多元數據在北京軌道交通線網規劃中的應用

方恒堃

（北京市市政工程設計研究總院有限公司，北京 100082）

1 北京軌道交通概況

城市軌道交通系統是一種快捷安全、準時可靠、節能環保的大運量公共交通系統，已經成為人們日常出行的重要交通方式。面對日益增長的交通需求和日趨嚴重的交通擁堵問題，我國逐步加快了軌道交通的發展進程與建設力度。在大中型城市中，逐漸形成的軌道交通網絡對改善城市交通結構、優化城市空間布局、提高生活環境質量發揮了重要作用[1]。

北京市軌道交通經過多年的發展，現已覆蓋了西城區、東城區、海淀區、朝陽區、豐臺區、石景山區、順義區、昌平區、通州區、房山區、門頭溝區和大興區等12 個市轄區，線網規模逐步擴大，整體運能達到了一個新的高度，逐步形成了較為成熟的城市軌道交通網絡。

截至2018 年底，北京市共有軌道交通運營線路22 條，運營總里程達637 km，車站391 座，換乘站59 座。軌道交通完成年客運量38.5 億人次，同比增長1.9%，日均客運量1 054.36 萬人次，最高日客運量達到1 349.25萬人次[2]。圖1為北京城市軌道交通線網[3]。

圖1 北京城市軌道交通線網Fig. 1 Beijing rail transit lines

北京市目前正在編制的新一輪軌道交通線網規劃和建設規劃，以及逐年增長的軌道交通客運量，均要求在前期規劃研究中將傳統的定性分析向定量分析轉變，利用包括AFC 刷卡數據、IC 卡數據、手機信令數據、浮動車數據等在內的多元數據，對軌道交通客流的出行需求、出行特征、存在問題等進行定量分析，進而提出解決策略，應用于軌道交通的運營管理、新線規劃和既有線改造等方面。

在軌道交通線網規劃的前期研究中，多元數據主要應用在以下領域：客流預測研究、規劃優化問題、現狀客流特征及存在問題分析研究、軌道交通調度和節能優化研究、狀態監測與可視化研究等[4]。

下面以北京市軌道交通昌平線及西二旗站為例，介紹多元數據在軌道交通現狀客流特征分析和線網優化等方面的應用。

2 多元數據庫分類

目前，國內交通研究機構所使用的多元數據主要包括地鐵AFC 刷卡數據、手機信令數據、公交IC 卡數據、浮動車數據等，針對不同類型的數據分別建立對應的數據庫。

2.1 地鐵AFC 刷卡數據庫

本研究利用地鐵刷卡數據(即AFC 刷卡數據)[5]進行北京市軌道交通現狀運行數據庫的搭建。

2017 年，北京市軌道交通路網年客運量37.78 億人次，日均客運量1 035.07 萬人次。基于如此龐大的客運量，北京市每日產生海量的IC 卡刷卡數據。北京市公交IC 卡(integrated circuit card)刷卡數據，指乘坐北京市公共交通并利用市政公交一卡通刷卡交費的客流產生的數據記錄，分為地鐵刷卡數據和地面公交刷卡數據。根據相關文獻統計，北京市地鐵IC 卡刷卡原始數據在工作日的日均記錄數在500 萬～600 萬條之間波動(不含臨時票卡數據記錄)，具體線路及站點分布如圖2 所示。

圖2 北京城市軌道交通線路站點分布Fig. 2 Distribution of Beijing rail transit lines and stations

通常AFC 數據經過初步處理后，僅能輸出地鐵進出站客流OD 數據，不能知道客流在地鐵內部的換乘路徑。利用TransCAD 對站點OD 數據進行客流分配，可以得到客流在地鐵系統內部的換乘節點數據，從而能夠極大豐富地鐵客流的數據類型。處理之后得到的地鐵運行數據包括(但不限于)：地鐵客流起訖點數據、地鐵站點乘降量數據、地鐵站點換乘數據、線路斷面客流數據等。

2.2 手機信令數據庫

Cell-ID 定位法[6]通過基站所處的位置來表征用戶所在位置，中國移動基站在北京市城區內分布密度較高的區域為CBD、東單、金融中心、中關村、奧體中心、北京西站及周邊等經濟活動較為活躍的區域。在利用手機信令數據提取出行事件信息時，可以記錄出行的起止時間，因而可用于提取不同時間段內的OD矩陣，連續不同時段的OD 矩陣即為動態OD 矩陣，由此可以構建手機信令OD 數據庫。

