摘要：軌道交通網(wǎng)絡(luò)和常規(guī)公交網(wǎng)絡(luò)作為公共交通系統(tǒng)的主要組成部分，研究乘客在兩網(wǎng)復(fù)合網(wǎng)絡(luò)上的方式選擇行為有助于提升公共交通系統(tǒng)的協(xié)同運(yùn)營(yíng)。然而，以往的研究，通常只對(duì)單個(gè)網(wǎng)絡(luò)出行進(jìn)行研究，未考慮到出行完整性。針對(duì)此不足，基于多源數(shù)據(jù)融合、軌道與公交網(wǎng)絡(luò)拓?fù)淙诤希岢龀丝驮诠步煌◤?fù)合網(wǎng)絡(luò)上的完整出行提取方法;復(fù)雜網(wǎng)絡(luò)中方式選擇的本質(zhì)是路徑選擇，因此在構(gòu)建耦合換乘站點(diǎn)的公共交通復(fù)合網(wǎng)絡(luò)基礎(chǔ)上，建立5種考慮多種因素組合的多項(xiàng)Logit選擇模型，以分析在復(fù)合網(wǎng)絡(luò)中對(duì)乘客出行行為影響最顯著的因素組合;最后將模型應(yīng)用于北京市某工作日的公共交通網(wǎng)絡(luò)及刷卡數(shù)據(jù)。研究結(jié)果表明，基于完整出行的選擇模型優(yōu)于基于出行階段的選擇模型;通勤者在公共交通復(fù)合網(wǎng)絡(luò)上的方式選擇行為與考慮在車(chē)時(shí)間、候車(chē)時(shí)間、換乘時(shí)間、換乘次數(shù)的出行總時(shí)間及票價(jià)因素顯著相關(guān)，且出行總時(shí)間的影響更大;換乘、候車(chē)時(shí)間對(duì)通勤乘客在公共交通復(fù)合網(wǎng)絡(luò)中方式選擇的影響較低，通勤者更加偏好出行總時(shí)間短的路徑。研究結(jié)果可為提升軌道與公交的協(xié)同程度提供技術(shù)支持。
關(guān)鍵詞：城市交通;方式選擇;多項(xiàng)Logit模型;數(shù)據(jù)融合;復(fù)合網(wǎng)絡(luò)
0引言
隨著我國(guó)城市交通基礎(chǔ)設(shè)施建設(shè)進(jìn)程加快，可供選擇的出行方式日益多樣化。公共交通由于其便捷、環(huán)保的優(yōu)勢(shì)得到政府的大力發(fā)展。然而，大部分城市的公共交通分擔(dān)率依然較低。以通勤者為研究對(duì)象，研究公共交通組合選擇特征，為公共交通規(guī)劃提供理論依據(jù)，對(duì)提高公共交通分擔(dān)率、解決交通擁堵等問(wèn)題具有重要意義[1]。城市軌道交通與常規(guī)公交是城市公共交通系統(tǒng)的主要組成部分，隨著兩者之間的融合發(fā)展，對(duì)乘客在公共交通系統(tǒng)中的選擇行為的研究已經(jīng)不能單一考慮常規(guī)公交或軌道交通[2]。乘客在一次出行中可有多種方式形成多個(gè)出行階段，如公交直達(dá)、地鐵直達(dá)、公交換乘公交、公交換乘地鐵、地鐵換乘公交等，多個(gè)出行階段共同組合成一個(gè)完成出行。
目前，國(guó)內(nèi)外對(duì)公交與軌道交通組合網(wǎng)絡(luò)的復(fù)雜特性展開(kāi)了廣泛研究，但在對(duì)復(fù)合網(wǎng)絡(luò)中出行方式選擇的研究中，通常只考慮公交或軌道單一階段，研究?jī)H公交方式與僅地鐵方式間的選擇特性，較少考慮公交與軌道交通的組合出行方式，忽略了出行的完整性。