多模式网络公交OD矩阵的一种推算方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇多模式网络公交OD矩阵的一种推算方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

作者简介： 张毅（1978-），男，高级工程师，博士研究生，研究方向为交通规划管理，E-mail：zhangyi@shenhua.cc

文章编号： 0258-2724（2013）03-0520-05DOI： 10.3969/j.issn.0258-2724.2013.03.020

摘要：

为了分析轨道交通对常规公交乘客选择出行方式的影响，用Dijkstra算法寻找出行时间最短的路径，在此基础上，以出行时间最短作为出行方式选择的规划目标，使用MATLAB软件，设计了轨道交通影响下的常规公交客流量OD矩阵的算法.与传统的重力模型相比，避免了估计阻抗系数的复杂过程.算例结果表明：为了换乘轨道交通， 43.7%的公交站客流量增至轨道交通出现前的2.73倍； 56.3%的公交客流量被轨道交通替代.

关键词：

OD矩阵；常规公交；城市轨道交通；出行时间

中图分类号： U491文献标志码： A

目前常规公共交通客流的预测主要基于以下思路：首先是出行发生预测；其次是出行分布预测；然后是出行方式划分预测；最后是出行分配预测.文献[1]认为公交客流预测是公共交通规划的基础工作.文献[2]研究了多路径概率分配与容量限制分配相结合的公交客流分配算法.文献[3]参考路段断面车流量推算方法来推算公交客流的OD分布.文献[4]在城市道路交通均衡配流模型的基础上，探讨了公交网络的均衡原则，提出了一种较为简单的城市公共交通网络设计方法，并给出公交网络配流问题的均衡模型及求解算法.文献[5]利用双层规划模型分析了公交网络连续平衡配流模型及算法.文献[6]在超级路径概念的基础上，描述了城市公交网络的系统特征，分析拥挤条件下乘客选择路线的原则和不确定因素的影响，提出了阻抗函数，给出一个随机用户平衡配流模型，并用遗传算法求解.

文献[7]提出了一种基于四阶段法的轨道交通客流预测方法.文献[8]提出了一种综合BP网络与灰色系统的公交客流量预测模型.

神经网络方法也在公交客流预测方面得到了广泛应用[9-11].应用神经网络方法，将历史客流数据作为时间序列数据，进行网络训练并得到相应的模型.但如同神经网络自身的黑箱缺陷一样，无法刻画公交网络环境的改变和乘客的出行特征.另一种广泛使用的方法是通过研究od矩阵的性质，进而推算公交客流OD矩阵[12-14].但这类方法主要是建立在数据统计模型基础上，也无法解释乘客的出行决策行为.

近期一些高科技技术也应用于公交客流预测.文献[15]提出了利用移动定位技术获取公交客流OD矩阵的思路，阐述了基于手机定位技术的公交客流OD矩阵数据的获取方法及步骤.文献[16]针对现有公交客流OD矩阵数据调查成本高、数据不可靠、影响因素考虑不全等问题，通过对公交IC卡信息的处理获得公交站上下乘客人数，并对公交乘客的出行特征进行分析，结合站点吸引率，提出了单条公交线路站点之间OD矩阵反推结构化算法.

综上所述，当前对公交客流OD数据的研究，主要是基于单一的公交线网路，而目前我国很多城市都已开通或正在建设轨道交通.由于轨道交通的出现，必须重新对常规公交在城市公共交通系统中的功能进行定位，尤其是那些直接受到轨道交通影响的区域.因此，必须重新规划调整常规公交线网，充分发挥整个城市公共交通系统的效能.公交线网优化调整的基础工作就是对公交客流OD数据进行科学可靠的预测.目前，关于考虑轨道交通对常规公交客流分布的影响尚未得到足够的重视，本文以最短出行时间为目标，研究轨道交通对常规公交客流OD数据变化的影响，以便为常规公交线网的优化调整提供科学的依据.

1

轨道交通对常规公交客流的影响

公交客流预测及分配技术是公交线网优化的重要组成部分，也是对公交网络进行优化配置的基础.轨道交通与常规公交线网的关系有3种情况： （1） 常规公交与轨道交通基本共线；（2） 常规公交与轨道交通基本平行；（3） 轨道交通与常规公交存在交叉关系.在上述情况下，轨道交通都会对选择常规公交的客流产生重要影响.

