城市轨道交通客流预测结果的技术分析体系

长安大学学报(自然科学版)

󰀁JournalofChang󰀁anUniversity(NaturalScienceEdition)

Vol.31󰀁No.3May2011

文章编号:1671󰀁8879(2011)03󰀁0072󰀁09

城市轨道交通客流预测结果的技术分析体系

王玉萍1,2,陈宽民1,杨富社3,马超群1

(1.长安大学公路学院,陕西西安710064;2.西安建筑科技大学土木工程学院,

陕西西安710055;3.长安大学理学院,陕西西安710064)

摘󰀁要:针对目前城市轨道交通客流预测可信度较低的状况,建议通过对客流预测结果的评估分析

来提高轨道交通系统的抗风险能力,提出了包含可信度分析、客流特性分析、风险性分析和敏感性分析在内的城市轨道交通客流预测结果分析的结构体系。从预测过程和预测结果两方面指出了城市轨道交通客流预测可信度分析的要点,以高峰小时单向最大断面客流量、时空分布特性为核心,建立了轨道交通客流特性分析指标;通过客流在成熟区域内的集中率和在某些车站的集中率,反映客流预测结果的风险性大小;提出了客流预测敏感性分析的技术路线,并进一步指出不同时期敏感性因素的选择,并对西安地铁3号线客流预测进行了全面分析。结果表明:其预测结果是可信的,但客流的时空分布很不均衡;客流预测存在较大的风险性,客流波动幅度较大。关键词:交通工程;轨道交通;客流预测;可信度;风险分析;敏感性分析中图分类号:U491.1󰀁󰀁󰀁文献标志码:A󰀁

Analysissystemofurbanrailtransitpassengerflowforecastresult

WANGYu󰀁ping,CHENKuan󰀁min,YANGFu󰀁she,MAChao󰀁qun

1,2

1

3

1

(1.SchoolofHighway,Chang󰀁anUniversity,Xi󰀁an710064,Shaanxi,China;2.SchoolofCivilEngineering,Xi󰀁anUniversityofArchitecture&Technology,Xi󰀁an710055,Shaanxi,China;

3.SchoolofScience,Chang󰀁anUniversity,Xi󰀁an710064,Shaanxi,China)

Abstract:Inviewofthelowcredibilityofurbanrailtransitpassengerflowforecast,itwasputforwardthatURT󰀁santi󰀁riskabilityshouldbeimprovedthroughanalyzingpassengerflowfore󰀁

cast.ThestructuralframingofURTpassengerflowforecastanalysiswasbuilt,whichincludepassengerflowreliabilityanalysis,characteristicanalysis,riskanalysisandsensitivityanalysis.Fromtheprocessandresultofpassengerflowforecast,thekeysofreliabilityanalysisofURTpassengerflowforecastwerefound.TheindicatorsforURTpassengerflowcharacteristicanaly󰀁siswereestablished,whichtakemaximumsegmentpassengerflowofpeakhourunidirectional,space󰀁timedistributionascore.TherisksizeofURTpassengerflowforecastcouldbereflectedbytheconcentrationratioofpassengerflowinmatureareaandsomestations.Thenthetechnicalrouteofsensitivityanalysisofpassengerflowforecastingwasproposed,andthesensitivityfac󰀁torsindifferentperiodswerechosen.Finally,theproposedmethodwasusedinthepassengerflowforecastofXi󰀁anMetroLine3.TheresultshowesthatthepassengerflowforecastofXi󰀁anMetroLine3isreliable,butpassengerflowspace󰀁timedistributionishighlydisproportion,andit

收稿日期:2010󰀁09󰀁26

基金项目:陕西省教育厅科研计划项目(2010JK652);中央高校基本科研业务费专项资金项目(CHD2010JC084)

作者简介:王玉萍(1978󰀁),女,山东汶上人,西安建筑科技大学讲师,长安大学工学博士研究生,E󰀁mail:wangypjt@xavat.edu.cn。第3期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁王玉萍,等:城市轨道交通客流预测结果的技术分析体系

hasabigrisk,andthefluctuatingrangeismajor.4tabs,7figs,10refs.

