貫穿型城市軌道交通新線開通初期線網客流預測方法研究

唐水雄，張 濤，唐金金，郭夢倩，趙利強

（1.北京驛祿軌道交通工程有限公司，北京 101200；2.北京化工大學信息科學與技術學院，北京 100029；3.北京交通大學交通運輸學院，北京 100044）

1 研究背景

為疏解城市交通壓力，城市軌道交通新線與新站逐步開通運營，線路網絡規模隨之擴大。客流指標預測可以幫助運營管理部門準確把握未來客流趨勢，有效制定新線網運營組織計劃，提高運營效率[1]。因此，新線開通后的線網客流預測對運營計劃的順利制定具有重要意義。

目前，國內外學者對城市軌道交通新線開通后的客流預測相關研究主要集中在線路規劃可行性、新線開通初期的客流特征分析、新建線路及其車站的進出站客流預測等方向。姚恩建[1]提出基于改進K近鄰非參數回歸方法和通過聚類分析構建新站歷史數據庫方法的新站開通初期實時進出站客流量預測方法。盧天偉[2]基于模糊C均值聚類改進算法和趨勢距離對近鄰匹配優化機制，提出新站成長期短時客流預測方法。趙路敏[3]分析新線開通后，影響線網客流變化的關鍵因素，提出基于新線可行性研究與歷史分布數據預測新線開通后線網客流的方法。張永生[4]提出通過構造歷史數據庫，描述車站位置、周圍土地性質等指標與進出站量的映射關系，實現新車站進出站量的預測，然后利用可達性指標將進出站量預測、起訖點（OD）分布量預測、隨機客流分配等階段關聯，構建客流預測模型。既有相關研究主要為新線開通后客流特征分析或新線車站全天日客流和全天短時客流預測研究。新線一般包括環線、市區貫穿線和城郊延展線等，不同類型線路的客流生成因素及對既有線網客流的影響存在一定區別，而既有新線客流預測研究往往統一處理，并未做針對性分析和預測。

市區貫穿型線路是提高城市軌道交通運輸能力的重要方式之一，針對不同類型新線，研究其開通后的線網客流預測方法，可以為制定合理、高效的運營組織計劃提供更有效的數據支撐。貫穿線常常涉及多個換乘站，對既有線網拓撲結構影響較大，相關線網進出站量、斷面客流量、換乘量等客流指標均會發生明顯變化。因此，以四階段法為理論基礎，通過量化貫穿線客流影響因素，提出針對貫穿線接入的線網客流預測方法。

2 線網客流預測方法

2.1 新線客流預測特征

新線開通客流預測同常規短時、短期客流預測不同，其主要區別在于線網拓撲結構發生改變以及無新線相關客流歷史數據支撐。具體表現為：①線網拓撲結構改變，站間可達性以及路徑可選性增加，基于歷史城市軌道交通自動售檢票系統（AFC）數據的出行評估需調整；②新線車站缺失歷史進出站客流數據，傳統回歸分析、增長系數以及基于大量歷史數據的神經網絡模型等不適用；③缺失新線相關OD量數據，客流出行目的地預測無直接數據支撐；④新線開通對既有客流影響不確定性較大，量化困難；⑤人工調查確定客流出行量及客流出行目的地需消耗大量人力、財力、精力等，實施困難。

綜上所述，同常規短期客流預測具有大量歷史數據做支撐不同，新線客流預測是在缺失直接歷史數據的背景下進行。因此，直接運用基于歷史數據的回歸分析、神經網絡等預測方法不可行，需依據新線開通客流特征研究針對性預測方法。

2.2 方法概述

以四階段法為基礎，通過改進路徑計算方法、量化客流影響因素及重力模型等方法預測進出站量、OD分布量、斷面客流量和換乘量等客流指標，有效應對線網拓撲結構改變及新線相關歷史數據缺失問題。貫穿線開通后的線網客流指標預測總體方法如圖1所示，具體步驟如下。

圖1 貫穿型新線開通初期線網客流預測方法

（1）采用融合線網環境信息的A*算法，對城市軌道交通路徑集計算方法進行改進。

（2）貫穿線對既有網絡的客流影響主要來源于線路銜接換乘因素，基于此量化影響因素，得出既有車站進出站量。

（3）基于相似車站歷史客流數據和車站周邊用地性質，得到新線車站的進出站量。

（4）基于既有站間客流分布數據和路徑集信息，采用雙約束重力模型方法預測新線開通后的線網OD量。

（5）基于改進路徑集算法給出路徑選擇模型，實現新線網條件下的靜態客流分配，得到新線開通后的斷面客流量、換乘量等指標。

2.3 融合線網環境信息的 A＊ 算法

新線接入后，線網拓撲結構發生變化，城市軌道交通有效路徑集為各預測階段提供路徑及耗時信息，這是新線客流研究的基礎。A*算法是典型的深度優先啟發式搜索算法，通過評價函數來引領節點的探索方向，現已有大量基于A*算法的路徑規劃應用。傳統A*算法評價函數如式（1）所示：

