拥挤公共交通系统的需求管理：基于智能卡数据的分析框架和案例

2.公共交通需求管理的概念框架

　　出行需求管理项目的开发包括以下主要阶段\[摘自Loukopoulos（2007)，以更充分地理解政策设计的程序和公共交通的核心特点\]：

　　问题识别和项目目标

　　设计

　　评估

　　监测

　　自动采集的数据是我们能够采用这个框架的一个关键因素。AFC系统对于需求管理应用尤其有效，因为它们有助于详细了解个人出行模式的空间、时间特征。有了更详细的数据，我们就可以更深入地分析现有条件，构建模型以预测公共交通需求管理项目设计的影响并估计其成本，以及评估缓解拥堵的措施。此外，AFC数据有助于对用户进行面板分析(panel analysis)，从而深入了解公共交通需求管理策略引入前后的用户行为变化。不过，这些匿名数据可能不足以分析某些因素，如人口特征和用户对政策的看法，因此可能仍需要调查数据来补充这些数据。

　　2.1问题识别和项目目标

　　一般来说，公共交通需求管理项目的首要动机是减少交通网络中的拥堵，但是稳健的政策设计必须考虑本地环境及其需求问题的特定性质。为了给项目设定具体的目标和用户对象，主要考虑的因素应包括拥堵模式、涉及的利益相关者和时间范围。

　　拥堵模式：从本质上讲，拥堵是服务供给和用户对服务的需求（在空间和时间上）失衡的结果。 在公共交通需求管理中，供给水平是固定的，用户特征（如社会人口概况和生活方式偏好）也是固定的。 然而，如果公共交通需求管理策略可以更好地选择目标用户，则该策略可能导致用户行为的改变。

　　AFC数据提供了与用户使用公共交通系统的时空特性相关的有用信息，这些信息对公共交通需求管理项目有重要意义。从AFC数据中可以得出衡量拥堵问题的维度，包括它在模式、时间和单个设施之间的分布，以及对公共交通系统满足出行需求能力产生影响的特定资源约束。这些都是重要的方面，因为它们会影响适用于解决拥堵问题的公共交通需求管理策略的性质和类型。AFC数据（尤其是结合了社会人口统计特征的数据）使我们可以洞悉用户的约束条件、态度以及可能影响他们对公共交通需求管理做出反应的其他因素，进而影响公共交通需求管理策略获得成功的可能性。

　　利益相关者：除公共交通机构外，潜在的利益相关者还包括现有（和潜在）乘客、规划机构和其他政府机构、雇主和企业，以及其他当地交通运营商。虽然公共交通机构可以自行开发公共交通需求管理项目，但与其他团体合作可以提供额外的机会。政府与所有地方公共交通部门合作，并从社会团体和企业那里获得意见的综合型项目在方法和目标上很可能不同于主要由单一机构领导、监督范围有限的项目。

　　时间范围：可以在短期内制定需求管理政策，以应对预期的需求激增，如伦敦奥运会的交通计划；或者在中期内重新分配需求，并更有效地利用可用承载量直到有可能扩大运力。从长远看，公共交通需求管理可与额外运力结合使用，也可通过更广泛的交通运力增长模式影响需求。对未来需求的预测、对运力的预测以及制约可行拥堵管理计划的预算约束，都可以用来了解给定项目的合适规模。

　　上述方面为公共交通需求管理项目的具体目标提供了信息。尽管不同的利益相关者可能对项目有不同的优先考虑，但机构的目标可能包括在特定时间或地点（在特定预算约束内）减少客流。了解拥堵问题的时空特征以及用户属性，指导决策者做出决策，例如将用户转移到一天中不同时间、不同路线或不同（公共交通）模式。目标还可能包括更多的定性指导，例如深受用户欢迎或易于理解的政策。时间期限不仅有可能影响实现这些目标的速度，设置各种里程碑的时间，还会与利益相关者一起，影响可行的项目设计和结果。

　　2.2设计

　　基于对问题的理解，图1从需求和供给两方面描述了公共交通需求管理设计过程和需要考虑的关键因素。虽然这些因素的重要性因背景和机构的目标而异，但每一个因素都涵盖了我们考虑的整个设计，并增大了产生积极影响的可能性。

　　公共交通需求管理设计的第一步是确定干预的维度，然后设置各种参数。如果有相关数据可用，则可以将它们用于预测以确保效果接近预期。在检查设计是否可行后，最后一步是确定如何通过公共信息和营销材料推广该设计。设计过程可能是一个迭代过程，因为利益相关者的反馈会影响最终设计。

