樞紐換乘客流預測

王曉明，萬廣娣

(柳州鐵道職業技術學院運輸管理學院，廣西 柳州 545616)

0 引 言

隨著出行需求的發展，綜合樞紐建設與理念也取得了巨大的飛躍。各城市相繼建設了一系列以“交通綜合體”為理念的大型綜合樞紐站。綜合樞紐是一個系統，內部換乘流線錯綜復雜，假如能對未來年樞紐換乘客流進行系統預測，就能依據客流的情況進行系統分析，采取相應措施就能提高樞紐的換乘效率。

目前，國內外學者針對換乘客流的預測展開了大量的研究。Khattak等通過研究發現，在一定程度上，詳細的交通信息會影響旅客的出行習慣，若無信息服務，旅客則根據習慣選擇出行方式。馬彥祥、高崇經分析得宏觀上客流受社會文化、資源不均衡、日常通勤影響，微觀上客流可分為探親訪友、節假日、學生寒暑假及商務公務等出行構成。劉樹義通過TransCAD構建青島市交通需求預測模型，并對模型不足處進行優化。周偉、姜彩良將換乘的影響因素分為可量化和不可量化兩種，分析確定效用函數，使用Logit得旅客換乘其余交通方式的分擔率。

綜上所示，眾學者對綜合樞紐的研究主要有兩種思路：

(1)分析主要與其余交通方式間換乘，即高鐵(普鐵)與其他交通方式間換乘。計算此部分換乘客流多數應用MNL模型，通過計算主要交通方式、其他交通方式的分擔率，得到換乘量；

(2)分析整體，即分析樞紐內所有交通方式。計算此部分換乘量主要采用交通分布的重力模型。

傳統樞紐中客運專線和市內交通之間的換乘是主流，大多學者將對外交通換乘其他交通方式視為一個整體采用MNL模型計算換乘比例，MNL模型適用于出發點和到達點相同的情景，但隨著樞紐理念的發展，多元化綜合樞紐使換乘客流結構更為復雜。本文根據服務對象的不同，將樞紐內的所有交通方式劃分為對外交通和市內交通。因此，換乘方式有對外交通間換乘方式、對外交通與市內交通間的換乘方式、市內交通間的換乘方式三種，如圖1所示。

圖1 樞紐換乘結構圖

圖1中，對外交通包含高鐵、普鐵、長途客運、飛機，市內交通包含地鐵、常規公交、非機動車、出租車、社會車等。

綜上分析預測思路分為三步：

(1)對外交通間換乘方式，主要確定彼此換乘量在總換乘的比例。

(2)對外交通與市內交通的換乘方式，主要確定對外交通換乘市內交通的占比。縱觀國內外研究狀況大多結合調查情況，使用MNL模型計算得到換乘比例。

(3)市內交通之間的換乘，根據現狀的換乘矩陣，引用TransCAD重力模型標定系數，確定預測年的換乘矩陣。

1 基本模型介紹

1.1 MNL模型

設方案集Cn有j個備選方案，個體n選擇效用最大的方案i。如公式(1)所示。

Uin=max{U1n,U2n,…,UNu}

(1)

Uin是個體n選擇的i方案效用；{U1n,U2n,…,UNu}是出行者n選擇方案的效用集合。

效用值包含隨機變化(概率)項εin和非隨機變化(固定)項Vin。概率項是難觀測、難量化因素構成，固定項是易觀測、易量化因素構成。

個體n選擇方案i的效用Uin用公式(2)表示。

Uin=νin+εin

(2)

對出行者n選擇方式i的概率Pin求解

Pin=P(Uin>Ujn,i=j,i、j∈An)

(3)

隨機效用概率項的非集計模型解法有Logit模型、Probit模型。Probit模型服從正態分布，當選擇肢=2時，計算較為方便；當選擇肢>2時，Probit模型計算繁瑣，因此Probit模型不適用本次研究。Logit模型解隨機效用概率項服從極值分布，用于選擇肢>2，使用簡單，且考慮變量對決策的影響。綜上，本文運用多項Logit模型，也稱MNL(Multinominal Logit Model)研究樞紐換乘。

Logit模型中效用函數概率項εin服從極值分布中二重指數Gumbel分布，根據公式(3)，MNL推導結果為選擇概率Pin一般表達形式。如公式(4)所示。

(4)

式中：Pin為出行者n選擇i交通方式的概率；Vin為出行者n選擇i交通方式的固定效用。

設被觀測的出行者有N個，固定項與影響變量間有多種對應關系，一般設對應關系為線性關系。

(5)

