常規(guī)公交車站點停靠時間影響因素分析與建模

鄒玉琪　程國柱　徐健航　王煊　王澤　吳思瑤

摘 要：為提高公交系統(tǒng)的效率和可靠性，從常規(guī)公交站點?？康某丝蜕舷萝嚂r間分析入手，對乘客上下車時間影響因素中的乘客性別和年齡兩個因素展開研究。基于常規(guī)公交站點乘客上下車狀況有關的視頻調(diào)研和人工調(diào)研，通過視頻開源軟件Tracker提取相關信息，采用MATLAB軟件進行回歸分析，研究乘客年齡、性別、年齡組成和性別比例對乘客上下車時間的影響。數(shù)據(jù)分析結果表明：乘客年齡差異對乘客上下車時間影響較大，為0.2～0.8 s;乘客性別差異對乘客上下車時間影響較小，為0.1～0.2 s;乘客年齡組成與性別比例對乘客上下車時間相互作用的影響明顯，運用多元函數(shù)進行回歸分析得到計算模型，實例分析證明預測模型具有較高的可靠性。本研究的結論可為現(xiàn)有常規(guī)公交車站點停靠時間的確定提供參考依據(jù)。

關鍵詞：常規(guī)公交;停靠時間;乘客年齡;乘客性別;多元回歸

中圖分類號：U491??? 文獻標識碼：A?? 文章編號：1006-8023（2020）06-0117-08

Analysis and Modeling of Bus Dwell Stop Time

ZOU Yuqi1， CHENG Guozhu1*， XU Jianhang2， WANG Xuan2， WANG Ze2， WU Siyao1

（1.School of Traffic and Transportation， Northeast Forestry University， Harbin 150040， China;

2.School of Information and Computer Science， Northeast Forestry University， Harbin 150040， China）

Abstract：In order to improve the efficiency and reliability of the bus system， this paper focuses on the effects of the gender and age of passengers on-off time， which based on the analysis of the on-off time of passengers the most important part of bus dwell stop time. Based on video surveys and manual surveys related to passengers getting on and off at regular bus stops， the research addresses the influence of passenger age， gender， age composition and gender ratio on passenger on-off time with the help of video open-source software Tracker to extract relevant information and MATLAB software to conduct regression analysis. The findings indicate that the age difference of passengers has a great influence on the on-off time of passengers， ranging from 0.2 s to 0.8 s; the gender difference of passengers has little influence on the on-off time of passengers， ranging from 0.1 s to 0.2 s; passenger on-off time is closely linked to the passenger age composition and gender ratio， and a multivariate function regression analysis based on the analysis of the example is used as the calculation model， which has high reliability. The conclusion it could provide some references for the determination of the bus dwell stop time.

Keywords：Common public transportation; bus dwell stop time; passenger age; passenger gender; multiple regression

收稿日期：2020-04-17

基金項目：大學生創(chuàng)新創(chuàng)業(yè)訓練項目（41111213）

通信作者：程國柱，博士，教授。研究方向：道路交通安全、城市交通規(guī)劃與管理。E-mail：guozhucheng@126.com

引文格式：鄒玉琪，程國柱，徐健航，等.常規(guī)公交站點停靠時間影響因素分析與建模[J].森林工程，2020，36（6）：117-124.

ZOU Y Q， CHENG G Z， XU J H， et al. Analysis and modeling of bus dwell stop time[J]. Forest Engineering，2020，36（6）：117-124.

