基于IC卡數據的公交乘客上下站點預測研究

遲劍 李秀云 劉艷飛

摘要：當前一票制的公交IC卡收費系統無法獲取乘客的上車站點和下車站點，為公交線路客流量分析造成了一定困難。本文通過充分研究IC卡數據以及GPS數據，構建了以IC卡數據為基礎的乘客上下車站點匹配模型，挖掘數據中包含的公交運行特征以及乘客出行特征。模型同時考慮封閉式公交出行鏈以及非封閉式公交出行鏈，并采用二分算法以及多概率融合的方法在乘客乘車特征基礎上推測乘客的上下車站點，可有效提升公交的高效化運行管理。以承德市7號線路為例進行驗證，采用線性回歸方程對上下車站點匹配結果進行分析，相關系數高達0.977，校驗回歸方程系數值為0.978 5。結果表明該模型可實現對公交車乘客上下車站點的有效匹配，具有較好的可靠性。

關鍵詞：上下車站點；IC卡數據；GPS數據；數據挖掘；數據分析

中圖分類號： TP31；U491文獻標識碼： ADOI：10.3969/j.issn.1007-791X.2024.01.0090

引言

目前，隨著公交出行人口流量的增大以及智能公交的快速發展，IC卡成為乘客公交出行的主要方式。因此，通過IC卡統計乘客上下車相關數據變得可行。公交車IC智能系統具有交易數據量大、數據采集方便、樣本量大以及數據連續性強等優點。通過對IC卡數據以及公交車行車GPS數據分析，可以較為精準地判斷乘客的上下車站點，對于城市的公交系統規劃和管理具有重要意義[1-2]。但由于目前大多數公交采用單一票制，乘客僅在上車時刷卡，因此難以獲取乘客下車站點的位置信息。吳祥國等[3]針對IC卡數據和公交GPS數據，提出可以根據乘客連續多日的出行數據構建出行鏈進行下車站點推斷的思想。Yuan 等[4]通過IC卡數據以及車輛位置信息獲得乘客下車站點的相關約束條件，隨后采用隨機場模型和協同濾波算法提取乘客出行鏈并推薦乘客下車站點。Wang等[5]通過 IC 卡數據以及公交車輛GPS 定位數據，采用不間斷出行的方法，推斷乘客的乘車規律從而獲得相匹配的下車站點。劉瑋軒等[6]在IC卡數據的基礎上，通過建立時間偏移模型和客流量偏移模型對上車站點進行匹配，通過將乘客進行精準分類，提出不同的下車站點匹配算法。Zhou等[7]通過IC卡數據以及客流量對北京的通勤出行時間和分時段的客流分布進行了深入分析。翁劍成等[8]通過融合IC卡數據和公交GPS等數據，分析公共交通的行車路線信息，并建立了基于乘客單體的通勤出行鏈提取模型，從而挖掘乘客上下車站點信息。Zhang等[9]同樣利用 IC卡數據與GPS 技術分析乘客的上車站點位置，并在Transcad模型中采用最短路徑算法推導出原站和站間距離矩陣，以出行鏈為基本原理推導出中轉站與目的地。陳君等[10]根據公交乘客出行的時空規律性，提出了基于通勤出行模式和關聯出行模式判斷下車站點的算法。胡繼華等[11]將乘客的出行特征與下車站點吸引權重相融合，然后根據乘客出行鏈的完整程度建立概率模型來判斷乘客的下車站點。Li等[12]全面回顧了使用IC卡數據的論文研究，分析出大多數研究沒有引入土地利用因素以及應用敏感性分析，從而提出未來的研究方向。Yap M等[13]針對公共交通擁擠可能會對乘客的出行體驗產生重大影響，從而做出對路線和交通方式的選擇進行了研究。Bai等[14]通過開發基于人工智能的深度學習模型來預測公交車站點的客流量，該模型基于廣州的一條公交線路IC卡售票系統獲得的實際乘客數據來預測客流量的大小。文獻[15-17]同樣在IC卡數據和GPS數據融合的基礎上引入時空特性對乘客上下車站點進行推斷。