式中：θ-未知參數向量；值-(θ1,θ2,…,θn)T；Xin-個人n的選擇肢i的特性向量，值為(Xin1,Xin2,…,Xink)。

(6)

特性變量集合實際調查根據選取原則確定；參數θ集合調查數據根據極大似然估計法或回歸分析法標定。使用TransCAD對MNL模型進行標定。

1.2 重力模型

重力模型(Gravity Models)使用假設：交通方式間的換乘量是群體出行決策的結果，受兩種交通方式的集散總量及兩種交通方式間的換乘阻抗的共同作用。重力模型一般形式如公式(7)所示。

qij=αOiDjf(cij)

(7)

式中：qij為交通方式i、j間的換乘量預測值；Cij為i和j間的阻抗；Oi為交通方式i的疏散量；Dj為交通方式j的出聚集量；α為參數；f(cij)-阻抗函數。

出行相關的就是時間和費用，拋開單純以距離最短為阻抗的方法，采用廣義的阻抗，一般從以下幾個方面去衡量各交通方式之間廣義阻抗。

(1)經濟性Ei

經濟性是旅客選擇交通方式的重要影響因素之一。經濟性體現在旅客選定某種交通方式時所產生的費用。

(2)方便性Ci

(8)

(3)快速性Fi

快速性體現在旅客選擇某種交通方式所消耗的時間，它是旅客選擇交通方式的直接影響因素，是平均運距和平均運行時間的比。

(9)

式中：vI-i類交通方式的平均運行速度；l-i類交通方式的平均運距。

(4)舒適性Si

舒適性體現了旅客選擇某種交通方式后，運行過程中平穩性和車內設備舒適性疊加的主觀感受。它是一種定性指標，因此，須經量化，量化值用于阻抗計算。通常情況，取費用的10%。

Si=Ei·10%

(10)

重力模型中阻抗是時間函數，為使費用轉換至時間，引入時間價值SE，如公式(11)。

(11)

時間價值一般由兩種方法計算，如公式(12)所示。

(12)

式中：hx為一天工作的小時數；tt為一周工作的天數；yz為一月工作的周數；ny為一年工作的月數。

將經濟性、方便性、快速性和舒適性的綜合，結合公式(11)，將費用轉變至時間，得到綜合時間函數Zi。

(13)

重力模型求解分模型參數標定、模型應用。模型參數標定是基于現狀換乘分布矩陣、換乘阻抗，使用最小二乘法估計模型參數，再采用TransCAD進行模型參數標定。

2 樞紐大連北站樞紐換乘客流預測

2.1 樞紐集散總量確定

現如今樞紐大連北站計劃于2021年完成改建，集高鐵、長途客運、常規公交、地鐵、出租車、社會車、非機動車為一體的大型樞紐。對2021年的換乘客流進行預測，為后續樞紐內的換乘組織提供理論依據。已有學者對2021年大連北站客流集散客流總量進行預測如表1所示。

表1 2021年大連北站各交通方式高峰小時集散客流總量預測結果(人)

2.2 樞紐換乘量確定

(1)對外交通間的換乘量確定

樞紐大連北站為終點站，因此對外交通間的換乘不涉及到高鐵與高鐵之間的換乘。經調查得，大連北站乘坐高鐵到達的旅客按出行目的及影響因素的不同可分為五種：主要受經濟(人均GDP)影響因素的商務公務旅客和旅游休閑旅客、主要受人口分布影響因素的探親訪友旅客和返鄉回家旅客、主要受學校分布影響因素的學生旅客。建立換乘需求公式(14)。

α換乘=λ·(β經濟·(αbu+αtr)+β人口·(αvi+αho+β學校·αsc

(14)

式中：β經濟、β人口、β學校分別代表在長途客運合理的可達范圍內，受人均GDP影響因素、人口分布影響因素和學校分布影響因素的換乘需求比例因子，即αbu、αtr、αri、αko、αsc分別為高鐵中商務公務、旅游休閑、探親訪友、返鄉回家、上學出行的比例因子。結合大連市內實際情況，旅客在選擇長途客運外，還可選擇大連站普鐵實現長途中轉，因此兩種交通方式存在競爭關系，用參數λ表示。經出行意愿調查得，旅客中30%選擇長途客運出行，得λ=0.3。

換乘需求比例因子可以根據公式(15)計算求得。

(15)

n1、n2、n3、n4依次是跨省、跨市、市域公路與其它發送量或發送比例值；e1、e2、e3依次是跨省、跨市、市域抵達范圍平均人均GDP；e4是樞紐所處城市平均人均GDP。

