城市轨道交通站点数据链客流预测方法研究

苗 沁，刘慧婷

（中铁二院工程集团有限责任公司，四川成都 630031）

1 引言

城市轨道交通客流预测是城市轨道交通工程设计与运营的重要依据与基础，科学、准确的客流预测结果有利于保证城市轨道交通系统建设规模、运营组织方案的合理性。目前，我国城市轨道交通客流预测中，多以“四阶段法”为主要预测方法，其预测结果大多未使用其他研究方法进行检验和校核，无法在更高程度上保证客流预测结果的科学性、准确性。根据资料，上海、北京等最早进行城市轨道交通建设的城市所做的客流预测与实际运营结果存在较大差距。预测精度的缺失将会造成系统超规模或运营能力的紧张。

我国对城市轨道交通客流的研究主要分为客流预测方法研究与客流分布特征研究两大类。主要研究内容有：结合城市轨道交通路网与相邻城际轨道交通网络，建立面向“区域+市区”的多层次客流预测方法；基于土地利用性质，建立精细化划分的城市轨道交通客流直接估计模型；通过路面使用性能衰变理论，建立城市轨道交通客流与车站距市中心距离的客流空间分布模型；通过对国内外既有城市轨道交通线路的客流统计分析，提出土地利用性质对客流分布特征影响的预测方法等。

结合相关研究，并以城市轨道交通客流预测的实际工作经验为基础，本文提出基于城市土地利用法的“站点数据链”客流预测方法，该预测方法可辅助“四阶段法”，应用于城市轨道交通客流预测及预测结果的校核，可进一步丰富和完善城市轨道交通客流预测体系，降低城市轨道交通工程项目决策风险。

2 站点数据链客流预测方法

在实际工作中，我们对开通运营后的城市轨道交通线路站点客流量进行观测，并将相关数据整理、绘制成相关图或表，如图1所示。

通过图1可以得出：一条开通的城市轨道交通线路在运营一段时间后（未增加新的换乘线路条件下），各个车站的客流量会缓慢上涨，但各车站间的客流量比例关系呈相对稳定的特征。对这种规律，我们称之为车站间的“数据链”客流关系，即一条线路上各车站的客流量相互间呈现相对固定的比例关系，这种关系在线路长度不变，不增加新的换乘线条件下，相对稳定，一般不会随着单一车站客流的增加和减少而浮动较大。

在掌握这种“数据链”关系的情况下，我们若能知道某一个车站的客流数据，就可计算得到该线路其他车站的客流量，也可相应计算出全线的总客流量；同样，若知道全线的客流量，则通过“数据链”关系，也可相应知道该线每一座车站的客流量。

图1 某地铁运营车站客流量统计图

结合上述研究观点，本文提出“站点数据链”客流预测方法，该方法以车站为基础研究单元，通过分析每座车站周边的土地利用性质、人口分布密度等特征，计算得到每座站点的客流吸引量；对站点的客流量统计整理，形成站点“数据链”，以站点客流量和站点数据链为基础，进行模型计算，得到全线客流量。

3 站点数据链的获取方式

站点数据链是站点与站点间，站点与全线间客流关联的重要数据纽带，是站点与线路间数据关联的重要数据规律，故获取站点数据链是至关重要的。一般而言，站点数据链可以通过以下方式获取：①对于未开通线路，可对各车站逐一进行分析研究，得到各站点的客流量，将各车站客流量数据进行比例匹配，得到站点数据链；②对于已开通线路，可通过对既有车站客流数据进行统计分析，得到站点数据链。

站点数据链客流预测方法以土地利用法为基础，通过分析站点吸引范围内的土地利用性质与开发强度，预测站点周边的客流吸引量，然后考虑城市轨道交通出行分担率，再通过客流量与分担率计算出城市轨道交通客流量。在得到一个车站客流量的基础上，用相同方法，得到其他车站客流量，最后将所有车站的客流量串接在一起（“串珠成链”匹配数据比例），即可得到本线的站点数据链。下面就未开通线路站点如何得到站点数据链进行阐释分析。

3.1 城市轨道交通站点综合交通量计算

在空间范围上，城市轨道交通站点对客流的影响可分为直接吸引范围和间接吸引范围，各范围区域与车站的客流吸引关系由强至弱。在统计城市轨道交通站点综合交通量时，利用公式（1）分别统计直接吸引范围与间接吸引范围内的综合交通量Q：

