楊思源

（西南交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，四川 成都 610031）

基于快速公交乘客刷卡數(shù)據(jù)的車(chē)輛滿載率推算方法研究

楊思源

（西南交通大學(xué) 經(jīng)濟(jì)管理學(xué)院，四川 成都 610031）

在僅獲得快速公交閘機(jī)刷卡系統(tǒng)產(chǎn)生的乘客刷卡數(shù)據(jù)的情況下，結(jié)合實(shí)地調(diào)研得到的車(chē)輛在站點(diǎn)間的行駛時(shí)間數(shù)據(jù)，利用乘客出站時(shí)間間隔將乘客分類，可估算出各車(chē)次到達(dá)各站點(diǎn)的時(shí)間、以及在各站點(diǎn)的上下車(chē)人數(shù)等信息，從而計(jì)算車(chē)輛滿載率。并以成都二環(huán)快速公交為例，通過(guò)真實(shí)乘客刷卡數(shù)據(jù)驗(yàn)證了該方法的準(zhǔn)確性和實(shí)用性，計(jì)算結(jié)果可以反映出當(dāng)天系統(tǒng)的運(yùn)營(yíng)情況，可為公交的運(yùn)營(yíng)、調(diào)度提供參考依據(jù)。

智能交通；滿載率；數(shù)據(jù)挖掘；快速公交；公交運(yùn)營(yíng)

1 引言

隨著近年來(lái)人們生活水平的不斷提升，乘客在出行時(shí)開(kāi)始更多的關(guān)注乘坐公共交通工具的舒適程度，而車(chē)輛擁擠情況的評(píng)估一直也是公交運(yùn)營(yíng)機(jī)構(gòu)關(guān)心的問(wèn)題，評(píng)價(jià)車(chē)輛擁擠情況的主要參數(shù)包括車(chē)輛座位率和滿載率等[1]。國(guó)外學(xué)者很早就開(kāi)始關(guān)注乘車(chē)舒適性對(duì)于乘客出行價(jià)值的影響，Todd Litman等指出在進(jìn)行交通規(guī)劃和服務(wù)質(zhì)量評(píng)價(jià)中不應(yīng)該只注重乘客出行時(shí)間的問(wèn)題，應(yīng)該更多的關(guān)注乘車(chē)的舒適度[2]。在國(guó)內(nèi)的公交運(yùn)營(yíng)效率和服務(wù)質(zhì)量評(píng)價(jià)中，也通常選取滿載率作為重要的參數(shù)之一[3]。但是在傳統(tǒng)研究中，主要通過(guò)人工調(diào)查的方法獲取各項(xiàng)數(shù)據(jù)，耗費(fèi)人力、物力和財(cái)力，而且有時(shí)調(diào)查結(jié)果不能如實(shí)反映實(shí)際的運(yùn)營(yíng)情況，而公交智能卡數(shù)據(jù)較以往乘車(chē)調(diào)查和問(wèn)卷調(diào)查等手工采集的數(shù)據(jù)體量更大，更精確的記錄了乘客的個(gè)人連續(xù)出行信息，并且采集成本很低，是傳統(tǒng)抽樣調(diào)查數(shù)據(jù)的重要補(bǔ)充[4]。

乘客通過(guò)刷卡產(chǎn)生的數(shù)據(jù)記錄了大量的乘客乘車(chē)信息，將這些信息轉(zhuǎn)化為可運(yùn)用于城市交通規(guī)劃及公交運(yùn)營(yíng)調(diào)度的信息正成為一項(xiàng)重要的研究?jī)?nèi)容。國(guó)外對(duì)公交智能卡分析利用的較早，M.Bagchi總結(jié)了利用公交智能卡進(jìn)行數(shù)據(jù)分析的優(yōu)勢(shì)以及一定的局限性，比如無(wú)法得知乘客目的地等[5]，Martin Trépanier等針對(duì)普通公交智能卡數(shù)據(jù)乘客下車(chē)信息缺失的問(wèn)題，提出了一個(gè)推測(cè)乘客下車(chē)信息的數(shù)學(xué)模型[6]。國(guó)內(nèi)的學(xué)者也根據(jù)我國(guó)公交系統(tǒng)的特點(diǎn)進(jìn)行了大量的數(shù)據(jù)分析，尹長(zhǎng)勇等提出了利用已有數(shù)據(jù)估計(jì)乘客上下車(chē)站點(diǎn)及車(chē)輛運(yùn)行方向的方法[7]，這些研究都針對(duì)各自的數(shù)據(jù)的特點(diǎn)以及不足，彌補(bǔ)了當(dāng)前數(shù)據(jù)無(wú)法記載的信息。

