豐曉艷，張亞偉

(1. 北京交通大學交通運輸學院，北京 100044； 2. 河南理工大學能源學院，河南 焦作 454003)

隨著城市群的出現，城際公交作為一種重要的出行方式應運而生，憑借其自身靈活性、便捷性的特點，在城際客運中發(fā)揮著重要作用。然而，城鐵等交通方式的開通使城際公交組織規(guī)劃不合理的地方凸顯出來，導致城際乘客出行行為方式受到影響，城際公交客流量大幅下降。因此，城際公交客流的研究與預測對提高城際公交的運營管理水平具有必要性。

目前，城際客流預測方法研究主要集中在軌道交通領域，毛敏等[1]用客流分配組合模型對廣州至珠海城際快速軌道交通進行了客流預測。王慧晶等[2]針對城市群城際軌道交通特點，采用修正重力模型進行客流分布預測，以 logit 模型為基礎，研究交通方式劃分與交通分配聯(lián)合模型的競爭分配方法。馮冰玉[3]選取新建蘭州至中川城際鐵路為研究對象，提出了灰色理論與智能算法相結合的新的組合預測研究方法對客流量進行預測。對城際公交的研究主要集中在線網布設[4]、運營機制[5]以及一體化發(fā)展研究[6]等方面，對城際公交客流預測研究較少。但是城際公交是城際間客運的一種不可或缺的重要方式，對區(qū)域經濟的發(fā)展有至關重要的作用，對城際公交進行客流預測能為其運營管理和組織優(yōu)化提供理論依據。因此，本文選取鄭焦城際公交進行實地調查研究，運用灰色模型對其公交客流進行預測，為鄭焦城際公交的組織優(yōu)化提供了理論支持。

1 城際乘客出行行為分析

1.1 城際乘客的出行本質及過程

城際乘客出行的定義為：城際間乘客帶著某種出行目的，采用某種交通方式，通過城際交通線路，從城市群中的一個城市移動到另一城市的過程[7]。

城際出行過程分為三階段：城市A市內出行；城市A與B之間出行；城市B市內出行。

1.2 城際乘客出行需求及心理

出行者的出行需求能夠激發(fā)出行動機，出行動機驅動出行行為的產生，最后完成出行目標結束整個出行過程[8]。因此，出行行為產生的最初動力是出行需求，直接動力是出行動機，三者關系如圖1所示。

圖1 出行需求、動機及行為關系圖Fig.1 Relationship diagram of travel demand, motivation and behavior

廣義上，城際乘客出行心理是指整個出行過程中的心理活動。乘客的出行心理主要包括共性心理和個性心理兩方面[9]，圖2是這兩方面的主要內容。

圖2 城際乘客出行選擇的心理Fig.2 The travel choice psychology of intercity passengers

2 鄭焦城際公交乘客出行特征的調查與分析

2.1 鄭焦城際公交發(fā)展歷程及趨勢分析

2010年1月2日，鄭焦城際公交雙向開通，開通后運營狀況良好，每天乘坐城際公交的人數約為準載人數的2～3倍，大家稱其為“城擠公交”。然而，2015年6月26日鄭焦城鐵的開通給鄭焦城際公交帶來巨大沖擊，鄭焦城際公交客流量遠不如從前。鄭焦城際公交積極調整自己的運營策略來吸引客流，比如：

(1)保持在票價和發(fā)車密度上的優(yōu)勢；

(2)推出個性化服務，如預約包車、預約旅游班車等特殊服務。

通過一些調整，鄭焦城際公交客流量有所回升，但仍比之前有較大下降。若鄭焦城際公交在接下來的時間里安于現狀，不能推出積極有效的激勵措施，客流量走勢將不容樂觀。因此，本文將首先對鄭焦城際公交乘客的出行行為進行調查分析，得到乘客的出行特征及需求意向，然后在此基礎上為客流預測尋求科學的方法，為鄭焦城際公交的組織優(yōu)化提供參考依據。

