公交客流統(tǒng)計(jì)時(shí)段的劃分方法

范海雁，姚 佼

(上海理工大學(xué) 管理學(xué)院 上海 200093)

城市公共交通是城市重要的基礎(chǔ)設(shè)施，是城市交通結(jié)構(gòu)中的重要組成部分，城市公交在城市客運(yùn)交通運(yùn)輸中起著重要的作用，各種不同的公交線路構(gòu)成龐大的公交網(wǎng)絡(luò)，承擔(dān)著重要的運(yùn)輸任務(wù)。因此一條公交線路運(yùn)輸能力的正常發(fā)揮起著至關(guān)重要的作用。既要考慮乘客的運(yùn)輸需求，又要考慮企業(yè)的運(yùn)輸能力和效益，因此要協(xié)調(diào)客流和企業(yè)之間的關(guān)系，確定合理的行車間隔時(shí)間。本文定位于行車間隔時(shí)間的統(tǒng)計(jì)時(shí)段研究，從公交客流的實(shí)際需求出發(fā)，統(tǒng)計(jì)客流在不同時(shí)段的需求信息，以確定具有特別類似特征的時(shí)間段。

目前，公交客流調(diào)查[1-2]在數(shù)據(jù)處理上存在很多問題。傳統(tǒng)的方法是按照整點(diǎn)的小時(shí)段來統(tǒng)計(jì)客流量的，由于一輛公交車輛從始發(fā)站到終點(diǎn)站的運(yùn)行往往要跨越兩個(gè)不同的小時(shí)段，無論按站點(diǎn)統(tǒng)計(jì)還是按線路整點(diǎn)小時(shí)段的統(tǒng)計(jì)都存在著人為硬劃分客流的不合理現(xiàn)象；同樣，不同路牌的公交車輛可能在同一個(gè)站點(diǎn)存在著同時(shí)段的客流數(shù)據(jù)，這在數(shù)據(jù)處理上存在著人為劃分的誤差，因此在發(fā)車間隔時(shí)間上存在著不同時(shí)段間的平滑過渡問題需要研究[3]。目前的文獻(xiàn)研究均是按整點(diǎn)劃分時(shí)段的，事實(shí)上這并不具有嚴(yán)格意義，如高峰時(shí)刻的到來未必從整點(diǎn)時(shí)段開始，發(fā)車間隔的變化也未必一定從整點(diǎn)開始出現(xiàn)變動(dòng)。

1 公交客流的統(tǒng)計(jì)

目前，利用人工作公交客流調(diào)查基本采用跟車調(diào)查方法，在數(shù)據(jù)處理時(shí)通常按整點(diǎn)時(shí)間段劃分統(tǒng)計(jì)客流數(shù)量及斷面流量分布情況，公交發(fā)車間隔時(shí)間優(yōu)化是不同時(shí)段的定間隔控制作業(yè)計(jì)劃方法。是根據(jù)客流量數(shù)據(jù)等相關(guān)信息把一天劃分為若干個(gè)整點(diǎn)時(shí)段，不同的整點(diǎn)時(shí)段采用不同的發(fā)車間隔時(shí)間。傳統(tǒng)的客流統(tǒng)計(jì)方法，是根據(jù)整點(diǎn)人工劃分時(shí)段，線路上不同站點(diǎn)的客流有時(shí)要?jiǎng)澐值讲煌臅r(shí)段內(nèi)，具有很大的主觀性。論文將聚類方法用于公交客流統(tǒng)計(jì)時(shí)段的自動(dòng)劃分，克服了人工整點(diǎn)劃分時(shí)段的不合理性，為公交發(fā)車間隔優(yōu)化制定提供新的思路[4-5]。

用于公交發(fā)車間隔時(shí)間的客流統(tǒng)計(jì)信息主要包括：總客流、站點(diǎn)客流、線路客流、斷面客流、時(shí)段客流、區(qū)間客流及客流時(shí)空分布變化[6]。國(guó)內(nèi)在公交客流規(guī)律研究及發(fā)車間隔的確定中，主要以客流峰值為限制，并結(jié)合時(shí)段區(qū)間作為需求數(shù)據(jù)。公共交通客流基礎(chǔ)數(shù)據(jù)是公交行車計(jì)劃編制的基礎(chǔ)，是確定公交發(fā)車間隔時(shí)間的基礎(chǔ)數(shù)據(jù)，只有掌握線路上公交客流的出行規(guī)律和出行特征，才能對(duì)公交線路的運(yùn)營(yíng)計(jì)劃和運(yùn)營(yíng)決策科學(xué)合理。

2 公交客流數(shù)據(jù)統(tǒng)計(jì)時(shí)段劃分

實(shí)際應(yīng)用中，基于目標(biāo)函數(shù)的模糊聚類方法受到歡迎，它是把聚類歸結(jié)為帶有約束的非線性規(guī)劃問題，通過優(yōu)化求解獲得數(shù)據(jù)集合的模糊劃分和聚類。基于目標(biāo)函數(shù)的聚類算法中模糊c均值類型的算法理論最為完善[7-9]。

2.1 客流數(shù)據(jù)集的C劃分

給定調(diào)查客流的數(shù)據(jù)集X為n個(gè)模式的一組有限觀測(cè)樣本集，則xk=(xk1,xk2,…,xks)T是觀測(cè)客流樣本的xk的特征矢量，對(duì)應(yīng)特征空間中的一個(gè)點(diǎn)，xkj為特征矢量xk的第j維上的賦值。

用隸屬函數(shù)μik=μx(xk)表示樣本xk與子集Xi(1≤i≤c)的隸屬關(guān)系，則有μik∈{0,1}。X的c個(gè)子集的特征函數(shù)值構(gòu)成矩陣U=[μik]c×n。于是有X的C劃分空間：

