基于西安城市公交IC卡數(shù)據(jù)的乘客上車耗時(shí)影響因素分析

肖 梅，王仲豪，顏建強(qiáng)，邊浩毅

（1.長(zhǎng)安大學(xué)汽車學(xué)院汽車運(yùn)輸安全保障技術(shù)交通行業(yè)重點(diǎn)試驗(yàn)室，西安 710064；2.西安市交通信息中心，西安 710065；3.浙江鯤鵬建設(shè)集團(tuán)設(shè)計(jì)總院，杭州 311112）

1 研究現(xiàn)狀

近年來(lái)，隨著我國(guó)機(jī)動(dòng)車的快速增長(zhǎng)，道路交通基礎(chǔ)設(shè)施無(wú)法滿足日益增長(zhǎng)的交通需求，各種交通問(wèn)題日益凸現(xiàn)，如交通擁擠、道路運(yùn)行效率低、交通事故頻發(fā)和交通污染嚴(yán)重等。大力發(fā)展城市公共交通是解決我國(guó)大中城市交通問(wèn)題的最佳的解決途徑之一。筆者通過(guò)近500個(gè)電話抽樣訪談發(fā)現(xiàn)：公交運(yùn)行的準(zhǔn)時(shí)性和舒適性是乘客公交出行關(guān)注的焦點(diǎn)。通常，公交運(yùn)行時(shí)間主要耗費(fèi)在站間運(yùn)行、站臺(tái)停靠和信號(hào)路口等候，要提高公交車輛的準(zhǔn)時(shí)性，需要保障公交在各運(yùn)行階段的準(zhǔn)時(shí)性。分析乘客上車耗時(shí)的影響因素，建立乘客上車耗時(shí)模型，對(duì)公交運(yùn)營(yíng)調(diào)度、公交準(zhǔn)時(shí)運(yùn)營(yíng)、公交線網(wǎng)和站點(diǎn)的優(yōu)化等有著積極的作用。

據(jù)課題組的調(diào)研數(shù)據(jù)，西安市的公交出行中90%左右的乘客通過(guò)IC卡或手機(jī)支付等方式來(lái)進(jìn)行付費(fèi)，已經(jīng)逐漸代替了人工收費(fèi)和投幣式付費(fèi)。

國(guó)內(nèi)外學(xué)者就車輛在站臺(tái)的?？繒r(shí)間預(yù)測(cè)［1-6］和乘客上車時(shí)間［7-10］開(kāi)展了大量研究。辛建霞等［1］基于歷史數(shù)據(jù)均值即 KNN（K-Nearest Neighbor）方法對(duì)公交停站時(shí)間進(jìn)行預(yù)測(cè)，預(yù)測(cè)精度較高。王旭等［2］分析了上下車人數(shù)、車內(nèi)擁擠度、車門數(shù)及公交車臺(tái)階數(shù)等因素對(duì)公交?？繒r(shí)間的影響，發(fā)現(xiàn)上下車人數(shù)是影響公交車在站點(diǎn)停靠時(shí)間的主要因素，為此，建立了考慮車門數(shù)、車內(nèi)擁擠等因素的公交站點(diǎn)?？繒r(shí)間預(yù)測(cè)模型。Jaiswal等［3-4］研究發(fā)現(xiàn)公交車在大型停靠站的?？繒r(shí)間與等待的乘客數(shù)呈正相關(guān)。Rajbhandari等［5］就公交車在站點(diǎn)的延誤開(kāi)展研究，發(fā)現(xiàn)公交車乘客的平均上、下車時(shí)間是影響公交車運(yùn)營(yíng)效率的主要因素。王鑫等［6］基于GPS數(shù)據(jù)分析了公交車?？繒r(shí)間隨時(shí)間、空間和線路的分布特性，建立了基于時(shí)間序列的公交?？空緯r(shí)間預(yù)測(cè)模型。以上對(duì)公交?？繒r(shí)間預(yù)測(cè)的研究中側(cè)重于單一因素對(duì)公交?？繒r(shí)間的預(yù)測(cè)分析。

