許彩薇，黃正東，趙天鴻,4，張 瑩，黃嘉誠

（1.深圳大學(xué) 建筑與城市規(guī)劃學(xué)院智慧城市研究院，廣東 深圳 518060；2.粵港澳智慧城市聯(lián)合實驗室，廣東 深圳 518060；3.深圳市城市數(shù)字孿生技術(shù)重點實驗室，廣東 深圳 518060；4.深圳技術(shù)大學(xué) 大數(shù)據(jù)與互聯(lián)網(wǎng)學(xué)院，廣東 深圳 518118）

國家和地方政府高度重視城市公共交通的發(fā)展，相繼制定了一系列政策措施，以鼓勵公共交通優(yōu)先發(fā)展、引導(dǎo)居民轉(zhuǎn)向綠色公交出行。居民在選擇出行方式時，一個重要參考因素是公共交通相對于其他交通方式（尤其是小汽車）的出行效率。同時，公交出行相對效率也是是判斷公共交通是否高質(zhì)量發(fā)展的關(guān)鍵標志。因此，研究城市公交出行相對效率，對于評價城市公交系統(tǒng)發(fā)展水平、制訂相應(yīng)的完善措施、促進公交健康發(fā)展等均具有較大的參考價值。

出行效率指居民以最少的時間完成所需要的出行任務(wù)（蔡軍，2005），具有時間和空間的特性。在時間層面上，出行時空效率以出行時間為主要參考，出行時間是出行方式選擇的重要依據(jù)（Sa‐lonen et al., 2013; Liao et al., 2020）；在空間層面上，出行時空效率反映不同空間之間選擇公共交通出行的效率水平。提高公交出行時空效率，一是要縮短公交出行的絕對時間，二是要減少公交出行與個體機動交通出行時間的差距。關(guān)于絕對出行時間的研究中，多以建立基于出行時間的可達性模型評估出行效率，分析可達性范圍（周雨陽 等，2020），或通過構(gòu)建最優(yōu)化模型對公交線路的路線及長度進行優(yōu)化，以有效減少換乘次數(shù)和一次公交出行的平均時間，從而達到縮短公交出行絕對時間的目的（揭遠朋 等，2018；Makarova et al., 2021）。還有研究通過建立評估模型進行求解分析，找到影響出行效率的關(guān)鍵因素，制定提升路網(wǎng)效率的改善方案，以提高公交出行效率（楊勵雅 等，2011；董禮 等，2018；Fitzova et al., 2018）。

在中國城市擴張迅速、機動化出行水平日益提高的背景下，公共交通的吸引力提升關(guān)鍵不僅在于縮短絕對的出行時間，更在于減小公交出行方式與個體機動出行方式之間的時間差，即提高公交出行相對時空效率。公交出行相對時空效率是相對于小汽車出行的時間差異，綜合考慮了公共交通作為大運量的出行方式所承載的出行乘客數(shù)量，能更好地體現(xiàn)城市公交出行整體的時空效率。已有研究從不同的視角構(gòu)建了出行相對效率評估模型，如用公共交通的出行時間除以汽車出行時間，比較2種出行模式的出行時間差異（Liao et al., 2020），或構(gòu)建表征公共汽車與小汽車速度變化趨勢一致性的關(guān)聯(lián)度指標，對比不同空間和時間維度下兩者的速度特性（王玉煥 等，2014）。還有從通勤視角根據(jù)居住地與就業(yè)地信息展開調(diào)查，使用理論通勤、通勤容量、過剩通勤等模型比較公交與私家車通勤效率的差異（Niedzielski et al., 2013；韓會然 等，2017）。

