基于客流中心性的出租车综合服务区布局研究

肖 赟,李嘉鑫,程许志

(合肥大学 城市建设与交通学院,安徽 合肥 230601)

0 引 言

近年来,出租车供需匹配程度不高、占用道路资源较多、驾驶员缺乏休憩场所等问题引起了社会广泛关注。根据有关统计,大中型城市出租车空驶里程占总里程35%左右,占用道路资源为社会车辆的2.5倍。与此同时,出租车行业存在驾驶员停车、餐饮、如厕、休息“四难”问题,影响了驾驶员注意力集中度,造成了较大安全隐患。

针对以上问题,不少学者指出,出租车综合服务区布局是降低出租车空驶率、解决“四难”问题与改善交通组织的有效方法[1]。2016年国务院办公厅明确提出“城市人民政府要统筹考虑出租车综合服务区、停靠点、候客泊位等服务设施布局规划”。2021年,交通运输部在《巡游出租汽车经营服务管理规定》中提出“县级以上出租汽车行政主管部门应建设巡游出租车综合服务区、停车场、停靠点等”,并发布GB/T 39597—2020《出租车综合服务区规范》。

科学合理的布局是发挥出租车综合服务区作用的关键,需要综合考虑两个因素：一是综合服务区应当尽量布设在客流集中点,以便就近服务乘客;二是布局要考虑区域节点网络的连通性和重要度,以便用较少的服务点覆盖更多的区域。不少学者基于客流因素对综合服务区的布局开展了研究。黎冬平等[2]以乘客需求量为主要分析因素,建立了带容量限制条件下出租车服务站选址模型;蒋星[3]基于交通小区客流预测通过遗传算法结合实例提出出租车服务站的选址模型;金雷等[4]提出了基于最大覆盖的出租车停靠站选址模型;Z.QU等[5]以最小化乘客的出行成本和站点的建设成本为目标建立了站点选址模型;E.V.OCALIR等[6]基于GIS开发了出租车停靠站位置决策支持系统,建立模糊逻辑模型对99个交通小区的现有出租车站点进行评估;徐焕君[7]以客流需求与节点重要度值、节点的邻接关系和节点间距离、结合K-means聚类与GNI、DNI算法提出一种出租车停靠位置推荐算法。

然而,以上研究存在两点不足：一是缺乏基于真实运营数据的出租车客运量精准测算方法;二是因研究对象为较多为独立的部分路段,而非基于整个城市路网来考虑,对布局合理性缺乏实际数据验证。笔者通过分析出租车卫星定位数据,精准识别出租车客流规模与时空分布特征,构建客流网络的拓扑结构,根据变异系数-优劣解距离算法计算客流中心性,科学评估城市客流的连通性和重要度,并基于此提出了出租车综合服务区的布局方法。

1 研究方法

按照3步开展布局研究：一是基于大数据计算客流特征分布;二是基于优劣解距离算法计算客流中心性;三是根据客流中心性指标确定初步布局等级与方案,并基于对客流最大覆盖原则优化布局。布局方法流程见图1。

图1 布局方法流程Fig.1 Layout method flow chart

1.1 空间分布特征分析与客运量计算

1.1.1 数据处理与客流运行趟次识别

卫星定位原始数据来源于出租车调度系统,对原始数据进行筛选清洗、轨迹提取,按时间轴对空载与载客状态分别赋值为0与1,并对相邻时间段的载客状态数据求差,结果为1的表示载客趟次的起点,结果为-1的表示载客趟次的终点,结果为0的表示载客状态未发生改变,以此方法确定运行趟次。公式为：

(1)

式中：Ui+1为原始数据第i+1行载客状态赋值;Ui为原始数据第i行载客状态赋值。

1.1.2 载客系数(carrying coefficients)与客流量计算

客流量是确定出租车综合服务区等级和规模的重要依据。客流量的计算除了需要考虑运行趟次,还要结合载客系数。载客系数是出租车客运人次总数与载客趟次总数之比,反映了平均每次载客的人数。焦萍等[8]通过处理出租车轨迹数据并统计各时段出租车上客量,证实出租车载客系数具有时间非平稳性。继续深化出租车载客系数的测算方法。

1)载客系数测算：两阶段分层抽样调查[9-10]是交通调查的重要方法。将一天按所在小时分为24个时段,通过出租车视频监控系统,按不同时间段抽取一定比例的载客趟次进行抽样调查,分别测算不同时段下的载客系数。

