楊萬波，王 昊，葉曉飛，徐闖闖,姜冬雪

(1.深圳市城市交通規(guī)劃設(shè)計研究中心，廣東 深圳 518021；2.東南大學(xué) 城市智能交通江蘇省重點實驗室，江蘇 南京 210096；3.現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，江蘇 南京210096；4.寧波大學(xué) 海運學(xué)院，浙江 寧波315211)

?

基于GPS和IC卡數(shù)據(jù)的公交出行OD推算方法

楊萬波1,2，王 昊2,3，葉曉飛4，徐闖闖1,2,姜冬雪2,3

(1.深圳市城市交通規(guī)劃設(shè)計研究中心，廣東 深圳 518021；2.東南大學(xué) 城市智能交通江蘇省重點實驗室，江蘇 南京 210096；3.現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心，江蘇 南京210096；4.寧波大學(xué) 海運學(xué)院，浙江 寧波315211)

主要基于GPS和公交IC卡數(shù)據(jù)研究推算交通小區(qū)公交出行OD的一種方法。將居民公交出行分為閉合型出行鏈和非連續(xù)型公交出行鏈，通過數(shù)據(jù)的挖掘融合技術(shù)，結(jié)合居民公交出行規(guī)律推算交通小區(qū)的公交OD矩陣，利用站點吸引強度對無明顯規(guī)律的紊亂出行數(shù)據(jù)進行修正，提出了基于GPS和公交IC卡數(shù)據(jù)推算公交出行交通小區(qū)OD的方法，并以佛山市中心城區(qū)為例驗證推算方法的可靠性。研究表明：所得公交出行OD矩陣精度較高。

交通工程；GPS數(shù)據(jù)；IC卡數(shù)據(jù)；交通小區(qū)OD；數(shù)據(jù)融合；聚類分析；吸引強度

0 引 言

眾所周知，通過傳統(tǒng)的人工調(diào)查法獲取公交出行OD需要耗費大量的人力、物力，實際操作也相對復(fù)雜，調(diào)查過程受多方面因素的影響，所得數(shù)據(jù)的精度很難保證。近年來，隨著GPS系統(tǒng)和公交IC卡的應(yīng)用，為公交出行特性分析、公交出行OD的獲取提供了新的思路。

戴宵，等[1]首先提出基于IC卡進行客流特征分析的思想；徐建閩,等[2]提出了基于GPS和IC卡數(shù)據(jù)獲取單線公交OD的方法；吳祥國[3]提出獲取公交站點OD的基本方法，通過站點的聚類、累加獲取交通小區(qū)的公交OD；尹長勇，等[4]通過推算站點間運行時間，建立匹配約束規(guī)則完成站點的匹配。以上研究都是先獲取基于站點的公交OD，然后將站點歸類于小區(qū)獲得交通小區(qū)間的公交出行OD矩陣。高峰期經(jīng)常出現(xiàn)站外上下客即站外刷卡的現(xiàn)象，因此需要確定合適的坐標差才能滿足系統(tǒng)數(shù)據(jù)融合的需求，對于公交站點繁多的大中城市來說，部分刷卡坐標將會匹配到非實際出行站點，如果持卡乘客實際出行站點同匹配到的非實際站點隸屬于同一個交通小區(qū)，那么基于交通小區(qū)的OD矩陣不受影響；如果實際出行站點與匹配到的非實際出行站點不在同一個交通小區(qū)內(nèi)部，那么本次出行的交通小區(qū)OD矩陣會產(chǎn)生誤差。此種誤差的不可控性將影響基于站點OD的精度，進而影響基于交通小區(qū)的OD矩陣的準確性?，F(xiàn)階段并未提出修正所得公交OD的方法。為了避免上述誤差，筆者跳過基于站點公交OD的確定過程，通過IC卡刷卡的實際坐標位置與交通小區(qū)的區(qū)域建立歸屬關(guān)系，通過MATLAB程序獲取基于交通小區(qū)的公交OD，同時提出基于站點吸引強度的公交OD修正方法，提高OD的精度。