0 引言

公共汽車是發(fā)展最早、建設成本最低、服務范圍最廣的公共交通工具之一。公交站點的停靠是研究服務水平的重要因素之一，公交站點停靠時間的研究對提高公共汽車服務水平和運行效率具有重要意義。國外早在20世紀70年代就開始對公交車站點?？繒r間的影響因素進行研究[1-2]。Glick等[3]應用對數(shù)和分位數(shù)模型對公交車站點?？繒r間進行預測，進一步分析了站點?？繒r間的影響因素。Hossein等[4]借助自動數(shù)據(jù)評估系統(tǒng)對影響公交站點?？康某丝突顒?、電梯操作和擁擠度3個因素進行分析，并建立?？繒r間有關的回歸模型。Grise等[5]基于AVL-APC、票價框技術、車廂付款，在加入乘客活動細節(jié)因素的前提下，研究已有站點?？繒r間預測的誤差。Soroush等[6]提出了一種基于基因表達編程（GEP）的方法來建模和估算總線停留時間（BDT）。

國內(nèi)對公交車站點?？繒r間的研究主要為兩方面：構建預測模型對?？繒r間的預測和研究不同因素對停靠時間的影響。

鄧媚等[7]研究了公交車停靠時間在中心城區(qū)和中央商務區(qū)等人流密集區(qū)域不同時段呈現(xiàn)出的不同變化趨勢，并建立了動態(tài)預測模型。趙芮等[8]研究了我國公交車二次停車服務的概率分布。張愷彬[9]結合直線式公交站點和港灣式公交站點的物理結構，重點研究了公交車輛在站點處易發(fā)生的特殊微觀行為對公交站點?？繒r間的影響。王璇[10]對不同高峰時段不同道路形態(tài)上的公交車站點?？繒r間進行了分類討論，對比不同場景下不同預測模型的預測效果，并選擇出對應情況下的最佳預測模型。

王旭等[11]研究上下車人數(shù)、車內(nèi)擁擠度、車門數(shù)和公交車站臺數(shù)對站點?？繒r間的影響，并選擇上下車人數(shù)與車內(nèi)擁擠度兩個因素作為自變量，建立乘客上下車時間預測模型。呂偉等[12]對武漢市5個站點的公交車停靠進行調(diào)研，在公交車?？繒r間、乘客上下車時間、上下車乘客數(shù)量和上下車總持續(xù)時間等數(shù)據(jù)的基礎上研究公交車?？繒r間規(guī)律。章若晨[13]對乘客上下車行為進行了基于社會力模型的建模分析。許秀華[14]將公交車?？空痉譃楣卉嚋p速進站、站內(nèi)停靠和加速離站3個主要階段進行重點研究。吳鼎新等[15]對公交停靠站類型、時段影響、乘客上下車人數(shù)3個影響因素深入剖析，對淮安市公交車在站停靠時間進行了方差分析和回歸分析。胡三根等[16]重點研究了站點乘客人數(shù)對站點?？繒r間的影響，并未對乘客的年齡組成、性別組成等進行分析;盧春秀[17]、劉嬌嬌[18]提出了站點?？繒r間模型的研究，但是因其考慮因素不夠周全而并未得到實際應用推廣。

有關于公交車站點?？繒r間的影響因素，國內(nèi)尚未有對乘客年齡、乘客性別、乘客年齡組成和乘客性別組成4個影響因素的詳細研究。本文的研究可以為公交車站通行能力計算及公交車輛平均行程時間預測提供依據(jù)，進而為公交車站規(guī)劃設計與公交車輛調(diào)度提供基礎數(shù)據(jù)。

1 常規(guī)公交車站點停靠時間影響因素

本文采用人工調(diào)研與圖像處理相結合的方法獲取乘客上下車時間數(shù)據(jù)。首先在指定站點以及公交車等場所進行視頻拍攝，然后運用基于開源運動目標追蹤、軌跡生成技術的軟件——Tracker進行數(shù)據(jù)提取，最后用MATLAB等軟件進行數(shù)據(jù)分析。

