江志彬，劉 偉，韓彥釗，陳菁菁

(1.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院，道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海201804；2.上海申通地鐵集團(tuán)有限公司技術(shù)中心，上海201103)

0 引言

客流分析是城市軌道交通安全、可靠運(yùn)營(yíng)的基礎(chǔ)，對(duì)網(wǎng)絡(luò)客流特征以及演變規(guī)律的精確把握可以為制定科學(xué)的行車與客運(yùn)組織方案提供決策依據(jù)，也可以為網(wǎng)絡(luò)客流特征分析與趨勢(shì)預(yù)警預(yù)測(cè)提供參考。對(duì)于城市軌道交通網(wǎng)絡(luò)而言，客流是指單位時(shí)間內(nèi)軌道交通線路上乘客流動(dòng)人數(shù)和流動(dòng)方向的綜合，軌道交通網(wǎng)絡(luò)客流是一種動(dòng)態(tài)流，分布與變化隨時(shí)間和空間的不同而各異。根據(jù)客流時(shí)間分布特征，軌道交通客流分為5 min客流、1 h客流、日客流、月客流和年客流等[1]?？土鞯目臻g分布主要分為車站客流、換乘客流、斷面客流、站間OD客流、線路和網(wǎng)絡(luò)客流等[2]。

隨著城市軌道交通網(wǎng)絡(luò)客流規(guī)?？焖僭鲩L(zhǎng)，網(wǎng)絡(luò)層面的客流分析難度越來(lái)越大。以上海市為例，截至2015年10月，其軌道交通網(wǎng)絡(luò)運(yùn)營(yíng)里程已達(dá)548 km，車站數(shù)達(dá)337座，每日自動(dòng)售檢票(AFC)系統(tǒng)采集的原始交易OD對(duì)數(shù)據(jù)近500萬(wàn)條，其存儲(chǔ)容量接近1 GB。每日運(yùn)營(yíng)結(jié)束后，AFC系統(tǒng)會(huì)根據(jù)清分模型對(duì)客流數(shù)據(jù)進(jìn)行計(jì)算，并得到最小單位為5 min的網(wǎng)絡(luò)分時(shí)斷面、進(jìn)出站、換乘等客流數(shù)據(jù)，然后通過(guò)Excel報(bào)表的形式輸出。同時(shí)AFC系統(tǒng)會(huì)借助餅圖、柱狀圖、折線圖等較為簡(jiǎn)單的二維圖形對(duì)客流進(jìn)行輔助分析[3-4]。既有的客流分析對(duì)乘客在時(shí)間與空間上出行規(guī)律的宏觀與微觀結(jié)合不足，也很少?gòu)目土餍畔⒍嘣葱?、多維度性和時(shí)變性等特征進(jìn)行綜合考慮，因此分析結(jié)果對(duì)于日常運(yùn)營(yíng)決策支持有限。

事實(shí)上，城市軌道交通網(wǎng)絡(luò)客流信息隱含豐富的乘客出行規(guī)律和特征，如何從海量乘客歷史出行大數(shù)據(jù)中提取與挖掘有價(jià)值的信息，為運(yùn)營(yíng)者提供決策是值得研究的課題。當(dāng)前，大數(shù)據(jù)已成為新興學(xué)術(shù)研究熱點(diǎn)，并被認(rèn)為是繼云計(jì)算和物聯(lián)網(wǎng)之后又一個(gè)革命性信息技術(shù)[5]。大數(shù)據(jù)可視化分析是從人作為分析主體和需求主體的角度出發(fā)，強(qiáng)調(diào)基于人機(jī)交互、符合人認(rèn)知規(guī)律的分析方法，意圖將人所具備、機(jī)器并不擅長(zhǎng)的認(rèn)知能力融入分析過(guò)程中[6]。通過(guò)對(duì)客流大數(shù)據(jù)以直觀可視化圖形形式展示，將人的知識(shí)引入數(shù)據(jù)分析中，讓用戶能夠根據(jù)自身認(rèn)知去分析客流數(shù)據(jù)，在分析過(guò)程中實(shí)現(xiàn)人機(jī)之間交互，以獲得洞察大規(guī)模復(fù)雜客流數(shù)據(jù)的能力[7-8]。

