36
路与 汽运
总第175期
Highways L Automotive Applications中小城市公交线路〇D矩阵推算方法研究
徐焱，王月明，蒋咏志，杨凯
(西南交通大学机械工程学院，四川成都 610031)
摘要：分析了中小城市的公交出行特征，提出了按公交特征参数推算中小城市OD矩阵的方 法；以江苏盐城市公交线路B1线为例，以公交站点上下客量为基础，按公交特征参数推算法推算 了盐城公交线路OD矩阵，验证了采用出行特征参数推算法推算中小城市公交线路OD矩阵的可 行性和有效性％
关键词：城市交通；公交线路OD矩阵；OD反推；公交特征参数
中图分类号：U491.2
文献标志码：A
文章编号：1671 — 2668 (2016)04 — 0036 — 03
公交线路起终点间交通出行量矩阵（OD矩阵） 是分析和布设城市公共交通线路网的基本依据。传
统的公交线路OD矩阵的生成方法为调查法，需要 大量调查员来获得足够多的公交出行数据以保证精 度，而培训和派遣调查员需要大量经费和时间。因 此，数据需求较小的反推法越来越受到关注。
OD矩阵反推技术来源于机动车流量OD反 推，依据观测得到的交通流量反推交通现状出行 OD量。常用的OD矩阵推算模型有极大熵模型、 广义最小二乘模型、概率论模型、结构化模型、BP神 经网络模型和重力模型等。中小城市的公交出行特 征可表示为站点间的相关性，而该相关性可用参数 来量化表示，运用准确的参数可推算出准确的OD 矩阵。该文通过分析中小城市的公交出行特征，提 出公交特征参数概念，由公交特征参数推算公交线 路OD矩阵，并进行实例验证。1
中小城市公交出行特征
中小城市的出行特征与大城市及特大城市相比 差别较明显，乘客的出行情况同时受出行距离和各 站点用地情况的影响，且站点用地情况的影响明显 大于出行距离。如果以A代表商业中心，B代表离 A较近的居民聚居地，C代表离A较远的居民聚居 地，D代表其他用地，则B到A的OD量将大于B 到D的OD量，而C到A的OD量与B到A的OD 量差别不大。另外，出行站点数概率和站点客流量 可反映中小城市的公交出行特征，这两个因素都是 基于统计得出的，出行站点数概率表明乘客的出行 站点数服从一定的概率分布，从而说明两站点间的 OD量与两站点间相隔的站点数有关；而站点客流
量越大，则该站点的吸引力越大，从其他站点到该站
点的OD量也就越大。由此可知，中小城市的公交 出行特征可表示为两站点间的相关性，该相关性与 其OD量相关，同时也对OD矩阵的推算起决定性 的作用。
定义各站点间相关性参数为公交特征参数，由 上述分析可知该参数与用地性质、出行站点数概率 及站点客流量紧密相关，在这三点的基础上，可推算 出中小城市的公交特征参数，从而推算出公交线路 的OD矩阵。2
公交特征参数的推算
2.1基于站点用地性质的公交特征参数
公交线路OD与站点附近的用地性质息息相 关，不同的用地性质、利用布局和强度对应不同的客 流吸引量。依据《城市道路交通规划设计方案》，公 交站点覆盖率按500 m半径来算不低于90%，该文 重点研究每个公交站点半径500 m内的用地性质。 将用地性质分为8类，分别为居住用地、公共管理与 服务用地、商业用地、工业用地、仓储用地、道路与交 通用地、公共设施用地、绿地与公园用地。根据实地 调查和查阅资料，以居住用地吸引系数为1，得出中 小城市的用地吸引系数(见表1)。
由于各中小城市的具体情况不同，具体的吸引 系数也有所差别。如某中小城市的商业较为发达， 则该城市商业用地吸引系数更高；而另一中小城市 处于交通要地，则该城市的道路与交通用地吸引系 数更高。
设Sjn为第j站点500 m半径之内第n种用地 占总面积的比例，F „为第n种用地的吸引系数（n
2016年第=期
徐焱，等：中小城市公交线路OD矩阵推算方法研究
37
表！中小城市用地性质吸引系数用地性质吸引系数居住用地10公共管理用地0. 8!0. 9商业用地1 2〜1.=工业用地0. 9!1. 1仓储用地0. 5!0. 6道路与交通用地1 0!1 2公共设施用地0. 6〜0. 7绿地与公园用地
10
=1，2,3，…，8)，站点j
的用地性质为^，则公交站
点j相对于站点i的按站点用地性质的公交特征参 数为'
8A = W7Ali = ▽ 7 == 3 = %_______8i 61 n = 12.2基于出行站点数概率的公交特征参数
