城市公交網(wǎng)絡(luò)運(yùn)行演化分析與瓶頸甄別

王 璞，譚 倩，徐仲之，魯恒宇，林 濤

(1. 中南大學(xué)交通運(yùn)輸工程學(xué)院 長(zhǎng)沙 410075；2. 深圳市城市交通規(guī)劃設(shè)計(jì)研究中心 廣東 深圳 518021)

大力發(fā)展公共交通，是緩解交通擁堵的重要手段，然而目前我國(guó)大城市的公交出行率僅有30%，提高市民的公交使用率已成為一個(gè)亟需解決的問題。城市公交出行率的提升不僅取決于道路、車輛等硬件設(shè)施的升級(jí)，更依賴于先進(jìn)的公交運(yùn)營(yíng)管理技術(shù)。傳統(tǒng)公交運(yùn)營(yíng)優(yōu)化大多依靠由人力采集的客流數(shù)據(jù)，具有成本大、周期長(zhǎng)、不準(zhǔn)確等缺點(diǎn)。隨著公交IC卡在我國(guó)各大城市的迅速推廣，以及GPS數(shù)據(jù)采集與分析技術(shù)的普遍應(yīng)用，基于大數(shù)據(jù)分析的公交客流分析成為了一個(gè)新興的熱點(diǎn)研究方向。由于公交IC卡及公交GPS設(shè)備采集的數(shù)據(jù)信息遠(yuǎn)比傳統(tǒng)的客流調(diào)查準(zhǔn)確、全面，如果能對(duì)這些大數(shù)據(jù)合理運(yùn)用，不僅可以改變傳統(tǒng)的建模求解思路，還有望建立更加智能化的調(diào)度系統(tǒng)及平臺(tái)[1]。

目前國(guó)內(nèi)外對(duì)公交網(wǎng)絡(luò)運(yùn)行速度與服務(wù)水平改善方面的研究主要側(cè)重于3個(gè)方面：1) 現(xiàn)狀路網(wǎng)擁堵路段有條件地設(shè)置公交專用道、港灣式?？空?、采取交叉口信號(hào)優(yōu)先拓寬道路等手段提高通行能力[2-3]；2) 單條公交線路通過公交調(diào)度優(yōu)化提高其服務(wù)水平，以達(dá)到提升整個(gè)網(wǎng)絡(luò)服務(wù)水平的目的，如動(dòng)態(tài)或?qū)崟r(shí)的公交調(diào)度方法等[4-6]；3) 對(duì)公交運(yùn)行服務(wù)水平評(píng)價(jià)，如基于顧客滿意度的評(píng)價(jià)等[7]，但需借助問卷調(diào)查等數(shù)據(jù)采集方式。分析公交系統(tǒng)運(yùn)行狀態(tài)，優(yōu)化公交系統(tǒng)的服務(wù)水平，需要公交網(wǎng)絡(luò)與公交運(yùn)行海量數(shù)據(jù)的支撐，此前由于大數(shù)據(jù)比較缺乏，這方面的研究還比較有限。近期，有學(xué)者對(duì)交通網(wǎng)絡(luò)的動(dòng)態(tài)特性及其自由流與擁堵狀態(tài)開展了相關(guān)的研究[8-12]，但側(cè)重點(diǎn)在于城市各種交通方式的混合交通流，鮮有對(duì)公交網(wǎng)絡(luò)的演變過程即暢通狀況到擁堵狀況的演變過程進(jìn)行研究。受到文獻(xiàn)[8]提出的城市道路網(wǎng)絡(luò)動(dòng)態(tài)瓶頸路段識(shí)別方法的啟發(fā)，本文基于海量公交車GPS數(shù)據(jù)，分析多周期下的公交網(wǎng)絡(luò)運(yùn)行狀態(tài)，采用滲流理論識(shí)別網(wǎng)絡(luò)瓶頸路段，分析公交網(wǎng)絡(luò)在不同時(shí)間與區(qū)域的演變過程，為提高公交運(yùn)行網(wǎng)絡(luò)整體運(yùn)行效率提供有效途徑。

1 數(shù)據(jù)描述與數(shù)據(jù)處理

1.1 公交車GPS數(shù)據(jù)