大多數依據IC卡數據進行上下車站點匹配的模型都是針對封閉式公交出行鏈進行推斷，然而乘客出行仍存在一定量的非封閉式公交出行鏈。本模型通過多概率融合的方式對于非封閉式公交出行鏈的下車站點判斷，并取得了較好的效果。

1數據預處理

1.1數據介紹

由于承德公交集團GPS數據僅在服務器保存三天，我們針對該數據進行了實時采集并保存到本地。本文所使用的數據是承德7號線路2018年采集的GPS數據以及IC卡數據，并篩選出5月1日至5月7日的數據作為研究數據。首先，承德市公交IC卡數據主要包括乘客卡號數據、IC卡類別、公交線路編號、車牌號、刷卡時間、處置時間，如表1所示。其中，IC卡類別可分為儲值卡、成人月票卡、老年卡、殘疾卡等13種類型；公交線路編號中100500007表示7號線路；刷卡時間為乘客上車刷卡的即時時間；處置時間則為POS機的處理時間。其次，GPS數據主要包括GPS運行時間、車輛編號（車牌號）、實時速度、站點名稱、站點坐標等，其中站點坐標采用經緯度顯示，如表2所示。

1.2數據處理及標準化

本文采用承德公交7號線路2018年5月1日-2018年5月7日的一周數據作為數據集。首先，對于GPS數據，采用上述規定時間段內的數據，由于公交在停靠主站期間，車輛處于停滯狀態即速度為0時表示車輛未運行，此類數據過多會導致數據檢索時時間復雜度的過高且屬于無效數據，因此將該類數據作為冗余數據進行清洗；公交在行駛過程中會存在違規行為，忽略違規行為導致的公交車的“滯站”行為數據；為方便時間比較，將GPS運行時間換算為時間戳表示，處理后數據如表3所示。其次，對于IC卡數據，篩選刷卡時間位于2018年5月1日至2018年5月7日的數據并將刷卡時間換算為相應的時間戳表示，處理后數據如表4所示。

經數據處理，承德市7號線路2018年5月1日-7日IC卡數據和GPS數據中，IC卡數據共65 084條，其中共有25 727名乘客乘坐該線路公交車。GPS數據共40 805條，包含公交車共22輛，經歷公交站點25個。

2乘客公交出行分析

公交出行鏈作為交通出行鏈定義的延伸，通常認為乘客在一天內至少連續兩次乘坐公交并按照順序排序從而構成公交出行鏈。公交出行鏈可分為封閉式公交出行鏈和非封閉式公交出行鏈。

封閉式公交出行鏈具體定義為：乘客在一天之內存在多次乘坐公交出行，且首次出行站點與末次出行站點屬于同一個站點。廣義的封閉式公交出行鏈存在中間非換乘和換乘兩種情況。非換乘公交出行鏈表明乘客在首次出行和末次出行期間不存在換乘行為，即乘坐一輛公交便可到達目的地，如圖1（a）所示，乘客首次出行在站點A乘坐L1線路公交車到達目的站點E下車到達目的地且在末次出行中乘坐同一路線公交車于出發站點E返回目的站點A；換乘公交出行表明乘客乘坐一輛公交無法到達目的地，乘坐期間需換乘其他公交或線路才可到達，如圖1（b）所示，乘客首次出行在站點A乘坐L1線路公交車并在站點D換乘L2線路公交車到達目的站點E，并且在末次出行乘坐相同線路返回站點A，該乘坐方式中間存在換乘行為，但仍屬于封閉式公交出行鏈。現實生活中，封閉式公交出行鏈可表現為上下班通勤、上下學等日常行為。

非封閉式公交出行鏈具體定義為：乘客在一天內僅從某出發站點搭乘一次公交，或乘客搭乘多次公交但從未未返回出發站點等行為，這些行為導致公交出行鏈無法閉合。日常行為舉例為，某乘客早上首次出行乘坐公交車到達目的地，并在下一次出行中采用非公共交通方式返回首次出行的出發站點，或者在首次出行后不再返回。

