IC卡數(shù)據(jù)驅(qū)動下的公交客流分布及線路優(yōu)化策略研究

肖志良　汪麗娟　鄭雁予

摘 要：為提升公交車的運營效率，研究以某市公交IC數(shù)據(jù)為基礎，對公交客流進行分析，并提出基于遺傳算法改進的公交線路優(yōu)化模型。研究發(fā)現(xiàn)，該市全天公交客流出現(xiàn)早晚兩個峰值段。工作日到節(jié)假日，客流集中地從市中心附近轉(zhuǎn)變?yōu)槁糜尉包c、公園和購物中心等地區(qū)。公交線路優(yōu)化模型將某公交線路的利用率提高了15%，將乘客的平均等待時間降低了21%，有效提高了公交系統(tǒng)的運營效率和乘客滿意度。此次研究為提升公交運營效率、改善乘客體驗、優(yōu)化城市交通結構、促進城市可持續(xù)發(fā)展提供重要依據(jù)和方法。

關鍵詞：IC卡 數(shù)據(jù)驅(qū)動 公交客流 分布特征 優(yōu)化策略

1 引言

公交客流分布及線路優(yōu)化是城市公共交通系統(tǒng)中的重要問題。隨著城市人口的增長和交通需求的不斷增加，公交運輸系統(tǒng)面臨著日益嚴峻的挑戰(zhàn)[1]。傳統(tǒng)的公交線路規(guī)劃方法往往基于統(tǒng)計數(shù)據(jù)和經(jīng)驗判斷，缺乏對實際客流需求的準確把握，導致了許多問題，如客流不均衡、擁擠和低效等[2]。因此，需要尋找一種新的方法來提高公交系統(tǒng)的效率和服務質(zhì)量[3]。近年來，隨著信息技術的快速發(fā)展，IC卡數(shù)據(jù)成為公交客流分析的重要數(shù)據(jù)源[4]。IC卡數(shù)據(jù)能夠記錄乘客在公交車上的上下車時間、地點和數(shù)量等信息，通過對這些數(shù)據(jù)的深入分析，可以了解乘客的出行行為和乘車需求，從而為公交線路優(yōu)化提供有力的支撐[5]。此次研究旨在通過基于IC卡數(shù)據(jù)驅(qū)動的方法，對公交客流分布進行研究，并提出相應的線路優(yōu)化策略。研究的意義在于為城市公交運輸系統(tǒng)的規(guī)劃和管理提供科學的決策支持，同時也有助于提升城市交通的可持續(xù)發(fā)展。通過深入分析公交客流分布和提出線路優(yōu)化策略，能夠減少交通擁堵、提高通行效率、改善乘客出行體驗，進而推動城市交通的智能化和綠色化發(fā)展。

2 IC卡數(shù)據(jù)驅(qū)動下的公交客流分布及線路優(yōu)化策略

2.1 公交客流分布特征分析方法

研究對公交IC數(shù)據(jù)進行深入分析，以揭示某城市公交客流在時空上的分布規(guī)律。首先，需要對原始公交IC數(shù)據(jù)進行清洗和處理[6]。由于公交IC數(shù)據(jù)量龐大且分散，傳統(tǒng)的數(shù)據(jù)處理方法無法滿足要求。因此，研究采用Hadoop分布式計算框架對數(shù)據(jù)進行處理。將原始數(shù)據(jù)分割成多個小塊，每個小塊由不同的計算節(jié)點處理。在每個計算節(jié)點上，研究利用Hadoop的MapReduce模型進行數(shù)據(jù)清洗，去除無效數(shù)據(jù)、異常數(shù)據(jù)和重復數(shù)據(jù)，同時將數(shù)據(jù)格式化為統(tǒng)一的數(shù)據(jù)結構。清洗和處理完的數(shù)據(jù)將被存儲在Hadoop分布式文件系統(tǒng)中，方便后續(xù)的分析和挖掘[7]。

然后，研究使用疊置分析方法對公交客流進行分析，將不同的數(shù)據(jù)圖層疊置在一起，觀察它們之間的交叉關系。此處，將公交站點、線路、行政區(qū)域和時間段作為不同的數(shù)據(jù)圖層，通過疊置分析來研究它們之間的關系。例如，可以通過疊置分析來觀察在不同時間段和行政區(qū)域內(nèi)，某些公交站點的客流量變化情況，以及不同線路之間的客流互動[8]。

疊置分析完成后，研究利用信息可視化技術將分析結果進行可視化展示。信息可視化是將數(shù)據(jù)轉(zhuǎn)化為圖形或圖像的過程，可以幫助研究更直觀地理解數(shù)據(jù)?？梢岳弥鶢顖D、折線圖、熱力圖等不同的可視化方式來展示公交客流的時空特征分布規(guī)律。通過可視化分析發(fā)現(xiàn)一些隱藏在數(shù)據(jù)中的規(guī)律和趨勢，進一步加深對公交客流的理解。

