南京地鐵乘客刷卡特征分析

徐建國徐 曄徐鐘全

（1.南京地下鐵道運營有限責任公司，南京 210008；2.北京全路通信信號研究設計院集團有限公司，北京 100070）

南京地鐵乘客刷卡特征分析

徐建國1徐 曄1徐鐘全2

（1.南京地下鐵道運營有限責任公司，南京 210008；2.北京全路通信信號研究設計院集團有限公司，北京 100070）

乘客出行矩陣指乘客在地鐵起點車站和終點車站間乘坐路徑的匯總，是交通規劃及運營管理的重要基礎數據。利用南京地鐵AFC系統中一卡通交易記錄建立乘坐路徑矩陣，以本站進出這一行為作為切入點，統計一周之內本站進出發生的次數、逗留時間等指標，從行為學上對其進行深入分析，并將其分為主觀故意和客觀被迫兩種，分別提出應對措施，為地鐵運營管理及票務政策制定提供依據。

乘坐路徑；AFC系統；本站進出；運營管理；票務政策

1 概述

南京地鐵是服務于南京市內各地區的城市軌道交通，截至2016年1月，南京地鐵有6條線路、121座車站，線路總長225.4 km，日均客流量超過225萬人次［1］。乘客乘坐地鐵會產生一條涵蓋起點車站和終點車站的路徑，將所有路徑匯總成乘客出行矩陣，反映了基本的交通需求［2］，也是地鐵建設和運營管理的重要基礎數據。

傳統交通方式的乘客出行矩陣獲取需要進行人工調查，耗費大量的人力、物力和財力，且調查的頻率和樣本空間都受到制約［3］。2005年開通之初，南京地鐵就推廣了自動售檢票系統（Automatic Fare Collection，AFC）。乘客只要乘坐地鐵，就會在后臺數據庫中產生一條包含起點和終點的出行路徑。本文以乘坐路徑中起點等于終點，即本站進出作為切入點，對這些出行路徑數據加以分析和利用，為運營管理和票務政策制定提供依據。

2 數據統計

本文選取的卡種為所有非免費卡種，包括學生票、成人記名卡、成人不記名卡、市民卡、市民卡1、市民卡2、敬老卡7種類型。涵蓋2015年1月12日至1月16日所有進站車站等于出站車站的交易。

2.1日期統計

2015年1月12日至16日，總共發生本站進出交易21 498次，其中1月12日發生4 123次，占比19.18%；1月13日發生4 048次，占比18.83%；1 月14日發生3 976次，占比18.49%；1月15日發生4 284次，占比19.93%；1月16日發生5 067次，占比23.57%，統計結果如圖1所示。

圖1　本站進出每日發生次數統計

2.2車站統計

在本次統計數據中，發生本站進出的車站有88個，具體車站號為1至88，涵蓋目前南京地鐵所有運營車站。表1列出了發生本站進出次數最多的20個車站，其中1號線10個，2號線9個（新街口重復計算），1號線南延線2個。排名前三分別為南京站、新街口站、南京南站，均為客流大站，其中南京站發生5 368次，占比24.97%，新街口站發生1 451次，占比6.75%，南京南站發生758次，占比3.53%。

表1　各車站本站進出次數統計

2.3卡片發生次數統計

1月12日至1月16日，發生本站進出的卡片總共有19 986張，次數最多為5天發生10次，共有2張卡片，發生9次的卡片有4張，發生8次的卡片有2張，發生7次的卡片有3張，發生6次的卡片4張，發生5次的卡片28張，發生4次的卡片55張，發生3次的卡片109張，發生2次的卡片915張，發生1次的卡片18 864張，統計結果如圖2所示。

圖2　本站進出卡片發生次數占比

2.4逗留時間統計

逗留時間：出站時間減去進站時間即為逗留時間。

異常逗留時間：實驗表明，乘客刷卡進站至刷卡出站用時最少為5 s，可在南京站、馬群站等雙站廳車站實現。因此，對于逗留時間小于5 s或者超過系統規定最大逗留時間（5 h）的交易認定為系統異常導致。

