基于客流中心性的出租車綜合服務區布局研究

肖 赟,李嘉鑫,程許志

(合肥大學 城市建設與交通學院,安徽 合肥 230601)

0 引 言

近年來,出租車供需匹配程度不高、占用道路資源較多、駕駛員缺乏休憩場所等問題引起了社會廣泛關注。根據有關統計,大中型城市出租車空駛里程占總里程35%左右,占用道路資源為社會車輛的2.5倍。與此同時,出租車行業存在駕駛員停車、餐飲、如廁、休息“四難”問題,影響了駕駛員注意力集中度,造成了較大安全隱患。

針對以上問題,不少學者指出,出租車綜合服務區布局是降低出租車空駛率、解決“四難”問題與改善交通組織的有效方法[1]。2016年國務院辦公廳明確提出“城市人民政府要統籌考慮出租車綜合服務區、停靠點、候客泊位等服務設施布局規劃”。2021年,交通運輸部在《巡游出租汽車經營服務管理規定》中提出“縣級以上出租汽車行政主管部門應建設巡游出租車綜合服務區、停車場、停靠點等”,并發布GB/T 39597—2020《出租車綜合服務區規范》。

科學合理的布局是發揮出租車綜合服務區作用的關鍵,需要綜合考慮兩個因素：一是綜合服務區應當盡量布設在客流集中點,以便就近服務乘客;二是布局要考慮區域節點網絡的連通性和重要度,以便用較少的服務點覆蓋更多的區域。不少學者基于客流因素對綜合服務區的布局開展了研究。黎冬平等[2]以乘客需求量為主要分析因素,建立了帶容量限制條件下出租車服務站選址模型;蔣星[3]基于交通小區客流預測通過遺傳算法結合實例提出出租車服務站的選址模型;金雷等[4]提出了基于最大覆蓋的出租車停靠站選址模型;Z.QU等[5]以最小化乘客的出行成本和站點的建設成本為目標建立了站點選址模型;E.V.OCALIR等[6]基于GIS開發了出租車停靠站位置決策支持系統,建立模糊邏輯模型對99個交通小區的現有出租車站點進行評估;徐煥君[7]以客流需求與節點重要度值、節點的鄰接關系和節點間距離、結合K-means聚類與GNI、DNI算法提出一種出租車停靠位置推薦算法。

然而,以上研究存在兩點不足：一是缺乏基于真實運營數據的出租車客運量精準測算方法;二是因研究對象為較多為獨立的部分路段,而非基于整個城市路網來考慮,對布局合理性缺乏實際數據驗證。筆者通過分析出租車衛星定位數據,精準識別出租車客流規模與時空分布特征,構建客流網絡的拓撲結構,根據變異系數-優劣解距離算法計算客流中心性,科學評估城市客流的連通性和重要度,并基于此提出了出租車綜合服務區的布局方法。

1 研究方法

按照3步開展布局研究：一是基于大數據計算客流特征分布;二是基于優劣解距離算法計算客流中心性;三是根據客流中心性指標確定初步布局等級與方案,并基于對客流最大覆蓋原則優化布局。布局方法流程見圖1。

圖1 布局方法流程Fig.1 Layout method flow chart

1.1 空間分布特征分析與客運量計算

1.1.1 數據處理與客流運行趟次識別

衛星定位原始數據來源于出租車調度系統,對原始數據進行篩選清洗、軌跡提取,按時間軸對空載與載客狀態分別賦值為0與1,并對相鄰時間段的載客狀態數據求差,結果為1的表示載客趟次的起點,結果為-1的表示載客趟次的終點,結果為0的表示載客狀態未發生改變,以此方法確定運行趟次。公式為：

(1)

式中：Ui+1為原始數據第i+1行載客狀態賦值;Ui為原始數據第i行載客狀態賦值。

1.1.2 載客系數(carrying coefficients)與客流量計算

客流量是確定出租車綜合服務區等級和規模的重要依據。客流量的計算除了需要考慮運行趟次,還要結合載客系數。載客系數是出租車客運人次總數與載客趟次總數之比,反映了平均每次載客的人數。焦萍等[8]通過處理出租車軌跡數據并統計各時段出租車上客量,證實出租車載客系數具有時間非平穩性。繼續深化出租車載客系數的測算方法。

1)載客系數測算：兩階段分層抽樣調查[9-10]是交通調查的重要方法。將一天按所在小時分為24個時段,通過出租車視頻監控系統,按不同時間段抽取一定比例的載客趟次進行抽樣調查,分別測算不同時段下的載客系數。

