李海波　陳學(xué)武▲　陳崢嶸

(1.東南大學(xué)城市智能交通江蘇省重點實驗室　南京 210096；

2.東南大學(xué)現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心　南京 210096；3.江蘇省城市規(guī)劃設(shè)計研究院　南京 210036)

?

基于公交IC卡和AVL數(shù)據(jù)的客流OD推導(dǎo)方法*

李海波1,2陳學(xué)武1,2▲陳崢嶸3

(1.東南大學(xué)城市智能交通江蘇省重點實驗室南京 210096；

2.東南大學(xué)現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心南京 210096；3.江蘇省城市規(guī)劃設(shè)計研究院南京 210036)

摘要公交IC卡收費系統(tǒng)和車輛定位系統(tǒng)的廣泛應(yīng)用，為獲取公交客流OD提供了新的途徑。針對現(xiàn)有公交客流OD推導(dǎo)算法的不足，從上車站點識別和下車站點推導(dǎo)兩方面入手，對公交客流OD推導(dǎo)算法進行了改進。為了修正公交IC卡數(shù)據(jù)時間偏差，提高上車站點識別的準(zhǔn)確性，在分析公交乘客上車刷卡行為的基礎(chǔ)上，提出了基于AVL數(shù)據(jù)的公交IC卡數(shù)據(jù)時間修正方法。根據(jù)公交出行鏈的特性差異，將公交出行鏈劃分為連續(xù)鏈和非連續(xù)鏈兩大類，在此基礎(chǔ)上，建立了不同公交出行鏈的下車站點推導(dǎo)模型，優(yōu)化了下車站點推導(dǎo)流程。以蘇州市的公交IC卡和AVL數(shù)據(jù)為例進行實例研究，通過對推導(dǎo)結(jié)果合理性的討論分析，論證了改進算法的可行性和有效性。實踐表明，改進后的公交客流OD推導(dǎo)算法流程清晰，易于程序?qū)崿F(xiàn)，可以用于公交客流的自動分析。

關(guān)鍵詞交通大數(shù)據(jù)；公交客流OD；IC卡數(shù)據(jù)；AVL數(shù)據(jù)；上車站點；下車站點

*國家自然科學(xué)基金面上項目(批準(zhǔn)號：51178109)、國家重點基礎(chǔ)研究發(fā)展計劃項目(批準(zhǔn)號：2012CB725402)、中央高?；究蒲袠I(yè)務(wù)費專項資金資助和江蘇省普通高校研究生科研創(chuàng)新計劃項目(批準(zhǔn)號：KYLX_0179)資助

0引言

公交客流OD是城市公共交通規(guī)劃與管理的重要基礎(chǔ)數(shù)據(jù)，目前主要是通過人工調(diào)查的方法獲取。但是由于人工調(diào)查往往需要耗費巨大的人力、物力和財力，因此調(diào)查一般只能獲取部分居民在特定幾天的公交出行數(shù)據(jù)。這種短時抽樣數(shù)據(jù)很難反映居民公交出行特征的長期變化規(guī)律，更不用說反映特殊事件下的居民公交出行行為特征。與傳統(tǒng)的人工調(diào)查相比，公交IC卡數(shù)據(jù)具有采集成本低、信息量大、時間連續(xù)等優(yōu)點，為城市公交客流分析提供了全新的途徑[1-2]。

我國城市的常規(guī)公交系統(tǒng)多采用“一票制”的收費模式，其公交IC卡數(shù)據(jù)一般不會直接包含乘客的上下車站點信息，需要通過一定的方法來推導(dǎo)。在僅有公交IC卡數(shù)據(jù)的條件下，上車站點主要是通過對乘客上車刷卡時間和基于行車計劃推算的車輛到站時間的比較來識別[3-6]。但是由于道路交通環(huán)境的動態(tài)變化，實際很難準(zhǔn)確推算車輛的到站時間。近年來，隨著智能公交的興起，車輛自動定位(automatic vehicle location，AVL)系統(tǒng)在城市公共交通領(lǐng)域得到了廣泛應(yīng)用。AVL數(shù)據(jù)準(zhǔn)確記錄了公交車輛的位置信息，有效彌補了公交IC卡數(shù)據(jù)空間位置信息不足的缺陷，大大提高了上車站點識別的準(zhǔn)確性[7-8]。對于下車站點，現(xiàn)狀主要是根據(jù)公交乘客的出行特征推導(dǎo)，主要方法有：