未乘坐地鐵逗留時間：目前，南京地鐵站間距最短為上海路至新街口，為745 m，列車運行時間為1 min 5 s。乘客若進站后乘坐地鐵，再返回進站車站刷卡出站，最短時間約為5 min。因此，對于逗留時間在5 s到5 min之內的交易，均認為乘客進站后沒有乘坐地鐵。

根據以上針對本站進出逗留時間的分析，將其分為以下5類：

1）逗留時間≥5 h或者逗留時間≤5 s，即異常逗留時間；

2）5 s＜逗留時間≤5 min，即未乘坐地鐵逗留時間；

3）5 min＜逗留時間≤30 min，即短時間逗留；

4）30 min＜逗留時間≤60 min，即中短時間逗留；

5）60 min＜逗留時間≤5 h，即長時間逗留。

根據以上分類，1月12日至1月16日，發生本站進出共21 498次，分類1）有248次，占比1.15%；分類2）有11 489次，占比53.44%；分類3）有4 458次，占比20.74%；分類4）有2 881次，占比13.4%；分類5）有2 422次，占比11.27%。如圖3所示，觀察圖形，發現發生本站進出的乘客，乘坐地鐵和未乘坐地鐵的比例相近，約為50%。

圖3　本站進出各逗留時間占比

3 數據分析

3.1行為學分析

公共交通最大的目的就是將乘客安全舒適的送達目的地，從A點進站后從A點出站，在理論上來說對于乘客是沒有意義的，南京地鐵每天有將近4 000筆本站進出的交易，是本文研究的重點。

從行為學上分析，乘客之所以會刷本站進出，無外乎兩種情況：一是主觀上知道本站進出對自身的意義，人為故意刷卡；二是主觀上不知道本站進出對自身的意義，或者知道但是客觀上被迫刷卡。

南京地鐵的票務政策規定本站進出按最低費率2元計價，當乘客知道本站進出需要扣費，且對自己毫無意義時，必然不會頻繁的進行本站進出。另外，乘客本站進出，意味著乘客并不是真的需要乘坐地鐵，而是由于某種原因（換乘標識不清晰）誤入付費區，因此，逗留時間也不會太長。

本文緊緊抓住本站進出發生的次數多少，逗留的時間長短兩個關鍵點，對這兩種行為進行分類，如下：

主觀故意：一是1月12日至16日發生本站進出的次數較多（取大于1次），二是逗留時間較長（取大于5 min）。

客觀被迫：一是1月12日至16日發生本站進出的次數較少（取1次），二是逗留時間較短（取5 min）。

根據上述對主觀故意和客觀被迫的定義，統計出1月12日至16日乘客主觀故意發生本站進出的次數，為11 161次，占比51.92%，發生客觀被迫本站進出的次數為10 337次，占比48.08%，如圖4所示。

圖4　本站進出主觀-客觀占比

3.2原因分析

3.2.1客觀被迫

分析3.1中定義的客觀被迫刷本站進出的交易，發現前三名為：南京站有4 247筆，新街口站569筆，南京南站562筆，這三個站總占比超過50%，其中南京站就占比40%。通過現場調研，發現在南京站有很多乘客刷本站進出，是需要借用地鐵通道穿越鐵路南京站南北廣場。新街口、南京南站乘客刷本站進出，是由于客流大、車站大，換乘以及出口標識不清晰，導致乘客誤刷本站進出。

3.2.2主觀故意

通過多方調研，結合互聯網獲取大量信息，結果表明，乘客主觀故意刷本站進出，原因是乘客需要消費地鐵，且票價超過本站進出的票價（目前為最低票價2元）。主要有以下幾類人群：1）行乞。2）收報紙。3）送貨。4）逃票。

其中前三類人群都是從A點進站，乘坐地鐵滿足自己的需求后，返回A點出站。第四類逃票人群需要重點關注，如圖5所示，乘客在A點刷卡進站后，立即刷卡出站，但是本人并沒有真正出站，而是乘坐地鐵到達目的地B，在B點再次刷卡進出站，兩次消費1.9+1.5=3.4元，對于單程票價4元或4元以上的乘客可以節省車費。