　　文献中已经提出了不同的方法来描述各种干预措施。一个经常被引用的方案区分了影响出行需求的先导因素，将政策划分为实质性改变、法律政策、经济政策以及教育和宣传运动（Steg，2003）。此外，干预措施可能是“硬性的”， 也可能是“软性的”，前者改变不同选择的特征（例如票价差异或影响土地利用），后者通过营销或出行规划工具改变用户对其出行选择的看法（Bamberg、Fujii、Friman and Grling, 2011）。硬性措施又分为市场导向型政策和管制型政策，前者通过价格影响用户，后者以立法的形式要求或促进某些行动，不过这类政策在公共交通中不那么普遍。根据其强制水平，干预措施又可分为“推动”型或“拉动”型（Grling et al., 2002）。推动型措施降低了一个选项的吸引力，使用户远离它（例如高峰附加费），而拉动型措施使另一个选项更具吸引力，以吸引用户（例如非高峰折扣）。通常，推动型措施更有效（Eriksson、Nordlund and Garvill，2010），但用户不太能接受（Steg and Vlek，1997）。加尔林等人（Grling amd Fujii，2006）认为，组合措施有助于激活更多与行为改变相关的心理变量（认知技能、道德义务等）。

　　此外，交通管理当局还可以通过多种途径管理用户需求：

　　客户：直接影响客户的措施可以应用于全部用户，也可以只作用于满足特定条件的用户，或者只选择在项目中注册的用户。它们可能属于定价机制（高峰/非高峰差价、基于路线的票价），其他福利（彩票、优惠券）或信息提供（行程规划师、拥挤数据）。

　　雇主：由于雇主和其他大机构设定了许多用户出行活动的时间，因此交通主管当局可以帮助它们实施内部的公共交通管理需求项目，例如弹性工时政策。 对于主要雇主，量身定制的需求管理激励措施可能会使整个公共交通系统受益。

　　更广泛的渠道：一些政策，如影响土地利用模式或直接规范交通网络使用的政策，可能会更广泛地影响区域出行模式，而不是直接影响公共交通的使用。这些措施通常涉及更多的利益相关者，并需要更多的时间来产生明显的影响。

　　设计参数界定了政策的实施方式。一个关键的参数是目标用户群体：针对特定用户的公共交通需求管理干预比一般政策更有成效或效率更高（Bamford、Carrick、Hay and MacDonald, 1987），尤其是如果它们采取了激励的形式。理论上每个用户都有他自己的行为改变阈值，即“改变意愿”。识别这个特征并只给某人最低限度的必要激励，交通管理当局就可以提高其效率（为相同的结果花费更少的钱）或有效性（在相同的资源下有更高的响应率），但这样的方案在政治上既不可行也很困难。不过，这个问题可以通过利用同质群体来解决。政策既可以通过识别特定群体的需求来诱导行为改变，也可以依靠自我选择，这就需要给那些可能做出反应的用户提供激励。有许多方法可以对用户进行分类，例如根据社会经济特征、按路线或时间划分的公共交通系统使用情况等。确定适当的分类条件是设计过程的重点。

　　公共交通需求管理项目的规模（例如票价差异化水平或参与者人数）也是一个关键参数，尤其是对于硬政策而言（Eriksson et al., 2010）。在问题识别阶段进行的拥堵分析可用于确定政策的实施时间、模式和空间覆盖范围，确保覆盖公共交通系统最拥挤的时段和部分。项目的持续时间也是一个重要的因素。

　　虽然有关车辆交通出行需求策略的优化设计（涉及收费地点和定价水平的优化）在文献中得到了一些关注（Ekstrm、Sumalee and Lo, 2012; Hamdouch、Florian、Hearn and Lawphongpanich, 2007; Kachroo、Gupta、Agarwal and Ozbay,2017; Wie, 2007; Wie and Tobin, 1998)，但公共交通需求管理策略通常是在试错的基础上开发的。最近，马振良和考特索帕罗斯（Ma and Koutsopoulos,2018）提出了一种基于优惠促销的公共交通需求管理策略的“最优”设计方法，系统地评估了各种优惠促销设计结构的有效性，并用实证数据证明了其适用性。杨海和唐伊丽（2018）描述了一个票价奖励计划（FRS），构建了一个简单的公交网络系统，在高峰时段付费出行达到一定额度后，在边缘时段奖励通勤者一次免费出行。

　　从技术促进因素和实施成本看，设计的实用性和可行性是一个重要的考虑因素。近年来移动传感器的出现和智能卡的广泛使用增加了技术选择以支持创新。然而实施这些方案可能会产生成本，包括损失票价收入、增加员工工时、技术采购和营销成本等。然而，一些政策也可以通过吸引新客户来增加收入，或者允许交通管理当局购买新的基础设施来降低成本（Currie，2009）。

　　政策应该得到公众和决策者的必要支持。政策的接受度由许多因素决定，包括问题意识、对有效性和公平性的看法、对问题的责任感以及社会规范和价值观（Schade and Schlag，2003；Schlag and Teubel，1997）。政治接受度通常取决于公众意见（Grling and Schuitema，2007），尽管施拉克和托贝尔（Schlag and Teubel，1997）指出，政客可能并不总能准确地感知公众意见。

