張鐵巖 高洪振 禚保玲 胡 倩

（青島市城市規(guī)劃設(shè)計(jì)研究院，青島 266071）

引言

公交客流出行調(diào)查難度較大，隨著公交IC卡收費(fèi)系統(tǒng)和車輛運(yùn)行調(diào)度管理系統(tǒng)的發(fā)展普及，產(chǎn)生了大量公交客流和車輛運(yùn)行數(shù)據(jù)，基于IC卡數(shù)據(jù)的公交非集計(jì)分析手段在國內(nèi)外各城市中得到廣泛研究和應(yīng)用[1-3]，通過采用公交IC卡數(shù)據(jù)融合技術(shù)，推算整個(gè)公交系統(tǒng)乘客出行起訖點(diǎn)，可以更加準(zhǔn)確掌握公交客流的時(shí)空分布特征及公交運(yùn)力供需關(guān)系，同時(shí)也將節(jié)省大量人工調(diào)查時(shí)間和成本。

由于各城市在公交刷卡收費(fèi)模式和車輛運(yùn)行調(diào)度管理系統(tǒng)完善程度上存在差異，造成了IC卡數(shù)據(jù)分析方法差別較大。對于分段計(jì)價(jià)線路，乘客上下車均需要刷卡，通過關(guān)聯(lián)車輛GPS數(shù)據(jù)和簡單的聚類排序則可以得到完整公交出行鏈信息。而目前國內(nèi)公交運(yùn)行系統(tǒng)主要采用的是單一票制，乘客僅在上車時(shí)刷卡，且刷卡記錄本身不包含上、下車站點(diǎn)位置信息。

在公交系統(tǒng)的IC卡分析技術(shù)研究中，CHUKKA[1]提出前期數(shù)據(jù)處理質(zhì)量對融合結(jié)果有重要影響；PAEZ[2]、TREPANIER[3]從公交底層數(shù)據(jù)存儲、IC卡數(shù)據(jù)深度應(yīng)用角度對公交數(shù)據(jù)提出規(guī)范化要求；Chu[4]、LEE[5]、Barry[6]等人分布利用GPS數(shù)據(jù)和IC卡數(shù)據(jù)，提出融合分析方法；吳子嘯[7]以鄭州為例詳細(xì)闡述了公交數(shù)據(jù)與交通模型之間關(guān)系和應(yīng)用；Takahiko[8]、馬曉磊[9]在公交IC卡分析中提出貝葉斯算法，以彌補(bǔ)信息缺失問題；陳紹輝等[10]利用禁忌搜索算法對系統(tǒng)偏差數(shù)據(jù)進(jìn)行二次匹配，提升了匹配精度；劉文芳[11]、胡郁蔥[12]、吳祥國[13]、楊萬波[14]等人分別針對成都、廣州、重慶、佛山數(shù)據(jù)特點(diǎn)進(jìn)行了針對性的分析研究；陳學(xué)武及其合作者[15-17]針對不同的數(shù)據(jù)場景，分別闡述了公交IC卡數(shù)據(jù)融合方法。

青島公交收費(fèi)系統(tǒng)采用的是單一票制，同時(shí)擁有較為完善的GPS數(shù)據(jù)和運(yùn)營調(diào)度數(shù)據(jù)，本文結(jié)合青島公交系統(tǒng)數(shù)據(jù)特點(diǎn)，上車站點(diǎn)識別方法采用IC卡數(shù)據(jù)與GPS數(shù)據(jù)關(guān)聯(lián)推算，下車站點(diǎn)識別方法采用出行鏈算法。并利用交通宏觀需求分析軟件EMME，對模型參數(shù)進(jìn)行標(biāo)定和交通分配，將分析結(jié)果與手機(jī)信令數(shù)據(jù)和建筑數(shù)據(jù)進(jìn)行相關(guān)性分析，證明了結(jié)果有效性。

