近年來，機動車、電動自行車保有量和使用量的迅猛增長導致道路交通擁堵加劇，公交運行秩序及行車安全受到較大影響、公交運行效率降低、乘客對公交快速出行的滿意度不高。為(wei) 準確掌握公交運營速度規律，剖析製約公交運營速度提升的關(guan) 鍵因素，有針對性地解決(jue) 公交出行不快捷的問題，提升公交出行吸引力及公交出行分擔率，我們(men) 開展了公交速度分析相關(guan) 研究，現簡要敘述主要研究過程。

1、數據源

（1）線路站點基礎信息

該數據源包含各線路各運行方向各站點的站序、名稱及站點經緯度數據，可用於(yu) 後續數據的經緯度匹配，並輔助分析結果的可視化展示。

（2）線路站間距數據

該數據源包含各線路各站間的距離數據，主要用於(yu) 站間速度計算。

（3）線路車輛GPS到離站數據

該數據源主要包含各線路各車輛每天到達及離開各站點的時間，可用於(yu) 計算站點停靠時間、站間到站時間間隔、站間速度等指標。

圖1一1 GPS到離站數據示例

2、數據處理過程

數據處理過程主要借助SQL Server數據庫進行，包括：數據類型轉換、重複數據篩選、異常數據刪除、字段內(nei) 容匹配等步驟。

（1）數據類型轉換

該步驟主要是為(wei) 了統一數據格式、便於(yu) 指標計算。需要進行數據類型轉換的字段主要包括：日期（datetime類型）、運行方向（int類型）、車輛編號（int類型）、到離站時間（time類型）、站序（int類型）等。

圖1一2 數據格式轉換語句

（2）重複數據篩選

該步驟主要涉及對線路站點信息、站間距數據的去重，以減少指標分析過程中的無效工作。

（3）異常數據刪除

該步驟貫徹數據分析全過程，目的是提高分析結果的可靠性，主要涉及對異常站點經緯度、異常站間距數據、異常停站時間及異常站間速度的刪除，其中，異常站點經緯度指超出市域範圍的經緯度數據；異常站間距數據指站間距為(wei) 負值或站間距過小、過大的數據；異常停站時間指站點停站時間小於(yu) 等於(yu) 0秒、大於(yu) 等於(yu) 3分鍾的數據；異常站間距速度指速度超過城市道路限速值或者平峰低峰時段速度過低的速度數據。

圖1一3 部分異常數據刪除語句

（4）字段內(nei) 容匹配

該步驟主要包括站點名稱、站間距等字段的數據匹配，匹配過程中設置的限製條件需保證同線路、同運行方向、同日期、同車號、同站序的數據完成匹配。

圖1一4 站間距數據匹配語句

3、分析結果

分析指標主要包括：各時段速度、各區域速度、各道路速度、各分公司速度、各線路速度、不同線路類型速度、速度同比環比變化情況及相關(guan) 影響因素分析，下麵主要介紹一下各時段速度及影響因素分析情況。

（1）各時段速度

選取一周的GPS到離站數據，計算得到每天各時段速度有很明顯的規律性，一天內(nei) 公交運行速度呈雙波穀（“W”型）分布，高峰、平峰及低峰時段速度差異明顯，其中，周一、周五規律相似；周二、周四規律相似；周三較工作日的其他幾天略有變化；周六、周日規律相似。

圖1一5 一周內(nei) 每天各時段速度變化

（2）影響因素分析

對比各線路長度、站點數量、平均站間距、計劃周轉時間、非直線係數等指標與(yu) 線路速度的相關(guan) 關(guan) 係發現：濟南公交線路速度主要受站台停站時間、計劃周轉時間與(yu) 非直線係數的負麵影響較大，受平均站間距、線路長度的正麵影響較大，與(yu) 線路站點數量的關(guan) 係較小。其中，站台停靠對線路速度的提升有相對明顯的製約。

圖1一6 各影響因素與(yu) 速度相關(guan) 關(guan) 係

通過本文所述公交速度分析過程可較全麵、客觀地掌握速度變化規律及影響因素，為(wei) 下一步公交係統內(nei) 部的速度提升對策提供參考。