}={\displaystyle \sum _{k=\mathrm{1}}^{\mathrm{4}}}{d}_{k,t}⑸

式中：d_{k,t}为区域第t年第k种非过境营运性交通方式的客运量，万人；k为运输方式的序号，1为公共汽电车，2为出租车，3为城市轨道交通，4为客运轮渡。

B_{\mathrm{1},t}^{″}为区域第t年非过境营运性城市对外客运量，万人，其计算公式为

B_{\mathrm{1},t}^{″}={\displaystyle \sum _{k=\mathrm{5}}^{\mathrm{9}}}{d}_{k,t}⑹

式中：运输方式k=\mathrm{5}时，为高速铁路；k=\mathrm{6}时，为普速铁路；k=\mathrm{7}时，为道路；k=\mathrm{8}时，为水运；k=\mathrm{9}时，为民航。

B_{\mathrm{2},t}同区域使用的私人载客汽车保有量、使用频次、平均载客人数密切相关。计算公式为

B_{\mathrm{2},t}=e_t\cdot f_t\cdot p_t\cdot \mathrm{365}=（e_{\mathrm{1},t}+e_{\mathrm{2},t}）\cdot f_t\cdot p_t\cdot \mathrm{365}⑺

式中：e_t为第t年区域私人载客汽车保有量，万辆；f_t为第t年区域私人载客汽车日使用频率，次/d；p_t为第t年区域私人载客汽车平均载客人数，人/标准车；e_{\mathrm{1},t}为第t年区域注册登记的私人载客汽车保有量，万辆；e_{\mathrm{2},t}为第t年非区域注册登记、但在区域使用的私人载客汽车保有量，万辆。

1.2.3　区域客运总量

根据图2中区域旅客出行分类，和公式⑴—⑺，区域客运总量计算公式为

C_t=A_t+B_t⑻

式中：C_t为第t年区域客运总量，万人。

1.3　区域客运结构

1.3.1　过境客运量、非过境客运量占比

区域过境客运量在区域客运总量中占比的计算公式为

g_{\mathrm{1},t}=\frac{A_t}{C_t}⑼

式中：g_{\mathrm{1},t}为第t年区域过境客运量占比。

除区域过境客运量外，均为区域非过境客运量。区域非过境客运量在区域客运总量中占比的计算公式为

g_{\mathrm{2},t}=\mathrm{1}-g_{\mathrm{1},t}⑽

式中：g_{\mathrm{2},t}为第t年区域非过境客运量占比。

1.3.2　私人载客汽车客运量占比

计算非营运性的私人载客汽车客运量的占比，用以体现私人载客汽车在区域旅客出行中的重要程度。计算公式为

g_{\mathrm{3},t}=\frac{B_{\mathrm{2},t}}{C_t}⑾

式中：g_{\mathrm{3},t}为第t年私人载客汽车客运量占比。

2　多源数据处理

综合使用传统交通行业统计数据、营运(收费)数据和手机信令数据，发挥各种数据源的优势，弥补单一数据源的不足，利用多源数据揭示区域旅客的空间出行轨迹特征，获取模型中各参数值。

2.1　数据获取

区域中的铁路、道路、水运、民航等运输方式的非过境客运量参数值和区域运输通道中铁路、高速公路、水运等交通线路的过境客运量参数值，利用传统交通行业统计数据和营运(收费)数据获得。区域运输通道中普通国省道的过境客运量参数值，利用手机信令数据获取。

2.2　数据校核

由于交通沿线基站密度影响手机信令数据精度、对局部个体出行进行扩样的数据处理方式掩盖了部分旅客出行特征等，需对利用手机信令获取的区域运输通道中普通国省道过境客运量数据的可靠性进行验证和校核。以营运(收费)数据中系统性较强、准确度较高的铁路和高速公路的相关参数值，同利用手机信令数据获取的铁路和高速公路的参数值进行比较，当2种数据源的同一参数值相差不大的时候，即认为利用手机信令数据获取的参数值具有较高的精确度。