快速公交（Bus Rapid Transit，BRT）作為一種新興的城市公共交通系統(tǒng)，以快速、安全、高效并且節(jié)省經(jīng)濟(jì)的城市公共交通模式，為各個(gè)國(guó)家解決交通擁堵、增加客流量、縮短旅行時(shí)間和提高經(jīng)濟(jì)效益等各個(gè)方面做出了重要的貢獻(xiàn)[8]，近年來(lái)也成為了我國(guó)許多城市發(fā)展公共交通的主要選擇。由于我國(guó)大多數(shù)快速公交系統(tǒng)采用閘機(jī)式刷卡、進(jìn)站乘車(chē)的乘車(chē)方式，與普通公交相比更加高效、快捷，具有更強(qiáng)的客流吸引力，而與地鐵相比快速公交的車(chē)輛運(yùn)行時(shí)間更加靈活，但不具備準(zhǔn)點(diǎn)到達(dá)的條件[9]，所以車(chē)輛的具體運(yùn)行時(shí)刻表以及各個(gè)車(chē)次在各個(gè)站點(diǎn)的上下車(chē)人數(shù)等方面的信息是缺失的，從而無(wú)法得知車(chē)輛在運(yùn)行時(shí)的擁擠情況等重要信息。國(guó)內(nèi)對(duì)于快速公交乘客刷卡數(shù)據(jù)的分析及應(yīng)用研究較少，其與普通公交運(yùn)營(yíng)方式的不同導(dǎo)致了乘客刷卡數(shù)據(jù)結(jié)構(gòu)的不同。本文根據(jù)快速公交數(shù)據(jù)結(jié)構(gòu)的特點(diǎn)，通過(guò)系統(tǒng)中記錄的大量乘客進(jìn)出站信息，包括時(shí)間、站點(diǎn)和線路等，利用出站時(shí)間間隔對(duì)乘客進(jìn)行分類，估計(jì)出哪些乘客乘坐了同一輛車(chē)，從而估算出車(chē)輛運(yùn)行軌跡，進(jìn)而推算車(chē)輛運(yùn)行時(shí)的滿載率。

2 數(shù)據(jù)準(zhǔn)備與整理

表1 數(shù)據(jù)樣本

快速公交刷卡系統(tǒng)中記錄的乘客信息包括卡號(hào)、乘車(chē)日期、上下車(chē)時(shí)間和站點(diǎn)、金額、換乘標(biāo)識(shí)、線路號(hào)等。由于進(jìn)出站閘機(jī)均記錄了乘客的刷卡信息，所以選取出站閘機(jī)的一條線路上的所有乘客數(shù)據(jù)進(jìn)行研究，同樣的方法可應(yīng)用于另一條線路上。數(shù)據(jù)樣本見(jiàn)表1。

乘客刷卡數(shù)據(jù)中記錄了乘客的進(jìn)出站信息，但是要得到具體的車(chē)輛滿載率，就要估算出每位乘客所上的車(chē)次和所有車(chē)次的到站時(shí)間等信息，這些數(shù)據(jù)是無(wú)法直接從刷卡數(shù)據(jù)中獲取的，雖然可以通多其他手段獲得，如通過(guò)分析車(chē)載GPS數(shù)據(jù)獲取車(chē)輛到站時(shí)間表或進(jìn)行大量隨車(chē)調(diào)研活動(dòng)采用人工記錄的方法，但是這些方法成本較高、數(shù)據(jù)處理難度和工作量較大?？梢灾苯痈鶕?jù)乘客刷卡數(shù)據(jù)，通過(guò)聚類的方法先判斷哪些乘客上了同一輛車(chē)，再通過(guò)乘客的乘車(chē)信息估計(jì)出車(chē)輛的運(yùn)營(yíng)信息，依此統(tǒng)計(jì)車(chē)輛在各個(gè)站點(diǎn)的上下車(chē)人數(shù)，從而計(jì)算車(chē)輛滿載率，這樣不僅容處理成本相對(duì)較低，而且容易執(zhí)行，雖然可能無(wú)法達(dá)到完全精確，但已足夠用于觀察分析客流趨勢(shì)、乘客乘車(chē)情況等。

