李文鋒，林艷玲，程 遠(yuǎn)，林小偉，王樺泉

(廈門衛(wèi)星定位應(yīng)用股份有限公司，福建 廈門 361000)

隨著城市化建設(shè)的不斷加快，日益增長的交通需求同相對滯后的交通供給之間的矛盾越發(fā)突出，交通擁擠、環(huán)境污染、交通安全事故等問題普遍存在于各個城市之中。發(fā)展方便快捷的城市公共交通，使其成為廣大出行人群的首選是解決上述問題的關(guān)鍵?？茖W(xué)的公交調(diào)度與合理的線網(wǎng)規(guī)劃促使公共交通系統(tǒng)高效運(yùn)營，而公交調(diào)度和線網(wǎng)規(guī)劃都依賴于對客流全面、準(zhǔn)確的分析和預(yù)測。因此，基于公交IC卡刷卡大數(shù)據(jù)，結(jié)合公交GPS數(shù)據(jù)對客流進(jìn)行精準(zhǔn)預(yù)測分析具有重要意義。

國內(nèi)外研究學(xué)者已經(jīng)對交通領(lǐng)域客流預(yù)測算法展開深入研究，如對地面公交和軌道交通的客運(yùn)總量、區(qū)間斷面流量和車站進(jìn)出站客流等客流指標(biāo)進(jìn)行研究和預(yù)測，郭娟等提出了“四階段法”對交通需求進(jìn)行預(yù)測，通過居民的出行調(diào)查，掌握居民全方位的出行分布；謝英豪等提出了有向圖方法統(tǒng)計斷面客流；周高衛(wèi)等運(yùn)用TransCAD計算機(jī)仿真進(jìn)行客流量分配和客流計算，得到預(yù)測年各項(xiàng)客流指標(biāo)；楊軍等利用灰色馬爾科夫算法模型對大型活動客流特征進(jìn)行預(yù)測分析。

不同的學(xué)者考慮到的客流因素不盡相同，提出的算法雖然在一定程度上達(dá)到分析預(yù)測效果，但針對的客流分析點(diǎn)大多單一，未能利用多元的數(shù)據(jù)對客流進(jìn)行多點(diǎn)綜合分析。本文將多元的公交IC卡刷卡數(shù)據(jù)與公交車輛的GPS數(shù)據(jù)相結(jié)合，優(yōu)化目前現(xiàn)有的客流分析算法，結(jié)合概率論模型、聚類分析模型、回歸分析模型、平滑預(yù)測模型對公交站點(diǎn)客流、客流OD、乘客候車時長、公交運(yùn)力、客流堆積以及公交發(fā)車間隔進(jìn)行多維度的客流綜合分析和預(yù)測，從多方面體現(xiàn)公交客流特征與規(guī)律。

1 原始數(shù)據(jù)采集與預(yù)處理

1.1 原始數(shù)據(jù)采集

原始數(shù)據(jù)主要有海量公交IC卡刷卡數(shù)據(jù)、公交車GPS定位數(shù)據(jù)，以及輔助中間表，如站點(diǎn)信息表、線路信息表、終端設(shè)備信息表等。

1.1.1 公交IC卡刷卡數(shù)據(jù)采集

隨著公共交通系統(tǒng)的日益完善，公交線路延長、覆蓋范圍擴(kuò)大，一票制已逐漸不能滿足需求，通過乘客上車刷卡與下車刷卡的方式來計價的無人售票分段收費(fèi)制將成為主要手段。本文提出的研究針對乘客上車刷卡與下車刷卡的無人售票分段制，不包括沒有下車刷卡的數(shù)據(jù)處理。本文的研究方法采集分段收費(fèi)制的IC卡刷卡數(shù)據(jù)，數(shù)據(jù)來源為公交集團(tuán)及城市公交卡相關(guān)公司，一手?jǐn)?shù)據(jù)保證數(shù)據(jù)來源的可靠性。公交IC卡原始刷卡數(shù)據(jù)主要字段包括：卡號、交易額、網(wǎng)點(diǎn)號、終端號、交易類型、交易時間。采集而來的原始刷卡數(shù)據(jù)如表1所示。

