北京市省际客运运量影响因素分析研究
第19卷增刊2019年4月
交　通　工　程
Vol.19Suppl.
Apr.2019
DOI:10.13986/jki.jote.2019.S0.004
北京市省际客运运量影响因素分析研究
宋　迪1，姜绍武2，毛力增1，王晶晶1，史春辉1，杨　蕊1，李东岳1
(1.北京市交通运行监测调度中心，北京　100073;2.北京市交通委员会道路客运管理处，北京　100073)摘　要：以北京市公路省际进出京客运量为研究对象，研究包括假日特征(元旦㊁春节㊁中秋㊁国庆等)㊁天气特征(晴㊁雨㊁雪㊁雾霾)㊁替代交通方式(包括自驾㊁铁路㊁民航)共3种类型7个影响因素.选取2013⁃01 2016⁃12各种省际客运出行方式的客运量为样本数据，采用SPSS 数据统计软件对各参量之间的Kendall 相关系数进行计算，结果显示：公路省际客运量与铁路客运量相关性较强，且易受雾霾㊁雨雪天气影响.根据计算结果，从政策导向㊁运力投放㊁服务保障方面提出了相应的对策和建议，为公路客运行业的健康发展提供有益的借鉴.关键词：公路客运；客运量；影响因素；相关分析中图分类号:U 492.1
文献标志码:A
文章编号:2096⁃3432(2019)S0⁃16⁃05
Study on Influencing Factors and Characteristics of Intercity Bus Passenger Flow in Beijing
SONG Di 1,JIANG Shaowu 2,MAO Lizeng 1,WANG Jingjing 1,SHI Chunhui 1,YANG Rui 1,LI Dongyue 1
(1.Beijing Municipal Transportation Operations Coorclination Beijing Center,100073,China;
2.Municipal Division of Rood Passenger,Beijing Municipal Commission of Transport,Beijing 100073,China)Abstract :Taking Inter⁃city bus passenger flow in Beijing as the research object,this paper studies the
influence of the three factors:holiday (e.g.,New Year’s day,Spring Festival,Mid⁃Autumn festival,National Day),weather (e.g.,clear,rain,snow,haze),and transportation mode (e.g.,passenger car,railway,air).The Kendall correlation coefficient of the passenger volume was calculated using the data collected from January 2013to December 2016.The results show that there is a strong correlation
between the inter⁃city bus passenger volume and railway,and the inter⁃city bus passenger volume is
negatively impacted by the haze in both fall and winter.According to the results,this paper proposes a few recommendations to adjust policies,improve operations of inter⁃city bus services.Key words :inter⁃city bus;passenger flow volume;influencing factors;correlation analysis
收稿日期:2018⁃09⁃27.
基金项目：交通行业科技资金项目.
作者简介：宋　迪(1982 )，男，硕士，高级工程师，研究方向为智能交通.E⁃mail:v.
0　引言
公路省际客运作为城际运输的传统方式之一具有线路灵活㊁可达性强的特点，在我国城际客运中占有较为重要的地位.近年来，随着我国交通运输体系的日趋完善㊁个体交通工具的普及以及高铁的快
速发展，普通百姓的城际出行方式呈现出多样化的趋势，公路省际客运的运营线路㊁运营里程和客运量呈逐年下降趋势.以北京为例,2013年公路省际客运年客运量达2606.73万人次,2016年客运量
1904.27万人次，下降26.95%.
与此同时，铁路客运量㊁民航客运量和反映省际
　增刊宋　迪，等：北京市省际客运运量影响因素分析研究自驾出行强度的高速公路交通量呈现出逐年上涨的趋势.见图
1.
图1　2013 2016年铁路客运量㊁民航客运客运量及高速公路交通量变化趋势
  公路省际客运的下降与铁路客运量㊁民航客运量和高速公路交通量的上升是否有直接的关系?本
文通过对铁路客运上下车旅客数量㊁民航客运进出港旅客数㊁高速公路交通量等影响因素的研究寻四者之间的关系，并对天气㊁气候㊁周中各日对公路省际客运的影响进行研究和分析.
1　研究对象与方法
1.1　研究对象
研究对象为2013⁃01 2016⁃12间的北京市公路省际客运量与同期铁路客运上下车旅客数㊁民航客运进出港旅客数㊁高速公路交通量以及天气㊁月平均气温㊁月平均降雨量㊁周中各日之间的相关性和相关水平.