2)客流量計算：將城市主城區劃分為若干個交通小區,將所得區域間運行趟次數據根據所在時段拆分為24個單元,分別與該時段對應載客系數相乘,所得結果即為該小時內客運量。結合地理信息系統分析客運數據得到節點間客流量數據與空間分布特征。

設交通小區1集合為I(i=1,2,…,N),交通小區2集合為J(j=1,2,…,N),小區1到小區2的趟次數為aij,小區2到小區1的趟次數為aji,每個時間段的載客系數為wk(k=0,1,…,23),每個時間段的客運量為Pk(k=0,1,…,23),則：

(2)

1.2 客流復雜網絡分析模型的指標計算

1.2.1 評價客流中心性指標

客流中心性指標fi一般用3個分指標衡量：度中心性(degree centrality)、緊密中心性(closness centrality)、介數中心性(betweeness centrality)。為了有效評估節點重要程度,還應引入客流強度(passenger flow intensity)指標進行計算。

1)度中心性

度中心性(Dc)表示某節點連接其他節點形成邊的數量與網絡中所有節點連接形成邊的數量之比,度中心性越大,該節點關系越廣,在客流網絡中重要程度越高。度中心性歸一化公式為：

(3)

式中：ki為節點i的節點度;N-1為節點i與其他節點都相連的邊的數量。

2)緊密中心性

緊密中心性(Cc)表示某節點與其他節點之間的接近程度,表示該節點到網絡中其他所有節點的最短距離的平均值,體現一個節點在整個結構中所處的位置。如果節點緊密中心性很高,則該節點能很快到達客流網絡中其他節點。歸一化公式為：

(4)

式中：dij為節點i到其余各節點的最短路徑長度。

3)介數中心性

介數中心性(Bc)表示節點對整個客流網絡的作用與影響能力,用一個節點出現在網絡中兩節點間最短路徑上的頻率表示。節點的介數越大,那么它在節點間的通信中所起的作用也越大。歸一化公式為：

(5)

式中：σij(r)為節點i和j之間通過節點r的最短路徑數量;σij為節點i和j之間最短路徑數量。

4)客流強度

客流強度(Qi)是評價出租車綜合服務區布局設置的關鍵指標。客流強度越大,說明該節點在客流網絡中承受的流量越大,節點也越重要?？土鲝姸萉i歸一化公式為：

(6)

以上4個指標從單個節點和整個客流網絡的角度結合,綜合反映了網絡中節點的重要程度,能夠客觀有效的評價客流中心性。

1.2.2 客流中心性的計算

1)變異系數法確定各指標權重

構建綜合評價指標體系前,需要對每個指標的權重Wj進行確定,以確保指標處于同一量級。客流中心性的4個指標數值具有較大的差異性,變異系數法能夠按照各項指標數據內部差異性賦予不同的權重,具有較好的適應性?？土髦行男栽u估體系共有4個指標,4個指標的變異系數Cvj為各自的標準差Sdj與平均數Xj的比值,計算公式與歸一化公式如式(7)、式(8)：

(7)

(8)

式中：Cvj為指標j的變異系數;Sdj為指標j的標準差;Xj為指標j的平均值;Wj為指標j的權重。

2)客流中心性測算方法

客流網絡綜合評價方法主要有灰色關聯度分析法、主成分分析法和TOPSIS法[11]。其中TOPSIS法也稱為優劣解距離法,在客流運輸、物流選址等領域有著廣泛的應用。出租車綜合服務區布局需從多個目標維度進行分析,在前人研究的基礎上,選用直觀性、科學性較強的TOPSIS模型進行綜合評價。此模型通過分析系統各項指標的最優解及最劣解,計算出每個單位各項指標實際值到理想值之間的接近度,從而選出最優解。計算步驟如下：

①構造決策矩陣。若網絡中共n個節點,所有節點的指標值構成的基本決策矩陣如式(9)：

(9)

②構造權重規范化矩陣。根據變異系數法得到各指標權重矩陣Wj=[W1W2W3W4]T,將規范化矩陣A的第i列第j列Bij乘以權重Wj得到權重規范化矩陣：

Cij=Wj×Bij

(10)

③確定正負理想解。

正理想解：

(11)

負理想解：

(12)

④計算各節點指標到正負理想解的距離。

到正理想解的范圍：

(13)

到負理想解的距離：

(14)

⑤計算各節點指標和理想解的接近程度。

(15)

