健康城市：应对新冠疫情专栏
本报告由百度地图慧眼与清华大学建筑学院人居环境信息实验室联合研究发布，合作双方发挥各自在时空大数据分析研究领域的资源、技术优势，形成一系列在城乡规划行业中具有前瞻性的研究成果，并不断促进研究成果的转化与应用。双方协作研究的领域涵盖城镇化发展动态监测与预测、城市空间分析评估与模拟、城市空间决策支持与咨询、人工智能与城市智慧管理、国土空间规划新技术探索等。
本文作者：阚长城 马琦伟 党安荣
爆发于2019年12月份的新型冠状病毒疫情虽然已得到初步的控制，但仍对我国经济社会发展和城市生活造成重大影响。反映在城市公共交通方面，疫情造成了我国大量城市的公交系统处于非饱和的运营状态，客流量远低于正常水平。
在非常态背景下，城市公交系统营运急需进行再组织和再优化，以实现安全、效率与经济三者之间的平衡。从安全角度来看，目前疫情防治工作仍处在攻坚期，一旦控制不慎，仍可能造成二次传播。控制乘客密度，对于减少人群接触、遏制病毒扩散十分必要；从效率的角度来看，公交系统必须满足城市必要的通勤需求，维持城市各项功能的基本正常运营，尽可能的减少疫情对城市经济社会发展造成的负面影响；从经济的角度来看，将城市公交营运的供需比控制在一个合理水平，有助于缩减公共交通的财政开支，进一步减少疫情带来的损失。由此可见，科学合理的测算非饱和营运情景下城市公交系统的客流强度，对于明确城市公交系统的运力需求，制定合理的调度和营运方案，实现高效、低风险运行，具有重要的基础支撑作用。
本文立足新冠疫情下城市公交系统的非饱和运营情景，以北京市为例，提出了一种面向城市公交系统客流强度估计和重要性研判的技术框架，对公交系统客流强度及其空间分布进行较为科学的估计，并实现对城市公交系统客流强度的实时监测和动态反馈，在疫情期间城市通勤格局快速变化的情形下，有力的支持城市公交系统的高效调度、快速响应。
（1）返岗复工通勤数据
百度地图日均位置服务请求次数已经超过1200亿次，月活硬件设备数达到11亿，涵盖全国主要省、市、区县级行政区划。百度慧眼整合去隐私化的位置、POI等多源数据，提取位置属性、时间分布等上百个特征，基于人工智能技术挖掘得到精度高、覆盖广的居住和就业人口。（注：相关数据处理各环节均匿名化，各环节及输出均不涉及个体隐私）
基于百度地图开放平台定位数据，结合慧眼常住人口、岗位和职住通勤数据，利用人工智能算法识别截止到2月底的返岗复工通勤数据。
（2）公交通勤数据
百度地图慧眼根据用户的通勤距离时间、人口画像、居住工作地分布等方面的历史信息和特征，使用机器学习算法挖掘用户的通勤方式。将两地之间通勤总人口折算公交通勤比例，最终得到公交通勤流强度数据。
从返岗工作人口的居住地分布（图 2）来看，其空间分布较为均质化，与正常情况下的多中心极化格局1存在较大的差别。另一方面，返岗工作人口的工作地分布（图 3）仍保持的中心集聚态势，主要集中在中心城区的中心地带，特别是CBD、金融街、中关村等地。
图 2已返岗工作人口的居住地空间分布
从公交通勤人口的整体统计特征上来看，当前城市内的平均通勤距离较正常情景明显缩短，其平均公交通勤距离为9.9公里，较《2018年中国城市通勤研究报告》2所测算的13.2公里减少了约12.5%，表明在当前返岗工作人口的构成中，长距离通勤人数的占比要低于正常情景，中短距离通勤人数的比例则相应提高。一般而言，公交通勤距离越长，则感染病毒或传播病毒的概率越大，因此平均公交通勤距离的缩短在一定程度上表明随着政府对疫情的管控力度增加，以及居民风险意识的提升，大量公交通勤距离较长的人口有意识的推迟了实地返岗工作的时间，这对于疫情防控工作具有积极意义。
从公交通勤流的空间分布上看，整体格局呈现“团块+廊道+星座”的特征。首先，中心城区的中部地区是客流强度最为集中的地区，构成整个通勤网络的中央“团块”；其次，结合平均通勤距离缩短这一现象来看，外围区县至市中心的通勤流强度整体上有所压缩，主要的通勤流集中在各区县政府驻地及大型居住区与市中心之间的向心通勤，构成若干条通勤“廊道”；第三，高强度通勤流多表现为各区县政府驻地及大型居住区与周边产业园区之间的通勤流，整体空间格局上更加破碎化，在一定程度上体现了疫情背景下“就近返岗”现象突出。
从公交通勤客流强度的空间分布来看，具有三个显著特征。
首先，轨道交通系统在通勤中仍扮演重要角色，但其客流强度显著低于正常运营水平，绝大部分区段的荷载均比较小，仅有部分通勤流较为集中的区段以及存在大量公交与轨道交通接驳的区段荷载相对较大，但此类区段的占比较小。