本文基于城市軌道交通網(wǎng)絡(luò)實(shí)際運(yùn)營(yíng)需求，從客流認(rèn)知、可視化、人機(jī)交互的綜合視角出發(fā)，基于GIS地圖、網(wǎng)絡(luò)遷徙圖、日歷圖、散點(diǎn)圖、弦圖等可視化圖形，研究大規(guī)模復(fù)雜網(wǎng)絡(luò)OD客流，斷面、進(jìn)出站和換乘客流大數(shù)據(jù)可視化的運(yùn)營(yíng)需求關(guān)鍵技術(shù)與實(shí)現(xiàn)方法，并以上海市城市軌道交通網(wǎng)絡(luò)為實(shí)例進(jìn)行分析。

1 城市軌道交通網(wǎng)絡(luò)OD客流可視化

OD客流是客流指標(biāo)計(jì)算的基礎(chǔ)，也是制定開行方案的主要依據(jù)[9]。OD客流帶有空間(起訖點(diǎn))和時(shí)間(出發(fā)時(shí)刻和到達(dá)時(shí)刻)雙重特征，空間上分為車站間OD、線路間OD、車站至線路之間匯總的OD，以及區(qū)域間OD等類型，其數(shù)據(jù)量可用絕對(duì)量或相對(duì)比例來(lái)描述。OD數(shù)據(jù)具有多種屬性，結(jié)構(gòu)復(fù)雜且數(shù)據(jù)量龐大。網(wǎng)絡(luò)OD客流可視化的主要目的是基于OD客流的復(fù)雜性、多樣性特點(diǎn)，從宏觀與微觀兩個(gè)層面掌握網(wǎng)絡(luò)OD的時(shí)空分布(如最大OD發(fā)生在哪些車站之間、客流在時(shí)間上的流向)以及主要出行OD與時(shí)間分布(最大OD發(fā)生在哪些車站、哪個(gè)時(shí)段以及客流來(lái)源與去向等)。

1.1 網(wǎng)絡(luò)OD時(shí)空分布

乘客出行實(shí)際上是發(fā)生在空間上的一種遷徙行為。結(jié)合實(shí)際地圖坐標(biāo)信息的遷徙圖可以很好地描述乘客出行過(guò)程，“百度遷徙”就是其中一個(gè)最為成功的應(yīng)用案例?！鞍俣冗w徙”利用百度地圖LBS(基于地理位置的服務(wù))開放平臺(tái)、百度天眼，對(duì)其擁有的LBS大數(shù)據(jù)進(jìn)行計(jì)算分析，并采用創(chuàng)新可視化呈現(xiàn)方式，在業(yè)界首次實(shí)現(xiàn)了全程、動(dòng)態(tài)、即時(shí)、直觀地展現(xiàn)中國(guó)春節(jié)前后人口大遷徙軌跡與特征，從推出開始就受到廣泛關(guān)注[10]。目前，百度也開放了模擬遷徙功能的Echarts控件[11]，基于該控件，結(jié)合城市軌道交通網(wǎng)絡(luò)實(shí)際地圖坐標(biāo)信息，同時(shí)基于對(duì)海量OD客流數(shù)據(jù)的加工與處理，最終可以展示客流在網(wǎng)絡(luò)上的時(shí)空分布。圖1a和圖1b分別展示了上海市軌道交通網(wǎng)絡(luò)2015年某日(星期四)早高峰(7:30—9:30)和晚高峰(17:30—19:30)的OD客流分布。圖中藍(lán)色線表示OD量大于100的所有OD對(duì)，線的粗細(xì)與OD量成正比，彩色加粗線為網(wǎng)絡(luò)最大的20個(gè)OD對(duì)，顏色越紅表示OD量越大。圖1可以直觀展現(xiàn)網(wǎng)絡(luò)上主要OD位置、OD量以及早高峰向心性和晚高峰離心性等特征。

