魏廣奇，蘇躍江，余 暢

(廣州市交通運(yùn)輸研究所廣州510635)

0 引 言

掌握城市居民公交出行行為規(guī)律，對(duì)于優(yōu)化公交資源配置和提升公交服務(wù)水平具有重要意義.IC卡數(shù)據(jù)中蘊(yùn)藏著海量公交出行信息，能為公交出行研究提供豐富的數(shù)據(jù)支撐.近年來(lái)，基于IC卡數(shù)據(jù)的公交出行研究主要包括上下車(chē)站點(diǎn)估計(jì)、換乘識(shí)別、生成OD、出行特征分析等內(nèi)容.Trepanier 等[1]基于居民通勤出行規(guī)律提出兩站點(diǎn)模型，估計(jì)下車(chē)站點(diǎn)；Munizaga 等[2]利用IC 數(shù)據(jù)，基于出行鏈的思想對(duì)公交出行的起訖站點(diǎn)進(jìn)行推斷，通過(guò)模型生成公交OD 矩陣；Chen 等[3]基于IC數(shù)據(jù)以及公交運(yùn)營(yíng)數(shù)據(jù)，根據(jù)出行者的出行頻率和時(shí)空特征對(duì)出行區(qū)域的屬性進(jìn)行鑒定，估計(jì)出行者的OD分布；Trepanier等[4]基于每日IC卡出行記錄，提出利用離散時(shí)間風(fēng)險(xiǎn)模型來(lái)衡量IC卡用戶的出行規(guī)律性.上述研究主要集中在出行信息層面，研究重心在合理估計(jì)公交出行起訖點(diǎn)以及出行信息統(tǒng)計(jì)，較少對(duì)公交出行行為活動(dòng)進(jìn)行分析.隨著精細(xì)化公交服務(wù)的需求日益提升，關(guān)于公交出行規(guī)律的研究從出行信息宏觀層面向活動(dòng)目的微觀層面發(fā)展.

本文基于IC卡數(shù)據(jù)獲取公交出行信息，提出以活動(dòng)區(qū)域識(shí)別以及活動(dòng)區(qū)域?qū)傩耘袆e為核心的公交出行重構(gòu)分析方法，以廣州市居民為實(shí)例，對(duì)廣州市公交出行規(guī)律特點(diǎn)展開(kāi)實(shí)證分析.

1 研究方法

本文提出以活動(dòng)理論為基礎(chǔ)的公交出行行為重構(gòu)分析方法.首先，基于出行鏈思想將公交出行信息進(jìn)行重組，轉(zhuǎn)換為居民的每一次出行行為；通過(guò)對(duì)每次出行的起訖站點(diǎn)進(jìn)行空間上的聚合，獲得居民的日?；顒?dòng)區(qū)域.其次，在活動(dòng)區(qū)域的主要活動(dòng)屬性識(shí)別上，以歷史出行信息統(tǒng)計(jì)分析為導(dǎo)向，分別以日首次出行率、日均到達(dá)次數(shù)及日均停留時(shí)間作為標(biāo)準(zhǔn)，對(duì)居民的居住及工作區(qū)域進(jìn)行判別；根據(jù)出行目的地區(qū)域的主要活動(dòng)屬性不同，對(duì)居民的公交出行行為進(jìn)行重構(gòu).最后，基于上述出行重構(gòu)結(jié)果，研究居民的公交出行規(guī)律特點(diǎn).

1.1 公交出行信息重組

基礎(chǔ)數(shù)據(jù)包含IC卡數(shù)據(jù)和公交運(yùn)營(yíng)數(shù)據(jù).IC卡數(shù)據(jù)包含每次出行的刷卡時(shí)間和乘坐車(chē)輛及線路信息，結(jié)合公交報(bào)站數(shù)據(jù)獲知刷卡出行的上車(chē)站點(diǎn)；對(duì)于下車(chē)站點(diǎn)，需要根據(jù)出行者的下次上車(chē)站點(diǎn)信息對(duì)本次下車(chē)站點(diǎn)進(jìn)行合理推斷.公交運(yùn)營(yíng)數(shù)據(jù)包括：報(bào)站數(shù)據(jù)、發(fā)班數(shù)據(jù)和線網(wǎng)靜態(tài)數(shù)據(jù).采用文獻(xiàn)[5]上下車(chē)站點(diǎn)估計(jì)模型，對(duì)基礎(chǔ)數(shù)據(jù)進(jìn)行處理，生成公交出行OD信息.

