大數據驅動下公共交通線網優化技術變革淺析

程曉明 李旭 侯佳

摘 要：公共交通大數據分析已經逐步融入公共交通線網優化工作中，但是由于數據分析技術瓶頸和規劃思維的慣性，導致現有線網優化工作依然沒有產生應有的變革和提升。本文基于公交大數據和手機信令數據融合技術以及居民出行機理解析的最新成果，對于公交線網優化的技術流程、模式、體系發展進行分析和展望。

關鍵詞：大數據分析;居民出行機理;公共交通服務設計;公交線網優化

中圖分類號：U491.17 文獻標識碼：A

0 引言

公共交通系統是目前國內各大城市的市內綠色客運出行主體，為廣大居民提供了普適、可靠的出行服務，該系統的整體服務水平不僅影響城市的正常客流運轉，同時也對城市交通擁堵緩解起到決定作用。國內城市已經將公交優先發展作為城市交通發展核心戰略，持續以公交都市為目標進行城市總體建設。公共交通線網是公交系統提供服務的核心載體，很多城市定期進行公交線網優化的編制工作，及時診斷并調整公交線路，逐步優化公交服務品質，提升公共交通競爭力。

進入十三五以來，公共交通監測大數據體系已經初步成型。很多規劃設計單位試圖將大數據分析引入公交線網優化編制的技術支撐體系中，通過動態化、細粒度的公交運行指標分析，更加科學地評估診斷公交系統發展癥結，支撐更加科學、合理的公交線網優化編制方案的形成[1-6]。

隨著大數據、云計算、人工智能技術在交通出行選擇機理領域的研究深入，公交線網優化技術體系將迎來新一輪變革。本次研究立足公交線網優化編制訴求，基于現階大數據分析支撐技術體系的研究成果，對下一階段公交線網優化技術支撐體系的構成和方向進行展望。

1 現狀發展

現狀對于大數據的應用模式主要用于現狀分析評估手段的替代升級和輔助方案決策，其中尤以現狀分析評估的替代升級最為成熟，主要基于手機信令數據、車輛定位數據以及交易支付數據進行聯合數據挖掘，系統分析公交運行指標，替代傳統人工調查獲取數據進行評估的模式。

1.1 指標分析內容

基于上述大數據分析一般分析城市空間、客流效益、運行效率三方面內容。

（1）城市空間分析：人口崗位、職住關系、出行OD。

（2）客流效益：網絡特征、線路特征、站點特征。

（3）運行效率：運行速度、車頭時距、車輛延誤等。

1.2 相對于傳統手段的優勢

相對于傳統調查，基于大數據分析具有以下兩大優勢。

（1）樣本規模。相對傳統調查來說，大數據分析最大優勢是樣本規模。以手機信令數據為例，移動數據按照市場占有率為60%～70%，也就是其分析指標可以刻畫研究范圍內60%～70%出行者的出行特征和社會特征，相對于傳統居民出行調查1%～3%的抽樣率優勢顯著，在后續擴樣分析過程中指標失真率將會大大降低。

公交線路運行調查也類似，在現狀公交信息化近乎100%普及的情況下可直接獲取全樣本的公交線路運行指標。

（2）數據頻率。傳統調查一般根據項目需求開展，最高頻率不過每年度進行一次調查。而大數據分析則賦予規劃編制單位動態獲取每天數據指標的能力，可以對于公交系統進行全方位、全過程的動態監測和評估，對于更加全面診斷公交系統運行問題提供的最直接的數據支撐。

1.3 現階段發展問題

現階段公交大數據分析通過大樣本、全過程的數據分析手段和模式已經在公交線網優化過程中起到了不可忽視的作用，但是從公交線網優化自身技術體系來看依然沒有產生根本性變化。

（1）依然是“公交系統”而不是“公交乘客”。現階段所有分析和評估指標都是圍繞表征公交系統運行效率展開的，后續方案也是以優化系統運行效率為目標，對于居民出行的服務提供、居民自身出行選擇關注過少。

（2）沒有跳出“就公交論公交”的規劃范疇。大部分指標都是基于公交實際運行數據進行的挖掘，對于公交系統以外的居民出行關注度不夠。雖然后續逐步將手機信令數據引入技術體系，但是收集分析結果和公交數據分析結果基本沒有融合，導致公交線網優化基本就是公交系統內部優化，與其他交通方式之間的互動或者競合缺乏足夠的研究。

2 數據賦能

現階段公交大數據分析缺乏的是對個體出行特征的精細化描摹和個體選擇行為的深入刻畫，導致無法對公共交通線網優化的技術方法和流程產生根本性變革。現階段隨著手機信令數據分析的持續深入，對于個體出行的分析逐步成為可能。

