王鼎元

上海市交通發(fā)展研究中心

0 引 言

公共交通系統(tǒng)中乘客出行鏈的分析可以客觀反應出公交系統(tǒng)的運營狀況和城市區(qū)域之間的聯(lián)系，為提高公共交通系統(tǒng)服務水平，推進公交優(yōu)先戰(zhàn)略提供參考依據(jù)。傳統(tǒng)的人工調查法或四階段法采樣數(shù)據(jù)有限、采樣群體不夠全面，僅能從宏觀角度描述公共交通的出行需求。隨著公交IC卡、手機二維碼等電子支付手段的推廣，電子支付交易數(shù)據(jù)逐漸成為從微觀層面分析公共交通出行需求的首選數(shù)據(jù)源。

上海市作為國際大都市，是國內(nèi)較早形成公交網(wǎng)絡的城市之一。截至2021年，有固定公交線路1 600多條，公交企業(yè)有28家。目前，有些城市的交通卡交易記錄可以精確到站點，有的需要下車刷卡，這極大簡化了出行鏈識別的工作。但是，上海的公交車載終端與刷卡POS機之間沒有互相連接，僅根據(jù)交易記錄無法分辨車輛和班次。刷卡POS機設備更新?lián)Q代難度大，所以需要充分利用現(xiàn)有數(shù)據(jù)實現(xiàn)公交上下車站點的推算。

本文嘗試通過利用上海交通卡和乘車碼的交易數(shù)據(jù)，結合在線地圖的公交線路數(shù)據(jù)，與公交車定位數(shù)據(jù)、電子路單數(shù)據(jù)作關聯(lián)匹配，得到公交車輛與刷卡POS機的綁定關系，推算出公交上車站點；根據(jù)乘客在公交和地鐵的換乘特征，推算下車站點，得到乘客的完整出行鏈。

1 數(shù)據(jù)預處理

利用交通卡刷卡交易數(shù)據(jù)推算公交客流OD需要采集和處理多種來源數(shù)據(jù)，分為相對靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)，其中相對靜態(tài)數(shù)據(jù)包括線路基礎信息表，公交線路、站點GIS數(shù)據(jù)等。本次使用的動態(tài)數(shù)據(jù)包括2021年8月內(nèi)某一周的上海全市交通卡刷卡記錄數(shù)據(jù)、公交乘車碼交易記錄數(shù)據(jù)（字段格式與交通卡刷卡記錄一致）、全市公交車衛(wèi)星定位數(shù)據(jù)、公交電子路單。其中，交通卡包括手機、手表等設備上使用NFC技術的虛擬卡；乘車碼為乘坐公交使用的二維碼乘車憑證（不能用來乘坐地鐵）。

數(shù)據(jù)預處理包括數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)歸約等，本文主要介紹公交物理站點聚類融合以及公交車輛到離站時間推算方法。

1.1 公交物理站點聚類融合

同一個公交站牌或站亭，在不同線路上可能記錄到多個站點坐標，在統(tǒng)計時較為不便。因此對于同一物理站點需要采用聚類的方法，聚集到邏輯上的“物理站點”。觀察到作為同一公交站點，名稱應該相同，且距離很近。若為中途站，可能在道路兩側有兩個站臺；若為首末站，可能有兩個發(fā)車方向，且可能同時設有中途站（中途站在道路兩側，不在場站內(nèi)）。所以，對于同名、距離相近的站點，最多可聚類為四個站點：作為首末站的兩個發(fā)車方向，以及作為中途站的兩個線路走向。如圖1所示，臨近的同名公交站，可以根據(jù)是否為終點站分別聚合，再根據(jù)站點在線路上的方向角進一步區(qū)分兩側不同方向的公交站。

