基于IC卡數據的城市地鐵客流特性分析

郭瑞軍,李天琦,唐博林

(1.大連交通大學 交通運輸工程學院，遼寧 大連 116028; 2.北京工業大學 城市交通學院，北京 100124)

近年來，我國城市軌道交通發展迅猛，越來越多的城市居民選擇乘坐公共交通出行，交通擁堵問題得到有效緩解.根據中國城市軌道交通協會發布的《2020年中國內地城軌交通線路概況》，截至2020年底，中國內地累計有45個城市開通城軌交通運營線路7 978.19 km；按照系統制式來看，地鐵運營里程達到6 302.79 km，占比79%.城市軌道交通的發展讓人們的出行更加便利，同時也減少了環境污染.

地鐵乘客的出行次數、出行時間、出行距離、換乘情況等特征指標，是掌握居民地鐵出行需求、評價地鐵服務水平的重要依據[1-2].由于地鐵IC卡數據的信息比較全面，相比于人工調查具有明顯優勢，通過IC卡數據可有效分析城市地鐵的客流特性.國內外學者關于地鐵IC卡數據分析有較多的研究，于紫娟[3]研究了深圳地鐵客流特征，重點提取地鐵客流時空分布特征以及用戶出行特征，研究客流變化規律;劉劍鋒等[5]研究軌道交通網絡化客流特征,得到了交通網絡化運營規律；楊萬波等[6]利用公交IC卡數據，研究居民公交出行規律，進而推算出公交出行交通小區OD矩陣，通過佛山市中心城區驗證了該算法，得出了公交出行OD矩陣精度較高的結論；郭娟等[10]對城市軌道交通需求預測方法進行了研究；趙婉娟[11]等使用從深圳地鐵系統收集的大量數據來驗證其概率模型；Martin Trepanier[12]等對交通智能卡自動收費系統中的個人出行目的地進行估計；Catherine Morency[13]等對連續旅行期間收集的數據進行處理，討論了使用面向對象方法組織數據的方法以及分析旅客出行行為.

本文采用杭州市地鐵2019年1月2日到2019年1月25日共24天的地鐵刷卡數據，數據字段包括進出站時間，線路ID，站點ID，進出站狀態和支付類型等.研究內容包括各車站OD表，分時段分站點上下車人數，上午和下午的高峰小時斷面客流量，各條線路的客流量，換乘人數和換乘比例等.

1 地鐵客流的運輸指標概述

對客流的動態調查與分析，一般都需要積累比較長期的資料來進行分析[7]，通過對城市地鐵IC卡數據進行整合，分析各線路站點及刷卡時間等，由數據間關系統計得出斷面客流量、客運量、高峰小時客流量、OD交通量、關鍵OD點對和換乘系數等.這些客流特性指標的概念如下：

(1)斷面客流量：在單位時間內，沿同一方向通過軌道交通線路某斷面的乘客數量;

(2)客運量：在一定時間內，軌道交通實際運送的乘客數量;

(3)高峰小時客流量：一天中列車在單位時間(h)內某方向運送的最大客流量;

(4)地鐵OD交通量：單位時間內起終點間的交通出行量;

(5)關鍵OD點對：整個地鐵網絡站點OD矩陣中交通量較大、交通影響顯著的OD對，在整個地鐵網絡中起主導作用;

(6)換乘系數：乘坐地鐵出行總人次加總換乘人次與乘坐地鐵出行總人次的比值;

(7)換乘率:換乘的乘客人數占乘客總人數的比值.

目前客流調查方法主要包括問詢法、觀測法、填表法、憑證法和計票法等[2].客流量是隨著時間變動在各個方向和各個斷面上不斷變化的，通過對杭州地鐵的客流量進行調查分析，為地鐵運行控制方案的確定提供理論依據.

2 客流特征與客流量分析

2.1 杭州地鐵的IC卡數據

杭州地鐵首條線路于2012年11月底正式開通，是浙江省首個開通地鐵的城市.截至2019年初，杭州地鐵共運營3條線路，1 號線、2號線和4號線，共80個站點，5個換乘站，運營線路總里程118 km，日客運量逾120萬人次.杭州地鐵樞紐站主要集中在火車站以及商圈附近，如客運中心、火車東站、近江、錢江路等，地鐵線路圖如圖1呈現出由中心向外延伸的形狀.

圖1 杭州地鐵線路圖

杭州地鐵IC卡數據字段包括進出站時間、線路ID、各站點ID、刷卡設備號ID、用戶ID、進出站狀態和支付類型等[8].杭州城市軌道交通自動售檢票(Automatic Fare Collection，簡稱AFC)數據結構表如表1所示，進出站狀態中數字1代表乘客進站，0代表乘客出站；支付類型中數字1代表長期IC卡支付，數字2代表臨時IC卡支付，數字3代表APP支付.原始信息來源于地鐵AFC售檢票系統，可以準確采集到乘客的進站和出站信息[4].

