李 凡 强

(大连交通大学交通运输工程学院，辽宁 大连 116028)

城市轨道交通换乘站客流预测研究

李 凡 强

(大连交通大学交通运输工程学院，辽宁 大连 116028)

为预测大连站的客流，在进行居民出行调查的基础上，借助部分“四阶段”法的研究成果，引入广义出行费用，以最小广义费指标为标准来确定车站的吸引范围；然后通过建立居民的出行方式链组合，结合Logit概率模型，求得大连站的进出站客流与换乘客流，预测结果表明，该法在对换乘车站进行客流预测时具有一定的合理性。

轨道交通，换乘车站，客流预测，广义出行费用

0 引言

客流预测是进行轨道交通建设必不可少的一项重要工作。随着运营规模的不断扩大，换乘车站的客流量将是构成全线客流的重要部分，多达30%～40%[1]。但是数据表明，我国一些城市的轨道交通客流预测值与实际值之间存在着很大的误差。这使得轨道交通在运营后，无法达到预期目标。车站的客流误差影响了其投资建设的合理性与经济性，这在换乘站显得尤为突出。部分城市客流预测值与实测值对比见图1。

1 构建吸引模型

1.1 基本假设

为了方便建模，进行了以下简化处理和假设:

1)乘客选择某一路径时，其出行时间，费用和舒适性等用广义出行费用予以表示。

2)乘客距离车站小于500 m时，选择步行到达车站；大于500 m则选择其他方式到达。

3)自行车和小汽车只出现在直达的选择中。

1.2 广义出行费用[2]

广义出行费用描述了一次出行过程中，出行者付出的费用、时间、安全性等支出项目的总和。本文用经济性、快速性、方便性和安全性来表征广义出行费用。

1)经济性。

A=∑Ri×Li

(1)

其中，A为经济性指标；Ri为不同交通方式费率；Li为不同方式的走行距离。

2)快速性。

(2)

其中，T为快速性指标；Vi为不同交通方式的平均速度；V(T)为乘客的时间价值，可根据居民平均工资求得。

3)方便性。

N=∑(Wi+Yi+Pi)×V(T)

(3)

其中，N为方便性指标；Wi为方式i的平均候车时间；Yi为方式i的平均购票时间；Pi为方式i的平均排队安检时间。

4)安全性。

该指标根据每种运输方式的事故伤亡人数进行取值，用S表示。查阅资料得，城轨交通安全性指标为99%，城市道路安全性指标为90%。

故而，出行方式链的广义出行费用表示为：

(4)

1.3 确定吸引区域

如图2所示，轨道交通线路G。其中A，B，C，D及任意两小区M与N的坐标和G上各路段之间的距离是可知的。假设M处的居民要去N：

列出该出行的所有可能路径，求出各个出行路径的广义出行费用，并进行比较。如果由A进入轨道交通系统的广义出行费用最小，则可认定M属于车站A的吸引范围。

2 换乘车站客流预测

2.1 客流分析

如图3所示，E代表换乘车站，其他代表中间站。换乘站的客流由两部分构成，一是E作为中间站吸引的客流；二是R1和R2间的换乘客流。所以，其吸引区域也有两部分：作为中间站的吸引区域和对换乘客流的吸引区域。

1)首先求出线路上所有车站的吸引区域。在解算时，使用搜索标号法标出任意出行的路径组合；

2)用上步所提方法，搜索并统计出所有经过E站的换乘客流吸引区域；

3)通过式(5)计算换乘站E的所有客流吸引区域。

FE=fE+fAD+fAB+fBA+fBC+fCB+fCD+fDA+fDC

(5)

其中，FE为E车站的所有客流吸引区域；fE为E作为中间站对进出站客流的吸引区域；其余符号表示作为换乘站对步行线路间换乘客流的吸引区域。

2.2 出行方式链选择模型

可以把各种交通方式组成的综合交通网络，用带权的有向邻接矩阵[3]表示出来。其顶点用出行的起始点和换乘节点表示。邻接矩阵的权用节点之间的交通方式表示，见式(6)：

(6)

其中，L为节点间的交通方式，见表1。

表1 各种交通方式的表示关系

如图4所示，可用出行方式链(i，3，1，2，5，j)和(j，5，2，3，i)表示一次出行和回程。

一次出行中，有多种出行方式链供居民选择，用Logit模型计算某种方式链被选择的概率。

(7)