1.2　研究方法
在变量间的相关分析中，除了常用的皮尔逊
(Pearson)积矩相关系数外，还有Spearman 秩相关系数和Kendall 秩相关系数等.皮尔逊(Pearson)积
矩相关检验法用于判断两个线性相关的变量之间的相互关系,Kendall 非参数秩次相关检验法用于判断两个有序分类变量之间的相互关系.在不考虑随机变量变化幅度的情况下，可以用Kendall 秩相关系数判断
两个随机变量在二维以上的空间中是否具有某种共变趋势.由于选取的参数未通过正态分布验证，采用皮尔逊(Pearson )积矩相关系数或者
Spearman 秩相关系数计算所得到的结果可能会存在较大误差.因此，选取Kendall Tau⁃b 秩相关系数来确定北京市公路省际客运量与其他变量之间的关系.Kendall Tau⁃b 秩相关系数的计算公式如式(1)所示.
Tau⁃b =[
C -D
12N (N -1)-∑s
i =11
2
U i (U i -1][
)12N (N -1)-∑t
i =11
2
V i (V i -1]
)(1)
式中，设2个随机变量分别为X ㊁Y ，它们的元素个数均为N.X 和Y 中具有一致性的元素对数(2个元素为1对)用C 来表示;X 和Y 中具有不一致性的元素对数用D 来表示.把X ㊁Y 中的相同元素㊁不同元素分别组成小集合，小集合个数分别用s 和t 表示，小集合中的元素个数分别用U i ㊁V i 表示.
选用SPSS 22.0统计软件对随机变量进行
Kendall Tau⁃b 相关分析,P ≤0.05表示具有显著统计学意义.
2　省际客运量与其他省际客运方式的关系
2.1　日客运量分析
将2013 2016年间北京市公路省际日客运量分别按照全样本数据和去除节假日及春运后的数据分别与同期铁路客运上下车旅客数㊁民航客运进出
7
1
交　通　工　程2019年
港旅客数㊁高速公路交通量的数据进行Kendall Tau⁃b 非参数秩次相关检验.
样本容量N 为1461；显著性水平α选取0.01；结果如表1所示.北京市公路省际日客运量(全样本)与铁路客运上下车旅客数㊁民航客运进出港旅客数呈显著正相关，与高速公路交通量呈显著负相关.说明在日常采用公共交通工具出行的城际交通之间由于刚性需求的变化，会出现同步的变化，而与自驾出行(高速公路交通量)相互间影响不明显.
2.2　春运期间日客运量分析
将2013 2016年春运及节假日(元旦㊁清明㊁五一㊁端午㊁中秋㊁十一)期间北京市公路省际日客运量和同期铁路客运上下车旅客数㊁民航客运进出港旅客数㊁高速公路交通量㊁普通公路进出京交通量的数据进行Kendall Tau⁃b 非参数秩次相关检验.表1　北京市公路省际日客运量(全样本)影响
因素的相关系数项目
铁路客运
上下车旅客数
民航客运进出港旅客数
高速公路交通量
相关系数
0.307*
*
0.343*
*
-0.079*
*
显著性水平(双尾)0.0000.0000.000样本容量
1461
1461
1461
  注:**P ≤0.01时，相关性显著(双尾检验)
  2013 2016年每年的春运期间北京市公路省际日客运量与同期铁路客运上下车旅客数㊁高速公路交通量呈显著正相关.与日常期间客运量的显著性差异(日常情况下，省际客运与高速公路交通量相关性不明显)，其可能原因为春运期间返乡人员采用自驾方式的比例较日常明显增加.
表2　春运期间北京市公路省际日客运量影响因素的相关系数
年度项目铁路客运上下车旅客数
民航客运进出港旅客数
高速公路交通量
相关系数0.580*
*
0.1060.350*
*
2013
显著性水平(双尾)
0.0000.3330.001样本容量40
4040
北京出京最新规定
相关系数
0.288*
*
0.242*0.512*
*
2014
显著性水平(双尾)
0.0090.0280.000样本容量40
4040
相关系数
0.253*
*
0.2120.286*
*
2015
显著性水平(双尾)
0.6490.0550.009样本容量40
4040
相关系数
0.226*
*
0.1380.395*
*
2016
显著性水平(双尾)
0.0400.2080.000样本容量
40
40
40
  注:**P ≤0.01时，相关性显著(双尾检验);*P ≤0.05时，相关性显著(双尾检验).
