基于實時路況的城市公交出行相對時空效率特征

許彩薇，黃正東，趙天鴻,4，張 瑩，黃嘉誠

（1.深圳大學 建筑與城市規劃學院智慧城市研究院，廣東 深圳 518060；2.粵港澳智慧城市聯合實驗室，廣東 深圳 518060；3.深圳市城市數字孿生技術重點實驗室，廣東 深圳 518060；4.深圳技術大學 大數據與互聯網學院，廣東 深圳 518118）

國家和地方政府高度重視城市公共交通的發展，相繼制定了一系列政策措施，以鼓勵公共交通優先發展、引導居民轉向綠色公交出行。居民在選擇出行方式時，一個重要參考因素是公共交通相對于其他交通方式（尤其是小汽車）的出行效率。同時，公交出行相對效率也是是判斷公共交通是否高質量發展的關鍵標志。因此，研究城市公交出行相對效率，對于評價城市公交系統發展水平、制訂相應的完善措施、促進公交健康發展等均具有較大的參考價值。

出行效率指居民以最少的時間完成所需要的出行任務（蔡軍，2005），具有時間和空間的特性。在時間層面上，出行時空效率以出行時間為主要參考，出行時間是出行方式選擇的重要依據（Sa‐lonen et al., 2013; Liao et al., 2020）；在空間層面上，出行時空效率反映不同空間之間選擇公共交通出行的效率水平。提高公交出行時空效率，一是要縮短公交出行的絕對時間，二是要減少公交出行與個體機動交通出行時間的差距。關于絕對出行時間的研究中，多以建立基于出行時間的可達性模型評估出行效率，分析可達性范圍（周雨陽 等，2020），或通過構建最優化模型對公交線路的路線及長度進行優化，以有效減少換乘次數和一次公交出行的平均時間，從而達到縮短公交出行絕對時間的目的（揭遠朋 等，2018；Makarova et al., 2021）。還有研究通過建立評估模型進行求解分析，找到影響出行效率的關鍵因素，制定提升路網效率的改善方案，以提高公交出行效率（楊勵雅 等，2011；董禮 等，2018；Fitzova et al., 2018）。

在中國城市擴張迅速、機動化出行水平日益提高的背景下，公共交通的吸引力提升關鍵不僅在于縮短絕對的出行時間，更在于減小公交出行方式與個體機動出行方式之間的時間差，即提高公交出行相對時空效率。公交出行相對時空效率是相對于小汽車出行的時間差異，綜合考慮了公共交通作為大運量的出行方式所承載的出行乘客數量，能更好地體現城市公交出行整體的時空效率。已有研究從不同的視角構建了出行相對效率評估模型，如用公共交通的出行時間除以汽車出行時間，比較2種出行模式的出行時間差異（Liao et al., 2020），或構建表征公共汽車與小汽車速度變化趨勢一致性的關聯度指標，對比不同空間和時間維度下兩者的速度特性（王玉煥 等，2014）。還有從通勤視角根據居住地與就業地信息展開調查，使用理論通勤、通勤容量、過剩通勤等模型比較公交與私家車通勤效率的差異（Niedzielski et al., 2013；韓會然 等，2017）。

已有研究多采用調查問卷或跟車法（趙紅軍等，2008；韓會然 等，2017），無法實時動態反映城市公交出行整體效率的規律和特征。而互聯網地圖可以提供實時動態的路徑搜索（Wang et al.,2018; Gao et al., 2019; Luo et al., 2019；郭琛琛 等，2022），為全面刻畫城市公共交通出行相對效率提供了新的可能性。因此，本文擬提出基于互聯網地圖實時路況的城市公交出行相對效率的評價框架，即在某一時刻同時搜索公交出行和小汽車出行的路徑與時間，通過時間對比來評價公交的出行相對效率，并構建公交出行相對時空效率指數模型，以深圳為案例開展分析。以期有助于正確判斷公交發展狀態，為公共交通高質量發展提供參考依據。

