基于多元Logit模型的城市公交准时可靠性分析

曹眉舒，刘　刚，廖明军，王凯英

(1.山东高速科技发展集团有限公司，山东 济南　250031；2.福州大学土木工程学院，福建 福州　350116；3.北华大学汽车与建筑工程学院，吉林 吉林　132013；4.道路灾变防治及交通安全教育部工程研究中心，湖南 长沙　410076)



基于多元Logit模型的城市公交准时可靠性分析

曹眉舒1，刘刚2，廖明军3，4，王凯英3

(1.山东高速科技发展集团有限公司，山东 济南250031；2.福州大学土木工程学院，福建 福州350116；3.北华大学汽车与建筑工程学院，吉林 吉林132013；4.道路灾变防治及交通安全教育部工程研究中心，湖南 长沙410076)

摘要：以多维度大数据为基础，分析不同时间、不同天气条件下的公交准时可靠性.结果表明：工作日和晚高峰期间的准时比例明显低于其他时段，周六和周日午夜的准时比例明显低于工作日午夜的准时比例；利用多元Logit模型预测了公交早到、晚到和准时与环境变量、时间变量及运行特性等之间的定量关系.结果表明：公交准时性在晚高峰、线路末端和恶劣天气条件下降低.研究结果可为出行者制定出行计划提供依据，减少等待时间；同时可为管理者优化公交发车间隔，提高公交服务水平提供有效的决策支持.

关键词：公交服务可靠性；准时性；多源数据；多元Logit模型

【引用格式】曹眉舒，刘刚，廖明军，等.基于多元Logit模型的城市公交准时可靠性分析[J].北华大学学报(自然科学版)，2016，17(2)：261-265.

公交服务可靠性是评价公交服务质量的重要指标，直接关系到公共交通是否能够有效减少私人小汽车的出行.公交服务可靠性的评价指标一般包括准点率、运行时间、发车间隔和等待时间等[1].公交服务可靠性受多种外部因素和内部因素的影响，例如乘客出行需求及沿线分布、交通拥堵状况、天气情况、公交车驾驶员行为和路网规划设计等[2-3].如何准确度量各因素对公交服务可靠性的影响，不仅对决策者和管理者提高公交服务水平至关重要，而且对出行者合理安排出行时间和减少等待时间也同样重要.随着智能交通技术与数据公开共享的发展，公共交通管理部门可以获得越来越丰富的数据，如从自动乘客计数系统、自动车辆定位系统、智能卡等获得信息[4-5].而如何从丰富的多源大数据资源中获取决策支持信息，是一个具有重要意义的课题[6].Logit模型最初应用在经济领域，研究消费者行为，后来应用领域扩展到交通领域，研究人、车等行为主体的交通选择行为，其成果已广泛应用于交通政策制定、交通安全分析、交通流理论、交通规划以及交通仿真等领域[7-13].

本文以多维度数据为基础，分析不同时间、不同天气条件下的公交准时可靠性，并建立多元Logit模型，量化不同因素对公交准时可靠性的影响程度.该模型可以有效消除乘积等非线性关系，并直接利用每个变量和自变量的弹性进行解释.分析结果可以为出行者制定出行计划提供依据，减少等待时间；同时也可为管理者优化公交发车间隔，提高公交服务水平提供有效的决策支持.

1多元Logit模型

本次研究将公交准时性划分为3个离散变量：早到、晚到和准时.假设Pni和Uni分别表示公交n属于准时性类别i的概率和计算准时性的线性方程，公交n属于准时性类别i的概率可以通过下式计算：

Pni=P(Uni≥Uni′)，∀i′∈I，i′≠i，

其中：I为所有的可能集.Uni函数定义为

Uni=βixn+εni，

其中：βi为可估计变量的向量；xn为观测特征的向量；εni为不可观测的随机误差.如果假设εni服从广义极值分布，那么多元Logit模型可以衍生为

(1)

式中：向量β可以采用极大似然估计方法得出.因为解释变量并不随着准时性而变化，因此其对数结果形式为

ln(Pni/Pnl)=βixn-βlxn=(βi-βl)xn，i=1，2,…，I-1.

为了准确地检验边际效应，每个因素的概率变化也需要计算.本次研究将每个独立变量编码为0和1指示值.因此概率的拟弹性变形，也就是当指示值从0到1变化时概率变化的比例，表示为

(2)

多元Logit模型的拟弹性变形，将方程(1)代入到方程(2)：

通过似然比检验可以验证准时性模型是否在不同的影响因素间有显著的差别.检验统计量的计算公式为

X2=-2[LL(βT)-∑GLL(βg)]，

其中：LL(βT)为对数似然比；G为所有组的集合.