已有研究多采用調(diào)查問卷或跟車法（趙紅軍等，2008；韓會然 等，2017），無法實時動態(tài)反映城市公交出行整體效率的規(guī)律和特征。而互聯(lián)網(wǎng)地圖可以提供實時動態(tài)的路徑搜索（Wang et al.,2018; Gao et al., 2019; Luo et al., 2019；郭琛琛 等，2022），為全面刻畫城市公共交通出行相對效率提供了新的可能性。因此，本文擬提出基于互聯(lián)網(wǎng)地圖實時路況的城市公交出行相對效率的評價框架，即在某一時刻同時搜索公交出行和小汽車出行的路徑與時間，通過時間對比來評價公交的出行相對效率，并構(gòu)建公交出行相對時空效率指數(shù)模型，以深圳為案例開展分析。以期有助于正確判斷公交發(fā)展狀態(tài)，為公共交通高質(zhì)量發(fā)展提供參考依據(jù)。

1 研究對象與流程

1.1 研究對象

以深圳市為研究對象，深圳市是粵港澳大灣區(qū)人口數(shù)量第二的超大城市，其公交負載量巨大。2021 年全市公交客流量36.07 億人次，日均988.29萬人次，其中常規(guī)公交客流量10.9億人次，地鐵客流量21.79億人次（深圳市交通運輸局，2022a）。

本研究使用的數(shù)據(jù)包括IC卡刷卡數(shù)據(jù)、公共汽車GPS數(shù)據(jù)和利用互聯(lián)網(wǎng)地圖接口計算的公交與小汽車出行的時間數(shù)據(jù)，以及深圳市公交站點、公交線路網(wǎng)、城市道路網(wǎng)等基礎(chǔ)地理信息數(shù)據(jù)。

其中，公交和小汽車的出行時間數(shù)據(jù)是基于實時路況的，于2021年4月通過調(diào)用互聯(lián)網(wǎng)應(yīng)用程序接口采集。因無法獲取與出行時間數(shù)據(jù)同時段的刷卡數(shù)據(jù)，采用2019年9月的刷卡數(shù)據(jù)代替，以獲取乘客出行O-D（Origin-Destination）信息。根據(jù)深圳市交通運輸局（2022b）統(tǒng)計的公交出行情況，2019 年9 月公共汽車日均客流量為453 萬人次，2021 年4 月為327 萬人次，差異約2.8%；2019 年9月地鐵日均客流量為563萬人次，2021年4月為631萬人次，差異約1.2%，出行量具有較為相似的特征；2019 年工作日高峰時段平均車速為26 km/h，2021年工作日高峰時段平均車速為25 km/h。因此，2 個時段的公交客流量與路況總體上較為相似，在不能獲取2021年刷卡數(shù)據(jù)的情況下，以2019年9月的刷卡數(shù)據(jù)作為替代具有可行性。

1.2 研究流程

首先，基于互聯(lián)網(wǎng)地圖應(yīng)用程序接口同步動態(tài)獲取公交與小汽車的出行時間，計算公交出行相對時間效率，并對地鐵/公汽的IC 卡刷卡數(shù)據(jù)和公汽GPS數(shù)據(jù)進行O-D推算，然后，構(gòu)建公交出行相對時空效率指數(shù)模型，最后，從指數(shù)聚類特征和空間分異特征2個角度對公交出行相對時空效率指數(shù)進行分析。

1.2.1 深圳市公交站點對O-D 推算及篩選 IC卡刷卡數(shù)據(jù)和公共汽車GPS數(shù)據(jù)在經(jīng)過處理后能推算每1條刷卡數(shù)據(jù)的O-D 信息。地鐵刷卡數(shù)據(jù)包含上下行站點和時間，可直接匹配站點還原O-D，但公汽系統(tǒng)的計費方式多為1次刷卡模式，乘客的下車時刻與下車站點不被記錄，因此需要進行O-D 推算。綜合文獻中的多種上下車站點推導(dǎo)方法進行公交（公汽和地鐵）O-D推算，主要采用基于連續(xù)出行鏈的方法，根據(jù)通勤或歷史出行規(guī)律推導(dǎo)下車站點。這種O-D推算方法面向以通勤為主的市內(nèi)出行時具有良好的推算效果，在少量難以推算的偶發(fā)性出行的影響下，最終仍能獲得87.64%的推導(dǎo)率（聞帥 等，2019；Huang et al., 2020）。得到每1 條刷卡數(shù)據(jù)的上下車站點及上下車時間信息，從而可計算每個時段各站點對的客流量（上行和下行人數(shù)）。