本文使用的公交車GPS數(shù)據(jù)由深圳市城市交通規(guī)劃設(shè)計(jì)研究中心提供，包括深圳市一周連續(xù)7天(2015年12月21日至2015年12月27日，其中21日至25日為工作日，26、27日為非工作日)的全部公交運(yùn)營(yíng)車輛的GPS坐標(biāo)記錄數(shù)據(jù)。工作日平均每天的GPS記錄約5 000萬條，非工作日平均每天的GPS記錄約3 800萬條。

圖1 M281線路1天的GPS數(shù)據(jù)示意圖

圖1對(duì)2015年12月21日(工作日)和26日(非工作日)兩天的深圳公交車GPS原始數(shù)據(jù)進(jìn)行了可視化，圖中展示了原始GPS數(shù)據(jù)記錄的坐標(biāo)點(diǎn)和線路上的公交站點(diǎn)位置。

以2015年12月21日為例，對(duì)公交車GPS數(shù)據(jù)進(jìn)行初步的統(tǒng)計(jì)分析：圖2a表明公交車GPS數(shù)據(jù)記錄量在空間上分布不均，呈現(xiàn)出羅湖區(qū)、福田區(qū)的GPS數(shù)據(jù)量分布最密，南山區(qū)次之，其他區(qū)GPS數(shù)據(jù)量較稀少的分布情況，說明羅湖區(qū)、福田區(qū)的公交網(wǎng)絡(luò)比較發(fā)達(dá)；圖2b為公交車GPS數(shù)據(jù)記錄量隨時(shí)間的變化，從6點(diǎn)至20點(diǎn)，GPS數(shù)據(jù)量較大，20點(diǎn)以后數(shù)據(jù)量開始下降，24點(diǎn)到次日5點(diǎn)公交GPS數(shù)據(jù)量處于最低水平，這與城市出行規(guī)律相符，在公交的主要運(yùn)營(yíng)時(shí)間段(6點(diǎn)至20點(diǎn))，公交發(fā)車頻率較高，發(fā)車線路較多。

圖2 深圳公交車GPS數(shù)據(jù)記錄量的時(shí)空分布

圖3 深圳公交路段的速度分布

圖3(橫坐標(biāo)為公交車輛速度值，縱坐標(biāo)為出現(xiàn)該速度的概率)表明：10點(diǎn)的公交車路段上的行駛速度與18點(diǎn)的公交在路段上的行駛速度均存在一個(gè)峰值，而且同一天中的不同時(shí)段的速度不同，18點(diǎn)的公交行駛速度明顯低于10點(diǎn)的公交行駛速度，這是由于晚高峰交通擁堵造成的。而工作日(21日)與非工作日(26日)在同一時(shí)段(18點(diǎn))的公交路段速度分布情況十分相近，說明深圳的工作日和非工作日都存在類似的晚高峰公交出行。

1.2 地圖匹配算法及數(shù)據(jù)處理

本文采用ST-matching算法進(jìn)行公交車GPS坐標(biāo)的地圖匹配[13]，該算法適用于低采樣頻率的情況。對(duì)一條待匹配軌跡T=p1→p2→…→pn，首先計(jì)算每個(gè)軌跡點(diǎn)pi與其在各個(gè)路段上投影點(diǎn)的距離，如果距離小于80 m，則認(rèn)為該路段為pi的候選匹配路段，為候選匹配點(diǎn)。將相鄰兩點(diǎn)之間的候選匹配點(diǎn)兩兩組合，得到軌跡T的若干條候選匹配路徑，使用觀測(cè)可能性和傳遞可能性的乘積作為空間分析函數(shù)，來衡量候選匹配路徑與軌跡T的匹配程度。觀測(cè)可能性的計(jì)算公式為：

式中，為 pi與其候選匹配點(diǎn)之間的距離。

候選匹配點(diǎn)之間的傳遞可能性計(jì)算公式為：

式中，di-1→i為pi-1和pi的直線距離；w(i-1,t)→(i,s)為和的最短路徑長(zhǎng)度。

定義空間分析函數(shù)為：

得到Pc的評(píng)估得分為：

GPS軌跡T將會(huì)匹配到評(píng)估得分最高的候選匹配路徑上。

公交軌跡信息為沿公交線路分布的一系列時(shí)間連續(xù)的軌跡點(diǎn)，由于公交運(yùn)營(yíng)時(shí)間的調(diào)整及公交改線往往導(dǎo)致軌跡點(diǎn)時(shí)間間隔較大、距離分布較遠(yuǎn)?；诖?，考慮將軌跡按時(shí)間間隔在120 s之內(nèi)、直線距離在1 500 m內(nèi)拆分成連續(xù)的小軌跡，對(duì)每一條小軌跡在對(duì)應(yīng)區(qū)域內(nèi)完成公交GPS坐標(biāo)的地圖匹配。通過前后兩個(gè)軌跡點(diǎn)的直線距離和時(shí)間間隔確定軌跡點(diǎn)的速度，路段速度設(shè)定為該路段上車輛行駛速度的平均值，以相鄰邊速度的平均值作為缺失記錄邊的速度值。