因此，在構成封閉式公交出行鏈時，應符合以下約束條件。

1）組成約束：乘客每日出行至少存在兩次由出發站點至目的站點的公交乘坐行為。

2）時空約束：前一次乘坐公交車的下車時間戳需小于后一次乘坐公交的上車時間戳；前一次乘坐公交車的下車站點距離后一次乘坐公交車站點應小于某距離閾值，如圖2所示。

3）換乘約束：真實生活中，乘坐公交車外出時的換乘次數應小于某換乘閾值d，即在可接受的換乘次數之內。

3乘客上車站點推斷

針對處理后的IC卡數據和GPS數據，采用二分時間匹配算法推斷乘客的上車站點。具體來說，由于IC卡數據中存在車牌號和刷卡時間，GPS數據中存在車牌號以及每個站點公交車的到站時間和離站時間。以IC卡數據中某乘客刷卡信息進行說明，IC卡記錄乘客編號為p1所乘公交車的車牌號為c1，刷卡時間為t1。首先，篩選GPS數據中車牌號為c1的數據，然后順序查找ts1

經過對IC卡65 084條乘客數據進行統計，可得到5月1日-5月7日各個站點上車人數如圖4所示。經觀察可知，7號線首站輕小型修理廠上車人數最多，于承德市中醫院站點站上車人數最少。綜合分析，上車人數最多的車站位于公交行車線路中部。將公交車完整線路運行時間進行序列化，并進行以下定義：“輕小型修理廠”—“下營房”記作路段A;“下營房”—“頭道樓牌”記作路段B……。統計各路段7日內雙向公交車累計運行時間，如圖5所示，該運行時間柱狀圖表示在中部站點相對運行時間最長。綜合各站點上車人數和公交線路運行時間可知，在公交車完整行車時間中，中段時間上車人數相對最多，因此采用二分查找推斷策略可有效降低算法的時間復雜度，提高匹配效率。

4乘客下車站點推斷

乘客公交出行鏈存在封閉式出行鏈和非封閉式出行鏈兩種情況，因此做出以下分類對下車站點進行推斷：

1） 封閉式公交出行鏈，即一天內至少存在兩次出行，且出行的出發站點非同一站點，包含乘客換乘線路和不換乘線路兩種情況。

2） 非封閉式公交出行鏈，存在以下幾種情況：乘客單向出行，即一天內僅存在一次出行情況，記作情況1；乘客多次出行，且每次出行站點屬于同一站點，記作情況2。

4.1封閉式公交出行鏈

日常中的上班通勤和上下學等行為大多是往返出行的形式。假設乘客p1第i次刷卡記錄顯示在線路L1上的A站點上車，且第i+1次刷卡記錄顯示在線路L1上的E站點上車，則表示E為乘客p1第i次乘車的下車站點。值得注意的是，乘客在E站點下車后可能存在換乘情況，由于本文采用數據集為7號線單線路數據集，因此對下車站點與目的站點不做區分，統稱為下車站點。

4.2非封閉式公交出行鏈

針對非封閉式公交出行鏈，采用多概率融合的方式對下車站點進行推斷。首先計算乘客在某時間段內于每個站點刷卡上車的頻率，由此計算在每個站點下車的概率；其次采用車站距離泊松分布計算每個站點的下車頻率；最后根據每個站點當日刷卡人數即上車人數計算各站點下車概率，通過將三種概率按一定權重比例融合的方式推斷乘客最有可能的下車站點。

假設某線路L1共有站點m個，記作車站集合M={s1，s2，…，sm}，根據乘客在某時間段內的刷卡記錄統計在每個站點的上車頻率Ni。并計算每個站點可能下車的概率f1i，即

最終各站點下車概率集合表示為D1={f11，f12，…，f1m}。

根據現有研究[18-19]，乘客在某站點下車的概率與已乘坐過站的站點數之間呈泊松分布，即

由于由泊松分布獲取的各站點下車概率之和不為1，因此將該概率分布進行歸一化處理：

其中，f2ij表示乘客在站點i上車且在站點j下車的概率。λ為該線路乘客在一段時間內平均出行經過的站點的數量。若乘客上車站點i的下游站點小于λ，即m-i<λ，此時令λ=m-i。由此可得乘客在每個站點下車的概率矩陣D2=［f2ij］m×m。