對全市站點進行綜合處理，同名的多個公汽站臺綜合為1個公汽站點，接駁地鐵的公汽站點與地鐵站點綜合為1個地鐵站點，共綜合得到全市2 493個站點。由于計算量過于龐大和互聯(lián)網(wǎng)地圖應(yīng)用程序接口并發(fā)處理限制的技術(shù)因素，選取客流量排名前500 的站點（含公汽站點334 個和地鐵站點166個）作為全市出行的主要公交站點，用作后續(xù)分析的基礎(chǔ)（圖1）。

圖1 深圳市客流量較大的主要公交站點分布Fig.1 Distribution of main stations with large passenger flow volume in Shenzhen

1.2.2 小汽車和公交出行時間同步動態(tài)獲取 本文將比較早高峰、非高峰、晚高峰3個時段的公交出行相對時空效率。早高峰時段選為T 07:00－09:00，晚高峰時段選為T 18:00－20:00（聞帥 等，2019），非高峰時段在T 09:00－18:00較為平穩(wěn)，但午間的出行量相對較少，因此選取午后的T 14:00－16:00 作為代表。公共交通的出行時間會隨空間和時間而變化（Farber et al., 2017），出行相對時間差會隨時段、路線及城市交通路況的擁擠程度而有所差異，并且也會受天氣狀況的影響（李秋萍 等，2020）。同步獲取不同出行方式下的出行時間是本研究的關(guān)鍵，而互聯(lián)網(wǎng)地圖為實時交通數(shù)據(jù)的獲取提供了技術(shù)支持，能獲取基于實時路況不同出行方式下的出行路線、出行時間與出行成本（戴智 等，2020；張紅 等，2021）。通過調(diào)用互聯(lián)網(wǎng)地圖的應(yīng)用程序接口（如lbsyun.baidu.com），可以更加方便地在相同時段同時獲取兩者的出行時間數(shù)據(jù)，更具有可比性，能更好地體現(xiàn)2種出行方式的實時狀況。利用互聯(lián)網(wǎng)地圖實時性的優(yōu)勢，更能節(jié)約時間和人力成本，且方法具有較強的可操作性和普適性。此外，也可以通過公共汽車GPS和刷卡數(shù)據(jù)推算公交出行時間。

同步查詢所有時段不同出行方式從站點到站點的出行時間，即500 個站點對在1 個時段需要查詢24.95萬次（500×499），早高峰、午后和晚高峰3個時段需要74.85萬次搜索。通過在3個時段連續(xù)自動批量同步動態(tài)獲取基于實時路況的各站點對之間小汽車出行時間與公交出行時間。

由于本研究僅考慮站點到站點間的出行，因此互聯(lián)網(wǎng)地圖計算的公交出行時間不包含步行到站點的時間，也不包括等待公交的時間，小汽車出行時間也不包括叫車等車時間等。

1.2.3 公交出行相對時空效率模型

1）公交出行相對時間效率 相對時間效率指小汽車和公交按最少時間方案的出行時間比值。小汽車出行包含自駕、出租車或網(wǎng)約車出行等，其在出行選擇上可能會按最短路徑或按其他方案。本文定義小汽車的出行時間不是自由流狀態(tài)下的時間，而是與公交在相同時段的道路交通狀況下，按照最少時間進行計算。

站點i和站點j之間在t時段的公交出行時間為TBijt，小汽車出行時間為TCijt。定義t時段站點i和j之間相對時間效率Eijt為：

由于受到停站、限速等影響，絕大多數(shù)計算的相對時間效率Eijt＜1，公交出行時間會多于小汽車出行時間，在少部分站點對之間也會出現(xiàn)公交出行時間少于小汽車出行時間的情況，其相對時間效率Eijt＞1。