(1)

利用隸屬度函數(shù)可以把二值擴(kuò)展到[0,1]區(qū)間，從而X的模糊劃分空間為：

(2)

對(duì)每個(gè)樣本與每類原型間的距離用其隸屬度平方加權(quán)，則類內(nèi)加權(quán)誤差平方和目標(biāo)函數(shù)：

。

(3)

上式中，樣本xk與第i類的聚類原型P之間的距離為：

(dik)2=‖xk-pi‖A。

(4)

2.2 聚類算法步驟

第一步，初始化，給定聚類類別數(shù)C，2≤c≤n，n為數(shù)據(jù)個(gè)數(shù)，設(shè)ε為迭代停止閾值，初始化聚類原型P(0)，設(shè)置迭代計(jì)數(shù)器b=0。

(5)

第三步，計(jì)算原型模式矩陣P(b+1)：

(6)

第四步：判斷‖p(b)-p(b+1)‖的值是否小于ε，若小于則算法停止并輸出劃分矩陣和聚類原型P，否則令b=b+1，執(zhí)行第二步驟[10]。

3 實(shí)例分析

本論文數(shù)據(jù)來源為上海市公交875路公交線，針對(duì)本線路早時(shí)段的24輛連續(xù)發(fā)出的公交車輛進(jìn)行跟車調(diào)查，數(shù)據(jù)采集信息包括線路長(zhǎng)度、各站點(diǎn)之間的距離，各站的到站時(shí)刻及發(fā)出時(shí)刻，各站點(diǎn)的上下客流量等。考慮高峰時(shí)公交車輛的發(fā)車間隔時(shí)間，本文以5 min作為數(shù)據(jù)計(jì)數(shù)周期，首先定義一個(gè)n×p的模糊集x，n為樣點(diǎn)數(shù)量，p為客流統(tǒng)計(jì)中的屬性變量，聚類結(jié)果見表1和表2。

表1 客流時(shí)段劃分的聚類結(jié)果

表2 聚類成員

從表1中可以看出，在早晨時(shí)段，公交客流與小汽車交通流有明顯的不同，其突顯高峰時(shí)段僅呈現(xiàn)在6∶30～7∶00時(shí)段，而從7∶00～8∶20呈現(xiàn)持續(xù)長(zhǎng)時(shí)間大客流狀態(tài)，8∶20～9∶20處于平穩(wěn)狀態(tài)，6∶00～6∶20的客流狀態(tài)要高于一般平穩(wěn)期的客流。表2中的第2列是時(shí)間起點(diǎn)，第3列是聚類編號(hào)，按相同的編號(hào)可以準(zhǔn)確看出時(shí)間段的相似區(qū)間，由此，可以看出，早上公交客流幾個(gè)基本狀態(tài)的劃分最好以30 min為段來計(jì)算發(fā)車間隔時(shí)間最為適宜，在8∶20～9∶20的平衡客流狀態(tài)用通常的1 h段劃分較適宜。

4 結(jié) 論

本論文提出了一種對(duì)公交線路發(fā)車間隔時(shí)間處理時(shí)的時(shí)間間隔統(tǒng)計(jì)階段劃分方法，并運(yùn)用該方法對(duì)上海市875路公交車的早晨時(shí)段的客流量進(jìn)行了聚類分析。結(jié)果表明，論文能夠精準(zhǔn)確定早高峰的具體時(shí)段為6∶30～7∶00和7∶00～8∶20時(shí)間段，這為時(shí)段的劃分給出了較為精確的依據(jù)，并可以計(jì)算時(shí)段內(nèi)的發(fā)車頻率和發(fā)車間隔時(shí)間，比傳統(tǒng)的整點(diǎn)小時(shí)段劃分方法結(jié)果更確切，可以為實(shí)時(shí)調(diào)度中的發(fā)車間隔時(shí)間的計(jì)算奠定基礎(chǔ)。

【參 考 文 獻(xiàn)】

[1]范海雁，李秀君.基于公交客流統(tǒng)計(jì)信息的公交調(diào)度決策方法[J].統(tǒng)計(jì)與決策，2007(24)：179-180.

[2]魏領(lǐng)軍，張 利，魏領(lǐng)紅，等.城市公交客流調(diào)查數(shù)據(jù)修正方法研究[J].汽車科技，2009(1)：37-39.

[3]Avishai Ceder著.關(guān) 偉譯.公共交通規(guī)劃與運(yùn)營(yíng)[M].北京：清華大學(xué)出版社.2010.

[4]管麗萍，尹湘源，楊亞萍.模糊C均值聚類在交通流高峰期確定中的應(yīng)用[J].浙江萬里學(xué)院學(xué)報(bào)，2008，21(2)：6-9.

[5]王春娥.基于C均值聚類算法的交通時(shí)段劃分方法研究[J].鹽城工學(xué)院學(xué)報(bào)，2009，22(4)：73-76.

[6]肖華剛.基于客流數(shù)據(jù)挖掘的公交時(shí)刻表編制研究[D].北京：北京交通大學(xué)，2010.

[7]葉厚元.統(tǒng)計(jì)學(xué)原理與分析[M].武漢：武漢理工大學(xué)出版社，2012.

[8]王正明.實(shí)用統(tǒng)計(jì)學(xué)[M].成都：電子科技大學(xué)出版社，2013.

[9]高新波.模糊聚類分析及其應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2004.

[10]武 森.高學(xué)東，巴斯蒂安.高維稀疏聚類知識(shí)發(fā)現(xiàn)[M].北京：冶金工業(yè)出版社，2003.