裴玉龙 潘 跃

(东北林业大学交通学院 哈尔滨 150040)

0 引 言

近年来，我国各大城市均加强了对轨道交通基础设施的建设力度，城市轨道交通的服务能力得到了显著提升，为城市居民的日常出行带来了极大的便利。随着经济社会的不断发展，城市轨道交通基础设施的规模将持续增加。常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场是城市轨道交通站点的重要接驳设施，规模适宜的接驳设施是接驳顺畅与否的基本保障。准确预测各接驳设施的规模对实现各种交通方式与城市轨道交通的有效衔接和提高城市轨道交通系统的运行效率至关重要。

目前，城市轨道交通站点接驳设施规模预测方面的研究主要可分为2个阶段，第1阶段是对城市轨道交通站点各接驳方式分担率进行预测，第2阶段是根据各接驳方式的客流量大小对相应的接驳设施规模进行预测。张鑫铭[1]研究了枢纽内客流不同状态下的转移矩阵，运用马尔科夫模型构建了枢纽中各交通方式客流分担率的预测模型；邵昀泓[2]采用非集计模型建立了以出行时间和费用为影响因素的枢纽客流分时段交通方式分担率预测模型，为枢纽内交通疏解提供了理论指导；吴文静等[3]根据枢纽管理需求，分别构建了分时段预测、短时预测、类比分析等多个客流换乘交通方式分担率预测方法；S. M. Chowdhury等[4]从换乘客流均衡性分析、枢纽节点布局与站点优化设计、无缝换乘与衔接方面对乘客的换乘行为进行了分析，并开发了枢纽客流换乘方式选择四阶段模型；N. H. Khandker等[5]运用混合选择模型，考虑换乘过程中乘客对不同交通方式的态度和行为，将其作为潜在变量，构建了接驳方式选择模型；李凯胜[6]利用排队论模型对常规公交站的有效泊位数进行分析与评估，提出采用通行能力法与泊位布置方式结合的方法计算实际需求的泊位数；俞春辉等[7]以最小化出租车和乘客的综合平均排队时间为目标，建立了兼顾泊位设置模式和规模的优化模型；A. R. Hole[8]以SP调查法得到停车换乘方式的分担率，并利用二项logit模型对停车换乘设施规模进行了预测；J. C. García-Palomares等[9]基于GIS技术对出行需求和空间分布情况进行估算，提出利用位置分配模型确定自行车停车场规模；陈颖雪等[10]利用模糊逻辑算法建立了郊区站点非机动车停车场规模预测方法。

在既有研究的基础上，基于多项logistics回归和Bayes判别分析分别建立了城市轨道交通站点接驳分担率模型，并根据各自的适用范围对其进行应用；以城市轨道交通站点各接驳方式分担的客流量为基础，对常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场的规模进行预测。

1 城市轨道交通站点接驳设施规模的影响因素

城市轨道交通站点是以轨道交通为主导、多种交通方式辅助服务的综合型交通节点，与其接驳的交通方式主要有步行、常规公交、出租车、小汽车和自行车5类，由于步行不需借助交通工具，在接驳过程中受到的限制条件少、机动性更强，因此不在本文的研究范围内。其余接驳方式对应设施分别为常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场。

城市轨道交通站点接驳设施主要服务于换乘客流，因此各种接驳方式分担的客流量是影响接驳设施规模的主要因素。在城市轨道交通站点各接驳方式分担客流量的既有研究中，部分学者直接对城市轨道交通站点相关规划中的预测分担率进行应用，没有结合现状客流情况重新预测分担率，且在预测时针对不同预测方法各自适用范围方面的研究还不够深入，种种原因导致预测出的接驳方式客流量存在较大误差。此外，各接驳交通方式的停靠特征也会直接影响接驳设施规模。

1) 常规公交停靠特征对设施规模的影响。常规公交具有固定的出行线路和停靠站，发车时间间隔也呈一定的规律性，且具备较大规模的运输能力，是主要的城市交通方式之一。在常规公交车辆在运行过程中不同的道路拥堵程度和停靠站上下车人数，会直接影响在指定停靠站中各常规公交的到站时间。因此单位时间内常规公交到站的平均时间间隔和上下车人数是影响常规公交接驳设施规模的主要因素。

2) 出租车停靠特征对设施规模的影响。出租车的出行服务有异于常规公交，由于不存在固定的起讫点和服务线路，所以乘客的出行需求直接决定了出租车的停靠需求。由于出租车到站的不可控性，使得出租车单位时间内进站平均间隔成为了出租车接驳设施的主要影响因素，在此基础上，确定合理的出租车停靠站规模，能有效起到疏散城市轨道交通客流的作用。

