不追踪任何一个真人，能造出一座城市的日常人流吗？
论文名片｜Takehiro Kashiyama、Yanbo Pang、Yoshihide Sekimoto，Open PFLOW: Creation and evaluation of an open dataset for typical people mass movement in urban areas，Transportation Research Part C 85（2017），249–267。论文原文 · DOI：10.1016/j.trc.2017.09.016。
假如你要比较两种城市疏散方案，常常需要知道人在什么时间、什么地方、乘什么交通工具。真实轨迹既昂贵，又牵涉隐私；公开统计则可能只告诉你某片区域每天向另一片区域出了多少趟门。能不能让统计表里的数字变成会在路网上移动的虚拟人？
Open PFLOW给出的办法，是让人口普查决定虚拟人的初始分布，让出行调查和时间利用调查决定他们的大致行程，再交给交通模拟器生成连续位置。它重建的是一个典型工作日的合成人流，不是某一天所有真人轨迹的复原。
先说结论
- 开放的区域起讫点统计，可以结合人口、时间利用和交通辅助调查，生成带时间、位置和交通方式的虚拟个体记录。
- 住宅出行调查漏掉的营运车辆，以及铁路两端的接驳出行，需要额外补入；否则模拟流量会系统性少算某些活动。
- 在东京和中京都市圈，聚合后的路段流量与交通普查有较强相关，原始设置中的相关系数分别约0.78与0.80。这是路段层面的相关，不是个人轨迹正确率。
- 虚拟人的日程仍很简单，步行接驳也有遗漏。宏观图形接近，不能证明每个人的活动链、接触关系或路线都真实。
一串会移动的点，为什么不能直接从公开统计里得到？
人口分布表告诉你人在哪里居住，区域起讫点矩阵（origin–destination matrix，OD矩阵）告诉你从哪片区域到哪片区域的出行总量。要让一个虚拟人从家门口走到办公室，还缺出发时刻、准确位置、交通方式和连续路线。
过去的PFLOW可以用较细的个人出行调查重建轨迹，但相关原始数据需要申请合作才能使用。Open PFLOW希望仅依托开放统计，保留个体记录的可操作形式，同时不把记录对应到某个被调查真人。
图 1｜个体形式的人流记录能支持怎样的观察？
（a）展示东京大范围人口移动；（b）放大到中心区域；（c）进一步放大新宿车站附近。点的颜色区分铁路、私家车、步行、自行车、营运车辆和机动两轮车，三幅保留各自比例尺。这张图引用的是既有PFLOW示例，用来展示数据形态，不是本文开放版本的精度验证。来源：原论文 Fig. 1。
图 2｜从统计表到连续位置，需要补齐哪些环节？
无字母面板的整张流程图有六个编号步骤：建立初始人口分布、修正出行、分配出发时间、把行程分给虚拟人、指定具体目的地，以及运行模拟。灰色圆角框是输入开放数据，矩形是处理步骤，白色圆角框是中间结果。人口与OD分别约束在哪里出发和有多少出行，不能由其中一张表单独生成全部细节。来源：原论文 Fig. 2。
论文表1比较商业数据的数据源、尺度、覆盖与提供机构，说明真实轨迹产品存在成本及使用限制；表2列出构建所需的八类开放资料。核心是人口普查、区域OD与时间利用调查；货运、车辆里程、车辆保有量和铁路接驳调查用于补缺。以下讨论的是2017年论文的方案与条件，不把当时商业产品的价格和覆盖当成今天的市场情况。
先决定谁从哪里出发，再决定一天出了多少趟门
东京地区约3,000万人，而作为行为规模参照的个人出行调查约50万人。详细的分人群扩样权重并未公开，因此使用平均扩样系数60：一份模拟行为大致代表60份人口规模。初始人数由2010年人口普查的500米网格分布决定，再分配到格内路网节点。
图 3｜500米网格能否告诉我们每个人的住宅位置？
