基于公交IC卡數據的乘客出行分類研究

李 軍，鄧紅平

(中山大學 廣東省智能交通系統重點實驗室，廣東 廣州 510006)

基于公交IC卡數據的乘客出行分類研究

李 軍，鄧紅平

(中山大學 廣東省智能交通系統重點實驗室，廣東 廣州 510006)

為得到體現公交乘客出行時空規律的數據，采用基于出行鏈方法推導出公共汽車乘客的下車站點；建立了描述單個乘客多天出行的完整數據框架；根據乘客參加不同活動所產生的出行時空特征定義了3類出行：通勤類出行、普通類出行和隨機類出行，將出行頻次與出發時間的標準差作為分類標準對公交乘客出行進行分類。研究表明：39.1%的乘客具有普通類或通勤類出行，生成總客流的76.4%；60.9%的乘客只具有隨機類出行，生成總客流的23.6%。通過對乘客出行的分類研究可以更好地掌握乘客公交出行的規律和需求。

交通運輸工程；公共交通；IC卡數據；公交出行行為；時空分析

0 引 言

公共交通自動收費系統(Automated Fare System)目前已在很多城市公共交通系統中部署，除方便乘客采用公交IC卡刷卡支付外，系統還記錄了大量個體公交乘客的公交出行。相比于傳統的出行調查法，自動收費系統記錄的IC卡刷卡數據具有數據收集時間跨度長、自動收集、樣本量大等優點；但由于系統一開始并不是為收集公交出行數據而設計的，因此很多關于出行的關鍵信息如上下車站點、出行目的、出行者屬性等，并不記錄在原始數據中。

對公交IC卡數據的研究基于兩個方面：①完善的原始數據可以更好地完整描述公交乘客出行，尤其是推斷上下車站點以獲取OD信息。大部分公共交通系統是開放系統，即上車刷卡，下車不刷卡，因此可很好地匹配出每一次上車刷卡的站點，但下車站點的推斷則較為復雜。目前已有相關學者研究了如何推斷下車站點以及對推斷出來的數據質量進行驗證分析[1-3]。②對公交IC卡數據的研究主要集中在對數據的應用上。對于公交運營者而言，可以通過對刷卡數據的挖掘來獲取公交汽車或地鐵的調度管理等決策數據(如線路斷面客流量等)[4]，以調整發車頻率與班次以更好地滿足乘客的出行需求；對公交規劃者而言，可以為線網的布局和調整提供數據決策支持，例如識別大范圍乘客的流量與流向，評估公交線網的供給能力，從刷卡數據的層面統計出線網的特征指標以評估公交線網，包括乘客的忠誠度、線網可達性、線網換乘便利性等[4]。此外也有部分研究者通過挖掘IC卡刷卡數據以識別站點周圍潛在的商業伙伴，并結合土地利用情況，達到對數據的商業利用[5]。

對公交IC卡數據應用的基礎是掌握公交乘客的出行行為。如何從公交IC卡數據中獲取乘客出行的規律進而利用這些規律是公交IC卡數據研究的重點。公交IC卡數據記錄了大量個體公交出行者的出行數據，因此可以從非集計的角度通過多天的數據記錄研究公交出行者的出行規律(主要指出行時間和空間規律)[6-8]。傳統的出行調查法很難收集多天的乘客出行數據，并且被調查者往往面臨較大的調查負擔，調查的范圍限于時間和財力成本往往比較小，因此對公交IC卡的刷卡數據提取分析可以更深入了解乘客的需求和規律。

出行需求是出行者參與活動的衍生需求，出行者往往對于活動的日程安排具有一定的規律性和穩定性。例如準時上班出門、定期購物娛樂、定期探親訪友等，這些日程安排的規律會體現在出行者的出行行為上。從出行產生的IC卡刷卡數據角度，可通過累計多天的數據記錄觀察得到出行者相應的出行規律，通過出發時間、活動持續時間、土地利用數據等綜合判斷出行者參與活動的類型[9]，也可結合傳統的出行調查數據建立啟發式的規則判斷出行目的等[10]。不同的活動會產生不同的出行時空特征，在沒有其他更多的出行者社會經濟屬性的信息下，僅僅從產生的刷卡數據層面而言難以準確地判定出行者出行目的以及參與活動等詳細信息，但根據不同的時空特征對出行者的多天出行進行分類可以判斷出行者主要的公交出行需求和規律。因此筆者通過對乘客出行按不同特征進行分類以達到掌握乘客活動出行需求和規律的目的。

