一種城市公交線網分布的可視化分析方法

張健欽，王鵬宇，杜明義

(1. 北京建筑大學測繪與城市空間信息學院，北京 100044； 2. 現代城市測繪國家測繪地理信息局重點實驗室，北京 100044)

一種城市公交線網分布的可視化分析方法

張健欽1,2，王鵬宇1,2，杜明義1,2

(1. 北京建筑大學測繪與城市空間信息學院，北京 100044； 2. 現代城市測繪國家測繪地理信息局重點實驗室，北京 100044)

可視化分析技術在分析交通數據、發現交通問題及輔助決策扮演著越來越重要的角色，成為一項重要的智能交通技術。為了更加直觀地展示城市公交線網空間分布的疏密情況，本文基于北京市公交線路矢量數據，采用直接可視化和聚集可視化兩種方法對公交線網的空間分布進行了分析。通過對原數據處理計算得到了基于北京市主干道的公交線路分布數據并進行了直接可視化；同時利用HTML5的Canvas繪制熱力圖的方法對原數據進行了聚集可視化，根據可視化結果對北京市公交線路空間分布情況進行了分析。該方法對城市公交線網規劃和優化有實用價值和意義。

線網分布；可視化分析；公交規劃

交通擁堵是困擾現代大都市的一大難題，優先發展公共交通是解決城市交通問題的有效途徑,而常規公交是城市公共交通系統的重要組成部分。合理的常規公交線網規劃對于提高公交系統的服務水平和整體效率、優化城市交通結構具有非常重要的作用。一般來說，公交線網規劃要根據出行調查和公交出行數據及其預測結果，運用數學規劃方法、人工智能等方法，依托于城市道路網絡尋求最優布局[1]，在實際應用管理中必須以城市道路和已有線網為基礎，分層逐條優化，完善整體網絡[2]，因此對于線網整體分布狀況的認識十分重要。

伴隨著可視化技術應用的發展[3]，可視化越來越多地應用在智能交通領域中，研究比較多的包括交通流量可視化、交通事件可視分析[4]、軌跡數據可視化分析[5]、城市道路交通信息可視化等，涉及常規公交、軌道交通、水上交通等多個方面。就線網評價分析而言，相對于以往公交線網評價使用的簡單圖表效果[6]，將數據通過地圖來渲染，將圖表數據和地圖相結合，也可以更直觀、更整體地掌握城市公交線網的分布情況。

本文基于北京市公交矢量數據，首先利用GIS軟件在空間信息處理上的優勢進行數據處理得到可直接可視化的附加公交線路信息的道路網數據，然后借助開源的JavaScript地圖庫和地圖發布服務功能，通過對處理后數據的直接可視化和原數據的聚集可視化兩種方法，應用Canvas繪圖技術對線網數據可視化并分析，為公交線網優化提供輔助決策信息。

1 公交線路數據處理方法

1.1 數據整理

將原公交線路數據和道路數據整理入庫。為有效存儲空間數據,本文采用Oracle數據庫，利用ArcSDE存儲和管理這些空間數據。將無關的字段刪去后，公交線路數據表結構見表1，道路數據表結構見表2，表2的公交線路數和線路集合兩個字段的內容需要經過數據處理計算后得到。

表1 公交線路數據表結構

表2 道路數據表結構

圖1是原始公交線路矢量數據的直接展示，圖中顏色單一，可視化效果不佳，只能反映公交線路的空間位置，需要從中判斷總結北京市公交線網的布局特征，效率低下且有失準確性。因此需要進行數據處理后才可以進行直接可視化，本文從公交線路的空間位置特征入手，將其和道路空間位置關聯后進行數據處理，進行得到基于城市主干道的公交線網分布情況。

1.2 處理流程

要得到基于道路的公交線網分布情況，就是要將現有的公交線路疊加到城市道路網中，形成公交線路和城市道路之間的對應關系。首先需要進行公交線路和道路的匹配。關于線路匹配的算法有很多。包括關于基于點匹配線的，如基于向量識別的啟發式路徑推測算法[7]、基于結構模式的道路網節點匹配方法[8]，也有關于線與線、線網與線網匹配的，如基于概率松弛方法的城市路網匹配[9]、基于多相似度量指標的匹配算法[10]等。總之，地圖匹配是一個復雜而又重要的過程，其中主要涉及幾何、拓撲、概率3種因素。