由于高速铁路速度较快，从海量手机信令数据中甄别和筛选高速铁路过境客运量相对容易和准确。因此，当区域运输通道配置了高速铁路时，优先选择高速铁路数据进行数据校核，其次为普速铁路、高速公路。当区域运输通道中未配置高速铁路、普速铁路和高速公路时，可参考邻近的区域运输通道数据校核情况。

不同区域运输通道沿线的基站数量和密度不同，同一区域、不同通道手机信令数据的准确性也存在差异，因此需要对区域内每条运输通道的手机信令数据逐一校核。计算公式为

f_{i,t}=\frac{a_{i,j,t,y}}{a_{i,j,t,s}}⑿

式中：f_{i,t}为第t年通道i手机信令数据的修正系数，值越接近1，手机信令数据准确度越高；a_{i,j,t,y}为第t年通道i交通方式j营运(收费)数据的过境客运量，万人；a_{i,j,t,s}为第t年通道i交通方式j手机信令数据的过境客运量，万人。其中，j的取值包括1，2，3，分别表示高速铁路、普速铁路和高速公路，优先级依次递减。

2.3　普通国省道过境客运量计算

在对手机信令数据校核的基础上，利用手机信令数据的修正系数，对通过手机信令数据获取的普通国省道过境客运量参数值进行同比例缩放，得到准确的普通国省道过境客运量参数值。计算公式为

a_{i,\mathrm{4},t}=e_{i,t}\cdot a_{i,\mathrm{4},t,s}⒀

式中：a_{i,\mathrm{4},t,s}为第t年通道i中的普通国省道手机信令数据过境客运量，万人。

3　案例分析

3.1　多源数据情况

根据《湖北统计年鉴》，获取2023年湖北省营运性交通方式客运量表如表1所示。由于在其他地区注册登记、但在湖北使用的私人载客汽车规模很小，因此暂不考虑该部分的客流数据。由于湖北省未对全省私人载客汽车日均使用次数、单位小汽车载客人数进行统计，参照武汉、黄石等典型城市私人载客汽车使用利用情况，对湖北全省私人载客汽车日均使用次数、单位小汽车载客人数进行估算，湖北省私人载客汽车旅客出行相关参数表如表2所示。

湖北省“五纵四横”综合运输通道构成线路如表3所示。从铁路运输部门、高速公路营运部门、水路运输管理部门获取各综合运输通道中铁路、高速公路和长江航道湖北段的过境客运量数值。利用联通智慧足迹公司的手机信令数据获取通道中普通国道的过境客运量(原始值)。

3.2　数据校核

选择9条综合运输通道中铁路或高速公路的过境客运量作为参照，利用公式⑿，获取每个综合运输通道手机信令数据的修正系数，验证手机信令公司数据和处理方法的可靠性，“五纵四横”综合运输通道手机信令数据校准表如表4所示，手机信令数据的修正系数最小值为1.03，最大值为1.12。总体看，手机信令数据具有较高的可信度。根据公式⒀，获取“五纵四横”综合运输通道中普通国道过境客运量表如表5所示。

“五纵四横”综合运输通道构成线路过境客运量(一)如表6所示，“五纵四横”综合运输通道构成线路过境客运量(二)如表7所示。

3.3　客运量构成分析

3.3.1　过境客运量

湖北省过境客运量主要集中于“五纵四横”综合运输通道中。根据公式⑵，结合表6和表7的数据，计算得到“五纵四横”综合运输通道中各通道过境客运量。叠加9条综合运输通道的过境客运量，得到2023年湖北省过境客运量26 121万人。“五纵四横”综合运输通道各通道过境客运量如表8所示。

3.3.2　非过境客运量

（1）非过境非营运性客运量。根据公式⑺和表2的相关参数，计算2023年湖北省非过境非营运性客运量，即私人载客汽车客运量B_{\mathrm{2,2023}}。

B_{\mathrm{2,2023}}=\mathrm{946}\times \mathrm{2.09}\times \mathrm{1.33}\times \mathrm{365}=\mathrm{959}\mathrm{803}\mathrm{万人}

（2）非过境营运性城市客运量。根据表1数据和公式⑸，计算2023年湖北省非过境营运性城市客运量B_{\mathrm{1,2023}}^{\mathrm{\text{'}}}。

