基于GIS的通勤班車線路優化研究

肖 赟，段園煜，王志輝，張成哲

(合肥學院 城市建設與交通學院，安徽 合肥 230601)

通勤班車是指單位為滿足員工上下班交通需求,通過自有車輛或向第三方購買服務，提供具有相對穩定的運輸線路、發車時刻等特征的運輸服務。通勤交通是員工的剛性出行需求，是城市交通流的重要組成。隨著城市快速發展，交通擁堵成為城市普遍現象，越來越多單位開始重視通勤交通。通勤班車線路設計直接關系著運輸服務效率和水平，是員工選擇出行方式的重要因素，因此有必要對通勤班車線路的優化設計進行研究。

線路優化設計的關鍵是確定客流需求規模和空間屬性分布。一些學者對客流規模開展了研究，芮海田等[1]基于指數平滑和馬爾科夫模型,提出了公路客運量預測方法。翁超偉[2]建立了通勤服務信息管理系統，讓員工上報交通出行屬性，并以此提出了帶裝載能力約束的硬時間窗車輛路徑問題模型。熊永超[3]通過發放調查問卷，確定了需求規模和服務需求，以SEVRQUAL模型為理論基礎,并以此提出了包括線路優化的質量提升方案。李浩、符天陽[4-5]基于公交一卡通數據，從時間維度、人口維度和氣候維度提出了公交客流的預測方法。王云鵬[6]引入了時間成本的概念,設計了通勤班車線路優化模型,并運用蟻群算法進行模型求解。

隨著地理信息系統(GIS)技術的發展，不少學者將GIS應用到空間屬性分布研究中。陸龍妹[7]基于GIS空間分析技術，提出了交通通達性模型。胡海利[8]等通過GIS空間插值原理，分析了區域交通規劃實施進展情況。王杰[9]根據交通狀況、人口規模等約束條件，提出了一種基于GIS的公交線路規劃方法，并利用Dijkstra算法進行路徑分析。陳艷艷等[10]借助GIS空間分析功能，提出了區域公交可達性計算方法。

以上研究對于通勤班車線路優化設計有著重要的參考價值，但不能完全適用于通勤班車。在需求預測階段，以上研究主要采用問卷調查或沿用歷史客流數據，具有一定的局限性；在空間屬性布局階段，大部分學者主要關注城市公交線路的優化，缺少針對通勤班車特性的線路優化研究。隨著智能手機的發展，手機信令數據為客流分析提供了思路和途徑，其在時間和空間上具有較好的穩定性，能有效反映旅客的出行軌跡。GIS憑借數據處理和空間分析能力，它不僅可以處理通勤線路上客流數據和地理屬性數據，還提供了緩沖區分析、網絡分析等空間分析手段。由此，本文采用手機信令等實證數據和地理信息系統GIS技術，擬解決通勤客流需求規模和地理空間分布的定量化問題，對于優化通勤班車線路有著重要的意義。

1 研究方法

1.1 主要思路和步驟

本文研究主要通過5個步驟開展通勤班車線路的優化研究工作。

(1)確定單位手機信令數據范圍。通過地理信息系統軟件ARCGIS篩選單位的矢量圖，確定單位地理空間范圍。

(2)篩選本單位員工的手機信令數據。有兩種方式，一是采用員工自我上報，這種方式操作簡單，但耗時耗力，尤其是對于員工流動較大的單位，通過員工上報得出的數據往往更新不及時。二是采用手機信令數據軌跡特征推算，員工通勤出行軌跡具有重復性和規律性，根據員工上班時間特征，篩選單位地理空間范圍的手機信令數據，將其認定為本單位員工的手機信令數據。為了保證分析精度，調查時間不應低于3天，且覆蓋高峰日和低峰日。

(3)分析員工居住地數據。根據時間分布，提取手機信令數據的經緯度等字段，確定單位員工的居住地分布。如對于只有白班的單位，可提取其晚上24：00至早上05:00的手機位置，將其設定為居住地。

(4)劃分城市交通小區。參照城市公共站點的覆蓋率，可以結合城市路網分布，以500～1000米覆蓋率范圍劃分交通小區。員工居住點分布集中的區域，交通小區可適當細化。

(5)優化通勤班車線路。根據客流分布，以提升覆蓋率為主要目標，綜合其他約束條件，優化通勤班車線路，其具體步驟如圖1所示。

圖1 研究方法

1.2 客流需求規模分析

以本單位所有員工作為潛在客流需求。通過運營商平臺，提取有規律進入單位地理空間范圍的手機信令數據，將其軌跡等同為單位員工的出行軌跡。手機信令數據在時間和空間上具有較好的穩定性，能有效反映員工出行軌跡。手機信令數據字段主要有終端號(IMSI)、小區編號(LAC)、基站編號(CELL)、接收時間(TIME)、基站經度(LNG)和基站緯度(LAT)等。由于基站的覆蓋范圍約為100～500M，旅客的定位數據雖有一定誤差，但能夠滿足通勤班車線路優化的需求。