圖1 公交物理站點聚類示意圖

1.2 公交到離站時間推算

為提高后續(xù)計算效率，在匹配交通卡數(shù)據(jù)之前，先將衛(wèi)星定位數(shù)據(jù)與電子路單、站點坐標匹配，得到每輛車在每個站點的到站和離站時間。對每條GPS軌跡，先與電子路單匹配，得到上下行方向；再與對應走向的線路上的所有站點計算距離。為防止因線路彎曲，匹配到的站點順序前后跳躍，先排除300 m范圍之外的站點；在候選站點中，若有當前站點和下一個站點，選取位置較近的站點，否則選取與當前站點序號最接近的后續(xù)站點。

2 公交客流OD推算

2.1 POS機與車輛匹配

上海交通卡交易數(shù)據(jù)中，沒有車牌號或車輛編號信息，只有POS機編號，該編號與車牌號的對應關系是不確定的。要將交通卡數(shù)據(jù)與公交車到離站時刻數(shù)據(jù)互相匹配，需要先獲取車輛與POS機的對應關系。公交車上記錄定位數(shù)據(jù)的車載終端和POS機均需要實時上傳數(shù)據(jù)，可以假設這兩臺設備會與互聯(lián)網(wǎng)定期同步時鐘，兩臺設備的時鐘誤差可以忽略。

公交POS機與公交車牌號的匹配可以視作一個線性規(guī)劃中的指派問題，即將公交POS機與公交車牌號一一對應，使匹配誤差最小。假設各條公交線路相互獨立，每日每輛公交車上的POS機為固定一臺，即可按不同日期、不同公交線路分別求解指派問題。該指派問題的目標是使匹配誤差最小，匹配誤差由車輛與POS機之間停靠時間不匹配數(shù)確定。停靠時間不匹配數(shù)為某個POS機的刷卡記錄時間不在某輛車?？咳我庖徽镜臅r間段內(nèi)的總數(shù)。

圖2為2021年8月5日43路（虹漕南路至南浦大橋方向）的電子路單和各站停靠時間；軌跡圖中圓點為使用該方法將POS機與車輛匹配后，得到的刷卡站點和時間?？梢钥吹剑诜泵Φ脑绺叻鍟r段，即使有多輛車同時停靠，該方法也能較為準確地匹配POS機與車輛的對應關系。

圖2 2021年8月5日43路（虹漕南路—南浦大橋）車輛運行軌跡圖

2.2 上車站點識別

使用車輛到離站時間、POS機與車輛對應關系表，根據(jù)刷卡記錄中的線路名稱、車牌號、POS機編號、刷卡時間，可以得出每條刷卡記錄的上車站點。每一站能匹配到的有效刷卡時間范圍設為這一站的到站時間直至下一站的到站時間；首站的有效刷卡時間設為發(fā)車前15 min或該車上一班終點站到站時間（取較大值），直至第二站的到站時間。上車站點識別所用數(shù)據(jù)表之間的關系如圖3所示。

圖3 上車站點匹配方法示意圖

在2021年11月分別對43路、218路、205路、985路做了74個班次的人工調查，同時采集調查當天的原始數(shù)據(jù)，使用上述方法，各班次總上客量平均準確率為95%，站點級別上客量平均準確率為90%。POS機與車牌號匹配結果準確率為100%。

2.3 下車站點推算

公交刷卡記錄下車站點的推算根據(jù)原始數(shù)據(jù)特點不同，有多種方法。[1,2,4]交通卡刷卡記錄包括公交和地鐵的刷卡記錄。其中，地鐵的刷卡記錄進站和出站各為一條，關聯(lián)先后的進出站刷卡記錄即可得到地鐵的進出站點。乘客在公交站下車后，存在三種情況（見圖4）：乘客先乘坐公交A，換乘公交B，其中包括公交B為公交A的返程的情況；乘客先乘坐公交A，換乘地鐵；乘客先乘坐公交A，再使用其他交通工具達到目的地。

