孟兵兵，周健勇

（上海理工大學(xué) 管理學(xué)院，上海 200093）

0 引言

近年來，隨著我國(guó)城市化進(jìn)程的不斷加快以及智慧城市的發(fā)展，交通領(lǐng)域產(chǎn)生了海量時(shí)空數(shù)據(jù)。由于世界城市規(guī)模的日益擴(kuò)大，各大城市交通壓力也持續(xù)增加，各國(guó)政府在大力提倡環(huán)保出行、增加地面交通工具的同時(shí)，也不斷發(fā)展地下交通，而地鐵就是最重要的地下交通工具。自1971 年北京地鐵1 號(hào)線開通試運(yùn)營(yíng)，截至2019 年底，中國(guó)大陸地區(qū)（不含港澳臺(tái)）40 個(gè)城市共開通城市軌道交通運(yùn)營(yíng)線路208 條，運(yùn)營(yíng)線路總長(zhǎng)度為6 736.2km，其中地鐵運(yùn)營(yíng)線路為5 180.6 km，占比76.9%。據(jù)不完全統(tǒng)計(jì)，2019 年城市軌道交通完成客運(yùn)量237.1 億人次，客運(yùn)進(jìn)站量149.4億人次。如何基于數(shù)據(jù)充分挖掘交通的演化規(guī)律，提升交通運(yùn)行效率，是一個(gè)亟待研究的課題。

本文基于大量乘客起始點(diǎn)—終止點(diǎn)（Origin-Destina?tion，OD）數(shù)據(jù)，選取杭州地鐵部分?jǐn)?shù)據(jù)，將空間統(tǒng)計(jì)與可視分析相結(jié)合，以探究城市居民出行規(guī)律，并對(duì)用戶出行特征進(jìn)行分析，從而改善杭州公共交通狀況，同時(shí)為杭州地鐵站點(diǎn)及線路規(guī)劃提供參考。

1 相關(guān)工作

目前國(guó)內(nèi)外對(duì)城市居民出行數(shù)據(jù)的研究主要集中在對(duì)公交和出租車的OD 數(shù)據(jù)進(jìn)行挖掘分析，并對(duì)其軌跡進(jìn)行可視化展現(xiàn)方面。如蒲劍蘇等［1］對(duì)軌跡數(shù)據(jù)可視化研究現(xiàn)狀進(jìn)行了較詳盡的綜述，為探索軌跡數(shù)據(jù)中包含的時(shí)空規(guī)律提供參考；黃文達(dá)等［2］結(jié)合日歷圖、時(shí)鐘圖和群體行為分布地圖等多視圖聯(lián)動(dòng)進(jìn)行交互分析，引入城市—區(qū)域—站點(diǎn)的多尺度群體租車行為交互分析系統(tǒng)，并通過案例證明了該系統(tǒng)在群體行為分析上的有用性和有效性；Wei等［3］設(shè)計(jì)一種路點(diǎn)約束OD 視圖，提出一種探索城市及交通網(wǎng)絡(luò)中與路徑相關(guān)OD 模式的新方法——路標(biāo)約束的OD可視化分析；Pablo 等［4］通過構(gòu)建大規(guī)模出租車軌跡的交通密度模型預(yù)測(cè)交通狀況，并據(jù)此模型估算排放物對(duì)空氣質(zhì)量的影響；姜曉睿等［5］設(shè)計(jì)一個(gè)出租車起止點(diǎn)數(shù)據(jù)可視化分析系統(tǒng)，并將其應(yīng)用于杭州市出租車GPS 真實(shí)數(shù)據(jù)分析上，取得了不錯(cuò)的效果。北大可視化小組自主設(shè)計(jì)研發(fā)的Trip Vista 可視化分析系統(tǒng)從時(shí)間、空間、維度3 個(gè)方面分析交通路口流量信息，利用流圖和平行坐標(biāo)展示軌跡流數(shù)據(jù)的可視化效果，并采用多種交互方式對(duì)不同類型的車輛和行人軌跡進(jìn)行可視化分析，同時(shí)提供了密度圖來展示宏觀的交通流量密度等［6］。江志彬等［7］通過可視化方法，從城軌交通運(yùn)營(yíng)管理者的實(shí)際需求出發(fā)，研究了大規(guī)模復(fù)雜網(wǎng)絡(luò)OD 客流、斷面、進(jìn)出站和換乘客流大數(shù)據(jù)可視化的關(guān)鍵技術(shù)與實(shí)現(xiàn)方法；李文峰等［8］運(yùn)用可視化方法分析了廈門市的公交客流特征與規(guī)律；張健欽等［9-10］采用GIS 空間插值法對(duì)北京市公交客流分布進(jìn)行可視化展示，并采用直接可視化和聚集可視化兩種方式繪制北京市線路分布圖，最后根據(jù)可視化結(jié)果對(duì)北京市公交線路空間分布情況進(jìn)行分析。

