李文鋒，林艷玲，程 遠，林小偉，王樺泉

(廈門衛(wèi)星定位應(yīng)用股份有限公司，福建 廈門 361000)

隨著城市化建設(shè)的不斷加快，日益增長的交通需求同相對滯后的交通供給之間的矛盾越發(fā)突出，交通擁擠、環(huán)境污染、交通安全事故等問題普遍存在于各個城市之中。發(fā)展方便快捷的城市公共交通，使其成為廣大出行人群的首選是解決上述問題的關(guān)鍵?？茖W(xué)的公交調(diào)度與合理的線網(wǎng)規(guī)劃促使公共交通系統(tǒng)高效運營，而公交調(diào)度和線網(wǎng)規(guī)劃都依賴于對客流全面、準(zhǔn)確的分析和預(yù)測。因此，基于公交IC卡刷卡大數(shù)據(jù)，結(jié)合公交GPS數(shù)據(jù)對客流進行精準(zhǔn)預(yù)測分析具有重要意義。

國內(nèi)外研究學(xué)者已經(jīng)對交通領(lǐng)域客流預(yù)測算法展開深入研究，如對地面公交和軌道交通的客運總量、區(qū)間斷面流量和車站進出站客流等客流指標(biāo)進行研究和預(yù)測，郭娟等提出了“四階段法”對交通需求進行預(yù)測，通過居民的出行調(diào)查，掌握居民全方位的出行分布；謝英豪等提出了有向圖方法統(tǒng)計斷面客流；周高衛(wèi)等運用TransCAD計算機仿真進行客流量分配和客流計算，得到預(yù)測年各項客流指標(biāo)；楊軍等利用灰色馬爾科夫算法模型對大型活動客流特征進行預(yù)測分析。

不同的學(xué)者考慮到的客流因素不盡相同，提出的算法雖然在一定程度上達到分析預(yù)測效果，但針對的客流分析點大多單一，未能利用多元的數(shù)據(jù)對客流進行多點綜合分析。本文將多元的公交IC卡刷卡數(shù)據(jù)與公交車輛的GPS數(shù)據(jù)相結(jié)合，優(yōu)化目前現(xiàn)有的客流分析算法，結(jié)合概率論模型、聚類分析模型、回歸分析模型、平滑預(yù)測模型對公交站點客流、客流OD、乘客候車時長、公交運力、客流堆積以及公交發(fā)車間隔進行多維度的客流綜合分析和預(yù)測，從多方面體現(xiàn)公交客流特征與規(guī)律。

1 原始數(shù)據(jù)采集與預(yù)處理

1.1 原始數(shù)據(jù)采集

原始數(shù)據(jù)主要有海量公交IC卡刷卡數(shù)據(jù)、公交車GPS定位數(shù)據(jù)，以及輔助中間表，如站點信息表、線路信息表、終端設(shè)備信息表等。

1.1.1 公交IC卡刷卡數(shù)據(jù)采集

隨著公共交通系統(tǒng)的日益完善，公交線路延長、覆蓋范圍擴大，一票制已逐漸不能滿足需求，通過乘客上車刷卡與下車刷卡的方式來計價的無人售票分段收費制將成為主要手段。本文提出的研究針對乘客上車刷卡與下車刷卡的無人售票分段制，不包括沒有下車刷卡的數(shù)據(jù)處理。本文的研究方法采集分段收費制的IC卡刷卡數(shù)據(jù)，數(shù)據(jù)來源為公交集團及城市公交卡相關(guān)公司，一手?jǐn)?shù)據(jù)保證數(shù)據(jù)來源的可靠性。公交IC卡原始刷卡數(shù)據(jù)主要字段包括：卡號、交易額、網(wǎng)點號、終端號、交易類型、交易時間。采集而來的原始刷卡數(shù)據(jù)如表1所示。

表1 公交IC卡數(shù)據(jù)

1.1.2 公交車GPS數(shù)據(jù)

GPS數(shù)據(jù)來源于公交車臺上報的實時定位數(shù)據(jù)，精準(zhǔn)記錄了車輛的運行軌跡，主要字段包括終端號、GPS時間、進出站類型、線路編號、站點序號、上下行。

表2 公交車GPS數(shù)據(jù)

1.2 數(shù)據(jù)預(yù)處理

1.2.1 數(shù)據(jù)清洗

為更好地提高數(shù)據(jù)分析結(jié)果的準(zhǔn)確度，適應(yīng)模型構(gòu)建和分析，必須將采集而來的數(shù)據(jù)進行清洗、融合、變換和歸約等預(yù)處理操作，矯正異常數(shù)據(jù)。

