區域共享出行視角下的老年接駁服務系統設計

李學超 姜霖

摘要：分析老年用戶的出行行為，構建老年用戶出行接駁服務系統，提升老年群體短途出行的便捷性和安全性。基于現有共享出行經濟和自動駕駛汽車，利用多種傳感器、人工智能技術、智能終端應用，構建老年用戶出行行為模型，用以識別老人行為和監測異常行為。結合老年社區接駁車和智能終端應用，提出了以用戶為中心的老年區域共享出行服務系統。通過分析老年群體出行特征，打通老年用戶出行最后一公里，提升老人出行滿意度。

關鍵詞：老年出行 接駁車 服務系統 區域共享出行 出行行為模型

中圖分類號：TB47

文獻標識碼：A

文章編號：1003-0069（2020）06-0148-04

Abstract： Analyze the travel behavior of elderly uSers， build a short-distancetravel oervice syotem for elderly uoers， and improve the convenience and safety ofshort-distance travel for the elderly Based on the existing shared travel economyand autonomouo vehicleo，a variety of sensors， artificial intelligence technologies，and intelligent terminal applicationo are used to construct a travel behavior modefofelderly uoers to identify behavioro of the elderly and monitor abnormal behaviorsCombined with the elderly community shuttle bus and intelligent terminal application，a user-centered shared travel service system for the elderly is proposed.By a nalyzingthe characteriotics of the elderly group travel and getting through the last mile of travelfor elderly usero， the satisfaction of the elderly tr：ivel has been improved

Keywords： Old people travel Shuttle bus Service system Regional sharing travel Travebehavior model

引言

在我國人口老齡化趨勢下，國內老人數量逐年增長，同時出現了越來越多的老年社區[1]，新晉老年群體的認知能力也將比現有老年群體更高，對智能設施、共享經濟會有更加深刻的理解。但現有公共交通服務與老年人出行需求之間的不相適應之處日益明顯，越來越多的老人面臨出行不便的困擾。而在人工智能、物聯網、5G通信等技術浪潮下日益發展的自動駕駛技術將會對老年群體日常出行產生深遠影響，解決老年人出行中最關鍵的問題。因此本文提出老年區域共享接駁服務系統，以期提升老年群體出行的便利性。

一、研究背景

（一）老年群體出行特征

老年群體的綜合出行能力受到年齡、健康狀況、教育背景、經濟水平、出行環境等因素的影響，易出現體力不支、突發疾病、迷失方向、丟失物品等問題，出行安全難以保障。隨年齡的增長，老年人選擇公共交通的傾向性強，出行目的地包括老年社區周圍配置的醫院、學校、超市和菜場、銀行、公共交通站點等，短途出行特征明顯。老年群體的出行問題和出行需求如表1所示。基于共享出行和自動駕駛技術，打通老年群體出行的“最后一公里”，利于滿足老人的出行需求，更好地享受城市出行基礎設施的便利。

（二）自動駕駛便利老人出行

近年來，汽車的使用方式逐步趨向于共享和隨需求使用，對環境和低收入群體友好。目前有兩種主流的共享汽車方案，一種為企業對消費者的汽車共享（B2C，如EVcard、聯動云租車、ha：mo等），可為用戶提供足夠的選擇，通常作為用戶常規路線的出行[2]。另一種為在線上平臺點對點的汽車共享（P2P）。上述共享汽車具有較好的靈活性和輕量化特征，但需用戶手動操作，對老年用戶來說具有一定的風險和難度。

自動駕駛技術能夠深刻改變現有交通運輸系統，影響用戶出行方式，且用戶對該出行方式的接受度近年來也逐步提升[3]。共享自動駕駛汽車將代替傳統汽車使用的諸多環節（取車、駕駛、停車、加油或充電等），具有顯著降低車禍事故概率、減少尾氣排放、提升車流效率、方便老人等弱勢群體出行的優勢[4]。由于提高了車輛利用率，共享自動駕駛汽車最多可將出行成本降低85%[5]，甚至一輛共享自動駕駛汽車可代替3-15輛常規車輛[6]，由此降低90%的停車需求[7]。

