基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究

　　摘要：轨道交通网络和常规公交网络作为公共交通系统的主要组成部分，研究乘客在两网复合网络上的方式选择行为有助于提升公共交通系统的协同运营。然而，以往的研究，通常只对单个网络出行进行研究，未考虑到出行完整性。针对此不足，基于多源数据融合、轨道与公交网络拓扑融合，提出乘客在公共交通复合网络上的完整出行提取方法;复杂网络中方式选择的本质是路径选择，因此在构建耦合换乘站点的公共交通复合网络基础上，建立5种考虑多种因素组合的多项Logit选择模型，以分析在复合网络中对乘客出行行为影响最显著的因素组合;最后将模型应用于北京市某工作日的公共交通网络及刷卡数据。研究结果表明，基于完整出行的选择模型优于基于出行阶段的选择模型;通勤者在公共交通复合网络上的方式选择行为与考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著相关，且出行总时间的影响更大;换乘、候车时间对通勤乘客在公共交通复合网络中方式选择的影响较低，通勤者更加偏好出行总时间短的路径。研究结果可为提升轨道与公交的协同程度提供技术支持。

　　关键词：城市交通;方式选择;多项Logit模型;数据融合;复合网络

　　0引言

　　随着我国城市交通基础设施建设进程加快，可供选择的出行方式日益多样化。公共交通由于其便捷、环保的优势得到政府的大力发展。然而，大部分城市的公共交通分担率依然较低。以通勤者为研究对象，研究公共交通组合选择特征，为公共交通规划提供理论依据，对提高公共交通分担率、解决交通拥堵等问题具有重要意义[1]。城市轨道交通与常规公交是城市公共交通系统的主要组成部分，随着两者之间的融合发展，对乘客在公共交通系统中的选择行为的研究已经不能单一考虑常规公交或轨道交通[2]。乘客在一次出行中可有多种方式形成多个出行阶段，如公交直达、地铁直达、公交换乘公交、公交换乘地铁、地铁换乘公交等，多个出行阶段共同组合成一个完成出行。

　　目前，国内外对公交与轨道交通组合网络的复杂特性展开了广泛研究，但在对复合网络中出行方式选择的研究中，通常只考虑公交或轨道单一阶段，研究仅公交方式与仅地铁方式间的选择特性，较少考虑公交与轨道交通的组合出行方式，忽略了出行的完整性。如杨艳妮等[3]基于效用函数理论，建立分层MNL模型，研究不同类型出行者对公交车、地铁、出租车这3种方式的选择偏好;Madhuwanth等[4]利用因子分析统计技术，基于个人属性特征和出行特征研究科伦坡地区的公共汽车、轨道交通、摩托车等交通方式的选择偏好。复合网络中的方式选择本质为路径选择，本文基于常规公交与轨道交通复合网络上的连续出行链，研究通勤乘客在公共交通复合网络中的选择偏好。

　　在方式或路径选择模型研究中，多项Logit模型应用广泛[5]。传统的模型参数标定数据来源于人工调查问卷，该方法需要大量时间及劳动力，且得到的信息需要经过数字化处理才能进行后续分析。随着公共交通数据采集技术的不断发展，居民出行信息的收集更为便捷。很多城市的交通卡采用一卡通解决方案，为多方式公共交通的数据融合提供了数据基础。深入挖掘交通大数据，可以更方便地获取更真实、准确的出行信息，如Jang等[6]利用智能卡数据，研究首尔地区多种出行模式下的乘客出行特性。

　　此外，在轨道交通单层网络中，无刷卡换乘使路径选择模型的标定无真实数据支撑，模型误差较大，但在复合网络中，换乘时有刷卡记录，可配合提取完整出行方式。Nassir等[7]提出了一种基于公共交通智能卡数据识别换乘及活动的方法，研究了公共交通乘客多阶段的出行模式及路径选择，并与传统调查方法进行对比，结果显示，基于智能卡数据的方法可靠性较强。

　　因此，本文在前人研究的基础上，充分利用智能卡数据中的出行信息，研究出行成本对复合网络中通勤方式选择的影响。在融合公共交通多源数据的基础上，提出完整出行信息的提取方法，随后构建耦合换乘站点的复合公交网络，并建立5种考虑多种因素组合的多项Logit模型，最后以北京市公共交通网络及某工作日的刷卡数据为例，进行求解和分析。