1)基于連續(xù)公交出行鏈的方法[9-10]：該方法有3個基本假設(shè)條件：①連續(xù)公交出行鏈假設(shè)，即在2次公交出行之間不使用出租車、小汽車等社會出行工具；②最短換乘距離假設(shè)，即當(dāng)前公交出行的終點為下一次公交出行的起點，也即下一次出行的起點與上一次出行的終點位于同一公交站點，或下一次出行的起點在上一次出行終點的可接受步行距離(或時間)之內(nèi)；③出行起終點相同假設(shè)，即1 d當(dāng)中最后一次出行的終點為當(dāng)天出行的起點或第二天出行的起點。

2)基于換乘行為的方法[5,11]：如果能夠判斷出2次連續(xù)刷卡屬于1次出行，則可以根據(jù)最短換乘距離(或時間)的假設(shè)，識別出換乘前的下車站點。該方法與方法1)的區(qū)別在于，滿足方法1)中假設(shè)的2次刷卡記錄不一定是換乘關(guān)系。

3)基于通勤出行時空特征的方法[5]：通勤出行的最大特點是出行時間和出行起終點具有明顯的規(guī)律，一般可以認(rèn)為上班出行的最后一個下車站點是下班出行的上車站點，下班出行的最后一個下車站點是上班出行的上車站點。

4)基于乘距分布的下車概率法[12]：一般而言，公交出行距離分布具有一定的規(guī)律，近似服從正態(tài)分布。因此，可以根據(jù)乘距的分布規(guī)律計算乘客在各站點下車的概率，以此來推導(dǎo)下車站點。

本文針對現(xiàn)有推導(dǎo)方法的不足，從公交出行鏈的分類入手，對基于公交IC卡和AVL數(shù)據(jù)的公交客流OD推導(dǎo)方法進行了系統(tǒng)梳理和改進，并以蘇州市的常規(guī)公交系統(tǒng)數(shù)據(jù)為例，進行了實證研究[13]。

1公交IC卡和AVL數(shù)據(jù)

蘇州市的常規(guī)公交采用的是“一票制”收費模式，其公交IC卡原始數(shù)據(jù)中包含卡編號、卡類型、卡余額、消費金額、刷卡時間、車輛編號、線路編號、單位編號、消費流水號等數(shù)10個字段的信息。本文研究僅需要其中的4項信息，包括卡編號、刷卡時間、車輛編號和線路編號，見表 1。

表1　蘇州市的公交IC卡數(shù)據(jù)示例

AVL數(shù)據(jù)，泛指車輛自動定位系統(tǒng)采集的車輛位置數(shù)據(jù)。常見的AVL數(shù)據(jù)主要有定位數(shù)據(jù)和到離站數(shù)據(jù)兩種，其中定位數(shù)據(jù)記錄的是車輛的實時位置信息，到離站數(shù)據(jù)記錄的是車輛到達(dá)和離開各站點的時間信息。若無特殊說明，本文所指的AVL數(shù)據(jù)均為表 2所列的到離站數(shù)據(jù)。

除了公交IC卡和AVL數(shù)據(jù)之外，公交客流OD的推導(dǎo)還需要線路和車輛的基礎(chǔ)信息，其中，線路基礎(chǔ)信息應(yīng)包括線路與站點的從屬關(guān)系以及站點的經(jīng)緯度坐標(biāo)，車輛基礎(chǔ)信息應(yīng)包括車輛編號和車牌號的對應(yīng)關(guān)系。

表2　蘇州市的到離站數(shù)據(jù)示例

2上車站點識別

2.1基本思路

一般而言，公交乘客應(yīng)在公交車輛進站停穩(wěn)后依次投幣或刷卡上車，而公交車輛則應(yīng)在公交乘客全部上車之后啟動離開公交站臺。因此，公交乘客的刷卡時間應(yīng)晚于所乘公交車輛到達(dá)其上車站點的到站時間而早于對應(yīng)的離站時間，見圖 1。

圖1　乘客上車刷卡時間與車輛到離站時間的關(guān)系示意圖Fig.1　The relationship between boarding time and arrival-departure time