2）公交出行相對時空效率指數(shù) 公交出行相對時間效率是客觀的指標，而公交出行相對時間效率和出行人數(shù)在不同時段和空間位置下是有差異的，為了能更合理地反映公交實際運行效率，考慮加入乘客量作為權(quán)重，綜合體現(xiàn)公交運行的整體效益。當乘客數(shù)越多，權(quán)重越大時，整體相對時空效率越高。

設(shè)站點總數(shù)為M，i和j之間的出行量為Pij，全天共分為T個時段，時段t可按小時劃分，從而可區(qū)分1 d不同時間段的乘客量Pijt。將t時段乘客人數(shù)Pijt與相對時間效率Eijt聯(lián)合運算來定義公交出行相對時空效率指數(shù)，據(jù)此算出站點對、站點、面域（局部空間單元或市域）3 種時空效率指數(shù)，以從不同尺度體現(xiàn)公交出行與小汽車出行的相對時空效率差異。

站點對（站點i和站點j之間）的公交出行相對時空效率指數(shù)Eij為：

站點的公交出行相對時空效率指數(shù)Ei為：

全市或某區(qū)域的公交出行相對綜合時空效率指數(shù)E為：

特別地，可以計算某類空間單元（如區(qū)、街道、TAZ）之間的公交出行相對時空效率指數(shù)，對比不同空間單元之間的公交出行相對時空效率。對于空間單元m、n，該指數(shù)Emn表述為：

1.2.4 公交出行相對時空效率指數(shù)計算 在獲得每個站點對之間的乘客量和公交出行相對時間效率后，根據(jù)式（2）計算站點對的公交出行相對時空效率指數(shù)Eij，表1 為包含3 個時段的數(shù)據(jù)樣例。選取站點周邊居民區(qū)密集的站點如西鄉(xiāng)站、五和站和龍華汽車站，選取工作崗位密集公司企業(yè)聚集的站點如科技園站，并考慮空間上的分布便于對比，站點的空間位置如圖1所示。由于站點對之間的乘客量在各高峰時段內(nèi)部未做區(qū)分，且3個時段也僅分別獲取1組出行時間值，因此在同一時段，站點對的時空效率指數(shù)Eij等于相對時間效率Eijt。將各時段的公交相對時間效率和乘客量聯(lián)合計算，得到3個時段綜合時空效率指數(shù)Eij。

表1 深圳市站點對的公交出行相對時空效率指數(shù)（Eij）數(shù)據(jù)樣例Table 1 Examples of public transportation relative spatiotemporal efficiency index(Eij) for pairs of stations in Shenzhen

1.2.5 聚類分析 從時間角度出發(fā)，對站點尺度的早午晚3個時段的公交出行相對時空效率指數(shù)進行聚類。聚類算法方面，選擇傳統(tǒng)聚類算法中的KMeans。該算法需預(yù)先設(shè)定分類個數(shù)（K值），采用迭代方法選取不同K值計算對應(yīng)的誤差平方和（SSE），根據(jù)“肘部法則”選擇最佳的分類個數(shù)。通過對站點的出行時空效率指數(shù)進行聚類分析，探索各類出行效率特征的站點及其空間分布。

2 結(jié)果與分析

2.1 站點對間的公交與小汽車出行時間特征

公交出行時間與小汽車出行時間的關(guān)系如圖2所示。對角斜線為等時線，其上方的點為公交出行時間小于小汽車出行時間，下方的點反之。A點和B 點是其2 個例子。落在直線上及其上方的點，公交出行相對效率≥1，數(shù)據(jù)量約占7%。下方靠近直線的點（相對時間效率接近于1），可能有2種情況：1）當小汽車出行與公交出行的時間都長，即可能實時路況擁堵或小汽車出行需要繞行；2）當小汽車出行與公交出行時間都很短，即出行距離較短且無需公交換乘等。這2種情況下公交出行的相對時間效率都較高。

對比3個時段的出行時間（見圖2），晚高峰的出行時間更長。晚高峰小汽車出行平均時間為40.5 min，相比早高峰（37.1 min）多9%，比午后時段（35.8 min）多13%，晚高峰公交出行平均時間為58 min，比其他2 個時段（早高峰56.9 min 和午后56.6 min）的平均出行時間長。