曹守華等［7］結(jié)合乘客上車時(shí)間的分段特性，建立分段的乘客上車時(shí)間模型，考慮乘客分隊(duì)列上車模式和車門寬度，建立了車門寬度的乘客上車時(shí)間模型。吳鼎新等［8］檢驗(yàn)了乘客的性別、年齡和職業(yè)對(duì)上車時(shí)間的顯著性影響，結(jié)果表明：公交乘客的性別對(duì)上車時(shí)間影響不顯著，年齡和職業(yè)對(duì)乘客的上下車時(shí)間均有一定影響。王劍梅等［9］以跟車調(diào)查的方式對(duì)成都市抽樣公交線路的乘客上下車效率進(jìn)行統(tǒng)計(jì)，運(yùn)用方差分析得出乘客上車效率受到客觀因素如車門數(shù)量和車門寬度、踏步級(jí)數(shù)和踏步高度、座位構(gòu)造等影響顯著的結(jié)論。Kraft等［10］對(duì)乘客的上下車時(shí)間的影響因素進(jìn)行分析，發(fā)現(xiàn)上下車時(shí)間受車門數(shù)量和車門寬度、公交踏步的級(jí)數(shù)和踏步高度、公交售票方式、公交車內(nèi)擁擠狀況、乘客攜帶行李情況、公交車的通道寬度、公交車座位構(gòu)造等諸多因素的影響。

這些研究雖然已經(jīng)在乘客上車影響因素的分析中取得了一定的成果，但由于獲取的數(shù)據(jù)采用實(shí)地調(diào)查的方法［2，8-10］，結(jié)果受調(diào)查數(shù)據(jù)量的影響較大。其次，綜合考慮站點(diǎn)類型、刷卡類型、出行時(shí)段等客觀因素的研究還比較少，目前筆者只發(fā)現(xiàn)文獻(xiàn)［8］考慮了用戶類型的影響。最后，在互聯(lián)網(wǎng)＋的信息時(shí)代下，各地域乘客上下車耗時(shí)的影響因素不盡相同。

鑒于公交IC卡數(shù)據(jù)具有信息量大、數(shù)據(jù)全面的優(yōu)點(diǎn)［11］，不少專家開(kāi)展了乘客上下車站點(diǎn)判斷［12］、公交站點(diǎn)客流預(yù)測(cè)［13］等方面的研究，本文基于西安市公交IC卡出行大數(shù)據(jù)，開(kāi)展了乘客上車耗時(shí)影響分析研究，探究包括用戶類型、站點(diǎn)類型、節(jié)假日、出行時(shí)段、天氣類型等對(duì)公交乘客上車耗時(shí)的影響。

2 公交IC卡數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)來(lái)源及數(shù)據(jù)類型

采集到西安市8月的公交IC卡數(shù)據(jù)，其數(shù)據(jù)格式如表1所示。據(jù)統(tǒng)計(jì)，西安市公交一天上車總?cè)藬?shù)約為300萬(wàn)人次，刷卡數(shù)據(jù)量約為260萬(wàn)條／天，刷卡支付的比例占86.7%左右。

2.2 異常數(shù)據(jù)預(yù)處理

考慮到近90%的公交乘客通過(guò)刷卡上車，則計(jì)算連續(xù)2次乘客刷卡的時(shí)間差即可認(rèn)為是一位乘客的上車耗時(shí)。當(dāng)然，實(shí)際中常常存在投幣上車乘客、乘客先上車后刷卡或是一卡多刷等情況會(huì)造成連續(xù)2次乘客刷卡的時(shí)間差過(guò)大或過(guò)小，稱之為異常時(shí)間差，需要對(duì)其進(jìn)行剔除或修正處理。異常時(shí)間差包括零時(shí)間差和大時(shí)間差。

1）零時(shí)間差。實(shí)際情況中，有時(shí)會(huì)出現(xiàn)1卡多刷的情形，約占總出行的1.2%，使得2次連續(xù)刷卡的時(shí)間差等于0，因此對(duì)該類數(shù)據(jù)進(jìn)行修正處理。

2）大時(shí)間差。實(shí)際情況中，常常會(huì)出現(xiàn)乘客滯后刷卡，或2位刷卡乘客之間出現(xiàn)投幣乘客，公交同站臺(tái)多次停靠等，以上種種因素均會(huì)造成連續(xù)的刷卡時(shí)間差過(guò)大，需要對(duì)其進(jìn)行剔除處理。

