基于一卡通數(shù)據(jù)的公交客流時空特征分析

1、基于一卡通數(shù)據(jù)的公交客流時空特征分析 摘要：一卡通數(shù)據(jù)記錄了乘客的出行地點(diǎn)、時間信息，可反映城市居民公交出行的總體特征。文章提出了基于刷卡數(shù)據(jù)的常規(guī)公交、地鐵客流計(jì)算方法，結(jié)合深圳市實(shí)際刷卡數(shù)據(jù)，分析了公交客流的時段分布特征、線路與站點(diǎn)特征和接駁換乘特征，可為行業(yè)主管部門優(yōu)化公交線網(wǎng)、提升公眾出行服務(wù)提供決策依據(jù)。 關(guān)鍵詞：公交客流；一卡通數(shù)據(jù)；時空特征分析；客流分析；公共交通 文獻(xiàn)標(biāo)識碼：a 中圖分類號：u23 文章編號：1009-2374（2016）17-0087-03 doi：10.13535/ki.11-4406/n.2016.17.042 1 概述 隨著物聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，公交一卡

2、通在國內(nèi)大量城市得到了廣泛應(yīng)用，持卡出行的居民占比持續(xù)增加，一卡通刷卡數(shù)據(jù)作為公交乘客出行行為的記錄，通過與城市智能公交系統(tǒng)其他動靜態(tài)信息的結(jié)合，經(jīng)過挖掘分析后，可為公交線網(wǎng)規(guī)劃、企業(yè)運(yùn)營管理和市民出行服務(wù)提供決策依據(jù)。 本文基于一卡通數(shù)據(jù)，將乘客的一次出行劃分為上車、經(jīng)過、下車/出站、換乘四類基礎(chǔ)行為，通過公交到站時間計(jì)算、公交乘客上下車站點(diǎn)匹配、地鐵乘客上下車站點(diǎn)識別等數(shù)據(jù)處理模塊，從時間和空間維度展開，挖掘分析常規(guī)公交和地鐵客流時空分布規(guī)律。 2 常規(guī)公交客流計(jì)算算法 隨著衛(wèi)星定位數(shù)據(jù)的發(fā)展與廣泛應(yīng)用，公車gps數(shù)據(jù)已經(jīng)成為輔助城市公交管理的重要數(shù)據(jù)基礎(chǔ)。本文綜合分析一卡通數(shù)據(jù)與公交gp

3、s數(shù)據(jù)，識別乘客上下車點(diǎn)，實(shí)現(xiàn)常規(guī)公交的客流統(tǒng)計(jì)。 2.1 到站時間計(jì)算 公交車gps數(shù)據(jù)包含有公交車的空間位置與速度信息，需要結(jié)合站點(diǎn)位置數(shù)據(jù)計(jì)算到站時間。首先，基于線路軌跡相似度分析確定車輛運(yùn)行的實(shí)際線路；其次，通過計(jì)算連續(xù)gps點(diǎn)的時空關(guān)系確定車輛運(yùn)行方向；最后，以線路和方向?yàn)榧s束條件計(jì)算gps軌跡點(diǎn)與各站點(diǎn)位置的距離，識別gps點(diǎn)所在的站點(diǎn)區(qū)間，并取距離站點(diǎn)最近的軌跡點(diǎn)為進(jìn)站點(diǎn)，記錄到站時間。 2.2 乘客上車站點(diǎn)匹配 得到了公交的到站信息后，可通過與一卡通數(shù)據(jù)融合，確定乘客的上車站點(diǎn)。深圳一卡通刷卡數(shù)據(jù)通過設(shè)備編碼號實(shí)現(xiàn)與特定車牌的關(guān)聯(lián)，因此可根據(jù)車牌和時間兩個關(guān)鍵字段判斷乘客上車站

4、點(diǎn)，算法流程如下：（1）讀取當(dāng)天深圳一卡通清洗后的數(shù)據(jù)和當(dāng)天公交到站數(shù)據(jù)；（2）根據(jù)兩個數(shù)據(jù)表中的車牌號，篩選出深圳通數(shù)據(jù)中每一條刷卡記錄所乘坐的車輛的全天到站時間表；（3）選取到站時間和刷卡記錄中刷卡時間最近的一對，將對應(yīng)的站點(diǎn)作為此乘客的真實(shí)上車站點(diǎn)。 2.3 乘客下車站點(diǎn)估計(jì) 由于深圳公交采取單次刷卡制，本文基于出行鏈估計(jì)推斷乘客下車站點(diǎn)。由于公交乘客在工作日出行呈現(xiàn)明顯的潮汐特性，故算法通過聚類分析識別公交乘客可能的居住地、工作地，進(jìn)一步提升下車站點(diǎn)識別的可靠度，總體流程如下：（1）將每位乘客的刷卡記錄按照時間排序，將相鄰的兩條記錄合并為一條；（2）對于合并后的記錄，將距離第二次乘車的