2.1 居民個體時空軌跡還原

時空軌跡還原最大的障礙在于從基站坐標推斷居民出行的精確起訖點坐標，在城市核心區雖然基站密度較高，但是路網更密，地塊也較為零散;在城市外圍區域路網雖然較稀疏，但是基站密度也較低，這都為起訖點定位帶來較大障礙。

但是隨著移動運營商推出了最小化路測數據（MDT數據），可以反映用戶實際位置，這為確定用戶實際位置提供了有效路徑。但是由于數據產生機制和數據規模限制，MDT數據只能反映一部分運營商用戶活動特征。在此情景下，可以建立啟發式網絡路徑尋路優化模型，利用MDT數據和手機信令數據對其進行模型訓練;將訓練好的模型應用至全體手機信令數據，進行模型應用，并利用志愿者實際路測反饋并進一步優化模型，至此不斷完善校核模型，形成穩定模塊。

2.2 居民個體出行選擇機理擬合

在居民出行軌跡精準還原的基礎上進一步需要進行出行方式的精準識別，這在出行軌跡還原精度和質量較高的基礎上，通過比對軌跡形態和綜合交通網絡形態以及綜合出行速度可以獲得辨識度較高的出行方式。

獲取大量居民出行方式、目的、時間、軌跡選擇的精準樣本數據，在此基礎上可建立居民出行選擇與綜合交通設施供給之間的互動模型，并利用居民出行選擇數據進行大量模型訓練，重點擬合綜合交通設施供給對居民出行選擇的內在影響。

3 變革方向

在新技術賦能的背景下，公共交通線網優化技術將迎來最為顯著的變革和進化，核心體現在規劃編制過程中需要回答四個問題。

3.1 還原對象：有哪幾類需求

對居民出行需求進行底層分類，從出行目的、出行時間、出行距離、出行強度等等，這些需求純粹反映了城市空間布局引發的居民出行活動，是所有交通產生的源頭，也是后續進行公交服務設計的對象。

3.2 機理解析：選擇（不選擇）公交出行原因

基于居民出行機理模型分析上述幾類需求中，哪些選擇公交出行、哪些沒有選擇公交出行、分別原因是什么。這是規劃編制核心環節，承前啟后，是現狀癥結分析的核心體現，也是后續優化方案和支撐方案形成的有力指導。

3.3 服務設計：提供（完善）哪幾類公交服務

摒棄原有直接進行公交系統設施供給的思路，而是形成公交客流市場覆蓋—公交服務設計—公交設施供給的方案生成模式。針對既有客流市場完善提升服務;針對可以爭取的潛在客流市場，從公交服務模式、公交服務頻率、公交走廊梳理進行新型公交服務設計，并基于此進行公交線路及運力配置設計。

3.4 保障體系：需要哪些公交線網運營支撐

有別于傳統公交線網僅僅針對公交線路和運力進行設計優化，還需要針對公交線網高效運行所需要的公交優先、公交場站、運力配置進行保障性設計，保證公交服務按照既定設計進行投放。

通過回答這四個問題，構建大數據驅動下的公交線網優化的技術路線，推動公交線網優化工作的可持續推進。

4 結語

本次在深入分析既有公交線網優化工作的核心問題基礎上，圍繞公交大數據分析技術的發展階段和發展趨勢，對于公交線網優化工作的可能性變革進行分析和展望。由于本文中居民出行特征解析技術仍處于原型開發和實驗階段，后續技術的演變的模型的更新仍存在不確定因素，但是筆者相信隨著實證性研究的持續推進，必然會形成最為穩定和有效的線網優化底層支撐新技術體系，從而切實推進線網優化技術變革，切實提升公共交通服務品質和競爭力，落實城市公交優先發展戰略。

參考文獻：

[1]李文鋒，林艷玲，程遠，等.基于公交IC卡與GPS數據的公交客流可視化分析[J].交通科技與經濟，2018，20（05）：55-59+80.

[2]秦政.基于公交IC卡和GPS數據的乘客上下車站點研究[J].西部交通科技，2017，12（08）：115-119.

[3]李瑩，翁小雄.基于公交IC卡和GPS數據的換乘識別方法[J].廣西大學學報（自然科學版），2017，42（02）：579-586.

[4]楊萬波，王昊，葉曉飛，等.基于GPS和IC卡數據的公交出行OD推算方法[J].重慶交通大學學報（自然科學版），2015，34（03）：117-121.

[5]陳紹輝，陳艷艷，賴見輝.基于GPS與IC卡數據的公交站點匹配方法[J].公路交通科技，2012，29（05）：102-108.

[6]吳子嘯，任西鋒，胡靜宇.基于公交GPS和IC卡數據的綜合交通建模新思路[J].城市交通，2011，9（01）：47-51.