现代有轨电车客流预测在淮安的实践

舒 蕾



现代有轨电车客流预测在淮安的实践

舒 蕾

摘 要：介绍现代有轨电车客流预测模型的建模方法及建立过程，并分析模型的特色及创新点。以淮安市有轨电车为例，选 用TransCAD 软件，构建淮安公共交通（地铁、有轨电车和常规公交）专题模型，利用此模型对淮安市有轨电车交通线网进行客流预测，并提取有轨电车、工程线路的客运需求和各项客流指标，为线路的工程建设提供科学依据。

关键词：有轨电车；地铁；客流预测；模型构建

舒 蕾：上海市城市规划建筑设计工程有限公司，助理工程师，上海200011

0　引言

目前，国内已有多个城市开展有轨电车规划和建设，例如天津、上海、大连等城市已经开通有轨电车线路，作为中、低运量的城市轨道交通系统，有轨电车线网应当与城市主要公交客流走廊相耦合，其线网规划离不开对客流需求的准确把握。为此，在对淮安市公共交通现状调查的基础上，应用交通需求预测模型对淮安市有轨电车一期工程的客流需求进行研究，为其一期工程的可行性研究及后期建设提供支持。

1　淮安有轨电车预测概述

依托城市高铁站布局，淮安市远期拟规划建成地铁线路4条和有轨电车7条，如图1所示。其中有轨电车一期工程为淮安骨干公交系统即 T1线路（图2），起自清河区体育馆地区，终于淮安区商贸城。该线路全长20.3 km，共设站23座。

图1　淮安市远景轨道交通线网整合规划图

图2　淮安有轨电车一期工程线路图

2　模型构建

在淮安市综合交通模型系统（HACTS）的基础上，搭建淮安公共交通专题模型（HATTS，包括地铁、有轨电车和公交），输入社会经济、相关规划、交通设施、地铁和有轨电车线网方案、预测线路方案等数据，从整个有轨电车线网的角度来预测各项客流指标，从中提取有轨电车一期线路信息。

2.1预测方法

以下从模型总体思路、模型架构和数据3个方面阐述预测方法。

2.1.1总体思路

以2020年、2030年和2050年作为特征年，对淮安市有轨电车出行客流进行预测，并通过插值计算法估算淮安市有轨电车一期线路在工程初期（2018年）、近期（2025年）以及远期（2035年）的客流预测结果。

2.1.2模型架构

此次预测过程采用 TransCAD 交通软件，建立淮安市有轨电车客流预测模型，并以流程图的形式将整个过程表达出来，如图3所示。模型采用四阶段法，通过 OD调查得到居民出行数据，通过出行生成、出行分布、交通方式划分和交通分配4个阶段，获得整个线网的客流预测数据，再通过插值计算得到有轨电车一期线路的客流预测结果。

图3　淮安市公共交通客流预测模型架构图

2.1.3数据结构

模型的数据结构分为纵向和横向数据关系，纵向关系的处理顺序为输入数据、处理数据、四阶段模型数据处理、最终数据检验和反馈；横向关系包含居民出行模型、流动人口出行模型、对外出入口交通模型以及基础网络模型等。

2.2基础模型的构建

基础模型采用常用的四阶段法构建，分为出行产生模型、出行吸引模型、出行分布模型、方式划分模型和交通分配模型。

将淮安市分为351个交通小区，合并为6个交通大区。本次模型采用早高峰时段数据。

2.2.1出行产生模型

出行产生量即出行客流量，预测采用交叉分类中的产生率法，将出行对象根据不同的出行目的进行分析，确定各交叉类别的出行率，即：

式（1）中，Pi为交通小区 i 的出行产生量，次；Ri为i 小区的人口数，人；n 为不同的出行目的数，个；rq为交通大区 q 的出行产生调整系数；j 为交通小区的编号；Gnj为小区编号为 j、出行目的为 n 的出行率，次/人。

为区分不同出行目的、不同小区、不同职业反映的不同出行特征，将出行目的分为4种：基于家上班出行（即从家出发，以上班为出行目的）（HBW）、基于家上学出行（HBS）、基于家其他出行（HBO）以及非基于家出行（NHB）。

根据淮安市2011年居民出行调查资料，分别对各小区的人口和不同目的的出行发生量进行回归，计算出不同目的、不同分区的居民出行率，如表1所示。

表1　淮安市现状居民出行率　次/人

2.2.2出行吸引模型

出行吸引模型采用与出行产生模型类似的交叉分类法，根据单位就业岗位吸引率计算每个小区的出行吸引量，其表达式为：

式（2）中，Ai为 i 小区的出行吸引量，次；m 为出行目的数，个；n 为就业岗位类型数，个；rq为交通大区 q 的吸引调整系数；Knmi为就业岗位类型为 n 的出行吸引率，次/岗位；Mnmi为就业岗位类型为 n 的就业岗位数，个。

