第40卷第7期
2012年7月
同 济 大 学 学 报(自 然 科 学 版)
JOURNAL OF TONGJI UNIVERSITY(NATURAL SCIENCE)
Vol.40 No.7
Jul.2012
文章编号:0253-374X(2012)07-1027-04 DOI:10.3969/j.issn.0253-374x.2012.07.011
收稿日期:2011-05-19
基金项目:国家自然科学基金(60974093)
第一作者:周雪梅(1968—),女,副教授,工学博士,主要研究方向为交通运输规划与管理.E-mail:zxm1007@sohu.com
通讯作者:杨熙宇(1982—),男,硕士生,主要研究方向为交通运输规划与管理.E-mail:yangxiyu001@163.com
基于IC卡信息的公交客流起止点反推
周雪梅,杨熙宇,吴晓飞
(同济大学 交通运输工程学院,上海201804)
摘要:公交客流起止点(origin-destination,OD)矩阵是公交
线路调整和优化的重要依据,通过公交IC(integrated-circuit)
卡信息获得的数据研究了公交出行的特征.以公交站点上下
客人数为约束条件提出了综合考虑了公交乘客上下车概率
与公交站点产生吸引因素的反推模型,实例
表明该方法
能显著提高反推的精度,反推结果更具可靠性.
关键 词: 公 交 IC (integrated-circuit)卡;OD (origin-
destination)反推;产生吸引系数
中图分类号:U 491 文献标识码:A
Origin-destination Matrix Estimation Method of
Public Transportaion Flow Based on Data From
Bus Integrated-circuit Cards
ZHOU Xuemei,YANG Xiyu,WU Xiaofei
(College of Transportation Engineering,Tongji University,Shanghai
201804,China)
Abstract:The origin-destination(OD)matrix is the important
data for transit line adjusting and optimizing.The public
transportation passenger’s travel behavior was researched
based on data from integrated-circuit(IC)cards.A public
transportation estimating OD matrix model was presented
from the passengers’boarding and alighting probability and
production-attraction factors of transit site, with the
constraints of the boarding and alighting passenger number.
The results of a rigorous validation with data from a real bus
route reveal that the proposed model is quite effective and
reliable.
Key words:public transport integrated-circuit cards;origin-
destination matrix;production-attraction coefficient
大力发展城市公共交通的首要问
是做好城市
公共交通规划,而公共交通规划的前提则是获取公
交客流OD(origin-destination)矩阵,根据公交客流
OD矩阵调整或优化公交线路.公交客流OD矩阵的
获取大多通过客流
调查的方法获取,这种方法
耗费大量的人力、物力和财力,并且取得的数据精度
很难控制,于是公交客流OD反推技术对于大力发
展公共交通具有一定的理论及实际意义.
公交客流 OD反推模型主要包括概率论模型、
结构优化模型、双层网络规划模型等.概率论模型是
根据大量调查统计资料建立公交乘客出行站数与概
率之间的关系模型,可通过少量的站点上下客人数
调查数据利用模型计算得到公交客流OD.结构优化
模型通过引入吸引权系数,建立各公交上下站之间
的指数分布模型.双层网络规划模型是通过设置上
下层模型和约束条件,利用遗传算法求解模型.自20
世纪70年代以来,国外的交通规划和数学规划界学
者就开始了对公交客流 OD矩阵反推问题的研究,
提出了一些反推模型和算法.Tsygalnitsky[1]最先提
出了一种较简单的算法,该法不考虑公交站点的性
质,假设乘客在各个站点下车的概率是一样的,通过
计算各个公交客流 OD对之间的吸引概率,从而计
算最终的公交客流 OD分布矩阵.Simon等[2]提出
了利用公交站点上下客人数进行公交线路OD矩阵
估算的模型并进行了数值分析.Furth等[3]的研究指
出公交线路经过的明显的大吸引区(如火车站、商业
中心)概率和一般站点概率相差很大,并通过简单明
了的模型和实例分析,找出了以往反推的精度不足
的原因.文献[4]通过居民出行目的的抽样调查分别
计算乘客在2类站点(住宅区和非住宅区站点)下车
的概率,以此为依据计算各个 OD对之间的分配概
率,最终得到各个OD对之间的出行量.
