北京與倫敦地鐵基于自動(dòng)售檢票數(shù)據(jù)的客流出行規(guī)律對(duì)比分析*

王 挺 陳 峰 ，2 王子甲，2 鐘 晨 黃建玲

（1.北京交通大學(xué)土木建筑工程學(xué)院城市軌道交通研究中心，100044，北京；2.北京市軌道交通線路安全與防災(zāi)工程技術(shù)研究中心，100044，北京；3.倫敦國(guó)王學(xué)院地理系，WC2R 2LS，倫敦；4.倫敦大學(xué)學(xué)院高級(jí)空間分析中心，W1T 4TJ，倫敦；5.北京交通信息中心，100073，北京∥第一作者，碩士研究生）

自動(dòng)售檢票（AFC）系統(tǒng)和智能卡技術(shù)廣泛應(yīng)用于公共交通運(yùn)輸領(lǐng)域。其產(chǎn)生的海量數(shù)據(jù)成為目前國(guó)內(nèi)外研究的熱點(diǎn)。文獻(xiàn)［1］使用香港中心區(qū)8個(gè)地鐵站連續(xù)一周的智能卡數(shù)據(jù)，通過(guò)聚類和回歸分析，建立了站點(diǎn)客流的時(shí)空特征與其周邊用地性質(zhì)之間的關(guān)系，最終確定了影響乘客出行模式的決定因素。文獻(xiàn)［2］使用新加坡一周的公交和地鐵AFC系統(tǒng)數(shù)據(jù)，利用相關(guān)性分析和Pagerank算法度量了出行規(guī)律的變化性，并基于社團(tuán)挖掘得出城市功能分區(qū)。文獻(xiàn)［3］使用日本高知縣公交和有軌電車連續(xù)一個(gè)月的的智能卡數(shù)據(jù)，揭示了不同卡類型的持卡人出行時(shí)空規(guī)律和出行頻率的差異，基于此提出了公交線路優(yōu)化建議。文獻(xiàn)［4］使用北京公交智能卡數(shù)據(jù)，對(duì)比分析了5種數(shù)據(jù)挖掘算法；結(jié)果表明基于粗糙集算法的出行模式挖掘在精確性和有效性方面更勝一籌。文獻(xiàn)［5］將北京市公交智能卡數(shù)據(jù)和出行調(diào)查數(shù)據(jù)相結(jié)合，通過(guò)數(shù)據(jù)挖掘技術(shù)識(shí)別用戶的工作區(qū)、居住區(qū)和通勤出行，并以此評(píng)估職住關(guān)系，證實(shí)了智能卡數(shù)據(jù)替代傳統(tǒng)出行調(diào)查在城市結(jié)構(gòu)時(shí)空分析中的可行性。

以往研究所使用的智能卡數(shù)據(jù)都具有基本的時(shí)空屬性，且在集計(jì)和非集計(jì)層面均作了充分研究。然而這些研究都針對(duì)單個(gè)城市展開(kāi)，缺乏對(duì)多個(gè)具有可比性的國(guó)際大都市進(jìn)行基于卡數(shù)據(jù)的對(duì)比分析。本研究選擇北京和倫敦進(jìn)行分析。

1 數(shù)據(jù)來(lái)源

本研究所用數(shù)據(jù)為倫敦和北京一周（周一到周日）的智能卡數(shù)據(jù)。對(duì)比分析的主要內(nèi)容有出行頻率、出行空間規(guī)律和時(shí)間規(guī)律。

2014年，倫敦地鐵直接服務(wù)于860萬(wàn)常住人口?！秱惗亟煌ㄐ枨笳{(diào)查報(bào)告》（見(jiàn)文獻(xiàn)［6］）顯示：大倫敦區(qū)有30%左右的人口使用公共交通用于日常通勤，其中有80%的地鐵乘客和90%的道路公交乘客使用智能卡；每天有900萬(wàn)條智能卡交易記錄。截至2014年2月，倫敦地鐵共有13條線路，400座車站。根據(jù)文獻(xiàn)［7］，2014年底，北京雖常住人口達(dá)2 151萬(wàn)，但大部分位于偏遠(yuǎn)的郊區(qū)。北京地鐵網(wǎng)覆蓋區(qū)域主要在六環(huán)路以內(nèi)，地鐵服務(wù)的人口只有500萬(wàn)左右。在中心城居民各種交通方式（不含步行）構(gòu)成中，城市軌道交通比例僅為19.4%；其中有85%的地鐵乘客使用智能卡（一卡通）。截至2014年10月，北京地鐵共有17條線路，233座車站。北京與倫敦的智能卡數(shù)據(jù)概括性統(tǒng)計(jì)如表1所示。

