城市各類功能建筑軌道客流生成率研究
——以深圳市軌道1號線為例

平少華

（深圳市規劃國土發展研究中心，深圳 518040）

城市各類功能建筑軌道客流生成率研究
——以深圳市軌道1號線為例

平少華

（深圳市規劃國土發展研究中心，深圳 518040）

隨著我國城鎮化進程的深入，大城市集聚效應不斷強化，隨之而來的交通矛盾也不斷凸顯。軌道交通因具有運量大、效率高、時間可控、舒適度高等特點，被視為新時期大城市交通問題的重要解決手段。如何做好軌道線路及車站規劃，在滿足大部分市民快速出行的同時，保證軌道線路具有持續、充足的客流，這需要深入研究軌道車站、線路沿線各類功能城市用地對客流量的貢獻情況。本文試圖以深圳市軌道1號線2010～2014年的軌道車站客流量、周邊各類功能建筑規模等數據為例，通過線性回歸的方法，對現狀各類功能建筑的軌道客流生成率進行估計，總結該類工作的研究方法及可能的結論，為城市用地、軌道交通規劃相關工作提供參考。

軌道車站；客流量；軌道客流生成率；線性回歸

1 引言

軌道交通在解決大城市交通問題中扮演者越來越重要的地位，軌道交通規劃工作也成為各個城市綜合交通體系規劃的重點。軌道線站位放在哪里才能更精準地滿足市民的出行需求？普通商品住宅、城中村對軌道交通客流生成率區別有多大？商業、辦公等用地的軌道客流生成率又如何？[1]更好解釋以上問題，對軌道交通規劃、甚至城市規劃工作更好開展將起到積極作用，而對現狀實證案例進行分析，是研究以上問題的重要手段。

2 客流量模型假設

2.1 基礎模型

根據基本的交通出行理論，軌道車站的交通量主要是其周邊的建筑產生或吸引的[2]，不同功能建筑具有對應的交通生成率[3]，據此得出軌道車站客流量基礎模型：

其中：（1）因變量：Y是軌道車站全天的進出客流量（本文所有分析只針對軌道車站全天客流量，客流分布情況在其它文章中進行分析），單位：人次/日。

（2）自變量：各類建筑的規模，R2是普通商品房；R4是城中村、私宅；C1是商業、購物中心等；C2是辦公；M是工業；GIC是學校、會展、醫院、體育館等公共配套設施；Oth是市政、交通、倉儲等，單位：100m2。

（4）常數項：C是建筑規模無法解釋的客流量，主要為其它交通方式的換乘客流量。

2.2 其它可能的影響因素

社會經濟活躍程度對城市出行強度具有一定的影響，經濟活動越活躍軌道生成率越高。因此在式（1）的基礎上，引入GDP影響因子，得出如下模型：

（3）其它參數如式（1）。

將式（3）代入式（2），經變形后得：

根據現有實證數據，采用最小二乘法對式（1）和式（4）的常數項C和系數進行估計，分析各類建筑的軌道客流生成率。

3 實證案例數據準備

3.1 客流量數據

本文采用的數據為深圳市軌道1號線2010～2014年各車站全天進出站客流量。樣本數據集中在每年的5月～7月的某個工作日（主要為周三數據），且避開重大節假日。

3.2 建筑量數據

（1）數據年份。深圳市每年會對建筑物進行普查，目前最新的數據更新至2014年，建筑量數據的統計與軌道客流量數據進行統一，均為2010～2014年。

（2）統計范圍。軌道車站只對周邊一定范圍內建筑的出行產生影響，為了對比不同半徑內建筑量對客流量的解釋程度，本文分別對半徑200m、500m、800m范圍內的建筑量進行了統計。

（3）數據篩選。由于幾類建筑較難對客流量進行解釋，主要包括M（工業）、GIC（主要為體育場館、學校、會展等）、Oth（主要為重大交通樞紐等），本文將此類建筑主導型的車站樣本進行了剔除。

由于保留樣本車站周邊M、GIC、Oth等3類建筑所占比例非常小，在數據分析時，對以上3個自變量進行了剔除、不剔除兩類分析。

4 參數估計及主要應用

4.1 參數估計

根據樣本數據，通過最小二乘法對式（1）、式（4）參數進行估計[4]，經對比分析后，關鍵數據匯總見附表，并得出以下結論：

（1）M、GIC、Oth等3個自變量影響。在保留M、GIC、Oth等3自變量的條件下（如附表序列5），以上3個自變量的估計系數出現了負值，與基本常識是不符的，方程F檢驗僅為19.5450。而剔除3個自變量后（如附表序列3），方程F檢驗達到28.5255，且參數的假設檢驗也更優。