快速公交大多處于城市客流量密集的地帶，可根據(jù)乘客刷卡進(jìn)出站數(shù)據(jù)的統(tǒng)計(jì)分析得知各個(gè)時(shí)間段及站點(diǎn)各自的客流量特征，而且公交公司在實(shí)際運(yùn)營(yíng)中也會(huì)在不同的時(shí)間段根據(jù)客流量大小采取不同的發(fā)車(chē)方式，同時(shí)客流量的大小也會(huì)影響車(chē)輛在站點(diǎn)間的運(yùn)行時(shí)間。采所以在后續(xù)的算法中，可根據(jù)客流量將數(shù)據(jù)分成高峰、平峰、低峰幾部分單獨(dú)處理，以便達(dá)到最佳效果。

要判斷不同站點(diǎn)的乘客是否上了同一輛車(chē)，車(chē)輛在各個(gè)站點(diǎn)間的行駛時(shí)間也是車(chē)輛運(yùn)營(yíng)信息的重要數(shù)據(jù)之一，但是這無(wú)法從乘客刷卡數(shù)據(jù)中獲取。由于快速公交具有專用車(chē)道，沒(méi)有擁堵現(xiàn)象以及紅綠燈等特點(diǎn)，各個(gè)車(chē)次在各個(gè)站點(diǎn)之間的行駛時(shí)間波動(dòng)不大，可以采用多次隨車(chē)調(diào)研，然后取調(diào)研數(shù)據(jù)平均值的方式獲取。

3 車(chē)輛運(yùn)營(yíng)信息及滿載率推算方法

乘客的進(jìn)站時(shí)間一般呈隨機(jī)分布，而且乘客的等車(chē)時(shí)間的無(wú)法確定，所以很難從進(jìn)站信息來(lái)判斷不同站點(diǎn)進(jìn)站的乘客是否上了同一輛車(chē)。而經(jīng)車(chē)輛運(yùn)營(yíng)過(guò)后，乘客在各個(gè)站點(diǎn)的出站時(shí)間呈現(xiàn)出一定的規(guī)律性，將模擬的部分乘客的出站時(shí)間及站點(diǎn)分布在二維平面上，如圖1所示，對(duì)乘客的出站時(shí)間進(jìn)行兩兩比較，在同一站點(diǎn)下車(chē)的乘客，時(shí)間間隔較小的即認(rèn)為他們是從同一輛車(chē)下車(chē)的，可將他們聚為一類。在不同站點(diǎn)下車(chē)的乘客，結(jié)合車(chē)輛在站點(diǎn)間的行駛時(shí)間比較不同站點(diǎn)出站的乘客的出站時(shí)間間隔，時(shí)間間隔較小的可聚為一類（如圖中不同形狀的點(diǎn)），從而通過(guò)乘客刷卡信息估計(jì)出車(chē)次信息（如圖中虛線所示）。由于乘客較多，兩兩比較的方法需要較長(zhǎng)的執(zhí)行時(shí)間，為提升效率，可通過(guò)為每個(gè)乘客尋找一個(gè)或少量與他在不同站點(diǎn)下車(chē)又乘坐了同一輛車(chē)的其他乘客，再對(duì)這些乘客進(jìn)行聚類，最后合并、篩選得到的分類結(jié)果即可認(rèn)為是一個(gè)車(chē)次，這樣也可以減少調(diào)研數(shù)據(jù)造成的誤差。最后通過(guò)類中乘客的進(jìn)出站信息得出車(chē)輛的到站時(shí)刻表、車(chē)輛在各個(gè)站點(diǎn)的上下車(chē)人數(shù)等信息，從而計(jì)算車(chē)輛滿載率。

圖1 乘客分類示意圖

3.1 初步分類

將單條線路的刷卡數(shù)據(jù)按照乘客的出站站點(diǎn)、時(shí)間的主次順序進(jìn)行排序，每個(gè)站點(diǎn)對(duì)應(yīng)一個(gè)乘客的出站時(shí)間序列。在此基礎(chǔ)上對(duì)乘客進(jìn)行編號(hào)，將在第i站出站的第j個(gè)乘客記為Ni,j，其出站時(shí)間記為T(mén)i,j。

