張萌萌 郭亞娟 馬玉嬌

（1.山東交通學(xué)院交通與物流工程學(xué)院 濟(jì)南250023；2.吉林大學(xué)交通學(xué)院 長(zhǎng)春130022）

0 引 言

中國(guó)經(jīng)濟(jì)的快速發(fā)展引發(fā)眾多交通問(wèn)題，而優(yōu)先發(fā)展公共交通是解決我國(guó)城市交通問(wèn)題的關(guān)鍵之一。為落實(shí)城市公共交通的主體地位，就必須保證公交線網(wǎng)的優(yōu)化調(diào)整和公交營(yíng)運(yùn)調(diào)度質(zhì)量，為此公交運(yùn)營(yíng)數(shù)據(jù)的實(shí)時(shí)采集必不可少?，F(xiàn)狀公交數(shù)據(jù)的采集多依靠人工調(diào)查法，但數(shù)據(jù)處理工作量大，耗費(fèi)成本高。而基于公交IC卡的數(shù)據(jù)采集技術(shù)受外界因素影響較小，所得數(shù)據(jù)庫(kù)信息量大、具體全面且真實(shí)可靠，是1種快速、經(jīng)濟(jì)、有效的客流調(diào)查方法。與此同時(shí)，如何利用公交IC卡數(shù)據(jù)挖掘出更多、范圍更廣的信息也成為了1個(gè)亟待解決的課題。

目前，不少學(xué)者在單條公交線路客流OD矩陣反推的課題上作了大量的相關(guān)研究，模型一般集中于概率論模型［1］、最大熵法［2］、雙層網(wǎng)絡(luò)規(guī)劃模型［3］、結(jié)構(gòu)化模型［4］、重力模型和最小二乘法等［5］。這些方法主要分析了公交乘客出行行為的規(guī)律，對(duì)公交站點(diǎn)影響乘客下車概率的研究較少［6－9］。其中，趙錦煥等［1］在研究公交乘客下車概率時(shí)，提出1個(gè)重要的影響因素－公交站點(diǎn)換乘功能，但其量化表示只考慮該線路站點(diǎn)的公交換乘條數(shù)，未考慮周邊站點(diǎn)對(duì)其站點(diǎn)的輻射影響。胡郁蔥等［10］在IC卡數(shù)據(jù)挖掘和統(tǒng)計(jì)基礎(chǔ)上，對(duì)線路站點(diǎn)OD矩陣、區(qū)域OD矩陣進(jìn)行了推算。陳素平等［11］在基于小票法調(diào)查數(shù)據(jù)的基礎(chǔ)上提出1種公交線路OD分析方法，可準(zhǔn)確得出公交線路的客流OD，同時(shí)還可以得到線路沿途各站點(diǎn)的上下客人數(shù)、斷面流量等信息。

公交線路客流OD矩陣的分布是基于公交站點(diǎn)建立的，不同的站點(diǎn)對(duì)公交客流量的吸引強(qiáng)度不同，因此，站點(diǎn)吸引是反推公交線路客流OD矩陣的首要考慮問(wèn)題。而站點(diǎn)吸引是公交站點(diǎn)對(duì)公交客流量吸引強(qiáng)度的簡(jiǎn)稱，其影響因子有很多。

筆者在以上研究的基礎(chǔ)上，全面分析了公交乘客的出行行為特性以及公交站點(diǎn)對(duì)乘客出行的影響，提出了公交出行距離、站點(diǎn)用地性質(zhì)以及站點(diǎn)換乘能力等3個(gè)影響乘客下車概率的主要因素，構(gòu)建了基于站點(diǎn)吸引的公交客流OD分布概率模型，并采用C＋＋語(yǔ)言編程得以實(shí)現(xiàn)，以此分析公交IC卡乘客的空間出行特性。

1 模型建立

公交IC卡乘車記錄的起訖點(diǎn)判別，即判斷刷卡記錄對(duì)應(yīng)的上車站點(diǎn)以及該上車站點(diǎn)對(duì)應(yīng)的下車站點(diǎn)。起訖點(diǎn)的判別是公交IC數(shù)據(jù)處理的關(guān)鍵環(huán)節(jié)，也是模型建立的核心。

大多數(shù)的城市公交采用全線一票制，就是上車1次性刷卡完畢，下車不需要再次刷卡，因此刷卡記錄中只有乘客上車站點(diǎn)，不記錄下車站點(diǎn)。由于公交定線定站的運(yùn)營(yíng)特征以及城市居民的出行特點(diǎn)，決定了公交出行在路線的選擇和客流的分布上具有一定的規(guī)律性和穩(wěn)定性。利用這些特性，筆者提出基于站點(diǎn)吸引的公交OD分布概率模型。

