黃練 唐小淋 林鈺龍 詹承志

摘要：一卡通數(shù)據(jù)記錄了乘客的出行地點、時間信息，可反映城市居民公交出行的總體特征。文章提出了基于刷卡數(shù)據(jù)的常規(guī)公交、地鐵客流計算方法，結(jié)合深圳市實際刷卡數(shù)據(jù)，分析了公交客流的時段分布特征、線路與站點特征和接駁換乘特征，可為行業(yè)主管部門優(yōu)化公交線網(wǎng)、提升公眾出行服務(wù)提供決策依據(jù)。

關(guān)鍵詞：公交客流；一卡通數(shù)據(jù)；時空特征分析；客流分析；公共交通 文獻(xiàn)標(biāo)識碼：A

中圖分類號：U23 文章編號：1009-2374（2016）17-0087-03 DOI：10.13535/j.cnki.11-4406/n.2016.17.042

1 概述

隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，公交一卡通在國內(nèi)大量城市得到了廣泛應(yīng)用，持卡出行的居民占比持續(xù)增加，一卡通刷卡數(shù)據(jù)作為公交乘客出行行為的記錄，通過與城市智能公交系統(tǒng)其他動靜態(tài)信息的結(jié)合，經(jīng)過挖掘分析后，可為公交線網(wǎng)規(guī)劃、企業(yè)運(yùn)營管理和市民出行服務(wù)提供決策依據(jù)。

本文基于一卡通數(shù)據(jù)，將乘客的一次出行劃分為上車、經(jīng)過、下車/出站、換乘四類基礎(chǔ)行為，通過公交到站時間計算、公交乘客上下車站點匹配、地鐵乘客上下車站點識別等數(shù)據(jù)處理模塊，從時間和空間維度展開，挖掘分析常規(guī)公交和地鐵客流時空分布規(guī)律。

2 常規(guī)公交客流計算算法

隨著衛(wèi)星定位數(shù)據(jù)的發(fā)展與廣泛應(yīng)用，公車GPS數(shù)據(jù)已經(jīng)成為輔助城市公交管理的重要數(shù)據(jù)基礎(chǔ)。本文綜合分析一卡通數(shù)據(jù)與公交GPS數(shù)據(jù)，識別乘客上下車點，實現(xiàn)常規(guī)公交的客流統(tǒng)計。

2.1 到站時間計算

公交車GPS數(shù)據(jù)包含有公交車的空間位置與速度信息，需要結(jié)合站點位置數(shù)據(jù)計算到站時間。首先，基于線路軌跡相似度分析確定車輛運(yùn)行的實際線路；其次，通過計算連續(xù)GPS點的時空關(guān)系確定車輛運(yùn)行方向；最后，以線路和方向為約束條件計算GPS軌跡點與各站點位置的距離，識別GPS點所在的站點區(qū)間，并取距離站點最近的軌跡點為進(jìn)站點，記錄到站時間。

2.2 乘客上車站點匹配

得到了公交的到站信息后，可通過與一卡通數(shù)據(jù)融合，確定乘客的上車站點。深圳一卡通刷卡數(shù)據(jù)通過設(shè)備編碼號實現(xiàn)與特定車牌的關(guān)聯(lián)，因此可根據(jù)車牌和時間兩個關(guān)鍵字段判斷乘客上車站點，算法流程如下：（1）讀取當(dāng)天深圳一卡通清洗后的數(shù)據(jù)和當(dāng)天公交到站數(shù)據(jù)；（2）根據(jù)兩個數(shù)據(jù)表中的車牌號，篩選出深圳通數(shù)據(jù)中每一條刷卡記錄所乘坐的車輛的全天到站時間表；（3）選取到站時間和刷卡記錄中刷卡時間最近的一對，將對應(yīng)的站點作為此乘客的真實上車站點。