表1 杭州AFC數據表結構

2.2 客流量分析

對數據庫系統利用SQL查詢語句得到各個站點的客流量，將每條線路的各個車站的客流量求和得到各條線路的客流量表，如表2所示.

表2 各線路車站客流量 人/天

將其各條線客流量畫成折線圖，如圖2所示，可以很清楚地看到各條線路的客流情況，并得出以下結論：

(1)1號線平均日客流最多，達到637 905人次，2號線日客流其次，平均日客流為367 360人次，4號線日客流最少，平均日客流為126 367人次.由于1號線經過樞紐站和換乘站，而且地鐵站數量較多，其承擔了地鐵日客流量的一半以上，相對2、4號線較為擁擠.

(2)三條線路的工作日的客流量無明顯波動，基本維持在相對固定的區間內；周末的客流量相對于工作日有較明顯減少，這是由于上班族大多數選擇在家休息，出行需求減少，所以出行量相對減少；而工作日的最后一天(星期五)，客流量有一個明顯的增長趨勢，人們的出行需求增加，比如外出休閑、社交、購物等等.

(3)根據不同線路間的客流量不同，以及在工作日和非工作日的客流變化規律，地鐵公司可采取不同的列車運行方案，比如調整列車運行間隔時間、加開列車、安排站務計劃、遇到突發情況能否快速啟動緊急預案疏散客流等等.

圖2 月線路客流量折線圖

2.3 高峰小時斷面客流量分析

對于第i站到第i+1站的高峰小時斷面客流量Pi,i+1的計算公式如下：

Pi,i+1=Pi+PSi,i+1-PXi,i+1

(1)

其中:Pi-1,i為從第i-1站到第i站的高峰小時斷面客流量；PSi,i+1是第i站上車客流；PXi,i+1為第i站的下客流量.

將前一站的斷面客流量減去本站下車的客流量再加上本站上車客流量，就得到了斷面客流量.

通過SQL server語句對各個車站之間的斷面客流量進行統計分析，語句如下：

select count(*)

from record20190104 a join record20190104 b

on a.userID=b.userID

where

a.status=′1′ and b.status=′0′and b.time>a.time and DATEDIFF(minute,a.time,b.time)<100

and a.stationID=′1′ and b.stationID=′2′ and a.time

between ′2019-01-04 17∶00∶00′ and ′2019-01-04 18∶59∶59′

在本次調查中，對于每一天的地鐵數據記錄都在同一個表格中，例如record20190104，即為2019年1月4日的地鐵數據記錄.在進行多表查詢時，需要表與表自身進行連接，由于表名相同，為加以區分對兩個表賦予不同的關系表名，例如record20190104a,record20190104b，即為2019年1月4日的地鐵數據表的關系表名分別為a、b.在后續語句中使用不同表的同名屬性時使用“關系表名.屬性名”的形式加以區分，例如，a.userID=b.userID，即為令賦予關系表名后的，表a與表b的乘客ID號碼相同.

使用excel進行數據計算，如表3列出了1月2日1號線上、下午部分斷面客流量數據.

表3 1號線上、下午高峰小時斷面客流量表 人/小時

以工作日2019年1月2日的數據為例進行分析，得到以下結論：

(1)1號線高峰小時斷面客流量明顯大于2號線和4號線，有11個站點間斷面客流量達到10 000人次，1號線上午高峰時刻婺江路客流量最大，達到13 779人次；1號線下午高峰時刻西湖文化廣場站的斷面客流量最大，達到25 677人次.

(2)上午的下行平均斷面客流量大于上行平均斷面客流量，而下午則上行平均斷面客流量大于下行平均斷面客流量，客流的流向有著明顯的潮汐特性，反映了杭州地鐵1號線的出行人主要為工作人群.

綜上可知，火車站，客車站等長途車站或商業工區前后站之間的斷面客流量最大.始發站，換乘站和終點站通常上車人數或下車人數最多，一些特殊站也會造成客流量的突然變化，比如大學，醫院等等.因此需要在斷面客流量多時及上下車人數多的站，需要工作人員指導行人，且配備行車計劃.

3 地鐵換乘站數據分析

地鐵換乘是指一個或多個鐵路車站，供乘客在不同路線之間，在不離開車站付費區及不另行購買車票的情況下，進行跨線乘坐列車的行為.

