公共交通依赖人群出行特征研究

随着公共交通基础设施投入的增加，各大中城市“城市轨道交通+公共汽电车”的复合公共交通系统逐步形成。然而在很多城市，公共交通基础设施的大规模投资建设并未带来客流和出行分担率的实质性提高。以深圳市为例，尽管过去十年公共交通基础设施规模不断增长，但公共交通客运总量几乎未见增长，公共交通出行分担率甚至呈下降趋势，小汽车出行分担率却持续提高，占全方式出行的比例已接近50% ^[1-2] 。虽然城市轨道交通客运量持续增长，但这些增量更多来自公共汽电车客流的转移，而不是对小汽车乘客的吸引。公共汽电车客流下降甚至空驶运营，正成为很多城市面临的难题 ^[3] 。

公共交通发展已逐步由以缓解供给不足为目标的基础设施增量供给期过渡到以建设可持续城市为目标的系统优化提升期。在这样的背景下，如何更好地理解公共交通乘客的需求特征，以需求为导向优化公共交通供给和服务，使公共交通成为与小汽车相比具有一定优势和吸引力的出行方式，是各城市应该着力思考和解决的现实问题。

小汽车依赖(car dependency)是学术和规划实践领域经常提及的术语，同时也是规划实践中希望尽可能规避的问题。借鉴小汽车依赖的概念，公共交通依赖(transit dependency)是指出行者在选择交通工具时，受制于客观条件或出于主观偏好主要选择公共交通服务 ^[4] 。“依赖”乘客在行为上表现为重复且高频次的选择公共交通作为出行方式 ^[5] 。

国内外对公共交通依赖的关注较少，但对与之相似的公共交通忠诚(transit loyalty)概念已有一定的研究。公共交通忠诚是基于营销学中的顾客忠诚 ^[6] 衍生的理论，指出行者重复选择公共交通服务的承诺。D. van Lierop等 ^[7] 回顾了公共交通忠诚的相关研究，认为忠诚与否的关键在于用户对公共交通的整体印象及使用程度。目前关于如何测度公共交通忠诚度尚存争议，但许多学者都将乘客未来继续使用公共交通的可能性和将该服务推荐给他人的意愿作为重要评价指标 ^[8] 。国内外对公共交通忠诚的研究大体上可依据使用数据的不同分为两类。一类是使用传统的问卷调查获取受访者对公共交通的态度或评价，然后利用结构方程等模型对乘客忠诚度进行划分或定义 ^[9-12] 。另一类研究侧重于通过大数据(公共交通刷卡数据)观测公共交通出行行为发生的连续性，以此识别忠诚客户 ^{[4, 13-14]} 。

随着城市交通大数据的发展，基于公共交通刷卡数据的研究越来越多地从总体宏观分析转到不同使用群体的特征挖掘上，数据挖掘的深度和细致程度都显著提升。例如，C. Morency 等 ^[15] 通过聚类分析得到不同类别持卡人(学生卡、成人卡、老人卡)的公共交通出行时空变化特征，发现学生和老人对公共交通系统的使用更加分散和多样化。龙瀛 等 ^[16] 将刷卡数据与传统数据相结合，分析北京市职住关系和通勤特征。龙瀛 等 ^[17] 基于北京公共交通刷卡数据分析四类极端出行者(早出、晚归、长距离、高频次)的出行时空轨迹，探究异常出行行为背后的经济和社会因素。Gao Qili 等 ^[18] 利用公共交通刷卡数据识别乘客的通勤特征，分析房价上涨对低收入群体居住空间变化的影响。黄捷 等 ^[19] 使用北京市保留7年以上的智能公共交通刷卡数据，从中识别出安居乐业者、迁居者、跳槽者、升职定居者，分析不同类型乘客通勤时间忍受阈值及住房成本的差异。Zhang Shanqi等 ^[20] 使用安徽省芜湖市老年卡、低收入卡、残障人士卡及普通卡数据分析弱势群体的出行时空特征，揭示交通不利因素的影响。这些既有研究也表明了对公共交通依赖人群和社会弱势群体出行需求进行深化研究的必要性。