Keywords:trafficengineering;railtransit;passengerflowforecast;reliability;riskanalysis;sensitivityanalysis

73

0󰀁引󰀁言

在城市轨道交通项目的规划与设计中,有很多重要问题的判断与决策都需要通过客流预测提供数据支持。随着中国城市轨道交通的快速发展,客流预测工作也越来越受到重视,在城市轨道交通工程前期工作中,客流预测已单列为一项专题研究。多年来,经过中国交通界专家学者的研究,已经逐步建立起一套完整的轨道交通客流预测模型和方法体系,并还在不断地积累经验、不断地完善[1]。但是,由于客流预测中存在很多不确定因素,客流预测不可能做到十分准确,而是存在较大的风险,只能做到在预定的城市规划条件下,具有相对的可信性。从中国几个城市的轨道交通线路开通运营的实际客流来看,城市轨道交通客流的预测结果与实际客流之间存在较大差异,有的甚至相差数倍;不同的研究机构,对同一条轨道交通线路的客流预测结果之间也存在较大差异。针对这一现象,除了对模型加以改进完善,努力提高预测精度外,还应进一步加强对客流预测结果的评估分析与决策判断,从而增强轨道交通系统的科学决策,提高轨道交通系统的抗风险能力。关于这一点,很多学者已做了大量的研究工作。沈景炎对城市轨道交通客流预测的评估和抗风险设计进行了研究,提出了抗风险的适应性和转移性的措施[2];Litman把出行时间列为主要影响因素,对轨道交通客流进行了敏感性分析

[3]

[2]

道交通设计人员在运用这些不是十分准确的客流数据作为设计依据的时候,首要的问题就是判断客流预测结果相对可信性的程度。在确认客流预测结果可信的情况下(即客流预测结果可用,否则应重新进行客流预测),进一步进行客流的特性分析、风险性分析以及敏感性分析等,在此基础上,合理应用预测数据,对轨道交通系统设计进行科学决策,具体流程如图1所示。

图1󰀁轨道交通客流结果分析

2󰀁客流预测的可信度分析

城市轨道交通客流预测是一项复杂的工作,其预测的数据项目繁多,预测年限较长,对于还没有轨道交通运营的城市,模型参数标定困难,轨道交通环境下的组合出行对模型构建造成麻烦

[6]

;Kitamura

等指出,通过普通的󰀁四阶段󰀁法很难对出行条件的

改善产生的出行变化做出评估,在预测后需要进行敏感性分析[4];梁广深以上海轨道交通1号线为例,对城市轨道交通客流预测的不确定性进行了研究,指出了客流预测不确定性存在的必然性[5]。上述这些研究仅限于客流预测结果分析的某一方面,并没有形成整套的分析体系。为此,本文在上述研究的基础上,建立城市轨道交通客流结果分析的完整体系,提出对城市轨道交通客流结果进行全面分析的理论与方法。

。正是由于

轨道交通客流预测的复杂性,导致其预测精度相对较低。此外,轨道交通客流预测对城市规划有极大的依赖性,只能在预定的城市规划条件下,具有相对的可信性。轨道交通客流预测的可信度评估可以从两方面进行:一是预测过程;二是预测结果。2.1󰀁从客流预测过程评估可信度

轨道交通预测过程中的任何偏差,都将最终反映到预测结果的偏差,因此,对轨道交通客流预测结果的可信度分析,首先要评估其预测过程的合理性。从轨道交通客流预测过程来看,客流预测中有很多不确定因素,包括模型输入(如人口、用地等社会经济预测值)、模型参数(预测模型中需要标定的各项参数)、模型本身(如模型结构、模型假设)。1󰀁客流预测结果分析的结构体系

如上所述,轨道交通线路的客流预测往往不可能做到十分准确,而只具有相对的可信性。那么,轨74

2.1.1󰀁模型输入

长安大学学报(自然科学版)󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁2011年

标定参数是指那些先前调查中没有得到的、或由于缺乏相似性条件不能够从先前的调查中沿用下来的参数。这些参数必须通过考察模型的输入和输出的历史数据来标定得到,如重力分布模型中的阻抗系数。对这类参数取值的合理性,一方面取决于历史数据的真实性,另一方面则看标定样本数据是否包含了足够的变化信息,使其能够反映所有待标定参数的情况。2.1.3󰀁模型本身

四阶段法是交通需求预测的经典理论和方法,但很多城市对该模型的使用都比较简单化。应该注重分析出行生成、出行分布、方式划分与交通分配等4个阶段本身之间的相互影响,在技术路线上应该有个迭代的过程。

此外,目前使用的许多模型软件本身有一定的适用范围和精度。许多模型比较适合于宏观层面的客流规划预测,但由于模型开发技术的落后,导致了许多中微观的客流预测也采用了宏观模型软件。如许多城市轨道交通客流预测在线网规划、线路规划、预工可阶段等都采用了同一个模型,而这些模型对微观层面上的站点客流、分向客流、换乘客流等的预测精确度本身就较差。