其次，公共汽车系统的客流强度分布呈现市中心客流不高、中心—外围间径向客流较高的特征。尽管市中心整体通勤强度相对较高，但其公共汽车线网的密度也比较大，整体上系统的荷载仍处于较低水平。另一方面，市中心与周边大型的居民区、产业园区之间的公共汽车线路则荷载相对较高。在车辆调度中，需要重点保障上述线路的服务。
第三，外围各区县政府驻地、集中居民区与邻近产业园区之间的部分公共汽车线路客流强度较高。
本文使用了头尾分割法（head/tail breaks）3，分别将公共汽车和轨道交通线路分为4个保障等级，其空间分布如图 7和图 8所示。
其中保障等级为1级的公共汽车线路主要是市区与周边各区县政府驻地、大型产业园区的连接线。其中此类线路在中心城区的东部地区密度较高。保障等级为2级的线路主要分布在中心城区内交织成网，同时在市区东北部机场周边地区也分布有少量此等级道路。保障等级为3级的公共汽车线路分布较为广泛，在中心城区及外围区县均有分布，而保障等级为4级的线路主要分布在外围区县。
保障等级为1级的轨道交通线路为地铁5号线，在中心城区东部南北纵向分布。其次则是13号线、4号线等线路，上述线路沿途串联多个大型居住区和就业中心，在整个公交系统结构中扮演重要角色，属于保障等级为2级的线路。其余线路的保障等级则为3、4级。值得注意的是，1号线、2号线等多条正常情况下客流强度较大的线路，疫情期间荷载下降明显。
针对上述各条线路各自的客流特征，本文提出相应的保障要求，详见表 1。
|
|
保障等级 |
客流分布特征 |
建议保障要求 |
|
公共汽车线路 |
1 |
绝大部分区段的日均通勤客流强度相对处于较高水平 |
重点保障线路的运营。进一步核算、监测实际客流量，据此加强车辆调度，保障通勤效率，控制乘客密度。同时强调车辆内的消毒和安全保障工作，避免因较大的客流强度而增加传染风险。 同时，对于部分负荷较大、中途下客少的线路，可增设专用通勤车，减少交叉感染风险。 |
|
2 |
大部分区段的日均通勤客流强度处于中等以上水平 |
酌情优化调整发车频次，对于部分客流量较大的区段，可采取增发区间车等方式进行局部平衡。 |
|
|
3 |
日均通勤客流强度的分配不均，有一定比例的区段处于中等以上，同时其余区段相对较低 |
适当降低发车频次，同时落实防疫工作。 |
|
|
4 |
线路上绝大部分区段日均通勤客流强度非常低 |
根据实际监测数据降低发车频次，做好基本的防疫消毒工作。 |
|
|
轨道交通线路 |
1 |
有部分区段的平均通勤客流强度相对较高 |
优先保障线路的正常运营，提高轨道交通站点的换乘效率，严格落实轨道交通站点及车厢的防疫工作。 |
|
2 |
有部分区段具有中等通勤客流强度，可能有少量区段的平均通勤客流相对较多 |
保障线路正常运营，严格执行乘客之间的距离控制，加强人流疏导。 |
|
|
3 |
大部分区段客流较少，仅有少量区段有一定规模的客流强度 |
原则上可适当减少发车频次，同时对于客流量较大的局部区段，采用增发区间车等形式进行灵活的调度。 |
|
|
4 |
绝大部分区段的日均客流强度非常低 |
可根据实际客流量酌情减少发车频次。 |
本文的分析结果表明，在非常态背景下，北京市的公共交通体系呈现出与正常情景下相当不同的特征，总体上就近返岗的特征较为明显。在公共汽车方面，市中心线路的道路荷载显著降低，但其高密度的线网和较大的整体客流强度仍带来管理方面的挑战；而市中心与外围大型居住区、产业园区之间的公交连接线则通勤道路荷载相对较高，径向通勤走廊应当成为重点保障的对象。在轨道交通方面，整体客流明显减小，且客流相对较高的区段数量较少，分布零散，可见轨道交通系统的压力相对较小，落实站内、车内的防疫工作将成为管理的重点。
为此，在公共交通系统的具体运营策略制定中，一是总体上要考虑采取更加灵活的公共交通调度策略，精确测算不同线路及线路上不同区段的通勤客流分布特征，实现动态、精准的管理；二是要采取“保障重点线路+保障重点区段”的综合手段，从控制乘客密度、降低传染风险的原则出发，综合采取多种保障手段，适当增加公交服务能力。对于非重点的线路和区段，则酌情优化调度；三是要将区间公交车和定制公交车作为非常态下公共交通运营的重要手段，针对性的满足通勤客流强度较大的线路和区段的运力需求；四是要重点关注和保障外围区县的集中通勤，适当增加公交配给，满足就近返岗的需求；五是发挥智慧城市的技术优势，通过互联网平台统计、协调通勤需求，实现运力定向配给。
参考文献
原文始发于微信公众号（百度地图慧眼）：最新成果|疫情期间北京市公交线路客流强度特征和运营优化建议