北京市交通信息中心副主任 杜勇教授級高工

1.大數據背景下的北京公交

最近幾年，北京的地面公交客運量在逐年下滑，而且下滑的幅度達到了10%以上。這其中包含了很多原因，其中主要的原因在于北京軌道交通大規模的發展。2014-2017年間，北京新開通了七條地鐵線，總里程約100公里。到2020年北京地鐵的運營里程將會達到1000公里。另一方面，近幾年互聯網的進入使交通行業產生的新業態，這對地面公交也造成了一定的沖擊。

圖1公交線路情況

圖2站點影響情況

上圖是2008-2017年間的公交和地鐵的日均客運量，其中藍色代表地面公交，橙色代表軌道交通，從2014年開始，地面公交的客運量逐年下降，而軌道逐年提升。到2015年9月份，軌道交通每天客運量已經超過了地面公交。對于典型的公交站點，軌道交通的開通使地鐵站點周邊的公交站點的客運量急劇下降。

圖3 2016-2017年4-6月重點接駁站公交客流下降趨勢

對于近兩年興起的共享單車，這種出行方式和公交、地鐵相比有很大區別。公交、地鐵是中長距離的運輸，單車出行主要以短途為主。我們認為總體上共享單車、公交、地鐵是一種互補關系。通過分析2016-2017年的數據，我們發現在共享單車投放比較集中的公交站點，站點的客運量也受到了影響。平均客運量下降了30%，更有甚者達到50%，所以共享單車對地面公交的局部客運量還是會產生一些影響。

實際在這種情況下,地面公交運營企業感受到沖擊和壓力.因為客運量對運營企業來說是生命線。所以傳統的企業面臨著轉型升級的壓力，但是大數據為傳統行業的管理方式變革帶來了機遇。

以北京市為例，對于公交方面的數據，我們擁有包括4萬多個站點的數據。同時每天會產生大概10億條的車輛定位數據，以及1000萬條乘客刷卡的數據，還有基于手機的數據。這些都是很寶貴的數據資源。在這個背景下，通過大數據的驅動，公交技術的創新，可以的提高企業的效益、管理的效率，以及面向乘客的服務水平。

2.我們的探索與實踐

2009年之前，我們基于出租車的衛星定位數據分析實時路況，主要還是面向機動車駕駛者服務。從2010年開始，我們在前期工作的基礎上，依托了國家的“863計劃”課題，還有北京市科委的科研課題，啟動了面向公共交通數據的研究。

到2013年的時候，北京公交做了一款APP，它可以查公交的到站時間和到站距離。2014年我們在數據處理領域進行拓展，除了向社會提供出行服務之外，還有公交企業運營管理。到今年為止，我們初步形成了技術體系，而且這個成果獲得了北京市科學技術獎，以及中國智能交通協會的科學技術獎。

在公交的大數據處理方面，我們的工作主要包括三個方面，分別是基礎、支撐和應用。在基礎方面我們進行了精細化數據的預處理工作，這個工作往往會被大家忽略，人們往往會關注模型、算法。在支撐層面我們實現了精準化計算公交的特征。在應用層面我們實現智慧公交的決策服務，包括提供出行服務，運營管理的服務，甚至政府的決策服務。通過以上實踐，我們認為要把東西做到實處，讓它好用、實用，還要圍繞著實際的需求，而不是純理論的研究。下面將簡要闡述這三方面工作。

在數據匯聚和處理方面，目前我們梳理了北京公交的數據集，包括15大類，積累的數據大概1000億條，這些數據里面既包括線路、站點、車輛等靜態數據，也包括衛星定位還有刷卡記錄等動態數據，另外還有很多與地圖相關的數據。到目前為止，這些數據實際上已經明確了數據接入標準、存儲的規格還有動態預處理流程，基本形成了數據預處理體系。

