聚类和社会网络分析下的公交站点研究

陈亚洲，郭士正，宋 杰

（集美大学 诚毅学院，福建 厦门 361021）

公交站点的运行特性和效率的研究一直是许多交通工程人员关注的问题，作为常规公交的重要基础设施和运行节点，其基本的布局和设置直接影响着公共交通的服务水平和交通运行的质量。相比城市经济的发展，如何利用有限的城市资源，优化城市公交站点的设置和运行，对提升公交车的整体运行效率和方便乘客的出行需求，具有十分重要的现实意义。

1 公交站点研究现状分析

城市的不断发展，人们出行的方式多样便捷，但首选的出行方式仍旧是公共交通，公交车作为主要的出行工具，有助于缓解城市人口剧增引发的出行难问题。公交站点作为公共交通系统的子系统，承载着客流集散的功能，科学的设置和优化有利于公交车的快速、顺利和平稳的运营，有利于公共交通在服务速度、方便度和舒适度发挥效能。文献阅读分析发现，直线式的公交站点对车辆造成停靠阻滞产生延误[1]，公交站点的布设也会影响到乘客的选择站点的行为[2]，由于公交站点的设计涉及乘客的出行成本和企业的运营成本，需要建立多目标优化模型进行统筹兼顾，合理优化[3]，对公交站点的规划设计的研究，目前的主流是利用收集的信息数据，构建智慧型的公交站点信息系统，比如通过乘客的IC卡综合换乘的信息数据及对应的上车站点，实现公交乘客上车站点的推估[4]，或利用物联网技术和嵌入式技术运用在城市交通系统上，实现对智慧公交信息查询系统的研究和探索[5]，也有部分通过网络的思维进行公交站点的布局设计，如研究“多起点—多目的地”模式的定制公交站点和线路规划问题，提出了定制公交站点规划方法，构建了定制公交线路规划模型[6]，或运用K-means聚类分析方法和范围覆盖公式确定定制公交站点的选址与布局[7]，或对交通小区对应到多个出发或到达站点即所谓的“多站点”的研究，实现城市常规公交线网优化设计[8]。综上，公交站点的规划设计问题大都基于数据信息系统和网络思维的角度的研究，偏向单一性，本文将延续学术界的研究热点，借助聚类模型和社会网络分析工具，从整合数据信息和网络位置的双维度研究公交站点的优化问题。

2 聚类和社会网络分析下的公交站点优化研究

2.1 聚类分析

聚类分析就是根据所定义的距离标准将数据分为若干个类别，使得这些类别内数据的“差异”尽可能小，类别间的“差异”尽可能大的一种统计描述方法。基于实际的数据考虑，采用k-均值聚类方法，基本步骤如下[9]：

（1）依据对实际的数据集，确定需要聚类的类别数量（聚类中K的含义）；

（2）确定初始类别的原始中心点，由软件自行随机确定；

（3）逐一计算各案例到各个类别中心点的距离，并依据距离最近的原则归入各个类别，并计算各类别新的中心点；

（4）按照新的中心位置，重新计算各案例距离新的类别中心点的距离，并重新进行归类，更新类别和中心点；

（5）重复步骤（4），直到达到一定的收敛标准为止。

2.2 社会网络分析

社会网络分析 （Social Network Analysis，SNA）是以关系作为基本分析单位，对个体和群体等不同社会单位的关系、结构和属性进行定量分析的社会研究方法。基本思想是从人在社会环境中的相互作用出发，研究在相互作用基础上产生的关系模式或者关系规则，主要通过一些特定的社会网络的中心度、子群、网路中的位置和角色等来衡量和分析，从而考察其社会关系[10]。文中主要的考核分析指标如下：

（1）密度分析。密度指标表征团体的紧密程度，密度指标越大，表示团体的关系越紧密，合作的行为越多，最大为1，最小为0。

（2）中心性分析。中心性分析是社会网络节点的个人结构位置指针，用来衡量节点的重要性的重要指标，一般用程度中心性来衡量，用来衡量谁在这个团体中是最主要的中心人物，以一个人的关系数量的总和来进行数值计算的。

