徐州公共交通有限責(zé)任公司 沈 靜 姚 萍

客流量是公交系統(tǒng)制定行車作業(yè)計劃和規(guī)劃線路的重要依據(jù)。對于客流量的統(tǒng)計，公交企業(yè)傳統(tǒng)的做法是進行客流調(diào)查，即把調(diào)查人員在調(diào)查的時間段內(nèi)分布在相應(yīng)的站點上，利用查數(shù)和目測的方式進行記錄，記錄匯總后進行分析。這樣做的弊端在于準確性差，時間不連續(xù)，無法做到經(jīng)常性和系統(tǒng)性的調(diào)查。

公交企業(yè)已陸續(xù)從傳統(tǒng)調(diào)度模式過渡到智能調(diào)度模式，智能調(diào)度系統(tǒng)借助于GPS定位技術(shù)、3G通信技術(shù)、GIS地理信息系統(tǒng)技術(shù)，可詳細記錄車輛在行駛過程中的數(shù)據(jù)并根據(jù)管理需要生成相應(yīng)報表。例如根據(jù)線路站點的經(jīng)緯度坐標，智能調(diào)度系統(tǒng)的車輛到離站信息采集記錄了車輛駛?cè)胝军c和駛出站點的時間點（以秒為單位記錄）。

乘客刷卡記錄（其中包括移動支付），是公交IC卡收單管理系統(tǒng)記錄的乘車數(shù)據(jù)，具體刷卡記錄時間也以秒為單位，每日統(tǒng)計匯總運量和收入。

智能調(diào)度系統(tǒng)采集數(shù)據(jù)真實準確，其中根據(jù)數(shù)據(jù)生成的車輛到離站信息以秒為采集單位，和刷卡記錄時間單位一致。車輛到離站信息采集信息中站點信息經(jīng)緯度為坐標標識，彌補了刷卡記錄信息只記錄刷卡時間沒有刷卡地點的不足，從而使通過智能調(diào)度系統(tǒng)生成數(shù)據(jù)結(jié)合乘客刷卡記錄來分析統(tǒng)計站點的乘車人數(shù)和構(gòu)成成為可能。

本文以徐州公共交通有限公司新區(qū)分公司11路附線為例，收集相關(guān)數(shù)據(jù)，探討如何利用Excel函數(shù)功能統(tǒng)計和分析客流量。

1 參數(shù)收集

徐州公交11路附線上下行全程31.9km（下行15.6km，上行16.3km），上下行各22個站點，首站銅山新區(qū)總站，末站徐州站，固定配車數(shù)24輛。途經(jīng)工業(yè)區(qū)、成熟小區(qū)、菜市場、江蘇師范大學(xué)、中國礦業(yè)大學(xué)老校區(qū)和重點中小學(xué)、三級甲等醫(yī)院、市中心繁華商業(yè)圈直至徐州火車站。線路長，客流大，且乘客構(gòu)成復(fù)雜，服務(wù)時間長，包含夜班。首班6∶10，末班22∶10，道路狀況復(fù)雜。11路附線站點情況詳見表1。

表1 11路附線站點

（1）車輛到離站信息。車輛到離站信息是智能調(diào)度系統(tǒng)使用后新生成的信息，詳細記載了每輛車每個營運車次、進場出場、進站出站的詳細時間點，借助GPS定位技術(shù)、3G通信技術(shù)，記錄時間單位為秒。因記錄詳細，數(shù)據(jù)龐大，實際使用中，在尋人尋物領(lǐng)域發(fā)揮了重要的作用，能根據(jù)篩選條件迅速縮小查找范圍，條件越精確，范圍鎖定目標越小，節(jié)省了大量的查找時間和人力物力。

在優(yōu)化行車計劃編制過程中，車輛到離站信息把每個車次周轉(zhuǎn)時間以站點為劃分基礎(chǔ)，以到達站點時間和駛出站點時間為節(jié)點把周轉(zhuǎn)時間劃分若干段。以11路附線下行為例，下行場站是銅山新區(qū)總站，出場時間點記為A，到達首站銅山新區(qū)總站時間點為B，駛離銅山新區(qū)總站時間點為C，到達居樂園站時間為D，駛離居樂園時間為E，以此類推直至終點站徐州站。其中圓圈代表場和站的坐標范圍。從銅山新區(qū)總站發(fā)車，到駛離居樂園的時間劃分A-B、B-C、C-D、D-E四段，如圖1所示。若以站點劃分，其中B-D的時間段內(nèi)乘客所刷卡記錄可以記錄為銅山新區(qū)總站上車的乘客，為分析客流規(guī)律提供依據(jù)。

圖1 從總站到達居樂園的時間劃分

（2）乘客刷卡記錄（含移動支付）。收集乘客刷卡記錄的目的是為了粗估高峰和平峰的客流量，刷卡的乘客一般有穩(wěn)定出行需求，相對客流的變化有很強代表性。根據(jù)徐州無人售票線路的運量統(tǒng)計，刷卡運量占總運量的70%左右。

刷卡記錄數(shù)據(jù)來自IC卡數(shù)據(jù)統(tǒng)計匯總部門。刷卡記錄包括日期、線路、車輛、刷卡時間、卡號、金額，其中一條記錄代表一人次。

數(shù)據(jù)分析主要是利用Excel的函數(shù)功能，把相

2 數(shù)據(jù)分析

關(guān)數(shù)據(jù)潛在聯(lián)系找出來，根據(jù)時間的排列組合來分析各時間段的客流變化趨勢。

本文采用的是2018年3月份11路附線刷卡記錄（表2）。

表2 乘客刷卡記錄

根據(jù)分析需求，保留乘客刷卡記錄的必要因素：刷卡時間、卡類型、刷卡線路、車輛編號等。添加部分因素：天氣、星期等。

利用數(shù)據(jù)透視表的功能，進行排列組合，得到想要分析的結(jié)果。

（1）根據(jù)（月平均）星期的因素統(tǒng)計客流變化匯總后的客流數(shù)據(jù)：星期日33754人次；星期一31361人次；星期二34403人次；星期三34210人次；星期四41947人次；星期五46081人次；星期六46752人次。月總計268508人次。

