重庆市轨道交通车站预测客流与实际客流误差分析

刘海洲，李棠迪

（1.重庆交通大学 交通运输学院，重庆 400074；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 交通信息中心，重庆 401147)

城市轨道交通客流预测是城市轨道交通设计和建设的重要依据，直接影响城市轨道交通规划、建设、运营等各个方面。随着大数据的应用推广、技术手段的不断更新，我国城市轨道交通客流预测的精度有了很大提高，但由于城市规划、城市轨道线网规划、轨道沿线土地开发建设等不确定性，以及客流预测方法本身存在不足、参数选择相对粗糙，还是导致轨道客流预测与实际值相差较大[1-3]。尤其是对于重庆山地组团城市，城市建设用地布局相对零散，不如平原城市连续，城市轨道交通客流受用地开发建设等因素的影响更大，客流预测参数选择的准确性更加困难[4-5]。通过分析重庆山地组团城市轨道交通预测客流与实际客流的误差，以期找出轨道交通预测客流与实际客流产生误差的原因，并有针对性地提出相关建议。

1 预测客流与实际客流误差对比

截至2019年底，重庆市主城区已开通轨道1号线(小什字—尖顶坡)、2号线(较场口—鱼洞)、3号线(含空港支线，主线为鱼洞—江北机场T2航站楼，空港支线为碧津—举人坝)、6号线(含国博支线，茶园—北碚)、5号线(国博中心—大石坝)、10号线(鲤鱼池—王家庄)、4号线(民安大道—唐家沱)和环线(重庆图书馆—海峡路)，共313.4 km，不重复计轨道车站共162个，其中，换乘站共21个。为进一步提高轨道车站客流的预测精度，调取轨道车站闸机刷卡进出站的原始数据，对照重庆市各阶段已开通运营轨道线路的工程可行性研究客流预测专题报告，在保证数据可比性的前提下对比分析预测客流与实际客流之间的差异。

1.1 数据基础

（1）对比时段。为减小客流随机波动对分析结果可信度的干扰，选取无重要节日、重大活动等对应日期的闸机刷卡数据作为分析基础，即2019年11月11日至2019年11月15日5个工作日客流数据；选取周一早高峰小时作为闸机刷卡数据对应的分析时段，即2019年11月11日8 : 00—9 : 00。为便于统计分析，采用2019年底重庆市人口和用地指标数据，以保证和轨道车站实际闸机数据相一致。

（2）数据处理。根据闸机刷卡数据所记录的进出站时间，可统计各轨道车站在分析时段所对应的进站和出站客流量。对于各轨道车站对应的早高峰小时进出站预测客流数据，由于不同线路的建设阶段和预测年限均有所不同，为提高预测客流数据与实际客流数据之间的可比性，根据各条线路对应的近期和远期预测年限，采用插值法计算闸机刷卡数据对应日期的进出站客流预测相关数据。

1.2 对比情况

为了对比162座轨道车站实际客流和预测客流的误差情况，以实际客流与预测客流对比误差20%为标准，按实际值小于预测值、实际值大于预测值、实际值与预测值相差不大共3种情况进行统计分析。

（1）实际值小于预测值。对比2019年162座进出站实际数据与预测值，在所有已运营站点中，实际值小于预测值且差值比例超过20%的车站共有68个，占比42%。其中冉家坝站实际数据与预测值差距最大，预测值为20 391人次/h，实际值为8 302人次/h，相差12 089人次/h，误差比为59%。此外，实际进出站数据值偏小的站点还包括牛角沱站、悦来站、重庆北站南广场站等。

（2）实际值大于预测值。在所有已运营站点中，实际值大于预测值且差值比例超过20%的车站共有34个，占比21%。其中光电园站实际数据与预测值差距最大，实际值为18 853人次/h，预测值为4 171人次/h，相差14 682人次/h，误差比为352%。差距较为明显的站点还包括观音桥站、嘉州路站、工贸站等。

（3）实际值与预测值相差不大。在所有已运营站点中，共有60座站点(占比约37%)高峰小时进出站数据与预测值之间的差距在20%之内，其中马王场站差异最小。以上各站中，结合周边城市建设情况判断，谢家湾、刘家坪、赖家桥等站点后续仍会有所增长。

2 误差成因分析

通过对比162座轨道车站实际客流和预测客流的误差情况，有约40%的轨道车站实际值小于预测值较多，有约20%的车站实际值大于预测值较多，仅40%左右的轨道车站实际值与预测值相当，造成其误差原因主要为客流预测外部条件发生变化、客流预测方法存在不足。