1 數(shù)據(jù)準備

數(shù)據(jù)來源于佛山市GPS和IC卡數(shù)據(jù)，在數(shù)據(jù)融合之前，需要對兩個系統(tǒng)的數(shù)據(jù)進行預(yù)處理，獲得所需數(shù)據(jù)格式。GPS系統(tǒng)包括終端ID、GPS系統(tǒng)時間、接收時間、經(jīng)緯度、公交車瞬時速度等數(shù)據(jù)；IC卡系統(tǒng)包括卡號、卡類型、刷卡時間、線路號、車牌號等數(shù)據(jù)。通過對兩系統(tǒng)數(shù)據(jù)的預(yù)處理，可獲得基礎(chǔ)數(shù)據(jù)如表1。此外，還需獲得公交車牌號與GPS終端ID間的對應(yīng)關(guān)系，對上述3組數(shù)據(jù)的融合所預(yù)期達到的數(shù)據(jù)形式如表2。至此，可確定任意一張IC卡的刷卡位置信息(即上車站點的經(jīng)緯度)。

表1 GPS與IC卡基礎(chǔ)數(shù)據(jù)字段

表2 GPS與IC卡數(shù)據(jù)融合后數(shù)據(jù)

2 交通小區(qū)OD的推算

2.1 確定交通小區(qū)的邊界坐標

根據(jù)規(guī)劃區(qū)域用地性質(zhì)、人口規(guī)模、行政區(qū)劃以及天然屏障將規(guī)劃區(qū)域劃分成若干個交通小區(qū)并依此編號為1，2，…，n，其中交通小區(qū)的邊界包括兩種類型：①邊界全部為直線的多邊形；②至少存在一個邊界為曲線的多邊形，如圖1。

圖1 交通小區(qū)邊界類型

對于第1類交通小區(qū)，只需找到對應(yīng)的邊界頂點的坐標(即經(jīng)緯度)，即可確定交通小區(qū)的區(qū)域邊界。需要注意的是在數(shù)據(jù)記錄的過程中需要完成A-B-C-D-E-A的記錄過程，保證區(qū)域的封閉性。數(shù)據(jù)格式如表3。

表3 交通小區(qū)數(shù)據(jù)格式

注：LO代表經(jīng)度值，LA代表緯度值

對于第2類交通小區(qū)，如圖1，A1D1邊為曲線，因此在確定交通小區(qū)區(qū)域過程中需要在邊A1D1上多取若干個點保證交通小區(qū)邊界的準確性。邊界A1D1上取的點越多區(qū)域越準確，記錄坐標仍要保證區(qū)域的封閉性，從起點開始，以起點結(jié)束，所得數(shù)據(jù)格式如表3。

2.2 確定刷卡坐標信息

公交IC卡只記錄刷卡時間、卡類型、余額以及車牌號等相關(guān)數(shù)據(jù)，而不能記錄刷卡的站點信息，公交車GPS數(shù)據(jù)恰好記錄公交車的位置信息。因此可通過車牌號和時間兩個關(guān)聯(lián)字段將IC卡數(shù)據(jù)和GPS數(shù)據(jù)進行融合，獲得公交IC卡刷卡的時間和位置信息，為公交OD的獲取提供基礎(chǔ)數(shù)據(jù)。

第1步，基于車牌號與GPS終端ID的一一對應(yīng)關(guān)系，在IC卡數(shù)據(jù)中添加字段GPS終端ID，處理后數(shù)據(jù)格式如表4。

表4 車牌號與GPS終端ID融合數(shù)據(jù)

第2步，通過時間字段將表4數(shù)據(jù)與GPS數(shù)據(jù)進行融合匹配，獲得IC卡刷卡的坐標信息。實際應(yīng)用過程中，由于GPS的系統(tǒng)時間與IC卡的系統(tǒng)時間存在誤差，因此需要對GPS數(shù)據(jù)進行校核。假設(shè)兩個系統(tǒng)的時間誤差為ΔT，GPS系統(tǒng)接收時間減去ΔT為新的接收時間。IC卡數(shù)據(jù)與GPS數(shù)據(jù)的融合過程需要進行兩次判斷，第1次判斷GPS終端ID是否相同，若相同則進行第2次判斷，即判斷刷卡時間和新的接收時間是否相同，若相同則記錄該條GPS數(shù)據(jù)的經(jīng)緯度信息，獲得表2數(shù)據(jù)。