1 基礎數據處理

筆者采用的是廣州市公共交通(包含公共汽車、地鐵等)的IC卡刷卡交易數據。為得到可利用的交通出行數據，首先需要補全公共汽車刷卡數據的上下車站點信息；地鐵交易數據中包含進出站信息，因此這部分無需補全。

在上車站點匹配方面，采用刷卡交易數據與車載GPS報站器數據字段中的車輛編號與時間字段進行匹配[11-12]，筆者采用的數據在上車站點的匹配成功率為95%。

下車站點匹配相對復雜，主要是采用基于出行鏈的匹配方法，首先將多天的刷卡數據記錄進行融合以得到每張卡多天的按時間排序的出行刷卡記錄，然后對每張卡采用如下的兩種規則進行公共汽車下車站點的推斷[1-2]。

規則1：若第1次刷卡上車線路的下車站點在第2次上車刷卡站點附近，則選取離第2次上車站點最近的站點為推斷下車站點。考慮城市公共交通首末站700～800 m的設計覆蓋半徑，取中間值750 m，以盡量識別出下車站點，如圖1。

圖1 推斷下車站點的規則1Fig.1 Rule 1 for inferring the alighting stop

規則2：若第1次刷卡上車線路與第2次刷卡上車線路相同但方向相反，則認為第2次乘坐的下車站點為第1次乘坐的上車站點，如圖2。

圖2 推斷下車站點的規則2Fig.2 Rule 2 for inferring the alighting stop

若刷卡數據記錄中既包括公共汽車也包括地鐵，地鐵的數據記錄包含進出站信息且采用地鐵網絡系統內部換乘無需刷卡，因此在進行公共汽車下車站點推斷時可將整個地鐵系統視為一個整體而無需區分地鐵的具體線路(封閉系統)。具體推斷的方法流程如圖3。

圖3 下車站點推斷流程Fig.3 Process of inferring the alighting stop

筆者采用上述方法推斷出乘客下車站點的匹配率為65%，其余35%未成功匹配的數據記錄中有10%不滿足規則1，由于出行鏈斷裂或者是數據缺失錯誤導致其他25%數據不能匹配。無法匹配下車站點的數據仍可用來進行出行行為的分析，與匹配好的數據結合仍然可以提供有價值的出行信息。

2 出行數據生成

在上述基礎數據中記錄的是每張卡的每一次刷卡記錄，通過融合多天的刷卡數據記錄，可以將單張卡的多天刷卡記錄提取出來，假設一張IC卡對應一個公交出行者，那么就得到單個出行者的多天出行記錄，為更加清楚地描述公交出行者在研究時段內的出行行為，建立如圖4的出行數據框架。

圖4 描述乘客多天出行的數據框架Fig.4 Data framework for describing each passenger’s multiday travel behavior

圖4中，該框架將出行者的出行看作是在不同區域間的移動，區域是對單個公交出行者連續多天出行的上下車站點的空間聚類結果[7,13]，區域內包含了若干個上車或下車站點，這些站點在空間距離上相近，聚類的過程如下。

Step1：從未被訪問的上下車站點集合中隨機選擇一個站點(初始化時該乘客所有上下車站點均被標記為未被訪問)，將該站點作為一類并標記為已被訪問，若所有站點全被標記為已被訪問，則聚類結束。

Step2：計算該類的重心與未被訪問點之間的空間距離，得到最小空間距離及其對應的站點。若最小空間距離≤1 km，則轉到Step3；否則轉到Step1。

Step3：將最小空間距離對應的站點歸為該類，重新計算該類的重心，并將最小空間距離對應的站點標記為已被訪問。若所有站點均被標記為已被訪問則聚類結束，否則轉到Step2。