經(jīng)過一周連續(xù)7天公交車GPS坐標(biāo)匹配，仍無車輛匹配信息的路段，本文認(rèn)為這些路段是非公交車運(yùn)行路段，將其刪去獲得深圳公交網(wǎng)絡(luò)，如圖4所示。

圖4 GPS數(shù)據(jù)與地圖匹配結(jié)果

1.3 典型區(qū)域選取

本文選取深圳2個(gè)最典型區(qū)域的公交網(wǎng)絡(luò)：福田區(qū)、寶安區(qū)，如圖5所示。福田區(qū)位于深圳經(jīng)濟(jì)特區(qū)中部，是深圳的政治金融中心，軌道線網(wǎng)發(fā)達(dá)，交通出行需求最大，路網(wǎng)交通較擁堵；寶安區(qū)位于深圳市西北部，是深圳聯(lián)系廣州等方向的區(qū)域，以產(chǎn)業(yè)為主，區(qū)內(nèi)基本職住平衡，路網(wǎng)以快速路、高速路等區(qū)域性設(shè)施為骨架，通行效率較高。各區(qū)的詳細(xì)公交網(wǎng)絡(luò)數(shù)據(jù)特征描述如下：

圖5 選取的典型區(qū)域

福田區(qū)：區(qū)域范圍約7.51 km×5.15 km，其路網(wǎng)由2 262條邊(路段)和1 558個(gè)節(jié)點(diǎn)(交叉口)組成。

寶安區(qū)：區(qū)域范圍約5.45 km×8.50 km，路網(wǎng)由918條邊(路段)和605個(gè)節(jié)點(diǎn)(交叉口)組成。

2 基于滲流理論的公交網(wǎng)絡(luò)運(yùn)行速度演變分析

2.1 基于滲流理論的公交網(wǎng)絡(luò)構(gòu)建

滲流理論是隨機(jī)圖理論研究中的一個(gè)重要發(fā)現(xiàn)，滲流過程指網(wǎng)絡(luò)中的邊或點(diǎn)以某種規(guī)則逐步缺失的過程。在滲流過程中，若網(wǎng)絡(luò)存在一個(gè)大團(tuán)簇分裂成若干小團(tuán)簇的現(xiàn)象，則稱網(wǎng)絡(luò)是可滲流的，這個(gè)過程稱為滲流轉(zhuǎn)變，出現(xiàn)滲流轉(zhuǎn)變的臨界點(diǎn)的值稱為滲流閾值[14-15]。

基于滲流理論，本文設(shè)計(jì)了一種去除公交網(wǎng)絡(luò)邊的方法，構(gòu)建了一個(gè)能展示公交動(dòng)態(tài)運(yùn)行的網(wǎng)絡(luò)結(jié)構(gòu)[16]。不同于傳統(tǒng)公交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，僅當(dāng)公交運(yùn)行速度值大于一個(gè)給定值的路段被認(rèn)為是有效路段。為消除公交快慢線、不同道路等級(jí)的差異性，本文使用一個(gè)相對(duì)速度值來定義各路段公交運(yùn)行狀態(tài)。定義路段的95%位公交速度值為該路段的最大速度值，定義路段公交相對(duì)瞬時(shí)速度rij為路段公交瞬時(shí)速度與最大速度的比值。對(duì)于給定的q，路段eij可被劃分為有效路段(eij=1)和無效路段(eij= 0 )。有效路段相連形成給定q值下的公交運(yùn)行網(wǎng)絡(luò)。

