城市群城際軌道客流預測方法研究

王慧晶,曹堯謙

(1.湖南鐵路科技職業技術學院 運輸管理學院，湖南 株洲 412000；

2.中南大學 交通運輸工程學院，湖南 長沙 410075)

?

城市群城際軌道客流預測方法研究

王慧晶1,曹堯謙2

(1.湖南鐵路科技職業技術學院 運輸管理學院，湖南 株洲 412000；

2.中南大學 交通運輸工程學院，湖南 長沙 410075)

摘要:針對城市群城際軌道交通特點，綜合分析客流特征分析的基礎上，提出考慮區位勢能的交通小區劃分方法；結合城市群內各城市經濟發展，采用修正重力模型進行客流分布預測，通過transCAD完成K矩陣和相應參數的標定；以logit模型為基礎，研究交通方式劃分與交通分配聯合模型的競爭分配方法。最后，以長株潭城市群為例，對長株潭城際鐵路近期、遠期客運需求進行預測分析。研究結果表明：該方法和模型具有較好的應用價值。

關鍵詞：城市群；城際軌道交通；客流預測；競爭分配

隨著經濟的快速發展，城市化進程的加快，城市空間格局呈組團式發展形成多中心城市群，如京津冀、珠三角、長三角、長株潭等城市群。快速發達的綜合運輸網絡為城市群的發展起到了巨大的支撐作用。以軌道交通為載體的綜合交通運輸網絡是城鎮化，區域經濟一體化的重要支撐，是增強城市群綜合承載能力，實現城市群可持續發展的有效途徑[1]。陸化普等[2]從城際軌道交通的特點出發，將城際軌道交通的客流分為城市內客流與城市間客流，提出了采用競爭分配的方法進行客流預測的思路、模型與方法。彭輝等[3]引入廣義費用函數，對傳統logit模型進行改進，構建了城市群城際運輸通道旅客運輸方式合理分擔率模型。王樹盛等[4]通過對都市圈軌道交通的功能定位,界定的軌道交通的客流吸引范圍,提出了以節點分析、虛擬交通小區分析為主的都市圈軌道交通客流預測方法。本文試圖通過分析城市群城際旅客出行特征為切入點，對城際軌道交通客流預測方法展開研究。

1城市群城際旅客出行特征

由于城市群具有較明顯的區域性、群聚性和中心性特征，因此城市群城際旅客出行在出行目的、客流分布、出行時間距離及出行質量要求(舒適性、安全性)等方面也有一定的特征。

1)客流出行目的：主要以探親訪友、出差、旅游、商務等為主，上班、購物、打工次之。

2)客流出行分布：城市群城際客流主要是城市群內城市與城市之間的客流，城市與所轄城鎮之間的客流及城鎮之間的客流。由于城鎮間經濟聯系較少，因此客流主要還是以城市間和城市與所轄城鎮間的客流為主，具有一定的向心性和直達性特點。

3)客流出行距離：城際客流出行距離較城市內客流出行距離較長，且與城市群城鎮分布的密集程度有關。

4)出行時間：根據對調查資料的統計分析，城市群城際旅客出行量的高峰較為明顯，出行高峰之間的時段出行量變化不大。節假日旅客出行比例較平時高，主要以探親旅游為主。

5)城際旅客對出行時效性、可達性、便捷舒適性的要求較高，對票價的承受能力較強。

2城市群城際軌道交通客流預測

對于城際軌道交通客流預測的方法仍然是借鑒傳統的交通需要預測“四階段”法，但因城市群城際軌道交通的自身的特點，其具體的預測過程仍有所區別。具體預測過程如圖1所示。

2.1　交通小區劃分

城市群內各交通小區所承擔的客流是城際軌道交通的主要來源，因此合理劃分交通小區城際軌道交通客流預測的重要保障。在傳統交通小區劃分的原則基礎上，依據文獻[3]對區位勢定義，本文采用考慮區位勢的方法對城市群交通小區劃分進行研究。

圖1　城市群城際軌道交通客流預測流程Fig.1 Prediction procedure of passenger flow of intercity rail transit for urban agglomeration

區位勢定義為城市中某區位土地利用經濟優勢的大小。即交通區i相對區位勢能Yi定義為：交通區i的區位勢LPi對城市標準區位的區位勢LP0的比值，即

(1)