1.1 ?？繒r間影響因素

城市常規(guī)定點定線運行的公交車的運行總時間包括行駛時間、路段延誤時間和站點?？繒r間，其中?？繒r間由減速進站時間、車門開啟與關閉時間、乘客上下車時間3部分決定。減速進站時間與加速出站時間的影響因素包括站臺設置位置與形式、是否設置專用公交車道、道路擁擠程度、其他機動車輛變道的影響和公交車性能等;開門時間與關門時間的影響因素包括司機的反應速度與開車習慣、公交車性能等;乘客上下車時間的影響因素包括公交車車門數(shù)量及寬度、上下車臺階數(shù)、乘客支付方式、乘客攜帶行李的情況、孕婦或行動不便的殘疾人乘客數(shù)、上下車乘客數(shù)量、上下車乘客的年齡與性別、車內(nèi)擁擠度、車內(nèi)的座位設置與可站立空間大小;其他影響因素包括天氣、不同時間段（早晚高峰與平鋒、特殊事件與節(jié)假日等）人流量與車流量對?？繒r間的影響。

隨著智慧交通系統(tǒng)的發(fā)展與應用，未來公共交通系統(tǒng)將會實現(xiàn)無人駕駛、生物識別支付和動態(tài)實時調(diào)度等。筆者認為公交車實現(xiàn)無人駕駛后的管理、車型（上下車門的臺階數(shù)、車門寬度與數(shù)量、車內(nèi)座位數(shù)與可站立空間等）、?？空镜脑O置帶來的對?？繒r間的影響也可進行簡化和統(tǒng)一處理，即公交系統(tǒng)硬件設施統(tǒng)一的情況下，減速進站與加速出站的時間、開門時間與關門時間將是一個相對固定的時間，由此，影響乘客上下車時間的主要因素為乘客是否攜帶行李、乘客是否有正常行動能力、乘客的年齡與性別。乘客攜帶行李與乘客不具正常行動能力的情況并非普遍情況。目前，針對乘客性別和年齡特征差異的研究甚少。

由于本文重點研究乘客年齡、性別、年齡組成和性別比例4個因素對上下車的影響，因此數(shù)據(jù)調(diào)研在忽略支付方式（本文的上車時間計算中支付時間額外計算）和站臺設置形式、車內(nèi)乘客不影響上下車乘客的行為動作、公交車為前門上車后門下車、臺階數(shù)為一階、天氣狀況良好的基礎上進行。

1.2 站點調(diào)查

由于本文重點研究乘客年齡、性別和乘客年齡組成與性別比例對乘客上下車的影響，因此不考慮公交車站點設置方式的不同。為避免站點或線路的單一性而導致所調(diào)研數(shù)據(jù)不具代表性，本文的視頻拍攝方式分為固定停靠站點拍攝和固定線路拍攝兩種，分別對哈爾濱市的一條繞城線路102路和一條穿城線路101路兩條線路以及4個公交站點進行調(diào)研。?？空军c選擇的主要依據(jù)是?？空军c的日?？土髁亢椭苓呁恋乩们闆r，停靠站點的相關信息見表1。

1.3 調(diào)查方法

1.3.1 定義觀測變量

（1）公交車?？繒r間：車輛車門準備開啟時刻至車門完全關閉時刻的時間間隔。

（2）乘客上車時間：第一位乘客上車時間為單腳離地時刻至雙腳著車時刻的時間間隔，其后的乘客上車時間為前一位乘客雙腳著車的時刻至該乘客雙腳著車時刻的時間間隔，包括反應時間與安全距離因素對上車時間的影響。

（3）乘客下車時間：第一位乘客下車時間為單腳離車時刻至雙腳著地時刻的時間間隔，其后乘客下車時間為前一位乘客雙腳著地的時刻至該乘客雙腳著地的時間間隔，包括反應時間與安全距離因素對下車時間的影響。

（4）乘客性別和年齡的表示

乘客性別根據(jù)視頻畫面目標對象進行人工判別，男性用大寫字母“M”表示，女性用大寫字母“W”表示。

乘客年齡根據(jù)問卷調(diào)研與人工詢問的方式確定，參考聯(lián)合國世界衛(wèi)生組織提出的年齡分段與實際情況相結合，將年齡分為兒童、青年、中年和老年4段。其中兒童（≤8歲）用大寫字母“C”表示，青年（9～44歲）用大寫字母“Y”表示，中年人（45～59歲）用大寫字母“M”表示，老年人（≥60歲）用大寫字母“O”表示;同理，男性兒童用“MC”表示，男性青年用“MY”表示，男性中年用“MM”表示，男性老年用“MO”表示，女性兒童用“WC”表示，女性青年用“WY” 表示，女性中年用“WM”表示，女性老年用“WO”表示。

