基于公交IC卡和GPS數據的出行客流OD提取

戚陽 黃信程 張錦旺 董火勝 于海洋

摘要：出行客流分析對于制定公交的運營策略具有重要的指導意義，本文提出了一種GPS數據和公交IC卡的出行客流OD提取方法，實現了基于多元數據的客流OD獲取，并在深圳e巴士平臺得到了應用的驗證。

關鍵詞：出行分析；客流OD提取

1. 引言

國家交通數據顯示，北上廣深等一線城市，每天有過千萬的通勤人次出行。一方面，現有的公交和地鐵運營系統無法滿足高峰期的出行需求，上下班高峰期運量不足，人員擁擠，聚合效應加長了數據的長尾，這些個體的需求數據會在數據的長尾下形成龐大的需求市場，已無法滿足人群的需求以及個性化需求；另一方面，城市旅游包車、企業或事業單位通勤車等車輛使用效率低下，造成社會資源浪費；同時，小汽車出行占用道路資源，造成交通堵塞，而且也對城市空氣污染造成很大壓力。

在此背景下，順應互聯網+的趨勢，定制公交服務應運而生。定制公交利用信息化手段組織客源，以混載搭乘的形式為處于相同區域，具有相同出行需求的人群定制一種介于常規公交與出租車之間的高品質公共交通服務。定制公交既能提供接近常規公交（遠高于出租車）的通勤效率，最大限度地滿足用戶早晚高峰的出行需求，也能保持出租車的“一人一座”、“一站直達”要求，保證乘客的舒適性，因此具有很大的應用價值。

然而，目前實際運營的定制公交仍然存在著一些問題，很多定制公交公司不能很好地把握用戶的出行需求，大部分的出行需求模型均采取出行調查或者利用單一數據來源的大數據挖掘方法，滿足不了精確定制的需要。因此，基于多種數據對用戶出行需求進行更為深入的挖掘顯得極為迫切。

公交出行的需求分析的一個主要途徑是OD提取，即從數據（例如公交用戶的IC卡刷卡數據）中提取出城市居民出行的OD特征，以此反映出行需求的空間分布。本文將制定一種有效的客流OD提取策略，基于公交IC卡和GPS數據，實現可靠的OD特征提取，并在實際應用中驗證算法的有效性。

2. 出行客流OD特征提取

對于出行客流OD特征的提取問題，一般通過將城市劃分為若干區域，通過某種方式統計乘客在各個區域之間位置轉換的次數，進而根據該條目出行數據的起始和終止位置填充OD矩陣。出行OD矩陣是反映出行特征的重要依據，不僅對于交通線路規劃，對于城市道路布設等也極其重要，因此如何準確地獲取OD數據得到了很多人的關注和研究。

傳統的公交OD數據來源于人工調查，這種調查得到的結果往往很粗糙。近年來，很多研究者通過公交IC卡數據（或結合GPS數據或AVL數據）推算客流OD。高永等運用公交IC卡數據對公交換乘判斷方法進行了研究，將乘客前后兩次刷卡的時間差與確定的時間閾值進行比較，用以識別乘客本次乘車是否為換乘行為[1]。李海波將IC卡信息和AVL數據相融合，用于出行OD推算[2]。尹安藤提出了基于公交GPS和IC卡數據的公交OD推算，對公交IC數據和GPS數據進行分析，以推算出居民出行OD矩陣[3]。

本文基于公交GPS與公交IC卡交易數據對客流OD進行推斷和獲取，主要分為以下三個步驟：1）GPS定位數據的站點匹配：結合公交線路路徑、站點信息、車輛GPS監控定位等數據，分析得出公交車輛準確的到站時刻；2）上車站點匹配：結合公交IC卡交易時刻、車輛編號及上述車輛到站時刻信息，分析乘客的上車地點；3）下車站點推導：基于乘客公交出行興趣點（含常規公交上車地點、地鐵進出站點）是乘客下車地點的規律，結合上車站點的下游停站信息、連續出行的換乘行為等推導乘客的下車站點。

1）GPS定位數據站點匹配

GPS定位數據站點匹配是為了將離散的公交車輛定位數據轉換為到離站記錄和班次記錄等信息，這是公交運營分析和公交客流推導的首要步驟。為此需要設計一個將定位數據轉換到離站記錄的方法。