1.2 網(wǎng)絡(luò)中主要出行OD與時(shí)間分布

基于圖1的宏觀分析，通過(guò)遷徙圖進(jìn)一步分析主要車站OD客流的來(lái)源與去向分布。圖2a和圖2b分別為2015年某日(星期四)上海市地鐵徐家匯站早高峰(7:30—9:30)所有出發(fā)與到達(dá)OD客流分布。圖中藍(lán)色線表示發(fā)生OD對(duì)，線的粗細(xì)對(duì)應(yīng)OD量，彩色加粗為最大的10個(gè)OD對(duì)，顏色越紅表示OD量越大。圖2直觀展現(xiàn)了徐家匯站在早高峰時(shí)段OD主要來(lái)向與去向特征。由于徐家匯站是一個(gè)商業(yè)中心，客流以通勤為主，因此可以明顯看出早高峰時(shí)段到達(dá)量遠(yuǎn)大于出發(fā)量。

2 網(wǎng)絡(luò)斷面客流可視化

斷面客流是指在單位時(shí)間內(nèi)通過(guò)軌道交通線路某一區(qū)間的客流量。對(duì)于斷面客流特征把握，既需要展現(xiàn)其在不同時(shí)段(早晚高峰)、不同時(shí)期(工作日、雙休日與節(jié)假日)的差異性，又要體現(xiàn)其在發(fā)生位置與發(fā)生方向(上下行)的差異性[12]?；诜治瞿康牟煌?，斷面客流可視化可以通過(guò)斷面絕對(duì)量與斷面滿載率兩個(gè)指標(biāo)來(lái)展現(xiàn)，斷面絕對(duì)量主要反映不同位置與方向上的客流量，而滿載率是結(jié)合列車能力的綜合性指標(biāo)，反映列車擁擠程度。

2.1 基于日期變化的網(wǎng)絡(luò)斷面客流可視化分析

對(duì)于同一線路，其最大斷面客流量在時(shí)間上存在較大差異，這種差異性既體現(xiàn)在一天中不同時(shí)段上，還體現(xiàn)在一段時(shí)期內(nèi)不同日期上。傳統(tǒng)的分析方法均把這兩種特征進(jìn)行獨(dú)立分析，很難掌握客流在不同日期和不同時(shí)段的變化規(guī)律[13]?；诖髷?shù)據(jù)的分析結(jié)果，將甘特圖與日歷圖進(jìn)行綜合展示[7]，可以實(shí)現(xiàn)對(duì)斷面客流不同時(shí)段與不同日期的對(duì)比。圖3展示了上海市某軌道交通線2015年5月的分時(shí)最大斷面客流量日歷圖。在傳統(tǒng)日歷格式基礎(chǔ)上，圖3融入分時(shí)條狀圖，通過(guò)條狀元素顏色深淺描述分時(shí)最大斷面客流量。該線路工作日最大斷面客流量在時(shí)間上具有兩個(gè)峰值，分別是7:00—10:00以及17:00—19:00；周末斷面客流比較均衡，起伏不明顯，但在節(jié)假日期間斷面較一般周末要大，且有一定的峰期。因此，運(yùn)營(yíng)管理者可以通過(guò)這類可視化圖表完成對(duì)基于時(shí)間特性客流的對(duì)比分析，從而得出一定的周期性變化規(guī)律。

2.2 基于空間差異的斷面客流可視化分析

圖1 基于遷徙圖的軌道交通網(wǎng)絡(luò)OD分布Fig.1 OD distribution of rail transit network based on migration map

圖2 基于遷徙圖的軌道交通車站(徐家匯站)出發(fā)與到達(dá)OD分布Fig.2 OD distribution of entering/departing rail transit stations(Xujiahui Station)based on migration map

