李淑慶，劉耀鴻，邱豪基

(重慶交通大學(xué) 交通運(yùn)輸學(xué)院，重慶 400074)

0 引 言

通勤出行是城市交通的主體，通勤出行特征是城市交通規(guī)劃和交通設(shè)施配置的重要依據(jù)。與傳統(tǒng)的調(diào)查問卷方法相比，利用大數(shù)據(jù)技術(shù)更能全面、真實(shí)、準(zhǔn)確分析通勤出行特征，獲取通勤客流規(guī)律?；诠籌C卡與GPS數(shù)據(jù)，深入剖析公交通勤乘客的出行特征，不僅能為城市公交系統(tǒng)規(guī)劃與優(yōu)化、定制公交線路與站點(diǎn)的設(shè)置提供基礎(chǔ)數(shù)據(jù)，也能為科學(xué)引導(dǎo)通勤客流使用公交系統(tǒng)出行、進(jìn)行線路優(yōu)化與運(yùn)營(yíng)管理、緩解城市交通擁堵提供數(shù)據(jù)支撐。

國(guó)內(nèi)外學(xué)者基于IC卡與GPS數(shù)據(jù)對(duì)公交通勤出行特征研究已取得一定的成果。S.FOELL等[1]分析了葡萄牙里斯本公共交通系統(tǒng)中乘客刷卡的時(shí)空分布特征和個(gè)別公交車的使用情況。LI Guangxia等[2]分析了新加坡兩票制公交系統(tǒng)IC卡數(shù)據(jù)，通過時(shí)空聚類法篩選上下車頻率靠前的公交站點(diǎn)，利用頻譜分析與啟發(fā)式方法判斷乘客的居住點(diǎn)。;王月玥[3]提出了公交通勤出行鏈提取的“四階段”法，即出行鏈結(jié)構(gòu)提取、通勤出行行為判別、出行階段起訖點(diǎn)時(shí)空信息匹配、出行階段行程距離和時(shí)間匹配，以北京市為例，分析了公交通勤出行特征;李瑩[4]利用公交IC卡和GPS數(shù)據(jù)對(duì)公交出行乘客進(jìn)行分類，并就各類乘客在時(shí)空、換乘等方面的出行特征進(jìn)行分析;羅霞等[5]基于AVL和IC卡數(shù)據(jù)，利用乘車頻次統(tǒng)計(jì)法和空間聚類法推導(dǎo)了通勤OD，并對(duì)通勤乘客進(jìn)行了分析;文婧等[6]在千余份調(diào)查問卷的基礎(chǔ)上，對(duì)北京市4個(gè)不同就業(yè)空間結(jié)構(gòu)樣本進(jìn)行了不同的通勤距離、時(shí)間、效率特征比較，推導(dǎo)出通勤特征的內(nèi)在規(guī)律;梁泉等[7]基于個(gè)體出行圖譜構(gòu)建，提取了出行天數(shù)、出行次數(shù)、OD分類數(shù)、出行往返性、集中出發(fā)時(shí)間、路徑唯一性與出行空間均衡性7個(gè)指標(biāo);曹晨等[8]基于調(diào)查問卷構(gòu)建結(jié)構(gòu)方程模型，分析就業(yè)者通勤距離、通勤時(shí)間及通勤模式三者的關(guān)系及其對(duì)心理健康、身體健康以及健康行為的影響;翁小雄等[9]建立了機(jī)器學(xué)習(xí)算法通勤識(shí)別模型，制定調(diào)查問卷獲取訓(xùn)練數(shù)據(jù)，利用GBDT算法訓(xùn)練分類模型，完成通勤識(shí)別。

目前國(guó)內(nèi)外基于IC卡與GPS數(shù)據(jù)，對(duì)公交通勤出行特征主要針對(duì)“車”進(jìn)行的碎片化研究，而將乘客“人”作為研究對(duì)象，對(duì)公交出行鏈特征、區(qū)間客流不均衡特征、職住平衡水平及線路黏性等的出行特征研究較少，提取的特征參數(shù)不完整。因此，筆者基于公交IC卡與GPS數(shù)據(jù)，從“人”的視角，分析研究較完整的通勤特征參數(shù)提取方法。