已有对顾客忠诚的研究往往将其区分为行为忠诚和态度忠诚 ^[21-23] ，行为忠诚是通过客户对产品的实际使用行为体现出来，而态度忠诚则表现出一种更加根深蒂固的心理偏好。不同于公共交通忠诚所兼顾的行为忠诚和态度忠诚，公共交通依赖仅表现为一种客观环境下行为关系的维持。无论乘客主动或被动的使用公共交通，在行为上都可以通过公共交通刷卡数据观测出乘客是否依赖公共交通出行。虽然刷卡数据无法呈现乘客对公共交通服务的态度，但其相较于传统数据可以获知持卡人的时空位置，便于进一步观察乘客的出行分布规律，并且其交易的匿名性也有利于保护乘客的隐私 ^[24-25] 。而传统问卷调查法更加耗时耗力，并且研究结果在一定程度上会受到抽样方法和提问方式的影响，所得到的结果代表性有限。

通过对已有文献的回顾，无论基于传统数据还是刷卡数据，对公共交通依赖或忠诚的研究主要集中在如何定义或识别依赖，较少有研究进一步分析其时空特征。而且可能是碍于所获数据的局限性，相关研究较少以多年的视角去分析依赖乘客对不同类型公共交通工具及其组合的选择偏好差异。鉴于此，本文从公共交通依赖(行为忠诚)的理论视角出发，拓展目前基于公共交通刷卡数据的研究，利用深圳市两个年份的公共交通刷卡数据，以乘客对公共交通的差异化选择为重要切入点，深入分析公共交通依赖人群的出行特征。

本文以深圳市为例，选取2015年和2017年的公共交通刷卡数据对公共交通依赖人群进行出行特征研究。主要考虑的因素包括：

1）在上述时段内，深圳市公共交通供给(特别是城市轨道交通线路)变化明显(见图1)。2015年，深圳市仅有城市轨道交通线路5条，里程177 km；公共汽电车线路901条，运营车辆14 971辆。截至2017年底，深圳市新增城市轨道交通线路3条，增长里程120 km；新增公共汽电车线路95条，新增运营车辆2 587辆。上述变化有助于探究城市轨道交通开通前后市民出行方式选择的变化。

图1 2015年和2017年城市轨道交通线路分布

2）数据的准确性和完整性较高。深圳市公共汽电车和城市轨道交通分别于2018年1月和5月上线微信乘车码支付方式，公共交通乘车码与深圳通(储值卡)所用卡号不同。因此，2018年之后的刷卡数据较之前大幅减少且微信乘车码ID无法与历年的刷卡数据相关联，此后的数据无法完整反映乘客的整体特征及对应卡号的变化。此外，深圳市城市轨道交通进出车站都需要刷卡，可以通过较为简单的数据关联获取乘客完整的上下车时间与车站位置坐标；而公共汽电车采用典型的一票制支付系统，刷卡数据中缺乏乘车人位置信息，为还原公共汽电车乘客的上下车站信息，本文将相对应的车辆GPS数据与刷卡数据进行匹配，以获得完整的出行时空信息。最早的较为完整的公共汽电车GPS数据仅可追溯至2015年。

综上所述，本文选取2015年11月2—8日(周一至周日)及2017年12月4—10日(周一至周日)共两周的深圳通刷卡数据进行公共交通依赖与时空变化分析。

首先对不同年份公共交通出行者进行全样本类型识别(见图2)。依据公共交通使用频次的差异，将一周内至少有4 d公共交通出行记录且单日出行次数大于等于2次的持卡者定义为公共交通依赖人群。依据刷卡记录中公共汽电车与城市轨道交通刷卡的频次差异进一步筛选出公共汽电车依赖、城市轨道交通依赖和混乘依赖(包括换乘依赖和早晚早晚异乘依赖)。早晚异乘依赖指乘客早晚选择不同公共交通工具往返同一区间且相对固定。