B_{\mathrm{1,2023}}^{\mathrm{\text{'}}}=\mathrm{175}\mathrm{597}+\mathrm{113}\mathrm{502}+\mathrm{135}\mathrm{648}+\mathrm{709}=425 456万人

（3）非过境营运性城市对外客运量。根据表1数据和公式⑹，计算2023年湖北省非过境营运性城市对外客运量B_{\mathrm{1,2023}}^{″}。

B_{\mathrm{1,2023}}^{″}=17 042+38 328+718+1 580=57 668万人

（4）非过境营运性客运量。根据公式⑷，计算2023年湖北省非过境营运性客运量B_{\mathrm{1,2023}}，为非过境营运性城市客运量和非过境营运性城市对外客运量之和。

B_{\mathrm{1,2023}}=\mathrm{425}\mathrm{456}+\mathrm{57}\mathrm{668}=\mathrm{483}\mathrm{124}万人

（5）非过境客运量。根据公式⑶，计算2023年湖北省非过境客运量B_{\mathrm{2023}}，为非过境营运性客运量和非过境非营运性客运量之和。

B_{\mathrm{2023}}=B_{\mathrm{1,2023}}+B_{\mathrm{2,2023}}=\mathrm{483}\mathrm{124}+\mathrm{959}\mathrm{803}=1 442 927万人

3.3.3　过境客运量及非过境客运量占比分析

（1）客运总量。综上，2023年湖北省过境客运量和非过境客运量构成表如表9所示。根据公式⑴，利用表9数据，对2023年湖北省过境客运量和非过境客运量进行叠加，计算得到2023年湖北省客运总量，为1 469 084万人。

（2）客运量方式构成。2023年湖北省客运量以非营运性的私人载客汽车客运量为主，在客运总量中占比65.3%，营运性的旅客运输占比仅为34.7%，私人载客汽车已成为湖北省内旅客出行主要使用的运输工具。在私人载客汽车普及程度持续加深、保有量持续增长的背景下，将私人载客汽车客运量纳入客运总量和客运结构的统计范围，能够更为客观真实地体现湖北省客运出行结构。

（3）非过境客运量结构。2023年湖北省客运量以非过境客运量为主，达到1 442 927万人，占比98.2%。非营运性的私人载客汽车是湖北省旅客出行中最为普遍的交通方式，2023年湖北私人载客汽车客运量在非过境客运量中占比66.5%。2023年湖北省非过境客运量的运输方式结构如图3所示。

（4）过境客运量结构。2023年湖北省过境客运量26 121万人，在客运总量中占比1.8%，尽管占比不高，但超过了既有统计口径中的铁路、水运、民航等营运性交通方式的客运量。过境客运量主要集中在纵一、纵二、纵四、横一、横三等综合运输通道上，以上5条通道的过境客运量占湖北省“五纵四横”综合运输通道过境客运量的86.0%。由于过境客运量占用了大量湖北省交通基础设施资源，加大对以上5条通道的国土空间资源要素保障倾斜力度，有利于增强湖北综合交通网对过境旅客的交通服务能力。

4　结论

以区域旅客出行特征为研究对象，在对区域旅客出行进行更为细致类型划分的基础上，利用多源数据分析区域旅客出行空间轨迹、获取模型参数值，构建了客运总量、非过境旅客量、过境旅客量以及占比的区域旅客出行特征分析模型，结合案例分析，得出以下结论。

（1）结合旅客出行的显著区域特征，打破按运输方式对旅客出行进行分类的传统，按旅客出行范围对区域旅客出行分类进行了探索，并给出定量计算方法。该分类和计算方法可以用于获取区域中客运总量和客运结构、过境客运量和非过境客运量、营运性客运量和非营运性客运量等区域旅客出行特征。

（2）强化传统统计数据、营运(收费)数据、手机信令数据等多源数据间的相互补充和校核，保证了数据精度，提高了模型中参数、特别是普通国省道过境旅客相关参数的可获取性和准确性。

