1、1多模式网络公交 OD 矩阵的一种推算方法作者简介： 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：zhangyishenhua.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
2、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23参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，
3、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
4、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
5、吸引率，提出了单条公交线路站点之间 OD 矩阵反推3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
6、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
7、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4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
8、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5是重要的换乘站点，计算结果表明，
9、 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
10、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，61996： 117-119. 2孙爱
11、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 flowJ. 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
12、 networkJ. 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 problemJ. Journal of H
13、ighway 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 networkJ. Journal of Highway and Transporta
14、tion 7Research 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 matrixJ. Journal of Highway and Transportation Research and Development， 2000， 17（4）： 57-63
15、. 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 forecastJ. 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 applic
16、ation of gray-BP networks method in the passenger volume forecastJ. 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 Be
17、ijing ring road based on neural 8networkJ. 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 recu
18、rrent neural networkJ. 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 flowsJ. Journal of Sichuan Union Universit
19、y： 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 flowsJ. 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 Qil
20、iang， PENG Qiyuan， XIE Xiaosong， et al. A 9reversal reckon method of OD matrix of public traffic passenger flowJ. 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
21、. OD matrix of transit passenger flow based on note surveyJ. 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 technolog
22、yJ. 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 theoryJ. 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 10how between urban rail transport and conventional public transitJ. Urban Public Transport， 2005（11）： 30-33.
