近年来，机动车、电动自行车保有量和使用量的迅猛增长导致道路交通拥堵加剧，公交运行秩序及行车安全受到较大影响、公交运行效率降低、乘客对公交快速出行的满意度不高。为准确掌握公交运营速度规律，剖析制约公交运营速度提升的关键因素，有针对性地解决公交出行不快捷的问题，提升公交出行吸引力及公交出行分担率，我们开展了公交速度分析相关研究，现简要叙述主要研究过程。

1、数据源

（1）线路站点基础信息

该数据源包含各线路各运行方向各站点的站序、名称及站点经纬度数据，可用于后续数据的经纬度匹配，并辅助分析结果的可视化展示。

（2）线路站间距数据

该数据源包含各线路各站间的距离数据，主要用于站间速度计算。

（3）线路车辆GPS到离站数据

该数据源主要包含各线路各车辆每天到达及离开各站点的时间，可用于计算站点停靠时间、站间到站时间间隔、站间速度等指标。

图1一1 GPS到离站数据示例

2、数据处理过程

数据处理过程主要借助SQL Server数据库进行，包括：数据类型转换、重复数据筛选、异常数据删除、字段内容匹配等步骤。

（1）数据类型转换

该步骤主要是为了统一数据格式、便于指标计算。需要进行数据类型转换的字段主要包括：日期（datetime类型）、运行方向（int类型）、车辆编号（int类型）、到离站时间（time类型）、站序（int类型）等。

图1一2 数据格式转换语句

（2）重复数据筛选

该步骤主要涉及对线路站点信息、站间距数据的去重，以减少指标分析过程中的无效工作。

（3）异常数据删除

该步骤贯彻数据分析全过程，目的是提高分析结果的可靠性，主要涉及对异常站点经纬度、异常站间距数据、异常停站时间及异常站间速度的删除，其中，异常站点经纬度指超出市域范围的经纬度数据；异常站间距数据指站间距为负值或站间距过小、过大的数据；异常停站时间指站点停站时间小于等于0秒、大于等于3分钟的数据；异常站间距速度指速度超过城市道路限速值或者平峰低峰时段速度过低的速度数据。

图1一3 部分异常数据删除语句

（4）字段内容匹配

该步骤主要包括站点名称、站间距等字段的数据匹配，匹配过程中设置的限制条件需保证同线路、同运行方向、同日期、同车号、同站序的数据完成匹配。

图1一4 站间距数据匹配语句

3、分析结果

分析指标主要包括：各时段速度、各区域速度、各道路速度、各分公司速度、各线路速度、不同线路类型速度、速度同比环比变化情况及相关影响因素分析，下面主要介绍一下各时段速度及影响因素分析情况。

（1）各时段速度

选取一周的GPS到离站数据，计算得到每天各时段速度有很明显的规律性，一天内公交运行速度呈双波谷（“W”型）分布，高峰、平峰及低峰时段速度差异明显，其中，周一、周五规律相似；周二、周四规律相似；周三较工作日的其他几天略有变化；周六、周日规律相似。

图1一5 一周内每天各时段速度变化

（2）影响因素分析

对比各线路长度、站点数量、平均站间距、计划周转时间、非直线系数等指标与线路速度的相关关系发现：济南公交线路速度主要受站台停站时间、计划周转时间与非直线系数的负面影响较大，受平均站间距、线路长度的正面影响较大，与线路站点数量的关系较小。其中，站台停靠对线路速度的提升有相对明显的制约。

图1一6 各影响因素与速度相关关系

通过本文所述公交速度分析过程可较全面、客观地掌握速度变化规律及影响因素，为下一步公交系统内部的速度提升对策提供参考。