技術分享 | 基于規劃決策平臺的區域公交運行特征分析與應用
本文依托規劃決策平臺,面向實際規劃應用場景,依托公交軌道IC卡數據、公交運行GPS數據、GIS地理空間信息等多源數據建立公交綜合運行特征畫像,總結公交數據挖掘利用的數理分析邏輯。以深圳市寶安區為例介紹公交運行特征挖掘分析結果,通過標準化的功能分析引導交通規劃及案例應用,以期更加高效的支撐公交規劃量化分析。
01 公交運行特征挖掘思路
1.公交數據挖掘思路
基于在規劃場景中的實際應用,公交運行特征挖掘重點考慮道路網絡、公交站點線網空間、IC刷卡信息、公交GPS軌跡四類數據。根據公交及軌道站點線網空間數據評估PTAL、公交可達性以推進靜態類的特征分析,基于道路路網的線網空間匹配實現了將公交網和道路網的統一整合;根據公交IC卡數據和公交GPS數據開展公交上下車站點推算,獲取每次公交出行的完整鏈路,并以此進行站點客流、公交OD、線路客流、斷面客流、客流溯源分析等多維客流指標的挖掘分析;依托公交GPS數據計算公交站點間的運行速度,精細化挖掘時變公交的時空擁堵特性。公交數據挖掘整體框架如下:
圖1 公交軌道挖掘整體框架
(1)靜態服務水平評估
公交靜態服務水平評估包括公交線網結構分析、公交PTAL分析、公交可達性評估。匹配到路網后的公交線網結構直觀表述了公交線網的靜態特性,實現了對各類型公交線路的細分檢索。公交PTAL綜合考慮站點步行距離、線路數、到站間隔等公交運行指標,描述了城市中任意地點獲取公共交通服務的便利程度,其在用地和設施投放、區域中心等級評估、交通管理政策以及區域公交改善方案制定等各個方面都具有較高的應用價值。公交可達性基于公交線網計算柵格層面的時間和距離可達性指標,與公交PTAL一起量化表征公交服務水平。
(2)客流指標挖掘
公交客流特征挖掘的關鍵在于準確推算公交出行的上車和下車站點,并基于推算結果分析站點客流、OD客流、線路客流、斷面客流、客流溯源等關鍵指標。公交站點客流可直觀評估公交出行起終點的出行需求;客流OD的最小單元為推導出的乘客上下車站點分布,基于統計聚合的客流OD數據對于線路調度、優化至關重要,同時也是區域關聯程度判別和區域等級劃分的重要依據;斷面客流分布從側面反映了交通線網的負荷程度,體現城市公交服務水平,為線網規劃提供必要的數據支撐;公交客流溯源可量化分析斷面及站點客流的來源與去向。
(3)公交線路站間運行速度挖掘
公交站間運行速度是根據公交GPS軌跡分段計算站點與站點間的公交運行速度,與一般的道路運行速度不同的是,公交站點間一般會包括各類型交叉口與交織區分合流點,對站間運行速度的分析可有效判別路網結構和早晚高峰對公交線路運行速度的影響。
2.公交特征量化分析集成化與可視化
通過微觀數據分析與宏觀場景應用相結合,規劃決策平臺集成多維公交數據量化分析結果,以可視化方法表征數據分析治理結論,基于靜態服務、公交客流、運營速度等多個維度刻畫城市公共交通運行畫像,直接展現公交線網的運營態勢,用直觀的特征分析結果為規劃設計助力賦能。
圖2 規劃決策平臺公交數據分析場景示意
02 區域公交運行特征分析案例
以深圳市寶安區為例,利用規劃決策平臺標準化功能對靜態服務服務水平、客流指標和公交線路運行速度等規劃指標進行快速量化分析。
1.公交數據挖掘思路
(1)公交軌道線網分布形成互補