2.3 公交IC 卡數據庫

北京市自2014 年12 月28 日實施分段計價后，地面常規公交上下車均需刷卡，從而使客流特征的識別與提取更加準確。北京IC 卡數據涵蓋800 多條公交線路，具體線路及站點分布如圖3 所示。

圖3 北京公交線路站點分布Fig. 3 Distribution of Beijing public transportation lines and stations

北京市地面公交IC 卡刷卡原始數據，2016 年工作日平均約為900 萬條(不含遠郊縣公交線路，不含未刷卡客流)，從數據量和數據覆蓋范圍上均較為全面。在豐富的基礎數據基礎上，還需對原始數據進行進一步處理。

通過調查可以獲取包含公交線路/站點名稱與代號的對應關系表。在剔除一輛車數據量小于50 的數據之后，利用該對應關系表即可真實匹配客流的上車/下車站點名稱及經緯度，從而可以構建公交IC卡數據庫。

2.4 浮動車數據庫

浮動車[7]是指利用GPS 定位模塊和無線通信模塊，能夠與交通信息處理平臺進行信息交換的普通車輛，主要包括出租汽車、公共汽車、私人小汽車、公務車及各種特殊車輛。浮動車上的通信模塊負責將車輛的數據傳送到交通信息中心，該中心主要包括無線通信設備、基于GIS(geographic information system，地理信息系統)[8]的交通信息處理系統及計算機設備等。依據浮動車的經緯度、時間、實時速度等信息，經過處理后可以獲取道路運行狀況。

綜上所述，地鐵AFC 刷卡數據、手機信令數據、公交IC 卡數據、浮動車數據等多元數據的特點和應用方向如表1 所示。

表1 多元數據的特點和應用方向統計Tab. 1 Characteristics and application direction of multivariate data

3 軌道交通客流特征

根據北京交通發展研究院發布的北京市交通發展年度報告，北京市城市軌道交通運營的現狀特征主要包括以下4 個方面。

3.1 地鐵車站進出站客流特征

早高峰進出站的客流規模受車站的功能屬性和開發強度影響較大，典型的交通樞紐、居住區和辦公區早高峰進出站規模排序均居前列。

2017 年線網工作日的日均早高峰進站量排名前20 的車站主要分布在霍營、天通苑北、天通苑、宋家莊、立水橋、回龍觀、十里河、回龍觀東大街、龍澤、蘋果園等大型居住區周邊，進站量的時間不均衡性明顯，早高峰進站量占全天的比例為40%～60%，其中霍營站和回龍觀東大街站的早高峰進站量占全天比例達57%以上(見圖4)。

2017 年線網工作日的日均早高峰出站量排名前20 的車站主要分布在西二旗、朝陽門、國貿、西直門、阜成門、大望路、復興門、東直門等辦公區周邊，出站量的時間不均衡性明顯，早高峰出站量占全天的比例為30%～50%，其中復興門站早高峰出站量占全天比例達50%以上(見圖5)。

3.2 地鐵車站換乘客流特征

2017 年線網各線路換乘量排名前3 位的線路分別為10 號線、4 號線-大興線和1 號線，日均換乘量分別達68.86 萬、57.35 萬和54.64 萬人次，以上3 條線路換乘量占線網換乘總量的36.9%，其他線路如2 號線、5 號線、6 號線和13 號線日均換乘量也在30 萬人次以上。從換乘客流占各線路客運量比例來看，9 號線換乘量占其全日客運量的60.2%，占比為各線最高，1 號線、2 號線和5 號線該比例也在50%以上，均呈現出以換乘客流為主的線路特征。

圖4 早高峰進站量Fig. 4 Boarding passenger flow during the early peak

圖5 早高峰出站量Fig. 5 Alighting passenger flow during the early peak

2017 年線網各換乘站日均換乘量排名前3 位的車站分別為西直門站、宋家莊站和惠新西街南口站，日均換乘量分別達25.01 萬、21.82 萬和15.37 萬人次；工作日早高峰(7:00—9:00)期間，西直門站換乘量最高，達6.53 萬人次，其次為宋家莊站和惠新西街南口站，分別為6.16、4.53 萬人次(見圖6)。

