軌道交通乘客路徑選擇行為研究評(píng)述

雷羽

摘 要：隨著城市機(jī)動(dòng)化水平的不斷提升，交通擁堵、環(huán)境污染等問題日益嚴(yán)重，發(fā)展公共交通成為解決城市交通問題的有效方法之一，其中，軌道交通憑借安全、準(zhǔn)時(shí)、污染較低等優(yōu)點(diǎn)備受重視。但由于乘客在面對(duì)成網(wǎng)的軌道交通時(shí)，選擇多樣，這使得軌道交通客流分布較為復(fù)雜，開展對(duì)軌道交通乘客路徑選擇行為系統(tǒng)綜述，有利于研究交通客流分配，有助于優(yōu)化軌道交通管理。本文主要從影響乘客路徑選擇因素、研究方法、常用模型，主要算法四個(gè)方面對(duì)研究現(xiàn)狀和不足進(jìn)行分析和綜述。

關(guān)鍵詞：城市交通;軌道交通;路徑選擇

中圖分類號(hào)：U293.5 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

城市化進(jìn)程持續(xù)加速，導(dǎo)致大多的資源和勞動(dòng)力流向城市，城市交通緊缺，擁堵越來越嚴(yán)重，這增加了城市基礎(chǔ)設(shè)施投資的成本，污染了城市環(huán)境;同時(shí)，也會(huì)降低居民出勤的效率，造成一定的經(jīng)濟(jì)損失。在城市交通擁堵和供求關(guān)系日益緊張的背景下，許多國家的城市交通發(fā)展大力提倡公共交通，城市軌道交通因其相對(duì)較小的環(huán)境污染、快速準(zhǔn)時(shí)、服務(wù)水平高等優(yōu)勢(shì)而受到重視。近幾年，我國城市軌道交通取得了快速的發(fā)展，截止2019年，中國城市軌道交通運(yùn)營線路達(dá)6 730.27公里，較2018年新增運(yùn)營里程968.77公里，軌道交通仍大力建設(shè)。而軌道交通乘客的路徑選擇對(duì)客流分配具有重要的參考意義，這表明有必要研究軌道交通乘客的路線選擇。

1 軌道交通路徑選擇影響因素

研究者對(duì)軌道交通出行者的路徑選擇因素主要從客觀因素、心理因素、乘客屬性單個(gè)角度出發(fā)。其中，客觀因素為換乘時(shí)間、換乘次數(shù)、換乘距離等;心理因素包括舒適度、熟悉度、心理感知等。例如，錢堃，陳垚等[1]通過乘客感知的換乘行走時(shí)間與實(shí)際的換乘行走時(shí)間這個(gè)因素來分析在換乘時(shí)乘客對(duì)路徑的選擇;陳堅(jiān)、王曼等[2]除了考慮換乘時(shí)間等因素外，還將乘客由于路徑的擁擠程度而產(chǎn)生的內(nèi)心舒適度作為影響乘客換乘時(shí)路徑選擇的因素。學(xué)者Sebastian Raceau[3]，Juan Carlos Munoz[4]將網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、時(shí)間、擁擠程度，線路服務(wù)水平等作為影響軌道交通乘客出行路徑的主要因素;劉劍鋒、四兵峰[5]等研究了乘客的年齡，職業(yè)，收入和出行目的等屬性，發(fā)現(xiàn)中青年旅客對(duì)節(jié)省時(shí)間的重視程度超過了換乘所造成的體力消耗，而中老年乘客相對(duì)于總時(shí)間節(jié)省，更注重少換乘。

2 研究手段

目前，研究者主要通過IC卡、AFC等數(shù)據(jù)，進(jìn)行客流預(yù)測(cè)與換乘客流估算。Tahiko Kusakabe[6]等根據(jù)東京地鐵的卡交易數(shù)據(jù)推斷出乘客選擇的列車。Si[7]基于AFC數(shù)據(jù)建立了城市軌道交通選路的費(fèi)用函數(shù)，并基于智能卡數(shù)據(jù)分析了客流分配結(jié)果的準(zhǔn)確性，尤其是分配結(jié)果中的換乘客流。對(duì)于數(shù)據(jù)的處理手段主要為人工調(diào)查與處理、公交卡數(shù)據(jù)分析，沒有過多考慮程序中數(shù)據(jù)結(jié)構(gòu)優(yōu)化和運(yùn)算效率優(yōu)化的問題。