1.3.2 視頻拍攝

本文采用視頻拍攝法對站點及線路公交車上下車情況進行拍攝。在拍攝前準備好拍攝工具，做好拍攝人員的安全教育與調(diào)查內(nèi)容的詳細解釋。站點拍攝，記錄拍攝時間（選取非高峰時段：上午9：00—12：00點和下午1：00—4：00點）與站點名稱，觀察站點設置，尋找不影響乘客上下車而視野開闊不影響拍攝的拍攝角度;線路拍攝，在首末站與司機溝通后由兩名拍攝人員分別坐在前門與后門的座位進行拍攝。為避免拍攝人員引起乘客和司機等的注意而導致拍攝情況受到影響，本文選擇用手機進行隱蔽性拍攝。拍攝的視頻幀的速率為30.00 幀/s。

1.3.3 信息的提取

本文采用開源視頻處理軟件Tracker與人工識別相結合的方式進行乘客上下車數(shù)據(jù)的提取，主要信息為乘客上下車時間、乘客年齡、乘客性別，次要信息為乘客攜帶行李等其他特殊情況。將相關信息提取后導入EXCEL進行其他信息數(shù)據(jù)的計算。

2 ?？繒r間分析

從觀測的327 組數(shù)據(jù)進行篩選與剔除，最終得到1 026個數(shù)據(jù)（如：某一公交站點?？肯萝? 人，則該5 人的整體數(shù)據(jù)為1 組數(shù)據(jù)，該5 人的個人數(shù)據(jù)為5個數(shù)據(jù)），對此進行乘客上下車時間的分析。

2.1 不同年齡乘客上下車時間差異

（1）將所有乘客的上下車時間按照年齡進行分類統(tǒng)計。兒童作為一個特殊群體的存在，一般情況下均有成人帶領乘車，不同年齡的兒童其行為能力差異性較大，根據(jù)樣本數(shù)據(jù)統(tǒng)計得兒童群體的數(shù)量僅占總群體的3%，因此其性別和年齡特征差異對上下車時間的影響缺乏說服力，本文對此不做深入研究。

如圖1所示，在不區(qū)分性別的情況下，不同年齡段的乘客上下車時間對比。其中青年人人均上車時間為1.85 s，中年人人均上車時間為2.11 s，老年人人均上車時間為2.34 s，隨著年齡段的增加，人均上車時間分別遞增0.26 s和0.23 s;青年人人均下車時間為1.07 s ，中年人人均下車時間為1.26 s，老年人人均下車時間為1.75 s，隨著年齡的增加，人均下車時間分別遞增0.19 s和0.49 s。由此可知，老年人對于下車有更長的反應與適應時間，這點與其他年齡段的乘客所表現(xiàn)的特性有所差異。

（2）將所有乘客的上下車時間按照年齡和性別進行分類統(tǒng)計。

由圖2可知，青年男性人均上車時間為1.80 s、中年男性人均上車時間為2.04 s，老年男性人均上車時間為2.27 s，隨著年齡段的遞增人均上車時間分別增加0.24 s和0.23 s。

青年女性人均上車時間為1.89 s、中年女性人均上車時間為2.17 s，老年女性人均上車時間為2.46 s，隨著年齡段的遞增人均上車時間分別增加0.28 s和0.29 s。

青年男性人均下車時間為1.08 s、中年男性人均下車時間為1.22 s，老年男性人均下車時間為1.70 s，隨著年齡段的遞增人均下車時間分別增加0.14 s和0.58 s;青年女性人均下車時間為1.07 s，中年女性人均下車時間為1.29 s，老年女性人均下車時間為1.87 s，隨著年齡段的遞增人均下車時間分別增加0.22 s和0.58 s。

