基于信令数据的中小城市公交线网优化方法

费瑞阳 邬岚 栾开元 简玉成

摘  要：为改进传统中小城市公交线网优化中数据调查精度低、周期长、成本高以及方法针对性不足的缺点。基于手机信令数据获取交通OD，针对中小城市的特点来对其公交线网进行优化研究。首先根据手机信令数据的获取原理，基于聚类分析提出交通小区的划分方式，设计出行量获取方法得出居民公交出行OD以进行公交需求预测。根据中小城市的实际情况，以“路线优选”作为方法，选取以公交出行耗时最短和运营成本最低为目标的函数，建立优化模型。最后对宿迁市的数据进行实例分析并进行线网优化和评价。

关键词：中小城市;公交线网;信令数据;优化方法

中图分类号：U491    文献标识码：A

Abstract： In order to improve the shortcomings of the traditional small and medium-sized city bus network optimization， such as the data survey accuracy is low， the cycle is long， the cost is high， and the method is insufficient. Obtain residents' travel OD based on mobile phone signaling data， and optimize the bus network according to the characteristics of small and medium cities. First， according to the acquisition principle of mobile phone signaling data， proposing a method of dividing traffic districts based on cluster analysis. Design the trip volume acquisition method to obtain the traffic OD for public transportation demand forecast. Second， according to the actual situation of small and medium cities， taking“route optimization”as the method， selecting the function that takes the shortest bus travel time and the lowest operating cost as the objective to establish the optimization model. Finally， the data of Suqian city is analyzed by an example， and the network optimization and evaluation are carried out.

Key words： small and medium cities; public transportation network; signaling data; optimization method

0  引  言

在社會经济以及城市化建设快速发展的背景下，中小城市的规模和人口也在日益增加，因而对机动化出行的需求也与日俱增，通过优化公交线网来优化公交服务系统、鼓励公交出行是缓解这一现象带来的交通问题的有效手段。在公交线网优化中，居民公交出行量的预测数据是一大重要支撑，传统的获取数据进行预测的手段主要是居民出行调查，存在调查精度低、周期长、成本高以及方法针对性不足的缺点，急需找到更加快速合理的方式来获取居民出行的数据，从而使线网优化周期缩短、公交线网优化效率提高，并且针对中小城市提出专门的线网优化模型提高优化的合理性。

在信令数据的研究上，国外Larijani等[1]为了准确获得基站间的出行OD数据，利用泰森多边形方法对巴黎的基站进行处理，将其服务区域进行了细致的划分;Wismans L，Friso K等人[2]提出了一种基于手机信令数据的交通需求研究方法，其主要是在比较传统居民出行调查的OD数据与利用信令数据获取的OD数据的基础上，进行结果的分析和匹配。国内胡永恺等人[3]改进了手机信令数据提取交通OD量中的出行端点匹配方法，提出缩小基站可能覆盖范围的方法，使用用户最大可能活动范围，提高了匹配精度;蔡正义[4]提出了基于轨迹数据的居民出行OD识别方法，以低成本、高频率获取城市出行特征数据。

在公交线网优化的研究上，国外Yang Z等人[5]以乘客直达量最大为目标建立OD矩阵并利用蚁群算法进行线路搜索;Medina等[6]以不同时段的客流量为分析基础，建立了公交企业建设和运营成本、出行停靠站设置的模型。国内谢迪文[7]以单条公交线路单位里程效益最大为目标生成备选线路集，优选出整体直达乘客量最大的公交线网;宋子杭[8]使用公交IC卡推算公交OD，建立以满载率和直达率为目标的模型。

综上所述，国内外对信令数据的研究主要集中于如何计算居民出行的OD数据，而对于如何划分基站与交通小区获取更精确的OD数据，以及如何将其应用于优化公交线网方面的研究相对不足，很多理论方法并未能运用到实际工作中。且不管是公交线网优化的研究，还是使用信令数据进行的研究，二者目前都主要集中在大城市，缺少针对中小城市的研究。基于以上不足，本文以中小城市为研究背景，研究信令数据获取公交出行OD的方法，提出针对中小城市公交线网的优化模型，并把其实际应用于中小城市公交线网优化工作中。