2数据描述分析

本次研究融合加拿大北方某城市的公交数据和天气信息数据，包括日期、时间、公交站点、线路、预定到达时间、实际到达时间、站点上车人数、站点下车人数、温度、风速、降水量、湿度、能见度等.图1为多源数据存储与融合的框架，包括1)数据存储层；2)数据挖掘与分析层；3)数据挖掘与用户交互层.由于数据文件达到几百兆之多，传统数据分析方法和处理方法难以适应百万数量级记录的处理，故采用MicrosoftSQLServer数据管理软件来存储和提取多源数据，该软件提供了标准的数据挖掘方法，例如聚集、回归、决策树等，方便海量数据的处理和分析.

2.1时域分析

从城市交通流的时空变化规律可知，公交准时性与时间有一定关系.工作日存在大量的上班、上学以及商务等各种交通出行行为，交通比较拥挤，因此工作日的公交准点率较周末低；而一天内交通变化也是不均匀的，交通量曲线呈现马鞍状，其中早、晚高峰交通拥挤，其他时间相对通畅，因此在早、晚高峰时段公共交通准点率较非高峰时间段低.为分析公交准点率，本文构造了准时性指标来反映公交准时性特征.

准时性定义为不早于3min或者晚于5min预定到达时间.公交准时可靠性的指标包括准时比例和准时性偏差.图2为天气条件为晴天时一天24h内每小时的准时比例和准时性偏差的变化趋势.图2表明：工作日和晚高峰期间的准时比例明显低于其他时段；周六和周日午夜的准时比例明显低于工作日午夜的准时比例；准时比例最大值出现在清晨，准时比例最低值出现在工作日的晚高峰.

准时性偏差的趋势与准时比例大体相同：最大的准时性偏差出现在较低准时比例的时段；早8点后准时性偏差突然增大.晚6点以后，准时性偏差开始降低，而准时比例直到早7点前一直保持较高值，此时间段正是交通拥堵形成与疏散的阶段.

2.2天气分析

类似地，天气状况(晴天、中小雪和大雪)也严重影响公共交通准点情况.图3为工作日准时比例和准时性偏差在3种天气状况下每小时的变化趋势.从图3可以看出：1)不良天气条件降低了准时比例，提高了准时性偏差，表明不良天气条件降低了公交准时可靠性；2)相同天气状况下，白天和傍晚(早8点到晚9点)的准时比例变化最为明显，准时性偏差变化在早、晚高峰最为明显；3)大雪条件下准时比例降低的幅度要比中、小雪条件下大一些，但是中、小雪导致的下午和傍晚时刻准时性偏差降低比大雪更为明显，这是因为中、小雪条件下道路更为湿滑，影响车辆行驶.

2.3空间分析

由于城市空间分布不同，开发密度、功能不同，导致交通出行和交通流呈现空间变化.该城市南部区域经济、开发密度都比北部区域程度高；中心区域经济、开发密度也都比西部和东部区域程度高.因此，经济、开发密度程度低的城市区域交通也相应较经济、开发密度程度高的区域通畅.图4为准时比例的空间分布情况.从图4可以看出：北部区域的准时比例高于南部区域，西部与东部区域的准时比例高于中心区域.

3结果分析

除了时间、天气以及空间位置等主要因素外，在构建多元Logit模型时，还要将路线长度、发车间隔以及行驶位置等公交运行特征影响因素考虑在内.文中降中、小雪和大雪主要根据降雪量进行划分，以降雪量出现概率的80%作为划分中、小雪和大雪的临界点；温度采用相对温度，即实际温度与标准温度(10 ℃)的绝对差.降雪量与温度分布见图5.

多元Logit模型的分析结果见表1.其中：P0为公交早到的概率;P1为公交晚到的概率;P2为公交准时的概率.模型表明：早高峰与晚高峰因素影响公交到达准时性.在晚高峰阶段，公交早到与晚到的概率均增加，此结果也与图2中的结果相吻合，即准时性偏差在晚高峰时非常大.在早高峰，公交早到的概率增加，

表1　多元Logit模型分析结果

晚到的概率降低.此结果表明，早高峰时刻公交准时性较高；周六与周日公交早到的概率增加，公交晚到的概率降低.公交准时性在非工作日更可靠；在中、小雪天气条件下，公交晚到的概率明显增高.同时在能见度较低的情况下，公交晚到的概率也增高；路线长度同样影响公交准时可靠性.路线越长，公交早到与晚到的概率均增加；随着公交车越来越接近路线终点，公交晚到的概率也增加；发车间隔与公交准时可靠性没有直接关系.