2.2󰀁从客流预测结果评估可信度

客流预测结果数据繁多,对每项数值进行推测、分析,再判断其正确性,这是不可能的,只能对轨道交通系统设计起控制性作用的关键性指标进行重点评估判断。

2.1.1󰀁全网客流的分析

一条新的轨道交通线路的投入运营,与原有轨道交通线路之间构成了换乘关系,形成网络效应,会使原有线路客流迅速增长,并且使得新线路的客流起点比较高。因此,对于单条线路的客流预测,必须在相应特征年下的轨道交通网络中进行,需要考虑其他线路对该线路的客流影响,应在网中论线,要避免就线论线。只有保证在线网客流总量控制下,方能提高各条线路全日运量预测的可信度。全网客流的可信度分析,主要可从以下2个方面予以把握。

(1)城市轨道交通全网客流总量。关于全网客流总量的评估分析,应密切结合城市规模和线网规模的大小。在具体分析时,可重点考察全网客流负荷强度和客运交通结构这2项指标。从目前世界各国城市的轨道交通运营情况来看,轨道交通线路人口密度在20~30km/百万人的城市,全网客流负荷强度均高于1.5万人次/(km󰀁d);轨道交通线路人模型输入主要包括情景模式和系统数据。情景模式指与系统相关的情景变化和政策变化;系统数据指模型所依赖的描述系统相关特征及行为的量化数据。

轨道交通客流预测是在城市规划所设定的发展情景下进行的,因此,客流预测必须以城市发展规划为依据,通过对城市结构形态、土地利用、人口与就业分布等城市发展背景的分析,进一步预测出行量和分布,这是轨道交通客流预测的基础。但是,城市规划一般只做10~20年的近期和远期的城市建设规划,虽然也做远景规划,却是长远性和宏观性的规划。相比之下,轨道交通客流预测的年限更长,从工程立项开始至建成通车,一般需要5年;然后再预测通车后25年的远期客流规模,总共要预测30年的客流。因此,对情景模式设定的可信度分析,重点是远期发展情景的分析,在区域发展规划和城市总体规划的基础上予以把握,控制规模。另外,城市规划中的情景数据(尤其是人口与就业数据)多为总量数据(或片区数据),而轨道交通客流预测以交通小区数据为基础,因此,对情景模式设定的可信度分析,还应注重人口与就业分布等相关数据细化的准确性分析。

轨道交通客流预测主导模型的构建和校验往往依赖于历史数据,如居民出行和相关交通调查数据以及相应的经济社会数据和交通供给等。其中,反映城市居民出行行为特征的居民出行和相关交通调查数据尤为重要,这些数据的时效性和可靠性直接影响预测模型的准确性和预测结果的可信性。󰀁城市轨道交通工程项目建设标准󰀁(建标104󰀁2008)中强调:󰀁客流预测应以居民出行和相关交通调查的成果为基础,并应保证其成果的时效性和可用性,不宜大于5年,否则应补充其他有效措施。客流预测的方法、计算模型以及采用的相关参数,应预先经过实例验证其可用性。󰀁

2.1.2󰀁模型参数

目前,中国城市轨道交通客流预测中多采用四阶段法,在四阶段模型所使用的参数中,需重点分析先验参数和标定参数取值的合理性。

先验参数主要是指那些通过标定很难得到、而被当成一个不变的量、给定的一个特定值,或是通过其他城市的类比得到、甚至直接套用的参数,如BPR函数中的󰀁、󰀁值。对这类参数取值的合理性,只能在先前经验的基础上进行判断。第3期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁王玉萍,等:城市轨道交通客流预测结果的技术分析体系口密度大于40km/百万人的城市,全网客流负荷强度均低于1.0万人次/(km󰀁d)。轨道交通线网规模在200km左右的城市,全网客流负荷强度达1.7~2.7万人次/(km󰀁d);轨道交通线网规模在400km左右的城市,其全网客流负荷强度在1.0万人次/(km󰀁d)左右。中国许多城市在规划城市轨道交通时,提出要实现双󰀁50󰀁目标,即远期城市公共交通占总出行量的50%,其中,轨道交通占公共交通的50%。事实上,这个目标的实现对很多城市来讲是比较困难的。

(2)轨道交通线网中各条线路客流的平衡协调。将每条线路的客流负荷强度与全网的客流负荷强度相比较,比较结果应与线路地位相对应。每条线路所处位置不同,其最大断面客运量与客运强度应有所差别,可定性判断,确定其在线网中的地位和排序,评判预测量级的相对性和可信性。

2.2.2󰀁全线客流的分析

客流预测数据是一个定性、量化的数字,在实际应用中,应注重数字的量级和精度。󰀁量级󰀁是指运能设计的定位,根据选用车辆、编组长度、定员和发车密度确定;󰀁精度󰀁是指对󰀁量级󰀁有多大影响,精度为0.1万人次即可。

根据客流预测数值的增长规律,绘制客流增长曲线:若曲线趋近水平,则属远期客流发展趋势稳定,可以采用;若曲线为上升趋势,则客流发展趋势尚未稳定,不可采用。

一般情况下,线路平均运距应为全程运行长度的1/3,不宜小于1/4,否则应进行特殊性分析[7]。

qi

󰀁i=󰀁i=1,2,3,󰀁,n

qhmax

h

75(1)

