基于多源数据及断面流量的公交分担率测算方法研究

张 科，楼惠群，陈思睿

(1.浙江省交通规划设计研究院有限公司，杭州 310030；2.浙江交通职业技术学院，杭州 311112)

1 城市公交分担率定义

城市公共交通出行分担率简称公交分担率，指统计范围内城市居民出行方式中选择公共交通的出行量占总出行量的比率，是衡量公共交通发展、城市交通结构合理性的重要指标。根据中华人民共和国交通运输行业标准《城市公共交通出行分担率调查和统计方法(JT/T1052-2016)》，城市公共交通出行分担率为式(1)：

(1)

式中：a为城市公共交通出行分担率；Tpt为统计范围内公共交通出行量，单位为万人次每日(万人次/日)；T为统计范围内总出行量，单位为万人次每日(万人次/日)。

公共交通出行量Tpt通常是轨道交通、常规公交、水上巴士、公共自行车等公共交通方式出行量的总和，也有将班车、出租车等带有公共属性的出行量一并计入公共交通出行量。总出行量根据统计口径不同，分为全方式出行量、除步行以外的机械化方式出行量和机动化方式出行量，对应的分别是城市公共交通全方式出行分担率、城市公共交通机械化出行分担率和城市公共交通机动化出行分担率三个概念[1]。而城市公共交通机械化出行分担率、公共交通机动化出行分担率是国家“公交都市”示范城市创建工作的主要考核指标，如式(2)和式(3)：

(2)

(3)

式(2)和式(3)中机动化公共交通出行量为常规公交出行量、轨道交通出行量、水上巴士出行量之和。

2 城市公共交通分担率研究现状

目前，城市公共交通出行分担率计算通常以空间、时间和出行方式为统计范畴。基础数据来源中，人口数据来源于城市统计部门，平均出行次数、步行方式出行的比例、机动化方式出行的比例和公共交通的平均换乘系数来源于交通调查，公共交通客运量数据来源于公共交通主管部门或公共交通运营单位的年度统计。对于当年开展交通调查的城市，应直接采用调查成果计算城市公共交通出行分担率；对5年内开展交通调查的城市，可利用交通调查数据，并开展当年小规模补充调查，调整修正参数后进行城市公共交通出行分担率推算。然而，采用入户调查、电话调查等居民出行调查方式普遍存在调查样本量小、调查成本高、结果存在偶然性等问题，得到的数据准确度较低。

对于如何从其它途径获取较为准确的公交分担率，国内在理论上开展了相关研究，并取得了一定成果。如马华、郭凯明引入非集计模型，通过设定模型、进行市场调研等计算轨道交通、公共汽电车、小汽车的出行分担率[2]。温旭丽、张振宇等人基于多目标函数原理选取影响公交分担率的主要因素，构建多目标公交分担率测算模型，计算在约束条件下广义的出行费用、拥挤程度、占用道路总面积最小解，从而预测公交分担率[3]。宋永朝、杨培采用路网数据、公交线网数据、公交站点数据、户籍数据、工作地数据等多源数据，根据最短路径算法以及公共交通选择算法，对通勤高峰期居民的出行方式进行预测，从而得出不同出行方式分担率[4]。张丰焰、王晓娟等人利用客流计数系统实时获取公交客运量数据，利用公交IC卡数据计算公交平均换乘系数，再通过分析挖掘手机话单数据获取居民出行量，将这些数据代入计算模型从而得到公交分担率[5]。

由于影响公交分担率的因素众多，相关研究还处于起步阶段，真正做到准确计算公交分担率还存在一定的难度，尤其针对城市实际交通数据计算公交分担率的方法研究相对较少。在公共交通出行分担率计算公式中，非公共交通方式出行量的准确计算一直是一个没有解决的难题。随着智能公共交通系统的快速发展，各种信息化、智能化技术在公交行业的广泛使用，资源开放的交通数据为改进传统以居民调查数据计算城市公共交通出行分担率的不足提供了新的思路，譬如交警部门保存有卡口各种车辆的流量数据，公交公司保存有常规公交和公共自行车的刷卡数据以及公交车上的车载录像，地铁公司保存有乘客进出站的刷卡数据，运输管理部门保存有出租车的接单数据及车载录像。如何对多源数据进行有效甄选、处理、判断，获取覆盖全样或接近全样的交通出行基础数据，设计研究城市公共交通分担率计算方法，尽可能提高公交分担率计算的准确性，是当前所需要研究的问题。