1 研究對象與流程

1.1 研究對象

以深圳市為研究對象，深圳市是粵港澳大灣區人口數量第二的超大城市，其公交負載量巨大。2021 年全市公交客流量36.07 億人次，日均988.29萬人次，其中常規公交客流量10.9億人次，地鐵客流量21.79億人次（深圳市交通運輸局，2022a）。

本研究使用的數據包括IC卡刷卡數據、公共汽車GPS數據和利用互聯網地圖接口計算的公交與小汽車出行的時間數據，以及深圳市公交站點、公交線路網、城市道路網等基礎地理信息數據。

其中，公交和小汽車的出行時間數據是基于實時路況的，于2021年4月通過調用互聯網應用程序接口采集。因無法獲取與出行時間數據同時段的刷卡數據，采用2019年9月的刷卡數據代替，以獲取乘客出行O-D（Origin-Destination）信息。根據深圳市交通運輸局（2022b）統計的公交出行情況，2019 年9 月公共汽車日均客流量為453 萬人次，2021 年4 月為327 萬人次，差異約2.8%；2019 年9月地鐵日均客流量為563萬人次，2021年4月為631萬人次，差異約1.2%，出行量具有較為相似的特征；2019 年工作日高峰時段平均車速為26 km/h，2021年工作日高峰時段平均車速為25 km/h。因此，2 個時段的公交客流量與路況總體上較為相似，在不能獲取2021年刷卡數據的情況下，以2019年9月的刷卡數據作為替代具有可行性。

1.2 研究流程

首先，基于互聯網地圖應用程序接口同步動態獲取公交與小汽車的出行時間，計算公交出行相對時間效率，并對地鐵/公汽的IC 卡刷卡數據和公汽GPS數據進行O-D推算，然后，構建公交出行相對時空效率指數模型，最后，從指數聚類特征和空間分異特征2個角度對公交出行相對時空效率指數進行分析。

1.2.1 深圳市公交站點對O-D 推算及篩選 IC卡刷卡數據和公共汽車GPS數據在經過處理后能推算每1條刷卡數據的O-D 信息。地鐵刷卡數據包含上下行站點和時間，可直接匹配站點還原O-D，但公汽系統的計費方式多為1次刷卡模式，乘客的下車時刻與下車站點不被記錄，因此需要進行O-D 推算。綜合文獻中的多種上下車站點推導方法進行公交（公汽和地鐵）O-D推算，主要采用基于連續出行鏈的方法，根據通勤或歷史出行規律推導下車站點。這種O-D推算方法面向以通勤為主的市內出行時具有良好的推算效果，在少量難以推算的偶發性出行的影響下，最終仍能獲得87.64%的推導率（聞帥 等，2019；Huang et al., 2020）。得到每1 條刷卡數據的上下車站點及上下車時間信息，從而可計算每個時段各站點對的客流量（上行和下行人數）。

對全市站點進行綜合處理，同名的多個公汽站臺綜合為1個公汽站點，接駁地鐵的公汽站點與地鐵站點綜合為1個地鐵站點，共綜合得到全市2 493個站點。由于計算量過于龐大和互聯網地圖應用程序接口并發處理限制的技術因素，選取客流量排名前500 的站點（含公汽站點334 個和地鐵站點166個）作為全市出行的主要公交站點，用作后續分析的基礎（圖1）。

圖1 深圳市客流量較大的主要公交站點分布Fig.1 Distribution of main stations with large passenger flow volume in Shenzhen

