摘要：随着交通大数据的不断应用，提出全新推断多模式交通网络线路OD矩阵方法。通过对乘客刷卡数据同地铁报站数据进行有效匹配，从而掌握乘客上车站点，结合地铁刷卡数据对乘客下车站点做出精准计算分析，之后按照乘客出行信息形成线路OD矩阵，充分反应出城市交通存在的特点。因此，本文对基于刷卡数据的地铁OD信息处理进行分析。
关键词：刷卡数据；OD矩阵；信息处理
前言：全面精准的掌握地铁交通客流分布成为制定科学合理地铁运营管理对策的基础，为地铁建设优化布局提供重要依据。随着城市发展建设，地铁成为十分重要的出行方式，地铁交通按照里程计费，进出站采取两次刷卡，可以对乘客动态时空分布情况作出精准了解。地铁OD信息处理使OD调查分析研究的重要发展趋势。地铁OD矩阵主要是对地铁交通网络覆盖的全部起点与重点区间范围乘客出行交通数据量做出准确详细的描述。能够充分体现出乘客对地铁交通网络的客观实际基本需求，使开展地铁交通管理与车辆调配以及交通规划设计的关键性基础数据。基于刷卡数据的地铁OD信息，能够用于地铁车辆合理调配，为附近公交车辆车辆调配与规划设计提供基础依据，为城市交通总体规划设计方案提供决策性支持等。
一、地铁OD信息研究内容
按照地铁实时调配以及动态交通管理等基本要求，基于刷卡数据的地铁OD信息，其主要研究内容涵盖OD矩阵以及关键OD对于O点主流向。
对于OD矩阵而言，主要是指基本统计站点的OD矩阵，且OD矩阵存在动态性特点。对于关键OD对而言，主要是指实际标准需求量较大，地位相对较为关键，存在突出影响力的地铁交通基本要求起讫点。对于O点主流向而言，主要是指对应于相同O点，具有较大吸引力的不同数量D点[1]。
基于刷卡数据的地铁OD信息处理流程详见图1所示，第一，对OD矩阵进行准确的统计分析计算；第二，通过OD矩阵对O点主流向进行精准的分析判断；第三，按照OD矩阵以及O点主流向对关键OD对进行精准的分析判断。
（二）OD矩阵
基于刷卡数据的地铁OD矩阵，主要是对地铁系统起讫站点范围区间的实际交通标准要求进行清晰直观的呈现，并非普通意义层面交通小范围区间的实际交通标准要求。基于此，严格意义来讲应将其成为地铁站OD矩阵。地铁系统对不同乘客的进出信息进行准确仔细的记录，仅需采取合理的实时处理，就能够掌握各个时间节点地铁站OD矩阵，这也体现出地铁站OD具备的动态特性，同普通OD调查数据存在最为明显的主要差别特点[2]。
1.OD矩阵构造
基于O点分析统计，计算统计时间范围内由O点至D点实际交通标准要求，不论行程是否结束，均称之为OD矩阵，通常情况下，一个站台为n的区域内，OD矩阵的具体表示详见表2所示。
表2 OD普通矩阵
2.OD矩阵计算
本文分析研究，选取IC卡信息数据为地铁出行OD矩阵计算基础数据。分析计算出行OD阶段，需得到全部地铁出行乘客OD数据，得到地铁OD矩阵阶段，还需对乘客OD做出修正，从而得到全部乘客地铁OD分布矩阵。
OD矩阵计算流程主要为：第一，明确统计时间范围，涵盖起始时间以及时间间隔；第二，对目标OD对进行充分筛选；第三，对OD量进行准确统计，基于进站时间为基准，对统计时间范围内由O点至D点车次进行准确分析计算；第四，对全部OD对进行整理合并，形成OD矩阵[3]。
3.地铁OD矩阵
地铁OD矩阵的分析统计，能够划分成各不相同的类型，比如小时高峰的分析统计，基于选定时间范围内OD统计，基于具体标准OD统计等。以成都地铁2号线为例，时间选定为2015年8月25日至9月1日共计一周信息数据做出分析统计，共计3071993条记录。表3为统计时间范围为全天OD数据，配对成功数据共计3039986条记录，本文仅对部分重要站点数据进行显示。
表3 OD数据
（三）O点主流向
针对随机选取地铁站入口即O点，存在不同的出口即D点，流量相对较大的OD对，称之为O点主流向。统计时间范围以凌晨整点为基准。
图2所示为地铁2015年8月25日至11月1日一周信息数据，时间范围为全天O点主流向。图2所示下部分为地铁站点名，上部分为O点主流向站点，中间部分信息数据为O点主流向实际值[4]。
图2 O点主流向
（四）关键OD对
对于关键OD对而言，一定层面对路网交通运行情况起到决定性作用，成为地铁车辆调配的重要基础依据，同时成为城市公交车辆调配的关键基础依据之一。关键OD对能够划分成2个层次，第一，总体地铁网络级关键OD对，主要是指总体地铁网络OD矩阵内实际标准要求占比较高，与此同时交通影响相对较为突出的OD对；第二，站点级关键OD对，主要是指全部站点的任意O点主流向。站点级关键OD对同样具有非常重要的作用，其处于路网级中并非十分重要的，不过站点级管理与服务则是十分关键的。
通过表1与图2所示，可以得出总体地铁网络级关键OD对，与此同时还能够得出站点级关键OD对。对于总体地铁网络级关键OD对而言，主要是罗湖站至老街站，实际标准需求较大且交通影响较为明显。站点级关键DO对则能够通过图2得知。不过，仅对单一线路地铁进行分析较为简单，明确关键OD对相对较为轻松，通过对更多地铁线的分析，明确关键OD对，则就显得十分关键。
结论：综上所述，基于刷卡数据的地铁OD信息处理技术，使得运用地铁刷卡数据掌握动态OD信息可用性得到有效提升，为满足地铁客流量动态信息的充分掌握，地铁车辆科学合理搭配，附近公交车辆车辆调配与规划设计，为城市交通总体规划设计方案等提供非常可靠的重要基础依据与决策性支持，具有非常重要的实际应用价值。
参考文献：
[1]胡继华,高立晓,梁嘉贤.基于交通大数据的公交线路OD矩阵推断方法[J].科学技术与工程,2017，13(11):314-319.
[2]费晔.基于IC卡数据的公交出行OD推算方法研究[J].计算机应用与软件,2018，15(08):190-194.
[3]陈志杰,毛保华,柏赟.基于多时间尺度的城市轨道交通短时OD估计[J].交通运输系统工程与信息,2017，53(05)123-125.
[4]黄洁,王姣娥,靳海涛.北京市地铁客流的时空分布格局及特征——基于智能交通卡数据[J].地理科学进展,2018,37(03):397-406.
论文作者:蒲凯,朱家平,赵玉成 蒲凯,朱家平,赵玉成
论文发表刊物:《防护工程》2019年11期
论文发表时间:2019/8/30
标签：地铁论文; 矩阵论文; 数据论文; 关键论文; 交通论文; 信息论文; 乘客论文; 《防护工程》2019年11期论文;