基于智能卡數據的地鐵站點擁堵水平分級研究

譚曉偉

(1.長安大學汽車學院，陜西 西安 710064；2.長安大學汽車運輸安全保障技術交通行業重點實驗室，陜西 西安 710064)

隨著網絡化、規模化發展，地鐵在一定程度上緩解了城市擁堵、為廣大乘客高效出行提供了便利?？土髫摵蓮姸仁怯脕砗饬烤€路運輸能力是否飽和、評估軌道交通運營效果的重要指標，是指每公里地鐵線路每日承擔的客流量，即萬人次/(km·日)。國家發改委[2015]49號《關于加強城市軌道交通規劃建設管理》提出，擬建地鐵初期負荷強度不低于每日每公里0.7萬人次。但是，還沒有一個定量的指標來全面衡量單一地鐵站點的客流強度或擁堵水平。地鐵AFC系統收集的大量智能卡數據，為精準的客流分析、客流預測提供了基礎數據。本文將通過對大量智能卡歷史數據的綜合分析，引入地鐵站點擁堵水平劃分的指標并進行級別劃分研究。

1 智能卡數據描述

本文以南京地鐵作為研究對象，南京地鐵于2005年9月率先開通運營地鐵1#線，截止2017年9月，已開通并運營包括1#線、2#線、3#線、4#線、10#線、S1#線、S8#線在內的7條線路，共車站128座，其中換乘站11座。

通過南京地鐵AFC系統收集的智能卡數據，其每一條數據都包含著一卡通號、票卡類型等持卡人基本情況和進站時間、進站站點、進站閘機通道、出站時間、出站站點、出站閘機通道等乘客出行信息，具體格式如表1所示。本文選取2017年9月18日(周一)至2017年9月24日(周日)共七個交易日的數據，包含3 492 875張卡共計11 183 212條出行記錄。

表1 智能卡數據格式

2 地鐵站點分級指標的選取

客流負荷強度不能反映單一地鐵站點的擁堵水平，因此引入站點日均客流量和單位閘機通道日均客流量兩個概念來反映地鐵站點的擁堵水平。

站點日均客流量：每日進、出一個地鐵站點的平均客流量。

Qi=Mi+Ni

(1)

其中Qi為站點日均客流量，Mi為第i個地鐵站點日均進站客流量，Ni為第i個地鐵站點日均出站客流量。

單位閘機通道日均客流量：每個閘機通道每天進站和出站的平均客流量。

(2)

其中Pi為單位閘機日均客流量，mi為第i個地鐵站點進站閘機通道的個數，ni為第i個地鐵站點出站閘機通道的個數。

利用智能卡歷史數據，根據公式(1)可以得出站點日均客流量排前五位的地鐵站點是：新街口、南京南站、南京站、邁皋橋、柳州東路，其客流量分別是221 616人次、130 311人次、96 183人次、92 850人次、91 638人次；排后五位的地鐵站是：六合開發區、匯通路、孟北、東流、西崗樺野，其客流量分別是 1201人次、931人次、661人次、614人次、361人次。

根據公式(2)，可以得出單位閘機日均客流量排前五位的地鐵站點是：奧體中心、小行、張府園、中華門、中勝，其客流量分別是20 147人次、11 606人次、9 144人次、8 529人次、8 144人次；排后五位的地鐵站是：蘇寧總部徐莊、匯通路、孟北、西崗樺墅、仙林湖，其客流量分別是185人次、182人次、107人次、100人次、44人次。

可見，單一指標反映的結果差異較大，因此用日均客流量和單位閘機通道日均客流量復合指標來反映地鐵站點擁堵水平。

3 地鐵站點擁堵水平劃分的原則

(1)客觀性原則：地鐵站點擁堵水平的劃分必須以現有地鐵站點的實際客流規模為基礎，符合當前實際發展的需要。

(2)前瞻性原則：地鐵站點擁堵水平的劃分必須考慮未來以地鐵為主導的公共交通的發展水平和可能的客流規模，使得地鐵站點擁堵水平劃分方法能適應未來地鐵發展的需要。

4 地鐵站點擁堵水平劃分

根據前文的理論分析，本文選擇由日均客流量和單位閘機日均客流量組成的復合指標作為地鐵站點擁堵水平劃分依據，采用“等比分級法”將其劃分為嚴重擁堵、中度擁堵、輕度擁堵和基本暢通四個級別，具體如表2所示。

