卢 斌

(广州铁路集团公司总工程师室,广东广州 510088)

广珠城际铁路客流量预测研究＊

卢 斌

(广州铁路集团公司总工程师室,广东广州 510088)

为了研究广珠城际铁路未来年度客流规模和特征,对广珠城际铁路客流进行了预测研究。首先运用灰色预测模型,分析并预测了广珠城际铁路沿线地区 GDP、人口和就业人数;然后运用四阶段法,分别预测了沿线OD小区的客流生成数量,客流分布数量和铁路客流分担量。最终确定了广珠城际铁路 2020年沿线五市客流交流数量,为线路规划、项目建设和运营管理提供了借鉴。

广珠城际铁路;客流预测;灰色预测;四阶段法

作为广州区域快速客运网运量预测项目的子课题,广珠城际铁路客流量的预测是项目中的重要环节。这一研究既对广铁集团客货发展定位、快运网络旅客列车开行方案等问题有实用价值,也是理论上的研究热点之一。

广州至珠海 (含中山至江门)城际铁路主线北起新广州站,南至珠海市,主线全长 114.447km,设 21个车站。支线起自中山市小榄镇,终止于江门市新会区,支线全长 26.328km。全线按客运专线标准,旅客列车设计时速 200km,沿途主要城市为广州、顺德、中山、珠海和江门,以沿线地方客流为主要服务对象,承担城镇之间短途旅客交流任务。所以,广珠城际铁路的客流预测的主要任务为预测上述 5市 O-D间预测年度(2020和 2030年)铁路客流数量和特征。

一、客流预测思路

根据前人经验,结合项目特点,经济与人口采用灰色预测方法,客流采用四阶段法预测的研究思路。具体如下:

首先,对研究区域进行交通小区的划分;

其次,在区域经济、人口、交通状况等调查和预测基础上,预测各交通小区的客流生成 (发生和吸引)量;

第三,在不同区域的客流特征、经济水平、旅客出行习惯等基础上,预测 OD对间的客流分配量;

第四,在OD对的客流分配量基础上,运用交通分担模型和算法,预测客运专线客流分担数量。

交通小区的划分以广州、中山、顺德、珠海、江门行政区域来确定,限于篇幅,不再详述。另外,限于篇幅,本文只列表2020年度的预测数据供参考。

二、区域经济、人口预测

区域经济、人口和就业情况是客流产生的基础。在历史数据基础上预测这些数据的方法很多,这里采用比较成熟和常用的灰色预测模型。

灰色预测模型,又称 G M模型,由华中科技大学邓聚龙教授提出,其原理是通过少量的、不完全的信息建立灰色微分预测模型,对事物发展规律作出模糊的长期描述,得出事物发展趋势,获得预测结果。灰色预测采用原始数据的累加或移动平均加权累加等方式,使生成的数列具有一定规律性,该规律性表现为一定的分布曲线。利用典型的分布曲线逼近相应曲线,在误差允许范围内作为预测模型曲线,对系统进行预测。灰色预测模型毋需大量原始数据,只需时间数据数列即可,故在复杂的经济预测与人口预测中取得成功,且预测精度较高。灰色模型构建过程如下:

先将原始数列进行处理,构造出规律性较强的新数列。处理方法就是对原始数列进行累加生成,一般进行一次累加。累加次数根据模型精度来决定,如果精度低可以进行第二次累加,或者扩大、缩小数列维数,重新构造模型。

若原始数列 X(0):X(0)(1) = (x(0)(1),x(0)(2),…x(0)(n)),对其进行一次累加生成数列 X(1):X(1)(1) =(x(1)(1),x(1)(2),…x(1)(n)),其中x(0)(i),k=1,2,…,n

累加生成的数列可以使任意非负数列变为非减的递增数列,这样使该数列的随机性得到减弱,规律性得到加强。

对 x(1)建立白化方程:

这是一个一阶单变量微分方程,记为 G M(1,1)。根据灰色理论,取参数列 a∧=(a,u)T,根据最小二乘法该式可以化为:

其中:

解微分方程 (1),得响应函数

根据以上原理,利用MATLAB数学软件把灰色预测模型G M(1,1)编程,以历史的人均 GDP、就业人数、居住人口为基本数据,检验预测模型的可靠性。根据《广东统计年鉴 2008》查得 1985、1995和 2005年度的就业人口数据,进行灰色预测后如表 1所示。

从表 1看出,灰色模型预测误差在 5%以内,GDP和人口预测的结果和表 1类似,这一模型的可靠性达到了项目要求。

运用灰色模型预测的广珠城际铁路各 OD小区的人口、就业人数和 GDP数据如表 2所示。

表2 各小区 2020年经济与人口预测结果

在经济和人口总量预测的基础上,利用四阶段法预测沿线 OD小区间生成客流、分布客流和铁路分担客流。

三、四阶段法预测过程

(一)客流生成预测

根据 TR IPS公交模型,交通小区的发生量主要受人口影响,小区吸引量主要受人口与就业人口影响,其计算可表达如下:

