基于客流性質的鐵路客流預測方法

宋嘉雯，瞿何舟

（西南交通大學 交通運輸與物流學院，四川 成都 610031）

1 研究背景和預測方法

在鐵路客流預測過程中，由城市功能定位與城市土地利用產生的各種不同性質客流在沿線區域的分布及其時間上的分布各有不同。在以往的研究中，注重分析客流性質與定性考慮不同性質客流對總體客流的影響，或者預測精度不足，影響了結果的可信性[1-3])。在客流預測中引入對不同性質客流的研究，能夠提高客流預測的精度，有利于鐵路規劃與運營管理。銀川—寧東鐵路連接銀川中心城區與寧東能源化工基地、銀川河東機場及沿線地區，分別設銀川站、河東站、機場站、臨河站和寧東站，全線采用高架橋，為雙線電氣化線路，在運營初期 (2016年) 與近期 (2023年) 里程約 40 km，遠期(2038年) 增建機場支線，總里程約 45 km。擬采用最高運營速度為 160 km/h 的大運量城市軌道交通車輛，列車最小追蹤間隔為3 min。該線路主要服務于通勤客流，單向通勤客流初期可以達到 6.1萬人/d。

基于客流性質的預測方法具體過程如圖1所示。

四階段法客流預測模型將研究區域劃分為m個交通小區，有k種性質客流(k≥1)。銀川—寧東鐵路運營分為初期(2016年)、近期 (2023年) 和遠期 (2038年)，采用鐵路、公路大型客車、小轎車3種交通方式，將研究區域劃分為5個交通小區，客流劃分為基本客流、產業員工客流、企業管理人員客流、機場客流和旅游客流。收集各交通小區的人口、就業人口、工業基地企業定員情況、機場日均發送旅客數量等信息，以及鐵路、公路的技術經濟數據。通過相應的預測模型獲得各交通小區不同性質客流的預測基礎數據。

2 客流生成預測

交通小區的客流發生量主要受本小區人口影響，客流吸引量主要受人口與該小區吸引客流能力的影響。對某一性質的客流i(1≤i≤k)，其計算公式為：

式中：Gi為研究區域第i種性質客流的發生量；Ai為研究區域對第i種性質客流的吸引量；Pi為研究區域第i種性質客流的人數矩陣；Ei為研究區域吸引第i種性質客流的能力矩陣；ti為第i種性質客流日均跨區出行次數，即跨區出行強度；αi為第i種性質客流日均跨區吸引強度，通過回歸分析得出。

圖1 基于客流性質的鐵路客流預測流程

其中，客流跨區出行強度與城市居民出行次數與區域客流形成比例有關，表示為ti＝Ti×Ii。式中：Ti為城市居民在研究年份的出行次數，可通過彈性系數法預測得到；Ii為區域客流形成比例。區域客流的形成只與該區域居民出行意愿、出行目的、出行方式和出行徑路有聯系，可通過調查分析得到。

研究區域第i種性質客流的生成量和吸引量為：

式中：G?為第i種性質客流在第j小區的客流發生量；A?為第i種性質客流在第j小區的客流吸引量。

各種性質的客流迭加求和可得到研究區域各交通小區的客流發生量和吸引量：

經計算，銀川—寧東鐵路沿線區域的客流發生量和吸引量如表1所示。

表 1 銀川—寧東鐵路沿線各交通小區客流量 萬人

3 客流分布預測

參考國內城際鐵路客流預測實例，基本客流可以通過雙約束重力模型獲得其在研究區域的分布情況，重點對象或重點區域形成的客流，如大型企業員工通勤客流、機場客流和旅游客流可以通過研究現狀客流的主要流向形成相應的客流分布矩陣。

對于城市居民客流，其OD表達式為：

式中：Tb是一個m×m矩陣；Gb為城市居民客流發生量矩陣；Ab為城市居民客流吸引量矩陣；β為交通潛能系數；U為各交通小區間的交通阻抗矩陣，可表示為居民出行平均成本；P為平衡算子；c為交通阻抗級數系數，可通過回歸得出；d為交通阻抗離散控制系數，可通過回歸得出。

對于重點對象或重點區域客流，其 OD 表達式為：?

式中：Ti是一個m×m矩陣；βi為第i種性質客流的潛能系數；為從第1交通小區到第m交通小區的第i種性質客流量。

獲得一般居民客流和各種重點性質客流的 OD 后，全方式客流 OD 表示為T＝Tb＋∑Ti。其中，T是一個m×m矩陣。

4 各種客流的不同交通方式分擔率預測

針對各種性質客流對時間價值的要求和對運輸方式的選擇意愿，通過確定其不同交通方式的出行成本后，利用出行意愿調查結果計算出加權平均的出行成本，進而采用 Logit 模型進行交通方式分擔預測。

式中：n為采用的交通方式，即鐵路、大型客車與小轎車中的一種；為第i種性質客流采用不同交通方式的分擔概率；λ、γ為離散數值修正數；Ui為第i種性質客流平均出行成本；為第i種性質客流采用不同交通方式的出行成本。

經計算，銀川—寧東鐵路沿線區域的全方式客流分擔率如表2所示。

表 2 銀川—寧東鐵路沿線區域的全方式客流分擔率 %

5 客流的疊加和總體客流分析

為獲得各種交通方式的客流和客流分擔率，將各種性質客流進行疊加：

式中：T n為采用鐵路、大型客車或小轎車的客流；Ti為第i種性質客流；為第i種性質客流采用鐵路、大型客車或小轎車方式的客流分布比例矩陣。

根據現狀客流全天的分布規律和重點對象、重點區域客流全天變化規律的分析，設為第j交通小區到第h交通小區的第i種性質客流的全天客流量，其分布比例服從按時間變化的矩陣，t∈[0, 24]。通過每種性質客流的全天客流量與其全天分布比例相乘，得到該性質客流在相應時間段的客流量，再對同一時間段的各種性質客流進行迭加，可形成該時間段總客流量，進而可知總客流量的全天變化規律。在t時刻從第j交通小區到第h交通小區的總客流量為：

該客流高峰小時比例為＝{Ftjh}，由研究區域交通小區劃分形成高峰小時客流量比例矩陣Fmax，則高峰小時客流量矩陣為Tmax=T×Fmax。由此可知研究區域客流變化與高峰情況，如表3所示。

表 3 銀川—寧東鐵路客流量按時段分布比例 %

銀川—寧東鐵路客流預測的主要指標如表4所示。

表 4 銀川—寧東鐵路客流預測的主要指標

6 結束語

基于客流性質的鐵路客流預測方法可以在不同性質客流區別明顯的情況下取得較好的預測精度。例如，在銀川—寧東鐵路運營初期多為產業工人與管理人員的通勤客流，對準時性要求高，則早高峰與晚高峰系數較大。另外，預設的機場支線將主要承擔旅游客流與機場客流，成為該鐵路線遠期客流量的主要增長點之一。

[1] 張連暉. 沈陽至鐵嶺城際快速軌道交通客流預測研究[J].北方交通，2009 (12)：59-62.

[2] 趙冰潔. 天津至保定鐵路城際客流預測[J]. 科技信息，2009(06)：384-385.

[3] 蔣玉琨. 通往郊區的軌道交通線路客流預測方法[J]. 都市快軌交通，2009(06)：44-48.