為便于出行目的判別，將基于一次出行活動(dòng)的出行信息關(guān)聯(lián)合并，將基于刷卡的出行信息轉(zhuǎn)化為基于活動(dòng)的出行信息.若相鄰刷卡出行的地點(diǎn)滿足步行距離的空間約束，并且出行間隔不超過(guò)某個(gè)時(shí)間間隔閾值，認(rèn)為該出行者在此期間進(jìn)行換乘行為，這兩次刷卡可合并為一次出行行為.

2017年9月12 日廣州市全天450萬(wàn)刷卡數(shù)據(jù)中，刷卡出行間隔在1 h以內(nèi)的頻數(shù)統(tǒng)計(jì)分布，如圖1所示.頻數(shù)在間隔0～20 min 區(qū)間內(nèi)呈現(xiàn)先增后減的趨勢(shì)，在大于20 min的區(qū)間，間隔的頻數(shù)變化幅度較小，說(shuō)明大多數(shù)相鄰刷卡出行的間隔在20 min之內(nèi)；根據(jù)對(duì)公交發(fā)班記錄的統(tǒng)計(jì)，廣州市87%的公交線路發(fā)車(chē)間隔在10～20 min區(qū)間內(nèi).因此，以20 min作為時(shí)間間隔閾值，將滿足條件的前后兩次刷卡出行合并為一次出行行為，將公交出行信息轉(zhuǎn)換成基于活動(dòng)判別的出行行為.

1.2 活動(dòng)區(qū)域判別

實(shí)現(xiàn)居民出行行為判別后，根據(jù)每次出行的時(shí)空分布特征推斷出行目的.由于目的地公交可達(dá)性的影響，對(duì)于相同的出行起點(diǎn)，若出行終點(diǎn)不同，乘客會(huì)根據(jù)可達(dá)線路選擇在不同的車(chē)站上車(chē)；而對(duì)于相同的出行終點(diǎn)，根據(jù)不同的出行起點(diǎn)，乘客會(huì)在出行終點(diǎn)周邊不同的車(chē)站下車(chē)，如圖2所示.直接對(duì)出行的起終站點(diǎn)進(jìn)行統(tǒng)計(jì)會(huì)導(dǎo)致統(tǒng)計(jì)特征指標(biāo)的離散，不利于出行規(guī)律分析和出行目的識(shí)別，因此需要對(duì)可能屬于同一個(gè)活動(dòng)區(qū)域的站點(diǎn)進(jìn)行聚合.

圖2 某居民活動(dòng)區(qū)域站點(diǎn)分布示意圖Fig.2 Distribution of bus stations and activity areas

系統(tǒng)聚類法根據(jù)類間距離對(duì)距離近的類不斷進(jìn)行合并，適用于分類規(guī)則明確的聚類問(wèn)題.居民通常會(huì)選擇在出行地周邊的步行可達(dá)范圍內(nèi)乘坐公交，因此，通過(guò)對(duì)居民日常使用的公交站點(diǎn)進(jìn)行空間聚類，實(shí)現(xiàn)居民日?；顒?dòng)區(qū)域的識(shí)別.

一方面，在當(dāng)前共享單車(chē)有序發(fā)展的背景下，“最后一公里”的出行服務(wù)相應(yīng)提升公交站點(diǎn)的接駁范圍；另一方面，按照步行速度4 km/h和城市規(guī)劃提出的15 min 生活圈，計(jì)算公交站點(diǎn)的服務(wù)范圍為1 km.因此，以1 km 作為最大類內(nèi)距離，即最大接駁范圍，采用系統(tǒng)聚類重心法對(duì)每位居民出行的公交站點(diǎn)進(jìn)行聚類，聚類的結(jié)果即為每位居民的日?；顒?dòng)區(qū)域.