如楊艷妮等[3]基于效用函數(shù)理論，建立分層MNL模型，研究不同類(lèi)型出行者對(duì)公交車(chē)、地鐵、出租車(chē)這3種方式的選擇偏好;Madhuwanth等[4]利用因子分析統(tǒng)計(jì)技術(shù)，基于個(gè)人屬性特征和出行特征研究科倫坡地區(qū)的公共汽車(chē)、軌道交通、摩托車(chē)等交通方式的選擇偏好。復(fù)合網(wǎng)絡(luò)中的方式選擇本質(zhì)為路徑選擇，本文基于常規(guī)公交與軌道交通復(fù)合網(wǎng)絡(luò)上的連續(xù)出行鏈，研究通勤乘客在公共交通復(fù)合網(wǎng)絡(luò)中的選擇偏好。
在方式或路徑選擇模型研究中，多項(xiàng)Logit模型應(yīng)用廣泛[5]。傳統(tǒng)的模型參數(shù)標(biāo)定數(shù)據(jù)來(lái)源于人工調(diào)查問(wèn)卷，該方法需要大量時(shí)間及勞動(dòng)力，且得到的信息需要經(jīng)過(guò)數(shù)字化處理才能進(jìn)行后續(xù)分析。隨著公共交通數(shù)據(jù)采集技術(shù)的不斷發(fā)展，居民出行信息的收集更為便捷。很多城市的交通卡采用一卡通解決方案，為多方式公共交通的數(shù)據(jù)融合提供了數(shù)據(jù)基礎(chǔ)。深入挖掘交通大數(shù)據(jù)，可以更方便地獲取更真實(shí)、準(zhǔn)確的出行信息，如Jang等[6]利用智能卡數(shù)據(jù)，研究首爾地區(qū)多種出行模式下的乘客出行特性。
此外，在軌道交通單層網(wǎng)絡(luò)中，無(wú)刷卡換乘使路徑選擇模型的標(biāo)定無(wú)真實(shí)數(shù)據(jù)支撐，模型誤差較大，但在復(fù)合網(wǎng)絡(luò)中，換乘時(shí)有刷卡記錄，可配合提取完整出行方式。Nassir等[7]提出了一種基于公共交通智能卡數(shù)據(jù)識(shí)別換乘及活動(dòng)的方法，研究了公共交通乘客多階段的出行模式及路徑選擇，并與傳統(tǒng)調(diào)查方法進(jìn)行對(duì)比，結(jié)果顯示，基于智能卡數(shù)據(jù)的方法可靠性較強(qiáng)。
因此，本文在前人研究的基礎(chǔ)上，充分利用智能卡數(shù)據(jù)中的出行信息，研究出行成本對(duì)復(fù)合網(wǎng)絡(luò)中通勤方式選擇的影響。在融合公共交通多源數(shù)據(jù)的基礎(chǔ)上，提出完整出行信息的提取方法，隨后構(gòu)建耦合換乘站點(diǎn)的復(fù)合公交網(wǎng)絡(luò)，并建立5種考慮多種因素組合的多項(xiàng)Logit模型，最后以北京市公共交通網(wǎng)絡(luò)及某工作日的刷卡數(shù)據(jù)為例，進(jìn)行求解和分析。
1數(shù)據(jù)集
以北京市某工作日常規(guī)公交IC卡數(shù)據(jù)及軌道交通AFC數(shù)據(jù)為例進(jìn)行說(shuō)明。
1.1常規(guī)公交卡數(shù)據(jù)北京市常規(guī)公交車(chē)輛上均配備IC卡讀取設(shè)備，乘客通過(guò)上、下車(chē)刷卡記錄上、下車(chē)信息。初始刷卡數(shù)據(jù)包含卡號(hào)、交易時(shí)間、線(xiàn)路號(hào)、站點(diǎn)編號(hào)等字段，需經(jīng)過(guò)數(shù)據(jù)預(yù)處理、匹配站點(diǎn)編碼表后才能應(yīng)用。北京市常規(guī)公交大部分為分段計(jì)價(jià)，為減少分段數(shù)目，個(gè)別距離相近的站點(diǎn)被設(shè)置成同一編號(hào)，因此出現(xiàn)了同一站點(diǎn)編號(hào)對(duì)應(yīng)多個(gè)站點(diǎn)的情況。由于這些站點(diǎn)距離較近，本研究在數(shù)據(jù)處理時(shí)，將該類(lèi)站點(diǎn)合并處理。