当󰀁k󰀁0.85、󰀁k+1<0.85时,第1区间至第k区间中,这k个区间构成󰀁高断面集合󰀁。进一步计算这k个高断面区间的站间距:L1,L2,󰀁,Lk(km),其

i󰀁0.95、+1<0.95的高断面区间距离累加值i中,󰀁󰀁

为Lx;󰀁i󰀁0.90、󰀁i+1<0.90的高断面区间距离累

加值为Ly。则当Lx>3km、Ly>6km时,认为最大断面客流得到了高断面集合的强支撑;当Lx>3km、Ly󰀁6km,或Lx󰀁3km、Ly>6km时,认为最大断面客流得到了高断面集合的一般支撑;其他情况下,认为最大断面客流量得不到󰀁高断面区间集合󰀁的支撑。

高断面区间集合对高断面客流的支撑是从空间分布角度来分析最大断面客流的稳定性,同时,最大断面客流还需要从时间分布角度来分析其稳定性。若全线的全日客运量为Qd,全线高峰小时客运量为Qh,高峰小时最大断面客流量为qmax,全日最大断面客流量为qmax,可定义全线高峰小时客运量比例为pl=Qh/Qd,高断面高峰小时客流比例为ps=qmax/qmax。则当pl󰀁ps时,高峰小时最大断面客流的稳定性好;当pl3.2󰀁客流的空间分布分析3.2.1󰀁断面分布

在轨道交通线路上,由于线路行经区域的用地开发性质不同,所覆盖的客流集散点的规模和数量不同,因而出现线路各个车站乘降人数不同,线路各个断面的客流存在不均衡现象是不可避免的。可用断面客流不均衡系数󰀁s来反映线路客流的均衡程度,计算式为

󰀁s=qmax

1󰀁1qi

n-1i=

n-1

h

d

d

h

3󰀁客流的特性分析

3.1󰀁对高峰小时单向最大断面客流量的分析

对于轨道交通,客流预测中󰀁高峰小时单向最大断面客流量󰀁是一个至关重要的决策依据。高峰小时单向最大断面是指在高峰小时断面客流分布中,线路某一个方向(上行或下行)上的断面客流量最大的那个区间,也称之为󰀁三高󰀁断面。高峰小时单向最大断面客流量是确定系统规模的基本依据,是对车辆选型、运营条件、项目投资及相关设施的设计标准等方面最具决定意义的数据。但是,在使用这个数据时,不能只看最高断面客流量,还要看第二高、第三高断面的客流量,也就是看其能否得到󰀁高断面区间集合󰀁的支撑。对高峰小时的断面客流量按由

h

大到小排序,依次计算各区间断面客流量(qh1,q2,h󰀁,qhn)与最大断面客流量qmax的比值󰀁i,即(2)

式中:qi为第i个断面区间的客流量(人次);qmax为

最大断面客流量(人次);n为全线车站数(座)。

󰀁s越大,则线路断面客流不均衡程度越大。在线路断面客流不均衡程度较大的情况下,可采用在客流量较大的区段加开区段列车的措施;但在行车密度较大的情况下,加开区段列车会有一定难度,并且加开区段列车对运营组织和车站折返设备都会提出新的要求。

3.2.2󰀁方向分布

在轨道交通线路上,上、下行方向的客流通常是不相同的,在早、晚高峰小时这种不均衡性尤为明76长安大学学报(自然科学版)󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁2011年

显,可用上、下行客流的方向不均衡系数󰀁w来反映,其计算公式为

max{qmax,qmax}󰀁w=b(qamax+qmax)/2

a

b

󰀁=

(3)

i󰀁Mj󰀁M

nni=1j=1

󰀁󰀁t󰀁󰀁t

ij

󰀁100%

ij

(6)

式中:qamax、qbmax分别为上、下行的最大断面客流量。

󰀁w越大,则上、下行方向最大断面客流不均衡程度越大。在这种情况下,直径线路上要做到经济合理地配备运力比较困难,但在环形线路上可采取内、外环线路安排不同运力的措施。3.3󰀁客流的时间分布分析3.3.1󰀁高峰小时系数

轨道交通客流在全天不同时间上分布是不同的,客流的时段(小时)系数p定义为

p=Qi/Qd

客流量(人次)。

p的最大值即为高峰小时系数(pmax)。根据客流量的取值不同(可取全线客运量、各断面客流量、各车站乘降客流量),高峰小时系数含义也不同。3.3.2󰀁客流时段分布均衡系数