上述聚類過程得到的每一類均為一個區域，進行這樣的聚類處理目的是盡可能提取出行者的空間出行規律。例如乘客經常從O點到D點，可乘坐公交線路1從公交站A1至站B1，也可乘坐線路2從公交站A2到站B2，站A1和站A2都靠近O點，而站B1和站B2都靠近D點，實際上A1→B1和A2→B2這兩類出行是同一類型的出行即從O→D；因此可以將A1和A2聚為一類標記為區域1，將B1和B2聚為一類標記為區域2，這樣統一描述成為區域1到區域2的出行，可以解決由于乘客上下車站點過多造成出行雜亂不利于提取出行規律的問題。此外以區域為基本單位可以避免由于下車站點推斷錯誤而造成的信息失真，因為推斷出來的下車站點可能離真實的下車站點有一個或兩個的站間距(在乘坐線路真實下車站點的下游或上游)，通過聚類的處理仍然可以確定乘客下車的真實區域從而避免了出行信息的失真。

該框架包含了區域屬性、出發地與目的地關系、站點屬性、出行者屬性等4個部分，用以完整描述出行者在研究時段內的出行。

區域屬性：包含區域的編號、出發次數(上車站點在該區域內)、到達次數(下車站點在該區域內)、區域重心坐標(以經緯度表示)、平均出發時間(從該區域出發的平均上車時間)。

出發地與目的地關系：描述一個區域與另一個區域之間的出行，具有方向性。例如從區域i到區域j與從區域j到區域i是不同的兩條記錄，包含出發地區域、到達地區域、出行次數、平均出發時間、出發時間標準差。

站點屬性：描述區域內的站點，包括所屬區域、站點編號、出發次數、平均出發時間、出發時間標準差。

出行者屬性：包括卡號、總出行次數(等于研究時段內刷卡記錄條數)、有效出發次數(所有能匹配上車站點的記錄條數)、有效到達次數(所有能匹配下車站點的記錄條數)、卡類型。

為更好描述單個出行者的出行，約定幾個關鍵參數的符號：記出行者所有出行區域集合為L；區域i的出行次數為Ci(出發次數與到達次數之和)；對任意的i∈L，有：C1≥C2≥C3…，也即是對區域編號時按照出行次數從高到低進行排列。記區域i與區域j之間的出行次數為Rij(從i到j與從j到i的出行次數之和)。記區域i的平均出發時間為Ti，h；出發時間的標準差為σi。

通過建立完整描述出行者的出行數據框架，可以更容易清晰地了解出行者的出行，為進一步活動出行的分析奠定基礎。

3 出行分類

通過上述對基礎數據補全和出行數據的生成，可以掌握大量個體公交出行者的出行軌跡數據。不同活動會產生不同類別的出行，在研究時段內產生的數據蘊含了不同類別的出行特征，通過分析數據對出行進行分類可以了解出行者參加的活動，而這些活動對于單個出行者而言往往是穩定和具有規律性的。因此通過對出行者的出行進行分類可以發現出行或活動的規律，筆者定義并研究了以下3類出行。

1)通勤類出行：這一類的出行是出行者參加強制性活動產生的，例如上班、上學等，這類活動對時間和空間有著強制性的要求，因此，這類出行具有最明顯的時間和空間規律性，表現為出行時間和出行地點較為固定。

2)普通類出行：這一類出行是出行者參加其他諸如購物、探親訪友等活動產生的，這類活動出行的時間并不固定，但在空間上表現出一定的規律性，例如總是去同一個商場超市購物、經常去某地探望朋友等，將這一類的出行定義為普通類出行。

3)隨機類出行：這一類的出行往往不具有特定的時間和空間規律，比如娛樂活動等，往往出行者參加過一次或幾次類似活動后便不再參加，將這一類出行定義為隨機類出行。

在定義了以上3類出行之后，需要從掌握的數據角度來設置分類的標準，也即是從生成的出行數據中根據出行類別的特征設置分類標準對出行進行分類。筆者主要采用了出行頻次Rij和出發時間標準差σi進行判別[14]。

3.1 通勤類出行判斷標準

若區域i與區域j之間的出行次數滿足Rij≥ε(ε為正整數，表示出行頻次)，且σi<1或σj<1(即是出發時間的標準差在1 h之內)，則認為區域i與區域j之間的出行為通勤類出行，將這一類標記為S0類。若判斷出有多個區域之間的出行滿足判斷標準，則取出行頻次最高或平均出發時間Ti最小的那一類為S0類。

