城市公交走廊出行特征分析

城市公交走廊出行特征分析
前言
01 智能规划平台介绍
02 应用案例
- 2.1 “西丽湖-高新园”公交走廊
- 2.2 走廊途经客流分析
- - **(1) 南山区公交客流集中，长距离公交出行比例高**
  - **(2) 工作日客流出行以通勤为主**
  - **(3) 工作通勤目的地集中于高新园片区**
  - **(4) 工业区吸引就业数最高，周末休闲首选绿地广场及商业区**
- 2.3 公交线路运行特征
- - **(1) 公交线路密集，常规干线为主**
  - **(2) 工作日高峰期通道拥堵，非工作日无显著高峰特征**
  - **(3) 高峰期热点线路运力不足，早高峰出行压力更为显著**
  - **(4) 热点线路潮汐特性明显**
- 2.4 公交站点运行特征
- - **(1) 站台密度高，站点利用率分化**
  - **(2) 站点停靠线路密集，线网重复率处于区域高位**
03 平台应用及案例分析总结

城市公交走廊出行特征分析

前言

智能规划平台是深圳交通中心基于长期交通规划应用，针对规划分析实际需求开发的应用平台。

平台集成动态响应模型测试技术，打通由数据分析到规划设计应用的路径，聚焦解决交通分析规划过程中的数据获取难、指标计算难、出图耗时长、分析表达不一致等问题，提升规划设计的品质和效率。

本文将以智能规划平台在“西丽湖-高新园”公交走廊出行分析中的实际应用作为分析案例，介绍智能规划平台在支撑项目高效规划中的应用。

01 智能规划平台介绍

智能规划平台在集成多维数据场景的基础上对指标数据资源进行了统一治理，基于场景应用构建模型规划通用模板，通过数据融合、场景分析的方式引导交通规划及案例分析，满足了交通规划流程中的数据表达、模型测试、前景预测等需求，以场景分析支撑案例应用，有效提升规划设计的准确性与时效性。

智能规划平台的公交板块应用于公交数据治理分析，包括公交线网结构、公交线网客流、公交运行速度和公交特征评估分析四部分功能。

基于线路、断面、站点等多个维度的公交客流运行状态，刻画多维视角下的城市公交线网运行画像，直接展现公交线网的运营态势，用直观的特征分析结果为规划设计助力赋能。

图1 智能规划平台公交板块部分功能示意

02 应用案例

2.1 “西丽湖-高新园”公交走廊

“西丽湖-高新园”走廊是位于南山区中部地区的一条重要的公交走廊，走廊沿途用地开发规模极高，公交需求呈现出与日俱增的态势，区域内分流通道不足，邻近的桃园、沙河等片区因交通需求在此大量借道，交通流量日益饱和，现有公交服务难以满足公交出行需求。

图2 “西丽湖-高新园”公交走廊示意

2.2 走廊途经客流分析

(1) 南山区公交客流集中，长距离公交出行比例高

走廊主体所在的西丽街道为乘客集中聚集区，客流沿线路走势向周边片区不规则扩散，形成以西丽、粤海、桃园、南头、沙河等片区为核心的高活跃区域。客流行程路径分布以南山区内分布最为密集，长距离出行客流途经龙华、福田、宝安、光明等多个行政区，覆盖深圳中、西部大部分区域。

图3 “西丽湖-高新园” 走廊途经公交客流行程分布

(2) 工作日客流出行以通勤为主

职住因素是走廊内公交客流出行分布的关键，在工作日期间，早晚高峰通勤出行比例极高，非工作日的通勤特征并不明显。值得注意的是，晚高峰的公交出行客流相对于早高峰有一个明显的差值，晚间出行时间分布相对分散，在通勤方式上的选择也更加多样。

图4 走廊内全天各时段途经客流分布(按工作日区分)

走廊内单向公交出行客流具有显著的潮汐现象，上行（北-南）客流于早高峰期间聚集，下行（北-南）客流则大量出现于晚间，以18时最为活跃。早高峰上、下行客流的方向不均衡系数比达2.6，晚高峰时这个数值降至0.37，客流的方向性差异明显。

图5 走廊内工作日全天往返客流走势

(3) 工作通勤目的地集中于高新园片区

早高峰期间，上行方向以西丽南部、粤海及周边区域为途经客流的下车集中区，下行方向以沙河西路、留仙大道沿线为密集下车点。晚高峰期间，乘客上车地点进一步集中，高新园中部区域上车客流高度活跃。图7所示的周末出行客流分布态势相对分散，沙河西路沿线客流密集，以西丽南、粤海及周边片区为代表的工作场所流量锐减，出行目的地趋于分散。工作日与非工作日公交出行客流分布差异显著。