當(dāng) 0q= 時(shí)，滲流公交網(wǎng)等同于初始公交網(wǎng)絡(luò)，路段完全連通；當(dāng) 1q=時(shí)，網(wǎng)絡(luò)被碎片化，大部分路段孤立；當(dāng)10q＞＞時(shí)，公交網(wǎng)絡(luò)由不同大小的團(tuán)簇(團(tuán)簇表征公交運(yùn)行相對(duì)速度大于q值的路段連接)組成。

對(duì)不同q值下最大團(tuán)簇和第二大團(tuán)簇進(jìn)行統(tǒng)計(jì)分析：發(fā)現(xiàn)隨著q值增加，構(gòu)成最大團(tuán)簇的有效路段數(shù)減少，而第二大團(tuán)簇在某個(gè)q值下達(dá)到最大。根據(jù)滲流理論，在第二大團(tuán)簇達(dá)到最大時(shí)，網(wǎng)絡(luò)的連通性即發(fā)生滲流相變，此刻的q值應(yīng)為臨界閾值qc。臨界閾值qc可視為標(biāo)識(shí)網(wǎng)絡(luò)連通性與運(yùn)行效率的量化指標(biāo)：在給定的公交網(wǎng)絡(luò)上，qc是大部分路段(最大團(tuán)簇所含路段)上能供公交車行駛的最大相對(duì)速度值。

圖6、圖7分別為不同q值下福田區(qū)及寶安區(qū)最大公交網(wǎng)絡(luò)團(tuán)簇及第二大公交網(wǎng)絡(luò)團(tuán)簇的分布(周一時(shí)段：10：00-11：00，實(shí)線和虛線分別代表最大公交團(tuán)簇G和第二大公交團(tuán)簇中的有效路段數(shù)SG)。

計(jì)算結(jié)果表明：福田區(qū)與寶安區(qū)周一10：00-11：00段的滲流閾值均為0.6，可見在該時(shí)段，不管是中心擁堵區(qū)還是非中心區(qū)，其公交網(wǎng)絡(luò)運(yùn)行效率相差無幾。

圖6 不同q值下福田區(qū)最大及第二大公交網(wǎng)絡(luò)團(tuán)簇

圖7 不同q值下寶安區(qū)最大及第二大公交網(wǎng)絡(luò)團(tuán)簇

2.2 公交路段速度演變分析

1) 同一時(shí)段不同q值下的公交網(wǎng)絡(luò)運(yùn)行速度演變。

選擇福田區(qū)與寶安區(qū)午時(shí)時(shí)段(10：00-11：00) 3種情況下(q= 0 .3，q= 0 .62，q= 0 .75)的滲流公交網(wǎng)絡(luò)的特征進(jìn)行分析。同一時(shí)段下q值不同，可表明出行者對(duì)公交網(wǎng)絡(luò)運(yùn)行速度不同的接受值，即給定的q值越小，出行者接受的公交網(wǎng)絡(luò)運(yùn)行速度值越小。

福田區(qū)：如圖8所示，當(dāng)q= 0 .3時(shí)，網(wǎng)絡(luò)形成一個(gè)巨大的團(tuán)簇，連通性非常好，基本與原始路網(wǎng)一致；當(dāng)q= 0 .75時(shí)，形成幾個(gè)較小的團(tuán)簇，即運(yùn)行速度較高的公交路段占整個(gè)路網(wǎng)的很小一部分，大部分路段是無效的，路網(wǎng)連通性很差；當(dāng)q= 0 .62時(shí)，形成3個(gè)不同大小的團(tuán)簇，其中第二大團(tuán)簇明顯比q= 0 .75和q= 0 .3時(shí)的第二大團(tuán)簇要大，團(tuán)簇內(nèi)部連通性好，但大團(tuán)簇之間缺乏聯(lián)系，團(tuán)簇之間存在瓶頸路段造成擁堵，影響整個(gè)公交網(wǎng)絡(luò)的連通性。

該現(xiàn)象說明在出行者接受公交運(yùn)行速度為其最大速度值的30%時(shí)，整個(gè)公交網(wǎng)絡(luò)連通性好；若為其最大速度值的62%時(shí)，網(wǎng)絡(luò)中存在某個(gè)較大的區(qū)域可滿足出行者的需求，同時(shí)，若想要達(dá)到更高的運(yùn)行速度，則必須找出網(wǎng)絡(luò)瓶頸并改善。否則，公交網(wǎng)絡(luò)能達(dá)到出行者要求的路段寥寥無幾，如公交運(yùn)行速度是日常最高運(yùn)行速度的75%時(shí)的滲流網(wǎng)絡(luò)。