1  研究思路与优化流程

1.1  研究思路

以宿迁市为研究背景，首先分析了手机信令数据获取居民出行发生吸引量的原理，利用聚类分析的方法，提出根据基站小区来划分交通小区的方式以及在此基础上识别交通出行OD的操作流程与方法，然后基于“四阶段法”进行公交需求预测，采用TransCAD仿真软件进行运算，从而得到此次预测年的公交OD矩阵，作为后续线网优化的支撑。

接着针对中小城市的特点，遵循“路线优选”的思想，选取乘客耗时最短和公交公司效益最大为目标的函数，并选择相应的约束条件，建立起适用于中小城市的公交线网优化模型，从而在所建立的备选线路集中择优选取路线。

最后对宿迁市的公交发展现状进行剖析与评价，总结其不足之处，并利用手机信令数据、公交线网优化模型与方法对宿迁市公交线网进行优化。

1.2  优化流程

首先获取手机信令数据;接着对手机信令数据进行处理获取交通OD数据;然后利用交通OD数据在TransCAD软件上预测出居民公交出行OD数据;再以公交出行耗时最短和运营成本最低为目标，选取约束条件建立中小城市公交线网优化模型;建立备选线路集，对备选线路进行择优选取，对线网进行优化。优化流程如图1所示。

2  手机信令数据获取居民公交出行OD方法

2.1  手机信令数据的获取原理

目前，基于手机终端和手机网络是通过手机定位技术获取手机信令数据的方法。本次研究所获取的定位信息主要是依靠手机切换定位技术获取。手机切换定位技术的原理为：当手机从一个基站小区到达另一个基站小区时，该手机信号将从原先的小区基站切换到当前所在小区的基站，这就发生一次手机切换。在切换的过程中，将会得到切换的时间、切换手机的编码、切换的基站等信息，从而得到用户的位置信息。

手机切换定位技术具有成本低廉，不需要依赖终端，对基站的通信影响比较小等优势，同时它的定位精度与小区半径有关，在中心城区能够达到50～100m，在市郊也能够达到100～200m。因此手机切换定位技术能够较为直观地反映出手机用户的出行特征。

2.2  数据预处理

在实际操作过程中，GSM网络自身存在缺陷，外部环境等因素会干扰部分数据[9]，进而导致数据出现重复数据、缺陷数据、漂移数据（移动终端的定位位置与其实际位置不匹配）、定位数据采集不均衡等问题。要对数据进行以下处理：

（1）数据初选。在信令数据产生过程中产生某些字段缺位或丢失等错误，字段数据存在缺失时其长度将会不在正常范围内，因而，通过对应的判别方法，根据其长度是否合理来确定字段是否存在缺失。

（2）数据过滤。部分数据会存在错误从而无法反映出出行的正确位置，或者因为到另一个城市而无法判断位置，可以通过对比经纬度等方法过滤掉错误数据。

（3）数据除噪。“噪声”数据是指当处于强度相近的两个基站间的某一位置时，手机的信号会在两个基站间不停切换，因此为了排除“噪声”数据，需采集并判断数据前后两点间的速度。

2.3  交通小区的划分方法

使用手机信令数据，根据基站的时空属性对交通小区进行划分。手机信令数据与基站覆盖区域内用户活动量存在关系，本文将借助基站小区的活跃度来进行交通小区划分。

（1）手机基站的分类。城市土地一般可以分为：商业区、工业区和居住区[10]。以基站小区为单元，统计各小区全天内手机信令数据发生频率，利用公式分析其属于何种属性，再根据聚类分析的结果划定各个交通小区的边界。

将各个时间段内的通话频数除时长，得到平均每小时的通话频数。同时，为了能够比较一天当中不同时间段所获取的结果，使用各时间与全天平均小时的比例来进行比较。

基站小区在经过上述判断后可以得到表1所示的结果。由表1可以发现工作区与居住区有较大的互补性。

（2）基于空间距离的基站分类。为了基站的空间属性，并保证其均匀性，需要基于空间距离进行基站分类。聚类利用K均值法，主要针对基站的经纬度和用地属性信息，位置区作为基站编码，交通小区聚类的步骤如图2所示。

