寫在前面：

　　作者立足新冠肺炎疫情下城市公共交通系統(tǒng)的非飽和運(yùn)營情景，以北京市為例，提出一種面向城市公共交通系統(tǒng)客流強(qiáng)度測算和重要性研判的技術(shù)框架。對公共汽車和軌道交通線路的通勤客流強(qiáng)度進(jìn)行分區(qū)段測算，并對線路的重要性和保障等級進(jìn)行劃分。最后，提出疫情時(shí)期城市公共交通系統(tǒng)運(yùn)營優(yōu)化的策略建議。

******

　　爆發(fā)于2019年12月的新型冠狀病毒肺炎（以下簡稱“新冠肺炎”）雖然已得到初步控制，但仍對中國經(jīng)濟(jì)社會發(fā)展和城市居民生活造成很大影響。反映在城市公共交通方面，疫情導(dǎo)致大量城市的公共交通系統(tǒng)處于非常態(tài)的運(yùn)營狀況，客運(yùn)量遠(yuǎn)低于正常水平。究其原因：一是疫情中交通運(yùn)輸部門對春運(yùn)遷徙進(jìn)行了高強(qiáng)度的管制，使得大量工作人口滯留異地，無法正常返崗和通勤；二是為減少人員接觸造成疫情傳播，大部分城市均出臺了居家隔離、遠(yuǎn)程辦公等應(yīng)急政策，進(jìn)一步壓縮了通勤出行需求。

　　在非常態(tài)背景下，城市公共交通系統(tǒng)營運(yùn)亟須進(jìn)行重組織和再優(yōu)化，以實(shí)現(xiàn)安全、效率與經(jīng)濟(jì)之間的平衡。從安全角度來看，目前新冠肺炎疫情防治工作仍處在攻堅(jiān)期，一旦控制不慎，仍可能造成二次傳播，為城市防疫工作和居民生命財(cái)產(chǎn)安全帶來巨大損失，而控制乘客密度對于減少人群接觸、遏制病毒擴(kuò)散十分必要；從效率角度來看，公共交通系統(tǒng)必須滿足城市必要的通勤出行需求，維持城市各項(xiàng)功能基本正常運(yùn)轉(zhuǎn)，盡可能地減少疫情對城市經(jīng)濟(jì)社會發(fā)展造成的負(fù)面影響；從經(jīng)濟(jì)角度來看，將城市公共交通營運(yùn)的供需比控制在一個(gè)合理水平，有助于縮減公共交通的財(cái)政開支，進(jìn)一步減少疫情帶來的損失。由此可見，科學(xué)合理地測算非飽和運(yùn)營情景下城市公共交通系統(tǒng)的客流強(qiáng)度，對于明確系統(tǒng)的運(yùn)力需求，制定合理的調(diào)度和營運(yùn)方案，實(shí)現(xiàn)高效、低風(fēng)險(xiǎn)運(yùn)行具有重要的基礎(chǔ)支撐作用。

　　已有測算手段具有準(zhǔn)確度高、數(shù)據(jù)連續(xù)的優(yōu)勢，但是存在兩大不足：

　　1)數(shù)據(jù)獲取難度相對較大，獲取數(shù)據(jù)的成本較高，數(shù)據(jù)更新周期較長，動(dòng)態(tài)性不足；

　　2)一般數(shù)據(jù)覆蓋范圍受限，難以實(shí)現(xiàn)在整個(gè)城市尺度下進(jìn)行總體的分析和優(yōu)化。因此，現(xiàn)有技術(shù)方法難以完全滿足當(dāng)前非常態(tài)情景下城市公共交通系統(tǒng)快速調(diào)整、靈活應(yīng)對的特殊需求。