式（1）中，F（n）為評價函數；G（n）為代價函數；H（n）為啟發函數，啟發函數是影響算法運行速度和計算量的關鍵因素。

適當增加啟發函數H（n）可以減少拓展無效節點，提高運行效率。但是，當啟發函數H（n）大于節點n到達目標節點的實際代價H*（n）時，有可能陷入局部最優解。因此，針對城市軌道交通特定應用場景，引入線網信息至啟發函數，提高路徑搜索效率，并考慮常規運行狀態下的線網最短區間運行時間，避免丟失最優解。依據線網信息，按照式（2）的優先級定義車站i與車站j間路徑復雜系數rij：

式（2）中，li為車站i所在的線路；lj為車站j所在的線路；Sj為車站i的鄰接車站集；車站z為車站i、車站j之外的車站；Sz為車站z的鄰接車站集；Li為車站i所在線路的可換乘線路集；Lj為車站j所在線路的可換乘線路集。將依據線網信息得到的路徑復雜系數rij融入啟發函數H（n）如式（3）所示，同時引入權重系數w改進A*算法評價函數如式（4）、式（5）所示：

式（3）～式（5）中，tj為終點車站j所在線路中最短區間運行時間；w為啟發函數的權重系數；T為線網平均區間運行時間；R為目標起止車站間的路徑復雜系數；t為線網最短區間運行時間。由式（4）、式（5）可知，融入線網環境信息后，算法可以依據路徑復雜度調整搜索范圍，當復雜度較低時，減少拓展冗余節點使搜索空間相應減少，提高算法效率；同時，啟發函數權重系數w隨著路徑復雜度的增大而減小，拓展搜索空間避免陷入局部最優解。為求解多條有效路徑，設定A*算法終止規則，當第K次成功到達終點，或到達點耗時遠超出合理范圍時終止算法，并依次取出路徑及路徑耗時。

考慮到乘客對于出行路徑的選擇不僅受路徑長度影響，受換乘次數的影響也很大，因此乘客出行費用計算方法如式（6）所示：

式（6）中，ckij為車站i至j的第k條路徑出行費用；T1為列車運行時間；T2為進出站走行時間；T3為換乘走行時間；α為換乘懲罰系數。至此，完成新線網條件下包含路徑出行費用的路徑集信息計算。

2.4 進出站量預測

2.4.1 貫穿型新線對既有車站的影響

新線開通背景下，既有車站客流會在歷史客流基礎上發生變動。針對市區貫穿型新線開通情景，依據客流生成機理、量化線路相對位置確定新線影響范圍理論研究基礎和歷史線網新線接入后的客流數據[6]可知：

（1）同貫穿線直接換乘的既有線路較大概率產生誘增客流；

（2）同貫穿線存在部分并行關系的既有線路或同新站地理位置相近的既有車站，有概率產生轉移客流；

（3）同貫穿線無直接換乘關系的線路或同新線換乘耗時較長的既有車站客流影響概率較低。

結合車站歷史客流數據及車站間路徑復雜系數，給出貫穿型城市軌道交通新線接入后的既有車站進出量預測方法。以進站量為例，新線開通后線網可達性增加、部分路徑復雜系數降低，使得既有線部分站點客流量增加，產生誘增客流，如式（7）所示：

式（7）～式（8）中，Qyij為既有車站j受新線車站i影響的誘增客流；Qj為既有車站j的歷史客流量；pyij為新車站i對既有車站j的客流誘增概率；tij為車站j至車站i的出行時間；t為可達性影響是否有效的判定時間；ηj為車站j所在線路的相關影響系數。

此外，由于新線的開通，存在部分并行關系的既有線路或同新站地理位置相近的既有車站，乘客選擇新線上的站點而不選擇其他既有線上站點，導致既有線的客流量減少，形成轉移客流，如式（9）所示：

式（9）～式（10）中，Q iz j為既有車站j受新線車站i影響的轉移客流；p zij為新車站i對既有車站j的客流轉移概率；dij為兩站間的空間距離；Tij為大型住宅區到既有車站j與新線車站i的出行時間比值；α1、α2為相關參數的權重系數。

2.4.2 新線車站屬性的量化方法

新線客流數據缺乏，傳統統計與預測模型難以直接運用，依據車站屬性和屬性指數，結合既有車站歷史客流數據、車站位置以及車站周邊土地利用性質，實現新線車站的進出站量預測。

將車站分為住宅類、辦公類、樞紐類和辦公住宅類4個類別屬性[7]。引入屬性指數使車站屬性量化，對于既有車站，采用以下方法計算不同屬性的類別指數。

（1）針對住宅類、辦公類和辦公住宅類車站，由于其存在明顯的潮汐客流，其特性主要由辦公指數WI和住宅指數LI來表示：

式（11）～式（12）中，O am、O pm分別為早、晚高峰進站量；D am、D pm分別為早、晚高峰出站量；Nmax為對應類別的所有車站中早、晚高峰進、出站量中的最大值。