國(guó)內(nèi)外目前對(duì)地鐵客流數(shù)據(jù)的研究相對(duì)于公交、地鐵、共享單車的研究較少，而且對(duì)地鐵客流的研究更多地集中在客流預(yù)測(cè)、分時(shí)廣告、站點(diǎn)價(jià)值等方面，針對(duì)站點(diǎn)客流時(shí)空分布特性分析的研究并不多。本文以杭州地鐵客流數(shù)據(jù)為研究對(duì)象，通過構(gòu)建客流OD 矩陣，與乘客出行數(shù)據(jù)的可視化展現(xiàn)相結(jié)合，從時(shí)間、空間兩個(gè)維度分析杭州城市居民在工作日、周末及節(jié)假日3 種模式下的出行規(guī)律。

2 數(shù)據(jù)來源及處理

OD 數(shù)據(jù)，即城市居民出行的起訖點(diǎn)數(shù)據(jù)。從統(tǒng)計(jì)學(xué)角度來說，移動(dòng)物體在空間上的移動(dòng)呈現(xiàn)一種流動(dòng)性特征，空間位置的遷移即是移動(dòng)物體的軌跡起止點(diǎn)，其中O 點(diǎn)為軌跡起始點(diǎn)，D 點(diǎn)為軌跡終止點(diǎn)［11］。OD 矩陣也稱為起訖矩陣，其借用了代數(shù)學(xué)里的矩陣，抽象、直觀、簡(jiǎn)潔地度量了不同對(duì)象之間的連通性及其強(qiáng)弱。鑒于杭州地鐵各站點(diǎn)具備很好的連通性，可利用抽象的OD 矩陣進(jìn)行直觀表示。矩陣中的元用來刻畫任意兩站點(diǎn)之間客流的來源和去向，然后把所有這樣的元拼在一起構(gòu)成一個(gè)矩陣，即為OD 矩陣。

本文以杭州市某日地鐵刷卡數(shù)據(jù)為原始數(shù)據(jù)，利用集合論［12］等知識(shí)構(gòu)造出一種簡(jiǎn)單的OD 矩陣［13］。杭州市地鐵乘客原始OD 數(shù)據(jù)中包含的字段很多，其中本文研究所需的字段如表1 所示。為方便對(duì)地鐵OD 數(shù)據(jù)的存儲(chǔ)與管理，將所有OD 數(shù)據(jù)存儲(chǔ)到MySQL 數(shù)據(jù)庫中，從而有利于數(shù)據(jù)統(tǒng)計(jì)、查詢等操作。此外，本文按照以下幾個(gè)規(guī)則運(yùn)用Py?thon 對(duì)OD 數(shù)據(jù)進(jìn)行預(yù)處理：

