基于智能刷卡數(shù)據(jù)的地鐵乘客分類研究

劉哲園，孟品超

（長(zhǎng)春理工大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，長(zhǎng)春 130022）

乘客分類是研究出行者群體相似性行為及規(guī)律的主要方法，乘客出行的個(gè)體特征主要體現(xiàn)在其本身的固有屬性和出行鏈中，傳統(tǒng)對(duì)乘客的分類大多基于乘客的自身屬性，例如年齡、職業(yè)等，該分類的前提是相似個(gè)體屬性的乘客具有相似出行行為，存在主觀性較強(qiáng)等問(wèn)題。智能卡刷卡數(shù)據(jù)（Smart Card Data，簡(jiǎn)稱SCD）記錄了豐富的用戶出行時(shí)空信息，客觀反映了乘客的出行特征，從中挖掘乘客出行軌跡信息并建立完整出行鏈，利用出行特征對(duì)乘客進(jìn)行更準(zhǔn)確的分類，分析不同群體的總體特征，推斷該群體的出行目的，有助于政府和交通部門(mén)針對(duì)不同類別的用戶，進(jìn)行有針對(duì)性的調(diào)查以及各種運(yùn)營(yíng)和戰(zhàn)略規(guī)劃改進(jìn)。

許多學(xué)者進(jìn)行了基于SCD的用戶出行軌跡數(shù)據(jù)的挖掘與乘客分類的研究。李軍和鄧紅平［1］基于廣州市公交車IC卡交易數(shù)據(jù)，利用出行鏈推導(dǎo)出乘客的下車站點(diǎn)，建立了描述單個(gè)乘客多天出行的完整數(shù)據(jù)框架。梁泉和林鵬飛等人［2］對(duì)北京市公共交通多源數(shù)據(jù)進(jìn)行關(guān)聯(lián)匹配，并提取出行鏈，采用多層規(guī)劃理論構(gòu)建了個(gè)體出行知識(shí)圖譜，提取出行天數(shù)、出行空間均衡度等7類特征指標(biāo)，以特征指標(biāo)為輸入，乘客分類為輸出，構(gòu)建了面向公共交通乘客分類的BP神經(jīng)元網(wǎng)絡(luò)模型。鄒慶茹和趙鵬［3］以軌道交通自動(dòng)售票數(shù)據(jù)為基礎(chǔ)構(gòu)建客觀的分類指標(biāo)，利用無(wú)監(jiān)督聚類算法對(duì)乘客分類。Kieu L M和Bhaskar A［4］使用澳大利亞城市火車和渡輪的交易記錄，基于密度的DBSCAN算法將乘客分為通勤乘客、出行起訖點(diǎn)穩(wěn)定型、出行時(shí)間穩(wěn)定型及不規(guī)律乘客四類。上述研究基于乘客出行鏈構(gòu)建分類指標(biāo)對(duì)乘客分類，均是將乘客全部出行特征放到一起考慮，沒(méi)有對(duì)出行強(qiáng)度與時(shí)空特征分層次討論。

鑒于以往研究中存在的不足，對(duì)地鐵刷卡數(shù)據(jù)進(jìn)行整理和挖掘，在建立用戶出行鏈的基礎(chǔ)上提取用戶的個(gè)體出行特征，分層考慮出行強(qiáng)度與時(shí)空特征，利用二階聚類算法實(shí)現(xiàn)乘客的分類，并分析不同群體的整體出行規(guī)律，識(shí)別乘客群體，框架流程圖如圖1所示。

圖1 框架流程圖

1 地鐵刷卡數(shù)據(jù)和分類指標(biāo)選取

1.1 數(shù)據(jù)介紹和預(yù)處理

研究數(shù)據(jù)來(lái)源為杭州市2019年1月7日至11日五個(gè)工作日的地鐵刷卡數(shù)據(jù)，五個(gè)工作日內(nèi)有1 514 086位乘客進(jìn)行了約1 000萬(wàn)次刷卡，每條刷卡數(shù)據(jù)包括以下字段：用戶ID、刷卡時(shí)間、線路名稱、站點(diǎn)編號(hào)、進(jìn)出站狀態(tài)（1代表進(jìn)站，0代表出站）。

