基于區(qū)間分析的公交客流推導(dǎo)方法

張如意，鄔 嵐ZHANG Ruyi, WU Lan

（南京林業(yè)大學(xué)汽車與交通工程學(xué)院，江蘇 南京 210037）

0 引 言

目前絕大多數(shù)公交企業(yè)采用了一票制公交刷卡系統(tǒng)，系統(tǒng)內(nèi)存儲(chǔ)了乘客的刷卡時(shí)間、IC 卡類別、車輛編號(hào)等信息，可以識(shí)別出乘客刷卡站點(diǎn)；而乘客下車無(wú)需刷卡，無(wú)法采用簡(jiǎn)單的時(shí)間或空間匹配方法進(jìn)行下車站點(diǎn)識(shí)別。目前，常用的下車站點(diǎn)推導(dǎo)方法有概率模型推算法和基于出行鏈的站點(diǎn)推導(dǎo)方法。鄧紅星結(jié)合乘客出行行為概率、站點(diǎn)附近土地利用性質(zhì)、站點(diǎn)吸引權(quán)以及換乘能力，使用概率論模型推算得出各站點(diǎn)下車人數(shù)。公交出行鏈方法是個(gè)體層面的推導(dǎo)方法，一系列在時(shí)間和空間上相互連接的出行構(gòu)成了出行鏈。

由于交通環(huán)境的復(fù)雜性、道路車輛的隨機(jī)性、公交乘客的主觀性，給城市公共交通帶來(lái)各種客觀未知因素，公交客流的分布存在不確定性。為了在進(jìn)行公交規(guī)劃時(shí)提高數(shù)據(jù)的可靠性，可以利用區(qū)間數(shù)代替客流需求固定值進(jìn)行分析。柳伍生利用多日公交刷卡數(shù)據(jù)，結(jié)合區(qū)間不確定性理論，進(jìn)行了公交站點(diǎn)客流不確定性分析。

本文基于IC 卡數(shù)據(jù)、GPS 數(shù)據(jù)、公交線路站點(diǎn)信息等多源數(shù)據(jù)，利用時(shí)間匹配法推導(dǎo)上車站點(diǎn)，基于概率模型推算法推導(dǎo)下車站點(diǎn)，并結(jié)合區(qū)間分析理論，利用置信區(qū)間優(yōu)化算法得出區(qū)間數(shù)形式的公交站點(diǎn)客流量。

1 區(qū)間數(shù)及區(qū)間分析理論

1.1 區(qū)間分析理論

由于道路環(huán)境的復(fù)雜性、公交乘客的主觀性以及各種隨機(jī)因素的存在，公交客流存在不確定性。傳統(tǒng)的公交客流OD 推導(dǎo)方法多采用固定值表示客流需求，沒(méi)有考慮客流不確定性，與實(shí)際情況存在誤差。結(jié)合區(qū)間分析理論對(duì)多源數(shù)據(jù)進(jìn)行處理，可得到較為精確地公交客流分布，減少了誤差影響。

區(qū)間分析，即采用區(qū)間數(shù)代替固定值進(jìn)行數(shù)學(xué)運(yùn)算的方法，區(qū)間數(shù)反映了變量的可能取值集合。實(shí)際工程分析中，由于誤差，如模型誤差、測(cè)量誤差、截?cái)嗾`差等的存在，導(dǎo)致運(yùn)算結(jié)果精度較低，而使用區(qū)間數(shù)進(jìn)行運(yùn)算，在一定程度上考慮了事物的不確定因素，更加符合實(shí)際情況。

1.2 區(qū)間數(shù)的基本概念

區(qū)間數(shù)可以表示為：

2 公交多源數(shù)據(jù)處理與分析

2.1 基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)

研究采用的基礎(chǔ)數(shù)據(jù)包括蘇州工業(yè)園區(qū)新惠巴士IC 卡刷卡數(shù)據(jù)、公交GPS 定位數(shù)據(jù)以及公交線路站點(diǎn)位置數(shù)據(jù)。表1 及表2 分別為公交IC 卡和GPS 定位數(shù)據(jù)結(jié)構(gòu)中包含的字段及釋義?；诰€路編號(hào)、車輛編號(hào)以及時(shí)間戳字段可以得到數(shù)據(jù)間的映射關(guān)系。

表1 公交IC 卡數(shù)據(jù)結(jié)構(gòu)