图6 走廊主通道客流工作日晚高峰上车站点分布

图7 走廊主通道客流非工作日全天下车站点分布

(4) 工业区吸引就业数最高，周末休闲首选绿地广场及商业区

结合上下客流站点500米范围内的覆盖用地特征分析乘客潜在出行目的。工作日通勤特征明显，早高峰客流以工业用地为首要出行目的地，绿地广场等休闲用地占比最低；晚高峰时仍以工业区的上车客流占比最高。周末人们的出行地相对均匀，产业用地占比大幅下降，商业及绿地广场用地比重大幅提升，出行目标趋向多元。

图8 公交站点覆盖用地分析

2.3 公交线路运行特征

(1) 公交线路密集，常规干线为主

“西丽湖-高新园”走廊覆盖公交线路62条，占区域公交线路总数的53%，线路集中路段为沙河西路的留仙大道-宝深路段，最大断面线路38条，包括快线3条，干线26条，支线及其它线路9条，平均单向线路里程32km。

图9 公交走廊内途径公交线路

(2) 工作日高峰期通道拥堵，非工作日无显著高峰特征

工作日早晚高峰走廊通道公交运行速度在15km/h~17km/h之间，存在较为明显的拥堵状况，平峰时段走廊整体运行较为畅通。非工作日通行压力相对缓和，拥堵主要发生于晚间。

图10 走廊主通道各公交线路平均速度

(3) 高峰期热点线路运力不足，早高峰出行压力更为显著

走廊通道内满载率最高的线路包括81路、74路、332路等，高峰期双向平均满载率达到1.0以上，车厢内过度拥挤，乘客体验较差。多数线路在早高峰时满载率更高，运力使用更为紧张。

图11 主要途经线路高峰期满载率

(4) 热点线路潮汐特性明显

针对走廊内单条公交线路断面客流、站点客流进行分析，以81路公交线路为例。“西丽湖-高新园”走廊为81路公交线路的客流高峰段，断面客流以线路中部向两端逐步过渡，途经各站点的上下客流呈分化趋势，热门站点客流密度极高。81路具备典型的早、晚高峰特征，高峰最大客流高出平峰期3倍左右。早、晚高峰客流分布相互间呈轴对称态势，具有典型的潮汐特性，与走廊内客流的整体行程特征高度契合。

图12 公交81路晚高峰断面客流分布

2.4 公交站点运行特征

(1) 站台密度高，站点利用率分化

走廊内公交站台密布，共计29个站点，61个站台。途经留仙大道、龙珠大道、茶光路、宝深路等路段的公交线路汇集于此，促成走廊通道沿途站点客流密度陡然提升。图13描述了各个站点的客流分布情况，热门站点包括茶光1、西丽法庭2等，客流占比高于5%的站点有9个，其加和流量约占总流量的62%，客流密度极高。

图13 走廊内公交站点日均客流分布

(2) 站点停靠线路密集，线网重复率处于区域高位

走廊内公交线网高度集中，站点平均利用率较高。从停靠站点的线路分布来看，途经线路数最多的站点为深南科苑立交北，有35条线路在此站停靠，线路类型以干线和快线为主，西丽法庭1、深职院等站点紧随其后。各站点平均停靠线路数15条，远高于全市平均水准。

图14 走廊内停靠各公交站点的线路数分布

03 平台应用及案例分析总结

(1) 智能规划平台集成的数据场景治理与规划算法应用极大地简化了分析过程中的数据治理步骤。基于平台化的数据挖掘方法可快速对公交走廊的途径客流、线路客流、站点客流进行详尽分析，结合客流的溯源分布与站点覆盖用地分析，可快速挖掘客流出行的潜在规律，高效支撑公交规划分析应用。

(2) 对“西丽湖-高新园”公交走廊的特征分析结果揭示出区域定位及产业特征对公交运行态势的重要影响。客流集中于早晚高峰期，往返方向具有鲜明的潮汐分布特性。线路承载客流具有明显的区间分布差异，站点利用率也呈高度分化趋势。高峰期走廊通道过度拥挤，主要线路运力趋于饱和，运力供求矛盾突出。

(3) 改善公交服务质量、强化公交线网运力是当前环境下迫切需要公交走廊解决的营运难点。结合出行特征分析，从路网属性、出行目的、区间分布、时段特性、聚集状态分析，基于路网调整进而扩大分流渠道可以有效缓解走廊内的通勤客运压力，优先保障高峰期的通勤运力则是提高公交服务水平的关键。针对全天不同时段灵活调整发车频率可以有效平衡通勤/非通勤出行间的运力需求，适当延长晚间运营时间可以进一步满足通勤客流的返程需要。