（2）GDP因子影響。從附表的序列3、序列4來看，加入GDP因子后，方程F檢驗為24.0035，略小于28.5255，方程并沒有更好的解釋軌道客流量。

（3）軌道車站影響范圍。從附表的序列1～3來看，序列3方程的F檢驗最優，說明車站周邊800m半徑建筑量能更好的解釋軌道客流量。

因此，根據附表序列3系數估計值，得到軌道車站客流量預測模型為：

4.2 數據預測及主要應用

根據式（5）對檢驗樣本進行預測，平均誤差可以控制在10%，方程能夠在一定條件下預測軌道車站的客流量。

在開展軌道車站詳細設計時，往往需要根據周邊的城市土地來預測車站分項客流，目前的預測方法均以線網、單條線路為基礎對單個車站的分項客流進行預測，且設置多項約束條件，預測結果往往與規劃判斷存在一定出入，不能很好地支撐軌道車站設施布置。本文提出的預測方法以車站周邊用地規劃為基礎，預測方法簡單、準確，有利于軌道車站詳細規劃更好的開展。

附表 各類建筑軌道客流生成率參數估計表

5 主要規劃觀點

5.1 城市不同功能建筑的客流生成率差別明顯

根據估計結果，R4類建筑客流生成率達到2.694人次/100m2·日，遠高于R2類建筑的生成率（0.417人次/100m2·日）；C1類建筑的客流生成率（2.256人次/100m2·日）也大于C2類建筑（1.437人次/100m2·日）。因此，在城市用地、軌道交通規劃工作中，應充分認識到私宅、城中村在支持城市正常運轉中所發揮的重要作用，強化對此類片區的覆蓋；對商業用地客流預測分析時，應細化用地小類，以便更好預測遠期交通生成量。

值得注意的是，深圳軌道1號線沿線資源稀缺，房價昂貴，商品房住戶的小汽車擁有率較高，這也可能導致R2類建筑客流生成率低于城市其它片區的R2類建筑，在實際工作中應搜集更符合規劃片區實際的數據進行系數估計。

5.2 分析結果并不能說明GDP因子對客流量無影響

出現文中GDP因子并沒有更好解釋客流量的現象，有以下幾種可能：

（1）GDP因子確實對客流量無影響；

（2）從車站周邊歷年建筑規模量來看，均有增加，在某種程度已反映了GDP因子；

（3）車站周邊歷年建筑規模增加且使用率較高，但當建筑規模接近飽和、基本穩定時，受空置率、使用強度等影響，GDP因子可能更重要。

筆者認為后兩者的可能性更大。

5.3 軌道車站影響范圍應長期動態跟蹤研究

本文主要研究了2010～2014年的相關數據，此期間深圳軌道網絡規模較小，于軌道1號線平行的線路較少，軌道線間距較大，這可能造成了軌道車站影響范圍達800m。隨著軌道網絡密度的加大，車站周邊建筑的統計半徑也應動態跟蹤分析。

6 研究存在的不足

由于筆者技術水平及時間的限制，并未對以下因素進行深入分析：

（1）方程中的C變量主要是公交等接駁交通量，由于缺少歷年軌道車站公交接駁線路的數據，本文并未將相關變量納入自變量體系；

（2）本文對參數的估計方法為普通最小二乘法，并未對其它估計方法進行深入對比分析；

（3）軌道車站的影響范圍與周邊慢行系統的好壞具有重要的關聯性，本文并未深入研究；

（4）建筑物普查數據統計口徑不一，導致建筑功能分類較為混亂，可能對估計結果造成一定影響；

（5）如前文所述，建筑使用率對客流量具有較大的影響，本文并未對該問題進行深入考究；

（6）M、GIC、Oth等3類建筑由于樣本量較小，且影響因素復雜，本文并未進行深入分析，建議實際工作中開展專題研究。

[ 1 ] 吳海燕，高麗燃．結合用地性質的北京市軌道客流特征分析[J]．北京建筑大學學報，2015(12)：:28-35．

[ 2 ] 周志華．軌道客流影響因素及預測要點[J]．城市公共交通,2009(6):35-39．

[ 3 ] 謝明隆．軌道客流特征與土地利用的互動關系研究[C]//公交優先于緩堵對策——中國城市交通規劃2012年年會論文集．2012:1539-1543．

[ 4 ] 王淑偉．站點周邊用地特性對軌道客流影響機理研究[D]．北京：北京工業大學，2015 ．

Study on Subway-station Traffc Generation Rates of Kinds of Buildings in Urban District——Taking Shenzhen Metro Line 1 For Example

Ping Shaohua
(Shenzhen Urban Planning & Land Resource Research Center,Shenzhen 518040)

With China’s urbanization process accelerating, the agglomeration of big cities becomes more and more intensive, which makes traffc jam even worse. Subway is considered as an effective method to alleviate traffc congestions because of its large volume, high effciency, time controllability, more comfort. How to plan the lines and stations of subway to meet people’s travel demand and make sure subway a sustained and ample passenger fow? It is very necessary to study on traffc generation rates of kinds of buildings surrounding the lines and stations of subway. This paper tries to estimate the traffc generation rates through the linear regression method, taking subway-station passenger flows and all kinds of functional building scale surrounding the stations of Shenzhen Metro Line 1 in 2010 ～2014 years as an example, research methods of this kind of work and bring forth some possible conclusions, which may provide reference for the city and urban mass transit planning.

Subway station; Passenger fow; Subway-station traffc generation rate; Linear regression method

U239．5

A