現代有軌電車客流預測在淮安的實踐

舒 蕾

?

現代有軌電車客流預測在淮安的實踐

舒 蕾

摘 要：介紹現代有軌電車客流預測模型的建模方法及建立過程，并分析模型的特色及創新點。以淮安市有軌電車為例，選 用TransCAD 軟件，構建淮安公共交通（地鐵、有軌電車和常規公交）專題模型，利用此模型對淮安市有軌電車交通線網進行客流預測，并提取有軌電車、工程線路的客運需求和各項客流指標，為線路的工程建設提供科學依據。

關鍵詞：有軌電車；地鐵；客流預測；模型構建

舒 蕾：上海市城市規劃建筑設計工程有限公司，助理工程師，上海200011

0　引言

目前，國內已有多個城市開展有軌電車規劃和建設，例如天津、上海、大連等城市已經開通有軌電車線路，作為中、低運量的城市軌道交通系統，有軌電車線網應當與城市主要公交客流走廊相耦合，其線網規劃離不開對客流需求的準確把握。為此，在對淮安市公共交通現狀調查的基礎上，應用交通需求預測模型對淮安市有軌電車一期工程的客流需求進行研究，為其一期工程的可行性研究及后期建設提供支持。

1　淮安有軌電車預測概述

依托城市高鐵站布局，淮安市遠期擬規劃建成地鐵線路4條和有軌電車7條，如圖1所示。其中有軌電車一期工程為淮安骨干公交系統即 T1線路（圖2），起自清河區體育館地區，終于淮安區商貿城。該線路全長20.3 km，共設站23座。

圖1　淮安市遠景軌道交通線網整合規劃圖

圖2　淮安有軌電車一期工程線路圖

2　模型構建

在淮安市綜合交通模型系統（HACTS）的基礎上，搭建淮安公共交通專題模型（HATTS，包括地鐵、有軌電車和公交），輸入社會經濟、相關規劃、交通設施、地鐵和有軌電車線網方案、預測線路方案等數據，從整個有軌電車線網的角度來預測各項客流指標，從中提取有軌電車一期線路信息。

2.1預測方法

以下從模型總體思路、模型架構和數據3個方面闡述預測方法。

2.1.1總體思路

以2020年、2030年和2050年作為特征年，對淮安市有軌電車出行客流進行預測，并通過插值計算法估算淮安市有軌電車一期線路在工程初期（2018年）、近期（2025年）以及遠期（2035年）的客流預測結果。

2.1.2模型架構

此次預測過程采用 TransCAD 交通軟件，建立淮安市有軌電車客流預測模型，并以流程圖的形式將整個過程表達出來，如圖3所示。模型采用四階段法，通過 OD調查得到居民出行數據，通過出行生成、出行分布、交通方式劃分和交通分配4個階段，獲得整個線網的客流預測數據，再通過插值計算得到有軌電車一期線路的客流預測結果。

圖3　淮安市公共交通客流預測模型架構圖

2.1.3數據結構

模型的數據結構分為縱向和橫向數據關系，縱向關系的處理順序為輸入數據、處理數據、四階段模型數據處理、最終數據檢驗和反饋；橫向關系包含居民出行模型、流動人口出行模型、對外出入口交通模型以及基礎網絡模型等。

2.2基礎模型的構建

基礎模型采用常用的四階段法構建，分為出行產生模型、出行吸引模型、出行分布模型、方式劃分模型和交通分配模型。

將淮安市分為351個交通小區，合并為6個交通大區。本次模型采用早高峰時段數據。

2.2.1出行產生模型

出行產生量即出行客流量，預測采用交叉分類中的產生率法，將出行對象根據不同的出行目的進行分析，確定各交叉類別的出行率，即：

式（1）中，Pi為交通小區 i 的出行產生量，次；Ri為i 小區的人口數，人；n 為不同的出行目的數，個；rq為交通大區 q 的出行產生調整系數；j 為交通小區的編號；Gnj為小區編號為 j、出行目的為 n 的出行率，次/人。

為區分不同出行目的、不同小區、不同職業反映的不同出行特征，將出行目的分為4種：基于家上班出行（即從家出發，以上班為出行目的）（HBW）、基于家上學出行（HBS）、基于家其他出行（HBO）以及非基于家出行（NHB）。

根據淮安市2011年居民出行調查資料，分別對各小區的人口和不同目的的出行發生量進行回歸，計算出不同目的、不同分區的居民出行率，如表1所示。

表1　淮安市現狀居民出行率　次/人

2.2.2出行吸引模型

出行吸引模型采用與出行產生模型類似的交叉分類法，根據單位就業崗位吸引率計算每個小區的出行吸引量，其表達式為：

式（2）中，Ai為 i 小區的出行吸引量，次；m 為出行目的數，個；n 為就業崗位類型數，個；rq為交通大區 q 的吸引調整系數；Knmi為就業崗位類型為 n 的出行吸引率，次/崗位；Mnmi為就業崗位類型為 n 的就業崗位數，個。

