萬 婕，王慶國，郭富成

（武漢科技大學(xué) 汽車與交通工程學(xué)院，湖北 武漢 430065）

隨著城市空間規(guī)模的擴(kuò)張和職住空間分離的加劇，長距離通勤、交通擁堵等城市問題日益嚴(yán)峻。由于公共交通具有集約高效、普惠公平等優(yōu)點(diǎn)，優(yōu)先發(fā)展公共交通成為緩解交通擁堵、轉(zhuǎn)變城市交通發(fā)展方式的必然要求和戰(zhàn)略選擇。相應(yīng)地，對公共交通的研究成為熱點(diǎn)。

傳統(tǒng)研究主要從站點(diǎn)布局、公交可達(dá)性、公交效益評價、乘客滿意度等方面對公交服務(wù)供給進(jìn)行量化分析，較少涉及公交服務(wù)需求的量化及公交服務(wù)供需的匹配。公交供給以滿足公交需求為目標(biāo)，只有供需匹配，才不至造成公交供給的不足或浪費(fèi)。而公交需求量化研究的缺位，使公交優(yōu)化失去方向、變得盲目，弱化了公交供給量化研究的實(shí)際意義。

現(xiàn)實(shí)中，由于人的出行存在波動性，對公交服務(wù)的需求是動態(tài)變化的，同時，路網(wǎng)實(shí)時交通狀態(tài)的變化也導(dǎo)致候車時間和公交服務(wù)供給的動態(tài)波動；另一方面，在微觀的人口活動空間，出行需求位置與公交供給位置之間依靠步行空間銜接，這使得供需識別與匹配需要空間上精細(xì)粒度的需求分布挖掘與步行級別的路網(wǎng)構(gòu)建。因此，公交服務(wù)供需量化與匹配應(yīng)該是微觀動態(tài)的。

傳統(tǒng)研究受限于長時間序列活動數(shù)據(jù)的缺乏，對人們活動的動態(tài)感知不夠，空間覆蓋也不全面。因而，傳統(tǒng)的公交服務(wù)研究更多的是一種粗粒度和靜態(tài)的研究，忽略了公交供需的動態(tài)變化，掩蓋了局部供需的不匹配。隨著大數(shù)據(jù)時代的來臨和數(shù)據(jù)源的豐富，基于個體行為的大數(shù)據(jù)具有更精細(xì)的時空粒度，使得實(shí)時精細(xì)觀察大規(guī)模的群體活動行為、全面感知人們的活動空間動態(tài)，從微觀層面研究活動空間動態(tài)演化成為可能。為此，本文以武漢市主城區(qū)為研究對象，充分發(fā)揮大數(shù)據(jù)在微觀尺度上精確與海量的優(yōu)勢，基于高德路徑規(guī)劃大數(shù)據(jù)獲取實(shí)時交通狀態(tài)下的公交出行信息，騰訊“宜出行”人口位置大數(shù)據(jù)挖掘不同時段精細(xì)粒度的需求分布，進(jìn)行公交服務(wù)供需的動態(tài)挖掘與匹配，分析其差異與耦合；重點(diǎn)考慮早晚高峰時段的職住出行需求與城市公交供給，量化城市規(guī)模的公交服務(wù)供需，引入空間統(tǒng)計(jì)指標(biāo)進(jìn)行供需動態(tài)匹配及匹配程度定量計(jì)算，識別公交供需失衡區(qū)域。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域與研究尺度

由于武漢市的通勤需求與公交設(shè)施主要集中于《武漢市城市總體規(guī)劃（2010-2020 年）》規(guī)定的主城區(qū)范圍，因此，本文以武漢市主城區(qū)為研究范圍，進(jìn)行公交服務(wù)供需水平挖掘與匹配分析。考慮交通出行者步行活動范圍小、習(xí)慣就近乘車等特點(diǎn)與數(shù)據(jù)源精度，在研究范圍內(nèi)建立500m×500m 網(wǎng)格作為分析的基本單元，將主城區(qū)共劃分為3 683 個網(wǎng)格單元，如圖1 所示。