从以往的统计来看，公交车乘客的出行站点数主 要集中在一定范围内，也就是说，当某位乘客经过的 站点数达到一定值时，该乘客在下一个站点的下车概 率最大。由此可基于统计数据得到公交乘客出行站 点数的概率分布，方法为由之前调查得到的乘客出行 站点数进行柯尔莫哥洛夫一斯米诺夫检验(简称K一 S检验\"检验通过后得到的分布即为所求的概率分 布。设分析后得到的概率函数为P (r)。
乘客的出行站点数只能为1 + n，对概率函数进 行归一化处理，得到新的概率函数为：
P . (xi ) = ^P------ (xi)，i = 1，2，…，n
y1
^P (ri)由此可推算出第j站相对于第i站的按出行站 点数概率的公交特征参数为A2j = P'jj — i)。
2. 3基于站点客流量的公交特征参数
依据公交出行特征，一个公交站点a上车人数
一定时，如果另一个站点b对a的吸引力越大，则这 两个站点之间的OD量也越大，由此可定义j站点 相对于i站点的特征参数为A3j =<„。由于公交线 路OD矩阵为上三角矩阵，当i大于等于j时，为 零i小于j时，
可定义为：
(10l〇gTi Uj，4 〇，1 且 Uj 4 〇，1 '〇，= 0，1 或 Lj = 0，1
式中：T,为第i站上车总人数;Uj为第j站下车总
人数。
由以上分析可知，站点j相对于站点i的按站点 客流量的特征参数为A 3j =Fj。
2.4中小城市公交特征参数推算结果
中小城市的公交特征参数为上述3种推算结果 的综合，但3种因素的比重不一致，站点附近用地性 质所占的比重最大，站点客流量次之，出行站点数概 率最小。设3种因素占总体因素的比例分别为々% %
p
%?，则中小城市第j站相对于第i站的公交特征
参数为'
Ai =rjiAUj +^2^
2„ 6具体比例参数因城市不同而有所不同，但大体 上服从5 : 3 : 2的比例。
3基于各站点公交特征参数的OD矩阵推算
在得到各站点的公交特征参数后，即可采用各
站点的上下客人数推算该线路的OD矩阵。
设〇,为在站点i上车乘客的人数，Dj为在站点
j
下车乘客的人数，A j为站点j相对于站点t的公交
特征参数，则有：
r
O i D jA i
%DjA tj
式中' rj为OD矩阵中i站到i站的OD分布量。
由rj可反推出各站的上下客人数。设理论上客人数为〇“理论下客人数为Dj，其计算公式分 别为'
A i O
:
=%] jr j ==1 %] jO i
Dj=1%DjA tj4O
Dj
DjA i
i=1%DA i
4 Dj
引人修正系,数• 岣/ /,
,令/
uDj/D,，i = O,/O=
，对分布量进行修正。重复上述过程，进行
迭代，直到第&次迭代后得到的^和岣接近％这时得到的即为所需要的OO矩阵中的元素。
4实例分析
江苏盐城市公交线路B1经过17个站点，根据统
计资料，某时段各站点上下人数见表2。同时进行相 应OD调查。
3种因素所占比重如下：站点用地性质为0. 522# 出行站点数概率为0. 313;站点客流量为0. 165。计
38
表2
站点编号123456789
各站点上下车人数
站点编号1011121314151617
公路与 汽运
2016年7月
算得到的J站相对于）站的公交特征参数见表3。 依照前述方法进行计算，迭代时以1;的精度作为^ 和^的目标，得到的OD矩阵见表=。
与实地调查所得OD矩阵相比，采用矩阵范数 比较其误差，实地调查OD矩阵的范数为13. 56,基 于公交特征参数的OD矩阵的范数为11. 58,误差 为1= 60;，可见该方法的精度较高，易于实现。
上车人 下车人 数/人
910266840
数/人001120302
上车人 下车人 数/ 人211171000
数/ 人524047271
5结语
该文综合考虑中小城市公交站点用地性质、出
表3
站点
1234567891011121314151617
100000000000000000
200000000000000000
300000000000000000
400000000000000000
5300100000000000000
600000000000000000表4
站点1234567891011121314151617
100000000000000000
200000000000000000
300000000000000000
400000000000000000
500000000000000000
600000000000000000
7500166600000000000
各站点间公交特征参数
800000000000000000
9300104435000000000
107002399812000000000