乘客有較大概率在日常乘客流量最大的站點下車，即某站點上車人數越多表示吸引行人的概率越大。因此可根據上述上車站點的推斷計算每個站點的乘客流量。具體計算公式為

其中，vi表示在站點i上車的人數。則乘客在各個站點下車的概率可記作集合D3={f31，f32，…，f3m}。

綜合考慮乘客高頻上車站點，站點泊松分布以及站點乘客流量，并賦予不同權重，可以得到乘客在某站點i下車概率模型為

其中，ρ1和ρ2為可調參數，并滿足ρ1+ρ2<1。

4.3實例模擬結果分析

本文對承德市7號線路2018年5月1日整天的IC卡數據刷卡記錄進行下車站點預測。其中，參數為該線路站點數量即m=25，公交出行屬于中長距離出行， 因此出行距離過長或過短的居民較少采用這種交通方式[20]，所以采取λ=Round（m/2）=12。并將5月1日封閉式公交出行鏈和非封閉式公交出行鏈乘客進行統計，滿足封閉出行鏈的乘客數量為798人，滿足非封閉出行鏈的乘客數量共3 254人，其中符合情況1的乘客數量為2 713人，符合情況2的乘客數量為541人。

由以上數據統計可知，一天內僅一次乘坐公交車出行的乘客占絕大多數，因此非封閉式公交出行鏈的下車站點推斷的準確性尤為重要。首先，對于封閉式出行鏈下車站點推斷舉例如表5所示。

其次，對于非封閉式出行鏈下車站點推斷進行了廣泛的參數敏感度實驗。從日常生活經驗出發，本文采用的概率融合的模型實際包含了主客觀概率。具體來說，乘客日常刷卡最多的站點作為本次出行所推斷的下車站點應屬于主觀推斷，即該通過乘客本身的行為做出的推斷，因此f1i值應賦予更高的權重，稱作主觀概率。然而在乘客日常出行次數較少甚至為0，或者多個站點刷卡次數相等時，主觀推斷則會失去效果，此時，由下行站點數和站點吸引權進行的客觀推斷則會發揮重要作用，稱f2fi和f2i為客觀概率。根據文獻[3]，我們將一周內乘車次數不超過兩次的乘客定義為弱主觀推斷；將一周內乘車次數超過兩次的乘客定義為強主觀推斷。

對IC卡號為670021090942982的乘客在5月1日出行記錄進行下車站點推斷。該乘客于下營房站點上車，且在5月1日-5月7日一周內乘車次數僅為2次，屬于弱主觀推斷。推斷該乘客在下游各站點下車概率如圖6所示。可知，該乘客在（ρ1，ρ2）=（0.1，0.2），（0.1，0.6），（0.3，0.3），（0.5，0.3）時均在新居宅選擇下車的概率最大。而在（ρ1，ρ2）=（0.1，0.9）選擇在溫州批發市場下車的概率最大。但在不同參數下概率分布的整體趨勢大體相同。根據對乘客在前5站點下車的概率進行分析，選取（ρ1，ρ2）=（0.1，0.6）時概率分布更為均勻平滑，因此在弱主觀推斷情況下選取參數ρ1=0.1，ρ2=0.6。

對IC卡號為670021150203916的乘客在5月1日出行記錄進行下車站點推斷。該乘客于市中心醫院站點上車且在5月1日-5月7日一周內乘車次數為6次，屬于強主觀推斷。因此應該賦予f1i更高的權重，經計算，該乘客在下游站點下車的概率如圖7所示。該乘客在（ρ1，ρ2）=（0.2，0.2），（0.2，0.4），（0.5，0.2），（0.8，0.1）時均在二仙居選擇下車的概率最大。而在（ρ1，ρ2）=（0.2，0.7）選擇在世紀城2期下車的概率最大。在不同權重參數下，折線圖整體走勢大致一致，但在ρ1較小的情況下，容易產生多個站點下車概率十分接近的情況，無法突出主觀意愿的重要性。綜合分析，在乘客一周內乘車次數超過2次（包含2）的情況下，設定可調參數ρ1>0.5，ρ2可采用隨機大小（0<ρ2<0.5）。最終對非封閉式出行乘客上下車站點舉例，如表6所示。