国内对公交客流OD矩阵反推方法的研究较国
外晚,公交客流 OD矩阵反推主要是基于调查数据
同 济 大 学 学 报(自 然 科 学 版) 第40卷
统计分析得来.朱从坤等[5]引入吸引权系数,提出了
由上下车人数推算单条公交线路量的结构化模型算
法.窦慧丽等[6]通过对公交出行行为特征调查分析,
研究了公交乘客出行站数的概率分布,基于公交乘
客下车概率,以公交站点上下客人数和路段客流量
为约束条件,提出了单条公交线路客流 OD矩阵的
推算方法.刘颖杰等[7]通过对公交IC(integrated-
circuit)卡信息的处理获得公交站点上下乘客人数及
对公交乘客出行特征的分析,优化了单条公交线路
站点间公交客流OD反推算法.
本文针对单条公交线路提出了基于公交IC卡
数据的公交客流 OD矩阵反推模型.反推模型综合
考虑了公交乘客下车概率与公交站点用地性质对乘
客的上下车情况的影响,以站点上下客人数为约束
条件,进行修正迭代计算给出OD推算的计算结果.
1 公交IC卡信息
公交IC卡的普及为公交客流 OD 数据的获取
提供了新的途径.公交IC卡系统记录了大量有用的
数据信息,如乘客每次刷卡信息(包括刷卡时刻、刷
卡车辆编号、刷卡金额等),但是目前公交IC刷卡记
录中只记录乘客上车站点,不记录下车站点.因此,
现有IC卡数据信息不能直观反映公交客流 OD分
布情况.
但因大部分公交乘客为通勤出行即往返程出
行,所以通常公交线路的客流是稳定的.假定公交上
下行线路客流对称,即上行线路早高峰时刻各站点
下车人数与下行线路晚高峰时刻相应站点上车人数
相接近,由此可以等同地得到各站点的下车乘客数.
2 公交出行特征分析
城市公交出行受到出行距离的影响.出行者选
择乘坐公交出行时,其出行站数主要集中在某个范
围,当乘坐到一定站数时,其在此范围内公交站下
车的概率较大;而当相对于上车站点的距离过长或
过短的公交站点,其下车的概率相对较小.
公交出行同时还受各站点周边用地性质的影
响.假设站点1,2,3对应的周边用地性质为住宅区、
商业区、行政办公区,显然基于站点1产生和吸引的
公交客流OD量大于基于站点2产生和吸引的公交
客流OD量,基于站点2产生和吸引的公交客流OD
量大于基于站点3产生和吸引的公交客流OD量.
3 模型建立及算法研究
文献[6]通过对单条公交线路的跟车调查数据
进行处理分析,绘出了从出行站数的概率趋势曲线,
经过χ
2 检验,在显著水平0.05下服从泊松分布[6].
Pij(k)=λ
ke-λ/(k!)-1
∑
m
k=1
λke-λ/k!
,k=1,2,3…,式中:Pij(k)为
乘客在站点i上车、站点j下车乘坐了k站公交的概
率;λ为乘客平均出行站数;m 为公交线路中的站点
编号.对图1所示的公交线路建立如表1所示的站
点概率矩阵.
图1 公交线路示意
Fig.1 Bus route
表1 站点概率矩阵
Tab.1 Bus site probability matrix
站点编号 1 2 3 … m-2 m-1 m ∑
1 0 P1,2(1) P1,3(2) … P1,m-2(m-3) P1,m-1(m-2) P1,m(m-1) A1
2 0 P2,3(1) … P2,m-2(m-4) P2,m-1(m-3) P2,m(m-2) A2
3 0 … P3,m-2(m-5) P3,m-1(m-4) P3,m(m-3) A3
m-2 0 Pm-2,m-1(1) Pm-2,m(2) Am-2
m-1 0 Pm-1,m(1) Am-1
m 0
令P*(k)=Pi,j(k)/Ai,Ai 为从站点i上车到
其余各站下车的总概率,对站点概率矩阵进行归一
化处理,得到归一化后的站点概率矩阵如表2.
