快速公交乘客出行的時空規律特征研究

[摘要]借助成都市快速公交智能卡數據，定義并定量研究了乘客出行的時空規律度，并且用熵定義了乘客的可預測性。研究結果表明，時空規律特征與可預測性之間存在線性回歸函數關系。

[關鍵詞]大數據；公共信息系統；時空規律特征；可預測性

[中圖分類號]F570.71 [文獻標識碼]A [文章編號]1005—152X（2017）03—0097—04

1引言

交通工程學研究的是人在城市內的移動，其研究者通過問卷調查等傳統方法收集居民的日常出行數據，并根據這些數據建立模型來預測交通流量，研究公交出行顧客滿意度，或者評價與優化線路、運營。但這些傳統的調查方法往往成本較高，難以大規模、長時間地對人類運動行為進行觀測記錄。隨著信息技術的發展，已有越來越多的手段（如手機定位系統、GPS等）可以長期記錄人類個體的移動數據，這些數據為采用統計方法研究人的時空運動行為提供了可能。近年來研究者先后通過對美元流通數據、手機通信記錄等數據進行了實證統計研究發現，人類的空間運動模式具有時空規則性，如以天為周期頻繁返回少數幾個地點，不同個體的空間概率密度分布高度相似，移動軌跡具有高度可預測性。

利用不同數據進行的統計實證發現人類時間、空間運動模式中存在許多共同的統計特性，如連續兩次行為時間間隔、移動距離服從某種特定的分布，暗示著可能存在支配人類空間運動行為的普適性機制。最近的研究更多地從社交網絡、社會網絡的角度來理解人群的移動特性，文獻[1]研究了乘客出行時間規律度與相遇陌生人這一現象之間的關系，文獻[10]指出人在城市中的移動與社交需要密不可分。

在大量實證研究的基礎上，有學者開始對人類移動行為建模，返回偏好模型認為人類具有探索未知地點的傾向，也有一定概率返回之前熟悉地點；基于層次性交通系統的人類運動模型認為人類的出行行為受到所處的物理環境即交通系統的限制，所以就像交通系統一樣，也是層次性的。此外，還有其他如信息熵優化模型、周期性隨機游走模型等模型。這些模型從不同角度對人類空間運動行為進行了深入的探討，解釋了部分人類運動的時間和空間規律現象，加深了人們對于自身空間運動行為的理解。但是，存在的問題是：（1）上述模型假設所有個體都按相同的模式移動，這與現實不符；（2）已有文獻都是對時空特性或者可預測性進行研究，還沒有同時探討二者關系的研究。本文借助成都市快速公交智能卡數據對上訴不足進行了補充。

2數據描述

2.1數據介紹

本文所分析的數據來自成都市公交集團，包括了自2013年6月11日到2013年8月20日成都市二環快速公交共1080 371位匿名用戶的17 332 277條出行記錄，本文主要使用的數據項見表1。成都市二環路快速公交線路為環型，運營線路共2條（順時針K1線和逆時針K2線），共有28對站點，具體站點分布如圖1所示。

目前成都二環路快速公交運行在二環路高架橋上，全長28.3km，設計速度80km/h，全天總班次約1200余班，最高單日載客量可達28萬人次，在一定程度上緩解了成都市的市內擁堵問題。

2.2數據處理

首先在原始數據的基礎上，刪除了格式記錄錯誤和邏輯錯誤數據，在計算乘客連續出行時間間隔、連續出行距離差的時候，只保留了出行頻率大于1次的乘客，在計算乘客出行時間規律度時，為了使規律更加清晰，計算對象為出行頻率不少于10次的乘客。

3乘客出行的時間特征

3.1出行時間分布

通過公交智能卡數據記錄的每一次刷卡信息，我們可以得到公交乘客日常出行的時間分布，如圖2所示，可以看到顯著的早晚高峰，暗示了城市人群的大量通勤行為。文獻[5]通過分析早晚高峰不同站點的刷卡信息，分析了深圳市的日常通勤模式和居住地一工作地兩者之間的空間分布。

3.2出行時間間隔分布

同一個體連續2次相同行為的間隔時間分布，是人類行為時間特性研究的重要內容，最初上述時間間隔被認為服從負指數分布，并且將人類的連續相同行為看做泊松過程，而近幾年通過分析人們活動的大量數據，從通訊、工作到娛樂，越來越多的證據顯示人們的許多行為的時間統計特性無法用泊松過程刻畫。特別的，這些行為所對應的間隔時間分部具有明顯偏離指數分布的肥胖的尾部，例如人們通過數字網絡包括移動電話、電子郵件和在線信息所進行的通訊活動，兩次連續的通訊活動的時間間隔τ就不服從泊松分布，而是服從帶有指數截斷的冪指數分布：

其中β和τ_c為參數。

分布P（τ）刻畫了人類通信活動的陣發性，即兩次連續事件之間的時間間隔分部并不均勻。本文通過公交出行這一典型行為考察乘客連續出行的時間間隔分布，從直覺上考慮，出行活動相比于通信行為明顯應該更加規律，特別對于日復一日的通勤人群而言更是如此。

為了描繪出行時間間隔的分布，本文選取了1072 774名使用頻率大于1次的乘客，計算得到了17 324 680次使用快速公交連續出行的時間間隔，間隔時間τ的分布如圖3所示，可以看到，并不像通信活動那樣，出行活動具有清晰的時間間隔模式。既非指數也不服從冪指數分布，大多數情況下，乘客在18h間隔以內進行第二次出行活動，在此期間，可以看到2個高峰：

0-2h，主要由于換乘所致；

10-14.5h，暗示了日常的通勤模式；

當間隔時間大于18h之后，在24、48、72、96h顯示出類似并且逐步減弱的高峰，這些峰值捕捉到了城市人群日常乘坐公交出行的趨勢，顯示出人群移動顯著的規律性。值得一提的是，成都市快速公交實施兩小時免費換乘3次的優惠，從乘客連續2次刷卡間隔分布來看，是有一定科學依據的。類似的分析也可以為其他城市或者普通公交制定相應政策提供幫助。

4出行時空規律與可預測性

4.1個人時空規律特征

文獻[1]中定義并計算了新加坡不同公交乘客出行的時間規律度，并且得到結論：相遇“熟悉的陌生人（即經常在同一地點相遇的素不相識的人）”概率越大的乘客群體，時間規律度分布越穩定。本文使用相似的定義，來度量個人出行時空規律度，并考察個人出行時空規律特征與可預測性之間的關系。