圖1 研究范圍與網(wǎng)格單元劃分

1.2 數(shù)據(jù)來源

1.2.1 高德路徑規(guī)劃數(shù)據(jù)。本文基于高德地圖路徑規(guī)劃API 獲取研究區(qū)域內(nèi)公交出行行程數(shù)據(jù)。高德地圖路徑規(guī)劃API 是一套為開發(fā)者提供的步行、公交、駕車查詢及行駛距離計(jì)算接口，可以規(guī)劃綜合各類交通方式與出行策略的通勤方案，并且返回通勤方案的數(shù)據(jù)。相較于其他路徑規(guī)劃與行程成本計(jì)算方法，高德地圖路徑規(guī)劃API 路網(wǎng)信息全面，精確至步行路網(wǎng)，保障規(guī)劃方案步行可達(dá)；模擬真實(shí)交通環(huán)境與乘車環(huán)境，結(jié)合精準(zhǔn)的實(shí)時路況，還原真實(shí)交通狀態(tài)下的實(shí)際行程時間，同時考慮乘車、換乘期間的候車時間與步行時間；規(guī)劃方案自定義，提供多種出行方式與路徑規(guī)劃策略，自定義避讓區(qū)域或道路，指定出發(fā)時間。

通過對主城區(qū)交通狀況連續(xù)一周的觀察與記錄，確定早晚高峰時段范圍；利用Python 程序獲取2020 年6 月29 日至7 月1日連續(xù)三個工作日早高峰時段（08:30～09:30）與晚高峰時段（17:30～18:30），主城區(qū)3 683 個網(wǎng)格質(zhì)心兩兩之間的13 564 489條公交出行路徑規(guī)劃信息作為公交服務(wù)供給挖掘的原始數(shù)據(jù)。高德路徑規(guī)劃示例如圖2 所示。

圖2 高德路徑規(guī)劃示例

1.2.2 騰訊“宜出行”位置大數(shù)據(jù)。本文采用騰訊“宜出行”位置大數(shù)據(jù)作為公交服務(wù)需求挖掘的數(shù)據(jù)來源。宜出行位置大數(shù)據(jù)基于騰訊全線互聯(lián)網(wǎng)產(chǎn)品的用戶數(shù)據(jù)，對各區(qū)域人口分布以熱力地圖的形式進(jìn)行實(shí)時可視化展示。宜出行數(shù)據(jù)具有實(shí)時性強(qiáng)，能夠?qū)崟r動態(tài)展示不同時段人群的真實(shí)位置與聚散規(guī)律；覆蓋群體全面，幾乎涵蓋所有智能手機(jī)用戶；采集網(wǎng)格密度為25m，數(shù)據(jù)粒度細(xì)、定位精度高；可以實(shí)時獲取后臺原始數(shù)據(jù)等優(yōu)點(diǎn)。利用Python 程序獲取相應(yīng)時段的實(shí)時人口位置數(shù)據(jù)，每條數(shù)據(jù)包含經(jīng)度、緯度、人口熱力值和爬取時間四個字段，在ArcGIS 中顯示，如圖3 所示。

圖3 宜出行數(shù)據(jù)

2 公交服務(wù)供需量化分析

2.1 量化分析方法

2.1.1 公交服務(wù)供給量化分析方法。以不同時段、不同時間出行情景下的公交可達(dá)性表示公交服務(wù)供給水平，基于高德路徑規(guī)劃數(shù)據(jù)構(gòu)建可達(dá)區(qū)，并以可達(dá)區(qū)域面積計(jì)算各網(wǎng)格單元的公交可達(dá)性。具體方法為：（1）構(gòu)建OD 矩陣。將研究區(qū)域內(nèi)的3 683 個網(wǎng)格單元分別作為起點(diǎn)與終點(diǎn)，獲取網(wǎng)格質(zhì)心坐標(biāo)作為起訖點(diǎn)坐標(biāo)，構(gòu)建OD 矩陣。（2）獲取行程數(shù)據(jù)。通過高德路徑規(guī)劃API 獲取起訖點(diǎn)間的行程數(shù)據(jù)，提取并記錄公交出行時間成本。（3）建立可達(dá)區(qū)?；谏弦徊将@取的最短行程時間，建立各網(wǎng)格單元t 時間約束下的可達(dá)區(qū)域范圍，即以網(wǎng)格單元i 為起點(diǎn)，所有在t 時間內(nèi)乘公共交通能到達(dá)的網(wǎng)格單元構(gòu)成網(wǎng)格單元i 在t 時間約束下的可達(dá)區(qū)，這里時間閾值t 取30、60、90min，分別模擬短、中、長時間出行情景。（4）計(jì)算公交可達(dá)性。統(tǒng)計(jì)各網(wǎng)格單元t 時間可達(dá)區(qū)的面積，作為該網(wǎng)格單元t 時間約束下的公交可達(dá)性。