（1）除表1 所列之外的字段全部刪除。

（2）action 為2 或3 時(shí)屬于異常訂單數(shù)據(jù)，為確保數(shù)據(jù)的準(zhǔn)確性，將相關(guān)數(shù)據(jù)刪除，即數(shù)據(jù)庫最終只保存action 為0 或1 的數(shù)據(jù)。

（3）對(duì)訂單信息進(jìn)行字符串切片，變成線路和車站兩個(gè)字段，由于只研究各地鐵站的OD 數(shù)據(jù)，所以在哪個(gè)設(shè)備刷卡進(jìn)站并不重要，故刪除設(shè)備編號(hào)信息。

（4）把乘客過閘機(jī)的時(shí)間，也即訂單產(chǎn)生時(shí)間分割成日期和時(shí)間兩個(gè)字段。

修改后的OD 數(shù)據(jù)字段如表2 所示。

Table 1 Passenger OD data field表1 乘客OD 數(shù)據(jù)字段

Table 2 Pre-processed passenger OD data field表2 預(yù)處理后乘客OD 數(shù)據(jù)字段

對(duì)數(shù)據(jù)進(jìn)行以上預(yù)處理后，將某用戶乘坐地鐵action為0 和1 的兩條訂單數(shù)據(jù)按訂單創(chuàng)建時(shí)間整合為一條訂單數(shù)據(jù)。此外，定義A=(aij)為杭州市地鐵OD 矩陣，矩陣中的元aij定義為該時(shí)段內(nèi)從i站到j(luò)站的刷卡人次，例如令i為人民廣場(chǎng)站，j為南星橋站，則表示該時(shí)段內(nèi)從人民廣場(chǎng)進(jìn)站，之后從南星橋出站的客流量。當(dāng)i取不同值時(shí)，即可知道其他站點(diǎn)到南星橋站的過閘人數(shù)。同理也可令j為其他站點(diǎn)，當(dāng)i和j取遍所有可能值時(shí)，即能知道不同站點(diǎn)的進(jìn)出和流向情況。以杭州市五號(hào)線2020 年10 月1 日的OD數(shù)據(jù)為例，構(gòu)建OD 矩陣如表3 所示。

表3 中杭州地鐵四號(hào)線各地鐵站間一天的OD 客流量在某種程度上反映了城市居民出行規(guī)律。從表中可以看出，相比于其它站點(diǎn)，火車東站和市民中心兩個(gè)地鐵站客流量較大。由于本文選取的統(tǒng)計(jì)時(shí)段恰好位于國(guó)慶假期，而杭州又是一個(gè)旅游勝地，除本地居民的出行量外，其它地區(qū)的居民也有來杭州旅游的可能性。此外，市民中心的音樂噴泉和燈光秀等也吸引了大批游客到此打卡，因而造成了火車東站和市民中心客流量較大的現(xiàn)象。在這兩個(gè)地鐵站點(diǎn)上下地鐵時(shí)也可以發(fā)現(xiàn)，地鐵站會(huì)安排更多工作人員進(jìn)行游客疏導(dǎo)，以確保人們順利出行。

Table3 OD data of Hangzhou metro line 4 during October 1，2020 00：00：00-23：59：59表3 杭州地鐵四號(hào)線2020 年10 月1 日00：00：00-23：59：59 的OD 數(shù)據(jù)

3 杭州地鐵客流時(shí)空特性分析

客流OD 矩陣是進(jìn)行客流分布特征分析的基礎(chǔ)，本文選取2020 年9 月30 日-2020 年10 月18 日期間各地鐵站點(diǎn)的客流OD 數(shù)據(jù)作為研究對(duì)象，在構(gòu)建好杭州地鐵各站點(diǎn)的OD 矩陣后，從時(shí)間和空間兩個(gè)維度對(duì)杭州地鐵運(yùn)營(yíng)客流分布特征進(jìn)行研究。