　　針對上述不足，本文立足新冠肺炎疫情下城市公共交通系統(tǒng)的非飽和運(yùn)營情景，以北京市為例，提出了一種面向城市公共交通系統(tǒng)客流強(qiáng)度測算和重要性研判的技術(shù)框架。與傳統(tǒng)方法相比，該技術(shù)框架充分利用海量互聯(lián)網(wǎng)時(shí)空大數(shù)據(jù)樣本量大、數(shù)據(jù)可獲取度高、動(dòng)態(tài)性強(qiáng)的特點(diǎn)，將大數(shù)據(jù)挖掘技術(shù)與地理統(tǒng)計(jì)方法相結(jié)合，在準(zhǔn)確識別返崗工作人口的通勤流之后，對公共交通系統(tǒng)客流強(qiáng)度及其空間分布進(jìn)行測算。同時(shí)，基于該框架可以實(shí)現(xiàn)對城市公共交通系統(tǒng)客流強(qiáng)度的實(shí)時(shí)監(jiān)測和動(dòng)態(tài)反饋，在疫情期間城市通勤格局快速變化的情形下，有力地支持城市公共交通系統(tǒng)高效調(diào)度、快速響應(yīng)。

　　研究數(shù)據(jù)與方法：

　　1.研究數(shù)據(jù)

　　本文主要使用返崗?fù)ㄇ跀?shù)據(jù)、公共交通通勤數(shù)據(jù)、城市公共交通線路三類時(shí)空大數(shù)據(jù)，每類數(shù)據(jù)處理各環(huán)節(jié)均匿名化，各環(huán)節(jié)及輸出均不涉及個(gè)體隱私。

　　1）返崗用戶通勤數(shù)據(jù)。

　　基于2020年1月31日—2月23日百度地圖慧眼時(shí)空大數(shù)據(jù)，根據(jù)用戶行為特征識別返崗工作人口，并通過整合去隱私化的位置、POI等多源數(shù)據(jù)，得到該群體的職住空間分布特征。將海量返崗用戶的居住地與工作地相連接，得到其通勤OD數(shù)據(jù)。本文將居住地和工作地以網(wǎng)格形式進(jìn)行聚合，網(wǎng)格尺寸為100m×100m，居住地網(wǎng)格i和工作地網(wǎng)格j之間的通勤流強(qiáng)度Fij為兩網(wǎng)格之間的已返崗?fù)ㄇ谌藬?shù)總和。

　　2）公共交通通勤數(shù)據(jù)。

　　基于百度地圖慧眼綜合通勤時(shí)間、人口畫像屬性、居住/工作地分布等歷史信息和特征，運(yùn)用機(jī)器學(xué)習(xí)算法挖掘海量用戶的通勤方式，并通過通勤調(diào)查數(shù)據(jù)，對計(jì)算結(jié)果的可靠性進(jìn)行校核。由此得到從居住地網(wǎng)格i至工作地網(wǎng)格j的通勤流中公共交通出行比例Pij 。因此，公共交通日均通勤客流強(qiáng)度數(shù)據(jù)(以下對于客流強(qiáng)度的描述均指公共交通日均通勤客流強(qiáng)度)Tij=FijPij 。需要說明的是，本文使用的數(shù)據(jù)并非覆蓋所有人口的全樣本數(shù)據(jù)，因而分析得到的客流強(qiáng)度僅表達(dá)相對強(qiáng)度，而非準(zhǔn)確的絕對數(shù)值。

　　3）城市公共交通線路數(shù)據(jù)。

　　本文基于百度地圖的北京市公共交通線路和車站數(shù)據(jù)，包含約1200條公共汽車線路和22條軌道交通線路。

　　2.研究框架

　　結(jié)合研究目標(biāo)與研究數(shù)據(jù)，確定如下圖所示的研究框架。

　　1)識別已返崗用戶，并借助其歷史通勤數(shù)據(jù)確定通勤OD分布，而后通過挖掘得到的通勤方式數(shù)據(jù)，測算使用公共交通通勤的用戶數(shù)量；

