基于出行链路的乘客下车站点推算方法

罗 茜，熊 文

(云南师范大学 信息学院，云南 昆明 650500)

0 引言

客流分析是公共交通系统运营的基础。准确获取乘客出行链是完善公共交通系统建设的重要前提。但由于公交乘客只需在上车刷卡，下车无需任何操作，所以客流分析者很难通过刷卡记录直接得知乘客的下车站点。

目前获取乘客下车站点的方法主要有人工采集法、自动计数设备采集法、基于乘客消费数据推算方法等。前两种方法效率较低、误差较大，研究者们常用的是推算方法。Huang D[1]提出了一种利用智能卡和GPS数据估计OD矩阵的方法，根据公交出行链的特点推断出乘客下车站点；李佳怡[2]提出公交出行节的概念，并将其划分为连续或断裂来分析乘客出行链类型以推断下车站点；崔紫薇[3]用出行链方法推算的下车站点记录作为历史出行数据集，从历史数据的生成和选择两方面进行考虑，以此方法推算了更多的下车站点；刘晓[4]基于整体出行规律和基于个体出行规律，提出下车站点推导算法。

本文根据乘客IC卡记录、车辆GPS轨迹数据、车辆排班信息，提出一种基于出行链分析方法来推算公交乘客下车站点。首先，本文利用时间匹配方法识别乘客上车站点，然后根据乘客历史刷卡数据构建出行链，分析出行链特点并分类推算各次的下车站点，最后以实例检验方法有效性。

1 方法描述

1.1 匹配上车站点

乘客IC卡数据没有记录站点名称，所以需要先识别出乘客的上车站点。上车站点可根据时间匹配的方法获取，该方法将上车记录中的时间与所在车辆进出站时间做对比，时间差最小的站点为乘客的上车站点。在车辆调度数据缺失的情况下，本文将上车时间匹配至差值最小的GPS记录，获取乘客的具体位置，匹配最近的站点为乘客上车站点。

1.2 分析出行链路

一般地，公交乘客的出行链主要概括为3种，如图1所示。

图1 乘客公交出行链分析

图1(a)中乘客的出行以“公交+公交”方式构成闭合出行链，始末点均为公交出行。该情况符合学生、上班族等群体的出行行为。

图1(b)中乘客的出行以“公交+非公交+公交”方式构成闭合出行链，即始末点均为公交出行，但乘客在中途以非公交形式发生移动。该情况符合组合出行的规律性乘客。

图1(c)中乘客的出行以“公交+非公交”方式构成开放出行链，即只知在起点乘坐公交，后续行程无法了解，该情况多为随机出行。

闭合的公交出行链具有较强的时空规律性，可根据乘客出行规律判断下车站点。开放的公交出行链具有较强的随机性，需根据站点自身吸引强度判断乘客下车站点。

1.3 推断下车站点

对于闭合的出行链路，当后一次出行的上车站点位于前一次出行上车站点的下游，或距离下游小于阈值(通常设为1 km)，本文认为乘客此次是规律出行，前一次出行的下车站点为后一次出行的上车站点。

对于开放的出行链路，由于站点自身具有吸引属性，本文认为在上车站点的下游中，某站点吸引强度越大，乘客在此站下车可能性越大。站点吸引强度可用该路线各站点的上车人数表示，计算公式为：

(1)

式中，P表示站点吸引强度，N为站点的上车人数，k为该路线站点总数。

推算流程如图2所示。

图2 下车站点推算流程

1.4 检验回归方程

由于公交乘客的整体出行在各路线上下行的客流量基本持平，存在线性关系:

(2)

式中，N表示站点客流，a、b为回归系数。当a越趋近于1时，该路线各站点上下车客流量越持平。检验该方法的数据采集由于自动售检票系统(AFC)，利用无线技术传输于后台服务器中，包括广州市2021年7月的199万条刷卡记录、537万条车辆排班信息、7 260万条GPS记录。

2 实验结果分析

2.1 方法检验

随机选取3条路线进行实验，在MATLAB软件上以各个站点的上下人数据建造矩阵，求得各路线参数如表1所示。参数a值均趋近于1，参数b值略有浮动但差距不大，说明该路线上下车客流量基本持平，本文的方法具有可靠性。

表1 各路线参数

2.2 实例分析

如表2所示，乘客****2913连续两天在836路的不同方向上车，属于规律出行者，故南洲北路站和东坑站互为该乘客出行的始末点。乘客****2794只有单次乘车记录，属于随机出行，经计算可知在下游站点中吸引强度最大的站点是白云区医院站，因此推算该乘客此次出行的下车站点为白云区医院站。

表2 上下车站点推算

3 结语

为推算乘客下车站点，本文基于海量的公交大数据，构建乘客出行链，并分析3种出行方式，满足了多场景下的预测需求。以广州公交为实例，本文的方法推算出80%以上不同出行链的乘客下车站点。

后续研究将考虑可能影响站点吸引强度的因素，并加入公交车内无线监控系统采集的数据验证推算的准确性。