最后，研究將進行空間相關性分析，通過空間自相關性分析來檢測公交客流的空間集聚效應。通過計算公交站點之間的空間相關性指標，判斷客流是否呈現(xiàn)出空間聚集或分散的特征。

2.2 公交線路優(yōu)化策略研究

為提高公共交通系統(tǒng)的效率和便利性，減少乘客等待時間和乘坐時間，同時減少交通擁堵和空氣污染，研究提出基于遺傳算法改進的公交線路優(yōu)化模型。遺傳算法優(yōu)化過程如圖1所示。

首先，將乘客、公交和環(huán)境三者的總成本定義為目標函數(shù)，目標是使總成本最小化。乘客成本包括等待時間和乘車時間；公交成本包括車輛運營成本和線路長度成本；環(huán)境成本包括排放和噪音成本。然后，創(chuàng)建初始種群，通過隨機生成一組符合線路規(guī)劃要求的個體來初始化種群。每個個體代表一條公交線路，包含了經(jīng)過的站點和車輛的行駛路徑。接下來，根據(jù)目標函數(shù)，計算每個個體的適應度值。適應度值越高，表示個體對于目標函數(shù)的優(yōu)化效果越好。然后，采用選擇算子，如輪盤賭選擇或競爭選擇，根據(jù)個體的適應度值選擇一定數(shù)量的個體作為父代。接著，采用交叉算子，如單點交叉或多點交叉，將選出的父代個體進行交叉操作，生成新的子代個體。然后，采用變異算子，對子代個體進行變異操作，引入隨機因素，增加種群的多樣性。接下來，將新的子代個體與原來的父代個體合并，形成新的種群。最后，重復上述步驟，直到達到終止條件（如達到最大迭代次數(shù)或滿足一定的收斂條件）。約束條件方面需要考慮以下幾個角度：

（1）線路約束：確保每條線路覆蓋所有的目標站點，并且線路之間不能有重疊部分。這樣可以保證線路的完整性和有效性。

（2）站點約束：每個站點應該有足夠的乘客需求，以確保公交線路的經(jīng)濟性和實用性。這樣可以避免低利用率的線路和站點。

（3）車輛約束：根據(jù)車輛的容量和運營成本等因素，確定每條線路的車輛數(shù)量。這樣可以平衡運營成本和服務質(zhì)量。

3 公交客流分布及線路優(yōu)化結果分析

3.1 公交客流分布特征分析結果

研究以某市公交IC數(shù)據(jù)為基礎，分析該市的公交客流的時空特征分布規(guī)律。2023年9月的工作日和節(jié)假日的全天公交客流分布如圖2所示。

圖2中，該市公交車運營時間為早上6點到晚上11點，平均每5-10分鐘一班車，高峰時段每2-3分鐘一班車。該市工作日和節(jié)日的公交車客流量均出現(xiàn)兩個高峰期，且變化趨勢基本相同。工作日的客流高峰期出現(xiàn)在早上7點到10點時間段內(nèi)，高峰期持續(xù)時間約為3個小時，IC刷卡次數(shù)最高可達8.9×105人次；11點到17點的公交客流較少，約為高峰期客流人次的0.4倍；18點到20點時間段為公交車客流的晚高峰時段，晚高峰期持續(xù)時間約為2個小時，IC刷卡次數(shù)最高可達8.3×105人次。節(jié)假日的公交車客流量約為工作日的0.5倍。由此可見，該市的工作日和節(jié)假日全天公交客流分布情況呈現(xiàn)出明顯的早晚高峰特征，其中工作日的早晚高峰客流量較大，節(jié)假日則相對較少，與大部分經(jīng)濟型城市的狀況相同。

該市的公交車客流空間分布特征在工作日和節(jié)假日有一定的差異。在工作日，公交車客流主要集中在市中心附近地區(qū)。這是因為市中心是商業(yè)、辦公和交通樞紐集中的地方，許多市民在這里工作、上學或購物。因此，工作日的公交車客流量較大且分布較為集中。相比之下，在節(jié)假日，公交車客流的空間分布特征有所不同。由于許多市民會選擇外出旅游或者休閑娛樂，市中心的客流量相對較少。相反，遠離市中心的旅游景點、公園和購物中心等地區(qū)成為公交車客流的熱點。例如，公園、度假區(qū)等景區(qū)在節(jié)假日時吸引大量游客，公交車客流量也相應增加。

3.2 公交線路優(yōu)化策略應用分析

研究以該市某區(qū)域公交車乘車區(qū)間為試驗對象，通過基于遺傳算法改進的公交線路優(yōu)化模型，在考慮乘客、企業(yè)和環(huán)境等多方面因素的基礎上，對公交線路進行優(yōu)化，以得到更加有效的優(yōu)化路徑集合，從而提高公交系統(tǒng)的運營效率和乘客滿意度。具體應用效果如下：

