基于刷卡数据的公交和地铁接驳出行评价研究——以北京市为例

本文发布已获得《都市快轨交通》授权

原文发表于《都市快轨交通》

2025年 第4期

如有转载请联系版权方，标明出处

黄凯，张健钦，程歆玥，胡超男，文政，黄馨逸

2019年国务院印发《交通强国建设纲要》，明确提出要强化城市轨道交通与其他交通方式的衔接，优先发展城市公共交通[1]。作为超大城市典型代表，北京2024年轨道交通与公共汽车分别承担48.99%和32.48%的城市客运量[2]，两大系统协同效能的提升对缓解城市交通压力具有关键作用。然而，现有针对解决公交与地铁接驳协同效能的量化评价研究较为缺乏。一方面，受限于公交数据字段完整性不足[3]，大部分只考虑了地铁接驳公交(STB)单向的接驳方式，缺乏对公交接驳地铁(BTS)反向路径的研究；另一方面，现有评估指标存在体系不健全、定量化程度低等问题[4]，难以准确解析公共交通出行网络中的竞争合作关系。近年来，国内外有关公交和地铁两个系统的研究集中在4个方面。1)换乘问题。如研究两个系统的换乘时间表优化[5]，不同日期和恶劣天气条件下两个系统之间的换乘客流变化[6]等。2)客流量。如地铁网络的扩展对公交客流量的影响[7]，研究高峰期时两种公共交通之间的客流量不平衡现象[8]。3)票价制定。如利用票价优化公交地铁走廊沿线公共交通服务[9]，利用地铁优惠票价提升地面公交的分担率[10]等。4)内在关系。如Wei提出公交和地铁合作与竞争关系，在这两种关系下构建对应公交线路优化模型[11]。然而现有评价公交和地铁接驳出行现状的研究尚且缺乏。本研究创新性地提出“地铁-公交”双向接驳分析框架，突破传统单向研究局限。基于北京市特有的全链条公交刷卡数据(上下车双记录)，系统界定STB与BTS两类接驳模式，构建包含客流时空分布、竞争关系、接驳效率三维度10项指标的评估体系。通过K-means聚类算法实现地铁站点接驳特征的分类识别，在方法论层面形成三大创新：其一，基于出行时间顺序建立双向接驳出行链模型，突破数据完整性制约；其二，基于空间拓扑分析的动态服务半径界定方法，通过KDtree算法与核密度估计优化公交和地铁的接驳服务半径；其三，引入接驳公交服务区域、竞争强度等新型量化评价指标。研究成果可用于厘清公交和地铁接驳现状、挖掘现有接驳不足，为超大城市公共交通出行协同效能的提升提供新的分析视角。

1数据来源与方法

1.1数据来源

本文使用的是IC刷卡数据，包括2019年5月1—10日北京市地铁和公交出行(考虑到疫情影响以及城市刷卡数据的保密时效，选择2019年数据进行研究)。初步清洗后公交数据量57282360条，地铁数据量32937437条。IC刷卡数据有13个属性(见表1)，

原始数据存在的异常值包含5种：地理位置异常、刷卡时间异常、订单时间异常、缺失值、冗余与重复数据，其中，地理位置异常、刷卡时间异常、订单时间异常等数据都需要剔除。

1.2研究方法

本文基于刷卡数据对公交、地铁出行系统的接驳情况进行特征分析和综合评价。首先基于公交和地铁站点数据，使用核密度估计函数得到接驳服务半径；然后根据客流特征，提出并定义评价接驳的10个指标；再分析竞争关系下的公交出行需求空间分布；最后通过K-means聚类算法，对地铁站点进行聚类分析。

1.2.1接驳服务半径

接驳出行是指乘坐两种交通工具的行程，中途的停留通常以步行换乘为目的，两次行程之间的换乘距离相对较短，因此需要界定一个换乘距离范围。以往研究认为地铁的服务范围为400～1000m，公交车的服务范围为300～500m[12]，这些是地铁系统独立的服务范围，无法准确反映地铁与公交的接驳现状。因此，本文提出接驳服务半径，可以很好地筛选出有效的接驳出行数据，排除一些因数据质量、定位不准产生的漂移数据。主要使用基于大量公交和地铁站点位置数据的分析方式计算得到，首先计算每个公交站到最近地铁站点距离，使用KDtree算法加快匹配速度，再结合核密度估计函数得出相对概率密度最大的距离值为618m(见图1)。

