廣州地鐵車站進站客流超高峰系數(shù)實證分析

彭 磊 李昱澄 趙丹彤

(1. 廣州地鐵設(shè)計研究院股份有限公司, 510010, 廣州; 2. 上海城市綜合交通規(guī)劃科技咨詢有限公司, 200040, 上海;3. 同濟大學(xué)道路與交通工程教育部重點實驗室, 201804, 上海)

城市軌道交通車站進站客流超高峰系數(shù)是指車站進站客流高峰時段內(nèi)最大15 min進站客流量的4倍與高峰小時進站客流量的比值。

在進行城市軌道交通車站設(shè)計時,車站的站廳、站臺、出入口通道、樓梯、自動扶梯和售檢票口(機)等部位的通過能力,應(yīng)按該站超高峰設(shè)計客流量確定[1-3]。而目前對于超高峰系數(shù)暫無明確的確定方法,通常是根據(jù)《地鐵設(shè)計規(guī)范》中建議的1.1～1.4的取值范圍,結(jié)合設(shè)計者經(jīng)驗確定,缺乏科學(xué)、準(zhǔn)確的依據(jù),由此可能因超高峰系數(shù)取值不當(dāng)而導(dǎo)致車站設(shè)計能力的不足或富余[4-6]。

因此,本文基于廣州地鐵現(xiàn)狀客流數(shù)據(jù),進行車站客流超高峰系數(shù)的實證分析,探討進站客流超高峰系數(shù)的分布規(guī)律,提出進站客流超高峰系數(shù)確定方法的新思路,為后續(xù)有關(guān)車站進站客流超高峰系數(shù)的取值和研究提供參考。

1 數(shù)據(jù)來源與處理

1.1 數(shù)據(jù)來源

本文的數(shù)據(jù)來源于廣州地鐵集團有限公司提供的2018年5月14—20日(周一—周日)的以1 h為時間粒度的廣州地鐵全天車站OD(起訖點)矩陣和以15 min為時間粒度的早晚高峰(07:00—09:00、17:00—19:00)車站OD矩陣。

1.2 數(shù)據(jù)處理

基于上述原始數(shù)據(jù),需通過以下處理步驟,最終得到各車站進站客流的超高峰系數(shù)。

1) 根據(jù)不同時間粒度下的車站OD數(shù)據(jù)得到各車站的全日進站量、高峰時段各小時進站客流量、高峰時段各15 min(07:00—07:15、07:16—07:30、07:31—07:45等)進站客流量;

2) 由于實際OD矩陣的對角線數(shù)據(jù)多數(shù)情況不為0,考慮到其占車站全日進站量較小,暫時按清零處理;

3) 目前未考慮換乘客流的影響,故將換乘站在不同線路中的OD量合并處理;

4) 由于OD矩陣為時刻數(shù)據(jù),但某一次出行包含進站、出站兩個時間,可能跨越不同的1 h或15 min,故僅考慮進站情況,OD矩陣的時刻被認(rèn)為是進站時刻;

5) 按照超高峰系數(shù)的計算方法計算各車站的進站客流超高峰系數(shù)。

2 不同類型車站客流超高峰系數(shù)的分布范圍分析

2.1 車站分類

本文按照全日進站量大小和車站所在區(qū)位對各車站進行分類,分類依據(jù)和結(jié)果如表1和表2所示。

表1 按全日進站量分類的車站分類依據(jù)

表2 按車站區(qū)位分類的車站分類依據(jù)

2.2 不同類型車站進站客流的超高峰系數(shù)

以2018年5月14—18日(周一—周五)的車站進站客流數(shù)據(jù)為研究對象,得到2018年不同類型車站進站客流的周平均超高峰系數(shù)箱型圖,如圖1所示。不同類型車站進站客流的周平均超高峰系數(shù)分布情況如表3和表4 所示。

a) 按客流量分類

b) 按車站位置分類

表3 按車站區(qū)位分類的車站進站客流的周平均超高峰系數(shù)分布情況

從圖1、表3和表4可以看出,廣州地鐵車站進站客流超高峰系數(shù)的集中分布范圍與《地鐵設(shè)計規(guī)范》中建議的1.1～1.4的取值范圍相比整體偏低。出現(xiàn)上述現(xiàn)象主要有以下三方面原因:一是,廣州普遍實行錯峰上下班制度,不同的單位或同一單位不同部門的上下班時間均有可能不同,由此引起早晚高峰客流相對分散;二是,與廣州市市民的生活習(xí)慣有關(guān),喝早茶等娛樂出行、其他目的的出行使得早高峰客流相對分散;三是,由于數(shù)據(jù)的局限性,本文所得到的高峰時段各15 min進站客流量有可能未包含高峰時段中以更小時間粒度為基礎(chǔ)計算得到的15 min最大進站客流量。

