南京地铁乘客刷卡特征分析

徐建国徐 晔徐钟全

（1.南京地下铁道运营有限责任公司，南京 210008；2.北京全路通信信号研究设计院集团有限公司，北京 100070）

南京地铁乘客刷卡特征分析

徐建国1徐 晔1徐钟全2

（1.南京地下铁道运营有限责任公司，南京 210008；2.北京全路通信信号研究设计院集团有限公司，北京 100070）

乘客出行矩阵指乘客在地铁起点车站和终点车站间乘坐路径的汇总，是交通规划及运营管理的重要基础数据。利用南京地铁AFC系统中一卡通交易记录建立乘坐路径矩阵，以本站进出这一行为作为切入点，统计一周之内本站进出发生的次数、逗留时间等指标，从行为学上对其进行深入分析，并将其分为主观故意和客观被迫两种，分别提出应对措施，为地铁运营管理及票务政策制定提供依据。

乘坐路径；AFC系统；本站进出；运营管理；票务政策

1 概述

南京地铁是服务于南京市内各地区的城市轨道交通，截至2016年1月，南京地铁有6条线路、121座车站，线路总长225.4 km，日均客流量超过225万人次［1］。乘客乘坐地铁会产生一条涵盖起点车站和终点车站的路径，将所有路径汇总成乘客出行矩阵，反映了基本的交通需求［2］，也是地铁建设和运营管理的重要基础数据。

传统交通方式的乘客出行矩阵获取需要进行人工调查，耗费大量的人力、物力和财力，且调查的频率和样本空间都受到制约［3］。2005年开通之初，南京地铁就推广了自动售检票系统（Automatic Fare Collection，AFC）。乘客只要乘坐地铁，就会在后台数据库中产生一条包含起点和终点的出行路径。本文以乘坐路径中起点等于终点，即本站进出作为切入点，对这些出行路径数据加以分析和利用，为运营管理和票务政策制定提供依据。

2 数据统计

本文选取的卡种为所有非免费卡种，包括学生票、成人记名卡、成人不记名卡、市民卡、市民卡1、市民卡2、敬老卡7种类型。涵盖2015年1月12日至1月16日所有进站车站等于出站车站的交易。

2.1日期统计

2015年1月12日至16日，总共发生本站进出交易21 498次，其中1月12日发生4 123次，占比19.18%；1月13日发生4 048次，占比18.83%；1 月14日发生3 976次，占比18.49%；1月15日发生4 284次，占比19.93%；1月16日发生5 067次，占比23.57%，统计结果如图1所示。

图1　本站进出每日发生次数统计

2.2车站统计

在本次统计数据中，发生本站进出的车站有88个，具体车站号为1至88，涵盖目前南京地铁所有运营车站。表1列出了发生本站进出次数最多的20个车站，其中1号线10个，2号线9个（新街口重复计算），1号线南延线2个。排名前三分别为南京站、新街口站、南京南站，均为客流大站，其中南京站发生5 368次，占比24.97%，新街口站发生1 451次，占比6.75%，南京南站发生758次，占比3.53%。

表1　各车站本站进出次数统计

2.3卡片发生次数统计

1月12日至1月16日，发生本站进出的卡片总共有19 986张，次数最多为5天发生10次，共有2张卡片，发生9次的卡片有4张，发生8次的卡片有2张，发生7次的卡片有3张，发生6次的卡片4张，发生5次的卡片28张，发生4次的卡片55张，发生3次的卡片109张，发生2次的卡片915张，发生1次的卡片18 864张，统计结果如图2所示。

图2　本站进出卡片发生次数占比

2.4逗留时间统计

逗留时间：出站时间减去进站时间即为逗留时间。

异常逗留时间：实验表明，乘客刷卡进站至刷卡出站用时最少为5 s，可在南京站、马群站等双站厅车站实现。因此，对于逗留时间小于5 s或者超过系统规定最大逗留时间（5 h）的交易认定为系统异常导致。