第一步：對(duì)相同站點(diǎn)的乘客進(jìn)行聚類，取時(shí)間閾值θ作為并類距離，先以每站第一個(gè)乘客（j=1時(shí)）為聚類中心，若Ti,j+1-Ti,j＜θ，則將Ni,j+1和Ni,j聚為一類，即認(rèn)為他們乘坐了同一個(gè)車(chē)次，否則將Ni,j+1作為聚類中心繼續(xù)上述步驟，直到完成對(duì)各個(gè)站點(diǎn)乘客的分類。

第二步：對(duì)不同站點(diǎn)的乘客根據(jù)時(shí)間和站點(diǎn)上的關(guān)聯(lián)性進(jìn)行分類，將第i站到i+a站的行駛時(shí)間記為Wi,i+a，若有兩個(gè)乘客Ni,j和Ni+a,k，他們的出站時(shí)間間隔與兩站間的行駛時(shí)間差值若小于θ，即Ti+a,k-Ti,j-Wi,i+a＜θ時(shí)，則認(rèn)為這兩個(gè)乘客具有關(guān)聯(lián)性，即乘坐了同一個(gè)車(chē)次，否則令a=a+1。為減少調(diào)研數(shù)據(jù)車(chē)輛行駛時(shí)間造成的誤差，一旦某站具有與當(dāng)前乘客相關(guān)聯(lián)的乘客，就停止對(duì)當(dāng)前乘客的尋找。具體流程如圖2所示。

圖2 初步分類程序流程圖

結(jié)合上述兩個(gè)步驟，取不同的θ值對(duì)乘客進(jìn)行初步分類，對(duì)比在各個(gè)θ取值下的分類結(jié)果，選取符合實(shí)際情況的θ值，最后得到m個(gè)分類結(jié)果，每個(gè)類中的乘客都具有關(guān)聯(lián)性，不同的類中可能具有相同的乘客，所以對(duì)具有相同乘客的類進(jìn)行合并，得到相互獨(dú)立、互不相關(guān)的分類結(jié)果，然后即可認(rèn)為這些分類結(jié)果代表了各個(gè)車(chē)次。

3.2 對(duì)分類結(jié)果合并

對(duì)分類結(jié)果進(jìn)行編號(hào)，Ml表示第l個(gè)類，對(duì)其他類進(jìn)行搜索，如果Ml+b中包含Ml中也包含的乘客，則對(duì)這兩個(gè)類進(jìn)行合并。為了最終結(jié)果的準(zhǔn)確性，在合并之前計(jì)算兩個(gè)類中具有相同出站站點(diǎn)的乘客的出站時(shí)間間隔，若存在有時(shí)間間隔大于θ，則認(rèn)為兩個(gè)類不相關(guān)，取消合并，并刪除Ml+b中與Ml共同包含的乘客。否則將Ml+b合并到Ml中，并重新開(kāi)始搜索其他類中是否包含Ml中也包含的乘客。具體流程如圖3所示。

遍歷所有的類，得到新的分類結(jié)果，每個(gè)分類結(jié)果中的各個(gè)乘客相互關(guān)聯(lián)，且各個(gè)類相互獨(dú)立，互不相關(guān)。但是由于為了減少誤差，分類結(jié)果會(huì)出現(xiàn)一些包含乘客數(shù)量較少的類，因?yàn)橐呀?jīng)獲得了車(chē)次運(yùn)行的大體趨勢(shì)，所以可先將零散的類從結(jié)果中刪除，再根據(jù)分類結(jié)果確定各個(gè)車(chē)次到達(dá)各個(gè)站點(diǎn)的時(shí)間，最后將刪除的乘客合并到剩余的類中。

3.3 車(chē)輛到站時(shí)刻表及滿載率計(jì)算

刪除包含乘客數(shù)量較少的類后，將每個(gè)分類結(jié)果作為一個(gè)車(chē)次，取每個(gè)車(chē)次在各個(gè)站點(diǎn)第一個(gè)下車(chē)的乘客作為車(chē)輛到達(dá)該站的時(shí)間（這里為了便于分析，沒(méi)有考慮乘客從車(chē)輛行走到閘機(jī)的時(shí)間，因?yàn)檠芯磕康氖菍⒊丝蜌w類，所以并不影響結(jié)果）。如果某車(chē)次在某一站沒(méi)有乘客下車(chē)，該車(chē)到達(dá)該站的到站時(shí)間則由該車(chē)到達(dá)前后兩站的時(shí)間和車(chē)輛在站點(diǎn)間的行駛時(shí)間推算。最終作出各個(gè)車(chē)次的到站時(shí)刻表。