1.2軌道交通卡數(shù)據(jù)
北京市軌道交通在進(jìn)、出站處配備閘機(jī)設(shè)備，需要刷卡進(jìn)出站。與公交卡數(shù)據(jù)相似，初始AFC數(shù)據(jù)同樣記錄了卡號(hào)、交易時(shí)間、站點(diǎn)編號(hào)等信息，應(yīng)用前需先經(jīng)過(guò)數(shù)據(jù)處理。
2乘客出行鏈提取方法乘客出行鏈提取的研究較多，本文在其基礎(chǔ)上提出一套考慮通勤修正的出行鏈提取方法，分為初步提取和通勤修正兩部分。初步提取流程如下：
(1)將同一卡號(hào)刷卡記錄按時(shí)間排序。
(2)計(jì)算同一乘客相鄰兩條記錄的時(shí)間差及換乘模式，確定換乘時(shí)間閾值。不同方式間的換乘特性不同，需要分類(lèi)計(jì)算換乘時(shí)間閾值。本研究分為B-B、B-M和M-B這3種模式，將每種模式的時(shí)間差(60min)按升序排序，取累計(jì)頻率為95%[8]的時(shí)間差值為該模式的換乘時(shí)間閾值。
(3)進(jìn)行換乘關(guān)系判別。若，則認(rèn)為該過(guò)程為1次換乘，對(duì)應(yīng)的兩條相鄰記錄屬于同一條出行中的不同出行階段;否則，認(rèn)為兩條相鄰記錄屬于不同出行。常規(guī)公交乘客在下車(chē)時(shí)自主刷卡下車(chē)，為了節(jié)省下車(chē)時(shí)間，可能會(huì)出現(xiàn)提前刷卡的情況，需要根據(jù)通勤特性對(duì)出行鏈進(jìn)行修正。若同一卡號(hào)乘客在早高峰(6:30-9:30)與晚高峰(17:00-20:00)均有出行記錄，則該乘客具有通勤特征。因此，如果同一卡號(hào)乘客在晚高峰第一個(gè)出行階段使用的出行方式與早高峰最后一個(gè)出行階段的方式相同，則認(rèn)為其晚高峰的上車(chē)站點(diǎn)為早高峰的下車(chē)站點(diǎn)。
3公共交通復(fù)合網(wǎng)絡(luò)路徑選擇模型
3.1復(fù)合網(wǎng)絡(luò)構(gòu)建方法
復(fù)合公共交通網(wǎng)絡(luò)包括城市軌道交通子網(wǎng)絡(luò)、常規(guī)公交子網(wǎng)絡(luò)和換乘站點(diǎn)連接層。構(gòu)建多層網(wǎng)絡(luò)前需先應(yīng)用圖論方法分別建立與真實(shí)城市軌道交通、常規(guī)公交站點(diǎn)和路段對(duì)應(yīng)的節(jié)點(diǎn)和線(xiàn)段，進(jìn)而構(gòu)建城市軌道交通子網(wǎng)絡(luò)和常規(guī)公交子網(wǎng)絡(luò)。現(xiàn)有文獻(xiàn)[9]表明，城市軌道交通站點(diǎn)步行接駁距離為770m，因此在軌道交通站點(diǎn)與其770m范圍內(nèi)的公交站點(diǎn)間建立虛擬換乘鏈接，利用虛擬換乘鏈接將城市軌道交通網(wǎng)絡(luò)與常規(guī)公交網(wǎng)絡(luò)組合成復(fù)合公共交通網(wǎng)絡(luò)。
3.2有效路徑集