对于公交站点来说,如果在某站点上客人数越
多,就说明该站点公交客流发生量越大;如果在某站
点下客人数越多,就说明该站点公交客流吸引量越
大.因此,可以通过各公交站点上车人数和下车人数
来定量化站点周边的用地性质.因此,定义Fi 为公
交站点i与公交站点j之间的用地性质相关系数,称
为站点产生吸引系数Fi,j.Fi,j=
TiUj
(R-L)2
,j>i
0,j≤
烅
烄
烆 i
,式
8201
第7期 周雪梅,等:基于IC卡信息的公交客流起止点反推方法
表2 归一化后的概率矩阵
Tab.2 Bus site probability matrix after convergence
站点编号 1 2 3 … m-2 m-1 m ∑
1 0 P*1,2(1) P*1,3(2) … P*1,m-2(m-3) P*1,m-1(m-2) P*1,m(m-1) 1
2 0 P*2,3(1) … P*2,m-2(m-4) P*2,m-1(m-3) P*2,m(m-2) 1
3 0 … P*3,m-2(m-5) P*3,m-1(m-4) P*3,m(m-3) 1
m-2 0 P*m-2,m-1(1) P*m-2,m(2) 1
m-1 0 P*m-1,m(1) 1
m 0
中:Ti为在公交站点i的上客人数;Uj 为在公交站
点j的下客人数;R为公交站点i到公交站点j的站
距;L为公交平均出行的距离.建立站点产生吸引系
数矩阵如表3.
表3 站点产生吸引系数矩阵
Tab.3 Bus site production-attraction coefficient matrix
站点编号 1 2 3 … m-2 m-1 m ∑
1 0 F1,2 F1,3 … F1,m-2 F1,m-1 F1,m B1
2 0 F2,3 … F2,m-2 F2,m-1 F2,m B2
3 0 … F3,m-2 F3,m-1 F3,m B3
m-2 0 Fm-2,m-1Fm-2,m Bm-2
m-1 0 Fm-1,m Bm-1
m 0
令F*=Fi,j/Bi,Bi为从站点i上车到其余各站
产生吸引的总系数,对站点概率矩阵进行归一化处
理,得到归一化后的站点概率矩阵如表4.
由此,公交站点i到公交站点j的公交客流OD
量Xij可由下式确定:Xij=Ti·P*ij(k)·F*ij,根据该
式得出的Xij可以在理论上计算出各站的上下客人
数T*i 和U*j ,T*i =∑
m
j=1
Xij =∑
m
j=1
(Ti·P*i,j(k)·
F*i,j),U*j =∑
m
i=1
Xij =∑
m
i=1
(Ti·P*i,j(k)·F*i,j).定义
站点公交客流产生修正系数θi和站点公交客流吸引
修正系数δj,θi=T*i/Ti,δj=U*j/Uj.利用修正系数
对公交客流 OD分布量进行修正,修正后的 OD分
布量X*ij =θi·δj·Xij.按照上式进行迭代计算,直
到第t次计算出的修正系数θi,t,δj,t的乘积θi,tδj,t接
近于1,满足设定的精度要求时停止迭代.此时的
Xij,t为推算出的公交客流OD分布量.
表4 归一化后的站点产生吸引系数矩阵
Tab.4 Bus site attraction coefficient matrix
after convergence
站点编号 1 2 3 … m-2 m-1 m ∑
1 0 F*1,2 F*1,3 … F*1,m-2 F*1,m-1 F*1,m 1
2 0 F*2,3 … F*2,m-2 F*2,m-1 F*2,m 1
3 0 … F*3,m-2 F*3,m-1 F*3,m 1
m-2 0 F*m-2,m-1F*m-2,m 1
m-1 0 F*m-1,m 1
m 0
4 案例应用
对江苏省江阴市K1路公交车途经的16个公交
站1d的公交IC卡数据整理,选择城市早高峰时刻
上行和对应的晚高峰时刻下行的公交IC卡数据,并
相应地进行了公交客流OD调查,如表5.乘客出行
站数概率如表6.
表5 早高峰时刻上行与晚高峰时刻下行数据
Tab.5 The counts of boarding passengers by direction in AM peak hours and the
opposite direction in PM peak hours
站点编号
上车人数/人
早高峰 晚高峰
站点编号
上车人数/人
早高峰 晚高峰
站点编号
上车人数/人
早高峰 晚高峰
站点编号
上车人数/人
早高峰 晚高峰
1 20 0 5 46 27 9 13 32 13 3 7
2 25 0 6 44 43 10 25 42 14 1 7
3 30 5 7 21 34 11 19 25 15 0 30
4 41 8 8 30 35 12 36 34 16 0 22
按前面讲述的方法计算站点概率矩阵和站点产
生吸引系数矩阵,通过 MATLAB编程迭代计算9
次后,修正系数θi,t,δj,t的乘积θi,tδj,t近似收敛于1,
并推算出公交客流OD矩阵如表7所示.