例如乘客經常乘坐線路1從站A至站B去上班，那么除了可以觀測到從A至B較高的頻次外，還可以觀測到從A出發時間的標準差也會較小，表明經常按時乘坐線路1，因此根據這樣的特征來判斷是否是通勤類出行。

3.2 普通類出行判斷標準

若區域i與區域j之間的出行次數滿足Rij≥ε(ε為正整數，表示出行的頻次)，σi≥1且σj≥1(即是出發時間的標準差>1 h)，則認為區域i與區域j之間的出行為普通類出行。如果有多個區域之間的出行滿足判斷標準，則按照出行頻次的大小標記為：S1，S2，S3，…。例如區域i與區域j、區域i與區域k之間的出行均滿足此類判斷標準；若Rij≥Rik，則將區域i與區域j之間的出行標記為S1類，區域i與區域k之間的出行標記為S2類。

3.3 隨機類出行判斷標準

若區域i與區域j之間的出行次數滿足Rij<ε，則認為區域i與區域j之間的出行為隨機類出行。

僅根據出行的數據來判斷出行的分類，對所有出行者而言沒有統一的判斷標準可以采用，因此判斷標準的參數ε取值的原則是盡可能對大多數出行者的出行軌跡進行分類并盡量保證分類結果可以反應出行者的活動情況，以描述大多數出行者的規律，同時可以根據實際應用的需要選取不同的值。

4 結果分析

筆者采集了廣州市2014年1月6—12日，3月10—16日，4月21—27日，5月5—11日，6月2—8日共計5周35 d的IC卡刷卡數據。其中有17 d的數據包含地鐵的刷卡數據，數據記錄的條數為2.2億條。對公共汽車的上車站點匹配成功率為95%，對公共汽車下車站點的匹配成功率為65%，加上地鐵刷卡數據，總共有72%的數據記錄具有下車站點。所有數據采用SQL Server存儲管理，采用C++進行數據的處理，采用一臺小型工作站承擔大量的數據運算和處理任務。

4.1 出行者分析

通過對上述基礎數據的補全和出行數據的生成，得到了998萬張公交IC卡的出行信息。在進行出行分類的過程中，先取分類參數ε=4，即判斷區域之間的出行頻次是否大于4，若大于4即為通勤類或普通類出行，小于4即為隨機類出行，進而進一步判斷出行時間標準差σ的值，若σ<1則為通勤類出行；若σ≥1則為普通類出行。在這里設置的標準ε=4較低，目的是盡可能先對每張卡的出行進行分類，分類的結果如下：

有39.1%的卡(約391萬張)具有普通類出行或者通勤類出行類別，其中有245萬張卡具有通勤出行類別。這部分的出行者并不一定是高頻次的出行者，但高頻次的出行者占有較高比例，其出行相對集中，其出行生成的客流占據了總客流的76.4%。

有60.9%的卡(約607萬張)只有隨機類出行，不具有明顯的出行規律。這部分出行者并不一定是低頻次的出行者，但低頻次的出行者占有較高比例，出行相對分散，其出行生成的客流占據了總客流的23.6%。

目前廣州公交IC卡發行量已經累計2 600萬張，而在研究時段內統計到具有刷卡記錄的卡片數為998萬張，除去退換的IC卡外，IC卡的遺失廢棄率仍然較高。

對單個出行者而言，出行者會參與多種活動，在研究時段內會產生多個不同類別的出行(例如通勤類出行和多個普通類出行可能同時存在)。圖5統計了39.1%的持卡乘客(約391萬張)。經過分類所含有的出行類別(不包括隨機類出行)的數量分布。這種出行類別的數量實際上反映了乘客的出行結構和參與活動類型的多少，出行類別越多說明出行結構越復雜，參與活動的種類越多。

圖5 普通類或通勤類乘客出行類別數量分布Fig.5 Quantity distribution of passenger’s travel types,including commuting travel type and the ordinary type