　　1数据集

　　以北京市某工作日常规公交IC卡数据及轨道交通AFC数据为例进行说明。

　　1.1常规公交卡数据北京市常规公交车辆上均配备IC卡读取设备，乘客通过上、下车刷卡记录上、下车信息。初始刷卡数据包含卡号、交易时间、线路号、站点编号等字段，需经过数据预处理、匹配站点编码表后才能应用。北京市常规公交大部分为分段计价，为减少分段数目，个别距离相近的站点被设置成同一编号，因此出现了同一站点编号对应多个站点的情况。由于这些站点距离较近，本研究在数据处理时，将该类站点合并处理。

　　1.2轨道交通卡数据

　　北京市轨道交通在进、出站处配备闸机设备，需要刷卡进出站。与公交卡数据相似，初始AFC数据同样记录了卡号、交易时间、站点编号等信息，应用前需先经过数据处理。

　　2乘客出行链提取方法乘客出行链提取的研究较多，本文在其基础上提出一套考虑通勤修正的出行链提取方法，分为初步提取和通勤修正两部分。初步提取流程如下：

　　(1)将同一卡号刷卡记录按时间排序。

　　(2)计算同一乘客相邻两条记录的时间差及换乘模式，确定换乘时间阈值。不同方式间的换乘特性不同，需要分类计算换乘时间阈值。本研究分为B-B、B-M和M-B这3种模式，将每种模式的时间差(60min)按升序排序，取累计频率为95%[8]的时间差值为该模式的换乘时间阈值。

　　(3)进行换乘关系判别。若，则认为该过程为1次换乘，对应的两条相邻记录属于同一条出行中的不同出行阶段;否则，认为两条相邻记录属于不同出行。常规公交乘客在下车时自主刷卡下车，为了节省下车时间，可能会出现提前刷卡的情况，需要根据通勤特性对出行链进行修正。若同一卡号乘客在早高峰(6:30-9:30)与晚高峰(17:00-20:00)均有出行记录，则该乘客具有通勤特征。因此，如果同一卡号乘客在晚高峰第一个出行阶段使用的出行方式与早高峰最后一个出行阶段的方式相同，则认为其晚高峰的上车站点为早高峰的下车站点。

　　3公共交通复合网络路径选择模型

　　3.1复合网络构建方法

　　复合公共交通网络包括城市轨道交通子网络、常规公交子网络和换乘站点连接层。构建多层网络前需先应用图论方法分别建立与真实城市轨道交通、常规公交站点和路段对应的节点和线段，进而构建城市轨道交通子网络和常规公交子网络。现有文献[9]表明，城市轨道交通站点步行接驳距离为770m，因此在轨道交通站点与其770m范围内的公交站点间建立虚拟换乘链接，利用虚拟换乘链接将城市轨道交通网络与常规公交网络组合成复合公共交通网络。

　　3.2有效路径集

　　建立合理的有效路径集是构建选择模型的关键，有效路径的多少影响着路径选择概率的大小。K短路算法是常用的路径搜索算法，本文应用基于深度优先的K短路算法[10]进行路径搜索。通过路径搜索算法获得的K条路径中可能存在一些不合理的路径，需要设置时间阈值对其进行有效性判别。由于多层网络的复杂特性，合理选择时间阈值对提高路径选择模型的精度十分重要。本文在Cheon等[11]研究的基础上，选择OD间累积拟选择概率为85%的路径集为有效路径集。

　　4实例分析

　　以北京市城市轨道交通及常规公交线网为例，选取某工作日的刷卡数据进行计算分析。出行链提取后的结果。复合网络中出行方式组合类型较多，若要研究全部组合类型难度较大。由出行链提取结果可知，公交(B)、地铁(M)、公交-公交(B-B)、公交-地铁(B-M)、地铁-公交(M-B)这5种模式的数据占比高达97%。因此，本文仅对卡记录中不同方式换乘数小于2次的早高峰通勤出行进行研究，即研究对象为B、M、B-B、B-M、M-B这5种情况下的通勤乘客。

