基于刷卡数据的公交-地铁换乘模式研究

随着城市规模的不断扩大,城市居民通勤中混合交通模式普遍出现,即需要借助不同交通工具之间的换乘完成行程。精确提取和分析城市居民换乘行为,对城市交通模式及设施便捷性等研究具有重要意义。目前,换乘行为的提取多采用GPS(Global Positioning System)、GTFS(General Transit Feed Specification)等数据,基于步行速度或经验选取距离阈值或时间阈值,进而实现换乘行为的识别。但这种方式忽略了城市空间内公交或地铁站点密度的差异性特征,识别精度可能受到较大影响。因此,本研究基于公交地铁IC卡数据,提出了一种时间-距离阈值双约束的换乘行为识别算法,即根据公共交通刷卡数据的统计特征,实现时间和距离阈值的自动选择,进而精准提取换乘行为。在此基础上,本文根据前后半程的旅行时间/距离长短将换乘行为分为九类换乘模式:长-长换乘、长-中换乘、长-短换乘、中-长换乘、中-中换乘、中-短换乘、短-长换乘、短中换乘、短-短换乘,并分别对其出行特征进行分析。结果表明,所有类型的换乘行为的早高峰均早于公交和地铁的出行早高峰,短-长换乘的早高峰时间甚至比一般出行的早高峰时间提前了30 min,充分说明了以换乘模式通勤的乘客需要付出更大的努力。相比之下,晚高峰出行时间则各有早晚,如长-长、长-短换乘模式晚高峰明显滞后于一般出行的晚高峰时间,更凸显了换乘群体的通勤成本负担之重。从出行距离上来说,九种换乘行为的通勤距离峰值远大于一般出行的峰值,甚至多分布于20~40 km之间。总之,本文所提出的换乘行为提取算法能够实现城市换乘行为的精确提取,结合对不同换乘行为模式的有效分析,为城市交通、城市活力、公共交通设施和城市规划等方面的研究提供有效的模型算法支撑。