图2 公共交通依赖人群识别流程

在上述公共交通依赖人群识别的基础上，对不同类型依赖群体的出行时空特征进行分析，并比较两个年份刷卡数据的特征变化及其影响因素。

与2015年相比，2017年公共交通刷卡人数增长约100万人，刷卡频次增长约500万次，但公共交通依赖和非公共交通依赖人群的比例比较稳定(见表1)。经济学家维尔弗雷多·帕累托(Vilfredo Pareto)的80/20效率法则(少数但重要法则)在解释公共交通乘客类型时同样适用。公共交通依赖人群比例较低，不足刷卡总人数的25%，但其刷卡频次占比接近60%。而75%以上的乘客对公共交通的依赖程度不高，其中近70%的乘客只是偶尔使用公共交通出行，一周内使用天数为1~2 d。可以推断，无论是通勤还是其他出行，公共交通以外的替代交通方式(可能是小汽车、出租汽车、非机动车、步行等)在出行链中发挥了很大作用。虽然公共交通依赖人群在所有持卡人中比例不高，但其总刷卡频次占比较高，是公共交通的核心乘客。值得注意的是，公共交通依赖人群所占比例并未随着轨道交通和公共汽电车里程的增长而提高。此外，相比公共交通依赖人群，城市轨道交通比公共汽电车承担了更多非公共交通依赖人群的出行需求。

在时间层面，公共交通依赖与非公共交通依赖人群的乘车时间分布如图3所示。总体来看，差异主要集中在早晚高峰时段和工作日与周末。从横向标准化的结果来看，公共交通依赖人群的高峰效应更加明显，比非公共交通依赖人群更多地在早晚高峰时段出行，并且二者的早高峰都比晚高峰更加集中。从纵向标准化的结果来看，非公共交通依赖人群更多在周末出行，而公共交通依赖人群则更多在工作日出行。

图3 2017 年公共交通依赖及非公共交通依赖人群的乘车时间分布热力图

随着城市轨道交通的扩张，公共汽电车依赖与城市轨道交通依赖出现此消彼长的局面。尽管城市轨道交通里程增长，但其可达性仍然较难满足出行需求，公共汽电车的补充作用不容忽视。2015年，公共汽电车依赖人群的比例超过50%，约为城市轨道交通依赖人数的3倍；随着城市轨道交通线网的不断增建，2017年城市轨道交通依赖人数明显增长，而公共汽电车依赖人数明显下降(见表2)。混乘依赖人群的比例则相对较为稳定。

表2 不同类型的公共交通依赖人群规模及刷卡频次变化

从混乘依赖人群中识别早晚均有刷卡记录的通勤乘客，如果一周内至少有3 d早晚通勤中使用两种或以上公共交通方式(城市轨道交通内换乘不计算在内)，这类乘客被定义为换乘人群；如果一周内至少有3 d早晚高峰各仅有一次公共交通刷卡记录且方式不同，则被定义为早晚异乘人群。换乘人群和早晚异乘人群在数量上相差不多(见表3)。

换乘人群值得关注，原因是公共交通通勤便利度不高，也表明其居住地(或工作地)公共交通直达性较低。如果公共交通直达性不能改善，这类人群较易转为小汽车通勤者。而早晚异乘人群的产生可能与快速路的阻隔、公共汽电车站和城市轨道交通车站步行可达性、乘车困难以及早晚高峰时段道路拥堵程度有较大关系。

已有基于公共交通刷卡数据进行出行特征研究往往局限于城市轨道交通出行者 ^[27-30] ，因为多数可获得的公共汽电车刷卡数据仅记录了线路信息，缺少地理位置属性。而将公共汽电车出行者排除的做法往往难以还原公共交通乘客的真实特征，较难为发展“城市轨道交通+公共汽电车”的复合公共交通系统提供科学的规划参考。本文通过公共汽电车GPS数据和刷卡数据的时空匹配，依据一定的刷卡时空信息及出行规律识别出居住地乘车点(2015年、2017年识别率分别为98.5%，95.5%)，并通过乘客典型出行链特征预测下车点信息(识别率均约60%)。再利用匹配了位置信息的公共汽电车刷卡数据和城市轨道交通刷卡数据，对不同类型公共交通乘客的出行起讫点(Origin-Destination, OD)、居住地乘车点与首次出行下车点进行可视化。下文的可视化地图以工作日(星期四)单日数据的分析结果为例。