原始刷卡數(shù)據(jù)量龐大，存在一些不完整、時(shí)間不合理的記錄，首先對(duì)數(shù)據(jù)進(jìn)行清洗，得到完整有效的刷卡數(shù)據(jù)。數(shù)據(jù)清洗規(guī)則如下：

（1）根據(jù)同一卡號(hào)出現(xiàn)奇偶性來(lái)判斷數(shù)據(jù)完整性，同一卡號(hào)出現(xiàn)奇數(shù)次說(shuō)明持卡人刷卡數(shù)據(jù)不完整，刪除該條記錄。

（2）同一卡號(hào)出現(xiàn)偶數(shù)次，需要判斷進(jìn)出站刷卡時(shí)間和進(jìn)出站順序是否吻合，出站刷卡時(shí)間要晚于進(jìn)站刷卡時(shí)間，否則為異常數(shù)據(jù)，刪除該條記錄。

（3）計(jì)算進(jìn)出站刷卡時(shí)間間隔，刪除進(jìn)出站刷卡時(shí)間間隔大于180分鐘的記錄。

（4）乘車有效性檢驗(yàn)，乘客從同一站點(diǎn)進(jìn)出的數(shù)據(jù)為乘車無(wú)效數(shù)據(jù)，杭州市地鐵的運(yùn)營(yíng)時(shí)間為5：30—23：00，其他時(shí)間段的刷卡數(shù)據(jù)為無(wú)效數(shù)據(jù)，刪除無(wú)效記錄。

依據(jù)此規(guī)則完成五個(gè)工作日數(shù)據(jù)的清洗，得到完整有效的刷卡數(shù)據(jù)。

1.2 建立用戶完整出行鏈

要研究用戶的出行規(guī)律，首先要從單個(gè)刷卡記錄中重建用戶的完整出行鏈。清洗后得到的刷卡數(shù)據(jù)記錄的是每張卡的每一次刷卡記錄，通過(guò)整合多天的數(shù)據(jù)，將每張卡的刷卡記錄提取出來(lái)，以卡號(hào)為連接匹配同日期的進(jìn)出站刷卡數(shù)據(jù)，建立每位乘客指定時(shí)期內(nèi)的出行鏈。表1是一位乘客五個(gè)工作日內(nèi)的完整出行鏈。

表1 乘客完整出行鏈?zhǔn)纠?/p>

1.3 分類指標(biāo)選取

出行鏈體現(xiàn)了乘客豐富的個(gè)體特征，在得到用戶出行鏈的基礎(chǔ)上，從出行強(qiáng)度、時(shí)間、空間三個(gè)方面選取分類指標(biāo)對(duì)乘客分類，分類指標(biāo)如表2所示。

表2 分類指標(biāo)

出行強(qiáng)度刻畫(huà)了乘客對(duì)地鐵的使用頻率。不同人群對(duì)地鐵出行的依賴性是不同的，選擇乘客的周出行天數(shù)D和日均出行次數(shù)δ作為出行強(qiáng)度分類指標(biāo)，分別衡量乘客一周內(nèi)對(duì)地鐵的使用頻率和日均使用頻率。

時(shí)間特征選擇工作日首次出行時(shí)間T和工作日首次出行時(shí)間標(biāo)準(zhǔn)差S作為分類指標(biāo)。出行時(shí)間反映乘客出行時(shí)間規(guī)律，以此能夠判斷乘客的類型，例如通勤類乘客會(huì)在早高峰時(shí)間段乘坐地鐵。為方便計(jì)算，將出行時(shí)間轉(zhuǎn)換為分鐘數(shù)，用首次出發(fā)時(shí)間中位數(shù)表示首次出行時(shí)間。出行時(shí)間標(biāo)準(zhǔn)差度量了乘客出行時(shí)間的穩(wěn)定性。