1.2.2 小汽車和公交出行時間同步動態獲取 本文將比較早高峰、非高峰、晚高峰3個時段的公交出行相對時空效率。早高峰時段選為T 07:00－09:00，晚高峰時段選為T 18:00－20:00（聞帥 等，2019），非高峰時段在T 09:00－18:00較為平穩，但午間的出行量相對較少，因此選取午后的T 14:00－16:00 作為代表。公共交通的出行時間會隨空間和時間而變化（Farber et al., 2017），出行相對時間差會隨時段、路線及城市交通路況的擁擠程度而有所差異，并且也會受天氣狀況的影響（李秋萍 等，2020）。同步獲取不同出行方式下的出行時間是本研究的關鍵，而互聯網地圖為實時交通數據的獲取提供了技術支持，能獲取基于實時路況不同出行方式下的出行路線、出行時間與出行成本（戴智 等，2020；張紅 等，2021）。通過調用互聯網地圖的應用程序接口（如lbsyun.baidu.com），可以更加方便地在相同時段同時獲取兩者的出行時間數據，更具有可比性，能更好地體現2種出行方式的實時狀況。利用互聯網地圖實時性的優勢，更能節約時間和人力成本，且方法具有較強的可操作性和普適性。此外，也可以通過公共汽車GPS和刷卡數據推算公交出行時間。

同步查詢所有時段不同出行方式從站點到站點的出行時間，即500 個站點對在1 個時段需要查詢24.95萬次（500×499），早高峰、午后和晚高峰3個時段需要74.85萬次搜索。通過在3個時段連續自動批量同步動態獲取基于實時路況的各站點對之間小汽車出行時間與公交出行時間。

由于本研究僅考慮站點到站點間的出行，因此互聯網地圖計算的公交出行時間不包含步行到站點的時間，也不包括等待公交的時間，小汽車出行時間也不包括叫車等車時間等。

1.2.3 公交出行相對時空效率模型

1）公交出行相對時間效率 相對時間效率指小汽車和公交按最少時間方案的出行時間比值。小汽車出行包含自駕、出租車或網約車出行等，其在出行選擇上可能會按最短路徑或按其他方案。本文定義小汽車的出行時間不是自由流狀態下的時間，而是與公交在相同時段的道路交通狀況下，按照最少時間進行計算。

站點i和站點j之間在t時段的公交出行時間為TBijt，小汽車出行時間為TCijt。定義t時段站點i和j之間相對時間效率Eijt為：

由于受到停站、限速等影響，絕大多數計算的相對時間效率Eijt＜1，公交出行時間會多于小汽車出行時間，在少部分站點對之間也會出現公交出行時間少于小汽車出行時間的情況，其相對時間效率Eijt＞1。

2）公交出行相對時空效率指數 公交出行相對時間效率是客觀的指標，而公交出行相對時間效率和出行人數在不同時段和空間位置下是有差異的，為了能更合理地反映公交實際運行效率，考慮加入乘客量作為權重，綜合體現公交運行的整體效益。當乘客數越多，權重越大時，整體相對時空效率越高。

設站點總數為M，i和j之間的出行量為Pij，全天共分為T個時段，時段t可按小時劃分，從而可區分1 d不同時間段的乘客量Pijt。將t時段乘客人數Pijt與相對時間效率Eijt聯合運算來定義公交出行相對時空效率指數，據此算出站點對、站點、面域（局部空間單元或市域）3 種時空效率指數，以從不同尺度體現公交出行與小汽車出行的相對時空效率差異。

站點對（站點i和站點j之間）的公交出行相對時空效率指數Eij為：

站點的公交出行相對時空效率指數Ei為：

全市或某區域的公交出行相對綜合時空效率指數E為：

特別地，可以計算某類空間單元（如區、街道、TAZ）之間的公交出行相對時空效率指數，對比不同空間單元之間的公交出行相對時空效率。對于空間單元m、n，該指數Emn表述為：

1.2.4 公交出行相對時空效率指數計算 在獲得每個站點對之間的乘客量和公交出行相對時間效率后，根據式（2）計算站點對的公交出行相對時空效率指數Eij，表1 為包含3 個時段的數據樣例。選取站點周邊居民區密集的站點如西鄉站、五和站和龍華汽車站，選取工作崗位密集公司企業聚集的站點如科技園站，并考慮空間上的分布便于對比，站點的空間位置如圖1所示。由于站點對之間的乘客量在各高峰時段內部未做區分，且3個時段也僅分別獲取1組出行時間值，因此在同一時段，站點對的時空效率指數Eij等于相對時間效率Eijt。將各時段的公交相對時間效率和乘客量聯合計算，得到3個時段綜合時空效率指數Eij。