斷面客流分析既要展現(xiàn)網(wǎng)絡(luò)各斷面在不同空間上的差異性，還要展現(xiàn)同一區(qū)間在不同方向的差異性。融合地圖GIS信息與區(qū)間動(dòng)態(tài)遷徙的組合圖，將每條線路按方向虛擬成兩條線路，并且將分方向線路的車站映射到GIS地圖上，用車站節(jié)點(diǎn)間連接線來(lái)表示斷面，動(dòng)畫遷徙過(guò)程表示方向，用連接線的顏色深淺表示斷面絕對(duì)量或滿載率。圖4是上海市軌道交通2014年某日(星期五)早高峰(09:00—09:05)、平峰(13:00—13:05)以及晚高峰(19:00—19:05)的網(wǎng)絡(luò)5 min分方向(上下行)斷面客流量?？梢钥闯?，工作日早高峰向市區(qū)方向的斷面客流量較大，離開市區(qū)方向的斷面客流量較小，而晚高峰情況則相反，平峰時(shí)上下行斷面客流量較小且均衡。這類可視化分析圖充分結(jié)合了網(wǎng)絡(luò)斷面客流的空間與時(shí)間特征，可以輔助運(yùn)營(yíng)管理者從宏觀、微觀層面全面了解斷面客流的分布規(guī)律。

需要指出的是，在圖4的基礎(chǔ)上，可以將斷面客流數(shù)據(jù)中的時(shí)間變量映射到動(dòng)畫的時(shí)間軸上，實(shí)現(xiàn)通過(guò)控制時(shí)間軸來(lái)觀察各個(gè)時(shí)段內(nèi)各個(gè)斷面客流變化，也可將不同時(shí)段的圖形生成動(dòng)畫或視頻文件。這種動(dòng)態(tài)可視化分析可以直觀地展示網(wǎng)絡(luò)斷面客流隨時(shí)間演變規(guī)律，對(duì)于優(yōu)化列車開行方案與客流組織方案具有重要參考價(jià)值。

圖3 基于甘特圖與日歷圖相結(jié)合的單月分時(shí)最大斷面客流量Fig.3 Hourly largest passenger volume in a month based on Gantt chart and calendar map

圖4 基于空間特性的網(wǎng)絡(luò)斷面客流可視化展示Fig.4 Visualized presentation of network passenger volume based on spatial characteristics

3 進(jìn)出站客流可視化

進(jìn)出站客流是指單位時(shí)間內(nèi)在軌道交通車站進(jìn)出的客流總量。對(duì)于網(wǎng)絡(luò)進(jìn)出站客流的分析主要是空間與時(shí)間特性的展現(xiàn)[14]。散點(diǎn)圖是數(shù)據(jù)點(diǎn)在坐標(biāo)系平面上的分布圖，可以將散點(diǎn)圖與地理坐標(biāo)系相結(jié)合，借助散點(diǎn)和地理地圖表達(dá)車站及其所處的空間位置。圖5為2014年某日(星期五)上海市軌道交通工作日進(jìn)出站客流分布，分別為早高峰(7:30—9:30)、晚高峰(17:30—19:30)時(shí)的進(jìn)出站客流情況，點(diǎn)的顏色深淺代表車站客流量大小?？梢钥闯?，早高峰時(shí)段郊區(qū)車站的進(jìn)站量較大，市區(qū)車站(如人民廣場(chǎng)、陸家嘴等)的出站量最大，而晚高峰恰好相反。通過(guò)這類圖表可以分析進(jìn)出站客流在時(shí)間與空間上的分布規(guī)律，為制定合理的停站方案與客流組織方案提供決策依據(jù)。

另外，在分析進(jìn)站量和出站量的差異性時(shí)，將進(jìn)出站匯總到同一圖形中更有利于從全局上把握不同空間車站的進(jìn)出站特征，利用餅圖替換圖5中的各個(gè)散點(diǎn)(圓圈大小表示進(jìn)出站總量)，可以實(shí)現(xiàn)進(jìn)出站量在網(wǎng)絡(luò)上的宏觀表現(xiàn)(見圖6)。

圖5 基于散點(diǎn)圖的軌道交通網(wǎng)絡(luò)早晚高峰進(jìn)出站客流量Fig.5 Passenger volume entering/departing rail transit stations during morning and afternoon peak hour based on scatter plot

圖6 軌道交通車站早高峰進(jìn)出站客流量比例Fig.6 Proportion of passenger volume of entering/departing rail transit stations during morning peak hours

