吳嬌蓉 謝金宏 王宇沁?
(1.同濟大學 道路與交通工程教育部重點實驗室,上海 201804;2.同濟大學 城市交通研究院,上海 201804)
近年來,隨著軌道交通、網約車、共享單車、共享汽車等多種新型交通方式的興起和發(fā)展,城市地面常規(guī)公交的客流份額受到擠占,地面常規(guī)公交相較于其他交通方式的劣勢逐漸顯現出來,其中運行不穩(wěn)定是被老百姓詬病的主要問題之一,主要表現在兩個方面。
首先,公交運行時間不穩(wěn)定,乘車總耗時難以把控;實際運行時間遠高于計劃運行時間,給公交日常調度帶來一定困難(如圖1所示的某公交線路工作日早高峰期間實際運行時間波動圖)。
圖1 某公交線路工作日早高峰實際運行時間與計劃運行時間對比
其次,公交線路中途站點的公交車輛串車和大間隔現象常發(fā),使得乘客在站點等車時間忽長忽短的情況時有發(fā)生(如圖2所示的某公交線路早高峰的運行時間圖)。從乘客期望角度而言,候車時間過長、門到門乘車時間波動較大,是乘客可能放棄公交出行的重要影響因素。而一個公交班次能否按時發(fā)車、能否準時到達線路經過的公交站點、能否在合理的運行時間區(qū)間內從起點站行駛至終點站、公交發(fā)車頻率是否合理等,都會影響公交運行的穩(wěn)定性。
圖2 某公交線路早高峰車輛運行時間圖Fig.2 Bus operation time in morning peak of a bus route
因此,公交運行穩(wěn)定性綜合反映了公交線路的運行時間、到站時間、中途站點乘客候車時間偏離平均值和預計值的大小。文中采用公交線路GPS和公交IC卡刷卡數據進行聯合分析,開展公交線路運行不穩(wěn)定性畫像及公交線路分類分級研究,提出不同類別公交線路的畫像標簽屬性,并以上海為例,選取中心城和嘉定新城共135條公交線路作為研究對象,重點對兩項運行穩(wěn)定性指標均“差”的線路進行深入畫像,畫像標簽包括平均每日百公里人次、途經主干道里程比、途經公交專用道里程比、沿線人口密度、沿線POI(Point of Interest,興趣點)密度等,并針對畫像結果提出優(yōu)化策略。
現有研究分別從站點、線路等多角度開展公交運行穩(wěn)定性分析。在站點層面,有學者用車頭時距的變異系數作為建立評價指標的依據,考慮了實際車頭時距的波動性,但是未考慮實際車頭時距與計劃車頭時距的關系[1];也有學者采用基于概率統(tǒng)計的偏離計劃到站時間的公交站點運行準點性靜態(tài)評價指標,以概率的形式反映到站具體時刻的關系,但該方法存在時刻表與實際運行情況出現系統(tǒng)性偏差時指標適用性弱的問題[2- 3];部分學者選用機器學習方法進行到站時間穩(wěn)定性預測,例如支持向量機模型[4- 5]、粒子群優(yōu)化神經網絡模型[6]、相關向量機方法[7]、小波神經網絡預測模型[8- 9],但存在影響因素選取片面、數據難以獲取等問題,例如有的模型僅從時間序列角度建模,而對一些重要影響因素有所忽略[10- 11]。
在線路層面,經典的分析方法是使用車輛運行時間的方差來反映整體線路的運營波動程度,但該方法存在不同線路難以橫向比較的問題[12- 13];嚴海等[14]采用公交車頭時距與發(fā)車間隔的平均絕對誤差來評估全程車的可靠性;宋現敏等[15]提出了基于車頭時距的行程時間波動性指標,并通過聚類算法將公交運行環(huán)境劃分為不同級別的波動性;張宇石[16]從線路與站點、準點性與穩(wěn)定性兩組評價層次提出了3種常規(guī)公交運行穩(wěn)定性評價方法,并分別在多個城市進行了實證。