1 公交IC卡與GPS數(shù)據(jù)預(yù)處理

目前城市公共交通系統(tǒng)一般能收集IC卡數(shù)據(jù)與GPS數(shù)據(jù)。由于數(shù)據(jù)采集設(shè)備的不穩(wěn)定性及周圍環(huán)境的復(fù)雜性影響，所收集到的數(shù)據(jù)存在著異常數(shù)據(jù)、數(shù)據(jù)丟失、數(shù)據(jù)重復(fù)等問題。因此，在進(jìn)行數(shù)據(jù)融合和應(yīng)用之前，需要進(jìn)行數(shù)據(jù)預(yù)處理。

數(shù)據(jù)異常是指數(shù)據(jù)中某些屬性值明顯超出正常范圍或者數(shù)據(jù)中存在某些格式不正確的屬性值。如IC卡數(shù)據(jù)中的刷卡時(shí)間超出了公交運(yùn)營(yíng)時(shí)間或者刷卡時(shí)間出現(xiàn)亂碼。一般這類數(shù)據(jù)量較少，可直接將其刪除。

數(shù)據(jù)丟失是指數(shù)據(jù)采集或保存的失敗造成的數(shù)據(jù)丟失現(xiàn)象，這類字段的缺失影響后續(xù)的分析過程。如GPS數(shù)據(jù)中的公交車速數(shù)據(jù)丟失，公交車GPS數(shù)據(jù)每條信息的時(shí)間間隔一般為10 s，可以近似地將公交運(yùn)行看作勻變速運(yùn)動(dòng)，采用時(shí)間序列插值補(bǔ)缺。其他特征可采用均值插值補(bǔ)缺。

數(shù)據(jù)重復(fù)是指數(shù)據(jù)中某條字段重復(fù)出行的現(xiàn)象。如在公交IC卡數(shù)據(jù)中，出現(xiàn)極短時(shí)間內(nèi)，甚至一分鐘內(nèi)，同一卡號(hào)多次刷卡的現(xiàn)象，則僅保留第1條數(shù)據(jù)，其他則剔除。

公交IC卡與GPS數(shù)據(jù)預(yù)處理具體過程可參考文獻(xiàn)[10-11]。

2 公交通勤出行鏈構(gòu)建

公交通勤出行鏈(public transport trip chain)是指通勤出行者乘坐公交從出行起點(diǎn)到達(dá)終點(diǎn)的一個(gè)完整的過程。該出行過程由若干個(gè)出行階段構(gòu)成，每一出行階段代表出行者使用一次公共交通工具[3]。

公交IC卡數(shù)據(jù)記錄了乘客上車刷卡信息和乘坐車輛信息，但不能記錄出行位置信息。目前大多數(shù)城市的公交系統(tǒng)采用 “一票制”收費(fèi)方式，乘客只在上車時(shí)刷卡，下車不刷卡，因此無法獲取乘客的下車信息。參考文獻(xiàn)[3,9]，基于公交IC卡與GPS數(shù)據(jù)的預(yù)處理結(jié)果，利用GPS數(shù)據(jù)推算出公交車輛的到站時(shí)間、上車站點(diǎn)匹配、下車站點(diǎn)匹配和換乘站點(diǎn)位置；應(yīng)用通勤出行行為判別法識(shí)別出通勤乘客，完成公交通勤出行鏈的構(gòu)建，構(gòu)建流程如圖1。

圖1 公交通勤出行鏈構(gòu)建流程Fig. 1 Construction flow chart of bus commuting travel chain

3 公交通勤特征提取分析

從公交出行鏈特征、區(qū)間客流不均衡系數(shù)、職住平衡水平與線路黏性系數(shù)4個(gè)維度分析計(jì)算公交通勤特征參數(shù)。

3.1 公交出行鏈特征

公交出行鏈特征主要包括出行鏈階段數(shù)、出行鏈個(gè)數(shù)和出行鏈換乘次數(shù)。

3.1.1 公交出行鏈階段數(shù)