據(jù)此，本文提出以下基于AVL數(shù)據(jù)的上車站點識別(見圖2)方法：對于任意一條公交IC卡刷卡記錄i，以車輛和線路為約束條件，遍歷AVL數(shù)據(jù)中的到離站時間。如果可以找到一組到離站時間(tak，tdk)，使得記錄i的刷卡時間tci滿足式(1)，則該組到離站時間對應(yīng)的站點Sk即為記錄i的上車站點。

(1)

式中：tak為到站時間，tdk為離站時間。

圖2　基于AVL數(shù)據(jù)的上車站點識別Fig.2　Alighting location estimation based on AVL data

在實際運營中，由于車內(nèi)擁擠或乘客行動緩慢(如老年人或帶有大量物品)，不可避免地存在車輛離站后刷卡的現(xiàn)象。同時對于某些大型公交站點，在多輛公交車輛排隊進站時，還可能會出現(xiàn)車輛尚未到站就上下客的情況，從而導(dǎo)致到站前刷卡現(xiàn)象。雖然這部分刷卡記錄的比例一般較低，但是為了提高上車站點的識別率，保證下車站點推導(dǎo)具有良好的數(shù)據(jù)基礎(chǔ)，本文引入2個彈性時間δa和δd(δa，δd>0)，對上車站點識別規(guī)則進行一定的修改，見式(2)。

tak-δa

(2)

2.2公交IC卡數(shù)據(jù)時間修正

大量分析表明，國內(nèi)的公交IC卡數(shù)據(jù)普遍存在時間記錄不準(zhǔn)確的問題。這主要是因為國內(nèi)的公交IC卡車載終端多為離線式，其內(nèi)置時鐘容易發(fā)生偏差，再加上日常維護不到位，時鐘偏差難以得到及時校正。這種時鐘偏差所導(dǎo)致的刷卡時間錯誤，嚴(yán)重影響上車站點識別的準(zhǔn)確性，因此必須予以修正。

如圖 3所示，在正常情況下，公交乘客的刷卡時間應(yīng)該介于對應(yīng)站點的到離站時間之間。當(dāng)公交IC卡的系統(tǒng)時鐘比實際時間快時，會導(dǎo)致部分刷卡時間晚于車輛的離站時間，而當(dāng)公交IC卡的系統(tǒng)時鐘比實際時間慢時，則會導(dǎo)致部分刷卡時間早于車輛的到站時間。根據(jù)前文介紹的上車站點識別方法，刷卡時間落在到離站時間之外，則意味著無法識別上車站點，從而導(dǎo)致上車站點識別率的降低。

圖3　公交IC卡系統(tǒng)與AVL系統(tǒng)的時間差對識別率的影響Fig.3　The influence of time difference between smart card and AVL systems on recognition rate

2.3上車站點識別步驟

上車站點的識別應(yīng)以車輛為單位。對于任意一輛公交車輛，上車站點識別的基本步驟如下。

步驟1。從車輛基礎(chǔ)信息表中讀取待分析公交車輛的車輛編號和車牌號。

步驟2。從公交IC卡原始數(shù)據(jù)中，按照車輛編號提取卡編號、刷卡時間和線路編號等字段構(gòu)成待分析公交IC卡數(shù)據(jù)集，并進行必要的數(shù)據(jù)清洗。

步驟3。從公交車輛的AVL原始數(shù)據(jù)中，按照車牌號提取線路名稱、線路方向、站點名稱、進站時間和出站時間等字段構(gòu)成待分析AVL數(shù)據(jù)集，并對比線路基礎(chǔ)數(shù)據(jù)檢查數(shù)據(jù)記錄的完整性。

步驟4。通過計算確定公交IC卡系統(tǒng)的時間誤差，并以此修正公交IC卡數(shù)據(jù)的刷卡時間；

步驟5。對于任意一條修正時間后的公交IC卡記錄，遍歷AVL數(shù)據(jù)中的進站時間和出站時間，根據(jù)公式(2)確定的規(guī)則進行上車站點識別。

步驟6。重復(fù)步驟5，直至完成最后一條公交IC卡記錄的上車站點識別。

3下車站點推導(dǎo)