3 基于多源数据及断面流量的公交分担率测算方法

本文提出基于交警卡口分类车流量统计、出租车接单量以及常规公交、轨道交通、水上巴士、公共自行车刷卡量等多源数据，结合断面客流量统计来计算除步行以外非公共交通出行量的方法，并用于计算城市公共交通机械化出行分担率、公共交通机动化出行分担率。本方法的思路是，根据城市布局适当选择若干个非机动车和机动车流量统计断面，机动车流量统计断面通常与交警设置卡口位置一致，进而可通过下述方法计算各种方式的出行量。

3.1 非机动车出行量计算

在非机动车道统计经过断面的公共自行车(或共享单车等有借用量统计的非机动车)流量以及所有非机动车的总流量，根据交通管理部门提供的公共自行车(或共享单车等)借用量统计数据，设：

A为公共自行车流量/非机动车总流量；

F为公共自行车借用量(不含短时间内归还的非正常借用量以及同一张卡短时间内归还又借的借用量)(万次)；

(4)

统计周期可以是小时、日或年等；在断面流量统计方式上，可以通过摄像系统匹配机器识别软件或其它感应设备自动计数，也可以通过人工方式计数。测算流程如图1所示。

图1 非机动车出行量测算流程

3.2 非公交机动化出行量计算

在机动车道统计经过断面的出租汽车以及除公交和出租车外其它客车的流量，并统计出租车以及除公交和出租车外其它客车的平均乘客数，根据交通管理部门提供的出租车接单量统计数据，设：

B为(出租车流量×出租车平均乘客数)/(除公交和出租车外的其它客车流量×除公交和出租车外的其它客车平均乘客数+出租车流量×出租车平均乘客数)；

E为出租车接单量×出租车平均乘客数；

(5)

统计周期可以是小时、日或年等；在数据取得方式上，目前，在交警卡口位置都有对各类车辆的流量统计，且交警部门保留有相应的数据；出租车的接单量统计数据可由交通管理部门提供；出租车平均乘客数的统计，可以通过出租车上摄像机的回传视频统计，或者在断面处人工计数；除公交和出租车外的其它客车(主要是小汽车)平均乘客数目前可采用在断面处人工计数。测算流程如图2所示。

图2 非公交机动化出行量测算流程

3.3 平均换乘系数计算

可将使用公交卡的乘客作为统计样本来推算平均换乘系数，年或日的统计数据均可，平均换乘系数可采用如下公式计算：

H为总的刷卡数量/(总的刷卡数量-刷卡换乘数量)

其中，总的刷卡数量为乘坐常规公交、轨道交通以及水上巴士的刷卡数量之和，刷卡换乘数量包括了常规公交、轨道交通以及水上巴士内部及之间的换乘量。上述三类公共交通出行方式总的刷卡数量和刷卡换乘数量在交通管理部门均保存有统计数据。

3.4 机动化公共交通出行量计算

机动化公共交通出行量包括：常规公交、轨道交通和水上巴士出行量。

设：C为常规公交客运量；D为轨道交通客运量；G为水上巴士客运量。

(6)

统计周期可以是日或年等；在数据取得方式上，所用到的常规公交、轨道交通、水上巴士这三类客运量统计数据均可以从交通管理部门获取。

3.5 公共交通出行分担率计算

公共自行车出行量M公交自行车可通过借用量F及自行车换乘高级别公交方式的比例计算得到，将上述计算得到的表达式(4)～(6)代入公共交通出行分担率计算公式可得：

城市公共交通机械化出行分担率=

(7)

城市公共交通机动化出行分担率=

(8)