圖5　乘客逃票示意圖

在1月12日至16日的統計數據中，發現了疑似乘客逃票的交易，如圖6所示，乘客1月12日上午10：26在藥科大學站進站（車站號為55），逗留8 s后，在藥科大學站出站，11：31在玄武門站（車站號為12）進站，逗留29 s后，在玄武門站出站。而南京地鐵從藥科大學運行到玄武門站需要53 min，由此可以判定該乘客逃票的概率極高，且1月12日20：00到21：00之間，1月13、15日，該乘客再次刷本站進出，且進出車站都為藥科大和玄武門。經計算，該乘客1月12日至16日之間疑似逃票5次，每次節省費用5.7-（1.9+ 1.5）=2.3元，共節省費用11.5元。

本次統計數據中，共發現3張疑似逃票市民卡，共發生疑似逃票行為14次，涉及金額28.4元。筆者觀察統計數據后發現，有大量的交易其逗留時間在30 s之內，與圖6中的逗留時間極其相似，不排除乘客使用兩張市民卡，在A站使用其中一張市民卡進出站，在B站使用另外一張市民卡進出站。

圖6　疑似乘客逃票交易記錄

4 應對措施

上文分析了乘客刷本站進出的兩種行為模式，建議從兩個方面解決該問題：一是減少客觀被動的發生率；二是打擊主觀故意的次數。

對于減少客觀被動發生率，建議應對措施如下：

1）印制南京站本站進出紙票，免費提供乘客使用，以便借用地鐵通道穿越火車站南北廣場。

2）增加新街口、南京南站等客流大站的引導標識，必要時增加服務人員進行引導，降低乘客誤刷本站進出。

對于打擊主觀故意發生率，建議應對措施如下：

1）從AFC系統中禁止本站進出，乘客若由于攜帶違禁品或者沒有趕上末班車等原因需要本站進出，由站務人員分析卡片進站時間。若逗留時間在10 min之內，則免費放邊門；若超過10 min，則按最高票價罰款。

2）建議IC卡公司發行實名制卡，逐步取代非實名制卡，建立聯動的乘客信用檔案，若證實乘客確實有逃票行為，則記入個人信用檔案。

5 總結

本文以南京地鐵1月12日至16日的AFC系統交易數據建立乘客出行矩陣，對進站車站等于出站車站這一特殊行為進行了數據統計，包括發生時間、發生次數、逗留時間等，通過對這些數據的分析，以期為軌道交通管理及客流疏導提供支持［4］。

乘客出行矩陣在軌道交通設計和運營管理中有著重要作用，本文只是選取其中的一個方面進行研究，后期可以加強對這些數據的研究。例如，將進出站時間和列車到站時間結合研究，用到站時間減去進站時間，可以得出乘客在某個車站內的逗留時間，而逗留時間的長短可以反映一個車站的擁擠程度，尋求客流分布和行為選擇規律，提高車站功能的設計水平，旨在對今后的車站設計起到一定的參考作用［5］。

［1］南京地鐵.南京地鐵10號線、機場線開通試運營［J］.現代城市軌道交通，2014（4）：92.

［2］劉學軍，林勇，李樹彬，等.智能交通中動態OD矩陣估計研究概況［J］.山東科學，2007，20（4）：52-58.

［3］劉泉叮.基于免疫遺傳算法的OD矩陣反推模型與算法研究［D］.重慶大學，2010.

［4］段衛靜，陳艷艷，賴見輝.北京地鐵4號線客流特征分析［J］.都市快軌交通，2013，26（4）：43-46.

［5］孫繼東.城市軌道交通車站乘客服務設施客流到達分布規律研究［D］.成都：西南交通大學，2014.

Origin-Destination matrix means passengers' traffi c path in metro. It’s an important basic data of traffi c planning and operation management. Through transaction records of the transportation card in AFC system， an origin-destination matrix can be established to get some indexes such as the number of times and dwell time at a station in a week. This paper analyzes phenomenon from praxiology according to subjective and objective behavior of using cards and presents countermeasures respectively， which can provide reference for operation management and ticketing policy.

passenger traffic path； AFC system； arrival and departure from a station； operation management； ticketing policy

10.3969/j.issn.1673-4440.2016.04.020

2016-02-25）