基于出租車運營GPS數據的城市公交線路優化方法研究

巴興強，姜博瀚，朱海濤，陳思寧，郭維奇

(東北林業大學交通學院，哈爾濱150040)

1 研究目的與方法

1.1 研究目的

1.2 研究方法

目前各種方法側重點多為滿足交通小區的連通和小區局面出行需求，對公交的具體運行路徑和運行模式關注較少。主要步驟一般都分為兩步:其一是交通需求信息的獲取，通常采用調查法如OD調查專家調查等;其二是公交線路的優化，通常采用數學分析法或經驗法給出優化建議。

在公交需求獲取中，出租車運營信息的實時采集系統能夠將采集得到的數據利用數據庫和GIS地理信息系統等計算機軟件進行數據處理。在公交線路的優化中將把得到的數據與城市現有

公交線路運行信息經過數據處理后統一到同一系統中進行數據分析，并依據實際獲得的實時數據提出實驗性的公交路線優化思路，直接利用出租車運營數據來提出公交優化建議。同時可以將出租車運營信息系統采集到的居民出行數據作為公交線路優化的數據來源。

2 出租車運營特點及其信息采集系統

2.1 出租車在城市交通中的作用及運營特點

伴隨著城市居民收入的提高，居民出行使用出租車頻率逐步提高，出租車的數量和運營旅客量在近些年里增長迅速，如深圳市出租車數量由2001年的8 505輛增長到2011年的14 735輛［2］;哈爾濱出租車運營旅客量從2008年的34萬人次/日增長到2012年了50余萬人次/日，其輸送乘客的規模相當于城市公交車出行量的17%，同時，其分擔率達到居民總出行的6.1%［3］。可見，選擇出租車出行已經是一種具有普遍性的居民出行方式，出租車運營信息從一個重要的側面反映出城市居民的交通需求。同時，由于出租汽車行業定位是大容量公共交通的補充，其主要滿足的應是居民特殊出行需要，通過對不同城市250人的調查問卷顯示居民選擇出租車出行的原因見表1。

表1 居民選擇出租車出行原因表Tab.1 The reasons of choosing taxis in travel

根據表中調查的數據居民選擇出租車出行與公交服務水平具有一定的關系，根據此次調查結果顯示在城市中大約有43%的出租車出行是由可以由公交出行轉移的，可見其出行具有公交的可替代性。

1)高純錫樣品的錫基體，在低分辨模式下激發所得到的同位素質譜線強度(單位cps)能夠達到1010以上，在中分辨和高分辨模式下激發所得到的同位素質譜線強度都能達到109以上；

2.2 出租車車載運營信息采集系統的建立

出租汽車是一種不定線路、不定車站、以計程或計時方式營業，為乘客提供門到門服務的公共交通工具。

依靠出租車運營GPS數據所能反映的交通信息如下:

(1)居民交通需求的空間分布。

(2)居民交通需求的時間分布。

(3)各區域之間的交通需求密度。

(4)實時道路情況。

出租車運營監控設備獲取出租車是否載客，乘客上、下出租車的地點及載客時出租車的行駛軌跡，其GPS系統運行方式如圖1所示。

圖1 出租車車載運營信息采集系統工作流程Fig.1 The workflow of taxi operation information acquisition system

3 基于出租車運營信息支持的公交線路優化方法

3.1 利用出租車起訖點進行OD調查

OD調查是現有常規公交線網優化方法的基礎，OD調查的內容主要有起止點分布、出行目的、出行方式、出行時間、出行距離、出行次數等。由此可以確定公交線網上的乘客分布規律，為公交線網優化提供數據，也可以確定各線路的乘客平均乘距及乘客平均乘行時間，建立居民出行量與車流量之間的換算關系［5］。

利用出租車運營信息采集系統，對出租車乘客的出行起訖點進行信息采集，可以為公交OD調查提供相關數據。以出租車運營起訖點數據進行聚類分析，結合城市交通小區劃分原則為城市劃分交通小區，再將小區框圖輸入到已經含有成對分組出租車起訖點數據的GIS地圖中，就可以通過GIS軟件直接計算區域內同屬性點的數目，得到居民乘出租出行的OD矩陣。由于大型城市出租車數量多、分擔率高，每天有數十萬人次的出租車出行，進行出租車運營信息采集可以獲取大量的OD數據，且還可以獲得一年中不同時期或一天內不同時間段的居民出行數據。能夠及時、持續和廣泛的提供長時段的居民出行OD數據，可降低OD調查的總投入，是一種新的行之有效的OD調查方法，可以作為大型OD調查的補充，可以為交通預測和公交線路調整提供依據。

3.2 依靠出租車軌跡數據對公交線路進行優化

3.2.1 基于時間公交線路優化

公交線路優化不只是空間上的線路調整，同時也是基于時間的優化。如發車間隔、始末車時間優化、調整也是公交線路優化的組成部分。表2為哈爾濱市102路公交車和興路車站300m范圍內19h出租車出行發生次數。

從表中可以看出，在距離和興路公交站點300米乘客吸引范圍內，出租車需求產生分別在7:00～9:00、16:00～18:00、20:00～22:00產生了3個高峰。其中第三個高峰的產生原因經分析為公交車末車后對公交需求的轉移。

由表3可以發現，公交站點經過的線路在運行時間上存在以下問題:

(1)在高峰時段公交車的到達密度無法滿足居民出行的需要。

(2)19:30末車后站點附近仍有大量的出行需求公交無法滿足。

表2 公交車站點300m吸引范圍內5:00-24:00出租車運營發生次數Tab.2 Taxi operation frequency for the bus site within the scope of 300 m during 5:00 to 24:00