3) 小汽车停靠特征对设施规模的影响。小汽车与城市轨道交通的有效衔接对缓解城市交通拥堵有重要作用，合理的P&R停车场规模是引导客流由私人交通向公共交通转移的基本保障。与出租车相比，小汽车与城市轨道交通接驳形式相对多样，不仅可以在路边临时停靠接送亲友，还可以在停车场内长时停放。因此P&R停车场的规模主要取决于需要长时停放小汽车的客流，此外小汽车平均载客人数和停车周转率也直接关系到P&R停车场的规模。

4) 自行车停靠特征对设施规模的影响。自行车作为一种经济、方便的交通工具，在服务中短距离的出行上具有较为明显的优势，尤其是近年随着共享单车的兴起，更多的人被吸引至自行车出行的队伍。按此趋势发展，将会有越来越多的人转至自行车交通出行，因此在掌握既有接驳客流量的基础上，由其他交通转移至自行车交通的客流量对设施规模的预测也存在较大影响。考虑到现状道路上被使用的自行车以共享单车为主，个人仅拥有短时使用权，停放后可供其他人继续使用，因此自行车的停车周转率相比小汽车会更大。

2 城市轨道交通站点接驳设施规模的预测模型

2.1 各接驳方式分担客流量预测

2.1.1 高峰小时客流量

城市轨道交通站点的客流量主要是由进站客流和出站客流两部分组成，其中进站客流包括通过步行、常规公交、出租车、小汽车和自行车等方式聚集在站点的乘客，而出站客流为通过城市轨道交通抵达站点并选用其他交通方式离开站点的乘客。在城市轨道交通站点各出入口处对进、出站客流进行观测记录，可以得到高峰小时客流量S为

(1)

式中：n为城市轨道交通站点出入口的数量；Sn进为第n个出入口进站客流量；Sn出为第n个出入口出站客流量。

2.1.2 接驳方式分担率

分担率预测的准确与否会直接影响各接驳设施规模的预测结果，常用的分担率预测方法以多项logistics回归模型为主，为提升分担率预测结果的可靠性，笔者同时采用多项logistics回归模型和Bayes判别分析进行分担率预测，通过对两类模型预测结果适用性进行对比，得到组合型分担率预测方法。

1) 基于多项logistics回归分析的接驳分担率预测。多项logistics回归是利用极大似然估计法对模型参数进行估计[11-12]，在预测时以自行车为参考项，并假设乘客均会依据自身需求，对接驳方式做出最为理性的选择，可分别得到步行、常规公交、出租车和小汽车相对于自行车的相对效用，公式为[13]

(2)

式中：i=1，2，3，4，5分别表示步行、常规公交、出租车、小汽车和自行车；Vi为第i类接驳方式相对于自行车的效用；αi为第i类接驳方式的常数项；xn为第n个影响因素，n=1，2，3，4，5，6，7分别代表性别、年龄、职业、收入、家庭是否拥有小汽车、出行目的和出行距离7个影响因素；βin为第i类接驳方式对应的变量xn的系数。

通过式(2)可依次求得各接驳方式对于自行车的相对效用，又因各接驳方式分担率之和为1，可据此分别计算出选择各接驳方式的概率。

(3)

式中：Pi为选择各接驳方式的概率。

所得概率最大的接驳方式即为乘客选择的接驳方式，通过统计得到选择各接驳方式的人数，与样本总量相比即可求出各接驳方式的分担率。

(4)

2) 基于Bayes判别分析的接驳分担率预测。设有总体Gi(1,2,…,5)，已知这5个总体各自出现的概率为qi，有概率密度函数fi(x)，则可得到判别函数为X=x时，属于Gi的后验概率P(X∈Gi|X=x)，即[14-15]

gi(x)=P(X∈Gi|X=x)=

(5)

若Gi(1,2,…,n)为p维正态总体，均值为μi，协方差阵为Σi，则判别函数为

(6)

简化后为

gi(x)=D2(X|Gr)+ln|Σi|-2 lnqi，

(7)

若Σi(1,2,…,n)两两相等，则判别函数可进一步化简为线性函数

2 lnqi,i=1,2,…，5

(8)

2.1.3 高峰小时各接驳方式客流量

根据城市轨道交通站点高峰小时客流总量和各接驳方式分担率，可计算出各接驳方式分担的客流量Fi为

(9)