在“一票制”收費模式下，公交乘客下車不需要刷卡，因此公交IC卡數(shù)據(jù)中不包含任何與下車相關(guān)的信息，下車站點主要是通過挖掘公交乘客的出行規(guī)律來進行推導(dǎo)。這里需要注意的是，一般認(rèn)為公交IC卡與公交乘客之間是一一對應(yīng)的，但是在“一票制”收費模式下普遍存在為同行人員刷卡付費的現(xiàn)象。一般而言，如果同1卡號在同1車輛上的連續(xù)2條刷卡記錄的時間間隔小于對應(yīng)的站點間行程時間，則可認(rèn)為后1條刷卡記錄即為代刷記錄。本文假設(shè)同行人員之間具有相同的出行路徑，也即代刷記錄的下車站點與同卡號前1條記錄的下車站點相同。

3.1公交出行鏈及其分類

對于下車站點的推導(dǎo)而言，最理想的情況是公交乘客的出行鏈為連續(xù)公交出行鏈，即乘客在1 d出行中全部采用的是公交方式(以及步行)，而沒有使用出租車、小汽車等其他方式。但是在實際出行過程中，難免會使用公交以外的其他交通方式，這樣就產(chǎn)生了不連續(xù)公交出行鏈，見圖4。

圖4　不連續(xù)公交出行鏈?zhǔn)疽鈭DFig.4　Discontinuous public transit trip chain

為了便于描述，筆者將出發(fā)地、目的地和中途換乘點等空間位置稱之為出行節(jié)點，出行節(jié)點之間的位移過程稱之為出行段，出行段和兩端的出行節(jié)點共同構(gòu)成基本鏈。根據(jù)基本鏈之間的位置關(guān)系，將基本鏈分為連續(xù)鏈和非連續(xù)鏈兩大類，其中非連續(xù)鏈又分為尾鏈和孤鏈。如果一條基本鏈后面還有相連的基本鏈，則該基本鏈稱為連續(xù)鏈，如5→1；如果一條基本鏈后面沒有相連的基本鏈，但是前面有相連的基本鏈，則該基本鏈稱為尾鏈，如1→2；如果一條基本鏈前后均沒有相連的基本鏈，則該基本鏈稱為孤鏈，如3→4。

從公交出行鏈的定義可以看到，公交IC卡記錄(不包括代刷記錄)是與基本鏈一一對應(yīng)的，上下車站點則對應(yīng)于出行節(jié)點。因此，可以根據(jù)出行鏈的相關(guān)特性來進行下車站點的推導(dǎo)，但是對于連續(xù)鏈、尾鏈和孤鏈，其下車站點推導(dǎo)方法上存在一定差異。

3.2連續(xù)鏈的下車站點識別

對于連續(xù)鏈，其下車站點與下1條基本鏈的上車站點隸屬同1個出行節(jié)點。傳統(tǒng)的最大步行距離假設(shè)認(rèn)為，同一出行節(jié)點內(nèi)的2個上下車站點之間的距離不超過可接受的最大步行距離(或時間)。但是在實際生活中，最大步行距離應(yīng)該是針對公交站點和目的地(或出發(fā)地)而言的。如圖 5所示的上車站點 和下車站點 ，雖然2個站點之間的距離超過了可接受的最大步行距離 ，但是2個站點到達(dá)其目的地 (也是出發(fā)地)的距離均在可接受的最大步行距離范圍之內(nèi)。

因此，本文對最大步行距離假設(shè)作了進一步推廣，認(rèn)為下1條基本鏈的上車站點在連續(xù)鏈下車站點的可接受步行距離(或時間)范圍之內(nèi)，或下1條基本鏈的上車站點和連續(xù)鏈的下車站點應(yīng)該在某一共同位置的可接受步行距離(或時間)范圍之內(nèi)。根據(jù)以上假設(shè)，在已知下1條線路上車站點的情況下，可以通過計算和比較站點間距離(或時間)逆推上1條線路的下車站點。

圖5　連續(xù)鏈的下車站點識推導(dǎo)Fig.5　The alighting location inference model for continuous public transit trip chain

對于某公交乘客的M(M>1)條刷卡記錄，記第i條刷卡記錄對應(yīng)的公交線路為Li，線路Li上的Ni個站點按照行駛方向依次為Si1，Si2，…，SiNi，第i條刷卡記錄對應(yīng)的上車站點和下車站點分別為Bi和Ai，對應(yīng)的站點編號為bi和ai，則有Bi=Sibi和Ai=Siai。其中，上車站點為已知。對于任意刷卡記錄m，其下車站點Smbm的推導(dǎo)步驟如下。