2.3 乘客下車站點估計

由于深圳公交采取單次刷卡制，本文基于出行鏈估計推斷乘客下車站點。由于公交乘客在工作日出行呈現(xiàn)明顯的潮汐特性，故算法通過聚類分析識別公交乘客可能的居住地、工作地，進(jìn)一步提升下車站點識別的可靠度，總體流程如下：（1）將每位乘客的刷卡記錄按照時間排序，將相鄰的兩條記錄合并為一條；（2）對于合并后的記錄，將距離第二次乘車的上車站點最近的第一次乘車方向的站點作為其第一次乘車的下車站點，同時去除距離大于2000米的數(shù)據(jù)；（3）取每位乘客每天的第一次上車站點刷卡站點作為可能的居住地站點；（4）取工作日與第一次刷卡記錄相鄰刷卡時間差大于3小時的第二次刷卡站點作為可能工作站點；（5）聚類分析一個月每位乘客的可能居住地和工作地站點，計數(shù)排序，取最可能的居住地/工作站點作為其最終居住地/工作站點；（6）對于乘客每天的最后一條刷卡記錄，若乘車時間處于工作日6∶00～8∶00/16∶00～18∶00，則其下車站點為其工作地/居住地。

3 地鐵客流計算模型

深圳地鐵乘客的進(jìn)出站需要刷卡兩次，且通過設(shè)備編號與站點關(guān)聯(lián)，一卡通刷卡數(shù)據(jù)記錄了每位乘客的進(jìn)出站時間、地點等交易信息。將當(dāng)天地鐵乘客的刷卡記錄（進(jìn)站、出站）按照時間排序，取第一、第二條記錄為進(jìn)站、出站標(biāo)識，保留進(jìn)出站時間差小于3小時、進(jìn)出站站點不相同的記錄，可判斷地鐵乘客的進(jìn)出站點情況。

由于地鐵軌道網(wǎng)絡(luò)存在大量的站內(nèi)換乘，當(dāng)進(jìn)出站之間有多條路徑可選擇時，乘客選擇的具體線路無從得知，為客流統(tǒng)計分析帶來困難。本文基于一卡通刷卡出行時刻和時間間隔，建立客流分配模型與算法，推斷出行者在軌道交通網(wǎng)絡(luò)中的出行路徑，實現(xiàn)城市軌道交通客流量的精確分配，步驟如下：

步驟1：讀取同一張卡ID下的相鄰兩個進(jìn)站/出站記錄，通過進(jìn)站和出站的車站代碼獲得出行的起訖點，即出行OD對。若該OD之間只存在一條可達(dá)路徑，則該路徑為出行路徑；若OD之間存在多條路徑，進(jìn)入多路徑選擇的判斷過程。

步驟2：在多路徑選擇過程中，若該OD對是位于同一線路上且離進(jìn)站時刻最近的發(fā)車班次和離出站時刻最近的進(jìn)站班次相同，則認(rèn)為出行過程沒有換乘。

步驟3：若進(jìn)出站時的列車班次不一致，則認(rèn)為中途發(fā)生換乘行為，進(jìn)行換乘情況下的多路徑選擇的判斷過程，計算各條路徑所需的最短時間，最短出行時間通常定義為列車運(yùn)行的必要時間與正?？焖偻ㄟ^進(jìn)出站和換乘通道所需的時間。

步驟4：若離進(jìn)站時刻最近的合理發(fā)車班次和離出站時刻最近的進(jìn)站班次所屬的運(yùn)行線路有直接換乘站，且兩車發(fā)車間隔足夠通過換乘通道，則確定出行路徑，若兩條線路出現(xiàn)多次交匯，需結(jié)合運(yùn)營時間來判斷出行路徑。

步驟5：若進(jìn)站的線路和出站的線路需要經(jīng)過兩次以上的換乘，判斷第一次換乘后所乘列車到達(dá)第二次換乘站的時刻與出站所乘列車班次的換乘是否合理，如不合理，則循環(huán)判斷兩個換乘站之間所有可能的列車班次，若存在多條可換乘的路徑，依次循環(huán)判斷最終找到合理路徑，并完成客流分配及統(tǒng)計。

4 深圳市公共交通客流特征分析

截至2015年底，深圳累計發(fā)放一卡通2600萬張，本文基于2015年9月的實際刷卡數(shù)據(jù)分析深圳市公共交通客流特征。

4.1 時間分布特征

常規(guī)公交和地鐵作為城市公共交通的兩個主要方式，承載了深圳市近90%的公共交通出行。從一周客流的分布來看，常規(guī)公交和地鐵的工作日客流高于雙休日，周一和周五的客流量高于其他工作日，常規(guī)公交、地鐵的日均客流量占比約為4∶6，地鐵日客流量和常規(guī)公交日客流量的皮爾遜相關(guān)系數(shù)r=0.60，兩者存在一定正相關(guān)關(guān)系。