圖6 2017 年各換乘站早高峰日均換乘量(TOP20)Fig. 6 Transfer passenger scale of the transfer urban railway stations during the early peak in 2017

3.3 線路斷面客流特征

2017 年線路高峰小時最大斷面客流量為4 號線-大興線的菜市口—宣武門上行區間，達6.09 萬人次/h，同比去年降低0.33%；其次為6 號線的十里堡—金臺路下行區間，高峰小時最大斷面客流量5.92 萬人次/h，同比去年增長11.49%。

2017 年線路高峰小時最大斷面滿載率超過100%(含)的線路共有14 條、24 個方向，其中4 號線-大興線的菜市口—宣武門上行區間、5 號線惠北—惠南下行區間、6 號線十里堡—金臺路下行區間、9 號線七里莊—六里橋上行區間、13 號線上地—五道口上行區間、15 號線崔各莊—望京下行區間、昌平線生命科學園—西二旗下行區間、房山線稻田—大葆臺上行區間、八通線傳媒大學—高碑店下行區間，共計9 條線路高峰小時最大斷面滿載率超過120%(含)(見圖7、8)。

4 問題分析及優化

在分析北京市軌道交通現狀客流特征的基礎上，應用地鐵AFC 數據和公交IC 卡數據，對昌平線及西二旗站存在的問題進行分析，并提出優化建議。

4.1 問題分析

4.1.1 昌平線運營現狀分析

昌平線是連接北京市區與北部昌平新城的地鐵線路，線路起終點為西二旗—昌平西山口，運營里程31.9 km。全線共設置12 座車站，其中包括朱辛莊和西二旗2 座換乘車站；車輛基地2 座，分別為定泗路停車場和十三陵景區車輛段[9]。

圖7 2017 年早高峰斷面滿載率Fig. 7 Load factor of the line section during the early peak in 2017

圖8 2017 年晚高峰斷面滿載率Fig. 8 Load factor of the line section during the evening peak in 2017

據2016 年軌道交通線網線路高峰小時最大斷面滿載率統計[10]，昌平線(生命科學園—西二旗區段)最大斷面滿載率全年最高達152%，居全網之首。同時，統計昌平線2016 年某一周5 個工作日的最大斷面滿載率，可知該線工作日最大斷面滿載率的平均值為148%。昌平線車廂內擁擠異常嚴重，乘客服務水平極低，亟需采取相應措施來降低最大斷面滿載率。

截至2016 年12 月31 日，線網常態限流車站共82 座，占車站總數的24%。昌平線共有12 座車站，早高峰包括西二旗、朱辛莊、生命科學園、沙河、沙河高教園和南邵等6 座車站實行常態限流，晚高峰西二旗站實行常態限流，沙河站早高峰、西二旗站晚高峰站外限流規模均超過1 000 人。

由昌平線早高峰全線12 座車站的進站量、出站量和進出站量數據可知，早高峰進站量前5 位車站的量級較為均衡，均在11 000 人左右；早高峰出站量前5位車站的量級較為懸殊，除西二旗站為40 000人左右，其他各站均在4 000 人以下。西二旗站在進站量、出站量及進出站量3 方面，均居昌平線首位。

圖9 為昌平線早高峰進站量排名前5 位車站的客流去向分析，客流主要出站車站的比例統計如表2 所示。由表可知，客流主要在本線西二旗站出站，占比13.40%，去往10 號線海淀黃莊、知春路等主要車站占比6.17%，去往13 號線沿線的上地、五道口、大鐘寺、西直門等區域占比13.52%，而去往原昌平線南延終點——國家圖書館站僅占0.41%。

圖9 昌平線早高峰進站量排名前5 位車站的客流去向Fig. 9 Top 5 stations of the Changping Line with the greatest numbers of boarding passengers during the early peak

表2 昌平線早高峰進站前5 位車站的客流去向統計Tab. 2 Destinations of the top 5 stations of the Changping Line with the greatest numbers of boarding passengers during the early peak

4.1.2 西二旗站現狀分析

西二旗站是昌平線的首末站，也是昌平線和13號線的換乘站[10]。

1) 周邊業態分析。西二旗站主要服務于上地信息產業基地、中關村軟件園、航天城等區域，區域內聚集了包括百度、聯想、新浪、網易、騰訊等多家大型知名互聯網公司，屬于典型的吸引到達區域。