公交出行鏈階段數(shù)指一天各閉合出行鏈中乘坐公交的階段數(shù)之和，單位為個(gè)/日，即乘客從居住地出發(fā)，下班后最終回到居住地，乘坐公交出行的階段總個(gè)數(shù)。出行鏈階段數(shù)一定程度反映通勤者在工作日中是否存在除通勤之外的其他活動(dòng)，反映通勤者的生活多樣化。

3.1.2 公交出行鏈個(gè)數(shù)

公交出行鏈個(gè)數(shù)指通勤者在當(dāng)天活動(dòng)中存在的完整出行鏈個(gè)數(shù)，單位為個(gè)/日。通勤者從居住地出發(fā)到就職地上班后，一般情況是下班后再回到居住地，即只有一條閉合出行鏈，若通勤者的出行鏈次數(shù)大于1，則該通勤者的居住地可能與就職地較近，有兩次及以上的返家現(xiàn)象。

3.1.3 公交出行鏈換乘次數(shù)

公交出行換乘次數(shù)是指一次閉合公交出行鏈中所有出行階段產(chǎn)生的換乘次數(shù)的總和，單位為次/個(gè)。 換乘次數(shù)的大小一定程度上反映了公交出行者乘車出行的直達(dá)性。

3.2 區(qū)間客流不均衡系數(shù)

參考文獻(xiàn)[12]，定義線路長(zhǎng)度超過15 km的線路為長(zhǎng)線公交，不足15 km的線路為常規(guī)線公交。

不同時(shí)段或路段的公交客流量大小通常有明顯的差異，即客流不均勻性。

假設(shè)一條公交線路在某行駛方向上共有n個(gè)站點(diǎn)，則該線路在該行駛方向上共有n-1個(gè)運(yùn)行區(qū)間。若在該行駛方向上共有m個(gè)班次，途徑n-1個(gè)運(yùn)行區(qū)間，定義所有運(yùn)行區(qū)間實(shí)際載客量矩陣P為：

(1)

式中：Pij為在第i[1,m]班次公交車輛在第j[1,n-1]個(gè)運(yùn)行區(qū)間中的實(shí)際載客量，計(jì)算公式為：

(2)

式中：Uk和Dk分別為第i班次公交車輛在k[1,n]站點(diǎn)上車人數(shù)和下車人數(shù)。

區(qū)間客流不均衡系數(shù)L為當(dāng)天該線路全部區(qū)間實(shí)際載客量最大值與載客量均值的比值。該指標(biāo)反映線路在當(dāng)天的載客量穩(wěn)定程度，數(shù)值越大則說明該線路的客流在各區(qū)間上分布越不均衡，計(jì)算公式為：

(3)

3.3 職住平衡水平

隨著城市機(jī)動(dòng)化水平的不斷提高，城市職住分離現(xiàn)象越來越嚴(yán)重[13]。參考ZHOU Xingang[14]的測(cè)度職住平衡度方法，基于區(qū)域內(nèi)的居住人數(shù)、就業(yè)人數(shù)、外出通勤率、外來通勤率，用區(qū)域通勤規(guī)模和區(qū)域獨(dú)立系數(shù)指標(biāo)來衡量區(qū)域的職住平衡水平。

3.3.1 區(qū)域通勤規(guī)模

區(qū)域通勤規(guī)模CCIAB反映區(qū)域之間通勤聯(lián)系程度的大小，數(shù)值等于往返兩個(gè)區(qū)域之間的通勤人數(shù)之和，計(jì)算公式為：

CCIAB=QAB+QBA

(4)

式中：QAB為居住在A區(qū)而在B區(qū)就職的通勤人數(shù)；QBA為居住在B區(qū)而在A區(qū)就職的人數(shù)。

3.3.2 區(qū)域獨(dú)立系數(shù)

區(qū)域獨(dú)立系數(shù)RIA可量化該區(qū)域的通勤獨(dú)立程度，數(shù)值等于該區(qū)域的外來通勤率ECRA與外出通勤率OCRA之和的倒數(shù)，計(jì)算公式為：

(5)

(6)

(7)

式中：DA為在A區(qū)域就職的人數(shù)；OA為在A區(qū)域居住的就職人數(shù)；QAA為在A區(qū)域居住且就職的人數(shù)。

3.4 線路黏性系數(shù)

