考慮個人出行意愿及出行需求的區(qū)域公共交通可達(dá)性分析

鄧紅星，胡 翼，何 煒

(1.東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150006;2.北京郵電大學(xué) 計算機(jī)學(xué)院，北京 100876)

0 引言

可達(dá)性研究最早源于古典區(qū)位論，Hansen［1］于1995 年首次提出了交通可達(dá)性的概念，將可達(dá)性定義為各節(jié)點(diǎn)間相互作用的機(jī)會大小。此后對可達(dá)性的研究逐漸展開，但由于研究者對可達(dá)性概念的不同理解，導(dǎo)致了可達(dá)性評價方法和指標(biāo)的差異性［2-3］。目前常用的可達(dá)性測算模型有空間阻隔模型、累計機(jī)會模型、潛力模型、效用模型和時空約束模型等［4-7］。

隨著城市的快速發(fā)展，交通擁堵等問題日益嚴(yán)重，公共交通被認(rèn)為是緩解擁堵問題的必然選擇，公共交通可達(dá)性也被眾多學(xué)者關(guān)注［8-10］。Liu等［11］以總行程時間為可達(dá)性指標(biāo)，通過問卷調(diào)查獲取步行和等待時間，通過公交時刻表獲取運(yùn)輸時間，分析上海運(yùn)輸中心多運(yùn)輸模式系統(tǒng)空間可達(dá)性;冷順多［12］通過最優(yōu)路徑算法構(gòu)建線網(wǎng)層和連接層網(wǎng)絡(luò)，考慮時間和換乘因素建立綜合公共交通可達(dá)性評價模型。但由于實(shí)際出行成本等指標(biāo)與道路網(wǎng)絡(luò)、實(shí)時道路交通情況有關(guān)，且隨著交通狀況在時空上的波動產(chǎn)生明顯變化，故大部分研究在進(jìn)行可達(dá)性指標(biāo)測算時無法對實(shí)時交通態(tài)勢進(jìn)行分析，獲得的出行時間等數(shù)據(jù)與實(shí)際情況相比會有一定的誤差［13］?？紤]到部分學(xué)者近年來通過網(wǎng)絡(luò)地圖API 接口獲取實(shí)時出行數(shù)據(jù)［14-15］，因此本文中結(jié)合高德地圖API 開放平臺，獲取精確的實(shí)際出行時間、實(shí)際步行到站時間、換乘次數(shù)和出行方案數(shù)等數(shù)據(jù)指標(biāo)，從而更精確地對城市區(qū)域公共交通可達(dá)性進(jìn)行評估。

當(dāng)僅考慮公共交通網(wǎng)絡(luò)的可達(dá)性而忽略居民出行需求與公交網(wǎng)絡(luò)供給的匹配關(guān)系時，會導(dǎo)致可達(dá)性評價結(jié)果缺乏實(shí)際利用價值和意義。隨著交通大數(shù)據(jù)研究的發(fā)展，全威等［9］提出一種基于出租車軌跡數(shù)據(jù)挖掘的城市區(qū)域公交可達(dá)性評估優(yōu)化方法，江世雄［16］基于公交刷卡數(shù)據(jù)和出租車GPS 數(shù)據(jù)提取客流OD 對城市區(qū)域進(jìn)行可達(dá)性評價。因此，本文中通過手機(jī)信令數(shù)據(jù)提取不同時段的居民出行需求建立可達(dá)性模型。

從上述研究分析可以發(fā)現(xiàn)，大部分研究者在進(jìn)行公共交通網(wǎng)絡(luò)可達(dá)性評估時并未考慮時間或空間閾值，或僅加入主觀設(shè)置的時間等閾值，很少從個人出行意愿的角度出發(fā)。但在實(shí)際出行時，居民是否愿意采用公共交通出行不僅和出行時間有關(guān)，他們還會考慮換乘次數(shù)和步行到站點(diǎn)的距離等因素，若超過各影響因素的最大閾值，則不會選擇公共交通出行。超過各因素最大閾值的區(qū)域被判定為公共交通不可達(dá)區(qū)域。因此，本文中通過問卷調(diào)查采集個人出行意愿的相關(guān)閾值，對高德API 接口獲取的實(shí)時公共交通出行方案進(jìn)行篩選，以獲取滿足出行閾值的出行方案指標(biāo)，并考慮可達(dá)區(qū)域數(shù)目指標(biāo)建立可達(dá)性模型。

