公交站点延误估算方法研究

朱宁 马健霄 钱思文 丁纯璐

摘 要：为分析公交站点延误水平，针对典型的直线式和港湾式公交站台，分别从微观和宏观角度提出两种公交站点延误估算方法。一是从微观层面分解公交停靠流程，根据公交停靠的不同阶段选取公交进出站时间、乘客上下车时间和其他延误时间作为延误参数，对实际调查数据分析得到每阶段无延误条件下的参考值，计算公交站点延误时间;二是引入公交负荷到达率来反映站点实际运营状况，分析负荷到达率与公交站点延误的关系，提出延误时间的估算模型，并确定公交负荷到达率大于20辆/h作为模型的适用范围。通过实地调查验证，结果表明：两种估算方法得到的结果与实际观测数据误差率均低于15%，基本符合实际情况，可用于对公交站点延误的估算，为优化公交站点布局，减少居民出行时间和提高出行满意度提供理论依据。

关键词：公共交通;公交站点;公交延误;站点形式;延误估算

中图分类号：U491.1    文献标识码：A   文章编号：1006-8023（2021）01-0087-08

Abstract：In order to analyze the delay level of bus stations， two bus station delay estimation methods are proposed from the micro and macro perspectives for typical linear and harbor bus stations. The first is to decompose the bus stop process at a micro level， select bus entry and exit time， passenger boarding time and other delay time as delay parameters according to the different stages of bus stop， analyze the actual survey data to obtain the reference value under the condition of no delay at each stage and calculate delay time at bus stops. The second is to introduce the bus load arrival rate to reflect the actual operation status of the station， analyze the relationship between load arrival rate and delay of the bus station， propose a delay time estimation model and determine that the bus load arrival rate is greater than 20 vehicles/h as the scope of application. Through field survey verification， the results show that the error rate between the results obtained by the two estimation methods and the actual observation data is less than 15%， which is basically in line with the actual situation， can be used to estimate the delay of the bus station and provide theoretical basis for optimizing the layout of bus stops， reducing residents travel time and improving travel satisfaction.

Keywords：Public transit; bus station; bus delay; station form; delay estimate

0 引言

近年來，随着居民出行需求的明显增长，常规公交规模也不断扩大。城市公交网络稳定性下降，导致公交可靠性减弱，容易造成新的交通瓶颈[1]。公交站点作为联系乘客与公交出行服务的纽带，是公交系统必不可少的重要环节。因此，定量分析和估算公交站点延误，正确评价公交站点运行效率和服务水平，对于优化公交站点布局，确保城市常规公交系统的稳定性和提高公交运行效率具有一定的实用价值。

在公交站点的相关研究中，国内外学者对公交站点延误产生的原因进行了探讨，并提出了站点延误的调查方法和原理[2-3]。根据延误的影响因素，研究将公交站点延误分为固态延误和动态延误[4]。固态延误主要由公交车型、公交站型和站点设置位置等造成，动态延误则是除了固态延误以外的一些由动态影响因素引起的其他延误，影响因素包括乘客流上车不连续、前车阻挡等[5]。针对固态延误因素，因为交叉口在城市路网中的重要性[6]，研究主要从公交站点设置位置出发，分析公交站点与交叉口之间的延误关系，建立不同交通流量下的交叉口上下游延误计算方法[7]，并以交叉口延误时间作为评价指标，评估交叉口的服务水平[8]，为交叉口公交站点选址提供定量分析工具[9-10]。在动态延误的研究中，由于影响因素众多，所以研究以公交站点的通行能力与停靠时间为主[11]，选取公交到达率、泊位数、公交平均排队长度和在站服务时间等参数建立公交站点延误模型[12-16]。

从国内外研究可以看出，在延误影响因素和延误改善建议等方面定性研究较多，对延误的估算一般是从公交站点整体通行能力或公交在站时间的角度出发，很少从微观层面去分析公交停靠流程。因此，本文在已有研究基础上，对公交站点延误进行定量的分析和估算，根据站点的不同形式提出两种延误估算方法，用以评价公交站点的运行效率和服务水平，为优化公交站点选址方法，减少居民出行时间和提高出行满意度提供科学依据。

2.2 调查方法

（1）调查对象。南京市5个港湾式站点：新庄广场东站、新庄广场西站、新庄广场南站、新庄广场北站、龙蟠路—岗子村站;6个直线式站点：板仓村站、板仓街—岗子村站、钟麓花园站、花园路-南林东路站、花园路中站、锁金村站。