圖2 月均客流星期柱形圖

從月均客流星期柱形圖（圖2）中可看出，客流集中在周五，周六。這只是一個月的數(shù)據(jù)，若把數(shù)據(jù)放大到一個季度，一年，則可作為分析客流變化的依據(jù)。

因為刷卡要素全面，可以根據(jù)分析需求進行排列組合，得到優(yōu)化行車作業(yè)計劃等目的分析結(jié)果。

例如，刷卡構(gòu)成主要是成人、學(xué)生、老年人。殘疾人持有的愛心卡坐車，因數(shù)量少，所占比小，可以忽略，或者統(tǒng)計時不包括在內(nèi)。刷卡構(gòu)成見表3。

表3 月均星期刷卡構(gòu)成表

圖3 月均星期刷卡各卡走勢圖

從圖3中可以看出，成人卡的刷卡趨勢和星期刷卡走勢趨同，老年卡刷卡次數(shù)基本不受工作日影響。

（2）按照小時劃分每個時間段的刷卡量見表4。

從圖4中可看到，早7時進入客流高峰狀態(tài)，下午16時、17時處于最高峰，晚20時有一波小高峰。像這樣分析結(jié)果對于制定行車作業(yè)計劃有著重要的作用。

（3）根據(jù)天氣原因分析客流變化，同樣利用數(shù)據(jù)透視表的功能，得到的數(shù)據(jù)見表5。

表4 各時間段刷卡量統(tǒng)計

圖4 3月份分時刷卡次數(shù)統(tǒng)計圖

表5 不同天氣刷卡統(tǒng)計

圖5 天氣影響平均刷卡人次

從圖5可以看出天氣對客流的影響，中雨天氣的客流明顯低于晴天的客流。對于公交企業(yè)在組織生產(chǎn)營運過程中，制定行車作業(yè)計劃具有一定的指導(dǎo)意義。

因客流量影響因素較多，通過以上簡單的排列組合分析可以得到不同因素作為分析原因的結(jié)果。不僅是以上3種可能，像具體區(qū)分各時間段的刷卡構(gòu)成，高峰時間段的刷卡構(gòu)成等也可作為影響因素進行分析。

3 結(jié)合智能調(diào)度系統(tǒng)分析

乘客刷卡記錄記載了乘客刷卡的時間點，但是無法具體區(qū)分乘客刷卡上車的站點，我們通過刷卡記錄加上一些客觀的因素，按照不同的因素分析只能得到刷卡的次數(shù)和構(gòu)成。結(jié)合調(diào)度系統(tǒng)記錄的車輛到離站信息，可以具體分析到站點的刷卡次數(shù)，對于調(diào)整線路站點，開辟大站快車線路都有著積極的意義。表6為車輛到離站信息表。

表6 車輛到離站信息表

從表6中可以看出，車輛的進站時間和駛出站點時間單位是秒，和乘客刷卡時間一致。理論上前一站的進站時間到下一站的進站時間這個時間段的刷卡次數(shù)應(yīng)記錄為前一站的刷卡次數(shù)。根據(jù)此條件，利用多條件統(tǒng)計函數(shù)countifs，可以匯總各站點上下行的刷卡次數(shù)。統(tǒng)計匯總見表7。

表7 各站點上下行刷卡次數(shù)匯總

（1）上行各站點刷卡人次匯總?cè)鐖D6所示。

（2）下行各站點刷卡人次匯總?cè)鐖D7所示。

從圖中可以直觀看出上下行各站點乘車人數(shù)的差異，也可以看出上下站點的乘車人數(shù)并不是相對稱的，這對大站快車站點的設(shè)置有著指導(dǎo)意義。

（3）各站點時間段乘車人數(shù)的統(tǒng)計。根據(jù)時間段來劃分各站點的乘車人數(shù)，表8是上行方向風(fēng)華南苑站的各時間段乘車人數(shù)匯總。

也可以根據(jù)分析需求進行排列組合匯總刷卡次數(shù)或刷卡構(gòu)成。

從統(tǒng)計的次數(shù)為267459人次（上下行合計）與刷卡匯總?cè)舜?68508人次存在1049人次的出入，這是因為硬件設(shè)備損壞沒及時更換或GPS因通訊或信號等原因定位不準確而造成，占總刷卡人次0.39%，影響不明顯。

表8 上行方向風(fēng)華南苑站的各時間段乘車人數(shù)匯總

4 結(jié)語

圖6 上行站點乘客刷卡匯總

以上方法是利用智能調(diào)度系統(tǒng)采集的數(shù)據(jù)結(jié)合乘客刷卡記錄來簡單的分析客流的構(gòu)成，和各站點時間段的客流統(tǒng)計等，可以看做人工統(tǒng)計客流量到安裝客流分析儀之間統(tǒng)計客流量的過渡。因無法統(tǒng)計各站點的零票收入，不能全部覆蓋，仍具有一定的局限性。

圖7 下行站點乘客刷卡匯總

無論是乘客刷卡記錄還是車輛到離站信息的采集，其數(shù)量巨大，且分析時間跨度較長，有季度分析、年度分析等，因此利用Excel函數(shù)分析還存在一定的局限性，期待可以利用數(shù)據(jù)庫直接輸入?yún)?shù)，得到分析結(jié)果會更便捷。