圖8 福田區(qū)同一時(shí)段不同q值下的公交滲流網(wǎng)絡(luò)

寶安區(qū)：分析結(jié)果如圖9所示，與福田區(qū)類似的團(tuán)簇分布結(jié)果類似，但在10：00-11：00時(shí)出現(xiàn)最大團(tuán)簇時(shí)的q值大于福田區(qū)，說明寶安區(qū)的公交網(wǎng)絡(luò)整體運(yùn)行速度高于福田區(qū)。寶安區(qū)公交出行者若能接受10：00-11：00乘坐運(yùn)行速度為日常最大速度45%的公交，則寶安區(qū)公交網(wǎng)絡(luò)可基本連通。

圖9 寶安區(qū)同一時(shí)段不同q值下的公交滲流網(wǎng)絡(luò)

2) 同一q值不同時(shí)段下的公交網(wǎng)絡(luò)運(yùn)行速度演變。

選取 0.6q= 時(shí)福田區(qū)白天12小時(shí)(6：00-19：00)的公交網(wǎng)絡(luò)進(jìn)行分析，公交網(wǎng)絡(luò)團(tuán)簇分布如圖10所示。

圖10 0.6q= 時(shí)福田區(qū)公交網(wǎng)絡(luò)運(yùn)行演變

根據(jù)圖10，6：00-7：00形成網(wǎng)絡(luò)最大團(tuán)簇，此時(shí)公交網(wǎng)絡(luò)連通性最好，公交車可以將運(yùn)行速度在絕大部分路段上維持在其最高速度的60%；7：00-8：00、13：00-14：00能形成一個(gè)較大的團(tuán)簇，公交網(wǎng)絡(luò)連通性較好，公交車的行駛速度在較大部分路段上可保持在其最高速度的60%；10：00-11：00為午間高峰，此時(shí)有較為明顯的第二大團(tuán)簇，公交網(wǎng)絡(luò)連通性降低，不如早間及上午、下午時(shí)段；8：00-9：00為福田區(qū)的早高峰時(shí)段，公交網(wǎng)絡(luò)連通性明顯大幅度降低，能維持較高的公交運(yùn)行速度 (最高速度的60%)的路段較少，行駛不夠通暢；18：00-19：00為晚高峰時(shí)段，此時(shí)公交網(wǎng)絡(luò)連通性最差，整個(gè)公交路網(wǎng)被分解成若干個(gè)小團(tuán)簇，說明此時(shí)能維持較高公交運(yùn)行速度的路段非常少，且局限在若干個(gè)獨(dú)立的小區(qū)域(小團(tuán)簇)，意味著受困于多個(gè)擁堵路段(速度低于最高速度的60%)。圖10反映了該區(qū)域的整體交通狀況的時(shí)間分布特性。

3 公交關(guān)鍵瓶頸路段識(shí)別

公交網(wǎng)絡(luò)在發(fā)生滲流相變時(shí)，能發(fā)現(xiàn)一些連接不同團(tuán)簇的關(guān)鍵路段，這些路段的速度值明顯低于整個(gè)公交網(wǎng)絡(luò)中其他路段的公交行駛速度值，同時(shí)臨界閾值(cq)取決于該路段的速度值。定義這些關(guān)鍵路段為公交關(guān)鍵瓶頸路段。

由于實(shí)時(shí)公交網(wǎng)絡(luò)各路段具有方向性，定義團(tuán)簇中相連接的公交路段為“強(qiáng)聯(lián)結(jié)段”。強(qiáng)聯(lián)結(jié)段每對(duì)節(jié)點(diǎn)都可按照給定的路徑方向互相可達(dá)。因此，在某個(gè)滲流公交網(wǎng)絡(luò)中去掉某些路段，會(huì)導(dǎo)致聯(lián)結(jié)不同團(tuán)簇的有向路徑的丟失并分解原強(qiáng)聯(lián)結(jié)大團(tuán)簇。