由圖3可知，隨著乘客群體的年齡增大，其人均上下車時間依次增加。即在上車時間不包括支付時間的前提下，乘客人均上車時間大于人均下車時間，乘客的上車時間分散性仍然小于乘客下車時間的分散性，這是人們的支付行為引起的乘客空間距離要求增大的原因。

2.2 不同性別乘客上下車時間差異

由圖4和圖5可知，男性人均上下車時間小于女性人均上下車時間。其中，青年群體的性別差異最小，老年群體的性別差異最明顯。尤其是青年乘客的上車時間差異甚微，青年乘客的下車時間甚至表現(xiàn)為女性比男性略微少，這是以往的研究中未曾發(fā)現(xiàn)的現(xiàn)象。一方面，這是青年人的靈活性和下車動作單一所致的;另一方面，這是因為女青年在乘車時的注意力相對于男青年更加集中，而這種注意力的集中所減少的下車時間彌補并超越了動作敏捷上的差異。

2.3 年齡組成與性別比例對乘客上下車時間的影響

對觀測到的327 組數(shù)據(jù)分別進行男女性別比例與老年人比例的計算，運用指數(shù)函數(shù)、線性函數(shù)、對數(shù)函數(shù)、多項式函數(shù)、乘冪函數(shù)等5種函數(shù)分別對年齡組成與人均上下車時間的關系和性別比例與人均上下車時間的關系進行回歸分析。如圖6所示。

對上車乘客與下車乘客的年齡組成進行分析，以老年人乘客數(shù)占總乘客數(shù)的百分比作為每一組數(shù)據(jù)的年齡組成變量，結合對應的人均上下車時間生成散點圖。運用不同類型的函數(shù)對數(shù)據(jù)進行擬合，分別計算得其擬合優(yōu)度均為0～0.1，即年齡組成一個影響因素與乘客上下車時間無函數(shù)關系;同理，分別對上車乘客與下車乘客的性別組成進行分析，以男性乘客數(shù)占總乘客數(shù)的百分比作為每一組數(shù)據(jù)的性別組成變量，結合對應的人均上下車時間生成散點圖。運用不同類型的函數(shù)對數(shù)據(jù)進行擬合，分別計算得其擬合優(yōu)度均為0～0.1，即性別比例與乘客上下車時間無明確的函數(shù)關系。

依據(jù)對乘客年齡組成與性別比例對乘客上下車時間的影響結果分析可知，乘客的年齡組成與性別比例對乘客人均上下車時間的影響是共同作用而非單獨影響。為了研究乘客性別和年齡相互影響的關系，采用多元線性回歸的方法對收集到的327 組數(shù)據(jù)進行篩選分析，運用MATLAB軟件進行多元線性回歸函數(shù)擬合，得到乘客人均上下車時間計算公式。設置置信度為95%的區(qū)間計算參數(shù)，并繪制相關系數(shù)與殘差對應置信區(qū)間的相合性圖，發(fā)現(xiàn)每一個因素的樣本數(shù)據(jù)大部分都分布在回歸直線附近，因此認為函數(shù)擬合效果較好。

t上=0.655 1ρMC-0.049 5ρMY+0.004 1ρMM+0.145 7ρMO+0.433 5ρWC-0.030 5ρWY+0.085 1ρWM+0.074 1ρWO+1.825 4。（1）

P=ρMC+ρMY+ρMM+ρMO+ρWC+ρWY+ρWM+ρWO。（2）

T上=t上×P（3）

t下=-0.162 0ρMC-0.055 2ρMY-0.094 4ρMM+0.079 4ρMO-0.129 6ρWC-0.042 5ρWY-0.037 4ρWM+0.040 6ρWO+1.480 5。（4）