胡駿、胡天翼[8]提出了車載仿真測試系統和實驗室仿真測試開發系統兩部分，用來進一步評估和提升自動駕駛系統的安全性。T.Donna Chen等人研究了不同數量的自動駕駛電動汽車與充電基礎設施之間的關系[6]，為接駁車的運營提供了有益指導。根據國際自動機工程師學會（SAE International）對自動駕駛等級的分類[9]，我國部分車輛已經達到L4級，如鄭州宇通智聯巴士已具備半開放道路的運營能力。從網約車市場來看，自動駕駛技術正逐步商業化（如滴滴出行）。綜上，共享自動駕駛汽車必將深遠影響老人出行方式。

（三）老年短途出行現有解決方案

國內現有運營較好的適老化公共交通系統較少，在老人出行最后一公里中可達性較差，同時存在一定的換乘繁瑣問題。盡管絕大多數公交和地鐵中設置了弱勢群體專座，部分地鐵站設置升降電梯便于換乘，極少公交車或站臺配置了臺階自動升降裝置。不少城市采取老年公交卡或老年綜合津貼制度對老年人出行進行補貼[10]，但無法滿足老人個性化的出行需求。張玉琇[11]分析了法國波爾多、香港、湛江、上海四個城市的微循環公交（表2），表明法國DRT（需求響應交通，Demand Responsive Transport，DRT）社區巴士預約公交服務在波爾多、勒阿弗爾等城市均取得較好效果，但其在記錄、整理預約數據仍存在不足，人力成本較高，系統智能仍有待發展。

二、老年接駁服務系統框架設計

研究表明，與外部場景的連接性是老年接駁服務系統的重點。根據當下社會背景、技術水平及共享出行服務，提出基于區域共享出行的老年接駁服務系統，如圖1。

（一）系統結構與運算層級

該系統包括接駁車、智能終端、社區三大功能模塊，運算結構分為數據獲取層、運算次級中心、運算中樞三級，如圖2。在數據獲取層級，用戶和智能終端、接駁車及其所處場景中的傳感器采集的數據為系統主要數據來源。運算次級中心層級含有系統分布結構中的多個次級核心，進行部分數據處理和決策。運算中樞包括社區數據中心和云數據中心，社區數據中心是系統中的最大核心，負責系統整體調度。云數據中心是系統中的重要數據來源，是系統和互聯網連接的窗口，同時也是系統功能拓展的接口。

（二）用戶出行行為模型

用戶出行行為模型是服務系統的重要部分。接駁車內設置健康檢測等裝置，并與社區數據中心聯網，用戶在乘車過程中的出行行為數據和健康數據自動錄入到社區個人中心，構建個人出行行為模型，由此對老人異常行為進行預警和處理，包括語音提示老人、通知子女、呼叫救護等。在5G網絡的覆蓋下，系統內外數據運算、交換便捷，不斷完善模型準確度，提高系統精準服務的能力。下面對系統主要功能模塊、出行數據獲取和運算結構、出行行為數據分析處理展開介紹。

三、系統主要功能模塊

（一）接駁車模塊

1.技術條件

接駁車的自動駕駛系統一般包括采集、感知、通訊、數據庫、人機接口和決策模塊，以及控制、執行機構模塊，如圖3。自動駕駛系統的核心決策模塊需使用其他模塊的輸出結果，然后將其決策信息發送給控制模塊，最后由執行機構控制、執行完成自動駕駛任務。其中采集模塊主要是接駁車上的傳感器。

除完成正常的自動駕駛任務外，接駁車的設計應滿足以下原則：

①接駁車應符合老年用戶的人機尺寸，并具有可調整范圍;

②接駁車應為三座或四座，符合多人出行需求;

③接駁車能夠識別老人身體姿態和動作，并能對異常行為做出判斷和處理;

④系統應具備自我迭代更新的功能，即能夠根據持續更新的用戶數據和行駛數據來完善系統，提升安全性能;