本次研究以宿迁市为背景，通过与宿迁市地图匹配，划分出如图3所示交通小区，合并成11个交通中区。

2.4  交通OD的获取方法

一般在出行过程中分为停留与移动两种，停留点即指在出行过程中，一个用户在某个位置停留一段时间，当这个停留时间达到所设定的阈值时，即可确定此点为停留点。停留点往往能够反映出用户的某些爱好、生活习惯、工作场所等，能够为以后所进行的交通规划交通需求预测等提供数据支持，具有十分重要的意义。

通过比较t时刻与t-1时刻的时间与距离差值，来判断该点的状态，去除移动点，保留停留点，再对连续的停留点进行计算，得到最大的时间差的点，设定为本次出行的起讫点，记录下起讫点的时间，获取交通小区OD。

为了减小因手机信号强弱变化而产生的误差，在进行轨迹判定时需要设置一定的时间阈值、距离阈值及速度区間。时间阈值的设定一般设为30min;距离阈值的设定与基站小区的位置相对距离和基站密度有关，采用相对动态的距离阈值;速度区间的设置，一般设置在0～80km/h之间。

利用上面所述的方法，可以得到一组基于基站的交通小区OD：

2.5  居民公交出行OD

根据“四阶段法”，利用TransCAD对宿迁市居民公交出行OD进行预测，结果如表2和图4所示。

3  公交线网优化模型的建立

3.1  公交线网优化的目标

不同于大中城市，中小城市公交线网有其自身特点。中小城市公交乘客的出行平均距离与出行平均时间较短，公交线路的长度不需要太长。另外鉴于城市规模、人口等因素的限制，中小城市的公交线网条数不需要太多，因此其重复系数一般也不大，公交线网结构不复杂。中小城市的早晚高峰时间相比于大中城市持续时间短、居民选择出行方式和出行目的的比例与不同、同时中小城市在中午还存在一个小的出行高峰。基于以上特点，选取公交出行时间最短以及运营成本最低作为优化目标。

3.2  公交线网优化约束条件

设置公交线网优化的约束条件[12]，主要目的是在生成候选线路集时减少备选线路的数量，减少优化搜索的工作量。本文根据中小城市的公共交通特征和布线的一般注意事项，确定中小城市公交线网优化的约束条件为以下几个：

模型的求解过程如下：

（1）染色体编码

在公交线网优化的过程中，对于线路的选择，只有选与不选两种，其特性符合二进制的特点，二进制编码是最容易也是运用最广泛的编码方式，解用二进制字符串来表征。每条公交线都是连接了各自的节点，可以通过将这些节点相连，得出公交线网。例如，线路A有10条待选结点，对其中一条备选线路进行编码（1100100100），表示该线路中1、2、5、8号节点被选中，将这几点通过线网连接，即得到一条备选线路。

（2）初始种群的形成

初始种群的选择采用随机的方式，车辆到达各节点采用最短路的方式。

（3）个体适应度

由于采用的是随机的方式产生的初始种群，所以需要设立一定的约束条件来保证种群的健康。以目标函数作为适应度函数进行计算，表达式如下：

fitnessfunx=ZX为可行解                                       （14）

在遗传算法的迭代过程中，适应度较高的个体逐渐繁衍，而适应度较低的则逐渐被淘汰，最终产生最优解。需要设置一个惩罚性函数，改进后的适应度函数如下：

适应度大的染色体被选中的概率更高，进入下一步骤的机会也越多，但适应度低的个体同样也有被选中的概率。这种方式的选择保证了种群内的多样性。

4  案例分析

4.1  宿迁市公交现状

（1）線路布局情况。宿迁市营运的城市公交线路为47条，线路总里程达到937公里。宿迁市城市公交线网布局总体呈现“中间密，四周疏”的格局，基本适应城市居民出行的格局。

（2）线路网特征分析。公交线线路长度。宿迁市公交线路平均长度为18.5km，大于规范建议值所给的10～15km，线路长度小于10km的有3条，10～15km的线路有10条，而超过60%的线路里程都在15km以上，线路长度不合理。