基于GIS空間地理信息將公交線網與道路網絡相匹配,量化分析公交線網分布特性。圖3表述了寶安區公交線網的分布態勢,可以看到區內公交線網呈軸線擴散的空間形態,廣深高速、寶安大道是進出寶安區的主要公交干道,公交線網與軌道線網形成良好互補。
圖3 寶安公交軌道線網示意
(2)區域公交時間可達差異顯著
結合公交線網與軌道線網可達性,從寶安、南山、福田出發且以公共交通方式出行的乘客大部分可以在一小時內抵達機場,高峰期則會有一定遲延。對于以寶安大道沿線為出發點的出行人,行程時間進一步降低至45分鐘以內。東部片區的行程時間相對較長,鹽田、坪山、大鵬新區到達寶安機場的時間普遍超過2小時。龍崗區中部到達機場的絕對里程與鹽田區相近,行程時間卻相對縮短,顯示出兩地在軌道線網規劃及基礎設施完整度等公共交通服務水平上的差異。
圖4 寶安機場公交軌網可達性分層示意圖
(3)公交服務水平函需整體提升,軌道線網作用凸顯
基于公交運行特征測算得出的100*100柵格地塊公交PTAL分布如圖5所示。寶安區內整體公交服務水平并不突出,高PTAL區域集中于南部的西鄉、新安片區,其他區域則以核心聚集的方式零散分布于寶安大道及廣深公路沿線。對于沙井街道北部等人口稠密區域,公交服務水平稍顯不足,相較于已具備完善公共交通網絡的福田、南山,寶安區內的公交基礎建設仍有較大提升空間。
圖5 100*100柵格地塊公交服務水平
在與軌道線網聯合后,寶安區內PTAL分布有了較大改觀。軌道線網拓展帶動沿線公共交通服務水平大幅提升,高PTAL區域進一步聚集,促使寶安中、南部區域公交服務整體走強。需要注意的是,在軌道線網尚不足以覆蓋的寶安北部,PTAL改善并不明顯,松崗、沙井等部分人口聚集區域公交服務水平尚處于低位,函需針對性的提升措施。
圖6 100*100柵格地塊公交聯合軌網服務水平
2.公交客流指標分析
(1)公交斷面客流集中于主干線
匹配到路網的公交斷面客流可直觀展示寶安區公交走廊的客流分布情況,斷面客流分布走勢大致與線網分布相對應,廣深高速及寶安大道沿線客流高度聚集,為寶安區內主要公交走廊,走廊內客流及軌道1號線、11號線客流均以南北走向為主。
圖7 寶安區公交走廊客流分布情況
(2)公交軌道出行OD互補,與南山區關聯最為緊密
公交客流OD包含寶安區對外公交出行和內部街道片區間的出行。聚合客流出行軌跡繪制基于寶安區對外公交出行OD如圖8所示。位列首位的出行目的地為南山區,占據了寶安對外公交出行客流的主體,與至其它各行政區域公交客流總和相當。位列第二、三位的龍華區。從絕對數量來看區域間交通關聯較為緊密,深圳東部區域與寶安區的交通關聯度明顯薄弱。寶安區公交與軌道OD出行均與南山區關聯最為緊密,寶安區與光明區公交OD出行量占比較大。
圖8 寶安區與各行政區間公交軌道出行OD
(3)通勤出行高度活躍,職住分離較為嚴峻
M413線路跨越寶安、南山、福田三個行政區,途經站點46個,日均客流吞吐量極高。以該線路為例剖析斷面、站點客流分布如圖9所示。M413路公交客流具有典型的高峰通勤特征,早、晚客流分布呈軸對稱態勢,潮汐特性明顯。早間客流活躍的上行方向以沙井、新橋及瀕臨南山區的西鄉、新安片區為主要上客點,下客區域集中于南頭、粵海、沙河等工商業用地聚集區。結合主要上下客站點500米用地類型分布來看,通勤客流占據了高峰期線路出行客流的主體。