公交通勤乘客出行一般有多條公交線路可選擇，但往往會(huì)“偏好”某條線路[15]，筆者給出線路黏性系數(shù)來量化這種“偏好”程度，黏性系數(shù)大的乘客在通勤出行時(shí)傾向選擇同一條線路，而黏性系數(shù)小的乘客在通勤出行時(shí)的線路選擇往往更加多樣化。

利用生物學(xué)量化生態(tài)系統(tǒng)物種多樣性的辛普森多樣系數(shù)(diversity index)，來研究乘客選擇公交的多樣性。假設(shè)研究時(shí)間段內(nèi)共有p名通勤乘客，共選擇了q條不同線路，則所有乘客遍歷選擇公交線路的矩陣X為：

(8)

(9)

從式(9)可以看出，若乘客g只選擇一條公交線路，則DIg的值為0；若乘客g均勻地選擇乘坐q條線路(即：ng1=ng2=…=ngq)，則DIg的值為1-1/q。選擇的線路越多、選擇線路分布越均勻，則該值越大，反之亦然。

顯然，黏性系數(shù)是反應(yīng)乘客選擇公交線路的“偏好”性。一般說，乘客選擇公交線路多樣性越強(qiáng)，則黏性系數(shù)越小。當(dāng)乘客僅選擇一條公交線路時(shí)具有更高的黏性。然而，多樣性同時(shí)考慮了選擇線路的豐富度與均勻度，黏性與豐富度關(guān)系較弱。線路黏性系數(shù)SIg的定義如式(10)：

(10)

從式(10)可知，當(dāng)通勤者均勻地選擇所有可能線路時(shí)，SIg的值為0，代表沒有黏性。當(dāng)乘客只乘坐一條線路時(shí)，SIg的值為1，即SIg取值范圍為0

(11)

(12)

4 實(shí)例應(yīng)用分析

以重慶市主城區(qū)2019年1月21日至25日，連續(xù)5個(gè)工作日650條公交線路中的47條代表性線路的公交IC卡與GPS數(shù)據(jù)進(jìn)行通勤特征應(yīng)用分析。

4.1 出行鏈特征

對(duì)重慶市主城區(qū)連續(xù)5個(gè)工作日47條代表性線路的公交基礎(chǔ)數(shù)據(jù)進(jìn)行預(yù)處理，識(shí)別出261 284位通勤人員，構(gòu)建通勤出行鏈，得到了乘客的通勤出行鏈數(shù)據(jù)，包括卡號(hào)、線路號(hào)、上車站點(diǎn)、上車時(shí)間、下車站點(diǎn)、下車時(shí)間、換乘站點(diǎn)和換乘時(shí)間，如表1。

表1 乘客出行鏈數(shù)據(jù)表示例(部分)Table 1 Data table of passenger trip chain (partial)

對(duì)構(gòu)建的公交通勤出行鏈進(jìn)行分析，得到出行鏈階段數(shù)、出行鏈個(gè)數(shù)和出行鏈換乘次數(shù)如圖2～圖4。

圖4 通勤換乘次數(shù)分布Fig. 4 Distribution of commuting and transfering times

由圖2可知：大部分通勤者的出行鏈階段數(shù)為2，即只有居住地—工作地—居住地這種出行模式；而階段數(shù)為3的占比不足10%，這類人在工作之余還可以中午返回居住地。計(jì)算樣本整體的出行鏈階段數(shù)均值為2.06，表明該城市通勤者生活節(jié)奏快，基本上只在居住地與工作地之間往返。

圖2 通勤出行鏈階段數(shù)分布Fig. 2 Distribution of phases in commuter travel chain

由圖3可知：出行鏈個(gè)數(shù)為一次的通勤人群占比49.95%、個(gè)數(shù)為2的占比36.50%，這符合通勤者把一天的通勤安排在一次閉合出行的現(xiàn)實(shí)規(guī)律。

圖3 通勤出行鏈個(gè)數(shù)分布Fig. 3 Distribution of the number of commute travel chain

由圖4可知：早高峰通勤者一次換乘占15.5%，2次換乘占6.9%；晚高峰通勤者一次換乘占16.6%，2次換乘占4.2%；通勤出行中，早晚高峰中沒有換乘的比例分別為76.9%和78.6%?？傮w來看，早晚高峰中沒有換乘或僅有一次換乘占比為93.8%，表明多數(shù)公交通勤者出行換乘次數(shù)較少。