因地铁站点数据为站点的几何中心点，考虑到地铁站出入口到公交站台的距离更短，所以选取600m作为接驳服务半径，也作为后续网格的空间分辨率大小。

1.2.2接驳指标选取

正文指标选取原则是贴合实际地铁和公交出行的客流量，同时也考虑影响接驳出行效率中的其他因素。接驳有STB和BTS两种方式。以下指标定义对于两种情况都适用，仅以BTS进行描述，需要注意的是接驳公交服务区域包含“面积”和“扁率”两个指标。1)地铁客流量。进/出站地铁客流量是单位时间内刷卡进/出站的人次，通过python中的groupby函数按小时统计得到。2)换乘距离。换乘距离是指地铁出站口到公交站台的距离，通过公式(1)～(5)求得。

式中，(lon1，lat1)为地铁出站口经纬度，(lon2，lat2)为公交站台经纬度；r为地球半径，此处使用地球平均半径6371km；d为估计的换乘距离。3)换乘时间。换乘时间指乘客从地铁刷长出站时刻到公交刷长上车时刻的时间间隔。

式中，t1为地铁刷卡出站时刻；t2为公交刷卡上车时刻。4)公交出行距离。利用公交出行数据的起点、终点经纬度，使用公式(1)～(5)计算可得公交出行距离dbus。5)公交出行时间。利用公交上下车刷卡时间，使用公式(6)计算公交出行时间tbus。6)接驳量。接驳量(transfernumber，ntransfer)是指在一定时间范围内，从地铁系统流入公交系统进行接驳的人次，使用ntransfer表示，通过python统计得到。7)接驳率。接驳率(transferratio，TR)定义为某个地铁站转乘公交的乘客数量与总乘客数量的比例。

式中，TR为接驳率；ntransfer是在地铁站转乘公交的乘客数量，即接驳量；ntotal为总乘客数量，包括在该地铁站内转乘公交的乘客和其他乘客。8)接驳公交服务区域(含面积和扁率两个指标)。一般而言，地铁站接驳的公交线路是一对多的关系，接驳公交服务区域(transferbusservicearea，TSA)是指在特定时间范围内，由一个地铁站点出发或到达的所有接驳公交线路的起始站和终点站所界定的地理区域，它体现了乘客通过这些公交线路从地铁站出发或到达地铁站所能覆盖的最大服务范围。本文引入置信椭圆来表达接驳公交服务区域。椭圆的长半轴a表示数据分布的方向，短半轴b表示公交出行需求分布的范围。椭圆面积通过公式(8)计算得到。置信椭圆的扁率(oblateness，ob)，是椭圆长半轴与短半轴的比例，反映了数据分布的扁平程度，本文引入用于描述接驳公交服务区域的空间方向性，其值介于0和1之间，扁率可通过公式(9)计算。如果扁率接近于零，则表明接驳的公交出行均匀地分散在不同的方向上。扁率越大，出行需求的方向性越大，表明公交出行在相似的方向上有着相似的出行模式，接驳公交服务区域示例见图2。

9)竞争强度。为分析公交与地铁的接驳现状，引入竞争关系[13]。将竞争关系定义为在地铁运营时间内，公交车出行的起点和终点都在地铁的接驳服务半径内，用户也可以选择乘坐地铁完成这次出行。通过竞争关系下的公交车客流需求，可用于研究城市部分区域存在公交车过度服务或服务不足的情况。本文使用竞争强度(intensityofcompetition，IC)概念来量化两者的竞争关系。竞争强度表示地铁系统分流到公交系统中的客流比例。它定义为在一定时间范围内，在某一地铁站的接驳服务半径范围内，设公交出行驶入该范围的客流量为n1，公交出行驶出该范围的客流量为n2；同时，该地

铁站的出站和进站总客流量为n，则该地铁站的竞争强度可表示为公式(10)，图形示意见图3。

2结果分析

2.1两类接驳出行特征

按照出行先后分别提取STB和BTS的出行数据。

从图4可知，STB的客流量双峰模式更显著，高峰段集中在18时，持续时间较短，为乘客职住通勤回家的乘车方式；BTS客流高峰集中在6～8时，持续时间约2h，是乘客职住通勤去公司的乘车方式。对两种出行方式的OD流出行进行可视化(见图5)。

地铁换乘公交(STB)出行中，以朝阳区双井为中心，呈现放射状，较多流向通州区九棵树街道；除此以外，海淀区大钟寺与昌平区回龙观之间的接驳出行双向流动大；公交换乘地铁(BTS)中，北京西站流向建国门之间的接驳出行需求最大，流入建国门的客流量最大，流入安华桥的数量较多。除此以外，文中还对STB和BTS两种接驳出行各阶段的时间占比进行分析，两种方式中公交和地铁出行的时间及距离比都约为1︰2(见表2)公交平均候车时间是反映公交服务便捷性和高效性的重要指标之一。利用BTS和STB中的换乘时间之差可得公交平均候车时间约6min。一般认为公交候车时间不超过10min[14]，对候车时间超过10min的站点进行可视化表达，可以看到候车时间较长的公交站主要集中在北京丰台站、大石河东、传媒大学等地铁站周围(见图6)。对这些站点，建议综合考虑公交与地铁之间的换乘需求以及地铁发车时刻表来优化公交车的发车间隔和发车班次。

