智能調(diào)度系統(tǒng)和乘客刷卡記錄并用的線路站點(diǎn)客流統(tǒng)計(jì)
——利用Excel函數(shù)關(guān)聯(lián)數(shù)據(jù)統(tǒng)計(jì)站點(diǎn)客流量

徐州公共交通有限責(zé)任公司 沈 靜 姚 萍

客流量是公交系統(tǒng)制定行車作業(yè)計(jì)劃和規(guī)劃線路的重要依據(jù)。對(duì)于客流量的統(tǒng)計(jì)，公交企業(yè)傳統(tǒng)的做法是進(jìn)行客流調(diào)查，即把調(diào)查人員在調(diào)查的時(shí)間段內(nèi)分布在相應(yīng)的站點(diǎn)上，利用查數(shù)和目測(cè)的方式進(jìn)行記錄，記錄匯總后進(jìn)行分析。這樣做的弊端在于準(zhǔn)確性差，時(shí)間不連續(xù)，無(wú)法做到經(jīng)常性和系統(tǒng)性的調(diào)查。

公交企業(yè)已陸續(xù)從傳統(tǒng)調(diào)度模式過(guò)渡到智能調(diào)度模式，智能調(diào)度系統(tǒng)借助于GPS定位技術(shù)、3G通信技術(shù)、GIS地理信息系統(tǒng)技術(shù)，可詳細(xì)記錄車輛在行駛過(guò)程中的數(shù)據(jù)并根據(jù)管理需要生成相應(yīng)報(bào)表。例如根據(jù)線路站點(diǎn)的經(jīng)緯度坐標(biāo)，智能調(diào)度系統(tǒng)的車輛到離站信息采集記錄了車輛駛?cè)胝军c(diǎn)和駛出站點(diǎn)的時(shí)間點(diǎn)（以秒為單位記錄）。

乘客刷卡記錄（其中包括移動(dòng)支付），是公交IC卡收單管理系統(tǒng)記錄的乘車數(shù)據(jù)，具體刷卡記錄時(shí)間也以秒為單位，每日統(tǒng)計(jì)匯總運(yùn)量和收入。

智能調(diào)度系統(tǒng)采集數(shù)據(jù)真實(shí)準(zhǔn)確，其中根據(jù)數(shù)據(jù)生成的車輛到離站信息以秒為采集單位，和刷卡記錄時(shí)間單位一致。車輛到離站信息采集信息中站點(diǎn)信息經(jīng)緯度為坐標(biāo)標(biāo)識(shí)，彌補(bǔ)了刷卡記錄信息只記錄刷卡時(shí)間沒(méi)有刷卡地點(diǎn)的不足，從而使通過(guò)智能調(diào)度系統(tǒng)生成數(shù)據(jù)結(jié)合乘客刷卡記錄來(lái)分析統(tǒng)計(jì)站點(diǎn)的乘車人數(shù)和構(gòu)成成為可能。

本文以徐州公共交通有限公司新區(qū)分公司11路附線為例，收集相關(guān)數(shù)據(jù)，探討如何利用Excel函數(shù)功能統(tǒng)計(jì)和分析客流量。

1 參數(shù)收集

徐州公交11路附線上下行全程31.9km（下行15.6km，上行16.3km），上下行各22個(gè)站點(diǎn)，首站銅山新區(qū)總站，末站徐州站，固定配車數(shù)24輛。途經(jīng)工業(yè)區(qū)、成熟小區(qū)、菜市場(chǎng)、江蘇師范大學(xué)、中國(guó)礦業(yè)大學(xué)老校區(qū)和重點(diǎn)中小學(xué)、三級(jí)甲等醫(yī)院、市中心繁華商業(yè)圈直至徐州火車站。線路長(zhǎng)，客流大，且乘客構(gòu)成復(fù)雜，服務(wù)時(shí)間長(zhǎng)，包含夜班。首班6∶10，末班22∶10，道路狀況復(fù)雜。11路附線站點(diǎn)情況詳見(jiàn)表1。

表1 11路附線站點(diǎn)

（1）車輛到離站信息。車輛到離站信息是智能調(diào)度系統(tǒng)使用后新生成的信息，詳細(xì)記載了每輛車每個(gè)營(yíng)運(yùn)車次、進(jìn)場(chǎng)出場(chǎng)、進(jìn)站出站的詳細(xì)時(shí)間點(diǎn)，借助GPS定位技術(shù)、3G通信技術(shù)，記錄時(shí)間單位為秒。因記錄詳細(xì)，數(shù)據(jù)龐大，實(shí)際使用中，在尋人尋物領(lǐng)域發(fā)揮了重要的作用，能根據(jù)篩選條件迅速縮小查找范圍，條件越精確，范圍鎖定目標(biāo)越小，節(jié)省了大量的查找時(shí)間和人力物力。