　　2)對上述用戶的時(shí)空信息進(jìn)行刻畫，包括居住地分布、工作地分布，及其通勤空間格局；

　　3)應(yīng)用路徑規(guī)劃算法，將海量通勤流匹配到公共交通線路上，分段測算出每一條公共交通線路的客流強(qiáng)度；

　　4)按照線路的平均通勤客流強(qiáng)度大小，對線路的保障等級進(jìn)行劃分；

　　5)在前述分析的基礎(chǔ)上，對公共交通系統(tǒng)的客流強(qiáng)度特征進(jìn)行深入刻畫，包括各線路的客流強(qiáng)度數(shù)量特征和空間分布特征；6)對非常態(tài)下北京市公共交通系統(tǒng)的管理和調(diào)度提出若干可行的策略建議。

　　3.研究方法

　　1）通勤流與公共交通線路匹配。

　　在識別公共交通通勤流的基礎(chǔ)上，通過調(diào)取百度地圖API接口，對每條通勤流進(jìn)行路徑規(guī)劃，將其映射至最佳的公共交通線路上。最后，以公共交通線路的分段為基本單元，對通勤數(shù)據(jù)進(jìn)行聚合，從而得到客流強(qiáng)度的分段統(tǒng)計(jì)結(jié)果。

　　其中，通勤流的路徑規(guī)劃和檢索方面，主要分為檢索和排序兩個(gè)階段。在檢索階段，首先根據(jù)公共交通線路類型和交通成本，構(gòu)建線路權(quán)值圖；而后使用圖搜索算法進(jìn)行路徑匹配，返回一定數(shù)量的備選線路。在排序階段，結(jié)合海量用戶的出行偏好分析，建立基于時(shí)間成本、步行距離、換乘復(fù)雜度等因子的線路選擇規(guī)則，并對初步返回的備選線路進(jìn)行排序和篩選，最終得到選擇概率最大的最優(yōu)通勤公共交通線路。

　　從通勤數(shù)據(jù)的可靠性方面看，多項(xiàng)既有研究證明，百度地圖大數(shù)據(jù)可以較客觀地反映城市通勤格局特征；從路徑規(guī)劃的有效性方面看，本文采取的算法體現(xiàn)了產(chǎn)品特征與用戶偏好的整合，即最終公共交通線路的推薦不僅考慮線路自身的換乘成本和換乘體驗(yàn)，同時(shí)也以海量用戶的實(shí)際選擇數(shù)據(jù)作為訓(xùn)練和校驗(yàn)樣本，因而可以較為真實(shí)地體現(xiàn)市民實(shí)際的通勤特征，推測實(shí)際的公共交通線路客流強(qiáng)度。

　　2）公共交通線路的重要性和保障等級劃分。

　　在對公共汽車和軌道交通的客流強(qiáng)度進(jìn)行分段測算和分析后，考慮城市公共交通實(shí)際調(diào)度的可行性，進(jìn)而折算每一條公共汽車和軌道交通線路的整體平均客流強(qiáng)度，并據(jù)此對線路進(jìn)行重要性分級。為避免分級的主觀性，使用頭尾分割法(head/tail breaks)分別對這兩類線路進(jìn)行分級。既有研究表明，該方法針對非正態(tài)分布數(shù)據(jù)特別是具有“長尾”分布特征的數(shù)據(jù)具有良好的分級效果?？紤]到公共交通線路上客流的分段分布符合非正態(tài)分布特征，故采用這一方法較為合理。

　　頭尾分割法首先計(jì)算所有線路客流強(qiáng)度的平均值，并將高于平均值的部分視為頭部(head)，將低于平均值的部分視為尾部(tail)，則尾部的頭尾指數(shù)(head/tail index)為1，頭部的頭尾指數(shù)為2。而后對第一次分割得到的頭部重復(fù)上述過程，并將第二次識別得到的尾部和頭部分別賦值頭尾指數(shù)為2和3。算法不斷重復(fù)上述過程，直至達(dá)到分級數(shù)量要求或頭部數(shù)據(jù)無法再細(xì)分。最終，根據(jù)頭尾指數(shù)確定公共交通線路的重要性和保障等級，頭尾指數(shù)越高，則重要性越強(qiáng)、保障等級也越高。