3.1 全日OD 客流量時(shí)段分布

截至目前，杭州市地鐵有1、2、4、5 和16 號(hào)線共5 條線路運(yùn)行，開通站點(diǎn)122 個(gè)（換乘站不重復(fù)計(jì)算），運(yùn)營(yíng)里程共計(jì)206km。2020 年9 月30 日，杭州地鐵線路網(wǎng)單日總客流再次刷新歷史記錄，突破261 萬人次。通過對(duì)杭州地鐵2020 年10 月13 日OD 客流數(shù)據(jù)的分析，可得到其全日客流量時(shí)段分布如圖1 所示。根據(jù)杭州地鐵運(yùn)營(yíng)時(shí)間以及對(duì)全日客流量時(shí)段分布圖的綜合分析，把研究范圍設(shè)定為6：00-23：00?？己丝土髁繒r(shí)段分布的主要指標(biāo)是客運(yùn)時(shí)段系數(shù)P，該值是各時(shí)段客流量與全日客流量之比。經(jīng)計(jì)算得到各客運(yùn)時(shí)段系數(shù)值如表4 所示。

Fig.1 Passenger flow time distribution of Hangzhou metro in October 13圖1 杭州地鐵10 月13 日客流時(shí)段分布

Table 4 Passenger flow coefficient of Hangzhou metro in October 13表4 杭州地鐵10 月13 日客流量系數(shù)

假設(shè)G 代表高峰時(shí)段均值系數(shù)，H 代表平峰時(shí)段均值系數(shù)，一般情況下，7：00-10：00 與17：00-19：00 為高峰時(shí)段，其余為平峰時(shí)段。交通需求時(shí)段分布的均衡性定義為：時(shí)，較均衡；時(shí)，一般不均衡；2.0 時(shí)，很不均衡。

通過對(duì)表4 中的數(shù)據(jù)計(jì)算可知：G=0.095，H=0.044，=2.16>2.0，因此杭州地鐵現(xiàn)有線路的交通時(shí)段分布很不均衡。

3.2 OD 客流分布特性分析

利用Python 對(duì)杭州地鐵某日各站點(diǎn)客流量進(jìn)行統(tǒng)計(jì)，并采用百度的可視化框架Echarts 繪制杭州地鐵各站點(diǎn)某日客流分布熱力圖，如圖2 所示。圖中紅色代表客流量較大，綠色代表客流量較小，黃色為過渡色，表明大部分客流集中在景區(qū)、商業(yè)區(qū)、居民區(qū)以及具有辦公性質(zhì)的大樓附近，部分客流分布在學(xué)校周邊及郊區(qū)等地。

Fig.2 Heat map of passenger flow distribution in a certain day at each station of Hangzhou metro圖2 杭州地鐵各站點(diǎn)某日客流分布熱力圖

為更直觀地呈現(xiàn)各地鐵站在各時(shí)段的OD 客流分布特性，本文設(shè)計(jì)了一個(gè)以橫軸表示時(shí)間段、縱軸表示地鐵站點(diǎn)、橫軸與縱軸交叉所形成的方格顏色深淺表示客流量大小的熱力圖。選取部分站點(diǎn)，利用Echarts 為輔助工具，分別繪制了工作日、周末以及國(guó)慶假期3 種模式下的各時(shí)段OD 客流分布熱力圖，如圖3-圖5 所示。在該熱力圖中，以顏色深淺代表客流量大小，顏色越深，表明該地鐵站在該時(shí)段內(nèi)客流量越大，反之則越小。

Fig.3 Passenger flow at some stations of Hangzhou metro during working hours圖3 杭州地鐵部分站點(diǎn)工作日各時(shí)段客流量

Fig.4 Passenger flow at some stations of Hangzhou metro during weekends圖4 杭州地鐵部分站點(diǎn)周末各時(shí)段客流量

Fig.5 Passenger flow at some stations of Hangzhou metro during holidays圖5 杭州地鐵部分站點(diǎn)節(jié)假日各時(shí)間段客流量