絕大多數(shù)的站點對之間小汽車出行的時間少于公交出行的時間。離等時線越遠（即斜率越?。┑狞c，表明公交出行時間遠比小汽車出行時間多，兩者比值得到的相對時間效率Eijt受小汽車出行時間與公交出行時間的共同影響，體現(xiàn)公交與小汽車在出行時間上的效率差異。

公交出行時間與相對時間效率的關(guān)系如圖3所示。當公交出行時間很短時，相對效率很高，對于短程從站點到站點的出行，公交出行（尤其是地鐵出行）具有優(yōu)勢；隨著公交出行時間的增加，相對時間效率迅速降低，且3個時段早高峰最低，晚高峰最高，即晚高峰公交出行時間與小汽車出行時間的差距較??；當公交出行時間更長時，相對時間效率逐漸穩(wěn)定在0.5～0.7，且3個時段的相對時間效率差距減小。

圖3 深圳公交出行時間與相對時間效率的關(guān)系Fig.3 Relationship between public transportation travel time and relative time efficiency in Shenzhen

2.2 公交出行相對時空效率指數(shù)的時段特征

從站點對、站點、面域（網(wǎng)格、街道、市域）不同尺度分析深圳市公交出行效率指數(shù)的時段特征。

1）站點對尺度公交出行相對時空效率指數(shù)分布 站點對尺度公交出行相對時空效率指數(shù)能體現(xiàn)站點之間聯(lián)系的強度，有助于分析公交出行相對效率銜接較好的站點對空間分布。由圖4可知，各時段Eij≥0.8 的站點對主要分布在南山、福田、羅湖3個中心城區(qū)之間，寶安、龍華、龍崗3 個區(qū)之間，以及與寶安、龍華、龍崗與中心城區(qū)之間。總體空間格局與地鐵線路“兩橫三縱”的分布相似。高效率指數(shù)的站點對多發(fā)生在地鐵站點對之間，主要原因是軌道交通的平均速度快，且出行時間具有穩(wěn)定性，整體上地鐵站點對之間的相對時空效率指數(shù)在各時段均較高。同時也可以看出，晚高峰出現(xiàn)較多的“公汽—地鐵”和“公汽—公汽”高效率站點對。

圖4 深圳公交出行相對時空效率指數(shù)Eij≥0.8的站點對O-D線Fig.4 O-D lines between stations with Eij≥0.8 during different time periods in Shenzhen

2）站點尺度公交出行相對時空效率指數(shù)分布 在空間分布（圖5）上，由羅湖、福田、南山、寶安（靠南山片區(qū)）所組成的中心城區(qū)站點在各時間段具有較大的波動，大多數(shù)站點的早高峰指數(shù)明顯低于晚高峰指數(shù)，表明晚高峰時段公交相對于小汽車出行的時間差距在縮??；在外圍城區(qū)，站點公交時空效率指數(shù)呈現(xiàn)明顯的軸線特征，其主要是由地鐵線路串聯(lián)起來的站點，體現(xiàn)地鐵在特大城市中的重要價值。

圖5 深圳主要站點公交出行相對時空效率指數(shù)Ei空間分布Fig.5 The spatial distribution of Ei of major stations during different time periods in Shenzhen

從占比（圖6）看，早高峰站點效率Ei位于低和中低水平的占比為65.8%，說明早高峰公交相對于小汽車出行的時間差距大，午后時段的指數(shù)多位于0.55～0.75的中低和中水平，晚高峰時段則多位于0.65～0.85的中和中高水平。