按照本文提出的地鐵站點擁堵水平劃分方法，對南京地鐵128個站點的擁堵水平進行級別核定，結果如表3所示。

表2 地鐵站點擁堵水平劃分標準

表3 南京地鐵站點擁堵水平核定結果

5 不同擁堵級別地鐵站點時空特征

利用ArcGIS 10.2將南京地鐵128個站點的擁堵水平進行可視化，可以得到不同擁堵級別地鐵站點的空間分布，如圖2所示。地鐵站點的空間分布形態基本上以唯一的嚴重擁堵站點三山街為中心，按照站點擁堵級別的不同，由城市中心區向城市外圍呈輻射狀分布，且不同地鐵線路的擁堵水平差異較大。通過表4可以看出，1#線和2#線上的站點擁堵水平最高，S1#線和S8#線上的站點相對通暢。

圖2 不同擁堵級別地鐵站點空間分布

以5 min為周期統計不同擁堵級別地鐵站點刷卡進站和刷卡出站的日均客流量，得出其時間特征曲線，如圖3所示。利用Perason系數分析不同擁堵級別地鐵站點時間特征曲線的相似性，如表5、表6所示，曲線之間的Pearson系數均小于0.985，說明不同擁堵級別地鐵站點之間的時間特征均呈現出一定的差異性。

表4 南京地鐵不同擁堵級別站點在各條線路上的分布

圖3 不同擁堵級別地鐵站點時間特征曲線

表5 不同擁堵級別地鐵站點刷卡進站Pearson系數

表6 不同擁堵級別地鐵站點刷卡出站Pearson系數

6 降低地鐵站點擁堵水平對策研究

根據擁堵水平的分級指標的內涵，當地鐵客流規模不變時，忽略乘客進、出站刷卡支付速度等因素，適當增加進站或出站閘機通道數量，可降低地鐵站點擁堵水平。通過表7可以看出，隨著地鐵閘機通道數量的增加，嚴重擁堵和中度擁堵的站點也相應減少。但是，由于地鐵站點內部空間的限制，當日均客流量和單位閘機通道客流量增加到一定程度，進站后的客流和出站后的客流不能很好地疏散而大量擁堵在進站或出站閘機附近時，利用增加進站或出站閘機通道的方法已不能有效地降低站點的擁堵水平。

表7 降低地鐵站點擁堵水平的方案及效果

7 結 語

(1)引入地鐵日均客流量和單位閘機日均客流量兩個概念，選擇由日均客流量和單位閘機日均客流量組成的復合指標作為地鐵站點擁堵水平劃分依據，采用“等比分級法”將其劃分為嚴重擁堵、中度擁堵、輕度擁堵和基本暢通四個級別。按照提出的分級方法對南京地鐵128個站點的擁堵水平進行級別核定，嚴重擁堵、中度擁堵、輕度擁堵和基本暢通的地鐵站點數量分別是1、16、35、76。

(2)對不同擁堵級別地鐵站點時空特征進行了分析，地鐵站點的空間分布形態基本上以唯一的嚴重擁堵站點三山街為中心，按照站點擁堵級別的不同，由城市中心區向城市外圍呈輻射狀分布，且不同地鐵線路的擁堵水平差異較大。其中1#線和2#線上的站點擁堵水平最高，S1#線和S8#線上的站點相對通暢。利用Perason系數分析不同擁堵級別地鐵站點時間特征曲線的相似性，得出不同擁堵級別地鐵站點之間的時間特征均呈現出一定的差異性。

(3)探討了降低地鐵站點擁堵水平的對策：適當增加進站或出站閘機通道數量，可降低地鐵站點擁堵水平。

隨著智能卡實名制的普及和手機、手環等智能產品電子支付在地鐵上的廣泛應用，收集到的智能卡數據將包含有乘客年齡、性別、民族等個人屬性信息。在數據確權和保護乘客隱私的前提下，考慮不同年齡段、不同性別乘客等因素對地鐵站點擁堵水平影響的研究將成為可能，屆時可建立更有效的擁堵水平分級評價體系，乘客的個性化出行需求將更好地得到滿足，地鐵的運營管理將更加高效。