客流高峰时段并非仅1h,一般情况下,7:30~10:30和16:30~19:30都是客流的高峰期,将这6h称为󰀁高峰时间段󰀁;其他时间除去运营的第1h和最后1h,称为󰀁平峰时间段󰀁。全天运营的第1h和最后1h,其行车计划不是根据客流需求,而是为了保持服务水平和󰀁出车󰀁、󰀁收车󰀁的需要。定义客流时段分布的均衡系数U为

U=G/H

时间段的小时平均客运量。

当U>2.0,很不均衡;1.6󰀁U󰀁2.0,不均衡;U<1.6,较均衡。客流时段分布的均衡性影响行车组织和系统利用效率。

(5)

式中:G为高峰时间段的小时平均客运量;H为平峰

(4)

式中:Qi为第i个小时的客流量(人次);Qd为全天的

式中:tij为车站i至车站j之间的OD客流量。

󰀁值越大,客流的风险越小,一般认为,󰀁󰀁70%,抗风险能力较强。

成熟区域车站的客流乘降量占全线所有车站乘降量的比重󰀁为

󰀁=

i󰀁Mni=1

󰀁B󰀁B

i

󰀁100%

i

(7)

式中:Bi为第i站的乘降量。

󰀁值越大,客流的风险越小,一般认为,󰀁󰀁75%,抗风险能力较强。4.2󰀁客流在某些车站的集中率

如果车站乘降量集中在少数几个大站上,这些大站又往往是换乘站,客流的风险就大。将线路各站乘降量按大小排序,并由大到小将逐站的乘降量累加,直至达到全线乘降量B的40%。

Bm=

i=1

󰀁B,

i

m

Bm󰀁0.4B(8)

式中:Bm为m个站的乘降量。则车站乘降量的集中率g为

g=1-m/n

式中:n为全线车站数。

车站乘降量的集中率g越大,客流风险越大。

(9)

5󰀁客流预测的敏感性分析

5.1󰀁客流预测敏感性分析技术路线

轨道交通客流预测模型中参数众多,由于某些参数的设置仅是一种预测,如票价、票制等,这些参数的预测结果可能与未来年的实际结果不相吻合,因此,应考虑某些参数取值的多种可能性,并进行适当的组合,参数的变动都会引起客流预测结果的变动

[8]

4󰀁客流预测的风险性分析

4.1󰀁客流在成熟区域内的集中率

由于城市中心区域发展相对比较成熟,人口、就业、用地等发展相对稳定,对未来态势的估计也比较可靠,因此,对客流预测风险可以通过对线路在发展成熟区域的客流量与全线客流量的比重来评估。假定某轨道交通线路共有n个站点,M为位于城市发展成熟区域的站点集合,则发展成熟区域的客流量占全线客运量的比重󰀁为。所谓客流预测敏感度分析,就是指在既定模

型的框架下,变更模型参数,考察客流预测结果的变化。通过敏感性分析,找出敏感性因素和客流变化幅度,为系统决策和保障措施制定提供依据,有助于降低客流风险,提高系统效益。轨道客流预测的敏感性分析基本思路如下页图2所示。5.2󰀁敏感性因素的选择

轨道客流预测涉及到的敏感性因素较多,各因素之间并不是完全独立的,而是存有内在联系的,轨第3期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁王玉萍,等:城市轨道交通客流预测结果的技术分析体系77

强度的影响更为明显。一般来讲,初、近期分析的重点是:票价票制、线网实施的进程、站点周边的土地开发和系统的服务水平;远期分析的重点是:交通发展战略可能的变动(交通政策对系统结构的影响等)、人口规模和用地开发兑现的程度等。

不同城市、不同线路针对不同时期,应结合实际情况,选择不同的敏感性因素进行分析,并给出影响的变化幅度。因受敏感性因素的影响,预测的客流很难给出一个确定的值,因此,应给出一个波动范围,供使用者根据实际用途选择合理的取值,降低系统的风险性。

图2󰀁客流预测敏感性分析

道交通沿线土地利用性质的改变,集中反映在沿线人口和就业岗位的分布;城市综合交通体系建设力度也在一定程度上影响着轨道交通线网的建设进程,以及与常规公交的接驳和竞争。

值得注意的,线路途径的区域不同、线路的功能定位不同以及不同预测时期,系统内外部难以把握的因素不同,即客流的敏感性因素不同。如:与常规公交的衔接换乘关系,对轨道交通的初期客流的影响强度要大于对远期客流的影响强度;轨道交通沿线的土地利用和开发状况,对轨道交通初期客流的影响强度要小于对远期客流的影响强度;需求引导型线路较客流追随型线路、沿线土地开发的性质和

[9]