表1 北京與倫敦智能卡數(shù)據(jù)概括性統(tǒng)計(jì)

2 出行頻率

出行頻率指標(biāo)包括乘客在一周工作日中使用地鐵出行的天數(shù)（以下簡(jiǎn)為“周出行天數(shù)”），以及乘客每天使用地鐵的次數(shù)（以下簡(jiǎn)為“日出行次數(shù)”）。出行頻率可根據(jù)每次出行的唯一標(biāo)識(shí)（卡號(hào)ID）分別統(tǒng)計(jì)得出。

2.1 周出行天數(shù)

周出行天數(shù)反映了乘客對(duì)地鐵的需求穩(wěn)定性。周出行天數(shù)越大，則需求穩(wěn)定性越高。令周出行天數(shù)為 n（n=1，2，3，4，5）,則一周工作日的 AFC 數(shù)據(jù)集用Dn表示，IDn為Dn中表示卡號(hào)的字段，是每次出行的唯一標(biāo)識(shí)；Tn表示周出行天數(shù)為n的人數(shù)，Pn表示周出行天數(shù)為n的乘客所占比例。定義集合運(yùn)算A（∩）B返回結(jié)果為A、B中均存在元素的個(gè)數(shù)；A（∩）返回結(jié)果為A中存在但B中不存在的元素個(gè)數(shù)。則工作日出行頻率計(jì)算流程為：

（1）輸入工作日 AFC 數(shù)據(jù)集 Dn（n=1，2，3，4，5）。

（2）分別提取數(shù)據(jù)集Dn中的字段IDn（n=1，2，3，4，5）。

（3）匯總IDn并統(tǒng)計(jì)獨(dú)立ID的個(gè)數(shù)，即工作日出行總?cè)藬?shù)T=COUNT（Distinct（IDn））；

（4）用定義的集合運(yùn)算分別求出Tn，并得Pn=Tn/T。例如：T4=ID1（∩+）ID2（∩+）ID3（∩+）ID4（∩-）ID5+ID1（∩+）ID2（∩+）ID3（∩+）ID5（∩-）ID4+ID1（∩+）ID2（∩+）ID4（∩+）ID5(η-)ID3+ID1（∩+）ID3（∩+）ID4（∩+）ID5（∩-）ID2+ID1（∩+）ID3（∩+）ID4（∩+）ID5（∩-）ID1

圖1為北京與倫敦地鐵乘客的周出行天數(shù)統(tǒng)計(jì)。由圖1可見(jiàn)，北京與倫敦均P1最大，P5次之。就P1而言，北京P1達(dá)45%，遠(yuǎn)高于倫敦?？梢?jiàn)，北京地鐵45%的乘客由低頻使用者組成，而倫敦地鐵只有35%左右。倫敦的P5約比北京高6個(gè)百分點(diǎn)，即倫敦地鐵的高頻乘客占比較多。結(jié)合每日地鐵客流量分析還可以發(fā)現(xiàn)，工作日地鐵客流量變動(dòng)較小。因此，北京與倫敦地鐵的乘客組成均處于動(dòng)態(tài)穩(wěn)定，但倫敦地鐵的高頻乘客較多，而北京地鐵的低頻乘客更多，故倫敦地鐵乘客的需求穩(wěn)定性較高。

圖1 北京與倫敦地鐵乘客的周出行天數(shù)統(tǒng)計(jì)

2.2 日出行次數(shù)

日出行次數(shù)反映乘客日常使用地鐵的頻率?？赏ㄟ^(guò)構(gòu)建每位乘客在一天內(nèi)使用地鐵的出行鏈來(lái)計(jì)算其日出行次數(shù)。

圖2為北京及倫敦地鐵乘客日出行次數(shù)統(tǒng)計(jì)分析。由圖2可見(jiàn)，無(wú)論是北京還是倫敦，日出行次數(shù)k=2時(shí)的乘客所占比例最高，均超過(guò)50%且基本持平。這在一定程度上反映了乘客在工作日往返出行的通勤特點(diǎn)。北京與倫敦周末日出行次數(shù)為2的乘客比例均低于工作日，且北京降低的幅度較大。日出行次數(shù)為1時(shí)，北京與倫敦的乘客比例差異顯著。北京日出行次數(shù)為1時(shí)乘客比例接近倫敦的2倍。

