基于線性回歸的公交移動支付問題

韓 迪，王軍力，于得寶，黃夢柯，崔彤茵

（河南師范大學，河南 新鄉 453007）

隨著智能手機的普及和移動支付技術的提高，越來越多的支付手段可以轉移到手機端?，F有的現金交易和實體公交刷卡的付費方式存在缺點，如公交卡在使用過程中存在著充值不方便、容易丟失等問題，現金支付帶來很多不便，增加人工成本，而公交移動支付則可以很好地解決這些問題。目前公交移動支付一般通過第三支付平臺進行，本文對一個城市的出行數據進行出行支付特征的分析和評估。

1 出行支付特征數據處理

從網上查閱了一個城市公交支付的信息，按照抽樣法選取了2月、5月、8月、11月的部分公交支付的信息和數據說明，對查閱數據進行數據處理。從而得到每天出行使用移動支付和公交卡支付的次數，并將處理后的不同月份天份的數據進行比較與分析[1-2]。將這4個月的數據處理后，得到每天出行使用移動支付和公交卡支付的次數，結果表明，出行人員選擇公交卡方式多于選擇移動支付方式。但從具體數值來分析，兩種出行方式的比例接近1∶1，但公交卡方式較移動支付方式偏多。

將4個月份的7天出行分別使用移動支付和公交卡支付的次數相加，求得平均數，得到代表二月份平均每天出行使用移動支付和公交卡支付的次數，如圖1所示。

圖1 4個月份平均每天支付方式的次數

從圖1可以看出，4個月份的平均每天的支付方式均是公交支付方式多于移動支付方式。就分別對使用移動支付方式和公家卡支付方式的次數而言，從2月份到11月份，這兩種支付方式的使用次數，均在一定范圍內變化，并無明顯變化。

2 出行支付特征模型建立

我們以乘坐公交和地鐵使用的支付方式作為研究對象，首先對原數據進行處理，將不符合實際的數據剔除，然后將數據按照不同方式進行處理和分析。

2.1 模型建立方式一

（1）將每個人（ID）這個月中乘地鐵的次數、乘公交的次數、乘地鐵和公交的次數進行排序，對于次數太少的人的數據進行剔除，因為這些人可能是偶爾來出差、出游一次，并不是這個城市的人。

（2）將本次乘車交易距上次乘車交易時間間隔較長的數據進行剔除掉，因為這類人員可能是偶爾乘公交或者地鐵。

（3）將除公交卡支付和移動支付方式之外的數據剔除掉。因為NULL表示機器故障。因機器故障是外界干擾因素，并不能代表出行人的主觀因素，為保證數據的準確性，故將該特殊情況數據剔除掉。

根據以上條件處理數據，得到2月份每天使用公交卡支付方式和移動支付方式的次數，如圖2所示。

圖2 每天使用移動支付和公交卡支付的數量

2.2 模型建立方式二

為更加清楚地分析出行支付方式，現根據二月份一周的數據中每個ID每月乘坐地鐵的次數和每月乘坐公交的次數進行統計，前提是根據處理與分析方式一中的方法將干擾數據和特殊數據剔除，以免影響數據的正確性。先按照2月7日的數據統計出2月乘坐地鐵的次數和乘坐公交的次數，同理統計其余6天的數據，求得平均數，2月乘坐地鐵的次數與乘坐公交的次數比率如圖3所示。

圖3 2月乘坐地鐵的次數與乘坐公交的次數之比

2.3 模型建立方式三

考慮到一天的出行中，每一時刻的出行人數也各不相同，因此我們選取一天中的某個時間段，來分析就這個時間段而言的出行支付方式的特征。

（1）選取一天中上午7：00-10：00 ，下午15：00-18：00這兩個時間段。因這兩個時間段包含了上下班、日常出行等，故選取的時間段具有代表性。

（2）統計這兩個時間段出行的支付方式的數量。

根據以上條件處理數據，分別得到兩個時間段內出行方式的比較，如表1所示。

表1 兩個時間段內支付方式的數量統計

3 相關性分析模型

對天數，利用Pearson進行相關系數進行分析。Pearson相關系數是用來衡量兩個數據集合是否在一條直線上面，它是用來衡量定距間的線性關系。其計算公式為[3]：

相關系數的絕對值越大，相關性就越強，相關性越接近與0，它的相關性就越弱。以2月這一周為例，利用SPSS進行相關系數的分析。

結果表明：將工作日和休息日相比較，工作日和休息日的相關系數較高，移動支付和公交卡支付方式的系數分別為0.987和0.592，結合圖3和數據可知，休息日乘坐公交的人數普遍增高，而且移動支付的比率普遍偏高。

4 結語

根據對該城市的數據分析，建立模型，得到的出行方式特征為：從每天使用移動支付和公交支付的數量可清晰看出，公交支付方式多于移動支付方式，兩種方式的使用數量同步增加同步遞減，趨于穩定。從時間段劃分來看，截取上班時間和日常時間（7：00-10：00，15：00-18：00）兩個時間段，7：00-10：00時間段的出行支付次數明顯多于15：00-18：00的時間段的出行支付次數；且上午時段公交卡支付所占比率比下午時段所占比例大；對移動支付來說，上下午時段的支付數量無明顯變化，但對公交卡支付而言，上午時段的支付數量明顯多于下午時段的支付數量?？芍衔绯鲂腥藛T較多，人員流動量較大，且上午使用公交卡的次數較多。

通過個人出行鏈分析還原了乘客出行選擇，再根據出行鏈的結構特征進行宏觀出行特征的統計分析，包括乘客全日刷卡量的時間分布特征、乘客出行的空間分布特征、出行時間和距離的計算及換乘特征的計算分析等。建議出行的時候公交卡支付和移動支付兩種方式都可以選擇；周六、周日通過統計數據可以發現其公交卡支付較為便利；乘坐公交人次是乘坐地鐵的3倍，且早上乘坐公交的人較多，由于早上是上班的高峰期，建議高峰出行乘坐地鐵。在節假日期間，公交卡支付的明顯偏多，乘坐公交車的人數多，為避免擁擠，可以乘坐地鐵。

[1]王俊兵.基于出行鏈的公交乘客出行特征分析[D].北京：北京交通大學，2017.

[2]諸杰.杭州公交全面推廣應用移動支付[J].人民公交，2017（7）：54.

[3]顧海峰，楊立翔.互聯網金融下我國第三方移動支付風險評價研究—模型構建與實證分析[J].金融監管研究，2017（5）：1.