表2 θ与k的对应关系[4]

2.3 客流预测

如图5所示，小区i在换乘站E的吸引区域内。在以i为起点的出行中，若某一出行方式链的居民属于车站E的进站客流、出站客流和换乘客流则应满足下列条件：

进站客流：

出站客流：

换乘客流：

下面以出站客流为例介绍其出行方式链：

1)合理步行区内的出行。

P1：(M，5，E，1，B，5，N)；

P2：(M，5，E，1，B，5，a，2，b，5，N)。

其中,a,b均为常规公交车站，下同。

P3：(M，5，a，2，b，5，N)；

P4：(M，3，a，2，b，5，N)；

P5：(M，4，N)。

通过计算以上不同方式链被选择的概率，可以求得该区域内的吸引客流：

(8)

其中,Tij为合理步行区内的居民出行量，人次/d；P1，P2分别为选择方式链P1，P2的概率，%；i为合理步行区内的小区编号；k为合理步行区内的小区总数。

2)其他吸引区的出行。

P1：(M，5，a，2，b，5，E，1，B，5，N)；

P2：(M，3，E，1，B，5，N)；

P3：(M，5，a，2，b，5，N)；

P4：(M，3，a，2，b，5，N)；

P5：(M，4，N)。

则可用式(9)计算该区域的进站量：

(9)

最终，换乘车站的吸引客流量是：

Q吸引=Q1吸引+Q2吸引

(10)

同理，其出站客流和换乘客流分别是：

Q出站=Q1出站+Q2出站

(11)

(12)

其中,R1，R2分别为两条轨道交通线路；TR1iR2j为小区R1i到R2j的出行总量，人次/d；PR1iR2j为出行中换乘的概率。

3 大连站客流预测

在大连市的有关调查和历史数据基础上借用《大连市城市轨道交通线网规划》的部分数据，在模拟虚拟轨道交通线网的情况下，以快轨3号线与地铁5号线相互交织而成的“丁字形”换乘车站大连站为目标，对其进、出站客流和换乘客流进行预测。

在进行小区划分之后，使用客流吸引区域模型确定了各车站的吸引区域。

对出行方式链进行分析计算后，得到了大连站的进出站、换乘客流如表3所示，上海市轨道交通年日均客流统计见表4。

表3 大连站客流预测结果

表4 上海市轨道交通年日均客流统计[5]

4 结论

经过与上海市的客流增长率进行比较并结合大连自身发展表明，本文预测方法得到的大连站客流量基本上符合城市轨道交通客流成长规律，进出站客流与换乘客流基本适合。由于市区人口分布情况不同，导致了分向客流有所差别，基本上符合客观情况。说明本文的方法应用于轨道交通换乘车站的客流预测有一定的合理性。

[1] 方礼君.城市轨道交通客流相关问题研究[D].上海：同济大学,2008：1-2.

[2] 张 力，贾俊芳.旅客出行广义费用及客运产品分担率研究[J].北京交通大学学报，2011(6):67-72.

[3] 卜新春.城市轨道交通换乘车站客流预测及分析[D].西安：长安大学，2014:32-35.

[4] 朱 旭.城市轨道交通换乘站客流预测方法研究[D].西安：长安大学,2012：47-50.

[5] 尚 斌.基于宏观角度的轨道交通客流研究[J].交通科技,2013(3)：150-153.

Study on forecasting the passenger volume of rail communication station

Li Fanqiang

(CollegeofTransportationEngineering,DalianJiaotongUniversity,Dalian116028,China)

To predicting the passenger flow of Dalian station, on the basis of the residents travel survey, with the help of a part of the “four stages” method of research, this paper introduces generalized travel cost, and confirms the attractive range based on minimum generalized travel cost, and then analyzing resident trip chain combination and the Logit model, last, calculating the inbound passenger flow, the outbound passenger flow and the transfer passenger flow, the results show that, this method has certain rationality to forecasting the passenger flow.

rail transit, transfer station, forecast of passenger flow, generalized travel cost

1009-6825(2017)20-0013-03

2017-04-19

李凡强(1990- ),男，在读硕士

TU984

A