圖1 原線路數據的直接可視化效果

本文對于道路網現狀分布的可視分析是宏觀上的定性分析，因此選擇較為簡單的方法進行公交線路與道路的匹配。首先需要對線網和道路數據進行簡化處理，具體的數據處理流程如圖2所示，主要處理步驟如下：

圖2 基于道路匹配處理流程

(1) 道路網數據的簡化。選取單向道路網作為數據基礎，從中選擇道路等級為主干路和快速路的道路，得到北京市單向的主干道路網，同時選取單向的公交線路組成單向的公交線網。

(2) 從道路網的路段集合中選取路段L0作為第一條路段開始遍歷，建立該路段的緩沖區，根據主干路和快速路的不同等級，緩沖區的閾值不同，設為d1、d2，搜索與緩沖區在空間位置上相交的公交線路，得到初始匹配集合M1。

(3) 遍歷M1集合中的公交線路，分別計算每條公交線路與所選路段L0的距離。計算過程如圖3所示，計算公交線路上的折點P1、P2、…、Pn到路段L0的最短歐式距離di(i=1,2,…，n)，然后統計最短距離小于距離閾值d1(d2)的個數記為m。m/n的比值要求大于閾值S,得到符合距離要求的公交線路集合M2。

圖3 公交線路折點到路段的距離

(4) 方向判斷，如圖4(a)所示，線路a和L0的方向相似，而線路b和L0方向不同，計算時遍歷M2中的公交線路，公交線路和路段緩沖區域相交得到弧段集合L(L1,L2,…,Ln)，總長度為L，其中每條弧段相關長度系數為λ=Li/L，則整條線路相交部分的方向值公式如下

Lα=λ1α1+λ2α2+…+λnαn

(1)

其中方向角的計算如圖4(b)所示利用首尾結點坐標計算，然后計算所選路段的方向角為α0，則路段方向角與線路方向角差值為Lα-α0，設方向角差值的閾值為Δα，要求計算得到的方向角差值小于閾值Δα，最終得到符合要求的公交線路集合M。

(5) 由步驟(4)得到了符合空間位置條件路段L0上的公交線路集合M，然后連接數據庫中的道路信息表，根據集合M中的內容更新道路表中路段L0的線路數和線路集合兩個字段。

(6) 重復步驟(3)—(5)，最終得到公交線路和路段之間n∶1、n∶0或1∶1的對應關系。

根據上述處理過程，采用Visual Studio作為開發環境，基于ArcGIS Engine二次開發了數據處理程序，處理后的數據將公交線路和道路的空間位置對應關系反映到道路信息表中，更新了每個路段的線路數和線路集合兩個字段的內容，將空間位置關系反映為文字描述信息，使得道路信息表中附加了公交線路信息，為下文的直接可視化展示提供了數據依據，也可以作為交通調研的資料。

圖4 方向判斷

2 公交線網分布可視化與分析

2.1 基于網頁的可視化技術

2.1.1 地圖服務發布

發布地圖服務軟件選擇使用GeoServer，它是一款基于Java語言開發的軟件服務器，構建在一個開源的Java GIS工具包——Geotools之上，支持OGC規定的開放標準。GeoServer集成了OpenLayer，使得用戶能夠快速、簡易地生成地圖。相比于商業GIS軟件，GeoServer的開源性大大降低了開發成本，節省了昂貴的軟件購買費用。

發布地圖服務的過程相對簡單，首先需要安裝配置好GeoServer，然后在管理界面將整理好的SHP圖層上傳至服務器就可以得到訪問數據的地址，可以將得到的數據以JSON形式保存在本地，方便調用。

2.1.2 JavaScript地圖庫的選擇

本文采用Leaflet.js作為JavaScript地圖庫。Leaflet.js是一個開源JavaScript類庫，用于實現移動友好的交互式地圖，具備所有開發人員需要的地圖特性。

2.2 可視化方法

在可視化的實現過程中，本文采用直接可視化和聚集可視化兩種方式。

2.2.1 直接可視化

直接可視化是最簡單和最基本的可視分析方法，它通過計算機將數據一一繪制出來，并顯示給用戶，方法簡單直接，易于編程實現。圖1為一種原數據直接可視化的效果，從圖中不難發現存在公交路線相互遮擋的問題，不利于分析，很難從中發現有效的信息。本文通過對原數據的處理得到了新的基于城市主干道的公交線路密度分級可視化效果圖，如圖5所示。