⑤系統應具有個性化，即根據每個用戶的基礎信息和乘車數據，生成個人偏好設置，如針對健忘老人，可加強提醒帶好隨身物品;

2.共享模式

共享接駁車在社區內依據居民出行目的地頻次和相對位置設置固定雙向環形路線。固定路線是接駁車主要行駛路線，途經老年用戶出現頻次高的場所。老年用戶在智能終端預約接駁車時，先確定出發時間、地點（自動定位）、目的地，之后接駁車根據指定信息接到用戶，行駛至預設固定路線。送至目的地后，接駁車會返回至預設路線，等待其他用戶預約。

當有出行路線相同（或包含關系）、時間臨近的用戶時，可共同使用同一接駁車，以充分利用交通資源。在老年群體出行高峰時段（如天氣良好的清晨），會智能調度更多接駁車上路準備，反之則適當減少運營接駁車數量。維護站點通常設置在城鄉結合部或郊區，為接駁車提供充電、保養、調度、維修等服務。社區內老年用戶高頻使用的場景通過接駁車連接成為網絡，如圖4。

（二）智能終端模塊

在本系統中，老年用戶通過手機或其他智能終端一鍵預約（圖5），確定出發時間和目的地，出發地通過定位確定而無需輸入。通過刷市民卡或人臉識別用戶身份上車。智能終端也是連接老人與監護人的橋梁，老年用戶在出行過程中發生意外情況或系統推薦的健康方案，都可通過智能終端發送至監護人，進一步保證老人安全。智能終端應用的設計應當符合老人心智模型，邏輯清晰，界面易讀性好。

（三）社區模塊

老年社區成立數據中心和服務中心，數據中心為社區內每一位老年用戶建立個人數據庫，用于收集、分析老人的健康狀況、照護需求等。服務中心建立服務隊伍，與社會相關企業合作，依據數據中心分析結果，為老人提供及時、有效、合理的服務，包括信息咨詢、生活照護、健康管理等，應對突發疾病等意外情況，保障老年群體衣食住行的便捷。

新建社區的設計規劃需要融合智能化的視角，在傳統出行設施的基礎上增加便于居民利用智能設備出行的裝置，如相關傳感器安裝位置。現有老年社區需要因地制宜安置相關裝置。在此基礎上，對老人出行行為數據采集和對出行行為的分析是系統建立的關鍵環節。

四、出行行為數據獲取與運算結構

（一）系統數據獲取

服務系統中的數據來源方式可分為直接獲取和間接獲取。直接獲取的數據來源于硬件設施和各類傳感器，非直接獲取的數據來自存儲中心、數據庫、網絡等。兩類數據在系統運算中心共享。各類傳感器（表3）采集用戶出行的原始數據，提交處理中心運算分析，保持系統數據的實時性。

系統中的傳感器由環境傳感器、生理傳感器、多媒體設備組成。環境傳感器主要監測用戶所處環境和交互的各項參數，包括溫度、濕度、壓力、用戶使用設備情況等，如用戶下車后遺忘包裹，相應地便可由壓力傳感器和紅外傳感器的實時數據計算分析，提醒用戶帶走個人物品。生理傳感器一般置于穿戴物品和身體上，如衣服、腰帶、肩膀、膝蓋等，檢測用戶實時姿勢、體溫、心率等。

服務系統中的多媒體設備包括攝像頭、錄音器、麥克風、視頻播放器等，用以豐富用戶與設施的交互，并為數據處理中心提供直觀的、多樣化的數據，建立更加形象化的用戶個人出行數據庫，同時在識別用戶行為、檢測異常行為、娛樂休閑等方面具有一定的優勢，但在應用時需要處理好此類設備獲取的信息與用戶隱私安全之間的平衡關系。

（二）系統運算結構

由于區域共享接駁系統數據龐雜，各模塊存在需要自行決策和與其他相關模塊共同決策兩種不同的情形。因此本系統采用多中心構架，結合中心架構的計算能力優勢和分布式架構的信息溝通優勢，更快、更準確地處理老年用戶在不同場景中可能出現的問題。系統中的協調中心用以保證基于不同平臺運行的部件、各網關之間以及和云端、網絡等部分順利實現數據交換，并鏈接不同來源的數據。由此，系統中還需可用于新增組件的集成式平臺或協調中心，用以提升服務系統的延展性。