4 換乘客流可視化

換乘站是城市軌道交通網(wǎng)絡(luò)中的重要節(jié)點(diǎn)，各車站的換乘客流總量也可以采用類似圖5的散點(diǎn)圖表示。但是對(duì)于換乘客流分析更為重要的是如何清晰地展現(xiàn)不同換乘方向上的換乘量[15-16]。換乘站在不同線路之間的換乘方向與該站銜接的線路數(shù)量有關(guān)，如2條線換乘站共有8個(gè)方向，3條線換乘站共有24個(gè)方向，而4條線換乘多達(dá)48個(gè)方向。既有的研究成果對(duì)換乘方向的表達(dá)大多是通過(guò)表格的形式進(jìn)行描述，過(guò)于抽象且不直觀。弦圖是以圓和弦為基礎(chǔ)的圖形表達(dá)方式，可以將換乘方向映射成弦圖中的弧線，同時(shí)借助弧線顏色、粗細(xì)來(lái)反映換乘方向上的客流量大小。圓外的箭頭方向指代線路的上下行方向，在內(nèi)部通過(guò)弧線連接各線路，從而實(shí)現(xiàn)對(duì)不同線路、不同方向間的換乘關(guān)系表達(dá)。

圖7展示了上海市軌道交通南京東路站和人民廣場(chǎng)站2014年某日(星期五)9:00—9:05的換乘客流量。通過(guò)弧線的顏色和粗細(xì)可以清晰地看出人民廣場(chǎng)站8號(hào)線上行換1號(hào)線下行、8號(hào)線上行換1號(hào)線上行、1號(hào)線下行換2號(hào)線上行方向的換乘客流量較大。該類圖的最大優(yōu)點(diǎn)是能適應(yīng)不同的銜接線路數(shù)量，且有助于運(yùn)營(yíng)管理人員快速掌握各個(gè)方向換乘量大小及站內(nèi)換乘客流分布，為制定合理客流組織方案與設(shè)施設(shè)備優(yōu)化方案提供決策依據(jù)。

5 結(jié)語(yǔ)

可視化分析是大數(shù)據(jù)分析的重要方法，它利用人對(duì)可視化信息的強(qiáng)大認(rèn)知分析能力，將其與計(jì)算機(jī)的高效數(shù)據(jù)處理能力相結(jié)合，彌補(bǔ)了傳統(tǒng)統(tǒng)計(jì)分析在客流宏觀與微觀多層次綜合展現(xiàn)方面的不足。本文從城市軌道交通運(yùn)營(yíng)管理者的實(shí)際需求出發(fā)，探討了可視化分析在城市軌道交通客流大數(shù)據(jù)分析與展示的運(yùn)營(yíng)需求、關(guān)鍵技術(shù)以及實(shí)現(xiàn)方法，對(duì)于運(yùn)營(yíng)管理人員輔助分析客流特征、優(yōu)化行車與客運(yùn)組織方案提供依據(jù)。但是基于大數(shù)據(jù)的可視化分析在城市軌道交通系統(tǒng)客流分析中的應(yīng)用仍處于初步探索階段，在數(shù)據(jù)挖掘、圖形表達(dá)，尤其是對(duì)于動(dòng)態(tài)多維度客流數(shù)據(jù)的可視化分析與展示技術(shù)還值得進(jìn)一步深入探討。

圖7 軌道交通多線換乘站換乘關(guān)系Fig.7 Transfer relationships among multiple lines of rail transit

參考文獻(xiàn)：

[1]杜世敏，鄭宇，江志彬.客流數(shù)據(jù)在城市軌道交通網(wǎng)絡(luò)化運(yùn)營(yíng)組織中的應(yīng)用[J].城市軌道交通研究，2010，13(6)：71-74.Du Shimin,Zheng Yu,Jiang Zhibin.Application of Passenger Flow Data on Urban Rail Transit Network Operation[J].Urban Mass Transit,2010,13(6):71-74.

[2]李偉，周峰，朱煒，等.軌道交通網(wǎng)絡(luò)客流大數(shù)據(jù)可視化研究[J].中國(guó)鐵路，2015(2)：94-98.