未乘坐地铁逗留时间：目前，南京地铁站间距最短为上海路至新街口，为745 m，列车运行时间为1 min 5 s。乘客若进站后乘坐地铁，再返回进站车站刷卡出站，最短时间约为5 min。因此，对于逗留时间在5 s到5 min之内的交易，均认为乘客进站后没有乘坐地铁。

根据以上针对本站进出逗留时间的分析，将其分为以下5类：

1）逗留时间≥5 h或者逗留时间≤5 s，即异常逗留时间；

2）5 s＜逗留时间≤5 min，即未乘坐地铁逗留时间；

3）5 min＜逗留时间≤30 min，即短时间逗留；

4）30 min＜逗留时间≤60 min，即中短时间逗留；

5）60 min＜逗留时间≤5 h，即长时间逗留。

根据以上分类，1月12日至1月16日，发生本站进出共21 498次，分类1）有248次，占比1.15%；分类2）有11 489次，占比53.44%；分类3）有4 458次，占比20.74%；分类4）有2 881次，占比13.4%；分类5）有2 422次，占比11.27%。如图3所示，观察图形，发现发生本站进出的乘客，乘坐地铁和未乘坐地铁的比例相近，约为50%。

图3　本站进出各逗留时间占比

3 数据分析

3.1行为学分析

公共交通最大的目的就是将乘客安全舒适的送达目的地，从A点进站后从A点出站，在理论上来说对于乘客是没有意义的，南京地铁每天有将近4 000笔本站进出的交易，是本文研究的重点。

从行为学上分析，乘客之所以会刷本站进出，无外乎两种情况：一是主观上知道本站进出对自身的意义，人为故意刷卡；二是主观上不知道本站进出对自身的意义，或者知道但是客观上被迫刷卡。

南京地铁的票务政策规定本站进出按最低费率2元计价，当乘客知道本站进出需要扣费，且对自己毫无意义时，必然不会频繁的进行本站进出。另外，乘客本站进出，意味着乘客并不是真的需要乘坐地铁，而是由于某种原因（换乘标识不清晰）误入付费区，因此，逗留时间也不会太长。

本文紧紧抓住本站进出发生的次数多少，逗留的时间长短两个关键点，对这两种行为进行分类，如下：

主观故意：一是1月12日至16日发生本站进出的次数较多（取大于1次），二是逗留时间较长（取大于5 min）。

客观被迫：一是1月12日至16日发生本站进出的次数较少（取1次），二是逗留时间较短（取5 min）。

根据上述对主观故意和客观被迫的定义，统计出1月12日至16日乘客主观故意发生本站进出的次数，为11 161次，占比51.92%，发生客观被迫本站进出的次数为10 337次，占比48.08%，如图4所示。

图4　本站进出主观-客观占比

3.2原因分析

3.2.1客观被迫

分析3.1中定义的客观被迫刷本站进出的交易，发现前三名为：南京站有4 247笔，新街口站569笔，南京南站562笔，这三个站总占比超过50%，其中南京站就占比40%。通过现场调研，发现在南京站有很多乘客刷本站进出，是需要借用地铁通道穿越铁路南京站南北广场。新街口、南京南站乘客刷本站进出，是由于客流大、车站大，换乘以及出口标识不清晰，导致乘客误刷本站进出。

3.2.2主观故意

通过多方调研，结合互联网获取大量信息，结果表明，乘客主观故意刷本站进出，原因是乘客需要消费地铁，且票价超过本站进出的票价（目前为最低票价2元）。主要有以下几类人群：1）行乞。2）收报纸。3）送货。4）逃票。

其中前三类人群都是从A点进站，乘坐地铁满足自己的需求后，返回A点出站。第四类逃票人群需要重点关注，如图5所示，乘客在A点刷卡进站后，立即刷卡出站，但是本人并没有真正出站，而是乘坐地铁到达目的地B，在B点再次刷卡进出站，两次消费1.9+1.5=3.4元，对于单程票价4元或4元以上的乘客可以节省车费。