2.2 鄭焦城際公交乘客的出行調查

本次調查采用簡單隨機抽樣法，在車站以及跟車發(fā)放回收問卷，調查時間為2016年4月15日、17日、18日和20日4天。

由公式：N=Z2σ2/E2[10]計算得到合適的樣本量為474份，本次調查共發(fā)放問卷550份，回收541份，經過分析判斷，得到有效樣本486份，大于474，樣本量充足。

2.3 鄭焦城際公交乘客的出行特征

2.3.1 出行信息特征

通過表1，對乘客的性別、年齡、職業(yè)及月收入進行分析，發(fā)現出行群體的男女比例較平均，以中青年、中低收入為主，職業(yè)主要為學生、工人農民、個體和企業(yè)人員。由圖3發(fā)現出行目的多元化，主要為探親、上學、旅行和公務。由表2發(fā)現多次出行占的比重較大，?？捅容^多。

表1 乘客特征統(tǒng)計表Table 1 Statistical table of passenger characteristics

圖3 出行目的統(tǒng)計圖Fig.3 Statistical figure of travel purpose

表2 不同出行次數百分比Table 2 Percentage of different travel times

2.3.2 時空分布特征

對乘客的乘車時段進行分析(圖4)，發(fā)現鄭焦城際公交早晚高峰明顯，早高峰為8:00—10:00左右，晚高峰為14:00—16:00左右；跟車調查時發(fā)現焦作客運總站、武陟、詹店、三全學院、黃河橋北到鄭州新北站的時間大概為130、70、45、30、25 min。結合表3可知鄭焦城際公交的主要上下車站點為焦作客運總站、武陟、詹店、三全學院、黃河橋北和鄭州新北站。

圖4 乘車時段統(tǒng)計圖Fig.4 Statistics of travel time interval

表3 不同乘車時間百分比Table 3 Percentage of different journey time

2.3.3 褒貶特征

由表4發(fā)現，乘客對鄭焦城際公交滿意的地方主要為乘車及換乘方便、可以直達以及票價便宜。由圖5發(fā)現其不滿意的地方為乘車時間長、準時性不好、乘車環(huán)境及候車環(huán)境差以及服務及舒適度不夠好。

表4 不同出行因素百分比Table 4 Percentage of different travel factors

圖5 需要改善的地方統(tǒng)計圖Fig.5 Statistics of aspects needed improvement

3 鄭焦城際公交客流預測

3.1 鄭焦城際公交客流預測方法的確定

鄭焦城際公交屬于兩地出行，獲取數據不易，此外，鄭焦城際公交沒有固定站點，乘客可以隨到隨乘，客票信息不完善，因此鄭焦城際公交客流預測方法的選取具有局限性。各類客流預測方法優(yōu)缺點比較如表5所示。

表5 鄭焦城際公交客流預測方法總結Table 5 Summary of the prediction method for the passenger flow of Zhengzhou-Jiaozuo intercity bus

對比發(fā)現，灰色模型的限制條件少，通用性強，容易模仿，預測精度高[11]。此外，雖然灰色模型樣本需求量較大，但數據簡單，容易獲取，并且適用于短期及中長期的預測，因此選用灰色模型對鄭焦城際公交客流量進行預測。

3.2 鄭焦城際公交客流的建模及預測

3.2.1 灰色模型的建立

(Ⅰ)設變量的原始數據序列如下[12]：

x(0)(k)=[x(0)(1),x(0)(2),…,x(0)(n)]，

(1)

其中，x(0)(i)>0,i=1,2,3,…,n。

對原始數據序列作一階累加生成，得到x(0)(k)的1-AGO序列x(1)(k)如下：

x(1)(k)=[x(1)(1),x(1)(2),…,x(1)(n)]，

(2)

(3)

設z(1)(k)是x(1)(k)的緊鄰均值生成序列如下：

z(1)(k)=[z(1)(1),z(1)(2),…,z(1)(n)]，

(4)

(5)

