掌握乘客的换乘行为特性有助于更加科学合理地实施公共交通协同调度。然而，由于实际换乘数据获取与分析工作难度大（尤其是难以判断识别换乘行为）、成本高，使得既有换乘行为特性分析以定性分析和意向调查数据分析为主[189-191]，对实际调度工作的指导价值较为有限。既有研究中基于实际数据的换乘行为量化分析成果较为稀缺、零散，但对协同调度的实施具有重要指导价值，故首先梳理、介绍此类量化分析成果。
Jang[192]利用2009年3月某一周的公共交通智能卡刷卡数据（包含约100万条刷卡记录）定量分析了韩国公共交通系统（包括轨道交通方式和地面公交方式）内乘客的换乘行为特性。在韩国超过90%的乘客利用智能卡支付票价，保证分析结果基本可以涵盖所有实际换乘行为。基于距离的公共交通收费与结算系统需要乘客上车刷卡、下车刷卡。根据上下车刷卡记录和AVL数据可便捷地提取出乘客完整的出行路径，相应地，其中涉及的换乘过程亦可被精准识别。由于乘客乘坐轨道交通时只需进站、出站时各刷一次卡，故无法由刷卡数据识别出乘客在轨道交通网络内部的换乘行为。
Jang在排除了轨道交通网络内部换乘行为后，发现31%的公共交通出行中涉及换乘过程，其中，仅涉及一次换乘过程的出行占总数的26%，涉及两次及以上换乘过程的出行则占总数的5%。换乘过程具体类型参见表6-1，其中，地面公交换乘地面公交、地面公交换乘轨道交通和轨道交通换乘地面公交三种换乘类型分别占总数的10.15%、8.10%和7.95%。同时，Jang通过分析发现乘客对换乘地点存在显著偏好，并以一组地区对间换乘客流分布为例具体论述了偏好情况。表6-2展示了以一山区和江南区为起讫点的各出行路径分布情况，其中约34%的出行路径涉及一次换乘过程，同时调查发现尽管中央商务区汇聚了多条公共交通线路（换乘便利），换乘乘客仍然更愿意选择在靠近出发地或目的地的区域进行换乘。
表6-1 各出行路径分布情况[192]
注：a.字母“B”代表地面公交；字母“R”代表轨道交通；
b.“RR”和“RRR”分别为乘客出站后再次进站的情况。
表6-2 以一山区和江南区为起讫点的各出行路径分布情况[192](www.xing528.com)
Currie和Loader（2009）[193]基于2007年公交OD调查（涉及全天的跟车问卷调查）数据分析了墨尔本市公交换乘行为特性，其中对出行类型与换乘行为的关系亦有所涉及。图6-1给出了不同出行目的下换乘情况分布，可知以上学、工作、探亲访友为目的的出行中涉及公交换乘的出行所占比例较高，而由于大多数公交线路都可直达购物中心使得以购物为目的的出行中较少涉及公交换乘行为。这也说明客流高峰期出行（以通勤、通学出行为主）比客流平峰期出行（以休闲娱乐出行为主）发生换乘行为的概率更高。图6-2更是验证了这一分析结论。由图6-1可知，公交—地铁换乘比例大大高于公交—公交、公交—轻轨换乘比例，尤其是在早晚客流高峰期。
图6-1 不同出行目的对应的公交换乘出行比例[193]
图6-2 不同公交换乘出行类型时间分布情况[193]
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
