適用于一票制公交大數(shù)據(jù)的系統(tǒng)化處理方法及應(yīng)用
——以銀川市為例

趙海賓，郭 忠，吳洪洋，劉海旭，王子甲

（1.交通運(yùn)輸部科學(xué)研究院城市交通與軌道交通研究中心，北京 100029；2.北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司交通研究中心，北京 100032；3.北京交通大學(xué)土木建筑工程學(xué)院道路與鐵道工程系，北京 100044）

0 引言

公交乘客出行特征分析不僅是評(píng)價(jià)公交運(yùn)行現(xiàn)狀的內(nèi)容之一，也是公交線網(wǎng)優(yōu)化的前提和基礎(chǔ)。通過傳統(tǒng)的公交調(diào)查方式獲取公交乘客出行特征需要耗費(fèi)大量人力物力。隨著公交智能化系統(tǒng)的不斷完善，公交大數(shù)據(jù)的應(yīng)用為分析乘客出行特征提供了新的思路。

相比于傳統(tǒng)的公交調(diào)查方式，公交大數(shù)據(jù)獲取成本更低，包含的信息也更為豐富[1-2]。近年來，基于公交大數(shù)據(jù)分析乘客出行特征的研究越來越多，如陳紹輝等[3]利用禁忌搜索算法及數(shù)據(jù)匹配模型將公交IC 卡數(shù)據(jù)與GPS 數(shù)據(jù)等相匹配，發(fā)現(xiàn)該方法可以較高的準(zhǔn)確率得到交易記錄和上車站點(diǎn)ID 之間的關(guān)系；陳君等[4]利用公交數(shù)據(jù)和數(shù)據(jù)倉庫技術(shù)建立了智能公交數(shù)據(jù)分析平臺(tái)，將智能調(diào)度與公交IC卡系統(tǒng)進(jìn)行關(guān)聯(lián)，結(jié)果表明該方法在判斷公交乘客上車站點(diǎn)的準(zhǔn)確率方面表現(xiàn)突出。

上述研究主要針對(duì)乘客上車站點(diǎn)的推斷。由于常規(guī)公交一般采用一票制，從而缺乏可用的下車位置信息，所以相比于乘客上車站點(diǎn)推斷，識(shí)別乘客下車站點(diǎn)更具挑戰(zhàn)性[5]。目前主要存在兩種估算乘客下車站點(diǎn)的方法：集計(jì)法和非集計(jì)法。集計(jì)法一般假設(shè)乘客根據(jù)出行距離和車站吸引力的特定概率分布下車[6]，如徐文遠(yuǎn)等[7]利用公交IC 卡數(shù)據(jù)和GPS 信息，結(jié)合站點(diǎn)吸引權(quán)概念進(jìn)行了居民出行上下車站點(diǎn)推斷，但是在推斷下車站點(diǎn)時(shí)精度較差。為了獲得更可靠的推斷結(jié)果，大量研究采用基于乘客出行鏈的估算方法[8-10]，如Wang 等[9]基于出行鏈，從倫敦的智能卡交易數(shù)據(jù)中獲取了OD 信息，并用實(shí)際出行調(diào)查數(shù)據(jù)驗(yàn)證了方法的有效性，但缺陷在于部分公交線路的調(diào)研率較低；Barry[10]根據(jù)紐約自動(dòng)售檢票系統(tǒng)采集的數(shù)據(jù)推斷下車站點(diǎn)，且基于以下假設(shè)來定義個(gè)人出行鏈：（1）很大一部分乘客從前一次出行的下車站開始下一次出行；（2）乘客將在其結(jié)束前一天出行的車站開始其當(dāng)天第一次出行。