圖6 深圳市站點的公交出行相對時空效率指數(shù)Ei占比Fig.6 Proportion of Ei for stations in Shenzhen

3）街道尺度公交出行相對時空效率指數(shù)分布 站點的公交出行相對時空效率指數(shù)可向上匯聚到街道尺度，從而形成對城市各街道公交出行相對效率的評價（圖7）。整體上，午后和晚高峰時段的公交出行相對效率比早高峰高。早高峰南山區(qū)和福田區(qū)內(nèi)的若干街道，其綜合時空效率指數(shù)低于0.55；而3 個時段的綜合視角下，南山街道和西麗街道形成一個低指數(shù)“通廊”，主要是這個方向的公交供給較弱，地鐵線路尚在建設(shè)中。深圳市街道層面的公交出行相對時空效率指數(shù)分布存在較大差異，除了各時段特征相似的高效率地鐵站點外，不同街道還有大量不同數(shù)量、不同效率的公汽站點。如龍崗區(qū)的平湖街道和坪地街道的公交出行相對時空效率指數(shù)在3 個時段都較低，處于0.45～0.55 水平，說明其公交出行處于相對劣勢。

圖7 深圳街道尺度公交出行相對時空效率指數(shù)EFig.7 Index E at street level during different time periods in Shenzhen

各街道空間單元之間的公交時空效率指數(shù)Emn如圖8所示，可知，早高峰各街道空間單元之間的公交出行效率偏低，午后時段隨著道路上的車流減少車速提高，公交出行相對效率有所提高，連接的街道空間也有所增加。晚高峰各街道之間的公交出行效率較高，反映晚高峰公交出行相對小汽車出行的時間差距有所減小。

圖8 深圳各街道空間單元之間的公交出行相對時空效率指數(shù)分布（Emn≥0.8）Fig.8 Emn between street units(Emn≥0.8)during different time periods in Shenzhen

4）市域尺度公交出行時空效率指數(shù)分布 市域?qū)用娴墓怀鲂邢鄬r空效率指數(shù)反映全市公交出行相對于小汽車出行的綜合效率，3 個時段綜合指數(shù)值為0.63，處于中等水平。對于深圳市這種特大城市，城市公共交通一直備受關(guān)注，政府投入大量經(jīng)費開展建設(shè)，出臺各種鼓勵公共交通出行的政策，且深圳市的道路系統(tǒng)結(jié)構(gòu)也相對合理，因此其公交出行相對時空效率達到良好水平，但仍有較大的發(fā)展和優(yōu)化空間。

根據(jù)本研究，深圳市早高峰的公交綜合出行時空效率指數(shù)值為0.61，低于晚高峰的0.69。晚高峰時段的公交出行相對效率較高，主要原因是晚高峰的交通擁堵比其他時段更為嚴重，小汽車的出行時間增加，公交的出行時間雖然也有增加，但得益于公交專用道的配置，其增加幅度相對較小，從而導(dǎo)致公交出行的相對效率提升了。大約73%的O-D對之間小汽車在晚高峰的平均出行時間比早高峰更長，平均約多9%；而公交出行時間在晚高峰僅比早高峰多2%。從平均車速看，小汽車在早、晚高峰的平均速度分別為34.2、29.7 km/h，公共汽車在早、晚高峰的平均速度分別為21.7、21.3 km/h，顯然小汽車的平均速度下降更為明顯。在公共交通2種模式中，軌道交通具有通道專用、運載能力強、平均速度快等優(yōu)勢，比公共汽車的相對出行效率高。此外，還有其他影響公交出行效率的因素，如站點的乘客量、站點在公交線網(wǎng)中的可達性（裴玉龍 等，2020）、站點周邊的開發(fā)強度和建成環(huán)境空間設(shè)計（Liao et al., 2020）等。

2.3 公交出行相對時空效率指數(shù)特征分析

1）不同時段的相對時空效率指數(shù)聚類分析選取早高峰、午后和晚高峰時段站點的公交出行相對時空效率指數(shù)Ei作為聚類分析指標，基于傳統(tǒng)Kmeans 聚類方法，采用“肘部法則”實現(xiàn)聚類劃分（表2、圖9），聚類結(jié)果為4類。

表2 深圳公交出行相對時空效率指數(shù)聚類中心及聚類個數(shù)Table 2 Clustering center of public transportation relative spatio‐temporal efficiency index and the number of clusters in Shenzhen