利用到站時(shí)刻表，將上個(gè)步驟刪除掉的類中包含的乘客重新分配到已有的車(chē)次上。分配方法：假設(shè)有車(chē)次l和車(chē)次l+1到達(dá)j站的時(shí)間分別為Sl,j和Sl+1,j，某乘客的出站時(shí)間為T(mén)i,j，如果Sl,j＜Ti,j＜Sl+1,j，則認(rèn)為乘客乘坐了車(chē)次l。

將乘客重新分配完畢后，可根據(jù)數(shù)據(jù)中記錄的上、下車(chē)站點(diǎn)統(tǒng)計(jì)出車(chē)次在各個(gè)站點(diǎn)的上下車(chē)人數(shù)，從而計(jì)算車(chē)輛在運(yùn)行時(shí)的滿載率。

圖3 合并分類結(jié)果程序流程圖

4 實(shí)例分析

為了驗(yàn)證算法，取成都二環(huán)快速公交2 013年8月連續(xù)一周的數(shù)據(jù)進(jìn)行分析。成都快速公交是運(yùn)營(yíng)于成都市二環(huán)高架橋上的公共交通系統(tǒng)，包含兩條對(duì)向循環(huán)線路（K1，K2），沿途共設(shè)28個(gè)站點(diǎn)，運(yùn)營(yíng)時(shí)間為早5:30至晚11:30，乘車(chē)時(shí)需從閘機(jī)刷卡走至站臺(tái)候車(chē)，且各個(gè)站點(diǎn)的建設(shè)情況沒(méi)有顯著的差別。

4.1 數(shù)據(jù)的準(zhǔn)備與整理

因?yàn)槌啥伎焖俟粌蓷l線路的運(yùn)營(yíng)方式差別不大，所以只取K1線路的乘客刷卡數(shù)據(jù)進(jìn)行研究，同樣的方法也可以應(yīng)用在K2線路上。刪除無(wú)效及錯(cuò)誤數(shù)據(jù)后，5個(gè)工作日的K1線路分別記錄了57 856、58 995、56 163、56 091、56 317人次的數(shù)據(jù)，周末兩天分別記錄了40 760、37 671人次的數(shù)據(jù)。為了便于分析，將環(huán)線線路上的車(chē)輛中轉(zhuǎn)站點(diǎn)分為始發(fā)站和終點(diǎn)站兩站，即把環(huán)線數(shù)據(jù)變?yōu)閱蜗蚓€路數(shù)據(jù)處理，28個(gè)站點(diǎn)變?yōu)?9個(gè)站點(diǎn)，遵循始發(fā)站無(wú)人下車(chē)，終點(diǎn)站無(wú)人上車(chē)的規(guī)律。

為獲取車(chē)輛在站點(diǎn)間的行駛時(shí)間數(shù)據(jù)，對(duì)全天各時(shí)段進(jìn)行隨車(chē)調(diào)研，取每個(gè)時(shí)段每?jī)蓚€(gè)站點(diǎn)間的平均值，收集到的數(shù)據(jù)見(jiàn)表2，其軌跡如圖4所示。

表2 調(diào)研數(shù)據(jù)

圖4 調(diào)研得到的車(chē)輛平均運(yùn)行軌跡（去除車(chē)輛在站點(diǎn)的?？繒r(shí)間）

可見(jiàn)，在去除了車(chē)輛在站點(diǎn)的停靠時(shí)間后，除在早晚高峰期車(chē)輛的運(yùn)行時(shí)間較長(zhǎng)外，幾次分別在不同時(shí)段調(diào)研得到的車(chē)輛的平均運(yùn)行總時(shí)間并沒(méi)有太大的波動(dòng)，車(chē)次的運(yùn)行軌跡也幾乎相同，所以可根據(jù)各時(shí)段多次調(diào)研結(jié)果的均值作為車(chē)輛在各時(shí)段站點(diǎn)間的行駛時(shí)間。