与出行产生模型相同，出行吸引模型也分为HBW、HBS、HBO、NHB 4种出行目的，计算获得出行吸引率如表2所示。

表2　不同就业岗位出行吸引率　次/岗位

2.2.3出行分布模型

出行分布模型建立的是各个交通小区之间交通量交换的定量关系。鉴于重力模型能够反映土地和交通设施的变化对分布的影响，本次模型构建选择双重力约束模型：

式（3）中，a、b 为修正参数；cij为 i 小区到+j 小区的出行时间矩阵；qij为 i 小区到 j 小区之间的总出行次数，次；Pi为 i 小区的出行产生量，次；Aj为+j 小区的出行吸引量，次；f+（ cij） 为 i 小区和+j 小区之间的阻抗函数，利用距离衡量。

以淮安市居民出行 OD 调查资料为基础，通过平均出行时耗和时耗分布标定阻抗函数，选用反幂函数。模型参数 b 的标定值见表3。

表3　出行分布模型参数标定结果

2.2.4方式划分模型

交通方式划分是将预测年度各交通小区的居民出行量按照一定的交通选择行为准则分配给各交通方式，包含步行、自行车、电动车、小汽车和公交（含地铁、有轨电车）5种方式。采用目前国际上较为成熟的 LOGIT模型，在预测中结合政策分析和各方式距离分布曲线对模型进行校核和修正。同时考虑淮安社会经济、城市用地发展等因素，确定其出行方式划分模型如下：

式（4）中，p （ i ） 为选择交通方式 i 的概率，Ui为交通方式 i 的效用函数，Cn为 n 种可选交通方式组成的集合。

参考规划的预测结果，得到各规划年淮安市居民出行方式结构如表4所示。

表4　淮安市规划区各交通方式居民出行比例结构表 %

2.2.5交通分配模型

交通分配模型采用随机用户平衡法（SUE）。本次建模采用先建立全日需求矩阵，然后根据调查得出的高峰小时系数矩阵得到高峰小时矩阵。

2.3有轨电车模型构建

有轨电车模型在基础模型上构建，从整个线网层面进行交通预测，并从中提取一期线路的预测数据。

2.3.1模型和参数说明

模型采用 TRANSCAD 提供的公共交通分配方法（多路径总费用最优模型），该方法具有如下特点：总费用（General Cost）更细致、准确地描述出行者的路径选择；时间包含步行时间、等车时间、车上时间；不舒适性包含上车和换乘、票价；多路径概率选择，而不仅是最优路径。基本模型如下：

总费用成本由实际出行时间和因支付票价而引起的时间当量值两部分组成：

式（5）中，Tt为实际出行时间的加权值；Tc为由票价引发的时间价值当量，即票价所对应的时间价值，由票价时间当量值 Tcpt组成。

票价时间当量值 Tcpt由基本票价和乘车距离附加票价两部分构成：

式（6）中，Npt为乘客上下车的次数，次；Cpt为乘客乘车的时间，min；Dpt为乘车的距离，km；Fpt为每公里票价时间，min/km。

实际出行时间的加权值 Tt包含步行时间、候车时间、乘车时间、进出（轨道）站点时间、换乘时间等。由于乘客对不同时间要素存在感觉上的差异，因此把上述指标换成同一单位时，须考虑相应的权重系数：

式（7）中，Tw、β1为步行时间及其权重，Ta、β2为候车时间及其权重，Tv、β3为乘车时间及其舒适度权重，Tm、m 为换乘次数及换乘惩罚时间。

根据其他同类城市经验，确定淮安市有轨电车分配模型的主要参数值如表5所示。

表5　淮安市有轨电车分配参数

2.3.2时间价值参数说明

影响出行时间价值（即单位出行时间的货币化表现）的因素很多，但主要与出行目的和居民收入水平有关，根据淮安的具体情况，综合分析影响出行时间价值的相关因素，以及方式划分模型中标定的模型，并参照居民出行时间价值调查的结论，本文设定早高峰时段有轨电车乘客的单位时间价值（VALUE OF TIME）为13.8元/h［8］。

2.3.3模型结果分析

为了检验分配结果的合理性，通过调查的结果对预测结果进行误差分析，得到模型平均出行时间为49 min，居民出行调查中公交方式平均出行时间为45.4 min，误差7.9%，认为分配模型标定的相关参数可以接受，分配的结果基本符合淮安市现状。

