新建高速鐵路車站最高聚集人數計算軟件的設計與實現

鐘紹林，尹德志，廖時元，帥 斌

（1. 中鐵第四勘察設計院集團有限公司 線路站場設計研究院，武漢 430063；2. 西南交通大學 交通運輸與物流學院，成都 610031）

最高聚集人數是高速鐵路（簡稱：高鐵）車站站房設計規模的主要依據，其準確計算不僅可以提高站房的設計質量，避免浪費資源，而且能改善站容站貌，提升城市形象。

1 研究背景

國內外學者對最高聚集人數計算方法進行了大量研究。何宇強等人[1]分析了既有最高聚集人數計算方法的不足，以車站列車的發車時刻、發送人數、送站人數比例等作為輸入數據，建立了最高聚集人數模擬模型。文獻[2]基于微觀仿真軟件Nomad，研究了不同車站設計方案對最高聚集人數的影響。張天偉等人[3]在旅客出行習慣和列車晚點因素的基礎上，建立了最高聚集人數計算模型。姚加林等人[4]定量分析了城市道路交通可靠性對鐵路車站最高聚集人數的影響。文獻[5-6]通過數據分析擬合，提出了旅客提前到站的時間分布密度函數和最高聚集人數的計算方法。葉玉玲等人[7]改進了傳統的概率計算方法，考慮列車開行頻率、檢票人數、旅客候車時間分布等因素，建立了高鐵車站最高聚集人數預測模型。

上述研究在提出新建車站最高聚集人數計算方法時，通常將車站的列車開行方案和列車乘車人數作為已知量。然而，車站在建成之前，其列車開行方案和列車乘車人數通常是不易確定的。為了解決該問題，本文設計并實現了新建高鐵車站最高聚集人數計算軟件，該軟件通過設置車站基礎屬性和相關數據庫來估計新建高鐵車站的列車開行方案、列車乘車人數及旅客到達規律，以更合理、精準地計算新建高鐵車站的最高聚集人數。

2 計算模型

新建高鐵車站最高聚集人數計算模型（簡稱：計算模型）由4個部分組成：相似車站及列車開行方案匹配、列車乘車人數匹配、旅客到達規律匹配、最高聚集人數計算。

2.1 相似車站及列車開行方案匹配

新建高鐵車站最高聚集人數計算的前提是獲取新建高鐵車站列車開行方案，因此，本文設置了高鐵車站基礎屬性，建立了列車開行方案數據庫。高鐵車站的基礎屬性包括日發送列車總數、城市類型（省會/副省級城市、地級市、縣級市）、地理位置（東部及沿海地區、中部地區、西部地區）、城市常住人口、城市的城鎮化率、常住人口密度、車站對應城市人均國內生產總值（GDP，Gross Domestic Product）、城鎮居民人均可支配收入、農村居民人均可支配收入等。列車開行方案包括列車的車次、發站、始發站、終到站、類型、運行里程、發車時刻、運行耗時等。在此基礎上，計算模型通過計算新建高鐵車站與數據庫中車站的差異度，找出新建高鐵車站的相似車站，并將該相似車站列車開行方案作為新建高鐵車站列車開行方案的估計值。新建高鐵車站的相似車站確定步驟具體如下。

步驟1：計算新建高鐵車站與數據庫中車站之間的差異度，如式（1）所示。

其中，Si表示第i個車站與新建高鐵車站之間的差異度；I表示車站總數；Gim表示第i個車站的基礎屬性m的歸一化數據；Gnsm表示新建高鐵車站的基礎屬性m的歸一化數據。

步驟2：保留前20個差異度較低的車站，作為相似車站的初步確定結果。在這20個車站中，有的車站的列車開行方案與其余車站差異較大，因而需要被去除。具體方法為：分別計算這20個車站中，高速列車數量與普通速度（簡稱：普速）列車數量的比值、始發列車數量與途徑列車數量的比值、長途列車數量與短途列車數量的比值，然后運用三倍標準差法[8]剔除異常值對應的車站。

步驟3：用戶在剩余相似車站選擇4個作為的相似車站，并將這4個相似車站列車開行方案作為新建高鐵車站列車開行方案的估計值。這是因為經過步驟2去除部分相似車站后，剩余相似車站列車開行方案仍可能存在與新建高鐵車站差異過大的情況。

2.2 列車乘車人數匹配

為模擬車站集散態勢，在確定相似車站及列車開行方案之后，計算模型還需要確定相似車站列車開行方案中各列車乘車人數。通過相關性分析發現，列車乘車人數與列車類型、運行里程、發車時刻、車站對應城市常住人口數等屬性具有較強相關性。因此，本文根據各鐵路局集團公司提供的數據建立了列車乘車人數數據庫，該數據庫包含了上述屬性及其對應的列車乘車人數。計算模型將相似車站列車開行方案中列車的各屬性與數據庫進行對比，若一致，則選取該列車乘車人數作為相似車站列車開行方案的乘車人數估計值。