2.3　节假日期间日客运量分析
2013 2016年每年的节假日期间北京市公路
省际日客运量与同期铁路客运上下车旅客数㊁高速公路交通量呈显著正相关.与民航客运的相关性方面,2013 2015年呈显著正相关,2016年则无显著关系，变化的原因或为高速铁路的迅速发展替代了一部分体在节假日期间由民航转为高铁出行，致使省际客运与民航客运的相关性下降，而与铁路客运的相关性上升.
2.4　特殊时期日客运量分析
特殊时期主要是指亚太经济合作组织领导人非正式会议(以下简称 APEC 会议”)㊁中国人民抗日战争暨世界反法西斯战争胜利70周年(以下简称 抗战胜利纪念日”)等时期.APEC 会议于2014年
11月在北京市召开，经国务院批准,11⁃07 11⁃12，除保障APEC 会议和国事活动㊁城市运行等必须的工作岗位外，中央在京和北京市机关㊁事业单位和社会团体调休放假.2015年抗战胜利纪念日,9月3日 
8
1
　增刊宋　迪，等：北京市省际客运运量影响因素分析研究
表3　分年度节假日期间北京市公路省际日客运量影响因素的相关系数
年度项目铁路客运上下车旅客数
民航客运进出港旅客数
高速公路交通量
相关系数0.585*
*
0.316*
*
0.438*
*
2013
显著性水平(双尾)
0.0000.0020.000样本容量47
47
47
相关系数
0.504*
*
0.250*0.480*
*
2014
显著性水平(双尾)
0.0000.0170.000样本容量44
44
44
相关系数
0.483*
*
0.277*
*
0.370*
*
2015
显著性水平(双尾)
0.0000.0080.000样本容量44
4444
相关系数
0.551*
*
0.1530.484*
*
2016
显著性水平(双尾)
0.0000.0080.000样本容量
45
45
45
  注:**P ≤0.01时，相关性显著(双尾检验);*P ≤0.05时，相关性显著(双尾检验).
至5日调休放假，共3天.
分别对上述两个特殊时期北京市公路省际日客运量和同期铁路客运上下车旅客数㊁民航客运进出港旅客数㊁高速公路交通量的数据进行Kendall Tau⁃b 非参数秩次相关检验,APEC 会议样本容量N 为10㊁抗战胜利纪念日样本容量N 为7；显著性水平
α选取0.05；结果如表4㊁表5所示.APEC 会议期间和抗战胜利纪念日期间北京市公路省际日客运量与铁路客运上下车旅客数㊁民航客运进出港旅客数㊁高速公路交通量无显著关系.其原因或为特殊时期由于相应的管理措施，各种城际间交通方式出行量与日常有一定的差异.
表4　APEC 会议期间北京市公路省际日客运量影响因素的相关系数
项目
铁路客运上下车旅客数
民航客运进出港旅客数
高速公路交通量
相关系数
显著性水平(双尾)样本容量
0.2890.24510
0.4670.0610
0.3330.1810
表5　抗战胜利纪念日期间北京市公路省际日客运量影响因素的相关系数
铁路客运上下车旅客数
民航客运进出港旅客数
高速公路交通量
公路客运量
相关系数
显著性水平(双尾)
样本容量
-
0.3330.2937
0.4290.1767
0.1430.6527
3　北京市公路省际客运量与天气的相关性
分析
  将2013 2016年北京市公路省际日客运量(去除节假日及春运)和同期天气数据做Kendall Tau⁃b 非参数秩次相关检验，样本容量N 为283；显著性水平α选取0.01；结果如表6所示.北京市公路省际日客运量与晴天㊁多云呈显著正相关，与雾霾㊁雪天呈显著负相关.说明天气对省际客运的影响明显，特别是雾霾天㊁雨雪天会对道路通行有较大的影响.
4　结论与建议
从分析结果来看，北京市公路省际客运量与同期铁路客运上下车旅客数相关性较强，特别是春运和节假日期间，两者的相关性尤其明显，说明节假日的刚性需求会同时促进城际间各种交通方式客运量的增长；公路和铁路客运量两者之间的相关性呈现减弱趋势，说明铁路客运量与公路省际客运量存在竞争合作关系；不同天气情况下，公路省际客运量相关系数不同，说明受雾霾和雨雪天气影响较为明显.