1 數(shù)據(jù)特征及分析流程

青島市公交IC數(shù)據(jù)主要字段包括線路名稱、卡號、刷卡時(shí)間、POS機(jī)編號、卡類型等，GPS數(shù)據(jù)主要字段包括線路名稱、車輛編號、到站時(shí)間、離站時(shí)間、站點(diǎn)編號。結(jié)合站點(diǎn)、車次信息表，將公交IC卡數(shù)據(jù)與GPS數(shù)據(jù)進(jìn)行時(shí)間匹配，從而確定每位乘客上車刷卡線路和站點(diǎn)。本次采集公交數(shù)據(jù)為青島市2015年9月14日-20日一個(gè)完整周的IC卡和GPS數(shù)據(jù)，其中IC卡數(shù)據(jù)共計(jì)1361萬條記錄，日均記錄194萬條，平均每秒約22.5次刷卡記錄，共包含334條公交線路刷卡數(shù)據(jù)。GPS數(shù)據(jù)共計(jì)1396萬條記錄，日均記錄199萬條。公交IC卡刷卡數(shù)據(jù)樣表、公交GPS數(shù)據(jù)樣表分別見表1、表2。

為方便管理各類數(shù)據(jù)表，基礎(chǔ)數(shù)據(jù)存儲采用SQL Server、算法處理采用Python語言編程、交通分配采用EMME4中5.11模塊（Prepare for standard traffic or transit assignment）和5.31模塊（Standard transit assignment）。數(shù)據(jù)處理總流程如圖1所示。

上車站點(diǎn)推算流程如圖2所示，首先對GPS數(shù)據(jù)進(jìn)行預(yù)處理，主要包括剔除重復(fù)報(bào)站、統(tǒng)一線路編號、規(guī)范時(shí)間格式及空值記錄清洗等工作，將處理好的公交車輛到離站位置信息表同IC卡數(shù)據(jù)按照車次和時(shí)間進(jìn)行匹配，并記錄各線路原始刷卡量，進(jìn)而對上車站點(diǎn)初始匹配數(shù)據(jù)再次進(jìn)行數(shù)據(jù)清洗，包括剔除一次刷卡記錄數(shù)據(jù)，將數(shù)據(jù)按照卡號、時(shí)間排序，形成預(yù)處理后上車站點(diǎn)數(shù)據(jù)。

表1 公交IC卡刷卡數(shù)據(jù)樣表

表2 公交GPS數(shù)據(jù)樣表

圖1 數(shù)據(jù)處理流程

圖2 公交IC卡數(shù)據(jù)上車站點(diǎn)處理流程

下車站點(diǎn)推算采用的出行鏈算法，并且基于以下兩個(gè)假設(shè)條件：假設(shè)1：公交出行者第一次刷卡站點(diǎn)也是其當(dāng)日出行終點(diǎn)；假設(shè)2：上一次刷卡線路中，離下一次刷卡上車站點(diǎn)最近的站即為上一次公交乘車下車點(diǎn)。

另外，對于換乘乘客來說，上一次公交乘車距離或路況不同會導(dǎo)致前后兩次刷卡時(shí)間差存在較大差異，單純采用兩次刷卡時(shí)間差或換乘距離作為判別換乘的約束參數(shù)，勢必會造成對部分長距離出行者誤判?；谝陨峡紤]，本文采用換乘距離和速度兩個(gè)約束參數(shù)作為換乘點(diǎn)判別參數(shù)。即作為換乘點(diǎn)需滿足兩個(gè)條件：上一次乘車的下車點(diǎn)和下一次乘車上車點(diǎn)距離應(yīng)在一定閾值范圍內(nèi)，用Δl表示；上一次乘車出行距離和前后兩次乘車刷卡時(shí)間差比值應(yīng)在合理范圍內(nèi)，公式表示為：

l/(T-Δt）≤v臨界

式中，l為上一次乘車距離，T為兩次乘車刷卡時(shí)間差，Δt為換乘等待時(shí)間，v臨界為速度閾值。

下車站點(diǎn)推算具體步驟如下：

（1）基于以上假設(shè)，將上車站點(diǎn)數(shù)據(jù)按卡號、時(shí)間排序后，每次提取同一卡號相鄰兩條刷卡記錄。

（2）根據(jù)下一條記錄上車點(diǎn)B，搜索上一條記錄中對應(yīng)線路的最近站點(diǎn)A2，作為上一次乘車下車點(diǎn)，并計(jì)算上一條記錄中上車站點(diǎn)A1和站點(diǎn)B站點(diǎn)間距離lA1B。

（3）若lA1B＞Δl則無法判斷下車點(diǎn)，轉(zhuǎn)（5）。

（4）若lA1B≤Δl則計(jì)算上一次出行距離l，若l/(T-Δt）≤v臨界則標(biāo)記為一次出行，否則標(biāo)記為換乘點(diǎn)。

（5）重復(fù)上述操作，直至最后一條記錄。

公交IC卡數(shù)據(jù)下車站點(diǎn)處理流程如圖3所示。

圖3 公交IC卡數(shù)據(jù)下車站點(diǎn)處理流程

2 多源數(shù)據(jù)校驗(yàn)

