基于信令數據的中小城市公交線網優化方法

費瑞陽 鄔嵐 欒開元 簡玉成

摘 ?要：為改進傳統中小城市公交線網優化中數據調查精度低、周期長、成本高以及方法針對性不足的缺點。基于手機信令數據獲取交通OD，針對中小城市的特點來對其公交線網進行優化研究。首先根據手機信令數據的獲取原理，基于聚類分析提出交通小區的劃分方式，設計出行量獲取方法得出居民公交出行OD以進行公交需求預測。根據中小城市的實際情況，以“路線優選”作為方法，選取以公交出行耗時最短和運營成本最低為目標的函數，建立優化模型。最后對宿遷市的數據進行實例分析并進行線網優化和評價。

關鍵詞：中小城市;公交線網;信令數據;優化方法

中圖分類號：U491 ? ?文獻標識碼：A

Abstract： In order to improve the shortcomings of the traditional small and medium-sized city bus network optimization， such as the data survey accuracy is low， the cycle is long， the cost is high， and the method is insufficient. Obtain residents' travel OD based on mobile phone signaling data， and optimize the bus network according to the characteristics of small and medium cities. First， according to the acquisition principle of mobile phone signaling data， proposing a method of dividing traffic districts based on cluster analysis. Design the trip volume acquisition method to obtain the traffic OD for public transportation demand forecast. Second， according to the actual situation of small and medium cities， taking“route optimization”as the method， selecting the function that takes the shortest bus travel time and the lowest operating cost as the objective to establish the optimization model. Finally， the data of Suqian city is analyzed by an example， and the network optimization and evaluation are carried out.

Key words： small and medium cities; public transportation network; signaling data; optimization method

0 ?引 ?言

在社會經濟以及城市化建設快速發展的背景下，中小城市的規模和人口也在日益增加，因而對機動化出行的需求也與日俱增，通過優化公交線網來優化公交服務系統、鼓勵公交出行是緩解這一現象帶來的交通問題的有效手段。在公交線網優化中，居民公交出行量的預測數據是一大重要支撐，傳統的獲取數據進行預測的手段主要是居民出行調查，存在調查精度低、周期長、成本高以及方法針對性不足的缺點，急需找到更加快速合理的方式來獲取居民出行的數據，從而使線網優化周期縮短、公交線網優化效率提高，并且針對中小城市提出專門的線網優化模型提高優化的合理性。

在信令數據的研究上，國外Larijani等[1]為了準確獲得基站間的出行OD數據，利用泰森多邊形方法對巴黎的基站進行處理，將其服務區域進行了細致的劃分;Wismans L，Friso K等人[2]提出了一種基于手機信令數據的交通需求研究方法，其主要是在比較傳統居民出行調查的OD數據與利用信令數據獲取的OD數據的基礎上，進行結果的分析和匹配。國內胡永愷等人[3]改進了手機信令數據提取交通OD量中的出行端點匹配方法，提出縮小基站可能覆蓋范圍的方法，使用用戶最大可能活動范圍，提高了匹配精度;蔡正義[4]提出了基于軌跡數據的居民出行OD識別方法，以低成本、高頻率獲取城市出行特征數據。

在公交線網優化的研究上，國外Yang Z等人[5]以乘客直達量最大為目標建立OD矩陣并利用蟻群算法進行線路搜索;Medina等[6]以不同時段的客流量為分析基礎，建立了公交企業建設和運營成本、出行停靠站設置的模型。國內謝迪文[7]以單條公交線路單位里程效益最大為目標生成備選線路集，優選出整體直達乘客量最大的公交線網;宋子杭[8]使用公交IC卡推算公交OD，建立以滿載率和直達率為目標的模型。

綜上所述，國內外對信令數據的研究主要集中于如何計算居民出行的OD數據，而對于如何劃分基站與交通小區獲取更精確的OD數據，以及如何將其應用于優化公交線網方面的研究相對不足，很多理論方法并未能運用到實際工作中。且不管是公交線網優化的研究，還是使用信令數據進行的研究，二者目前都主要集中在大城市，缺少針對中小城市的研究。基于以上不足，本文以中小城市為研究背景，研究信令數據獲取公交出行OD的方法，提出針對中小城市公交線網的優化模型，并把其實際應用于中小城市公交線網優化工作中。

