基于大数据分析的城市公交线网优化决策支持研究——以南宁市仙葫西片区为例

刘勇，邓曙光

（1.南宁市建筑规划设计集团，广西 南宁 530002；2.南宁师范大学 地理科学与规划学院，广西 南宁 530001）

近年来，出行大数据分析为更高标准的城市公交线网优化提供了有效手段。2017年，胡永恺的研究表明，基于手机信令的大数据分析能够建立轨道交通个人出行活动及群体出行特征分析，从而达到应用交通出行大数据对轨道交通乘客组织诱导的目的。2019年，贾曼月的研究显示，手机信令定位数据结合传统广义出行费用的优势出行距离，可用于中小城市公交线网规划，节约规划成本。本文结合既有研究之相关成果，以实际案例为基础，着眼于公共交通出行特征把控，为城市片区公交线路优化提供决策支持。旨在以南宁市多元大数据为基础建立居民出行特征及公交出行指标计算系统模型，并以南宁市仙葫西片区为例，探究该系统在城市公交线路优化决策中可起到的重要支持作用。

数据预处理、异常值检测、识别出行链、指标计算及功能区OD五个模块。模块的层层递进形成了居民出行特征精准把控的结果。

1.1.1 数据预处理模块

该模块的主要功能是基于数据去重，删除无效数据及不可靠数据来获取有效可靠的手机信令数据。该模块的流程包括：（1）读取原始数据基础数据。（2）数据去重，将原始数据中用户ID与时间记录相同的数据删除、合并去重。（3）筛选有效数据，根据数据上传频率，筛选数据上传频率在[10，90]分位的数据，作为有效数据的基础。（4）删除不可靠数据，查找所有单用户记录中断超过60 min以上的用户出行记录，标记为不可靠数据进行删除。

1.1.2 异常值检测模块

该模块是系统的核心模块，主要功能是针对手机信令数据通信误差产生的乒乓效应及通信误差产生的异常离散值进行检测，并通过异常值修复算法，纠正异常值，获取高精确度的手机信令数据。该模块主要步骤为：

步骤1：将用户数据根据时间分割成连续的数据组成的片段。

步骤2：先对所有数据做以下处理：若出现ABA，且两个A间隔不超过60 s，将B设为A【category3】。

步骤3：对每个片段进行以下处理：

（1）将所有数据status设为unstable。（2）将连续3个坐标相同的数据定义为stable。（3）若片段中不存在stable的数据，则将片段中所有数据的坐标设为片段中出现次数最多的坐标【category2】。（4）若片段中存在stable的数据，做以下处理：将满足以下条件的unstable数据设为之前最近的stable数据，若片段起始数据为unstable，则设为之后最近的stable数据【category1】：1）如果AB的网格间距小于等于3（3×250=0.75公里）。2）如果大于3且abs（网格间距）×250/time（s）＞20 m/s；

对所有数据做以下处理，将属于ABA模式的数据，如果[两个A相隔小于10分钟的数据]或[两个A相隔大于等于10 min且小于20 min，并且abs{dis(A-B)≤3}],全部设为A【category3】。

1.1.3 识别出行链模块

该模块的主要功能为消除异常数据、合并疑似停留点、识别最终停留点、提取单用户的完整出行链，主要步骤为：（1）标记停留时间大于20 min的点为疑似停留点。（2）合并疑似停留点，主要方法为遍历所有疑似停留点，删选间距小于5个单位并且出现时间间隔小于30 min的停留点合并为第个停留点。

1.1.4 指标计算模块

该模块主要用于计算居民出行特征指标，包括居民出行时间、距离、出行方式、空间等指标。具体流程包括：（1）判断指标识别用户职住地；（2）基于1个月数据计算全市用户的平均出行关键指标；（3）以原始移动用户数据为基础，根据占比例进行扩样，得到全市出行数据。

1.1.5 功能区OD识别模块

根据以上处理，根据出行特征识别南宁市出行空间特征。模型可视化结果如图1、图2所示。

图1 南宁市中心城区常住人口分布图（每个网格250 m×250 m）

图2 南宁市居民出行空间分布

出行指标计算模型包括四个模块，将基于多元大数据得出片区公交出行指标。

1.2.1 功能区OD识别模块

用于识别功能区OD数据，步骤为：（1）读取线路文件中线路信息。（2）读取站点文件中站点信息。（3）读取轨迹文件中车辆轨迹信息。（4）读取交易文件中刷卡扫码信息。

1.2.2 数据处理模块

该模块的主要功能是针对上一步骤得出的线路数据、站点数据、轨迹数据、交易数据分别进行数据处理，删除冗余数据，清除时间错误数据，属性结构化。得到合理可信公共交通数据。

1.2.3 数据融合模块

该模块是系统的核心模块。主要融合线路、站点、轨迹、交易数据，形成完整的单次交易的上下站点信息，步骤为：（1）分离车辆轨迹数据：根据线路编号、运行方向和车辆编号，得到各线路下不同方向各车辆的轨迹点序列，轨迹点按照时间排序。（2）融合线路和站点数据：根据线路编号和方向，生成各线路不同方向的站点序列，序列中的站点值包含站点经纬度坐标。（3）融合交易、轨迹和线路站点数据：以线路编号为key，分别提取此线路编号下的交易数据，根据交易数据时间和车辆编号检索时间最邻近的车辆轨迹点，以轨迹点为基准，查找距离轨迹点最近的站点，以此生成交易数据的上车站点信息。