進一步的特征分析更為直觀的展現了M413路的乘客通勤畫像:高峰期平均通勤距離14.3千米,通勤時間47分鐘,途徑站點16個,約37%的乘客通勤距離超過了平均值,職住分離程度相對嚴峻。
圖9 公交M413路客流分布
(4)核心路段公交客流飽和,工作出行目的地集中于南部片區
廣深高速公路為寶安區公交主干路,道路走勢斜跨寶安全境,最大斷面線路36條。分析線路容量最高的新沙路-鳳塘大道段客流走勢,溯源途經該路段的公交客流軌跡如圖10所示。途經新沙路-鳳塘大道段的公交客流以松白路-廣深高速-濱海大道沿線為核心聚集區,客流軌跡呈不規則帶狀分布,軌跡形態大致與深圳市西部邊界相吻合,覆蓋寶安、南山、光明、福田等行政區域。沙井中心客運站、松崗天虹商場、鳳凰客運站等為該路段途經客流的主要上下車聚集點,客流量居首位的沙井中心客運站,站點客流趨于飽和。在早晚高峰時期,途經該路段的公交客流目的地以沙井、松崗片區為主,起終點皆位于寶安區內的行程約占途經客流總數的73%。高峰期的區外出行以南頭、粵海及公明街道為主要目的地,福田區的福田、南園街道也是上下客流集中區。
圖10 廣深高速(新沙路-鳳塘大道段)途經公交客流溯源斷面分布
3.公交線路斷面運行速度分析
(1)線網合流點通行壓力顯著,南部片區相對擁擠
寶安區內高峰期平均公交運行速度約為18.78km/h,新安、沙井片區擁擠最為顯著,二者高峰期公交運行速度分別為15.33 km/h、15.85 km/h,道路運行狀況較為嚴峻。從線網斷面速度分布來看,擁堵多發生于交叉口及交織區合流點,該現象在主干線網節點處尤甚,對客流走廊的運營效率產生了較大影響。
圖11 寶安區公交線網斷面運行速度分布
(2)高峰期通行緩慢,重點路段擁堵明顯
以寶安區內的629路公交線路時空速度分析為例,該線路的擁堵發生路段集中于西鄉路口-留仙一路段,高峰期運行速度僅為12.9km/h,遠低于20.4km/h的線路高峰期平均運行速度,平峰期斷面速度維持在23.2km/h,道路狀況較為暢通。早高峰期間寶安桃源居西-鐘屋段、固戍村-勁力集團段運行速度下降明顯,晚高峰時擁堵路段有所增加,以福永家私街-福永汽車站段擁堵狀況最為嚴重,運營速度僅為7.7 km/h。公交路段的時空運行速度評估為線路特征分析提供了定量化解讀,對公交專用道布局優化起到了重要的支撐作用。
圖12 公交629路運行速度時空分布
結語
本文依托規劃決策平臺,基于公交靜態服務水平、公交客流指標、線路站間運行速度三個維度橫向展開,面向交通規劃中的公交特征治理應用,結合案例分析結果闡述了公交特征挖掘在實際業務場景中的支撐作用?;诤A抗粩祿治鎏崛〕龅墓步煌ㄟ\行特征對于交通線網規劃運營的科學性和前瞻性具有重要意義,利用量化分析結果進行剖析預測,指導規劃及運營過程中的相關決策,使抽象的場景具象化,以不斷提升數據處理及應用水平。
深城交深耕于交通大數據挖掘治理,緊跟國際發展前沿,持續探索特征分析在交通規劃資源整合共享中的應用。深城交集成20多年交通規劃及數據治理經驗,以數據治理引領交通規劃、場景分析支撐應用案例,讓交通規劃設計更加準確、專業、高效。未來深城交將探索更為豐富的交通分析場景及特征挖掘方案,為更多的項目案例提供更為廣泛的數據治理和應用場景支持,為行業建設發展助力賦能。
交通信息與模型院
撰寫:趙昱博、梁嘉賢、余水靈、唐 鎧
審核:屈新明
審定:丘建棟