2.1.2 公交服務(wù)需求量化分析方法?；隍v訊“宜出行”位置大數(shù)據(jù)獲取實(shí)時人口位置數(shù)據(jù)，利用時間識別窗口的方法推測職住出行需求發(fā)生的位置。根據(jù)人口活動習(xí)慣，取23:00 至次日6:00 為休息時段，各網(wǎng)格單元休息時段人口值表示居住人口分布，代表早高峰時段以該網(wǎng)格單元為起點(diǎn)的出行需求；取9:00～12:00 和14:00～17:00 為工作時段，各網(wǎng)格單元工作時段人口值表示就業(yè)人口分布，代表晚高峰時段以該網(wǎng)格單元為起點(diǎn)的出行需求。

2.2 量化結(jié)果分析

2.2.1 公交服務(wù)供給量化結(jié)果分析。以30min、60min、90min 時間約束下的公交可達(dá)性評價主城區(qū)短、中、長時間出行情景下的公交服務(wù)供給水平，基于自然斷點(diǎn)法將網(wǎng)格供給水平分為好、較好、中等、較差、差五級，從公交服務(wù)供給的空間分布上看（如圖4 所示）：主城區(qū)中央核心區(qū)域供給水平較好，主城區(qū)外圍供給水平差，軌道交通沿線網(wǎng)格公交供給水平明顯更好。早晚高峰時段公交供給水平差異不大，從均值與最值上看，晚高峰時段整體公交可達(dá)性相對較差。

圖4 早晚高峰時段不同出行時間情景公交服務(wù)供給水平

結(jié)合公交供給水平直方圖（如圖5 所示），進(jìn)一步對比不同時間出行情景公交服務(wù)供給的分布特征與變化趨勢：短時間出行情景大部分網(wǎng)格公交供給等級為差或較差，早高峰時段38.01%、晚高峰時段37.82%的網(wǎng)格公交供給差，早晚高峰時段僅6.90%、7.28%的網(wǎng)格公交供給好或較好，21.69%、20.96%的網(wǎng)格公交供給在中等及以上，其分布與公交站點(diǎn)密度高的區(qū)域高度重合，可達(dá)性最好的網(wǎng)格高峰時段可達(dá)區(qū)可覆蓋主城區(qū)的5%～10%（不含水域）；中時間出行情景核心區(qū)域網(wǎng)格公交供給等級基本為好，早晚高峰時段35.89%、36.03%的網(wǎng)格公交供給高于主城區(qū)平均水平，可達(dá)性最好的網(wǎng)格高峰時段可達(dá)區(qū)可覆蓋主城區(qū)的50%～60%（不含水域）；長時間出行情景大部分網(wǎng)格公交供給水平在中等及以上，早晚高峰時段43.17%、42.38%的網(wǎng)格公交供給好或較好，僅5.67%、6.79%的網(wǎng)格公交供給差，主要為主城區(qū)邊緣或水域上的網(wǎng)格，可達(dá)性最好的網(wǎng)格高峰時段可達(dá)區(qū)可覆蓋主城區(qū)85%以上的區(qū)域（不含水域）。短時間出行情景只有距離公交站點(diǎn)近的網(wǎng)格可達(dá)性好，隨著時間約束增大，大部分網(wǎng)格公交供給提升，不再局限于公交站點(diǎn)附近，供給好的網(wǎng)格占比增加、供給差的網(wǎng)格占比下降，可達(dá)性在0 值附近的網(wǎng)格明顯減少。

圖5 早晚高峰時段不同出行時間情景公交服務(wù)供給直方圖

2.2.2 公交服務(wù)需求量化結(jié)果分析。從公交服務(wù)需求的空間分布上看（如圖6 所示）：各時段公交需求主要集中于主城區(qū)中央、濱江核心區(qū)域，由主城區(qū)中央向外圍遞減，主城區(qū)外圍公交需求較低。結(jié)合出行需求直方圖可以發(fā)現(xiàn)（如圖7 所示）：晚高峰時段公交服務(wù)需求高值突出、數(shù)值間差異大，公交服務(wù)需求相對集中，各網(wǎng)格單元需求分布差異明顯；早高峰時段公交服務(wù)需求相對均勻分散，各網(wǎng)格單元需求分布差異小。