　　公共交通通勤群體空間分布特征：

　　從返崗工作人口的居住地分布(見下圖)來看，其空間分布較為均質(zhì)化，與正常情況下的多中心極化格局存在較大差異，而中心城區(qū)邊緣地區(qū)及外圍地區(qū)，如亦莊產(chǎn)業(yè)園區(qū)、機(jī)場周邊地區(qū)則散布有部分返崗率較高的居住區(qū)。另一方面，返崗工作人口的工作地分布(見下圖)仍保持中心集聚態(tài)勢，主要集中在中心城區(qū)的中心地帶，特別是CBD、金融街、中關(guān)村等地。

返崗工作人口的居住地分布

返崗工作人口的工作地分布

　　從公共交通通勤人口的整體統(tǒng)計(jì)特征來看，當(dāng)前城市內(nèi)的平均通勤出行距離顯著縮短，公共交通平均通勤出行距離為9.9km，較正常情景下13.2km減少了約25%，表明在當(dāng)前返崗工作人口的構(gòu)成中，長距離通勤人數(shù)的比例低于正常情景，中短距離通勤人數(shù)的比例則相應(yīng)提高。一般而言，公共交通通勤出行距離越長，則感染病毒或傳播病毒的概率越大，因此公共交通平均通勤出行距離的縮短在一定限度上表明，隨著政府對新冠肺炎疫情的管控力度增加以及居民風(fēng)險(xiǎn)意識的提升，大量公共交通通勤出行距離較長的人口有意識地推遲了實(shí)地返崗工作的時(shí)間，這對于疫情防控工作具有積極意義。

　　以鄉(xiāng)鎮(zhèn)街道為基本統(tǒng)計(jì)單元，公共交通通勤流的空間分布整體格局呈現(xiàn)“團(tuán)塊+廊道+星座”的特征(見下圖和見下表)。首先，中心城區(qū)的中部地區(qū)是客流強(qiáng)度最集中的地區(qū)，構(gòu)成整個(gè)通勤網(wǎng)絡(luò)的中央團(tuán)塊；其次，結(jié)合公共交通平均通勤出行距離縮短這一現(xiàn)象來看，外圍區(qū)縣至市中心的通勤客流強(qiáng)度整體上有所壓縮，主要的通勤流集中在各區(qū)縣政府駐地及大型居住區(qū)與市中心之間的向心通勤，構(gòu)成若干條通勤廊道；第三，高強(qiáng)度通勤流多表現(xiàn)為各區(qū)縣政府駐地及大型居住區(qū)與周邊產(chǎn)業(yè)園區(qū)之間的通勤流，整體空間格局上更加破碎化，在一定程度上體現(xiàn)了疫情背景下就近返崗現(xiàn)象突出。

返崗工作人口公共交通通勤流空間分布

市域排名前15的公共交通通勤流

　　公共交通線路客流強(qiáng)度分析：

　　從客流強(qiáng)度分布的數(shù)量特征(見下圖)來看，大部分公共交通區(qū)段的客流強(qiáng)度較低，僅有少量區(qū)段客流強(qiáng)度較高，呈現(xiàn)明顯的“長尾”分布特征?？土鲝?qiáng)度的空間分布(見下圖)具有3個(gè)顯著特征：

公共交通線路區(qū)段客流強(qiáng)度分布

市域公共交通線路相對客流強(qiáng)度分布

中心城區(qū)公共交通線路相對客流強(qiáng)度分布

　　1）軌道交通系統(tǒng)在通勤出行中仍扮演重要角色，但其客流強(qiáng)度顯著低于正常運(yùn)營水平，絕大部分區(qū)段的客流強(qiáng)度均較小，僅有部分通勤流較為集中的區(qū)段以及存在大量公共汽車與軌道交通接駁的區(qū)段客流強(qiáng)度相對較大，但此類區(qū)段的比例較小。政府交通部門的統(tǒng)計(jì)數(shù)據(jù)亦佐證了上述發(fā)現(xiàn)。