綜上，考慮個人出行意愿閾值、不同時段的居民出行需求以及基于高德地圖API 開放平臺獲取的不同時段的總出行時間、步行到站時間、換乘次數(shù)、方案數(shù)等指標(biāo)建立城市區(qū)域公共交通可達(dá)性模型，對哈爾濱市南崗區(qū)各交通小區(qū)時空可達(dá)性進(jìn)行評估，為城市公共交通網(wǎng)絡(luò)規(guī)劃、公交優(yōu)化和解決城市交通問題提供參考。

1 可達(dá)性模型基本思路

綜合常見的可達(dá)性模型和現(xiàn)有文獻(xiàn)的優(yōu)缺點(diǎn)、適用性，以重力模型和時空約束模型為基礎(chǔ)，考慮多項(xiàng)相關(guān)可達(dá)性評價指標(biāo)，結(jié)合個人出行意愿閾值和居民出行需求，建立城市區(qū)域公共交通可達(dá)性評價模型，基本思路如圖1 所示。

圖1 區(qū)域公共交通可達(dá)性模型基本思路框圖

2 可達(dá)性模型建立

區(qū)域公共交通可達(dá)性模型主要包含居民出行需求和出行時的出行成本指標(biāo)。選取相應(yīng)的可達(dá)性測算指標(biāo)來表征出行者采用公共交通出行的便捷程度，選取的可達(dá)性測算指標(biāo)有總出行時間、步行到站時間、換乘次數(shù)和出行方案數(shù)等指標(biāo)。

2.1 可達(dá)性測算指標(biāo)

1)總出行時間

總出行時間指標(biāo)用各小區(qū)間滿足閾值要求時通過公共交通出行所耗費(fèi)的總時間來表示，總出行時間越高，則可達(dá)性越差。計算式如下:

式中:Ti為小區(qū)i 總出行時間指標(biāo);tij為小區(qū)i 至小區(qū)j 公共交通出行總時間;w(tij)為距離衰減函數(shù)，即高斯函數(shù)，其中t0為tij的閾值;表示歸一后的值;f(τ)為時空約束函數(shù)，τ*為相關(guān)出行閾值，包括總出行時間、步行到站時間和換乘次數(shù)閾值。

2)步行到站時間

步行到站時間指標(biāo)用各小區(qū)間滿足閾值要求時步行到公交地鐵站點(diǎn)所花費(fèi)的時間來表示，步行到站時間越高，則可達(dá)性越差。計算式如下:

式中:Tibu為小區(qū)i 步行到站時間指標(biāo);tijbu為小區(qū)i至小區(qū)j 公共交通出行時步行至車站的時間;表示歸一后的值。

3)換乘次數(shù)

換乘次數(shù)指標(biāo)用各小區(qū)間滿足閾值要求時出行方案的換乘次數(shù)來表示，換乘次數(shù)越多，則可達(dá)性越差。計算式如下:

式中:Ci為小區(qū)i 換乘次數(shù)指標(biāo);cij為i 至j 小區(qū)的換乘次數(shù)。

4)出行方案數(shù)

出行方案數(shù)指標(biāo)用各小區(qū)間滿足閾值要求時可行的出行方案數(shù)來表示，出行方案數(shù)越小，則可達(dá)性越差。計算式如下:

式中:Ni為小區(qū)i 出行方案數(shù)指標(biāo);nij為小區(qū)i 至小區(qū)j 出行方案數(shù);表示歸一后的值。

2.2 可達(dá)性模型構(gòu)建

結(jié)合前述可達(dá)性測算指標(biāo)、居民出行需求和閾值條件下可達(dá)小區(qū)個數(shù)，綜合建立城市區(qū)域公共交通可達(dá)性模型如下:

式中:Mi為小區(qū)i 的出行需求，M總為所有小區(qū)出行需求之和;Di為小區(qū)i 在相關(guān)出行閾值下通過公共交通可達(dá)的小區(qū)個數(shù)，D總為所有小區(qū)總個數(shù);η1至η4為各指標(biāo)的權(quán)重，為避免主觀性對評價結(jié)果的干擾，本文采用熵權(quán)法確定各指標(biāo)的權(quán)重值。