以上研究都為基于一票制公交大數(shù)據(jù)分析公交乘客出行特征奠定了基礎(chǔ)，但少有研究提出從公交數(shù)據(jù)采集與處理到站點(diǎn)推斷算法構(gòu)建、再到最終數(shù)據(jù)分析全流程的系統(tǒng)方法。本文則在總結(jié)前人工作的基礎(chǔ)上，提出適用于一票制公交大數(shù)據(jù)的系統(tǒng)化處理方法，以期為基于公交大數(shù)據(jù)的公交乘客出行特征分析提供新的思路。

1 公交數(shù)據(jù)采集與處理

本文所用大數(shù)據(jù)包括公交IC 卡數(shù)據(jù)、公交GPS 數(shù)據(jù)、車載機(jī)數(shù)據(jù)及單程站點(diǎn)信息表4 類。不同類型數(shù)據(jù)的采集與處理方法不同。

1.1 公交IC卡數(shù)據(jù)采集與處理

公交刷卡收費(fèi)系統(tǒng)主要包括車載收費(fèi)終端和后臺(tái)管理系統(tǒng)兩部分，當(dāng)乘客在車載收費(fèi)終端刷卡上車時(shí)，數(shù)據(jù)會(huì)傳回后臺(tái)管理系統(tǒng)，完成對(duì)公交IC卡數(shù)據(jù)的記錄。

公交IC 卡數(shù)據(jù)處理主要是刪除邏輯上明顯不合理的記錄，處理過程如下：

（1）由于刷卡記錄中包含眾多字段信息，其中大量字段信息對(duì)本研究而言為無效字段。本研究主要提取與乘客出行時(shí)空信息相關(guān)的字段，包括交易卡編號(hào)、交易時(shí)間、線路編號(hào)和車牌號(hào)等4種，因此刪除其他多余字段。

（2）由于公交刷卡收費(fèi)系統(tǒng)故障等原因，通過步驟（1）提取的字段尚有一定數(shù)量的錯(cuò)誤數(shù)據(jù)或某些字段內(nèi)容為空，這些數(shù)據(jù)在后續(xù)研究中屬無效數(shù)據(jù)，予以刪除。

經(jīng)過上述處理，公交IC 卡數(shù)據(jù)的有效字段及其說明如表1所示。

表1 公交IC卡數(shù)據(jù)有效字段及其說明

1.2 公交GPS數(shù)據(jù)采集與處理

公交GPS 數(shù)據(jù)主要包括兩種類型的位置數(shù)據(jù)。第一種是公交車進(jìn)出公交站點(diǎn)時(shí)，GPS 系統(tǒng)記錄的公交車進(jìn)出站狀態(tài)及相應(yīng)坐標(biāo)，一般會(huì)在站點(diǎn)前后5m 內(nèi)分別產(chǎn)生到站和離站數(shù)據(jù)。另一種是固定時(shí)間間隔（通常為1min左右）的車輛位置上傳，這一類數(shù)據(jù)用以計(jì)算公交車的行駛速度等。

以銀川市為例，公交GPS 數(shù)據(jù)處理過程如下：

（1）銀川公交GPS數(shù)據(jù)共有59個(gè)字段，但部分字段目前尚未啟用。提取對(duì)本研究有效的字段，包括車載機(jī)編號(hào)、到離站信息、定位時(shí)間、定位經(jīng)度、定位緯度、線路編號(hào)、子線編號(hào)、站點(diǎn)順序號(hào)等，刪除無效字段。

（2）由于公交GPS 系統(tǒng)故障等原因，GPS 數(shù)據(jù)存在部分定位在銀川市范圍外的錯(cuò)誤數(shù)據(jù)，本文基于ArcGIS將其刪除。

（3）通過步驟（1）和（2）提取到的數(shù)據(jù)尚存在一定數(shù)量其他類型的錯(cuò)誤數(shù)據(jù)，主要表現(xiàn)為字段信息不全，即只有到站或離站數(shù)據(jù)，對(duì)這一類數(shù)據(jù)也予以刪除。