P=ρMC+ρMY+ρMM+ρMO+ρWC+ρWY+ρWM+ρWO。（5）

T下=t下×P。（6）

式中：t上為乘客人均上車時間，s;t下乘客人均下車時間，s;ρ為不同性別、年齡特征的上車或下車乘客數(shù)，人;P為上車或下車的總乘客數(shù)，人（請結合文中1.3.1（4）理解的含義）;T上為乘客總上車時間，s;T下為乘客總下車時間，s。

3 實例驗證

本文案例選用林業(yè)大學站所調(diào)研的35 輛公交車的數(shù)據(jù)進行分析，分別對上下車隨機抽取6 組數(shù)據(jù)并計算預測的上下車時間，將其與實際上下車時間的對比，見表3。

利用歸一化均方差（NMSE）描述函數(shù)的擬合情況與預測可靠度，歸一化均方差表示預測數(shù)據(jù)和原數(shù)據(jù)對應點誤差的平方和的均值，其值越接近0，表示數(shù)據(jù)預測誤差越小。分析計算結果，乘客上下車預測時間的歸一化均方差分別為0.024 1，0.011 5，表明模型具有較高的可靠性。

NMSE=1n∑ni=1（tfi-tri）2tf×tr。（7）

4 結論

（1）有關乘客年齡對乘客上下車時間的影響，本文分為區(qū)分性別與不區(qū)分性別進行討論，研究結果表明：區(qū)分性別時，男性與女性的上車時間隨著年齡的遞增，其差異為0.2～0.3 s，而下車時間出現(xiàn)明顯的不同，青年與中年之間的下車時間差異為0.2～0.3 s，中年人與老年人的下車時間差異在0.6? s左右;不區(qū)分性別時有類似的結果，即青年乘客與中年乘客、中年乘客與老年乘客上車時間的差異為0.2～0.3 s;青年乘客與中年乘客的下車時間差異為0.2 s，中年乘客與老年乘客的下車時間差異為0.5 s。

（2）結合乘客性別影響因素進行分析，乘客性別對人均上下車時間影響較小，兒童、青年、中年乘客中男性與女性人均上下車時間差異分布為0.1 s左右，老年乘客中男性與女性人均上下車時間差異分布為0.2 s左右。青年女性的人均下車時間甚至低于青年男性的下車時間，這與以往的研究有所不同，分析原因主要與下車動作的單一與青年人群的身手敏捷有關。

（3）結合乘客的年齡組成與性別比例對乘客上下車時間的影響，對其影響運用線性多元回歸函數(shù)進行量化分析。

筆者主要研究不同性別與年齡的乘客踏上公交車時間與邁下公交車的時間，這部分時間包括不同乘客的行為時間與反應時間，其研究的意義在于為未來更加便捷與智能化的地面公交系統(tǒng)提供一定的行為特征參考。對于特殊乘客（孕婦、帶有無行走能力小孩的乘客、殘疾人士、攜帶大件行李的乘客）的乘車行為與特征應做進一步的研究，為實現(xiàn)更加人性化和舒適度高的公交體系提供參考。

【參 考 文 獻】

[1]程國柱，裴玉龍.道路通行能力[M].北京：人民交通出版社股份有限公司，2019：100-105.

CHENG G Z， PEI Y L. Highway capacity[M]. Beijing： China Communications Press Co.， Ltd， 2019：100-105.

[2]崔楊，曾俊偉，錢勇生，等.基于拓撲性質(zhì)的河谷型城市公交站點網(wǎng)絡復雜特性分析：以蘭州市為例[J].公路工程，2018，43（4）：1-6.

CUI Y， ZENG J W， QIAN Y S， et al. Analysis of complex network characteristics of bus stations in valley city based on topological property： taking Lanzhou as an example[J]. Highway Engineering， 2018， 43（4）： 1-6.

[3]GLICK T， FIGLIOZZI M A. Analysis and application of log-linear and quantile regression models to predict bus dwell times[J]. Transportation Research Record： Journal of the Transportation Research Board， 2019， 2673（10）：118-128.