式中：fi為客流中心性分值。

1.3 出租車綜合服務區布局方法

fi為客流中心性得分,數值大小代表著該節點在客流網絡結構模型中的重要程度,客流中心性強的節點對周邊局部網絡具有資源上的掠奪性[12],對周邊交通量與資源產生吸引。

1.3.1 布局原則

1)以客流中心性fi為依據對節點進行排序,識別出租車客流關鍵節點,并基于對客流需求與吸引的最大覆蓋原則考慮布局方案。

2)結合選址布局限制因素,根據客流強度確定出租車綜合服務區的建設規模。

3)出租車綜合服務區建設要求：選址應注重城市客運樞紐相銜接。服務區之間應相互協調,合理設置服務半徑和功能配置,避免重復建設造成資源浪費。

4)依據出租車綜合服務區規范,根據服務功能和規模大小劃分為一級、二級和三級服務區。

1.3.2 布局的評價參數

以服務區客流覆蓋率作為評價參數。服務覆蓋率即出租車駛離服務區后一定時間能抵達的范圍內出租車需求點與研究區域出租車需求點的比例,及出租車將乘客送達后一定時間內能就近進入服務區接受服務的下車點占主城區下車點的比例。覆蓋率越高,說明布局點周邊客流越集中、網絡連通性、重要度越高,越能以最小的空駛時間與里程完成服務。

1)邊緣時間(edge time)與通達能力(accessibility)的確定

為了確定合理的服務區服務范圍與效應,還需要確定邊緣時間、通達能力兩個參數：①邊緣時間是出租車在服務區體系下空駛里程的最大控制時間,應盡量短于該地區乘客平均等車時間,又要在有限時間里盡可能多的覆蓋周邊客流熱點,具體邊緣時間可根據城市規模確定;②通達能力是出租車在邊緣時間內在各個方向、不同路徑上可以到達最遠位置點所確定的空間范圍,由于出租車運行特征和城市交通量時空變化因素干擾,僅基于路網的傳統交通可達性研究方法不能求解出租車在不同車流密度、堵塞程度、交通管制等條件下的實際可達空間,所以筆者基于出租車運行實時數據做通達性分析,計算方法如下：出租車的軌跡點數據包含車輛瞬時速度Vi,將某日所有出租車軌跡點與路網進行地圖匹配與空間連接,將落在j路段上所有出租車軌跡點數據的瞬時速度Vi添加到路段數據中,并取平均值即為出租車在該路段上的平均行駛速度Vj,計算出租車行駛過不同路段所需的不同時間Tj。以邊緣時間Ta內沿著相連所有不同路段、任意方向行駛所能到達極限距離位置LZ構成的空間,作為服務區的覆蓋范圍。

假設出租車在邊緣時間內有Z條路徑,共經過j個路段(j=1,2,…,m),每個路段上留有i個軌跡點(i=1,2,…,n)。則：

(16)

(17)

(18)

式中：Li為通過路徑上j路段的長度;Tj為通過路徑上j路段的時間;LZ為沿某路徑總可達距離。

2)邊緣服務覆蓋率計算方法

設研究區域內上車點數量為M0,下車點數量為N0,服務區覆蓋范圍內發生量為M,吸引量為N,則出租車上車點服務覆蓋率μ和出租車下車點服務覆蓋率δ分別為：

(19)

(20)

2 實證分析

2.1 客流數據處理

依托黃山市出租車調度平臺,采集了黃山市2021年10月共31 d共669輛出租車的原始數據。黃山是我國重點旅游城市,10月份數據有國慶長假的出租車需求高峰期,也有國慶結束后調休工作日的出行需求低谷期,以及正常工作日、休息日,涵蓋了出租車出行需求隨時間變化的各種情況,能夠較好地體現黃山作為旅游城市的出租車運行特征。數據內容包括位置、車牌、時間、載客狀況等。部分原始數據如表1。

