基于公交IC卡的乘客OD矩阵的推算

孙芮

摘 要：公交數据的搜集与分析技术是公交公司进行线路优化以及运营管理的基础。传统的人工调查法工作繁琐，受到调查人员的水平、居民的配合度以及表格的回收率等因素的影响。这些不完全数据反映不了公交的出行规律，不能为线路优化提供可靠的信息。在此基础上，公交IC卡的广泛应用为数据的采集提供了可靠的手段。

关键词：公交线路；上车站点；下车站点

一.引言

随着RFID技术的普及，我国的很多城市已采取公交IC卡作为公交的收费手段。公交IC卡收费系统在运行过程中产生大量的刷卡交易数据，其数据具有采集方便、样本量大、连续记录等优点，对这些数据进行分析和挖掘，能够为城市交通系统的规划和管理提供丰富的决策信息。[1-2]不同以往的人工调查法，公交的IC卡数据包括：乘客IC卡号、刷卡日期、刷卡时间、站点号等信息。获取大规模的城市 OD 矩阵一直是交通仿真和交通运输领域的难点。传统的 OD 矩阵获取通常依靠问卷调查或 OD反推技术[3]、广义最小二乘法模型[4-5] 、双层规划[6]等方法获取 OD 矩阵。

为了提高乘客的出行体验，我国大部分城市的公交IC卡采用一票刷卡制，意味着乘客上车刷卡，下车不必刷卡，故IC卡并未记录乘客的下车刷卡记录，不方便分析乘客的起讫点信息。于是本文提出基于公交IC卡的上车刷卡记录推算线路站点的OD，进而和乘客的出行信息进行匹配。

二.推算思路

将所有的公交数据分为三类，一是通勤数据，二是一般数据（购物、走亲访友），三是随机数据（紊乱数据）。本文首先引入一种居民公交出行通勤OD推算方法，获得线路高峰时期OD矩阵。通过建立IC卡数据仓库，对数据进行预处理，按照推算方法得出当日所有以公交为出行方式的乘客出行终点，以此建立乘客初始OD矩阵，为城市公交线路的优化提供基础资料。对于无法匹配的乘客信息，归为待处理数据。具体推算步骤与流程图如下：

步骤一：建立乘客当天的刷卡信息表table1和历史刷卡信息表table2；

步骤二：判断是否一位乘客第i次与第i+1次的刷卡时间间隔，“是”视为一次出行，同时查找table2，是否有相同线路出行下游站点及附近500m辐射区的刷卡记录，“是”则此下游上车刷卡的站点即为第i次出行的终点，可确定乘客的出行OD点，计入table1，跳转步骤五；

步骤三：若，判断第i次与第i+1次刷卡时间是否属于上下班高峰期。

“是”判断是否不同向（线路相同，方向相反），“是”不同向，确定第i次出行OD，跳转步骤五。

“否”不属于上下班高峰，则由第i+1次出行判断第i次出行的终点，并且查阅table2是否有相同线路出行下游站点及附近500m辐射区的刷卡记录。“是”确定乘客出行OD，计入table1，跳转步骤五；

步骤四：上述“否”的话，信息计入待处理数据；

步骤五：判断第i+1次出行是否为最后一次出行，“否”跳转至步骤一，“是”进入步骤六；

步骤六：所有数据是否匹配完毕，“否”跳至步骤一，“是”进入步骤七；

步骤七：建立当天线路站点OD矩阵；

步骤八：结束。

注：由第i+1次出行判断第i次出行的终点与查阅table2来确定第i次出行的终点方法本质是相同的，以第i+1次上车站点为核心，搜索附近500m辐射区与第i次出行线路下游相交的站点，此站点即为第i次出行的终点，确定乘客的OD点。

待处理数据是接下来研究的重点，可通过多源数据融合与乘客信息进行交叉匹配，获得一般数据乘客的出行终点。剩余的数据可通过仿真，得到不同时刻公交系统的行车密度，分析公交车在每站停车时间长短而得到停车时间与下车人数的函数关系，加之站点周围土地利用，判断紊乱数据乘客的下车终点。

三.结束语

本文的算法可推算大规模的OD矩阵，并且可分析公交运营的特征，在实际生活中对公交的运营与管理等有着重要的参考意义与实用价值。

参考文献：

[1]. BAGCHI M， WHITE P. The potential of public transport smart card data[J].Transport Policy，2005（12）：464-474.

[2]. PELLETIER M， TREPANIER M， MORENCY C.Smart card data use in public transit： a literature review[J].Transportation Researh Part C，2011，19：557-568.

[3]. BERA S， Rao K V， Estimation of origin-destination matrix from traffic counts： the state of the art[J]. European Transport，2011，49：3-23.

[4]. 邓亚娟，陈小鸿.轨道交通客流动态OD矩阵估计方法研究[C]第三届中国同舟交通论坛.上海：同济大学出版社.2006.

[5]. Cao P，Miwa T， Yamamoto T，et al.Bilevel generalized least squares estimation of dynamic origin-destination matrix for urban network with probe vehicle data[J].Transportation Research Record： Journal of the Transportation Research Board，2013，2333（1）：66-73.

[6]. Ren Hualing.Origin-destination demands estimation in congested dynamic transit network[C].Proc of International Conference on Management Science and Engineering.[S.I.]：IEEE Press，2007：2247-2252.