表1 深圳市站點對的公交出行相對時空效率指數（Eij）數據樣例Table 1 Examples of public transportation relative spatiotemporal efficiency index(Eij) for pairs of stations in Shenzhen

1.2.5 聚類分析 從時間角度出發，對站點尺度的早午晚3個時段的公交出行相對時空效率指數進行聚類。聚類算法方面，選擇傳統聚類算法中的KMeans。該算法需預先設定分類個數（K值），采用迭代方法選取不同K值計算對應的誤差平方和（SSE），根據“肘部法則”選擇最佳的分類個數。通過對站點的出行時空效率指數進行聚類分析，探索各類出行效率特征的站點及其空間分布。

2 結果與分析

2.1 站點對間的公交與小汽車出行時間特征

公交出行時間與小汽車出行時間的關系如圖2所示。對角斜線為等時線，其上方的點為公交出行時間小于小汽車出行時間，下方的點反之。A點和B 點是其2 個例子。落在直線上及其上方的點，公交出行相對效率≥1，數據量約占7%。下方靠近直線的點（相對時間效率接近于1），可能有2種情況：1）當小汽車出行與公交出行的時間都長，即可能實時路況擁堵或小汽車出行需要繞行；2）當小汽車出行與公交出行時間都很短，即出行距離較短且無需公交換乘等。這2種情況下公交出行的相對時間效率都較高。

對比3個時段的出行時間（見圖2），晚高峰的出行時間更長。晚高峰小汽車出行平均時間為40.5 min，相比早高峰（37.1 min）多9%，比午后時段（35.8 min）多13%，晚高峰公交出行平均時間為58 min，比其他2 個時段（早高峰56.9 min 和午后56.6 min）的平均出行時間長。

絕大多數的站點對之間小汽車出行的時間少于公交出行的時間。離等時線越遠（即斜率越小）的點，表明公交出行時間遠比小汽車出行時間多，兩者比值得到的相對時間效率Eijt受小汽車出行時間與公交出行時間的共同影響，體現公交與小汽車在出行時間上的效率差異。

公交出行時間與相對時間效率的關系如圖3所示。當公交出行時間很短時，相對效率很高，對于短程從站點到站點的出行，公交出行（尤其是地鐵出行）具有優勢；隨著公交出行時間的增加，相對時間效率迅速降低，且3個時段早高峰最低，晚高峰最高，即晚高峰公交出行時間與小汽車出行時間的差距較小；當公交出行時間更長時，相對時間效率逐漸穩定在0.5～0.7，且3個時段的相對時間效率差距減小。

圖3 深圳公交出行時間與相對時間效率的關系Fig.3 Relationship between public transportation travel time and relative time efficiency in Shenzhen

2.2 公交出行相對時空效率指數的時段特征

從站點對、站點、面域（網格、街道、市域）不同尺度分析深圳市公交出行效率指數的時段特征。

1）站點對尺度公交出行相對時空效率指數分布 站點對尺度公交出行相對時空效率指數能體現站點之間聯系的強度，有助于分析公交出行相對效率銜接較好的站點對空間分布。由圖4可知，各時段Eij≥0.8 的站點對主要分布在南山、福田、羅湖3個中心城區之間，寶安、龍華、龍崗3 個區之間，以及與寶安、龍華、龍崗與中心城區之間。總體空間格局與地鐵線路“兩橫三縱”的分布相似。高效率指數的站點對多發生在地鐵站點對之間，主要原因是軌道交通的平均速度快，且出行時間具有穩定性，整體上地鐵站點對之間的相對時空效率指數在各時段均較高。同時也可以看出，晚高峰出現較多的“公汽—地鐵”和“公汽—公汽”高效率站點對。