9
1
交　通　工　程
2019年
表6　北京市公路省际日客运量(去除节假日及春运)与天气的相关系数
项目
晴
多云
雾霾
雪
相关系数
0.244*
*
0.154*
*
-0.122*
*
-0.152*
*
显著性水平(双尾)0.0000.0030.0000.000样本容量
283
283
283
283
  注:**P ≤0.01时，相关性显著(双尾检验)
  建议相关管理部门，一是针对当前公路省际客运量不断下滑的现状，结合高速铁路快速发展和自驾出行造成明显替代关系实际情况，通过提升省际客运服务质量和服务水平吸引更多的乘客，比如在售票㊁乘车和到站等环节，增加 互联网+”服务；二是充分发挥行业特点，进一步优化线路设置，发挥省际客运线路相对灵活和可达性强的优势，与铁路客运实行差异化服务；三是结合省际客运量在春运㊁节假日和特殊时期的特点，以及受雾霾㊁雪天天气的影响，动态调整运营调度计划，实现运力精准投放.参考文献:
[1]毛力增，段里仁，等.道路交通伤害与机动车保有量变
化的相关性分析[J].道路交通与安全,2006,6(5):
10⁃12.
[2]纪跃芝，胡凡，等.影响公路客运量的因素分析[J].教育教学论坛,2015(33):73⁃75
[3]王佳雨，梅宇霞.影响浙江省公路客运量主要因素的回归分析[J].科技信息,2014(11):95⁃96[4]马壮林，张宏璐，等.高速公路连续下坡路段交通事故时空分布特征研究[J].中国安全科学学报,2014,
24(5):85⁃91
[5]高玉翠，单飞，等.基干SPSS 主成分分析法在公路客运量预测中的运用[J].山东交通科技,2011(2):
7⁃10.[6]施薇，赖军，等.基于灰关联度的公路客运量预测研究[J].公路与汽运,2015(6):67⁃70.[7]罗毅.基于灰理论和广义回归神经网络的客运量预测模型研究[D].成都：西南交通大学,2007.[8]张亮，王伟.一种顾及多因素影响的公路客运量预测
模型[J].城市道桥与防洪,2006(5):
24⁃27.(上接第4页)
4　结束语
通过分析上述3个城市在自行车交通方面的不同发展策略，可以从中得出北京发展自行车可借鉴的方法.
北京没有阿姆斯特丹的地理㊁地形条件，不能完全照搬其自行车发展模式；东京发达的轨道交通网络正
是北京轨道交通的发展方向，因此，北京可借鉴东京自行车接驳轨道交通的发展模式；纽约的机动化水平很高，机动车出行多为短距离㊁地面拥堵㊁地铁拥挤这3个自行车发展潜力因素刚好也满足北京的现状，所以纽约的发展经验很值得北京借鉴.
综上，北京应该扩大轨道交通和公交站点的自行车停车场建设，给自行车接驳创造更好的条件；恢复自行车道，给自行车独立的行驶空间；推广公共自行车，倡导短距离下的自行车出行，加强公众沟通.相信通过这些措施，北京的自行车交通环境会得到
改善，自行车出行量会有所增长.参考文献:
[1]Rietveld P,Daniel V.Determinants of bicycle use:do
municipal policies matter?[J].Transportation Research
Part A:Policy and Practice,2004,38(7):531⁃550.[2]豫民.世界自行车交通及有关设计一瞥(上)[J].美誉时代(上),2015(6):5⁃8.
[3]李忠东.低碳荷兰自行车成 国骑”[J].世界文化,2013(2):36⁃38.
[4]曹明.有条不紊的东京城市规划[J].城乡建设,2015(11):86⁃87.[5]陆韬. 大城市病的空间治理”  基于新城视角的大都市区城镇体系研究[D].上海：华东师范大学,
2013.
[6]叶益芳，叶霞飞.国外典型城市自行车发展模式分析及启示[J].综合运输,2011(9):73⁃77.[7]纽约交通局.自行车统计数据[EB /OL].[2016⁃04⁃
01].http:∥v /html /dot /html /bicyclists /bicyclists.shtml.
2

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。