從圖5可以看出，絕大部分出行者的出行種類數量較少，出行者的出行較為集中，這為明確出行者的出行規律和出行需求帶來了便利，因此重點關注前5類的出行。

4.2 出行分類分析

經過分類判斷，有245萬張卡具有通勤類出行，將通勤類出行標記為S0類。圖6統計了S0類中含有的出行次數Rij的分布。

圖6 通勤類包含的出行次數分布Fig.6 Travel frequency distribution of commuting type

從圖6可以看出，出行次數在5次時所占的比例最高，通勤類中平均的出行次數為11.7次，此外在245萬張卡中還有1.45%的持卡乘客的通勤類出行次數大于35次，通勤類出行次數越多，說明乘客出行的通勤特征越明顯。除統計出行的絕對次數，還統計了通勤類出行在出行者總出行次數中所占的比例，平均所占比例為35%。

無論包含的平均出行次數還是在出行中所占比例均偏低，主要有如下幾個原因：①分類參數的設置較低，從圖6中可以看到，較低的次數占據了較大的比例；②出行者的通勤出行在返程時并不一定按照原來的線路返回，例如下班之后并不一定立即回家而是參加其他活動；③其他交通方式的影響，例如出行者上班可能乘坐出租車，下班乘坐公交等。

圖7統計了普通類出行S1，S2，S3，S4，S5中包含的平均出行次數以及在總出行次數中的平均占有比例。

圖7 普通類出行包含的平均出行次數和占總出行的平均比例Fig.7 Average travel times of normal travel type and average proportion in the total travel

每一類出行均代表了出行者參加的某一類活動。從圖7中可以看出，相比于通勤類出行，就乘客出行結構中的各類平均出行占比而言，通勤類出行仍然占有較大的比例。

4.3 參數靈敏度分析

以上的結果是選取分類參數ε=4次時得出的，選取ε不同的值進行參數靈敏度分析。表1展示了ε取不同值時各類包含的平均出行次數變化。

表1 ε取不同值時各類包含的平均出行次數值

從表1可以看出，隨著ε的增加，各類包含的平均出行次數也逐漸增加。ε越大，平均出行次數也越大，而實際上隨著ε的增大，滿足分類標準且出行類別較多的人數減少，ε的增加可以識別出高頻次有規律出行的持卡乘客。表2展示了ε取不同值時滿足分類標準的持卡乘客數。

表2 ε取不同值時滿足分類標準的人數

當ε越小，所分出的類別隨機性也越大，即分出的普通類或者通勤類可能實際上是出行者的隨機出行類；而當ε越大時，這種隨機性變小，出行分類結果越顯著，更能代表出行者參與的活動。可以根據實際應用的需要選擇不同的值。

5 結 語

筆者對采集到的公交IC卡刷卡數據進行了如上所述的上下車站點推斷，以補全公交出行者出行的空間信息，隨后建立并生成了描述個體公交出行者在研究時段內的數據框架，之后對出行者的出行采用一定的分類標準將出行分成了通勤類、普通類和隨機出行類。

通過探討公交IC卡刷卡數據研究個體的活動出行，對出行進行分類以掌握出行者參與活動的規律。雖然僅僅通過刷卡數據難以判斷出行者參加活動類別、出行目的，但仍然可以通過對個體公交出行者的出行軌跡分析明確在個體出行層面上的規律和需求，這種需求對于出行者而言更加穩定和具有規律性，相比于傳統的集計分析可以從交通發生的本源來了解交通需求。

筆者未來的研究重點在于，根據已經掌握的大量個體公交出行者的出行規律，預測個體公交出行者的出行，包括出行的時間、地點等，并對結果進行驗證。

[1] CHEN Jun, YANG Dongyuan. Estimating smart card commuter’s origin-destination distribution based on APTS data[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2013,13(4):47-53.

[2] MUNIZAGA M A, PALMA C. Estimation of a disaggregate multimodal public transport origin-destination matrix from passive smartcard data from Santiago, Chile[J].TransportationResearchPartC:EmergingTechnologies,2012,24:9-18.

[3] ZHAO Jinhua, RAHBEE A, WILSON N H M. Estimating a rail passenger trip origin-destination matrix using automatic data collection systems[J].Computer-AidedCivilandInfrastructureEngineering,2007,22(5):376-387.