經(jīng)過上述處理，銀川公交GPS 數(shù)據(jù)的有效字段及其說明如表2所示。

表2 公交GPS數(shù)據(jù)有效字段及其說明

1.3 車載機(jī)數(shù)據(jù)信息采集

車載機(jī)數(shù)據(jù)信息可從公交企業(yè)的車輛數(shù)據(jù)庫中獲取，為車載機(jī)編號(hào)與公交車車牌號(hào)及線路編號(hào)之間的對(duì)應(yīng)關(guān)系，用于匹配GPS 數(shù)據(jù)對(duì)應(yīng)的車牌號(hào)以及GPS 數(shù)據(jù)和IC 卡數(shù)據(jù)的關(guān)聯(lián)融合，其數(shù)據(jù)樣本如表3所示。

表3 車載機(jī)數(shù)據(jù)信息表

1.4 單程站點(diǎn)關(guān)系表采集

單程站點(diǎn)關(guān)系表可從公交企業(yè)的線路數(shù)據(jù)庫中獲取，為線路編號(hào)和子線編號(hào)對(duì)應(yīng)的站點(diǎn)順序號(hào)、站點(diǎn)名稱及站點(diǎn)類型編號(hào)。鑒于GPS 數(shù)據(jù)只有站點(diǎn)順序號(hào)，并沒有定位站點(diǎn)名稱，所以使用單程站點(diǎn)關(guān)系表將站點(diǎn)名稱匹配到GPS 數(shù)據(jù)中，其數(shù)據(jù)樣本如表4 所示。通過篩選線路編號(hào)和子線編號(hào)，站點(diǎn)順序號(hào)和站點(diǎn)名稱為一一對(duì)應(yīng)關(guān)系。

表4 單程站點(diǎn)關(guān)系表

單程站點(diǎn)關(guān)系表中，許多站點(diǎn)分東西南北4個(gè)方向，同一個(gè)站點(diǎn)在GIS 地圖中往往存在多個(gè)相鄰的經(jīng)緯度。為方便后續(xù)研究，結(jié)合GIS 數(shù)據(jù)中的站點(diǎn)信息，將同一個(gè)站點(diǎn)、不同方向、不同線路的經(jīng)緯度取平均值進(jìn)行融合，獲得站點(diǎn)的唯一經(jīng)緯度，如圖1所示。

圖1 公交站點(diǎn)經(jīng)緯度融合前后示意圖

將公交GPS 數(shù)據(jù)、車載機(jī)數(shù)據(jù)信息、融合后的單程站點(diǎn)關(guān)系表進(jìn)行關(guān)聯(lián)融合，獲取包含站點(diǎn)名稱、站點(diǎn)經(jīng)緯度等的到離站GPS 數(shù)據(jù)，其數(shù)據(jù)樣本如表5所示。

表5 匹配經(jīng)緯度后的單程站點(diǎn)關(guān)系表

2 站點(diǎn)推斷算法構(gòu)建

一票制公交刷卡數(shù)據(jù)中缺少乘客的上下車站點(diǎn)及換乘站點(diǎn)信息，為了將這些信息補(bǔ)全，本文基于既有文獻(xiàn)，分別構(gòu)建乘客上車站點(diǎn)推斷算法、乘客下車站點(diǎn)推斷算法、乘客換乘站點(diǎn)識(shí)別算法，共同組成系統(tǒng)化處理方法的關(guān)鍵環(huán)節(jié)。

2.1 乘客上車站點(diǎn)推斷算法

將公交GPS 數(shù)據(jù)與公交IC 卡數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合，通過比對(duì)站點(diǎn)GPS 數(shù)據(jù)更新時(shí)間和乘客刷卡時(shí)間，以確定乘客的上車站點(diǎn)[11-12]，其推斷算法偽代碼如下。

其中，Selectdata(data,condition)函數(shù)表示從data中提取滿足condition條件的數(shù)據(jù)；ComputeIn?terval(A,B)函數(shù)表示計(jì)算時(shí)間點(diǎn)A和時(shí)間點(diǎn)B之間的時(shí)間間隔。