　　选取10个体现多种方式组合的典型OD对进行模型参数标定，由于提取后的OD对总数较多，本研究以海淀区为例进行标定，10对OD的具体说明标定前需先进行共线性检验，通过计算方差膨胀因子(VIF)检验共线程度，一般当VIF大于10时认为模型存在严重共线性。5种模型中仅模型1中单方式出行时间与票价存在严重共线性，剔除共线性自变量后的标定结果。

　　计算模型的校正(Adjusted)，校正可以抵消样本数量对的影响，能够更精确地反映模型的拟合程度，其值越大，模型拟合程度越好。标定结果表明，种模型中，模型4>模型3>模型模型2>模型，模型的拟合程度最好，表明在公共交通的方式选择研究中，以完整出行链为研究对象、以整体出行成本为自变量的模型，优于以出行阶段为研究对象、以不同方式的成本为自变量的模型。模型中系数显著性均在0.01的水平下，说明考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著影响乘客的方式选择概率。出行时间与票价系数均为正，表明在OD间其他路径成本不变的情况下，增加某路径的出行时间和票价会增大该路径的广义出行成本，从而减小乘客选择该路径的概率。

　　模型与模型中换乘候车项系数均无显著性，说明乘客在公共交通复合网络的方式选择中，与换乘候车的时间相比，更加重视出行的总时间。模型的拟合程度好于模型，说明换乘次数显著影响乘客在复合公交网络中的方式选择，两种模型中出行总时间系数的显著性均高于票价系数，说明与票价相比，高峰时期通勤乘客更注重总时间的长短。模型中轨道交通出行总时间的系数没有显著性，这表明某一出行阶段的出行时间并不是影响乘客在复合网络中选择的主要因素。选取两个典型OD对模型4进行验证。模型平均绝对差值不足5%，说明其拟合效果较好。

　　5结论

　　本文通过比较构建的5种考虑多种因素组合的多项Logit模型，得到的主要结论如下：

　　(1)基于完整出行的选择模型拟合效果优于基于出行阶段的模型。

　　(2)考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著影响复合网络中公共交通通勤乘客的方式选择行为，且出行总时间的影响更大，提升公共交通运输效率会显著提高通勤乘客的选择概率。在OD间其他方式成本不变的情况下，增加某方式的出行时间和票价会增大该方式的广义出行成本，从而减小乘客选择该方式的概率。

　　(3)与换乘+候车时间相比，出行总时间及票价对通勤乘客在复合公交网络中的方式选择行为影响更显著。研究结果可为提升轨道与公交的协同程度提供技术支持，从而提升公共交通吸引力。本文仅考虑轨道交通与常规公交两种典型的公共交通方式，未来将加入快速公交、共享单车、出租车等其他类型的交通方式，完善交通大数据集，深入探索多层网络中方式选择的特征。

　　参考文献

　　[1]刘敏何小洲刘超平.居民通勤出行方式选择行为研究[Z].上海:2017110.LIUM,HEXZ,LIUCP.Studyonresidents'commutingmodechoicebehavior[Z].Shanghai,2017.]

　　[2]彭飞宋国华朱珊.城市公共交通常乘客通勤出行提取方法[J].交通运输系统工程与信息.2021,21(2):158165.PENGF,SONGGH,ZHUS.AMethodforExtractingCommutingTripsofFrequentPassengersinUrbanPublicTransportation[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(2):158165.

　　[3]杨艳妮席与焜申媛菲等.大数据驱动的公共交通系统出行方式选择特性研究[J].交通运输系统工程与信息,2019,19(1):6975.YANGYN,XIYK,SHENYF,etal.TravelModeChoiceModelingandAnalysisforPublicTransportationSystem:ABigDatadrivenApproach[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2019,19(1):6975.

　　[4]MADHUWANTHIRAM,etal.FactorsInfluencingtoTravelBehavioronTransportModeChoice[J].InternationalJournalofAffectiveEngineering,2015,15(2):6372.

　　[5]倪少权杨皓男彭强.基于乘客路径选择的多制式轨道交通客流分配[J].交通运输系统工程与信息,2021,21(1):108115.NISQ,YANGHN,PENGQ.PassengerFlowDistributionofRegionalMultistandardRailTransitBasedonPassengerRouteSelection[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(1):108115.