在優(yōu)化行車計(jì)劃編制過(guò)程中，車輛到離站信息把每個(gè)車次周轉(zhuǎn)時(shí)間以站點(diǎn)為劃分基礎(chǔ)，以到達(dá)站點(diǎn)時(shí)間和駛出站點(diǎn)時(shí)間為節(jié)點(diǎn)把周轉(zhuǎn)時(shí)間劃分若干段。以11路附線下行為例，下行場(chǎng)站是銅山新區(qū)總站，出場(chǎng)時(shí)間點(diǎn)記為A，到達(dá)首站銅山新區(qū)總站時(shí)間點(diǎn)為B，駛離銅山新區(qū)總站時(shí)間點(diǎn)為C，到達(dá)居樂(lè)園站時(shí)間為D，駛離居樂(lè)園時(shí)間為E，以此類推直至終點(diǎn)站徐州站。其中圓圈代表場(chǎng)和站的坐標(biāo)范圍。從銅山新區(qū)總站發(fā)車，到駛離居樂(lè)園的時(shí)間劃分A-B、B-C、C-D、D-E四段，如圖1所示。若以站點(diǎn)劃分，其中B-D的時(shí)間段內(nèi)乘客所刷卡記錄可以記錄為銅山新區(qū)總站上車的乘客，為分析客流規(guī)律提供依據(jù)。

圖1 從總站到達(dá)居樂(lè)園的時(shí)間劃分

（2）乘客刷卡記錄（含移動(dòng)支付）。收集乘客刷卡記錄的目的是為了粗估高峰和平峰的客流量，刷卡的乘客一般有穩(wěn)定出行需求，相對(duì)客流的變化有很強(qiáng)代表性。根據(jù)徐州無(wú)人售票線路的運(yùn)量統(tǒng)計(jì)，刷卡運(yùn)量占總運(yùn)量的70%左右。

刷卡記錄數(shù)據(jù)來(lái)自IC卡數(shù)據(jù)統(tǒng)計(jì)匯總部門。刷卡記錄包括日期、線路、車輛、刷卡時(shí)間、卡號(hào)、金額，其中一條記錄代表一人次。

數(shù)據(jù)分析主要是利用Excel的函數(shù)功能，把相

2 數(shù)據(jù)分析

關(guān)數(shù)據(jù)潛在聯(lián)系找出來(lái)，根據(jù)時(shí)間的排列組合來(lái)分析各時(shí)間段的客流變化趨勢(shì)。

本文采用的是2018年3月份11路附線刷卡記錄（表2）。

表2 乘客刷卡記錄

根據(jù)分析需求，保留乘客刷卡記錄的必要因素：刷卡時(shí)間、卡類型、刷卡線路、車輛編號(hào)等。添加部分因素：天氣、星期等。

利用數(shù)據(jù)透視表的功能，進(jìn)行排列組合，得到想要分析的結(jié)果。

（1）根據(jù)（月平均）星期的因素統(tǒng)計(jì)客流變化匯總后的客流數(shù)據(jù)：星期日33754人次；星期一31361人次；星期二34403人次；星期三34210人次；星期四41947人次；星期五46081人次；星期六46752人次。月總計(jì)268508人次。

圖2 月均客流星期柱形圖

從月均客流星期柱形圖（圖2）中可看出，客流集中在周五，周六。這只是一個(gè)月的數(shù)據(jù)，若把數(shù)據(jù)放大到一個(gè)季度，一年，則可作為分析客流變化的依據(jù)。

因?yàn)樗⒖ㄒ厝妫梢愿鶕?jù)分析需求進(jìn)行排列組合，得到優(yōu)化行車作業(yè)計(jì)劃等目的分析結(jié)果。

例如，刷卡構(gòu)成主要是成人、學(xué)生、老年人。殘疾人持有的愛(ài)心卡坐車，因數(shù)量少，所占比小，可以忽略，或者統(tǒng)計(jì)時(shí)不包括在內(nèi)。刷卡構(gòu)成見(jiàn)表3。

表3 月均星期刷卡構(gòu)成表

圖3 月均星期刷卡各卡走勢(shì)圖

從圖3中可以看出，成人卡的刷卡趨勢(shì)和星期刷卡走勢(shì)趨同，老年卡刷卡次數(shù)基本不受工作日影響。

（2）按照小時(shí)劃分每個(gè)時(shí)間段的刷卡量見(jiàn)表4。

從圖4中可看到，早7時(shí)進(jìn)入客流高峰狀態(tài)，下午16時(shí)、17時(shí)處于最高峰，晚20時(shí)有一波小高峰。像這樣分析結(jié)果對(duì)于制定行車作業(yè)計(jì)劃有著重要的作用。

（3）根據(jù)天氣原因分析客流變化，同樣利用數(shù)據(jù)透視表的功能，得到的數(shù)據(jù)見(jiàn)表5。

表4 各時(shí)間段刷卡量統(tǒng)計(jì)