結(jié)合交通小區(qū)區(qū)域的坐標以及IC卡刷卡時的坐標位置，通過程序判斷乘客刷卡上車的交通小區(qū)，并記錄交通小區(qū)的編號(即為O點)，將小區(qū)編號寫入表2形成表5。

表5 公交出行起始小區(qū)數(shù)據(jù)

公交IC卡采用單次上車刷卡的方式，每次刷卡的位置即為公交出行的起點，因此需要根據(jù)居民的出行規(guī)律確定公交出行下車的位置，完成OD對的獲取。根據(jù)居民的出行特征可將居民出行鏈分為閉合型公交出行鏈和非連續(xù)型公交出行鏈[5-6]；閉合出行鏈第1次公交出行的起始站點即為該天最后1次公交出行的終點，非連續(xù)出行鏈的最后1次公交出行的終點不滿足上述規(guī)律，存在一定的隨機性，出行終點較難確定[7-8]。

第1步，閉合出行鏈公交OD的獲取。

分別對表5數(shù)據(jù)按照IC卡號字段和刷卡時間字段進行排序，1天中任一張IC卡的刷卡次數(shù)n(n≥1)，每一次刷卡記錄都為1次出行的起點，第n+1次出行的位置即為第n次出行的終點[9]，根據(jù)這個規(guī)律可形成OD對nA-(n+1)A(nA表示第n次刷卡的小區(qū)編號)，完成公交出行的初次OD配對，初次配對如表6。

表6 公交出行初次OD配對

第2步，確定IC卡最后1次刷卡的出行終點(D點)，完成基于交通小區(qū)的公交出行矩陣的推算。

具體方法如下：選取星期一至星期五共5天工作日公交出行的IC卡數(shù)據(jù)和GPS數(shù)據(jù)進行分析，可發(fā)現(xiàn)公交IC出行數(shù)據(jù)分為兩類：工作通勤出行數(shù)據(jù)和無明顯出行規(guī)律的紊亂數(shù)據(jù)。工作通勤出行數(shù)據(jù)指的是持卡人工作日出現(xiàn)兩次及兩次以上在相近的時間和空間內(nèi)出行的記錄，刷卡出行的時間和空間具有相似性。無明顯出行規(guī)律數(shù)據(jù)定義為連續(xù)3個以上的工作日刷卡的時間和空間分布均呈現(xiàn)較強的離散性。工作通勤出行為閉合的出行鏈，滿足兩站點模型[10-11]，即第n次出行的終點為第(n+1)的起點，第(n+1)次出行的終點為第1次出行的起點；公交IC卡無明顯出行規(guī)律的紊亂數(shù)據(jù)可依據(jù)GPS數(shù)據(jù)記錄的公交車方向字段以及IC卡數(shù)據(jù)記錄的公交線路字段判斷最后1次公交出行的終點，判斷方法為對比最后1次和倒數(shù)第2次公交出行的線路和方向，若刷卡的線路相同且GPS數(shù)據(jù)顯示的公交車的行駛方向相反，則說明最后1次公交出行終點為倒數(shù)第2次出行的起點；其他數(shù)據(jù)為無法判斷出行終點數(shù)據(jù)，記錄數(shù)據(jù)的線路和上車站點，最終通過站點吸引強度模型對所得OD矩陣進行修正。

(1)

(2)

(3)

式中:pkj(Xi)表示第j天第k次刷卡的坐標；Δm表示第(j+1)天與第j天第k次刷卡坐標差的絕對值，m=1，2，…，k；Δavg為Δm的平均值；p表示概率；tkj(Xi)表示第j天第k次刷卡的時間； Δtm表示第(j+1)天與第j天第k次刷卡時間之差的絕對值，m=1，2，…，k；Δtavg為Δtm的平均值。

第2次聚類的原則為：

(4)

式中：l(n)表示第n次出行所乘坐公交車的線路號；d(n)表示第n次出行的方向。

對于C21數(shù)據(jù)，任意一張公交IC卡的最后兩次刷卡的位置互為起訖點。

經(jīng)過上述兩次聚類之后，可完成GPS數(shù)據(jù)與公交IC卡數(shù)據(jù)推算公交出行OD的過程。

第3步，對所得公交OD進行擴樣，所得矩陣稱為初始OD矩陣。居民是否持有IC卡是隨機的，因此樣本可根據(jù)持卡乘客的比例進行擴樣。公交運營總收入STOTAL，公交刷卡收費總額為SIC，公交刷卡優(yōu)惠為α?？赏扑愠龀挚ǔ鲂谐丝驼伎偝鲂辛康谋壤?/p>

