宁波市常规公交运行特征分析

张世杰　吕坚　刘焘

摘 要：常规公交作为一体化城市公共交通体系的重要一环，其运行特征是影响乘客出行方式选择以及公交服务质量的重要因素，研究公交运行特征对于进一步增强公共交通的吸引力，提升公共交通服务质量、缓解交通拥堵等方面具有着重要作用。因此，基于公交GPS数据，对宁波市常规公交运行特征进行了分析，研究结果和建议为提升宁波市常规公交运行效率提供了有益参考。

关键词：交通工程;公交运行特征;GPS数据;常规公交

中图分类号：U491  文献标识码：A  文章编号：1671-7988（2020）03-230-04

引言

据《2017年交通运输行业发展统计公报》显示，截止2017年年底，我国公共汽电动车数量、运营线路和运营里程较2016年均有增长，但客运量较2016年下降了3%。这已经是常规公交客运量连续第三年下降。面对公交客流量持续下降的现状，对常规公交运行特征进行分析，其目的是分析常规公交运行现状，为交通管理、政策拟定提供科学系统的依据，从而提高常规公交系统的运行效率和服务水平[2，3]。针对常规公交运行特征分析问题，近年來涌现了较多的科研成果和实践案例。例如：Mazloumi E[4]和Bauer M[5]针对影响公交服务可靠性的行程时间进行了分析，结果发现土地类型、路线长度以及交通信号的数量等是旅行时间变化的主要影响因素;王殿海等[6]则通过建立了公交行程时间可靠性评价指标体系，分析了交通条件、道路条件、延误指数能相关因素的关系;童小龙等[7]基于时间序列对公交车站间行程时间预测模型研究进行了研究;Kusakabe T等[8]从数据的角度，开发了一种数据融合方法，使用智能卡数据估计出行的行为属性，以观察出行属性的持续长期变化。宁波市经过多年的公共交通信息化建设，已具备了良好的公共交通大数据基础和平台，但原始数据源在实现实时调度、监测之后，很少被二次应用，数据的价值并没有充分发挥。基于此，本文拟开展宁波市常规公交运行特征分析，深入挖掘公共交通大数据的价值，为常规公交客流提升、服务质量提升、公交线网优化等工作提升科学依据。

1 数据采集与分析

1.1 数据来源

相关数据来源于宁波市公共交通大数据平台[9]。主要数据包括：公交早晚高峰、平峰平均车速、准点率、公交GPS数据以及公交客流月报。

1.2 数据处理

1.2.1 数据清洗

GPS数据（Global Positioning）是一种全球性、全天候、连续的卫星无限定位系统[10]，可提供实时的三维坐标的位置、速度等空间信息和高度精确的时间信息。公交车的车载GPS数据信息包含普通GPS数据信息（经度、纬度、时间、速度、方向、设备信息等）以及公交车GPS专有信息（站点编号、到站时间、离站时间等）。

GPS数据采集过程中可能受到大气层、隧道以及高大建筑物等障碍物的干扰，终端返回的GPS数据就会存在噪声数据，对此类数据进行预处理。分为下面三步：a.剔除经纬度越界的数据，研究范围为宁波市主城区，将宁波市主城区地理经纬度范围作为lon和lat的限制条件，剔除超出范围的数据。b.剔除有缺失数据的记录，原始数据的每条记录中，可能存在缺失字段的记录，公交车ID、时间、经纬度其中任意一个字段的缺失对于后续的研究都会产生影响，所以缺失数据的记录全部剔除。c.剔除重复的GPS数据重复数据指的是多条数据各个字段完全相同的一类数据，此类数据只有一条数据有研究价值，在评估常规公交运行状况时，多条重复数据的存在会降低模型有效性，并影响研究结果的准确性。

1.2.2 数据统计分析

基于宁波市交通信息大数据平台，分析常规公交运行特征。对比早晚高峰、平峰内准点率和平均车速的变化情况，得到每日内交通运行变化特征;对比工作日和非工作日各时段公交准点率和平均车速变化情况，分析通勤活动对交通运行状态的影响。计算交通运行效率指数，对常规公交运行线路进行排序，对比并降序排列10%线路常规公交。通过TransCAD软件绘制评估区域内公交线路，将统计数据代入路网内进行数据可视化展示。

