基于手機(jī)信令數(shù)據(jù)的大型交通樞紐出租車接續(xù)運(yùn)輸需求特征研究

徐碩 郭丹

（北京市運(yùn)輸管理技術(shù)支持中心，北京10000）

城市交通樞紐是城市對內(nèi)對外聯(lián)系的重要紐帶，更是各類交通方式匯集的一個節(jié)點(diǎn)。隨著交通需求的不斷增長，交通樞紐的集散能力顯得尤為重要。交通樞紐對城市內(nèi)部的主要交通職能為：綜合公共交通、社會交通等多種交通方式，高品質(zhì)、高效率的集散到離樞紐旅客、迎送人員和工作人員。

目前交通樞紐常見的接續(xù)運(yùn)輸交通方式包括私家車、出租車、網(wǎng)約車、公交車、地鐵等，其中，出租車作為一種方便、靈活的出行方式，在大型交通樞紐接續(xù)運(yùn)輸服務(wù)中地位重要。然而，由于出租車運(yùn)營的市場化行為特征，以及大型樞紐旅客時空分布不均等多重原因，樞紐的出租車供需矛盾問題始終存在，且在特定時期比較突出。因此，如何獲取接續(xù)運(yùn)輸服務(wù)的需求特征，評估接續(xù)運(yùn)輸供需差異，抓準(zhǔn)矛盾突出點(diǎn)，一直都是樞紐問題研究中一項(xiàng)重要的研究課題。

1 研究內(nèi)容

本研究以大型樞紐出租車接續(xù)運(yùn)輸需求特征為研究對象，基于手機(jī)信令數(shù)據(jù)，建立出租車旅客的識別方法，對場站客流進(jìn)行細(xì)分，深度挖掘出租車旅客的候車人數(shù)、候車時間等接續(xù)運(yùn)輸屬性，為出租車接續(xù)運(yùn)輸服務(wù)保障工作提供有效決策數(shù)據(jù)支撐。

2 國內(nèi)外相關(guān)研究

近年來，越來越多的研究者將手機(jī)信令數(shù)據(jù)應(yīng)用于交通問題的研究，如出行特征與需求分析、出行軌跡分析等方面。

國外相關(guān)研究的有：Friedrich 等[1]融合手機(jī)信令數(shù)據(jù)與車輛檢測數(shù)據(jù)，通過模糊算法獲取車輛軌跡，從而判斷車輛出行OD信息，用于交通監(jiān)測與需求分析；Iqbal[2]基于手機(jī)信令數(shù)據(jù)以及道路交通量，提出了出行OD 計算方法；Rokib[3]則融合手機(jī)信令數(shù)據(jù)與網(wǎng)絡(luò)簽到數(shù)據(jù)，進(jìn)行出行OD 的計算。

國內(nèi)相關(guān)的研究有：賈會林[4]提出了基于手機(jī)信令數(shù)據(jù)的出行分布分析方法；冉斌[5]梳理并總結(jié)了近期手機(jī)信令數(shù)據(jù)在交通方面的應(yīng)用，認(rèn)為手機(jī)信令數(shù)據(jù)可以用于通勤出行、出行OD、客流集散方面的研究。

通過國內(nèi)外研究現(xiàn)狀的梳理來看，手機(jī)信令數(shù)據(jù)已經(jīng)廣泛的為交通研究所用。然而，針對交通樞紐及其接續(xù)運(yùn)輸能力的分析，手機(jī)信令數(shù)據(jù)的應(yīng)用還較少。因此，本研究嘗試采用手機(jī)信令數(shù)據(jù)與交通數(shù)據(jù)相融合的分析方法，對大型交通樞紐出租車接續(xù)運(yùn)輸供需進(jìn)行研究，以證明其有效性。

3 基于手機(jī)信令數(shù)據(jù)的接續(xù)運(yùn)輸需求分析方法研究

本研究提出一種基于手機(jī)信令數(shù)據(jù)的出租車接續(xù)運(yùn)輸需求特征分析研究方法。手機(jī)信令數(shù)據(jù)憑借數(shù)據(jù)樣本量大、客觀全面、時空連續(xù)性強(qiáng)等特點(diǎn)，常用于各類需求分析，本研究則將手機(jī)信令數(shù)據(jù)用于出租車接續(xù)運(yùn)輸需求分析，可以更精準(zhǔn)、更長時的分析出租車接續(xù)運(yùn)輸需求狀況。

手機(jī)信令數(shù)據(jù)用于接續(xù)運(yùn)輸需求分析，包含人群識別、出行OD 的識別以及出行方式的識別三個核心算法，能夠精準(zhǔn)的得到出租車出行人群的出行時空規(guī)律，并基于該出行規(guī)律，評價其接續(xù)運(yùn)輸能力。各算法的具體內(nèi)容如下：

