面向需求响应型交通的可达性可靠数据驱动估计方法

《Journal of Transport Geography》：Reliable data-driven estimation of accessibility in demand-responsive transport

　　

中文翻译 需求响应型交通（Demand Responsive Transport, DRT）能够克服常规公共交通（Conventional Public Transport, CPT）在稀疏地区的低效问题。为评估交通服务满足人们出行需求的程度，常采用基于等时线（Isochrone-Based, IB）的可达性指标，该指标统计在限定时间内可到达的机会数量（如学校、工作岗位等）。基于CPT的IB可达性通常依据表征CPT线路的图结构进行计算。然而，由于新到达请求所施加的绕行具有随机性，DRT的线路无法用图结构加以表征。因此，目前尚无成熟方法能够在捕捉这种随机性的前提下计算DRT的IB可达性。 研究人员提出一种新的统计学方法以填补这一空白。首先通过概率机器学习（Probabilistic Machine Learning, PML）估计出行时间分布，以捕捉绕行的影响；随后构建时间扩展图（time-expanded graph），计算可靠IB可达性指标，该指标表示在限定时间内以高概率可到达的机会数量。该方法应用于法国Padam Mobility（2026）运营的三个真实DRT部署数据，这些服务均基于预约请求运行。为展示所提方法可获得的洞见，研究人员分析了DRT对可达性的贡献及其带来的分配性不平等减少（例如，在所考虑案例中，50%的人口获得的可达机会最多增加15倍）。 该方法可支持规划者和主管部门客观评估并有效传达DRT的效益。

论文解读

一、研究背景与问题提出

交通网络为人们提供有效到达各类机会（如学校、工作场所、医院等）的途径，这种潜在到达能力被形式化为基于位置的可达性概念。确保良好的可达性是交通系统的主要目标之一。在人口和机会集中的高密度城区，常规公共交通（Conventional Public Transport, CPT）提供的可达性较为有效；然而在郊区或乡村等低密度地区，由于运营商需限制服务频率和覆盖范围以控制单位乘客成本并维持经济可行性，可达性往往不足，可合理出行时间内到达的机会很少，导致这些地区高度依赖私家车。这种以汽车为中心的规划模式日益被认为不可持续。

需求响应型交通（Demand Responsive Transport, DRT）作为解决低密度地区CPT局限性的有前景方案，可提供灵活的服务和覆盖范围，路线和时刻表可根据用户请求动态调整。已有研究表明DRT在低密度地区的等待时间和出行时间、用户相关成本及到达主干交通服务的接驳时间方面均优于CPT。尽管DRT潜力巨大，但其部署仍有限，主要因为资本和运营成本高昂，需要大量公共补贴，这成为运营商面临的主要障碍。因此，必须清晰定量地展示此类服务的效益，以评估投资成本的合理性并向公众证明其价值。

然而，现有文献和实践中对DRT的评估大多集中于运营视角（如乘客出行、等待和步行时间、运力等），未考虑其对可达性的影响。这与可达性作为交通评估主要标准的日益增长的共识形成对比。目前缺乏严格评估DRT所提供可达性的方法，无论是DRT作为CPT的接驳方式还是作为独立直达出行模式。即使DRT已成功部署并获得用户积极评价的案例中，其在关键机会获取方面的效益也大多仅被定性评估，缺乏可达性指标。

二、研究内容与核心方法

出行时间是衡量可达性的关键因素。DRT服务的出行时间具有固有变异性，其中很大一部分不确定性源于其运营逻辑特有的绕行——为服务乘客请求而产生的绕行，这些绕行随一天内和每日间的需求波动而变化。因此，DRT的可达性本质上是随机的，单一确定性值（如平均出行时间）不足以捕捉这种不确定性。

针对这一挑战，研究人员提出了一种基于概率机器学习（Probabilistic Machine Learning, PML）模型的方法。PML模型不同于仅输出单一估计值的标准机器学习模型，它通过推断整个概率分布（其方差反映历史数据中观察到的变异性），能够泛化到未见位置并捕捉出行时间变异的复杂模式。具体技术路线为：首先利用PML模型估计DRT在不同起讫点对之间出行时间的完整概率分布，从而计算出行时间百分位数；其次构建时间扩展图，其中边权对应这些概率分布的分位数；最后基于该图计算可靠性感知的可达性指标，定义为在给定时间阈值内可到达的机会数量，其中DRT路段使用预测出行时间分布的第95百分位数，而CPT路段视为确定性。

该方法应用于法国三个真实DRT部署——里尔都市圈（Lille Metropole）、奥尔良都市圈（Orleans Metropole）和伊夫林省（Yvelines Department）——使用Padam Mobility（2026）的历史数据，这些服务均基于预约请求运行。该方法可分析DRT作为CPT首末公里接驳或作为直接起讫点服务的多模式出行模式。

三、研究结果

DRT对可达性的贡献分析。 通过将所提方法应用于三个真实DRT部署数据，研究人员量化了DRT对可达性的贡献。结果表明，在所考虑案例中，50%的人口获得的可达机会最多增加15倍，这展示了DRT在低密度地区显著扩大居民可达机会范围的潜力。

分配性不平等减少。 研究进一步分析了DRT引入后可达性分配的变化，发现DRT的部署带来了分配性不平等的减少，即原本可达性较差的群体获得了更大的可达性改善，这体现了DRT在促进交通公平方面的价值。

多模式整合效果。 方法能够分析DRT与CPT整合的多模式出行模式，包括DRT作为首末公里接驳以及作为独立直达服务的场景，为评估不同DRT部署模式的可达性效益提供了量化工具。

四、讨论与结论

讨论部分。 研究人员指出，该方法具有方法论聚焦性质，其目的并非比较DRT与替代交通模式，而是提出一种计算可靠等时线可达性指标的方法。这些指标旨在支持规划者和交通主管部门在项目评估中从可达性视角进行决策。研究也承认了方法的局限性：包括对历史数据质量和覆盖范围的依赖、PML模型对未见位置泛化的假设，以及将CPT路段视为确定性可能引入的偏差等，并建议了未来研究方向。

结论部分。 该研究首次提出了一种计算DRT与CPT整合的可靠等时线可达性指标的方法。所得到的指标是可靠的，因为该方法考虑了由服务乘客请求所需的绕行引起的DRT出行时间随机性。该方法基于数据驱动，通过对历史出行数据的统计建模实现，无需复杂的模拟模型。它依赖PML模型估计出行时间分布，并基于这些估计构建时间扩展图来计算可达性。该方法可分析DRT作为CPT首末公里接驳或作为直接起讫点服务的多模式出行模式，能够支持规划者和主管部门客观评估并有效传达DRT的效益，为DRT的投资决策和公众沟通提供了实质性、政策相关的量化证据。