圖1描述了GPS數據與站點匹配的流程。首先需要剔除無用的數據（經緯度全天不變和經緯度超出線路閾值的數據）。隨后對GPS數據與站點記錄做預匹配，挑選出可用的記錄。接著將這些數據與站點做精確匹配，確定車輛的到離站時間。最后挑出這些記錄進行適當的插漏補缺，確定出方向并標注單程編號。至此我們完成了站點的匹配步驟。

2）上車站點匹配

對于上車站點的匹配問題，由于有公交IC卡刷卡時間這一強信息，只需根據公交IC卡交易記錄中的車牌號與交易時刻找到相應車次及站點即可，匹配流程如下圖所示：

而對于實際情況，由于乘客的刷卡時公交車可能已經啟動了，因此不能簡單的認為刷卡時間對應的位置等同于車站位置。假設某車次共有n個公交站點，刷卡交易時間介于公交車輛的第i站與第i+1站到站時刻，則認為該刷卡記錄的上車站點為第i站。

在實際操作過程當中，由于公交IC卡交易系統所記錄的車牌號、線路號與公交企業的車輛監控系統所記錄的線路號、車牌號并不完全一致，需建立基礎信息匹配專家庫，輔助完成兩項關鍵信息的數據清洗與數據轉換工作。

3）下車站點推斷

由于對于很多公交車，乘客在下車的時候不會刷卡，因此無法得知乘客下車的具體時間和位置，因此只能對下車站點進行推斷。我們一般結合上車站點的下游停站信息、以及乘客連續出行的換乘行為等推導乘客的下車站點。

為了實現下車地點的推斷，我們將乘車一天的出行鏈視為彼此相互鏈接的環狀結構，如圖3。據此在已知上車站點的基礎上，推導乘客公交出行的下車站點。即乘客前一次出行的終點是其進行下一次出行的起點；乘客當日最后一次出行的終點是其第一次出行的起點。

然而，乘客實際的公交出行鏈并不會嚴格地首位相接。事實上，對于連續的兩次乘車行為，前一次乘車的下車點應位于以后一次乘車上車點為中心，某個閾值為班級的圓形中。這個閾值應當與兩車乘車行為的間隔時間相關，直觀地理解是，當兩次乘車的間隔時間變大，乘客更有機會到達更遠的上車點。

我們可以對前一次乘車的下車點進行概率推導，首先需要構建下車點的二維分布，這個分布的σ為間隔時間的函數，作為選擇各乘車點的先驗概率。隨后可基于歷史出行興趣點，對概率進行更新，從而得到最可能的下車地點。

3. 客流OD提取算法的驗證

本文將所提出的OD特征算法應用于深圳市東部公交e巴士項目中，具體而言，集成在了后臺數據分析系統中。本文所提出的算法在e巴士的運營中得到了算法的驗證。

OD提取算法在e巴士項目后臺的客流數據分析中得到了充分的應用。在客流數據分析過程中，可以以各行政區或自定義區域為對象，分析區域內部或之間客流數據信息。可查看全部下轄線路的客流OD數據、行政區域或者自定義區域內外部客流情況，可基于時間、時段查詢條件對區域客流OD信息進行篩選查看，可查看各區域客流時間分布及營收區域分布特點，如圖4和圖5所示。

4. 結束語

本文提出了一種基于GPS和公交IC卡的出行客流OD提取方法。通過GPS數據實現定位與站點的匹配，通過IC卡的刷卡記錄確定出行客流OD的起始點，通過基于環狀出行鏈的概率推斷確定出行客流OD的結束點。本文提出的方法在深圳市e巴士平臺上得到了實際應用的驗證，證明了本文提出的算法的有效性。

參考文獻

[1]高永. 基于IC卡數據的公交換乘識別方法[A]. 科學技術部全國智能運輸系統協調指導小組辦公室.2007第三屆中國智能交通年會論文集[C].科學技術部全國智能運輸系統協調指導小組辦公室：科學技術部全國智能運輸系統協調指導小組辦公室，2007：6.

[2]李海波，陳學武.基于公交IC卡和AVL數據的換乘行為識別方法[J].交通運輸系統工程與信息，2013，13（06）：73-79.

[3]尹安藤. 基于公交GPS和IC卡數據的公交OD推算[D].哈爾濱工業大學，2017.

基金項目：深圳市科技計劃項目（KJYY20160331162313860）

（作者單位：1.深圳市東部公共交通有限公司）