疫情下公共交通客流變化研究*

鄭晏群 孫 婧 高天樂 王 妍 肖美紅

（1.深圳市綜合交通運行指揮中心 深圳 518000）（2.中國科學院深圳先進技術研究院 深圳 518000）（3.深圳市北斗智能科技有限公司 深圳 518000）

1 引言

2020年1月中下旬，新型冠狀病毒引起的肺炎疫情迅猛來襲，并隨著春節返鄉潮擴散至全國范圍。疫情直接減少了人們的出行頻率，對交通行業帶來了巨大的沖擊，尤其是公共交通行業［1～2］。在深圳，公交地鐵雖然沒有全部停運，但運力方面也受到影響。本報告把疫情分為四個階段，對疫情期間公交、地鐵、出租、網約、共享單車各項出行數據進行統計［3］，繪制客流變化曲線并進行分析［4～5］。下文將介紹本文所用到的算法模型、數據分析結果及得出的結論。

2 公交客流OD算法模型

2.1 基于出行鏈計算

如果乘客一天內出行多次，乘客后一次出行上車的站點通常離前一次下車的站點很近［6～7］。根據這種特性，本文用式（1）基于出行鏈的估計方法計算乘客下車的站點。

其中，SD(p,n)為當Dis(SO(p,n+1),S)求得最小值時，站點S的取值，S站點需滿足S∈l(p,n),index(S,l(p,n))＞index(SO(p,n),l(p,n))［8］。

2.2 基于乘客規律出行計算

大部分乘客的OD可以僅根據上一節提出的基于出行鏈的計算方法進行判斷［9～10］，但當天單次出行乘客的下車站點以及當天多次出行乘客的最后一次乘車的下車站點可以利用另一種基于乘客歷史乘車數據判斷該乘客目的地的計算方法［11～12］。

2.2.1 目的地的計算

首先對出行站點做一聚類，如式（2）、（3）所示。

當某類站點的出行次數達到了當月70%的總出行次數時，認為該類最可能為該乘客的住址［13］。針對晚高峰采用同樣的做法，能夠得到工作地可能的位置［14～15］。

2.2.2 乘客下車站點計算

若乘客在早高峰時段出行，可由式（4）計算得出其下車站點。

式（4）中：SD(p,n)表示當Dis(Sw(p),S)求得最小值時，站點S的取值，其中，S∈l(p,n),index(S,l(p,n))＞index(SO(p,n),l(p,n))。

若乘客在晚高峰時段出行，可由式（5）計算得出其下車站點，與早高峰的計算規則類似。

3 結果分析

2020年1月春節假期前夕正處疫情爆發初期，人們的防控意識普遍比較弱，幾種交通工具出行量受疫情的影響相對較小。1月下旬的春節假期，在相關部門的防疫措施和民眾自主隔離減少出行的雙重作用下，幾種交通出行方式的出行量顯著下降，其中公交、地鐵客流下降幅度超50%。

2020年2月，隨著疫情的加劇，交通客流及車輛數大幅度減少，公交車擁擠程度低。在工作日各種交通工具的平均出行量環比1月下降了75%，節假日出行量環比1月下降60%。

2020年3月，我市疫情逐漸得到控制。從3月份的客流來看，工作日和節假日客流都已大幅度回升，環比2月份客流增長了近5倍，交通客流開始恢復，出行密度大大增加。

圖1 第一階段（2020年1月15日至1月29日）每小時客流變化圖

圖2 第二階段（2020年1月30日至2月29日）每小時客流變化圖

圖3 第三階段（2020年3月1日至3月31日）每小時客流變化圖

2020年4月，交通客流進一步增長，已基本恢復到正常狀態。4月客流及各交通指數較上月增長幅度不大，約為20%，節假日客流為工作日客流的85%。

圖4 第四階段（2020年4月1日至4月27日）每小時客流變化圖

4 結語

綜合來看，疫情對幾種公共交通出行方式的客流量影響總體上表現為1月影響較小，2月影響顯著，3月形勢開始緩和，4月基本恢復正常。