通過PYTHON手機信令數據的挖掘處理主要分為三個方面。一是數據篩選，篩選出單位相關的手機信令數據，并對其居住點進行分析，這樣能大幅降低分析的范圍。二是數據簡化，只保留經緯度和終端號等字段，并對終端號字段簡化數字編碼，以提高計算機運算速度。三是數據去噪，對冗余數據、缺失數據、異常數據和乒乓數據進行處理，以提高數據的準確度。

1.3 交通小區的劃分

劃分合理的交通小區是分析通勤班車客流分布的基礎，交通小區一般借助行政區域、道路、鐵路和河流等方式進行劃分。一般而言，通勤班車線路里程不會超過20公里，由此為簡化分析，可以以單位為中心，以15～20公里為半徑，選取一定的地理空間區域作為居住點研究范圍。根據城市公交站點500～1000米的覆蓋范圍，劃分大致相等的交通小區，依據道路邊界和土地性質，對交通小區進行修正。為了更精確的分析，還可以每個住宅小區作為一個交通小區，住宅小區數據可通過PYTHON軟件爬蟲提取。

1.4 線路優化方法

線路優化首先要確定優化模型，相關研究[11-12]表明，通勤巴士的線路覆蓋率是員工關注的主要因素。由此，以提高通勤班車覆蓋范圍為主要目標。在線路優化的過程中，必須考慮到約束條件。涉及到線路的約束指標主要有線路里程、線路條數和非直線系數等。線路里程和線路條數會受到車輛運力資源的限制，非直線系數決定了乘客的在途時間，參照公共交通設計標準，一般不應大于1.4，部分放射線路段不應超過2。由此，構建通勤班車線路優化模型如公式1所示。

式(1)

式中S：線路的總覆蓋率；Sij：第i條線路第j個?？奎c的覆蓋率；Li：第i條線路里程；m：線路條數；n：線路站點個數；r：線路非直線系數；L，A，B，R：線路里程、條數、站點和非直線系數等資源限制。

1.5 基于GIS交通基礎數據庫的評價方法

線網評價方法有CAD制圖和GIS制圖兩種方式，CAD制圖有著簡單便捷、繪制精準等優點，但其無法存儲大量的屬性數據，評價的過程比較復雜。

GIS融合了計算機技術、地理科學和測繪技術，能有效分析具有地域特征的問題。通勤班車線路規劃具有明顯的地理空間特征，GIS依托強大的空間分析功能可以準確計算線網覆蓋等關鍵指標，能快速有效的簡化評價過程，由此采用GIS作為通勤班車線路評價工具。通過ARCGIS軟件將不同點線面數據按地理信息分層儲存，建立通勤班車線路基礎數據庫。

(1)客流分布層：與單位相關的手機信令數據是潛在客流，在此以手機信令數據為分布點，并在ARCGSI中以點的方式儲存。

(2)通勤班車線路層：存放通勤班車線路，以線的方式儲存。

(3)交通小區層：存放交通小區，以面的方式儲存。

2 基于GIS的通勤班車線路優化設計

2.1 通勤班車線路現狀分析

單位A處于合肥市經濟技術開發區內，員工約1千余人。目前員工上班的方式主要有通勤客車、城市公交和私家車，通勤客車所占的比例約為10%，單位附近暫無軌道交通站點。根據單位A的地理空間范圍，利用軟件下載合肥市街道地圖，在確定坐標系后對地圖進行矢量化。目前單位共有3條通勤班車線路，具體見表1和圖2。

表1 合肥某單位A通勤班車現狀表

圖2 合肥某單位A通勤班車路線矢量圖

2.2 客流需求分析

選擇2019年5月全月為調查時間，依托某運營商數據平臺，該運營商在合肥市場份額約為19%，具有較強的代表性。根據地理范圍選擇在5月份多次出現在單位A的手機信令數據,再根據其時間字段Time選擇晚上時段(24:00-05:00)手機信令數據經緯度值,經處理得到單位A員工的居住地。經數據簡化和去噪處理后，部分數據如圖3所示。

圖3 部分客流數據分布

2.3 交通小區劃分

通勤班車服務半徑不宜過大，一般為20公里以內。為定量分析A單位客流空間分布，以A單位為中心，以20公里為半徑，通過ARCGIS在地圖上畫出一個區域，該區域為本文研究的范圍。以500～1000米劃為范圍，結合路網分布，將區域分為208個交通小區。將員工的居住地按照經緯度數據，分配到各交通小區中。用ARCGIS點轉要素功能將客流數據標識到底圖中，各區域的員工居住點數量如表2所示，第171號小區需求最為旺盛，共有68個需求點。

表2 部分交通小區起訖表

3 通勤班車的路線優化

3.1 線路優化模型分析

城市公共交通站點一般用300～500米覆蓋率進行評價，由于通勤班車對員工免費，員工可接受步行到站點的距離比城市公交站點要長，在此選擇500米覆蓋率為通勤班車評價指標。

