大数据驱动下公共交通线网优化技术变革浅析

程晓明 李旭 侯佳

摘 要：公共交通大数据分析已经逐步融入公共交通线网优化工作中，但是由于数据分析技术瓶颈和规划思维的惯性，导致现有线网优化工作依然没有产生应有的变革和提升。本文基于公交大数据和手机信令数据融合技术以及居民出行机理解析的最新成果，对于公交线网优化的技术流程、模式、体系发展进行分析和展望。

关键词：大数据分析;居民出行机理;公共交通服务设计;公交线网优化

中图分类号：U491.17 文献标识码：A

0 引言

公共交通系统是目前国内各大城市的市内绿色客运出行主体，为广大居民提供了普适、可靠的出行服务，该系统的整体服务水平不仅影响城市的正常客流运转，同时也对城市交通拥堵缓解起到决定作用。国内城市已经将公交优先发展作为城市交通发展核心战略，持续以公交都市为目标进行城市总体建设。公共交通线网是公交系统提供服务的核心载体，很多城市定期进行公交线网优化的编制工作，及时诊断并调整公交线路，逐步优化公交服务品质，提升公共交通竞争力。

进入十三五以来，公共交通监测大数据体系已经初步成型。很多规划设计单位试图将大数据分析引入公交线网优化编制的技术支撑体系中，通过动态化、细粒度的公交运行指标分析，更加科学地评估诊断公交系统发展症结，支撑更加科学、合理的公交线网优化编制方案的形成[1-6]。

随着大数据、云计算、人工智能技术在交通出行选择机理领域的研究深入，公交线网优化技术体系将迎来新一轮变革。本次研究立足公交线网优化编制诉求，基于现阶大数据分析支撑技术体系的研究成果，对下一阶段公交线网优化技术支撑体系的构成和方向进行展望。

1 现状发展

现状对于大数据的应用模式主要用于现状分析评估手段的替代升级和辅助方案决策，其中尤以现状分析评估的替代升级最为成熟，主要基于手机信令数据、车辆定位数据以及交易支付数据进行联合数据挖掘，系统分析公交运行指标，替代传统人工调查获取数据进行评估的模式。

1.1 指标分析内容

基于上述大数据分析一般分析城市空间、客流效益、运行效率三方面内容。

（1）城市空间分析：人口岗位、职住关系、出行OD。

（2）客流效益：网络特征、线路特征、站点特征。

（3）运行效率：运行速度、车头时距、车辆延误等。

1.2 相对于传统手段的优势

相对于传统调查，基于大数据分析具有以下两大优势。

（1）样本规模。相对传统调查来说，大数据分析最大优势是样本规模。以手机信令数据为例，移动数据按照市场占有率为60%～70%，也就是其分析指标可以刻画研究范围内60%～70%出行者的出行特征和社会特征，相对于传统居民出行调查1%～3%的抽样率优势显著，在后续扩样分析过程中指标失真率将会大大降低。

公交线路运行调查也类似，在现状公交信息化近乎100%普及的情况下可直接获取全样本的公交线路运行指标。

（2）数据频率。传统调查一般根据项目需求开展，最高频率不过每年度进行一次调查。而大数据分析则赋予规划编制单位动态获取每天数据指标的能力，可以对于公交系统进行全方位、全过程的动态监测和评估，对于更加全面诊断公交系统运行问题提供的最直接的数据支撑。

1.3 现阶段发展问题

现阶段公交大数据分析通过大样本、全过程的数据分析手段和模式已经在公交线网优化过程中起到了不可忽视的作用，但是从公交线网优化自身技术体系来看依然没有产生根本性变化。

（1）依然是“公交系统”而不是“公交乘客”。现阶段所有分析和评估指标都是围绕表征公交系统运行效率展开的，后续方案也是以优化系统运行效率为目标，对于居民出行的服务提供、居民自身出行选择关注过少。

（2）没有跳出“就公交论公交”的规划范畴。大部分指标都是基于公交实际运行数据进行的挖掘，对于公交系统以外的居民出行关注度不够。虽然后续逐步将手机信令数据引入技术体系，但是收集分析结果和公交数据分析结果基本没有融合，导致公交线网优化基本就是公交系统内部优化，与其他交通方式之间的互动或者竞合缺乏足够的研究。

2 数据赋能

现阶段公交大数据分析缺乏的是对个体出行特征的精细化描摹和个体选择行为的深入刻画，导致无法对公共交通线网优化的技术方法和流程产生根本性变革。现阶段随着手机信令数据分析的持续深入，对于个体出行的分析逐步成为可能。