與出行產生模型相同，出行吸引模型也分為HBW、HBS、HBO、NHB 4種出行目的，計算獲得出行吸引率如表2所示。

表2　不同就業崗位出行吸引率　次/崗位

2.2.3出行分布模型

出行分布模型建立的是各個交通小區之間交通量交換的定量關系。鑒于重力模型能夠反映土地和交通設施的變化對分布的影響，本次模型構建選擇雙重力約束模型：

式（3）中，a、b 為修正參數；cij為 i 小區到+j 小區的出行時間矩陣；qij為 i 小區到 j 小區之間的總出行次數，次；Pi為 i 小區的出行產生量，次；Aj為+j 小區的出行吸引量，次；f+（ cij） 為 i 小區和+j 小區之間的阻抗函數，利用距離衡量。

以淮安市居民出行 OD 調查資料為基礎，通過平均出行時耗和時耗分布標定阻抗函數，選用反冪函數。模型參數 b 的標定值見表3。

表3　出行分布模型參數標定結果

2.2.4方式劃分模型

交通方式劃分是將預測年度各交通小區的居民出行量按照一定的交通選擇行為準則分配給各交通方式，包含步行、自行車、電動車、小汽車和公交（含地鐵、有軌電車）5種方式。采用目前國際上較為成熟的 LOGIT模型，在預測中結合政策分析和各方式距離分布曲線對模型進行校核和修正。同時考慮淮安社會經濟、城市用地發展等因素，確定其出行方式劃分模型如下：

式（4）中，p （ i ） 為選擇交通方式 i 的概率，Ui為交通方式 i 的效用函數，Cn為 n 種可選交通方式組成的集合。

參考規劃的預測結果，得到各規劃年淮安市居民出行方式結構如表4所示。

表4　淮安市規劃區各交通方式居民出行比例結構表 %

2.2.5交通分配模型

交通分配模型采用隨機用戶平衡法（SUE）。本次建模采用先建立全日需求矩陣，然后根據調查得出的高峰小時系數矩陣得到高峰小時矩陣。

2.3有軌電車模型構建

有軌電車模型在基礎模型上構建，從整個線網層面進行交通預測，并從中提取一期線路的預測數據。

2.3.1模型和參數說明

模型采用 TRANSCAD 提供的公共交通分配方法（多路徑總費用最優模型），該方法具有如下特點：總費用（General Cost）更細致、準確地描述出行者的路徑選擇；時間包含步行時間、等車時間、車上時間；不舒適性包含上車和換乘、票價；多路徑概率選擇，而不僅是最優路徑?；灸Ｐ腿缦拢?/p>

總費用成本由實際出行時間和因支付票價而引起的時間當量值兩部分組成：

式（5）中，Tt為實際出行時間的加權值；Tc為由票價引發的時間價值當量，即票價所對應的時間價值，由票價時間當量值 Tcpt組成。

票價時間當量值 Tcpt由基本票價和乘車距離附加票價兩部分構成：

式（6）中，Npt為乘客上下車的次數，次；Cpt為乘客乘車的時間，min；Dpt為乘車的距離，km；Fpt為每公里票價時間，min/km。

實際出行時間的加權值 Tt包含步行時間、候車時間、乘車時間、進出（軌道）站點時間、換乘時間等。由于乘客對不同時間要素存在感覺上的差異，因此把上述指標換成同一單位時，須考慮相應的權重系數：

式（7）中，Tw、β1為步行時間及其權重，Ta、β2為候車時間及其權重，Tv、β3為乘車時間及其舒適度權重，Tm、m 為換乘次數及換乘懲罰時間。

根據其他同類城市經驗，確定淮安市有軌電車分配模型的主要參數值如表5所示。

表5　淮安市有軌電車分配參數

2.3.2時間價值參數說明

影響出行時間價值（即單位出行時間的貨幣化表現）的因素很多，但主要與出行目的和居民收入水平有關，根據淮安的具體情況，綜合分析影響出行時間價值的相關因素，以及方式劃分模型中標定的模型，并參照居民出行時間價值調查的結論，本文設定早高峰時段有軌電車乘客的單位時間價值（VALUE OF TIME）為13.8元/h［8］。

2.3.3模型結果分析

為了檢驗分配結果的合理性，通過調查的結果對預測結果進行誤差分析，得到模型平均出行時間為49 min，居民出行調查中公交方式平均出行時間為45.4 min，誤差7.9%，認為分配模型標定的相關參數可以接受，分配的結果基本符合淮安市現狀。