綜上可知,在線路層面將運行時間穩(wěn)定性指標的閾值劃定與實際道路運行條件相結合來進行研究的較少,因此文中擬采用線路運行時間的變異系數作為運行時間評判指標。在站點層面,主要關注乘客候車時間的不穩(wěn)定性,并通過車頭時距的波動來進行刻畫,車頭時距存在自身的穩(wěn)定性、與計劃發(fā)車間隔相比較的穩(wěn)定性兩類評判指標。車頭時距自身的穩(wěn)定性包括車頭時距的方差、偏離平均車頭時距的波動系數等指標,考慮到要與計劃發(fā)車間隔相比較,文中擬采用基于偏離計劃車頭時距的站點波動指數的改進指標作為評價指標來反映乘客候車時間的不穩(wěn)定性。
一條線路一個班次的車輛運行時間是指該班次車輛從駛離始發(fā)站至到達終點站期間的行程時間(包括停站時間和站間行駛時間),一條公交線路在各個時間段(高峰小時或平峰)內的運行時間是否穩(wěn)定可以反映其可靠性。文中使用車輛運行時間的變異系數和方差來衡量一條線路在研究時間段內的運行時間波動性,表達式見式(1)-(3):
(1)
(2)
(3)
公交線路的首發(fā)站發(fā)車間隔基本遵循發(fā)車時刻表,但是中途站點前后相鄰的兩輛公交車輛到達的時間差往往有較大波動,因此文中定義乘客在站點i等待車輛j的等待時間為車輛j與上一輛車輛j-1到達站點i的時間之差,如式(4)所示:
ti, j=Ti, j-Ti, j-1
(4)
式中,ti, j為乘客在站點i等待車輛j的等待時間,Ti, j為車輛j到達站點i的時間。
k時段內乘客在站點i的平均等待時間定義如下:
(5)
文中建立了乘客等待時間波動指數用來與時刻表進行比較。為建立標準的發(fā)車間隔,以時刻表為基準定義標準發(fā)車間隔t0, j如下:
t0, j=T0, j-T0, j-1
(6)
式中,t0, j為車輛j與前車在起始站的時刻表上的發(fā)車間隔,T0, j為車輛j在時刻表上規(guī)定的發(fā)車時間。
乘客等待時間波動指數用于衡量乘客實際等待時間偏離時刻表的程度,其定義如式(7)和式(8)所示:
(7)
(8)
文中分別選取上海市中心城和嘉定新城共135條公交線路進行對比研究,其中中心城選取64條,嘉定新城選取71條。2019年,中心城7個行政區(qū)域的行政區(qū)劃面積為289.4 km2,人口為687.1萬人,人口密度為23 742人/km2,中心城開發(fā)強度相對成熟;嘉定新城行政區(qū)劃面積為464.2 km2,人口為159.6萬人,人口密度為3 438人/km2,其人口密度遠低于中心城,仍處于持續(xù)發(fā)展階段。研究對象的空間分布如圖3所示。
圖3 研究對象的空間分布Fig.3 Spatial distribution of research objects
研究所用數據為2019年6月1日至2019年6月30日的上海市公交IC卡數據和GPS數據,其中每日IC卡數據量在400萬條左右,GPS數據量在110萬條左右?;赑ython完成了數據清洗、匹配等數據預處理工作,實現了對刷卡時間異常、刷卡編號缺失的IC卡數據及經緯度異常、時間記錄異常的GPS數據的剔除和修復。數據預處理過程如圖4所示。
圖4 公交IC卡與GPS數據預處理流程Fig.4 Preprocessing process of bus IC card and GPS data
在此基礎上,結合公交IC卡數據、公交GPS數據、公交車輛信息數據、公交站點信息數據這4種數據源進行關聯判斷,從而實現IC卡數據的上車站點判斷(如圖5所示),最終IC卡數據的匹配率在70%以上。
圖5 公交IC卡數據與上車站點的匹配流程Fig.5 Matching process of bus IC card data and pick-up sites
為了凸顯不穩(wěn)定線路的數據表現,車輛運行時間波動性指標和中途站點乘客等待時間波動性指標均取每條線路上下行的最大值。取工作日數據,分別計算出每條線路的車輛運行時間波動指數和乘客等待時間波動指數,根據不同指數累計分布曲線的拐點確定臨界值,從而進行穩(wěn)定性分級,如圖6-9所示。