圖4 深圳公交出行相對時空效率指數Eij≥0.8的站點對O-D線Fig.4 O-D lines between stations with Eij≥0.8 during different time periods in Shenzhen

2）站點尺度公交出行相對時空效率指數分布 在空間分布（圖5）上，由羅湖、福田、南山、寶安（靠南山片區）所組成的中心城區站點在各時間段具有較大的波動，大多數站點的早高峰指數明顯低于晚高峰指數，表明晚高峰時段公交相對于小汽車出行的時間差距在縮小；在外圍城區，站點公交時空效率指數呈現明顯的軸線特征，其主要是由地鐵線路串聯起來的站點，體現地鐵在特大城市中的重要價值。

圖5 深圳主要站點公交出行相對時空效率指數Ei空間分布Fig.5 The spatial distribution of Ei of major stations during different time periods in Shenzhen

從占比（圖6）看，早高峰站點效率Ei位于低和中低水平的占比為65.8%，說明早高峰公交相對于小汽車出行的時間差距大，午后時段的指數多位于0.55～0.75的中低和中水平，晚高峰時段則多位于0.65～0.85的中和中高水平。

圖6 深圳市站點的公交出行相對時空效率指數Ei占比Fig.6 Proportion of Ei for stations in Shenzhen

3）街道尺度公交出行相對時空效率指數分布 站點的公交出行相對時空效率指數可向上匯聚到街道尺度，從而形成對城市各街道公交出行相對效率的評價（圖7）。整體上，午后和晚高峰時段的公交出行相對效率比早高峰高。早高峰南山區和福田區內的若干街道，其綜合時空效率指數低于0.55；而3 個時段的綜合視角下，南山街道和西麗街道形成一個低指數“通廊”，主要是這個方向的公交供給較弱，地鐵線路尚在建設中。深圳市街道層面的公交出行相對時空效率指數分布存在較大差異，除了各時段特征相似的高效率地鐵站點外，不同街道還有大量不同數量、不同效率的公汽站點。如龍崗區的平湖街道和坪地街道的公交出行相對時空效率指數在3 個時段都較低，處于0.45～0.55 水平，說明其公交出行處于相對劣勢。

圖7 深圳街道尺度公交出行相對時空效率指數EFig.7 Index E at street level during different time periods in Shenzhen

各街道空間單元之間的公交時空效率指數Emn如圖8所示，可知，早高峰各街道空間單元之間的公交出行效率偏低，午后時段隨著道路上的車流減少車速提高，公交出行相對效率有所提高，連接的街道空間也有所增加。晚高峰各街道之間的公交出行效率較高，反映晚高峰公交出行相對小汽車出行的時間差距有所減小。

圖8 深圳各街道空間單元之間的公交出行相對時空效率指數分布（Emn≥0.8）Fig.8 Emn between street units(Emn≥0.8)during different time periods in Shenzhen

4）市域尺度公交出行時空效率指數分布 市域層面的公交出行相對時空效率指數反映全市公交出行相對于小汽車出行的綜合效率，3 個時段綜合指數值為0.63，處于中等水平。對于深圳市這種特大城市，城市公共交通一直備受關注，政府投入大量經費開展建設，出臺各種鼓勵公共交通出行的政策，且深圳市的道路系統結構也相對合理，因此其公交出行相對時空效率達到良好水平，但仍有較大的發展和優化空間。