在本文研究中將區位勢作如下定義：區位勢是交通小區的出行吸引和出行產生大小量化表述，與交通小區的交通可達性及交通小區的用地聚類成正比。即：

區位勢LP：LP=kbβAχ(M)δ

(2)

其中：LP為區位勢；A為交通可達性；M為測度區位土地綜合聚集規模水平值；b為其他因素；k為比例系數；χ為交通可達性因子對區位勢增長貢獻的彈性系數；δ為綜合聚集規模因子對區位勢增長貢獻的彈性系數；β為其他因素對區位勢增長貢獻的彈性系數。

考慮區位勢進行交通小區劃分，這樣可以比較準確地分析各個交通小區客流的產生量和吸引量，不僅能夠掌握節點的出行情況，而且有助于分析各個交通小區客流分布。

2.2　出行生成預測

以基年土地使用分別建立客運出行發生、吸引回歸模型，進行客流發生、吸引量的預測。由于城市群區域各城市的出行特點差別較大，因此本文對其系數進行了調整[2]，具體方法如下：

(3)

其中：Ci為第i個城市的發生量或吸引量調整系數；Yi為第i個城市基年的發生量或吸引量；Y0i為將i個城市的基年GDP、人口、機動車保有量、土地利用等帶入標定后的函數計算得到的發生量和吸引量。

需要說明的是，在城際軌道交通建成之前，城市群城間交通方式主要還是以公路、鐵路等為主，水運，航空等承擔的客運量比例并不大，因此本文不予考慮。公路OD可通過調查獲得的公路交通流量反推并經校核后得到，鐵路OD可通過相應的客流統計數據獲得。

2.3　客流分布預測

客流分布預測是以區域現狀客流OD為基礎，綜合考慮各交通小區經濟、社會發展引起的客流量增長情況，推算出未來特征年各小區間的客流分布。本文采用修正的重力模型，通過基年OD進行標定，獲得反映小區間特殊聯系的K矩陣和相應參數，由此建立居民出行分布模型，并預測未來特征年居民城市間全方式出行OD表。由于城市群城市社會經濟發展的狀況和速度也存在差別，現狀的K系數并不能反映未來年城市間的相互聯系，需要根據城市產業結構和城市內部土地利用情況對K系數進行調整，本文通過transCAD完成參數標定。

2.4　交通方式劃分與交通分配組合預測

2.4.1交通方式的競爭選擇

城市群內城市間的交通方式包括公路、鐵路、城際軌道交通、水運、航空等等，而道路交通模式又有小汽車、客車、摩托車等等。考慮城間交通方式眾多且復雜，居民出行時對交通方式的選擇主要取決于交通方式的服務水平(效用U),主要體現在交通方式的出行時間，出行費用，換乘便利性，舒適性，安全性等。

2.4.2效用函數

效用函數一般用費用來表示，本文從經濟性，快速性，便捷性，直達性，安全性，舒適性等方面考慮構建效用函數。

1)經濟性(Ei)：本文通過票價來表示各種交通方式的經濟性。

Ei=RiLi

(4)

式中：Ri為第i種運輸方式的運價率；Li為第i種運輸方式的運行距離。

2)快速性：基于城市群一體化和“小時交通圈”的要求，采用旅客在途旅行時間作為便捷性的衡量指標。

Fi=tiW(T)

(5)

式中：ti為旅客選擇第i種交通方式乘車所花費的時間；W(T)為旅行時間價值。

3)便捷性：用費用Ci表示，其包括服務方便性和起終點城市，以及中間換乘城市換乘銜接的方便性。

Ci=(Tig+Tih)W(T)+

[fi1+fi2+fi3+(ti1+ti2+ti3)W(T)]

(6)

式中：fi1, fi2, fi3分別為第i種交通運輸方式在起、終點城市以及中間換乘城市的銜接費用；ti1，ti2，ti3分別為第i種交通方式在起終點城市以及中間換乘城市的換乘銜接時間；Tig為第i種交通方式的平均購票時間；Tih為第i種交通方式的平均候車時間。

4)舒適性(Mi)：采用交通運輸工具和車外設施總造價的人均費用的萬分之一來衡量。

5)由于直達性(Di)，舒適性(Pi)和安全性(Si)無法用具體的價格和時間衡量，較其他指標相比具有獨立性，當這3種屬性較優時，則該種方式的廣義費用也最小。

則廣義費用函數可表示為：

Ui=(θ1Ei+θ2Fi+θ3Ci-θ4Mi)/(PiSiDi)