2)客流量计算：将城市主城区划分为若干个交通小区,将所得区域间运行趟次数据根据所在时段拆分为24个单元,分别与该时段对应载客系数相乘,所得结果即为该小时内客运量。结合地理信息系统分析客运数据得到节点间客流量数据与空间分布特征。

设交通小区1集合为I(i=1,2,…,N),交通小区2集合为J(j=1,2,…,N),小区1到小区2的趟次数为aij,小区2到小区1的趟次数为aji,每个时间段的载客系数为wk(k=0,1,…,23),每个时间段的客运量为Pk(k=0,1,…,23),则：

(2)

1.2 客流复杂网络分析模型的指标计算

1.2.1 评价客流中心性指标

客流中心性指标fi一般用3个分指标衡量：度中心性(degree centrality)、紧密中心性(closness centrality)、介数中心性(betweeness centrality)。为了有效评估节点重要程度,还应引入客流强度(passenger flow intensity)指标进行计算。

1)度中心性

度中心性(Dc)表示某节点连接其他节点形成边的数量与网络中所有节点连接形成边的数量之比,度中心性越大,该节点关系越广,在客流网络中重要程度越高。度中心性归一化公式为：

(3)

式中：ki为节点i的节点度;N-1为节点i与其他节点都相连的边的数量。

2)紧密中心性

紧密中心性(Cc)表示某节点与其他节点之间的接近程度,表示该节点到网络中其他所有节点的最短距离的平均值,体现一个节点在整个结构中所处的位置。如果节点紧密中心性很高,则该节点能很快到达客流网络中其他节点。归一化公式为：

(4)

式中：dij为节点i到其余各节点的最短路径长度。

3)介数中心性

介数中心性(Bc)表示节点对整个客流网络的作用与影响能力,用一个节点出现在网络中两节点间最短路径上的频率表示。节点的介数越大,那么它在节点间的通信中所起的作用也越大。归一化公式为：

(5)

式中：σij(r)为节点i和j之间通过节点r的最短路径数量;σij为节点i和j之间最短路径数量。

4)客流强度

客流强度(Qi)是评价出租车综合服务区布局设置的关键指标。客流强度越大,说明该节点在客流网络中承受的流量越大,节点也越重要。客流强度Qi归一化公式为：

(6)

以上4个指标从单个节点和整个客流网络的角度结合,综合反映了网络中节点的重要程度,能够客观有效的评价客流中心性。

1.2.2 客流中心性的计算

1)变异系数法确定各指标权重

构建综合评价指标体系前,需要对每个指标的权重Wj进行确定,以确保指标处于同一量级。客流中心性的4个指标数值具有较大的差异性,变异系数法能够按照各项指标数据内部差异性赋予不同的权重,具有较好的适应性。客流中心性评估体系共有4个指标,4个指标的变异系数Cvj为各自的标准差Sdj与平均数Xj的比值,计算公式与归一化公式如式(7)、式(8)：

(7)

(8)

式中：Cvj为指标j的变异系数;Sdj为指标j的标准差;Xj为指标j的平均值;Wj为指标j的权重。

2)客流中心性测算方法

客流网络综合评价方法主要有灰色关联度分析法、主成分分析法和TOPSIS法[11]。其中TOPSIS法也称为优劣解距离法,在客流运输、物流选址等领域有着广泛的应用。出租车综合服务区布局需从多个目标维度进行分析,在前人研究的基础上,选用直观性、科学性较强的TOPSIS模型进行综合评价。此模型通过分析系统各项指标的最优解及最劣解,计算出每个单位各项指标实际值到理想值之间的接近度,从而选出最优解。计算步骤如下：

①构造决策矩阵。若网络中共n个节点,所有节点的指标值构成的基本决策矩阵如式(9)：

(9)

②构造权重规范化矩阵。根据变异系数法得到各指标权重矩阵Wj=[W1W2W3W4]T,将规范化矩阵A的第i列第j列Bij乘以权重Wj得到权重规范化矩阵：

Cij=Wj×Bij

(10)

③确定正负理想解。

正理想解：

(11)

负理想解：

(12)

④计算各节点指标到正负理想解的距离。

到正理想解的范围：

(13)

到负理想解的距离：

(14)

⑤计算各节点指标和理想解的接近程度。

(15)