在公交的特征計算方面，主要包括客流計算，和公交運行速度計算。在客流計算方面，我們發現了數據存在不可避免的問題，包括刷卡記錄所反映的站需和實際不匹配的問題，以及乘客刷卡時間上有提前或延后的問題。另外還有駕駛員報站和實際到站不同步的問題等等。針對這些問題，我們形成了基于關鍵數據鏈客流的計算方法。

圖4基于多層次目標關聯的公交運營優化調度方法

在速度計算方面，我們面臨很多的問題，包括公交車輛衛星定位數據樣本分布不全，缺失，以及公交車紅綠燈的等待帶來的誤差。這種情況下，我們也形成了一套精準的計算公交車的運行速度方法。通過這些技術的突破，我們每天能夠準確、實時的掌握北京市的大概900多條的公交線路，還有4萬多個站點動態的客運量。在運行速度方面北京市全部運行路網的速度以及公交車輛的速度可以實時提取，精度達到一分鐘。

在應用層面我們做了這么幾方面的工作：支持公交更智能化的調度，基于多層次目標的優化調度方法。所謂的多層次目標我們主要是以客運量最大、運行時間最短，以及車輛滿載率適中為主要目標。同時要兼顧司乘人員的勞動時常，還有廠站的物理條件等等，從而推導得出能為線路提供優化的排班調度計劃以及最優的配車數。

圖5 西南三環某條智慧公交新線規劃

北京公交運營方面對上述技術做了較好的應用示范。首先在客運量上，去年9月份開通的線路，隨著配車數的增加，每個月平均每天的客運量有一個提升。但優化前每天平均客運量約為5000人次，在優化完調度時刻表以后，整體客運量提升了20%左右，另外司乘人員的勞動時間也是平均減少了20分鐘。最后在滿足線路要求的前提下，實際的配車數比計劃配車出減少了6輛。在公交線網規劃方面，當公交線路新增調整或者延長時候，我們會進行精確化客運量的預測，例如首末站和中途站的設置。對于北京公交新開通的一個線路，左圖是最開始的方案，線路比較長，站點比較多，和軌道交通接駁的四個站點，傳統認為這樣客運量應該是比較大。預測結果約為每天3500人次。基于我們的方法對其稍微調整，線路與站點也減少了，和地鐵接駁點由原來的四個變成了兩個。運輸效率明顯提高。公交的安全管理方面，我們所做的探索主要是采用計算機圖象識別處理，計算車上乘客的數量、排隊等候的數量，針對駕駛員疲勞駕駛行為進行預判。而且，基于數據我們也提出了地面公交運營的評價體系，這個主要給公交企業提供量化的、客觀的、數字化指標，讓他們了解整個運營的實際情況是什么。在對社會的信息服務方面，我們推出了公交車輛到站時間、到站距離查詢服務。2013年推出的時候僅包含了78條線路，現在到目前為止已經達到800多條，北京公交線路覆蓋率達到了99%。最近，我們將和一些全國性的定植公交的互聯網平臺合作，依據我們線路規劃的方法，選取出一些線路來，讓他們進行實際的運營。

圖6公交安全運營管理應用

3.未來發展展望

最后我們認為大數據技術和公交未來的發展最后，大數據技術和公交未來的發展，還有很多事情可以去做：

第一，我們應該以我們乘客的實際需求，多樣化的需求作為導向，以大數據作為支撐，從而改變現有單一的公交運營模式，能夠向社會、乘客提供多元化、主動的服務模式。比如說在傳統運營的線路基礎上，提供接駁專線、高鐵快巴、微循環小巴等等。

第二，我們可以對社會提供更好的服務，包括現有的公交到達預測，車上擁擠程度預測，讓大家有一個更便捷、舒適的出行體驗。

另外現在國家、地方政府特別重視節能減排，運營車輛也在更新車純電動車。這個方面我覺得還有很多工作需要進行，包括純電動車輛換電站布局、規劃等等問題。

希望傳統公交行業有更好的轉型升級，提質增效。

(新媒體責編：wb001)