基于智能交通卡數(shù)據(jù)的城市軌道交通乘客個體路徑選擇模型

王沙沙，孫會君

(北京交通大學交通運輸學院，北京 100044)

近年來，城市軌道交通憑借運量大、可靠性高、安全、便捷等優(yōu)勢，已經(jīng)成為許多大型城市的主要公共交通工具。乘客的路徑選擇一直是城市軌道交通研究中的熱點和難點，隨著智能交通卡的廣泛應用，其數(shù)據(jù)憑借連續(xù)性好、覆蓋面廣、信息全面且具有地理坐標和時間標簽等優(yōu)勢，受到越來越多的城市交通工作者的青睞，出現(xiàn)了大量基于智能交通卡數(shù)據(jù)的研究。龍瀛等[1]對此類研究進行了分類，認為主要包括數(shù)據(jù)處理和起訖矩陣推算、公共交通運營系統(tǒng)運行與管理、城市空間結構分析、出行行為和社會網(wǎng)絡四個方面。乘客出行路徑選擇是智能交通卡數(shù)據(jù)研究中的一個熱點，可以了解整個軌道交通網(wǎng)絡中的客流分配，對于幫助運營管理部門合理安排列車的行車調度、提高應對突發(fā)事件的應急能力意義重大。

當前對于城市軌道交通乘客路徑選擇的研究多集中在群體性的路徑選擇，一般利用Logit模型。吳祥云等[2]基于用戶平衡原理,建立了城市軌道交通網(wǎng)絡的客流量平衡分配模型，并采用 Frank-Wolfe 算法對模型進行求解。Hibino等[3]基于 RP客流調查研究了軌道交通乘客路徑選擇行為規(guī)律，分析了有問題、過于擁擠或利用不足的路段。四兵峰等[4]在研究城市軌道交通的路徑選擇時，考慮了乘客事件和換乘次數(shù)對乘客路徑選擇的影響，將乘客的旅行時間區(qū)分為乘車時間和換乘時間，并作為路徑的阻抗。劉劍鋒等[5]通過分析影響乘客路徑選擇的因素，建立起了軌道交通路徑選擇廣義費用函數(shù)，采用相對費用差計算路徑選擇概率,改進了Logit 模型并以北京地鐵為案例進行分析。Sun等[6]基于智能交通卡數(shù)據(jù)，研究了地鐵旅行時間的可靠性并估計乘客的路徑選擇行為。錢堃等[7]重點考慮了換乘時間對于乘客路徑選擇的影響，將換乘走行時間懲罰系數(shù)設定為換乘走行時間的冪函數(shù)，在此基礎上，構建了乘客出行廣義費用模型?？紤]到不同乘客類型的不同，劉衛(wèi)松等[8]對不同類型的乘客群體的路徑選擇行為進行分析，并構建了不同的路徑阻抗函數(shù)。傳統(tǒng)的研究方法多基于Logit模型研究群體性路徑選擇，但是無法實現(xiàn)對乘客個體的出行路徑選擇進行估計。

本文考慮了不同乘客在軌道交通中的異質性，分析了路徑旅行時間的組成要素，提出了一種基于智能交通卡數(shù)據(jù)的估計乘客個體出行路徑選擇的方法，以北京地鐵網(wǎng)絡為案例，分析了乘客路徑選擇比例并對模型進行了驗證。

1 旅行時間模型及要素估計

1.1 旅行時間模型

1.1.1 旅行時間模型的建立

乘客在選擇城市軌道交通出行時，從起始站點開始旅行，刷卡進站、走到站臺、候車、上車、到達目的地、走出站臺、刷卡出站，換乘乘客需要換乘。乘客的旅行時間進程如圖1所示，并且旅行時間各要素之間相互獨立[9]。

由此，乘客的旅行時間模型可以由以下公式計算得到：

(1)

(2)

(3)