3.1 人群識別

精準(zhǔn)識別樞紐旅客（即合理剔除居住和工作人口）是研究樞紐出租車接續(xù)運(yùn)輸能力的重要內(nèi)容之一。算法思路步驟如下：

3.1.1 空間篩選特定區(qū)域交通小區(qū)及對應(yīng)通信基站；

3.1.2 提取觸發(fā)該特定區(qū)域的用戶所有軌跡；

3.1.3 時間上設(shè)定閾值參數(shù)，判別特定區(qū)域職住人口；

3.1.4 剔除職住人口以及過路用戶，識別特定區(qū)域旅客。

其中，時間閾值判定規(guī)則可以取為：

場景1：0 點(diǎn)到6 點(diǎn)之間，若用戶在某點(diǎn)的停留時間總和大于3 個小時，則認(rèn)為該點(diǎn)為用戶的居住地。

場景2：9 點(diǎn)到17 點(diǎn)之間，若用戶在某點(diǎn)的停留時間總和大于3 個小時，且該停留點(diǎn)與用戶居住所在地的距離大于某一閾值，則認(rèn)為該點(diǎn)為用戶的工作地。

具體算法技術(shù)見下圖：

圖1 特定區(qū)域不同人群識別流程圖

3.2 出行OD 識別

出行OD 算法的關(guān)鍵節(jié)點(diǎn)在于計算出行者某一時間段出行的所有起訖點(diǎn)，也就是出行停留點(diǎn)。移動通信數(shù)據(jù)中，人們會在某些地點(diǎn)停留較長時間，如工作單位、家、購物商場、樞紐、學(xué)校等，這些點(diǎn)成為停留點(diǎn)。

本次研究用戶出行停留點(diǎn)采用“時間- 空間”雙層聚類算法進(jìn)行識別。該算法共分為兩階段，第一階段進(jìn)行空間聚類方法采用DBSCAN 算法，基于第一階段結(jié)果再進(jìn)行時間層聚類，最終精準(zhǔn)識別出用戶停留點(diǎn)，進(jìn)而得到用戶的出行OD。具體步驟如下：

（1）提取特定區(qū)域相關(guān)用戶所有軌跡數(shù)據(jù)；

（2）遍歷各用戶的所有軌跡數(shù)據(jù)并作為數(shù)據(jù)輸入；

（3）確定DBSCAN 算法參數(shù)，停留點(diǎn)最小點(diǎn)數(shù)MinP，停留點(diǎn)判別最小距離MinR；

（4）DBSCAN 模型計算輸出各用戶的停留點(diǎn)；

（5）將停留點(diǎn)按時間序列進(jìn)行排序，并計算各簇的停留時長；

（6）判定各簇的停留時長是否大于時間閾值；

（7）識別出停留點(diǎn)，輸出停留點(diǎn)集合，并連接出行OD。

具體研究思路見下流程圖：

圖2“時間- 空間”聚類流程圖

3.3 出行方式識別及出租車接續(xù)運(yùn)輸需求分析

本研究基于手機(jī)信令大數(shù)據(jù)挖掘分析，分析北京市樞紐場站旅客的出行方式，并結(jié)合出租車抬桿數(shù)據(jù)相互校驗(yàn)分析。具體思路如下：

（1）基于用戶移動通信數(shù)據(jù)識別出行OD；

（2）判別出行OD 及軌跡點(diǎn)在地鐵站內(nèi)的出行方式為地鐵出行；

（3）提取出行OD 過程中的特征：平均行駛速度、最大行駛速度、85%分位速度、低速占比、高速占比、平均加速度、最大加速度、平均方向改變率、行程時間、行程距離等特征，以及結(jié)合地理信息，判別出行OD 點(diǎn)周邊500m 內(nèi)的公交站點(diǎn)數(shù)等；

（4）聚類方法：通過第（3）步中提到的各出行OD 對應(yīng)的出行特征進(jìn)行歸一化及主成分分析后，采用K-Means 聚類、層次聚類、BIRCH 聚類等；

（5）聚類結(jié)果解釋：對第（4）步中的結(jié)果進(jìn)行解釋，找出各類中心對應(yīng)的特征值，綜合分析解釋各類對應(yīng)不同的出行方式（公交/小汽車/非機(jī)動車/步行）；

