数据驱动的城市轨道交通前瞻性乘客路径诱导方法及应用

关战召 李长城 王超

摘要：随着我国城市轨道交通网络化运营的不断深入，多交路共线运营和互联互通的跨线运营需求日益增强。研究多交路共线客流分配问题对城市轨道交通复杂交路设计、列车开行方案的编制和优化调整等具有重要意义。本文对数据驱动的城市轨道交通前瞻性乘客路径诱导方法及应用进行分析，以供参考。

关键词：前瞻性诱导;拥挤状态预测;路径推荐

引言

乘客導乘服务是城市轨道交通车站运营管理的重要组成部分，也是实现运营服务、客流有效管理和疏导的重要手段。其中，乘客信息系统（PIS）作为车站最重要的动态显示导乘服务手段，在不断完善和发展的同时也衍生出几种多样化的导乘服务方式。

1概述

城市轨道交通作为城市公共交通的重要组成部分，不仅大大缓解了城市地面交通压力，而且对于促进生态保护有着突出的贡献。当前，我国的轨道交通业迎来了高速发展时期，很多一线城市都已经开通了地铁，并且，地铁网络的覆盖面积越来越广泛，极大地方便了人民群众的出行。但是近年来随着城市的人口数量急剧上升，城市轨道交通的运营出现了一系列如运营里程上升但线网密度较低、列车应对干扰能力较低进而影响乘客出行等问题，现今从管理层面提高运输效率已经成为轨道交通领域研究的重要内容。通过研究基于AFC数据的城市轨道交通限流优化模型可以有效缓解城市轨道交通出现的客流量分布极不均衡的现状，提高轨道交通的出行效率，进而对城市轨道交通的运输效率有所促进。对客流需求不确定下城市轨道交通线路协同限流问题展开分析，降低了不确定需求对限流策略的扰动，但却增加了部分情境下的滞留人数。

2运营综合导乘系统融合

PIS、乘客诱导信息系统、运营导乘屏系统均是通过车站动态显示终端设备为乘客提供信息服务的系统。通过对各个系统在车站的终端设备位置分析得知，在换乘车站及大型枢纽车站出入口、车站站厅售票区域都存在终端设备重叠的可能性，见表2。实际上，在轨道交通新线建设中，一般都在车站上述区域设置PIS的显示终端。根据运营需求，乘客诱导信息系统、运营导乘屏系统会对上述区域未覆盖PIS的车站加装各自终端设备。遵循“在同一区域设置统一显示终端”的设计理念，可考虑在建设初期统一规划，在换乘车站及大型枢纽车站出入口、车站站台售票区域统一设置基于PIS的运营综合导乘终端显示设备，以达到终端融合、资源共享的目的。

3城市轨道交通多交路共线运营客流分配方法

3.1共线运营及其多交路形式

多交路运营指针对较长线路上客流分布的空间差异性，某一运营商在同一线路上开行2种及以上交路形式列车的运输组织方法。多交路运营会产生不同交路列车占用相同区段运行的情况，即共线运营。多交路共线运营交路可分为两类：一是为解决客流空间分布的差异性，在直线型线路上采用的多层交路的嵌套和叠加，包括典型的大小交路（嵌套交路）和衔接交路，以及由这两种交路组合而成的混合交路等形式;二是为连接不同方向上的客流集散点，在规划设计阶段形成的含支线路上采用干线和支线共线运营的模式，即Y型交路。

3.2假设条件

根据多交路共线运营特征，模型基本假设如下：（1）轨道交通列车交路形式和开行方案已知，发车频率满足高发车频率要求，即发车间隔小于12min。（2）乘客到达服从均匀分布。（3）对于共线运营区段的跨交路出行乘客，假定该部分乘客具有选择直达列车的选择偏好，即如果第一趟到站列车为非直达列车，乘客会因为避免换乘而继续等待下一趟直达列车。（4）若乘客选择乘坐跨交路列车出行，即需要在不同交路间换车，则乘客选择在小交路终点站下车，不会提前下车。（5）乘客的路径选择策略相同，因此乘客是否滞留站台不影响客流分配结果。

3.3结果

基于发车频率和乘客出行区段划分的客流分配方法是一种非均衡配流方法，适用于典型共线运营多交路形式和非拥挤条件下的客流分配，其突出优点是求解速度快;基于超路径的客流增量分配方法通过将多交路物理网络转化为共线运营服务网络，构建基于服务网络的客流增量分配方法。该方法可以适应多交路与快慢车、多交路与多编组等组合运营模式的客流分配，具有良好的适用性和可拓展性。后续研究的重点是模型中参数的取值及其灵敏度分析，以及客流拥挤感知刻画等因素对客流分配结果的影响。

4国内部分城市的TOD政策研究分析

4.1 TOD综合开发强调规划的前瞻性

城市在TOD综合开发的探索过程中逐步认识到TOD开发与轨道交通网同步规划的重要性，陆续出台了相关的政策，为TOD综合开发项目的顺利推进、项目经济效益的最大化奠定了基础。上海市关于轨道交通场站开发的配套政策强调，“通过编制总体层面的轨道交通车辆基地综合开发利用专项规划和轨道交通选线专项规划，明确各场站的开发类型，避免综合开发规划要不断修改、调整的反复过程”;广州则在轨道交通线网建设规划阶段，同步编制轨道交通场站周边土地综合开发规划方案，并通过优化土地使用性质和开发强度，提升土地使用价值和土地开发收益;天津充分发挥规划的先导性作用，在轨道交通线网规划阶段、建设规划阶段，开展轨道交通沿线综合开发专题研究，结合地区综合开发需求、交通配套等条件，对轨道交通沿线物业综合开发建设规模、功能定位和模式进行预测，统筹考虑公益性市政基础设施和公共服务设施安排，组织编制规划策划方案。