類定義為

式中：i為第i類；n為聚類合并次數(shù)；Sm為該類中第m個(gè)公交站點(diǎn).

類重心定義為

式中：x(Si)為站點(diǎn)Si的橫坐標(biāo)；y(Si)代表站點(diǎn)Si的縱坐標(biāo).

類間距離是兩個(gè)類的類重心之間的歐氏距離.

站點(diǎn)聚類步驟如下：

Step 1將某居民所有出行的起訖站點(diǎn)分別作為一類.即建立N類，以各個(gè)類間的距離(初始時(shí)即為各樣本間的距離)，生成一個(gè)N×N的距離矩陣D(0)，其中元素記為

Step 2選取使用次數(shù)最多的站點(diǎn)K作為聚類的起點(diǎn)開(kāi)始本次聚類合并.

Step 3對(duì)于得到的距離矩陣D(n)，求第K行中最小的元素，將和兩類進(jìn)行合并，從而生成新類并計(jì)算的類重心重新計(jì)算類重心到類內(nèi)最遠(yuǎn)的兩個(gè)元素之間的距離，若距離小于1 km，則新類有效，重新計(jì)算類間距離，得到；并繼續(xù)Step 3；若距離大于1 km，則執(zhí)行Step 2，直到所有站點(diǎn)都曾經(jīng)作為聚類起點(diǎn)并完成聚類過(guò)程.

通過(guò)上述步驟將每位居民出行記錄中距離相近的公交站點(diǎn)進(jìn)行聚合，有效劃分出若干個(gè)活動(dòng)區(qū)域，每個(gè)活動(dòng)區(qū)域的出行特征得到聚合保留，便于對(duì)各區(qū)域的活動(dòng)屬性進(jìn)行判別.

1.3 活動(dòng)區(qū)域主要活動(dòng)屬性判別

城市居民公交出行的出行目的類型，可以分為通勤出行和非通勤出行.通勤出行在時(shí)空上具有較強(qiáng)的規(guī)律性，因此將活動(dòng)區(qū)域的主要活動(dòng)屬性劃分為三類：居住地(H)、工作地(W)和非職住地(O)，根據(jù)區(qū)域主要活動(dòng)屬性的分類，居民的出行定義為3種：回家出行、工作出行(包括上班和上學(xué))以及其他出行.

(1)居住地(H)的判別.

對(duì)于大部分城市居民來(lái)說(shuō)，至少擁有一個(gè)常用居住地.根據(jù)日常的出行規(guī)律，居民每天首次出行通常都以居住地為出發(fā)地.因此，日首次出行率可以作為居民居住地的判定指標(biāo).

日首次出行率指對(duì)于居民的某個(gè)活動(dòng)區(qū)域，該區(qū)域作為出行日(有公交出行的某天)首次出行的出發(fā)區(qū)域次數(shù)占出行日總數(shù)的比例.對(duì)于活動(dòng)區(qū)域的日首次出行率計(jì)算公式為

式中：Si是指該居民在活動(dòng)區(qū)域i進(jìn)行當(dāng)日首次出行的總次數(shù)；di是指該居民乘坐公交出行的總天數(shù).

為合理確定用于居住地判定的日首次出行率r的閾值，統(tǒng)計(jì)全部出行者樣本各活動(dòng)區(qū)域的日首次出行率，其中所有樣本的最高首次出行比例區(qū)域的首次出行率分布及累計(jì)曲線如圖3所示.

圖3 最高首次出行比例區(qū)域的首次出行率分布—累計(jì)圖Fig.3 Proportion of first trip rate in the area with highest rate

由圖3可知，超過(guò)95%的出行者均具有一個(gè)日首次出行率超過(guò)40%的活動(dòng)區(qū)域，對(duì)于出行者來(lái)說(shuō)，每日第一次出行大概率發(fā)生在該區(qū)域，具有明顯的居住地特征.因此，以40%作為指標(biāo)閾值，將每日首次出行比例大于40%的活動(dòng)區(qū)域判別為該居民的居住地.