无字母面板。左侧是人口网格与道路网络，右侧用人口1,000、四个节点各250的例子说明等份分配规则。它保留格子人口规模，格内节点位置则是构造结果，不能当成真实住址。来源：原论文 Fig. 3。
公开个人出行调查以家庭活动为主，并未完整覆盖货车等营运车辆。论文把车辆类型的年里程与保有量相乘，再结合工作日里程比例估计相应里程，利用地区间货运量和距离分摊到OD组合，最后以里程除距离估计趟数。表3列出各车辆类型的中间计算，例如大型货车对应的工作日比例为83.99%。这些是补入营运出行的估计依据，不是额外观测到的完整货车轨迹；方法还假设不同地区车辆的平均载货能力相同。
铁路出行也有缺口。公开表常只保留全程的主要交通方式，于是家到车站、车站到目的地这两段可能消失。模型把起终点连接到最近车站，再按接驳距离分配步行、自行车、机动两轮车、汽车或公交。
图 4｜为什么铁路出行的两端不能一律补成步行？
单幅堆叠柱图，横轴为距车站公里数，纵轴为接驳方式比例。图例包含Bus、Car、Bike、Bicycle、Walk，其中Bike与Bicycle在此分指机动两轮车和自行车。近站时步行占比高，距离增加后其他方式承担更多接驳。来源：原论文 Fig. 4。
有了出行总量，还要让它们在合理时间发生
一天1,000趟通勤，若均匀放在24小时里，当然生不出早高峰。论文利用2011年时间利用与休闲活动调查，把日内活动开始时刻的分布转换为出行出发时刻的分配依据。原调查以30分钟间隔记录活动，模型区分通勤、工作中业务活动、回家及其他活动。
图 5｜不同目的的出行应该集中在几点？
单幅折线图，横轴为一天中的出发时刻，纵轴为各目的出行的时段分配百分比。通勤曲线在早间集中，回家曲线在下午至晚间形成高点，业务与其他活动更分散。曲线是分配时间所用的调查模式，不能当作模拟完成后独立验证出的高峰。来源：原论文 Fig. 5。
图 6｜家庭出行表之外，营运车辆补进了多少需求？
单幅折线图，横轴0—23点，纵轴为车辆出行趟数；圆点线是原始出行，三角线是新增营运出行，方点线是两者之和。修正后白天的需求增加，而不是仅把早高峰放大。它展示输入需求的修正，尚未检验每条道路上的拥堵是否正确。来源：原论文 Fig. 6。
为把分散行程拼到个体名下，算法采用两种简化出行链。一类是出门通勤再回家；另一类把业务或其他行程按连续OD串接，结束点可以不同于当天起点。行程分给同一起始区域中的虚拟人，既要保证前后地点连接，也要尽量保留OD总量。但相同OD可以对应许多不同的人生安排，这一步无法恢复真实的家庭分工或复杂活动链。
铁路目的地利用车站日客流做核密度估计（kernel density estimation），让繁忙车站附近节点具有更高抽取概率；步行、自行车和车辆等行程则在目的区域随机抽取路网节点。
图 7｜区域目的地怎样变成具体节点？
单幅地图中，星号为车站，黑线为区域边界；红色区域的目的地抽取概率较高，蓝色较低。颜色来自基于车站客流构建的概率面，不是直接测量每栋建筑的到访量。来源：原论文 Fig. 7。
路线上会移动，并不意味着路线上不会堵车
论文在东京与中京都市圈测试方案：东京铁路依赖较强，中京汽车使用较多，有助于检查方法是否只适合一种交通结构。
图 8｜同样的构建方法面对怎样不同的城市？
无字母面板的两条堆叠柱分别表示中京与东京，图例为铁路、汽车、自行车、步行，横轴为比例。中京汽车部分更大，东京铁路部分更大。这是研究场景的交通结构对照，不是干预产生的变化。来源：原论文 Fig. 8。
模拟器先以自由流时间为成本，使用Dijkstra算法搜索最短时间路线。速度参数包含步行5公里/小时、自行车15公里/小时、铁路60公里/小时；车辆按道路类型使用100、50、45或30公里/小时的自由流速度。这里的车辆速度是模型输入，不是每辆车实际测得的速度。