1）下車站點(diǎn)的判定模型。以1條公交線路單向運(yùn)行1趟的數(shù)據(jù)分析為例。

假設(shè)此線路有m個(gè)站點(diǎn)（包含首末站）；Di為i站點(diǎn)下車人數(shù)（i＝1，2，…，m）；Si為i站點(diǎn)上車人數(shù)（i＝1，2，…，m）；P′ij為某乘客在公交站點(diǎn)i上車，在站點(diǎn)j下車的概率，（i＝1，2，…，m；j＝1，2，…，m）。

其中，上車站點(diǎn)已進(jìn)行過(guò)判斷，因此，可利用Access軟件對(duì)IC卡數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析得到Si。

根據(jù)公交單向運(yùn)行的特性，首站沒(méi)有下車乘客，因此D1＝0。

在第2個(gè)站點(diǎn)下車的乘客來(lái)自于首站上車的乘客，因此D2＝S1×P′12。

在第3個(gè)站點(diǎn)下車的乘客來(lái)自于首站和第2個(gè)站點(diǎn)上車乘客，因此D3＝S1×P′13＋S2×P′23。

依次類推得到各站點(diǎn)下車人數(shù)計(jì)算公式

2）下車概率的確定方法。在分析已有的城市公交客流調(diào)查數(shù)據(jù)的基礎(chǔ)上，得出了影響乘客下車概率的因素主要有3個(gè)：公交出行距離；下車站點(diǎn)附近的土地利用性質(zhì)；下車站點(diǎn)的換乘能力。

（1）居民公交出行受到出行距離的影響。出行者選擇公交出行時(shí)，其出行站數(shù)主要集中在某個(gè)范圍內(nèi)，屬于中長(zhǎng)距離的出行。也就是說(shuō)當(dāng)乘坐站數(shù)到達(dá)此范圍內(nèi)，出行者下車的概率較大；反之，當(dāng)出行距離過(guò)長(zhǎng)或過(guò)短時(shí)，出行者很少采用公交出行的方式?？梢钥闯?，下車概率隨途經(jīng)站點(diǎn)數(shù)量服從泊松分布。因此，只考慮途經(jīng)站點(diǎn)數(shù)目而得到的下車概率為

式中：Fij為乘客在i站點(diǎn)上車j站點(diǎn)下車的概率；λ為平均公交出行途經(jīng)站點(diǎn)數(shù)量，當(dāng)i站點(diǎn)以后的站點(diǎn)數(shù)量小于平均公交出行途經(jīng)站點(diǎn)數(shù)量時(shí)λ＝m－i，m為線路單向站點(diǎn)個(gè)數(shù)。

（2）公交出行受到各站點(diǎn)周圍用地性質(zhì)的影響。附近有大型商業(yè)區(qū)、火車站、汽車站等的一些站點(diǎn)發(fā)生與吸引的客流量較多。對(duì)于公交站點(diǎn)來(lái)說(shuō)，若某站點(diǎn)上車的人數(shù)越多，就說(shuō)明該站點(diǎn)的公交客流發(fā)生量越大；若某站點(diǎn)下車的人數(shù)越多，說(shuō)明該站點(diǎn)的公交客流吸引量越大。在i站發(fā)生量一定時(shí)，j站的吸引量越大，那么從i站到j(luò)站的OD分布量越大；反之，在j站吸引量一定時(shí)，i站的發(fā)生量越大，那么從i站到j(luò)站的OD分布量也越大。因此，可以利用各站點(diǎn)上、下車人數(shù)來(lái)量化站點(diǎn)周圍的用地性質(zhì)，那么定義Wi為公交站點(diǎn)i用地吸引強(qiáng)度系數(shù)，即

（3）公交出行受到站點(diǎn)換乘能力的影響。由于下車站點(diǎn)附近的可換乘公交線路越多，站點(diǎn)的換乘能力也相應(yīng)越強(qiáng)，同時(shí)該站點(diǎn)下車換乘的人也越多。因此，可以利用各站點(diǎn)附近的可換乘公交線路條數(shù)來(lái)量化站點(diǎn)的服務(wù)水平，即站點(diǎn)的換乘能力是用以站點(diǎn)為中心，方圓300～500m區(qū)域內(nèi)，可利用換乘的公交線路條數(shù)來(lái)表示。定義Ki為公交站點(diǎn)i的換乘能力系數(shù)，即