由于GPS 定位時(shí)間和刷卡時(shí)間的誤差，算法中將GPS 定位時(shí)間和刷卡時(shí)間差大于180s 的數(shù)據(jù)剔除，以保證匹配結(jié)果的準(zhǔn)確性。

2.2 乘客下車站點(diǎn)推斷算法

不同乘客1d內(nèi)乘坐公交出行的次數(shù)不同，部分乘客會(huì)在1d 內(nèi)公交出行多次，而大量乘客1d只進(jìn)行1 次公交出行。針對(duì)這兩種不同的情況，本文結(jié)合既有文獻(xiàn)，利用下述兩種方法完成乘客下車站點(diǎn)的推斷。

2.2.1 基于出行鏈的乘客下車站點(diǎn)推斷算法

針對(duì)1d內(nèi)公交出行多次的乘客，其全天數(shù)據(jù)中包括多條刷卡記錄，能形成閉合公交出行鏈或非閉合公交出行鏈。本文利用乘客出行鏈推斷乘客下車站點(diǎn)[13-14]，過程如下：

（1）提取乘客刷卡記錄中卡號(hào)相同的1d內(nèi)的全部刷卡記錄，并按刷卡時(shí)間排序；

（2）針對(duì)1 名乘客1d 內(nèi)的全部刷卡記錄，首先根據(jù)其第1 條刷卡記錄的上車站點(diǎn)，獲取該名乘客本次上車線路的所有站點(diǎn)；

（3）根據(jù)該名乘客下1 條刷卡記錄的上車站點(diǎn)，搜索計(jì)算與上1 次乘坐線路所有站點(diǎn)空間距離最近的站點(diǎn)，則該站點(diǎn)為乘客上1 次乘車時(shí)的下車站點(diǎn)；

（4）當(dāng)刷卡信息為該名乘客的最后1 條刷卡記錄時(shí)，則利用該名乘客第1 條刷卡記錄作為推斷計(jì)算時(shí)的下1 條刷卡記錄，從而推斷其最后1次乘車時(shí)的下車站點(diǎn)，至此該乘客的下車站點(diǎn)推斷結(jié)束；

（5）針對(duì)所有乘客的刷卡記錄，重復(fù)運(yùn)行步驟（1）～步驟（4），直到完成所有乘客下車站點(diǎn)推斷。

2.2.2 基于概率的乘客下車站點(diǎn)推斷算法

針對(duì)1d中無連續(xù)公交出行的乘客，本文利用基于站點(diǎn)下車概率的乘客下車站點(diǎn)估計(jì)模型來推斷乘客下車站點(diǎn)。既有研究表明，公交站點(diǎn)吸引強(qiáng)度與發(fā)生強(qiáng)度基本平衡，因此可用公交站點(diǎn)的發(fā)生強(qiáng)度等價(jià)替換其吸引強(qiáng)度[15]。根據(jù)乘客上車站點(diǎn)推斷結(jié)果，可統(tǒng)計(jì)得到任一條線路各個(gè)站點(diǎn)的上車人數(shù)，并由此計(jì)算公交站點(diǎn)的吸引強(qiáng)度為：

式（1）中：pi為第i站的吸引強(qiáng)度；s i為第i站的上車人數(shù)；為一條線路所有站點(diǎn)的上車人數(shù)之和，其中sk為第k站的上車人數(shù)；n為單線公交站點(diǎn)總數(shù)。

乘客在第i站上車第j站下車的概率pij與公交出行的平均乘站數(shù)λ、站點(diǎn)i的吸引強(qiáng)度pi有關(guān)。而居民公交出行的乘站數(shù)主要集中在一定的范圍內(nèi)，在固定的行駛方向上，居民公交出行的乘站數(shù)近似符合泊松分布：

式（2）中：Zij為乘客第i站上車第j站下車的概率；λ為公交出行的平均乘站數(shù)。當(dāng)i站以后的站點(diǎn)數(shù)目小于λ時(shí)，λ=n-λ。