空間特征選擇OD覆蓋率?和乘車時(shí)長(zhǎng)標(biāo)準(zhǔn)差ω作為分類指標(biāo)。出行鏈記錄了乘客每次出行的進(jìn)站站點(diǎn)（O）和出站站點(diǎn)（D），合并得到每次出行的OD對(duì)，OD覆蓋率是指出行OD對(duì)數(shù)與總出行次數(shù)的比值，OD覆蓋率越小，乘客的空間穩(wěn)定性越高，乘車時(shí)長(zhǎng)標(biāo)準(zhǔn)差判斷乘客每次出行乘車時(shí)長(zhǎng)的波動(dòng)，是對(duì)出行穩(wěn)定性很好的補(bǔ)充。

2 乘客出行強(qiáng)度的初始聚類

定義乘客的出行強(qiáng)度特征為x=（D，δ），利用二階聚類算法根據(jù)出行強(qiáng)度對(duì)乘客聚類。第一階段建立聚類特征樹(shù)，將乘客聚集成諸多小簇，樹(shù)的各節(jié)點(diǎn)由聚類特征構(gòu)成，以表示乘客信息；第二階段將得到的小簇再聚類，得到期望的聚類數(shù)量。

2.1 預(yù)聚類階段

2.1.1 聚類特征（CF）的計(jì)算

簇C中含有N個(gè)乘客，其出行強(qiáng)度特征為x1,…,xN，乘客個(gè)體特征xi=(Di,δi)，i=1，…，N，若x1,…,xN構(gòu)成一個(gè)簇，定義該簇總體特征：

那么，該簇的聚類特征可用CF表示，CF=(N,Λ,Ω)。以這些聚類特征為節(jié)點(diǎn)構(gòu)建聚類特征樹(shù)，可對(duì)乘客進(jìn)行分類。

2.1.2 聚類特征樹(shù)

聚類特征樹(shù)包含三個(gè)參數(shù)，第一個(gè)是每個(gè)內(nèi)部節(jié)點(diǎn)的最大CF數(shù)（枝平衡因子），第二個(gè)是每個(gè)葉節(jié)點(diǎn)的最大CF數(shù)（葉平衡因子），第三個(gè)是閾值τ。聚類特征樹(shù)的建立以所有乘客為數(shù)據(jù)集，從中讀取第一個(gè)乘客的聚類特征作為根節(jié)點(diǎn)，然后逐個(gè)插入乘客的聚類特征，計(jì)算新乘客與現(xiàn)有節(jié)點(diǎn)的簇間距離，如果簇間距離d(Ci,Cj)≤τ，將新乘客與現(xiàn)有進(jìn)行合并生成新結(jié)點(diǎn)，否則產(chǎn)生一個(gè)新的分支，當(dāng)分支數(shù)大于枝平衡因子或葉平衡因子時(shí)，就將上一層節(jié)點(diǎn)分裂，如此遞推歸納直到所有乘客都被添加到聚類特征樹(shù)。簇間距離采用對(duì)數(shù)似然距離，計(jì)算公式為：

其中，Γi，Γj分別為簇i和j的似然函數(shù)值。設(shè)簇Cj中有Nj個(gè)乘客 {xjn,n=1,…,Nj}：

式中，σs2表示數(shù)據(jù)集中所有乘客在第s個(gè)特征下的方差，由于數(shù)據(jù)集不變，因此σs2可視為常量。一個(gè)簡(jiǎn)單的樹(shù)結(jié)構(gòu)如圖2所示。

圖2 聚類特征樹(shù)結(jié)構(gòu)圖

生成聚類特征樹(shù)的同時(shí)，預(yù)先聚類密集區(qū)域的數(shù)據(jù)點(diǎn)，形成諸多小的子簇，為第二階段聚類做準(zhǔn)備。