5、上車站點(diǎn)最近的第一次乘車方向的站點(diǎn)作為其第一次乘車的下車站點(diǎn)，同時去除距離大于2000米的數(shù)據(jù)；（3）取每位乘客每天的第一次上車站點(diǎn)刷卡站點(diǎn)作為可能的居住地站點(diǎn)；（4）取工作日與第一次刷卡記錄相鄰刷卡時間差大于3小時的第二次刷卡站點(diǎn)作為可能工作站點(diǎn)；（5）聚類分析一個月每位乘客的可能居住地和工作地站點(diǎn)，計(jì)數(shù)排序，取最可能的居住地/工作站點(diǎn)作為其最終居住地/工作站點(diǎn)；（6）對于乘客每天的最后一條刷卡記錄，若乘車時間處于工作日600800/16001800，則其下車站點(diǎn)為其工作地/居住地。 3 地鐵客流計(jì)算模型 深圳地鐵乘客的進(jìn)出站需要刷卡兩次，且通過設(shè)備編號與站點(diǎn)關(guān)聯(lián)，一卡通刷卡數(shù)據(jù)記錄了每位乘

6、客的進(jìn)出站時間、地點(diǎn)等交易信息。將當(dāng)天地鐵乘客的刷卡記錄（進(jìn)站、出站）按照時間排序，取第一、第二條記錄為進(jìn)站、出站標(biāo)識，保留進(jìn)出站時間差小于3小時、進(jìn)出站站點(diǎn)不相同的記錄，可判斷地鐵乘客的進(jìn)出站點(diǎn)情況。 由于地鐵軌道網(wǎng)絡(luò)存在大量的站內(nèi)換乘，當(dāng)進(jìn)出站之間有多條路徑可選擇時，乘客選擇的具體線路無從得知，為客流統(tǒng)計(jì)分析帶來困難。本文基于一卡通刷卡出行時刻和時間間隔，建立客流分配模型與算法，推斷出行者在軌道交通網(wǎng)絡(luò)中的出行路徑，實(shí)現(xiàn)城市軌道交通客流量的精確分配，步驟如下： 步驟1：讀取同一張卡id下的相鄰兩個進(jìn)站/出站記錄，通過進(jìn)站和出站的車站代碼獲得出行的起訖點(diǎn)，即出行od對。若該od之間只存在一條

7、可達(dá)路徑，則該路徑為出行路徑；若od之間存在多條路徑，進(jìn)入多路徑選擇的判斷過程。 步驟2：在多路徑選擇過程中，若該od對是位于同一線路上且離進(jìn)站時刻最近的發(fā)車班次和離出站時刻最近的進(jìn)站班次相同，則認(rèn)為出行過程沒有換乘。 步驟3：若進(jìn)出站時的列車班次不一致，則認(rèn)為中途發(fā)生換乘行為，進(jìn)行換乘情況下的多路徑選擇的判斷過程，計(jì)算各條路徑所需的最短時間，最短出行時間通常定義為列車運(yùn)行的必要時間與正?？焖偻ㄟ^進(jìn)出站和換乘通道所需的時間。 步驟4：若離進(jìn)站時刻最近的合理發(fā)車班次和離出站時刻最近的進(jìn)站班次所屬的運(yùn)行線路有直接換乘站，且兩車發(fā)車間隔足夠通過換乘通道，則確定出行路徑，若兩條線路出現(xiàn)多次交匯，需結(jié)合

8、運(yùn)營時間來判斷出行路徑。 步驟5：若進(jìn)站的線路和出站的線路需要經(jīng)過兩次以上的換乘，判斷第一次換乘后所乘列車到達(dá)第二次換乘站的時刻與出站所乘列車班次的換乘是否合理，如不合理，則循環(huán)判斷兩個換乘站之間所有可能的列車班次，若存在多條可換乘的路徑，依次循環(huán)判斷最終找到合理路徑，并完成客流分配及統(tǒng)計(jì)。 4 深圳市公共交通客流特征分析 截至2015年底，深圳累計(jì)發(fā)放一卡通2600萬張，本文基于2015年9月的實(shí)際刷卡數(shù)據(jù)分析深圳市公共交通客流特征。 4.1 時間分布特征 常規(guī)公交和地鐵作為城市公共交通的兩個主要方式，承載了深圳市近90%的公共交通出行。從一周客流的分布來看，常規(guī)公交和地鐵的工作日客流高于雙