1.1.2 獨立性分析

乘客在旅行過程中，乘車時間為常量，與其他變量均相互獨立。乘客的進站走行時間只與乘客的步行速度和閘機到站臺的距離有關，進站站臺候車時間與乘客進站走行速度相互獨立，無論步行速度快或慢，其到達站臺的時刻均分散隨機，因此候車時間也是完全隨機的變量。同樣的道理，出站走行時間、換乘走行時間也只與乘客的步行速度和步行距離有關，與其他要素相互獨立。最后就需要分析換乘候車時間與其他旅行要素之間的獨立性。與進站候車時間相似，換乘候車時間也是完全隨機的變量，與其他旅行要素相互獨立。

1.2 旅行時間要素估計

乘客的旅行時間可以分為：走行時間(進站走行時間、出站走行時間、換乘走行時間)、乘車時間、候車時間(進站站臺候車時間、換乘站臺候車時間)。

1.2.1 走行時間

乘客在出行過程中步行所消耗的時間稱為走行時間，包括進站走行時間、出站走行時間和換乘走行時間，取決于乘客的步行速度以及所需的步行距離。走行時間為：

(4)

其中，D為走行距離，V為乘客的平均走行速度，本文取成年人平均步行速度 1.5 m/s。

1.2.2 乘車時間

在列車完全按照時刻表運行的假設下，對于同一條路徑上的兩站，所有乘客的乘車時間均相同，為兩站間列車運行時間，因此可認為同一條路徑上的所有乘客乘車時間是確定的，是一個定值。

(5)

1.2.3 進站候車時間

(6)

(7)

1.2.4 換乘候車時間

(8)

(9)

2 乘客路徑選擇模型

2.1 路徑旅行時間

由公式(1)～(9)可得到在路徑旅行時間中，走行時間只與站點的走行距離和乘客的走行速度有關，乘車時間為一個常量，站臺候車時間與換乘候車時間都服從正態(tài)分布，因此路徑的旅行時間也符合正態(tài)分布，路徑l概率密度函數(shù)為：

(10)

其中，u(Ttravel)為旅行時間的均值，可以由以下公式計算：

(11)

(σ(Ttravel))2為旅行時間的方差，可以由以下公式計算：

(12)

2.2 乘客個體路徑選擇模型

(13)

3 案例分析

本文以北京地鐵為案例，起點為天通苑，終點為北京站。文中所采用的數(shù)據(jù)為2014年3月3日—7日連續(xù)5個工作日的數(shù)據(jù)。為了數(shù)據(jù)的準確性，首先刪除了研究對象內3倍標準差之外的數(shù)據(jù)。

3.1 數(shù)據(jù)預處理

為了有效地分析乘客個體的出行路徑，路網(wǎng)數(shù)據(jù)、智能交通卡數(shù)據(jù)和運行數(shù)據(jù)是所需要的基礎數(shù)據(jù)。下面對基礎數(shù)據(jù)進行詳細的說明。

3.1.1 路網(wǎng)數(shù)據(jù)

在這項研究中使用的智能卡數(shù)據(jù)由北京市提供的收費系統(tǒng)收集。截止到2016年12月31日，北京地鐵共有19條運營線路，345個運營站點(其中51個換乘站)，總運營里程達到574 km。

3.1.2 智能交通卡數(shù)據(jù)

北京市城市軌道交通已基本采用智能交通卡系統(tǒng)，該系統(tǒng)可以記錄乘客的基本出行信息，如乘客編號、進站站點、出站站點、進站時間、出站時間，基本數(shù)據(jù)形式如表1所示。

表1 智能交通卡數(shù)據(jù)實例Table 1 Instances of traffic smart card data

3.1.3 運行圖數(shù)據(jù)

通過智能交通卡數(shù)據(jù)，可以很容易地知道乘客的起終點與旅行時間，但并不掌握乘客具體選擇了哪一條線路。為了準確地估計乘客的路徑選擇，可以通過列車時刻表數(shù)據(jù)得出乘客的乘車時間。列車時刻表數(shù)據(jù)如表2所示。