4结论

本文鉴别、量化了不同因素对公交准时可靠性的影响，用准时比例和准时性偏差两个指标描述和分析了不同时间和不同天气条件下的公交准时可靠性.结果表明：高峰时和不良天气对公交准时可靠性具有负影响；建立了多元Logit模型量化时间、天气和运行特性等因素对公交准时可靠性的影响.模型结果表明：公交服务准时可靠性在晚高峰、路线末端和不良天气条件下明显降低.

参考文献：

[1] 王殿海，汤月华，陈茜，等.基于GPS数据的公交站点区间行程时间可靠性影响因素[J].东南大学学报(自然科学版)，2015，45(2)：404-412.

[2] Diab E，El-Geneidy A.Variation in bus transit service：understanding the impacts of various improvement strategies on transit service reliability[J].Public Transport，2013，4(3)：209-231.

[3] 刘刚，李永树.公交网络的认知及可靠性分析[J].系统工程学报，2013，28(4)：522-528.

[4] Tribone D，Block-Schachter D，Salvucci F，etal.Automated，data-driven performance regime for operations management，planning，and control.Transportation Research Record[J].Journal of the Transportation Research Board，2014，2415：72-79.

[5] Chen X，Zhang Y，Guo J.Analyzing urban bus service reliability at the stop，route，and network levels[J].Transportation Research Part A：Policy and Practice，2009，43(8)：722-734.

[6] Mesbah M，Lin J，Currie G.“Weather” transit is reliable? Using AVL data to explore tram performance in Melbourne，Australia[J].Journal of Traffic and Transportation Engineering(English Edition)，2015，2(3)：125-135.

[7] 廖明军，王凯英，史钰莹,等.无信号路段行人过街决策行为模型[J].北华大学学报(自然科学版)，2015，16(6)：818-821.

[8] 关宏志，刘兰辉.大城市商业区停车行为调查及初步分析：以北京市西单地区为例[J].北京工业大学学报，2003，29(1)：47-50.

[9] 关宏志，刘兰辉.大城市商业区停车行为模型：以北京西单地区为例[J].土木工程学报，2003，36(1)：46-51.

[10] 姚丽亚，孙立山，关宏志.基于分层Logit模型的交通方式选择行为研究[J].武汉理工大学学报(交通科学与工程版)，2010，34(4)：738-741.

[11] 赵昕，关宏志，夏晓敬.拥挤收费条件下旅游出行方式分担率模型[J].长安大学学报(自然科学版)，2015，35(1)：106-110.

[12] Schroeder B，Rouphail N.Event-based modeling of driver yielding behavior at unsignalized crosswalks[J].Journal of Transportation Engineering，2011，137(7)：455-465.

[13] Hwang S Y，Park C H.Modeling of the gap acceptance behavior at a merging section of urban freeway[J].Proceedings of the Eastern Asia Society for Transportation Studies，2005，5：1641 -1656.

【责任编辑：郭伟】

Bus On-time Performance Evaluation Based on Multinomial Logit Model

Cao Meishu1，Liu Gang2，Liao Mingjun3，4，Wang Kaiying3

(1.ShandongHi-SpeedGroupCo.，LTD，Jinan250031，China；2.CollegeofCivilEngineeringofFuzhouUniversity，Fuzhou350116，China；3.AutomotiveandCivilEngineeringCollegeofBeihuaUniversity，Jilin132013，China；4.EngineeringResearchCenterofCatastrophicProphylaxisandTreatmentofRoad&TrafficSafetyofMinistryofEducation，ChangshaUniversityofScience&Technology，Changsha410076，China)

Abstract：Based on multi-source big data，this study first analyzed the temporal bus on-time performance under different weather conditions.The results showed that the on-time performance during weekday and peak hours was worse than it in other time periods.The on-time performance in the midnight during weekend was also worse.A multinomial logit model was developed and estimated，which relates early，late and on-time bus arrivals to environmental，temporal and operating characteristics.The model results showed that the probability of on-time failures increases during afternoon peak periods，as buses progressed further along their routes and under adverse weather conditions.An understanding of bus service reliability was necessary to help traveler make reasonable travel plan to decrease waiting time，and to develop strategies that optimize transit operation and help transit agencies provide better services.

Key words：bus service reliability；on-time performance；multi-source data；multinomial logit model

中图分类号：U121

文献标志码：A

作者简介：曹眉舒(1980-)，男，高级工程师，主要从事交通规划设计研究，E-mail：meishu_cao@163.com；通信作者：廖明军(1974-)，男，博士，副教授，主要从事道路交通规划设计研究，E-mail：mjliao@163.com.

基金项目：国家自然科学基金项目(51338008)；长沙理工大学交通运输工程及测绘科学与技术领域研究基地开放基金项目(kfj150401)；吉林市杰出青年科技引导项目(201467009).

收稿日期：2015-12-30

文章编号：1009-4822(2016)02-0261-05

DOI：10.11713/j.issn.1009-4822.2016.02.026