從圖3 中可以了解到，工作日期間杭州地鐵各站點(diǎn)客流清晰呈現(xiàn)了早晚高峰的特性，早高峰是7：00-10：00，晚高峰是17：00-20：00，在這兩個(gè)時(shí)間段內(nèi)客流量比其它時(shí)段大。通過3 幅圖的對(duì)比可以明顯看出，無論是工作日還是節(jié)假日，火車東站（杭州東站）的客流量始終是最大的，而城站（杭州站）和火車南站（杭州南站）的客流量相對(duì)較小，表明杭州東站作為杭州交通的主要樞紐承載了杭州大部分客運(yùn)量，甚至有可能會(huì)出現(xiàn)“過載”現(xiàn)象，杭州站和杭州南站則無法充分發(fā)揮該站點(diǎn)的效能，可能存在運(yùn)營(yíng)“過剩”現(xiàn)象。相關(guān)部門也應(yīng)當(dāng)留意這些問題，并適當(dāng)采取措施，對(duì)杭州南站和杭州站進(jìn)行引流，以充分發(fā)揮該站點(diǎn)的作用，緩解杭州東站的運(yùn)營(yíng)壓力。此外，對(duì)于正在建設(shè)中的杭州西站更要注意這些問題，盡可能避免運(yùn)營(yíng)“過?！爆F(xiàn)象。

除火車東站外，龍翔橋和鳳起路兩個(gè)地鐵站點(diǎn)的客流量也較為突出。通過結(jié)合地圖觀察得知，該站點(diǎn)位于西湖邊上，而西湖是國(guó)家5A 級(jí)旅游景區(qū)，無論是工作日還是節(jié)假日，都會(huì)吸引大批游客到此游玩觀賞。此外，該地鐵站附近不僅有一個(gè)匯集吃喝玩樂于一體的大型商場(chǎng)，還存在各式各樣的網(wǎng)紅打卡點(diǎn)，無疑又增加了兩個(gè)站點(diǎn)的客流量，加大了站點(diǎn)運(yùn)營(yíng)壓力。相關(guān)部門也正是考慮到這些問題，在該站點(diǎn)安排了更多工作人員輔助疏散人流，以保證人們出行暢通，避免交通擁堵現(xiàn)象及踩踏事故的發(fā)生。

通過對(duì)比工作日、周末和國(guó)慶假期3 種模式下杭州地鐵部分地鐵站各時(shí)段的OD 客流分布特性，發(fā)現(xiàn)無論是工作日還是節(jié)假日，人流量最大的地方主要集中在火車東站和西湖景區(qū)附近。

4 結(jié)語

地鐵OD 客流量的可視化研究可實(shí)時(shí)監(jiān)測(cè)人群流動(dòng)狀況，讓交通部門能夠更合理地規(guī)劃交通資源，從而為市政交通建設(shè)與管理提供參考。另外，杭州城市框架拉開需要豐富地鐵層次，且杭州市在2022 年亞運(yùn)會(huì)開幕之前，除原有線路及站點(diǎn)外，需要陸續(xù)開通地鐵線路近10 條，站點(diǎn)近200 個(gè)，而對(duì)地鐵OD 客流的可視化分析能幫助杭州對(duì)在建地鐵線路進(jìn)行合理規(guī)劃，優(yōu)化地鐵站點(diǎn)選址，構(gòu)建更快速的地鐵快線網(wǎng)，以滿足快捷、高效的長(zhǎng)距離出行要求，提升杭州的空間組織效率。這不僅可使本地城市居民出行更加便捷，而且能改善外來游客的游玩體驗(yàn)，提升其滿意度。

本文僅用可視化方法對(duì)杭州市地鐵客流進(jìn)行分析，而對(duì)于影響客流量大小的因素并未深入挖掘。因此，未來可充分挖掘這些影響因素，并對(duì)其進(jìn)行建模分析，以進(jìn)行更深入的研究。