公共汽((電))車乘客上下車站推算方法

鄭海星，朱海明，蔣 寅，陳 鋒，葛 涵

(1.天津市城市規劃設計研究院，天津300201；2.天津市市政工程設計研究總院，天津300201；3.中國地鐵工程咨詢有限責任公司，北京100037；4.天津市公安交通管理局，天津300201)

0 引言

客流特征是公共汽(電)車線網規劃、運營組織優化的重要依據。全面、系統的客流特征挖掘與分析對于提高行業決策、管理水平，推動行業準入、監管、補貼等制度的建立和完善，促進城市經濟的可持續、健康發展具有重要意義[1]。獲取公共汽(電)車客流特征的傳統技術手段主要是人工調查，包括人工計數和問卷調查等。受技術手段及成本等條件限制，人工調查數據存在樣本量較少、隨機性較大甚至樣本偏差等問題，難以對公共汽(電)車網絡的客流特征進行全面、深入的客觀評價。公共交通行業規劃與管理亟須得到科學化、信息化技術手段與方法的支撐。

近年來，公交IC卡(以下簡稱“IC卡”)收費系統在各城市得到廣泛應用。IC卡交易數據詳細記錄了卡號、公共汽(電)車或軌道交通線路、車輛、交易時間、交易費用等乘客使用公共交通系統的相關信息，為城市公共交通系統的客流分析提供了寶貴的數據資源。然而，由于IC卡收費系統建設時未充分考慮交通分析方面的需求，數據中缺少一些關鍵的出行信息。如一票制公共汽(電)車線路的IC卡數據缺少乘客上下車站、下車時間等關鍵信息，給客流分析帶來不便，難于進行深度的數據挖掘[2]。為了彌補上述不足，國內外研究人員通過IC卡數據與車輛GPS數據的融合處理分析，針對乘客上下車站信息推算開展了一系列研究。

上車站推算方面，文獻[3]將IC卡數據進行時間聚類后，通過每類的時間標簽與車輛經過站的估計時間進行上車站匹配。文獻[4-5]利用GPS數據和IC卡數據融合，通過車輛到站時間和乘客刷卡時間進行匹配，實現上車站的推算。文獻[6]根據GPS和IC卡數據時間上的匹配性，以及相鄰站間GPS到站間隔時間與相鄰IC卡聚類間隔時間的相似性，進行上車站推算。文獻[7]在GPS和IC卡數據融合處理分析的基礎上，以單個用戶為基本處理單元進行上車站推算，并進一步考慮了GPS系統與IC卡系統時鐘差等問題。

下車站推算方面，文獻[8]以單個乘客為基本分析單元，通過乘客上車站與下車站之間的空間關系確定下車站。文獻[4]利用GPS數據和IC卡數據融合，通過通勤乘客往返起終點相呼應的特點，推斷其下車站。文獻[9]在GPS信息缺乏情況下，僅依靠上車時間數據，通過換乘分析和聚類分析，確定乘客下車站。文獻[10]結合出行鏈的概率模型，判斷隨機下車站。文獻[7]提出基于首末次出行(同一線路)、連續換乘、歷史出行概率等推算下車站。

上述算法或未考慮時鐘差和乘客滯后刷卡問題，或推算規則不完善而容易發生誤判與漏判，或基于單個用戶處理而影響效率等。鑒于此，本文提出一種基于聚類相似度和數據融合的公共汽(電)車乘客上下車站推算方法。將IC卡數據進行時間聚類后，以聚類為基本分析單元，根據其中值與對應車輛GPS到站時間區間的關系處理乘客滯后刷卡問題。通過不同平移量下IC卡聚類時間標簽向量與車輛GPS推算開門時間向量的相似度，分析處理IC卡數據時鐘差問題。綜合考慮換乘關系、首末次出行關系(含當日首次與末次出行、當日末次與次日首次出行)、通勤往返關系以及乘客乘坐公共汽(電)車線路的選擇多樣性等實現下車站的有效推算。選取天津、深圳兩個城市進行應用，從宏觀、微觀兩個層面進行驗證，并探究公共汽(電)車客流與軌道交通的一體化銜接關系，為進一步提升天津濱海新區公共交通服務水平提供支持。

1 數據準備

1.1 數據概況

數據主要包括動態營運數據與公共汽(電)車、軌道交通線路車站基礎數據等。

1）GPS到離站數據：通過對原始GPS數據進行預處理，生成車輛的GPS到離站時間信息表，主要包括線路ID、線路名稱、車牌號、趟次ID、行車方向、站序、車站ID、進站時間、離站時間等信息。

2）IC卡數據：包括公共汽(電)車與軌道交通刷卡數據。通過對IC卡明細數據進行預處理，生成IC卡信息表，主要包括卡號、刷卡時間、車載刷卡終端設備、車牌號碼(或軌道交通車站)、刷卡費用等。