圖4 公交下車站點匹配方法示意圖

本文采用一種通用的方式推算公交的下車站點。對于一次乘坐公交的刷卡記錄，其下車站點設置為同一條線路與下一次上車點1 000 m范圍內(nèi)最近的后續(xù)車站（包括返程），兩次乘車間隔在7日內(nèi)。這種較為寬松的條件，可以盡可能地包括乘客的規(guī)律性出行和往返行程，不論該乘客的出行是否在通常的上下班高峰期。使用這種方法，對2021年8月全市公交刷卡數(shù)據(jù)做下車點匹配，匹配率為所有刷卡記錄的50%左右。

2.4 OD擴樣

匹配得到每條交易記錄的起訖點已經(jīng)可以反映出公交與地鐵客流的真實特征。但是，可以推算出OD的數(shù)據(jù)僅覆蓋了總出行量的一部分，為建立較準確的交通模型，需要根據(jù)統(tǒng)計報表中的公交、地鐵總出行量做擴樣。[9]公交和地鐵出行量的關系如圖5所示，其中打勾的部分為可以計算出OD的客流。

圖5 公交、地鐵出行客流邏輯關系示意圖

首先，需要計算原始數(shù)據(jù)覆蓋的客流與全部客流的占比。根據(jù)2021年的客運量統(tǒng)計報表，與原始交易記錄中的日均客流對比，電子支付方式約占公交出行量的86%，其中交通卡占55%，乘車碼占31%。地鐵乘客還可以使用二維碼、單程票等方式進站，使用交通卡的乘客約占地鐵日均客流56%。

對于單程的OD量，即乘坐一次公交，或一次地鐵進出站，可以用可識別OD的記錄數(shù)占總記錄數(shù)的比例，乘以使用交通卡、乘車碼乘客的比例，得到可識別OD的記錄數(shù)占總客流的比例，單程的擴樣系數(shù)為該比例的倒數(shù)。對于全程的OD量，即乘客在一次出行中，通過多次換乘到達目的地，需要排除公交乘車碼的數(shù)據(jù)。因為只有交通卡可以連通公交和地鐵系統(tǒng)，所以其中公交的OD占比及擴樣系數(shù)僅使用交通卡的交易記錄推算。一次出行的擴樣系數(shù)可設為各單程的擴樣系數(shù)的算術平均值。例如，乘客在一次出行中先乘坐公交線路A，系數(shù)為2.1，再乘坐地鐵，系數(shù)為1.6，這一次出行的擴樣系數(shù)為1.85，即代表1.85人次的出行OD。

3 應用場景

獲得了每條刷卡記錄所代表的公交線路、上下車站點，計算出擴樣系數(shù)后，即可統(tǒng)計得到線路站間客流、站點上下客量和換乘量等，精確地分析公交線路、站點、通道的客流特征。

在站點層面，可以按物理站點集計，得到站點日均或高峰時的上下客量、換乘量。在線路層面，可以計算線路上主要的OD區(qū)間，觀察斷面客流，優(yōu)化現(xiàn)有公交線路走向，如圖6所示。在網(wǎng)絡層面，可以按公交線路經(jīng)過的道路，計算每條道路上的斷面客流，建立更精確的交通模型，如圖7所示。

圖6 218路下行早高峰斷面客流圖

圖7 上海部分區(qū)域公交斷面客流分布圖

4 結 語

本文描述了一種利用交通卡和公交乘車碼交易數(shù)據(jù)、公交電子路單、公交車衛(wèi)星定位數(shù)據(jù)，推算公交上下車站點，進而構建多模式公交出行鏈的方法。該方法解決了公交車輛與刷卡POS機不綁定、公交下車站點推算等問題，實現(xiàn)了全市規(guī)模的公交出行鏈的復原，能較為準確地反映整個公交系統(tǒng)中的出行特征。

本文所述的方法對于下客量、冷門線路客流推算的準確性尚需通過人工調查驗證。后續(xù)研究時，應根據(jù)實際情況，將公交出行鏈數(shù)據(jù)與其他數(shù)據(jù)和人工調查相結合，為交通規(guī)劃、運營調整等工作提供更真實細致的數(shù)據(jù)支撐。