　　2）公共汽車交通系統(tǒng)的客流強(qiáng)度分布呈現(xiàn)市中心不高、中心—外圍徑向客流強(qiáng)度較高的特征。盡管市中心整體通勤客流強(qiáng)度相對較高，但其公共汽車線網(wǎng)密度也較大，整體上系統(tǒng)的負(fù)荷處于較低水平。另一方面，市中心與周邊大型居民區(qū)、產(chǎn)業(yè)園區(qū)之間的公共汽車線路的客流強(qiáng)度則相對較高，特別是市中心—西二旗軟件園區(qū)(回龍觀居住區(qū))、市中心—空港產(chǎn)業(yè)園區(qū)、市中心—亦莊產(chǎn)業(yè)園區(qū)，以及市中心—通州城市副中心等，通勤客流最為密集。在車輛調(diào)度中，需要重點(diǎn)保障上述線路的服務(wù)。

　　3）外圍各區(qū)縣政府駐地、集中居民區(qū)與鄰近產(chǎn)業(yè)園區(qū)之間的部分公共汽車線路客流強(qiáng)度較高。一方面，就近返崗造成局部地區(qū)的客流強(qiáng)度較大，同時(shí)上述地點(diǎn)之間的公共交通線網(wǎng)密度和發(fā)車頻率低于市中心，造成客流在少量線路上相對集聚。對于此類線路，下一步也應(yīng)予以重點(diǎn)關(guān)注。

　　公共交通線路保障等級評估：

　　本文通過執(zhí)行3次頭尾分割，分別將公共汽車線路和軌道交通線路分為4個(gè)保障等級，各等級線路的空間分布如下圖所示，從1到4保障等級逐漸降低。不同保障等級的公共交通線路空間分布特征不盡相同。

市域公共汽車線路保障等級分析

中心城區(qū)公共交通線路保障等級分析

　　1）公共汽車線路。

　　保障等級為1級的公共汽車線路主要是市區(qū)與周邊各區(qū)縣政府駐地、大型產(chǎn)業(yè)園區(qū)的連接線，如機(jī)場大巴天津線、512路、575路、303路等(見下表)。此類線路在中心城區(qū)的東部地區(qū)密度較高，主要包括市區(qū)—機(jī)場、市區(qū)—通州副中心、市區(qū)—亦莊產(chǎn)業(yè)園區(qū)這三條公共汽車交通走廊。保障等級為2級的線路主要分布在中心城區(qū)內(nèi)并交織成網(wǎng)，同時(shí)在市區(qū)東北部機(jī)場周邊地區(qū)也分布有少量這一保障等級線路。保障等級為3級的公共汽車線路分布較為廣泛，在中心城區(qū)及外圍區(qū)縣均有分布，而保障等級為4級的線路客流強(qiáng)度最小，主要分布在外圍區(qū)縣。

通勤客流強(qiáng)度排名前15的公共汽車線路

　　2）軌道交通線路。

　　保障等級為1級的軌道交通線路為地鐵5號線，在中心城區(qū)東部南北縱向分布。其次是地鐵13號線、機(jī)場線、地鐵10號線內(nèi)環(huán)、地鐵4號線大興線(見下表)，這些線路沿途串聯(lián)多個(gè)大型居住區(qū)和就業(yè)中心，在整個(gè)公共交通系統(tǒng)中扮演重要角色，其客流強(qiáng)度也相對較高，屬于保障等級為2級的線路。其余線路的保障等級則為3級和4級。值得注意的是，地鐵1號線、2號線等多條正常情況下客流強(qiáng)度較大的線路，在新冠肺炎疫情期間負(fù)荷下降明顯。