(2)工作地(W)的判別.

工作地指城市居民每日上班(或上學(xué))的地方.對(duì)于絕大多數(shù)居民，在工作地區(qū)域的日均停留時(shí)間明顯大于其它活動(dòng)區(qū)域，可將日均停留時(shí)間作為工作地的主要判別標(biāo)準(zhǔn).對(duì)所有樣本各活動(dòng)區(qū)域的日均停留時(shí)間進(jìn)行統(tǒng)計(jì)，停留時(shí)間根據(jù)IC卡前后次出行時(shí)間差進(jìn)行估算，剔除出行者的居住地區(qū)域，選取日均停留時(shí)間最長(zhǎng)的區(qū)域，各出行者日均停留最久的區(qū)域停留時(shí)間頻次分布如圖4所示.

圖4 日均停留最久區(qū)域的日均停留時(shí)長(zhǎng)分布圖Fig.4 Proportion of average retention tine in area with highest arriving time

由圖4可知，超過(guò)95%的出行者停留時(shí)間最長(zhǎng)的活動(dòng)區(qū)域日均停留時(shí)間超過(guò)4 h，與城市居民的日常工作時(shí)長(zhǎng)相符(全日制工作為8 h、半日制工作為4 h).因此，將各活動(dòng)區(qū)域中停留時(shí)間最長(zhǎng)且大于4 h的區(qū)域判別為該出行者的工作地.針對(duì)普通卡持有者，工作地為上班地點(diǎn)；針對(duì)學(xué)生卡持有者，工作地為上學(xué)地點(diǎn).

(3)非職住地(O)的判別.

對(duì)于既不滿足居住地判別條件，又不滿足工作地判別條件的區(qū)域，判定為非職住地區(qū)域.

2 出行活動(dòng)特征分析

采集廣州市2017年9月的IC卡數(shù)據(jù)及相關(guān)公交運(yùn)營(yíng)數(shù)據(jù).由于不同IC卡類型(普通卡、老人卡、學(xué)生卡等)具有不同的出行規(guī)律特征，在保持各類型卡占比與總體一致的前提下，抽樣選取26677張IC卡的刷卡出行樣本作為分析對(duì)象，出行記錄總數(shù)為110萬(wàn)條.分析廣州市居民公交出行規(guī)律特征，獲取居民每日的出行鏈構(gòu)成，對(duì)公交出行行為進(jìn)行重構(gòu).對(duì)樣本出行者在分析時(shí)段內(nèi)所有出行日的出行鏈進(jìn)行統(tǒng)計(jì)，提取出現(xiàn)次數(shù)最多的前十種出行鏈類型，如表1所示.出行鏈接活動(dòng)數(shù)量越多，出行鏈數(shù)量所占比例則越低.

根據(jù)IC卡的票卡類型，對(duì)4類出行者群體的出行活動(dòng)特征進(jìn)行分析.表2為不同類型出行者的活動(dòng)區(qū)域數(shù)量及平均停留時(shí)間情況.4類IC卡群體在一個(gè)月內(nèi)的平均活動(dòng)區(qū)域個(gè)數(shù)在7、8個(gè)左右.從停留時(shí)間來(lái)看，普通卡和學(xué)生卡群體在活動(dòng)區(qū)域的平均停留時(shí)間更長(zhǎng).

表1 出行鏈構(gòu)成Table1 Composition of trip chains

表2 各類出行群體的活動(dòng)區(qū)域數(shù)量與平均停留時(shí)間Table2 Number of activity areas and average retention time among different card types

由表1可知，無(wú)其他出行行為的簡(jiǎn)單出行鏈“H-W-H”(家—工作地—家)和“H-O-H”(家—其他—家)所占的比例最高，占出行鏈組成比例74%；

圖5為4類IC卡群體月活動(dòng)區(qū)域數(shù)量的頻數(shù)分布圖，各類型活動(dòng)區(qū)域在6～8個(gè)之間的人數(shù)均接近人群總數(shù)的1/2，老人免費(fèi)卡群體的活動(dòng)區(qū)域數(shù)量相比其他群體顯著多，出行活動(dòng)較為豐富.