[3]Jiang Zhibin,Hsu C H,Zhang Daqiang,et al.Evaluating Rail Transit Timetable Using Big Passengers'Data[J].Journal of Computer and System Sciences,2016,82(1,Part B):144-155.

[4]Jiang Zhibin,Xie Chao,Ji Tingting,et al.Dwell Time Modeling and Optimized Simulations for Crowded Rail Transit Lines Based on Train Capacity[J].PROMET:Traffic&Transportation,2015,27(2):125-135.

[5]程學(xué)旗，靳小龍，王元卓，等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報(bào)，2014，25(9)：1889-1908.Cheng Xueqi,Jin Xiaolong,Wang Yuanzhuo,et al.Survey on Big Data System and Analytic Technology[J].Journal of Software,2014,25(9):1889-1908.

[6]任磊，杜一，馬帥，等.大數(shù)據(jù)可視分析綜述[J].軟件學(xué)報(bào)，2014，25(9)：1909-1936.Ren Lei,Du Yi,Ma Shuai,et al.VisualAnalytics Towards Big Data[J].Journal of Software,2014,25(9):1909-1936.

[7]Jiang Xiaorui,Zheng Chunyi,Tian Ya,et al.Large-Scale Taxi O/D Visual Analytics for Understanding Metropolitan Human Movement Patterns[J].Journal of Visualization,2015,18(2):185-200.

[8]Zeng Wei,Fu Chiwing,Mueller A S,et al.Visualizing Mobility of Public Transportation System[J].IEEE Transactions on Visualization and Computer Graphics,2014,20(12):1833-1842.

[9]江志彬，季婷婷.基于客流影響的城市軌道交通列車運(yùn)行調(diào)整策略[J].城市軌道交通研究，2014，17(1)：39-42.Jiang Zhibin,Ji Tingting.URT Train Regulation Strategy Based on Passenger Flow Influence[J].Urban Mass Transit,2014,17(1):39-42.

[10]百度.百度地圖遷徙人氣[EB/OL].2015[2015-12-01].http://qianxi.baidu.com/.

[11]百度.百度Echarts[EB/OL].2015[2015-12-01].http://echarts.baidu.com//index.html.

[12]馬毅林，溫慧敏，劉劍鋒，等.城市軌道交通環(huán)線客流特征分析及啟示[J].城市交通，2013，11(6)：49-56+27.Ma Yilin,Wen Huimin,Liu Jianfeng,et al.Passenger Flow Characteristics Analysis of Urban Rail Transit Loop Lines[J].Urban Transport of China,2013,11(6):49-56+27.

[13]沈麗萍，馬瑩，高世廉.城市軌道交通客流分析[J].城市交通，2007，5(3)：14-19.Shen Liping,Ma Ying,Gao Shilian.Passenger Flow Analysis of Urban Rail Transit Systems[J].Urban Transport of China,2007,5(3):14-19.

[14]王靜，劉劍鋒，馬毅林，等.北京市軌道交通車站客流時(shí)空分布特征[J].城市交通，2013，11(6)：18-27.Wang Jing,Liu Jianfeng,Ma Yilin,et al.Temporal and Spatial Passenger Flow Distribution Characteristics at Rail Transit Stations in Beijing[J].Urban Transport of China,2013,11(6):18-27.

[15]李偉，徐瑞華，朱煒.運(yùn)行延誤下地鐵換乘站多線協(xié)同客流處置方法[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，43(2)：239-244.Li Wei,Xu Ruihua,Zhu Wei,et al.Multiline Cooperation Method for Passenger Flow Disposal in Metro Transfer Station Under Train Delay[J].Journal of Tongji University(Natural Science),2015,43(2):239-244.

[16]楊梅，徐瑞華.城市軌道交通換乘站大客流組織的仿真[J].城市軌道交通研究，2011，14(9)：48-51+78.Yang Mei,Xu Ruihua.Simulation of Large-Scale Pedestrian Organization at Urban Rail Transfer Station[J].Urban Mass Transit,2011,14(9):48-51+78.