3 軌道交通乘客路徑選擇模型

在使用該模型時(shí)，主要使用Logit模型和多項(xiàng)Logit模型，在不斷提高模型的精度上做研究。但是，大多數(shù)模型存在參數(shù)標(biāo)定不合理的問題，例如換乘次數(shù)敏感度、換乘敏感度、擁擠敏感度等。這些參數(shù)非常敏感，很小的參數(shù)變化都會(huì)影響結(jié)果。另外，在現(xiàn)有研究中，大多數(shù)選擇了某個(gè)城市中的幾條路線進(jìn)行案例分析，以證明該模型的準(zhǔn)確性。但模型的精確度、參數(shù)擬合方法是否能在其余線路或其他城市中有很好的應(yīng)用還有待考究。

4 有效路徑主要算法

在研究軌道交通路徑選擇和客流分配時(shí)，有效路徑算法有著重要作用。目前，國內(nèi)外的算法主要為有效路徑搜索算法。現(xiàn)有研究中大多數(shù)算法研究都停留在理論層面，缺乏對(duì)實(shí)際應(yīng)用的討論，沒有考慮算法執(zhí)行效率和應(yīng)用系統(tǒng)開發(fā)的問題。隨著城市軌道交通網(wǎng)絡(luò)運(yùn)營線和車站數(shù)量的增加，網(wǎng)絡(luò)OD對(duì)的數(shù)量也增加了。當(dāng)研究人員定義旅客出行費(fèi)用函數(shù)時(shí)，考慮因素變得更加復(fù)雜，從而使有效路線的搜索變得更加復(fù)雜。另外，已經(jīng)研究的路徑搜索算法僅適用于小型網(wǎng)絡(luò)或僅適用于大型網(wǎng)絡(luò)的一部分，對(duì)于大規(guī)模網(wǎng)絡(luò)的高效和有效路徑搜索算法的研究還很少。

5 結(jié)論

本文主要從影響乘客路徑選擇因素、研究手段、常用模型、主要算法四個(gè)方面，對(duì)研究現(xiàn)狀進(jìn)行了分析評(píng)述，發(fā)現(xiàn)在國內(nèi)外學(xué)者經(jīng)過較長時(shí)期的研究后，城市軌道交通路徑選擇方面的研究相對(duì)而言較為完善，但也存在一些有待改善之處。

首先，關(guān)于路徑選擇的影響因素從最初的客觀因素到開始考慮乘客的個(gè)人特性，直到現(xiàn)在逐漸考慮乘客的心理感知方面，盡管目前這方面的研究還相對(duì)較少，但這方面的研究挖掘潛力較大，此外高峰時(shí)段和平峰時(shí)段的路徑選擇也是一個(gè)較好的研究切入點(diǎn)。

其次，研究手段有待改進(jìn)。21世紀(jì)是信息化的時(shí)代，大數(shù)據(jù)在各行各業(yè)中的作用越加明顯，因此，在研究路徑選擇行為時(shí)，借助Python等手段將大幅提高研究效率好精確度。

再者，在對(duì)模型的不斷調(diào)整和驗(yàn)證時(shí)，往往取的是某個(gè)城市的特定幾條線路或幾個(gè)換乘站，例如北京的四號(hào)線、重慶的兩路口、牛角沱等主要換乘站，但是該模型是否能推廣到其余線路、其余城市還有待進(jìn)一步研究。

最后，目前的算法只適合規(guī)模較小的網(wǎng)絡(luò)，對(duì)于大規(guī)模網(wǎng)絡(luò)的搞笑類有效路徑搜索算法研究依舊太少，此后的研究可以多注重這一塊。

參考文獻(xiàn)：

[1]錢堃，陳垚，毛保華.考慮換乘時(shí)間影響的城市軌道交通路徑選擇行為研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2015，15（02）：116-121.

[2]陳堅(jiān)，王曼，李和平，et al.城市軌道交通網(wǎng)絡(luò)乘客換乘路徑選擇行為模型[J].交通運(yùn)輸系統(tǒng)工程與信息，2017，17（06）：235-241.

[3]SebastianRaveau，Zhan Guo，Juan Carlos Munoz，Nigel H.M.Wilson.Abeh-aviouralcomparison of route choice on metro network：Time，transfer，crowding，topology and socio-demographics[J].Transportation Research Part A.66（2014）：185-495.

[4]Sebastian Raveau，Juan Carlos Munoz，Louis de Grange.A topological route choice model for metro[J].Transportation Research Part A.45（2011）：138-147.

[5]劉劍鋒，四兵鋒，劉新華，et al.基于乘客類別的城市軌道交通流量分配模型研究[J].物流技術(shù)，2011，30（23）：101-103.

[6]Kusakabe T，Iryo T，Asakura Y.Estimation method for railway passengers’ train choice behavior with smart card transaction data[J].Transportation，2010，37（05）：731-749.

[7]Si B，Zhong M，Liu J，et al.Development of a transfer‐cost‐based logit assignment model for the Beijing rail transit network using automated fare collection data[J].Journal of Advanced Transportation，2013，47（03）：297-318.