2.1 客流预测外部条件发生变化

（1）城市规划发生变化。轨道线路及车站的客流预测人口主要是依据当时总规规划人口，但随着城市的不断发展，城市总规用地及人口相比工可预测时有了较大变化。

《重庆市城乡总体规划(2007—2020年)》中提出“到2020年重庆主城区城市规划人口900万人，城市规划建设用地面积835 km2”；《重庆市城乡总体规划(2007—2020年)》(2011年修订)中提出“到2020年重庆主城区城市规划人口1 200万人，城市规划建设用地面积1 188 km2，相比2007版总体规划增加幅度约33%和42%”。不同阶段的城市发展过程中，基于城市功能布局、产业分布、交通需求等，对城市轨道交通提出新的服务需求，城市轨道线网线路条数、车站数量相对于预测时也发生了大的变化。重庆的轨道线网规划在2005年提出“六线一环365 km”，后2007年提出“九线一环513 km”，2011年提出为“十七线一环820 km”。

（2）城市发展未达到规划预期目标。根据规划，2020年重庆市中心城区规划常住城镇人口为1 200万人，规划城镇建设用地为1 188 km²，而2019年底，重庆市中心城区常住城镇人口为807万人，城镇建设用地为802 km²，目标实施率仅为70%左右。在城市交通的目标实现率方面，2019年底公共交通出行比例占机动化比例为58.5%左右，离2020年规划目标值67%差距较大；2019年底轨道交通出行占机动化比例为18%，离2020年目标值30%相比差距较大。城市交通目标实现率的差距，直接导致当时模型预测公共交通和轨道交通分担率偏高，导致误差出现。

（3）用地开发与轨道交通建设不匹配。根据梳理，主城区现状及在建轨道车站500 m半径范围内的用地尚有30%左右是规划未建或者在建用地，尚未建设的用地面积达60 km2左右。中心城区轨道线网在外围区域建成大量轨道线路，但城市土地出让、用地开发、周边公共服务设施布局等未向轨道站点周边汇集，造成轨道效益未充分发挥，如轨道4号线Ⅰ期日均客运量仅2万人次。

2.2 客流预测方法存在不足

（1）交通生成阶段，理论服务人口与实际服务人口存在较大差异。在交通生成阶段，预测模型是以理论服务范围内，如500 m，600 m，800 m的半径内规划的人口和岗位数量为基础，估算交通出行需求量[6]。由于重庆是山地城市，部分轨道车站埋深较大、周边地形陡峭，或受大型立交、桥梁隧道等设施严重分割，导致步行衔接系统较差，有效服务范围远小于理论范围。同时对于规划人口，主要是通过容积率估算建筑面积，再根据不同类型建筑单位面积对应的平均人口和岗位数量指标估算服务的人群规模，而忽略不同区域的成熟度可能存在显著差异的实际。一般而言，成熟区域的居住小区入住率远高于新建成小区，这导致新开发区域预测结果往往偏大，而成熟区域预测结果偏小。

（2）站点出入口模型构建存在很多不确定因素，假设条件过于理想。站点出入口客流预测较为复杂，其与周边地区的用地性质、交通衔接情况、出入口所在位置、居民出行心理、用地与道路地形、行人过街设施情况等因素都有关系[7]。各方向来的客流以及从各接驳设施来的客流，选择哪个出入口进入轨道站点，主要受个人出行行为和现场条件影响。模型预测过程中不可能完全模拟人的行为和站点现状，模型中一般的假设条件如 “所有的居住地块不开放，所有的绿地广场、商业商务地块、公共服务地块(例如医院、大学、体育场馆等)均开放，且全部作为可步行空间”等相对理想。

（3）在交通分布阶段，权重参数选择模型方法精度有待提高。在重庆市轨道交通车站客流预测中，出行分布采用的是双约束重力模型，将重庆市划分为n个区域，其中i区到j区出行量计算公式为

式中：Tij为i区到j区出行量，人次；Pi为i区发生量，人次；Aj为j区的吸引量，人次；θi，φj为无量纲参数，需用现状数据标定；cij为i区到j区的出行综合交通阻抗(如出行距离、费用、出行时间等)，本次研究采用出行时间费用，min；f(cij)为分布阻抗函数或称为摩阻系数，用“伽玛”函数表示。