6󰀁实例分析

以󰀁西安地铁3号线工可阶段客流预测󰀁为例,进行实证分析。

6.1󰀁西安地铁3号线工程概况

西安地铁3号线是西安城市快速轨道交通线网的主骨架线路,历经主城区东北至西南方向的主要客流走廊[10]。线路全长50.5km,共设车站30座,具体线路布设如图3所示。

图3󰀁西安地铁3号线线位

󰀁󰀁地铁3号线一期工程,即鱼化寨至国际港务区段,线路全长约37.57km,设车站24座;3号线二期工程为鱼化寨至侧坡段,线路全长12.93km,设车站8座。3号线一期工程计划2011年开工,2015年9月通车试运营。6.2󰀁西安地铁3号线客流预测主要结果

根据规范要求,西安地铁3号线客流预测3个特征年分别为:初期2018年;近期2025年;远期2040年。主要预测结果见下页表1。

78长安大学学报(自然科学版)󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁2011年

表1󰀁西安地铁3号线客流预测主要结果客流指标

初期37.57

人次

39.0011.321.691.04

近期37.5774.7610.113.081.99

远期50.50106.0810.563.752.10

󰀁西安市2008年居民出行调查报告󰀁、󰀁西安市城市总体规划󰀁(2008~2020年)和相关新区规划等文件为依据,对西安市城市发展形势进行分析判断,对3号线沿线站点的用地规划和沿线客流进行了详细的调查与分析,资料翔实,为本次客流预测提供了充分依据,并奠定了良好的基础。

以2008年西安市居民出行调查数据为依据,以交通设施供应条件和土地开发类型及强度为基础,以TransCAD软件为分析平台,采用四阶段交通规划预测方法,建立了预测模型;充分考虑到城市的社会经济发展、土地布局、交通规划目标等综合影响,同时,考虑到四阶段法中各阶段之间的相互影响,预测时采用了反馈迭代计算。拟定的技术路线合理、可行,预测方法正确,主要客流预测结果基本可信,线路客流量级合理。6.3.2󰀁客流的特性分析

线路长度/km全日客运量/

104

平均运距/km

高峰小时最大断面客流量/104人次负荷强度/(104人次󰀁(km󰀁d)-1)

󰀁󰀁受篇幅限制,本文重点分析远期客流,西安地铁3号线远期客流主要指标如图4~图7所示。

图4󰀁全日断面流量

从预测结果来看,高峰小时单向最大断面客流量为3.75󰀁104人次/h,断面区间为下行方向的韩森寨站󰀁咸宁路站区间。将下行方向各区间断面按客流量由大到小排序,并计算出各断面客流量与最大断面客流量的比值见表2。

表2󰀁区间断面客流量排序

区间(下行方向)

站间距/m1100󰀁9751050120515201490173013401120160013401990󰀁

断面客流量/(104人次󰀁h-1)

3.753.733.573.533.403.323.313.273.273.263.242.96󰀁

󰀁i1.0000.9960.9540.9430.9070.8850.8820.8730.8720.8690.8640.789󰀁

图5󰀁全日乘降量

韩森寨站󰀁咸宁路站金花路站󰀁韩森寨站咸宁路站󰀁建工路站胡家庙站󰀁金花路站建工路站󰀁青龙寺站大雁塔北站󰀁小寨站青龙寺站󰀁北池头站小寨站󰀁吉祥村站石家街站󰀁胡家庙站辛家庙站󰀁石家街站北池头站󰀁大雁塔北站广运潭大道站󰀁辛家庙站

󰀁

图6󰀁客运量的时段分布

󰀁󰀁通过表2中的计算,Lx=3125m,Ly=5850m,故最大断面客流得到了高断面集合的较强支撑。全线高峰小时客运量比例pl=Qh/Qd=0.157,高断面高

d

峰小时客流比例ps=qhmax/qmax=0.174,pl图7󰀁高峰小时断面客流量

见高峰小时最大断面客流的稳定性较差。

地铁3号线是一条穿越城市中心区的直径线,两端连接新区,从全日断面客流预测结果来看,断面客流为中间段大、两端小,呈典型的󰀁橄榄形󰀁分布,这与线路走向特点吻合。6.3󰀁客流预测结果的分析6.3.1󰀁客流的可信度分析

󰀁西安地铁3号线工可阶段客流预测󰀁报告以第3期󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁王玉萍,等:城市轨道交通客流预测结果的技术分析体系

从上行方向来看,最大断面客流量为21.49󰀁104人次,平均断面客流量为12.65󰀁104人次,则断面客流不均衡系数为1.699;从下行方向来看,最大断面客流量为20.67󰀁10人次,平均断面客流量为12.22󰀁10人次,则断面客流不均衡系数为1.691。可见地铁3号线断面客流不均衡程度较大,可能需要运用大小交路套跑的方式开行列车。

