城市轨道交通客流特征及预测相关问题

2010-01-16郭平

城市轨道交通研究 2010年1期

郭平

(上海铁路局,200071,上海∥经济师)

1 城市轨道交通客流规模影响因素

城市轨道交通客流规模的影响因素主要有：线路沿线土地利用,城市经济水平,城市中心区潜在的发展前景、与其他运输方式的衔接及城市的相关管理等。

(1)沿线土地的利用：为保证城市轨道交通客流量的稳定,国内外成功的经验就是采用TOD(交通引导城市发展战略)模式带动轨道交通沿线土地的开发,支持居住和商用,以获得就业和小区人口客流量。城市各种经济活动在城市空间上所表现的土地利用是产生交通流的根本。城市轨道交通建设的另外一种方式被称为“客流追随型”发展,即在城市商业区或CBD(中央商务区)等原本就已经拥有充足客流量的区域修建城市轨道交通线路。相对于“客流追随型”模式,TOD土地利用模式线路覆盖范围内的人口就业强度强,但其有效覆盖范围的面积比“客流追随型”小,所以土地利用是决定客流规模的基础。

(2)城市经济水平：它一方面能够支持轨道交通建设的费用,另一方面影响客流规模。研究显示,只有当城市居民收入平均不低于1 800美元时,轨道交通的客流规模才能够得到保证。

(3)城市中心区潜在的发展前景：这决定了城市交通需求结构,尤其是长距离出行。一般来说,城市居民出行距离与城市的当量半径比较接近,因此城市地域面积也在很大程度上决定着城市轨道交通的出行量。

(4)与其他运输方式的衔接：一般城市很难做到像香港一样将大约50%的居民和55%的职业岗位集中在离城市轨道交通车站10 min的步行距离之内。轨道交通的特点决定了其网络覆盖区域的有限性。如果没有其他交通方式进行接驳,轨道交通的吸引半径就只能限制在步行可达的区域,大约离车站800 m范围内,这样就会丧失相当多的潜在客源。

(5)城市的相关管理：城市相关政策的出台及管理方式会影响到城市轨道交通的客流规模。例如,政府大力倡导公交优先、保护环境及强化彼此区域间的联系,势必会扩大轨道交通客流规模。

另外,速度、可达性、设施水平、交流和礼貌,以及舒适的乘车环境也是影响客流规模的要素。应在分析城市轨道交通客流规模的基础上确定轨道交通建设的力度。

2 城市轨道交通客流形成机理

城市轨道交通承担的客流主要由趋势客流、转移客流和诱增客流三部分构成[1]。趋势客流指的是城市轨道交通初期建设所需要满足的客流,是城市轨道交通的基础客流,它的大小是影响城市轨道交通初期建设规模的重要因素;转移客流是指由于城市轨道交通独特的优点,如快速、安全、准时、可靠、方便、无交通堵塞问题等,原来主要由道路公交和自行车方式所承担的城市较长距离的客流转移到城市轨道交通;诱增客流量是指由于轨道交通项目的兴建,使原有的交通体系得到改善,诱发了部分居民的出行欲望,导致原有出行者的出行行为发生变化。这些变化直接表现为出行时间的变化、出行线路及出行方式的调整、出行距离的增加和新的出行需求产生。诱增客流量不同于转移客流量,前者是由于一种新的交通运输方式的产生刺激了居民出行的需求而产生的客流,而后者则是从其它交通方式转移过来的客流。这种转移对整个交通系统客流总量不产生影响[2]。

城市客流主要取决于城市土地利用空间布局和交通组织,在供应满足的条件下,在城市的土地利用布局规划确定后,城市客流的产生和分布就客观存在。城市轨道交通作为一种迅速、大运量的城市客运系统,改变了轨道线路沿线的可达性,相应地会对城市土地利用空间布局产生一定的影响。大量资料显示,轨道交通沿线土地价值在轨道交通建设及运营期逐年递增,甚至在城市轨道交通规划期已经开始上升,沿线被开发成商用和居民住宅。所以交通系统和土地利用空间布局是相辅相成的关系,彼此之间存在促进反馈作用。