異常時(shí)間差的預(yù)處理過(guò)程如下：

1）乘客的上車耗時(shí)。用n表示采集的刷卡數(shù)據(jù)總數(shù)，Ti和 Ti＋1分別表示第 i和 i＋1個(gè)刷卡數(shù)據(jù)的記錄時(shí)刻。

2）乘客上車耗時(shí)的統(tǒng)計(jì)特性。統(tǒng)計(jì)乘客上車耗時(shí)的均值tm和標(biāo)準(zhǔn)差σ。

3）剔除大時(shí)間差的乘客耗時(shí)數(shù)據(jù)。若乘客的上車耗時(shí)大于2倍標(biāo)準(zhǔn)差，即滿足：ti＞tm＋2σ，則剔除之。

4）修正零時(shí)間差的乘客耗時(shí)數(shù)據(jù)。在剔除大時(shí)間差數(shù)據(jù)的基礎(chǔ)上，用同站點(diǎn)的乘客上車耗時(shí)的均值替換零時(shí)間差的乘客耗時(shí)數(shù)據(jù)。

2.3 公交乘客上車耗時(shí)的影響因素分析

正如已有的研究所表述的，乘客上下車的時(shí)間會(huì)受到車門數(shù)量和車門寬度、公交踏步的級(jí)數(shù)和踏步高度、公交售票方式、公交車內(nèi)擁擠狀況、乘客攜帶行李情況、公交車的通道寬度、公交車座位構(gòu)造等諸多因素的影響。由于研究地域采用了統(tǒng)一公交車型，車型對(duì)乘客上車耗時(shí)差別很小，本文從用戶類型、站點(diǎn)類型、出行時(shí)段、節(jié)假日和天氣類型等5個(gè)方面進(jìn)行影響因素分析。

1）用戶類型

公交IC卡用戶類型包括學(xué)生卡、普通卡和老年卡，年滿65歲的老年人可以辦理老年卡，乘車享受優(yōu)惠。與普通用戶及學(xué)生相比，老年人行動(dòng)能力和靈敏度上有著顯著的差距，這種差距可能給乘客上車時(shí)間帶來(lái)影響。

2）站點(diǎn)類型

公交站點(diǎn)類型和功能因所處的地理位置不同而異，有的公交站點(diǎn)可能有十幾條公交線路同時(shí)經(jīng)過(guò)，而有的站點(diǎn)只有一兩條線路經(jīng)過(guò)。?？烤€路較多的大型換乘站點(diǎn)較為擁擠，且乘客會(huì)由于攜帶行李或重物導(dǎo)致上車時(shí)間較長(zhǎng)。本文也考慮大型換乘站點(diǎn)對(duì)乘客上車耗時(shí)的影響。

3）出行時(shí)段

與出行低峰相比，在出行高峰時(shí)段出行乘客較多，造成車內(nèi)和站點(diǎn)等區(qū)域的乘客較多，此時(shí)車門處和車內(nèi)均比較擁擠、移動(dòng)困難，這些因素可能會(huì)帶來(lái)乘客上車耗時(shí)上的變化。

4）節(jié)假日

從出行目的來(lái)看，周內(nèi)，乘客公交出行的主要目的是為了工作通勤，而節(jié)假日乘客出行目的則大多轉(zhuǎn)變?yōu)樾蓍e或游玩，不同的出行目的對(duì)于乘客的上車耗時(shí)應(yīng)該存在影響。

5）天氣類型

與晴朗天氣出行不同，惡劣的天氣出行常常會(huì)造成乘客的上車耗時(shí)更長(zhǎng)，比如，雨天乘客需要攜帶雨傘出行，上車時(shí)需要收攏雨傘，通常會(huì)延長(zhǎng)乘客的上車時(shí)間，進(jìn)而會(huì)影響到公交在站臺(tái)的?？繒r(shí)長(zhǎng)。

綜合考慮用戶類型、站點(diǎn)類型、出行時(shí)段、節(jié)假日及天氣類型這5個(gè)因素對(duì)乘客上車的影響分析。對(duì)影響因素進(jìn)行分類如下：①天氣類型分為晴天和雨天兩類，0為晴天，1為雨天；②節(jié)假日分為周內(nèi)和節(jié)假日兩類，0為周內(nèi)，1為節(jié)假日；③出行時(shí)段分為高峰時(shí)段和低峰時(shí)段，0為非高峰期，1為高峰期；④ 站點(diǎn)類型分為大型換乘樞紐站和普通站點(diǎn)兩類，0為普通站點(diǎn)，1為大型換乘站點(diǎn)；⑤用戶類型分為老年用戶和普通用戶，0為普通用戶，1為老年用戶。分類數(shù)據(jù)如表2所示。

