李沁鲜

(昆明地铁运营有限公司，云南 昆明 650000)

1 引 言

轨道交通客运量预测对于轨道交通建设和路网布局起着至关重要的作用，为城市轨道交通规划、设计、建设和运营等环节提供数据依据，因此科学的预测轨道交通客运量的发展趋势极为重要。为做好地铁客运量预测，需分析地铁线网发展现状，选取适用的客运量预测方法。

2 客运量变化的主要影响因素

2.1 票制票价调整

票价对地铁客运量变化有较大的影响，客运量随着票价的高低变化而变化。例如北京地铁2007年10月调整全网2元一票制后，客运量大幅度增长。

2.2 地铁网络化发展

新线路开通后地铁可达性得到有效提升，客运量随着新线路开通迅速增长，例如西安地铁1#线开通后，既有线2#线的日均客运量年度增长幅度超过100%。

2.3 地铁周边土地利用情况

地铁周边沿线土地的开发密度、住宅区的规模大小、商业发展程度对客运量产生直接影响。例如昆明地铁1#线连通主城区及呈贡开发区，开通时客运量并不大，到2016年后，新建成的住宅区和新建商业区增加，沿线客运量大幅增长。

2.4 其他因素变化

地铁客运量随着季节气候及温度变化产生波动性变化，各个时段客运量受节假日、大型活动开展、寒暑假、雨季等各项因素影响[1]。

3 客运量预测方法

由于客运量影响因素较多，客运量预测是复杂问题，无法用单一预测模型来解决，不同情况下的预测需采用相应的客运量预测方法，不同预测精度要求下需找到最适用的预测模型。

新线开通情况下，新线路的客运量预测的基本预测方法为四阶段法。

线网稳定情况下，客运量预测方法分为定量预测和定性预测法2类，定量预测法包括回归预测法、日变系数法、移动平均法、指数平滑法等，以上预测方法的基本思路是根据客运量的历史变化规律来预测未来的客运量[2]。定性预测法中使用较多的是德尔菲法，根据专家学者的专业知识和实际经验进行预测。

以上各项客运量预测方法通过不同的理论方式总结客运量变化规律特征，以开展客运量预测工作。本文重点研究线网稳定情况下地铁既有线路短期客运量的预测工作，将选用日变系数和回归预测进行客运量预测，并对两种预测方法的预测结果进行对比分析。

4 昆明地铁客运量预测

昆明地铁6#线1期于2012年6月28日开通，2013年至2014年分别开通首期工程(1#线、2#线)，2017年开通3#线和6#线2期,2018年至2019年未开通新线，属于线网稳定期。

4.1 日变系数法

日变系数法主要适用于地铁运营线路稳定情况下的客运量成长规律分析及预测，该方法是将地铁路网客运量按照周一至周日归类后分布取平均值，再在平均值中选取基准值，分别计算出各年份日变系数及均值，分析日变系数规律，将日变系数及基准值代入公式(预测客运量=日变系数×客运量基准值)，可开展短期客运量预测工作。

选取2018～2019年期间，昆明地铁路网日客运量按照工作日、周末分类后取平均值，并去掉节假日客运量波动影响，计算出2018年路网周一至周日日均客运量；以周三日均客运量为基准值，分别计算出周一至周日的日变系数(日变系数=当日日均客运量/基准值)，详见表1。

表1 2018年路网客运量及日变系数

根据表1计算出的日变系数，选取2019年3月周三实际客运量的平均值为基准值，对2019年4月22日至4月28日客运量进行预测，预测结果见表2。

表2 2019年4月22日至4月28日客运量预测

通过日变系数法预测出2019年4月22日至4月28日客运量，周客运量误差率为2.26%，日客运量与实际客运量误差率小于5%。

4.2 回归预测法

回归预测法是指利用数据统计原理，确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程(函数表达式)，来近似表达客运量和影响客运量因素之间的平均变化关系，用于预测线网稳定下的地铁客运量数据。

运用一元线性回归模型进行预测，把每周客运量当作时间序列，跟时间变量有关，建立单个自变量的线性回归方程，采用最小二乘法逼近来拟合，可计算出y=ax+b的直线。采用昆明地铁2018年周客运量数据，去除节假日发生周客运量，通过Eviews预测软件，导入2018年周基础数据，建立对应的预测模型进行周客运量预测。预测出相应周客运量后，按照2018年年度日均客运量占年度周均客运量的占比，预测出2019年4月22日至4月28日客运量。

根据Eviews软件预测结果，x的系数为1.003，选取2019年4月8日至4月14日周客运量数据为基础，预测出2019年4月22日至4月28日客运量为3 985 545人次，见表3。

通过回归预测法预测出2019年4月22日至4月28日客运量，周客运量误差率为2.50%，日客运量与实际客运量误差率小于4%。

对比以上两种预测方法，从周客运量误差率情况分析，日变系数法周客运量误差率-2.26%，回归预测法周客运量误差率-2.50%，日变系数法误差率相对较低；从日客运量误差率情况分析，日变系数法单日客运量误差率最小为0.42%(周二)，最大为4.55%(周六)；回归预测法单日客运量误差率最小为0.71%(周三)，最大为3.80%(周四)。日变系数法工作日预测误差率相对较低，周末误差率相对较大，两种预测方法误差率低于5%。

表3 2019年4月22日至4月28日客运量预测

5 结 语

随着地铁多条线路不断开通，地铁客运量影响因素越来越多样化，地铁客运量的预测工作面临更大挑战。由于日变系数法和回归预测法主要适用于线网稳定期间，排除新线开通及节假日影响因素下的既有线路短期周客运量预测，后续需充分挖掘地铁客运量变化规律，针对不同条件下的客运量预测需求建立对应的模型，运用大数据分析对模型影响因子进行持续修正，提升地铁客运量预测的准确性。