基于手机信令数据的机场巴士线路优化研究

肖 赟，徐满满，王志辉

(合肥学院 城市建设与交通学院，合肥 230601)

0 引 言

机场是城市对外发展的门户，是重要的综合交通运输枢纽。近年来，我国机场吞吐量快速增长，2019年全国机场吞吐量突破13亿人次，成为我国居民高品质出行的主要交通方式。机场巴士具有线路灵活、载客量较大、价格实惠等特点，是机场集疏运系统的交通方式。伦敦希思罗机场、法兰克福国际机场等大部分发达国家的枢纽机场，均以公共交通作为机场集疏运系统的主导模式。机场巴士线路的设计直接关系着机场巴士的服务效率和水平，是乘客选择出行方式的重要因素，由此有必要对机场巴士的优化设计进行研究。

机场巴士客流规模是线路优化设计的重要基础。现有研究中，周和平[1]以乘客出行时间最小为目标，并通过遗传算法求解，预测了机场巴士客流规模，并以此确定了线路优化模型。路尧[2]分别建立了修正重力模型、广义回归神经网络和BP神经网络模型，综合预测了机场旅客需求。杨忠振[3]等认为客流规模和机场巴士的时间可靠性密切相关，可靠性越高，机场巴士的客流规模越大。聂磊[4]等基于多式网络客流预测方法，综合考虑了时间、费用、舒适程度等指标，确定了机场巴士客流规模。赵宇浩[5]通过调查问卷，认为服务质量是旅客选择机场巴士的主要因素，分析了不同服务质量下的客流规模，郭振义[6]利用巢式Logit模型，预测了机场巴士的市场份额。以上研究基于不同模型方法，预测了机场巴士的规模，对线路设计有着重要的参考价值，但其定量化研究较少，难以结合客流空间分布进行实证性分析。

随着数据挖掘技术的发展，不少学者开始关注手机信令数据，并将其应用到交通分布研究中，取得了较好的效果。Alexander[7]等通过挖掘手机信令数据，刻画了波士顿居民出行特性。张晓春[8]等融合多个运营商的数据，计算了旅客出行分布和交通出行信息。Jiang[9]等通过对手机信令数据的清洗，研究了新加坡居民的出行分布和规律。董路熙[10]等研究了深圳手机信令数据的时空特性，提取了城市居民工作日典型出行链信息。温馨[11]等对比融合了公交IC卡、车辆卫星定位数据和手机信令数据，分析了上海浦东新区的公交客运走廊。以上研究从不同角度分析了手机信令数据在城市交通中的应用，阐述了手机信令数据能较好解决客流空间分布问题，但较少学者将其应用到机场巴士领域。机场巴士虽然是城市公共交通的一部分，但其在功能定位、服务对象、服务频率、服务方式上与其他城市交通方式存在较大的差异，城市交通规划的理论虽然对机场巴士线路有着较大的参考价值，但并不完全适用。

本文从机场巴士的特性出发，采用手机信令等实证数据和地理信息系统技术，拟解决客流需求规模和地理空间分布等定量化问题，对于优化机场巴士线路，有着重要的意义。

1 研究方法

1.1 主要思路和步骤

本文主要通过5个步骤开展机场巴士线路的优化研究工作。一是通过地理信息系统软件ARCGIS筛选机场的矢量图，确定机场的坐标和范围，在界定机场地理位置的过程中，为了避免遗漏部分数据，可适当扩大矢量图空间范围。二是筛选调查日在机场地理空间范围内的手机信令数据，并以此为客流研究对象。为使数据更具有代表性，调查日应覆盖工作日和周末。三是通过数据挖掘提取手机信令数据的经纬度等字段，确定机场旅客的出发地或目的地分布。四是划分城市交通小区，一般采取街道、社居委等行政区域划分交通小区。若要更精确的分析客流分布，可结合城市路网分布，以500-1000米覆盖率范围划分交通小区。五是根据客流分布，以提升覆盖率为主要目标，综合考虑线路总长度、线路条数以及路网状况等约束，优化机场巴士线路，其具体步骤如图1所示：