4.2 區(qū)間客流不均衡系數(shù)

在構(gòu)建的所有公交線路公交通勤出行鏈中隨機(jī)選取兩條常規(guī)線(線路長(zhǎng)度小于15 km)：475路和809路，3條長(zhǎng)線(線路長(zhǎng)度大于15 km)：872路、819路和319路。

根據(jù)式(2)，計(jì)算出5條線路在各區(qū)間的實(shí)際載客量總和，其中線路475和線路872的客流量分布情況如圖5、圖6。

③目標(biāo)的確立。從醫(yī)院未來發(fā)展考慮，從兩方面入手，一方面為院內(nèi)宣傳環(huán)境，另一方面為院外宣傳環(huán)境。樹立人人是標(biāo)桿人人要發(fā)聲的主人翁意識(shí)陣地意識(shí)。在標(biāo)識(shí)管理上，加強(qiáng)可視性物體醫(yī)院文化元素的植入應(yīng)用，打造溫馨、安全、方便、和諧的就醫(yī)環(huán)境。加強(qiáng)培訓(xùn)和管理，建立有效考核機(jī)制，增強(qiáng)主動(dòng)參與意識(shí)。與院外媒體積極溝通協(xié)調(diào)，加強(qiáng)主流媒體發(fā)聲，擴(kuò)大醫(yī)院正能量宣傳范圍和力度，了解輿情動(dòng)態(tài)，提高負(fù)面輿情的主動(dòng)處置能力和應(yīng)對(duì)水平。對(duì)全院的工作人員進(jìn)行引導(dǎo)，確保思想統(tǒng)一，從而為患者展現(xiàn)良好形象。

圖5 475路公交各區(qū)間客流分布Fig. 5 Passenger flow distribution of 475 bus in different sections

圖6 872路公交各區(qū)間客流分布Fig. 6 Passenger flow distribution of 872 bus in different sections

根據(jù)式(3)，計(jì)算出5條線路早晚高峰及兩個(gè)行駛方向的區(qū)間客流不均衡系數(shù)，如表2。

表2 5條線路的區(qū)間客流不均衡系數(shù)Table 2 Section passenger flow imbalance coefficient of 5 lines

由圖5、圖6和表2分析可得：兩條常規(guī)公交線路長(zhǎng)度和站點(diǎn)數(shù)量合適，站點(diǎn)客流量分布較為均衡；而3條長(zhǎng)線公交的線路較長(zhǎng)，站點(diǎn)數(shù)量多，分布為“單峰型”形態(tài)。

參考文獻(xiàn)[16]，大城市通勤線路的區(qū)間不均衡系數(shù)L取值一般應(yīng)低于1.5。分析表2可知，重慶市常規(guī)通勤線路滿足L值小于1.5，長(zhǎng)線公交則高于1.5。這說明山地城市重慶的長(zhǎng)線公交乘客需求較大，總體運(yùn)力不足，可采取增加發(fā)車頻次、增加定制公交等方式，保持線路各站點(diǎn)間運(yùn)力與運(yùn)量的平衡。

4.3 職住平衡水平

重慶市主城區(qū)由渝中區(qū)、沙坪壩區(qū)、九龍坡區(qū)、大渡口區(qū)、渝北區(qū)、江北區(qū)、南岸區(qū)、巴南區(qū)、北碚區(qū)組成，基于公交IC卡及GPS數(shù)據(jù)，分析各區(qū)的職住平衡水平。

筆者假定通勤者在一天中的最后一次出行鏈的下車站點(diǎn)為通勤者的居住地，第一次出行鏈的下車站點(diǎn)為通勤者的就職地。根據(jù)式(4)～式(7)，計(jì)算出各區(qū)的通勤規(guī)模與區(qū)域獨(dú)立系數(shù)如表3、表4。

表3 重慶市主城區(qū)不同城區(qū)的通勤規(guī)模Table 3 CCI values in different urban areas of Chongqing

表4 重慶市主城區(qū)不同城區(qū)的獨(dú)立系數(shù)Table 4 RI values in different urban areas of Chongqing