表2 公交到站時(shí)刻表

2.2 到站時(shí)刻表生成

《城市道路公共交通站、場(chǎng)、廠工程設(shè)計(jì)規(guī)范》要求，在中小城市，停靠區(qū)的長(zhǎng)度按所通過(guò)車輛的最大車長(zhǎng)加安全間距計(jì)算?？紤]蘇州工業(yè)園區(qū)公交站臺(tái)長(zhǎng)度，以30m 為半徑構(gòu)建站點(diǎn)緩沖區(qū)。根據(jù)經(jīng)緯度計(jì)算公交GPS 記錄和相應(yīng)線路各站點(diǎn)間距離，當(dāng)距離小于30m 時(shí)，認(rèn)為在當(dāng)下GPS 記錄時(shí)間時(shí)車輛位于該站點(diǎn)，對(duì)匹配出站點(diǎn)的GPS 記錄按時(shí)間進(jìn)行排序，從而得出車輛在各公交站點(diǎn)的到離站時(shí)間，生成公交車輛到站時(shí)刻表，如表3 所示。

表3 公交到站時(shí)刻表

3 上下車站點(diǎn)推導(dǎo)

3.1 上車站點(diǎn)推導(dǎo)

上車站點(diǎn)的推導(dǎo)首先需匹配IC 卡和到站時(shí)刻表中的車輛編號(hào)信息，再進(jìn)行時(shí)間匹配。對(duì)于公交IC 卡刷卡記錄i，其時(shí)間t可能存在以下三種情況，可依據(jù)不同情況進(jìn)行上車站點(diǎn)推導(dǎo)：

（1） 乘客刷卡時(shí)間t介于車輛在某站點(diǎn)k 的到離站時(shí)間t、t，則記錄i 的刷卡站點(diǎn)為站點(diǎn)k；

（2） 乘客刷卡時(shí)間t早于車輛在某站點(diǎn)k 的到站時(shí)間t，考慮GPS 記錄的時(shí)間間隔以及公交站臺(tái)長(zhǎng)度對(duì)于到站時(shí)刻表推導(dǎo)的誤差影響，當(dāng)t與t的時(shí)間差小于3s 時(shí)，匹配記錄i 的刷卡站點(diǎn)為站點(diǎn)k；

（3） 當(dāng)乘客刷卡時(shí)間t晚于車輛在某站點(diǎn)k 的離站時(shí)間t，且與站點(diǎn)k+1 的到站時(shí)間t差值大于3s 時(shí)，考慮乘客由于某些偶發(fā)因素導(dǎo)致刷卡時(shí)間延遲，認(rèn)定記錄i 的刷卡站點(diǎn)為站點(diǎn)k。

3.2 下車站點(diǎn)推導(dǎo)

目前國(guó)內(nèi)外絕大多數(shù)城市采用一票制刷卡方式，系統(tǒng)僅記錄乘客的上車刷卡信息，無(wú)法采用簡(jiǎn)單的時(shí)間或空間匹配方法進(jìn)行下車站點(diǎn)識(shí)別，需要通過(guò)分析公交乘客個(gè)體的出行規(guī)律或站點(diǎn)的客流吸引特征推導(dǎo)下車站點(diǎn)。本研究采用考慮乘客出行距離、站點(diǎn)周邊土地利用情況、站點(diǎn)客流發(fā)生強(qiáng)度、站點(diǎn)換乘系數(shù)的概率推算模型進(jìn)行下車站點(diǎn)的推導(dǎo)。

3.2.1 下車站點(diǎn)推導(dǎo)模型

以某條線路單輛公交車為例，該線路共有n 個(gè)站點(diǎn)，在站點(diǎn)i 的上車人數(shù)為O，乘客在站點(diǎn)i 上車，站點(diǎn)j 下車的概率是P，則站點(diǎn)j 的下車人數(shù)可由公式（5） 計(jì)算。

3.2.2 下車概率P確定

通過(guò)對(duì)公交客流出行特征分析，發(fā)現(xiàn)影響乘客是否在某站點(diǎn)下車的因素有以下四點(diǎn)：

（1） 乘客出行距離。公共交通屬于中長(zhǎng)距離出行方式，居民乘坐公交出行距離大概率發(fā)生在某一特定范圍內(nèi)，而乘客出行站數(shù)間接反映了公交乘客的出行距離。已有研究證明乘客下車概率與乘客公交出行站數(shù)之間服從泊松分布，則僅考慮乘客出行站數(shù)時(shí)，乘客在站點(diǎn)i 上車，站點(diǎn)j 下車的概率為：其中：λ 為乘客乘坐公交的平均出行站數(shù)，一般取λ=10，當(dāng)站點(diǎn)i 和終點(diǎn)站之間間隔的站點(diǎn)數(shù)量小于λ 時(shí)，記λ=n-i。

（2） 周邊土地利用性質(zhì)。本研究依據(jù)《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》將城市用地劃分為八大類，以公交站點(diǎn)周邊500m 范圍內(nèi)的土地利用性質(zhì)為研究對(duì)象，以居住用地為標(biāo)準(zhǔn)，假定其客流吸引系數(shù)為1，由于工作日居民上班，學(xué)生上學(xué)，公共管理與公共服務(wù)用地及商業(yè)服務(wù)業(yè)設(shè)施用地的客流較多，而周末時(shí)綠地及廣場(chǎng)用地的客流較工作日顯著增加，故區(qū)分工作日及周末采用兩套用地吸引系數(shù)，各類用地對(duì)公交客流的吸引系數(shù)見表4。