為了進(jìn)一步分析，結(jié)合同日公交卡數(shù)據(jù)甄別出每天只使用1次地鐵出行的乘客還使用了道路公交車出行的比例（見(jiàn)圖3）。由圖3可見(jiàn)，北京地鐵日出行次數(shù)為1的乘客還使用道路公交車的比例顯著大于倫敦。這反映出北京地鐵與道路公交車的互補(bǔ)程度高于倫敦，也從側(cè)面表明倫敦地鐵對(duì)地面交通的可替代性顯著優(yōu)于北京。

圖2 北京及倫敦地鐵乘客日出行次數(shù)統(tǒng)計(jì)分析

圖3 地鐵日出行次數(shù)為1的乘客使用其它交通方式情況

此外，無(wú)論是工作日還是周末，倫敦日出行次數(shù)大于2的乘客比例均遠(yuǎn)大于北京，即倫敦地鐵日常高頻使用者居多。

3 出行空間規(guī)律

乘客的空間出行特性指標(biāo)主要包括換乘次數(shù)和出行距離。根據(jù)地鐵AFC系統(tǒng)中的某乘客OD（起訖點(diǎn)）數(shù)據(jù)可確定該乘客的路徑，相應(yīng)的出行距離即為該路徑的長(zhǎng)度。若該路徑包含不同線路，則發(fā)生換乘行為。于是可計(jì)算地鐵乘客的換乘次數(shù)。

圖4 單個(gè)工作日地鐵換乘次數(shù)分布

3.1 換乘次數(shù)

乘客換乘次數(shù)反映其OD點(diǎn)之間的交通便捷程度。圖4為北京與倫敦地鐵乘客單個(gè)工作日換乘次數(shù)分布。由圖4可知，倫敦地鐵無(wú)需換乘的乘客比例達(dá)55%，遠(yuǎn)高于北京，而北京地鐵需換乘1次的乘客比例約為倫敦的2倍；由累計(jì)曲線可以看出：北京與倫敦均有80%的乘客至多換乘一次即可達(dá)到，倫敦多次換乘（換乘次數(shù)＞2次）的乘客比例略高于北京，北京地鐵工作日的乘客平均換乘次數(shù)為0.883次，倫敦的則為0.805次。

綜合結(jié)果表明，倫敦地鐵便捷性略高于北京。這是由于倫敦地鐵線網(wǎng)包含多條放射線，可從郊區(qū)直達(dá)中心區(qū)，而北京地鐵網(wǎng)絡(luò)基本保持道路網(wǎng)的結(jié)構(gòu)，呈棋盤狀，外圍前往中心區(qū)一般需一次以上的換乘。

3.2 出行距離

北京與倫敦的空間尺度和線網(wǎng)規(guī)模差異較大。為分析北京與倫敦地鐵乘客的出行距離，定義北京相對(duì)于倫敦的比例系數(shù)α1-2為：

q1=q0（1+ α1-2）

式中：

S1——北京地鐵覆蓋面積，為2 267 km2；

S2——倫敦地鐵線網(wǎng)絡(luò)覆蓋面積，為1 572 km2；

L1——北京地鐵線網(wǎng)絡(luò)長(zhǎng)度，465 km；

L2——倫敦地鐵線網(wǎng)長(zhǎng)度，402 km；

ρ1——北京地鐵線網(wǎng)密度，0.205 km/km2；

ρ2——倫敦地鐵線網(wǎng)密度，0.255 km/km2；

q1——北京根據(jù)比例系數(shù)修正后的累積百分率；

q0——北京初始計(jì)算的累積百分率。

代入數(shù)據(jù)得 α1-2=0.16，則 q1=1.16 q0。

圖5為北京與倫敦地鐵工作日和周末的出行距離差異。倫敦短距離出行（＜10 km）量遠(yuǎn)大于北京。從圖5累計(jì)曲線可以看出：倫敦地鐵超過(guò)91%的乘客是短距離和中短距離（10～20 km）出行，而在北京此類乘客僅占81%（修正前為70%）。其原因在于倫敦的職住關(guān)系更加平衡，倫敦的中短距離出行比例遠(yuǎn)高于北京。此外，由累計(jì)曲線可以看出：工作日與周末出行距離略有變化，且兩個(gè)城市變化規(guī)律相反。其中，北京工作日中短距離和中長(zhǎng)距離（20～30 km）出行比例稍大于周末，而倫敦工作日的短距離和中短距離出行比例稍小于周末。