表4 按客流量分類的車站進站客流周平均超高峰系數(shù)分布情況

從不同全日進站客流量角度來看,廣州地鐵整體呈現(xiàn)出全日進站客流量越少其車站進站客流超高峰系數(shù)集中分布范圍越大的趨勢。其中,部分極小客流車站的進站客流超高峰系數(shù)超過了1.80,主要是因為車站的全日進站客流量越小越容易出現(xiàn)高峰時段客流聚集的情況。而在確定城市軌道交通車站站臺寬度時,一般而言,按實際超高峰系數(shù)計算得到的極小客流車站的站臺寬度通常仍小于《地鐵設(shè)計規(guī)范》中最小站臺寬度要求,所以盡管該類車站的實際超高峰系數(shù)不在《地鐵設(shè)計規(guī)范》中建議的1.1～1.4范圍內(nèi),一般也不會對車站站臺寬度設(shè)計帶來影響。因此,在確定站臺寬度時,車站進站客流超高峰系數(shù)按照《地鐵設(shè)計規(guī)范》建議的1.1～1.4范圍內(nèi)取值是合理的。

從不同區(qū)位車站來看,廣州地鐵整體呈現(xiàn)出核心區(qū)車站進站客流超高峰系數(shù)的集中分布范圍小于中心城區(qū)的、中心城區(qū)的又小于郊區(qū)的趨勢。

樞紐車站的進站客流超高峰系數(shù)總體較低,但分布規(guī)律不太明顯,這與對外客流時間分布相對均衡以及樞紐車站周邊土地利用程度差異較大有關(guān)。

3 車站進站客流超高峰系數(shù)確定思路探討

從超高峰進站客流形成機理來看,車站進站客流超高峰系數(shù)能夠衡量車站進站客流在高峰小時內(nèi)部的集中性,而客流超高峰的形成一般與居民日常通勤時間特征有關(guān)。車站周邊不同的職住關(guān)系將會給車站帶來不同時間的潛在客流,居住型車站往往會表現(xiàn)出較高的早高峰進站客流,辦公型車站則表現(xiàn)出較高的晚高峰進站客流。早晚高峰客流在1 h內(nèi)的分布也會略有不同,一般早高峰時段因乘客出行目的相對單一,出行時間上更為集中,車站進站客流超高峰系數(shù)也就相對較大;晚高峰時段,乘客除下班回家外還有其他的出行目的,如聚餐、購物等需求,進站時間往往相對較分散,車站進站客流超高峰系數(shù)也就相對較小。

本文定義車站直接覆蓋范圍內(nèi)職住關(guān)系指標(biāo)R的計算公式為:

(1)

式中:

Pr——住宅用地的全日出行量;

Po——辦公用地的全日出行量。

一般而言,車站直接覆蓋范圍內(nèi)住宅用地的全日出行量越大,則該車站的早高峰進站量就越大;車站直接覆蓋范圍內(nèi)辦公用地的全日出行量越大,則該車站的晚高峰進站量就越大。如果某車站對應(yīng)的R= 0.5,該車站直接覆蓋范圍內(nèi)的住宅出行量和辦公出行量相等,則以通勤為目的的早晚高峰出行量應(yīng)近似一致。如果某車站對應(yīng)的R> 0.5,則該車站直接覆蓋范圍內(nèi)的住宅出行量大于辦公出行量,在不考慮交通方式選擇的情況下,早高峰的進站客流量應(yīng)大于晚高峰的進站客流量,本文將此類車站歸為Ⅰ類車站;而將R< 0.5的車站歸為Ⅱ類車站。將極小客流車站從廣州地鐵2018年車站總量中剔除后,基于現(xiàn)狀運營客流數(shù)據(jù)得到的車站進站客流超高峰系數(shù)與R之間的關(guān)系散點圖如圖2所示。

從圖2可以看出:對于Ⅰ類車站,進站客流超高峰系數(shù)從1.05～1.36均有分布,分布范圍較廣,上限值較大;對于Ⅱ類車站,整體進站客流超高峰系數(shù)相互之間的差異性較小,基本分布在1.10～1.15附近,接近于《地鐵設(shè)計規(guī)范》中的下限值。該特征與上述理論判斷基本吻合。本文將重點探討Ⅰ類車站進站客流超高峰系數(shù)的確定思路。

圖2 車站進站客流超高峰系數(shù)與R的關(guān)系散點圖

一般而言,早高峰時段Ⅰ類車站大部分的進站乘客其出行目的是前往工作單位上班,選擇的進站時間與從出發(fā)車站到達目的地所需要的時間密切相關(guān)。通勤乘客一般會根據(jù)上班打卡時間、居住地前往工作單位的出行時間,推算居住地附近車站的進站時間,所以Ⅰ類車站的進站客流在1 h內(nèi)的集中程度與進站乘客在早高峰時段內(nèi)前往目的地車站及從目的地車站到達工作單位所需的總時間分布有關(guān)。對于通勤乘客而言,選擇出發(fā)站的進站時間主要會考慮以下因素:

