孫芮

摘 要：公交數(shù)據(jù)的搜集與分析技術(shù)是公交公司進(jìn)行線路優(yōu)化以及運(yùn)營管理的基礎(chǔ)。傳統(tǒng)的人工調(diào)查法工作繁瑣，受到調(diào)查人員的水平、居民的配合度以及表格的回收率等因素的影響。這些不完全數(shù)據(jù)反映不了公交的出行規(guī)律，不能為線路優(yōu)化提供可靠的信息。在此基礎(chǔ)上，公交IC卡的廣泛應(yīng)用為數(shù)據(jù)的采集提供了可靠的手段。

關(guān)鍵詞：公交線路；上車站點(diǎn)；下車站點(diǎn)

一.引言

隨著RFID技術(shù)的普及，我國的很多城市已采取公交IC卡作為公交的收費(fèi)手段。公交IC卡收費(fèi)系統(tǒng)在運(yùn)行過程中產(chǎn)生大量的刷卡交易數(shù)據(jù)，其數(shù)據(jù)具有采集方便、樣本量大、連續(xù)記錄等優(yōu)點(diǎn)，對這些數(shù)據(jù)進(jìn)行分析和挖掘，能夠?yàn)槌鞘薪煌ㄏ到y(tǒng)的規(guī)劃和管理提供豐富的決策信息。[1-2]不同以往的人工調(diào)查法，公交的IC卡數(shù)據(jù)包括：乘客IC卡號、刷卡日期、刷卡時間、站點(diǎn)號等信息。獲取大規(guī)模的城市 OD 矩陣一直是交通仿真和交通運(yùn)輸領(lǐng)域的難點(diǎn)。傳統(tǒng)的 OD 矩陣獲取通常依靠問卷調(diào)查或 OD反推技術(shù)[3]、廣義最小二乘法模型[4-5] 、雙層規(guī)劃[6]等方法獲取 OD 矩陣。

為了提高乘客的出行體驗(yàn)，我國大部分城市的公交IC卡采用一票刷卡制，意味著乘客上車刷卡，下車不必刷卡，故IC卡并未記錄乘客的下車刷卡記錄，不方便分析乘客的起訖點(diǎn)信息。于是本文提出基于公交IC卡的上車刷卡記錄推算線路站點(diǎn)的OD，進(jìn)而和乘客的出行信息進(jìn)行匹配。

二.推算思路

將所有的公交數(shù)據(jù)分為三類，一是通勤數(shù)據(jù)，二是一般數(shù)據(jù)（購物、走親訪友），三是隨機(jī)數(shù)據(jù)（紊亂數(shù)據(jù)）。本文首先引入一種居民公交出行通勤OD推算方法，獲得線路高峰時期OD矩陣。通過建立IC卡數(shù)據(jù)倉庫，對數(shù)據(jù)進(jìn)行預(yù)處理，按照推算方法得出當(dāng)日所有以公交為出行方式的乘客出行終點(diǎn)，以此建立乘客初始OD矩陣，為城市公交線路的優(yōu)化提供基礎(chǔ)資料。對于無法匹配的乘客信息，歸為待處理數(shù)據(jù)。具體推算步驟與流程圖如下：

步驟一：建立乘客當(dāng)天的刷卡信息表table1和歷史刷卡信息表table2；

步驟二：判斷是否一位乘客第i次與第i+1次的刷卡時間間隔，“是”視為一次出行，同時查找table2，是否有相同線路出行下游站點(diǎn)及附近500m輻射區(qū)的刷卡記錄，“是”則此下游上車刷卡的站點(diǎn)即為第i次出行的終點(diǎn)，可確定乘客的出行OD點(diǎn)，計(jì)入table1，跳轉(zhuǎn)步驟五；

步驟三：若，判斷第i次與第i+1次刷卡時間是否屬于上下班高峰期。

“是”判斷是否不同向（線路相同，方向相反），“是”不同向，確定第i次出行OD，跳轉(zhuǎn)步驟五。

“否”不屬于上下班高峰，則由第i+1次出行判斷第i次出行的終點(diǎn)，并且查閱table2是否有相同線路出行下游站點(diǎn)及附近500m輻射區(qū)的刷卡記錄?！笆恰贝_定乘客出行OD，計(jì)入table1，跳轉(zhuǎn)步驟五；

步驟四：上述“否”的話，信息計(jì)入待處理數(shù)據(jù)；

步驟五：判斷第i+1次出行是否為最后一次出行，“否”跳轉(zhuǎn)至步驟一，“是”進(jìn)入步驟六；

步驟六：所有數(shù)據(jù)是否匹配完畢，“否”跳至步驟一，“是”進(jìn)入步驟七；

步驟七：建立當(dāng)天線路站點(diǎn)OD矩陣；

步驟八：結(jié)束。

注：由第i+1次出行判斷第i次出行的終點(diǎn)與查閱table2來確定第i次出行的終點(diǎn)方法本質(zhì)是相同的，以第i+1次上車站點(diǎn)為核心，搜索附近500m輻射區(qū)與第i次出行線路下游相交的站點(diǎn)，此站點(diǎn)即為第i次出行的終點(diǎn)，確定乘客的OD點(diǎn)。

待處理數(shù)據(jù)是接下來研究的重點(diǎn)，可通過多源數(shù)據(jù)融合與乘客信息進(jìn)行交叉匹配，獲得一般數(shù)據(jù)乘客的出行終點(diǎn)。剩余的數(shù)據(jù)可通過仿真，得到不同時刻公交系統(tǒng)的行車密度，分析公交車在每站停車時間長短而得到停車時間與下車人數(shù)的函數(shù)關(guān)系，加之站點(diǎn)周圍土地利用，判斷紊亂數(shù)據(jù)乘客的下車終點(diǎn)。

三.結(jié)束語

本文的算法可推算大規(guī)模的OD矩陣，并且可分析公交運(yùn)營的特征，在實(shí)際生活中對公交的運(yùn)營與管理等有著重要的參考意義與實(shí)用價值。

參考文獻(xiàn)：

[1]. BAGCHI M， WHITE P. The potential of public transport smart card data[J].Transport Policy，2005（12）：464-474.

[2]. PELLETIER M， TREPANIER M， MORENCY C.Smart card data use in public transit： a literature review[J].Transportation Researh Part C，2011，19：557-568.

[3]. BERA S， Rao K V， Estimation of origin-destination matrix from traffic counts： the state of the art[J]. European Transport，2011，49：3-23.

[4]. 鄧亞娟，陳小鴻.軌道交通客流動態(tài)OD矩陣估計(jì)方法研究[C]第三屆中國同舟交通論壇.上海：同濟(jì)大學(xué)出版社.2006.

[5]. Cao P，Miwa T， Yamamoto T，et al.Bilevel generalized least squares estimation of dynamic origin-destination matrix for urban network with probe vehicle data[J].Transportation Research Record： Journal of the Transportation Research Board，2013，2333（1）：66-73.

[6]. Ren Hualing.Origin-destination demands estimation in congested dynamic transit network[C].Proc of International Conference on Management Science and Engineering.[S.I.]：IEEE Press，2007：2247-2252.