（3）核心—边缘分析。衡量社会网络中哪些节点处于核心地位，哪些节点处于边缘地位。

2.3 公交站点的聚类和社会网络分析框架

通过整合公交站点的数据信息和网络位置信息，提出基于横纵两维度的公交站点的优化模型，如图1所示。横向上，利用社会网络分析工具对公交站点的位置进行分析，依据公交线路的经行情况，分析公交站点在城市公交站点网络中的位置归属（中心站点坐标和边缘站点坐标）；纵向上，借助聚类分析方法，依据公交站点的停靠时间、上下车人数、路线数和公交线路频数等数据信息进行聚类，主要分为密集站点和稀疏站点两类。在横向的中心-边缘坐标和纵向的密集-稀疏坐标的共同作用下，确定为四个象限：第一象限的中心-密集型、第二象限的边缘-密集型、第三象限的边缘-稀疏型、第四象限的中心-稀疏型，每个象限都具有自身的属性和特色，公交站点的优化即可根据坐落于优化模型的象限位置，采取针对性的优化策略。

图1 基于聚类分析和社会网络分析的公交站点优化模型Figure 1 The optimizationmodel of the bus station based on the clustering and social network analysis

3 案例论证

3.1 案例介绍

为了测试公交站点优化模型的有效性，以局部厦门岛内公交站点为研究案例，选取典型的10个站点为研究对象(见表1)。分别收集这10个站点经过的路线，只要站点与站点之间有经过公交线路全部进行标注，调研变量为停靠站点时间长、站点的平均上车人数、站点的平均下车人数、经过该站点的公交路线数、在五分钟的时间段内经过该站点的公交车的频数等数据。

表1 厦门部分公交数据采集信息和聚类结果Table 1 the data collection and clustering results of the partial bus in Xiamen

3.2 公交站点的聚类分析

对选取厦门岛内公交的10个站点在高峰期进行实地考察，得到的数据和聚类分析结果见表1所示。可见，轮渡站、思北路口站、特贸站和仙岳花园站四个公交站点属于第一类，其余的白鹭洲公园、厦门茶厂、文化艺术中心、松柏、莲岳路口和火车站小广场属于第二类。表1中的Z聚类是将这些站点的所有变量的得分求和后进行的标准化得分。把聚类的两类结果（类别1和类别2）的停靠站点时间长（秒）、上车人数、下车人数、路线数和频繁数的平均值作对照分析，见表2所示。可见，类别1的各个比较变量的数值都远大于类别2，因此将类别1命名为密集站点，将类别2的站点命名为稀疏站点，具体站点的归属情况见表1最后一列所示。

表2 聚类结果的比较Table 2 The comparison of the clustering results

3.3 公交站点的社会网络优化分析

3.3.1 公交站点整体网络分析

图2所示的是公交站点社会网络图，显示出调研的10个站点间的社会网络关系情况，体现了每个站点在站点社会网络中的位置。图中的数字对应表1中的站点编号，连接线表示站点之间存在的社会网络位置关系。图2中的1、2、6、8节点与其他节点的连结较多，表明这几个公交站点在站点网络中与其他站点的联系程度较高；而节点9、10等节点，相对而言与其他节点的连结较少，处于网络的边缘位置。

图2 公交站点社会网络图Figure 2 The social network map of the bus station

3.3.2 中心性分析

表3是公交站点的程度中心性分析结果，node列对应表1的公交站点编号，Degree列表示程度中心性的原始数值，NrmDegree表示相对点中心度，Z社会网络列表示标准化的程度中心性，是根据Degree列进行的标准化形式得分。如以松柏公交车站点（node 8）为例，因为其他9个站点与松柏公交车站点的相连中共有26班次的公交车，所有站点相连的公交车班次共有72班，故Degree值显示为26，Nemdegree是相对值即26/72=36.111%，Z社会网络指的是将Degree值依据标准正态分布形式计算出的Z分数，即Z=(Xi-)/S公式计算得出，Xi对应每个数字，表示均值，S表示标准差。

表3 公交站点的程度中心性分析结果Table 3 The central analysis results of the bus station

如表3所示，程度中心性前5名的公交站点是松柏（节点 8）、轮渡站（节点 1）、思北路口（节点 2）、特贸（节点4）和厦门茶厂（节点5），说明这些公交站点的地理位置相对比较重要，发挥着公交车辆的重要枢纽功能，相对客流量比较大，是公交路线网络中相互交叉的汇集和转换节点，可称之为中心站点；排在后面的5个公交站点程度中心性比较低，途经的公交路线偏少，承担的是几条公交路线的停靠功能，几乎没有换乘公交线路，这些站点可称之为边缘站点。