对于公共交通依赖人群，联系城市近郊区和就业中心的主要公共交通走廊(如龙华区—福田区，宝安区—南山区，龙岗区—罗湖区)出行OD量最大(见图4a~图4b)。龙岗区布吉街道、龙华区深圳北站周边和宝安区坪洲片区三个位于城市近郊的居住组团，以及城市中心区城中村较为集中的片区(大新、桃园、白石洲、岗厦、老街等)，是公共交通依赖人群的主要居住地。从图4c~图4d可以看出，公共交通依赖人群逐渐由城市中心区向近郊区迁移。公共交通依赖人群首次出行下车点多为深圳市主要就业中心，从东至西依次为罗湖中心区、华强北、福田中心区、车公庙和高新园(见图4e~图4f)。与之相比，非公共交通依赖人群的居住地乘车点分布较为分散，但在深圳北站、深圳站、福田口岸站等城市对外交通枢纽地区较为集中；与2015年对比，2017年居住在福田中心区的非公共交通依赖人群有较明显的增长(见图5)。

图4 公共交通依赖人群出行分布

图5 非公共交通依赖人群出行分布

公共汽电车和城市轨道交通依赖人群的此消彼长，除空间上表现为在新建城市轨道交通沿线公共汽电车依赖人数明显下降外，还表现为公共汽电车依赖人群的中长距离出行逐渐向城市轨道交通转移。与2015年相比，2017年公共汽电车依赖人群以组团内短距离出行为主(见图6a~图6b)，中长距离出行明显减少，而城市轨道交通依赖人群的中长距离出行OD特征未有明显变化。公共汽电车依赖人群的居住地分布较为均衡，多分布在未被城市轨道交通覆盖的居住地(见图6c~图6d)。而城市轨道交通依赖人群在城市近郊区呈现较为明显的集聚(见图7)。不难推断，城市轨道交通可达性的提高可能是影响居住地外迁的潜在因素之一。

图6 公共汽电车依赖人群出行分布

图7 轨道交通依赖人群出行分布

早高峰时段使用“公共汽电车+城市轨道交通”的出行者大多分布在城市近郊区距离城市轨道交通车站较远的居住片区(见图8a~图8b)，首次出行下车点多集中在中心区就业中心(见图8c~图8d)。这表明城市近郊区的居住组团并未真正做到以公共交通为导向开发。换言之，近郊区居住组团的扩张已超过城市轨道交通车站步行可达范围，亟须完善接驳服务，或通过其他交通方式(如共享单车)解决最后一公里问题。反过来，早高峰时段使用“城市轨道交通+公共汽电车”的出行者也主要分布在宝安区坪洲站、龙华区深圳北站以及龙岗区布吉站周边的城市近郊居住组团。这些乘客由于出行目的地未被城市轨道交通覆盖且出行距离过长，放弃了公共汽电车直达，而是先搭乘更加快速的城市轨道交通进入城市中心区，再换乘公共汽电车到达目的地(如高新园、福田保税区、莲塘、南山书城等，见图9)。值得注意的是，随着轨道交通11号线在2016年开通，采用轨道交通换乘公共汽电车抵达南山书城周边的依赖人群显著减少(对比图9a和图9b)，表明换乘依赖人群较易随着轨道交通线网的扩张而转向单一轨道交通依赖。由于城市中心区居住成本的不断提高，居住区位边缘化带来的长距离通勤以及由此造成的交通不公平，已成为公共交通系统规划中的重要议题。

图8 公共汽电车换乘轨道交通的依赖人群出行分布

图9 轨道交通换乘公共汽电车的依赖人群出行分布

早晚异乘依赖人群主要集聚在城市近郊区，其次是城市中心区内的城中村和老旧小区。这类人群的居住地和就业地都覆盖有较为便捷的公共汽电车和城市轨道交通线路，并且早晚高峰时段没有明显的供给差异，但是出现了部分乘客早晚使用不同类型公共交通出行的情况。当人们可以拥有多种交通方式选择时，不同交通方式之间的竞争与协同也随之产生。城市轨道交通相对于公共汽电车的准点率更高且速度更快，提升了公共交通整体的服务效率 ^[31] ，但城市轨道交通存在建设成本高、车站覆盖率低、灵活性较低等问题 ^[32] 。此外，公共汽电车与城市轨道交通在不同的地理位置或不同时段也可能具有不同的可获得性和舒适性。

