煙臺經濟技術開發區城市公交需求預測研究

王隆興

(煙臺經濟技術開發區交通基礎設施建設管理處，山東煙臺 264000)

煙臺開發區原規劃面積為36 km2，為適應新的經濟發展目標，2002年9月，開發區進行了擴區建設，管轄區面積擴大到228 km2，其中原規劃區為基本建成區，新擴建區面積為192 km2。擴區后，開發區的社會經濟、人口與土地利用情況都發生了重大變化，城市公交線路運行環境也隨之發生重大改變，公交需求量顯著增加。但城市公交系統發展日顯滯后，城市公共交通供需矛盾逐漸顯現。與此同時，開發區緊抓擴區帶來的發展新機遇，城市各項建設事業呈現出高速發展的態勢, 對開發區未來城市公交發展開展研究，對未來城市發展規劃特別是開發區的交通發展規劃具有十分重要的意義。

本文在探究適合煙臺開發區城市公交發展的研究理論和方法的基礎上，從煙臺開發區的城市公交需求預測著手進行研究，采用基于GIS的交通軟件系統TransCAD對特征年的公交發生量和吸引量進行預測分析，為建立一套適合于開發區擴建后的公交運行方案以及擴區后的煙臺開發區城市綜合交通規劃的重新調整提供重要的參考依據。

1 就業及就學崗位數量預測

表1 各大分區的就業崗位數量 人

煙臺開發區的定位為煙臺市工業經濟的重心、高新技術產業基地和現代物流中心，參考國內其它新區的情況，適當提高工業倉儲的從業人員比例，得到各特征年開發區各大分區的就業崗位數量如表1所示[1]。

根據開發區新區的開發進度和各年的用地情況，結合鴻富泰、大宇造船等大型企業的發展計劃，得到各類用地在各小區的面積總量，按照各大分區的崗位規模以及各類崗位的比例計算各類用地單位面積的就業崗位數量，得到各小區三類就業崗位的數量。

建成區內學校的位置基本不變，建成區內各交通小區的學生人數可按人口規模逐年增長。新區內各交通小區的學生按照學校的規劃位置以及地塊的開發進度進行估算，從而得到各交通小區的學生情況。

2 公交出行產生量預測

根據公交客流調查以及數據整理結果，得到122個站點團間的高峰小時公交出行OD矩陣，較全面反映研究區域內公交客運需求分布現狀。將122個站點團按已確定的37個交通分區進行合并，得到37個交通分區之間的高峰小時公交出行OD矩陣。根據站點和小區之間的關系，可以將站點間OD合并為交通小區的高峰小時公交出行OD矩陣。

根據交通小區高峰小時的OD矩陣，可以得到各小區公交的高峰小時產生量和吸引量，如表2所示。

表2 各交通小區高峰小時發生量和吸引量 人·次

煙臺開發區的用地性質變化很大，不能簡單地按照基準年的公交生成量按增長率法推算目標年的交通生成量，應根據特征年的土地利用情況預測公交生成量。

各交通小區的公交產生量主要與小區的人口相關，根據居民出行調查結果，開發區人均日出行次數為2.72次。參考國內同類地區經驗，預計在2015年、2020年和2025年，開發區的人均日出行次數分別為2.80，2.85，2.90次[2]。公交高峰小時流量比為0.11，假設在各特征年保持不變。目前公交分擔率為12.4%，根據國務院和建設部關于優先發展城市公共交通的意見，應逐步提高公交分擔率，參考同類地區經驗，預計2015年、2020年和2025年公交分擔率目標分別為15%、20%、25%[3-4]。由此確定各交通小區的高峰小時公交產生模型為

ρi=ωiRiCru，

式中 ρi為特征年小區i高峰小時的公交出行生成量；Ri為特征年小區i的規劃居住人口；C為特征年小區i居住人口人均日出行次數；r為特征年公交分擔率；u為特征年高峰小時流量比；ωi為區位權重系數，由現狀OD和人口數進行標定，其中小區1(芝罘區)為0.128，小區2(福山區)為0.280，開發區內部小區為1。

根據上述模型，結合各交通小區的人口預測結果，可以得到各交通小區在各特征年的公交出行產生量如表3所示。

表3 各交通小區在各特征年的公交出行產生量 人·次

3 公交出行吸引量預測

根據相關文獻以及國內其它新區的經驗，金融、服務、集貿用地的出行吸引率為4.84次/(人·d)，科研辦公用地的出行吸引率為4.54次/(人·d)，工業倉儲用地的吸引率為4.15次/(人·d)，學校就學崗位的出行吸引率為4.70次/(人·d)，并假定各類用地的吸引率不隨時間變化[5-6]。

根據交通小區的人口、土地利用情況及各種土地利用產生的交通吸引建立交通小區的吸引量模型為

Ai=αωi(Q1B1+Q2B2+Q3B3+Q4B4)ru，

式中 Ai為小區特征年高峰小區公交出行吸引量；B1、B2、B3、B4分別為金融服務集貿用地、科研辦公用地、工業倉儲用地和學校單位崗位數的出行吸引率；Q1、Q2、Q3、Q4分別為小區各類就業(學)崗位數。α為平衡系數，以滿足出行吸引總量等于出行產生總量，經計算，2010年、2015年和2020年的α分別為1.056、1.042和1.025。

根據上述模型可計算出各交通小區2015年、2020年、2025年的出行吸引量見表4。

表4 各交通小區在各特征年的公交出行吸引量 人·次

4 結語

分析了現狀公交出行OD，得出公交出行發生量和吸引量，并建立各小區基準年的公交發生量、吸引量與人口、崗位之間的函數關系，其次根據基準年的OD分布，對重力模型的各參數進行標定，然后根據社會經濟發展預測得到的各小區特征年的人口和崗位數，采用基于GIS的交通系統軟件TransCAD，利用重力模型法對特征年的公交發生量和吸引量進行了預測分析。

參考文獻：

[1]周雪梅,張顯尊,楊曉光.基于交通方式選擇的公交出行需求預測[J].同濟大學學報：自然科學版,2007,35(12):1627-1631.

[2]王震坡, 孫逢春,林程.電動公交客車充電站容量需求預測與仿真[J].北京理工大學學報,2006,26(12):1061-1064.

[3]黃敏珍,馮永冰.灰色預測模型在區域物流需求預測中的應用[J].物流科技,2009,31(3):17-22.

[4]邵昀泓,趙陽. 基于最大熵原理的公共交通需求預測[J].中南公路工程,2006(2):167-170.

[5]蘆方強,陳學武,胡曉健.基于公交OD數據的居民公交出行特征研究[J].交通運輸工程與信息學報,2010,8(2): 31-36,47.

[6]黃正東,丁寅,張瑩.基于GIS可達性模型的公交出行預測[J].公路交通科技, 2009,26(9):137-141.