在本文的研究中，采取3.0T MRI檢查的25例矮小兒童中，有15例垂體前葉發(fā)育不良，2例垂體柄阻斷綜合征，2例顱咽管瘤術(shù)后垂體前葉薄小，6例垂體增生。而且，和正常兒童相比較，矮小癥兒童的矢狀高徑數(shù)據(jù)明顯更低，P值小于0.05。

2.4 各影響因素對(duì)乘客上車耗時(shí)的直方圖分析

在統(tǒng)計(jì)中，直方圖和統(tǒng)計(jì)描述可以直觀地顯示數(shù)據(jù)的分布情況，用于數(shù)據(jù)初始階段的定性分析。本文對(duì)總體樣本進(jìn)行統(tǒng)計(jì)分析，同時(shí)選取各影響因素（即雨天、節(jié)假日、高峰、大型換乘站點(diǎn)及老年用戶）對(duì)其進(jìn)行統(tǒng)計(jì)分析，繪制各影響因素的直方圖。各因素影響下的乘客上車耗時(shí)直方圖如圖1所示，對(duì)應(yīng)的統(tǒng)計(jì)描述如表3所示。

表2 分析數(shù)據(jù)

表3 各因素影響下乘客上車耗時(shí)統(tǒng)計(jì)描述

圖1 多因素影響下的乘客上車耗時(shí)直方圖

從直方圖和統(tǒng)計(jì)描述值（偏度和峰度）可以看出：①乘客上車耗時(shí)近似呈正態(tài)分布。②雨天狀況的乘客上車耗時(shí)直方圖分布與總體直方圖分布類似。究其原因如下：西安市屬于平原地區(qū)，全年降雨量少，采集時(shí)間段內(nèi)的公交數(shù)據(jù)只有間斷性的小雨天氣出現(xiàn)，對(duì)交通出行影響不大。③其他因素影響下的乘客上車耗時(shí)均與總體分布有差異，其中用戶類型的差異分布最大?；谥狈綀D的直觀分析結(jié)果，進(jìn)一步地對(duì)各影響因素分別進(jìn)行單因素方差分析和Logistic回歸，以定量檢驗(yàn)不同的因素對(duì)乘客上車耗時(shí)是否有顯著的影響。

3 基于方差分析的乘客上車耗時(shí)影響因素顯著性分析

方差分析（ANOVA）是一種常見(jiàn)的影響因素分析方法，在使用SPSS對(duì)各個(gè)因素進(jìn)行單因素方差分析時(shí)，將5個(gè)因素作為影響因子，以對(duì)應(yīng)的乘客上車耗時(shí)作為因變量，逐一進(jìn)行單因素方差分析，方差分析結(jié)果見(jiàn)表4。

表4的分析結(jié)果表明：① 天氣類型的顯著性為0.728＞0.05，說(shuō)明天氣因素不會(huì)對(duì)乘客上車產(chǎn)生影響，這與數(shù)據(jù)采集的城市本身降雨量很少有關(guān)，故在后續(xù)的分析中不考慮天氣因素對(duì)乘客上車耗時(shí)的影響；②除天氣類型以外，其他4類因素的顯著性均小于0.05，說(shuō)明節(jié)假日、出行時(shí)段、站點(diǎn)類型和用戶類型會(huì)對(duì)乘客上車耗時(shí)產(chǎn)生一定的影響；③ 根據(jù)F值的大小，諸因素對(duì)乘客上下車耗時(shí)影響由大到小的順序?yàn)椋河脩纛愋停菊军c(diǎn)類型＞節(jié)假日＞出行時(shí)段。

4 基于Logistic回歸的乘客上車耗時(shí)影響因素分析及耗時(shí)預(yù)測(cè)