2.2公交客流热力分析

以600m×600m为网格分辨率，统计网格内竞争关系下公交出行的OD对个数。为更好地显示热力图和栅格OD图的叠加效果，仅展示数量较大的OD对数据(前10%)。从图7可知，首先，竞争关系下的公交出行集中在大型铁路客运站、写字楼、公交枢纽站。北京西站公交客流量较大且流向较多的方向，建议以北京西站作为北京的交通枢纽，增开北至海淀山后地区、东至东西城前门地区、西南至丰台河西地区这3个方向的交通干线；根据竞争关系下的公交客流，增加高峰时段的班次，增设更多的指示标识和实时信息显示屏，延长运营时间以覆盖更多的出行需求。

其次，通州北苑到四惠枢纽站之间的公交出行需求量较大，其中主要的公交路线有322路、806路等，这些公交路线东西横跨朝阳和通州，是连接城市中心区和城市副中心的重要通勤走廊。因此，建议该路段的地铁采用大站快车服务，减少停靠站点，根据不同时间段的竞争关系下的公交客流需求适当增减地铁发车间隔，或增设城际铁路、定制公交线路等多种出行方式，满足两地起讫点的高人流量通勤需求。

2.3接驳聚类结果分析

通过K-means对10个指标进行聚类，使用CRITIC权重法[15]为每一个指标进行客观赋权(见表3)，再根据手肘法(见图8)将地铁站分为5类，然后采取内部评估指标[16]，使用轮廓系数衡量样本与自身簇和其他簇的相似度，得到轮廓系数为0.6895，聚类结果有较好的可靠性和合理性。

最后分别得到STB和BTS5个集群平均归一化指数雷达图(见图9)。

根据聚类结果，对地铁站进行可视化聚类分区(见图10)。

5类集群中的地铁站表现出不同的空间模式，且在STB和BTS两种接驳方式中有不同的表现。受职住通勤影响，两种接驳方式下的地铁站呈现差异化聚类结果(见表4)。

在STB中，集群Cluster1和Cluster4数量较多，Cluster1主要分布在地铁4号线延长段、2号线鼓楼大街周围，cluster4主要分布在地铁1号线万寿路周围。从雷达图得知这两类比较相似，公交车换乘时间、距离都较长，建议增加共享单车站点，特别是在早晚高峰时段，可减少乘客的步行距离。同时，可以增设实时公交信息显示屏，提供准确的公交到达时间，减少乘客等待时间，完善相关接驳设施。多，其中cluster2的地铁客流量大，接驳量较小，以游客、参观者居多，主要分布在地铁6号线南锣鼓巷、中国美术馆附近，建议增加公交频次，特别是在旅游高峰季节。同时，可以设置专门的旅游巴士线路，连接主要旅游景点和地铁站，方便游客出行；cluster5的椭圆扁率和换乘距离较大，主要分布在地铁1、7、8号线末端地铁站，建议增设公交专用道，提高公交运行效率，同时，考虑到换乘距离较大，可以在地铁站周边增设便民服务设施，如休息驿站、自动售货机等，以满足乘客在换乘过程中的需求。

3结论

本文基于北京地铁、公交刷卡数据，提出STB和BTS两类接驳方式，依据现有公交地铁站点数据计算公交地铁接驳服务半径，分析接驳出行特征以及竞争关系下公交出行需求的空间分布，并提出竞争强度、接驳公交服务区域等10个评价指标进行聚类分析，综合评价公交地铁接驳情况。研究得出以下结论。1)STB客流高峰集中在18时，持续时间短；BTS客流高峰集中在6—8时，持续时间约2h；两种出行方式中公交和地铁出行的时间及距离比都约为1︰2；地铁公交换乘出行中公交平均候车时间约6min。2)竞争关系下的公交出行需求集中在大型铁路客运站、写字楼、公交枢纽站(如北京西站)。通州北苑到四惠枢纽站之间的公交出行需求量较大(如322路公交)。建议增设城际铁路、定制公交线路等多种出行方式。

3)通过K-means聚类得到两种接驳方式下的地铁站呈现差异化聚类结果。STB集群cluster1和cluster4数量较多，接驳换乘距离、时间长，因此建议增设实时公交信息显示屏，提供准确的公交到达时间，减少乘客等待时间。BTS集群cluster2和cluster5居多，存在客流量大、接驳量小现象，建议增加公交频次，增设专门的旅游巴士线路。

4)本研究还有继续优化的空间，目前仅采用工作日IC刷卡数据研究接驳差异，未来的研究也可以结合多源出行数据进行联合分析，才能够全面地摸清交通出行系统之间的接驳情况，为优化公共交通出行提供更为科学的决策信息。