如圖1所示，常規(guī)公交及地鐵的工作日分時客流量呈顯著雙峰現(xiàn)象，早高峰集中在7∶00～9∶00，晚高峰集中在17∶00～20∶00。高峰時段常規(guī)公交的小時客流量達(dá)35萬人次/小時，地鐵的高峰小時客流量達(dá)25萬人次/小時。周末各時段客流量與工作日平峰客流量基本持平，客流量總體少于工作日客流量。

4.2 空間分布特征

深圳地鐵共包含五條運(yùn)營線路，從工作日地鐵各線路日均客流量來看，1號線客流量占比最大達(dá)35%，其次為3號線，2號線的客流量占比最小為11%，如圖2（a）所示，選取早晚高峰客流量均超2000人次/小時的站點為地鐵高峰時段繁忙站點，分布如圖2（b）所示。

以1km2的網(wǎng)格將深圳市市區(qū)劃分為1995個區(qū)域，早高峰時段和晚高峰時段小時出行量分布如圖3所示，早高峰出發(fā)區(qū)域和晚高峰到達(dá)區(qū)域客流量大于4000人次/小時基本重合，客流呈現(xiàn)較為明顯的潮汐分布特征。

4.3 接駁客流特征

以一卡通ID為關(guān)鍵字，時序分析乘客常規(guī)公交和地鐵上下客點，可實現(xiàn)常規(guī)公交和地鐵接駁客流識別與特征分析。如圖4所示，從常規(guī)公交和地鐵間換乘出行的換乘距離概率密度分布曲線來看，70%的換乘時間在10分鐘以內(nèi)，90%的接駁換乘距離在700米范圍內(nèi)。

以換乘步行距離700米為閾值，統(tǒng)計各地鐵車站換乘出行距離大于閾值的客流量（如圖5所示），清湖、布吉站換乘步行距離大于700米的換乘客流量超5000人次/小時，大芬、木棉灣站換乘步行距離大于700米的換乘客流量超4000人次/小時，其余站點遠(yuǎn)距離換乘出行量較少，總體而言深圳市的地鐵站點分布和公交站點分布具有較好的接駁換乘服務(wù)水平。

5 結(jié)語

本文基于一卡通數(shù)據(jù)，提出常規(guī)公交、地鐵客流的計算方法，通過刷卡數(shù)據(jù)的時空信息與公交線網(wǎng)空間信息的匹配，實現(xiàn)了站點、線路、換乘客流的識別和統(tǒng)計。結(jié)合深圳市實際數(shù)據(jù)的挖掘分析，揭示了常規(guī)公交客流和地鐵客流的正相關(guān)關(guān)系，識別了早晚高峰、工作日非工作日的客流演變特征和城市通勤流向特征。通過海量出行數(shù)據(jù)的統(tǒng)計分布，提出了10分鐘、700米的換乘服務(wù)評估基礎(chǔ)指標(biāo)，為進(jìn)一步改善公交線網(wǎng)設(shè)置、提升出行服務(wù)水平提供了決策依據(jù)。

參考文獻(xiàn)

[1] 陳學(xué)武，戴霄，陳茜.公交IC卡信息采集、分析與應(yīng)用研究[J].土木工程學(xué)報，2004，37（2）.

[2] 陳學(xué)武，李海波，侯現(xiàn)耀.城市公交IC卡數(shù)據(jù)分析方法及應(yīng)用[M].北京：科學(xué)出版社，2014.

[3] 周崇華.基于IC卡數(shù)據(jù)的深圳地鐵OD信息處理技術(shù)[J].城市軌道交通研究，2007，（1）.

[4] 羅磊.基于IC卡信息的公交客流空間分布特征分析方法研究[D].東南大學(xué)，2006.

[5] 陳素平.基于數(shù)據(jù)自動采集的公交系統(tǒng)服務(wù)瓶頸診斷方法[D].東南大學(xué)，2010.

[6] 李海波，陳學(xué)武，陳崢嶸.基于公交IC卡數(shù)據(jù)的乘客出行時間特征研究[A].2013年中國城市交通規(guī)劃年會論文集[C].2014.

作者簡介：黃練（1982-），男，湖北武漢人，深圳市綜合交通運(yùn)行指揮中心工程師，博士，研究方向：交通數(shù)據(jù)

分析。

（責(zé)任編輯：小 燕）