由以上定義可知乘客在乘坐地鐵發生換乘行為時，上車和下車的車站所屬的線路就會發生變化，所以添加lineID不相同的控制條件，將同一位乘客的換乘行為條件篩選出來.由于篩選出的數據沒有時間約束，為保證數據符合乘客先上車后下車的時間順序，根據記錄中卡機刷卡進出站狀態(status)，增加乘客進出車站卡機刷卡狀態不同控制條件.同時根據記錄中刷卡時間(time)，將每一次的換乘數據進行時間排序.由于乘客可能在一天短時間內，發生多次不同或者相同的換乘，所以根據杭州地鐵的實際地鐵里程以及運行速度，增加控制條件，將完成每一次換乘行為的時間控制在100 min內，最終計算所有符合條件數據總和得出換乘量.

通過SQL server語句對一天之內各個時段的換乘人數進行統計分析，語句如下：

select count(*)

from record20190103 a join record20190103 b

on a.userID=b.userID

where a.lineID<>b.lineID and a.status<>b.status and b.time>a.time and DATEDIFF(minute,a.time,b.time)<100 and a.time between ′2019-01-02 05∶00∶00′ and ′2019-01-02 05∶59∶59′

語句中應用SQL多表查詢原理，統計乘客換乘數據的前提是要找出每位乘客一天之內所有的乘坐記錄.在每一條乘坐記錄中包含乘客的卡號(UserID)，它是區別不同乘客的唯一憑證.所以令UserID相同作為多表查詢的條件，以此根據UserID將每位乘客的乘坐數據進行分組.在每一條乘坐記錄中包含乘客上下車車站所屬線路 (lineID).表4為2019年1月2日換乘統計數據.

表4 換乘客流數據 人/小時

經過統計，2019年1月2日的乘客總的乘坐次數為1 146 735，根據公式得出換乘率為35.66%.對換乘數據總體分析發現，無論是工作日還是休息日，換乘量較大時間主要集中在上午的7∶00-9∶00以及下午的5∶00-7∶00這些時間段.

從表5數據中可以看出1月的5、6、12、13日總換乘次數明顯少于其他日期，這主要是因為這四天為周末非工作日，乘客的總出行量減少.據此本文可以預測出杭州地鐵工作日的日總換乘量為42萬，而休息日則減少至35萬，在進行列車調度，以及行程安排時對于工作日和休息日可制定兩種不同的方案，來適應客流的變化.

表5 總換乘次數數據 人次/天

如圖3所示，在地鐵運營的一天里，換乘高峰出現在早8∶00-9∶00和晚5∶00-6∶00，這兩個時間段是上班和下班高峰期，該圖呈現了換乘量的日變化趨勢.

圖3 分時段換乘量柱狀圖

通過SQL語句查詢出線路與線路之間的換乘量進行統計分析，語句如下：

select count(*)

from record20190103 a join record20190103 b

on a.userID=b.userID

where a.status='1' and b.status='0'and b.time>a.time and DATEDIFF(minute,a.time,b.time)<100

and a.lineID='A' and b.lineID='B'

union all

語句中應用SQL多表查詢原理，統計不同線路間的換乘量.令UserID相同作為多表查詢的條件，以此根據UserID將每位乘客的乘坐數據進行分組.為保證數據符合乘客先上車后下車的時間順序，根據記錄中卡機刷卡進出站狀態(status)，增加乘客進出車站卡機刷卡狀態不同控制條件.同時根據記錄中刷卡時間(time)，將每一次的換乘數據進行時間排序；增加控制條件，將完成每一次換乘行為的時間控制在100 min內.因為要查詢固定兩輛線路間的換乘量，所以對乘客上下車車站所屬的線路作固定要求，令線路號為固定值，即給定lineID，最終計算所有符合條件數據總和得出各個線路之間的換乘總量.以上語句為2019年1月3日一天的換乘量，通過修改表名，對每一天的換乘數據進行統計，得出如下各線路間換乘的平均比例.

通過對比分析表6，發現1、2號線換乘比例占到總換乘比例50%以上，換乘量主要集中在1號線和2號線交叉處，也就是在杭州地鐵的鳳起路站.鳳起路站位于杭州市下城區延安路與鳳起路交叉口，其中1號線鳳起路站位于延安路與鳳起路交叉口南側，延安路機動車道下.2號線鳳起路站位于延安路與鳳起路交叉口西側.鳳起路站作為1-2號線路的主要換乘站，乘客換乘量巨大，每逢節日假期，客流擁擠、乘客滯留的情況經常發生.鳳起路站一直被認為是杭州地鐵最為擁擠的地鐵站，其主要原因在于杭州著名景點“西湖”所帶來的巨大客流.

表6 1月8日總換乘次數數據 人次/天

綜上所述，可發現2號線車站比1號線車站規模要小得多，建議對2號線鳳起路車站規模進行適當擴建，以配合1號線.并在鳳起路延安路口增加兩個出入口G、H，同時為1號線在鳳起商業街內增加一個出入口C7，這樣可以讓在此站上下車的乘客快速進出站，減少與換乘客流沖突.同時在客流高峰期增加1號線2號線車次，減少換乘乘客的滯留.