圖5 4類IC 群體的活動(dòng)區(qū)域數(shù)量分布Fig.5 Proportion of activity area in four types of smart card group

對(duì)于普通卡群體和學(xué)生卡群體這兩類通勤比例較高的群體，對(duì)其出行活動(dòng)構(gòu)成比例進(jìn)行統(tǒng)計(jì)分析.圖6和圖7分別為學(xué)生卡群體和普通卡群體的工作出行(W 出行)、回家出行(H 出行)和其他出行(O出行)3種出行類型的占比分布.可以得到，學(xué)生卡群體出行基本以上學(xué)出行和回家出行為主，大多數(shù)學(xué)生的上學(xué)和回家出行總占比達(dá)到80%～90%；普通卡群體3種不同目的出行中，回家出行比例較大，與學(xué)生卡群體不同，工作出行與其他出行占日常出行比例比較相近，表明隨著城市的發(fā)展，居民非工作出行活動(dòng)越來(lái)越多，出行更加豐富多元化.

圖6 學(xué)生卡群體各活動(dòng)類型的出行比例分布Fig.6 Proportion of different activity type in student group

圖7 普通卡群體各活動(dòng)類型的出行比例分布Fig.7 Proportion of different activity type in normal card group

對(duì)比工作日和非工作日的出行活動(dòng)構(gòu)成分布.圖8和圖9分別統(tǒng)計(jì)工作日(以周五為例)和非工作日(以周六為例)一天內(nèi)不同時(shí)段3種出行類型的出行量分布.

圖8 工作日(周五)不同時(shí)段不同類型出行需求堆積圖Fig.8 Accumulative diagram of travel demand with different period and activity type in working day

圖9 非工作日(周六)不同時(shí)段不同類型出行需求堆積圖Fig.9 Accumulative diagram of travel demand with different period and activity type in non-working day

由圖8和圖9可知，工作日工作出行需求主要發(fā)生在早高峰；回家出行需求從10:00開(kāi)始逐漸增多，主要發(fā)生在晚高峰時(shí)段和夜間；其他出行的出行需求在全天分布比較均勻.非工作日3種類型出行的出行需求相比于工作日均有所下降；早高峰出行需求從工作出行為主變?yōu)楣ぷ鞒鲂小⑵渌鲂行枨笙喈?dāng)?shù)那樾?；而平峰時(shí)段其他出行和回家出行需求均有所增加.

3 結(jié) 論

通過(guò)對(duì)IC卡數(shù)據(jù)和公交運(yùn)營(yíng)數(shù)據(jù)的挖掘，實(shí)現(xiàn)居民主要活動(dòng)區(qū)域及出行行為類型判別，并以實(shí)例數(shù)據(jù)分析廣州市居民公交出行行為的規(guī)律特征.結(jié)果表明：學(xué)生卡群體、普通卡群體工作日早晚通勤特征明顯，工作日、非工作日出行需求變化較大；老人卡群體工作日出行集中在早高峰后至平峰時(shí)段，工作日、非工作日出行需求變化較?。还ぷ魅赵?、晚高峰出行需求以工作出行和回家出行為主，非工作日不同類型出行需求均有所下降，時(shí)間分布更為均勻.本文的公交出行行為重構(gòu)分析方法，對(duì)于站點(diǎn)聚類以及活動(dòng)屬性判別等相關(guān)參數(shù)的設(shè)定主要基于統(tǒng)計(jì)結(jié)果，后繼研究將進(jìn)一步開(kāi)展相關(guān)參數(shù)的敏感性分析，形成更科學(xué)可靠的分析結(jié)果.