113001044350100000000
1260020887100200000000
1300000000000000000
1460020887100200050000
159002811119140280070000
161500481818162404800120000
1700000000000000000
最终推算得到的〇：矩阵710001100000000000
800000000000000000
900000000000000000
1010001111000000000
1100000000000000000
1210001111000000000
1300000000000000000
1410001110000040000
1510001111000050000
1620012221010080000
1700000000000000000
公
总第175期
路与 汽运
39
Highways L Automotive Applications广州市城区自行车通勤成本分析
裴明阳，靳文舟
(华南理工大学土木与交通学院，广东广州 510640)
摘要：通过对广州市自行车通勤客流的调研，结合已有资料进行分析，从个人成本和社会成本 两方面入手，探究通勤自行车的购置、维护成本的关系，提出通勤自行车时间价值的计算方法，并 根据调研数据给出了广州市自行车的时间价值；采用定性和定量分析相结合的方式，对自行车专 用道、停放设施和其他有可能影响自行车通勤成本的因素进行分析，计算自行车的社会成本％
关键词：城市交通；自行车；通勤；成本分析&个人成本；社会成本
中图分类号：U491.1
文献标志码：A
文章编号：1671 — 2668 (2016)04 — 0039 — 05
随着道路交通拥堵的加剧，对绿色出行的需求 与曰俱增，自行车方面的研究开始备受关注。孙峰 等利用南京市非机动车发展数据进行分析，结合交 通方式出行影响分析，给出了可替代性交通方式的 广义出行成本模型方程。杨晨等着重研究了个体选 择在自行车通勤选择中的影响，认为社会环境、道路 设施、个体选择都会对通勤产生影响，但没有研究出 行成本对个体通勤方式选择的影响。朱强等根据国 外自行车城市的经验，分析了广州市自行车交通现 状，提出了广州市公共自行车交通发展策略。李伟 超通过建立公共交通的通勤成本计量模型，分析了 公共交通的竞争力，但该模型相对简单，对自行车成 本考虑不够全面。文献）]、）]从自行车的外部成 本和推广意义的角度对公共自行车成本进行了分 析，但未认可自行车的通勤性。倪凌斐在研究可持 续发展的公共交通分担率的基础上，提出了城市自 行车优化方法。
为优化城市通勤结构和模式，拓宽城市出行方 式选择，广州市开始着眼于自行车交通这一原始而
绿色的出行方式。该文通过调查和相关资料查询， 在总结前人研究成果的基础上，分析自行车通勤的 特点和规律，将自行车通勤和广州市城区特点结合 起来，研究广州市自行车的通勤成本。
1自行车通勤成本分析
1.1自行车购置成本分析
自行车属于一次购买，长期使用，但就购买单价 来说，自行车购置费用远低于汽车，因而在自行车成 本核算中往往会忽略自行车的成本。实际上，自行 车除了本身购置需要成本外，还需要经过复杂的折 旧计算，并适度考虑各项维护费用等。
按照用途的不同，自行车通常可分为普通单车、 公路单车、健身单车、场地单车、山地单车、变速单 车、儿童单车、旅行单车、多人单车、折叠单车、技术 车等种类，其中适合通勤的主要为普通单车、山地单 车、折叠单车、变速单车四类，又以普通单车所占比 例最高（见表1)。
据广州市各自行车主要停放点的不完全估计，
行站点数概率及站点客流量的影响，提出了基于公 交站点用地性质、出行站点数概率和站点客流量3 种因素的公交特征参数，并利用该参数提出了推算 中小城市公交线路0D矩阵的方法。该方法所需数 据较少，分析因素多，易于实现，是一种适合于中小 城市公交线路0D矩阵推算的方法。
交通运输与信息学报，2009,7(4).
)]冯树明，李晓东.公交客流0D推算方法研究[A].
2004年第8届国际交通新技术应用大会论文集[C].2004:
)]朱从坤，丁建霆，陈瑜.公交线路0D反推的结构化模
型研究）].哈尔滨工业大学学报，2005,37(6).)]王炜.0D矩阵的分类与推算）].中国公路学报，1993,
6 (3 ) :
参考文献：
)]赵锦焕,李文权，张健，等.公交客流〇D矩阵推算）].
收稿日期'016 — 01 — 04
因篇幅问题不能全部显示，请点此查看更多更全内容