4.2 時(shí)間段劃分

在公共交通系統(tǒng)的運(yùn)營(yíng)過(guò)程中，各個(gè)時(shí)間段的客流量特征是不同的，而且公交公司在運(yùn)營(yíng)過(guò)程中也是根據(jù)客流量特征的變化采取不同的發(fā)車(chē)頻率。為防止乘客太過(guò)密集導(dǎo)致無(wú)法區(qū)分上了不同車(chē)次的乘客，在數(shù)據(jù)分析過(guò)程中，需要將數(shù)據(jù)根據(jù)高峰期、平峰期、低峰期分開(kāi)進(jìn)行處理。因?yàn)槿〕丝偷某稣舅⒖〝?shù)據(jù)進(jìn)行車(chē)輛運(yùn)營(yíng)信息的推算，所以需觀察乘客的出站客流量特征。如圖5和圖6所示，任意選取某個(gè)工作日的數(shù)據(jù)，每五分鐘統(tǒng)計(jì)一次出站客流量，作客流量頻數(shù)圖。從圖中可見(jiàn)，尤其是在工作日，客流量會(huì)呈現(xiàn)明顯的兩個(gè)高峰。在劃分聚類的過(guò)程中需根據(jù)各個(gè)時(shí)間段的客流密度選取不同的參數(shù)（如θ值），所以需對(duì)各個(gè)時(shí)間段的數(shù)據(jù)分開(kāi)進(jìn)行處理。

圖5 某工作日數(shù)據(jù)每5分鐘進(jìn)站客流量統(tǒng)計(jì)

從圖5中可以看出，每5分鐘的出站客流量均線上方的時(shí)間段大概呈現(xiàn)高峰趨勢(shì)，所以根據(jù)均線對(duì)時(shí)間段進(jìn)行劃分：以5分鐘為一個(gè)時(shí)間段，如果連續(xù)幾個(gè)時(shí)間段的客流量均大于均值，即認(rèn)為這幾個(gè)時(shí)間段組成一個(gè)高峰期。

從多個(gè)工作日的劃分結(jié)果來(lái)看，兩個(gè)高峰時(shí)段的持續(xù)時(shí)間幾乎相同，可對(duì)它們進(jìn)行統(tǒng)一處理，而9:30到16:30之間的平峰期持續(xù)時(shí)間較長(zhǎng)，為了與其他平峰期時(shí)間保持一致以便于后續(xù)處理并減少累積誤差，將其平均分為兩個(gè)時(shí)間相同的時(shí)間段。如果乘客過(guò)少，則認(rèn)為是低峰期。根據(jù)調(diào)研得到的車(chē)輛運(yùn)行軌跡對(duì)時(shí)間段進(jìn)行劃分，時(shí)間段劃分結(jié)果見(jiàn)表3。在接下來(lái)的步驟中，會(huì)按時(shí)段選取數(shù)據(jù)進(jìn)行滿載率推算。

表3 工作日時(shí)間段劃分結(jié)果

4.3 車(chē)輛運(yùn)行信息及滿載率推算

取2013年8月某日5個(gè)時(shí)間段的數(shù)據(jù)進(jìn)行滿載率計(jì)算，高峰期選用較高的車(chē)輛行駛時(shí)間數(shù)據(jù)，平峰期和低峰期選擇較低的車(chē)輛行駛時(shí)間。當(dāng)θ取值在一定范圍內(nèi)時(shí)，最終得到的車(chē)次數(shù)量結(jié)果趨于穩(wěn)定狀態(tài)，而且車(chē)輛的滿載情況也趨于穩(wěn)定。根據(jù)公交公司公布的K1線路當(dāng)天投入運(yùn)營(yíng)的車(chē)次總數(shù)，可根據(jù)每個(gè)時(shí)段的發(fā)車(chē)數(shù)量確定一個(gè)符合實(shí)際運(yùn)營(yíng)情況的θ取值范圍。

確定各個(gè)時(shí)間段θ取值后，取車(chē)輛定員為160人，作出各個(gè)時(shí)段的車(chē)輛滿載率曲線，以及各個(gè)時(shí)段的車(chē)輛滿載率曲線及所有時(shí)段匯總后的車(chē)輛滿載率曲線，如圖6所示，7個(gè)時(shí)段依次從左向右，從上向下排列，最后一個(gè)子圖為匯總情況。依此可觀察車(chē)輛運(yùn)營(yíng)時(shí)的擁擠情況和客流趨勢(shì)。

