广州公交客流特征及优化对策分析

于洁涵 陈欢 冯川 邹祥莉

摘要：公交客流特征分析对于促进公交高效运营和优化公交线网规划至关重要，本文利用实际运营数据对广州公交客流特征进行分析，主要包括行程时间、出行换乘、非直线系数、运营均衡系数四个方面，结果显示：广州公交整体运行时间相对稳定;单次出行平均乘车次数在1.16～1.26之间;部分线路区段非直线系数较高，最高为2.74;公交运营不均衡性在站点、线路、早晚高峰均存在，最后针对线路非直线系数较高与运营不均衡情况，提出广州公交运营优化建议。

Abstract： The analysis of bus passenger flow characteristics is essential for promoting efficient bus operation and optimizing bus network planning. the passenger flow characteristics of Guangzhou bus was analyzed from four aspects of travel time， transfer， the nonlinear coefficient of a bus route， operation equalization and site accessibility in this paper. The results show： the bus operation time is relatively stable overall; the average transfer is between 1.16 and 1.26; the non-linear coefficient of some line's segments is high and the highest reaches 2.74; operational non-equalization exists in stations， lines， and peaks in the morning and evening. Finally， in view of higher non-linear coefficient and non-equalization， the bus operation optimization proposal is proposed for Guangzhou.

关键词：公共交通;客流特征;非直线系数;运营均衡系数

Key words： public transportation;passenger flow characteristics;non-linear coefficient;operational equalization coefficient

中图分类号：U491.17                                    文献标识码：A                                  文章编号：1006-4311（2019）31-0030-04

0  引言

城市公共交通客流特征情况一直受到交通领域内的关注，交通信息化为客流分析提供了多源数据渠道，交通行业管理与服务的发展也对数据分析挖掘提出了更高要求。对于公交特征分析指标以及优化分析方面，杨晓光等探讨了公交运行服务质量评价的系统边界，提出以价值、能耗与信息为基本维度的评价公交运行服务质量的三位体系架构[1];韦清波等提出以公交拥堵指数、拥挤指数、舒适性指数以及可靠性指数为核心的广州市公交运行服务评价指标体系，并通过实例分析表明该指标组合能够比较敏感地、从不同角度反映公交线网的实际运行状态[2];肖婵对西安市公交服务质量发展现状和服务质量评价指标进行探讨，选取安全性、方便性、经济型、迅速性、准时性、舒适性6个方面12项指标进行研究[3]。本文综合以往研究中采用的公交运行评价指标，结合广州市公交实际，选用行程时间、出行换乘、非直线系数、运营均衡系数四类建立广州市公交客流特征分析指标体系，并进行详细数据分析，为广州市公交运营优化提供参考依据。

广州自2013年12月获批启动国家“公交都市”城市公共交通智能化应用示范工程，2018年12月该项目顺利通过国家“公交都市”验收，历经5年的建设，广州市公共交通取得了飞速发展，据统计[4]，2018年全市公共交通月均客运量4.96亿人次、日均客运量1628.92万人次，常规公交日均客运量627.42万人次、常规公交客运量占比38.54%，目前拥有新能源公交车1.5万多辆，公交线路1200多条，调度中心10个，并且，围绕公交行业政府监管、企业生产、公众出行三方需求，建立了覆盖全面、功能强大、服务便捷、管理有效的公交智能化综合管理与服务体系。为进一步提高广州市公交管理和服务水平，对公交客流特征进行分析具有重要的实际意义。

1  公交客流特征分析指标体系

为了多维度立体分析广州公交服务情况，考虑到行程时间、出行换乘、非直线系数、运营均衡系数是影响公交服务的四个主要方面，因此从这四個方面选择具有代表性的指标建立公交客流特征分析指标体系，如表1所示。

2  广州公交客流特征分析

结合所提出的公交客流特征分析指标体系，利用广州市某一月公交一卡通数据、车辆定位数据及车辆进出站点数据，结合时间和空间两个因素推导判断乘客搭乘公交行为，进而分析得到乘客公交出行链数据。由于行程时间、出行换乘、非直线系数与公众的出行距离有关，相邻站点的各项指标均会呈现较好表现，但不能反映实际情况。因此为了使统计结果更具针对性，统计的数据为出行距离为10个站距及以上，月度OD对客流量为1000人次以上。