表2 列車時刻表實例Table 2 Example of train timetable

3.2 旅行時間組成要素估計

在估計乘客的旅行時間之前，首先需要了解OD對之間的可能路徑。利用A*算法計算OD之間的所有可能路徑，圖2為天通苑到北京站的所有可能路徑。

圖2 天通苑到北京站的路徑圖Fig.2 Routes map from Tiantongyuan to Beijing Station

在計算完OD間所有可能路徑之后，接下來就要估計旅行時間組成要素。表3～5為各條路徑的旅行時間組成要素。

表3 路徑1路徑旅行要素Table 3 Path travel elements of route 1

表4 路徑2路徑旅行要素Table 4 Path travel elements of route 2

表5 路徑3路徑旅行要素Table 5 Path travel elements of route 3

3.3 乘客個體路徑選擇

通過公式(13)，可以計算乘客個體的出行路徑選擇，這對于我們了解乘客個體的出行行為具有深遠的意義。表6為乘客個體的出行路徑選擇，乘客1旅行時間較短，選擇路徑1的概率較大，而乘客3旅行時間較長，其選擇路徑3的概率較大。

表6 乘客個體路徑選擇Table 6 Passenger of individual route choice

3.4 誤差分析

最后，為了驗證方法的準確性，本文利用北京市交通委真實的路徑選擇數(shù)據(jù)與提出的方法估計的路徑選擇結果進行了對比，結果如表7所示。路徑3上選擇比例較少，因此誤差相對較大，路徑1和路徑2的誤差在20%以下，能夠滿足需求。

表7 乘客個體路徑選擇誤差Table 7 The errors of personal route choice

4 結語

本文提出的方法考慮到了乘客的異質性，克服了傳統(tǒng)路徑選擇模型只考慮群體路徑選擇的弊端。然而，對乘客個體出行行為的差異性并沒有完全考慮到，比如不同乘客的進出站走行時間與等車時間應該是有差異的，不能以單純的均值來代替，這些問題將會在今后的工作中進一步地改進。

[1]龍瀛，孫立君，陶遂.基于公共交通智能卡數(shù)據(jù)的城市研究綜述 [J]. 城市規(guī)劃學報, 2015(3): 70-77.

[2]吳祥云,劉燦齊. 軌道交通客流量均衡分配模型與算法[J]. 同濟大學學報(自然科學版),2004,32(9):1158-1162.

[3]HIBINO N, UCHIYAMA H, YAMASHITA Y. A study on evaluation of level of railway services in Tokyo metropolitan area based on railway network assignment analysis[J]. Journal of the Eastern Asia Society for Transportation Studies, 2005, 6: 342-355.

[4]四兵鋒,毛保華,劉智麗. 無縫換乘條件下城市軌道交通網(wǎng)絡客流分配模型及算法[J]. 鐵道學報,2007,29(6):12-18.

[5]劉劍鋒,孫福亮,柏赟,等. 城市軌道交通乘客路徑選擇模型及算法[J]. 交通運輸系統(tǒng)工程與信息,2009,9(2):81-86.

[6]SUN Y S, XU R H. Rail transit travel time reliability andestimation of passenger route choice behavior[J].Transportation Research Record: Journal of theTransportation Research Board, 2012, 2(2275): 58-67.

[7]錢堃,陳垚,毛保華. 考慮換乘時間影響的城市軌道交通路徑選擇行為研究[J]. 交通運輸系統(tǒng)工程與信息,2015,15(2):116-121.

[8]劉衛(wèi)松,劉曉波. 基于乘客分類的城市軌道交通路徑選擇研究[J]. 交通運輸工程與信息學報,2016,14(4):81-86.

[9]石俊剛,周峰,朱煒,等. 基于AFC數(shù)據(jù)的城軌乘客出行路徑選擇比例估計方法[J]. 東南大學學報(自然科學版),2015,45(1):184-188．