图1 研究方法

1.2 数据处理及分析

手机信令数据在时间和空间上具有较好的稳定性，能有效反映旅客的出行轨迹。手机信令数据字段主要有终端号(IMSI)、小区编号(LAC)、基站编号(CELL)、接收时间(TIME)、基站经度(LNG)和基站维度(LAT)等。由于基站的覆盖范围约为100-500M，旅客的定位数据虽有一定误差，但能够满足机场巴士线路优化的需求。

通过PYTHON手机信令数据的挖掘处理主要分为三个方面，一是数据筛选，筛选出调查日与机场相关的手机信令数据，并对其起讫点进行分析，这样能大幅降低分析的范围。二是数据简化，只保留经纬度和终端号等字段，并对终端号字段简化数字编码，以提高计算机运算速度。三是数据去噪，对冗余数据、缺失数据、异常数据和乒乓数据进行处理，以达到分析精度。

1.3 交通小区的划分

划分合理的交通小区是分析机场巴士客流分布的基础，交通小区一般借助行政区域、道路、铁路和河流等方式进行划分。机场巴士运行的路线较长，其停靠点辐射范围比公交站点要大，所以其交通小区的空间范围可比城市公交的更大。划分机场巴士的交通小区有2种，一是以街道或社居委行政区划为交通小区，这种方式简单易行，是当前划分交通小区的主要方式。二是根据500-1000米的覆盖范围，划分大小大致相等的区域；根据手机信令数据的分布，对较为分散的郊区适当扩大交通小区范围，对较为密集的成区，适当缩小交通小区的范围；依据道路等边界，对交通小区进行修正。

1.4 线路优化方法

线路优化首先要确定优化模型，相关研究[12,13]表明，机场巴士覆盖率、运行可靠性、路途时间、运输价格是旅客关注的主要因素。线路优化主要解决通达范围、路途时间的问题，运营方式解决价格和可靠性等问题，由此，提高覆盖率是以机场巴士线路优化的主要目标。在线路优化的过程中，必须考虑到约束条件，涉及到线路的约束指标主要有线路里程、线路条数和非直线系数等。线路里程和线路条数会受到车辆运力资源的限制，非直线系数决定了乘客的在途时间，参照公共交通设计标准，一般不应大于1.4。由此，构建机场巴士线路优化模型如公式1所示。

(1)

其中，S表示线路的总覆盖率；Sij表示第i条线路第j个停靠点的覆盖率；Li表示第i条线路里程；m表示线路条数；n表示线路站点个数；r表示线路非直线系数；L,A,B分别表示线路里程、条数和站点资源限制。

1.5 基于GIS交通基础数据库的评价方法

线网评价方法有CAD制图和GIS制图两种方式，CAD制图有着简单便捷、绘制精准等优点，但其无法存储大量的属性数据，评价的过程比较复杂。GIS融合了计算机技术、地理科学和测绘技术，能有效分析具有地域特征的问题。机场巴士线路规划具有明显的地理空间特征，GIS依托强大的空间分析功能可以准确计算线网覆盖等关键指标，能快速有效的简化评价过程，由此采用GIS作为机场巴士线路评价工具。通过ARCGIS软件将不同点线面数据按地理信息分层储存，建立机场巴士线路基础数据库。

(1)客流分布层：与机场相关的手机信令数据是潜在客流，在此以手机信令数据为分布点，并在ARCGIS中以点的方式储存。

(2)机场巴士线路层：存放机场巴士线路，以线的方式储存。

(3)交通小区层：存放交通小区，以面的方式储存。

2 实证分析——以合肥新桥国际机场为例

2.1 机场巴士线路现状分析

合肥新桥国际机场处于合肥市西北方向，与市中心的直线距离31.8公里，为4E国际机场，2019年新桥机场旅客吞吐量为1232万人次。机场集散方式主要有机场大巴、长途客运、出租车和私家车，暂未开通轨道交通和城市公交。根据合肥新桥机场的地理空间范围，利用软件下载合肥市地图，在确定坐标系后对地图进行矢量化，得到合肥新桥国际机场的地理空间范围如图3所示。目前机场巴士共有4条线路，分别具体见表1和图2。