式中：fi为客流中心性分值。

1.3 出租车综合服务区布局方法

fi为客流中心性得分,数值大小代表着该节点在客流网络结构模型中的重要程度,客流中心性强的节点对周边局部网络具有资源上的掠夺性[12],对周边交通量与资源产生吸引。

1.3.1 布局原则

1)以客流中心性fi为依据对节点进行排序,识别出租车客流关键节点,并基于对客流需求与吸引的最大覆盖原则考虑布局方案。

2)结合选址布局限制因素,根据客流强度确定出租车综合服务区的建设规模。

3)出租车综合服务区建设要求：选址应注重城市客运枢纽相衔接。服务区之间应相互协调,合理设置服务半径和功能配置,避免重复建设造成资源浪费。

4)依据出租车综合服务区规范,根据服务功能和规模大小划分为一级、二级和三级服务区。

1.3.2 布局的评价参数

以服务区客流覆盖率作为评价参数。服务覆盖率即出租车驶离服务区后一定时间能抵达的范围内出租车需求点与研究区域出租车需求点的比例,及出租车将乘客送达后一定时间内能就近进入服务区接受服务的下车点占主城区下车点的比例。覆盖率越高,说明布局点周边客流越集中、网络连通性、重要度越高,越能以最小的空驶时间与里程完成服务。

1)边缘时间(edge time)与通达能力(accessibility)的确定

为了确定合理的服务区服务范围与效应,还需要确定边缘时间、通达能力两个参数：①边缘时间是出租车在服务区体系下空驶里程的最大控制时间,应尽量短于该地区乘客平均等车时间,又要在有限时间里尽可能多的覆盖周边客流热点,具体边缘时间可根据城市规模确定;②通达能力是出租车在边缘时间内在各个方向、不同路径上可以到达最远位置点所确定的空间范围,由于出租车运行特征和城市交通量时空变化因素干扰,仅基于路网的传统交通可达性研究方法不能求解出租车在不同车流密度、堵塞程度、交通管制等条件下的实际可达空间,所以笔者基于出租车运行实时数据做通达性分析,计算方法如下：出租车的轨迹点数据包含车辆瞬时速度Vi,将某日所有出租车轨迹点与路网进行地图匹配与空间连接,将落在j路段上所有出租车轨迹点数据的瞬时速度Vi添加到路段数据中,并取平均值即为出租车在该路段上的平均行驶速度Vj,计算出租车行驶过不同路段所需的不同时间Tj。以边缘时间Ta内沿着相连所有不同路段、任意方向行驶所能到达极限距离位置LZ构成的空间,作为服务区的覆盖范围。

假设出租车在边缘时间内有Z条路径,共经过j个路段(j=1,2,…,m),每个路段上留有i个轨迹点(i=1,2,…,n)。则：

(16)

(17)

(18)

式中：Li为通过路径上j路段的长度;Tj为通过路径上j路段的时间;LZ为沿某路径总可达距离。

2)边缘服务覆盖率计算方法

设研究区域内上车点数量为M0,下车点数量为N0,服务区覆盖范围内发生量为M,吸引量为N,则出租车上车点服务覆盖率μ和出租车下车点服务覆盖率δ分别为：

(19)

(20)

2 实证分析

2.1 客流数据处理

依托黄山市出租车调度平台,采集了黄山市2021年10月共31 d共669辆出租车的原始数据。黄山是我国重点旅游城市,10月份数据有国庆长假的出租车需求高峰期,也有国庆结束后调休工作日的出行需求低谷期,以及正常工作日、休息日,涵盖了出租车出行需求随时间变化的各种情况,能够较好地体现黄山作为旅游城市的出租车运行特征。数据内容包括位置、车牌、时间、载客状况等。部分原始数据如表1。