(Ⅱ)將數據帶入微分方程中，寫成矩陣形式，可得：

微分方程為：x(0)(k)+az(1)(k)=b。

矩陣形式為：

Y=Hθ，

(6)

在方程中，Y和H為已知量，θ為未知量，可用最小二乘法求得θ的最小二乘解：

(7)

(Ⅲ)由x(1)建立的微分方程如下：

(8)

其解為：

(9)

(Ⅳ)GM(1,1)模型x(0)(k)+az(1)(k)=b的解為：

(10)

(Ⅴ)還原值為[13]：

(11)

3.2.2 原始數據的選取及預測

GM(1,1)模型對建模數據序列的光滑性要求較高，原始數據序列光滑性較好時，能獲得較好的擬合精度與預測精度。選取原始數據列時，數據個數不少于4個才具有可延伸性，當數據列短且數據波動較小時，對于中長期的預測效果不佳[14]。結合鄭焦城際公交的發(fā)展現狀，選取2015年10月至2016年4月鄭焦城際公交7個月的月客流量數據，如表6所示。

表6 鄭焦城際公交原始客流量數據表Table 6 Original data table of Zhengzhou-Jiaozuo intercity bus pussenger flow

表7 客流預測數據表Table 7 Data table of passenger flow forecasting

3.3 鄭焦城際公交組織優(yōu)化策略

通過對鄭焦城際公交乘客的調查，分析統(tǒng)計數據可以得到?？偷闹饕舷萝囌军c，以及?？偷男枨笠庀?，由此提出組織優(yōu)化策略吸引客流，提高鄭焦城際公交的運營效益。

3.3.1 鄭焦城際公交乘客出行意向分析

3.3.1.1 出行次數和乘車時間對應分析

由于鄭焦城際公交隨到隨乘，固定站點之外也有乘客乘車，因此以固定站點劃分乘車時間，用乘車時間代替站點位置。對應分析結果如表8及圖6所示?？梢钥闯隹ǚ街?5.713、P<0.05，因此出行次數與乘車時間有明顯相關關系。3次以下的偶然乘客與乘車時間相關性不大，站點不定；出行次數在15次以上的?？?，他們的站點集中在詹店到鄭州之間。

表8 統(tǒng)計量匯總表Table 8 Summary table of statistics

★表示出行次數，★1為小于3次，★2為3～5次，★3為5～7次，★4為7～10次，★5為10～15次，★6為大于15次?！鸨硎境塑嚂r間(min), ○1為小于30 min,○2為30～60 min,○3為60～90 min,○4為90～120 min, ○5為120～140 min,○6為大于140 min。圖6 出行次數和乘車時間對應分析圖Fig.6 Chart of correspondence analysis between travel times and time of travel

3.3.1.2 出行次數和需要改善的地方交叉分析

由表9看出，偶爾乘坐城際公交的乘客最不滿意的地方為速度、服務及舒適度；而經常乘坐城際公交的乘客最不滿意的是速度與準時性。因此鄭焦城際公交必須采取措施提高速度減少乘車時間，其次要提高服務及舒適度來吸引新的客流，按點發(fā)車來減少?？偷牧魇?。

表9 出行次數和需要改善的地方交叉分析表Table 9 Table of cross analysis between travel times and aspects needed improvement

3.3.2 組織優(yōu)化策略

通過對鄭焦城際公交?？偷恼{查分析，現提出優(yōu)化策略如下。

(1)減少乘車時間

根據常客的上下車站點分布情況，在附近設置直達車。跟車時發(fā)現，從焦作到武陟基本沒有上下車乘客，而走普通路線時，這段路需要一個小時，因此可以將運行車輛分成焦作到鄭州走高速以及武陟到鄭州走普線兩種，這樣既載運了主要站點的乘客也減少了乘車時間。

(2)改善乘車及候車環(huán)境

當客流量不多時，可以減少車內的部分座椅來增加乘車空間；定期清洗車內座椅套，保持乘車環(huán)境干凈整潔；注意車內通風換氣保持車內空氣清新；定期對城際公交車做養(yǎng)護維修或者選擇性能較好的車來減少震動，提高坐車舒適性。此外，也應該在較集中的候車點搭建候車棚，擺放候車椅，提高候車設施建設來給乘客提供一個輕松舒適的候車環(huán)境。