4.2综合开发收益分配更加细化

我国TOD综合开发目前还处在起步阶段，但开发收入已经成为很多轨道交通公司经营收入的重要组成部分。多数国内城市已经明确TOD综合开发的收益将优先用于轨道交通建设和运营维护，以保证轨道交通系统的良性发展。从政策的具体内容看，部分城市还对TOD综合开发收益的管理分配等内容作了进一步细化：南京将核心区土地收益和线路正式运营前的上盖物业收益全部纳入市级承担的轨道交通建设资金，运营后的上盖物业收益用于轨道交通运营收支平衡;规划区其余新增土地市收益部分抵顶市级承担的轨道交通建设资金，区收益部分抵顶区级承担的轨道交通建设资金。成都轨道交通场站综合开发用地范围内的土地，由区（市）县出资完成土地整理的，供地后按现行体制分配后区（市）县所得净收益由区（市）县与成都轨道集团按50︰50的比例分成。由成都轨道集团出资完成土地整理，供地后按现行体制分配后区（市）县所得净收益由区（市）县与成都轨道集团按25︰75的比例分成。

5前瞻性乘客路径诱导模型

5.1基于门控循环单元（GRU）的区间满载率预测模型

基于GRU的区间满载率预测模型在已知历史区间满载率的情况下，利用一种具有特殊结构的深度神经网络，求未来的区间满载率。GRU具有2个门控单元，分别为更新门和重置门。这2个门控单元主要用于选择保留或遗忘多少过去的信息，从而解决循环神经网络的梯度消失和梯度爆炸的问题。

5.2乘客路径选择Logit模型

乘客路径选择Logit模型根据GRU模型计算得到的未来区间满载率，结合在车时间、换乘时间、等待时间，确定各条路径的乘客广义出行费用效用值，据此计算各路径的选择概率。其中，乘客选择的路径集从既有的地铁运营系统中获取，也可以按照既有文献的方法获取。

6限流措施分析

6.1模型假设

所提出的模型基于以下假设：（1）对于进站口到达乘客仅有限流与进入两种选择，不存在主观放弃城市轨道交通出行方式这一行为。（2）乘客到站后以尽快登入列车为优先，不考虑乘客主观上选择滞留。（3）不考虑站内布局与收费安检对进站客流量走行时间的影响，即乘客在限流结束后进入站台可即时到达车站站台。（4）在列车运行时段内，列车的发车时间间隔严格执行计划时刻表，并认为列车准点率保持较高水平。（5）换乘客流视作本线客流，换出客流为出站客流，换入客流为进站客流。

6.2动态限流方案

我们可以发现，动态限流方案的限流效果要明显优于固定的限流方案。而动态限流方案的核心在于如何选择控制时间段的长度。从问题的求解效果来看，限流时段的长度越小，限流的效果越好。但在实际生产运营中，很难做到实时限流，需要投入大量的资金和技术。因此，基于北京地铁的运用状况，根据2.2节结果显示的求解取30分钟是最为合适的。

6.3限流强度

每一条线路的每一个车站限流强度都不一样。由于限流强度的计算是通过最佳进站客流量和实际客流需求确定的。在列车运行图确定的情况下，最佳进站客流量的变化范围并不大。如果不出现演唱会等特殊活动的情况下，每日的实际客流需求变化不会非常大，因此车站管理人员可以相应地参考前一天的限流强度，并根据实际的客流情况做适当修改。

7实例验证

7.1数据输入

采用GRU预测这3个OD对全部有效路径涉及区间的未来15min满载率。基于从广州地铁清分系统获取的相关区间满载率数据（2020年4月13日至4月27日，每日5：00—24：00）进行训练和验证，满载率数据格式如表1所示。选取2020年4月13日至26日的数据输入GRU模型中进行训练，基于训练得到的GRU模型，预测4月27日9：00—9：15，9：15—9：30和9：30—9：45的相关区间满载率。

7.2对比分析

选取前馈神经网络（BP）模型、支持向量机（SVR）模型和整合移动平均自回归（ARIMA），与GRU模型进行对比。通过计算模型预测性能的评价指标，包括均方根误差（RMSE）、平均绝对误差（MAE）和相关系数（R2），满载率预测模型预测性能。GRU模型的RMSE，MAE和R2指标均优于其他模型，预测性能最好。

结束语

利用基于数据驱动的前瞻性诱导理论，可以为乘客提前优化出行路径，也可以为运营管理者有针对性地发布客流诱导信息提供理论基础。实例分析结果表明，利用GRU模型预测满载率的预测效果优于BP，SVR和ARIMA模型，从而使得Logit模型计算得到的路径选择概率更加准确。能够实现精准的前瞻性分析和客流组织。基于数据驱动的前瞻性乘客诱导方法已在广州地铁官方APP上应用，提高了乘客出行服务水平以及运营管理者的客流组织效率，将来还应对路径的推荐效果作进一步验证，还应尝试采用问卷调查或仿真方法评估推荐结果的可靠性。

参考文献：

[1]面向数据驱动的城市轨道交通短时客流预测模型[J]. 梁强升，许心越，刘利强. 中国铁道科学. 2020（04）

[2]基于决策树的交通拥挤状态预測[J]. 房丽侠，魏连雨，闫伟阳. 河北工业大学学报. 2010（02）

[3]基于小波分解与重构的交通流短时预测法[J]. 贺国光，马寿峰，李宇. 系统工程理论与实践. 2002（09）

作者简介：关战召（1994-），男 ，籍贯：辽宁盘锦，民族：汉族，职称：工程师，学历：本科，研究方向：城市轨道交通车站装饰装修工程BIM技术应用研究