根據本研究，深圳市早高峰的公交綜合出行時空效率指數值為0.61，低于晚高峰的0.69。晚高峰時段的公交出行相對效率較高，主要原因是晚高峰的交通擁堵比其他時段更為嚴重，小汽車的出行時間增加，公交的出行時間雖然也有增加，但得益于公交專用道的配置，其增加幅度相對較小，從而導致公交出行的相對效率提升了。大約73%的O-D對之間小汽車在晚高峰的平均出行時間比早高峰更長，平均約多9%；而公交出行時間在晚高峰僅比早高峰多2%。從平均車速看，小汽車在早、晚高峰的平均速度分別為34.2、29.7 km/h，公共汽車在早、晚高峰的平均速度分別為21.7、21.3 km/h，顯然小汽車的平均速度下降更為明顯。在公共交通2種模式中，軌道交通具有通道專用、運載能力強、平均速度快等優勢，比公共汽車的相對出行效率高。此外，還有其他影響公交出行效率的因素，如站點的乘客量、站點在公交線網中的可達性（裴玉龍 等，2020）、站點周邊的開發強度和建成環境空間設計（Liao et al., 2020）等。

2.3 公交出行相對時空效率指數特征分析

1）不同時段的相對時空效率指數聚類分析選取早高峰、午后和晚高峰時段站點的公交出行相對時空效率指數Ei作為聚類分析指標，基于傳統Kmeans 聚類方法，采用“肘部法則”實現聚類劃分（表2、圖9），聚類結果為4類。

表2 深圳公交出行相對時空效率指數聚類中心及聚類個數Table 2 Clustering center of public transportation relative spatio‐temporal efficiency index and the number of clusters in Shenzhen

圖9 深圳公交出行相對時空效率指數Ei聚類Fig.9 Clustering results of public transportation relative spatiotemporal efficiency index(Ei) in Shenzhen

類別1的站點主要分布在外圍城區的居住類區域、公交場站和學校附近的站點。外圍城區居住類區域站點如愛聯、荷坳、六約、下水徑、松崗、橋頭、福永等，公交場站站點如福鳳路總站、銀湖汽車站、大梅沙聞檀道場站等，還有學校附近的站點如鳳凰學校、南方科技大學第二實驗小學、布吉中學、翠園中學、天譽實驗學校等。這些站點呈現早晚高峰時段公交出行相對效率低，午后公交出行相對效率高的特征，可能是受早晚通勤和上學的影響。

類別2的站點主要分布在中心城區居住類區域站點。有如西鄉、桃園、鯉魚門、翻身、香蜜、蓮花北、崗廈北等地鐵站點，還有如臨近南油、田下村、后海公館、名居·綠海灣、福保社區等公汽站點。這些站點呈現早高峰公交出行相對效率低，午后和晚高峰時段公交出行相對效率高的特征。早高峰時段有大量且集中的出行需求，可能導致公交車輛停留時間增加，從而降低公交出行相對時空效率指數，而晚高峰時段出行需求相對分散，同時中心城區道路擁堵更為嚴重，使公交出行相對效率處于較高水平。

類別3的站點主要分布在中心城區工作類和休閑娛樂類區域附近的站點。工作類區域站點如科苑、高新園、市民中心、車公廟、國貿等，休閑娛樂類區域站點如臨近海雅繽紛城、深圳來福士廣場、歡樂頌購物中心、海岸城保利文化廣場、世界之窗、華僑城錦繡中華等站點。這類站點呈現早高峰和午后時段公交出行相對效率低，晚高峰公交出行相對效率高的特征，可能是這些站點的吸引量在早高峰和午后時段大量集中，公交出行相對效率低。

類別4 的站點多分布在外圍城區休閑娛樂類、醫院區域附近的站點。如大芬、龍城廣場、益田假日、羅湖婦幼保健院、深圳市人民醫院等。這類站點呈現午后時段公交出行相對效率最低的特征。可能是這些區域在午后時段交通流量較小，公交與小汽車的出行時間差距變大，午后的公交出行相對效率變低。

2）公交出行相對時空效率指數空間自相關分析 使用Moran'sI指數進行全局空間自相關分析以描述站點在各時段公交出行相對時空效率指數的空間相關性，判斷其是否有聚集分布的空間模式。表3 顯示，各時段公交出行相對時空效率指數都表現出較強的正空間自相關，空間分布模式表現為聚集模式。