表1 2021年10月1日某出租車原始數據Table 1 Original data of a taxi on October 1,2021

按1.1節所述方法進行數據處理,提取“起訖點位置”“行程時間”“車輛狀態”等數據,獲得運行趟次數據。

2.2 載客系數及客運量計算

2.2.1 載客系數計算

按24個時段分層抽取載客趟次,根據調查結果,每個時段均抽取10%處于載客狀態的出租車,通過車載監控視頻記錄載客人次。測算不同時間段下的載客系數,如表2。

表2 不同時間段的載客系數Table 2 Passenger carrying coefficients in different time periods

2.2.2 客運量計算空間分布特征

根據出租車上客點與下客點的密度將黃山市主城區劃分為45個交通小區。計算起訖點均落在各交通小區內的客流量。

依據1.1節研究方法,得到各交通小區之間的運行趟次和載客系數,將各時間段運行趟次與對應時段載客系數相乘,最終測算出各交通小區之間的出租車客運量,如表3。

其中出行量較大的交通小區為16與39之間(4 170人次)、39與44之間(3 976人次)、17與39之間(3 952人次)。

表3 2021年10月黃山市主城區各交通小區之間客運量(部分)Table 3 Passenger traffic volume between traffic communities in the main urban area of Huangshan City,in October 2021 (part)

2.3 客流中心性分析

2.3.1 客流中心性基本指標計算與歸一化

使用網絡分析軟件Gephi對黃山市10月份客流數據展開拓撲分析,計算客流強度、度中心性、緊密中心性、介數中心性指標。拓撲結構如圖2,節點大小表示總客流量、連線粗細代表客流強度大小、連線數量表示與其他節點的連接關系。

2.3.2 網絡節點客流中心性綜合評估

取各交通小區的重心為節點,節點編號仍給用其交通小區編號。根據式(15)計算相對接近度,即變異系數-優劣解距離法下客流中心性數值,結果大于0.3的節點評估結果如表4。

表4 客流中心性綜合評估Table 4 Comprehensive assessment of passenger flow centrality

通過上述數據總結發現,45、41、39節點排在前3位,且相對接近度超過0.8,遠高于其他地區是客流網絡拓撲結構中的核心節點,應優先納入較大規模出租車綜合服務區布局分析。

2.4 出租車綜合服務區布局分析

通過地圖匹配與空間連接,將計算所得2021年10月1日—10日黃山市出租車在各路段上平均速度寫入路段數據集,為了剔除黃山北站攬客出租車對區域車速的影響,不將站內車速納入路段平均車速計算。

隨后基于出租車客流需求與吸引的最大覆蓋與客流中心度的計算結果進行布局。先確定邊緣時間,據相關調查,出租車乘客平均等車時間為4.5 min;目前國內外基于出租車調配、巡游路徑優化的相關研究中[14],多種主流方法優化后平均等待時間減少至3～7 min。綜合考慮城市發展規劃、用地條件、客流組織等條件后,由于黃山城市規模較小,選擇3 min為邊緣時間。出租車綜合服務區布局方案如表5,增加或減少新服務區或調整服務范圍對覆蓋率影響較小。

表5 黃山市出租車綜合服務區布局Table 5 Taxi integrated service area layout of Huangshan City

45節點位于徽州區的黃山北站附近,39節點位于屯溪區的黃山站附近,是黃山市客流轉運的重要一環,41節點位于屯溪區主城區,是商貿、文旅產業及政府公共服務設施、高密度住宅區集中分布的區域,有著較高的出租車出行需求及客流吸引力,三者存在一定的距離,應布設較高等級的服務區。44、40、7、20、43節點可按照排序依次建設三級服務區,鄰近交通樞紐的節點在布局時應盡可能滿足客運樞紐的銜接要求,供出租車臨時停放、休息、待客,減少出租車運行對交通秩序的干擾。出租車綜合服務區功能配置如表6。

表6 出租車綜合服務區功能配置Table 6 Functional configuration of taxi comprehensive service area

邊緣服務覆蓋率計算結果如表7,研究區域內共有上車點268 201個,覆蓋率達83.21%,客流吸引量的覆蓋率略低,但仍有76.70%,出租車綜合服務區布局對客流覆蓋程度較高,能夠在解決出租車“四難”問題的同時,有效降低空駛率。

表7 邊緣時間服務覆蓋率Table 7 Edge time service coverage rate

3 結 語

以黃山市出租車為研究對象,通過衛星定位數據研究了出租車載客趟次的識別方法,通過抽樣調查獲得不同時間段的載客系數,研究了城市出租車客運量計算方法;分析了不同時空下出租車特征分布與黃山市主城區各交通小區出行聯系情況,計算了客流量數據。以客流量數據為基礎,分析了黃山出租車客運網絡拓撲結構,基于度中心性、緊密中心性、介數中心性和客流強度4個評價指標,建立了更全面的城市客流中心性綜合識別模型,提出了出租車綜合服務區布局方法,有著較好的借鑒意義。下一步,可深化巡游出租車和網約出租車對出租車綜合服務區的需求差異分析,進一步提升出租車綜合服務區使用效率。