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

　　*Anne Halvorsen, 纽约城市运输局的首席交通规划师,纽约城市运输局数据、研究和发展小组成员。曾研究香港地铁系统的需求管理问题。

　　Haris N.Koutsopoulos，波士顿东北大学土木与环境工程系教授，斯德哥尔摩KTH的iMobility实验室创始人，该实验室致力于研究城市交通问题，并在2012年获得了IBM智慧星球奖。主要研究兴趣包括利用机会专用传感器的数据来改善城市交通系统(包括公共交通)的规划、运营、监控和控制。

　　马振良，澳大利亚克莱顿莫纳什大学土木工程系交通研究与公共交通研究组助理教授。主要研究领域为优化、机器学习和计算机模拟的交叉领域，网络控制的统计推断、预测和优化，将新数据源(主要来自自动化数据收集系统)集成到数学学习模型。应用范围包括公共交通和共享交通。

　　赵锦华，麻省理工学院城市研究与规划系城市与交通规划Edward H.and Joyce Linde讲席副教授，麻省理工学院城市交通实验室和麻省理工学院交通实验室负责人。他将行为科学和交通技术结合在一起，塑造出行行为，设计交通系统，改革城市政策。

　　A.Halvorsen:文献检索与综述、实验设计、分析、建模、手稿撰写;H.N.Koutsopoulos：内容策划、分析、建模、稿件撰写;Z.Ma：分析、建模、稿件撰写、编辑; J.Zhao:内容策划、分析、稿件撰写。通讯作者代表所有作者声明，不存在利益冲突。

　　原文Demand Management of Congested Public Transport Systems:A Conceptual Framework and Application Using Smart Card Data,发表于Transportation,Vol.47(2020),第2337—2365页。

　　**作者感谢港铁对这项研究的支持。与工作人员讨论他们在制定和评估公共交通需求管理政策方面的经验也提供了有价值的见解。作者还感谢Nick Allen和Adam Rosenfield的审阅和校对。

1.引言

　　公共交通系统在当今城市中扮演着越来越重要的角色：环境、技术和经济趋势导致成熟型城市的公共交通使用量增加（Hurdle, 2014），而人口增长和城市扩张促使发展中城市扩展其公共交通网络。随着乘客数量的增加，人群聚集和拥挤程度也会增加，这可能会使系统性能和客户满意度下降（Z.Li and Hensher，2011）。面对不断增长的公共交通需求，一个本能反应是增加运力，但这样的改善需要较长时间和大量资源。相反，需求管理可以通过整合现有资源在较短时间内为客户提供更好的服务。传统上，出行需求管理（TDM）主要针对道路拥堵，它在理论和方法上为公共交通的出行需求管理提供结构化的参考。

　　出行需求管理对汽车使用的影响已得到充分研究。 例如，从研究三个市区范围内的出行需求管理项目，即洛杉矶奥运城、奥兰治县收费公路和檀香山的弹性工时政策中得出的结论是，有重要激励措施的出行需求管理项目可以对个人的出行选择产生很大的影响，但它们对交通的影响通常很小（Giuliano，1992）。弗格森（Ferguson，1990）讨论了出行需求管理对不同利益相关者的作用和评估方法，发现针对交通管理机构（TMAs）、出行减少条例（TROs）和协商协议的项目可以成功地塑造出行模式。一些研究还报告了用（通常）有限的现成数据和工具识别并测算相关出行需求管理性能指标的重要性(Dale、Frost、Ison and Warren, 2015; Rose, 2007; Smith and Moniruzzaman, 2014; Taylor、Nozick and Meyburg, 1997)。

　　另一类关于出行需求管理的研究关注政策特征与出行决策的行为基础之间的关系。加尔林等人（Grling et al., 2002）利用群体行为理论建立一个框架，在该框架中，出行需求管理的干预措施既直接影响出行链的特征，又通过与用户个人特征、目标和公共信息的交互作用影响出行链的特征。虽然它们可以被一般化，但其情景示例仅适用于汽车交通。洛科帕罗斯（Loukopoulos，2007）提出了一个出行需求管理结构，它将出行需求管理措施的八个设计特征与三个结果变量相关联：有效性、政治可行性和公众接受度。

　　汽车道路拥堵的原因、特点和解决办法不能直接适用于公共交通系统。公共交通使用者的出行目的往往不如汽车用户多样，且受服务时刻表的约束，加之避免高峰使用的好处更少（Maunsell，2007），公共交通需求管理会受到更大的限制。公共交通机构一般不想让客户流失到其他交通方式；他们更愿意在时间上或在不同路线之间重新分配需求（Maunsell，2007）。此外，公共交通是一项公共服务，因此阻止或不鼓励人们使用公共交通在政治上的说服力不足（Henn、Douglas and Sloan，2011）。传统的出行需求管理和公共交通需求管理不一定是互补的，在拥堵时段将人们从汽车转移到公共交通工具可能与公共交通需求管理鼓励非高峰出行的政策相悖。