2.1 行程时间分析

根据客流推导结果，统计各个OD对之间的行程时间，使用标准差作为行程时间稳定性表征量，得到公交OD对行程时间稳定性分析结果，表2所示为公交OD对行程时间高稳定性前20排名。

从表中可以看出，总体上广州公交稳定性系数变化幅度低于不同OD对的行程时间，整体运行时间相对稳定。表中存在部分OD对行程时间较长，但稳定性也较高，如棠溪站-军体院站，行程时间均值为34.63分钟，在表中行程时间排名第17名，但稳定性排名第3名。

2.2 出行换乘分析

根据公交客流OD分析直达情况，得到图1所示客流直达率，月平均直达率为81.43%，该项指标反映广州公交运行服务直达率较高。同时从图上也可发现，直达率存在明显的周期性规律，工作日直达率高于周末，在周日时候直达率最低，整体直达率处于78～84%。

单次出行平均乘车次数是除了直达率外，另一个可以有效描述公交直达服务情况的指标，结合直达率与乘车次数看，公交直达率与单次出行平均乘车次数呈此消彼长趋势。从数值上看，广州的单次出行平均乘车次数在1.16～1.26之间，该项指标反映同样广州的公交直达服务效果较好，大部分公交出行都可以直达完成。

2.3 非直线系数分析

非直线系数是从线路角度反映运输供给情况，一般非直线系数研究多基于单条线路开展，课题组提出从OD对的维度分析行驶路线的非直线系数。作为大中城市，轨道交通作为客运的主要骨干，承担大部分的长远距离运输，公交则定位为相对短距离运输以及接驳运输。面向广州此类大中城市公交出行需求，线路的布设除了满足起终点外非直线系数规范外，也需要考虑中途客流需求，因此研究增加OD对维度非直线系数评价，表3所示是部分公交OD对之间行车路线非直线系数。

表3数据显示，例举的OD对之间的行驶线路迂回程度较高，例如线路975的鹅掌坦站-地铁三元里（C2出口）站非直线系数为2.74，理论上推算该OD对上的乘客可能需要多行驶1.74倍路程，这不利于提升公交出行效率。另外，不难发现表中序号1与8都是属于线路975的站点，序号3、7与9属于线路813，在同一条线路中存在多处绕行对于长站距乘客而言，需要在车上花费更多的时间。根据表中同样也可以发现地铁接驳专线非直线系数较高，由于接驳专项定位为社区微循环线路，因此非直线系数不作为此类线路衡量指标。

2.4 运营均衡性分析

从时间、站点、线路维度对运营均衡性进行评价，均衡系数越接近1，则表示两组对象之间客流趋于平衡，否则认为客流具有明显方向性。时间维度主要对比早晚高峰时段客流均衡性，其中早高峰时段为早上7：00-9：00，晚高峰时段为17：00-19：00。站点维度针对站点与其对向站点客流量对比评价，而线路维度则通过上下行线路的客流来评价，时间维度反映的是客流的时间方向性，站点维度和线路维度反映了客流的空间方向性。

表4所示为同一公交站点的早晚高峰客流均衡系数，其中左侧（序号1-10）是早高峰客流大于晚高峰的情况，右侧（序号11-20）是晚高峰客流大于早高峰的情况。可以发现，同一站点早高峰的不均衡性比晚高峰更突出，最高均衡系数达到了12.76。同一站点客流在时间上的不均衡性可以作为差异发班的辅助依据，将车辆资源投放到需要将强运输供给的服务线路及节点，灵活性提高公交服务水平。

表5所示为互为对向公交站点的早晚高峰客流均衡系数，同样可以看出，早高峰的不均衡性比晚高峰突出，互为对向站点的客流量相差近15倍。另外，表左侧的山村站、石围塘站以及电视塔站其对向车站也在表右侧出现，这三组站点的客流说明站点具有时空方向性，即在早高峰该站点客流大，对向站点客流小，而在晚高峰则对向站点客流大，该站点客流小。公交出行链上的时空方向性反映的是客流的职住空间关系，针对此类具有职住时空特性的出行，特别是通勤出行，公交运输供给具有可优化空间。

