摘要：軌道交通網絡和常規公交網絡作為公共交通系統的主要組成部分，研究乘客在兩網復合網絡上的方式選擇行為有助于提升公共交通系統的協同運營。然而，以往的研究，通常只對單個網絡出行進行研究，未考慮到出行完整性。針對此不足，基于多源數據融合、軌道與公交網絡拓撲融合，提出乘客在公共交通復合網絡上的完整出行提取方法;復雜網絡中方式選擇的本質是路徑選擇，因此在構建耦合換乘站點的公共交通復合網絡基礎上，建立5種考慮多種因素組合的多項Logit選擇模型，以分析在復合網絡中對乘客出行行為影響最顯著的因素組合;最后將模型應用于北京市某工作日的公共交通網絡及刷卡數據。研究結果表明，基于完整出行的選擇模型優于基于出行階段的選擇模型;通勤者在公共交通復合網絡上的方式選擇行為與考慮在車時間、候車時間、換乘時間、換乘次數的出行總時間及票價因素顯著相關，且出行總時間的影響更大;換乘、候車時間對通勤乘客在公共交通復合網絡中方式選擇的影響較低，通勤者更加偏好出行總時間短的路徑。研究結果可為提升軌道與公交的協同程度提供技術支持。
關鍵詞：城市交通;方式選擇;多項Logit模型;數據融合;復合網絡
0引言
隨著我國城市交通基礎設施建設進程加快，可供選擇的出行方式日益多樣化。公共交通由于其便捷、環保的優勢得到政府的大力發展。然而，大部分城市的公共交通分擔率依然較低。以通勤者為研究對象，研究公共交通組合選擇特征，為公共交通規劃提供理論依據，對提高公共交通分擔率、解決交通擁堵等問題具有重要意義[1]。城市軌道交通與常規公交是城市公共交通系統的主要組成部分，隨著兩者之間的融合發展，對乘客在公共交通系統中的選擇行為的研究已經不能單一考慮常規公交或軌道交通[2]。乘客在一次出行中可有多種方式形成多個出行階段，如公交直達、地鐵直達、公交換乘公交、公交換乘地鐵、地鐵換乘公交等，多個出行階段共同組合成一個完成出行。
目前，國內外對公交與軌道交通組合網絡的復雜特性展開了廣泛研究，但在對復合網絡中出行方式選擇的研究中，通常只考慮公交或軌道單一階段，研究僅公交方式與僅地鐵方式間的選擇特性，較少考慮公交與軌道交通的組合出行方式，忽略了出行的完整性。如楊艷妮等[3]基于效用函數理論，建立分層MNL模型，研究不同類型出行者對公交車、地鐵、出租車這3種方式的選擇偏好;Madhuwanth等[4]利用因子分析統計技術，基于個人屬性特征和出行特征研究科倫坡地區的公共汽車、軌道交通、摩托車等交通方式的選擇偏好。復合網絡中的方式選擇本質為路徑選擇，本文基于常規公交與軌道交通復合網絡上的連續出行鏈，研究通勤乘客在公共交通復合網絡中的選擇偏好。
在方式或路徑選擇模型研究中，多項Logit模型應用廣泛[5]。傳統的模型參數標定數據來源于人工調查問卷，該方法需要大量時間及勞動力，且得到的信息需要經過數字化處理才能進行后續分析。隨著公共交通數據采集技術的不斷發展，居民出行信息的收集更為便捷。很多城市的交通卡采用一卡通解決方案，為多方式公共交通的數據融合提供了數據基礎。深入挖掘交通大數據，可以更方便地獲取更真實、準確的出行信息，如Jang等[6]利用智能卡數據，研究首爾地區多種出行模式下的乘客出行特性。
此外，在軌道交通單層網絡中，無刷卡換乘使路徑選擇模型的標定無真實數據支撐，模型誤差較大，但在復合網絡中，換乘時有刷卡記錄，可配合提取完整出行方式。Nassir等[7]提出了一種基于公共交通智能卡數據識別換乘及活動的方法，研究了公共交通乘客多階段的出行模式及路徑選擇，并與傳統調查方法進行對比，結果顯示，基于智能卡數據的方法可靠性較強。
因此，本文在前人研究的基礎上，充分利用智能卡數據中的出行信息，研究出行成本對復合網絡中通勤方式選擇的影響。在融合公共交通多源數據的基礎上，提出完整出行信息的提取方法，隨后構建耦合換乘站點的復合公交網絡，并建立5種考慮多種因素組合的多項Logit模型，最后以北京市公共交通網絡及某工作日的刷卡數據為例，進行求解和分析。
1數據集
以北京市某工作日常規公交IC卡數據及軌道交通AFC數據為例進行說明。