圖5 工作日與周末出行距離分布

4 出行時(shí)間規(guī)律

出行時(shí)間規(guī)律研究基于AFC數(shù)據(jù)進(jìn)出站的時(shí)間字段，主要包括對(duì)一周全網(wǎng)客流時(shí)間分布、出行時(shí)間、站外停留時(shí)間和多次出行乘客進(jìn)站時(shí)間的研究。出行時(shí)間為乘客每一次出行進(jìn)出站的間隔時(shí)間。例如，乘客從A站進(jìn)站的時(shí)間為tA，從B站出站的時(shí)間為tB，則乘客的出行時(shí)間為tB-tA。當(dāng)乘客一天之內(nèi)，先由M站進(jìn)站，由B站出站，再由B站進(jìn)站，由N站出站，則從B站出站與從B站再次進(jìn)站之間的間隔時(shí)間為站外停留時(shí)間。

4.1 時(shí)間分布規(guī)律

將客流量按照一周的時(shí)間序列每10min間隔統(tǒng)計(jì)，得到北京與倫敦連續(xù)一周的地鐵客流量時(shí)間分布（見(jiàn)圖 6）。

圖6 一周客流時(shí)間分布

由圖6可見(jiàn)：①兩個(gè)城市的工作日晚高峰客流均呈現(xiàn)出多峰特征。這表明兩個(gè)城市的通勤乘客下班時(shí)間均具有一定彈性。②兩個(gè)城市周末客流量的高峰規(guī)律存在較大的差異，其中北京的周末客流量具有較為明顯的雙峰特征。說(shuō)明北京地鐵乘客中周末工作出行的仍較多。③倫敦周五24∶00處出現(xiàn)客流截?cái)?，且在周六與周日也存在這一現(xiàn)象，而北京周末夜間客流量變化較平緩。這表明倫敦地鐵乘客在周五至周末晚上的活動(dòng)強(qiáng)度較大。④倫敦客流量周六與周日峰值有明顯的落差。周末的出行一般與購(gòu)物、休閑、娛樂(lè)目的相關(guān)，而倫敦市的部分商戶會(huì)在周日歇業(yè)，故周日客流量顯著減少；⑤倫敦工作日午間（11∶00—13∶00）的客流量波動(dòng)性較大，說(shuō)明倫敦午間乘客出行時(shí)間較為分散。

4.2 出行時(shí)間

對(duì)乘客的出行時(shí)間進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明兩個(gè)城市均有超過(guò)99%的地鐵乘客單次出行時(shí)間在120 min內(nèi)。分析單次出行時(shí)間在120 min以內(nèi)的客流量比例統(tǒng)計(jì)見(jiàn)圖7。

由圖7可以看出，倫敦超過(guò)60%的地鐵乘客單次出行時(shí)間在30 min內(nèi)，而北京地鐵單次出行時(shí)間在30 min內(nèi)的乘客比例僅僅略高于40%；此外，北京地鐵多數(shù)乘客單次出行時(shí)間位于30 min到90 min，約占乘客總量的55%,。圖7還可看出，北京地鐵工作日與周末的乘客單次出行時(shí)間的差異較明顯，且工作日的乘客出行時(shí)間較短。這與圖5的出行距離規(guī)律一致。

4.3 站外停留時(shí)間

站外停留時(shí)間的統(tǒng)計(jì)時(shí)間間隔為1 h。根據(jù)單個(gè)乘客站外停留時(shí)間長(zhǎng)短可識(shí)別通勤客流。如圖8所示，北京與倫敦工作日乘客的最大站外停留時(shí)間均為9～10 h，周末乘客的最大站外停留時(shí)間均為1～2 h。這表明北京與倫敦的工作日客流均以通勤出行為主，周末客流均以休閑、購(gòu)物、娛樂(lè)出行為主。從累計(jì)曲線可以看出，北京與倫敦工作日變化趨勢(shì)趨同，周末差異較大，但倫敦工作日站外停留時(shí)間少于6 h的客流量比例約占50%，北京則接近40%?？梢?jiàn)，工作日倫敦地鐵非通勤乘客比例相對(duì)較高，而周末北京地鐵站外停留時(shí)間為7～11 h的客流量比例更高。這與圖6中北京乘客周末加班出行比例大的規(guī)律一致。