3 案例分析

由于高德API 接口每日申請配額限制，考慮到南崗區(qū)橫跨哈爾濱二三四環(huán)，比較具有代表意義，因此本次研究區(qū)域主要為哈爾濱市南崗區(qū)。以500 m* 500 m 的柵格對南崗區(qū)進(jìn)行小區(qū)劃分，得到共470 個交通小區(qū)及各小區(qū)質(zhì)心坐標(biāo)，如圖2所示。

圖2 哈爾濱市南崗區(qū)柵格小區(qū)示意圖

3.1 出行閾值

通過問卷采集個人愿意采用公共交通出行時的相關(guān)出行閾值，包括冬夏不同季節(jié)的最大出行總時間、最大換乘次數(shù)及步行至車站的最大步行時間等。通過設(shè)置相關(guān)問題篩選有效問卷，對有效問卷量表進(jìn)行信效度分析，將所有有效問卷中第八十百分位數(shù)作為本文采用的出行閾值。

本次研究共發(fā)放200 份問卷，其中有效問卷168 份。因研究區(qū)域?yàn)楣枮I市，因此發(fā)放問卷對象中70%來自東北地區(qū)，從而得到個人基本信息、通勤距離、采用公共交通出行意愿以及冬夏季節(jié)愿意采用公共交通出行的相關(guān)出行閾值。對調(diào)查問卷進(jìn)行信效度分析，結(jié)果如表1、表2 所示，其中調(diào)查問卷信度為0.826，效度為0.713。結(jié)果表明調(diào)查問卷數(shù)據(jù)可靠有效。

表1 可靠性統(tǒng)計量

表2 KMO 和Bartlett 的檢驗(yàn)

對出行總時間、換乘次數(shù)、步行到站時間、候車時間閾值采集數(shù)據(jù)進(jìn)行統(tǒng)計分析，結(jié)果如圖3所示。提取第八十百分位數(shù)得到設(shè)定的換乘次數(shù)閾值為3 次，出行總時長閾值為5 400 s，步行到站時長閾值為1 000 s。

圖3 出行閾值箱形圖

3.2 出行需求

居民出行需求主要通過手機(jī)信令數(shù)據(jù)獲取。通過手機(jī)信令數(shù)據(jù)識別居民出行鏈并進(jìn)行數(shù)據(jù)處理，從而得到早/晚高峰、工作日/非工作日、冬/夏季等不同時間各交通小區(qū)間的居民出行需求。

采用哈爾濱市域范圍內(nèi)聯(lián)通手機(jī)用戶產(chǎn)生的信令數(shù)據(jù)，數(shù)據(jù)采集時間為2019 年5 月。對工作日和節(jié)假日的早高峰(7∶00—9∶00)手機(jī)信令數(shù)據(jù)進(jìn)行數(shù)據(jù)處理并擴(kuò)樣，從而得到哈爾濱市南崗區(qū)各交通小區(qū)間夏季工作日和節(jié)假日早高峰居民出行需求數(shù)據(jù)，并將其可視化(見圖4、5)。

圖4 各小區(qū)間出行需求(工作日早高峰)示意圖

圖5 各小區(qū)間出行需求(節(jié)假日早高峰)示意圖

3.3 可達(dá)性測算指標(biāo)提取及可達(dá)性計算

基于高德地圖開放平臺，利用python 編程進(jìn)行數(shù)據(jù)的獲取和處理，批量獲取不同起訖點(diǎn)、不同時間下的所有公共交通出行方案，包括每個方案的總出行時間、詳細(xì)步驟和每步的出行成本。通過最大出行總時間、最大換乘次數(shù)和步行至車站的最大步行時間等閾值對各方案進(jìn)行篩選，刪除不滿足條件的方案。將無出行方案的小區(qū)標(biāo)記為不可達(dá)小區(qū)，提取OD 小區(qū)間最優(yōu)方案的出行總時間、換乘次數(shù)、步行時間、符合閾值要求的方案數(shù)和各小區(qū)的可達(dá)小區(qū)數(shù)，從而計算各交通小區(qū)公共交通區(qū)域可達(dá)性，具體步驟如下:

步驟1通過python 調(diào)用高德API 接口，批量獲取哈爾濱市南崗區(qū)470 個交通小區(qū)間，共22 萬對起訖點(diǎn)在早高峰采用公共交通出行的所有詳細(xì)出行方案，如表3 所示;