建立合理的有效路徑集是構(gòu)建選擇模型的關(guān)鍵，有效路徑的多少影響著路徑選擇概率的大小。K短路算法是常用的路徑搜索算法，本文應(yīng)用基于深度優(yōu)先的K短路算法[10]進(jìn)行路徑搜索。通過(guò)路徑搜索算法獲得的K條路徑中可能存在一些不合理的路徑，需要設(shè)置時(shí)間閾值對(duì)其進(jìn)行有效性判別。由于多層網(wǎng)絡(luò)的復(fù)雜特性，合理選擇時(shí)間閾值對(duì)提高路徑選擇模型的精度十分重要。本文在Cheon等[11]研究的基礎(chǔ)上，選擇OD間累積擬選擇概率為85%的路徑集為有效路徑集。
4實(shí)例分析
以北京市城市軌道交通及常規(guī)公交線(xiàn)網(wǎng)為例，選取某工作日的刷卡數(shù)據(jù)進(jìn)行計(jì)算分析。出行鏈提取后的結(jié)果。復(fù)合網(wǎng)絡(luò)中出行方式組合類(lèi)型較多，若要研究全部組合類(lèi)型難度較大。由出行鏈提取結(jié)果可知，公交(B)、地鐵(M)、公交-公交(B-B)、公交-地鐵(B-M)、地鐵-公交(M-B)這5種模式的數(shù)據(jù)占比高達(dá)97%。因此，本文僅對(duì)卡記錄中不同方式換乘數(shù)小于2次的早高峰通勤出行進(jìn)行研究，即研究對(duì)象為B、M、B-B、B-M、M-B這5種情況下的通勤乘客。
選取10個(gè)體現(xiàn)多種方式組合的典型OD對(duì)進(jìn)行模型參數(shù)標(biāo)定，由于提取后的OD對(duì)總數(shù)較多，本研究以海淀區(qū)為例進(jìn)行標(biāo)定，10對(duì)OD的具體說(shuō)明標(biāo)定前需先進(jìn)行共線(xiàn)性檢驗(yàn)，通過(guò)計(jì)算方差膨脹因子(VIF)檢驗(yàn)共線(xiàn)程度，一般當(dāng)VIF大于10時(shí)認(rèn)為模型存在嚴(yán)重共線(xiàn)性。5種模型中僅模型1中單方式出行時(shí)間與票價(jià)存在嚴(yán)重共線(xiàn)性，剔除共線(xiàn)性自變量后的標(biāo)定結(jié)果。
計(jì)算模型的校正(Adjusted)，校正可以抵消樣本數(shù)量對(duì)的影響，能夠更精確地反映模型的擬合程度，其值越大，模型擬合程度越好。標(biāo)定結(jié)果表明，種模型中，模型4>模型3>模型模型2>模型，模型的擬合程度最好，表明在公共交通的方式選擇研究中，以完整出行鏈為研究對(duì)象、以整體出行成本為自變量的模型，優(yōu)于以出行階段為研究對(duì)象、以不同方式的成本為自變量的模型。模型中系數(shù)顯著性均在0.01的水平下，說(shuō)明考慮在車(chē)時(shí)間、候車(chē)時(shí)間、換乘時(shí)間、換乘次數(shù)的出行總時(shí)間及票價(jià)因素顯著影響乘客的方式選擇概率。出行時(shí)間與票價(jià)系數(shù)均為正，表明在OD間其他路徑成本不變的情況下，增加某路徑的出行時(shí)間和票價(jià)會(huì)增大該路徑的廣義出行成本，從而減小乘客選擇該路徑的概率。
模型與模型中換乘候車(chē)項(xiàng)系數(shù)均無(wú)顯著性，說(shuō)明乘客在公共交通復(fù)合網(wǎng)絡(luò)的方式選擇中，與換乘候車(chē)的時(shí)間相比，更加重視出行的總時(shí)間。模型的擬合程度好于模型，說(shuō)明換乘次數(shù)顯著影響乘客在復(fù)合公交網(wǎng)絡(luò)中的方式選擇，兩種模型中出行總時(shí)間系數(shù)的顯著性均高于票價(jià)系數(shù)，說(shuō)明與票價(jià)相比，高峰時(shí)期通勤乘客更注重總時(shí)間的長(zhǎng)短。模型中軌道交通出行總時(shí)間的系數(shù)沒(méi)有顯著性，這表明某一出行階段的出行時(shí)間并不是影響乘客在復(fù)合網(wǎng)絡(luò)中選擇的主要因素。選取兩個(gè)典型OD對(duì)模型4進(jìn)行驗(yàn)證。模型平均絕對(duì)差值不足5%，說(shuō)明其擬合效果較好。