经计算,在地铁3号线上、下行客流的方向不均衡系数󰀁为1.019,就全日客流而言,方向分布相对均衡,但在高峰期间,某些区段客流的方向分布是极其不均衡的。

从地铁3号线客流的时间分布来看,高峰小时为7:30~8:30,其间客运量为16.65󰀁10人次,故地铁3号线全线客运量高峰小时系数为15.7%。可见高峰期间客流比较集中,这主要是由于3号线客流中承担了大量的通勤客流。

7:30~10:30和16:30~19:30这6h的󰀁高峰时间段󰀁内小时平均客运量G为11.35󰀁10人次,平峰时间段的小时平均客运量H为3.61󰀁10人次,故客流时段分布均衡系数U为3.143,可见地铁3号线客流在时间分布上是很不均衡的。6.3.3󰀁客流的风险性分析

地铁3号线鱼化寨站󰀁辛家庙站段基本处于城市中心区,该区域发展业已较为成熟。3号线全日客流中起终点均位于该区域的客流量为61.33󰀁104人次,占全线客运量的比重󰀁为57.8%:

该区域内车站的客流乘降量为150.03󰀁104人次,占全线所有车站乘降量的比重󰀁为70.7%。可见,地铁3号线客流的风险较大,线路两端新开发区域的发展程度将极大地影响其客流规模。

地铁3号线全线共设30座车站,全日总乘降量为212.16󰀁104人次,将各车站全日乘降量按大小排序见表3。

表3󰀁各车站全日乘降量排序

车站大雁塔北站小寨站金花路站科技路站咸宁路站吉祥村站浐灞站󰀁乘降量/(104人次)20.6820.2616.9714.5912.109.717.12󰀁乘降量累加值/累加值占全线乘(104人次)20.6840.9457.9172.5084.5994.30101.42󰀁󰀁降量的比重/%9.719.327.334.239.944.447.8󰀁远期

444

4

4

79

󰀁󰀁从表3可看出,车站乘降量由大到小累加到第6座车站时(m=6),已达到44.4%,这时,即可计算车站乘降量的集中率G=1-6/30=0.80。从轨道交通线网规划来看,这6座车站均是换乘站,由于换乘站的换乘量与相交线的情况(经由、沿线开发水平、修建顺序)有关,存在诸多变数,所以客流达不到预测值的风险较大。6.3.4󰀁客流的敏感性分析

针对西安地铁3号线的特点,其客流敏感性分析的重点初、近期为:票制票价、站点周边的土地开发、线网建设时序安排、轨道交通系统的服务水平;远期为:城市人口和就业的发展不确定性、沿线土地利用的开发状况、铁路南客站等。

在单因素分析的基础上,考虑到未来各种因素组合的可能性,最终确定地铁3号线客流波动范围见表4。

表4󰀁地铁3号线客流波动范围

时期

全日客运量/(104人次󰀁d-1)30.23~47.91[-22%,23%]61.89~88.20[-17%,18%]95.64~125.33[-10%,18%]

高峰小时单向最大断面客流量/(104人次󰀁h-1)

1.45~1.97[-14%,17%]2.71~3.51[-12%,14%]3.27~4.26[-13%,14%]

初期

近期

注:[]中为波动幅度。

6.4󰀁客流预测的分析结论

通过上述分析,󰀁西安地铁3号线工可阶段客流预测󰀁报告中给出的预测结果是可信的。

地铁3号线最大断面客流虽然得到了高断面集合的较强支撑,但是稳定性较差。从全日断面客流预测结果来看,断面客流为中间段大、两端小,呈典型的󰀁橄榄形󰀁分布。断面客流不均衡程度较大,方向分布相对均衡,但在高峰期间某些区段客流的方向分布是极其不均衡的。全线客运量高峰小时系数为15.7%,可见高峰期间客流比较集中,客流在时间分布上是很不均衡的。地铁3号线的客流在城市发展成熟区域内的集中率不高,所有客流主要集中在6座换乘站,因此,3号线客流的风险性较大,线路两端新开发区域的发展程度和相交线路客流将极大地影响3号线的客流规模。通过敏感性分析,地铁3号线客流的波动幅度较大。80长安大学学报(自然科学版)󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁󰀁2011年

Transport,2000,13(4):91󰀁94.

[2]

沈景炎.城市轨道交通客流预测的评估和抗风险设计[J].城市轨道交通研究,2002,5(2):26󰀁31.

SHENJing󰀁yan.Evaluationandanti󰀁riskdesignoftheflowpredictioninurbanmasstransit[J].UrbanMassTransit,2002,5(2):26󰀁31.

[3]

LitmanT.Generatedtrafficandinducedtravel[J].JournalofInstituteofTransportationEngineers,2001,71(4):38󰀁47.