2.1 居民个体时空轨迹还原

时空轨迹还原最大的障碍在于从基站坐标推断居民出行的精确起讫点坐标，在城市核心区虽然基站密度较高，但是路网更密，地块也较为零散;在城市外围区域路网虽然较稀疏，但是基站密度也较低，这都为起讫点定位带来较大障碍。

但是随着移动运营商推出了最小化路测数据（MDT数据），可以反映用户实际位置，这为确定用户实际位置提供了有效路径。但是由于数据产生机制和数据规模限制，MDT数据只能反映一部分运营商用户活动特征。在此情景下，可以建立启发式网络路径寻路优化模型，利用MDT数据和手机信令数据对其进行模型训练;将训练好的模型应用至全体手机信令数据，进行模型应用，并利用志愿者实际路测反馈并进一步优化模型，至此不断完善校核模型，形成稳定模块。

2.2 居民个体出行选择机理拟合

在居民出行轨迹精准还原的基础上进一步需要进行出行方式的精准识别，这在出行轨迹还原精度和质量较高的基础上，通过比对轨迹形态和綜合交通网络形态以及综合出行速度可以获得辨识度较高的出行方式。

获取大量居民出行方式、目的、时间、轨迹选择的精准样本数据，在此基础上可建立居民出行选择与综合交通设施供给之间的互动模型，并利用居民出行选择数据进行大量模型训练，重点拟合综合交通设施供给对居民出行选择的内在影响。

3 变革方向

在新技术赋能的背景下，公共交通线网优化技术将迎来最为显著的变革和进化，核心体现在规划编制过程中需要回答四个问题。

3.1 还原对象：有哪几类需求

对居民出行需求进行底层分类，从出行目的、出行时间、出行距离、出行强度等等，这些需求纯粹反映了城市空间布局引发的居民出行活动，是所有交通产生的源头，也是后续进行公交服务设计的对象。

3.2 机理解析：选择（不选择）公交出行原因

基于居民出行机理模型分析上述几类需求中，哪些选择公交出行、哪些没有选择公交出行、分别原因是什么。这是规划编制核心环节，承前启后，是现状症结分析的核心体现，也是后续优化方案和支撑方案形成的有力指导。

3.3 服务设计：提供（完善）哪几类公交服务

摒弃原有直接进行公交系统设施供给的思路，而是形成公交客流市场覆盖—公交服务设计—公交设施供給的方案生成模式。针对既有客流市场完善提升服务;针对可以争取的潜在客流市场，从公交服务模式、公交服务频率、公交走廊梳理进行新型公交服务设计，并基于此进行公交线路及运力配置设计。

3.4 保障体系：需要哪些公交线网运营支撑

有别于传统公交线网仅仅针对公交线路和运力进行设计优化，还需要针对公交线网高效运行所需要的公交优先、公交场站、运力配置进行保障性设计，保证公交服务按照既定设计进行投放。

通过回答这四个问题，构建大数据驱动下的公交线网优化的技术路线，推动公交线网优化工作的可持续推进。

4 结语

本次在深入分析既有公交线网优化工作的核心问题基础上，围绕公交大数据分析技术的发展阶段和发展趋势，对于公交线网优化工作的可能性变革进行分析和展望。由于本文中居民出行特征解析技术仍处于原型开发和实验阶段，后续技术的演变的模型的更新仍存在不确定因素，但是笔者相信随着实证性研究的持续推进，必然会形成最为稳定和有效的线网优化底层支撑新技术体系，从而切实推进线网优化技术变革，切实提升公共交通服务品质和竞争力，落实城市公交优先发展战略。

参考文献：

[1]李文锋，林艳玲，程远，等.基于公交IC卡与GPS数据的公交客流可视化分析[J].交通科技与经济，2018，20（05）：55-59+80.

[2]秦政.基于公交IC卡和GPS数据的乘客上下车站点研究[J].西部交通科技，2017，12（08）：115-119.

[3]李莹，翁小雄.基于公交IC卡和GPS数据的换乘识别方法[J].广西大学学报（自然科学版），2017，42（02）：579-586.

[4]杨万波，王昊，叶晓飞，等.基于GPS和IC卡数据的公交出行OD推算方法[J].重庆交通大学学报（自然科学版），2015，34（03）：117-121.

[5]陈绍辉，陈艳艳，赖见辉.基于GPS与IC卡数据的公交站点匹配方法[J].公路交通科技，2012，29（05）：102-108.

[6]吴子啸，任西锋，胡静宇.基于公交GPS和IC卡数据的综合交通建模新思路[J].城市交通，2011，9（01）：47-51.