圖9 深圳公交出行相對時空效率指數(shù)Ei聚類Fig.9 Clustering results of public transportation relative spatiotemporal efficiency index(Ei) in Shenzhen

類別1的站點主要分布在外圍城區(qū)的居住類區(qū)域、公交場站和學(xué)校附近的站點。外圍城區(qū)居住類區(qū)域站點如愛聯(lián)、荷坳、六約、下水徑、松崗、橋頭、福永等，公交場站站點如福鳳路總站、銀湖汽車站、大梅沙聞檀道場站等，還有學(xué)校附近的站點如鳳凰學(xué)校、南方科技大學(xué)第二實驗小學(xué)、布吉中學(xué)、翠園中學(xué)、天譽實驗學(xué)校等。這些站點呈現(xiàn)早晚高峰時段公交出行相對效率低，午后公交出行相對效率高的特征，可能是受早晚通勤和上學(xué)的影響。

類別2的站點主要分布在中心城區(qū)居住類區(qū)域站點。有如西鄉(xiāng)、桃園、鯉魚門、翻身、香蜜、蓮花北、崗廈北等地鐵站點，還有如臨近南油、田下村、后海公館、名居·綠海灣、福保社區(qū)等公汽站點。這些站點呈現(xiàn)早高峰公交出行相對效率低，午后和晚高峰時段公交出行相對效率高的特征。早高峰時段有大量且集中的出行需求，可能導(dǎo)致公交車輛停留時間增加，從而降低公交出行相對時空效率指數(shù)，而晚高峰時段出行需求相對分散，同時中心城區(qū)道路擁堵更為嚴重，使公交出行相對效率處于較高水平。

類別3的站點主要分布在中心城區(qū)工作類和休閑娛樂類區(qū)域附近的站點。工作類區(qū)域站點如科苑、高新園、市民中心、車公廟、國貿(mào)等，休閑娛樂類區(qū)域站點如臨近海雅繽紛城、深圳來福士廣場、歡樂頌購物中心、海岸城保利文化廣場、世界之窗、華僑城錦繡中華等站點。這類站點呈現(xiàn)早高峰和午后時段公交出行相對效率低，晚高峰公交出行相對效率高的特征，可能是這些站點的吸引量在早高峰和午后時段大量集中，公交出行相對效率低。

類別4 的站點多分布在外圍城區(qū)休閑娛樂類、醫(yī)院區(qū)域附近的站點。如大芬、龍城廣場、益田假日、羅湖婦幼保健院、深圳市人民醫(yī)院等。這類站點呈現(xiàn)午后時段公交出行相對效率最低的特征?？赡苁沁@些區(qū)域在午后時段交通流量較小，公交與小汽車的出行時間差距變大，午后的公交出行相對效率變低。

2）公交出行相對時空效率指數(shù)空間自相關(guān)分析 使用Moran'sI指數(shù)進行全局空間自相關(guān)分析以描述站點在各時段公交出行相對時空效率指數(shù)的空間相關(guān)性，判斷其是否有聚集分布的空間模式。表3 顯示，各時段公交出行相對時空效率指數(shù)都表現(xiàn)出較強的正空間自相關(guān)，空間分布模式表現(xiàn)為聚集模式。

表3 深圳公交出行相對時空效率指數(shù)全局空間自相關(guān)指數(shù)Table 3 Global spatial autocorrelation report of public transporta‐tion relative spatiotemporal efficiency index in Shenzhen

深圳公交站點時空效率指數(shù)空間分布的局部差異如圖10所示。南山區(qū)和福田區(qū)在早高峰時段低-低聚集明顯，晚高峰時段表現(xiàn)為高-高聚集和低-高聚集，表明在南山區(qū)和福田區(qū)早高峰公交出行相對效率低。晚高峰龍崗區(qū)布吉街道和南灣街道的站點低-低聚集明顯。另外，發(fā)現(xiàn)地鐵站點的時空效率指數(shù)普遍較公汽站點高，因此多表現(xiàn)為地鐵站點的高-低聚集或公汽站點的低-高聚集。3個時段綜合看，地鐵站點的時空效率指數(shù)平均值是0.72，公汽站點是0.63，在早午晚各時段也都呈現(xiàn)地鐵站點高于公汽站點，分別高約0.06、0.08和0.11。