2.2 聚類階段

該階段對(duì)樹(shù)中葉節(jié)點(diǎn)的子簇再次進(jìn)行聚類。首先合并N個(gè)子簇中距離最近的一對(duì)，得到N-1個(gè)簇，然后合并剩下N-1個(gè)簇中距離最近的一對(duì)，重復(fù)實(shí)施此操作，直到把所有子簇合并成一個(gè)大簇，得到簇?cái)?shù)為1的聚類，最后從這N個(gè)聚類中輸出期望簇?cái)?shù)的聚類，完成乘客聚類。聚類數(shù)目可以指定，在不主觀指定聚類數(shù)目時(shí)，根據(jù)BIC準(zhǔn)則自動(dòng)選擇最優(yōu)的聚類數(shù)，BIC值越小的模型越優(yōu)秀。對(duì)于聚類J={C1,…,CJ}，BIC值由公式（7）計(jì)算得到：

其中，mJ為參數(shù)個(gè)數(shù)；N為聚類J中乘客總數(shù)。

2.3 初始聚類結(jié)果

在出行強(qiáng)度初始聚類階段，指定聚類數(shù)目為3，聚類結(jié)果如表3所示。

表3 乘客初始聚類結(jié)果

乘客聚類結(jié)果顯示，三類乘客在工作日的出行天數(shù)與日均刷卡次數(shù)存在明顯差異。五個(gè)工作日中，類別一的出行天數(shù)為1.33天，日均刷卡次數(shù)為1次，對(duì)地鐵的使用強(qiáng)度較低，在總出行人數(shù)中占比為43.9%。類別二的周出行天數(shù)為1.52天，日均刷卡次數(shù)為2次，對(duì)地鐵的使用強(qiáng)度介于類別一與類別三之間，占總出行人數(shù)的35.8%。類別三的周出行天數(shù)達(dá)到4.6天，日均刷卡次數(shù)為1.8次，對(duì)地鐵的使用強(qiáng)度較高，在總出行人數(shù)中占比20.3%。因此可以定義三個(gè)類別乘客為低頻乘客（類別一）、中頻乘客（類別二）和高頻乘客（類別三）。

由圖3可以看到，乘客的出行規(guī)律總體上呈現(xiàn)正態(tài)分布，從左到右分別為類別一、類別二、類別三。低頻乘客與中頻乘客的出行天數(shù)沒(méi)有太大的差異，出行一天的乘客更多被劃分在低頻，區(qū)分這兩類乘客的主要標(biāo)志為日均刷卡次數(shù)，中頻乘客的日均刷卡次數(shù)多于低頻乘客，劃分高頻乘客的主要依據(jù)是出行天數(shù)，這類乘客出行天數(shù)明顯多于前兩類。

圖3 三類乘客的周出行天數(shù)與日均刷卡次數(shù)分布圖

3 乘客出行時(shí)空特征再聚類

乘客的出行通常具有一定的規(guī)律性，出行的規(guī)律性主要體現(xiàn)在出行時(shí)間與空間上，不同出行群體會(huì)有不同的時(shí)空特征以及出行穩(wěn)定性，比如通勤者往往會(huì)在早高峰上班，晚高峰下班，并往返于固定的工作地與居住地站點(diǎn)，具有較高的出行穩(wěn)定性。在出行強(qiáng)度聚類的基礎(chǔ)上，依據(jù)乘客的出行時(shí)空特征對(duì)低頻、中頻和高頻乘客分別再聚類以細(xì)分乘客群體。

出行時(shí)空特征包括首次出行時(shí)間T、首次出行時(shí)間標(biāo)準(zhǔn)差S、OD覆蓋率?和乘車時(shí)長(zhǎng)標(biāo)準(zhǔn)差ω，定義乘客的時(shí)空特征y=(T,S,?,ω)。根據(jù)乘客時(shí)空特征計(jì)算聚類特征CF以及簇間距離d(Ci,Cj)，按照2.1.2節(jié)步驟建立聚類特征樹(shù)將乘客聚成諸多小簇，對(duì)得到的諸多小簇再次進(jìn)行聚類，根據(jù)BIC準(zhǔn)則自動(dòng)確定最優(yōu)的聚類數(shù)，輸出乘客聚類結(jié)果。