(5)

2.3 公交OD矩陣修正方法

筆者提出基于公交站點吸引強度對所得公交OD進行修正，主要針對聚類后紊亂數(shù)據(jù)中的非可用數(shù)據(jù)。研究表明公交站點吸引強度與發(fā)生強度基本平衡，因此可用站點的發(fā)生強度等價替換站點的吸引強度。根據(jù)IC卡刷卡上車的站點，可統(tǒng)計得任一條線路各個站點的上車人數(shù)，由此計算站點的吸引強度為：

(6)

式中：Si表示線路第i站上車人數(shù)。

乘客下車的概率Pij與公交平均公交出行的站數(shù)和站點的吸引強度Pi有關(guān),居民公交出行的乘站數(shù)主要集中在一定的范圍內(nèi)，統(tǒng)計經(jīng)驗表明，在固定的行駛方向上，公交乘站數(shù)近似符合泊松分布[6]：

(7)

式中：Zij表示乘客第i站上車第j站下車的概率；λ表示公交出行的平均乘站數(shù)，當i站以后的站點數(shù)目<λ時，λ=(n-λ)，n為單線公交站點總數(shù)。

由此可以構(gòu)造出站點i上車站點j下車的概率為：

(8)

至此，可得任意i站上車j站下車的乘客總數(shù)：

Mij=Si×Pij

(9)

上述修正方法對非可用紊亂數(shù)據(jù)處理后可得到1個Mij(m×m)公交OD矩陣，m表示公交站點總數(shù)，將此公交OD修正矩陣轉(zhuǎn)化為小區(qū)級公交OD矩陣補充到初始OD矩陣即完成公交出行矩陣的修正過程。

3 案例分析

筆者以佛山市中心城區(qū)為例，中心城區(qū)小區(qū)劃分共77個，合并大區(qū)8個，根據(jù)上述推算方法利用MATLAB得出表7數(shù)據(jù)，表8為抽樣居民出行調(diào)查所得數(shù)據(jù)，表9數(shù)據(jù)顯示每一個OD對算法結(jié)果與實地調(diào)查結(jié)果間的誤差；對比兩表數(shù)據(jù)可知49組OD對間平均誤差為2.35%，方差為1.82×10-4，誤差波動幅度很小,具有較好的數(shù)據(jù)參考價值。

表7 算法所得OD

表8 居民出行調(diào)查OD

表9 OD誤差分析

4 結(jié) 語

基于GPS數(shù)據(jù)和公交IC卡數(shù)據(jù)，通過數(shù)據(jù)融合以及數(shù)據(jù)聚類算法，獲得基于交通小區(qū)的工作通勤OD，并通過公交站點吸引強度對公交OD矩陣進行修正，保障了數(shù)據(jù)的精度，彌補了現(xiàn)有公交IC數(shù)據(jù)記錄的不足。以佛山市公交IC卡和GPS數(shù)據(jù)為例對推算方法進行驗證，所得公交OD矩陣平均誤差為2.35%，誤差波動性較小，數(shù)據(jù)可滿足城市交通管理與規(guī)劃的精度要求，具有較好的實用價值，可為城市公共交通的管理、規(guī)劃以及線網(wǎng)的優(yōu)化提供數(shù)據(jù)參考。

[1] 戴宵,陳學(xué)武.單條公交線路的IC卡數(shù)據(jù)分析處理方法[J].城市交通,2005,3(4):73-76. Dai Xiao,Chen Xuewu.The method of intelligent gard data analysis for one public transportation route[J].Urban Transport of China,2005,3(4):73-76.

[2] 徐建閔,熊文華,游峰.基于GPS和IC卡的單線公交OD生成方法[J].微計算機信息,2008,24(22):221-222. Xu Jianmin,Xiong Wenhua,You Feng.The method of singal-line public transportation OD base on GPS and intelligent card[J].Microcomputer Information,2008,24(22):221-222.

