智慧出行与交通不平等：基于手机数据的洞察

《Journal of Urban Mobility》：Smart mobility and transport inequity: Insights from mobile phone data

　　

如今，人们使用移动应用（APP）获取与交通相关的信息与服务。研究人员考察了智慧出行APP使用、出行模式与交通不平等之间的复杂互依关系。研究以中国东部大城市南京为案例。智慧出行APP使用与出行模式提取自833万居民被动采集的手机数据，覆盖23款APP及500米网格尺度的物理移动。交通弱势群体（TD）场所依据公共交通可达性较差来识别，而交通与社会双重弱势（T&SD）场所进一步依据人口构成与房价识别。研究人员采用机器学习模型检验APP使用与出行特征在城市尺度以及弱势与参照场所间的非线性关系。城市尺度结果显示，更多智慧出行APP使用关联更长出行距离、更多样目的地及更宽活动空间范围，但不增加基于家出行次数。统计上，TD与T&SD人群出行次数显著更少、访问目的地多样性更低且出行更远。聚焦交通不平等，智慧出行APP使用在支撑TD场所时重要性高于对应参照场所；但当交通弱势叠加人口或经济弱势时，其重要性减弱，表明居于交通弱势地区的相对社会优势群体仍面临更大困难从智慧出行APP中获益。

研究背景与问题提出

过去几十年信息通信技术（ICT）快速演进，智能手机与移动应用（APP）成为人们获取信息与服务的主要媒介。既有研究多依赖问卷调查与自我报告，缺乏在城市内部将虚拟空间APP使用行为与物理空间出行模式、社会人口属性在细粒度空间单元上联动的实证。关于智慧出行（smart mobility）能否缓解交通不平等（transport inequity）存在争议：一种观点认为数字服务扩大活动空间、改善可达性；另一种观点指出数字鸿沟（digital divide）使弱势群体的技术采纳与数字素养受限，反而加剧排斥。已有文献在空间维度与社会群体维度的结论均不一致，且少有研究在网格尺度同时刻画APP使用强度、出行强度与多维弱势叠加。为此，研究人员以南京为案例，利用被动手机信令数据联结23款APP使用记录与500米网格出行矩阵，识别交通弱势（TD）与交通—社会双重弱势（T&SD）场所，借助机器学习揭示智慧出行APP使用与出行模式的非线性关系，并评估其是否对弱势群体更具支撑作用。该文发表于《Journal of Urban Mobility》。

主要技术方法

研究人员采用中国联通2019年6月（规避COVID-19影响）南京833万扩样居民手机信令，按区—年龄—性别分层扩样至统计年鉴口径，将全市划分为26017个500米网格，保留居民数>100的6058个居家网格。APP使用经主动时长记录与分类，筛得23款常用APP（含5款智慧出行APP与4款超级APP）。出行特征量化指标包括网格间基于家出行数（G2GHBT）、停留点数（NumStops）、平均停留距离（AvDist_i，按停留数加权欧氏距离）、停留点多样性（DivStops，基于香农熵）、活动空间面积（AreaAS）。弱势场所分两层识别：TD依据公共交通可达性低；T&SD在TD基础上叠合人口密度、年龄结构、房价等社会经济变量。建模采用机器学习（非线性关系拟合与特征重要性排序），分别在全市样本、TD对照、T&SD对照三组上训练，比较APP使用特征对出行变量的解释力。

研究结果

引言与文献综述指出，ICT与出行行为关系已从“替代/互补”转向活动空间扩展与碎片化研究；超级APP（super APP）使功能边界模糊，但南京数据仍可剥离出导航、网约车、票务、违章查询等智慧出行功能。文献回顾进一步显示，苏格兰与加拿大研究显示中心区APP—出行耦合更强，而中国郊区居民更依赖手机规划行程；社会弱势（女性、老人、低收入、残障）既更需要智慧出行，又更易受数字素养制约，结论分化。

研究设计部分阐明数据链路：居家网格推断依托夜间最长停留，>30分钟停留计为stop，OD对达565万余条；APP侧记录包名与主动时长，最终23款APP覆盖地图（Gaode Map）、网约车（Didi）、旅行（Fliggy Travel）、交管（Traffic Management 123123、58 Violation Inquiry）及支付宝/微信/美团/点评四类超级APP。变量定义给出AvDist_i=∑_jc_ijDist_ij/∑_jc_ij与DivStops_i=?∑_j(c_ij/∑_jc_ij)log₂(c_ij/∑_jc_ij)的显式公式。

城市尺度机器学习结果显示，智慧出行APP使用量上升伴随出行距离增大、目的地多样性提升、活动空间扩张，但与基于家出行频次无显著正相关。分组对照中，TD与T&SD网格居民出行次数更少、DivStops更低、AvDist更远。特征重要性分析表明，在TD对照中APP使用对出行解释权重高于非TD参照；但在T&SD对照中该权重回落，说明当交通劣势叠加人口/经济劣势时，即便区域内含有相对优势个体，智慧出行APP的增益仍被结构性约束削弱。

讨论与结论翻译

讨论部分指出，研究把虚拟空间APP使用与物理空间出行在网格尺度耦合，弥补了大数据的社会经济属性缺失；实证确认智慧出行APP与出行决策呈正向但非线性、空间异质的关系。结论部分可归纳为：智慧出行APP总体上拓展个体移动能力，但受益分布不均；对单纯交通弱势区域支撑效应明显，对交通—社会双重弱势区域效应衰减，提示仅靠推广APP无法自动消解交通不平等，需配合线下公交供给、数字素养干预与票价/住房政策协同。研究人员强调，未来超级APP生态下单APP功能归类会持续模糊，但被动信令+网格弱势识别+机器学习可复制到其他城市做横向比对。