3.1 低頻乘客時(shí)空聚類

對(duì)低頻乘客再聚類，將低頻人群依據(jù)時(shí)空特征分為兩類。聚類結(jié)果如表4所示。其中，為方便計(jì)算，將出行時(shí)間轉(zhuǎn)換為分鐘數(shù)表示。

表4 低頻乘客聚類結(jié)果

第一、二類乘客在低頻人群中所占比例分別為22.7%和77.3%，他們的周出行天數(shù)為1.33天，日均刷卡次數(shù)約為1次。乘客出行時(shí)間分布圖和OD覆蓋率分布圖如圖4、圖5所示。

圖4 第一、二類乘客首次出發(fā)時(shí)間

圖5 第一、二類乘客OD覆蓋率分布圖

第一類乘客首次出發(fā)時(shí)間分散在全天各時(shí)間段，出發(fā)時(shí)間標(biāo)準(zhǔn)差較大，OD覆蓋率分布較分散。該類乘客出行時(shí)空穩(wěn)定性較弱，結(jié)合其低頻出行強(qiáng)度，將他們定義為短期低頻類乘客，可能是旅游出行乘客或偶然出行乘客。

第二類乘客首次出發(fā)時(shí)間分布在全天各時(shí)間段，與第一類乘客相比存在較為明顯的早晚高峰，首次出發(fā)時(shí)間標(biāo)準(zhǔn)差較小，由于出行次數(shù)只有一次所以O(shè)D覆蓋率取值為1。該類乘客出行時(shí)空較為固定，定義為特定出行目的乘客，這類特定的出行目的頻率較低，基本符合一周一次，例如學(xué)生補(bǔ)課、探望親友等。

3.2 中頻乘客時(shí)空聚類

對(duì)中頻乘客再聚類，將中頻人群依據(jù)時(shí)空特征分為四類。聚類結(jié)果如表5所示。其中，為方便計(jì)算，將出行時(shí)間轉(zhuǎn)換為分鐘數(shù)表示。

表5 中頻乘客聚類結(jié)果

第三、四、五、六類乘客在中頻人群中所占比例分別為16.3%、24.9%、23.9%和34.8%，他們的周出行天數(shù)為1.52天，日均刷卡次數(shù)約為2次。乘客出行時(shí)間分布圖和OD覆蓋率分布圖如圖6、圖7所示。

圖6 第三、四、五、六類乘客首次出發(fā)時(shí)間

圖7 第三、四、五、六類乘客OD覆蓋率分布圖

第三類乘客首次出行時(shí)間標(biāo)準(zhǔn)差大，出發(fā)時(shí)間分散，沒(méi)有明顯趨勢(shì)，OD覆蓋率中心0.74取值較大。該類乘客出行時(shí)空穩(wěn)定性弱，結(jié)合中頻出行強(qiáng)度可以認(rèn)為該類乘客為不規(guī)律型乘客，若要得到這類乘客的出行規(guī)律需要結(jié)合多源數(shù)據(jù)進(jìn)一步探索。

第四類乘客首次出行時(shí)間標(biāo)準(zhǔn)差較小，出發(fā)時(shí)間集中在下午和晚上，OD覆蓋率較第三類乘客相對(duì)集中，取值偏大。該類乘客出行時(shí)間穩(wěn)定，但空間不太穩(wěn)定，將他們定義為生活類乘客，他們的出行無(wú)固定通勤需求，以生活需求與休閑出行為主，主體可能為大學(xué)生、家庭主婦和中老年人。

第五類乘客首次出行時(shí)間標(biāo)準(zhǔn)差較小，出發(fā)時(shí)間集中在上午，并且在8：00—9：00早高峰時(shí)段有小幅度集中，出行時(shí)間比通勤者略晚，OD覆蓋率大，與其他幾類乘客相比乘車時(shí)長(zhǎng)標(biāo)準(zhǔn)差略大。出行時(shí)間相對(duì)穩(wěn)定，空間穩(wěn)定性弱，可將該類乘客定義為出發(fā)時(shí)間穩(wěn)定型乘客，這類人群可能存在二次出行。