1 ?研究思路與優化流程

1.1 ?研究思路

以宿遷市為研究背景，首先分析了手機信令數據獲取居民出行發生吸引量的原理，利用聚類分析的方法，提出根據基站小區來劃分交通小區的方式以及在此基礎上識別交通出行OD的操作流程與方法，然后基于“四階段法”進行公交需求預測，采用TransCAD仿真軟件進行運算，從而得到此次預測年的公交OD矩陣，作為后續線網優化的支撐。

接著針對中小城市的特點，遵循“路線優選”的思想，選取乘客耗時最短和公交公司效益最大為目標的函數，并選擇相應的約束條件，建立起適用于中小城市的公交線網優化模型，從而在所建立的備選線路集中擇優選取路線。

最后對宿遷市的公交發展現狀進行剖析與評價，總結其不足之處，并利用手機信令數據、公交線網優化模型與方法對宿遷市公交線網進行優化。

1.2 ?優化流程

首先獲取手機信令數據;接著對手機信令數據進行處理獲取交通OD數據;然后利用交通OD數據在TransCAD軟件上預測出居民公交出行OD數據;再以公交出行耗時最短和運營成本最低為目標，選取約束條件建立中小城市公交線網優化模型;建立備選線路集，對備選線路進行擇優選取，對線網進行優化。優化流程如圖1所示。

2 ?手機信令數據獲取居民公交出行OD方法

2.1 ?手機信令數據的獲取原理

目前，基于手機終端和手機網絡是通過手機定位技術獲取手機信令數據的方法。本次研究所獲取的定位信息主要是依靠手機切換定位技術獲取。手機切換定位技術的原理為：當手機從一個基站小區到達另一個基站小區時，該手機信號將從原先的小區基站切換到當前所在小區的基站，這就發生一次手機切換。在切換的過程中，將會得到切換的時間、切換手機的編碼、切換的基站等信息，從而得到用戶的位置信息。

手機切換定位技術具有成本低廉，不需要依賴終端，對基站的通信影響比較小等優勢，同時它的定位精度與小區半徑有關，在中心城區能夠達到50～100m，在市郊也能夠達到100～200m。因此手機切換定位技術能夠較為直觀地反映出手機用戶的出行特征。

2.2 ?數據預處理

在實際操作過程中，GSM網絡自身存在缺陷，外部環境等因素會干擾部分數據[9]，進而導致數據出現重復數據、缺陷數據、漂移數據（移動終端的定位位置與其實際位置不匹配）、定位數據采集不均衡等問題。要對數據進行以下處理：

（1）數據初選。在信令數據產生過程中產生某些字段缺位或丟失等錯誤，字段數據存在缺失時其長度將會不在正常范圍內，因而，通過對應的判別方法，根據其長度是否合理來確定字段是否存在缺失。

（2）數據過濾。部分數據會存在錯誤從而無法反映出出行的正確位置，或者因為到另一個城市而無法判斷位置，可以通過對比經緯度等方法過濾掉錯誤數據。

（3）數據除噪。“噪聲”數據是指當處于強度相近的兩個基站間的某一位置時，手機的信號會在兩個基站間不停切換，因此為了排除“噪聲”數據，需采集并判斷數據前后兩點間的速度。

2.3 ?交通小區的劃分方法

使用手機信令數據，根據基站的時空屬性對交通小區進行劃分。手機信令數據與基站覆蓋區域內用戶活動量存在關系，本文將借助基站小區的活躍度來進行交通小區劃分。

（1）手機基站的分類。城市土地一般可以分為：商業區、工業區和居住區[10]。以基站小區為單元，統計各小區全天內手機信令數據發生頻率，利用公式分析其屬于何種屬性，再根據聚類分析的結果劃定各個交通小區的邊界。

將各個時間段內的通話頻數除時長，得到平均每小時的通話頻數。同時，為了能夠比較一天當中不同時間段所獲取的結果，使用各時間與全天平均小時的比例來進行比較。

基站小區在經過上述判斷后可以得到表1所示的結果。由表1可以發現工作區與居住區有較大的互補性。

（2）基于空間距離的基站分類。為了基站的空間屬性，并保證其均勻性，需要基于空間距離進行基站分類。聚類利用K均值法，主要針對基站的經緯度和用地屬性信息，位置區作為基站編碼，交通小區聚類的步驟如圖2所示。