（3）以湖北省为例，验证方法有效性。结果表明，该方法可以计算分析区域客运量和过境客运量及其占比，将过境客运量和私人载客汽车客运量纳入区域客运量考虑范畴和统计范围，具有现实意义。2023年湖北省客运总量146.9亿人，客运量构成以非过境客运量为主，占比98.2%。过境客运量在客运总量中占比1.8%，超过了既有统计口径中的铁路、水运、民航等运输方式在客运总量中的占比；过境客运量主要集中在纵一、纵二、纵四、横一、横三等5条综合运输通道上，其过境客运量占湖北省过境客运量的86.0%。加大对以上通道的国土空间要素保障力度，有利于增强湖北综合交通网对过境旅客的交通服务能力。

参考文献

[1] 黄　伟，李光红，孙　娜. 国土空间规划背景下交通规划体系建构研究[J]. 规划师，2023，39(10)：1-7.

[2] HUANG Wei， LI Guanghong， SUN Na. Construction of Transportation Planning System in the Context of Territorial Space Planning[J]. Planners，2023，39(10)：1-7.

[3] 胡刚钰，何　杨，黄建中，等. 都市圈国土空间与综合交通协同规划框架和策略[J]. 规划师，2023，39(11)：27-33.

[4] HU Gangyu， HE Yang， HUANG Jianzhong，et al. Synergistic Planning Framework and Strategy of Territorial Space and Comprehensive Transportation in Metropolitan Region[J]. Planners，2023，39(11)：27-33.

[5] 陈　莎. 省级国土空间规划中区域交通规划思路与重点任务[J]. 规划师，2023，39(10)：22-27.

[6] CHEN Sha. Ideas and Key Tasks of Regional Transportation Planning in Provincial Territorial Space Planning[J]. Planners，2023，39(10)：22-27.

[7] 邓策方，卞芸芸. 广州市交通与国土空间规划协同的实践与探索[J]. 城市发展研究，2024，31(5)：56-63.

[8] DENG Cefang， BIAN Yunyun. Practice and Exploration of Coordination between Transportation and Territorial Spatial Planning in Guangzhou[J]. Urban Development Studies，2024，31(5)：56-63.

[9] 何尹杰，张占录，朱高儒，等. 基于生态导向的四川省交通国土空间承载力评价[J]. 地理与地理信息科学，2022，38(3)：97-103.

[10] HE Yinjie， ZHANG Zhanlu， ZHU Gaoru，et al. Eco-Oriented Evaluation of Carrying Capacity of National Land Space of Transportation in Sichuan Province[J]. Geography and Geo-Information Science，2022，38(3)：97-103.

[11] 王文晶. 沪杭铁路通道空间布局方法研究[J]. 铁道运输与经济，2024，46(3)：43-49.

[12] WANG Wenjing. Spatial Layout Method of Shanghai-Hangzhou Railway Channel[J]. Railway Transport and Economy，2024，46(3)：43-49.

[13] 马小毅，刘明敏，何鸿杰，等.国土空间规划背景下广州低效城市轨道交通站点优化方法与实践[J/OL].铁道运输与经济，(2025-01-08) [2025-03-30].

[14] 邓毛颖，李橘云，江雪峰. 基于国土空间规划全流程的低效轨道交通车站监测评估：以广州市为例[J]. 城市交通，2024，22(4)：87-94.

[15] DENG Maoying， LI Juyun， JIANG Xuefeng. Monitoring and Evaluation of Inefficient Rail Transit Stations Based on the Whole Process of National Spatial Planning：Taking Guangzhou as an Example[J]. Urban Transport of China，2024，22(4)：87-94.

[16] 马王钰青. 我国国土空间交通可达性测度与时空格局研究[J/OL]. 铁道运输与经济，2025：(2025-01-08) [2025-3-30].

[17] 刘琳琳，郑伯红，骆　晨. 基于交通大数据的南昌市中心城区等时圈划分及特征分析[J]. 地球信息科学学报，2022，24(2)：220-234.

[18] LIU Linlin， ZHENG Bohong， LUO Chen. Division and Feature Analysis of Nanchang Urban Center Isochrone Maps Based on Traffic Big Data[J]. Journal of Geo-Information Science，2022，24(2)：220-234.

[19] 李　涛，彭天浩，王姣娥，等. 铁路功效运输联系空间差异化及区域整合效应[J]. 地理学报，2023，78(4)：946-960.