2.2 公交车换乘设施规模预测模型

常规公交站的有效站位与高峰小时的上下车客流量直接相关，而常规公交站中上下车的客流量不仅包括与城市轨道交通换乘的客流量，还包括非换乘的客流量。通过实地观测可以确定换乘客流量占上下车客流总量的比例，在此基础上对单个站位高峰小时的最大客流量进行计算，进而求得高峰小时常规公交站需要的有效站位数量Nbus为

(10)

2.3 出租车换乘设施规模预测模型

在确定租车换乘客流量的基础上，由出租车平均载客量计算出高峰小时的出租车需求量，进而根据出租车进站的平均间隔时间求得高峰小时出租车停靠位数量为

(11)

式中：Dtaxi出租车停靠位数量；F3为选择出租车接驳城市轨道交通的客流量；Qtaxi为出租车停靠站单个站位高峰小时最大客流量；ttaxi为出租车进站的平均间隔时间；λtaxi为平均每辆出租车的载客人数。

2.4 小汽车换乘设施规模预测模型

选择小汽车接驳城市轨道交通的客流主要分为2个部分：①停车换乘的客流，会在城市轨道交通站点周边产生停车需求；②亲友驾车接送的客流，无停车需求。小汽车换乘设施规模预测模型以停车换乘客流为研究前提，在考虑每辆小汽车平均载客人数和城市轨道交通周边自有停车需求等因素影响下，求得城市轨道交通站点适宜的小汽车停车泊位数量，进而求得小汽车停车场面积为

(12)

2.5 自行车换乘设施规模预测模型

在自行车换乘设施规模预测模型的构建时，不仅考虑了自行车接驳城市轨道交通的客流量，还考虑了选择其他交通方式接驳城市轨道交通客流中有意转用自行车进行接驳的客流，以确保自行车换乘设施规模充足。在此基础上结合城市轨道交通周边自有自行车停车需求等因素，求得城市轨道交通站点适宜的自行车停车泊位数量，进而求得自行车停车场面积为

(13)

3 模型参数标定

3.1 接驳方式分担率预测模型参数标定

从哈尔滨轨道交通1号线中选取3处站点进行客流数据调查并对建立的接驳方式分担率预测模型进行参数标定。调查内容主要包括乘客的性别、年龄、职业、收入、是否拥有小汽车、出行目的、出行距离和所选择的接驳方式等。为减少调查带来的误差，采用简单随机抽样的方法对轨道交通站点内的乘客发放调查问卷，以获取站点内客流接驳数据。调查结果见表1。

表1 乘客基本信息及接驳方式选择调查结果

借助SPSS软件内置程序，对调查数据进行多项logistics回归和Bayes判别分析，分别得到2个模型各自的参数估算值，其中多项logistics回归中步行、常规公交、出租车和小汽车相对于自行车选择概率的自然对数如下。

V1=5.933-3.579x21-2.363x22-1.502x23-

1.389x33+1.405x41-0.231x42+

1.939x51-1.326x7

(14)

V2=-2.243x22-1.922x23-1.025x31-

0.994x32+0.814x41+0.219x42+

1.52x61+0.816x7

(15)

V3=-8.217-2.239x22-2.063x23+2.463x32-

0.192x33-3.154x41-1.784x42-

0.672x43-1.469x61+3.181x7

(16)

V4=-9.527-1.762x22+4.133x32-2.721x33-

3.731x41-1.931x42-1.304x43-

2.696x51-2.399x61+3.428x7

(17)

将式(14)～式(17)带入式(3)可以得到城市轨道交通站点乘客接驳方式选择概率为

(18)

(19)

(20)

(21)

(22)

同样由SPSS软件输出结果得到分类函数系数，进而有Bayes判别函数

g1(x)=-16.399+5.421x1+0.182x2+

0.170x3+1.214x4+5.418x5+

4.760x6+3.693x7

(23)

g2(x)= -22.763+5.471x1+0.136x2+

0.097x3+1.084x4+6.062x5+

4.853x6+5.854x7

(24)

g3(x)= -28.929+4.914x1-0.333x2-

0.678x3+2.688x4+6.684x5+

5.727x6+6.513x7

(25)

g4(x)= -31.017+4.934x1-0.656x2-

1.136x3+2.452x4+8.842x5+

6.276x6+6.712x7

(26)

g5(x)= -20.674+5.103x1-0.459x2+

0.262x3+1.423x4+6.440x5+

4.433x6+5.256x7

(27)

应用上述2个模型分别预测每位乘客选择的接驳方式，进而计算出各接驳方式的分担率，并将其与实际调查结果进行比较，发现2种模型的预测结果与实际偏差不大，且通过对比发现多项logistics回归模型更适用于步行、出租车、小汽车和自行车的分担率预测，而Bayes判别分析则在常规公交分担率预测上更加准确。2类模型预测结果的相对误差见图1，因此，在后续的分担率预测中可采用2类模型相结合的方法，以提升预测的准确性。