五、出行行為數據分析與處理

通過分析與處理老年用戶不同出行行為數據，可用來判斷老人當下狀態，評估健康水平，并為其提供及時有效的幫助，同時作為預測健康趨勢的依據。

（一）出行行為分類

用戶在日常活動中的行為可分為動態行為、精神行為、生理行為，如表4。動態行為指一系列肢體產生的動作，包括運動行為、轉換行為、靜態行為。精神行為是影響老年群體行動非常重要的參數，通常與健康監測系統直接相連，不僅可以判斷老人當下的精神狀態，而且可推斷出老人未來一段時間的狀態，如老人按時用藥即能反映其記憶能力狀態。生理行為通常與精神行為一起受到實時監控，來直接采集用戶健康數據，對于患有神經疾病的用戶尤其重要。

（二）出行活動概念化

健康監測應用在進行檢測與評估用戶行為時，對于老年用戶自然行為的情景語義理解需要清晰的描述，便于數據的準確分析與共享，因此提出了老年出行活動的概念化，將老年出行行為與出行監測系統聯系起來。

用戶動態行為中的靜態行為、轉換行為、運動行為相互配合，可完成不同復雜程度的活動。人體姿勢與用戶行為有強關聯，如坐的姿勢，用于表征休息。特定行為通常在特定地點發生，例如在公交車站候車，老年用戶必經的動作為站立、上車、刷卡。時間因素包括開始和結束時間（或持續時間），是描述活動的另一個關鍵特征，例如上下樓、菜市場購物活動通常發生在白天的半規則時間內。老年用戶的部分出行活動在正常生活中是以已知的頻率范圍進行的，如買藥、買菜、接孫輩放學等，不同狀況的老年用戶在同一事件上的出行頻率不同。出行過程中的環境信息（溫度、濕度等相關因素）在監測中同樣重要。上述信息用于構建用戶出行行為模型和學習用戶行為，建立個人健康數據庫，以此學習用戶正常行為和監測異常行為，評估和預測健康狀況。

（三）出行行為識別和異常行為檢測

老年用戶出行行為模型可識別老人出行行為和異常行為檢測，但開放式場景中包含大量不確定因素，如可穿戴設備的類型、電池電量消耗、用戶多樣的姿勢等，其中的挑戰在于[12];

①識別同時發生的活動;

②認識交錯活動;

③解釋的多樣性。利用三維數據融合的理念[13]，可明顯提高在開放式環境中通過傳感器采集數據來識別用戶行為的準確性。

異常行為檢測需要系統學習正常的行為模式，并設置假設來區分正常行為和異常行為。該過程受檢測應用、選擇傳感器和提取特征方法的影響，其中難點在于：

①定義正常行為較為困難。正常和異常行為之間的界限往往模糊不清，部分臨界異常行為有可能被認為是正常行為，反之亦然;

②異常行為的判定標準因用戶而異，某些行為和生命體征對于A用戶可能是異常的，而對B用戶則不然;

③來自傳感器的原始數據（Raw Data），通常是不完整的或包含噪聲，因此具有清理數據上的困難。在某些特殊情況下，數據表現出接近正常的異常，這使得清洗數據過程更加困難。

因此，用戶出行行為模型對于用戶的識別需要數據積累，在使用過程中不斷完善模型的精確度，并充分利用現有數據。

（四）出行行為預測和背景語境建模

老年用戶出行行為預測需要基于個體用戶特征及當下情景語義來進行。如何解釋傳感器數據在行為預測環節中具有重要意義。在出行服務系統中，需要老年用戶歷史健康數據，包括體檢和醫療記錄。對于這些數據的分析和應用有助于提供關于老年用戶健康更為具體的評估，并利于優化通知護理人員采取救治措施的時間。此外，預測結果也可用于和用戶實際行為的對比，出現的偏差即可作為系統優化的切入點。