公交线网密度。公交线网密度为3.26km/km2，达到规定的城市中心城区公共交通线路网密度3～4km/km2的水平。

线路重复系数。宿迁市公交线路重复系数为1.99，在规范允许的范围之内（1.25～2.5）。

非直线系数。宿迁市公交线网的非直线系数为1.75，大于规范建议值所给的1.4[14]。

4.2  优化结果分析

对现有公交线网优化，优化后形成52条线路，其中形成10条主干线、15条次干线、24条支线、3条旅游公交线路。本次线网优化保证了优化后基本覆盖原有道路;在未改变原有居民出行习惯的前提下线网层级更加清晰，功能更为明确，线网调整科学可行;各项指标均有所优化。优化后各条线路构成如表4所示。

线网优化的总体评价如表5所示。可以看出优化后线网空间形态各项指标进一步优化。非直线系数、平均线路长度、线路重复系数等指标值更趋合理。

5  结束语

本文基于手机信令数据的获取原理，提出一种基于聚类分析的交通小区的划分方式，并设计适应手机信令数据特性的出行量获取方法，改进了传统公交线网优化中数据获取成本高、精度低、周期长的缺点。基于“路线优选”的思想，建立了以公交出行耗时最短和运营成本最低为目标的优化模型，适应了中小城市的特点。最后利用所提的方法及模型对宿迁市进行优化案例分析，结果显示线网层级更加清晰，功能更为明确，非直线系数、平均线路长度、线路重复系数等指标值更趋合理。

参考文献：

[1]  Anahid Nabavi Larijani. Investigating the mobile phone data to estimate the origin destination flow and analysis; case study： paris region[J]. Transportation Research Procedia， 2015（6）：64-78.

[2]  Wismans L， Friso K， et al. Improving a priori demand estimates transport models using mobile phone data： a rotterdam-region case[J]. Journal of Urban Technology， 2018，25（2）：63-83.

[3] 胡永恺，宋璐，张健. 基于手机信令数据的交通OD提取方法改进[J]. 交通信息与安全，2015，33（5）：84-90，111.

[4] 蔡正義. 基于大数据的城市居民出行分析建模[D]. 杭州：浙江大学（博士学位论文），2018.

[5]  Yang Z， Yu B， Cheng C. A parallel ant colony algorithm for bus network optimization[J]. Computer-Aided Civil and Infrastructure Engineering 2007，22（1）：44-55.

[6]  Medina M， Giesen R， Munoz J. Model for the optimal location of bus stops and its application to a public transport corridor in Santiago， Chile[J]. Transportation Research Record： Journal of the Transportation Research Board， 2013（1）84-93.

[7] 谢迪文. 中小城市常规公交线网优化方法研究[D]. 成都：西南交通大学（硕士学位论文），2018.

[8] 宋子杭. 基于公交GPS和IC卡数据的公交线网优化方法[D]. 北京：北京交通大学（硕士学位论文），2017.

[9] 贾曼月. 基于手机信令定位数据的中小城市公交线网优化研究[D]. 西安：长安大学（硕士学位论文），2019.

[10] 宋璐. 基于手机定位数据的交通OD分布研究[D]. 南京：东南大学（硕士学位论文），2015.

[11] 詹家凤. 中小城市公交线网优化方法研究[D]. 重庆：重庆交通大学（硕士学位论文），2015.

[12] 胡桂松. 基于网络开源数据的中小城市公共交通线网优化方法研究[D]. 南京：东南大学（硕士学位论文），2018.

[13] 杨广林，逯燕玲. 遗传算法和蚁群算法融合的公交线网优化算法[J]. 北京联合大学学报，2014，28（1）：13-16.

[14] 国家技术监督局，建设部. GB50220-95城市道路交通设计规范[S]. 北京：国家技术监督局，建设部，1995.

收稿日期：2021-01-13

基金项目：国家自然科学基金项目（51408314）

作者简介：费瑞阳（1996-），男，安徽滁州人，南京林业大学汽车与交通工程学院硕士研究生，研究方向：交通运输工程;邬  岚（1977-），本文通讯作者，女，湖北武汉人，南京林业大学汽车与交通工程学院，副教授，博士，研究方向：交通规划、交通仿真及公共交通。