2 宁波市常规公交运行特征分析

2.1 常规公交正点率整体分析结果

根据《建设部关于优先发展城市公共交通的意见》给出行车准点率对应的服务等级划分依据，服务等级A、B、C、D、E、F分别对应出行车准点率区间[95.0～100.0]、[90.0～ 94.9]、[85.0～89.9]、[80.0～84.9]、[75.0～79.9]、[0～74.9]。据不完全统计公交线路268条，宁波市相应服务等级下公交线路数量比例如表1所示。

9月份全时段统计线路平均行车正点率为76.9%;早高峰线路平均准点率为75.4%，线路准点率满足90%以上要求的线路数量为30条;平峰线路平均准点率为79.7%，线路准点率满足90%以上要求的线路数量为69条;晚高峰线路平均准点率为75.6%，线路准点率满足90%以上要求的线路数量为31条。整体上来看，宁波市公交线路平均正点率处于E级服务水平，距离A级服务水平有较大的提升空间，同时早、晚高峰公交线路整体运行状况较平峰略差，这一实际情况与早、晚高峰出行需求集聚具有直接联系。

2.2 常规公交与社会车辆运行状况对比

利用相关政府部门所提供的公交运行车速数据以及社会车辆车速数据，选取全部公交线路中10%的线路（共60条），进行同线路同期常规公交和社会车辆运行特征的对比分析，以便探究公交单方面存在的问题。

60条常规公交平均车速和同路段摄货车辆的速度统计结果如表2所示，常规公交平均运行速度为16.20 km/h，而监测时间范围内社会车辆平均运行速度为36.44 km/h，二者绝对速度差20.24 km/h。

另一方面，同路段常规公交与社会车辆行车时间比值能够反映二者运行特征差异，数值越高，说明该线路内常规公交运行状态越落后于同向行驶的社会车辆，反之，两者运行差异较小，常规公交服务质量较高。数据分析结果显示，宁波常规公交平均行程时间为59.29 min，社会车辆平均行程时间为26.64 min，平均行程时间比值为2.23。早、晚高峰平均行程时间比值分别为2.31和2.26，平峰行程时间比值稍低为2.10。

将60条公交线路与社会车辆的行车时间比值按早、晚峰和平峰降序排列，取前5位为公交线路样本的低效线路，后5位为高效线路，并进行对比。高效线路和低效线路可视化如下图1所示。图中a为早高峰低效线路，分别为16路（3.02）、819路（2.94）、9路（2.80）、515路（2.79）、13路（2.78）;b为早高峰高效线路，分别为788路（1.52）、337路（1.72）、754路（1.80）、335路（1.82）、27路（1.89）。c为平峰低效线路，分别为819路（2.48）、13路（2.47）、9路（2.45）、518路（2.44）、30路（2.44）;d为平峰高效线路，788路（1.45）、337路（1.55）、754路（1.65）、26路（1.81）、301路（1.82）。由于篇幅有限，晚高峰和早高峰情景类似，未进行展示。结合公交线路经过的地理位置、土地性质和交通状况等情况，发现行程时间比值较高的公交线路主要分布于城市主城区易发拥堵道路和桥梁，而其余区域和道路的公交线路的比值较低。

2.3 公交运行GPS分析结果

2.3.1 速度波动分析

中心城区公交线路速度波动大且频繁，乘坐舒适度低。在中心城区外围运行的公交线路速度波动情况略好于城区的公交线路，以16路（中心城区线路）及788路（外围线路）为例，其运行车速分布如图2所示：

2.3.2 到站时间间隔分析

基于GPS数据获取公交车在停靠站停留时间和站间间隔时间。站点匹配标准为：停靠站识别半径50米，其中，公交GPS精度10米。选取16路公交车为例，GPS数据分析结果显示：平均停站时间29秒，最大停站时间62秒。由于沿途的干扰，公交到站的时间间隔不稳定，极端情况会增加或减少8 min。增加的最大值为7.45分钟，减少最大值为8.5分钟，还出现到站时间间隔小于1分钟的情况。

3 讨论及建议

3.1 结论和讨论

就时间特征而言，平峰时段的公交准点率较早、晚高峰准点率高;而早晚高峰同线路的公交车辆与社会车辆行车时间比值高于平峰时段二者比值，说明拥堵时段对公交车运行的影响大于社会车辆。空间特征而言，与同线路社会车辆行程时间比值较高的公交线路主要分布于城市主城区易发拥堵道路和桥梁，同时早晚高峰主城区公交线路较外围公交线路速度波动频繁，乘客乘坐体验较差，主城区公交线到站间隔分布也不均匀，受道路交通状态影响较大。