圖10 深圳公交出行相對時空效率指數(shù)Ei局部空間自相關(guān)Fig.10 Local spatial autocorrelation of public transportation relative spatiotemporal efficiency index(Ei) during different time periods in Shenzhen

3 結(jié)論與討論

本文基于具有實時道路交通狀況的互聯(lián)網(wǎng)地圖分別獲取公交與小汽車的出行時間，通過公交智能卡數(shù)據(jù)獲取乘客出行量，并基于公交相對于小汽車的出行時間效率和公交出行乘客量，構(gòu)建了公交出行相對時空效率指數(shù)模型，并以深圳市為案例進行分析。結(jié)果表明：1）從出行時間特征看，隨著出行時間的增加，公交與小汽車的出行時間差距逐漸拉大，公交出行相對時間效率降低；當出行時間超過1 h 后，公交出行相對時間效率維持在0.5～0.7；2）從早晚高峰出行相對時空效率看，早晚高峰公交時空效率呈現(xiàn)較大差異，早高峰比晚高峰效率低近8%，主要原因是晚高峰時段小汽車出行時間的增加所導(dǎo)致，體現(xiàn)晚高峰城市道路情況的復(fù)雜性；3）從相對時空效率指數(shù)的聚類特征看，中心城區(qū)在不同時段的指數(shù)分布具有更大的波動性，這與其就業(yè)崗位高度集中帶來的交通壓力動態(tài)性有較大關(guān)系；4）公交出行相對時空效率存在明顯的時空分異特征，早晚高峰時段存在“低-低聚集”和“高-高聚集”的典型聚集區(qū)域，地鐵沿線的站點具有顯著的出行時空效率優(yōu)勢，體現(xiàn)特大城市地鐵骨架網(wǎng)絡(luò)的重要價值。

基于深圳公交出行相對時空效率特征，針對深圳市公共交通的效率提升提出以下建議：1）繼續(xù)大力發(fā)展軌道交通，提高軌道的覆蓋率和互通性，實現(xiàn)站點之間的快速通達；2）以軌道交通為基礎(chǔ)，調(diào)整或部署地面常規(guī)公共交通線路、優(yōu)化提升公交專用道設(shè)置與管理水平；3）在道路交叉口采取相對信號優(yōu)先、特殊時段公交連續(xù)信號優(yōu)先、視頻識別等技術(shù)手段，提升公交在路口的通行效率。此外，也應(yīng)關(guān)注出行的舒適性體驗，提升公交出行的服務(wù)品質(zhì)，包括響應(yīng)式公交服務(wù)、大需求走廊上的公交快線、縮短發(fā)車間隔等。

本文提出了一種新的公交出行相對時空效率模型及其測算方法，對于認知城市公交運行狀態(tài)、優(yōu)化公交線網(wǎng)布局具有參考價值。基于深圳市的案例分析，驗證了模型和方法的合理性。本文在案例數(shù)據(jù)的獲取方面可進一步完善，即因站點數(shù)量龐大以及并發(fā)處理限制的技術(shù)因素，僅選取客流量排名前500 的站點，同時僅考慮了站點對之間的公交和小汽車出行時間，且乘客量與出行時間非同期觀測。未來可以從數(shù)據(jù)分辨率的角度出發(fā)，獲取時間分辨率更高的數(shù)據(jù)，結(jié)合本文所提出的公交相對時空效率指數(shù)，以揭示更豐富的多層次動態(tài)演化特征。在相對效率的計算中，出行時間是很重要的指標，但除了時間，還有費用、舒適性、便捷性、安全性等因素也會影響乘客出行方式的選擇，未來可在相對效率計算中增加更多因素指標。