圖5 基于道路的公交線路分布

2.2.2 聚集可視化

聚集可視化是根據要素的屬性數據、位置數據或時間特性進行聚集計算再進行繪制，本文中公交線路匯聚熱力圖就是一種聚集可視化。其中熱力圖的繪制需要借助HTML5的Canvas來實現。Canvas本質上一塊畫布，本身并不能繪圖，但是其Canvas API提供了大量能夠依靠JavaScript來操控畫布元素的方法。Canvas不僅支持平面圖形繪制，還能繪制三維圖像、動畫等。在瀏覽器中，Canvas是逐像素進行渲染的，極其依賴分辨率，因此選擇Canvas繪圖技術來繪制熱力圖對地圖可視化大有增益。基于Canvas的熱力圖是一種能顯示某種行為或屬性發生頻率的圖，其高度飽和的色彩能夠讓人們非常直觀地對比出圖中某些行為發生的頻率高低。繪圖原理如下：

(1) 將數據點全部無差別繪制到Canvas畫布上。

(2) 繪制完成后，用getImageData()方法獲取整個畫布的ImageData對象。該對象中的每個元素都包含著這個像素的顏色信息，即RGBA四值，以數組形式存儲。R代表紅色，G代表綠色，B代表藍色，A代表alpha通道，也就是透明度。

(3) 根據alpha值不同，將每個像素的RGB值用事先設定好的漸變顏色表中alpha值對應的RGB值替換，alpha值設為一個統一的值，此時每個像素已經被賦予了一個新的顏色。

(4) 設置點的圓半徑及模糊度，根據新的顏色值，重新在畫布上繪制圖形。

本文根據以上原理，參考百度Mapv.js中關于線匯聚熱力圖的方法，由原公交線路數據得到圖6的線路聚合熱力圖的效果。

圖6 線路聚合熱力圖

2.3 可視化結果分析

圖5和圖6所示分別為兩種可視化方法得到的北京市線路分布圖。圖5為基于城市主干道線網密度分布的直接可視化效果圖，圖中根據每條路段分布的公交線路條數進行不同的顏色和粗細渲染，分為紅、橙、黃、綠4種色彩等級，紅色粗線條表示路段上公交線路條數密集(大于25條)，綠色細線條則表示路段上公交線路稀疏。其優點在于數據經過整理具有結構性，可視化效果較為簡明，易操控，容易編程實現。圖6所示為將原數據利用聚類思想、結合百度Mapv.js繪制的公交線網熱力圖。圖中的渲染色彩方案采用的是從藍到紅的色帶,藍色表示沒有公交線路分布，紅色代表線路分布密集，其優點是經過匯聚計算避免了原數據中公交線路的遮擋，不同縮放級別下畫布都會重新渲染計算色彩值，得到不同的可視化效果，有利于分區域的可視化分析，而且可視化效果更好，色帶渲染過渡自然。

圖5和圖6雖然是不同方法得到的可視化效果，但是對比可以發現北京公交線路分布的一些規律。兩圖中紅色和橙色粗線條大多集中于北京城“兩軸”、人流量較大的熱點區域和周遭包圍的環狀快速路，中間呈放射型路網分布；黃色和綠色的細線條穿插在紅橙色粗線條之間，四周同樣呈放射型路網分布；就環線公交分布而言，三環路上分布公交線路最為密集，多于二環和四環，四環西北方公交線路分布相對于東南更為密集。對比圖5、圖6的共同特點，結合北京市的城市發展現狀，總結出以下幾個北京市公交線路分布的空間特點：

(1) 圖5、圖6表明市區(四環內)道路分布的公交線路密集程度明顯高于城郊、鄉鎮的分布。這是因為城區內生活水平較高、各方面功能齊全，因此市區內人口流量遠超于市郊、鄉鎮，人口的高流動性造就了公共交通流量的增大，促使公交線路數的增加。

(2) 環路上公交線路密度明顯高于普通道路，特別是三環路上分布的公交線路最為密集(三環線路的紅色粗線最為明顯)。環路因其良好的交通流量承載能力被設計來緩解城區的交通壓力，方便居民出行，因此在市區內，公交線路在環狀快速路上的分布明顯多于普通道路。

