平板电脑手机戢小辉;安栓庄;俞懿宸;谢禹磊
【摘 要】城市轨道交通客流预测作为需求分析的有效技术手段,其预测结果的可信度和有效性将直接影响决策的精准度,重要性不言而喻.通过对北京、上海、广州、深圳、成都、南京等20余座城市的轨道交通现状运营数据进行全面整理与归纳,系统阐述网络客流、线路客流、车站客流的诸多特征,从负荷强度、网络平均乘距、线路平均运距、换乘系数、断面高峰小时系数、断面不均衡性、换乘客流量级分布、车站超高峰系数等客流预测关键技术指标进行特征探讨与规律总结,以期协助模型工作者更好地把握预测结果的合理性.%Passenger flow forecasting is an effective means for demand analysis of urban rail transit since the reliability and validity of passenger volume forecasting results will exert influences on the accuracy of decisions.This article states the characteristics of passenger flows in term of network,lines and stations through sorting out the operational data of urban rail transit systems in over 20 cities,including Beijing,Shanghai,etc.,in China.The key indicators of load intensity,average network ridership distance,average lin e ridership distance,transfer coefficient,section peak hour factor,section non-equilibrium factor,magnitude distribution of transfer flow,station extra peak hour factor are analyzed.The characteristics of these indicators are discussed and rules are summarized to help transport modelers understand the rationality of the forecasting results.
【期刊名称】《都市快轨交通》
【年(卷),期】2017(030)006
【总页数】9页(P39-46,61)
【关键词】城市轨道交通;客流预测;客流特征;成长规律
【作 者】戢小辉;安栓庄;俞懿宸;谢禹磊
铸造砂箱【作者单位】电话计费系统中铁第四勘察设计院集团有限公司,武汉430063;中国地铁工程咨询有限责任公司,北京100037;中国地铁工程咨询有限责任公司,北京100037;武汉地铁运营有限公司,武汉430063
【正文语种】中 文
【中图分类】U231
客流预测是贯穿城市轨道交通规划、建设、运营全过程的环节，是各项工作开展的基础。客流预测是系统网络效益评价、近期项目建设时序选择、系统规模与制式等重大工作决策的依据，在城市轨道交通规划设计体系中占据极其重要的地位。目前，我国城市轨道交通发展迅猛，网络规模不断扩大，轨道交通网络化客流特征逐渐显现，分析、总结相关客流指标的运营特征规律，对于指导后续的客流预测工作具有重要作用，笔者通过剖析20余座国内典型城市的重 要 客 流 指 标 特征[1-12]，以期协助模型工作者更好地把握预测结果的合理性。
目前，国内客流预测结果与实际运行情况均存在不同程度的误差，本文列举部分误差较大和预测比较精准的线路，其中上海5号线预测误差甚至高达422.39%，见表1。
城市轨道交通客流预测模型构建十分复杂，影响其预测精度的因素繁多，结合项目实际操作情况，本文主要从技术层面分析相关参数取值的局限性。
1) 对远期或远景的用地把握缺乏弹性。结合用地性质对远期或远景人口岗位进行预测时，容积率与入住率是很难把握的参数。1 hm2居住用地是承载300人、400人抑或更多，1 hm2商业用地承载500或者800个岗位等都是难以预测的。
2) 居民出行强度取值理想化。由于各地交通调查对于出行的定义自主性，以及传统交通调查对于沉默出行的不可避免性，导致各地出行强度取值差异化，或者根本就没法进行校核与横向比较。但本文仍对部分城市的出行强度做了相关统计，从图1中大致可以发现：北方城市的出行强度略低于中南部城市；大城市出行强度略低于小城市；随着时间的推移，部分城市出行强度开始逐渐下降。
3) 战略交通结构与现实交通结构的矛盾。目前客流预测中采用的交通结构通常为目标导向，是一种需求结构或者称之为理想的交通结构，与实际的交通结构一般都存在差距。从表2、3可以看出现状交通调查数据因城市区位、经济发展状况、交通需求特征等因素的不同，现状交通结构也呈现出多样化的特征；但预测数据却由于政策或者综合交通规划的要求等，整个公共交通结构占比却呈现出相同态势，这也是导致客流预测偏差的重要原因。
4) 常规公交网络布设主观性太强。尽管目前通过API接口可以抓取谷歌、百度地图中的现
状地面公交网络，但是远期或远景地面公交网络设置往往存在说不清道不明的状态，特别是在城市新区。常规公交与轨道交通竞争与合作关系的界定，什么时候是喂给关系，什么时候是竞争关系，网络布设的密度、线路的换乘关系等都需要模型工程师人为设定，这就不可避免地引入了相关误差。