车辆路段采用排队机制：路段记录进入车辆及进入时刻，离开需要满足自由行驶时间、容量、路口规则及下一路段可用空间。总旅行时间因此包含行驶与等待。不过，选择的路线仍依赖既定的最短时间规则，不能据此认为模拟了真人全部路线选择与适应行为。
图 9｜虚拟人白天是否向城市中心集中？
（a）06:00、（b）09:00、（c）12:00、（d）15:00、（e）18:00、（f）22:00。每点代表一个虚拟个体，亮度反映点的密集程度。约10万份样本的可视化呈现清晨和晚间较分散、白天较向中心集中的模式。这是模拟输出的空间展示，并非六个时刻的全体真人位置。来源：原论文 Fig. 9。
图 10｜哪些线路承担早晚出行？
（a）06:00、（b）09:00、（c）12:00、（d）15:00、（e）18:00、（f）22:00。每条线是一趟模拟出行，绿色为铁路，橙色为车辆；亮度用于显示集中程度。09:00与18:00的铁路网络更突出，郊区能见到较多车辆线路。亮线说明生成的流量集中，仍需外部数据判断是否接近实际。来源：原论文 Fig. 10。
地图看起来合理，聚合误差能否经得住比较？
网格验证把模拟位置聚合为逐小时500米人口分布，参照ZENRIN DataCom基于手机GPS构建的拥挤度地图，并将非公开、较细个人出行调查生成的结果作为基线。均方根误差（RMSE）衡量人数偏差，相关系数衡量网格间高低排序的一致程度；两者不能互相替代。
图 11｜东京开放版本与较细调查版本差在哪里？
原图无字母，左图为逐小时RMSE，右图为相关系数；实线圆点为提出的方法，虚线方点为Closed PT。东京开放版本的RMSE整体较低，相关系数大体接近基线，约在0.8附近。较低RMSE针对手机聚合产品这一参照，不代表已证明其最接近全部真实人口。来源：原论文 Fig. 11。
图 12｜东京的优势是否原样出现在中京？
原图无字母，左图为RMSE，右图为相关系数。注意此图的图例：实线为Closed PT，虚线为提出的方法，与图11中线型对应关系不同。中京开放版本的RMSE在不少白天时段更高，相关水平则大体接近，早间部分时段较高、傍晚部分时段较低。不能把东京结果概括为开放方法在所有地区、所有指标都优于较细调查。来源：原论文 Fig. 12。
图 13｜整体相关会不会掩盖某些格子的偏差？
原图无字母，上排从左至右为06:00、09:00、12:00，下排为15:00、18:00、22:00；横轴为Open PFLOW人口，纵轴为手机产品人口。白天出现模拟人口明显高于参照的格子，清晨与晚间相对集中。各面板轴范围不同，不能直接比较点云的视觉斜率。论文提出出界活动与抽样集中等可能解释，但没有逐项识别误差来源。来源：原论文 Fig. 13。
手机产品本身也偏向使用智能手机且参与相应服务的人群，不能自动作为无误差真值。因此，两者不一致既可能来自模拟，也可能来自参照数据，或者两者皆有。
路段流量对得上，是否就证明路线真实？
图 14｜一天里的交通高低峰是否接近？
原图无字母，左图东京、右图中京，横轴为时刻。实线为提出的方法、虚线为2010年普查，两条线分别读取左右纵轴，数值尺度不同。图支持高峰节奏相近，不能仅凭曲线重合断言绝对总量相等；普查所覆盖的主干道与模拟全网范围也不同。来源：原论文 Fig. 14。
图 15｜不同道路的流量排序，能否被重建？
原图无字母，左图为关东、右图为中京，展示标注为06:00—19:00时段的路段累计流量。横轴为模型，纵轴为2005年普查。相关系数分别为0.78198与0.80131，支持路段间存在较强正相关；散点离散也表明不少道路仍有明显误差。这不是78%或80%的车辆路线预测正确。来源：原论文 Fig. 15。
平均扩样系数60意味着较少行为模式承担较大权重，可能让流量过度集中到某些道路。研究在相同OD下，将扩样系数减至20、把虚拟人数量增为三倍，以增加可抽取的路线差异。