1.1常規公交卡數據北京市常規公交車輛上均配備IC卡讀取設備，乘客通過上、下車刷卡記錄上、下車信息。初始刷卡數據包含卡號、交易時間、線路號、站點編號等字段，需經過數據預處理、匹配站點編碼表后才能應用。北京市常規公交大部分為分段計價，為減少分段數目，個別距離相近的站點被設置成同一編號，因此出現了同一站點編號對應多個站點的情況。由于這些站點距離較近，本研究在數據處理時，將該類站點合并處理。
1.2軌道交通卡數據
北京市軌道交通在進、出站處配備閘機設備，需要刷卡進出站。與公交卡數據相似，初始AFC數據同樣記錄了卡號、交易時間、站點編號等信息，應用前需先經過數據處理。
2乘客出行鏈提取方法乘客出行鏈提取的研究較多，本文在其基礎上提出一套考慮通勤修正的出行鏈提取方法，分為初步提取和通勤修正兩部分。初步提取流程如下：
(1)將同一卡號刷卡記錄按時間排序。
(2)計算同一乘客相鄰兩條記錄的時間差及換乘模式，確定換乘時間閾值。不同方式間的換乘特性不同，需要分類計算換乘時間閾值。本研究分為B-B、B-M和M-B這3種模式，將每種模式的時間差(60min)按升序排序，取累計頻率為95%[8]的時間差值為該模式的換乘時間閾值。
(3)進行換乘關系判別。若，則認為該過程為1次換乘，對應的兩條相鄰記錄屬于同一條出行中的不同出行階段;否則，認為兩條相鄰記錄屬于不同出行。常規公交乘客在下車時自主刷卡下車，為了節省下車時間，可能會出現提前刷卡的情況，需要根據通勤特性對出行鏈進行修正。若同一卡號乘客在早高峰(6:30-9:30)與晚高峰(17:00-20:00)均有出行記錄，則該乘客具有通勤特征。因此，如果同一卡號乘客在晚高峰第一個出行階段使用的出行方式與早高峰最后一個出行階段的方式相同，則認為其晚高峰的上車站點為早高峰的下車站點。
3公共交通復合網絡路徑選擇模型
3.1復合網絡構建方法
復合公共交通網絡包括城市軌道交通子網絡、常規公交子網絡和換乘站點連接層。構建多層網絡前需先應用圖論方法分別建立與真實城市軌道交通、常規公交站點和路段對應的節點和線段，進而構建城市軌道交通子網絡和常規公交子網絡。現有文獻[9]表明，城市軌道交通站點步行接駁距離為770m，因此在軌道交通站點與其770m范圍內的公交站點間建立虛擬換乘鏈接，利用虛擬換乘鏈接將城市軌道交通網絡與常規公交網絡組合成復合公共交通網絡。
3.2有效路徑集
建立合理的有效路徑集是構建選擇模型的關鍵，有效路徑的多少影響著路徑選擇概率的大小。K短路算法是常用的路徑搜索算法，本文應用基于深度優先的K短路算法[10]進行路徑搜索。通過路徑搜索算法獲得的K條路徑中可能存在一些不合理的路徑，需要設置時間閾值對其進行有效性判別。由于多層網絡的復雜特性，合理選擇時間閾值對提高路徑選擇模型的精度十分重要。本文在Cheon等[11]研究的基礎上，選擇OD間累積擬選擇概率為85%的路徑集為有效路徑集。
4實例分析
以北京市城市軌道交通及常規公交線網為例，選取某工作日的刷卡數據進行計算分析。出行鏈提取后的結果。復合網絡中出行方式組合類型較多，若要研究全部組合類型難度較大。由出行鏈提取結果可知，公交(B)、地鐵(M)、公交-公交(B-B)、公交-地鐵(B-M)、地鐵-公交(M-B)這5種模式的數據占比高達97%。因此，本文僅對卡記錄中不同方式換乘數小于2次的早高峰通勤出行進行研究，即研究對象為B、M、B-B、B-M、M-B這5種情況下的通勤乘客。
選取10個體現多種方式組合的典型OD對進行模型參數標定，由于提取后的OD對總數較多，本研究以海淀區為例進行標定，10對OD的具體說明標定前需先進行共線性檢驗，通過計算方差膨脹因子(VIF)檢驗共線程度，一般當VIF大于10時認為模型存在嚴重共線性。5種模型中僅模型1中單方式出行時間與票價存在嚴重共線性，剔除共線性自變量后的標定結果。
計算模型的校正(Adjusted)，校正可以抵消樣本數量對的影響，能夠更精確地反映模型的擬合程度，其值越大，模型擬合程度越好。標定結果表明，種模型中，模型4>模型3>模型模型2>模型，模型的擬合程度最好，表明在公共交通的方式選擇研究中，以完整出行鏈為研究對象、以整體出行成本為自變量的模型，優于以出行階段為研究對象、以不同方式的成本為自變量的模型。模型中系數顯著性均在0.01的水平下，說明考慮在車時間、候車時間、換乘時間、換乘次數的出行總時間及票價因素顯著影響乘客的方式選擇概率。出行時間與票價系數均為正，表明在OD間其他路徑成本不變的情況下，增加某路徑的出行時間和票價會增大該路徑的廣義出行成本，從而減小乘客選擇該路徑的概率。