圖6 早晚高峰時段公交服務(wù)需求分布

圖7 網(wǎng)格尺度早晚高峰出行需求直方圖

進(jìn)一步分析主城區(qū)各區(qū)域的出行需求分布特征，將各網(wǎng)格單元按所在組團(tuán)分類統(tǒng)計(jì)（如圖8 所示）。漢口地區(qū)的漢口中央活動區(qū)、塔子湖組團(tuán)出行需求較高，其中，漢口中央活動區(qū)出行需求密度在早晚高峰時段均為主城區(qū)最高，塔子湖、后湖組團(tuán)早高峰出行需求占整體比重上升，二七組團(tuán)晚高峰出行需求較高、早高峰出行需求下降，外圍的黃浦組團(tuán)出行需求較低。晚高峰時段以江漢路、循禮門為中心聚集了大量出行需求，另有王家墩片區(qū)、漢口火車站、萬松街道、漢正街等區(qū)域晚高峰時段分布有較高的出行需求，萬松街道早高峰出行需求降低，周邊街道早高峰時段出行需求增加。武昌地區(qū)的武昌中央活動區(qū)、珞瑜組團(tuán)、楊園組團(tuán)出行需求較高，楊園、青山、白沙組團(tuán)早高峰出行需求占整體比重均不同程度上升，外圍的武鋼組團(tuán)、東湖風(fēng)景區(qū)出行需求較低。晚高峰時段出行需求大量集中于糧道街、中南路等街道及軌道交通2 號線與4 號線沿線串聯(lián)的多個大型商圈附近，這些區(qū)域早高峰時段出行需求明顯下降。漢陽地區(qū)的漢陽中央活動區(qū)出行需求較高，四新組團(tuán)早高峰出行需求占整體比重上升，十升組團(tuán)早高峰出行需求比重下降，外圍的沌口組團(tuán)出行需求較低。晚高峰出行需求主要分布在王家灣片區(qū)，早高峰時段出行需求有向商圈外圍移動的趨勢。主城區(qū)組團(tuán)早晚高峰出行需求分布密度如圖8 所示。

圖8 主城區(qū)組團(tuán)早晚高峰出行需求分布密度

3 公交服務(wù)供需動態(tài)匹配

3.1 分析方法

雙變量空間自相關(guān)性指標(biāo)能很好地描述兩個變量在空間分布上的相關(guān)性，因此，對于公交服務(wù)的需求與供給水平，基于雙變量局部莫蘭指數(shù)（Bivariate LISA）揭示二者在局域空間的集聚與分異。其計(jì)算方法如下式所示：

3.2 匹配結(jié)果分析

按照網(wǎng)格公交服務(wù)供需與周邊網(wǎng)格平均水平匹配情況，可以將網(wǎng)格單元分為四類（高需求—高供給、高需求—低供給、低需求—高供給、低需求—低供給），從空間分布上看（如圖9 所示）：高—高類網(wǎng)格集中在主城區(qū)中央核心位置，主要分布在漢口、武昌、漢陽三大中央活動區(qū)及珞瑜組團(tuán)等人口活動密集、公交站點(diǎn)密集的區(qū)域，隨著時間閾值提高，高—高類網(wǎng)格的分布也向周邊次級人口活動組團(tuán)擴(kuò)散；低—低類網(wǎng)格主要分布在主城區(qū)外圍，二七、沌口、武鋼組團(tuán)外圍及東湖風(fēng)景區(qū)人口活動密度與公交供給水平均較低；低—高類網(wǎng)格主要分布在高—高類網(wǎng)格外圍，因位置靠近中央核心區(qū)域而有較好的公交設(shè)施條件，然而公交服務(wù)需求并不高，應(yīng)加強(qiáng)對該區(qū)域公交設(shè)施的利用，引導(dǎo)人口、產(chǎn)業(yè)向該區(qū)域移動，分擔(dān)中央核心區(qū)密集的公交需求；高—低類網(wǎng)格主要分布在低—低類網(wǎng)格內(nèi)側(cè)，是主城區(qū)外圍公交需求較高的區(qū)域，而主城區(qū)外圍公交設(shè)施條件普遍不好，無法滿足需求，應(yīng)加強(qiáng)該區(qū)域公交設(shè)施建設(shè)，在公共交通線路向主城區(qū)外圍延伸的過程中，首先考慮這些公交需求高的區(qū)域。早晚高峰時段供需匹配的差異主要表現(xiàn)在中、短出行時間情景高—低類和低—高類網(wǎng)格的分布上，整體匹配情況相似，這是由于早晚高峰時段需求分布的差異體現(xiàn)在非核心、非外圍組團(tuán)下的局部街道，出行需求由核心向外圍組團(tuán)遞減的整體規(guī)律是相同的。

