武汉轨道交通循礼门站实时换乘客流研究

郭文雅　王泽清

(武汉地铁运营有限公司　湖北　武汉：430000)



武汉轨道交通循礼门站实时换乘客流研究

郭文雅王泽清

(武汉地铁运营有限公司湖北武汉：430000)

摘要轨道交通换乘站作为各条轨道交通线路的中转枢纽，其客流量大、周期性强，研究其实时客流对掌握线网的换乘规律以及优化运营组织具有重要意义。循礼门站是武汉轨道交通1号线和2号线的换乘站，日均换乘量较大，其客运量对全线网的客运组织影响明显。通过对循礼门站已有换乘客流数据的分析，研究其小时换乘客流的分布特性。

关键词轨道交通；循礼门站；实时客流；换乘；灰色预测模型

现阶段武汉轨道交通已进入网络化时代，日均客流量在200万乘次以上，日均换乘客流超过50万人次。可以说，换乘站是轨道交通线网中的重要节点，不同线路间的内部换乘是换乘站的重要功能之一，其内部换乘效率的高低直接影响整个轨道交通线网的运能，而实时换乘客流数据又是影响换乘站现场客运组织的重要决策因素之一。目前，武汉轨道交通线网清分系统对换乘客流只分日统计，无法实现实时监测，因此，实时掌握客流数据显得尤为重要。循礼门站作为武汉轨道交通第一个换乘站，地处京汉大道和解放大道之间的江汉路段，周边商业发达，客流较为集中，研究其客流规律非常必要。

1循礼门站换乘方式

换乘站在线网中位于两条或多条线路的交叉点上，它影响着城市轨道交通系统的客流吸引力，也影响着对乘客的服务水平。换乘站的换乘方式一般可分为同站台换乘、T或L型换乘、十字换乘和通道换乘等。本文研究对象循礼门站则采取的通道换乘方式。

通道换乘是指在两条线路的交叉处，用通道、楼梯或者扶梯将两条线路的车站连接起来，以便乘客进行换乘。通道换乘一般应用于两个车站靠得相对较近，但又无法建造同一车站；通道换乘建筑结构比较简单，两个车站的主体建筑结构不需要连接，仅仅通过换乘设施相互连接；换乘通道一般设置于两个车站的站厅之间，也可以从站台上直接设置。循礼门站是在轨道交通1号线循礼门站和2号线循礼门站站厅之间通过4部扶梯连接。

通道换乘在设置换乘路径时首要考虑便捷乘客，并设置明显的换乘导向标识。乘客换乘时在车站的付费区进行，不需要另外购票，并使进、出站与换乘客流尽量不出现交叉。从乘客角度来说，通道换乘并不是很好的换乘方式，因为换乘通道一般较长，其优点是通道设置较为灵活，预留工程较少，对后期建设的车站制约较小。

2循礼门站换乘客流的特性

客流是指在一定时间内某一运输路线上一定方向的旅客流动，包含流量、流向和流时等要素。客流是轨道交通车站组织的重要研究对象，根据客流流量可以分析出车站的设施设备利用情况，也可以掌握整个线路的运营情况。

武汉轨道交通2号线的客流在方向分布上是相对平衡的，因为乘客乘车一般是一去一回，而客流量在时间分布上则很不均衡，但呈一定规律性，例如在早晚高峰时段客流量就比较大，其他时段则相对较少；在流向上有上下行之分，以重要站点往外为上行，反向为下行。

循礼门站因为其换乘站的特性，从客流上看，换乘客流较大，且时间段集中，车站拥堵程度较明显。循礼门站的客流特性如下：

(1)客流集聚性。循礼门站除了进出站客流以外，还聚集有轨道交通1号线及2号线的换乘客流，因此客流相对集中，时间特点明显。

(2)多路径和多方向性。循礼门站进出客流和换乘客流具有不同的出行方向及目的，出行路径不一，客流交叉明显。

(3)换乘主导性。在循礼门站的客流构成中，换乘客流占绝对主导，换乘占比达71.6%。

(4)不均衡性。循礼门站有两个换乘方向，换入轨道交通2号线和换入轨道交通1号线，不同换乘方向的客流量在同一时段存在着比较大的差异。

(5)突发性。循礼门站客流的到达随着列车的到站时间呈现出脉冲式的分布规律，因此并不是连续均衡的，在一定时间内会对换乘设施特别是4部扶梯的上下端客流疏散产生冲击作用，早晚高峰尤为明显。由于突发性的存在，容易导致换乘咽喉区拥堵，如果拥堵人数较多，车站的客运组织压力较大，安全隐患较大。

3换乘客流实时监测模型的构建

轨道交通客运组织对客流监测模型设计提出了很高的要求，但目前对于实时客流监测技术的研究尚处于起步阶段，尽管出现了少量综合实时判断与实时监测的算法，但其预测结果比较粗糙。

