打开一个已经接入数据的赛事项目，交通卡片里显示的是一张按出行方式分类的比例图：私家车、地铁公交、出租网约车、步行、其他。很多人第一次看到这张图会以为背后是现场安排了工作人员拿着问卷挨个询问观众，但实际情况没有那么费人力——App用的是几种数据来源拼接起来的估算方式，每种来源单独看都不完整，拼在一起才是这张比例图的真实来源。

检票系统能提供什么

如果场馆的检票系统接入了App，最先能拿到的是入口和票种的分布数据。多数球场会设置不止一个入口，有的靠近地铁站或公交接驳点，有的紧挨着停车场，观众进场时刷的票会记录经过哪个闸机、什么时间点。这组数据本身不能直接说"这个人是开车来的"，但可以给出一个粗略的方向性信号——靠近停车场入口的检票量占比明显偏高，往往意味着自驾比例不低；如果球队为郊区通勤观众专门开了接驳票种，接驳票的核销数量本身就是一个可以直接使用的交通数据点，不需要再靠猜测。检票数据的价值在于覆盖面广，几乎所有进场观众都会留下记录，缺点是它只能提供间接线索，没办法单独还原出完整的出行方式分布。

停车场占用数据补上自驾这一块

停车场如果安装了车位占用传感器或者出入口计数设备并接入App，能提供的是比赛当天停车场从空到满再到清空的整个曲线，包括高峰时段的车辆数量。这组数据对估算自驾比例很关键，因为它是相对精确的车辆计数，不依赖问卷或者抽样推算。把停车场峰值车辆数乘以一个平均每车载客人数的假设区间，就能倒推出大致有多少观众是通过私家车抵达的。需要说明的是，这个换算本身带有区间性质——不同比赛、不同观众群体的平均载客人数会有波动，App在展示这部分数据时通常也是以区间形式呈现，而不是一个精确到个位的数字。

问卷抽样补上系统数据覆盖不到的细节

检票和停车数据加在一起，仍然回答不了"没有开车、也没走接驳通道的观众，具体是坐地铁还是坐公交还是步行"这类问题。这部分依赖抽样问卷补充——App可以在购票确认页或者赛后的消息推送里插入一个简短的出行方式调查，通常只有一两个选择题，目的是保持较高的回收率而不是收集详细信息。问卷不要求全员填写，抽样比例够高就足够用来估算比例分布，再把这个分布套用到没有其他数据线索的那部分观众身上。问卷数据的优势是能直接获得用户的真实选择，缺点是回收率有限、存在一定的样本偏差，所以App一般不会单独依赖问卷结果，而是把它当成校准其他数据来源的参考。

公共交通客流数据用来交叉校验

如果场馆所在城市或者运营方能够提供比赛日周边地铁站、公交站点的客流数据，App会把这部分数据拿来做交叉校验，而不是直接当作最终结果。原因是场馆周边的客流增量里，未必全部都是来看比赛的观众，也可能混杂了其他通勤和出行需求，直接套用会有偏差。App的处理方式是拿这组数据去对比检票和问卷推算出的公共交通比例是否在合理范围内，如果差距明显，会标记出来提醒项目管理者手动核实，而不是自动覆盖已有的估算结果。

数据来源不齐全的时候，App怎么处理

不是每个场馆都同时具备检票系统对接、停车场传感器和问卷推送这几种条件——有的场馆检票系统比较老旧，暂时接不进来；有的比赛因为时间紧张没来得及在购票流程里插入调查问题。遇到这种情况，App不会因为某一种来源缺失就拒绝给出估算，而是用剩余的可用来源尽量补足，并且在结果旁边标注数据完整度。比如只有停车场数据、没有问卷数据的情况下，App会用停车场峰值倒推出自驾比例，剩余的观众按照同类型场馆、同规模比赛的历史平均分布做一个参考性拆分，这部分参考值会用不同的显示样式（比如浅色或者带说明标签）和实测数据区分开，提醒项目管理者这一块是估算值而不是实测值。如果一个新场馆刚接入App、还没有积累任何历史比赛数据，这个参考分布来自跨场馆、跨赛事的通用经验区间，随着这个场馆自己的比赛数据逐渐增多，参考值会被替换成基于本场馆历史规律的更精确分布。

