基于IC卡數(shù)據(jù)的地鐵站點識別方法分析與研究

冷夢甜，徐鋒，曾燁，王振，耿薇

(廣東嶺南通股份有限公司，廣東 廣州 510000)*

現(xiàn)代城市公共交通包括常規(guī)公交、有軌電車和BRT、地鐵和輕軌三大體系.其中地鐵和輕軌在解決大城市的出行難問題中有顯著的效果，并且由于其在地下運行或郊區(qū)地面運行的特點，使其成為城市發(fā)展的主要方向之一.根據(jù)行業(yè)專家分析預(yù)測全國地鐵通車?yán)锍痰?020年將達到9226.7km[1].因此為了研究城市公共交通的狀況，分析乘客上下車站點的軌跡是研究的熱點方向[2-4].李思杰、武明超等[5-9]根據(jù)手機移動信號及定位系統(tǒng)研究了乘客的動態(tài)OD，該方法依賴乘客使用手機定位系統(tǒng)的使用率.其中為了獲得終端與站點之間的關(guān)系需通過人工采集的方式[10-11].

人工采集耗時耗財，并難以常規(guī)化，因此本文研究一種可基于極低的采集成本和公開的信息，高效、準(zhǔn)確地找出終端與站點的對應(yīng)關(guān)系的方法.

1 數(shù)據(jù)的采集與預(yù)處理

1.1 IC卡數(shù)據(jù)的采集

此次用于研究的IC卡數(shù)據(jù)主要是通過如圖1所示的流程進行采集，具體流程如下：①數(shù)據(jù)產(chǎn)生：乘客將IC卡放置于車載終端上，卡號和交易時間等信息被記錄；②數(shù)據(jù)傳遞：第一步，數(shù)據(jù)通過導(dǎo)入或者無線傳輸?shù)确绞剿椭练止芮逅阒行模坏诙?，?shù)據(jù)從分管清算中心傳輸?shù)絀C卡管理中心；第三步，IC卡管理中心將數(shù)據(jù)以通訊方式傳送到數(shù)據(jù)庫[12].

圖1 公交IC卡數(shù)據(jù)采集流程

此次采用的IC卡刷卡數(shù)據(jù)為廣州市地鐵刷卡一年的數(shù)據(jù)(2017年9月1日～2018年8月31日)，總共收集了約14億條刷卡數(shù)據(jù)，所得的IC卡交易數(shù)據(jù)結(jié)構(gòu)包括邏輯卡號、進站時間、進站終端編號、交易票價、出站時間、出站終端編號等信息，其中此次所用的信息如表1所示.

表1 地鐵IC卡刷卡數(shù)據(jù)(部分字段)

1.2 IC卡數(shù)據(jù)預(yù)處理

為了更好地提高數(shù)據(jù)分析結(jié)果的準(zhǔn)確度，本研究方法對采集數(shù)據(jù)進行清洗、融合、變換、歸約等預(yù)處理操作[13].首先，IC卡刷卡數(shù)據(jù)可能因為刷卡動作、終端環(huán)境等造成一定的影響而產(chǎn)生異常數(shù)據(jù)，這些數(shù)據(jù)如果不清洗加以排除，可能對分析結(jié)果的準(zhǔn)確性造成不可預(yù)知的影響，需對數(shù)據(jù)進行如下的清理[14]：①刪除非CPU卡交易數(shù)據(jù)，因為部分非CPU卡交易的入閘終端編號不完整；②刪除進站終端編號與出站終端編號相等，或者進站終端編號為空或非法格式，或者進站終端編號為空或非法字符的交易記錄；③刪除交易金額為0的記錄；④刪除進站終端編號與上次出站終端編號不一致的記錄；⑤刪除無用字段，對交易記錄按進站終端編號、出站終端編號、票價3個字段分組；⑥進站終端與出站終端一般不會是同一編號，為清除臨時調(diào)整少量終端的影響，如果出現(xiàn)既是進站終端又是出站終端，記錄終端編號，比較該終端編號作為進站終端和出站終端的交易記錄數(shù)量，如作為進站終端的交易記錄數(shù)大于作為出站終端的交易記錄數(shù)，則刪除所有出站終端編號為該終端編號的交易記錄；⑦理論上交易記錄中只要進站終端編號、出站終端編號一致，票價也就應(yīng)一致.但實際上有時也因數(shù)據(jù)錯誤，也存在進站終端編號、出站終端編號一致但交易票價不同的情況.這種情況下，應(yīng)取信息數(shù)量最大的分組，刪除其他記錄，整理交易記錄后形成終端票價表(TP表)，如表2所示.