图2显示同一线路同一行向在时间上也存在不均衡现象，其中39路下行早高峰客流是晚高峰客流的8.62倍，早高峰的不均衡性较晚高峰更突出。综合两个图可以发现，例举的20条行向不均衡线路中，18路、461路、78路、427路、396路、924路、132路、45路、B19路这9条线路的上行或下行早高峰客流高出晚高峰3倍以上，而对向线路在晚高峰时期客流也明顯高于本方向，此类线路具有明显的时空方向属性，一般认为是由通勤出行造成的现象，利用线路的客流的不均衡性，可以为行车计划提供量化分析依据。

图3反映的是早高峰与晚高峰时期，线路的上行与下行客流量的不均衡现象，从均衡系数可以看到，行向的不均衡性仍然以早高峰更突出。结合早高峰、晚高峰分析，不论是早高峰还是晚高峰17路公交的上行客流都比下行客流多得多，若该线路上下行运行车次一致，则下行可能存在测量资源浪费，或者上行车辆车内客流拥挤，上行车辆公众搭乘体验有待提升。

3  广州公交服务优化对策

利用公交乘车行为数据评价公交服务情况是对主观满意度评价的有效补充，经过数据分析结果显示：广州公交整体运行时间稳定，大部分出行可以利用公交直达完成，部分线路存在站点OD对非直线系数较高情况以及公交运营不均衡性明显，针对非直线系数较高与运营不均衡提出两点优化建议。

①非直线系数过高优化。对于一般线路而言，非直线系数过高可能导致乘客花费更多的时间，公交运行的效率受到影响降低，对此建议从全局公交线网出发，采取“截弯取直”的方式进行线路优化;如果存在多条线路在同一片区出现非直线系数过高的情况，则建议采用两条过绕线路起点、终点交叉互换的方式或者采用线路拆分的方式，即将一条过绕线路拆分成两条较直线路的方式来降低非直线系数，提高公交运行速率。需要特别说明的是，并非所有的非直线系数过高都需要被优化，例如微循环线路采用“截弯取直”后不经过客源区域，一方面乘客搭乘不方便，另一方面也降低了企业收益。

②运营不均衡优化，运营均衡性主要描述了客流在时间空间上的分布特征，通常采用截短线路及减少停靠站点来使得运输资源与客流需求相匹配。在大数据等新一代信息技术深度应用的情况下，本文提出根据客流的分布特征来设计运输资源分配机制，对于广州这类大城市而言，大部分公交线路的资源与客流是相匹配适应的，且部分线路客流需求略高于线路车辆资源配置。对于少数的明显运营不均衡的线路，建议设置差异化公交发班机制与最低公交服务标准发班频次，在客流需求高的时间或者线路方向部署更多的运输资源，在客流需求低的时间或者线路方向，在满足最低服务标准前提下适当降低发班频次，提升企业运营效益与道路使用效率。除了发班机制外，新技术的发展促进定制公交与响应式公交成为现实，同时也成为匹配客流需求的有效办法。

4  结论与展望

本文构建了公交客流特征分析指标体系，应用公交乘车数据和车辆运行位置数据，从行程时间、出行换乘、非直线系数、运营均衡性四个方面分析了广州公交客流特征，数据表明广州公交稳定性系数变化幅度低于不同OD对的行程时间，整体运行时间相对稳定;公交平均直达率为78～84%，单次出行乘车次数在1.16～1.26之间，公众的大部分公交出行都能直达;部分线路OD对之间非直线系数过高，公交运营存在不均衡现象。

本文以公交乘车数据为数据基础分析公交服务，是对以往问卷调查法的补充，丰富了公交运行服务评价内涵。轨道交通是城市客运的主要承载体，乘客常常不是单纯的依靠公交或者地铁出行，后续应融合公众搭乘轨道交通有关数据综合型评价城市的公共交通服务，在全局网络的下开展公共运输供给评价及优化，以公交运输协同轨道交通发展的原则提高城市的公共交通服务水平。

参考文献：

[1]杨晓光，安健，刘好德，騰靖，张栋.公交运行服务质量评价指标体系探讨[J].交通运输系统工程与信息，2010，10（4）：13-21.

[2]韦清波，杨敬锋，陈昶佳，郑喜双.广州市公交运行服务评价指标体系研究[J].交通运输研究，2016，2（5）：17-23.

[3]肖婵.西安市常规公交服务质量与可靠性评价研究[D].长安大学，2015.

[4]数据来源于广州市交通运输局.广州交通运输月报〔2018〕.http：//www.gzjt.gov.cn/gzjt/jtzt_sjkf_jtysyb/list_2.shtml.