（1）提高線路利用率：通過對公交線路進行優(yōu)化，將該線路的利用率提高了15%，從而減少了公交車的空載率，降低了公交企業(yè)的運營成本，提高了企業(yè)的經(jīng)濟效益。

（2）縮短乘客等待時間：通過對公交線路進行優(yōu)化，使得公交車的運行效率得到提高，將乘客的平均等待時間降低了21%，提高乘客的出行效率和滿意度。

（3）減少交通擁堵：通過對公交線路進行優(yōu)化，使得公交車的行駛路線更加合理，從而能夠減少交通擁堵，降低車輛尾氣排放和噪音污染，提高城市環(huán)境質(zhì)量。

（4）靈活適應市場需求：基于遺傳算法改進的公交線路優(yōu)化模型，可以根據(jù)不同的市場需求和實際情況進行調(diào)整和優(yōu)化，從而滿足不同乘客的出行需求，提高公交系統(tǒng)的靈活性和適應性。

（5）自動化程度高：基于遺傳算法改進的公交線路優(yōu)化模型，可以實現(xiàn)自動化運行，減少人工干預的成本和時間，提高公交線路規(guī)劃的效率和準確性。

綜上所述，基于遺傳算法改進的公交線路優(yōu)化模型，在提高線路利用率、縮短乘客等待時間、減少交通擁堵、靈活適應市場需求、自動化程度等方面，都具有顯著的應用效果，可以有效地提高公交系統(tǒng)的運營效率和乘客滿意度，促進城市交通的可持續(xù)發(fā)展。

4 結論

此次研究以某市公交IC數(shù)據(jù)為基礎，運用分布式計算平臺Hadoop和空間分析方法疊置分析，對公交客流的時空特征分布規(guī)律進行了深入研究。通過數(shù)據(jù)清洗、處理和可視化展示，發(fā)現(xiàn)了公交客流在時間和空間上的分布特征，并提出基于遺傳算法改進的公交線路優(yōu)化模型。分析結果表明，該市的工作日和節(jié)假日全天公交客流分布情況呈現(xiàn)出明顯的早晚高峰特征，其中工作日的早晚高峰客流量較大，節(jié)假日則相對較少。工作日的公交車客流主要集中在市中心，節(jié)假日的市民多選擇外出旅游或休閑娛樂，使得遠離市中心的旅游景點、公園和購物中心等地區(qū)的公交車客流量增加。實驗結果顯示，優(yōu)化后的線路利用率提高了15%，乘客等待時間降低了21%，交通擁堵得到緩解，適應市場需求的能力增強，自動化程度提高。此次研究對于優(yōu)化公共交通系統(tǒng)，提高公共交通運營效率，減少乘客等待時間和乘坐時間，同時減少交通擁堵和空氣污染具有重要的理論和實踐意義。

廣東省教育廳2021年度普通高校重點科研平臺項目，項目名稱：物聯(lián)網(wǎng)應用技術創(chuàng)新團隊，項目負責人：肖志良，項目編號：2021KCXTD074。

參考文獻：

[1]張文勝，盧夢，朱冀軍，等.基于公交IC卡和AVL數(shù)據(jù)的公交客流OD推算[J].計算機應用與軟件，2021，38（7）：100-105.

[2]王顏萍，宗玉志，楊昭陽.基于IC卡的公交樞紐客流特征分析[J].山東理工大學學報：自然科學版，2020，34（3）：49-65.

[3]林浩，李雷孝，王慧.SPGAPSO-SVM：一種城市公交客流量預測算法[J].小型微型計算機系統(tǒng)，2020，41（11）：2458-2464.

[4]趙海賓，郭忠，吳洪洋，劉海旭，王子甲.適用于一票制公交大數(shù)據(jù)的系統(tǒng)化處理方法及應用——以銀川市為例[J].交通運輸研究，2020，6（4）：109-116.

[5]龔蘭蘭，凌興宏.CNN+GRU公交短時客流預測研究[J].現(xiàn)代電子技術，2021，44（14）：70-74.

[6]黃益紹，韓磊.基于RS-IPSOSVM的公交客流量預測方法[J].重慶交通大學學報：自然科學版，2020，39（11）：11-19.

[7]Kumar A，Jain S，Yadav D.A novel simulation-annealing enabled ranking and scaling statistical simulation constrained optimization algorithm for Internet-of-things （IoTs）[J].Smart and Sustainable Built Environment，2020，9（4）：675-693.

[8]馬伯浩，布少聰，夏非凡，等.基于多維數(shù)據(jù)的常規(guī)公交時空客流分析[J].中國高新科技，2021（10）：123-127.