3　模型应用

将上述模型运用于淮安市有轨电车的客流预测，以下从基础工作和预测结果两方面进行阐述。

3.1基础工作

在交通小区的划分过程中采用层次性的划分手段。以600 m 为半径划定站点的客流影响范围，对于有轨电车一期工程线路沿线区域划分精细化，保证客流预测的准确性。对于有轨电车一期线路影响范围以外的区域，在遵守基本的交通小区划分标准的基础上，逐步增加单位小区的平均划分面积，以期降低客流预测的复杂性。详细划分情况如图4所示，其中交通大区6个，交通中区16个，交通小区351个，属于有轨电车一期线路直接影响范围的交通小区 40 个，在图4中以红色标注。

根据相关规划和资料获取人口、就业、人均出行次数、公共交通发展目标和特征年线网规划（图5）等。

图4　交通小区划分图

图5　特征年线网规划方案

3.2线网预测结果

根据上述模型获得淮安市线网预测结果，可以发现远期客流出行空间分布特征与淮安市规划的空间布局相契合。远景（2050年）市公交客运总量（地铁、有轨电车和公交）达464万人次/日，其中快速公交（地铁+有轨电车）客运量为283万人次/日，占公交客运总量的61.15%，起到了公交骨干的作用。快速公交线网内部，2030年有轨电车与地铁的客运分担比例分别为63% 和37%，分别占到公交客运总量的31% 和18.26%；2050年有轨电车与地铁的客运分担比例分别为42% 和58%，分别占到公交客运总量的25.7%和35.5%，符合这2种快速公交方式在淮安市公共交通系统中的功能定位。

快速公交线网规划年客流指标如表6所示，公共交通线网客流分布如图6所示。

3.3一期预测结果

结合淮安市有轨电车一期线路工程实际情况，通过插值法［6］得出一期工程在项目初期（2018年）、近期（2025年）和远期（2035年）的具体客流指标，如表7所示。

图6　快速公交线网规划年客流分布图

表6　淮安城市快速公交线网（地铁 + 有轨电车）客流预测指标汇总

表7　淮安市有轨电车一期工程全线主要客流指标

4　总结

近年来，国内掀起一股有轨电车发展热潮，各大、中型城市视有轨电车为优质、绿色、高效的交通工具，将其作为提升城市形象、提高交通品质的选择。随着有轨电车的规划与建设，其客流预测理论和方法也需要在实践中不断完善和改进。

参考文献

［1］ 中华人民共和国中央人民政府. 中华人民共和国国民经济和社会发展第十二个五年规划纲要［R］. 北京：中华人民共和国中央人民政府，2011.

［2］ 中华人民共和国国家发展和改革委员会. 关于发展现代有轨电车的指导意见［R］. 北京：中华人民共和国国家发展和改革委员会，2011.

［3］ 张国华，欧心泉，周乐，等. 有轨电车系统规划设计思考［J］. 城市交通，2013，11（4）：24-29.

［4］ 张安锋，李东屹，马士江. 上海市有轨电车系统布局规划研究［J］. 上海城市规划，2014（2）：19-26.

［5］ 徐正和. 现代有轨电车的崛起和探索［J］. 现代城市轨道交通，2005（2）：12-15.

［6］ 黎冬平，王宝辉，陈雷进. 现代有轨电车在淮安市核心区的应用方案研究［J］. 中国市政工程，2014（6）：88-91.

［7］ 涂俐兰，黄丹. 插值法在数据修正中的应用［J］. 数学理论与应用，2012，32（3）：110-115.

［8］ 胡吉平. 旅行时间价值研究的意义与方法［J］. 综合运输，2008（10）：64-67.

［9］ 陆锡明，李娜. 科学理性地发展有轨电车［J］. 城市交通，2013，11（4）：19-23.

责任编辑 凌晨

Passenger Traffi c Forecast for Advanced Tramway in Huaian

Shu Lei

Abstract:The paper makes an introduction of modeling methodologies for the passenger traffic forecast of the advanced tramway and the modeling establishment process, and an analysis of its characteristics and innovation. By taking the advanced tramway in Huaian as an example and using TransCAD, it establishes a specialized model for the public transportation (metro, tram and public transport) of Huaian. Using the model of passenger traffic forecast for the public transportation networks in Huaian, it provides support to the track network construction based on the passenger traffi c demand and data of passenger fl ow collected from the advanced tramway.

Keywords:tramway, passenger traffic forecast, model

中图分类号：U121

收稿日期2015-08-10