利用公交刷卡支付数据可分析的指标探讨

  随着刷卡机的普及应用，公交企业已经积累了大量的公交刷卡支付数据，这些数据不仅可以用来统计线路的运量，也可以对这些数据进行分析，得出乘客的出行特征，从而有针对性为乘客提供高品质的出行服务。

  1.非零票支付数据包含内容

  公交刷卡支付数据（非零票支付数据）一般包括ID号、卡类型、刷卡日期、刷卡时间、刷卡车辆编号、刷卡线路号、支付金额、刷卡机编号等，有些企业的刷卡支付数据中还会包括站点名称、线路方向、站点序号等内容。

 2.可分析得出内容

 （1）线路运量

 通过统计数据中某一时期内的相同线路号的支付乘客数量，就可以统计出每条线路的运量数据。

 （2）时间分布

 根据数据中记录的支付日期及时间，可以分析全部公交乘客的出行时间、线路上乘客的出行时间、不同日期的运量分布等，可以掌握不同日期、不同时间的乘客出行量，为调度人员确定各时段运力投放提供数据参考。

图1-1 单条线路上乘客的出行时间分布图

 （3）上下行时间分布

 对于包含上下行字段的数据，还可以分析出不同线路不同方向的时间分布，从而及时掌握线路客流在方向上的不均衡情况，为调度人员采用“屯车”、“加车”等调度方法提供参考依据，保障运力能投入于客流量大的方向。

图1-2 线路上下行时间分布图

 （4）站点上客量分布

 根据刷卡支付数据，可以统计出全部站点上客量、线路上站点上客量、线路不同方向站点上客量等内容。将站点上客量分析与时间相结合，可以分析出行乘客的时空分布特征，从而得出乘客主要的集散点、不同时间的乘客出行发生地等，为公交线路的布设优化提供支持。

图1-3 站点上客量热力分布图

 （5）出行OD分布

  根据乘客每次的刷卡位置可以匡算乘客的出行OD分布。可以假设次刷卡位置为该次出行的O点，第二次刷卡位置为该次出行的D点，依次类推每一次出行的OD。或者，通过多日的数据，来判断某一ID乘客上下午经常的刷卡位置，以此认为是该乘客的常规出行OD点。以上方法只是粗略地统计乘客的OD，若想要更精确的乘客轨迹，则需要刷卡支付数据与车辆GPS数据相结合，依次判断乘客的出行O点，换乘点及出行D点。

 （6）不同出行人群的分析

  根据数据中刷卡类型，可以分析出老年人、学生、微信等不同人群的出行时间分布、出行空间分布、出行线路偏好、出行频次等，可以有针对性的制定线路优化方案，提供个性化的出行服务。比如，某些线路、某些区域的学生群体较多，就可以根据这些乘客的出行时间、出行OD等分布，提供学生定制专线服务等。

  以上分析内容只是对刷卡支付数据的简单应用，未来通过对公交刷卡支付数据、车辆卫星定位数据等公交数据的持续挖掘，可以分析出更多有参考价值的信息，为提升公交的运营效率与服务品质提供更多数据支持。

 来源：济南市城市交通研究中心

 供稿：刘玉霞