2.3 旅客到達規律匹配

為了更好地模擬車站集散態勢，在確定相似車站及其列車開行方案之后，還需確定相似車站列車開行方案中各列車的旅客到達規律。由于對數正態分布可較好地模擬旅客到達規律[3]，本文運用對數正態分布模擬旅客到達規律。通過相關性分析發現，旅客到達規律與列車類型、列車乘車人數、列車發車時刻及車站對應城市類型具有較強相關性。因此，本文根據各鐵路局集團公司提供的數據建立了旅客到達規律數據庫，該數據庫包含了上述屬性及其對應的旅客到達規律。計算模型將相似車站列車開行方案中列車的各屬性與數據庫進行對比，若一致，則選取該旅客到達規律作為相似車站列車開行方案的旅客到達規律估計值。

2.4 最高聚集人數計算

新建高鐵車站最高聚集人數計算的步驟具體如下。

步驟1：計算相似車站列車開行方案的車次k在時刻t已經到達車站的人數Ak(t)，如式（2）所示。

k=1,2,···,n，t∈[1,1440]

其中，Nk表示車次k的乘車人數；T提前表示旅客乘坐車次k的最大提前候車時間；Tk表示距車次k發車時間前5 min的時間；fk(t)表 示車次k的旅客到達規律，符合對數正態分布；n表示車站的列車總數。

步驟2：計算相似車站列車開行方案中車次k在時刻t離開車站的人數L(t)，如式（3）所示。

其中，gk表示第k列車的旅客檢票速度；T檢票

表示車次k的檢票時刻。

步驟3：計算相似車站的最高聚集人數N，如式（4）所示。

步驟4：重復步驟1～步驟3，計算4個相似車站最高聚集人數的平均值，并將其作為新建高鐵車站最高聚集人數估計值。

3 軟件設計

本文采用MATLAB App Designer開發新建高鐵車站最高聚集人數計算軟件。該軟件分為4個部分：最高聚集人數計算、數據更新、輔助功能、數據庫。

最高聚集人數計算功能模塊是計算軟件核心部分，可通過用戶輸入的新建高鐵車站屬性，匹配相似車站及列車開行方案、相似車站各列車乘車人數、相似車站各列車旅客到達規律，模擬各相似車站的旅客集散態勢，得到新建高鐵車站最高聚集人數計算結果。由于高鐵車站的基礎屬性、客車開行方案、列車乘車人數、旅客到達規律等數據會隨時間變化而變化，計算軟件設置了數據更新功能模塊。該模塊支持用戶定期更新這些數據，使新建高鐵車站最高聚集人數計算結果始終保持準確。此外，計算軟件還設置了輔助功能模塊，包括用戶注冊、用戶登錄、用戶密碼修改。輔助功能模塊運行時需讀取或修改用戶信息數據庫。

本文軟件的設計框架如圖1所示。

圖1 軟件設計框架

4 具體應用

本文軟件已應用于某新建高鐵車站。該高鐵車站距所在城市的市中心13 km，其初期設計為16臺30線，建成后服務于多條高鐵線，是一個大型綜合客運站。本文以該高鐵車站為例，介紹軟件的應用情況。

登錄軟件后，輸入高鐵車站的基礎屬性，查找相似車站及列車開行方案。在所有相似車站中，選擇4個相似車站分別進行計算，得到4個相似車站旅客集散態勢模擬和最高聚集人數。相似車站的選擇、旅客集散態勢模擬和最高聚集人數的計算結果如圖2所示。

圖2 相似車站旅客集散態勢模擬及該高鐵車站最高聚集人數計算結果

為了驗證本文軟件在該高鐵車站的應用效果，本文分別計算了4個新建高鐵車站的最高聚集人數，并將計算結果與中國國家鐵路集團有限公司批復核準的最高聚集人數進行對比，對比結果如表1所示。

表1 新建高鐵車站最高聚集人數計算結果對比

由表1可知，4個新建高鐵車站的最高聚集人數與本文軟件計算的最高聚集人數相差較小，這表明本文軟件對新建高鐵車站的設計具有實際性指導價值，能夠很好地根據新建高鐵車站的相關數據，設計符合實際應用的高鐵車站設計方案。

5 結束語

本文設計了新建高鐵車站最高聚集人數計算軟件，該軟件以數據庫為基礎，通過相似車站及列車開行方案匹配、列車乘車人數匹配、旅客到達規律匹配、最高聚集人數計算4個步驟計算新建高鐵車站最高聚集人數。4個新建高鐵車站的對比結果表明，本文軟件能夠得到符合實際情況的高鐵車站建設方案。目前，本文軟件已經在一些單位部署試用，取得較好效果。下一步，本文將進一步對該軟件的普適性進行完善，以得到大規模應用；同時定期更新數據庫，以保證計算結果的準確性。