圖6 中心城公交線路的車輛運行時間波動指數累計分布曲線
圖7 中心城公交線路中途站點的乘客等待時間波動指數累計分布曲線
圖8 嘉定新城公交線路的車輛運行時間波動指數累計分布曲線
圖9 嘉定新城公交線路中途站點的乘客等待時間波動指數累計分布曲線
中心城和嘉定新城的兩類指標臨界值如表1所示,根據臨界值將公交線路穩(wěn)定性區(qū)分為好、差兩個等級。
表1 中心城和嘉定新城的兩類指標的臨界值
中心城和嘉定新城的4類線路分類結果如表2所示。中心城和嘉定新城中,運行時間穩(wěn)定性、中途站點乘客等待時間穩(wěn)定性兩項指標均“好”的線路占比均為56.3%,兩項指標均“差”的線路占比分別為9.4%和11.3%。雖然中心城和嘉定新城在上海所處的空間區(qū)位不同,但運行穩(wěn)定和最不穩(wěn)定的線路占比卻是基本相同的。兩項指標一“好”一“差”的線路分類結果有一定差異,運行時間穩(wěn)定性好、中途站點乘客等待時間穩(wěn)定性差的線路在中心城的占比為18.8%,高于嘉定新城的12.7%;運行時間穩(wěn)定性差、中途站點乘客等待時間穩(wěn)定性好的線路在中心城的占比為15.6%,低于嘉定新城的19.7%。這表明,中心城公交線路運行時間穩(wěn)定性略好于嘉定新城,嘉定新城中途站點乘客等待時間穩(wěn)定性略好于中心城。
表2 4類線路分類結果Table 2 Classification results of 4 types of routes
對表2的4種運行穩(wěn)定性分類線路,進一步選用線路長度、站間距、平均每日百公里人次為畫像標簽進行分析,指標統(tǒng)計結果見表3。
表3 中心城和嘉定新城的4類線路畫像結果
由表3可以得出三方面結論。
1)中心城與嘉定新城相比,4類線路表現出的基本特點是:中心城的平均線路長度較短,平均站間距較小,平均每日百公里人次較多。
2)比較線路分類1、2、3,運行時間穩(wěn)定性和中途站點乘客等待時間穩(wěn)定性兩個指標均“好”的線路分類1,其平均線路長度適中,平均站間距略大,平均每日百公里人次高于線路分類2和3,即能吸引較多公交乘客。線路分類3的運行時間穩(wěn)定性差,平均每日百公里人次為3類線路中最低??梢?,運行時間穩(wěn)定性好是吸引乘客的主要因素。
3)運行時間穩(wěn)定性和中途站點乘客等待時間穩(wěn)定性兩個指標均“差”的線路分類4,其乘客乘車體驗較差,但是該類線路的平均每日百公里人次高于線路分類2和3,說明該類線路有一定的客流基礎,如果能夠進行運行穩(wěn)定性改善,將能增加潛在客流。
結合幾類線路的運行穩(wěn)定性及客流情況,發(fā)現線路分類4的客流需求偏高、運行穩(wěn)定性差,因而兼?zhèn)鋬?yōu)化提升的預期效益和潛在空間。
公交線路分類畫像結果顯示,中心城和嘉定新城的第4類線路平均每日百公里人次指標處于較高水平,分別達到212和195,說明此類線路存在較高客流需求。運行穩(wěn)定性和中途站點乘客等待時間穩(wěn)定性均較差,說明服務品質存在優(yōu)化空間。服務現狀差但客流需求高,是研究對象中亟需優(yōu)化提升的線路群特征,因而本節(jié)針對兼具提升價值和提升空間的第4類線路進行二次深入畫像,解析提升此類線路服務競爭力的關鍵,以期為適配性優(yōu)化策略的制定提供參考。
第4類線路的空間分布如圖10所示,由圖可見,該類線路在中心城和嘉定新城均圍繞著城市副中心呈放射狀展開。
圖10 第4類線路的空間分布Fig.10 Spatial distribution of category 4 route