圖1 站組聚類分析Fig.1 Station clustering analysis

3）線路日客運量：分線路、分方向、分日期統計客運量，含刷卡客流與現金客流，用于線路車站推算客流的擴樣分析。

4）線路車站基礎數據：主要包括線路ID、線路名稱、方向、站序、車站ID、車站名稱、車站經緯度等。

為提高推算效率，對線路車站數據進行預處理。針對同一車站不同站臺進行空間聚類，形成站組。聚類條件為：公共汽(電)車站名字相同或相似，且距離小于150 m(如圖1所示)。平均站臺間距在100 m以內的車站約占89%，在120 m以內的約占92%，在150 m以內的約占95%。

圖2 換乘時間可達性閾值分析(公共汽(電)車之間換乘)Fig.2 Threshold of time accessibility(transfer between buses)

圖3 換乘空間可達性閾值分析(公共汽(電)車之間換乘)Fig.3 Threshold of space accessibility(transfer between buses)

1.2 換乘識別參數敏感度分析

算法主要影響參數包括換乘時間可達性閾值Δt(相鄰兩次上車刷卡的間隔時間)和換乘空間可達性閾值Δd(前一次乘車下車站與本次乘車上車站的距離)。為進一步合理確定參數取值，以天津濱海新區公共汽(電)車下車站推算結果為例，對不同參數取值對推算結果的影響敏感程度進行分析。

1）換乘時間可達性。

如圖2所示，隨著換乘時間可達性閾值Δt的增加，初步識別(僅滿足時間可達性條件)的換乘系數不斷增加，且當Δt＞90 min時，初步識別的換乘系數的變化趨于穩定。

2）換乘空間可達性。

如圖3所示，隨著換乘空間可達性閾值Δd的增加，下車站推算率逐漸增加，且當Δd＞1 km時，下車站推算率趨于穩定。

2 模型建立

2.1 基于聚類相似度的上車站推算

1）選取單車單天GPS到離站數據、IC卡數據，并分別按時間排序。

2）基于時間對IC卡數據聚類。聚類條件為相鄰時間間隔＜Δt(一般情況下，同車站上客刷卡間隔時間小于72 s[9])。對于乘客滯后刷卡或者其他原因造成的同站上車乘客刷卡時間超過72 s的，表示為多個聚類。另外，將聚類對應刷卡時間的最小值作為其時間標簽。

3）計算GPS到離站時間均值，作為推算的車輛開門時間，并以該時間作為與IC卡刷卡時間匹配的基礎。

4）考慮時鐘差問題的IC卡刷卡時間最佳平移量確定。選取目標車輛的GPS推算開門時間向量M與對應IC卡聚類的時間標簽向量N(該聚類第一條記錄的刷卡時間)，分別對向量M與第k次平移后的IC卡聚類的時間標簽向量N進行相似度檢驗，并選取相似性最好(即相似度評價指標F值最小)時的平移量作為最佳平移量(見圖4)。

式中：Mj為車輛在第j個車站的推算開門時間；Nk,j為該車輛IC卡聚類在第k次平移后匹配至車站j的IC卡聚類的最小時間標簽；n為車站數/個。結合數據實際，前后最大平移量均取15 min。

5）以各車站的GPS到站時間為分割點進行區間劃分，將選取的單車單天IC卡數據按最佳平移量時間整體平移后，再以IC卡聚類為單元，根據其中間值落入GPS區間情況確定對應的上車站(見圖5)。

2.2 基于換乘、通勤和往返關系的下車站推算

1）基于換乘關系推算下車站。

換乘關系識別應同時滿足時間臨近性和空間臨近性兩個條件：

①乘客先后兩次乘車的刷卡時間差≤Δt。據調查，公共汽(電)車乘客平均單次出行時間約為30 min。因此，當出行方式為公共汽(電)車換乘地鐵或公共汽(電)車，且先后兩次乘車線路不同時，Δt取90 min(分析見表1)；當出行方式為地鐵換乘公共汽(電)車時，考慮到步行換乘時間，Δt取20 min。

②乘客第一次乘車的下車站存在與第二次乘車的上車站位于同一站組范圍內或相距不超過1 km，且兩次乘車的線路不同。

如圖6所示，情景a中，第1次乘車下車站即為第2次乘車上車站A；情景b中，第1次乘車下車站為與第二次乘車上車站A位于同一站組且距離最近的車站C；情景c中，第1次乘車下車站為與第二次乘車上車站A距離最近且小于1 km的車站E。

2）基于通勤與首末次出行往返關系推算下車站。

根據通勤乘客早晚高峰往返出行特征，早高峰首次出行的下車站與晚高峰末次出行的上車站一般應位于同一站組(或1 km區域內)，晚高峰末次出行的下車站與早高峰首次出行的上車站一般也應位于同一站組。根據乘客常規的總體出行特性，一般情況下，如果次日與當日首次出行的上車站位于同一站組，則當日首次出行的下車站與末次出行的上車站也應位于同一站組，當日末次出行的下車站與首次出行的上車站應位于同一站組。