圖9 早晚高峰時段不同出行時間情景公交服務(wù)供需匹配模式分類

從數(shù)量占比上看（如表1 所示）：低—低類網(wǎng)格較多，其次是主城區(qū)中央的高—高類網(wǎng)格，主要是由于主城區(qū)外圍公交供需水平均低的區(qū)域面積較大；低—高類網(wǎng)格和高—低類網(wǎng)格較少，即公交供需不匹配的區(qū)域占比較少，主城區(qū)公交供需匹配情況較好。

表1 四種類型網(wǎng)格數(shù)量及占比

進(jìn)一步識別公交供需不匹配的區(qū)域（如圖10 所示），其中：低—高類網(wǎng)格為需要加強(qiáng)需求的區(qū)域，該區(qū)域有較便利的公共交通條件，公交供給水平高，可以加強(qiáng)生活設(shè)施建設(shè)、增加就業(yè)崗位，吸引人口、增加需求，為中央核心區(qū)域分流人口、分擔(dān)需求，作為次級生活或產(chǎn)業(yè)中心發(fā)展；高—低類網(wǎng)格為需要加強(qiáng)供給的區(qū)域，是現(xiàn)階段公共交通設(shè)施尚未覆蓋或供給不足的盲點(diǎn)區(qū)域，應(yīng)加強(qiáng)配套公交設(shè)施建設(shè)、滿足出行需求，作為下一步城市交通建設(shè)的重點(diǎn)。

圖10 早晚高峰時段公交服務(wù)供需不匹配區(qū)域識別

4 結(jié)論與討論

本文以武漢市主城區(qū)為例，對微觀尺度上的公交服務(wù)供需進(jìn)行動態(tài)量化及匹配。考慮供需分布的動態(tài)變化，發(fā)揮大數(shù)據(jù)精確與海量的優(yōu)勢進(jìn)行微觀尺度挖掘，基于高德地圖路徑規(guī)劃數(shù)據(jù)構(gòu)建不同時間出行情景下考慮步行活動空間的可達(dá)區(qū)域范圍，利用騰訊“宜出行”位置大數(shù)據(jù)挖掘不同時段的人口分布與公交服務(wù)需求。引入空間自相關(guān)指標(biāo)對公交服務(wù)供需匹配程度進(jìn)行定量計(jì)算與分析評價，并進(jìn)一步識別公交服務(wù)供需不平衡的區(qū)域。研究表明：不同時段、不同時間出行情景下從微觀尺度對公交服務(wù)供需匹配的評價與不匹配區(qū)域的識別，可以發(fā)現(xiàn)現(xiàn)有城市職住空間與公交布局下人的職住出行需求與真實(shí)獲得的可達(dá)機(jī)會之間的耦合與分異，識別供需匹配的盲區(qū)，為城市規(guī)劃與交通設(shè)施建設(shè)提供可靠的規(guī)劃依據(jù)與科學(xué)建議，從而優(yōu)化城市布局、緩解交通壓力，進(jìn)一步提升城市交通運(yùn)行效率、推進(jìn)公交公平。

該方法基于細(xì)粒度大數(shù)據(jù)量化公交供需，可以對不同出行情景下城市規(guī)模公交供需進(jìn)行動態(tài)匹配與失匹區(qū)域識別，適用于不同城市。然而，仍存在一些不足：首先，由于數(shù)據(jù)獲取限制，本文采取的數(shù)據(jù)源有限，后續(xù)可結(jié)合IC 卡刷卡數(shù)據(jù)、手機(jī)信令數(shù)據(jù)等多源數(shù)據(jù)，進(jìn)一步細(xì)化時空精度，豐富數(shù)據(jù)語義信息；其次，考慮職住出行時效性的需求特點(diǎn)，本文以時間成本最低為約束條件構(gòu)建公交出行方案，后續(xù)可進(jìn)一步細(xì)化出行目的，構(gòu)建多重出行策略下的公交出行方案。另外，考慮人群差異、結(jié)合共享單車接駁等也是值得進(jìn)一步深化研究的方向。