5結(jié)論
本文通過(guò)比較構(gòu)建的5種考慮多種因素組合的多項(xiàng)Logit模型，得到的主要結(jié)論如下：
(1)基于完整出行的選擇模型擬合效果優(yōu)于基于出行階段的模型。
(2)考慮在車(chē)時(shí)間、候車(chē)時(shí)間、換乘時(shí)間、換乘次數(shù)的出行總時(shí)間及票價(jià)因素顯著影響復(fù)合網(wǎng)絡(luò)中公共交通通勤乘客的方式選擇行為，且出行總時(shí)間的影響更大，提升公共交通運(yùn)輸效率會(huì)顯著提高通勤乘客的選擇概率。在OD間其他方式成本不變的情況下，增加某方式的出行時(shí)間和票價(jià)會(huì)增大該方式的廣義出行成本，從而減小乘客選擇該方式的概率。
(3)與換乘+候車(chē)時(shí)間相比，出行總時(shí)間及票價(jià)對(duì)通勤乘客在復(fù)合公交網(wǎng)絡(luò)中的方式選擇行為影響更顯著。研究結(jié)果可為提升軌道與公交的協(xié)同程度提供技術(shù)支持，從而提升公共交通吸引力。本文僅考慮軌道交通與常規(guī)公交兩種典型的公共交通方式，未來(lái)將加入快速公交、共享單車(chē)、出租車(chē)等其他類(lèi)型的交通方式，完善交通大數(shù)據(jù)集，深入探索多層網(wǎng)絡(luò)中方式選擇的特征。
參考文獻(xiàn)
[1]劉敏何小洲劉超平.居民通勤出行方式選擇行為研究[Z].上海:2017110.LIUM,HEXZ,LIUCP.Studyonresidents'commutingmodechoicebehavior[Z].Shanghai,2017.]
[2]彭飛宋國(guó)華朱珊.城市公共交通常乘客通勤出行提取方法[J].交通運(yùn)輸系統(tǒng)工程與信息.2021,21(2):158165.PENGF,SONGGH,ZHUS.AMethodforExtractingCommutingTripsofFrequentPassengersinUrbanPublicTransportation[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(2):158165.
[3]楊艷妮席與焜申媛菲等.大數(shù)據(jù)驅(qū)動(dòng)的公共交通系統(tǒng)出行方式選擇特性研究[J].交通運(yùn)輸系統(tǒng)工程與信息,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]倪少權(quán)楊皓男彭強(qiáng).基于乘客路徑選擇的多制式軌道交通客流分配[J].交通運(yùn)輸系統(tǒng)工程與信息,2021,21(1):108115.NISQ,YANGHN,PENGQ.PassengerFlowDistributionofRegionalMultistandardRailTransitBasedonPassengerRouteSelection[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(1):108115.
相關(guān)閱讀