本次研究以宿遷市為背景，通過與宿遷市地圖匹配，劃分出如圖3所示交通小區，合并成11個交通中區。

2.4 ?交通OD的獲取方法

一般在出行過程中分為停留與移動兩種，停留點即指在出行過程中，一個用戶在某個位置停留一段時間，當這個停留時間達到所設定的閾值時，即可確定此點為停留點。停留點往往能夠反映出用戶的某些愛好、生活習慣、工作場所等，能夠為以后所進行的交通規劃交通需求預測等提供數據支持，具有十分重要的意義。

通過比較t時刻與t-1時刻的時間與距離差值，來判斷該點的狀態，去除移動點，保留停留點，再對連續的停留點進行計算，得到最大的時間差的點，設定為本次出行的起訖點，記錄下起訖點的時間，獲取交通小區OD。

為了減小因手機信號強弱變化而產生的誤差，在進行軌跡判定時需要設置一定的時間閾值、距離閾值及速度區間。時間閾值的設定一般設為30min;距離閾值的設定與基站小區的位置相對距離和基站密度有關，采用相對動態的距離閾值;速度區間的設置，一般設置在0～80km/h之間。

利用上面所述的方法，可以得到一組基于基站的交通小區OD：

2.5 ?居民公交出行OD

根據“四階段法”，利用TransCAD對宿遷市居民公交出行OD進行預測，結果如表2和圖4所示。

3 ?公交線網優化模型的建立

3.1 ?公交線網優化的目標

不同于大中城市，中小城市公交線網有其自身特點。中小城市公交乘客的出行平均距離與出行平均時間較短，公交線路的長度不需要太長。另外鑒于城市規模、人口等因素的限制，中小城市的公交線網條數不需要太多，因此其重復系數一般也不大，公交線網結構不復雜。中小城市的早晚高峰時間相比于大中城市持續時間短、居民選擇出行方式和出行目的的比例與不同、同時中小城市在中午還存在一個小的出行高峰。基于以上特點，選取公交出行時間最短以及運營成本最低作為優化目標。

3.2 ?公交線網優化約束條件

設置公交線網優化的約束條件[12]，主要目的是在生成候選線路集時減少備選線路的數量，減少優化搜索的工作量。本文根據中小城市的公共交通特征和布線的一般注意事項，確定中小城市公交線網優化的約束條件為以下幾個：

模型的求解過程如下：

（1）染色體編碼

在公交線網優化的過程中，對于線路的選擇，只有選與不選兩種，其特性符合二進制的特點，二進制編碼是最容易也是運用最廣泛的編碼方式，解用二進制字符串來表征。每條公交線都是連接了各自的節點，可以通過將這些節點相連，得出公交線網。例如，線路A有10條待選結點，對其中一條備選線路進行編碼（1100100100），表示該線路中1、2、5、8號節點被選中，將這幾點通過線網連接，即得到一條備選線路。

（2）初始種群的形成

初始種群的選擇采用隨機的方式，車輛到達各節點采用最短路的方式。

（3）個體適應度

由于采用的是隨機的方式產生的初始種群，所以需要設立一定的約束條件來保證種群的健康。以目標函數作為適應度函數進行計算，表達式如下：

fitnessfunx=ZX為可行解 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （14）

在遺傳算法的迭代過程中，適應度較高的個體逐漸繁衍，而適應度較低的則逐漸被淘汰，最終產生最優解。需要設置一個懲罰性函數，改進后的適應度函數如下：

適應度大的染色體被選中的概率更高，進入下一步驟的機會也越多，但適應度低的個體同樣也有被選中的概率。這種方式的選擇保證了種群內的多樣性。

4 ?案例分析

4.1 ?宿遷市公交現狀

（1）線路布局情況。宿遷市營運的城市公交線路為47條，線路總里程達到937公里。宿遷市城市公交線網布局總體呈現“中間密，四周疏”的格局，基本適應城市居民出行的格局。

（2）線路網特征分析。公交線線路長度。宿遷市公交線路平均長度為18.5km，大于規范建議值所給的10～15km，線路長度小于10km的有3條，10～15km的線路有10條，而超過60%的線路里程都在15km以上，線路長度不合理。