表1 机场巴士路线表

图2 合肥新桥国际机场巴士路线矢量图

2.2 客流需求分析

图3 机场巴士客流需求点分布

选择2019年5月15、16日(工作日)和18日(周末)为调查日，依托某运营商数据平台，该运营商在合肥市场份额约为18%，具有较强的代表性。通过ARCGIS画出合肥新桥国际机场地理空间范围，以经纬度为判别字段，凡进入机场地理空间范围的手机信令数据将被标注，并跟踪其起讫点。通过PYTHON筛选出机场范围内运营商手机信令数据16638条，结合运营商的市场份额，反映了机场吞吐量为30811人次/日，与2019年机场官方数据基本一致。鉴于本文研究对象为合肥市主城区机场巴士，筛选起讫点为合肥市主城区机场巴士5231条。经数据简化和去噪处理后，旅客手机信令数据分布如图3所示。

2.3 交通小区划分

为定量分析合肥新桥机场客流空间分布，以市辖区为范围将合肥市划分了瑶海、包河、蜀山、庐阳等4个交通大区，以街道和乡镇将合肥市主城区划分为42个交通小区。将旅客起讫点，按照经纬度数据，分配到各交通小区中。将客流数据通过ARCGIS点转要素功能，标识到合肥市主城区底图中，各区域的旅客需求点数量如表2所示，蜀山区客流需求最为旺盛，共有2169个客流需求点，庐阳区相对较少，有798个客流需求点。42个交通小区客流需求点如表3所示。

表2 交通大区客流分布表

表3 交通小区客流需求点

2.4 机场巴士的路线优化

2.4.1 线路优化模型分析

城市公共交通站点一般用300-500米覆盖率进行评价，由于机场巴士路线较远，旅客可接受步行到站点的距离比城市公交站点要长，在此选择1000米覆盖率为机场巴士线路的评价指标。合肥新桥国际机场巴士路线由两部分组成，一部分为快速路和机场高速，这部分线路受道路条件限制不能设置中间停靠点，所以这部分路段不计算线路覆盖率；另一部分为城市主干道或次干道，鉴于机场巴士旅客对时间敏感性较强，线路不宜采用城市公交300-500米设置站点间距，本文参照城市轨道交通站点设计标准，每个1000-1500米左右设置停靠点，在具体布设时可与公交车站共享共用，这部分路段将计算其覆盖率。通过ARCGIS的数据管理工具，得到机场巴士矢量地图的点或线元素，通过缓冲区分析形成线路周边1000米的覆盖率区域。计算落在机场巴士线路上点或线元素缓冲区的手机信令数据，得出该线路的覆盖率S。

以maxS为优化模型的目标，在不增加运力等资源基础上，设定约束条件如下：

(2)线路条数与原条数保持一致，均为4条。

(3)线路站点数均按1000-1500米设置，去掉重复的区域，站点1000米邻域区间和线路的邻域区间范围保持一致。

(4)线路非直线系数ri≤1.4，非直线系数不计算机场高速部分。

2.4.2 机场巴士起讫点的确定

因机场巴士线路总条数为4条，需确定4个起讫点。起讫点的选择考虑需综合考虑3个因素，一是选择交通小区客流比较集中的区域为备选区域，在此选择前30%共13个的交通小区为备选；二是尽量选择客运走廊上的交通小区，以增加整个线路的覆盖率；三是考虑到空间分布和非直线系数，去除离机场太近的区域，优先选择可中间停靠其他客流集中分布点的交通小区；四是综合考虑与交通枢纽的衔接，优先考虑火车站、汽车站等枢纽作为起讫点。