3.4 公交站点优化模型实例论证

根据上述聚类分析和社会网络分析的计算结果，以0为分界点进行划分，将坐标轴上划分为四个象限，构建公交站点的优化模型，具体如图3所示。

图3 实例公交站点优化模型Figure 3 The example analysis of the optimizationmodel of the bus station

图3中所示公交站点1、2、4、7位于第一象限的中心-密集型区域，第二象限的边缘-密集型没有包含任何公交站点，3、6、9、10站点则位于第三象限的边缘-稀疏型区域，站点5和8则隶属于第四象限的中心-稀疏型。根据每个公交站点的定位象限，可给出站点的实际情况和优化建议。

3.4.1 位于中心-密集型区域的公交站点（站点1、2、4、7）优化对策

该象限的特点是公交站点横向和纵向的指标都表现很高，该区域的站点是交通拥堵问题的高发点，需要时刻重点关注，采取的优化对策有：在站点上增设多个小边缘停靠点以错开停靠位置，避免将所有的线路均停靠在同一站点，解决拥堵现象；或增设区间线，增加来回的车次；也可设置拥挤站点的辅助链接线，即时转移乘客以提升换乘效率等多种优化策略。

3.4.2 位于边缘-密集型的公交站点的优化对策

处于边缘-密集型象限的公交站点，特点是公交线的停靠时间等都比较长，客流量比较多，但换乘的情况比较少，优化对策有：一方面可以适当延长原有不到该站点的公交路线上至该站点，充分利用公交路线资源，另一方面可以适当增加路线，以满足客流量大的情况。

3.4.3 位于边缘-稀疏型的公交站点的优化对策 （站点 3、6、9、10）

处于这个象限的公交站点基本上不用进行优化，该站点提供的公交服务只需要满足乘客需求即可，从资源优化配置的角度看，可以根据实际站点的情况，及时调整剩余的公交资源，把剩余的公交资源调整到需要的公交站点线路上。

3.4.4 位于中心-稀疏型的公交站点的优化对策 （站点 5和 8）

位于该象限的公交站点主要承担的是交叉换乘的功能，优化的对策为在这些区域站点上适当增加换乘公交路线，同时在站点上增设交替错开的临时停靠点，或者增开辅助链接线以缓解换乘压力等措施。

4 结论

文中基于目前公交拥堵问题的现象出发，一方面借助聚类分析针对公交站点的停靠站点时间长（秒）、上车人数、下车人数、路线数和频繁数等变量进行分析构建纵轴指标，另一方面利用社会网络分析对公交站点进行公交站点网络的科学定位分析构建横轴指标，由此构建公交站点的优化模型，以此优化模型将公交站点进行横纵坐标的科学定位，结合公交站点的实际情况，提出针对性的对策和建议，实例的论证结果表明，聚类分析和社会网络分析的公交站点的优化模型在指导公交站点的优化策略中有效性高，可实施程度强。

[1]梁士栋,赵淑芝,马明辉,刘华胜,卢春秀.路段上游直线式公交站点对车辆延误影响分析[J].北京理工大学学报,2017(3):267-273.

[2]黄正锋,赵丽君,陆丽丽.基于择站行为反馈和可达性要求的公交站点布设[J].长安大学学报(自然科学版),2015(S1):120-123,139.

[3]张思林,袁振洲,曹志超.基于出行成本和运营成本的接驳城市轨道交通社区公交站点布设研究[J].北京交通大学学报,2016(6):57-63.

[4]宋晓晴,方志祥,尹凌,刘立寒,杨喜平,萧世伦.基于IC卡综合换乘信息的公交乘客上车站点推算[J].地球信息科学学报,2016(8):1060-1068.

[5]刘文生,李端阳,沈美照.基于无线组网的智慧公交站点信息系统研究与实践[J].中国新通信,2016(16):51-52.

[6]马继辉,王飞,王娇,涂文苑.定制公交站点和线路规划研究[J].城市公共交通,2017(2):21-25.

[7]胡列格,安桐,王佳,刘喜.城市定制公交合乘站点的布局研究[J].徐州工程学院学报(自然科学版),2016(1):27-32.

[8]徐茜,俞礼军.基于“多站点”的城市常规公交线网优化设计[J].公路与汽运,2016(4):32-35.

[9]张文彤,董伟.SPSS统计分析高级教程（第二版）[M].北京:高等教育出版社,2013:5.

[10]Sungjin K,Euiho S,Youngjoon J.Building a Knowledge Brokering System using social network analysis:A case study of the Korean financial industry[J].Expert Systems with Applications,2011,38(12):14633-14649.