針對上述問題，可以為途經此站的公交線路可以提出以下優化方案:

(1)在高峰時段前提高公交車發車密度，增加公交服務密度。

(2)晚間末車時間適當向后推遲

3.2.2 基于空間的公交線路優化

(1)站點布設的優化。通常公交站點布設時會考慮到換乘方便，人口區域密度等因素，其站點設置一般較為集中，而城市公交總運力有限［6］，這些因素會使得城市公交線路在人口密集街道覆蓋率高、重疊率高，而在公交薄弱區的線網密度偏低。

在獲取出租車GPS運營起訖點數據后，將出租車GPS運營起訖點數據導入到GIS電子地圖［8］中，利用GIS軟件將出租車出行由范圍參數為300 m的熱力型圖表示，也可先將GPS數據通過DBSCAN、K-Means［7］等空間聚類算法以公交車站吸引范圍300米［9］作為最小鄰域，計算出租車起訖點的中心點，并將其輸入到GIS地圖中去。同時將城市公交車站點的位置數據輸入GIS地圖中。如圖2和圖3所示。

從圖2和圖3可以看出公交站點的布置大部分與居民出行需求相符合，但仍有部分地區公交站點的覆蓋與出租車需求熱點需求的特征有差異，由此可以提出進一步調查的方向及優化建議。

圖2 公交站點熱力型圖Fig.2 Bus stops thermodynamic diagram

圖3 出租車起訖點熱力型圖Fig.3 Taxi start point and end point thermodynamic diagram

(2)公交行駛線路的優化。當前的單條公交線路優化的目標，主要包括兩個方面:一是車輛在線路上的出行距離盡可能的短，即盡量縮短乘客總的出行時間;二是以最少的投入運送盡可能多的乘客［11］。

公交車線路大多會選擇在城市主干線、干線或城市一類街道上，因為這些道路路面寬、車道多、通行能力較強。但是，伴隨著城市汽車保有量的不斷上升，城市主干道由于其是城市核心路網具有強大的交通吸引能力，使其成為交通擁堵的高發區。由于公交車采用定線定點的運營方式，在城市主干道行駛的公交車易進入堵車區域反而降低公交出行的效率，增加乘客出行所需時間［12］。

圖4 時間最短路徑與空間最短路徑舉例示意圖Fig.4 Schematic map of shortest time path and spatial shortest path

將出租車在每個信號采集點的速度和方向數據作為GPS坐標點屬性值導入GIS地圖中，可以根據多點數據分析一條道路上車輛在不同時段的平均行駛速度，發現某些時刻空間上的最短路徑并不是時間上的最短路徑，圖4根據出租車GPS獲取的AC路段平均速度為9.5 km/h，AB路段平均速度為21.2 km/h，BC路段平均速度為30.3 km/h。可以看出，雖然AB，BC路段道路等級弱于AC但從A點到C點的時間最短路徑為A-B-C路段。

從上述分析可見，利用出租車GPS數據可以得到道路上不同時段的平均車速，發現和預測擁堵地點和擁堵時段，為公交車路線選擇及優化的依據，可以合理地為公交車設計繞行路線，減少由于道路擁堵所耗費的時間。

4 結論

伴隨著經濟的快速發展，城市規模的不斷擴大，出租車憑借其自身便利快捷等優點，已經成為居民城市內出行的主要交通工具之一，同時也從另一方面反映出城市公共交通運力的不足，多數大城市公共交通的發展速度沒有跟上當地經濟的發展速度。本文研究的利用租車運營數據來優化公交服務的方法，可以解決以下問題:

(1)利用出租車運營GPS數據，輔助軟件優化城市公交線路，是一種全新的城市公交優化方法。

(2)這種公交線路優化方法具有調查成本低，獲取數據范圍廣，數據量大，方便快捷等特點

(3)利用這種方法獲取的參數數據具有時效性強，準確反映出近期(甚至即時)的城市交通運行狀況和局面交通需求狀況;效果可視性好，由GIS地圖反映出的出租車位置點、起訖點、公交車站點布設、途徑路徑等數據直觀可靠。

(4)為未來建立實用性強的公交線路優化方法，為建立公交線路優化指標體系提出新的思路。

［1］王 煒.城市公共交通系統規劃方法與管理技術(1版)［M］.北京:科學出版社，2002.

［2］哈爾濱統計局.哈爾濱市統計年鑒［M］.北京:中國統計出版社，2012.

［3］深圳統計局.深圳統計年鑒2012［M］.北京:中國統計出版社，2012.

［4］鄧 波.GPS和AGPS定位技術在智能交通系統中的應用［D］.長沙:湖南大學，2010.

［5］童曉君.基于出租車GPS數據的居民出行行為分析［D］.長沙:中南大學，2012.

［6］鄭祖武.《中國城市交通》［M］.北京:人民交通出版社，1994.

［7］閆明月.基于kernel K-means算法的城市交通客流量分析［J］.物流技術，2013，17(5):158-160.

［8］張 兵.基于GIS的交通信息發布系統研究［D］.長春:吉林大學，2007.

［9］李向楠.城市軌道交通站點吸引范圍研究［D］.成都:西南交通大學.2013.

［10］李艷紅.基于出租車OD數據的出租車出行特征分析［J］.交通運輸系統工程與信息，2007，5(7):85-89.

［11］佟志臣.城市公交線網優化模式研究［J］.河北科技大學學報，2010，31(4):360-363.

［12］陳啟新.城市公共交通規劃的一般要求［J］.城市公共交通，2002(1):18-19.