pvc绝缘材料5) 相关人为及其他因素。为了配合既定工程的车辆选型与编组，人为设置容量限制；为了满足网络资源共享，适当干预客流结果；为了满足其他相关行政要求、规划目标，盲目扩大站点吸引范围等人为及其他因素也影响着客流预测的精度。
针对以上诸多不可明确或无法避免的误差因素，本文从分析现状运营数据的角度，探寻相关客流指标的内在联系与规律特征，以期帮助模型师更好地理解模型结果，把握客流特征，更有针对性地对模型参数进行调教，提高客流预测工作的信度与效度。
截至2016年末，国内21座城市拥有2条及以上城轨交通线路，城轨交通网络化运营已成趋势。城轨交通全年完成客运量总计160.9亿人次，同比增长16.6%。图2为2015年相关运营统计数据，从图中可以发现广州是负荷强度最高的城市，一度达到2.6万人次/km，除了几个已经实现网络化运营的城市，诸如上海、北京、西安、武汉等大城市在1.5万人次/km左
超滤器右，其他城市的负荷强度多集中在0.5万～1.0万人次/km，还有很大的客流增长空间。
通常在轨道交通客流预测报告中，平均乘距主要针对网络，平均运距则是针对单条线路。网络平均乘距反应的是乘客在轨道交通网络内一次出行的乘车行程距离。从国内运营数据(见图3)可以发现： 1) 城市建成区面积越大即城市规模越大，通常网络平均乘距越大，但基本都超过10 km，这可能与本次的数据样本有关，样本偏向大城市； 2) 同一城市，随着网络规模的增长以及线路层次功能的丰富，整个网络的平均乘距也是呈现逐步上涨的趋势，但是增长的趋势在逐步放缓，这主要是由于居民平均出行距离和平均出行时耗的约束，一个城市长大距离的出行占比是非常低的，主要还是集中在中距离出行上，核心区轨道网密度和外围市域线的增加，并不会带来长距离出行需求本质的增加，因而网络的平均乘距增速逐步放缓。
换乘系数的大小反应网络中换乘客流占全网客流的比例，通过相关性分析，发现其与线网规模、线网平均乘距都存在显著相关，其中网络规模的相关性略大于线网平均乘距。线性回归得到网络规模与换乘系数的关系式y=0.001 7x2-0.001 3x+1.270 1(R2=0.902 1)，在客流分析的时候，可以利用该公式大致匡算一下换乘系数。当然，换乘系数还与网络结构，网络中环线、半径线的数量等因素相关，应具体问题具体分析(见图4)。
从北、上、广、深、成都等城市的统计数据(见图5)可以看到如下初步规律：1) 线网规模在200 km左右时，换乘系数一般不会低于1.4；当线网规模达到500 km时，换乘系数一般不会低于1.6；当网络规模继续上涨时，换乘系数则增长缓慢，一般不会超过1.75，但北京这种方格式线网含有2个环线，诸多半径线的网络布局换乘系数会略微高一些； 2) 随着网络规模的扩展，换乘系数在逐渐增加，特别是网络化运营初期增速明显，到网络化运营成熟期，换乘系数增速减缓，可以预见的是成都、深圳、天津、西安等城市随着网络的逐渐完善，换乘需求会呈现进一步增加的态势； 3) 需要特别注意的是常规模型中通常忽略不同公共交通模式间的换乘，未来随着轨道网络的逐渐丰富，常规公交的客流会逐步由承担廊道客流转化为组团内部出行客流和接驳轨道的短距离客流，轨道交通车站也应该规划设置合理的公交首末站，以更好地服务居民出行。
高峰断面取值的大小决定系统的选型与编组，网络中各条线路的高峰断面梯度分布明显，诸如北京、上海、广州等城市，单向断面从1.8万人次/h～6.4万人/h不等，说明在一个既有成熟的网络中，线路是具备功能层次性的，这也要求系统选型应该有所侧重(见图6)。而从目前诸多的客流预测报告中发现，网络中线路的层次没有拉开，大城市过多的普线远期高峰小时断面集中在3.0万～4.0万之间，快线在1.5万～2.5万之间，中小城市普线在2.0万～3.
0万之间，整个系统断面分布十分均匀，这在现实运营情况中是很难出现的，究其原因可能是对轨道交通沿线的人口、岗位的预判不足，按照摊大饼式、均匀地分摊远期人口及岗位，进而导致线路断面均匀的情况。
除环线外，全日断面与高峰断面形态差异明显，穿越中心城区的放射性线路全日断面呈现纺锤体形状；进入中心城区的半径线，全日断面通常呈锥形，主要是由于强大的向心客流造成的；环线全日断面形态则较为均匀，一般沿线用地开发较为均衡地呈现矩形，在换乘站有局部波动；沿线土地开发不均衡的线路，断面一般会出现极不均衡的形状，要具体分析。高峰断面分布相较全日断面，形态规律比较难以把握，但是通常会呈现出明显的方向不均衡性,进城方向一般会大于出城方向，不均衡性取值的大小主要取决于沿线职住比，并且需要注意的是，线路的断面形态也绝非一成不变的，通常会随线路的延长、新线的开通、沿线土地利用的变化，带来断面形态、量级分布的变化。
从长沙、北京、南京的高峰断面客流表现出明显的向心性和潮汐性(见图7～9)，同一线路不同方向的断面流量不均衡性明显，放射线不均衡性大于环线，郊区线不均衡性大于市区线，换乘站越少、越集中的线路断面流量不均衡性越明显。部分连接郊区新城的市郊线路方向不均衡系数(双向进站客流量比值)超过1 ∶4。
通过以上分析以及相关数据整理，大概可以得出如下规律： 1) 高峰小时断面在空间上多出现在环线相邻区间或相近区间； 2) 早高峰时段最大客流断面在方向上往往为向心型，具备强烈的方向不均衡性； 3) 高峰断面与全日断面除环线外，在形态上都存在显著差异。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议