图 16｜多生成一些虚拟人，会改善道路流量吗？
单幅中京路段散点图，横轴为扩样系数20的模型流量，纵轴为2005年普查；相关系数为0.81535，相比原设置0.80131略有增加。改进幅度有限，说明更细的模拟采样有帮助，但没有消除路线与行为假设的限制。来源：原论文 Fig. 16。
图 17｜总流量之外，交通方式是否分对了？
原图无字母，左上步行、右上车辆、左下铁路、右下自行车；横轴为时刻，纵轴为相应方式人数，圆点实线为提出的方法、方点虚线为Closed PT。铁路和自行车曲线较接近，车辆因补入营运出行而更高；通勤高峰的步行则偏低。铁路接驳虽有补充，公交站接驳、换乘与自由步行仍有遗漏。来源：原论文 Fig. 17。
图 18｜汽车占比较高的城市，误差是否相同？
原图无字母，四格仍依次为步行、车辆、铁路、自行车。此图圆点实线为Closed PT，方点虚线为提出的方法，阅读时再次注意图例。中京步行曲线比东京的对照更接近，而车辆曲线差异较大。各面板人数尺度不同，不能只按线条高度比较方式重要性。来源：原论文 Fig. 18。
这套虚拟城市适合回答什么，又会在哪里失真？
Open PFLOW适合作为可共享的人流模拟基底，研究者可以自行聚合成网格、路段或时间切片，比较宏观结构与方案。迁移到其他地区至少需要初始人口分布、区域OD和交通方式构成；时间利用、出行目的与接驳调查能进一步改进。
但几个限制会直接影响用途。不同来源调查来自不同年份，未必描述同一天、同一季节；大规模调查常隔五至十年更新，无法及时追踪新线路与城市扩张。简单的往返或连续OD链，也不能恢复照料、接送、顺路购物等复杂活动关联。最终验证主要针对人口与交通量的聚合尺度，没有证明虚拟人之间的相遇、个人目的地偏好或日程相关性准确。
它的隐私思路也值得准确表达：个体记录由统计与模拟生成，不逐条对应调查中的真人，因此减少了公开真实轨迹所带来的直接暴露。论文没有对任意辅助信息下的隐私攻击给出形式化证明；无需把作者的设计目标扩大成适用于所有场景的绝对保证。
一句话总结
开放统计可以生成宏观上相当合理的典型人流，但虚拟人走得像一座城市，不等于每条虚拟人生都被真实验证。
核心来源
- Kashiyama, T., Pang, Y., & Sekimoto, Y.（2017）. Open PFLOW: Creation and evaluation of an open dataset for typical people mass movement in urban areas. Transportation Research Part C 85, 249–267。论文。本文18张图来自该论文。
- 论文给出的OpenPFLOW代码与数据项目。
作者介绍
- Takehiro Kashiyama：论文署名东京大学生产技术研究所，为本文第一作者。
- Yanbo Pang：论文署名东京大学生产技术研究所与土木工程系，为本文通讯作者。
- Yoshihide Sekimoto：论文署名东京大学生产技术研究所，是本文合作者。以上身份按2017年论文署名列示。
延伸思考
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
同样一张OD矩阵，可以生成很多种相遇网络：每个人都固定乘同一班车，或每天在同一时段随机错开，路段总量可能接近，传播风险却可能不同。因此，若将这类合成人流用于接触或传染模拟，应把活动链、时刻同步程度和路线固定程度作为额外的不确定性来源。
一种可操作的检验，是保持人口与OD不变，生成多组合理的时间、路线和链条分配；比较政策结论是否在这些版本中保持。如果某个方案只在一种细节安排下胜出，结论依赖的就是尚未验证的微观假设，而非宏观数据本身。