表1 公交IC卡數(shù)據(jù)

1.1.2 公交車GPS數(shù)據(jù)

GPS數(shù)據(jù)來源于公交車臺上報的實(shí)時定位數(shù)據(jù)，精準(zhǔn)記錄了車輛的運(yùn)行軌跡，主要字段包括終端號、GPS時間、進(jìn)出站類型、線路編號、站點(diǎn)序號、上下行。

表2 公交車GPS數(shù)據(jù)

1.2 數(shù)據(jù)預(yù)處理

1.2.1 數(shù)據(jù)清洗

為更好地提高數(shù)據(jù)分析結(jié)果的準(zhǔn)確度，適應(yīng)模型構(gòu)建和分析，必須將采集而來的數(shù)據(jù)進(jìn)行清洗、融合、變換和歸約等預(yù)處理操作，矯正異常數(shù)據(jù)。

由于城市公交線路繁多且數(shù)量龐大，公交的運(yùn)營由不同公交公司分管，采集而來的數(shù)據(jù)缺乏統(tǒng)一規(guī)范，加上乘客使用的城市IC卡多種多樣，包括普通卡、老人卡、異型卡、學(xué)生卡等，這些IC卡的卡號又包括卡內(nèi)號和卡面號，需要使用IC卡固有的卡號轉(zhuǎn)換規(guī)則對卡號統(tǒng)一，規(guī)范數(shù)據(jù)，將IC卡的卡號轉(zhuǎn)換成同一類型。

公交IC卡刷卡數(shù)據(jù)可能因?yàn)樗⒖▌幼骱徒K端環(huán)境等方面的影響而產(chǎn)生異常數(shù)據(jù)，這些數(shù)據(jù)如果不清洗排除，可能對分析結(jié)果的準(zhǔn)確性造成影響，數(shù)據(jù)異常包括：噪音數(shù)據(jù)、不完整數(shù)據(jù)、冗余數(shù)據(jù)、錯誤數(shù)據(jù)等。

冗余數(shù)據(jù)和錯誤數(shù)據(jù)會對結(jié)果產(chǎn)生誤導(dǎo)影響，不能作為分析數(shù)據(jù)，如內(nèi)部員工的刷卡數(shù)據(jù)、同站進(jìn)出刷卡數(shù)據(jù)等，系統(tǒng)通過進(jìn)出站點(diǎn)篩選同站進(jìn)出刷卡數(shù)據(jù)、卡類型匹配篩選出內(nèi)部員工數(shù)據(jù)，給予刪除操作；不完整數(shù)據(jù)是由于數(shù)據(jù)上傳過程中信號偏差而導(dǎo)致關(guān)鍵字段不完整，無法確認(rèn)其真實(shí)性，如只有上車站點(diǎn)刷卡或下車站點(diǎn)刷卡記錄，此類記錄只保留作為客流統(tǒng)計，不做OD匹配。

1.2.2 IC卡數(shù)據(jù)與車輛GPS數(shù)據(jù)匹配

本文獲取以及研究的IC卡刷卡數(shù)據(jù)為先進(jìn)站刷卡再選擇車輛上車的計費(fèi)模式，如BRT、軌道交通的刷卡模式。刷卡設(shè)備終端與車輛沒有匹配，乘客上哪一輛車是未知的，所以需要對數(shù)據(jù)進(jìn)一步處理。

首先將IC卡號歸類并按刷卡時間排序，根據(jù)刷卡時間和進(jìn)出站類型匹配出乘客的OD數(shù)據(jù)，匹配后的主要字段有卡號、進(jìn)站刷卡時間、出站刷卡時間、進(jìn)站站點(diǎn)、出站站點(diǎn)、可乘坐線路。