由于城市公交線路繁多且數(shù)量龐大，公交的運營由不同公交公司分管，采集而來的數(shù)據(jù)缺乏統(tǒng)一規(guī)范，加上乘客使用的城市IC卡多種多樣，包括普通卡、老人卡、異型卡、學(xué)生卡等，這些IC卡的卡號又包括卡內(nèi)號和卡面號，需要使用IC卡固有的卡號轉(zhuǎn)換規(guī)則對卡號統(tǒng)一，規(guī)范數(shù)據(jù)，將IC卡的卡號轉(zhuǎn)換成同一類型。

公交IC卡刷卡數(shù)據(jù)可能因為刷卡動作和終端環(huán)境等方面的影響而產(chǎn)生異常數(shù)據(jù)，這些數(shù)據(jù)如果不清洗排除，可能對分析結(jié)果的準(zhǔn)確性造成影響，數(shù)據(jù)異常包括：噪音數(shù)據(jù)、不完整數(shù)據(jù)、冗余數(shù)據(jù)、錯誤數(shù)據(jù)等。

冗余數(shù)據(jù)和錯誤數(shù)據(jù)會對結(jié)果產(chǎn)生誤導(dǎo)影響，不能作為分析數(shù)據(jù)，如內(nèi)部員工的刷卡數(shù)據(jù)、同站進出刷卡數(shù)據(jù)等，系統(tǒng)通過進出站點篩選同站進出刷卡數(shù)據(jù)、卡類型匹配篩選出內(nèi)部員工數(shù)據(jù)，給予刪除操作；不完整數(shù)據(jù)是由于數(shù)據(jù)上傳過程中信號偏差而導(dǎo)致關(guān)鍵字段不完整，無法確認(rèn)其真實性，如只有上車站點刷卡或下車站點刷卡記錄，此類記錄只保留作為客流統(tǒng)計，不做OD匹配。

1.2.2 IC卡數(shù)據(jù)與車輛GPS數(shù)據(jù)匹配

本文獲取以及研究的IC卡刷卡數(shù)據(jù)為先進站刷卡再選擇車輛上車的計費模式，如BRT、軌道交通的刷卡模式。刷卡設(shè)備終端與車輛沒有匹配，乘客上哪一輛車是未知的，所以需要對數(shù)據(jù)進一步處理。

首先將IC卡號歸類并按刷卡時間排序，根據(jù)刷卡時間和進出站類型匹配出乘客的OD數(shù)據(jù)，匹配后的主要字段有卡號、進站刷卡時間、出站刷卡時間、進站站點、出站站點、可乘坐線路。

OD數(shù)據(jù)匹配完成后，通過GPS數(shù)據(jù)匹配乘客的乘坐車輛。首先，按日期遍歷每天乘客OD數(shù)據(jù)，篩選出當(dāng)天的OD數(shù)據(jù)，對于每條OD數(shù)據(jù)，根據(jù)乘客的上車刷卡時間、下車刷卡時間篩選出在這兩個時間前到達站點的車輛GPS數(shù)據(jù)，將與乘客上下車時間最接近的車輛作為乘客的乘坐車輛，可以得到乘客每一次出行與車輛的對應(yīng)關(guān)系，存儲入庫備用，一天數(shù)據(jù)的具體匹配流程如圖1所示。

2 客流大數(shù)據(jù)分析建模與可視化技術(shù)

2.1 站點客流熱力分析

車站客流對行車調(diào)度指揮、車站運營組織、客流疏導(dǎo)和安全管控具有重要指導(dǎo)意義。本文運用聚類模型對公交車站的站點客流進行統(tǒng)計分析，云計算中心獲取到數(shù)據(jù)之后，每天實時根據(jù)乘客的上車站點聚類，按小時段統(tǒng)計每個公交站點的客流量，數(shù)據(jù)以增量的方式存儲入庫，同時將數(shù)據(jù)接入自主開發(fā)的可視化系統(tǒng)，生成公交站點客流熱力分布圖，利用GIS技術(shù)將公交站點客流量熱力圖層與地圖圖層疊加，以熱力圖的方式展示站點客流分布，并支持分時段的統(tǒng)計查詢，便于分析站點的乘客分布規(guī)律。

