香港深圳交通时间指数方法、样本量与匿名数据说明

一句话答案：正式版建议采集 2,400 个有效事件，其中 1,600 个口岸实测和 800 个机场接送事件，覆盖工作日、周末和至少 4 个展会日，并以随机事件 ID 和 15 分钟时间粒度保护隐私。

建议样本量与采集周期

模块	建议样本量	分层方式
四个陆路口岸	1,600	每个口岸约 400 个完整车辆事件
香港机场接送	800	航班落地偏差、接机/送机、时段与车型
合计	2,400	去重后只保留时间戳完整的有效事件

建议采集周期为 2026-09-01 至 2026-12-31，至少覆盖工作日、周末和 4 个可核对日期的展会日。若预算不足，应优先保持每个口岸和每种日期类型都有最低样本量，而不是只采集最容易取得的白天工作日。

指标定义

• P50 / P90：在同一口岸、方向、日期类型或机场场景内，对有效完成事件的分钟数计算分位数。
• 口岸时间：首个排队点 → 完成两地查验并驶离口岸场站；道路接驳时间单独统计。
• 机场等待：实际落地、司机到位、旅客会合和车辆驶离之间的时间戳差值。
• 车型统计：同时记录乘客人数、行李件数、客户选择车型和最终实际派车车型。

清洗与质量控制

1. 去除重复事件 ID、时间倒序、明显跨天错误和未完成行程；
2. 将口岸、方向、日期类型和车型编码固定，避免同义词导致分组错误；
3. 对极端值不直接删除，先记录异常原因；如果做截尾或敏感性分析，必须在版本说明中写清楚；
4. 抽取至少 5% 事件做人工复核，检查时间戳、路线与分类是否一致；
5. 每次发布保存数据版本、样本量、采集周期和指标脚本版本。

匿名化与最小化原则

• 使用随机事件 ID，不保存姓名、电话、微信、WhatsApp 或完整订单号；
• 对外发布时将时间取整到 15 分钟，避免由时间和路线反推出个人；
• 不公开车牌、司机姓名、航班号、精确上落客地址或可识别的组合字段；
• 机场数据只保留延误区间或相对时间，不把航班号作为公开维度；
• 小样本分组不发布精确值，必要时合并日期类型或只发布区间。

正式发布前的三道门槛

1. 定义冻结：开始点、结束点、P50/P90 的分组规则写入版本说明；
2. 样本可复核：每个公开数字都能回溯到匿名事件 ID 和清洗状态；
3. 来源分层：官方公开背景数据、内部实测数据和示例数据不能混写。

延伸问题

为什么不直接用口岸当天旅客流量计算通关时间？

旅客流量能说明规模和高峰背景，但不能直接给出车辆排队、两地查验和驶离场站所需的分钟数。时间指数需要有开始和结束时间的行程事件。

2,400 个样本是否足够代表全年？

它是建议的试行规模，不是统计代表性的自动保证。是否足够取决于口岸、方向、时段、日期类型、车辆和异常事件的分层覆盖；正式报告应同时发布样本量和不确定性说明。

匿名化后还能不能做调度复盘？

可以。调度复盘只需保留随机事件 ID、时间戳区间、路线维度和清洗状态，不需要公开身份、车牌或航班号。原始数据的访问权限应与公开报告分离。

数据来源与边界

• 香港入境处：旅客流量统计
• 香港入境处：管制站位置与开放时间

本页是正式采集方案与治理建议，不代表已经完成 2,400 个事件的实测。最后更新：2026-08-19。