由此可以構(gòu)造出乘客從站點(diǎn)i上車到站點(diǎn)j下車的概率為：

式（3）中：pij為乘客第i站上車第j站下車的概率；Zik為乘客第i站上車第k站下車的概率；pk為第k站的吸引強(qiáng)度。

至此，可得任意i站上車j站下車的乘客總數(shù)為：

式（4）中：Mij為第i站上車第j站下車的乘客總數(shù)；pij為乘客第i站上車第j站下車的概率。

2.3 乘客換乘站點(diǎn)識(shí)別算法

乘客換乘站點(diǎn)識(shí)別可從時(shí)間與空間角度進(jìn)行考慮[16]。如圖2 所示，公交乘客在P1站點(diǎn)t1時(shí)刻刷卡上車，公交車經(jīng)過T1時(shí)間至t2時(shí)刻到達(dá)P2站點(diǎn)，步行距離L，耗時(shí)T2到達(dá)換乘站點(diǎn)P3，等待T3時(shí)間至t3時(shí)刻刷卡上車，乘坐換乘的線路，運(yùn)行時(shí)間T4至t4時(shí)刻到達(dá)終點(diǎn)站P4，完成本次出行，則換乘過程時(shí)耗可用Ts表示為：

式（5）中：Ts為乘客換乘過程的時(shí)耗（min）；Twalk為乘客從前一次下車站點(diǎn)至換乘站點(diǎn)的步行時(shí)間（min）；Twait為乘客在換乘站點(diǎn)的等待時(shí)間（min）；Tv為乘客前一次的在車時(shí)間。

圖2 乘客異站換乘過程示意圖

分析換乘步行時(shí)間Twalk、換乘站點(diǎn)等待時(shí)間Twait、前一次在車時(shí)間Tv的最大值，便可得到換乘最大時(shí)間間隔。本文結(jié)合既有文獻(xiàn)和交通調(diào)查，取最大可能換乘時(shí)間的閾值Tmax為60min。

于是，換乘識(shí)別過程如下：

（1）提取一條公交IC 卡刷卡記錄，記錄刷卡時(shí)刻為t1，獲取其相鄰的后一次刷卡記錄，記錄刷卡時(shí)刻為t2；

（2）計(jì)算刷卡時(shí)間間隔Ti=t2-t1，若Ti≤Tmax且換乘站點(diǎn)之間距離L<500m，則認(rèn)為乘客后一次出行是換乘行為，否則認(rèn)為是一次出行；

（3）對(duì)同一卡號(hào)的所有刷卡記錄進(jìn)行判斷，并記錄識(shí)別的結(jié)果；

（4）重復(fù)步驟（1）～步驟（3），直到完成所有乘客的換乘行為識(shí)別。

3 案例應(yīng)用

根據(jù)上述系統(tǒng)化處理方法，本文利用銀川市工作日1d 公交IC 卡數(shù)據(jù)和GPS 數(shù)據(jù)等分析了銀川公交的運(yùn)行狀況，主要分為3 部分：（1）基于乘客上車站點(diǎn)推斷算法和乘客下車站點(diǎn)推斷算法，分析所有乘客上車站點(diǎn)和下車站點(diǎn)，得到公交站點(diǎn)上下客流量分布情況；（2）將所有乘客出行起訖點(diǎn)依次“疊加”在公交線路上，得到公交線路客流量分布情況；（3）基于乘客換乘站點(diǎn)識(shí)別算法分析所有乘客換乘行為，得到公交站點(diǎn)的換乘客流量分布情況。