城市公共交通机械化出行分担率计算流程如图3所示。

4 公交分担率测算实例分析

以杭州主城区作为试验区域，根据城市的出行调查数据、行业统计数据以及城市信息化大数据，采用基于多源数据及断面流量的公交分担率测算方法，分别对非机动车出行量、非公交机动化出行量、平均换乘系数、机动化公共交通出行量进行测算。

图3 城市公共交通机械化出行分担率计算流程

根据行业统计数据，2019 年6 月，杭州主城区共完成公共交通客运量1.50 亿人次，日均客运量501.5万人次。在公共汽电车、公共自行车、轨道交通、水上巴士四种公共交通方式当中，公共汽电车客运量最大，为9364万人次，其次是轨道交通，客运量为5162.30万人次，公共自行车为507.21万人次，水上巴士为10.52万人次。

计算可得公共自行车日均借用量16.91万人次，依据公共自行车的服务范围和公交换乘站点的吸引范围，选取不同条件下的十个路口进行观测，计算平均经过断面的所有非机动车的总流量以及公共自行车的流量比值约为21.4，由此可推算出非机动车日均出行量M非机动为361.81万人次。

根据城市信息化大数据，对杭州主城区出租车辆GPS 数据进行分析，日平均出租车辆数约为0.96 万辆，通过空车与重车标签进行分析，出租汽车每日平均载客次数为30 次。选取不同条件下的十个路口作为断面进行观测，经过断面的出租汽车与除公交和出租车外其它车辆的流量比值约为9.73，统计出租车及除公交和出租车外其它客车的平均乘客数1.495，则可获得非公交机动化日均出行量M非公交机动为418.93万人次。

城市公共交通换乘系数可以根据杭州城市公共交通方式的构成，分析公交内部换乘量、地铁内部换乘、公交地铁之间换乘量、公共自行车地铁之间换乘量、公共自行车公交之间换乘量等五个方面获得。由于水上巴士每天仅接近3000 的客流量，本文忽略考虑，而利用刷卡数据对城市公共汽电车客流行进行分析。对所获取的一个月公共汽电车刷卡数据记录总量分析，日平均公交刷卡记录数据约163 万条，去掉重复数据日平均公交刷卡记录约为 148 万条，刷卡记录识别到日平均车辆数约 5200 辆，与实际公交集团运营车辆 5500 辆数目较为接近。再对公交刷卡数据按分钟进行统计汇总，结合行业管理部门年度和月度统计数据，最终测得城市公共交通换乘系数为1.26。根据杭州主城区公共交通客运量和式(6)计算可得，机动化公共交通日均出行量M机动化公交为384.57万人次。

利用上述非机动车出行量、非公交机动化出行量、机动化公共交通出行量、公共自行车借用量计算数据和式(7)，计算可得日均城市公共交通机械化出行分担率为33.96%。利用式(8)，得到日均城市公共交通机动化出行分担率为47.86%。与杭州每五年居民出行调查数据相比较为吻合，验证了算法的可行性。

5 结 语

随着交通行业信息化的发展，城市交通出行数据可实现大样本、甚至全样本的采集。本文提出了一套根据多源交通数据及断面流量统计来计算机动化、机械化出行量的方法。结合杭州市主城区交通出行数据，包括车辆的GPS 数据、交通出行刷卡数据、城市卡口数据、以及断面流量统计数据等，通过交通结构和数据的扩样，实现城市公共交通机械化出行分担率和城市公共交通机动化出行分担率的测算，增强了结果的科学性和可信性，为解决城市交通拥堵问题提供了技术方案。利用此方法计算出的城市公共交通分担率相对于传统方法，减少了因小样本抽样调查带来的误差问题，同时根据数据时效可动态跟踪公交分担率变化情况。在物联网、大数据、人工智能等技术快速发展态势下，城市交通数据采集层面的客流计数手段和设备将进一步提升，卡口系统对车牌识别的准确性将进一步提高，非机动车道的信息采集系统也将进一步完善，今后对于断面的客流量统计将更加自动化和智能化，利用多源数据来计算城市公共交通出行分担率将是未来的发展趋势。