用矩阵的二范数来检验反推得到的公交客流
OD矩阵与实际调查得到的公交客流 OD 矩阵间的
误差.推算OD矩阵的二范数为‖A‖*2 =43.12,实
测OD矩阵的二范数为‖A‖2=45.27,推算OD矩
阵与实测OD矩阵的误差ε=
(‖A‖2-‖A‖*2 )
‖A‖2 =
9201
同 济 大 学 学 报(自 然 科 学 版) 第40卷
4.75%,精度较好.
表6 乘客出行站数概率
Tab.6 Passenger bus site number probability
出行站数 概率/% 出行站数 概率/% 出行站数 概率/%
1 1.4 6 8.8 11 7.1
2 2.6 7 12.2 12 4.9
3 4.3 8 14.7 13 2.5
4 7.2 9 12.4 14 1.8
5 8.1 10 10.3 15 1.1
表7 反推得到的公交客流OD矩阵
Tab.7 Estimated OD matrixes
站点
编号
站点编号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 0 4 5 9 0 0 0 0 0 0 1 0 0 0 0
2 1 2 12 6 0 2 0 0 0 0 1 0 1 0
3 1 4 16 7 0 0 0 1 0 0 0 0 1
4 2 13 20 4 0 0 0 0 0 2 0 0
5 8 7 18 6 3 2 0 0 0 0 0
6 0 9 15 9 6 3 1 0 0 0
7 2 7 8 2 1 0 1 0 0
8 4 15 7 2 0 1 1 0
9 5 4 2 1 0 1 0
10 0 22 0 0 2 1
11 3 2 2 13 11
12 1 1 8 6
13 0 3 3
14 1 0
15 0
16
5 结语
基于公交IC卡信息结合公交线路客流 OD调
查分析了公共交通出行特征,引入了公交站点产生
吸引系数,提出了反推公交客流OD的新方法,该方
法不仅可节约大量人力、物力,且准确、可靠.经过案
例分析验证,该方法精度较好.
提出的基于IC卡信息的公交客流 OD反推方
法从理论上可以推广到反推公交线网的客流OD矩
阵,但实际上由于目前网络的复杂性,可能会导致反
推过程中收敛于局部几条线路的最优值而非整个公
交网络的最优值.进一步的研究工作可以考虑在模
型中加入修正参数和制定新的收敛
来提高模型
的预测精度.
参考文献:
[1] Tsygalnitsky S.Simplied methods for transportation planning
[D].Cambridge:Department of Civil Engineering of
Massachusetts Institute of Technology,1977.
[2] Simon J,Furth P G.Generating a bus route OD matrix from on-
off data[J].Journal of Transportation Engineering,American
Society of Civil Engineers,1985,111(6):583.
[3] Furth P G,Navick D S.Bus route OD matrix generation:
Relationship between biproportional and recursive methods[J].
Transportation Research Record,2000,34:228.
[4] Li Yuwei,Cassidy J Michael.A generalized and efficiental
gorithm for estimating transit Route OD from passenger counts
[J]Transportation Research Board,Elsevier Ltd,2006,4(4):
279.
[5] 朱从坤,丁建霆,陈瑜.公交线路 OD反推的结构化模型研究
[J].哈尔滨工业大学学报,2005,37(6):852.
ZHU Congkun,DING Jiantin,CHEN Yu.Structural model of
OD matrix estimation on route public transport flow[J].Journal
of Harbin Institute of Technology,2005,37(6):852.
[6] 窦慧丽,刘好德,杨晓光,等.基于站点上下客人数的公交客流
OD反推方法研究[J].交通与计算机,2007,25(135):79.
DOU Huili,LIU Haode,YANG Xiaoguang,et al.OD matrix
estimation method of public transportation flow based on
passenger boarding and alighting [J]. Computer and
Communications,2007,25(135):79.
[7] 刘颖杰,靳文舟,康凯,等.基于IC信息和概率理论的公交OD
反推方法[J].公路与汽运,2010,15(138):31.
LIU Yingjie,JIN Wenzhou,KANG Kai,et al.Public OD matrix
estimation method based on IC information and probability
theory[J].High Ways &Automotive Applications,2010,15
(138):31.
0301