采用線路非直線系數、途經公交專用道里程比、途經主干道里程比、沿線人口密度(定義為線路途經道路兩側500米內覆蓋的人口密度)、沿線POI密度(定義為線路途經道路兩側500米內覆蓋的POI密度)這5個標簽進行二次畫像,結果如表4、表5所示。嘉定新城的公交專用道非常少,因此在表5中未列出途經公交專用道里程比。分析表4、表5可以得出如下結論。
1)從整體水平來看,中心城線路途經主干道里程比接近于嘉定新城的兩倍,沿線人口密度和沿線POI密度遠高于嘉定新城。
2)中心城兩項線路運行穩(wěn)定性指標均“差”的線路,其沿線人口密度均值為1.5萬人/km2,POI密度為327個/km2,由此解釋了平均每日百公里人次高的原因。該類線路的途經公交專用道里程比為6%~40%,途徑主干道里程比在40%~59%之間,除了表4的6路,其他線路的途經公交專用道里程比遠低于途徑主干道里程比;結合表2,中心城公交線路改善中途站的乘客等待時間穩(wěn)定性的需求較為迫切。因此,利用信息技術提高該類線路的到站時間預報準確性、在主干道上再增設一些公交專用道、輔以大站車、區(qū)間車調度等運營組織手段,將有助于改善乘客等待時間穩(wěn)定性指標。
表4 中心城第4類線路的畫像結果Table 4 Profile results of category 4 route in the central city
表5 嘉定新城第4類線路畫像結果Table 5 Profile results of category 4 route in Jiading new city
3)嘉定新城兩項線路運行穩(wěn)定性指標均“差”的線路,其沿線人口密度均值為5 722人/km2,高于嘉定新城的人口密度。途徑主干道里程比在7%~57%之間,但是公交專用道設置較少,大部分線路非直線系數較大(均值為1.54),遠高于中心城的線路非直線系數。結合表2,嘉定新城公交線路改善運行時間穩(wěn)定性指標的需求更為迫切。因此,首先需要改善新城的主干道道路條件,盡可能增設公交專用道;對于嘉定3路、102路、103路、117路和127路公交線路,建議適當優(yōu)化線路走向,提高途經主干道里程比;再配合大站車、放站調度等運營組織手段,來改善運行時間穩(wěn)定性。
文中聚焦站點乘客候車和全程運行時間波動性,提出公交線路運行不穩(wěn)定性的分級方法。以上海為例,提出中心城和嘉定新城公交線路的運行穩(wěn)定性分級閾值,并將線路分為4類。中心城和嘉定新城兩項指標均“好”和兩項指標均“差”的線路比例基本相同,不受空間區(qū)位影響。運行穩(wěn)定性指標一“好”一“差”的線路則表現出差異性。
進一步選用線路長度、站點數、站間距、平均每日百公里人次指標對4類線路畫像,發(fā)現運行時間穩(wěn)定性“好”是吸引乘客的主要因素。線路運行時間穩(wěn)定性和中途站點乘客等待時間穩(wěn)定性兩個指標均“差”的線路分類4,乘客乘車體驗較差,但是該類線路的平均每日百公里人次較高,因此采用途經公交專用道里程比、途經主干道里程比、沿線人口密度、沿線POI密度、線路非直線系數指標進行二次畫像,考慮到中心城、新城空間區(qū)位的差異性,針對性地提出優(yōu)化運營調度、增設公交專用道、改善新城主干道等優(yōu)化策略,為精準提高公交線路服務品質提供了決策支持。
文中提出的研究方法可為公交線路運行可靠性評價及運營優(yōu)化、上海市中心城和嘉定新城的公交專用道設計布局等提供決策支撐。后續(xù)研究中,將按照線路類型、沿途站點類型對公交車輛運行時間波動性分區(qū)段進一步細化,研究公交運行時間及其波動性。此外,文中只收集到了2019年6月份的數據,后續(xù)研究將繼續(xù)采集其他月份的數據開展公交線路運行穩(wěn)定性對比分析。