步驟1。確定待篩選下車站點集合。一般而言，公交乘客可能會在上車之后的任意1個站點下車(包括上車站點)，因此其在當(dāng)前線路Lm上的待篩選下車站點集合應(yīng)為Wm={Smk，k=bm，bm+1，…，Nm}。

步驟2。連續(xù)鏈判斷。記待篩選下車站點集合Wm內(nèi)的任意站點Smk與下1條線路Lm+1(m

(3)

當(dāng)m=M時，即對于最后1條刷卡記錄，其下1條線路為線路L1，相應(yīng)的換乘距離記為d1Mk。

步驟3。確定下車站點。如果待篩選站點集合Wm內(nèi)有且僅有一個站點滿足連續(xù)鏈條件，則該站點即為線路Lm的下車站點Am；如果待篩選站點集合Wm內(nèi)存在多個站點滿足連續(xù)鏈條件，則根據(jù)以下原則篩選：

1) 步行距離最短，即公交乘客總是希望換乘步行距離最短。

2) 車內(nèi)時間最短，即當(dāng)多個站點的換乘步行距離相同時，乘客會在靠前的站點(下標(biāo)小的站點)下車，以減少總的出行時間。

3.3非連續(xù)鏈的下車站點推導(dǎo)

當(dāng)公交IC卡記錄不滿足式(3)的連續(xù)鏈條件，或M=1，也即對應(yīng)刷卡記錄為非連續(xù)鏈時，一般是通過歷史數(shù)據(jù)中的類似出行來進行下車站點的推導(dǎo)。如圖 6所示，乘客在第n日有1次孤鏈出行，通過歷史數(shù)據(jù)查詢，發(fā)現(xiàn)其在第n-2日的相近時段在相同站點乘坐了同一路公交線，則可以認(rèn)為2次出行的下車站點是一致的。由于居民出行的不確定性，孤鏈和尾鏈的下車站點推導(dǎo)很有可能會失敗。

需要注意的是，孤鏈和尾鏈?zhǔn)窍鄬Φ摹Ｍㄟ^適當(dāng)調(diào)整研究時間范圍，孤鏈和尾鏈有可會能轉(zhuǎn)變?yōu)檫B續(xù)鏈。如圖7所示的1條跨天閉合的出行鏈，在第n日，1→2是1條孤鏈；而在第n+1日，4→1是1條尾鏈。但是從整個出行鏈上來看，1→2和4→1均轉(zhuǎn)變?yōu)檫B續(xù)鏈。因此，在進行非連續(xù)鏈的下車站點推導(dǎo)時，應(yīng)首先判斷其是否能夠通過第n±1日的公交IC卡數(shù)據(jù)轉(zhuǎn)變?yōu)檫B續(xù)鏈。但是，如果這條非連續(xù)鏈不是第n日的最后1條基本鏈，可以排除轉(zhuǎn)變?yōu)檫B續(xù)鏈的可能。

圖6　非連續(xù)鏈的下車站點識推導(dǎo)Fig.6　The alighting location inference model for discontinuous public transit trip chain

圖7　不同時間尺度下的公交出行鏈Fig.7　Public transit trip chain at different time scales

綜上所述，可以得到如圖8所示的下車站點推導(dǎo)流程。

圖8　下車站點推導(dǎo)流程Fig.8　The process of alighting location inference

4實例研究

4.1上車站點識別

圖9　各站點上客人數(shù)分布圖Fig.9　Number of boardings at each stop

根據(jù)上車站點識別結(jié)果，統(tǒng)計得到該車輛在沿線各站點的上車人數(shù)分布，見圖 9。

4.2下車站點推導(dǎo)

筆者以某公交IC卡卡號(普通卡)為例，按照圖 8所示的下車站點推導(dǎo)流程來進行下車站點的推導(dǎo)：首先，根據(jù)連續(xù)鏈條件可以判斷，第2條、第6條刷卡記錄屬于尾鏈，第9條刷卡記錄屬于孤鏈，且這3條基本鏈均無法通過跨日組合來轉(zhuǎn)變?yōu)檫B續(xù)鏈，因此無法進行下車站點推導(dǎo)。然后對于其他刷卡記錄，按照下1次出行的上車站點在上1次出行的起點的可接受步行范圍內(nèi)的假設(shè)，均可以查找到合適的站點，也即下車站點都可以推導(dǎo)出來，具體結(jié)果見表 3。