表1 2021年10月1日某出租车原始数据Table 1 Original data of a taxi on October 1,2021

按1.1节所述方法进行数据处理,提取“起讫点位置”“行程时间”“车辆状态”等数据,获得运行趟次数据。

2.2 载客系数及客运量计算

2.2.1 载客系数计算

按24个时段分层抽取载客趟次,根据调查结果,每个时段均抽取10%处于载客状态的出租车,通过车载监控视频记录载客人次。测算不同时间段下的载客系数,如表2。

表2 不同时间段的载客系数Table 2 Passenger carrying coefficients in different time periods

2.2.2 客运量计算空间分布特征

根据出租车上客点与下客点的密度将黄山市主城区划分为45个交通小区。计算起讫点均落在各交通小区内的客流量。

依据1.1节研究方法,得到各交通小区之间的运行趟次和载客系数,将各时间段运行趟次与对应时段载客系数相乘,最终测算出各交通小区之间的出租车客运量,如表3。

其中出行量较大的交通小区为16与39之间(4 170人次)、39与44之间(3 976人次)、17与39之间(3 952人次)。

表3 2021年10月黄山市主城区各交通小区之间客运量(部分)Table 3 Passenger traffic volume between traffic communities in the main urban area of Huangshan City,in October 2021 (part)

2.3 客流中心性分析

2.3.1 客流中心性基本指标计算与归一化

使用网络分析软件Gephi对黄山市10月份客流数据展开拓扑分析,计算客流强度、度中心性、紧密中心性、介数中心性指标。拓扑结构如图2,节点大小表示总客流量、连线粗细代表客流强度大小、连线数量表示与其他节点的连接关系。

2.3.2 网络节点客流中心性综合评估

取各交通小区的重心为节点,节点编号仍给用其交通小区编号。根据式(15)计算相对接近度,即变异系数-优劣解距离法下客流中心性数值,结果大于0.3的节点评估结果如表4。

表4 客流中心性综合评估Table 4 Comprehensive assessment of passenger flow centrality

通过上述数据总结发现,45、41、39节点排在前3位,且相对接近度超过0.8,远高于其他地区是客流网络拓扑结构中的核心节点,应优先纳入较大规模出租车综合服务区布局分析。

2.4 出租车综合服务区布局分析

通过地图匹配与空间连接,将计算所得2021年10月1日—10日黄山市出租车在各路段上平均速度写入路段数据集,为了剔除黄山北站揽客出租车对区域车速的影响,不将站内车速纳入路段平均车速计算。

随后基于出租车客流需求与吸引的最大覆盖与客流中心度的计算结果进行布局。先确定边缘时间,据相关调查,出租车乘客平均等车时间为4.5 min;目前国内外基于出租车调配、巡游路径优化的相关研究中[14],多种主流方法优化后平均等待时间减少至3～7 min。综合考虑城市发展规划、用地条件、客流组织等条件后,由于黄山城市规模较小,选择3 min为边缘时间。出租车综合服务区布局方案如表5,增加或减少新服务区或调整服务范围对覆盖率影响较小。

表5 黄山市出租车综合服务区布局Table 5 Taxi integrated service area layout of Huangshan City

45节点位于徽州区的黄山北站附近,39节点位于屯溪区的黄山站附近,是黄山市客流转运的重要一环,41节点位于屯溪区主城区,是商贸、文旅产业及政府公共服务设施、高密度住宅区集中分布的区域,有着较高的出租车出行需求及客流吸引力,三者存在一定的距离,应布设较高等级的服务区。44、40、7、20、43节点可按照排序依次建设三级服务区,邻近交通枢纽的节点在布局时应尽可能满足客运枢纽的衔接要求,供出租车临时停放、休息、待客,减少出租车运行对交通秩序的干扰。出租车综合服务区功能配置如表6。

表6 出租车综合服务区功能配置Table 6 Functional configuration of taxi comprehensive service area

边缘服务覆盖率计算结果如表7,研究区域内共有上车点268 201个,覆盖率达83.21%,客流吸引量的覆盖率略低,但仍有76.70%,出租车综合服务区布局对客流覆盖程度较高,能够在解决出租车“四难”问题的同时,有效降低空驶率。

表7 边缘时间服务覆盖率Table 7 Edge time service coverage rate

3 结 语

以黄山市出租车为研究对象,通过卫星定位数据研究了出租车载客趟次的识别方法,通过抽样调查获得不同时间段的载客系数,研究了城市出租车客运量计算方法;分析了不同时空下出租车特征分布与黄山市主城区各交通小区出行联系情况,计算了客流量数据。以客流量数据为基础,分析了黄山出租车客运网络拓扑结构,基于度中心性、紧密中心性、介数中心性和客流强度4个评价指标,建立了更全面的城市客流中心性综合识别模型,提出了出租车综合服务区布局方法,有着较好的借鉴意义。下一步,可深化巡游出租车和网约出租车对出租车综合服务区的需求差异分析,进一步提升出租车综合服务区使用效率。