重庆市轨道交通客流时间特性及影响因素探讨

吴祥国，张建嵩，胡义良，赵必成，高志刚

（1.重庆市交通规划研究院 交通信息中心，重庆 401147；2.重庆市交通规划研究院 道路交通所，重庆 401147；3.重庆市交通规划研究院，重庆 401147)

0 引言

轨道交通是城市公共交通系统的重要组成部分。截止到2018年底，我国已经开通运营轨道交通线路的城市共计36个，运营线路总长度达5 494.9 km (内地5 123.3 km、港台地区371.3 km)[1]。随着城市轨道交通建设的快速发展，轨道交通在城市交通出行中的作用日益显著。轨道交通客流作为反映轨道交通运行状况的关键指标，其时间特性对于轨道交通运营组织、客流预测分析等具有重要的指导作用。

关于轨道交通客流时间特性的研究主要集中于轨道交通线网与站点日内不同时段特征的分析，进而指导站点类型划分和短时客流预测。王静等[2]分析北京轨道交通站点的日内时间分布规律，采用聚类分析法归纳出8种类型。平少华[3]统计分析深圳地铁1号线4类站点进站、出站以及进出站客流的日内出行时间分布规律。傅晨琳等[4]基于EEMD-BP方法构建城市轨道交通进站客流短期预测模型。邹东等[5]采用基于Elman神经网络算法的时空相关性客流预测方式对广州地铁站点日内不同时刻的客流进行模拟预测。在轨道交通系统单日以上单位的客流时间特性及模拟预测方面，袁坚等[6]从时间和空间2个维度分析城市轨道站点客流分布的特点，采用贝叶斯网络法分别实现普通车站和换乘车站工作日进出站客流量的预测。邵星杰等[7]分别采用支持向量机(SVM)模型和SARIMA模型对南京地铁线路的日客流演变规律和小时客流演变规律进行模拟。王夏秋[8]以南京轨道交通线路平常日和节假日客流为例，采用PSOGA-SVR模型预测平常日的客流量，引入季节性调整指数采用SEA-PSOGA-SVR模型预测节假日的客流量。

以重庆市主城区轨道交通客流为研究对象，系统分析轨道线网与线路的年度、季度、月度、周期以及周内日间时间特性及其影响因素。利用单因素方差分析法分析各因素对于轨道客流时间特性的影响显著性，采用多因素方差分析法研究影响轨道交通线网客流的关键因素。

1 重庆市轨道交通客流时间特性分析

主要从4个方面分析重庆市轨道交通客流时间特性。

（1）年度变化趋势。自2005年6月份重庆市开通首条轨道交通线路轨道2号线[9]以来，主城区轨道交通线网与线路客运量年度变化如图1所示，随着开通年限的增长，呈逐年增长态势。其中，部分开通年限相对较长的线路如轨道1号线、2号线和3号线的客流近年来增长幅度趋缓，但并未出现客流下降的情况。

图1 主城区轨道交通线网与线路客运量年度变化Fig.1 Annual change of rail transit network and passenger volume in main urban areas

图2 主城区轨道线网与线路工作日客运量月度变化Fig.2 Monthly changes of passenger working days volume in rail network and lines in main urban areas

图3 主城区轨道线网与线路节假日客运量月度变化Fig.3 Monthly changes of passenger holidays volume in rail network and lines in main urban areas

（2）季度与月度时间特性。主城区轨道线网与线路工作日客运量月度变化如图2所示，主城区轨道线网与线路节假日客运量月度变化如图3所示。从工作日季度与月度时间特性来看，轨道线网季度客流持续增长，1月、2月量级基本持平，均处于相对较低的水平，7月、10月和11月的量级均处于相对较高的水平。从节假日来看，轨道线网客流呈现四季度、二季度客流大于三季度、一季度的特征，2月客流量级最低，1月、8月均处于相对较低的水平，11月、10月与工作日特征类似，客流量级最高。

（3）周期时间特性。在全年的52个周期中，除第40周国庆节期间，轨道交通线网与线路随着各类节假日与特殊事件的发生，基本呈现一致性的客流波动规律。第6周为春节假期，线网与线路客流量最低；随着大中专、中小学假期以及居民春节返乡潮的到来，春节前的第4周客流到达阶段高峰；受大中专、中小学假期结束以及居民春节返城潮的影响，春节后的第8周达到一个新的客流高峰。随着清明、五一小长假的到来，第14周、18周出现了短期小高峰。受大中专、中小学假期的开始和结束以及8月底智博会的影响，第28周、35周也出现了短期小高峰，特别体现在途径智博会举办地轨道6号线客流的大幅提升。因第四季度轨道线网总体客流量级水平较高，第37周中秋、第40周国庆假期并未体现出明显的高峰，而轨道线路在国庆假期周体现了一定的客流升降波动。