圖7 出行時(shí)間客流量比例

4.4 進(jìn)站時(shí)間分布

一天中多次出行（出行次數(shù)＞1次）乘客的進(jìn)站時(shí)間分布矩陣見(jiàn)圖9。統(tǒng)計(jì)時(shí)間段為05∶00—24∶00，統(tǒng)計(jì)時(shí)間間隔為1 h。矩陣下三角單元顏色越深表示客流量越大。從工作日進(jìn)站時(shí)間分布矩陣可以看出北京客流最多的兩次進(jìn)站時(shí)間段分別為7∶00—8∶00和17∶00—18∶00，而倫敦客流最多的兩次進(jìn)站時(shí)間段分別為 9∶00—10∶00 點(diǎn)和 18∶00—19∶00。究其原因，2月份的倫敦一般早上8∶30天亮，故其乘客首次進(jìn)站時(shí)間較晚；而且倫敦工作時(shí)間普遍較北京短。北京與倫敦周末客流進(jìn)站時(shí)間分布矩陣差異較大。北京周末以工作為目的的出行較多，倫敦周末購(gòu)物娛樂(lè)出行較多。從北京工作日與周末的多次出行乘客進(jìn)站時(shí)間分布矩陣可以發(fā)現(xiàn)，11∶00—12∶00 是一天出行強(qiáng)度的分界線。

5 結(jié)語(yǔ)

本研究利用一周的AFC數(shù)據(jù)，多粒度、多層次、多角度地分析了北京與倫敦地鐵乘客的出行頻率、出行空間規(guī)律和時(shí)間規(guī)律，主要得到以下結(jié)論：

（1）工作日出行天數(shù)的對(duì)比表明，倫敦地鐵乘客的需求穩(wěn)定性較高；出行次數(shù)對(duì)比結(jié)果表明，倫敦地鐵日常高頻使用者居多。

（2）倫敦地鐵的便捷性略較北京高，且倫敦的短距離出行比例遠(yuǎn)高于北京。

圖8 工作日與周末停留時(shí)間分布

圖10 多次出行進(jìn)站時(shí)間分布矩陣

（3）北京與倫敦通勤乘客下班時(shí)間均有一定彈性。在客流組成中，北京地鐵工作日的通勤客流比例較高。

地鐵乘客出行規(guī)律不僅與城市結(jié)構(gòu)、居民的生活和工作狀態(tài)有關(guān)，與城市軌道交通網(wǎng)絡(luò)互聯(lián)互通程度及運(yùn)營(yíng)管理模式的關(guān)系更是密不可分?；贏FC數(shù)據(jù)的進(jìn)一步研究應(yīng)著重挖掘出行規(guī)律與城市軌道交通線網(wǎng)結(jié)構(gòu)和運(yùn)營(yíng)管理間的內(nèi)在聯(lián)系，從而對(duì)區(qū)域軌道交通線網(wǎng)規(guī)劃和運(yùn)營(yíng)管理提供更加科學(xué)合理的指導(dǎo)。

［1］ WANG WL，LOSM LIUSB.Aggregated metro trip patterns in urban areas of Hong Kong：Evidence from automatic fare collection Records［J］.Journal of Urban Planning and Development，2015，141（3）：1.

［2］ ZHONG C，ED M，STEFAN M，et al.Measuring variability of mobility patterns from multiday smart-card data［J］.Journal of Computational Science，2015，9：125.

［3］ NISHIUCHI，KING J.TODOROKI T.Spatial-temporal daily frequent trip pattern of public transport passengers using Ssmart card data［J］.International Journal of Intelligent Transportation Systems Research，2012，11（1）：1.

［4］ MA X.Mining smart card data for transit riders′travel patterns［J］.Transportation Research Part C：Emerging Technologies，2013，36：1.

［5］ LONG Y，THILL J-C.Combining smart card data and household travel survey to analyze jobs housing relationships in Beijing ［J］.Computers，Environmentand Urban Systems，2015，53：19.

［6］ TRANSPORT FOR LONDON.Travel in London，Supplementary Report ［R］.London：London Travel Demand Survey（LTDS），2011：15

［7］ 北京交通發(fā)展研究中心.北京交通發(fā)展年度報(bào)告［R］.北京：北京交通發(fā)展研究中心，2015：4.