9、休日，周一和周五的客流量高于其他工作日，常規(guī)公交、地鐵的日均客流量占比約為46，地鐵日客流量和常規(guī)公交日客流量的皮爾遜相關(guān)系數(shù)r=0.60，兩者存在一定正相關(guān)關(guān)系。 如圖1所示，常規(guī)公交及地鐵的工作日分時客流量呈顯著雙峰現(xiàn)象，早高峰集中在700900，晚高峰集中在17002000。高峰時段常規(guī)公交的小時客流量達(dá)35萬人次/小時，地鐵的高峰小時客流量達(dá)25萬人次/小時。周末各時段客流量與工作日平峰客流量基本持平，客流量總體少于工作日客流量。 4.2 空間分布特征 深圳地鐵共包含五條運(yùn)營線路，從工作日地鐵各線路日均客流量來看，1號線客流量占比最大達(dá)35%，其次為3號線，2號線的客流量占比最小為11

10、%，如圖2（a）所示，選取早晚高峰客流量均超2000人次/小時的站點(diǎn)為地鐵高峰時段繁忙站點(diǎn)，分布如圖2（b）所示。 以1km2的網(wǎng)格將深圳市市區(qū)劃分為1995個區(qū)域，早高峰時段和晚高峰時段小時出行量分布如圖3所示，早高峰出發(fā)區(qū)域和晚高峰到達(dá)區(qū)域客流量大于4000人次/小時基本重合，客流呈現(xiàn)較為明顯的潮汐分布特征。 4.3 接駁客流特征 以一卡通id為關(guān)鍵字，時序分析乘客常規(guī)公交和地鐵上下客點(diǎn)，可實(shí)現(xiàn)常規(guī)公交和地鐵接駁客流識別與特征分析。如圖4所示，從常規(guī)公交和地鐵間換乘出行的換乘距離概率密度分布曲線來看，70%的換乘時間在10分鐘以內(nèi)，90%的接駁換乘距離在700米范圍內(nèi)。 以換乘步行距離70

11、0米為閾值，統(tǒng)計(jì)各地鐵車站換乘出行距離大于閾值的客流量（如圖5所示），清湖、布吉站換乘步行距離大于700米的換乘客流量超5000人次/小時，大芬、木棉灣站換乘步行距離大于700米的換乘客流量超4000人次/小時，其余站點(diǎn)遠(yuǎn)距離換乘出行量較少，總體而言深圳市的地鐵站點(diǎn)分布和公交站點(diǎn)分布具有較好的接駁換乘服務(wù)水平。 5 結(jié)語 本文基于一卡通數(shù)據(jù)，提出常規(guī)公交、地鐵客流的計(jì)算方法，通過刷卡數(shù)據(jù)的時空信息與公交線網(wǎng)空間信息的匹配，實(shí)現(xiàn)了站點(diǎn)、線路、換乘客流的識別和統(tǒng)計(jì)。結(jié)合深圳市實(shí)際數(shù)據(jù)的挖掘分析，揭示了常規(guī)公交客流和地鐵客流的正相關(guān)關(guān)系，識別了早晚高峰、工作日非工作日的客流演變特征和城市通勤流向特征。通過海量出行數(shù)據(jù)的統(tǒng)計(jì)分布，提出了10分鐘、700米的換乘服務(wù)評估基礎(chǔ)指標(biāo)，為進(jìn)一步改善公交線網(wǎng)設(shè)置、提升出行服務(wù)水平提供了決策依據(jù)。 參考文獻(xiàn) 1 陳學(xué)武，戴霄，陳茜.公交ic卡信息采集、分析與應(yīng)用研究j.土木工程學(xué)報(bào)，2004，37（2）. 2 陳學(xué)武，李海波，侯現(xiàn)耀.城市公交ic卡數(shù)據(jù)分析方法及應(yīng)用m.北京：科學(xué)出版社，2014. 3 周崇華.基于ic卡數(shù)據(jù)的深圳地鐵od信息處理技術(shù)j.城市軌道交通研究，2007，（1）. 4 羅磊.基于ic卡信息的公交客流空間分布