（6）結(jié)合第（2）步中識別的地鐵出行，將出行方式分為：地鐵/公交/小汽車/非機(jī)動車/步行，共五種交通方式；

（7）與出租車抬桿數(shù)據(jù)分析得到的出租車接續(xù)運(yùn)輸運(yùn)力進(jìn)行融合分析。

具體出行方式流程圖如下：

圖3 出行方式識別算法流程圖

4 北京西站出租車接續(xù)運(yùn)輸需求特征分析研究

4.1 國慶期間主要時期北京西站客流特征

基于手機(jī)信令數(shù)據(jù)以及本研究所提出的算法，計算北京西站國慶期間主要時期（9 月30 日、10 月1 日、6 日及7 日）全日各小時到達(dá)旅客百分比，并分析客流高峰小時及對應(yīng)占比。

（1）北京西站到達(dá)客流量在國慶期間整體呈上升趨勢，在7日客流量最大，最高客流量為23.11 萬人次；

（2）全天客流到達(dá)分布在下午14 點(diǎn)-15 點(diǎn)間達(dá)到高峰，高峰小時客流量約占7.98%；

（3）9 月30 日和10 月6 日在晚上21 點(diǎn)-22 點(diǎn)間到達(dá)客流較大，約占6.38%。

具體客流分布圖如下所示：

圖4 北京西站國慶期間主要時期客流分布

4.2 出租車排隊(duì)人數(shù)和時間分析

4.2.1 排隊(duì)人數(shù)

基于手機(jī)信令數(shù)據(jù)以及本研究提出的算法，計算北京西站出租車等候區(qū)國慶期間每天的平均排隊(duì)人數(shù)、最大排隊(duì)人數(shù)以及節(jié)前后四天（9 月30 日、10 月1 日、6 日和7 日）的排隊(duì)人數(shù)分布。

國慶期間最大排隊(duì)人數(shù)總體呈現(xiàn)上升趨勢，其中，10 月1日平均排隊(duì)人數(shù)和最大排隊(duì)人數(shù)突高，10 月7 日的最大排隊(duì)人數(shù)較高，達(dá)176 人，全天平均大排隊(duì)人數(shù)為63 人。

圖5 北京西站出租車等候區(qū)國慶期間日排隊(duì)人數(shù)分布

9 月30 日全天排隊(duì)人數(shù)較為平穩(wěn)，高峰值集中在21:00-0:00；10 月1 日高峰值為14:20-15:20，6 日全天多個高峰值，白天主要表現(xiàn)為多個窄峰，早上和晚上主要表現(xiàn)為寬峰。10 月7 日全天出現(xiàn)多個峰值，其中較為突出的是8:20-10:00、12:10-14:00和14:40-16:20，,均為寬峰，且最大排隊(duì)人數(shù)超過160 人。

圖6 北京西站出租車等候區(qū)國慶期間各時刻排隊(duì)人數(shù)分布

4.2.2 排隊(duì)時間

北京西站出租車等候區(qū)國慶期間，9 月30 日在22：00-23：30 有一段寬高峰，平均停留時間為22min，1 日在12：00-15：00時段出現(xiàn)兩個高峰值，平均停留時間為24min，6 日早晚各出現(xiàn)一段寬峰，時段分別為5：00-7：00 和21：30-23：30，平均停留時間為25min、29min，7 日平均停留時間有若干高峰，高峰時段為9：00-10：30、12：00-13：00 以及15：00-16：00，平均停留時間在30min 左右。

圖7 國慶期間北京西站出租車等候區(qū)旅客排隊(duì)時長分布

5 結(jié)論

通過本研究發(fā)現(xiàn)，手機(jī)信令數(shù)據(jù)可以很好的應(yīng)用于樞紐出租車接續(xù)運(yùn)輸需求特征的分析，該方法更加精準(zhǔn)，成本更低，也可以用于進(jìn)行其他交通方式接續(xù)運(yùn)輸需求特征的評估分析。隨著技術(shù)的進(jìn)步，可以進(jìn)一步實(shí)現(xiàn)更加實(shí)時化和動態(tài)化的樞紐接續(xù)運(yùn)輸供需監(jiān)測預(yù)警，為運(yùn)輸服務(wù)保障調(diào)度提供量化數(shù)據(jù)支撐。

另一方面，根據(jù)本研究發(fā)現(xiàn)，北京西站在“十一國慶黃金周”這一特殊時期的部分時段，出租車的接續(xù)運(yùn)輸供需矛盾較為明顯，特別是旅客集中達(dá)到時段（如每日下午與晚上的客流到發(fā)高峰期）以及軌道交通停運(yùn)時段。相信隨著手機(jī)信令數(shù)據(jù)的應(yīng)用，可以為進(jìn)一步優(yōu)化提升大型樞紐接續(xù)運(yùn)輸服務(wù)提供更加有力的技術(shù)支撐。