3　模型應用

將上述模型運用于淮安市有軌電車的客流預測，以下從基礎工作和預測結果兩方面進行闡述。

3.1基礎工作

在交通小區的劃分過程中采用層次性的劃分手段。以600 m 為半徑劃定站點的客流影響范圍，對于有軌電車一期工程線路沿線區域劃分精細化，保證客流預測的準確性。對于有軌電車一期線路影響范圍以外的區域，在遵守基本的交通小區劃分標準的基礎上，逐步增加單位小區的平均劃分面積，以期降低客流預測的復雜性。詳細劃分情況如圖4所示，其中交通大區6個，交通中區16個，交通小區351個，屬于有軌電車一期線路直接影響范圍的交通小區 40 個，在圖4中以紅色標注。

根據相關規劃和資料獲取人口、就業、人均出行次數、公共交通發展目標和特征年線網規劃（圖5）等。

圖4　交通小區劃分圖

圖5　特征年線網規劃方案

3.2線網預測結果

根據上述模型獲得淮安市線網預測結果，可以發現遠期客流出行空間分布特征與淮安市規劃的空間布局相契合。遠景（2050年）市公交客運總量（地鐵、有軌電車和公交）達464萬人次/日，其中快速公交（地鐵+有軌電車）客運量為283萬人次/日，占公交客運總量的61.15%，起到了公交骨干的作用。快速公交線網內部，2030年有軌電車與地鐵的客運分擔比例分別為63% 和37%，分別占到公交客運總量的31% 和18.26%；2050年有軌電車與地鐵的客運分擔比例分別為42% 和58%，分別占到公交客運總量的25.7%和35.5%，符合這2種快速公交方式在淮安市公共交通系統中的功能定位。

快速公交線網規劃年客流指標如表6所示，公共交通線網客流分布如圖6所示。

3.3一期預測結果

結合淮安市有軌電車一期線路工程實際情況，通過插值法［6］得出一期工程在項目初期（2018年）、近期（2025年）和遠期（2035年）的具體客流指標，如表7所示。

圖6　快速公交線網規劃年客流分布圖

表6　淮安城市快速公交線網（地鐵 + 有軌電車）客流預測指標匯總

表7　淮安市有軌電車一期工程全線主要客流指標

4　總結

近年來，國內掀起一股有軌電車發展熱潮，各大、中型城市視有軌電車為優質、綠色、高效的交通工具，將其作為提升城市形象、提高交通品質的選擇。隨著有軌電車的規劃與建設，其客流預測理論和方法也需要在實踐中不斷完善和改進。

參考文獻

［1］ 中華人民共和國中央人民政府. 中華人民共和國國民經濟和社會發展第十二個五年規劃綱要［R］. 北京：中華人民共和國中央人民政府，2011.

［2］ 中華人民共和國國家發展和改革委員會. 關于發展現代有軌電車的指導意見［R］. 北京：中華人民共和國國家發展和改革委員會，2011.

［3］ 張國華，歐心泉，周樂，等. 有軌電車系統規劃設計思考［J］. 城市交通，2013，11（4）：24-29.

［4］ 張安鋒，李東屹，馬士江. 上海市有軌電車系統布局規劃研究［J］. 上海城市規劃，2014（2）：19-26.

［5］ 徐正和. 現代有軌電車的崛起和探索［J］. 現代城市軌道交通，2005（2）：12-15.

［6］ 黎冬平，王寶輝，陳雷進. 現代有軌電車在淮安市核心區的應用方案研究［J］. 中國市政工程，2014（6）：88-91.

［7］ 涂俐蘭，黃丹. 插值法在數據修正中的應用［J］. 數學理論與應用，2012，32（3）：110-115.

［8］ 胡吉平. 旅行時間價值研究的意義與方法［J］. 綜合運輸，2008（10）：64-67.

［9］ 陸錫明，李娜. 科學理性地發展有軌電車［J］. 城市交通，2013，11（4）：19-23.

責任編輯 凌晨

Passenger Traffi c Forecast for Advanced Tramway in Huaian

Shu Lei

Abstract:The paper makes an introduction of modeling methodologies for the passenger traffic forecast of the advanced tramway and the modeling establishment process, and an analysis of its characteristics and innovation. By taking the advanced tramway in Huaian as an example and using TransCAD, it establishes a specialized model for the public transportation (metro, tram and public transport) of Huaian. Using the model of passenger traffic forecast for the public transportation networks in Huaian, it provides support to the track network construction based on the passenger traffi c demand and data of passenger fl ow collected from the advanced tramway.

Keywords:tramway, passenger traffic forecast, model

中圖分類號：U121

收稿日期2015-08-10