圖6 某日不同時(shí)段的車(chē)輛滿載率曲線

圖中高峰期時(shí)段取θ=20，平峰期時(shí)段θ=60，低峰期時(shí)段θ=90，全天共298個(gè)車(chē)次，符合當(dāng)天的實(shí)際發(fā)車(chē)情況。

5 結(jié)論

本文在不依賴其他類型的數(shù)據(jù)的情況下，僅從乘客刷卡數(shù)據(jù)中挖掘出車(chē)輛的運(yùn)營(yíng)信息，包括車(chē)輛到達(dá)各個(gè)站點(diǎn)的時(shí)間、車(chē)輛在各個(gè)站點(diǎn)的上下車(chē)人數(shù)等，數(shù)據(jù)挖掘成本較低，而且算法簡(jiǎn)便、快速。由于在實(shí)際的車(chē)輛運(yùn)營(yíng)過(guò)車(chē)中，由于乘客行為的無(wú)法預(yù)估性以及缺乏車(chē)輛的實(shí)際運(yùn)營(yíng)細(xì)節(jié)，本文提供的算法雖然無(wú)法保證車(chē)次數(shù)、車(chē)次到站時(shí)間以及每位乘客所上車(chē)次等信息百分之百的準(zhǔn)確性，但可以從結(jié)果中看出客流趨勢(shì)、快速公交在運(yùn)營(yíng)過(guò)程中乘客的擁擠情況等，也可用于彌補(bǔ)已有數(shù)據(jù)的不足，為改善公交運(yùn)營(yíng)制度提供參考依據(jù)。

[1]高桂鳳,魏華,嚴(yán)寶杰.城市公交服務(wù)質(zhì)量可靠性評(píng)價(jià)研究[J].武漢理工大學(xué)學(xué)報(bào):交通科學(xué)與工程版,2007,31(1):140-143.

[2]Litman T.Valuing Transit Service Quality Improvements[J]. Journal of Public Transportation,2007,11(2):43.

[3]楊薇,譚英嘉,葛宏偉.公交線路規(guī)劃與服務(wù)評(píng)價(jià)中滿載率指標(biāo)的應(yīng)用研究[J].公路,2014,(3):112-116.

[4]Bagchi M,White P R.What role for smart-card data from bus systems[J].Municipal Engineer,2004,157(1):39-46.

[5]Bagchi M,White P R.The potential of public transport smart card data[J].Transport Policy,2005,12(5):464-474.

[6]Martin Trépanier,Nicolas Tranchant,Robert Chapleau.Individual Trip Destination Estimation in a Transit Smart Card Automated Fare Collection System[J].Journal of Intelligent Transportation Systems Technology Planning&Operations, 2007,11(1):1-14.

[7]尹長(zhǎng)勇,陳艷艷,陳紹輝.基于聚類分析方法的公交站點(diǎn)客流匹配方法研究[J].交通信息與安全,2010,(3).

[8]Racehorse V J,Zhang G,Sussman A,et al.Bus rapid transit system deployment for high quality and cost-effective transit service:a comprehensive review and comparative analysis[J]. Iet Intelligent Transport Systems,2015,9(2):175-183.

[9]Pelletier M P,Trépanier M,Morency C.Smart card data use in public transit:A literature review[J].Transportation Research Part C:Emerging Technologies,2011,19(4):557-568.

Study on Deduction of Bus Full-load Rate Based on IC Card Data of Rapid Bus Passengers

Yang Siyuan
(School of Economics&Management,Southwest Jiaotong University,Chengdu 610031,China)

In this paper,we considered the scenario where only the IC card data of the rapid bus passengers was available,then in connection with the running time data of the bus between stops obtained through field investigation,we grouped the passengers based on the interval between their alighting time,from which we could estimate the arrival time of the bus at different stops as well as the quantity of the boarding and alighting passengers and calculate the full-load rate of the bus,and at the end,in the case of the ring-2 rapid bus of Chengdu, we verified the accuracy and practicality of the method.

intelligent traffic;full-load rate;data mining;rapid bus;bus operation

U469.13;F224.0

A

1005-152X(2016)12-0074-05

10.3969/j.issn.1005-152X.2016.12.018

2016-10-08

楊思源（1992－），男，遼寧丹東人，碩士，研究方向:城市公共交通系統(tǒng)分析。