圖1 OD數(shù)據(jù)與車輛匹配流程

圖2是以廈門公交客流數(shù)據(jù)為基底，經(jīng)過客流可視化技術(shù)處理后的結(jié)果，展示了廈門公交早高峰和晚高峰的客流分布特征，從圖2可以看出客流潮汐分布特點，早高峰時段客流從島外涌入島內(nèi)，晚高峰時段客流由島內(nèi)流出島外?？筛鶕?jù)客流分布的潮汐特點，調(diào)整公交不同時段的運力部署，使其更能適應(yīng)乘客需求。

圖2 廈門市高峰期客流熱力分布

2.2 客流OD需求分析

公交客流OD是指公交乘客出行的起止點分布，反映了公交乘客的出行偏好規(guī)律。公交客流OD是城市公共交通網(wǎng)絡(luò)規(guī)劃和管理的基礎(chǔ)決策參考數(shù)據(jù)，為公交運營調(diào)度、公交線網(wǎng)優(yōu)化、公交出行預(yù)測提供最可靠的數(shù)據(jù)支持，精確的客流OD 才能保證運營計劃的科學(xué)制定和人、車資源的合理調(diào)配。

本文建立客流OD聚類模型，在云計算中心每天獲取到預(yù)處理完的客流OD數(shù)據(jù)后，對乘客上下車站點采用聚類方法歸約，將同一上下站的乘客數(shù)據(jù)分時段統(tǒng)計，得到每一天每時段的客流OD統(tǒng)計數(shù)據(jù)，存儲入庫，同時將數(shù)據(jù)接入可視化系統(tǒng)，通過顏色分級和箭頭導(dǎo)引的方式直接展示客流OD分布情況，并支持分時段查詢，便于挖掘乘客的出行規(guī)律，為線網(wǎng)優(yōu)化提供科學(xué)依據(jù)。圖3是以廈門市BRT客流數(shù)據(jù)為基底，經(jīng)過客流可視化技術(shù)處理后的客流OD展示結(jié)果。

圖3 廈門市BRT客流OD分布

2.3 站點候車時長分析

公交乘客的候車時長很大程度上反映了公交的服務(wù)水平，本文根據(jù)乘客IC卡刷卡數(shù)據(jù)與公交車GPS到離站數(shù)據(jù)的精準(zhǔn)匹配，結(jié)合對乘客候車行為的抽樣調(diào)查，計算得出每個乘客每個出行站點的候車時長。

在對數(shù)據(jù)進行預(yù)處理后，云存儲中心已存儲每位乘客每次出行的OD數(shù)據(jù)，包括進站刷卡時間Ti、進站刷卡站點S、出站刷卡時間To、出站刷卡站點、乘坐車輛等。由于乘客從刷卡閘機到達候車地點需要一定的時間，設(shè)這個時間參數(shù)為ts，則在S站點單個乘客的候車時長Ts可表示為

Ts=Ti-ts-To.

首先對公交車站類型進行分類，相似建筑結(jié)構(gòu)的車站歸為一類，使用同一個時間參數(shù)。對于不同類型的公交車站，本文采用隨機抽樣調(diào)查的方式，確定大樣本容量，n點的估計量等于樣本乘客從刷卡閘機到達候車地點的時間平均值，用樣本估計整體，得到每一個車站的時間參數(shù)ts。

獲得每一個乘客的候車時長后，根據(jù)進站站點對乘客聚類，求得每個站點的乘客平均候車時長，經(jīng)過可視化分析系統(tǒng)處理，展示乘客候車時長信息，并支持按日期和時間段查詢。圖4是以廈門BRT客流數(shù)據(jù)為基底的某條BRT線的候車時長分析結(jié)果，右下角小窗口展示候車時長最長的10個站點數(shù)據(jù)，經(jīng)數(shù)據(jù)可靠性測試，候車時長的統(tǒng)計誤差在可接受范圍內(nèi)，通過可視化結(jié)果?？芍庇^看出每個站點乘客的候車時長情況，對于候車時長異常站點，可及時做出調(diào)整方案，提高公眾的乘車體驗。

圖4 廈門市BRT站點候車時長分析

2.4 斷面客流分析

公交斷面客流是指在單位時間內(nèi)通過公交線路某一區(qū)間的客流量。斷面客流是線路能力配置和網(wǎng)絡(luò)能力協(xié)調(diào)的基礎(chǔ)，本文將公交站點編號并抽象為向量集合，通過分析乘客出行軌跡站點向量集合及出行時間，建立斷面客流算法模型，以0.5 h為時間粒度，分析得到每0.5 h斷面客流量，并可通過選擇任意兩個站點計算其斷面客流量。