图5　乘客逃票示意图

在1月12日至16日的统计数据中，发现了疑似乘客逃票的交易，如图6所示，乘客1月12日上午10：26在药科大学站进站（车站号为55），逗留8 s后，在药科大学站出站，11：31在玄武门站（车站号为12）进站，逗留29 s后，在玄武门站出站。而南京地铁从药科大学运行到玄武门站需要53 min，由此可以判定该乘客逃票的概率极高，且1月12日20：00到21：00之间，1月13、15日，该乘客再次刷本站进出，且进出车站都为药科大和玄武门。经计算，该乘客1月12日至16日之间疑似逃票5次，每次节省费用5.7-（1.9+ 1.5）=2.3元，共节省费用11.5元。

本次统计数据中，共发现3张疑似逃票市民卡，共发生疑似逃票行为14次，涉及金额28.4元。笔者观察统计数据后发现，有大量的交易其逗留时间在30 s之内，与图6中的逗留时间极其相似，不排除乘客使用两张市民卡，在A站使用其中一张市民卡进出站，在B站使用另外一张市民卡进出站。

图6　疑似乘客逃票交易记录

4 应对措施

上文分析了乘客刷本站进出的两种行为模式，建议从两个方面解决该问题：一是减少客观被动的发生率；二是打击主观故意的次数。

对于减少客观被动发生率，建议应对措施如下：

1）印制南京站本站进出纸票，免费提供乘客使用，以便借用地铁通道穿越火车站南北广场。

2）增加新街口、南京南站等客流大站的引导标识，必要时增加服务人员进行引导，降低乘客误刷本站进出。

对于打击主观故意发生率，建议应对措施如下：

1）从AFC系统中禁止本站进出，乘客若由于携带违禁品或者没有赶上末班车等原因需要本站进出，由站务人员分析卡片进站时间。若逗留时间在10 min之内，则免费放边门；若超过10 min，则按最高票价罚款。

2）建议IC卡公司发行实名制卡，逐步取代非实名制卡，建立联动的乘客信用档案，若证实乘客确实有逃票行为，则记入个人信用档案。

5 总结

本文以南京地铁1月12日至16日的AFC系统交易数据建立乘客出行矩阵，对进站车站等于出站车站这一特殊行为进行了数据统计，包括发生时间、发生次数、逗留时间等，通过对这些数据的分析，以期为轨道交通管理及客流疏导提供支持［4］。

乘客出行矩阵在轨道交通设计和运营管理中有着重要作用，本文只是选取其中的一个方面进行研究，后期可以加强对这些数据的研究。例如，将进出站时间和列车到站时间结合研究，用到站时间减去进站时间，可以得出乘客在某个车站内的逗留时间，而逗留时间的长短可以反映一个车站的拥挤程度，寻求客流分布和行为选择规律，提高车站功能的设计水平，旨在对今后的车站设计起到一定的参考作用［5］。

［1］南京地铁.南京地铁10号线、机场线开通试运营［J］.现代城市轨道交通，2014（4）：92.

［2］刘学军，林勇，李树彬，等.智能交通中动态OD矩阵估计研究概况［J］.山东科学，2007，20（4）：52-58.

［3］刘泉叮.基于免疫遗传算法的OD矩阵反推模型与算法研究［D］.重庆大学，2010.

［4］段卫静，陈艳艳，赖见辉.北京地铁4号线客流特征分析［J］.都市快轨交通，2013，26（4）：43-46.

［5］孙继东.城市轨道交通车站乘客服务设施客流到达分布规律研究［D］.成都：西南交通大学，2014.

Origin-Destination matrix means passengers' traffi c path in metro. It’s an important basic data of traffi c planning and operation management. Through transaction records of the transportation card in AFC system， an origin-destination matrix can be established to get some indexes such as the number of times and dwell time at a station in a week. This paper analyzes phenomenon from praxiology according to subjective and objective behavior of using cards and presents countermeasures respectively， which can provide reference for operation management and ticketing policy.

passenger traffic path； AFC system； arrival and departure from a station； operation management； ticketing policy

10.3969/j.issn.1673-4440.2016.04.020

2016-02-25）