基于出行鏈路的乘客下車站點推算方法

羅 茜，熊 文

(云南師范大學 信息學院，云南 昆明 650500)

0 引言

客流分析是公共交通系統運營的基礎。準確獲取乘客出行鏈是完善公共交通系統建設的重要前提。但由于公交乘客只需在上車刷卡，下車無需任何操作，所以客流分析者很難通過刷卡記錄直接得知乘客的下車站點。

目前獲取乘客下車站點的方法主要有人工采集法、自動計數設備采集法、基于乘客消費數據推算方法等。前兩種方法效率較低、誤差較大，研究者們常用的是推算方法。Huang D[1]提出了一種利用智能卡和GPS數據估計OD矩陣的方法，根據公交出行鏈的特點推斷出乘客下車站點；李佳怡[2]提出公交出行節的概念，并將其劃分為連續或斷裂來分析乘客出行鏈類型以推斷下車站點；崔紫薇[3]用出行鏈方法推算的下車站點記錄作為歷史出行數據集，從歷史數據的生成和選擇兩方面進行考慮，以此方法推算了更多的下車站點；劉曉[4]基于整體出行規律和基于個體出行規律，提出下車站點推導算法。

本文根據乘客IC卡記錄、車輛GPS軌跡數據、車輛排班信息，提出一種基于出行鏈分析方法來推算公交乘客下車站點。首先，本文利用時間匹配方法識別乘客上車站點，然后根據乘客歷史刷卡數據構建出行鏈，分析出行鏈特點并分類推算各次的下車站點，最后以實例檢驗方法有效性。

1 方法描述

1.1 匹配上車站點

乘客IC卡數據沒有記錄站點名稱，所以需要先識別出乘客的上車站點。上車站點可根據時間匹配的方法獲取，該方法將上車記錄中的時間與所在車輛進出站時間做對比，時間差最小的站點為乘客的上車站點。在車輛調度數據缺失的情況下，本文將上車時間匹配至差值最小的GPS記錄，獲取乘客的具體位置，匹配最近的站點為乘客上車站點。

1.2 分析出行鏈路

一般地，公交乘客的出行鏈主要概括為3種，如圖1所示。

圖1 乘客公交出行鏈分析

圖1(a)中乘客的出行以“公交+公交”方式構成閉合出行鏈，始末點均為公交出行。該情況符合學生、上班族等群體的出行行為。

圖1(b)中乘客的出行以“公交+非公交+公交”方式構成閉合出行鏈，即始末點均為公交出行，但乘客在中途以非公交形式發生移動。該情況符合組合出行的規律性乘客。

圖1(c)中乘客的出行以“公交+非公交”方式構成開放出行鏈，即只知在起點乘坐公交，后續行程無法了解，該情況多為隨機出行。

閉合的公交出行鏈具有較強的時空規律性，可根據乘客出行規律判斷下車站點。開放的公交出行鏈具有較強的隨機性，需根據站點自身吸引強度判斷乘客下車站點。

1.3 推斷下車站點

對于閉合的出行鏈路，當后一次出行的上車站點位于前一次出行上車站點的下游，或距離下游小于閾值(通常設為1 km)，本文認為乘客此次是規律出行，前一次出行的下車站點為后一次出行的上車站點。

對于開放的出行鏈路，由于站點自身具有吸引屬性，本文認為在上車站點的下游中，某站點吸引強度越大，乘客在此站下車可能性越大。站點吸引強度可用該路線各站點的上車人數表示，計算公式為：

(1)

式中，P表示站點吸引強度，N為站點的上車人數，k為該路線站點總數。

推算流程如圖2所示。

圖2 下車站點推算流程

1.4 檢驗回歸方程

由于公交乘客的整體出行在各路線上下行的客流量基本持平，存在線性關系:

(2)

式中，N表示站點客流，a、b為回歸系數。當a越趨近于1時，該路線各站點上下車客流量越持平。檢驗該方法的數據采集由于自動售檢票系統(AFC)，利用無線技術傳輸于后臺服務器中，包括廣州市2021年7月的199萬條刷卡記錄、537萬條車輛排班信息、7 260萬條GPS記錄。

2 實驗結果分析

2.1 方法檢驗

隨機選取3條路線進行實驗，在MATLAB軟件上以各個站點的上下人數據建造矩陣，求得各路線參數如表1所示。參數a值均趨近于1，參數b值略有浮動但差距不大，說明該路線上下車客流量基本持平，本文的方法具有可靠性。

表1 各路線參數

2.2 實例分析

如表2所示，乘客****2913連續兩天在836路的不同方向上車，屬于規律出行者，故南洲北路站和東坑站互為該乘客出行的始末點。乘客****2794只有單次乘車記錄，屬于隨機出行，經計算可知在下游站點中吸引強度最大的站點是白云區醫院站，因此推算該乘客此次出行的下車站點為白云區醫院站。

表2 上下車站點推算

3 結語

為推算乘客下車站點，本文基于海量的公交大數據，構建乘客出行鏈，并分析3種出行方式，滿足了多場景下的預測需求。以廣州公交為實例，本文的方法推算出80%以上不同出行鏈的乘客下車站點。

后續研究將考慮可能影響站點吸引強度的因素，并加入公交車內無線監控系統采集的數據驗證推算的準確性。