（4）周内日间时间特性。除去工作日中的周六、周日和节假日中的周一至周五，主城区轨道线网与线路均呈现工作日客流明显大于周末的特征。在工作日中周五客流最大，明显高于其他工作日，周三客流最低；周末两天中周日客流量最低。

2 重庆市轨道交通客流关键影响因素

轨道交通线网与线路客流的影响因素复杂多样，既包括城市空间结构、人口与用地规模、线网规模、线路沿线人口集聚与用地开发成熟度等因素，又包含节假日、天气、公交专用道开通以及道路交通运行等跟随事件。

2.1 节假日因素

为了降低新开通线路因素对于节假日情况的影响，以2019年全年轨道线网客流数据为基础进行分析。综合考虑法定节假日、大中专、中小学假期等各类节假日因素的复杂交叉关系，将其分为以下5类：工作日、寒暑假的工作日(寒假1月14日—3月4日、暑假6月29日—9月1日)、周末(普通周六周日)、其他法定节假日(元旦、清明、五一、端午、中秋、国庆)和春节(2月4—10日)。

主城区轨道线网客流工作日与节假日变化情况如图4所示，工作日、工作日(寒暑假)、其他法定节假日轨道线网客流处于相对较高的水平，周末客流次之，春节客流最低。从客流的波动性和异常值情况来看，因春节和其他法定节假日样本量相对较少，不存在异常值，然而波动范围仍然较大；工作日(寒暑假)存在较多的异常低值主要出现在2月份，与学校放寒假以及务工人员返乡等活动存在较大关联；工作日波动性最小，但是存在较多的异常高值，主要分布在9—10月份，与学校集中开学、中秋国庆假期集中商务活动等具有较大的相关性。

图4 主城区轨道线网客流工作日与节假日变化情况Fig.4 Urban rail passenger flow changes of weekdays and holidays in main urban areas

2.2 天气因素

对天气事件的类型进行有效整合，形成以下3类：晴天(晴、多云转晴、晴转多云、多云)、阴天(多云转阴、阴、阴转多云)、雨天(大雨、多云转大雨、多云转小雨、多云转阵雨、多云转中雨、小雨、小雨转大雨、小雨转多云、小雨转阴、小雨转中到大雨、小雨转中雨、阴转小雨、阴转阵雨、阴转中雨、阵雨转多云、中雨、中雨转小雨、中雨转阴)。

为了降低节假日、新开通线路因素对于天气情况的交叉影响，仅选取2019年工作日的轨道线网客流进行分析。在不同天气情况下，晴天天气轨道线网客流的平均值略大，为305万人次/d；阴天、雨天天气的平均值相对比较接近，分别为294万人次/d和298万人次/d。而从波动性和异常值来看，晴天的波动性较大且存在较多极端高值，说明晴天居民乘坐轨道出行的意愿相对强烈；阴天、雨天天气的客流波动性基本一致且极端低值相对较多，说明阴雨天气对于居民乘坐轨道交通出行的意愿具有一定的影响。

2.3 道路交通因素

为了完成公交都市考核，2018年下半年主城区密集开通了100 km左右的公交专用道。经分析发现，随着公交专用道开通里程的增加，并未出现轨道线网客流持续下降的现象，基本稳定在238 ～ 253万人次/d的客流区间，无明显的趋势性特征。主城区每日的轨道线网客流与高峰道路运行指数如图5所示，以2019年主城区高峰道路交通运行指数[10]数据为基础，分析不同指数等级情况下的轨道交通线网客流，研究道路交通对于轨道交通客流的影响。2019年主城区高峰道路交通运行指数分布在2.27 ～ 6.82之间，运行速度在17 ～ 35 km/h之间，将其分为以下5类：指数2 [2，3)、指数3 [3，4)、指数4 [4，5)、指数5 [5，6)、指数6 [6，7)。

图5 主城区轨道线网客流与高峰道路运行指数Fig.5 Passenger flow of rail transit network and peak road operation index in main urban areas

各道路运行指数类型的主城区轨道线网客流如图6所示，在2019年人口、用地开发以及轨道线网长度相对稳定的情况下，轨道交通线网客流量随着高峰道路运行指数的增加而逐步增大，说明不同时期不同量级的居民出行需求是由道路与轨道共同分担的，并不存在道路异常拥堵而轨道客流不高或者轨道客流极高而道路极其畅通的状况。

图6 各道路运行指数类型的主城区轨道线网客流Fig.6 Passenger flow of rail transit network in different road operation index type in main urban areas