對(duì)深圳福田區(qū)晚高峰(18：00-19：00)在臨界閾值附近(q值為0.52)時(shí)的公交滲流網(wǎng)絡(luò)去掉1個(gè)路段，如圖11a圓圈中，則原網(wǎng)絡(luò)分解成兩個(gè)團(tuán)簇，如圖11b所示；對(duì)深圳福田區(qū)晚高峰各個(gè)q值下的滲流公交網(wǎng)絡(luò)逐一尋找強(qiáng)聯(lián)結(jié)團(tuán)簇，并當(dāng)?shù)诙鄰?qiáng)聯(lián)結(jié)團(tuán)簇達(dá)到最大時(shí)，即達(dá)到滲流閾值時(shí)，識(shí)別被去掉的公交路段。所有被去掉的路段，在臨界閾值下連接不同的大團(tuán)簇的路段即為關(guān)鍵瓶頸路段。而后，選擇該關(guān)鍵瓶頸路段以及任意一條連接路段(非末端路段)及任意一條網(wǎng)絡(luò)實(shí)際最擁堵路段(網(wǎng)絡(luò)相對(duì)瞬時(shí)速度最低的路段)，增加3個(gè)被選路段的速度值，發(fā)現(xiàn)關(guān)鍵瓶頸路段本身的速度對(duì)整個(gè)公交網(wǎng)絡(luò)的運(yùn)行影響非常大，增加它的速度，可明顯提高滲流閾值；而任意選取的公交路段和最擁堵路段，增加其路段上的公交運(yùn)行速度，對(duì)整個(gè)公交網(wǎng)絡(luò)的運(yùn)行效率提升不大，如圖11c所示。這也說明通過關(guān)鍵瓶頸路段與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上常規(guī)意義上的瓶頸路段(最擁堵路段)并不一致，因?yàn)楸疚膶ふ业氖钦麄€(gè)公交網(wǎng)絡(luò)的瓶頸，而非某一條公交線路或局部路段的瓶頸。

圖11 公交網(wǎng)絡(luò)瓶頸路段 (18：00-19：00，0.520.53q＜＜)

圖12 公交網(wǎng)絡(luò)瓶頸路段

靜態(tài)網(wǎng)絡(luò)瓶頸路段的識(shí)別通常是基于拓?fù)浣Y(jié)構(gòu)要素，確定網(wǎng)絡(luò)連通性的關(guān)鍵路段。然而，公交網(wǎng)絡(luò)是一個(gè)動(dòng)態(tài)的系統(tǒng)，公交運(yùn)行受到路段擁堵、乘客上下車、車輛進(jìn)出?？空镜榷喾N因素的干擾。因此，公交網(wǎng)絡(luò)關(guān)鍵瓶頸路段應(yīng)該同樣是動(dòng)態(tài)且變化的。如圖11、圖12所示，從一天中不同時(shí)段的關(guān)鍵瓶頸路段的識(shí)別中可看出，早高峰、午間、晚高峰期間的關(guān)鍵瓶頸路段完全不一樣，這是由于一天中各時(shí)段的出行特征不同，導(dǎo)致公交出行需求不一，則整個(gè)公交網(wǎng)絡(luò)的運(yùn)行態(tài)勢(shì)隨時(shí)段變化。

4 結(jié)束語

本文選取深圳福田與寶安兩個(gè)典型區(qū)域的一周的公交GPS數(shù)據(jù)進(jìn)行處理分析，并基于滲流理論，呈現(xiàn)了真實(shí)公交網(wǎng)絡(luò)的滲流過程。通過分析發(fā)現(xiàn)公交運(yùn)行的允許速度值(即保證大部分公交路段的連通，形成大團(tuán)簇)隨時(shí)段、地區(qū)、工作日和非工作日的不同而呈現(xiàn)不同的特征。通過選取不同的臨界閾值cq，識(shí)別公交網(wǎng)絡(luò)中的關(guān)鍵瓶頸路段，對(duì)公交網(wǎng)絡(luò)的運(yùn)行效率優(yōu)化有重要意義。運(yùn)用本文提供的方法和思路，可觀測(cè)城市公交網(wǎng)絡(luò)運(yùn)行的實(shí)時(shí)動(dòng)態(tài)，迅速識(shí)別公交瓶頸路段并進(jìn)行有效的控制與改善，比如在關(guān)鍵瓶頸路段設(shè)置公交優(yōu)先措施(包括公交專用道、路口公交信號(hào)優(yōu)先等)或者該路段實(shí)行機(jī)動(dòng)車單行、公交車可雙向行駛的管理措施或者實(shí)行若干工程措施(如拓寬道路、公交停靠站優(yōu)化改造等)。這為提升公交網(wǎng)絡(luò)運(yùn)行效率提供了一個(gè)高效、低成本、低影響的方法。

[1]尹婷婷. 基于大數(shù)據(jù)的公交調(diào)度規(guī)則研究[D]. 北京： 北京交通大學(xué), 2015.YIN Ting-ting. Research on bus scheduling rules based on big data[D]. Beijing： Beijing Jiaotong University, 2015.