保障等級為1~3級的軌道交通線路及其通勤客流強(qiáng)度

　　針對上述各條線路的客流特征，本文提出相應(yīng)的保障要求(見下表)。

公共交通線路客流分布特征及保障要求建議

　　寫在最后：

　　在新冠肺炎疫情影響下，城市通勤交通既是城市經(jīng)濟(jì)社會運(yùn)行的必要保障，也是容易引發(fā)病毒在城市內(nèi)部傳播的高風(fēng)險(xiǎn)環(huán)節(jié)。采取合理的運(yùn)營策略以實(shí)現(xiàn)安全、效率與經(jīng)濟(jì)之間的平衡，是北京市公共交通系統(tǒng)迫切需要解決的問題。本文基于百度時(shí)空大數(shù)據(jù)，在分析返崗工作人口通勤流空間分布的基礎(chǔ)上，借助海量通勤數(shù)據(jù)的路徑規(guī)劃結(jié)果，對全市公共汽車和軌道交通線路的日均通勤客流強(qiáng)度進(jìn)行分段測算，進(jìn)而對各條線路的重要性及其保障等級進(jìn)行劃分，最終為制定精準(zhǔn)的運(yùn)營策略提供建議。本文探討的技術(shù)方法對于新冠肺炎疫情下城市公共交通系統(tǒng)的調(diào)度和管理具有一定的普適性。

　　分析結(jié)果表明，北京市公共交通系統(tǒng)非常態(tài)與正常情景下的特征差異較大。就總體數(shù)據(jù)來看，返崗工作人口平均通勤出行距離明顯縮短，就近返崗的特征較為明顯，長距離通勤現(xiàn)象不顯著，這在一定程度上表明城市通勤格局已針對疫情產(chǎn)生了一定的自適應(yīng)。在公共汽車方面，市中心線路的負(fù)荷顯著降低，但其高密度的線網(wǎng)和較大的整體客流強(qiáng)度仍帶來管理方面的挑戰(zhàn)；而市中心與外圍大型居住區(qū)、產(chǎn)業(yè)園區(qū)之間的公共汽車連接線則通勤負(fù)荷相對較高，徑向通勤走廊應(yīng)成為重點(diǎn)保障的對象。在軌道交通方面，整體客流強(qiáng)度明顯減小，且客流相對較高的區(qū)段數(shù)量較少，分布零散，整體壓力相對較小，落實(shí)站內(nèi)、車內(nèi)的防疫工作應(yīng)成為管理重點(diǎn)。

　　為此，在公共交通系統(tǒng)的具體運(yùn)營策略制定中應(yīng)注重以下5點(diǎn)：1)總體上考慮采取更加靈活的公共交通調(diào)度策略，將時(shí)空大數(shù)據(jù)、公共交通運(yùn)營數(shù)據(jù)等多種數(shù)據(jù)源結(jié)合，精確測算不同線路及線路上不同區(qū)段的通勤客流分布特征，實(shí)現(xiàn)動(dòng)態(tài)、精準(zhǔn)的管理。2)采取保障重點(diǎn)線路+保障重點(diǎn)區(qū)段的綜合手段，從控制乘客密度、降低傳染風(fēng)險(xiǎn)的原則出發(fā)，綜合采取多種保障手段，適當(dāng)提高公共交通服務(wù)能力；對于非重點(diǎn)的線路和區(qū)段，則酌情優(yōu)化調(diào)度。3)將區(qū)間公交和定制公交作為非常態(tài)下公共交通運(yùn)營的重要手段，針對性地滿足通勤客流強(qiáng)度較大的線路和區(qū)段的運(yùn)力需求。特別是針對部分乘客數(shù)量大、起止點(diǎn)較固定的通勤流，定制公交可發(fā)揮更好的保障和安全效果，目前該策略已在全國多個(gè)城市開始實(shí)施。4)重點(diǎn)關(guān)注和保障外圍區(qū)縣的集中通勤，適當(dāng)增加公共交通供給，滿足就近返崗的需求。5)發(fā)揮智慧城市的技術(shù)優(yōu)勢，通過互聯(lián)網(wǎng)平臺統(tǒng)計(jì)、協(xié)調(diào)通勤需求，實(shí)現(xiàn)運(yùn)力定向供給；同時(shí)通過手機(jī)APP實(shí)時(shí)反饋公共交通車輛位置，減少站臺等待時(shí)間，降低傳染風(fēng)險(xiǎn)。