經公式(14)、(15)計算得，高鐵與長途客運換乘比例為3.30%。與《大連北站樞紐項目建議書》調研結果3.24%相似。由此得到換乘結果如表2所示。

表2 對外交通之間高峰小時換乘明細表(人)

大連北站涉及對外交通換乘市內交通站選擇情況如圖2所示。

圖2 旅客交通方式選擇行為

(2)對外交通換乘市內交通換乘量計算。

經調查，當出行距離<1 km時，4.73%旅客選擇步行；當出行距離≥1 km時，95.27%旅客選擇除步行以外的其余交通方式，此時采用MNL模型計算其余四種交通方式的換乘比例，此時Cn={地鐵、常規公并、出租車、社會車}。

目前，大連北站尚未有長途客運，在規劃中。規劃的長途客運與已有高鐵同屬對外交通，因此規劃的長途客運只改變對外交通的客流來源，而不改變對外交通與市內交通間換乘結構。綜上，高鐵換乘市內交通時，其分擔率等于對外交通與市內交通間換乘分擔率，即規劃長途客運換乘市內交通分擔率。

為建立最優模型，圍繞旅客性別、年齡、收入、時間、出行目的、費用的影響因素進行旅客換乘行為調查。本次調查有效問卷共544份，利用TransCAD進行MNL模型標定。經特性變量的多組合標定，確定特征變量和選擇方式間關系如下表。在檢驗值t>1.96時，得到模型顯著。

表3 特征變量選取表

(2)TIME-時間、COST-費用、INCOME-收入、DISTANCE-出行距離、PURPOSE-出行目的。

運用TransCAD參數標定結果如表4所示。

表4 MNL計算結果明細表

TransCAD中集計模塊經集計計算，得最終換乘比例。如表5所示。

表5 對外交通換乘市內交通換乘計算示意表(%)

在研究聚集的時候，反向分析，與疏散具有同等性質。因此，聚集分擔率等于疏散分擔率。根據表2的結余量計算得到最終結果如表6所示。

表6 對外交通與城市交通之間高峰小時換乘明細表(人)

(3)市內交通間的換乘量計算

經調查及相關規定，現將五種交通方式進行對比，如表7。

表7 各交通方式之間換乘距離(m)

規劃新大連北站中各交通方式之間的換乘距離如表8所示。

表8 各交通方式之間換乘距離(m)

公式(13)計算得廣義阻抗矩陣，如表9所示。

表9 阻抗矩陣計算表(min)

TransCAD中重力模型參數標定和換乘計算基于兩部分基礎資料：現狀的換乘矩陣如表10所示，預測的集散客流總量如表11所示。

表10 現狀日均換乘矩陣(萬人)

除掉樞紐前兩客流，市內交通集散客流總量預測值。如表11所示。

表11 市內交通換乘客流預測集散總量(人/h)

在TransCAD中應用得到結果如表12所示。

表12 預測市內交通方式高峰小時換乘客流量(人)

(4)高鐵大連北站綜合樞紐換乘量整合

整合表2、表6、表12，得最終換乘量。如表13所示。

表13 預測年高峰小時換乘客流量計算結果表(人)

由表14得，高鐵、長途客運和其他交通方式的換乘仍然占據主要換乘，除此之外，地鐵和公交出租車與其他方式的換乘量也有著重要的占比份額，由上所述公共交通的占比較高，奔著公共交通優先的原則，在流線組織上可以優先考慮公共交通，其次再考慮社會交通。

表14 高峰小時換乘客流量占比表

3 結 論

依據服務對象不同，將樞紐大連北站內的換乘結構劃分為三種：長途客運和高鐵之間的換乘，長途客運和高鐵與樞紐所有市內交通方式之間的換乘、樞紐所有市內交通方式之間的換乘。首先，高鐵大連北站涉及的對外交通方式有長途客運和高鐵兩種，通過分析高鐵旅客組成，提出了換乘需求公式，計算得到高鐵換乘長途客運的比例為3.30%，長途客運的旅客有3.24%換乘高鐵，從而得到對外交通之間的換乘結果。其次，結合調研數據，在TransCAD進行MNL模型標定計算得到對外交通與市內交通的換乘比例，從而得到換乘量。再次，建立廣義的阻抗，在TransCAD應用重力模型得到市內交通之間的換乘量。最后，將三部分的計算結果進行整合得到樞紐的換乘量，為2021年大連北站改建完畢后的換乘組織提供科學依據。