33早高峰OD与职住对比 从职住期望线和早高峰出行对比可看出,两者的行政区之间的联系非常相似,宝安-南 山的关联度最强,然后是龙华龙岗的联系度次之 表2南山区早高峰0与职住对比 行政区 工作地在南山区居住地比例 目的地在南山区出发地比例 宝安 福田 龙华 14% 龙岗 罗湖 早高峰 图5早高峰0D(左)和职住(右)对比 根据数据质量检查结果得出,区级别的职住和早高峰的OD基本符合实际情况。但可以 从中选择出符合分析要求的日期用于本文研究。 4.大数据分析应用 本次分析分职住分布和出行特征分析两大模块。居住和就业是人们比较关心的两大民生 问题,基于手机信令数据和基站位置信息,从不同层面上分析居住地就业岗位分布、区域的 职住关联、兴趣点客流来源去向分布、居民的时空出行分布、TMZ间OD客流空间分布以及 客流来源空间分布。通过手机信令数据的采集、处理和分析,可以获得城市的人口分布的动 态信息,可以为交通规划提供详细、实时的人口分布信息,并可以避免因人工调査带来的各 种弊端,如成本较高、抽样样本有限等。 41职住分布 居住和就业密度分布 中区层面上人口主要集中在福田中心区、粤海、龙华:深圳市行政区居住人口占比中, 宝安所占比例最高,为30% 岗位密集区主要是福田区的南园、华强北、园岭,罗湖区的东门、南湖、桂圆以及南山 区的粤海。深圳市行政区岗位占比中,宝安所占比例最高,为33%。 根据数据质量检查结果,手机数据的居住人口与统计年鉴数据对比,误差在可接受范围 之内,所以行政区的人口比例数据是可靠的。从表中可看出,宝安区无论是居住还是就业, 人口占比都是最高,而大鹏新区占比最低。 表3行政区职住比例3.3 早高峰 OD 与职住对比 从职住期望线和早高峰出行对比可看出，两者的行政区之间的联系非常相似，宝安-南 山的关联度最强，然后是龙华-龙岗的联系度次之。 表 2 南山区早高峰 OD 与职住对比 行政区 工作地在南山区居住地比例 目的地在南山区出发地比例 宝安 58% 57% 福田 14% 17% 龙华 13% 14% 龙岗 9% 8% 罗湖 4% 3% 图 5 早高峰 OD（左）和职住（右）对比 根据数据质量检查结果得出，区级别的职住和早高峰的 OD 基本符合实际情况。但可以 从中选择出符合分析要求的日期用于本文研究。 4. 大数据分析应用 本次分析分职住分布和出行特征分析两大模块。居住和就业是人们比较关心的两大民生 问题，基于手机信令数据和基站位置信息，从不同层面上分析居住地就业岗位分布、区域的 职住关联、兴趣点客流来源去向分布、居民的时空出行分布、TAZ 间 OD 客流空间分布以及 客流来源空间分布。通过手机信令数据的采集、处理和分析，可以获得城市的人口分布的动 态信息，可以为交通规划提供详细、实时的人口分布信息，并可以避免因人工调查带来的各 种弊端，如成本较高、抽样样本有限等。 4.1 职住分布 居住和就业密度分布 中区层面上人口主要集中在福田中心区、粤海、龙华；深圳市行政区居住人口占比中， 宝安所占比例最高，为 30%。 岗位密集区主要是福田区的南园、华强北、园岭，罗湖区的东门、南湖、桂圆以及南山 区的粤海。深圳市行政区岗位占比中，宝安所占比例最高，为 33%。 根据数据质量检查结果，手机数据的居住人口与统计年鉴数据对比，误差在可接受范围 之内，所以行政区的人口比例数据是可靠的。从表中可看出，宝安区无论是居住还是就业， 人口占比都是最高，而大鹏新区占比最低。 表 3 行政区职住比例