表4 各類用地對(duì)公交客流的吸引系數(shù)

統(tǒng)計(jì)公交站點(diǎn)500m 覆蓋范圍內(nèi)土地利用性質(zhì)計(jì)算站點(diǎn)i 吸引權(quán)重為：

其中：S為站點(diǎn)i 周邊500m 覆蓋范圍內(nèi)第h 種用地性質(zhì)占站點(diǎn)500m 覆蓋面積的比例，K為第h 種用地性質(zhì)的客流吸引系數(shù)。

（3） 客流吸引強(qiáng)度?；诔鲂械耐敌?，研究認(rèn)為公交客流在不同行駛方向上存在對(duì)稱性，可以用站點(diǎn)的上車乘客數(shù)占線路總乘客數(shù)的比例定義客流吸引強(qiáng)度，進(jìn)而計(jì)算乘客下車概率。

其中：O為在站點(diǎn)i 上車的乘客數(shù)。本研究中上車乘客數(shù)采用多日平均計(jì)算。

（4） 站點(diǎn)換乘系數(shù)。乘客下車概率受站點(diǎn)公交換乘能力影響，兩者呈正相關(guān)。乘客不僅可以在下車站點(diǎn)同站換乘公交，也可能步行至周邊其他站點(diǎn)進(jìn)行異站換乘，隨著站點(diǎn)間距離增加，乘客選擇換乘的可能性減小。根據(jù)《城市道路交通規(guī)劃設(shè)計(jì)規(guī)范》要求，公交平均站距約為500～800m，本研究統(tǒng)計(jì)站點(diǎn)及其周邊100m、200m、400m 半徑范圍內(nèi)可換乘線路數(shù)，計(jì)算站點(diǎn)的換乘系數(shù)。

其中：L為站點(diǎn)i 周邊第m 種距離范圍內(nèi)可換乘線路條數(shù)，m=1,2,3,4 分別代表0m、100m、200m、400m 的換乘距離，x為換乘距離折減系數(shù)，分別為1、0.7、0.5、0.2。

以上四種因素共同作用影響乘客下車概率，假設(shè)上述因素之間相互獨(dú)立，則乘客下車概率為：將該式代入下車站點(diǎn)推導(dǎo)模型即可計(jì)算得出各站點(diǎn)的下車人數(shù)。

4 上下車客流區(qū)間數(shù)推導(dǎo)

4.1 區(qū)間數(shù)推導(dǎo)方法

4.2 案例分析

4.2.1 上車客流區(qū)間數(shù)推導(dǎo)

以蘇州市1021 路公交為例，采集2018 年9 月17 日至10 月21 日其中28 天（10 月1 日至10 月7 日為國(guó)慶假期，客流特征較為特殊，本文不進(jìn)行分析） 共計(jì)221 354 條IC 卡刷卡數(shù)據(jù)，利用MySQL 進(jìn)行數(shù)據(jù)預(yù)處理，清洗無(wú)效數(shù)據(jù)，統(tǒng)一數(shù)據(jù)格式。

根據(jù)上車站點(diǎn)推導(dǎo)方法判斷乘客刷卡站點(diǎn)，表5 列出了部分推導(dǎo)結(jié)果。分析各站點(diǎn)上車乘客固定值集合，進(jìn)行數(shù)據(jù)正態(tài)性檢驗(yàn)，由于各站點(diǎn)上車乘客數(shù)集合內(nèi)共有33 個(gè)數(shù)據(jù)，樣本量較小，故以K-S 檢驗(yàn)（Kolmogorov-Smirnov test） 結(jié)果為準(zhǔn)，對(duì)1021 路沿線各站點(diǎn)進(jìn)行正態(tài)性檢驗(yàn)，除站點(diǎn)白鷺園南及獨(dú)墅湖體育館北外，其余各站點(diǎn)上車客流數(shù)均通過(guò)了檢驗(yàn)，故認(rèn)為上車客流符合正態(tài)分布，可采用置信區(qū)間優(yōu)化算法進(jìn)行上車站點(diǎn)客流區(qū)間數(shù)優(yōu)化。

