出行数据入门：从刷卡记录看城市节奏

地铁闸机的刷卡记录，大概是普通人最容易接触到的出行数据。北京某线路早高峰7:30到8:30的单向进站量能到两万多人次，平峰同一小时不到三千。这两个数字摆在一起，不用任何模型，就能看出通勤潮汐的方向。入门出行分析，第一步不是学算法，而是找到这种有明确时间标签的数据源。公交刷卡、共享单车订单、网约车上下车点，都带时间戳和坐标，天然适合做时间序列的观察。

拿到数据后先做一件枯燥但关键的事：清洗。以共享单车订单为例，原始表里常有骑行时长超过24小时的记录，多半是忘记锁车而非真实骑行。还有起终点坐标落在河道或建筑内部的，属于定位漂移。这些异常值如果不处理，计算平均骑行距离时会被拉偏。一个粗略的经验是，先按分位数砍掉前后1%的极值，再检查剩下的分布是否合理。清洗掉多少条记录、占比多少，最好在分析笔记里写清楚，这是数据可复现的基础。

清洗之后才谈走势。出行数据最典型的特征是周期性：工作日双峰、周末单峰、周五晚间延长。拿某城市地铁全网进站量来说，周一至周四的晚高峰通常在18:00前后达到峰值，周五会往后拖半小时左右，峰值也略高。这种规律不是巧合，背后是通勤与休闲出行的叠加。观察走势时，建议把不同星期的同一时段放在一张图上对比，而不是只看一条折线。单条曲线看不出异常，多条曲线叠在一起，哪个周五特别突出就一目了然。

出行数据里有个容易踩的坑：把因果关系想得太直接。比如某月地铁客流下降，第一反应可能是天气变冷。但翻看同期数据会发现，那条线路附近有两站因施工封站，分流效应更明显。再比如节假日景区周边的网约车订单激增，未必是游客变多，也可能是公共交通运力临时调整。做预测之前，先列一遍可能影响数据的外部事件：天气、施工、大型活动、票价调整。这些信息不在数据表里，却直接决定走势是否可信。

说到预测，出行数据的短时预测比长时预测靠谱得多。预测未来15分钟某路口的车流量，用历史同期的平均值加实时修正，误差通常能控制在可接受范围。但预测三个月后的客流，变量太多，参考价值有限。入门阶段不妨把预测目标定小一点：预测明天早高峰某站进站量是否超过本周均值。这样的问题有明确答案，也能验证方法是否有效。预测错了，回头找原因，比追求一个漂亮的大模型更有收获。

数据之外，还需要一点实地观察。有研究者发现，某地铁站早高峰出站量远大于进站量，按常理这是就业中心。但实地走一圈才注意到，出站人群多数拐进了旁边的长途客运站，并非去写字楼上班。刷卡数据只记录进出，不记录目的，坐标只记录位置，不记录意图。把数据结论和地面观察对照，能避免不少误判。出行分析的门槛不高，难的是对数字保持怀疑，对场景保持好奇。

对入门者来说，一套可行的流程是：选一条线路或一个片区，拉取连续四周的刷卡或订单数据，做基础清洗，画出分时走势，标注异常日期，再尝试预测下一周的早高峰峰值。整个过程不需要复杂工具，电子表格加一张折线图就能起步。重点在于养成记录假设和验证结果的习惯。数据不会自己说话，但认真对待每一行记录的人，能从出行轨迹里读出城市运转的节奏。