由于數據來源不同，在老年出行服務系統中傳感器獲取的信息具有異質性，其數據往往具有多種格式，通用背景語境建模機制用于將數據轉換為可讀和可處理的格式。其目標是以統一的格式定義和表示數據，并在服務系統內感知背景語境，以此理解和共享知識。

結語

本文基于現有的共享出行和自動駕駛概念，提出了區域共享的理念，從老年群體社區短途出行的切實需求出發，打造以短途出行為主題的老年社區生活專屬的服務系統。該服務系統是一個面向社會的開放式系統，需要有老人、家庭、社區、社會企業、政府部門、公益組織等多種角色參與其中，保證資金、管理、維護到位，逐步發展出具有地域特色的商業模式，有效滿足老年群體個性化的出行需求，積極探索出與時俱進的社會養老長效機制。然而在現階段，老年區域共享出行接駁系統仍面臨以下風險：

①網絡安全風險，如隱私泄露等;

②智能基礎設施不完善;

⑧自動駕駛的安全性，如與人為駕駛行為相互干擾等;

④相關法律法規尚不健全。此問題將在后續研究中進一步完善。.

基金項目：教育部人文社科青年基金資助項目：智慧城市老年人出行主動服務系統設計研究（項目編號17YJCZH072）中央高校基本科研業務費專項資金項目：智慧城市老年人出行公共設施創新研究（項目編號30917013109）。

參考文獻

[1]巨蓓社區老年護理服務體系的構建與應用[J]中醫藥管理雜志，2019，27（18）：207-208

[2]MrinzelK， PiscicelliL， Boon W， et al.Differeut business models-different users？Uncovering the motives andcharactenstics of business-to-consumer and peer-to-peer carsharing adpters in The Netherlands[J]TranspotatlonResearch Part D： Transport and Envinmment， 2019， 73： 276-306.

[3]Stoiber T，Schubert I，Hoerler R，et al.Will consumers prefer shared and pooled-use autonomous vehicles？ Astated choice experiment with Swiss households [J].Transportation Research Part D： Transport and Enviromnent，2019， 71： 265-282.

[4]Merfeld K， Wilhelms M-P， Heukel S， et al Carsharing with shared autonomous vehicles： Uucovering drwers，bamers and future developments-A four-stage Delphi study[J].Technological Forecasting and Social CHange，2019，144： 66-81

[5]Fagnant DJ， Kockelman KM. The travel and euvironmental implications of shared autonomous vehicles，usingagent-based model scenuios [J].Transportation Research Part C.： Emerging Technologies， 2014， 40： 1-13

[6]Chen T D， Kockelman K M， Haima J P Operations of a shued， autonomous， electric vehicle fieet： Implications ofchicle &charging infrastructure decisions[J].Transportation Research Part A：Policy and Practice， 2016， 94： 243-254

[7]Zirang W， Guhathakurta S， Fang J， et al Exploring theimpact of sirared autouomous vehicles on urban parkingdemand： An aoeut-based simulation approach [J].Sustainable Cities and Society， 2015， 19： 34-45

[8]胡駿，胡天翼復雜環境下自動駕駛系統軟件虛擬測試與驗證方法[J]汽車文摘，2019（10）：1-7

[9]許閑自動駕駛汽車與汽車保險：市場挑戰、重構與應對[J/OL]湖南社會科學，2019（05）：86-96[2019-11-06]http：//kns cnki.net/kcms/detail/116l.c.2019091.1549.026.html

[10]陳雪明，馮蘇葦.美國老齡交通政策綜述及其對中國的啟示[J]公共治理評論，2016（02）：3-14

[11]張玉琇.深圳市小支線巴士服務模式研究[D].西南交通大學，2014

[12]Kim E， Helal S， Cook D Human Activity Recognition and Pattern Discovery[J].IEEE Pervasive Comput，2010， 9（1） ： 48

[13]Qij， Yang P， Newcombe L， et al An overview ofdata fusiou tecirniques forIntemet ofThiuos enabled physicalactivityrecognition and measure [J].InfonnationFusion， 2020， 55： 269-280.