为什么不同比赛的出行方式比例会不一样

同一个场馆，不同场比赛的出行方式分布并不是一个固定不变的数字，会随着几个因素波动。开球时间是否临近公共交通的运营高峰或者末班车时间，直接影响观众有没有条件选择地铁公交；天气情况会影响步行和骑行意愿，雨雪天气往往会推高出租网约车和自驾比例；票价和赛事重要程度也会影响观众构成，比如降价票或者赠票吸引来的观众和购买正价套票的常规会员，出行习惯往往不一样。这也是为什么App把每场比赛的交通数据单独计算，而不是套用场馆的一个固定比例——固定比例看起来省事，但会掩盖掉每场比赛之间真实存在的差异，尤其是当赛事组织者想知道"这次调整开球时间或者接驳安排有没有效果"的时候，如果用的是同一个固定比例，根本看不出任何变化。

几种数据来源怎么拼成最终结果

把检票分布、停车占用、问卷抽样、公共交通客流放在一起，App做的其实是一个逐层填补的过程：先用停车场数据和接驳票数确定相对精确的自驾和接驳比例，再用问卷分布估算剩余观众在地铁、公交、步行之间的大致划分，最后用公共交通客流数据检查这个划分是否合理。几种来源不是简单加权平均，而是各自负责回答不同层面的问题，缺哪一种来源，最终比例图的置信度就会相应降低——App在项目详情页也会标注当前交通数据的完整程度，提示哪些环节还没有接入数据源。这部分内容和赛事项目整体的数据容器设计有关，第一次建立项目时为什么要先确定场馆和规模，可以参考第一次使用博万体育App，为什么先建立一个赛事项目。

团体票和包车观众，App怎么单独处理

除了个人观众的出行方式拆分，不少比赛还会有以团体形式到场的观众，比如企业包场、球迷会组织的包车、外地球迷俱乐部租大巴集体前往。这部分观众如果和普通观众混在一起按比例推算，容易失真——一辆大巴可能一次运送几十人，如果不单独识别，按个人出行的平均逻辑去估算，很容易把这部分观众错误地归入自驾或者其他分散的出行方式里，导致整体比例失真。App对接入了团体票或者包车登记信息的赛事，会把这部分观众单独作为一个出行类别处理，用大巴数量乘以平均载客人数得到人次，这样能避免团体出行被拆散计入个人出行方式，也能更准确地反映大巴这种出行方式实际的碳排放贡献——大巴虽然是集体出行，人均排放通常低于同等距离的私家车出行，但整体运输过程仍然会产生对应的排放，不能忽略不计。

从出行方式比例到碳排放数字

拿到出行方式比例之后，下一步是把它转换成碳排放数字。App会用观众规模乘以各出行方式的比例，得到每种方式对应的人次，再乘以一个平均出行距离区间（通常根据场馆所在城市的通勤半径估算）和对应出行方式的排放系数，得到这场比赛交通环节的碳排放估算。这个数字会和场馆能源、用水、废弃物数据一起汇总进赛事项目的整体足迹，通常会占到相当可观的比例，具体为什么观众交通经常比球场用电更值得关注，五万人去看一场球，观众怎么去球场可能比球场怎么用电更重要里有更完整的讨论。这也是为什么App把交通模块设计得比其他模块更依赖多来源数据拼接——因为观众出行这件事本身就没有一个单一系统能完整记录下来，只能靠多个不完整的来源互相补足。项目在多台设备之间查看时保持一致，依赖的是账户同步而不是本地缓存，相关内容见换手机以后博万体育App里的赛事项目会不会丢。