式（1） 中，A办公、A教育、A商业、A居住、A其他分别指区域内的办公、教育、商业、居住的建筑面积、其他类型（交通枢纽、医疗、旅游）的建筑面积；α办公、α教育、α商业、α居住、α其他分别指区域内办公、教育、商业、居住、其他等用地类型上单位建筑面积产生的交通量。

3.2 城市轨道交通分担率计算

城市轨道交通分担率P轨道采用Logit模型，计算公式为：

式（2）中，e步行、e自行车、e小汽车、e常规公交、e轨道分别代表步行、自行车、小汽车、常规公交以及城市轨道交通等出行方式的分担率。

由于不同城市轨道交通站点与城市中心的相对距离不同，直接吸引范围、间接吸引范围的相对距离也不同，为使各站点客流数据精细化和准确化，对城市轨道交通车站客流分担率建议采用分站点、分吸引范围，分别单独计算。

3.3 城市轨道交通站点客流出行量、站点数据链计算

根据上述计算获得的城市轨道交通站点综合交通量Q与城市轨道交通分担率P轨道，可进一步计算得到城市轨道交通线路各站点客流量，以及站点数据链β i。另外，考虑城市轨道交通网络化特征，对换乘站点的换乘量，引入换乘线客流量予以完善修正，计算公式为：

式（3）～式（4）中，为城市轨道交通站点i的乘降客流量；、分别为站点i直接吸引范围、间接吸引范围内的综合交通量；、分别为站点i直接吸引范围、间接吸引范围内的城市轨道交通分担率；为站点i的换乘客流，若站点i为换乘站，则＞0，否则= 0；βt为站点i的站点数据链系数；n为城市轨道交通线路站点数量。

4 站点数据链客流预测方法应用

站点数据链客流预测方法以车站为基础研究单元，以站点数据链为核心数理关系，对各车站客流量进行权重分布，形成类似于权重系数的站点数据链，以站点客流量和站点数据链为基础，利用模型计算，可得到全线相关的客流量数据。

站点数据链客流预测方法已应用于杭州地铁多条线路的客流数据预测，现结合杭州地铁4号线实际运营的客流数据对站点数据链客流预测效果进行应用与检验。

4.1 站点数据链系数

根据前述的站点数据链获取方法，对4号线已运营线路站点的客流进行收集、统计，将各站点客流量进行比例匹配，得到4号线全线各站点数据链表，如表1所示（考虑数据内容过多，本文截取部分数据展示）。

4.2 站点间OD分布

在了解全线站点客流分布规律的基础上，将站点数据链作为权重指标，按照重力模型，对全线站点OD量进行分配计算，得到全线（部分）站点间OD分布表，如表2所示。

4.3 客流乘降量及断面量

在全线站点客流OD表基础上，计算得到地铁4号线全线（部分）站点的分方向乘降量及区间断面客流量表，如表3所示。

4.4 预测结果分析

杭州地铁4号线开通后，采集其1周的实际运营数据，并与预测数据进行对比分析，其结果如表4所示。根据表4，对杭州地铁4号线实际运营数据与预测数据进行偏差分析：客流预测量与实际日均客流量最小偏差为-6.21%，最大偏差为29.98%。其中，预测低值与实际日均客流量拟合较好，偏差范围为-6.21%～-14.11%。数据分析表明，通过站点数据链客流预测方法得到的客流预测数据，客流预测量级较合适，整体数据指标较接近真实数据，客流预测值趋近程度较好。

5 结束语

城市轨道交通客流预测方法和理论是在实践中不断丰富和发展的。本文所提出的“站点数据链”客流预测方法，在杭州地铁4号线开通期客流实践性应用预测表明，在地铁线路开通后，经实际客流与预测客流对比，数据预测效果较好，预测精度较高，在实际中得到较好体现。“站点数据链”客流预测方法在客流数据的预测及校核等方面均有一定创新，预测手段和研究过程可操作性较好，对城市轨道交通客流预测工作具有较强的方案示范和理论指导意义。

表1 杭州地铁4号线部分站点数据链系数表

表2 杭州地铁4号线部分站点间OD分布预测量 人次/日

表3 杭州地铁4号线部分站点全日断面客流量表 人次/日

表4 杭州地铁4号线运营数据与预测数据对比分析表 人次/日