大数据驱动的地铁留乘行为分析

近年来地铁系统客流量急剧增加，时空上的过度拥挤造成留乘问题日益严峻。留乘严重影响了地铁运行效率，但目前缺少相关的行为学机理研究。该文使用深圳通刷卡数据，从乘客个体层面细化地铁出行过程，以乘客理性出行时间为基础识别留乘，并观测其时空分布特征。统计结果表明：深圳地铁1号线平均留乘率为12.0%,平均留乘时间为4.20 min。该文从个人、车站和线路3个层面挖掘城市地铁留乘的影响因素，提取乘客多日出行的留乘决策数据构建面板logit模型(panel logistic regression model, PLM),进一步以留乘乘客为研究对象，构建考虑个体特定效应的面板数据随机效应回归模型，探究留乘时间影响因素作用机理。结果表明：长距离出行、起始站上车和高峰时段的乘客留乘概率高，频繁出行的乘客留乘概率低；起始站上车的乘客虽有更高留乘概率，但留乘时间未显著增加，晚高峰下行方向和早高峰上行方向留乘时间分别增加0.61和0.88 min,相对运行方向留乘时间不增反降。该文挖掘了留乘行为决策机理，提高了个体留乘行为决策及留乘持续时间的预测精度，能为列车精细化调度和发布面向乘客的定制化引导策略提供依据。