通過對2018年5月1日IC卡全天刷卡記錄進行上車站點和下車站點推斷并統計各站點的上車人數和下車人數，結果如表7所示。

從公交出行鏈的角度出發，乘客每天的首次出行和末次出行會形成一個閉環結構。因此，各個站點的出行量和下車量在理論上應該基本一致[3]。根據皮爾遜相關系數式

計算相關系數 為0.977，并進行線性回歸分析如圖8所示。校驗回歸方程y=0.978 5x+1.815 4，說明該算法結果在機理分析層面較穩定，并且推斷的承德市7號線路各站點上下車人數在很大程度上處于平衡狀態，可以取得較高的推斷精度。

5結論

本文通過對乘客公交上下車站點進行預測，提出了融合多因素和出行特征的乘客上下車站點預測模型并利用實際數據進行實例分析。結果表明，本文提出的算法模型能夠針對不同的出行鏈的公交乘客進行有效的上下車站點預測。通過本算法預測得出的上下車人數符合生活中上下車站點人數很大程度上處于平衡狀態的實際情況，本算法可以取得較高的預測精度，并具有較高的有效性和可靠性。

參考文獻

[1] BAGCHI M， WHITE P R. The potential of public transport smart card data [J]. Transport Policy， 2005， 12（5）： 464-474.

[2] PELLETIER M P， TR?PANIER M， MORENCY C. Smart card data use in public transit： a literature review [J]. Transportation Research Part C： Emerging Technologies， 2011， 19（4）： 557-568.

[3] 吳祥國. 基于公交IC卡和GPS數據的居民公交出行OD矩陣推導與應用 [D]. 濟南： 山東大學， 2011.

WU X G. Derivation and application of OD matrix of residents′ bus trip based on bus IC card and GPS data [D]. Jinan： Shandong University， 2011.

[4] YUAN N J， WANG Y， ZHANG F， et al. Reconstructing individual mobility from smart card transactions： a space alignment approach [C]//IEEE 13th International Conference on Data Mining， Dallas， USA， 2013： 877-886.

[5] WANG W， ATTANUCCI J P， WILSON N. Bus passenger origin-destination estimation and related analyses using automated data collection systems [J]. Journal of Public Transportation， 2011， 14（4）： 131-150.

[6] 劉瑋軒. 基于IC卡數據的站點關聯度解析及公交調度方法研究 [D].淄博： 山東理工大學， 2019.

LIU W X. Research on site correlation degree analysis and bus scheduling method based on IC card data [D]. Zibo： Shandong University of Technology， 2019.

[7] ZHOU Y， YAO L， JIANG Y， et al. GIS-based commute analysis using smart card data： a case study of multi-mode public transport for smart city [M]//Geo-Informatics in Resource Management and Sustainable Ecosystem. Berlin/Heidelberg：Springer，2015： 83-94.

[8] 翁劍成， 王昌， 王月玥， 等. 基于個體出行數據的公共交通出行鏈提取方法 [J]. 交通運輸系統工程與信息， 2017， 17（3）： 67-73.

WENG J C， WANG C， WANG Y Y， et al. Extraction method of public transportation travel chain based on individual travel data [J]. Transportation System Engineering and Information， 2017， 17（3）： 67-73.

[9] ZHANG R H， WU X G， CHEN S P. Public transportation trip OD matrix inference using IC card data and GPS information [C]// 11th International Conference of Chinese Transportation Professionals， Nanjing， China， 2011： 587-597.

[10] 陳君， 呂玉坤， 崔美莉. 基于出行模式的公交IC卡乘客下車站點判斷方法 [J]. 西安建筑科技大學學報（自然科學版）， 2018， 50（1）： 23-29.

CHEN J， LV Y K， CUI M L. Judgment method of bus IC card passenger alighting station based on travel mode [J]. Journal of Xi′an University of Architecture and Technology（Natural Science Edition）， 2018， 50（1）： 23-29.

[11] 胡繼華， 鄧俊， 黃澤. 結合出行鏈的公交IC卡乘客下車站點判斷概率模型 [J]. 交通運輸系統工程與信息， 2014， 14（2）： 62-67.

HU J H， DENG J， HUANG Z. Probabilistic model of bus IC card alighting station judgment combined with travel chain [J]. Transportation Systems Engineering and Information， 2014， 14（2）： 62-67.