OD數(shù)據(jù)匹配完成后，通過GPS數(shù)據(jù)匹配乘客的乘坐車輛。首先，按日期遍歷每天乘客OD數(shù)據(jù)，篩選出當(dāng)天的OD數(shù)據(jù)，對于每條OD數(shù)據(jù)，根據(jù)乘客的上車刷卡時間、下車刷卡時間篩選出在這兩個時間前到達(dá)站點(diǎn)的車輛GPS數(shù)據(jù)，將與乘客上下車時間最接近的車輛作為乘客的乘坐車輛，可以得到乘客每一次出行與車輛的對應(yīng)關(guān)系，存儲入庫備用，一天數(shù)據(jù)的具體匹配流程如圖1所示。

2 客流大數(shù)據(jù)分析建模與可視化技術(shù)

2.1 站點(diǎn)客流熱力分析

車站客流對行車調(diào)度指揮、車站運(yùn)營組織、客流疏導(dǎo)和安全管控具有重要指導(dǎo)意義。本文運(yùn)用聚類模型對公交車站的站點(diǎn)客流進(jìn)行統(tǒng)計分析，云計算中心獲取到數(shù)據(jù)之后，每天實(shí)時根據(jù)乘客的上車站點(diǎn)聚類，按小時段統(tǒng)計每個公交站點(diǎn)的客流量，數(shù)據(jù)以增量的方式存儲入庫，同時將數(shù)據(jù)接入自主開發(fā)的可視化系統(tǒng)，生成公交站點(diǎn)客流熱力分布圖，利用GIS技術(shù)將公交站點(diǎn)客流量熱力圖層與地圖圖層疊加，以熱力圖的方式展示站點(diǎn)客流分布，并支持分時段的統(tǒng)計查詢，便于分析站點(diǎn)的乘客分布規(guī)律。

圖1 OD數(shù)據(jù)與車輛匹配流程

圖2是以廈門公交客流數(shù)據(jù)為基底，經(jīng)過客流可視化技術(shù)處理后的結(jié)果，展示了廈門公交早高峰和晚高峰的客流分布特征，從圖2可以看出客流潮汐分布特點(diǎn)，早高峰時段客流從島外涌入島內(nèi)，晚高峰時段客流由島內(nèi)流出島外。可根據(jù)客流分布的潮汐特點(diǎn)，調(diào)整公交不同時段的運(yùn)力部署，使其更能適應(yīng)乘客需求。

圖2 廈門市高峰期客流熱力分布

2.2 客流OD需求分析

公交客流OD是指公交乘客出行的起止點(diǎn)分布，反映了公交乘客的出行偏好規(guī)律。公交客流OD是城市公共交通網(wǎng)絡(luò)規(guī)劃和管理的基礎(chǔ)決策參考數(shù)據(jù)，為公交運(yùn)營調(diào)度、公交線網(wǎng)優(yōu)化、公交出行預(yù)測提供最可靠的數(shù)據(jù)支持，精確的客流OD 才能保證運(yùn)營計劃的科學(xué)制定和人、車資源的合理調(diào)配。

本文建立客流OD聚類模型，在云計算中心每天獲取到預(yù)處理完的客流OD數(shù)據(jù)后，對乘客上下車站點(diǎn)采用聚類方法歸約，將同一上下站的乘客數(shù)據(jù)分時段統(tǒng)計，得到每一天每時段的客流OD統(tǒng)計數(shù)據(jù)，存儲入庫，同時將數(shù)據(jù)接入可視化系統(tǒng)，通過顏色分級和箭頭導(dǎo)引的方式直接展示客流OD分布情況，并支持分時段查詢，便于挖掘乘客的出行規(guī)律，為線網(wǎng)優(yōu)化提供科學(xué)依據(jù)。圖3是以廈門市BRT客流數(shù)據(jù)為基底，經(jīng)過客流可視化技術(shù)處理后的客流OD展示結(jié)果。

