上海地铁系统高分辨率人类移动数据集：揭示城市交通动态与通勤模式

为解决城市地铁系统精细化建模的数据缺口问题，上海交通大学团队基于7.368亿条智能卡记录，构建了覆盖上海302个地铁站、时间分辨率达10分钟的高精度OD（Origin-Destination）流量数据集。通过分类通勤流（C）、居家相关流（HBO）与非居家流（NHB），结合气象与拓扑数据，为交通优化、时空数据挖掘及城市科学提供了多维度研究基准。

　　

背景与挑战
在全球城市化进程中，地铁系统作为高效低碳的交通载体，承担着20%-50%的通勤需求。然而，现有地铁数据集普遍存在时间分辨率低（如纽约MTA数据集仅提供小时级数据）、缺乏行程分类（如SHMetro未区分通勤与休闲出行）、或地理信息缺失（如参考数据集仅用ID标识站点）等局限。这些问题严重制约了精准预测早晚高峰流量、优化列车调度等关键应用。

研究设计与方法
上海交通大学联合上海市交通信息中心，基于2017年5-8月19.69万用户的7.368亿条AFC（自动售检票系统）数据，构建了迄今最精细的上海地铁流量数据集。通过Gaode API补全缺失的进站时间，并开发三重清洗规则（剔除不完整行程、异常短/长行程），最终形成302个站点、10分钟分辨率的流量矩阵。创新性地通过高频站点识别算法（阈值>40%访问量）标记用户居住/工作地，将行程分类为通勤流（C）、居家相关流（HBO）与非居家流（NHB）。

关键技术与数据

1. 轨迹重建：利用高德地图API逆向推算进站时间，解决原始数据缺失问题
2. 行程分类：基于早晚高峰进出站频率识别居住/工作站点（H/W池）
3. 质量控制：剔除<3分钟或>5小时的异常行程，完整性验证显示仅6天数据需排除
4. 多源融合：整合气象数据（Open-meteo API）、站点拓扑（邻接表）与工作日历

主要发现
1. 通勤行为的空间分异
通过分析10km以上长距离出行发现，通勤流（C）占比达67%，且呈现显著幂律分布（拟合优度R²>0.9），而NHB流在短途出行中占比更高。如图2(b)所示，迪士尼站（#1136）在暴雨日的客流量骤降60%，验证了气象敏感性的行程类别差异。

2. 时间动态的站级特征
人民广场等商业区站点呈现早8点出站/晚6点进站的“工作地模式”，而莘庄站则相反（居住地模式）。图3显示虹桥火车站NHB流占比超70%，凸显其作为交通枢纽的特性。

3. 数据可靠性验证
与2015年参考数据集对比，本研究的每小时流量方差相关性达0.98（p<0.001），如图6所示。降水与客流量的点二列相关系数在非工作日更高（r=0.32, p<0.01），印证数据的环境响应合理性。

结论与展望
该研究首次实现了百万级用户轨迹的细粒度（10分钟/302站）分类聚合，突破传统OD矩阵仅能反映总量的局限。通过公开数据集（figshare 28844942）与开源代码库，为以下领域提供新机遇：

• 交通工程：基于C/HBO/NHB流的差异优化列车排班
• 城市计算：解析地铁网络与城市空间结构（如15分钟生活圈）的耦合关系
• 突发应对：量化极端天气对不同站点类型的影响

未来可结合实时GPS数据提升轨迹精度，或引入迁移学习解决小样本站点预测问题。这项发表于《Scientific Data》的工作，为智慧城市研究树立了数据标准与技术范式。