式中,G为小区客流发生量;A为小区客流吸引量;P为人口数量;E为就业人口数;tg为小区年均出行发生次数;ta为小区年均出行吸引次数;I为区域客流形成比例。

出行强度 tg和 ta通过出行产生次数与出行吸引次数体现。出行强度与人均国民生产总值间有如下关系:

式中,y为出行强度;x为人均国民生产总值。根据历史出行强度数据,可以回归得到 b=1.1950,从而确定 2020年出行强度为 107.73次 /年。

将数据代入式 (7)和 (8)后可以预测出各 O-D小区间的发生和吸引客流。如表 3所示。

表3 2020年各小区客流生成量预测结果 (人次)

(二)客流分布预测

有了区域客流生成数量,并不能确定不同 O-D区间客流量,因此需要进行O-D对间的分布客流量的预测。

1.客流分布模型的选择

参考前人客流预测模型的选择经验,根据项目特点,选择修正重力模型如下:

式中,T为O-D小区间全方式客流交换数量;K为客流分布比例。

因为小区客流发生和吸引量已经在客流生成预测中得到,所以只需要确定客流分布比例 K即可。影响客流分布比例K的因素很多,不仅与区域交通网的特征有关,而且与交通方式的技术特征、旅客出行意愿等有关。根据重力模型,建立适合珠江三角洲客流发展规律的客流分布比例计算模型如下:

式中U为各交通小区间的交通阻抗,即各小区居民出行平均成本;P为客流交换平衡算子;a为出行成本系数;b为出行成本离散控制系数。通过客流分布现状的回归可得 a=2.5,b=0.01。

交通阻抗U的计算模型如下:

由高速公路和城际铁路两种交通方式阻抗经过加权确定。ki为权重,经调查确定。单一运输方式的交通阻抗由下式确定:

式中,Ui为某运输方式的交通阻抗;Cd为该运输方式的方便性成本;Ed为该运输方式的经济成本;Fd为该运输方式的快速性成本 (时间消耗价值);KC、KE和 KF为权重系数。这些参数通过参考文献和历史数据确定。

2.交通分布预测结果

根据不同交通小区客流生成和吸引的预测量以及客流分布系数 K,利用修正重力模型可以得到各 OD小区 2020年度客流分布数据如表 4。

表4 2020年客流分布矩阵 (人 /天)

(三)交通方式分担预测

广珠通道存在轨道运输方式和公路运输两种主要交通方式。只有明确了铁路所分担的客流数量,才能为铁路运输服务。本项目客流方式分担率的计算采用 Logit模型。为消除指数函数增长过快导致结果差异严重扩大,对模型进行改进如下:

式中:pi为某运输方式分担率;Ui为某运输方式的广义成本函数,与前述交通阻抗的定义相同;为各种运输方式的平均广义费用值。

从而可以得到 2020年度广珠通道内广珠城际铁路客流分担率 p1=0.6453,公路分担率 p2=0.3547。从而可以得到

2020年广珠铁路不同区间的铁路客流分担量如表 5所示。

表5 2020年广珠城际客运专线客流 OD预测结果 (人 /日)

四、结论

运用灰色预测模型和四阶段预测方法对广珠城际铁路客运量进行了预测。灰色预测模型在历史数据的验证性预测中表现出了较高的预测准确性。四阶段法中论文对各阶段预测模型进行了一定修正,使其更适合项目特点。预测结果对广珠城际铁路的项目规划和运营管理有一定参考价值。

另一方面,客流预测是非常复杂的问题,影响预测数据的精度因素非常多。本项目而言,大的影响因素主要体现在基础数据的预测精度和模型中参数选择与权重确定上。

[1]袁坤.城际轨道交通客流预测方法研究 [D].西安:长安大学,2009.

[2]周颖.成绵乐运输通道客运量预测方法的研究[D].成都:西南交通大学,2008.

[3]杨齐.区域客流分布模型的研究[J].地理学报,1990,45(3).

[4]聂伟,韩彪.都市圈内运输通道客流分担率推算模型探讨[J].铁道运输与经济,2008,30(6).

[5]孙晚华,刘钢.铁路城际客流预测模型的研究[J].北京交通大学学报,2005,29(3).

[6]陈阳,王晋,孙全欣.城际客流的影响因素及 G M(1,h)预测模型[J].铁道运输与经济,2001,23(4).

2010-11-01

广州铁路集团科技开发计划项目 (GT2008)

卢斌 (1968-),男,广东湛江人,高级工程师。