圖4 3月份分時(shí)刷卡次數(shù)統(tǒng)計(jì)圖

表5 不同天氣刷卡統(tǒng)計(jì)

圖5 天氣影響平均刷卡人次

從圖5可以看出天氣對(duì)客流的影響，中雨天氣的客流明顯低于晴天的客流。對(duì)于公交企業(yè)在組織生產(chǎn)營(yíng)運(yùn)過(guò)程中，制定行車作業(yè)計(jì)劃具有一定的指導(dǎo)意義。

因客流量影響因素較多，通過(guò)以上簡(jiǎn)單的排列組合分析可以得到不同因素作為分析原因的結(jié)果。不僅是以上3種可能，像具體區(qū)分各時(shí)間段的刷卡構(gòu)成，高峰時(shí)間段的刷卡構(gòu)成等也可作為影響因素進(jìn)行分析。

3 結(jié)合智能調(diào)度系統(tǒng)分析

乘客刷卡記錄記載了乘客刷卡的時(shí)間點(diǎn)，但是無(wú)法具體區(qū)分乘客刷卡上車的站點(diǎn)，我們通過(guò)刷卡記錄加上一些客觀的因素，按照不同的因素分析只能得到刷卡的次數(shù)和構(gòu)成。結(jié)合調(diào)度系統(tǒng)記錄的車輛到離站信息，可以具體分析到站點(diǎn)的刷卡次數(shù)，對(duì)于調(diào)整線路站點(diǎn)，開(kāi)辟大站快車線路都有著積極的意義。表6為車輛到離站信息表。

表6 車輛到離站信息表

從表6中可以看出，車輛的進(jìn)站時(shí)間和駛出站點(diǎn)時(shí)間單位是秒，和乘客刷卡時(shí)間一致。理論上前一站的進(jìn)站時(shí)間到下一站的進(jìn)站時(shí)間這個(gè)時(shí)間段的刷卡次數(shù)應(yīng)記錄為前一站的刷卡次數(shù)。根據(jù)此條件，利用多條件統(tǒng)計(jì)函數(shù)countifs，可以匯總各站點(diǎn)上下行的刷卡次數(shù)。統(tǒng)計(jì)匯總見(jiàn)表7。

表7 各站點(diǎn)上下行刷卡次數(shù)匯總

（1）上行各站點(diǎn)刷卡人次匯總?cè)鐖D6所示。

（2）下行各站點(diǎn)刷卡人次匯總?cè)鐖D7所示。

從圖中可以直觀看出上下行各站點(diǎn)乘車人數(shù)的差異，也可以看出上下站點(diǎn)的乘車人數(shù)并不是相對(duì)稱的，這對(duì)大站快車站點(diǎn)的設(shè)置有著指導(dǎo)意義。

（3）各站點(diǎn)時(shí)間段乘車人數(shù)的統(tǒng)計(jì)。根據(jù)時(shí)間段來(lái)劃分各站點(diǎn)的乘車人數(shù)，表8是上行方向風(fēng)華南苑站的各時(shí)間段乘車人數(shù)匯總。

也可以根據(jù)分析需求進(jìn)行排列組合匯總刷卡次數(shù)或刷卡構(gòu)成。

從統(tǒng)計(jì)的次數(shù)為267459人次（上下行合計(jì)）與刷卡匯總?cè)舜?68508人次存在1049人次的出入，這是因?yàn)橛布O(shè)備損壞沒(méi)及時(shí)更換或GPS因通訊或信號(hào)等原因定位不準(zhǔn)確而造成，占總刷卡人次0.39%，影響不明顯。

表8 上行方向風(fēng)華南苑站的各時(shí)間段乘車人數(shù)匯總

4 結(jié)語(yǔ)

圖6 上行站點(diǎn)乘客刷卡匯總

以上方法是利用智能調(diào)度系統(tǒng)采集的數(shù)據(jù)結(jié)合乘客刷卡記錄來(lái)簡(jiǎn)單的分析客流的構(gòu)成，和各站點(diǎn)時(shí)間段的客流統(tǒng)計(jì)等，可以看做人工統(tǒng)計(jì)客流量到安裝客流分析儀之間統(tǒng)計(jì)客流量的過(guò)渡。因無(wú)法統(tǒng)計(jì)各站點(diǎn)的零票收入，不能全部覆蓋，仍具有一定的局限性。

圖7 下行站點(diǎn)乘客刷卡匯總

無(wú)論是乘客刷卡記錄還是車輛到離站信息的采集，其數(shù)量巨大，且分析時(shí)間跨度較長(zhǎng)，有季度分析、年度分析等，因此利用Excel函數(shù)分析還存在一定的局限性，期待可以利用數(shù)據(jù)庫(kù)直接輸入?yún)?shù)，得到分析結(jié)果會(huì)更便捷。