公交線網密度。公交線網密度為3.26km/km2，達到規定的城市中心城區公共交通線路網密度3～4km/km2的水平。

線路重復系數。宿遷市公交線路重復系數為1.99，在規范允許的范圍之內（1.25～2.5）。

非直線系數。宿遷市公交線網的非直線系數為1.75，大于規范建議值所給的1.4[14]。

4.2 ?優化結果分析

對現有公交線網優化，優化后形成52條線路，其中形成10條主干線、15條次干線、24條支線、3條旅游公交線路。本次線網優化保證了優化后基本覆蓋原有道路;在未改變原有居民出行習慣的前提下線網層級更加清晰，功能更為明確，線網調整科學可行;各項指標均有所優化。優化后各條線路構成如表4所示。

線網優化的總體評價如表5所示。可以看出優化后線網空間形態各項指標進一步優化。非直線系數、平均線路長度、線路重復系數等指標值更趨合理。

5 ?結束語

本文基于手機信令數據的獲取原理，提出一種基于聚類分析的交通小區的劃分方式，并設計適應手機信令數據特性的出行量獲取方法，改進了傳統公交線網優化中數據獲取成本高、精度低、周期長的缺點。基于“路線優選”的思想，建立了以公交出行耗時最短和運營成本最低為目標的優化模型，適應了中小城市的特點。最后利用所提的方法及模型對宿遷市進行優化案例分析，結果顯示線網層級更加清晰，功能更為明確，非直線系數、平均線路長度、線路重復系數等指標值更趨合理。

參考文獻：

[1] ?Anahid Nabavi Larijani. Investigating the mobile phone data to estimate the origin destination flow and analysis; case study： paris region[J]. Transportation Research Procedia， 2015（6）：64-78.

[2] ?Wismans L， Friso K， et al. Improving a priori demand estimates transport models using mobile phone data： a rotterdam-region case[J]. Journal of Urban Technology， 2018，25（2）：63-83.

[3] 胡永愷，宋璐，張健. 基于手機信令數據的交通OD提取方法改進[J]. 交通信息與安全，2015，33（5）：84-90，111.

[4] 蔡正義. 基于大數據的城市居民出行分析建模[D]. 杭州：浙江大學（博士學位論文），2018.

[5] ?Yang Z， Yu B， Cheng C. A parallel ant colony algorithm for bus network optimization[J]. Computer-Aided Civil and Infrastructure Engineering 2007，22（1）：44-55.

[6] ?Medina M， Giesen R， Munoz J. Model for the optimal location of bus stops and its application to a public transport corridor in Santiago， Chile[J]. Transportation Research Record： Journal of the Transportation Research Board， 2013（1）84-93.

[7] 謝迪文. 中小城市常規公交線網優化方法研究[D]. 成都：西南交通大學（碩士學位論文），2018.

[8] 宋子杭. 基于公交GPS和IC卡數據的公交線網優化方法[D]. 北京：北京交通大學（碩士學位論文），2017.

[9] 賈曼月. 基于手機信令定位數據的中小城市公交線網優化研究[D]. 西安：長安大學（碩士學位論文），2019.

[10] 宋璐. 基于手機定位數據的交通OD分布研究[D]. 南京：東南大學（碩士學位論文），2015.

[11] 詹家鳳. 中小城市公交線網優化方法研究[D]. 重慶：重慶交通大學（碩士學位論文），2015.

[12] 胡桂松. 基于網絡開源數據的中小城市公共交通線網優化方法研究[D]. 南京：東南大學（碩士學位論文），2018.

[13] 楊廣林，逯燕玲. 遺傳算法和蟻群算法融合的公交線網優化算法[J]. 北京聯合大學學報，2014，28（1）：13-16.

[14] 國家技術監督局，建設部. GB50220-95城市道路交通設計規范[S]. 北京：國家技術監督局，建設部，1995.

收稿日期：2021-01-13

基金項目：國家自然科學基金項目（51408314）

作者簡介：費瑞陽（1996-），男，安徽滁州人，南京林業大學汽車與交通工程學院碩士研究生，研究方向：交通運輸工程;鄔 ?嵐（1977-），本文通訊作者，女，湖北武漢人，南京林業大學汽車與交通工程學院，副教授，博士，研究方向：交通規劃、交通仿真及公共交通。