根据以上因素，机场巴士确定4个起讫点，分别为合肥火车站、天鹅湖大酒店站、安徽省体育馆站、三孝口站。其所在的交通小区的客流分布及位置如图4所示。

图4 街道客流分布及位置图

2.4.3 机场巴士线路的确定

在确定起讫点的基础上，线路的确定可采用先逐条布设法，再整体优化的方法。

线路S1起讫点火车站、机场，通往机场方向的道路主要有2条，分别为①火车站→长淮地铁站→大东门站→海龙大厦站→蒙城路与北一环路交叉口站→庐阳区政府站→(西一环五里河高架、长江西路高架、机场高速)→机场；②火车站→长淮地铁站→大东门站→四牌楼站→三孝口站→安农大站→三里庵站→(长江西路高架桥、机场高速)→机场；其线路编号分别设为S1a、S1b。

线路S2起讫点三孝口、机场，通往机场方向的道路主要有3条，①三孝口→省委省政府信访局站→富荣大厦站→蒙城路与北一环路交叉口站→庐阳区政府站→(西一环五里河高架、长江西路高架、机场高速)→机场；②三孝口→安农大站→三里庵站→(长江西路高架桥、机场高速)→机场；③三孝口→交通大厦站→中科大北校区站→百大商业大厦站→华润五彩城站→洪岗地铁站→国防科技大学站→(西二环路高架、长江西路高架、机场高速)→机场；其线路编号分别设为S2a、S2b、S2c。

线路S3起讫点安徽省体育馆、机场，通往机场方向的道路主要有3条，①安徽省体育馆→安医四附院→(南一环路高架、长江西路高架、机场高速)→机场；②安徽省体育馆→朱岗地铁站→卫岗小学站→安徽省儿童医院站→百大商业大厦站→华润五彩城站→洪岗地铁站→国防科技大学站→(西二环路高架、长江西路高架、机场高速)→机场；③安徽省体育馆→朱岗地铁站→葛大店地铁站→王卫村地铁站→合肥南站→汽车客运南站→中国建筑第三工程局站→合肥体育中心站→(合肥绕城高速、长江西路高架、机场高速)→机场；其线路编号分别设为S3a、S3b、S3c。

线路S4起讫点天鹅湖大酒店、机场，通往机场方向的道路主要有2条，①天鹅湖大酒店→合肥总商会大厦→金大地1912站→(西二环路高架、长江西路高架、机场高速)→机场；②天鹅湖大酒店→(西二环路高架、合肥绕城高速、长江西路高架、机场高速)→机场；其线路编号分别设为S4a、S4b。

这10条备选线路均符合约束条件，线路的里程数、非直线系数和站点数可以通过ARCGIS的空间分析计算，覆盖率可通过缓冲区分析计算，以覆盖率为规划主目标，得出备选路线情况如表4所示。

表4 机场巴士备选线路表

根据上述分析，选择机场巴士线路S1a、S2c、S3c、S4a为优化后路线。

2.4.4 线路评价及分析

为了更好研究优化效果，本文对机场巴士线路现状和优化后线路开展对比分析。通过ARCGIS缓冲分析，规划线路比现有线路总里程增加4.7公里，增长了2.7%；非直线系数增加0.02，反映规划路线旅客出行时间和现状基本相同；与此同时，在保持线路里程和非直线系数基本不变的约束下，规划线路填补了中心城区南部的空白区域，覆盖率由31.9%提升到48.9%，优化效果明显，如图5所示。

表5 现有路线、规划路线对比表

图5 机场巴士线路现状与优化路线覆盖率对比图

3 结 论

依托手机信令数据，以经纬度字段为判别指标，定量化分析了机场巴士客流需求规模，分析表明合肥新桥国际机场日均客流为30811人次，与机场官方公布数据基本保持一致，说明了利用手机信令数据测算客流规模的有效性；通过地理信息系统ARCGIS定量化研究了客流需求分布，分析表明蜀山区客流需求最大，庐阳区的客流需求最少。在此基础上，本文以线路覆盖率为主要目标，以线路里程和非直线系数为约束，提出了线路优化方法，具有较强的应用价值。

本文还存在一些不足，一是手机信令数据未包括所有运营商的数据，虽满足了宏观分析的需求，但在做微观交通小区分析时，有可能产生较大偏差；二是本文将所有与机场相关的手机信令数据当作潜在需求点，未深入分析不同人群对机场巴士的选择习惯。这些不足有待下一步的研究中完善。