表5 下車站點(diǎn)推導(dǎo)結(jié)果

設(shè)顯著性水平為0.05，運(yùn)用R 軟件對(duì)數(shù)據(jù)進(jìn)行客流區(qū)間數(shù)推導(dǎo)。圖1 為1021 路公交車上行方向上車站點(diǎn)區(qū)間數(shù)推導(dǎo)結(jié)果。以9 月15 日為例，發(fā)現(xiàn)除站點(diǎn)3 獨(dú)墅湖鄰里中心東外，其余各站點(diǎn)上車乘客數(shù)均處于推導(dǎo)所得區(qū)間內(nèi)，結(jié)果可信度較高，可以替代固定值的客流需求，從而用于客流需求預(yù)測(cè)、公交站點(diǎn)布設(shè)、公交線網(wǎng)優(yōu)化等領(lǐng)域。由圖1 發(fā)現(xiàn)，站點(diǎn)6 的客流區(qū)間數(shù)區(qū)間半徑較大，這可能是由于站點(diǎn)6 騰飛創(chuàng)新園南屬于工業(yè)區(qū)，周邊多為辦公企業(yè)，而購(gòu)物休閑等設(shè)施較少，周末與工作日客流相差甚遠(yuǎn)，這也為下一步區(qū)分工作日與周末進(jìn)行下車站點(diǎn)推導(dǎo)提供了依據(jù)。

圖1 上行方向上車客流區(qū)間數(shù)推導(dǎo)結(jié)果

蘇州市1021 路公交部分站點(diǎn)僅上行停靠，部分僅下行?？浚?jì)算乘客下車概率時(shí)，需區(qū)分上下行，計(jì)算兩個(gè)概率矩陣。依據(jù)下車站點(diǎn)推導(dǎo)模型，首先需計(jì)算僅考慮出行站數(shù)時(shí)各站點(diǎn)下車概率，并獲取OSM（OpenStreetMap，開源地圖） 數(shù)據(jù)，查詢各站點(diǎn)周邊土地利用情況、周邊可換乘線路數(shù)，結(jié)合站點(diǎn)上車乘客數(shù)，計(jì)算各站點(diǎn)的乘客下車概率（如圖2 所示）。

圖2 1021 路公交下行方向工作日乘客下車概率矩陣

4.2.2 下車客流區(qū)間數(shù)推導(dǎo)

利用R 軟件，計(jì)算各站點(diǎn)下車乘客數(shù)，圖3 為2018 年9 月20 日至9 月23 日1021 路上行方向各站點(diǎn)下車乘客數(shù)折線圖。其中9 月20、21 日為工作日，9 月22、23 日為周末。由圖3 可以發(fā)現(xiàn)工作日和周末各站點(diǎn)的下車人數(shù)總體波動(dòng)相似，但在個(gè)別站點(diǎn)，如站點(diǎn)18 人大國(guó)際學(xué)院以及站點(diǎn)中科大·蘇大獨(dú)墅湖校區(qū)，周末的下車人數(shù)高于工作日，這可能是由于上述站點(diǎn)周邊多為學(xué)校以及公園，導(dǎo)致周末時(shí)具有較強(qiáng)的客流吸引。

圖3 下車站點(diǎn)推導(dǎo)結(jié)果

設(shè)顯著性水平為0.05，推導(dǎo)下車客流區(qū)間數(shù)分布。圖4 為1021 路公交車途經(jīng)站點(diǎn)的下車客流區(qū)間數(shù)，其中標(biāo)注“*”的站點(diǎn)序號(hào)所對(duì)應(yīng)客流為上下行方向客流總和，未標(biāo)注站點(diǎn)為單向?？空军c(diǎn)。以9 月17 日推導(dǎo)數(shù)據(jù)為例，除站點(diǎn)7*裕新路松濤街西、站點(diǎn)23 白鷺園南略偏于客流區(qū)間外，其余數(shù)據(jù)均符合區(qū)間分布。

5 結(jié) 論

本文以公交IC 卡刷卡數(shù)據(jù)、公交GPS 定位數(shù)據(jù)、公交線路站點(diǎn)數(shù)據(jù)、區(qū)域OSM 數(shù)據(jù)為基礎(chǔ)，結(jié)合站點(diǎn)緩沖區(qū)法推導(dǎo)車輛到站時(shí)刻表，分析比較乘客刷卡時(shí)間與車輛到離站時(shí)間，推導(dǎo)乘客上車站點(diǎn)，提高了上車站點(diǎn)推導(dǎo)精度。區(qū)分工作日及周末采用兩套用地吸引系數(shù)分析站點(diǎn)周邊用地性質(zhì)，對(duì)站點(diǎn)周邊可換乘線路條數(shù)按距離進(jìn)行折減計(jì)算站點(diǎn)換乘系數(shù)，改進(jìn)了既有的下車站點(diǎn)概率推導(dǎo)模型。研究結(jié)合區(qū)間分析理論，推導(dǎo)得出上行方向上車客流區(qū)間數(shù)及上車乘客數(shù)，以及下行方向乘客下車概率矩陣和下車乘客區(qū)間數(shù)，達(dá)到更準(zhǔn)確的推導(dǎo)公交客流的目的。