(3)提高服務及舒適度

工作人員也要改善服務態(tài)度，對上下車乘客多些耐心。對前來詢問的乘客做到有問必答、態(tài)度友善等。積極改善乘車環(huán)境來提高乘車的舒適度。

(4)提高準時性

由于工作日期間鄭焦城際公交的需求量不是很大，滿載率較低，如果按時發(fā)車可能導致經濟效益較差。因此，鄭焦城際公交可以改換小型公交車或者聯(lián)合面包商務車，在需求量小時，采用這兩種車型，務必做到準時發(fā)車。此外，鄭焦城際公交也可以在此基礎上將發(fā)車間隔稍微增大，但是也必須做到準時發(fā)車，讓乘客清楚知道發(fā)車時間及到達時間。

(5)做好新措施的宣傳工作

當鄭焦城際公交推出新措施時，必須做好宣傳工作，讓乘客清楚知道鄭焦城際公交做出的變化，只有這樣，新的措施才會奏效，才會吸引更多客流，使客流量快速增長。

4 結論

本文在對鄭焦城際公交乘客出行特征及意向進行統(tǒng)計分析的基礎上，運用灰色模型對其客流進行預測，得到的精度為96.02%，較好地滿足了精度要求。該研究對把握鄭焦城際公交基于現狀的以及改善后的客流走勢提供了有效手段，也對判斷鄭焦城際公交決策的正確性提供了理論支持。

本文主要運用灰色模型對鄭焦城際公交客流進行短期預測，得到較為理想的結果，較好地反映了鄭焦城鐵的開通對鄭焦城際公交運營的短期影響。今后可進一步對中長預測模型進行分析研究，來探索鄭焦城際公交客流的未來走勢。

[1]毛敏,張錦,周厚文. 廣州至珠海城際快速軌道交通客流預測[J]. 西南交通大學學報,2004,39(2):195-198.

[2]王慧晶,曹堯謙. 城市群城際軌道客流預測方法研究[J]. 鐵道科學與工程學報,2015,12(6):1520-1525.

[3]馮冰玉. 基于灰色理論與智能算法的鐵路客運量預測組合模型研究[D]. 蘭州：蘭州交通大學,2016.

[4]付戰(zhàn)軍. 城際公交線網布設研究[D]. 天津：天津大學,2014.

[5]唐彬,寧振華,李強,等. 城際公交效果評估及運營機制研究[J]. 交通節(jié)能與環(huán)保,2014 (5):80-83.

[6]喬錦錦. 京津冀城際公交一體化發(fā)展研究[J]. 中國管理信息化,2016,19(14):216.

[7]陳馥利. 城市群城際間居民出行行為特征研究[D]. 西安：長安大學, 2010.

[8]DOMENCICH T A,McFADDEN D. Urban travel demand: A behavioral analysis.[M].[S.l.]:North-Holland Publishing Co., 1975.

[9]魏薇. 基于城際旅客出行行為的客流敏感性分析[D]. 西安：長安大學, 2015.

[10]李建. 基于京津城際客運專線乘客二次選擇的滿意度調查分析[D]. 北京：清華大學, 2014.

[11]帥斌, 張玥, 張永超. 我國市郊鐵路客流特征分析及需求預測[J]. 鐵道工程學報, 2014, 31(1):20-23.

[12]李凱. 灰色預測模型及其應用[D]. 荊州：長江大學, 2012.

[13]LI L, ZHAO Q H. Application of grey model in forecasting the port of Qinhuangdao'sthroughput[EB/OL].[2017-03-04].https://www.computer.org/csdl/proceedings/ssme/2009/3729/00/3729a057-abs.html.

[14]王忠桃. 灰色預測模型相關技術研究[D]. 成都：西南交通大學, 2008.