[4]

KitamuraR,FujiIS,PasEI.Time󰀁usedata,analysisandmodeling:towardthenextgenerationoftranspor󰀁tationplanningmethodologies[J].TransportPolicy,1997,30(4):225󰀁235.

[5]

梁广深.城市轨道交通客流预测的不确定性分析[J].城市轨道交通研究,2007,10(5):1󰀁3.

LIANGGuang󰀁shen.Uncertaintyintrafficforecast:thecaseofShanghaiMetroLine1[J].UrbanMassTransit,2007,10(5):1󰀁3.

[6]

马超群,陈宽民,王玉萍.城市轨道交通客流预测方法[J].长安大学学报:自然科学版,2010,30(5):69󰀁74.MAChao󰀁qun,CHENKuan󰀁min,WANGYu󰀁ping.Forecastingmodelofurbanrailtransitvolume[J].JournalofChang󰀁anUniversity:NaturalScienceEdi󰀁tion,2010,30(5):69󰀁74.

[7]

沈景炎.城市轨道交通客流预测内容和应用[J].城市交通,2008,6(6):9󰀁15,20.

SHENJing󰀁yan.Forecastingandapplicationofrailtransitpassengervolumes[J].UrbanTransportofChina,2008,6(6):9󰀁15,20.

[8]

马超群,王玉萍.西安城市快轨交通线网方案客流测试研究[J].都市快轨交通,2006,19(4):24󰀁28.MAChao󰀁qun,WANGYu󰀁ping.Trafficvolumefore󰀁castforXi󰀁anurbanrapidrailtransit[J].UrbanRapidRailTransit,2006,19(4):24󰀁28.

[9]

宋󰀁杨,陈宽民,姚新虎.配合城市轨道交通的常规公交起讫点的确定[J].长安大学学报:自然科学版,2006,26(2):73󰀁76.

SONGYang,CHENKuan󰀁min,YAOXin󰀁hu.Selec󰀁tionoforigin󰀁destinationsiteforbus󰀁roteadaptingur󰀁banrailtransit[J].JournalofChang󰀁anUniversity:NaturalScienceEdition,2006,26(2):73󰀁76.

[10]

袁玉玲,王选仓.城市轨道交通建设模式与措施[J].交通运输工程学报,2007,7(6):123󰀁126.

YUANYu󰀁ling,WANGXuan󰀁cang.Constructionmodesandmeasuresofurbanrailtransit[J].JournalofTrafficandTransportationEngineering,2007,7(6):123󰀁126.

7󰀁结󰀁语

(1)针对目前城市轨道交通客流预测的可信度

较低的状况,提出应加强对客流预测的评估分析,从而增强轨道交通系统的科学决策,提高轨道交通系统的抗风险能力,并建立了轨道交通客流预测结果分析的技术流程。

(2)从预测过程和预测结果两方面着手,提出了轨道交通客流预测结果的可信度分析法。其中,预测过程主要分析模型输入、模型参数和模型本身;预测结果分析主要是对轨道交通系统设计起控制性作用的关键性指标进行重点评估判断,包括全网客流总量、客流负荷强度和平均运距等。

(3)以三高断面的稳定性、客流的空间分布和时间分布为核心,建立了轨道交通客流预测结果的特性分析指标;通过客流在成熟区域内的集中率和在某些车站的集中率,判断客流预测结果的风险性;提出了客流预测敏感性分析的技术路线,初期、近期重点分析的敏感性因素为票价票制、线网实施的进程、站点周边的土地开发、系统的服务水平;远期重点分析的敏感性因素为交通发展战略、人口规模和用地开发。

(4)以西安地铁3号线客流预测为例进行了实证分析,结果表明:󰀁西安地铁3号线工可阶段客流预测󰀁基础资料翔实,技术路线合理、可行,预测方法正确,主要客流预测结果基本可信;三高断面虽然得到了高断面集合的较强支撑,但是稳定性较差;断面客流不均衡程度较大,客流的时间分布很不均衡,高峰期间客流比较集中;地铁3号线客流在城市发展成熟区域内的集中率不高,所有客流主要集中在6座换乘站,风险性较大;地铁3号线客流的波动幅度较大,远期全日客运量波动范围为[-10%,18%],高峰小时单向最大断面客流量波动范围为[-13%,14%]。

(5)在轨道交通设计过程中,下一步的研究,应进一步探讨如何科学合理地应用客流预测结果。参考文献:References:

[1]󰀁过秀成,吕󰀁慎.基于合作竞争类OD联合方式划分

轨道客流分配模型研究[J].中国公路学报,2000,13(4):91󰀁94.GUOXiu󰀁cheng,LUShen.StudyofURT󰀁sjointmo󰀁dalsplitassignmentmodeloncooperativeandcom󰀁petitiveODmatrix[J].ChinaJournalofHighwayand