[2]孫逢春, 王震坡, 王軍. 北京市公共汽車平均車速統(tǒng)計(jì)分析[J]. 汽車工程, 2003(3)： 219-222, 242.SUN Feng-chun, WANG Zhen-po, WANG Jun. Statistical analysis on the average speed of public buses in Beijing[J].Automotive Engineering, 2003(3)： 219-222, 242.

[3]王明生, 黃琳, 閆小勇. 探索城市公交客流移動(dòng)模式[J].電子科技大學(xué)學(xué)報(bào), 2012, 41(1)： 2-7.WANG Ming-sheng, HUANG Lin, YAN Xiao-yong.Exploring the mobility patterns of public transport passengers[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(1)： 2-7.

[4]楊富社. 大城市常規(guī)公交動(dòng)態(tài)調(diào)度理論與方法研究[D].西安： 長(zhǎng)安大學(xué), 2015.YANG Fu-she. Research on urban bus dynamic dispatching theories and methods[D]. Xi'an： Chang’an University, 2015.[5]HAGHANI A. Heuristic approaches for solving large-scale bus transit vehicle scheduling with route problem time constraints[J]. Transportation Research, Part A, 2002, 36(4)：309-333.

[6]PALMA A, LINDSEY R. Optimal timetable for public transportation[J]. Transportation Research Part B, 2001,35(8)： 789-813.

[7]金寧, 雋志才. 基于顧客滿意度的城市公交服務(wù)水平[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版), 2008, 38(S1)： 63-66.JIN Ning, JUAN Zhi-cai. Public transport service level based on customer satisfaction[J]. Journal of Jilin University(Engineering and Technology Edition), 2008, 38(S1)： 63-66.[8]LI Da-qing, FU Bo-wen, WANG Yun-peng. Percolation transition in dynamical traffic network with evolving critical bottlenecks[J]. PNAS, 2015, 20(1)： 669-672.

[9]BRODER A. Graph structure in the web[J]. Comput Netw,2000, 33(1-6)： 309-320.

[10]NEWMAN M E J, STROGATZ S H, WATTS D J.Random graphs with arbitrary degree distributions and their applications[J]. Phys Rev E, 2001, 64(2)： 026118.

[11]SOARES D J, ANDRADE J S, HERRMANN H J. Precise calculation of the threshold of various directed percolation models on a square lattice[J]. Physic A： Math Gen, 2005,38(21)： L413-L415.

[12]JENSEN I. Low-density series expansions for directed percolation： a new efficient algorithm with applications to the square lattice[J]. Physic A： Math Gen, 1999, 32(28)：5233-5249.

[13]ZHENG Y, LOU Y, ZHANG C, XIE X. Map-matching for low-sampling-rate GPS trajectories[C]//ACM Sigspatial International Conference on Advances in Geographic Information Systems. USA： ACM SIGSPATIAL GIS,2011： 211-219.

[14]KOLCHIN V F. Random graphs[M]. Cambridge：Cambridge University Press, 1999.

[15]NEWMAN M E J. The structure and function of complex networks[J]. Siam Review, 2003, 45(2)： 167-256.

[16]劉建軍, 裴桂紅, 薛強(qiáng), 等. 城市交通網(wǎng)絡(luò)的滲流力學(xué)模型[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自科版), 2007, 26(1)：63-65.LIU Jian-jun, PEI Gui-hong, XUE Qiang, et al.Mathematical model of traffic flow in city traffic network based on percolation theory[J]. Journal of Liaoning Technical University (Natural Science Edition), 2007,26(1)： 63-65.

[17]王璞, 黃智仁, 龔航. 大數(shù)據(jù)時(shí)代的交通工程[J]. 電子科技大學(xué)學(xué)報(bào), 2013, 42 (6)： 806-816.WANG Pu, HUANG Zhi-ren, GONG Hang.Transportation engineering in the big data era[J]. Journal of University of Electronic Science and Technology of China,2013, 42(6)： 806-816.