疫情下公共交通客流变化研究*

郑晏群 孙 婧 高天乐 王 妍 肖美红

（1.深圳市综合交通运行指挥中心 深圳 518000）（2.中国科学院深圳先进技术研究院 深圳 518000）（3.深圳市北斗智能科技有限公司 深圳 518000）

1 引言

2020年1月中下旬，新型冠状病毒引起的肺炎疫情迅猛来袭，并随着春节返乡潮扩散至全国范围。疫情直接减少了人们的出行频率，对交通行业带来了巨大的冲击，尤其是公共交通行业［1～2］。在深圳，公交地铁虽然没有全部停运，但运力方面也受到影响。本报告把疫情分为四个阶段，对疫情期间公交、地铁、出租、网约、共享单车各项出行数据进行统计［3］，绘制客流变化曲线并进行分析［4～5］。下文将介绍本文所用到的算法模型、数据分析结果及得出的结论。

2 公交客流OD算法模型

2.1 基于出行链计算

如果乘客一天内出行多次，乘客后一次出行上车的站点通常离前一次下车的站点很近［6～7］。根据这种特性，本文用式（1）基于出行链的估计方法计算乘客下车的站点。

其中，SD(p,n)为当Dis(SO(p,n+1),S)求得最小值时，站点S的取值，S站点需满足S∈l(p,n),index(S,l(p,n))＞index(SO(p,n),l(p,n))［8］。

2.2 基于乘客规律出行计算

大部分乘客的OD可以仅根据上一节提出的基于出行链的计算方法进行判断［9～10］，但当天单次出行乘客的下车站点以及当天多次出行乘客的最后一次乘车的下车站点可以利用另一种基于乘客历史乘车数据判断该乘客目的地的计算方法［11～12］。

2.2.1 目的地的计算

首先对出行站点做一聚类，如式（2）、（3）所示。

当某类站点的出行次数达到了当月70%的总出行次数时，认为该类最可能为该乘客的住址［13］。……