情况（1）可能会导致直接选择轨道交通作为常规公交的替代出行方式.对情况（2）可考虑常规公交-轨道交通-常规公交换乘方式，为减少总出行时间，也可能考虑选择轨道交通.对情况（3），可能同样为了选择轨道交通，而不得不选择一个到达轨道交通且与之相交的公交线路.作为有财政补贴的城市公交系统，其费用较低，因此，本文在分析人们选择出行交通方式时，暂不考虑费用因素，主要考虑出行时间.

轨道交通的出现，除了改变以前常规公交客流的分配外，还可能吸引新的客流选择常规公交.例如，原先选择自驾车（或自行车）出行的人，可能选择乘公交车，然后换乘轨道交通到达目的地，或者选择轨道交通再换乘常规公交方式.甚至原来出行次数较少的人，可能会增加出行次数等.这些都会影响常规公交和轨道交通客流数据的变化.

轨道交通的快捷性促使人们对原来的出行方式（公交、自驾车或自行车等交通方式）和出行线路重新进行选择和规划，规划目标是出行时间最短.

2

公交客流变化预测

可以通过传统的调查统计方法获取新的公交客流量OD矩阵，但是这样既费时，也未必能获得准确的结果.尤其是在轨道交通尚未开始营运前，不能通过调查得到相关数据.所以，本文提出基于原公交客流OD矩阵数据，结合轨道交通对出行特征的改变（出行时间的减少、换乘次数的减少），以缩短出行时间为决策目标重新规划最优出行线路，得到新的公交客流OD矩阵.

3

算法与算例

对图1所示公交线路进行了算例分析.先设定没有出现轨道交通之前的公交OD矩阵，通过上述算法可以得到轨道交通出现后的公交OD矩阵.最终的计算结果显示，一些站点的OD客流量值大幅度增加，说明该站点是重要的换乘站点，计算结果表明， 43.7%的公交站点客流量增至轨道交通出现前的2.73倍.而一些站点的OD客流量大幅度减少，甚至为0，有56.3%公交客流量被轨道交通代替，所以公交公司应该减少相应站点的运营车辆，对那些换乘轨道交通客流量较大的公交站点增加运营车辆.

轨道交通出现前，已通过客流调查获得了常规公交的客流OD矩阵数据.当轨道交通出现后，对公共交通出行的OD客流预测，目前比较通用的方法是四阶段法[17]，其步骤如下：（1） 预测客流发生量和吸引量；（2） 建立客流分布模型；（3） 预测各交通方式分担客流量；（4） 建立轨道交通与常规公交换乘客流预测模型.

4

结束语

在考虑轨道交通出现后，基于最小出行时间的目标调整，对常规公交客流的变化进行了分析.通过算例分析结果显示，在轨道交通的一些重要换乘点，通过公交到达的出行人数会大幅度增加.同时，在轨道交通可以到达的一些站点，选择公交到达的出行人数会大幅度减少.根据此变化趋势调整公交线路和发车频率，以便进一步配合轨道交通对常规公交线路进行规划调整.

为了简化问题，本文未考虑换乘花费时间带来的影响.实际上，出行时间最短未必是乘车人的唯一决策目标.因此，在后续研究中可结合个人的换乘偏好和效用感受，对文中提出的算法进行修正，并进行实证检验.

参考文献：

[1]王炜. 城市交通工程应用技术研究[M]. 南京：东南大学出版社，1996： 117-119.

[2]孙爱充. 公交客流预测方法研究[J]. 城市交通，1996（6）： 32-33.

SUN Aichong. Research on forecasting methods of bus passenger flow[J]. Urban Transportation， 1996（6）： 32-33.

[3]四兵锋，高自友. 城市公交网路均衡配流模型及算法的研究[J]. 公路交通科技，1998，15（3）： 41-44.

SI Bingfeng， GAO Ziyou. A study on the equilibrium assignment model and algorithm for urban transit network[J]. Journal of Highway and Transportation Research and Development， 1998， 15（3）： 41-44.

[4]宋一凡，高自友. 连续平衡网络设计问题的双层规划模型及其求解算法[J]. 公路交通科技，1999，16（1）： 40-43.

SONG Yifan， GAO Ziyou. A bi-level programming model and solution algorithm for the continuous equilibrium network design problem[J]. Journal of Highway and Transportation Research and Development， 1999， 16（1）： 40-43.

[5]姜虹，高自友. 用遗传算法求解拥挤条件下的公共交通随机用户平衡配流模型[J]. 公路交通科技，2000，17（2）： 37-41.