通过交通大数据对宁波市常规公交运行特征的统计分析，进行公交运行内在规律充分挖掘，分析主要原因如下：（1）道理交通管理方面，统计结果显示，仅有13%的公交运行延误发生在停靠站和站点上下客过程，其余延误均产生与路口排队等待通行以及道路交通缓行的过程。虽然宁波市已建成168.5km公交专用道，但是路口信号控制并未针对公交车辆设计优先通过方案;且道路交通协调控制设计是以社会车辆为主要对象，公交车辆在路口获得的绿灯资源和概率仍然无法与社会车辆相比，导致公交行程时间与同线路社会车辆行程时间比值较大。（2）公交线路设置方面，部分公交線路设置不合理，非直线系数较大，导致其在早高峰、平峰和晚高峰运输效能都低。且全程位于常发交通拥堵路段，且与以重要客运枢纽（火车南站）为首末站的公交线路存在较大重复区段，道路交通因素与客流乘降因素共同导致该线路运输效能低下，导致公交行程时间较大;同时主城区线路所经路段早、晚高峰路况复杂，相比外围线路公交行程时间受道路交通状态的影响更大。

3.2 主要建議

3.2.1 实行公交优先通过策略，优化典型低效公交线路

针对典型区域，调查和统计公交通行需求和到达规律，优化路口信号控制方案，以被动式公交优先控制的方式给予公交优先通行权，降低公交车辆在路口的排队等待时间，提高公交行程车速。研究和实施典型低效线路优化。针对连续两个季度出现的全时段低效线路，调查和统计其各区段行程时间和客流量，分析其行程延误的产生原因，并在路网层面研究其线路改进的方向和措施。

3.2.2 系统整治既有公交专用道设施，同时重要客流走廊借助干线道路开行公交专用道

公交专用道建设不仅是在道路上划出公交专用车道，还需要对站点、途径交叉口进行优化设计;加强对于社会车辆驶入公交专用道，干扰路内公交车辆正常运行的管理力度，采用信息化等手段进行执法，提高惩罚力度。

3.2.3 明确城市交通规划导向，打造新城常规公交骨干走廊

未来新城繁华地区的交通吸引力逐渐增大，应明确公交

主导的交通模式，深入研究相应地区内常规公交基础设施、调配计划以及政策保障，保障核心区常规公交线路的路权，打造新城常规公交骨干走廊交通模式。

参考文献

[1] 王忠.城市交通大数据应用领域及措施研究[J].管理现代化，2017， 37（01）：85-87.

[2] 罗孝羚，蒋阳升.基于公交数据挖掘的时刻表排班协同换乘优化[J].交通运输系统工程与信息，2017，17（05）：173-178.

[3] 张思林，袁振洲，曹志超.考虑容量限制的多公交车型运行计划优化模型[J].交通运输系统工程与信息，2017，17（01）：150-156+170.

[4] Mazloumi E， Currie G， Rose G. Using GPS data to gain insight into public transport travel time variability[J]. Journal of Transportation Engineering， 2010， 136（7）： 623-631.

[5] Bauer M. Application of GPS technology to evaluate the quality of public transport[J]. Acta TechnicaJaurinensis， 2013， 6（3）： 11-23.

[6] 王殿海，汤月华，陈茜等.基于GPS数据的公交站点区间行程时间可靠性影响因素[J].东南大学学报（自然科学版），2015，45 （2）：404- 412.

[7] 童小龙，卢冬生，张腾等.基于时间序列法的公交车站间行程时间预测模型研究-以苏州1路公交为例[J].交通运输工程与信息学报， 2017，15（04）：114-119+126.

[8] Kusakabe T， Asakura Y. Behavioural data mining of transit smart card data： A data fusion approach[J]. Transportation Research Part C： Emerging Technologies， 2014， 46： 179-191.

[9] 周继彪.宁波市宁波市城市干线路网和常规公交运行状况评估体系及其应用[R].宁波：宁波工程学院， 2018.

[10] Shen L， Stopher P R. Review of GPS travel survey and GPS data- processing methods[J].Transport Reviews， 2014， 34（3）： 316-334.