（2）針對樞紐類車站，由于其客流無明顯峰值，其特性主要由樞紐指數HI來表示：

式（13）中，Nmax為對應類別所有車站中早、晚高峰進出站量之和的最大值。

對于新線車站，根據地理位置、周邊環境等確定屬性、屬性指數及相似車站。

（1）如果新站屬于樞紐類車站，對應的樞紐指數為Pc，匹配的相似車站小時進站量為ntc，新站評估的樞紐指數為Pnew，則其小時進站量ntnew如式（14）（出站量計算方法相同）：

（2）如果新站屬于住宅類、辦公類或辦公住宅類，在平峰時段內，根據相似車站平峰小時進（出）站量占運營時間內的進（出）站量的比值進行計算。在高峰時段內，則根據工作指數和住宅指數對高峰小時進出站量進行調整：

式（15）～式（18）中，Pwc為對應的工作指數；Phc為對應的住宅指數；Ocam和Ocpm分別為早、晚高峰小時進站量；Dcam和Dcpm分別為早、晚高峰小時出站量；Pwnew為新站評估的工作指數；Phnew為新站評估的住宅指數。

2.5 客流分布及分配預測方法

新線接入后，導致線網OD數據表出現殘缺，無法直接采用增長率法、線性回歸分析等常規預測方法。因此，采用雙約束重力模型預測缺失的新線OD數據[8]，引入路徑集信息中的出行費用作為重力模型阻抗函數，具體如式（19）所示，再結合歷史客流規律對新OD數據表歸一化處理，實現新線開通后的OD分布量預測。

式（19）～式（20）中，f（cij）為阻抗函數，通過平均出行阻抗cij得到；Pk為乘客選擇路徑k的概率，計算方法見式（21）。基于前文路徑集信息，給出路徑選擇模型：

客流分配過程即依據路徑選擇模型式（21）為OD對指派一條路徑的過程，當在OD對之間搜索有效可達路徑并確定路徑選擇比例之后，采用輪盤賭法確定每條OD對的具體路徑。結合分時OD量數據，完成客流分配，即可計算出換乘量、斷面客流量等預測指標。

3 應用案例

以東部某城市貫穿型城市軌道交通新線開通為例，運用上述客流預測方法并分析。該線路于2021年6月底開通運營，線路貫穿方向大致為東北—西南，沿線共設34個車站，包括6個換乘車站，與既有4條線路均銜接換乘。

針對新線接入前后的該城市軌道交通網絡，表1給出部分車站間路徑復雜系數，應用融合環境信息的路徑集算法生成路徑集信息，可知新線接入后，出行時間縮小的既有OD對占比約9%，受影響OD對的出行時間平均縮減約20%，部分路徑集結果如表1所示。

表1 石湖東路站 — 星塘街站路徑集

應用車站屬性量化方法，依據2021年3月—4月客流數據以及車站周邊信息，得出主要既有車站和新線車站的屬性信息如表2、表3所示，依據屬性指數計算進出站量，預測新線車站初期客流如圖2所示。開通初期，新線車站仍呈現辦公或住宅客流趨勢，市區段車站客流較大但郊區段客流相對既有相似車站客流少，隨車站周邊不斷發展，后期客流呈上升趨勢。應用貫穿型新線對既有車站影響的量化方法，結合經驗及歷史客流數據，取誘增客流判定時間t為25?min，由于貫穿線與既有線路均銜接換乘，所以既有線路影響系數?均取為0.15，既有車站及線網進站量預測趨勢如圖3所示。應用客流分布及分配模型，預測新線開通后市區及郊區主要斷面客流、換乘客流如圖4～圖6所示。

圖4 新線斷面高峰客流

圖6 主要換乘客流趨勢對比圖

表2 既有車站屬性

表3 新線車站參數

圖2 新線車站客流預測趨勢

圖3 線網進站客流趨勢對比圖

圖5 部分斷面客流趨勢對比圖

由圖可知，受貫穿型新線開通的影響，市區主要斷面客流大幅提升，例如寶帶路—盤蠡路增幅約48%、樂橋—三元坊增幅約34%，郊區斷面客流影響甚微；直接換乘線的換乘客流明顯增加，例如東方之門換乘增幅約29%、廣濟南路換乘增幅約13%。綜合上述預測結果分析，貫穿線的接入將使得市區內斷面客流量和線網換乘客流量明顯提高，為保證貫穿線接入后的高效運輸，應依據客流評估制定合理、高效的運營組織計劃，并提高相關換乘站的客流承載能力。

4 結語

應用案例結果表明，融合線網環境信息的路徑集算法可以快速、有效生成新線接入前后的城市軌道交通網絡路徑集。車站客流、換乘客流以及斷面客流預測結果均在合理預期內，貫穿線的開通會使得部分既有車站產生誘增客流、市區斷面客流以及換乘客流明顯增加。綜上，城市軌道交通貫穿線開通后的客流預測方法是合理可行的。