式中：li為i站點(diǎn)的可換乘公交線路數(shù)。

以上可知，下車概率Pij與居民公交出行距離、站點(diǎn)用地吸引強(qiáng)度和站點(diǎn)換乘能力正相關(guān)，即

計(jì)算公式為

再將所得概率Pij歸一化，其公式為

將式（6）代入下車站點(diǎn)的判定模型公式（1），即可得出各站點(diǎn)的下車人數(shù)。

3）該模型的特點(diǎn)。基于站點(diǎn)吸引的公交客流OD分布概率模型，是根據(jù)IC卡數(shù)據(jù)站點(diǎn)的上車人數(shù)，利用下車概率理論來(lái)計(jì)算各站點(diǎn)的下車人數(shù)。該方法約束條件較少，運(yùn)算簡(jiǎn)單，可得到較為準(zhǔn)確的結(jié)果，但是此法不能判斷單個(gè)乘客的下車站點(diǎn)，也不能得出單個(gè)乘客完整的出行過(guò)程。

2 案例分析

以濟(jì)南市的公交IC卡運(yùn)營(yíng)數(shù)據(jù)為基礎(chǔ)，結(jié)合Microsoft Access 2010數(shù)據(jù)庫(kù)技術(shù)和Microsoft Visual Studio 2010中的C＋＋語(yǔ)言編程，采用基于站點(diǎn)吸引的公交OD分布概率模型，對(duì)濟(jì)南市1條公交線路的公交客流情況進(jìn)行分析。

2.1 公交的出行距離分布

文獻(xiàn)［6］以某市1條公交線路為跟車調(diào)查對(duì)象，對(duì)該線路乘客的出行站數(shù)進(jìn)行統(tǒng)計(jì)分析，繪制了乘客出行站數(shù)頻率分布曲線圖，并通過(guò)檢驗(yàn)發(fā)現(xiàn)在顯著性水平0.05下該調(diào)查數(shù)據(jù)服從泊松分布。同時(shí)對(duì)該市的其他9條公交線路調(diào)查數(shù)據(jù)進(jìn)行統(tǒng)計(jì)校驗(yàn)，發(fā)現(xiàn)在顯著性水平0.05下，絕大多數(shù)公交線路都服從泊松分布。

筆者以濟(jì)南市83路公交車為跟車調(diào)查對(duì)象，獲取該線路出行者的乘車站數(shù)統(tǒng)計(jì)數(shù)據(jù)，并利用文獻(xiàn)［6］中的結(jié)論，采用泊松分布擬合得到相應(yīng)的泊松分布參數(shù)，這里特指83路公交線路的平均途經(jīng)站點(diǎn)個(gè)數(shù)，即λ＝10。

2.2 公交站點(diǎn)可換乘線路分布

根據(jù)濟(jì)南公交線路一覽表，可統(tǒng)計(jì)出83路公交線路中，以各站點(diǎn)為中心，方圓300～500m內(nèi)所有可以換乘的公交線路條數(shù)，統(tǒng)計(jì)結(jié)果見(jiàn)表1。

2.3 站點(diǎn)用地吸引強(qiáng)度

由于公交出行具有很強(qiáng)的往返性，1個(gè)站點(diǎn)的發(fā)生量和吸引量基本保持平衡，也就是該站的發(fā)生量同時(shí)可以反映站點(diǎn)的吸引量，因此可以通過(guò)下行方向的上車發(fā)生率近似得到上行方向的下車吸引強(qiáng)度。其中，上車發(fā)生率即是1個(gè)站點(diǎn)的上車人數(shù)與該線路所有站點(diǎn)的上車人數(shù)的比值。

以濟(jì)南市83路公交出行的數(shù)據(jù)為例，借助Access軟件對(duì)其數(shù)據(jù)進(jìn)行處理，得出公交線路的各站上車人數(shù)，統(tǒng)計(jì)結(jié)果分為上行方向和下行方向，可見(jiàn)表3。

表1 公交線路83的站點(diǎn)可換乘線路統(tǒng)計(jì)Tab.1 The statistics on the transferring bus line of Bus 83

本文以濟(jì)南市83路公交出行的數(shù)據(jù)為例，使用Access將其數(shù)據(jù)庫(kù)打開(kāi)，應(yīng)用篩選、交叉查詢等功能得出公交線路的各站上車人數(shù)，統(tǒng)計(jì)結(jié)果分上行方向與下行方向，見(jiàn)表2。

表2 公交83路上下行方向各站點(diǎn)上車人數(shù)統(tǒng)計(jì)Tab.2 The statistics on upstream and downstream number of getting－on at the stops of Bus 83

2.4 生成單條公交線路OD的數(shù)據(jù)處理

基于以上影響公交出行的3個(gè)因素的調(diào)查統(tǒng)計(jì)數(shù)據(jù)，利用基于站點(diǎn)吸引的公交客流OD分布概率模型，采用C＋＋語(yǔ)言編程進(jìn)行數(shù)據(jù)的處理，得出83路公交線路OD分布，見(jiàn)表3。

2.5 模型精度校驗(yàn)