3.1 站點(diǎn)客流量分布

圖3為公交站點(diǎn)的全天上下客流量分布情況，圖例中括號(hào)內(nèi)給出了相應(yīng)全天上下客流量級(jí)別的站點(diǎn)數(shù)量。從空間分布來看，全天上下客流量較大的站點(diǎn)均集中于城市東部，而分別有超過1/3的站點(diǎn)上客量或下客量不足300 人次。這反映出站點(diǎn)客流量分布并不均衡，公交引導(dǎo)城市發(fā)展的能力還需進(jìn)一步提高。圖4 給出了全天上下客流量排名前15位的公交站點(diǎn)，這些站點(diǎn)是重要的客流集散地，在制定公交線網(wǎng)布設(shè)方案時(shí)應(yīng)重點(diǎn)考慮。

圖3 公交站點(diǎn)全天客流量分布圖

圖4 全天上下客流量排名前15位的公交站點(diǎn)

3.2 線路客流量分布

圖5所示為公交線路的全天客流量分布情況。從空間分布來看，客流量較集中的公交線路主要用于整個(gè)城市的橫向聯(lián)系和東部地區(qū)的豎向聯(lián)系，并且集中在某幾條公交線路的某些路段上。圖6 給出了全天客流量超過1 萬人次的公交線路，共有15條。在公交規(guī)劃中，需考慮在這些路段設(shè)置公交專用車道來提升服務(wù)能力，并適當(dāng)優(yōu)化其他線路來緩解客流量較集中線路的壓力。

圖5 公交線路全天客流量分布圖

3.3 站點(diǎn)換乘客流量分布

圖7為公交站點(diǎn)的全天換乘客流量分布情況，圖例中括號(hào)內(nèi)給出了相應(yīng)全天換乘客流量級(jí)別的站點(diǎn)數(shù)量。從空間分布來看，全天換乘客流量較大的站點(diǎn)集中分布于城市的東部核心區(qū)。圖8 給出了全天換乘客流量排名前15位的公交站點(diǎn)。在公交規(guī)劃中，一方面需重點(diǎn)考慮這些站點(diǎn)的換乘設(shè)施布置，另一方面需進(jìn)一步優(yōu)化途經(jīng)線路走向，以減少換乘、提升直達(dá)性。

圖6 全天客流量超過1萬人次的公交線路

圖7 公交站點(diǎn)全天換乘客流量分布圖

圖8 全天換乘客流量排名前15位的公交站點(diǎn)

4 結(jié)語

隨著交通大數(shù)據(jù)技術(shù)的不斷發(fā)展，利用交通大數(shù)據(jù)挖掘結(jié)果指導(dǎo)運(yùn)營及規(guī)劃是未來交通管理的重要方向之一。本文在參考既有文獻(xiàn)的基礎(chǔ)上，提出了適用于一票制公交大數(shù)據(jù)的從處理到挖掘的全流程算法，并將其應(yīng)用到銀川市公交大數(shù)據(jù)分析中，探析了工作日1d 的公交運(yùn)行狀況，包括站點(diǎn)客流量分布情況、線路客流量分布情況和站點(diǎn)換乘客流量分布情況等，可為后續(xù)線網(wǎng)和站點(diǎn)優(yōu)化提供理論支撐。

該方法尚存如下改進(jìn)空間：（1）公交IC 卡數(shù)據(jù)和公交GPS 數(shù)據(jù)在實(shí)際運(yùn)營中存在明顯誤差，導(dǎo)致數(shù)據(jù)處理過程中損失了大量數(shù)據(jù)；要解決這一問題，一方面需提升相關(guān)設(shè)備的精度及可靠性，另一方面可集中對(duì)錯(cuò)誤數(shù)據(jù)進(jìn)行分析，以探尋原始數(shù)據(jù)校正算法；（2）針對(duì)單次出行乘客，僅利用站點(diǎn)上客量計(jì)算站點(diǎn)下客概率的依據(jù)略顯不足，今后可考慮結(jié)合站點(diǎn)周邊建成環(huán)境信息，如土地使用情況、周邊職住分布情況等，優(yōu)化站點(diǎn)吸引度算法，提升下車站點(diǎn)的推算精度。