表2 終端票價表

1.3 終端編號信息整理

通過IC卡刷卡數(shù)據(jù)整理出所有產(chǎn)生過交易的終端編號，將其中日均使用頻率較高的1000個終端繪制成表，如表3(TL表)所示.

表3 終端編號表

1.4 地鐵站點信息整理

在地鐵運營商網(wǎng)站可以很容易獲取當(dāng)前地鐵線路和站點信息，再通過線路和站點信息很容易查詢到任兩個站點之間的票價信息，將票價信息整理成站點票價表.站點編號規(guī)則為“前兩位數(shù)表示廣州地鐵線路號碼，后兩位表示該線路站點序號”，如站點編號為0116表示“1號線廣州東站”，站點編號為“0613”表示“6號線東湖站”.另外廣佛線編號為“GF”,APM編號為“APM”，具體可參見廣州地鐵官網(wǎng)對各個站點的編號.最后各線路換乘站以前者為準(zhǔn)，例如1號線和6號線的換乘站東山口站，按照站點編號規(guī)則其可以為“0112”或者“0614”，這里為了方便分析，采用前者“0112”來表示東山口站，部分結(jié)果如表4(SP表)所示.

表4 站點票價表

其中站點編號和站點名稱一一對應(yīng).如果站點數(shù)量為n，則共有n2條站點票價表記錄，因為互為起止站點的票價是一樣的，故進一步整理，可刪除一半的記錄.

2 關(guān)鍵站點組分析

2.1 關(guān)鍵站點票價分析

所謂關(guān)鍵站點組是指存在一組站點，任何站點(或絕大多數(shù)站點)到這組站點的票價組合都不完全相同，關(guān)鍵站點可表示為KSi(i=1,2，…，n).

關(guān)鍵站點組內(nèi)站點的選擇有幾個要求，一是按地鐵線網(wǎng)情況分出子組，部分城市的地鐵線網(wǎng)可能分割成多于一個的互不相通的網(wǎng)絡(luò)，因此站點組也需分出子組；二是組內(nèi)站點要足夠多，使得任何站點到組內(nèi)站點的票價都不完全相同；三是組內(nèi)站點是有效的，如果刪除組內(nèi)某個站點不影響票價組則刪除該站點，使得站點足夠少以提高后續(xù)的處理效率；四是標(biāo)記特殊站點，如存在一對或多對站點到任何其他站點的票價都一樣，這種情況下需將這類站點標(biāo)記好，一對站點作為一個站點處理.

然后依據(jù)票價表列出所有站點到關(guān)鍵站點的票價，形成表5關(guān)鍵票價表，按上述確定的關(guān)鍵站點的方法可知，不存在兩行的值會完全相同.

站點Si(i從1到n，n為所有站點數(shù)量)到m個關(guān)鍵站點[KS1,KS2,…,KSm]的票價形成Si到關(guān)鍵站點組的票價組如表5(KSP表).按上述確定的關(guān)鍵站點的方法可知， 不 存 在 兩行的值會完全相同的紀(jì)錄， 所有Si到確定的關(guān)鍵站點組的票價組都不完全相同，這個票價組可以認(rèn)為是Si的指紋信息，也就是說，如果知道某個站點到關(guān)鍵站點的票價信息，也就確定了這個站點的位置.

表5 關(guān)鍵站點票價表

2.2 關(guān)鍵站點內(nèi)的終端編號確認(rèn)

確定關(guān)鍵站點內(nèi)的終端編號，可以有多種方法，包括數(shù)據(jù)分析的方法和人工采集的方法.因關(guān)鍵站點數(shù)量占站點總數(shù)的比率很小，一般不到5%，進行人工采集工作量不大，這里就采用人工采集的方式，采集到關(guān)鍵站點內(nèi)各終端的編號，形成初始終端站點對應(yīng)表6(TS表)的示例.其中站點類型就兩個類型，K表示初始采集到的關(guān)鍵站點，N表示后續(xù)計算添加的非關(guān)鍵站點.

表6 終端站點對應(yīng)表

終端編號與站點編號的關(guān)系是多對一，一個終端一定屬于也只能屬于一個站點，一個站點可以包含多個終端.