眾所周知，公交出行量與公交站點(diǎn)和線路布設(shè)關(guān)系密切，而在便捷公交出行條件下，則與該區(qū)域的建筑規(guī)模及人口、崗位數(shù)量有直接關(guān)系，基于以上理解，選取中心城區(qū)范圍內(nèi)有公交站點(diǎn)的1平方公里網(wǎng)格聚合數(shù)據(jù)，與相同網(wǎng)格范圍內(nèi)手機(jī)信令數(shù)據(jù)、建筑地塊數(shù)據(jù)進(jìn)行相關(guān)性分析，對公交IC卡分析結(jié)果開展多源數(shù)據(jù)校驗(yàn)。

青島市手機(jī)信令數(shù)據(jù)基于2015年9月數(shù)據(jù)分析結(jié)果[18]（與公交IC卡數(shù)據(jù)時(shí)間一致），信令數(shù)據(jù)字段包括手機(jī)號偽碼、手機(jī)號前七位、信息采集時(shí)間、LAC區(qū)號、基站編號、基站經(jīng)緯度；建筑數(shù)據(jù)為2015年青島市中心城區(qū)建筑地塊集合，共計(jì)14.9萬個(gè)建筑物，附帶建筑基底面積、層數(shù)、用地性質(zhì)等屬性。

將青島市中心城區(qū)按照1km×1km網(wǎng)格劃分，分別統(tǒng)計(jì)各網(wǎng)格單元內(nèi)公交IC卡乘降量、手機(jī)信令人口崗位數(shù)、建筑面積，并基于ArcGIS，采用自然斷點(diǎn)分級法（Natural Breaks），對比各指標(biāo)整體空間分布特征，如圖4所示，各指標(biāo)均總體呈現(xiàn)由南部沿海核心區(qū)向外圍遞減趨勢。

采用SPSS對上述網(wǎng)格數(shù)據(jù)指標(biāo)進(jìn)行Pearson 相關(guān)性分析，每類指標(biāo)均包含576個(gè)有效樣本。結(jié)果表明：手機(jī)信令人口崗位數(shù)、建筑面積均與公交IC卡乘降量在0.01水平（雙側(cè)）上顯著相關(guān)，相關(guān)系數(shù)分別為0.778、0.736，屬于強(qiáng)正相關(guān)關(guān)系（表3），即手機(jī)信令人口崗位數(shù)或建筑面積越高，公交乘降量越高；反之，手機(jī)信令人口崗位數(shù)或建筑面積越低，公交乘降量越低（圖5）。通過對多源數(shù)據(jù)校驗(yàn)表明：公交IC卡數(shù)據(jù)分析結(jié)果具有較高可信度，可以清晰反映城市人口分布、用地開發(fā)強(qiáng)度與公交客流規(guī)模關(guān)系，為精細(xì)化城市公交規(guī)劃、建設(shè)、管理提供科學(xué)決策依據(jù)。

圖4 青島中心城區(qū)1km網(wǎng)格公交乘降量、手機(jī)信令人口崗位、建筑面積空間分布

圖5 公交乘降量與手機(jī)信令人口崗位、建筑面積相關(guān)關(guān)系散點(diǎn)圖

表3 公交乘降量與手機(jī)信令人口崗位、建筑面積相關(guān)系數(shù)

表4 客流指標(biāo)匯總

3 結(jié)果分析

工作日公交總體客流早高峰集中在7:20-8:20時(shí)段，占全日客流的12.3%；晚高峰集中在17:10-18:10，占全日客流的10.2%，晚高峰低于早高峰。學(xué)生卡和普通卡有明顯早晚高峰，符合通勤、通學(xué)的出行特點(diǎn)。普通卡刷卡量約占全部樣本的66%，決定了全部刷卡人口的總體趨勢。學(xué)生公交客運(yùn)量占比最低，僅占總客運(yùn)量的5%，受學(xué)生上下課時(shí)間制約，學(xué)生卡早高峰出現(xiàn)在6:30-7:30，明顯早于其他兩種卡類型，晚高峰出行時(shí)段在17:20-18:20，與普通卡時(shí)間疊加，且學(xué)生出行高度集中，早晚高峰兩個(gè)小時(shí)出行量占學(xué)生總出行量的50%，早晚高峰之間幾乎沒有出行。老年卡持有者出行時(shí)間聚集度低，且早高峰較滯后，晚高峰提前，說明老年人對出行時(shí)間要求較低，體現(xiàn)出老年人退休生活特點(diǎn)?？土髦笜?biāo)匯總見表4；工作日不同卡類型客運(yùn)量變化如圖6所示。