3.1循礼门实时换乘客流的数据获取

由于武汉轨道交通线网清分系统的局限性，不能实时监测换乘数据，因此可通过实地调研与录像监测相结合的方法来获取数据。循礼门站的换乘客流由4部电扶梯运送，正常情况上、下行扶梯各两部。为准确统计客流数据，可以将电扶梯上的乘客看作相对静止。

假设乘客从武汉市轨道交通2号线换乘至1号线，经由电扶梯从A端到B端的时间是t(s)，在某一时刻电扶梯上平均人数为x人，则1小时内通过电扶梯的客流就是3600x/t，由此可以得到1小时内2号线换乘1号线客流为7200x/t，1号线换乘2号线亦然。其中t为常数。

根据实测t=68s，x最大值为高峰期202人。通过对3月份循礼门站换乘客流的现场调研及录像监测，得到数据如表1：

通过武汉轨道交通线网清分系统数据可知，循礼门站3月份的工作日日均换乘客流为13.11万人次，非工作日日均换乘客流为14.19万人次。由表一可知工作日日均统计换乘客流为13.32万人次，非工作日日均统计换乘客流为14.17万人次。通过计算可得工作日统计换乘客流与实际换乘客流相对误差是1.53%，非工作日统计换乘客流与实际换乘客流相对误差是0.18%，误差均符合要求。

表1　循礼门站换乘客流(万人次)

3.2循礼门实时换乘客流模型的建立

轨道交通换乘系统是由乘客参与的、实时变化的复杂系统，它的显著特点之一就是具有高度的不确定性。这种不确定性给实时换乘客流模型的建立带来了困难。灰色模型的基本思想是通过少量的、不完全的信息，建立灰色微分模型，对事物发展规律做出模糊性的描述。灰色理论把系统的行为现象看成是朦胧的，仅仅从复杂的数据中找出规律。因此可以采用灰色模型，把外界复杂因素看成一个黑盒，从之前得到的实时客流序列中拟合循礼门换乘客流的分布规律。由于普通的灰色模型虽然拟合了实时换乘客流的平均分布特征,但是其结果并不能反映出客流高峰平峰的波动情况。所以本论文选用滚动GM(1,1)灰色模型。

记统计的实时换乘客流序列为：

然后对原始数列进行累加，记一次累加生成数列(1-AGO)为：

T为滚动模型的周期，在这里取5；

n是常数，分别取3,2,1。

则认为该序列满足一阶线性微分方程，方程以指数增长形式为通解：

以x(0)(k+1)表示为离散形式的微分项，x(1)取k和k+1时刻的平均值，则得到

对应的方程变换为：

将上述的计算过程矩阵形式表示，则有：

则有：Cn=BA

写成离散形式为：

将统计数据代入模型，得到循礼门站工作日换乘客流GM(1,1)的模型如下：

循礼门站非工作日换乘客流模型如下：

其中k=0,1,2,3……

将模型的模拟值与统计值进行对比，计算其误差在允许范围内，所以此方法适用于循礼门实时换乘客流的模拟与分析。

4结语

轨道交通是城市重要的公共交通工具，实际运营情况证明，如何精准的掌握实时换乘客流数据及其特性对车站客运组织、提高列车运能、提升车站员工效率具有较大影响。本文正是通过模型求解及分析，证明了基于灰色模型的循礼门站换乘实时客流监测的可行性，也由此计算出循礼门站换乘分时客流数据，从而有助于车站进一步优化客运组织，提高运营效率和服务水平。随着武汉轨道交通线网客流数据采集速度的提高及ACC系统的升级，可进一步考虑将此项研究应用到其他实时换乘客流监测系统，从而提升换乘客流监测的准确性。

参考文献

[1]毛保华.城市轨道交通系统运营管理[M].北京:人民交通出版社,2006.

[2]沈丽萍,马莹,高士廉.城市轨道交通客流分析[J].城市交通,2007,5(3):527.

[3]张国宝.城市轨道交通运输组织[M].北京:中国铁道出版社,2000.

[4]李灿.城市轨道交通枢纽乘客交通特性分析及建模[D].北京:北京交通大学,2008.

(责任编辑：李文英)

Real-time Wuhan Rail Transportation Transfer Passenger Flow at Xunlimen Station

Guo WenyaWang Zeqing

(Wuhan Metro Co., Ltd, Wuhan 430000, Hubei)

Abstract:As a transfer pivot of different railway lines, the subway transfer station has a large, periodic passenger flow. To study the real-time passenger flow is important to figure out the transfer pattern and optimize operation. Xunlimen Station is the transfer station of Line 1 and Line 2, it has a large daily transfer flow and its passenger flow has a great impact on the organization of the whole railway net. The paper studies hourly passenger flow distribution at the station by analyzing the known passenger flow data.

Key words:railway transportation; Xunlimen Station; real-time passenger flow; transfer; grey prediction model

收稿日期：2016-05-10

作者简介：郭文雅(1982～)，女，工程师.E-mail：121538525@qq.com

中图分类号：O242.1

文献标识码：A

文章编号：1671-3524(2016)02-0026-03