表3 深圳公交出行相對時空效率指數全局空間自相關指數Table 3 Global spatial autocorrelation report of public transporta‐tion relative spatiotemporal efficiency index in Shenzhen

深圳公交站點時空效率指數空間分布的局部差異如圖10所示。南山區和福田區在早高峰時段低-低聚集明顯，晚高峰時段表現為高-高聚集和低-高聚集，表明在南山區和福田區早高峰公交出行相對效率低。晚高峰龍崗區布吉街道和南灣街道的站點低-低聚集明顯。另外，發現地鐵站點的時空效率指數普遍較公汽站點高，因此多表現為地鐵站點的高-低聚集或公汽站點的低-高聚集。3個時段綜合看，地鐵站點的時空效率指數平均值是0.72，公汽站點是0.63，在早午晚各時段也都呈現地鐵站點高于公汽站點，分別高約0.06、0.08和0.11。

圖10 深圳公交出行相對時空效率指數Ei局部空間自相關Fig.10 Local spatial autocorrelation of public transportation relative spatiotemporal efficiency index(Ei) during different time periods in Shenzhen

3 結論與討論

本文基于具有實時道路交通狀況的互聯網地圖分別獲取公交與小汽車的出行時間，通過公交智能卡數據獲取乘客出行量，并基于公交相對于小汽車的出行時間效率和公交出行乘客量，構建了公交出行相對時空效率指數模型，并以深圳市為案例進行分析。結果表明：1）從出行時間特征看，隨著出行時間的增加，公交與小汽車的出行時間差距逐漸拉大，公交出行相對時間效率降低；當出行時間超過1 h 后，公交出行相對時間效率維持在0.5～0.7；2）從早晚高峰出行相對時空效率看，早晚高峰公交時空效率呈現較大差異，早高峰比晚高峰效率低近8%，主要原因是晚高峰時段小汽車出行時間的增加所導致，體現晚高峰城市道路情況的復雜性；3）從相對時空效率指數的聚類特征看，中心城區在不同時段的指數分布具有更大的波動性，這與其就業崗位高度集中帶來的交通壓力動態性有較大關系；4）公交出行相對時空效率存在明顯的時空分異特征，早晚高峰時段存在“低-低聚集”和“高-高聚集”的典型聚集區域，地鐵沿線的站點具有顯著的出行時空效率優勢，體現特大城市地鐵骨架網絡的重要價值。

基于深圳公交出行相對時空效率特征，針對深圳市公共交通的效率提升提出以下建議：1）繼續大力發展軌道交通，提高軌道的覆蓋率和互通性，實現站點之間的快速通達；2）以軌道交通為基礎，調整或部署地面常規公共交通線路、優化提升公交專用道設置與管理水平；3）在道路交叉口采取相對信號優先、特殊時段公交連續信號優先、視頻識別等技術手段，提升公交在路口的通行效率。此外，也應關注出行的舒適性體驗，提升公交出行的服務品質，包括響應式公交服務、大需求走廊上的公交快線、縮短發車間隔等。

本文提出了一種新的公交出行相對時空效率模型及其測算方法，對于認知城市公交運行狀態、優化公交線網布局具有參考價值。基于深圳市的案例分析，驗證了模型和方法的合理性。本文在案例數據的獲取方面可進一步完善，即因站點數量龐大以及并發處理限制的技術因素，僅選取客流量排名前500 的站點，同時僅考慮了站點對之間的公交和小汽車出行時間，且乘客量與出行時間非同期觀測。未來可以從數據分辨率的角度出發，獲取時間分辨率更高的數據，結合本文所提出的公交相對時空效率指數，以揭示更豐富的多層次動態演化特征。在相對效率的計算中，出行時間是很重要的指標，但除了時間，還有費用、舒適性、便捷性、安全性等因素也會影響乘客出行方式的選擇，未來可在相對效率計算中增加更多因素指標。