[3] 吳祥國.基于公交IC卡和GPS數(shù)據(jù)的居民公交出行OD舉證推導(dǎo)與應(yīng)用[D].濟南:山東大學(xué),2008. Wu Xiangguo.Urban Public Transportation Trip OD Matrix Inference and Application based on Bus IC Card Data and GPS Data[D].Jinan:Shandong University,2008.

[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.

[5] 周銳.基于IC卡數(shù)據(jù)的公交站點客流推算方法[D].北京:北京交通大學(xué),2012. Zhou Rui.Passenger Flow Calculation for Bus Stations Based on IC Card Data [D].Beijing:Beijing Jiaotong University,2012.

[6] 竇慧麗,劉好德,楊曉光.基于站點上下客人數(shù)的公交客流OD反推方法研究[J].交通與計算機,2007,25(2):79-82. Dou Huili,Liu Haode,Yang Xiaoguang.OD matrix estimation method of public transportation flow based on passenger boarding and alighting [J].Computer and Communications,2007,25(2):79-82.

[7] 戴維.基于IC卡數(shù)據(jù)和公交車GPS信息的公交OD矩陣推算[D] .武漢:華中科技大學(xué),2009. Dai Wei.Transit OD Matrix Reckoning Based on IC Card Data and Bus GPS Information[D].Wuhan:Huazhong University of Science & Technology,2009.

[8] 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.

[9] 舒國輝.基于數(shù)據(jù)挖掘的公交客流規(guī)律研究[D].北京:北京交通大學(xué),2009. Shu Guohui.The Research on the Rules of Public Transport Passenger Flow Based on Data Mining[D].Beijing:Beijing Jiaotong University,2009.

[10] 吳子嘯,任西鋒,胡靜宇.基于GPS數(shù)據(jù)和IC卡數(shù)據(jù)的綜合交通建模新思路[J].城市交通,2011(1):47-51. Wu Zixiao.Ren Xifeng,Hu Jingyu.Comprehensive transportation modeling with information from GPS and IC card on public transit vehicles [J].Urban Transport of China,2011(1):47-51.

[11] 周濤,翟長旭,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(3):48-52. Zhou Tao,Zhai Changxu,Gao Zhigang.Approaching bus OD matrices based on data reduced from bus IC cards [J].Urban Transport of China,2007(3):48-52.

[12] 于勇,鄧天民,肖裕民.一種新的公交乘客上車站點確定方法[J].重慶交通大學(xué)學(xué)報:自然科學(xué)版,2009,28 (1):121-125. Yu Yong,Deng Tianmin,Xiao Yumin.A novel method of confirming the boarding station of bus holders[J].Journal of Chongqing Jiaotong University:Natural Science,2009,28(1):121-125.

OD Matrix Inference for Urban Public Transportation Trip Based on GPS and IC Card Data

Yang Wanbo1,2,Wang Hao2,3, Ye Xiaofei4, Xu Chuangchuang1,2, Jiang Dongxue2,3

(1.Shenzhen Urban Transport Planning Center,Shenzhen 518021,Guangdong, China; 2. Jiangsu Key Laboratory of Urban ITS, Southeast University, Nanjing 211189, Jiangsu, China; 3. Jiangsu Province Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing 200096,Jiangsu, China;4. Faculty of Maritime and Transportation, Ningbo University, Ningbo 315211, Zhejiang, China)

A method for estimation public transportation traffic zone OD was developed based on GPS data and IC card data. Public transportation will be divided into a closed-trip chain and a non-continuous trip chain. On this basis, the estimation of public transportation traffic OD can be calculated by integrating data mining technology and community residential transit trip rules. The appeal strength of bus stop was used to revise the disorder trip data. A method was proposed to calculate public transportation traffic zone OD based on GPS data and IC card data，and the data of Foshan center city was cited as an example to verify the reliability of this calculation method. On the whole, this method has realized the estimation of high precision trip OD matrix and it can be applied to urban transportation planning and management.

traffic engineering; GPS data; IC card data; traffic zone OD; data mining technology; cluster analysis; appeal strength

10.3969/j.issn.1674-0696.2015.03.24

2013-12-21；

2014-03-02

國家863計劃項目(2012AA112304)

楊萬波(1989—)，男，安徽泗縣人，碩士，主要從事交通流理論、公交規(guī)劃方面的研究。E-mail：wanboymin@163.com。

U491.1

A

1674-0696(2015)03-117-05