模型與模型中換乘候車項系數均無顯著性，說明乘客在公共交通復合網絡的方式選擇中，與換乘候車的時間相比，更加重視出行的總時間。模型的擬合程度好于模型，說明換乘次數顯著影響乘客在復合公交網絡中的方式選擇，兩種模型中出行總時間系數的顯著性均高于票價系數，說明與票價相比，高峰時期通勤乘客更注重總時間的長短。模型中軌道交通出行總時間的系數沒有顯著性，這表明某一出行階段的出行時間并不是影響乘客在復合網絡中選擇的主要因素。選取兩個典型OD對模型4進行驗證。模型平均絕對差值不足5%，說明其擬合效果較好。
5結論
本文通過比較構建的5種考慮多種因素組合的多項Logit模型，得到的主要結論如下：
(1)基于完整出行的選擇模型擬合效果優于基于出行階段的模型。
(2)考慮在車時間、候車時間、換乘時間、換乘次數的出行總時間及票價因素顯著影響復合網絡中公共交通通勤乘客的方式選擇行為，且出行總時間的影響更大，提升公共交通運輸效率會顯著提高通勤乘客的選擇概率。在OD間其他方式成本不變的情況下，增加某方式的出行時間和票價會增大該方式的廣義出行成本，從而減小乘客選擇該方式的概率。
(3)與換乘+候車時間相比，出行總時間及票價對通勤乘客在復合公交網絡中的方式選擇行為影響更顯著。研究結果可為提升軌道與公交的協同程度提供技術支持，從而提升公共交通吸引力。本文僅考慮軌道交通與常規公交兩種典型的公共交通方式，未來將加入快速公交、共享單車、出租車等其他類型的交通方式，完善交通大數據集，深入探索多層網絡中方式選擇的特征。
參考文獻
[1]劉敏何小洲劉超平.居民通勤出行方式選擇行為研究[Z].上海:2017110.LIUM,HEXZ,LIUCP.Studyonresidents'commutingmodechoicebehavior[Z].Shanghai,2017.]
[2]彭飛宋國華朱珊.城市公共交通常乘客通勤出行提取方法[J].交通運輸系統工程與信息.2021,21(2):158165.PENGF,SONGGH,ZHUS.AMethodforExtractingCommutingTripsofFrequentPassengersinUrbanPublicTransportation[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(2):158165.
[3]楊艷妮席與焜申媛菲等.大數據驅動的公共交通系統出行方式選擇特性研究[J].交通運輸系統工程與信息,2019,19(1):6975.YANGYN,XIYK,SHENYF,etal.TravelModeChoiceModelingandAnalysisforPublicTransportationSystem:ABigDatadrivenApproach[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2019,19(1):6975.
[4]MADHUWANTHIRAM,etal.FactorsInfluencingtoTravelBehavioronTransportModeChoice[J].InternationalJournalofAffectiveEngineering,2015,15(2):6372.
[5]倪少權楊皓男彭強.基于乘客路徑選擇的多制式軌道交通客流分配[J].交通運輸系統工程與信息,2021,21(1):108115.NISQ,YANGHN,PENGQ.PassengerFlowDistributionofRegionalMultistandardRailTransitBasedonPassengerRouteSelection[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2021,21(1):108115.
相關閱讀