（2）调查时段。为方便获取无延误条件下的数据，所以调查时间选在白天的平峰时段（9：30—17：30）。

（3）调查论述。将调查站点按照站台形式和设置位置分类，通过视频采集等手段收集公交进出站时间、乘客上下车时间和驾驶员反应时间等延误数据。

（4）调查原则。站点选择在坡度平缓路段且区域内交通流顺畅;排除公交始发站和终点站;为了便于视频采集与现场观测，尽量选择晴朗天气。

2.3 延误参数分析

公交车辆进出站的停靠过程可分为3阶段：进站减速阶段、乘客上下车阶段和出站加速阶段。因此，主要选取公交进出站时间和乘客上下车时间作为延误参数，额外考虑司机反应时间和开闭车门时间等折损时间，并选择直线式和港湾式公交站点作为研究对象。

2.3.1 公交进出站时间

公交进出站时间主要受道路交通流量、站台设置形式和尺寸、车辆型号和性能等因素影响[17]。选取3个不同设置位置的站点，记录车辆进出站时间，见表1。

由表1可知，设置位置不同的3个站台，其进出站时间均集中在4～9 s，因此可认为公交进出站时间与公交站点设置位置关系微弱。

在平峰时段对11个站点进行实地调查，得到无延误时段下的调查数据共335组（港湾式停靠站进出站数据185组，直线式停靠站数据150组），可以得到无延误畅行条件下两种站型的进出站加减速时间分布，如图1和图2所示。

从图1和图2可以看出，两种站点形式下的加减速时间分布基本沿中轴线上下偏移，且偏移幅度小。因此认为进出站时间分布差异小，可取无延误条件下有效数据的平均值作为公交进出站时间参考值，无延误条件下公交站点的平均加减速时间见表2。

2.3.2 乘客上下车时间

乘客的上下车时间与乘客年龄、乘客数量和付费方式等因素有关，与站型设置无关[18]。在平峰时段对站点进行实地调查，筛除因不连续乘客流、二次停靠和车内拥挤等影响因素产生的无效数据，统计乘客上车时间数据62组，下车时间数据49组，得到乘客无延误上下车时间分布，如图3所示。

从图3可以看出无延误条件下的乘客上下车数量与上下车时间大致呈简单线性分布，乘客上下车平均时间差异不大，因此分别采用一元线性回归、二次项回归模型对乘客数量和乘客上下车时间进行拟合，相关性检验结果见表3，数据拟合如图4所示。

在對公交站点的研究中，公交到达率只是表示公交车辆到站频率的指标，反映了公交站点的需求强度，但并不能了解该站点的实际运营状况和服务水平。因此引入公交负荷到达率，能更客观地反映站点的实际供需条件。

可以考虑通过公交负荷到达率与公交在站延误时间进行拟合分析，得出关系模型。

3.2 数据调查

因为工作日的居民出行更加频繁且具有一定规律性，公交车在站延误情况较多，相较于周末的数据更具有典型性和代表性。为保证建立模型符合公交站点的实际运营状况，需要足够多的延误数据样本，所以选择周一到周五的高峰时段（7：00—9：30）对11个公交停靠站进行调查。因为花园路—南林东路站、花园路中站乘客不多，数据不太符合要求，所以文章使用了5个港湾式停靠站和4个直线式停靠站的数据各79组。

3.3 港湾式公交站点延误

整理相关数据，分析公交负荷到达率与延误时间的内在联系。采用3种回归模型进行拟合，相关性检验结果见表4。比较R2和F两项参数，3种情况的拟合性R2均在0.9以上，拟合效果较好，其中幂函数F要高于其他两项。

5 估算方法对比

微观延误估算方法从微观角度出发，剖析公交车辆停靠流程，估算结果较符合实际。但分析公交在站延误时很难做到全面充分，未考虑站点泊位数、社会车辆等影响因素;延误参数的精确度需要大量的样本数据做支撑，在实际计算过程中非常不便。微观延误估算方法适用于交通流量不大且样本数据有限的站点延误计算。

负荷到达率估算方法通过公交负荷到达率与延误时间的关系模型进行延误分析，计算方便，无需考虑众多延误影响因素，就可估计公交站点的运营状况和延误水平。但负荷到达率估算方法不适用于公交负荷到达率小于20辆/h的公交站点，对交通需求强度大的站点把握较好。

6 结束语

本文在分析公交站点延误影响因素的基础上，根据延误调查方式和估算原理，分解微观公交停靠流程，确定了延误分析参数。针对不同站型的公交站点分别提出两种延误估算方法，并使用实例验证证明了方法的可行性，为公交站点选址方法的优化提供了理论基础和定量分析方法。但公交站点研究是个很广泛的课题，研究成果还有许多不足，后续将更全面考虑公交站点的延误因素，对公交站点的道路设置形式、通行能力和社会车辆造成的延误影响等做深入研究，获取更多样本数据，以期更具有实用性和一般规律性。

【参 考 文 献】

[1]Transportation Research Board. Highway capacity manual 2010[M]. Washington， D. C.： National Research Council， 2010.