通過ARCGIS的緩沖區分析，得到通勤班車矢量地圖的點或線元素，以此為基礎向周邊拓展500米，將形成一個500米的覆蓋率區域。計算落在通勤班車線路上點或線元素上的手機信令數據，得出該線路的覆蓋率S。

以maxS為優化模型的目標，在不增加運力等資源基礎上，設定約束條件如下：

②線路條數與原條數保持一致，均為3條。

③線路非直線系數ri≤2。

3.2 通勤班車起訖點的確定

因通勤班車現狀總條數為3條，需確定3個起訖點。起訖點的選擇考慮需綜合考慮3個因素，一是選擇交通小區客流比較集中的區域為備選區域，在此選擇前10%共20個的交通小區為備選；二是盡量選擇客運走廊上的交通小區，以增加整個線路的覆蓋率；三是考慮到空間分布和非直線系數，去除離單位A太近的區域，優先選擇可中間停靠其他客流集中分布點的交通小區。

根據以上因素，通勤班車確定3個起訖點，分別為合肥學院北區、派河大橋、景智電子廠。其所在的交通小區的客流分布及位置如圖4所示。

圖4 交通小區客流分布及位置圖

3.3 通勤班車線路的確定

在確定起訖點的基礎上，線路的確定可采用先逐條布設法，再整體優化的方法。

線路S1起訖點合肥學院北區、單位A二期，通往單位A二期的道路主要有2條，分別為①合肥學院北區→東陳崗→太寧路口→衛崗→煙草研究院→祁門路與宿松路交叉口→繁華大道與宿松路交叉口→海爾工廠(繁華大道)→單位A一期→單位A二期；②合肥學院北區→工大西區宿舍→南七華聯路口→建工學院→(金寨路高架)→大華國際港→正大廣場→安徽新聞出版職業技術學院→單位A一期→單位A二期；其線路編號分別設為S1a、S1b。

線路S2起訖點派河大橋、單位A二期，通往單位A二期方向的道路主要有2條，①派河大橋→肥西實驗中學→新安駕校(金寨南路)→南空花園小區→金寨南路與丹霞路交叉口→正大廣場→石蓮路口→合肥師范學院→單位A一期→單位A二期；②派河大橋→派河花園沿河花園小區→派河家園→派河大道與蓬萊路交叉口→蓬萊路與云谷路交叉口→蓬萊路與臥云路交叉口→紫蓬路口→安建大南校區→海爾電冰箱廠(使信路)→單位A二期；其線路編號分別設為S2a、S2b。

線路S3起訖點景智電子、單位A二期，通往單位A二期方向的道路主要有2條，①景智電子廠→云谷路與玉龍路交叉口→濱湖桂園→濱湖家園→合肥市第四十六中→濱湖醫院→藍鼎觀湖苑→濱湖會展中心→宿松路與錦繡大道交叉口→單位A二期；②景智電子廠→云谷路與玉龍路交叉口→濱湖桂園→濱湖家園→合肥市第四十六中→宿松路與錦繡大道交叉口→單位A二期。線路編號分別設為S3a、S3b。

這6條備選線路均符合約束條件，線路的里程數、非直線系數和站點數可以通過ARCGIS的空間分析計算，覆蓋率可通過鄰域分析計算。以覆蓋率為規劃主目標，綜合考慮約束條件，得出優化路線為S1a，S2a，S3a，如表3所示。

表3 備選線路表

3.4 線路評價及分析

為了更好研究優化效果，本文對通勤班車線路現狀和優化后線路開展對比分析。通過ARCGIS緩沖分析，規劃線路比現有線路總里程少14%。非直線系數增加0.06，站點數基本保持一樣。與此同時，在保持線路里程和非直線系數基本不變的約束下，規劃線路覆蓋率由17.8%提升32.2%，優化效果明顯，如表4和圖5所示。

表4 現有路線、規劃路線對比表

圖5 現有線路和規劃線路覆蓋范圍對比圖

4 結論

(1)確定了需求規模。依托手機信令數據，整個數據挖掘定量化分析了客流需求規模，經與單位員工數量比對，通過地理空間范圍提取的手機信令數據和單位在冊員工數量基本保持一致，說明手機信令數據可以用來分析員工的通勤需求規模。

(2)確定了需求分布。根據員工居住地分析，通過地理信息系統ARCGIS,定量化標識了客流需求分布。通過劃分交通小區，明確了各交通小區的需求量。

(3)提出了通勤班車線路優化方法。以線路覆蓋率為主要目標，提出了線路優化方法，通過ARCGIS的緩沖區等空間分析功能，準確標識了各線路的覆蓋范圍，具有較強的應用價值。

本文還存在一些不足，一是手機信令數據未包括所有運營商的數據，雖滿足了宏觀分析的需求，但在做微觀交通小區分析時，有可能產生較大偏差。二是本文將所有與單位A相關的手機信令數據當作潛在需求點，未深入分析不同人群對通勤班車的選擇習慣。這些不足有待在下一步研究中完善。