通过数据分析结合实地调研发现，早公共汽电车晚城市轨道交通乘客的居住地更多集中在早高峰时段城市轨道交通常态化设置客流管控的地区，城市轨道交通进站排队会产生额外的通勤时耗。数据显示，宝安中心区的坪洲站和固戍站2017年早公共汽电车晚城市轨道交通依赖人数增加，而早城市轨道交通晚公共汽电车依赖人数减少(见图10和图11)。结合实测发现上述车站早高峰时段拥挤加剧，部分时段进站时间超过30 min，部分乘客因早高峰时段城市轨道交通乘车难而转向乘坐公共汽电车出行，晚上再乘城市轨道交通返回。据此推测，出行可获得性、便利性以及舒适性等要素构成的出行满意度影响着乘客对不同交通方式的依赖程度。对于早城市轨道交通晚公共汽电车人群，其出行选择的原因可能是早高峰时段道路过于拥堵，选择步行时间较长但准点率较高的城市轨道交通可以避免迟到，而在晚上不用担心迟到的情况下，选择步行时间较短且有座率更高的公共汽电车回家。综上，在相同OD之间，由于交通资源在一天内不同时段出行效率及满意度的差异，可能会引发早晚异乘现象，这是不同交通方式协同与竞争后的综合产物。

图10 早公共汽电车晚轨道交通的依赖人群出行分布

图11 早轨道交通晚公共汽电车的依赖人群出行时空变化

本文以深圳市为例，基于两个年份的公共交通刷卡数据，利用出行频次及交通方式的差异化选择，识别公共交通出行者的依赖模式，分析并评价了各类依赖人群的出行特征，得到以下结论。

1）公共交通依赖人群的跨区通勤特征明显，多往返于城市近郊区主要居住地与邻近中心区就业中心之间，这与文献[33]发现的上海外围各新城通勤交通相对独立的特征明显不同。

2）城中村及城市近郊区是公共交通依赖人群的主要聚集地。依赖人群聚集地包含了大量的外来务工人员和刚毕业的学生，他们大多属于经济弱势群体，公共交通的使用弥补了负担不起小汽车的人与小汽车出行者之间机动性的差异 ^[34] 。值得注意的是，随着城市中心区居住成本的不断提高以及城市轨道交通的扩建，公共交通依赖人群逐步向外搬迁，通勤距离加大，郊区化特征明显。但事实上，低收入人群缺乏对居住地的主动选择能力以及应对长距离通勤的能力 ^[35] ，这可能是一种被迫的搬迁行为。而上述情况所表现的城市居住空间分异倾向可能会引发一系列的社会问题 ^[36] 。为确保弱势群体具有基本的出行权利，城市应努力提供公平的公共交通服务。

3）随着城市轨道交通的扩张，城市轨道交通依赖人群显著增多，公共汽电车依赖人群大幅减少，城市轨道交通对公共汽电车的竞争和替代效应明显。但在城市轨道交通未覆盖区域及短距离出行方面，公共汽电车的作用依然明显。总体而言，单纯的增量供给并没能带来整体公共交通使用率的有效提升。

4）通过对混乘依赖人群的进一步分解，识别出公共汽电车与城市轨道交通在时间上(早晚异乘依赖)和空间上(换乘依赖)的竞合现象。换乘依赖体现了两种交通方式的互补，公共汽电车往往作为轨道交通可达性的补充，但该模式较易随着轨道交通线网的扩张而被替代；早晚异乘依赖体现了二者在特定情境下各自发挥比较优势的结果，是二者在时间维度协同与竞争的综合产物。

与过去的研究相比，本文采用的数据和提出的分类方法更加精细地描绘了公共交通出行者的画像，其中对不同类型公共交通使用群体工作和居住地选择差异的揭示，以及主导交通流向的判断，有助于城市、交通及住房研究者针对性地进行需求管理。需要特别提及的是，通过对长距离通勤的换乘依赖人群以及早晚异乘依赖人群出行特征的分析发现，在城市轨道交通扩张的大背景下，除了完善出行最后一公里接驳服务外，同时应该更加关注公共汽电车的比较优势，包括提高各类公共汽电车出行满意度和接驳效率，并积极尝试公共汽电车快线和定制公交的设置等。此外，部分成果实际是对城市轨道交通扩建的一次评估，可为今后城市轨道交通线路的规划建设提供参考。

对于现象背后的驱动因素，本文仅结合城市背景进行了初步讨论，今后的研究希望融合社会、经济、土地利用等多源数据，结合问卷及更多的实地调研，更加深入地了解公共交通乘客出行分布差异及变化背后的社会和经济诉求。