1.2.4 指标计算模块

该模块主要用于计算下车站点、站点客流及线路客流等，具体步骤为：（1）计算下车站点：以交易卡号为key，按照日期生成当日的刷卡序列，对序列当中的记录，如某次交易距离上次交易时间在[5，40]分钟区间内，则以此次交易的上车站点为基准，查找上次交易线路方向上距离此基准站点最近的站点，作为上一次交易的下车站点，并根据车辆轨迹点记录，得到上次交易的下车时间。（2）计算站点客流：以线路站点名称为key，根据补充上下车站点的交易数据，统计各站点以日/小时为单位的上车人次及下车人次，得到各站点客流数据。（3）计算线路客流：以线路名称为key，根据补充后的交易数据，统计各线路以日/小时/15分钟为单位的上、下车人次，得到各线路客流数据。

上述基于手机信数据的居民出行特征及公交出行指标模型用于片区公交线网优化决策的支持中，从而精准把握片区职住分布、居民出行特征及片区公交运行现状，更便捷清晰地优化公交线网。本研究以南宁市仙葫西片区为例，分析居民出行特征、职住特征、公交供需水平特征及公交线网优化建议。

仙葫西片区位于南宁市青秀区那安快速路、凤岭南路、仙葫大道、蓉茉大道合围区域，用地规划现状主要以居住为主，已基本建成，有部分民房建筑。仙葫西片区公共交通接驳方式以常规公共交通为主，穿过仙葫西片区的公交线路共有12条，主要布设于仙葫大道上，无始发终到线路，如表1及图3所示。距离仙葫西片区最近的轨道交通站点为南宁市轨道交通1号线埌东客运站，距离约2 km，位于轨道交通接驳范围内。

表1 仙葫西片区现状公交线路分布情况

图3 南宁市仙葫西片区位置及现状公交分布

将研究数据分为工作日及非工作日。在工作日，仙葫西片区公交客流总规模为167 393人次/天，其中到达客流为83 724人次/天；离开客流为83 669人次/天，高峰期分布于7：00～8：00、17：00～18：00。非工作日，仙葫西片区客流总规模为181 092人次/天，其中到达客流为90 967人次/天；离开客流为90 124人次/天，无显著高峰。

到达、离开仙葫西片区的公交客流主要分布于周边的凤岭片、龙岗片、仙葫片等区域。分具体位置来看，民族大道沿线在仙葫西片区到发客流分布上占比最多，达到36%，其次为凤岭区域，占比24%。整体来看，仙葫西片区出行空间分布以向西、向南出行为主，如图4所示。

图4 工作日仙葫西片区公交客流空间分布

根据仙葫西片区职住分布及现状公交线网分布，目前片区公交线路主要分布在对外联系的主要通道，各通道的线路服务可以满足现状公交出行需求，但片区内部支路线路覆盖不足，未覆盖部分住宅小区及民房。仙葫西片区现状公交线路分布情况如表2所示。

表2 仙葫西片区现状公交线路分布情况

2.4.1 需求响应的线网优化

研究发现，仙葫西片区工作日呈显著的出行高峰，为典型的通勤出行需求集中点，且往来民族大道沿线的客流需求大，因此建议开行沿民族大道方向的早晚高峰线路，同时增加往五象新区总部基地方向的公交快线，以补充总部基地方向快速通勤需求，同时往民族大道方向线路宜设置为8～9 km内，并削减至朝阳中心的长距离线路，达到合理灵活运用公交运力的目的。

2.4.2 轨道接驳建议

仙葫西片区轨道交通接驳线路情况如表3所示。作为城市远距离公共交通的骨架，轨道交通在公共交通中的地位不可或缺。虽然该片区未直接接入轨道交通，但位于轨道交通1号线的服务范围，需考虑合理布设轨道交通接驳。建议增设一条接驳微循环线路，以增加埌东客运站的服务覆盖，并作为缺少公交覆盖地点的公交服务补充。

表3 仙葫西片区轨道交通接驳线路情况

2.4.3 公交走廊调配建议

仙葫西片区现状公交线路主要分布在对外联系的干路上，建议调配仙葫大道公交运力，设短距离接驳公交覆盖通福路、军堂路、宏达路等支路；线路服务到丽景花园、凤岭天空、路桥花园西侧民房等小区，增加天池山区域服务线路。

本次的城市公交线路优化决策支持研究以相关研究为基础，结合南宁市实际交通特征，建立用于分析城市居民出行特征及公交出行指标的大数据模型，具有范围广、精度高的特点，有效节省交通规划成本。并以南宁市仙葫西片区为例，介绍模型在城市公交线网规划中的具体应用，可为与南宁规模类似城市的公交线网规划设计及研究提供参考。同时该模型仍有结合更多数据源以进一步提升精确度的空间，有待进行更多的相关研究。