(7)

θj為屬性函數，j=1,2,3,4。

2.4.3交通量分配

本文采用改進的Logit模型，即各種交通方式的分擔率由其效用值確定。具體模型為：

設Pi為第i種交通方式的客運分擔率，

(8)

采用極大似然估計法標定參數。

在處理每一個OD對間的交通量，更新每一條路段的客流量和旅行時間，搜索比較所有的有效出行線路，選擇最短路(出行效用最高)進行確定性路網分配或在所有有效出行線路中進行概率分配，如此迭代下去，即可得到每一條路段的交通量。由此獲得城際軌道交通城市間客流預測的結果。

3實例應用

長株潭城市群目前有高速公路、普通公路、鐵路等運輸方式，在規劃年度還有客運專線、城際鐵路等。以長株潭城市群及沿線長株潭3個市為研究對象，采用本文提出的方法進行客流預測，通過出行發生、吸引，出行分布，出行方式劃分，得到公交出行OD，最后在綜合網線路上分配得到軌道交通客流。

3.1　交通小區劃分

長株潭城市群指以長沙、株洲、湘潭3個城市為中心，包括岳陽、常德、益陽、婁底、衡陽5市構成的區域，其總面積為9.68萬km2，占全省的45.8%，基于長株潭城市群近年社會經濟指標數據分析，對長株潭3市現有主要客運交通方式進行客流調查，主要對107國道、320國道、京珠高速和上瑞高速公路收費口等15處進行調查以及長株潭3市長途客運站訪問調查、長株潭相關公交出行隨車調查。根據長株潭城市群近年社會經濟指標，將研究對象區域劃分為27個小區，具體結果見表1。

表1　交通小區劃分表

3.2　發生、吸引量預測

通過分析現狀土地利用，構建客運出行發生、吸引回歸模型，然后在規劃用地圖上統計出各小區的土地使用面積，代入所建立的發生吸引模型得出初始計算值，然后進行調整修正，預測得出研究年度各中區發生吸引量見表2。

表2　長株潭各中區發生吸引量預測結果

3.3　交通分布預測

重力模型的標定采用transCAD進行，通過標定得到值和K矩陣，迭代次數為10次，精度控制為0.01，通過計算，長沙、株洲、湘潭3市分別采用0.89,0.92和1.10。

根據上述參數，代入模型，預測得到研究年度全方式OD交流如表3。

3.4　交通方式劃分

首先對長株潭區域內各交通方式的特征、各種交通基礎設施供應水平和各交通方式的未來發展趨勢作了定性分析。在利用logit模型進行方式劃分預測時，將整個長株潭區域內的出行分為對外出行和城區出行，對兩種空間不同的出行分別進行預測。根據對外和區內交通方式劃分的各交通方式的出行比例得到未來各規劃年度公交類分布量見表4。

表3　2020，2030年全方式中區分布OD

表4　2020，2030年公交類出行分布OD

在利用模型求得各小區之間的公交流量后，即可將全部公交類OD在常規公交和軌道線網上進行競爭分配，從而求得軌道交通流量。

3.5　交通分配

交通分配是基于運營組織的綜合線網分配預測法，將在綜合公共交通網(軌道網、公交網、鐵路網)上進行，使公共交通方式的劃分與交通分配聯合進行，目的是考慮公共交通方式間的競爭。交通分配時考慮公共交通的運營組織，由此分配而得出的軌道交通量及流量等結果將更具有準確性、合理性及指導性。采用隨機用戶平衡分配法,主要客流預測主要指標如表5。

表5　客流預測主要指標

結果分析：項目承擔的客運總量近期40.1萬人/d，遠期57.1萬人/d，客運總量呈逐年增長趨勢，隨著遠期長株潭城市群城際鐵路網的建成，全線承擔的客運量加快增長，近期-遠期年均增長率為3.6%。由于本線經過長沙市中心區、株洲市區、湘潭市區，客流呈線兩頭小、中間大的紡錘狀。由于本線沿線主要客流點為長沙、株洲、湘潭，客流特征呈現出以3點之間的交流為主，因此本線平均運距較長，近、遠期客流的平均運距分別為23.1 km和28.2 km。