僅從刷卡記錄來看，該乘客的出行時間和乘坐線路都比較固定，基本可以判斷屬于通勤出行。而下車站點推導(dǎo)結(jié)果驗證了這種判斷。該乘客工作日的一般出行情況是：08：00～08：30時之間從越溪首末站南乘坐55路到東吳塔站上班，17：00～17：30時之間從東吳塔站乘坐55路返回越溪首末站附近的家，或者從東吳塔站乘坐62路去某個地方(無法推導(dǎo))，然后再采用其他交通方式回家。

表3　下車站點識別結(jié)果

5結(jié)束語

筆者從上車站點識別和下車站點推導(dǎo)2個方面，對基于公交IC卡和AVL數(shù)據(jù)的公交客流OD推導(dǎo)算法進行了系統(tǒng)梳理和改進。通過公交IC卡和AVL數(shù)據(jù)融合，提出了公交IC卡數(shù)據(jù)時間修正方法，從而提高了上車站點識別的準(zhǔn)確性。針對連續(xù)鏈和非連續(xù)鏈之間的特性差異，分別建立不同的下車站點推導(dǎo)模型，并以此為基礎(chǔ)，優(yōu)化了下車站點推導(dǎo)流程。以蘇州市的公交IC卡和AVL數(shù)據(jù)為例，對改進后的公交客流OD推導(dǎo)算法進行了實例研究。結(jié)果表明，所提出的公交客流OD推導(dǎo)算法流程清晰明了，操作實現(xiàn)簡單，推導(dǎo)結(jié)果合理，已經(jīng)能夠滿足公交客流自動分析的需求。

但由于數(shù)據(jù)條件限制，難以獲取與公交IC卡數(shù)據(jù)采集時間相近的居民出行OD數(shù)據(jù)，僅能通過有限的實例推導(dǎo)結(jié)果的合理性來間接驗證推導(dǎo)算法的有效性。下一步工作的研究重點是，通過可靠的公交乘客出行OD調(diào)查來對公交客流OD推導(dǎo)算法進行系統(tǒng)的驗證和進一步的完善。

參考文獻

[1]陳學(xué)武，戴 霄，陳 茜. 公交IC卡信息采集、分析與應(yīng)用研究[J].土木工程學(xué)報，2004，37(2)：105-110.

CHEN Xuewu, DAI Xiao, CHEN Qian. Approach on the information collection, analysis and application of bus intelligent card[J].China Civil Engineering Journal, 2004, 37(2):105-110. (in Chinese)

[2]BAGCHI M, WHITE P R. The potential of public transport smart card data[J].Transport Policy, 2005, 12(5): 464-474.

[3]師富民. 基于IC卡數(shù)據(jù)的公交OD矩陣構(gòu)造方法研究[D].長春：吉林大學(xué)，2004.

SHI Fumin. The research of the method of generating the public transport travel OD matrix based on the data of IC card[D].Changchun: Jilin University, 2004. (in Chinese)

[4]尹長勇，陳艷艷，陳紹輝. 基于聚類分析方法的公交站點客流匹配方法研究[J].交通信息與安全，2010，28(3)：21-24.

YIN Changyong, CHEN Yanyan, CHEN Shaohui. Bus station passenger matching method based on cluster analysis method[J].Journal of Transport Information and Safety, 2010, 28(3): 21-24. (in Chinese)

[5]陳崢嶸. 智能公共交通系統(tǒng)數(shù)據(jù)分析方法與應(yīng)用研究[D].南京：東南大學(xué)，2012.

CHEN Zhengrong. Study on intelligent public transportation system data analysis methods and applications[D].Nanjing: Southeast University, 2012. (in Chinese)

[6]侯 艷，何 民，張生斌. 基于公交IC卡刷卡記錄的居民出行OD推算方法研究[J].交通信息與安全，2012(06)：109-114.

HOU Yan, HE Min, ZHANG Shengbin. Origin-destination matrix estimation method based on bus smart card records[J].Journal of Transport information and Safety, 2012, 30(6): 109-114. (in Chinese)

[7]CUI A. Bus passenger origin-destination matrix estimation using automated data collection system[D].Boston: Massachusetts Institute of Technology, 2006.