圖3 廈門市BRT客流OD分布

2.3 站點(diǎn)候車時長分析

公交乘客的候車時長很大程度上反映了公交的服務(wù)水平，本文根據(jù)乘客IC卡刷卡數(shù)據(jù)與公交車GPS到離站數(shù)據(jù)的精準(zhǔn)匹配，結(jié)合對乘客候車行為的抽樣調(diào)查，計算得出每個乘客每個出行站點(diǎn)的候車時長。

在對數(shù)據(jù)進(jìn)行預(yù)處理后，云存儲中心已存儲每位乘客每次出行的OD數(shù)據(jù)，包括進(jìn)站刷卡時間Ti、進(jìn)站刷卡站點(diǎn)S、出站刷卡時間To、出站刷卡站點(diǎn)、乘坐車輛等。由于乘客從刷卡閘機(jī)到達(dá)候車地點(diǎn)需要一定的時間，設(shè)這個時間參數(shù)為ts，則在S站點(diǎn)單個乘客的候車時長Ts可表示為

Ts=Ti-ts-To.

首先對公交車站類型進(jìn)行分類，相似建筑結(jié)構(gòu)的車站歸為一類，使用同一個時間參數(shù)。對于不同類型的公交車站，本文采用隨機(jī)抽樣調(diào)查的方式，確定大樣本容量，n點(diǎn)的估計量等于樣本乘客從刷卡閘機(jī)到達(dá)候車地點(diǎn)的時間平均值，用樣本估計整體，得到每一個車站的時間參數(shù)ts。

獲得每一個乘客的候車時長后，根據(jù)進(jìn)站站點(diǎn)對乘客聚類，求得每個站點(diǎn)的乘客平均候車時長，經(jīng)過可視化分析系統(tǒng)處理，展示乘客候車時長信息，并支持按日期和時間段查詢。圖4是以廈門BRT客流數(shù)據(jù)為基底的某條BRT線的候車時長分析結(jié)果，右下角小窗口展示候車時長最長的10個站點(diǎn)數(shù)據(jù)，經(jīng)數(shù)據(jù)可靠性測試，候車時長的統(tǒng)計誤差在可接受范圍內(nèi)，通過可視化結(jié)果?？芍庇^看出每個站點(diǎn)乘客的候車時長情況，對于候車時長異常站點(diǎn)，可及時做出調(diào)整方案，提高公眾的乘車體驗(yàn)。

圖4 廈門市BRT站點(diǎn)候車時長分析

2.4 斷面客流分析

公交斷面客流是指在單位時間內(nèi)通過公交線路某一區(qū)間的客流量。斷面客流是線路能力配置和網(wǎng)絡(luò)能力協(xié)調(diào)的基礎(chǔ)，本文將公交站點(diǎn)編號并抽象為向量集合，通過分析乘客出行軌跡站點(diǎn)向量集合及出行時間，建立斷面客流算法模型，以0.5 h為時間粒度，分析得到每0.5 h斷面客流量，并可通過選擇任意兩個站點(diǎn)計算其斷面客流量。

步驟1：將每一條線路上的站點(diǎn)按順序編號v1,v2，…，vn，確定所選斷面之間的站點(diǎn)向量集合V={v1,v2，…，vn}。

步驟2：選出符合所選時間段內(nèi)出行的乘客集，根據(jù)每位乘客所乘坐的車輛，匹配乘客所乘坐的線路，從而匹配出每位乘客出行站點(diǎn)ID向量集合Ki={k1,k2，…，ki}。

步驟3：求V與Ki的交集Ei，若card(Ei) > 2，即V與Ki有兩個以上的站點(diǎn)ID相同，則判斷該名乘客途經(jīng)該斷面，統(tǒng)計所有符合條件的乘客數(shù)量，得到所選時間段內(nèi)的斷面客流量。計算步驟如圖5所示。