2) 客流來源分析。統計2016 年線網工作日的日均早高峰進出站量，其中西二旗站以3.34 萬人次的高峰兩小時出站量居全網首位，出站客流疏散及接駁壓力大[11]。

圖10 顯示西二旗站出站客流的所有來源，經分析，主要來自昌平線沿線、回龍觀地區(回龍觀、龍澤、霍營)、天通苑地區(天通苑北、天通苑、立水橋、北苑)、13 號線沿線(五道口、西直門、知春路、大鐘寺)等地。

圖10 西二旗站主要客流來源Fig. 10 Main passenger flow source of Xi’erqi Station

3) 出站客流分析。結合地鐵AFC 數據、公交IC卡數據以及現場調研情況，分析西二旗站出站客流接駁公交的去向。圖11 表明，客流去向與周邊業態分布相呼應，多數接駁公交客流去往百度、聯想、新浪、網易、騰訊等中關村軟件園所在區域。

圖11 西二旗站出站客流接駁公交分布Fig. 11 Distribution of Xi’erqi Station outbound passenger flow transferring to buses

4) 車站換乘量分析。朱辛莊高峰小時最大換乘量約0.4 萬人次，占昌平線鞏華城—朱辛莊斷面客流的23.3%；朱辛莊站高峰小時進、出站量約為0.7 萬、0.07 萬人次。說明昌平線與8 號線在朱辛莊站銜接換乘分流作用不強。高峰小時昌平線換乘13 號線的最大換乘量約為1.8 萬人次，西二旗站換乘壓力大，同時對已超載運行的13 號線而言客流壓力巨大。

4.2 優化建議

針對昌平線(生命科學園—西二旗區段)目前高峰小時最大斷面滿載率居全網首位，全線50%車站常態限流，西二旗站進、出站量均較大等問題，建議采用如下措施：

1) 縮小昌平線發車間隔，提高單線系統運能。目前13 號線上地—五道口區段，高峰小時最大斷面滿載率高達124%。結合前面的分析，昌平線主要客流去往13 號線沿線占比13.52%，當縮小昌平線發車間隔后，將造成客流更快更多地進入西二旗站及13 號線西段。昌平線和13 號線運營風險非常大，短期內單純依靠運營手段解決昌平線的問題較為困難，需要多措施并舉。

2) 建議昌平線南延終點由國家圖書館站調整至西直門站，并盡快啟動南延工作。根據北京市城市軌道交通建設規劃(2014—2020)批復[12]，昌平線南延至國家圖書館站，目前因工程難以實施[13]，昌平線南延薊門橋—國家圖書館區段暫緩開工。由上面的分析可知，昌平線主要客流去往國家圖書館站的比例僅為0.41%，而去往西直門站的比例為2.89%，且去往13 號線沿線占比13.52%，因此建議昌平線由薊門橋南延至西直門站，一方面滿足客流直達需求，另一方面可以緩解五道口、大鐘寺等13 號線沿線各站的客流壓力。

3) 建議19 號線北延，緩解昌平線及13 號線壓力。盡快啟動19 號線北延至沙河的工作，提高昌平沙河、TBD 地區軌道線網密度，解決昌平線北段客流壓力大的問題，繼而緩解13 號線的客流壓力。

4) 提供回龍觀及天通苑地區客流進入西二旗地區的軌道交通直接聯系通道，緩解13 號線北段及西二旗站的出站客流壓力。

5 結語

城市軌道交通的快速發展，有效緩解了交通擁堵，是現代交通運輸發展的重要方式。應用多元數據分析技術，構建包括AFC 刷卡數據、IC 卡數據、手機信令數據、浮動車數據等在內的軌道交通多元數據庫，深入探索軌道交通系統的運維和數據規律，指導運營實踐和規劃，是一個重要的研究領域。

隨著城市的發展，越來越多的交通難題顯現出來，城市交通的復雜性在于“綜合”，多元數據分析模型對此提供了一種支持戰略調控能力的技術把控手段。本研究用其分析軌道交通現狀客流特征和運營線網存在的問題并加以優化，提供可量化、可追蹤、科學合理的數據支撐，是對傳統定性研究方式的一次創新，所獲得的研究成果對提升軌道交通線網規劃水平和運營管理水平具有重要的理論和現實意義。