4結論

1)分析了城市群城際旅客出行的特征，結合城市群軌道交通自身的特點，基于傳統的四階段法，得出了城市群城際軌道交通客流預測流程。

2)給出基于傳統四階段法城市群城際軌道交通客流預測步驟及方法。并運用組合預測，競爭分配的城際客流預測思路，預測了長株潭城市群2020年、2030年城際軌道交通客流需求及相關客流指標，可以得出本文所提出的模型能夠較好的分析城市群城際軌道交通客流配流問題。其科學性和可行性得到驗證，具有應用價值。

參考文獻:

[1] 趙旭峰.我國城市群城際軌道交通發展若干問題思考[J].綜合運輸,2014,1(5):10-15.

ZHAO Xufeng.Problems and consideration concerning the development of urban agglomeration rail transit in China[J].Comprehensive Transportation,2014,1(5):10-15.

[2] 陸化普,王建偉,陳明.城際快速軌道交通客流預測方法研究[J].土木工程學報,2003,36(1):41-45.

LU Huapu,WANG Jianwei,CHEN Ming.Study on the methods to forecast the passenger volume of intercity rapid railway[J].China Civil Engineering Journal, 2003,36(1):41-45.

[3] 彭輝,續宗芳,韓永啟,等.城市群城際運輸結構配置客流分擔率模型[J].長安大學學報(自然科學版)，2012,32(2):91-95.

PENU Hui,XU Zongfang,HAN Yonqi,et al.Sharing ratios model of passenger flows in intercity transportation structure configuration among urban agglomeration[J].Journal of Chang’an University(Natural Science Edition), 2012,32(2):91-95.

[4] 王樹盛,黃 衛,陸振波,等.都市圈軌道交通客流預測方法研究[J].城市軌道交通研究,2004,1(1):40-43.

WANG Shushen, HUAN Wei, LU Zhenbo,et al.A method of forecasting passenger flow in metropolitan UMT[J].Urban Mass Transit, 2004,1(1):40-43.

[5] 吳家友,劉術紅.基于區位勢能的新城區總體交通需求預測模型探討[J].重慶交通學院學報,2003,22(4):93-95.

WU Jiayou，LIU Shuhong.Research on forecasting model of new blocks[J].Journal of Chongqing Jiaotong University,2003,22(4):93-95.

[6] 汪海,蔣滌非.構建長株潭數字城市群的理論分析實施建議[J].鐵道科學與工程學報,2012,9(2):110-114.

WANG Hai,JIANG Difei.Theoretical analysis and proposals for the construction of Chang-Zhu-Tan digital urban agglomeration[J].Journal of Railway Science and Engineering, 2012,9(2):110-114.

(編輯陽麗霞)

Study on the methods to forecast passenger flow of intercity rail transit for urban agglomeration

WANG Huijing1, CAO Yaoqian2

(1.Transport and Management Department, Hunan Vocational College of Railway Technology, Zhuzhou, 412000, China;

2.School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China)

Abstract：Passenger flow forecasting of urban agglomeration plays in an important role in intercity rail transit planning and feasibility analyzing.On the basis of the study of the intercity rail characteristics and passenger flow features, the traffic zone division method in consideration of region potential energy is proposed.By combining urban economic development with the urban agglomeration, modified gravity models is applied in passenger flow distribution forecast and the k matrix and parameters are calibrated by transCAD.Based on logit model, competitor assignment method based on combination model of transport modal split and assignment is analyzed.Finally, taking Changsha-Zhuzhou-Xiangtan urban agglomeration rail as an example, the short-term and long-term passenger transport demand are predicted for Chang-Zhu-Tan intercity railway with reference to Changsha-Zhuzhou-Xiangtan urban agglomeration rail.The result indicates that the method has great practical value.

Key words：urban agglomeration; intercity rail transit; passenger flow forecasting; competitor assignment

通訊作者：王慧晶(1970-)，女，湖南常寧人，教授，從事交通運輸規劃與管理研究；E-mail:jjing0215@163.com

基金項目：湖南省社科基金資助項目(2010YBB247)

收稿日期：2015-06-06

中圖分類號：U125

文獻標志碼：A

文章編號：1672-7029(2015)06-1520-06