[2]BIAN B M， ZHU N， LING S， et al. Bus service time estimation model for a curbside bus stop[J]. Transportation Research Part C： Emerging Technologies， 2015， 57： 103-121.

[3]洪涛.交通延误调查方法改进研究[D].南京：南京林业大学，2018.

HONG T. Study on improvement of traffic delay investigation methods[D]. Nanjing： Nanjing Forestry University， 2018.

[4]王江兰.常规公交站点停靠延误影响因素分析[D].西安：长安大学，2014.

WANG J L. Analysis on factors affecting delay on regular bus stop[D]. Xian： Changan University， 2014.

[5]黄宇，张庆.基于排队论的公交进站影响分析[J].交通运输系统工程与信息，2011，11（S1）：68-73.

HUANG Y， ZHANG Q. Analysis of the influence to the buses entering stops based on queuing theory[J]. Journal of Transportation Systems Engineering and Information Technology， 2011， 11（S1）： 68-73.

[6]沈玲宏，赵顗，张梦凡，等.小型平立复合式交叉口交通设计及适用性[J].物流工程与管理，2020，42（4）：133-136.

SHEN L H， ZHAO Y， ZHANG M F， et al. Study on the design and applicability of small flat-standing composite intersection[J]. Logistics Engineering and Management， 2020， 42（4）： 133-136.

[7]梁士棟，赵淑芝，马明辉，等.路段直线式公交站点对公交车延误的影响[J].吉林大学学报（工学版），2016，46（6）：1807-1817.

LIANG S D， ZHAO S Z， MA M H， et al. Impacts of linear bus stop on bus delays[J]. Journal of Jilin University （Engineering and Technology Edition）， 2016， 46（6）： 1807-1817.

[8]那娜，谢春丽.基于延误的哈尔滨平面信号交叉口服务水平评估[J].森林工程，2018，34（1）：75-79.

NA N， XIE C L. Assessment of the level of service for plane signalized intersection in Harbin based on delay[J]. Forest Engineering， 2018， 34（1）：75-79.

[9]陈红，刘玮蔚，朱宏佳，等.新型交叉口公交停靠站选址模型[J].中国公路学报，2017，30（1）：136-141.

CHEN H， LIU W W， ZHU H J， et al. New model for bus stop location in intersection[J]. China Journal of Highway and Transport， 2017， 30（1）：136-141.

[10]丁柏群，徐赫.信号交叉口公交专用道进口设站位置研究[J].森林工程，2019，35（1）：69-74.

DING B Q， XU H. Study on location of stop station on exclusive bus lane at signalized intersection entrance[J]. Forest Engineering， 2019， 35（1）： 69-74.

[11]ARHIN S， NOEL E， ANDERSON M F， et al. Optimization of transit total bus stop time models[J]. Journal of Traffic and Transportation Engineering （English Edition）， 2016， 3（2）： 146-153.

[12]HORBACHOV P， NAUMOV V， KOLII O. Estimation of the bus delay at the stopping point on the base of traffic parameters[J]. Archives of Transport， 2015， 35（3）： 15-25.

[13]刘路，毛保华，梁肖，等.考虑全过程时间的港湾式公交站能力研究[J].中国公路学报，2016，29（1）：115-119.

LIU L， MAO B H， LIANG X， et al. Study of bus bay capacity considering the whole operational time[J]. China Journal of Highway and Transport， 2016， 29（1）： 115-119.

[14]武钧，霍月英.可超车条件下公交车站点延误估算模型研究[J].武汉理工大学学报（交通科学与工程版），2014，38（3）：534-538.

WU J， HUO Y Y. Modelling bus delay at bus stop under bus overtaking maneuvers permitted[J]. Journal of Wuhan University of Technology （Transportation Science & Engineering）， 2014， 38（3）： 534-538.

[15]靳文舟，郭献超，龚隽.基于精英选择遗传算法的需求响应公交规划[J].公路工程，2020，45（2）：44-49.

JIN W Z， GUO X C，GONG J. Based on elitist selection genetic algorithm for demand responsive transit planning[J]. Highway Engineering， 2020， 45（2）：44-49.

[16]罗钿.常规公交停靠站运行效率分析与公交组合调度模型研究[D].西安：长安大学，2017.

LUO T. Investigating operational efficiency of bus stops with dynamic dispatching control[D]. Xian： Changan University， 2017.

[17]孙锋.公交站点运行效率计算及车辆停靠组织优化[D].长春：吉林大学，2013.

SUN F. Calculation of operating efficiency of bus stops and optimization for dwelling scheme of buses[D]. Changchun： Jilin University， 2013.

[18]TANG J J， YANG Y F， QI Y. A hybrid algorithm for Urban transit schedule optimization[J]. Physics A： Statistical Mechanics and its Applications， 2018， 512： 745-755.