圖5 斷面客流算法流程

斷面客流算法模型是將一天劃分為48份，每0.5 h為一個時間粒度，計算公交線路任意兩個站點(diǎn)之間的斷面客流，并將結(jié)果可視化，可以查詢?nèi)我鈺r間段內(nèi)任意斷面之間的客流量，為公交線網(wǎng)優(yōu)化提供有效的決策依據(jù)。如圖6所示，以廈門BRTK1線路的斷面客流為例，展示每一相鄰站點(diǎn)的斷面客流情況，雙擊斷面可查看斷面的具體客流數(shù)據(jù)。

2.5 站點(diǎn)客流堆積分析

公交車站的客流滯留情況關(guān)系到公交客流運(yùn)載輸送力與乘客出行體驗(yàn)，公交車站客流過度擁擠可能還會造成安全事故，所以，對公交站點(diǎn)客流的滯留情況監(jiān)控尤為重要。本文通過實(shí)時統(tǒng)計車站滯留的客流量達(dá)到對站點(diǎn)客流堆積情況的分析。

圖6 廈門市BRT K1線路斷面客流

在數(shù)據(jù)的預(yù)處理過程中，已匹配好乘客和所乘坐的車輛，已知乘客進(jìn)站刷卡時間To，所乘坐車輛離站GPS時間T，客流堆積時間長度系數(shù)t(可自主配置)。車站滯留的客流量等于上一時段未上車的客流量Ni-1加上當(dāng)前時段刷卡進(jìn)站的客流量Count(To)，再減去當(dāng)前時段上車的客流量Count(T)。

從每一天的凌晨4:00開始計算，在4:00—4:00+t時間段內(nèi)滯留在車站候車的乘客數(shù)量：N1=0+Count(To)-Count(T)，其中，4:00<=To< 4:00+t，4:00<=T<4:00+t。在ti～ti+t時段內(nèi)滯留的客流量Ni=Ni-1+Count(To)-Count(T)，其中，ti<=To

圖7 廈門市BRT K1線路站點(diǎn)客流堆積分析

3 結(jié) 語

本文基于公交IC卡刷卡數(shù)據(jù)與GPS數(shù)據(jù)，主要針對上下車刷卡的分段收費(fèi)制數(shù)據(jù)，建立公交客流大數(shù)據(jù)可視化分析模型，針對公交站點(diǎn)客流、客流OD、站點(diǎn)候車時長、斷面客流、站點(diǎn)客流堆積等方面進(jìn)行精準(zhǔn)分析，并將分析結(jié)果可視化，通過地圖顯示，支持條件查詢。本文所闡述的方法不僅僅局限于公交IC卡刷卡數(shù)據(jù)，同樣適用于移動支付的數(shù)據(jù)，只要符合上下車的刷卡模式，都適用本文的分析方法。

通過客流可視化綜合分析系統(tǒng)，以歷史客流大數(shù)據(jù)為參考，實(shí)現(xiàn)對短期內(nèi)公交客流量的預(yù)測，公交站點(diǎn)客流分析有助于對客流擁擠的站點(diǎn)進(jìn)行客流疏導(dǎo)和安全管控；客流OD分析結(jié)合斷面客流分析，反映了乘客出行軌跡規(guī)律，為公交線網(wǎng)優(yōu)化與調(diào)整提供科學(xué)參考依據(jù)。站點(diǎn)候車時長結(jié)合站點(diǎn)客流堆積反映了公交運(yùn)送能力和乘客出行體驗(yàn)，分析的結(jié)果可輔助公交運(yùn)營調(diào)度決策；通過歷史數(shù)據(jù)的變化趨勢，可以預(yù)測未來短期內(nèi)的公交客流情況，對于不合理的運(yùn)營，可提前做出調(diào)整?？傊?，基于現(xiàn)有研究易于獲得公交IC卡大數(shù)據(jù)以及GPS數(shù)據(jù)，本文研究成果可作為線路設(shè)計、場站規(guī)劃、線路調(diào)整、運(yùn)營調(diào)度的決策輔助工具。