[4] PELLETIER M-P, TRéPANIER M, MORENCY C. Smart card data use in public transit: a literature review[J].TransportationResearchPartC:EmergingTechnologies,2011,19(4):557-568.

[6] SUI Tao, ROHDE D, CORCORAN J. Examining the spatial-temporal dynamics of bus passenger travel behaviour using smart card data and the flow-comap[J].JournalofTransportGeography,2014,41:21-36.

[7] MA Xiaolei, WU Yaojan, WANG Yinhai, et al. Mining smart card data for transit riders’ travel patterns[J].TransportationResearchPartC:EmergingTechnologies,2013,36:1-12.

[8] NISHIUCHI H, KING J, TODOROKI T. Spatial-temporal daily frequent trip pattern of public transport passengers using smart card data[J].InternationalJournalofIntelligentTransportationSystemsResearch,2012,11(1):1-10.

[9] CHAKIROV A, ERATH A. Activity identification and primary location modelling based on smart card payment data for public transport[C]// 13thInternationalConferenceonTravelBehaviourResearch. Toronto: Avebury Records,2012.

[10] LEE S G, HICKMAN M. Trip purpose inference using automated fare collection data[J].PublicTransport,2014,6(1):1-20.

[11] 楊萬波，王昊，葉曉飛，等．基于GPS和IC卡數據的公交出行OD推算方法[J]．重慶交通大學學報(自然科學版)，2015, 34(3)：117-121. YANG Wanbo, WANG Hao, YE Xiaofei, et al. OD matrix inference for urban public transportation trip based on GPS and IC card data[J].JournalofChongqingJiaotongUniversity(NaturalScience),2015,34(3):117-121.

[12] 于勇，鄧天民，肖裕民．一種新的公交乘客上車站點確定方法[J]．重慶交通大學學報(自然科學版)，2009，28(1)：121-125. YU Yong, DENG Tianmin, XIAO Yumin. A novel method of confirming the boarding station of bus holders[J].JournalofChongqingJiaotongUniversity(NaturalScience),2009,28(1):121-125.

[13] KIM K, OH K, LEE Y K, et al. An analysis on movement patterns between zones using smart card data in subway networks[J].InternationalJournalofGeographicalInformationScience,2014,28(9):1781-1801.

[14] CHU K K A, CHAPLEAU R. Augmenting transit trip characterization and travel behavior comprehension[J].JournaloftheTransportationResearchBoard,2010,2183(1):29-40.

Classification of Passenger’s Travel Behavior Based on IC Card Data

LI Jun, DENG Hongping

(Guangdong Key Laboratory of Intelligent Transportation Systems, Sun Yat-Sen University, Guangzhou 510006, Guangdong, P. R. China)

To obtain the data of the spatial and temporal patterns of public transit passengers, the first step was to infer the alighting stop for each cardholder based on trip chain method, and then a full data framework was established for describing each passenger’s travel behavior in several days. Meanwhile, three types of travel were defined derived from passenger’s different types of activity in terms of temporal-spatial characteristics, including the commuting travel type, the ordinary type and the random travel type. Finally, each passenger’s travel was classified into the above three types according to travel frequency and the standard deviation of departure time. The result of classification shows that about 39.1% of total passengers have the commuting type or ordinary type and these passengers generate about 76.4% of total passenger flow; about 60.9% of total passengers only have random travel type and these passengers only generate about 23.6% of total passenger flow. It is possible to obtain the public transit passenger’s travel pattern and demand at a much more detail level by classifying each passenger’s multiday travel behavior.

traffic and transportation engineering; public transit; IC card data; transit travel behavior; spatial-temporal analysis

2015-04-02；

2016-08-11

國家自然科學基金項目(51178475)

李 軍(1968—)，男，湖北武漢人，副教授，博士，主要從事交通工程、交通經濟與智能交通系統及優化方面的研究。E-mail：stslijun@mail.sysu.edu.cn。

鄧紅平(1992—)，男，四川南充人，碩士，主要從事交通工程與智能交通方面的研究。E-mail：denghp3@mail2.sysu.edu.cn。

10.3969/j.issn.1674-0696.2016.06.23

U121

A

1674-0696(2016)06-109-06