第六類乘客與前幾類乘客相比出行時(shí)間標(biāo)準(zhǔn)差最小，出發(fā)時(shí)間集中在上午，在8：00早高峰時(shí)段有明顯峰值，OD覆蓋率集中在0.45，取值較小。該類乘客出行時(shí)空穩(wěn)定，符合上班或上學(xué)人群出行規(guī)律，但考慮其出行頻次較少，推測(cè)該類乘客有其他出行方式，并不主要依賴地鐵出行，例如在小汽車限號(hào)日乘坐地鐵的上班族，將該類乘客定義為低頻通勤乘客。

3.3 高頻乘客時(shí)空聚類

對(duì)高頻乘客再聚類，將高頻人群依據(jù)時(shí)空特征分為兩類。聚類結(jié)果如表6所示。其中，為方便計(jì)算，將出行時(shí)間轉(zhuǎn)換為分鐘數(shù)表示。

表6 高頻乘客聚類結(jié)果

第七、八類乘客在高頻人群中所占比例分別為37.1%和63.9%，他們的周出行天數(shù)為4至5天，日均刷卡次數(shù)約為2次。乘客出行時(shí)間分布圖和OD覆蓋率分布圖如圖8、圖9所示。

圖8 第七、八類乘客首次出發(fā)時(shí)間

圖9 第七、八類乘客OD覆蓋率分布圖

第七類乘客首次出發(fā)時(shí)間標(biāo)準(zhǔn)差較大，出發(fā)時(shí)間較為分散，在8：00—9：00早高峰時(shí)段存在小幅度集中，OD覆蓋率分布十分離散。這類乘客出行時(shí)空穩(wěn)定性較弱，結(jié)合其高頻出行強(qiáng)度可以認(rèn)為該類乘客為彈性通勤乘客，例如業(yè)務(wù)型乘客。

第八類乘客出行特征最為明顯，出發(fā)時(shí)間集中在早上8：00—9：00早高峰時(shí)段，出發(fā)時(shí)間標(biāo)準(zhǔn)差小，基本沒(méi)有分散在其他時(shí)間的出行，OD覆蓋率集中在較小值處，表明此類乘客出行的站點(diǎn)比較固定，乘車時(shí)長(zhǎng)標(biāo)準(zhǔn)差小。這類乘客出行時(shí)空穩(wěn)定性高，可以認(rèn)為該類乘客是典型的通勤型乘客。

4 結(jié)論

以杭州市五個(gè)工作日地鐵刷卡數(shù)據(jù)為例，構(gòu)建乘客完整出行鏈，挖掘乘客出行強(qiáng)度和出行時(shí)間、空間等特征，運(yùn)用二階聚類算法，首先依據(jù)出行強(qiáng)度對(duì)乘客進(jìn)行初始聚類，在初始聚類基礎(chǔ)上依據(jù)時(shí)空特征對(duì)乘客進(jìn)行再聚類，最終將乘客劃分為8類，并詳細(xì)討論了這8類人群的出行規(guī)律，識(shí)別乘客群體身份與出行目的。將低頻人群分為兩類，分別為短期低頻出行類乘客和特定出行目的乘客；中頻人群分為四類，分別是不規(guī)律型乘客、生活類乘客、出發(fā)時(shí)間穩(wěn)定型乘客和低頻通勤乘客；高頻人群分為兩類，分別為彈性通勤乘客和典型通勤類乘客。

從乘車刷卡數(shù)據(jù)中挖掘乘客的出行行為對(duì)乘客進(jìn)行細(xì)分，對(duì)于運(yùn)輸當(dāng)局有針對(duì)性的為乘客提供服務(wù)和優(yōu)化公共交通系統(tǒng)有著重要的意義。對(duì)乘客出行行為的詳細(xì)探究還存在研究城市空間布局、人群社交網(wǎng)絡(luò)等許多潛在應(yīng)用，未來(lái)的研究中可以將乘客分類結(jié)果結(jié)合其他領(lǐng)域信息進(jìn)行進(jìn)一步研究。