2.4 线网长度因素

前述因素主要反映不同日期的各类因素对于轨道线网客流的影响，而轨道线网长度则主要影响年日均客流变化。轨道线网年日均客运量与线网长度的增长变化趋势高度一致。2005 ～ 2010年轨道线网长度19 km，客流一直维持在较低的水平；之后，随着轨道线网长度由19 km增长为329 km，轨道线网年日均客运量也由12万人次增长为285万人次。对轨道线网年日均客运量与线网长度进行一元线性回归分析，发现其R2高达0.97，进一步证明了日均客流量与线网长度之间存在较高正相关性。

3 基于单因素与多因素的轨道交通客流影响分析

3.1 工作日与节假日的单因素方差分析

采用单因素方差分析法对工作日与节假日之间的轨道线网客流是否存在显著性差异进行研究。首先，对2019年365天轨道线网客流开展正态性检验，如表1所示。轨道线网客流总体不符合正态性分布，特别是正常工作日、寒暑假期间工作日的正态性检验值不显著，其K-S和S-W检验值Sig.均小于0.01。

表1 主城区2019年轨道线网客流正态性检验Tab.1 Normality test of rail passenger flow in main urban areas in 2019

采用正态得分法对不符合正态分布的轨道线网客流数据进行正态性转换，经检验满足正态分布。基于工作日与节假日情况对轨道线网客流进行单因素方差分析发现ANOVA显著性小于0.01，说明节假日因素对于轨道线网客流具有显著性影响。

进一步开展多重比较，发现工作日与工作日(寒暑假期间)轨道线网客流之间的显著性水平为0.745、工作日(寒暑假期间)与其他法定节假日之间的显著性水平为0.368，在显著性水平0.05情况下无显著性差异；其他类型之间的显著性水平均小于0.05，说明相互之间具有显著性的差异。

3.2 其他因素的单因素方差分析

（1）针对季度、月度的工作日与节假日轨道线网客流分别进行单因素方差分析，发现其ANOVA显著性均小于0.01，说明季度、月度的工作日与节假日均存在显著性差异；而经多重比较可知，工作日三季度与四季度、节假日二季度与三季度以及部分月份之间不存在显著性差异。

（2）周内日间轨道线网客流ANOVA显著性小于0.01，存在显著性差异。其中，周一至周四这4天的显著性均大于0.05，不存在显著性差异，周一至周四、周五、周六、周日之间的轨道线网客流存在显著性差异。

（3）针对不同公交专用道长度、天气情况下的工作日轨道线网客流ANOVA显著性分别为0.057、0.063，说明公交专用道开通和天气对轨道线网客流无显著性影响，这与公交专用道、天气对于道路交通运行的影响略有不同[14]。

（4）通过对不同高峰道路运行指数分类水平下的轨道线网客流进行单因素方差分析，发现不同指数分类水平下的客流具有显著性差异，各指数分类中除指数5和6的显著性水平为0.582(大于0.05)之外，其他指数分类均存在显著性差异。

3.3 客流影响因素的多因素方差分析

根据单因素方差分析结果，首先剔除掉天气、公交专用道长度这两项对轨道线网客流无显著影响的因素。线网长度主要影响年日均客流量，在此不进一步分析研究。考虑到周内日间、季度、月度对轨道线网客流均存在显著影响，而部分周期、季度、月度间又不存在显著差异，为减少复杂交叉，将其统一在节假日因素的分析范畴内。进一步结合道路交通运行情况因素，整合分类中的无显著差异类型，开展多因素方差分析研究。

采用2019年轨道线网客流数据，基于节假日类型(工作日、周末、其他法定节假日、春节)、道路交通运行指数类型(指数2、指数3、指数4、指数5以上)进行多因素方差分析，主城区轨道线网客流多因素方差分析如表2所示。

表2 主城区轨道线网客流多因素方差分析Tab.2 Multiple factor variance analysis for rail passenger flow in main urban areas

从表2可以发现节假日、指数以及节假日*指数的显著性均小于0.01，说明不仅节假日情况、道路交通运行状况独立作用于轨道线网客流，其交互作用也在轨道线网客流中存在显著性差异，是影响轨道交通线网客流的关键因素。

4 结束语

轨道交通客流受季度、月度、周期等各类事件的影响，存在一定的客流波动特征，如周内工作日中周五客流最大，周三最低。在各影响因素中，轨道线网长度、节假日与道路交通运行状况是影响轨道交通线网客流的关键因素。我国各大城市正处于轨道交通规划、建设与运营的快速发展阶段，研究轨道交通客流的时间特性及其影响因素，有助于科学、客观的开展轨道交通客流预测，支撑轨道交通线网的规划设计，同时服务于轨道交通的运营组织，特别是制定不同事件情境下的运营方案。