分布阻抗函数f(cij)计算公式为

式中：t为出行时间，min；a，b为无量纲参数，需用现状数据标定。

出行时间t计算公式为

式中：tt为公交车广义出行费用，min；tc为小汽车广义出行费用，min。

在权重参数的确定上，公交步行时间权重、等待时间权重的确定一般采用敏感测试结合经验值的方法，通过微调参数的方法确定广义出行费用和出行量之间的关系，从而确定参数值。无论是敏感测试结合经验值，还是微调参数的方法，均存在一定的人为因素，和交通规划技术人员本身的经验存在很大关系，可能产生预测误差。

（4）交通方式划分阶段，模型没有单独考虑旅客自身属性对出行方式选择的影响。交通方式划分模型在确定各种运输方式的客流分担率时，没有单独考虑旅客自身属性对出行方式选择的影响，而主要从运输方式自身技术服务特性这一单方面出发来确定分担客流的大小。运输市场化条件下，任何一种运输方式的最终选择都是旅客这一需求方和运输方式这一供给方综合作用的结果，仅考虑其中一方显然削弱了模型对实际旅客出行模拟的真实性。并且，构成运输方式“广义费用”的技术服务特性主要是运行时间和费用，对于舒适性、方便性等其它服务特性则综合为一个常数来表征，这种综合处理的结果在一定程度上弱化了运输方式间竞争实力大小的差异，从而导致预测客流与实际承担客流间较大的偏差。同时，轨道线路长度一般很长，会经过不同的区域(中心区、外围区等)，同时不同的轨道车站类型(商业中心型、居住型、工业用地型等)，不同区域、不同类型车站周边居民所采用轨道交通方式的比例和对应参数的选择应有所区别，而目前参数的选取还比较粗糙，尚需进一步细化完善。

（5）轨道出行方式链模型构建因素与出行者自身交通行为密切相关，较难掌握。轨道出行方式链模型是与既有的四阶段模型进行组合应用的。从流程结构上来看，一般位于方式选择模型之后，即轨道交通出行方式链模型输入由方式选择模型输出的轨道主方式出行需求，经过运算后输出多个与轨道交通相关的组合方式出行需求，如步行+轨道、公交车+轨道等。轨道乘客到达轨道站点选择何种接驳方式，不只与该种出行方式的出行耗时和费用相关，还与其他一些难以量化的因素相关，如轨道站点周边各类服务设施的便利性、乘客的出行习惯等。因此，这些难以量化的因素也导致了轨道客流预测难度加大。

（6）客流预测时对高峰小时系数选取过于粗糙。目前的客流预测中，一般是先计算轨道线路及车站全日客流量，然后再乘以高峰小时系数得到高峰小时客流量，其计算公式为

式中：P为高峰小时客流量，人次；M为全日客流量，人次；k为高峰小时系数。

在目前的轨道车站客流预测中，所有的车站高峰小时系数k一般取的是一个固定值，如0.16，0.18，0.2等，没有结合不同车站的分类及车站周边用地开发态势具体细化车站高峰小时系数。而经过实际分析，重庆轨道交通由于车站类型不一、周边用地开发建设态势不一等等，高峰小时系数在7% ~ 30%之间分布，这些精细度方面的差异给后期具体轨道车站客流预测带来较多问题。

3 提高客流预测精度相关建议

基于重庆市轨道交通车站预测客流与实际客流误差分析，可以看出影响轨道交通车站客流预测误差的因素有很多，主要可分为客流预测的外部条件、客流预测模型本身的问题。

（1）对于城市规划等外部因素的不确定性，城市规模、用地、人口、空间布局等都在随着时间发生变化，轨道交通规划、建设是一个不断契合不同阶段城市空间结构的过程，客流预测结果只能体现当时的规划状态。后续若城市规划发生较大变化，建议建立轨道客流预测的动态跟踪评估机制，适时进行优化完善。同时，在制定公共交通尤其是轨道交通分担率时，应通过城市综合交通模型进行反复测试验证。

（2）轨道交通客流预测的相关参数，应该结合轨道车站自身类型及周边用地开发建设情况进行细分设置，而不应统一给出标准参考值。针对不同历史时期的用地或建筑细化相关参数，探索应用非集计模型的可能性，是未来轨道交通客流预测模型改进的方向之一。同时，对于山地城市来说，部分轨道车站受步行衔接系统较差影响，有效服务范围远小于理论范围；而目前的客流预测模型以理论服务范围内的人口和岗位数量为基础估算出行需求量，导致部分轨道站的预测结果普遍偏大。应根据车站埋深及周边交通接驳条件差异化预测轨道车站可有效服务的人口和岗位数量。同时轨道交通客流高峰小时系数等相关参数的选择，不宜采用固定值，应结合轨道车站所处区位、周边用地开发情况、轨道线路和车站类型等精细化设置。