該案例采用核查線法進(jìn)行精度校驗(yàn)。具體實(shí)施方案是選用83路公交線路中的3個(gè)路段斷面為基準(zhǔn)斷面，調(diào)查基準(zhǔn)斷面的小時(shí)客流量（包括上行方向和下行方向）。同時(shí)，由所得OD分布表中統(tǒng)計(jì)相應(yīng)斷面的理論日客流量，并折算成斷面小時(shí)客流量。對(duì)各斷面調(diào)查的斷面小時(shí)客流量與理論的斷面小時(shí)客流量進(jìn)行比較，計(jì)算相對(duì)誤差，見(jiàn)表4。

表3 83路公交車出行OD分布Tab.3 Bus trip OD distribution of Bus 83

表4 核查線法誤差分析Tab.4 Error analysis of check line method

由表4可見(jiàn)，選定的3個(gè)基準(zhǔn)斷面的調(diào)查斷面小時(shí)客流量與理論斷面小時(shí)客流量的相對(duì)誤差基本在10%以內(nèi)?？紤]到二者都只包括使用IC卡的乘客，因此誤差在10%以內(nèi)是符合公交OD反推要求的。將同樣的數(shù)據(jù)運(yùn)用趙錦煥等［1］提出的概率論模型反推，得出結(jié)果的相對(duì)誤差大于10%。由此可見(jiàn)，改進(jìn)后的下車站點(diǎn)服務(wù)水平這一影響因子更加貼合實(shí)際，大大提高了模型的精度?？傮w看來(lái)，筆者所提出的基于站點(diǎn)吸引的公交客流OD分布概率模型能夠在前人的基礎(chǔ)上更準(zhǔn)確地推算出下車站點(diǎn)的信息，是目前比較適用的1種公交客流OD推算方法。

3 結(jié)束語(yǔ)

筆者從公交出行距離、下車站點(diǎn)的用地性質(zhì)以及下車站點(diǎn)的服務(wù)水平等3個(gè)影響因素出發(fā)，構(gòu)建了推算單條公交線路客流OD分布的概率模型。實(shí)例分析的結(jié)果表明基于站點(diǎn)吸引的公交客流OD分布概率模型方便簡(jiǎn)單、易于實(shí)現(xiàn)，且3個(gè)影響因素的綜合考慮大大提高了公交客流OD反推的精度。

公交線路客流OD是使用IC卡乘客出行和使用紙幣的乘客出行的總和。然而，在本文中，相關(guān)參數(shù)的獲取僅僅依靠公交IC卡數(shù)據(jù)，只包括使用IC卡的乘客出行，而忽略了使用紙幣的乘客出行。因此如何科學(xué)全面計(jì)算各參數(shù)，從而進(jìn)一步提高公交客流OD矩陣的推算精度和適用性，是下一步研究重點(diǎn)。

［1］ 趙錦煥，李文權(quán)，張 健，等.公交客流OD矩陣推算［J］.交通運(yùn)輸工程與信息學(xué)報(bào)，2009，7（4）：124－128.

［2］ 劉 翠，陳洪仁.公交線路客流OD矩陣推算方法研究［J］.城市交通，2007，5（4）：81－83.

［3］ 周 晶，張倫珂.利用IC卡數(shù)據(jù)估計(jì)公交OD矩陣的模型及算法［J］.系統(tǒng)工程理論與實(shí)踐，2006（4）：131－135.

［4］ 朱從坤，丁建霆，陳 瑜.公交線路OD反推的結(jié)構(gòu)化模型研究［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37（6）：851－853.

［5］ 戴 霄.基于公交IC信息的公交數(shù)據(jù)分析方法研究［D］.南京：東南大學(xué)，2006.

［6］ Doblas J，Benitez F G.An approach to estimating and updating origin－destination matrices based upon traffic counts preserving the prior structure of a survey matrix［J］.Transportation Research Part B：Method Logical，2005，39（1）：565－591.

［7］ Park Jin Young，Kim Dong－Jun.Use of smart card data to define public transit Use in seoul，South Korea［J］.Transportation Research Record：Journal of the Transportation Research Board，2008（263）：3－9.

［8］ 竇慧麗，劉好德，楊曉光.基于站點(diǎn)上下客人數(shù)的公交客流OD反推方法研究［J］.交通與計(jì)算機(jī)，2007，25（2）：79－81.

［9］ 周 濤，翟長(zhǎng)旭，高志剛.基于公交IC卡數(shù)據(jù)的OD推算技術(shù)研究［J］.城市交通，2007，5（3）：48－52.

［10］ 胡郁蔥，梁杰榮，梁楓明.基于IC卡數(shù)據(jù)挖掘獲取公交OD矩陣的方法［J］.交通信息與安全，2012，30（4）：66－70.

［11］ 陳素平，陳學(xué)武，楊 敏.基于小票法的公交線路客流OD分析方法［J］.交通信息與安全，2009，27（1）：11－14.