步驟1：將每一條線路上的站點按順序編號v1,v2，…，vn，確定所選斷面之間的站點向量集合V={v1,v2，…，vn}。

步驟2：選出符合所選時間段內(nèi)出行的乘客集，根據(jù)每位乘客所乘坐的車輛，匹配乘客所乘坐的線路，從而匹配出每位乘客出行站點ID向量集合Ki={k1,k2，…，ki}。

步驟3：求V與Ki的交集Ei，若card(Ei) > 2，即V與Ki有兩個以上的站點ID相同，則判斷該名乘客途經(jīng)該斷面，統(tǒng)計所有符合條件的乘客數(shù)量，得到所選時間段內(nèi)的斷面客流量。計算步驟如圖5所示。

圖5 斷面客流算法流程

斷面客流算法模型是將一天劃分為48份，每0.5 h為一個時間粒度，計算公交線路任意兩個站點之間的斷面客流，并將結(jié)果可視化，可以查詢?nèi)我鈺r間段內(nèi)任意斷面之間的客流量，為公交線網(wǎng)優(yōu)化提供有效的決策依據(jù)。如圖6所示，以廈門BRTK1線路的斷面客流為例，展示每一相鄰站點的斷面客流情況，雙擊斷面可查看斷面的具體客流數(shù)據(jù)。

2.5 站點客流堆積分析

公交車站的客流滯留情況關(guān)系到公交客流運載輸送力與乘客出行體驗，公交車站客流過度擁擠可能還會造成安全事故，所以，對公交站點客流的滯留情況監(jiān)控尤為重要。本文通過實時統(tǒng)計車站滯留的客流量達到對站點客流堆積情況的分析。

圖6 廈門市BRT K1線路斷面客流

在數(shù)據(jù)的預(yù)處理過程中，已匹配好乘客和所乘坐的車輛，已知乘客進站刷卡時間To，所乘坐車輛離站GPS時間T，客流堆積時間長度系數(shù)t(可自主配置)。車站滯留的客流量等于上一時段未上車的客流量Ni-1加上當(dāng)前時段刷卡進站的客流量Count(To)，再減去當(dāng)前時段上車的客流量Count(T)。

從每一天的凌晨4:00開始計算，在4:00—4:00+t時間段內(nèi)滯留在車站候車的乘客數(shù)量：N1=0+Count(To)-Count(T)，其中，4:00<=To< 4:00+t，4:00<=T<4:00+t。在ti～ti+t時段內(nèi)滯留的客流量Ni=Ni-1+Count(To)-Count(T)，其中，ti<=To

圖7 廈門市BRT K1線路站點客流堆積分析

3 結(jié) 語

本文基于公交IC卡刷卡數(shù)據(jù)與GPS數(shù)據(jù)，主要針對上下車刷卡的分段收費制數(shù)據(jù)，建立公交客流大數(shù)據(jù)可視化分析模型，針對公交站點客流、客流OD、站點候車時長、斷面客流、站點客流堆積等方面進行精準(zhǔn)分析，并將分析結(jié)果可視化，通過地圖顯示，支持條件查詢。本文所闡述的方法不僅僅局限于公交IC卡刷卡數(shù)據(jù)，同樣適用于移動支付的數(shù)據(jù)，只要符合上下車的刷卡模式，都適用本文的分析方法。

通過客流可視化綜合分析系統(tǒng)，以歷史客流大數(shù)據(jù)為參考，實現(xiàn)對短期內(nèi)公交客流量的預(yù)測，公交站點客流分析有助于對客流擁擠的站點進行客流疏導(dǎo)和安全管控；客流OD分析結(jié)合斷面客流分析，反映了乘客出行軌跡規(guī)律，為公交線網(wǎng)優(yōu)化與調(diào)整提供科學(xué)參考依據(jù)。站點候車時長結(jié)合站點客流堆積反映了公交運送能力和乘客出行體驗，分析的結(jié)果可輔助公交運營調(diào)度決策；通過歷史數(shù)據(jù)的變化趨勢，可以預(yù)測未來短期內(nèi)的公交客流情況，對于不合理的運營，可提前做出調(diào)整?？傊?，基于現(xiàn)有研究易于獲得公交IC卡大數(shù)據(jù)以及GPS數(shù)據(jù)，本文研究成果可作為線路設(shè)計、場站規(guī)劃、線路調(diào)整、運營調(diào)度的決策輔助工具。