1) 目的地規(guī)定到達時間。一般單位開始工作時間相對固定,除了彈性工作制外,一般的單位都不允許遲到。因此通勤乘客的出行目的決定了目的地規(guī)定到達時間是其出發(fā)時間選擇的主要影響因素。

2) 乘客工作開始前預(yù)留時間。通勤乘客往往不會直接將目的地規(guī)定到達時間作為自己到達目的地的實際時間,而是會根據(jù)自己需要在此基礎(chǔ)上為進入正常工作預(yù)留一段時間。

3) 乘客出站接駁時間。對于乘客而言,從目的地車站出站后仍需一段時間的接駁才能到達工作單位,因此在決定出發(fā)時間時會考慮出站接駁時間的影響。

4) 預(yù)估的旅行時間。旅行時間是乘客反推其出發(fā)時間時最重要的影響因素。乘客出行前,會根據(jù)已有城市軌道交通網(wǎng)絡(luò)基礎(chǔ)信息和自己以往的經(jīng)驗對所選擇路徑的旅行時間進行估計。

基于上述分析結(jié)果,可考慮通過問卷調(diào)查來獲取通勤乘客目的地規(guī)定到達時刻分布特征和乘客工作開始前預(yù)留時間分布特征,并通過手機信令數(shù)據(jù)或問卷調(diào)查等獲取乘客出站接駁時間分布特征。在上述基礎(chǔ)上,結(jié)合遠(yuǎn)期小時站間OD預(yù)測結(jié)果,計算得到某一個出發(fā)車站不同時刻對應(yīng)的進站量,并根據(jù)本文提供的方法計算得到某一個車站的進站客流超高峰系數(shù)。

4 結(jié)語

本文基于廣州地鐵現(xiàn)狀客流數(shù)據(jù),在對車站進站客流超高峰系數(shù)進行實證分析的基礎(chǔ)上,探討車站進站客流超高峰系數(shù)的分布規(guī)律和取值方法,提出了車站進站客流超高峰系數(shù)確定方法的新思路。

1) 廣州地鐵車站進站客流超高峰系數(shù)的集中分布范圍與《地鐵設(shè)計規(guī)范》中建議的1.1～1.4的取值范圍相比整體偏低,這與廣州實行錯峰上下班的制度和廣州市居民的出行習(xí)慣基本吻合。因此,為緩解特大城市的軌道交通高峰時段線路和車站的客流壓力,建議借鑒廣州經(jīng)驗,適時推行錯峰上下班制度。

2) 廣州地鐵車站進站客流超高峰系數(shù)總體呈現(xiàn)3個趨勢:全日進站量越少其車站進站客流超高峰系數(shù)集中分布范圍越大;核心區(qū)車站的進站客流超高峰系數(shù)整體小于中心城區(qū)的,中心城區(qū)車站的又小于郊區(qū)車站的;周邊以居住用地為主的車站的進站客流超高峰系數(shù)相對大于以崗位用地為主的車站的進站客流超高峰系數(shù)。

3) 部分極小客流車站的進站客流超高峰系數(shù)超過了1.80,盡管該類車站的實際進站客流超高峰系數(shù)不在《地鐵設(shè)計規(guī)范》中建議的1.1～1.4范圍內(nèi),但由于按實際車站進站客流超高峰系數(shù)計算得到的極小客流車站的站臺寬度通常仍小于《地鐵設(shè)計規(guī)范》中最小站臺寬度要求,所以該類車站即使按照《地鐵設(shè)計規(guī)范》建議取值也不會對車站站臺寬度設(shè)計帶來影響。

4) 探討性地提出了基于通勤乘客目的地規(guī)定到達時刻分布特征、乘客工作開始前預(yù)留時間分布特征和乘客出站接駁時間分布特征,并結(jié)合遠(yuǎn)期小時站間OD預(yù)測結(jié)果來確定進站客流超高峰系數(shù)的基本思路。下階段需在繼續(xù)開展大量深化研究工作的基礎(chǔ)上,提出車站進站客流超高峰系數(shù)的計算模型。

5) 周邊以崗位用地為主的車站,其晚高峰進站客流超高峰系數(shù)宜在《地鐵設(shè)計規(guī)范》中建議值的

低限附近取值;周邊以居住用地為主的車站,其早高峰進站客流超高峰系數(shù),可根據(jù)車站早高峰進站客流的出行距離分布集中程度來取值,如果出行距離分布集中程度高,則宜在《地鐵設(shè)計規(guī)范》中建議值的高限附近取值。