Logistic回歸是一種廣義線性回歸（generalized linear model），本節(jié)運(yùn)用Logistic回歸分析各因素對(duì)乘客上車耗時(shí)的影響，并給出預(yù)測(cè)方程。采用二分類的Logistic回歸的因變量需要是一個(gè)二分類的分類變量，故對(duì)乘客上車耗時(shí)進(jìn)行二分類，以乘客上車耗時(shí)的平均值2.193 3 s（見(jiàn)表3）作為L(zhǎng)ogistic回歸因變量的二分類閾值，將小于平均值的耗時(shí)作為正常耗時(shí)記為0，將大于平均值的耗時(shí)作為較長(zhǎng)耗時(shí)記為1，并且根據(jù)單因素方差分析的結(jié)果排除天氣類型對(duì)乘客上車耗時(shí)的影響，得到如表5所示的Logistic回歸數(shù)據(jù)。

表4 各影響因素的單因素方差分析

表5 Logistic回歸數(shù)據(jù)

將表5數(shù)據(jù)導(dǎo)入SPSS軟件，利用SPSS對(duì)乘客上車時(shí)間間隔的數(shù)據(jù)進(jìn)行Logistic回歸分析，得到的結(jié)果如表6、7所示。表6為對(duì)Logistic回歸模型進(jìn)行Hosmer-Lemeshow檢驗(yàn)結(jié)果。P＝0.158＞0.05，認(rèn)為當(dāng)前數(shù)據(jù)中的信息已經(jīng)被充分提取，表明模型擬合優(yōu)度較高。表7為L(zhǎng)ogistic回歸的擬合結(jié)果，用于模型的建立和影響因素的分析。

在Logistic回歸擬合結(jié)果中，4種影響因素的顯著性P值均＜0.05，表明4種不同的影響因素對(duì)乘客上車耗時(shí)均有影響。根據(jù)Wald值，各因素對(duì)乘客上車耗時(shí)影響的顯著性大小排序?yàn)椋河脩纛愋停菊军c(diǎn)類型＞節(jié)假日＞出行時(shí)段。該結(jié)論與通過(guò)單因素方差分析得出的結(jié)論是一致的。

表6 Hosmer-Lemeshow檢驗(yàn)表

當(dāng)P＞0.5時(shí)表明乘客上車耗時(shí)較長(zhǎng)，P＜0.5表明乘客上車耗時(shí)為正常耗時(shí)。從Logistic回歸模型中，得出用戶類型、站點(diǎn)類型對(duì)乘客上車耗時(shí)呈正相關(guān)，即老年人或者在大型換乘站點(diǎn)會(huì)加大乘客上車的耗時(shí)。出行時(shí)段、節(jié)假日對(duì)乘客上車耗時(shí)呈負(fù)相關(guān)，即高峰出行或節(jié)假日出行會(huì)減少乘客上車耗時(shí)。

表7 Logistic回歸擬合結(jié)果

5 結(jié)論

以西安公交IC卡大數(shù)據(jù)為研究對(duì)象，探索了天氣類型（雨天）、用戶類型、站點(diǎn)類型、節(jié)假日和出行時(shí)段等因素對(duì)乘客上車耗時(shí)的影響分析，并建立了多因素影響下的乘客上車正常耗時(shí)的概率預(yù)測(cè)模型。

1）從直方圖定性可知：乘客上車耗時(shí)近似呈正態(tài)分布，除了雨天情況下的乘客上車耗時(shí)直方圖分布與總體直方圖分布類似之外，其他因素對(duì)乘客上車耗時(shí)直方圖均有所影響。

2）基于方差分析法發(fā)現(xiàn)：天氣類型的顯著性為0.728＞0.05，說(shuō)明該因素對(duì)乘客上車耗時(shí)沒(méi)有顯著影響。除天氣類型以外，用戶類型、站點(diǎn)類型、節(jié)假日和出行時(shí)段對(duì)乘客上車耗時(shí)顯著性均小于0.05，這些因素對(duì)乘客上車耗時(shí)均有一定的影響。進(jìn)一步根據(jù)F值的大小，得到諸因素對(duì)乘客上下車耗時(shí)影響由大到小的順序?yàn)橛脩纛愋停菊军c(diǎn)類型＞節(jié)假日＞出行時(shí)段。

3）Logistic回歸擬合結(jié)果發(fā)現(xiàn)：根據(jù)顯著性P值和Wald值顯示，用戶類型、站點(diǎn)類型、節(jié)假日和出行時(shí)段對(duì)乘客上車耗時(shí)均有影響，且影響顯著性排序一致。