(3) 出城方向的高速路沿線公交線路分布密集(西南方向京石高速，北面京藏高速，東北方向機場高速線，地鐵八通線及相連的通燕高速上共色粗線明顯)。隨著北京城市化進程的日益推進，在原有的衛星城周邊，又興建了11個能夠緩解老城人口壓力、分散中心城職能的新城，其中包含大興、房山、昌平、延慶等，因此連接老城和新城的高速路沿線公交線路分布較為密集。

(4) 人流集中區域附近公交線網分布密集。如北四環西邊的中關村一帶，聚集著北京各大高校和科技產業園區；中央商務區(CBD)一帶則是北京主要的商業金融區域；考慮其交通便利性，這些地方的公交線網密度應該較高。

3 結 語

結合可視化技術對于現有公交網絡進行分析評價是交通規劃中重要的一環，也是研究城市公交運行的基礎，本文研究實現了基于道路的公交線網分布可視化和利用熱力圖的可視化方法，同時結合可視化結果分析了北京市公交線網的結構分布特點，對于評價現有公交線路分布狀況具有實用價值和重要意義。下一步將通過結合客流數據，并按照斷面對道路進行分割，更深入地分析公交客流和空間位置的相關性，為公交線路的規劃和優化提供幫助。

[1] 王國曉，王琳穎，李晨.城市公交線網優化與評價方法探索[J].城市建設理論研究(電子版)，2015，5(28).

[2] 王振報，陳艷艷，朱躍華.多層次公交線網規劃實用方法[J].北京工業大學學報，2011,37(2):231-236.

[3] 任磊，杜一，馬帥,等.大數據可視分析綜述[J].軟件學報,2014,25(9):1909-1936.

[4] 姜曉睿，田亞，蔣莉，等．城市道路交通數據可視分析綜述[J].中國圖象圖形學報，2015,20(4):454-467.

[5] 蒲劍蘇，屈華民，倪明選.移動軌跡數據的可視化[J].計算機輔助設計與圖形學學報，2012,24(10):1273-1282.

[6] 王運靜，李強.北京市地面公共交通線路網現狀評價[J].交通運輸系統工程與信息，2007,7(5):135-141.

[7] 呂衛鋒,吳東東,諸彤宇.基于向量識別的啟發式路徑推測算法[J].計算機學報，2009,32(7):1443-1450.

[8] 欒學晨，楊必勝，李秋萍. 基于結構模式的道路網節點匹配方法[J]．測繪學報，2013,42(4)：608-614.

[9] 張云菲，楊必勝，欒學晨.利用概率松弛法的城市路網自動匹配[J].測繪學報，2012,41(6):933-939.

[10] 王鵬，鄭貴省，王元. 基于多相似度量指標的路網匹配算法研究[J].微型機與應用，2016,35(1)：19-22，26.

A Visual Analysis Method of Urban Public Traffic Network Distribution

ZHANG Jianqin1,2,WANG PengYu1,2，DU MingYi1,2

(1. School of Surveying and Spatial Information, Beijing University of Civil Engineering and Architecture， Beijing 100044， China；2. The Modern City National Key Laboratory of NASG， Beijing 100044, China)

Visual analysis technology is playing an increasingly important role in the analysis of traffic data and the discovery of traffic problems and decision making. In order to intuitively show the city transit network spatial distribution density, the vector data of Beijing city bus lines is analyzed based on the direct visualization and visualization method of two kinds of aggregation distribution of transit network spatial analysis. The original data processing is calculated for direct visualization of bus lines in Beijing city main roads based on data distribution method. The canvas drawing thermodynamic diagram is used on the original data visualization. The visualization results according to the analysis of the situation of spatial distribution of bus lines in Beijing city show that this method has practical value and significance of city public transportation network planning and optimization.

network distribution; visualization analys; transit planning

張健欽，王鵬宇，杜明義.一種城市公交線網分布的可視化分析方法[J].測繪通報，2017(5)：51-55.

10.13474/j.cnki.11-2246.2017.0153.

2016-08-19

北京市自然科學基金(8173053)；北京建筑大學校設基金(00331616042)

張健欽(1977—)，男，博士，副教授，主要研究方向為交通GIS、大數據可視化、智能交通系統。E-mail：ycduan@qq.com

王鵬宇

P208

A

0494-0911(2017)05-0051-05