如圖7所示，情景d，f中，首次出行的下車站為距離末次出行的上車站B2最近且相距小于1 km的車站B1，末次出行的下車站為與首次出行的上車站A1最近且相距小于1 km的最近車站A2；情景e中，末次出行下車站為與首次出行上車站A1最近且相距小于1 km的最近車站A2。

另外，對于其他無明顯規律的出行，考慮到其隨機性較大，不再針對單個用戶根據歷史推算下車站的出現概率進行下車站推算，而是根據實際分析需求，從線路或線網層面進行擴樣處理。

圖4 最佳平移量確定Fig.4 Procedures of optimal shifting value

表1 上下車站推算計算結果Tab.1 Results of on-and-off volumes at transit stations

圖5 上車站推算Fig.5 Estimating the boarding passengers at stations

圖6 基于換乘關系的下車站推算Fig.6 Estimating the off-volumes at stations based on transfer relationship

圖7 基于首末次出行與通勤往返關系的下車站推算Fig.7 Estimating off-volumes based on the first and last trips and commuting relationship

圖8 M352路上下車站推算結果驗證Fig.8 Verification of the estimated on-and-off volumes at stops along bus M352 route

3）擴樣處理。

根據各線路上下車客流的推算率、線路刷卡率，對推算上下車客流分別進行擴樣處理。

3 結果與驗證

3.1 計算結果

根據換乘識別敏感性分析，建議換乘時間可達性閾值Δt取90 min，換乘空間可達性閾值Δd取1 km。以深圳市和天津濱海新區為例，對公共汽(電)車客流上下車站進行推算。如表1所示，深圳市上車推算成功比例約98%，下車推算成功比例約61%；由于天津濱海新區的IC卡數據中不含地鐵數據，致使上下車推算成功比例略低，上車推算成功比例約93%，下車推算成功比例約58%。

3.2 算法驗證

3.2.1 微觀層面：試驗線路調查

以深圳市為例，選取M352路公共汽(電)車(新百麗—深圳北方向)，將跟車客流調查結果(共15個趟次)與同天IC卡數據推算結果(按照線路推算成功比例、刷卡率進行統一擴樣)進行對比分析(見圖8和圖9)，二者的車站客流分布趨勢一致，且具有良好的相關性。

為進一步評估算法精度，選用GEH進行誤差檢驗，

式中：C為推算值；V為實際值。一般認為，當GEH＜5.0時推算值序列與實際值序列沒有明顯差異，可接受。與相對誤差相比，GEH能更好地評估誤差，其取值僅與真值偏離程度有關，而與偏離的正負無關，且對較小的值的誤差敏感度較低。

基于式(2)計算M352路上下車站推算結果的GEH平均值分別為1.65和1.99，均可接受。因此，IC卡數據分析結果與人工調查結果無明顯差異，算法精度較高。

3.2.2 宏觀層面：客流特征對比分析

天津濱海新區在地理空間上與深圳市相似，均為沿海的狹長帶狀區域。深圳市公共汽(電)車客流空間分布與其地理空間布局相呼應，沿著東西向主城區(南山區—福田區—羅湖區)呈現明顯的帶狀特征，且主城區外圍的寶安區、龍華區、龍崗區與主城區的客流聯系密切(見圖10)。而天津濱海新區公共汽(電)車高客流密度集中于核心區，且核心區與西片區間客流聯系相對比較密切(見圖11)。

圖9 M352路上下車站推算誤差分析Fig.9 Calculation errors in the estimated on-and-off volumes at stops along bus M352 route

圖10 深圳市公共汽(電)車客流空間分布Fig.10 Spatial distribution of bus passenger flow in Shenzhen

圖11 天津濱海新區公共汽(電)車客流空間分布Fig.11 Spatial distribution of bus passenger flow in Binhai New District of Tianjin

公共汽(電)車與軌道交通一體化發展方面，深圳市主要的公共汽(電)車客流集中車站基本均有軌道交通覆蓋，軌道交通與公共汽(電)車的一體化銜接程度相對較高，尤其是位于軌道交通線路末端的車站(地鐵寶安機場東站進出客流中，約47.5%來自公共汽(電)車換乘，見圖12)。而天津濱海新區僅開通津濱輕軌9號線，軌道交通車站與公共汽(電)車客流集中車站間的距離較遠(見圖13)。

圖12 深圳市公共汽(電)車與軌道交通一體化銜接Fig.12 Integration of bus and rail transit in Shenzhen

圖13 天津濱海新區公共汽(電)車與軌道交通的一體化銜Fig.13 Integration of bus and rail transit in Binhai New District of Tianjin

4 結語

在總結以往公共汽(電)車乘客上下車站推算相關研究基礎上，利用公共汽(電)車GPS數據與IC卡數據，提出基于公共交通大數據融合的公共汽(電)車乘客上下車站推算方法，并在天津、深圳兩個城市進行應用分析。結果表明，該算法具有推算成功比例高、準確度高、通用性強等特點。在此基礎上，可從車站、線路、區域等多個空間維度實現公共交通運行情況的全面感知，并可應用于各城市公共交通規劃、政策評估、線網規劃等領域，為相關工作提供科學、量化的決策依據。