以廣州地鐵為例，關(guān)鍵站點組中包括了東山口站點(1號線與6號線的交點)，人工采集終端編號的過程如圖2所示，具體采集過程為：持卡工作人員持卡通過不同的刷卡終端進站和出站，并記下終端位置編號；例如持卡工作人員刷卡通過C-1-1進站，并記下終端位置，再刷卡通過D-6-1出站，并記下終端位置.

圖2 東山口站點終端人工采集方案圖

根據(jù)上圖所示的方法，可以得到終端編號與東山口站點的關(guān)系，如表7所示.

表7 東山口站終端對應(yīng)表

3 終端與站點的對應(yīng)關(guān)系分析

終端與站點匹配過程是遍歷交易記錄中出現(xiàn)過的終端編號，依據(jù)終端編號與終端編號間的票價關(guān)系，站點與站點間的票價關(guān)系，確定終端與站點的關(guān)系.

具體流程如圖3所示：①從TL表順序讀取一條終端記錄記為aPID；②判斷該終端是否已經(jīng)處理；③查找該終端與已知的關(guān)鍵站點內(nèi)終端的票價情況；④形成該終端與關(guān)鍵站點的票價關(guān)系組；⑤將票價關(guān)系組與KSP表進行匹配，匹配上的站點即為終端所在站點；⑥將終端站點對應(yīng)關(guān)系插入TS表；⑦TL表所有記錄處理完成后，TS表記錄的數(shù)據(jù)，即為通過該方法獲取的終端站點對應(yīng)關(guān)系信息.圖中M為關(guān)鍵站點數(shù)量.

圖3 終端與站點匹配過程

4 實例分析

隨機抽取1000個IC卡地鐵數(shù)據(jù)，根據(jù)上一節(jié)確定的方法，推導(dǎo)出其進出站點，與實際站點進行比較，結(jié)果如表8所示，從表中可以發(fā)現(xiàn)該方法所得到終端編號與站點的對應(yīng)關(guān)系與實際情況完全相符.

表8 對比結(jié)果表(部分結(jié)果)

5 應(yīng)用

根據(jù)圖3所述的方法可以得到IC卡數(shù)據(jù)中終端編號與各地鐵站點的對應(yīng)關(guān)系，基于此可以得到乘客乘坐軌道交通的上下車站點,同時根據(jù)謝振東等[15]研究公交車站點識別方法能夠得到乘客乘坐公交車的上下車站點.

通過乘客的上下車站點可以進一步完善乘客的出行鏈，基于此能夠?qū)Τ丝偷膿Q乘行為和職住識別等方面進行分析研究：

(1)換乘行為分析，首先分析公交換乘行為的時間和空間影響因素，然后設(shè)計以公交出行記錄為基礎(chǔ)的公交換乘行為識別流程，通過實例推斷出研究時間段內(nèi)所有對象的公交換乘行為，最后以公交換乘系數(shù)為依據(jù)判斷城市公交直達性的優(yōu)劣；

(2)職住失衡問題是城市化發(fā)展必然遇到的一種空間資源配置不當(dāng)問題，是新時代城市規(guī)劃建設(shè)和發(fā)展所面臨的重要課題.在大數(shù)據(jù)等新興互聯(lián)網(wǎng)技術(shù)逐步成熟和廣泛應(yīng)用、服務(wù)于行業(yè)發(fā)展的背景下，根據(jù)乘客的出行鏈設(shè)計一種通勤人群的居住地與就業(yè)地識別模型，識別通勤人群的通勤軌跡，探討職住平衡評價指標(biāo)和測度方法.

6 結(jié)論

由于人工采集地鐵刷卡終端與站點的對應(yīng)關(guān)系需消耗較高的人力成本，而且人工采集不可能日?；?，導(dǎo)致搜集的數(shù)據(jù)無法實時更新，不能保證數(shù)據(jù)的準(zhǔn)確性.因此本文首先通過分析IC卡刷卡數(shù)據(jù)以及地鐵票價等信息，同時采集極少量的關(guān)鍵站點與終端編號的關(guān)系，制作了終端票價表、終端票價表、關(guān)鍵站點票價表等，最后利用聚類分析法設(shè)計了一種基于IC卡數(shù)據(jù)的地鐵站點識別方法，能夠準(zhǔn)確識別乘客刷卡的進出站點.

基于IC卡數(shù)據(jù)的地鐵站點識別方法能夠為后期的研究提供準(zhǔn)確的數(shù)據(jù)支持，比如乘客動態(tài)OD分析、城市公共交通換乘分析等，并且有利于通過數(shù)據(jù)分析提高用戶的使用體驗和城市交通管理的效率.