分析表3、表4得出：不論是核心城區(qū)還是外圍城區(qū)，在本地居住且就職的人數(shù)均大于外出到其他各區(qū)的就業(yè)人數(shù)，因此城區(qū)內(nèi)部的CCI指標(biāo)普遍大于城區(qū)外部的CCI值，這充分表明了重慶主團(tuán)城市布局的特性；其中，大渡口和巴南兩個(gè)城區(qū)的內(nèi)部通勤規(guī)模最大。

從就業(yè)和居住方面來看，重慶市主城各區(qū)居住與就業(yè)近一半通勤者均在同一城區(qū)。外圍城區(qū)的平均外出通勤率和外來通勤率分別為51.23%和51.15%。核心城區(qū)的平均外出通勤率和外來通勤率分別為42.11%和55.30%。居住在核心城區(qū)通勤者約58%是在本城區(qū)就業(yè)，僅有42%的通勤者外出就業(yè)，因此核心城區(qū)的獨(dú)立系數(shù)普遍比外圍城區(qū)更大。

4.4 線路黏性系數(shù)

根據(jù)式(9)～式(12)，計(jì)算出通勤人群中的線路黏性系數(shù)(SI)及其均值、標(biāo)準(zhǔn)差，如圖7、表5。

圖7 黏性系數(shù)頻率分布Fig. 7 Frequency distribution of viscosity coefficient

表5 線路黏性系數(shù)總體情況Table 5 General situation of line viscosity coefficient

由圖7和表5可知：黏性系數(shù)頻率分布圖整體呈現(xiàn)左偏趨勢(shì)，總體樣本的SI均值與標(biāo)準(zhǔn)差分別為0.385 2和0.203 1，線路黏性系數(shù)為0.5以下的占73.9%，0.5以上的占26.1%，說明有26.1%的通勤者在選擇通勤線路時(shí)具有較強(qiáng)黏性，而73.9%的通勤者在選擇通勤線路時(shí)沒有特別“依賴”某條線路。

由于公交線路的多樣性，通勤者在等待公交時(shí)，會(huì)優(yōu)先選擇先到達(dá)公交站點(diǎn)的公交線路；地面公交不同于地鐵輕軌，通勤者選擇地鐵軌道的線路相較公交線路固定單一，而公交線路比較豐富多樣，使得通勤者出行時(shí)選擇的線路具有多樣化、均等化。

5 結(jié) 論

基于公交IC卡與GPS數(shù)據(jù)對(duì)通勤乘客的出行特征進(jìn)行研究，創(chuàng)新性提出了較完整反映公交通勤客流特征4個(gè)維度指標(biāo)參數(shù)，包括公交出行鏈特征、區(qū)間客流不均衡系數(shù)、職住平衡水平及線路黏性系數(shù)的計(jì)算方法。以重慶市主城區(qū)連續(xù)5個(gè)工作日47條典型公交線路的公交IC卡及GPS數(shù)據(jù)為實(shí)例，進(jìn)行重慶市主城區(qū)通勤出行特征分析，主要結(jié)論為：

1)大部分通勤者的出行鏈階段數(shù)為“2”；出行鏈個(gè)數(shù)為“1”的通勤人群占比49.95%，為“2”的占比36.50%；多數(shù)公交通勤者出行換乘次數(shù)較少。

2)常規(guī)線路的區(qū)間客流不均衡系數(shù)滿足小于1.5的特性；但長(zhǎng)線公交不滿足這一特性，這反映了重慶主城區(qū)公交長(zhǎng)距離出行需求較大的山地城市交通特征。

3)本地居住且就職的人數(shù)均大于外出到其他各區(qū)的就業(yè)人數(shù)；居住在核心城區(qū)通勤者約58%是在本城區(qū)就業(yè)，僅有42%的通勤者外出就業(yè)，核心城區(qū)的獨(dú)立系數(shù)普遍比外圍城區(qū)大。說明重慶市主城區(qū)職住平衡水平較高。

4)26.1%的通勤者在選擇通勤線路時(shí)具有較強(qiáng)黏性，73.9%通勤者在出行的線路選擇沒有特別“依賴”某條線路，往往具有多樣化和均等化。