[20] LI Tao， PENG Tianhao， WANG Jiaoe，et al. Spatial Differentiation and Effect on Regional Integration of Inter-City Connections in China[J]. Acta Geographica Sinica，2023，78(4)：946-960.

[21] 赵鹏军，吕　迪，胡昊宇，等. 面向人口服务的中国陆路客运交通区划研究[J]. 地理学报，2023，78(6)：1498-1514.

[22] ZHAO Pengjun， Di LYU， HU Haoyu，et al. The People-Oriented Land Passenger Transportation Regionalization in China[J]. Acta Geographica Sinica，2023，78(6)：1498-1514.

[23] 于尚坤，苗　毅，王成新，等. 中国民航客运区位熵的时空特征与影响因素[J]. 经济地理，2023，43(3)：35-43.

[24] YU Shangkun， MIAO Yi， WANG Chengxin，et al. The Location Entropy of China’s Civil Aviation Passenger Transport：Spatiotemporal Characteristics and Influencing Factors[J]. Economic Geography，2023，43(3)：35-43.

[25] CARMONA-BENÍTEZ R B， NIETO M R. A Methodology for Calculating the Unmet Passenger Demand in the Air Transportation Industry[J]. Research in Transportation Business & Management，2023，50：101039.

[26] WANG T， ZHANG Y， LI Y，et al. Sustainable Development of Transportation Network Companies：From the Perspective of Satisfaction across Passengers with Different Travel Distances[J]. Research in Transportation Business & Management，2021，41：100687.

[27] 戢晓峰，于　淼，陈　方，等. 新冠疫情前后自驾旅游流空间结构特征及影响：以云南省为例[J]. 干旱区资源与环境，2022，36(12)：184-190.

[28] JI Xiaofeng， YU Miao， CHEN Fang，et al. Influence of the COVID-19 on the Spatial Structure of Self-Driving Tourist Flow during the Golden Week of Spring Festival：Case of Yun'nan Province[J]. Journal of Arid Land Resources and Environment，2022，36(12)：184-190.

[29] 原雅丽，杨小宝，李虹慧，等. 突发事件下城市群内旅客城际出行方式选择行为[J]. 清华大学学报(自然科学版)，2022，62(7)：1142-1150.

[30] YUAN Yali， YANG Xiaobao， LI Honghui，et al. Intercity Travel Mode Choice Behavior of Travelers in Large Urban Regions during Emergencies[J]. Journal of Tsinghua University (Science and Technology)，2022，62(7)：1142-1150.

[31] 彭　辉，王　威，徐培娟，等. 基于空间联系强度的城际出行分布预测模型[J]. 北京交通大学学报，2022，46(4)：43-51.

[32] PENG Hui， WANG Wei， XU Peijuan，et al. Prediction Model of Intercity Travel Distribution Based on Spatial Connection Strength[J]. Journal of Beijing Jiaotong University，2022，46(4)：43-51.

[33] 崔　愿，陈　璟，李　可，等. 基于多源数据的区域综合运输通道旅客出行特征研究[J]. 公路交通科技，2023，40(1)：252-260.

[34] CUI Yuan， CHEN Jing， LI Ke，et al. Study on Characteristics of Passenger Travel in Regional Comprehensive Transport Corridor Based on Multisource Data[J]. Journal of Highway and Transportation Research and Development，2023，40(1)：252-260.

[35] 戢晓峰，戈艺澄，陈　方. 基于公路交通流大数据的节假日旅游流时空分异特征：以云南省2017年7个节假日为例[J]. 旅游学刊，2019，34(6)：37-47.

[36] JI Xiaofeng， GE Yicheng， CHEN Fang. Spatial and Temporal Differentiation Characteristics of Holiday Tourism Flow Based on Highway Traffic Flow Big Data：A Case Study of 7 Holidays in 2017 in Yunnan Province[J]. Tourism Tribune，2019，34(6)：37-47.

基金资助

国家社会科学基金重大项目(20ZDA086)

交通运输部规划研究院项目(031914-322)

交通运输部规划研究院项目(092314-002)