[8]章 威，徐建閩. 基于GPS與IC卡的公交OD量采集方法[J].交通與計算機，2006，24(2)：21-23.

ZHANG Wei, XU Jianmin. Approach to collection of bus OD matrix based on GPS and bus intelligent card[J].Computer and Communications, 2006, 24(2): 21-23. (in Chinese)

[9]ZHAO J. The planning and analysis implications of automated data collection systems: rail transit OD inference and path choice modeling examples[D].Boston: Massachusetts Institute of Technology, 2004.

[10]TRéPANIER M, TRANCHANT N, CHAPLEAU R. Individual trip destination estimation in a transit smart card automated fare collection system[J].Journal of Intelligent Transportation Systems, 2007, 11(1): 1-14.

[11]李海波，陳學(xué)武. 基于公交IC卡和AVL數(shù)據(jù)的換乘行為識別方法[J].交通運輸系統(tǒng)工程與信息，2013，13(06)：73-79.

LI Haibo, CHEN Xuewu. A method to identify public transit transfers based on IC and AVL data[J].Journal of Transportation Systems Engineering and Information Technology, 2013, 13(6): 73-79. (in Chinese)

[12]吳祥國. 基于公交IC卡和GPS數(shù)據(jù)的居民公交出行OD矩陣推導(dǎo)與應(yīng)用[D].濟南：山東大學(xué)，2011.

WU Xiangguo. Urban public transportation trip OD matrix inference and application based on bus IC card data and GPS data[D].Jinan: Shandong University, 2011. (in Chinese)

[13]陳學(xué)武，李海波，侯現(xiàn)耀. 城市公交IC卡數(shù)據(jù)分析方法及應(yīng)用[M].北京：科學(xué)出版社，2014.

CHEN Xuewu, LI Haibo, HOU Xianyao. Analysis and application of urban public transit smart card data[M].Beijing: Science Press,2014. (in Chinese)

A Method for Estimating Origin-destination Matrix of

Public Transit Based on Smart Card and AVL Data

LI Haibo1,2CHEN Xuewu1,2▲CHEN Zhengrong3

(1.JiangsuKeyLaboratoryofUrbanITS,SoutheastUniversity,Nanjing210096,China;

2.JiangsuProvinceCollaborativeInnovationCenterofModernUrbanTrafficTechnologies,

Nanjing210096,China;

3.JiangsuInstituteofUrbanPlanningandDesign,Nanjing210036,China)

Abstract：The use of automated fare collection (AFC) systems and automated vehicle location (AVL) systems provides a new way to obtain origin-destination (OD) matrix of public transit. In order to improve existing algorithms, this paper develops an improved algorithm for estimating the OD matrix of public transit using smart card and AVL data, which mainly consists of boarding and alighting location data. Based on analysis of AFC data of public transit passengers, a time correction model for smart card data is developed using the AVL data, in order to improve the accuracy of boarding locations. To optimize the inference of alighting locations, this paper divides trip chains of public transit into 2 major types, continuous and discontinuous, then proposes specific alighting inference models for them according to their distinguish characteristics. The improved algorithm is applied to study the smart card and AVL data from the City of Suzhou, and its feasibility and validity is validated by the rationality of the results indirectly. The results show that the improved algorithm has an effective progress and easy to be programmed. It can be used to automate the analysis of passenger flows of public transit.

Key words：big data; public transit OD; smart card data; AVL data; boarding location; alighting location

通信作者：▲陳學(xué)武(1968-)，博士，教授.研究方向：城市公共交通系統(tǒng)規(guī)劃與管理、公交優(yōu)先保障體系、公交線網(wǎng)優(yōu)化技術(shù).E-mail: chenxuewu@seu.edu.cn

作者簡介：第一李海波(1987-)，博士研究生.研究方向：城市公共交通系統(tǒng)規(guī)劃與管理、公交系統(tǒng)大數(shù)據(jù)挖掘.E-mail: jslihaibo@foxmail.com

收稿日期：2015-10-07修回日期：2015-11-16

中圖分類號：U491.1

文獻標(biāo)志碼：A

doi：10.3963/j.issn 1674-4861.2015.06.005