表3 各交通小區(qū)間早高峰詳細(xì)公共交通出行方案

步驟2結(jié)合調(diào)查問卷得到的公共交通出行閾值，利用python 編程對所有出行方案進(jìn)行數(shù)據(jù)篩選和處理，刪除不滿足閾值條件的方案，并將所有方案均不滿足閾值條件的OD 點(diǎn)對標(biāo)記為不可達(dá);

步驟3提取可達(dá)小區(qū)間最優(yōu)方案的出行總時長、步行到站時長、換乘次數(shù)和可達(dá)方案數(shù)，提取各小區(qū)可達(dá)小區(qū)數(shù);

步驟4通過Matlab 對出行總時長、步行到站時長、換乘次數(shù)及可達(dá)方案數(shù)4 個指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并計算各指標(biāo)的熵值、信息熵差異度和對應(yīng)的權(quán)重，從而實(shí)現(xiàn)對評價指標(biāo)的客觀賦權(quán)。4 個指標(biāo)的權(quán)重計算結(jié)果為η1=0.239 6，η2=0.316，η3=0.190 8，η4=0.253 6。

步驟5結(jié)合公共交通出行測算指標(biāo)數(shù)據(jù)、各小區(qū)早高峰出行需求和各測算指標(biāo)權(quán)重值，代入可達(dá)性模型計算哈爾濱市南崗區(qū)區(qū)域公共交通可達(dá)性，如表4 所示。

表4 各交通小區(qū)可達(dá)性計算結(jié)果

3.4 結(jié)果分析

對表4 結(jié)果中各小區(qū)出行方案數(shù)、可達(dá)小區(qū)數(shù)、不考慮出行需求的可達(dá)性以及工作日和節(jié)假日公共交通可達(dá)性數(shù)據(jù)使用arcgis 進(jìn)行可視化處理，具體結(jié)果如圖6—10 所示。

僅從公共交通網(wǎng)絡(luò)自身的可達(dá)性而言，圖6、圖7 反映了居民出于個人出行意愿，愿意采用公共交通出行所能到達(dá)的小區(qū)數(shù)量分布情況、可采用的出行方案數(shù)量分布情況。從圖8 可以看出，南崗區(qū)中部地區(qū)的可達(dá)性明顯高于兩端小區(qū)的可達(dá)性。因?yàn)楸疚闹袃H考慮南崗行政區(qū)，因此就南崗區(qū)而言，中部小區(qū)更容易通過公共交通到達(dá)更多的小區(qū)。除此以外，哈爾濱地鐵2 號線沿線小區(qū)可達(dá)性明顯高于其他地區(qū)。

圖6 各交通小區(qū)早高峰可達(dá)方案數(shù)示意圖

圖7 各交通小區(qū)早高峰可達(dá)小區(qū)數(shù)示意圖

圖8 各交通小區(qū)不考慮出行需求的公共交通可達(dá)性(早高峰)示意圖

考慮居民出行需求的公共交通可達(dá)性如圖9、10 所示?？梢园l(fā)現(xiàn)，早高峰公共交通可達(dá)性較高的小區(qū)集中在二三環(huán)內(nèi)、哈西新區(qū)及其附近，且隨著距市中心距離的增加逐漸減小;哈爾濱地鐵2號線線路沿線區(qū)域可達(dá)性較高，地鐵線路可顯著地提高城市公共交通系統(tǒng)的可達(dá)性。工作日早高峰出行需求要高于節(jié)假日早高峰出行需求，但工作日和節(jié)假日的公共交通可達(dá)性分布趨勢無明顯差距。

圖9 各交通小區(qū)公共交通可達(dá)性(工作日早高峰)示意圖

圖10 各交通小區(qū)公共交通可達(dá)性(節(jié)假日早高峰)示意圖

4 結(jié)論

在相關(guān)可達(dá)性研究基礎(chǔ)上，綜合考慮了個人出行意愿閾值、出行需求和相關(guān)可達(dá)性測算指標(biāo)建立了區(qū)域公共交通可達(dá)性模型，通過問卷調(diào)查數(shù)據(jù)、手機(jī)信令數(shù)據(jù)和高德API 接口獲取不同時段的相關(guān)數(shù)據(jù)，進(jìn)行各交通小區(qū)公共交通可達(dá)性計算。研究結(jié)果可以較全面、綜合地反映城市區(qū)域公共交通系統(tǒng)的可達(dá)性水平，為城市交通基礎(chǔ)設(shè)施建設(shè)規(guī)劃等提供參考。