　　有效和高效率的公共交通政策尚未得到充分研究或广泛实施。差异化票价在应对高峰时段拥堵方面已经司空见惯(Cervero, 1990; Mark and Phil，2006; Wang、Li and Chen, 2015; J.Zhang、Yan、An and Sun, 2017; Z.Zhang、Fujii and Managi, 2014)，并且研究表明人们愿意以花钱的方式避免拥挤(Prudhomme、Koning、Lenormand and Fehr, 2012)。李铮和亨舍（Z.Li and Hensher，2011）对拥挤评估研究的回顾发现，虽然大多数研究仅考虑车内拥挤，但乘客表现出愿意为进出通道、入口、站台/车站和车内拥挤的减少付费。许多研究使用智能卡或调查数据预估了公共交通拥堵的数值(Batarce、Muoz and Ortúzar, 2016; Hrcher、Graham and Anderson, 2017; Kroes、Kouwenhoven、Debrincat and Pauget, 2014; Tirachini、Hurtubia、Dekker and Daziano, 2017; Yap、Cats and van Arem, 2018)。例如，霍希等人（Hrcher et al.，2017）得出的结论是，列车上每平方米增加一名乘客造成的负效用，平均相当于其出行时间延长11.92%。这与克罗斯等人（Kroes et al.，2014）基于对巴黎公交用户的调查报告得出的负效用一致。

　　公共交通特定的出行需求管理策略包括在新加坡和墨尔本的高峰前时段免票价项目（Currie，2009；Pluntke and Prabhakar，2013），以及用于香港地铁系统的基于路线的激励机制（S.M.Li and Wong，1994）。华盛顿、伦敦、东京和悉尼等城市也实施了类似的折扣或高峰附加费。其他公共交通需求管理选项包括与雇主合作（LTA，2014）、彩票/回扣奖励计划（Pluntke and Prabhakar，2013），或提供公共拥堵信息（旧金山湾区捷运系统BART和东日本旅客铁路公司JR East）。最近，旧金山湾区捷运系统测试了补贴奖励计划，该计划鼓励乘客在早上高峰时段外出行。 参加该计划的旧金山湾区捷运系统乘客每乘坐1英里，即可自动赚取1积分。在高峰时段之前和高峰时段之后（上午6:30—7:30，以及上午8:30—9:30），他们最多可以赚取6倍积分。可以将积分兑换成少量的现金奖励或彩票（Greene-Roesel、Castiglione、Guiriba and Bradley，2018）。

　　对此类公共交通需求管理策略有效性的实证研究表明，2%—5%的用户会因非高峰折扣而离开高峰时段(Currie, 2009; Halvorsen、Koutsopoulos、Lau、Au and Zhao, 2016)。最近对旧金山湾区捷运系统补贴奖励实验的评估显示，高峰时段的出行发生了10%的变化（Greene\|Roesel et al.，2018）。实证研究还得出结论，乘客对公共交通需求管理策略（如折扣、免费旅行等）的时间转换行为受许多因素的影响，包括灵活性、调换时间、行程长度、票价和折扣水平、社会人口特点等(Anupriya、Graham、Hrcher and Anderson, 2018; Halvorsen et al., 2016)。调查研究得出的结论是，乘客愿意在早高峰期间改变出行时间，以获取票价折扣和/或更快的出行(Henn et al., 2011; Kroes et al., 2014; Z.Li and Hensher, 2011; J.Zhang et al., 2017)。

　　公共交通中自动数据采集系统（ADCS）的广泛应用，如智能卡数据，把过去不可能的研究变为可能（Koutsopoulos、Ma、Noursalehi and Zhu，2018；Pelletier Trépanier and Morency，2011），包括支持公共交通需求管理设计和评估的研究。除了用户和车辆在何时何地出行的总体趋势外，这些数据还提供了特定群体甚至个人出行模式的详细信息，可以为项目设计提供参考。本研究聚焦于将用户划分为更多聚类的方法。通过区分不同类型的用户及其对公共交通需求管理策略的响应，决策者可以更好地理解导致策略成功（或失败）的因素，以及如何瞄准特定的客户。若仅使用有限的调查数据，这样的分析要困难得多。自动数据采集系统还简化了政策评估的监控阶段；由于数据是连续收集的，因此可以将行为变化与任何先前阶段进行比较，并进行追溯性评估。

　　本文在综合以往的出行需求管理文献和实际的公共交通需求管理经验的基础上，讨论了开发公共交通需求管理项目框架的主要步骤。在每个步骤中制定详细的协议/方法超出了本文的范围，因为并非所有这些都与特定系统相关并需要解决具体的问题。本文在分析香港地铁推行折扣策略的案例中，阐述主要步骤。我们提出了利用自动收费采集系统(AFC)数据评估公共交通需求管理有效性的一种多层次、多尺度的新方法，并特别关注用户行为，这是公共交通需求管理中的一个重要但仍缺乏理解的领域。

　　本研究的主要贡献如下：

　　利用AFC数据提供的信息，制定和讨论公共交通需求管理开发所需的步骤，以实现问题识别、高效设计、有效评估和监控。

　　使用香港地铁网络推行的非高峰折扣策略讨论公共交通需求管理的主要步骤，重点是评估用户的行为反应。

　　基于AFC数据，创造一种全新的多层次（系统、群组和个人层面）公共交通需求管理策略评估方法。

　　提出一种变点方法（change-point method）,用于识别为响应公共交通需求管理策略而改变行为的乘客；构建离散选择模型，识别和量化导致行为改变的最重要因素。

　　本文的其余部分安排如下：第2节讨论开发公共交通需求管理项目框架的主要步骤。第3节将此框架应用于港铁“早鸟”折扣优惠，介绍港铁的背景和设计，并对政策进行评估。第4节讨论了主要发现，并提出了公共交通需求管理项目的三个改进领域。第5节是全文的总结。