[12] LI T， SUN D， JING P， et al. Smart card data mining of public transport destination： a literature review [J]. Information， 2018， 9（1）： 18-23.

[13] YAP M， CATS O， VAN AREM B. Crowding valuation in urban tram and bus transportation based on smart card data [J]. Transportmetrica A： Transport Science， 2020， 16（1）： 23-42.

[14] BAI Y， SUN Z， ZENG B， et al. A multi-pattern deep fusion model for short-term bus passenger flow forecasting [J]. Applied Soft Computing， 2017， 58： 669-680.

[15] 左精力， 王秋平， 陳君. 城市公交GPS數據與IC卡數據時空特性融合算法 [J]. 交通信息與安全， 2021， 39（2）： 101-108.

ZUO J J， WANG Q P， CHEN J. Fusion algorithm of urban bus GPS data and IC card data spatiotemporal characteristics [J]. Traffic Information and Security， 2021， 39（2）： 101-108.

[16] 陳嫻，龔小林，鄔嵐.基于IC卡和稀疏GPS數據的中小城市公交乘客上下車站點推算方法 [J]. 交通運輸研究， 2022， 8（1）： 79-88.

CHEN X， GONG X L， WU L. Calculation method of bus passengers getting on and off in small and medium-sized cities based on IC card and sparse GPS data[J]. Transportation Research， 2022， 8（1）： 79-88.

[17] 李淑慶， 劉耀鴻， 邱豪基. 基于IC卡與GPS數據的公交通勤出行特征分析[J]. 重慶交通大學學報（自然科學版）， 2021， 40（10）： 171-177.

LI S Q， LIU Y H， QIU H J. Analysis of the characteristics of public transportation based on IC card and GPS data [J]. Journal of Chongqing Jiaotong University （Natural Science Edition）， 2021， 40（10）： 171-177.

[18] 趙錦煥， 李文權， 張健， 等. 公交客流OD矩陣推算[J]．交通運輸工程與信息學報， 2009， 7（4）： 124-128.

ZHAO J H， LI W Q， ZHANG J， et al. Calculation of bus passenger flow OD matrix [J]. Journal of Transportation Engineering and Information， 2009， 7（4）： 124-128.

[19] 孫凱， 鄭長江. 基于公交IC卡刷卡數據的站點客流推算 [J]. 貴州大學學報（自然科學版）， 2021， 38（2）： 104-110.

SUN K， ZHENG C J. Calculation of station passenger flow based on bus IC card swiping data [J]. Journal of Guizhou University （Natural Science Edition）， 2021， 38（2）： 104-110.

[20] CASCETTA E. Estimation of trip matrices from traffic counts and survey data： a generalized least squares estimator [J]. Transportation Research Part B Methodological， 1984， 18（4/5）： 289-299.

Boarding and alighting stop inference based on transit IC card data

CHI Jian1，2， LI Xiuyun1，2， LIU Yanfei1，2

（1.College of Mathematics and Computer Science， Hebei Normal University for Nationalities，Chengde， Hebei 067000， China

2.The Technology Innovation Center of Cultural Tourism Big Data of Hebei Province， Chengde， Hebei 067000， China）

Abstract：At present， IC card charging system cannot obtain the passengers′ boarding and alighting stop points， which has caused certain difficulties for the analysis of the passenger flow of bus lines. By fully studying the IC card data and GPS data， a passenger boarding and alighting station matching model based on IC card data is constructed to excavate the bus operation characteristics and passenger travel characteristics contained in the data. The model considers both the closed bus travel chain and the non-closed bus travel chain and uses the binary algorithm and multi-probability fusion method to speculate on the passenger′s boarding and alighting station based on the passenger′s riding characteristics， which can effectively improve the efficient operation and management of the bus. Taking Chengde No.7 Line as an example for verification， the matching results of the boarding and alighting stations are analyzed by using a linear regression equation， and the correlation coefficient is as high as 0.977 and the regression equation coefficient value is 0.978 5. The results show that the model can achieve effective matching of bus passengers boarding and alighting stops and have good reliability.

Keywords：boarding and alighting stops; IC card data; GPS data; data mining; data analysis