图1 2种模型的分担率预测结果相对误差对比Fig.1 The comparison of the relative error between theprediction results of the two models

3.2 接驳设施规模预测模型参数标定

因为影响各类接驳设施规模的因素不尽相同，导致模型整体涉及的参数较多，其中部分参数可由经验直接判定或从已有研究结果中获取[16-18]，剩余参数需要结合具体的城市轨道交通站点，通过实地调查获取。在已有研究基础上获取的参数值见表2。

表2 可直接获取的城市轨道交通站接驳设施规模测算参数值

4 案例分析

哈达站是哈尔滨轨道交通1号线的1座站点，位于学府路与碎花路的交叉口，设有3个出入口，属城市外围区轨道交通站点，周边用地较为充裕，具备规划一定规模接驳设施的条件。因此选取哈达站为例，对其接驳设施规模进行测算。

4.1 哈达站高峰小时各接驳方式客流量

哈达站共3个出入口，通过调查确定17:00—18:00为该站点的高峰小时，3个出入口高峰小时进站客流量分别为286，250，199人，高峰小时出站客流量分别为257，244，195人。根据式(1)求得哈达站高峰小时总客流量S为1 431人。

在哈达站3个出入口处向进出站点的乘客随机发放了300份调查问卷，获取乘客的性别、年龄、职业、收入、是否拥有小汽车、出行目的和出行距离等数据。结合调查数据，采用Bayes判别分析式(23)～(27)和式(4)对常规公交的接驳分担率进行预测，采用多项logistics回归式(18)～(22)和式(4)对出租车、小汽车和自行车的接驳分担率进行预测，得到哈达站常规公交、出租车、小汽车和自行车的接驳分担率分别为21.3%，2.6%，3.7%和9.6%。

在求得高峰小时客流量和各接驳方式分担率的基础上，由式(9)计算得到常规公交换乘客流量F2为305人、出租车换乘客流量F3为38人、小汽车换乘客流量F4为53人、自行车换乘客流量F5为138人。

4.2 哈达站各接驳设施规模预测

通过对哈达站进行现场调查和统计，确定了哈达站接驳设施规模预测涉及到的待定参数值，见表3。

表3 与哈达站接驳设施规模测算相关的参数值

由表2～3给定的城市轨道交通站点接驳设施规模测算参数值，按照式(10)～(13)分别得到哈达站各类接驳设施建设规模，其中需要公交停靠站位约3.7个，出租车停靠位约2.4个，P&R停车场面积816 m2(约28个泊位需求)，自行车停车场面积173 m2(约116个泊位需求)。

通过实地调查可知，哈达站周边50 m内设有1对常规公交停靠站，共4个车位，与预测结果相符；现状出租车尚未设置规范的停靠位，可根据规模预测结果在哈达站周边设置3个出租车停靠位；站点周边缺少P&R停车场和自行车停车场，根据预测结果，可利用周边待开发的空地规划建设816 m2的P&R停车场和173 m2的自行车停车场。

5 结 论

1) 根据城市轨道交通站点高峰小时各出入口进出乘客的数量确定了高峰小时城市轨道交通站总客流量，基于多项logistics回归和Bayes判别分析两种方法建立接驳方式分担率模型，通过对两类模型的预测结果进行对比，得出多项logistics回归更适用于出租车、小汽车和自行车的分担率预测，而Bayes判别分析对常规公交分担率的分担率预测更加准确，结合两类模型对城市轨道交通站点各接驳方式分担率进行预测，并据此计算出高峰小时各接驳方式分担的客流量。

2) 在掌握城市轨道交通站点各接驳方式分担的客流量基础上，考虑了影响各类接驳设施规模的因素，提出了城市轨道交通站周边的常规公交停靠站、出租车停靠站、P&R停车场和自行车停车场的规模测算方法，对哈尔滨轨道交通1号线中哈达站的接驳设施合理规模进行测算，得到哈达站需要公交停靠站有效站位为4个，出租车停靠站有效站位3个，P&R停车场面积为816 m2，自行车停车场面积为173 m2。

3) 接驳设施规模测算中涉及的参数取值源于已有研究成果和实地调查，因其对测算结果存在较大影响，后续在参数取值方面还需深入研究。在对接驳设施规模预测的基础上，下一阶段拟对城市轨道交通站点接驳设施的布局展开研究，探讨各类接驳设施的合理布局形式。