4 地鐵車站的OD流量分布

通過SQL sever語句對一個月的各個站點間的客流量進行統計分析，語句如下：

select count(*)

from record20190106 a join record20190106 b

on a.userID=b.userID

where

a.status='1' and b.status='0'and b.time>a.time and DATEDIFF(minute,a.time,b.time)<100

and a.stationID='1' and b.stationID='2'

通過語句查詢得到每一天各個站點間的客流量，該語句原理與高峰小時斷面客流量語句類似，令UserID相同作為多表查詢的條件，保證進出站的狀態不同(1代表進站，0代表出站)查詢出某一站至其余各站的客流量.因此，以每一個車站作為OD點，即可得到杭州市三條線路80個車站的客流量分布表，如表7所示，篇幅關系，僅列出部分數據.

表7 杭州地鐵車站的OD表 人/天

通過對地鐵車站OD表的統計分析，可以得到統計期內每日各個車站的總發生量和總吸引量，2019年1月2日杭州地鐵總的發生量或吸引量超過3萬人次的有四個車站，分別為4江陵站、7城站、9龍翔橋和15火車東站等，且其發生量和吸引量均超過3萬人次.其中，火車東站的總發生量為106 042人次，總吸引量為86 221人次，其余車站的指標值均在5萬人次以內.

因此，可重點考慮發生吸引量較多地鐵車站的交通方式銜接及其優化，包括公交樞紐的設計、共享單車存放地點的劃定等，特別是火車東站綜合交通樞紐的設計，從而滿足不同站點的換乘需求.

5 關鍵OD點對與高峰小時分析

將一個月的客流量相加求和找到一個月中客流量最大的十對OD對，稱之為關鍵OD對.關鍵OD對決定路網交通運行狀況起很大作用，是城市公共交通管理協調的主要對象.就城市軌道交通來言，關鍵OD對是指某個起點的主要流向，在整個地鐵網絡OD矩陣中交通流量最大、交通需求最大、交通影響最顯著的OD對，由表8可獲得整個地鐵網絡的關鍵OD對.

表8 關鍵OD點對表

整個地鐵網絡級關鍵OD對為火車東站到龍翔橋，達到了83 324人次，前十組流量最大的關鍵OD對有九組的交通起始點都是火車東站，迅猛發展的城市軌道交通給城市發展帶來活力的同時，也因為客運量的激增，為站前人群疏散帶來壓力.人群以火車東站為中心點，呈放射狀分散到杭州市區各地.

通過對典型的工作日和非工作日的居民出行量進行分析，發現客流的出高峰行規律，早高峰集中在早8點至9點，晚高峰集中在17點至18點，閘弄口、火車東站、彭埠、客運中心、臨平、豐潭路6個車站的上下車人數在80個車站中人數最多，所以需要在地鐵站務計劃中考慮增加值班人員，防止人員踩踏事故的發生，讓乘客體驗更加方便快捷的出行.

6 結論

通過對地鐵客流量，換乘客流和關鍵OD點對的分析，統計得出相應數據，研究發現：

(1)2019年1月杭州地鐵線網日均出行量約120萬人次，其中1號線客流量最大，客流量占比能達到50%以上;

(2)地鐵換乘站鳳起路站、火車東站、彭埠站、客運中心站、近江站、錢江路站等車站作為交通樞紐是杭州地鐵線路中乘客最密集、人流量最大的站點，換乘比例達到了36%，1、2號線之間的換乘次數最大，平均每日可達到20萬人次；建議地鐵運營部門通過調整發車頻次，增加運力等手段避免造成客流量大量積壓導致交通癱瘓，起到疏散誘導作用;

(3)城市中客流規模較大的地鐵車站無論在工作日和非工作日都具有很高的客流水平，比如火車東站、客運中心、臨平等，高峰小時客流量可達到4 000人次以上，相關運營管理部門應考慮早晚高峰時段提高運力，加開列車，以縮短列車運行時間間隔.同時加強對這些車站的管理和監控，制定相關緊急預案，防止事故發生;

(4)整個地鐵網絡級關鍵OD對為火車東站到龍翔橋，達到了83 324人次，前十組流量最大的關鍵OD對有九組的交通起始點都是火車東站，人群以火車東站為中心點，呈放射狀分散到杭州市區各地;

(5)在換乘量較多的時間段，在地鐵的運營組織與管理方面：車站內應該在換乘站設置換乘誘導標志，可以讓乘客快速找到相應換乘位置實現換乘.同時對車站內客流進行分流，將上下車客流與換乘客流分流，避免客流交叉.相互可換乘的兩條線路的列車，應該做到在規定的時間差內到達換乘站，避免造成擁擠.