JIANG Hon， GAO Ziyou. Genetic algorithm for solving a stochastic user equilibrium assignment model of congested transit network[J]. Journal of Highway and Transportation Research and Development， 2000， 17（2）： 37-41.

[6]过秀成，王炜，吕慎. 基于合作竞争类OD的轨道客流预测方法研究[J]. 公路交通科技，2000，17（4）： 57-63.

GUO Xiucheng， WANG Wei， L Shen. Study on URTs forecast model on co-operant and competitive OD matrix[J]. Journal of Highway and Transportation Research and Development， 2000， 17（4）： 57-63.

[7]吕慎，过秀成. 轨道线网客流预测方法研究[J]. 系统工程理论与实践，2001（8）： 106-110.

L Shen， GUO Xiucheng. Method of the URTs passenger flow forecast[J]. Systems Engineering： Theory and Practice， 2001（8）： 106-110.

[8]范海雁，范炳全，张林峰. 灰色BP网络预测方法在公交客流预测中的应用[J]. 上海理工大学学报，2003，25（1）： 25-28.

FAN Haiyan， FAN Bingquan， ZHANG Linfeng. The application of gray-BP networks method in the passenger volume forecast[J]. Journal of University of Shanghai for Science and Technology， 2003， 25（1）： 25-28.

[9]刘静，李亮，关伟，等. 基于神经网络的北京环路交通流短期预测研究[J]. 交通运输系统工程与信息学报，2005，5（6）： 110-115.

LIU Jing， LI Liang， GUAN Wei， et al. Short term prediction of traffic flow in Beijing ring road based on neural network[J]. Communication and Transportation Systems Engineering and Information， 2005， 5（6）： 110-115.

[10]姜平，石琴，陈无畏，等. 基于Elman型回归神经网络的公交客流预测[J]. 合肥工业大学学报，2008，31（3）： 340-342.

JIANG Ping， SHI Qin， CHEN Wuwei， et al. Prediction of passenger volume based on Elman type recurrent neural network[J]. Journal of Hefei University of Technology， 2008， 31（3）： 340-342.

[11]夏志浩，王胜奎. 用公交车站上下客数推算公交OD分布的方法[J]. 四川联合大学学报：工程科学版，1997，1（2）： 42-48.

XIA Zhihao， WANG Shengkui. Estimating OD matrices of public transport system from observed passenger flows[J]. Journal of Sichuan Union University： Engineering Science Edition， 1997， 1（2）： 42-48.

[12]刘翠，陈洪仁. 公交线路客流OD矩阵推算方法研究[J]. 城市交通，2007，15（4）： 81-84.

LIU Cui， CHEN Hongren. Study on OD matrix estimation of transit passenger flows[J]. Urban Transportation， 2007， 15（4）： 81-84.

[13]任其亮，彭其源，谢小凇，等. 公交客流OD矩阵反推法[J]. 交通运输工程与信息学报，2006，4（3）： 75-79.

REN Qiliang， PENG Qiyuan， XIE Xiaosong， et al. A reversal reckon method of OD matrix of public traffic passenger flow[J]. Communication and Transportation Systems Engineering and Information， 2006， 4（3）： 75-79.

[14]陈素平，陈学武，杨敏. 基于小票法的公交线路客流OD分析方法[J]. 交通信息与安全，2009，27（1）： 11-14.

CHEN Suping， CHEN Xuewu， YANG Min. OD matrix of transit passenger flow based on note survey[J]. Journal of Transport Information and Safety， 2009， 27（1）： 11-14.

[15]邹亮，张孜，朱玲湘. 基于手机定位的公交OD获取方法研究[J]. 交通信息与安全，2011，29（5）： 122-126.

ZOU Liang， ZHANG Zi， ZHU Lingxiang. Public transportation OD data collection based on mobile location technology[J]. Journal of Transport Information and Safety， 2011， 29（5）： 122-126.

[16]刘颖杰，靳文舟，康凯. 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（3）： 31-33.

LIU Yingjie， JIN Wenzhou， KANG Kai. Transport OD matrix approach based IC information and probability theory[J]. Highways and Automotive Applications， 2010（3）： 31-33.

[17]吴友梅. 城市轨道交通与地面常规公交换乘客流预测模型研究[J]. 城市公共交通，2005（11）： 30-33.

WU Youmei. Study of forecast modeling for transit passenger how between urban rail transport and conventional public transit[J]. Urban Public Transport， 2005（11）： 30-33.