　　政策设计还必须确认在政策到位的情况下人们将如何使用公共交通系统：用户是否能够利用漏洞？在服务中断的情况下，该政策将如何发挥作用？它是否过于复杂，以至于它的有效性可能会降低？有学者（Maruyama and Sumalee，2007）认为，复杂的设计在理论上可能是最优的，但是更容易理解的设计可能会有更高的参与度和认可度。一旦设计完成，一份营销和宣传计划可能有助于鼓励用户快速采用和广泛参与。

　　2.3评估

　　公共交通需求管理项目的评估包括许多维度，如图2所示。

　　项目实现预期效果的有效性

　　从交通管理当局的角度或从更广泛的社会角度实现收益大于成本的效率

　　公众和地方决策者的可接受性

　　虽然每个因素本身都很重要，但这些因素也是相互关联的。例如，看到一个项目有效果的用户可能会更容易接受它，而且在相同的资源下，一个更有效果的项目也会更有效率。项目对交通系统的影响（以下简称系统影响）与有效性最直接相关，但也可以与机构影响和/或社会影响结合起来研究效率。项目对客户的影响也可以用来研究项目的有效性，也可以让交通管理当局了解人们对项目的看法。

　　许多指标可用来衡量这些因素。这些指标被划分成：系统影响，这与减少拥堵目标直接相关；对用户的影响（以下简称用户影响），它反映了用户在服务中看到的因项目对系统产生影响而发生的其他变化，以及用户如何看待这些结果；对交通管理当局的影响，它反映了资源的使用情况；对社会的影响（以下简称社会影响），它反映了更广泛的结果。根据出行需求管理项目的目标，可以制定并优先考虑由AFC数据支持的不同指标。例如，对于减少拥堵这一目标有用的指标包括：

　　系统影响：系统中累计的乘客（系统中任何给定时点车站和列车上的乘客总数；根据AFC数据计算，系统的累计进入量减去累计流出量）、关键车站出入口流量、线路流量或按时间、方向划分的平均车辆荷载。

　　用户影响：每个区域的乘客/站立人数、未上车/在站台等候（Ma、Koutsopoulos、Chen and Wilson, 2019; Zhu、Koutsopoulos and Wilson, 2017a, 2017b）、行程时间可靠性（Koutsopoulos et al., 2018; Ma、Ferreira and Mesbah, 2014）。

　　机构影响：项目成本、资助/收入和资源分配的变化。

　　社会影响：对不同类型乘客的影响分布（平等和公平）。

　　应用AFC数据为我们在三个不同的聚合层次上进行评估提供了新的方法：

　　全系统（所有乘客）：从操作的角度看，在系统层面（即线路或车站流量）上完全聚合的乘客数据很有用。它可以帮助理解总需求的变化，潜在地反映服务质量和典型用户的体验。对于缺乏详细乘客数据的交通管理当局来说，这是唯一可能的分析类型。

　　用户组：对用户行为的详细分析可以深入了解策略的特定影响。监控特定用户群体的行为有助于了解哪些特征使人们更有可能对干预做出反应，以及如何调整策略以适应不同的行为。基于群体分析的有效性取决于对适当群体的识别。利用一段时间内的AFC数据，基于与公共交通需求管理干预设计相关的特征向量的聚类方法可以用来识别利益相关的群体。

　　个人乘客：使用AFC数据构建的匿名个人用户的面板数据，为公共交通需求管理策略实施前后的乘客行为监控提供了独特的工具。这是一种强有力的手段，通过它，我们了解个人面对新政策时其出行模式是如何变化的，获得有益的洞见，为改进设计提供信息，而改进后的设计可以更好地反映用户的差异以及个人行为变化能自我持续多久。变点分析方法可用于系统地识别面对公共交通需求管理策略而改变其行为的用户。离散选择模型基于对改变行为的用户所做的统计推断，可用于识别对乘客改变其行为的决策产生影响的主要因素，从而为将来更有效率的设计方案提供依据。

　　2.4监测

　　公共交通需求管理项目的有效性可能会随时间而变化。在初始评估之后，应继续监测项目的影响如何发生变化，以反映策略变化引发的中长期变化（Currie, 2011; Maunsell, 2007）。它的影响可能会有季节性的变化，这取决于节日和天气等事件。更重要的是长期的用户接受度可能会发生变化，该理论认为干预会改变人们对出行的满意度，但随着时间的推移他们会调整并回到以前的满意水平（Brickman and Campbell，1971）。从这个意义上说，对目标用户进行监测意义重大。同样，公众或政治上的接受程度可能会发生改变，从而使得公共交通需求管理的影响会随着时间而减弱。