圖6 工作日不同卡類型客運(yùn)量變化

從公交客流集散量空間分布上看，東岸城區(qū)李村商圈、臺東商圈、火車站周邊、香港路沿線、四流路-人民路-威海路沿線、延安路沿線都是客流集散量比較大的區(qū)域；北岸城區(qū)集散量較大的區(qū)域集中在正陽路沿線和汽車北站周邊，但單個(gè)站點(diǎn)集散量明顯低于東岸城區(qū)。排名前十位公交站點(diǎn)日集散量均在3萬人次以上，其中最大的客流集散點(diǎn)為臺東，日集散量達(dá)5.2萬人次；其次是維客廣場，日集散量為5萬人次（圖7），公交客流集散點(diǎn)前十位見表5。

圖7 公交客流集散點(diǎn)空間分布（單位：次/日）

表5 排名前十位公交客流集散點(diǎn)

基于交通宏觀需求分析軟件EMME對公交OD進(jìn)行交通流量分配，得到公交流量分布圖（圖8），東岸老城區(qū)內(nèi)客流十分密集，由南向北客流量逐步減少，客流總體分布呈偏心輻射式。其中，遼陽路以北客流以南北向運(yùn)動(dòng)為主，遼陽路及以南客流東西向運(yùn)動(dòng)也很明顯；北岸城區(qū)內(nèi)部公交客流以正陽路為中軸向外輻射；西岸城區(qū)受地理因素的影響，公交客流總體呈現(xiàn)側(cè)“U”型分布特點(diǎn)。

青島中心城區(qū)圍繞膠州灣分別形成東岸城區(qū)、北岸城區(qū)、西岸城區(qū)三大組團(tuán)，同青島城市空間發(fā)展格局一致，常規(guī)公交在三大組團(tuán)中自成體系。結(jié)合線網(wǎng)和站點(diǎn)布局發(fā)現(xiàn)：北岸城區(qū)建成區(qū)范圍線網(wǎng)密度為1.9 km/km2，高于西岸城區(qū)的1.5 km/km2，同時(shí)北岸城區(qū)300m半徑站點(diǎn)覆蓋率為50.8%，高于西岸城區(qū)的46.8%，可見北岸城區(qū)公交覆蓋水平高于西岸城區(qū)，且兩城區(qū)人口規(guī)模接近，但北岸城區(qū)公交客運(yùn)量遠(yuǎn)低于西岸城區(qū)，表明北岸城區(qū)公交出行比例仍處于較低水平（2015年公交方式結(jié)構(gòu)僅為12.08%），公共交通在城市交通中的重要作用尚未得到很好的發(fā)揮。隨著機(jī)動(dòng)化水平的快速提升，北岸城區(qū)要使城市交通可持續(xù)發(fā)展，需要進(jìn)一步加強(qiáng)引導(dǎo)，強(qiáng)化居民公交出行理念，增強(qiáng)公交對居民出行的吸引力。

4 結(jié)束語

本文以青島市為例，介紹了公交IC卡數(shù)據(jù)融合分析方法，并對結(jié)果進(jìn)行了校驗(yàn)和展示。公交IC卡收費(fèi)系統(tǒng)已經(jīng)在國內(nèi)得到普及和應(yīng)用，相對于傳統(tǒng)公交調(diào)查，基于該系統(tǒng)的數(shù)據(jù)融合分析技術(shù)，具有樣本量大、低成本見效快、長期持續(xù)檢測等優(yōu)勢。在對公交需求深入分析的基礎(chǔ)上，通過整合公共交通系統(tǒng)的路網(wǎng)、線路、站點(diǎn)及各類運(yùn)營信息，對公共交通系統(tǒng)供需關(guān)系進(jìn)行建模和仿真，尋找公交服務(wù)在時(shí)空上的薄弱環(huán)節(jié)，可以為線網(wǎng)規(guī)劃和優(yōu)化等實(shí)際工作提供決策支持。

圖8 公交客流分布圖