3 城市轨道交通客流特征分析

3.1 时变特征

3.1.1 一日内小时客流分布

城市轨道交通小时客流分布可以归纳为单向峰型、双向峰型、全峰型、突峰型、无峰型等五种。各峰型示意图如图1所示。

(1)单向峰型：轨道交通线路所处的交通走廊具有明显的潮汐特征或车站周边地区用地功能性质单一时,车站客流分布集中,有早、晚错开的一个上车高峰和一个下车高峰。

(2)双向峰型：车站位于综合功能用地区位时,客流分布与其它交通方式的客流分布一致,有两个配对的早、晚上下车高峰。

(3)全峰型：轨道交通线路位于用地已高度开发的交通走廊或车站位于公共建筑和公用设施高度集中的地区时,客流分布无明显的低谷,双向上下车客流全天都很大

(4)突峰型：车站位于体育场、影剧院等大型公用设施附近,演出或体育比赛结束时有一个持续时间较短的突变的上车高峰。一段时间后,其他部分车站可能有一个突变的下车高峰。

(5)无峰型：当轨道交通本身的运能比较小或车站位于用地还没有完全开发的地区时,客流无明显的上下车高峰,双向上下车客流全天都较小。

图1 城市轨道交通客流时段分布示意图

通常用线路单向分时客流不均衡系数 α1来描述其全日客流分布状况。

式中：

pt——单向分时最大断面客流量;

H——全日营业小时数;

pmax——单向最大断面客流量。

显然,α1越趋向于0,则单向分时最大断面客流不均衡程度越大。在α1较小,即在单向分时最大断面客流不均衡程度较大的情况下,为实现运输组织合理性和运营经济性,可考虑采用小编组、高密度行车组织。

3.1.2 一周内全日客流分布规律

城市轨道交通线路主要是以通勤、通学客流为主,双休日客流有所减少,而连接商业网点、旅游景点的轨道交通线路双休日客流增加。另外,星期一与节假日后的早高峰小时客流、星期五与节假日的晚高峰小时客流,都会比其他工作日早、晚高峰小时客流大。

3.1.3 季节性或短期性客流的不均衡

城市轨道交通客流季节性变化明显。由于梅雨季节和学生复习迎考等原因,6月份客流通常是全年的低谷。旅游旺季,城市中流动人口会使轨道交通线路的客流增加。

3.2 空间分布

城市轨道交通线路客流分布特征可以通过运营期间的客流统计数据分析各条线路的客流分布特征[3]。

3.2.1 上下行方向客流分布特征

由于客流的流向原因,轨道交通线路上下行方向的客流通常是不相等的。在放射状轨道交通线路上,早、晚高峰小时的上下行方向客流不均衡尤其明显。可以采用上下行方向不均衡系数描述轨道交通线路上下行方向客流均衡程度。

式中：

α2——上下行方向客流不均衡系数;

p上max——上行方向最大断面客流量;

p下max——下行方向最大断面客流量。

α2越趋向于0,则上下行方向最大断面客流不均衡程度越大。此时,直线线路上要做到经济合理地配备运力比较困难,环线线路上可采取在内、外环线路安排不同运力的措施。

3.2.2 各个断面客流的分布特征

轨道交通线路所行经区域的用地开发性质不同,所覆盖的客流集散点的规模和数量也不同,因而线路单向各个断面的客流存在不均衡现象是不可避免的。轨道交通线路单向各个断面客流不均衡系数可按下式计算：

式中：

α3——单向断面客流不均衡系数;

pi——单向断面客流量;

K——单向全线断面数。

α3越趋近于0,线路单向最大断面客流不均衡程度越大。可在客流量较大区段加开区段列车解决这一问题。但在行车密度较大的情况下,加开区段列车会有一定难度,并且加开区段列车对运营组织和车站折返设备都会提出新的要求。

4 城市轨道交通客流预测

轨道交通客流预测是城市交通客流需求预测的一部分,其预测原理和城市交通需求预测是一致的。国内外交通需求预测通常采用四阶段法：首先是对研究城市划分交通小区,进行城市人口、就业、土地利用资料的调查和居民出行调查;在此基础上进行居民出行产生预测、出行分布预测、交通方式划分预测及交通分配,以获得所需要的轨道交通需求数据。

4.1 客流预测的模式

国内常用的四阶段法根据发展时期及工作要求的不同,可以分为三种模式[4]。

模式1：现状公交——虚拟现状城市轨道交通——远期城市轨道交通。该模式首先假设规划轨道线网已经存在,称为虚拟现状快速轨道,并把其作为公交系统的组成部分。用简单的数学模型以现状公交流量推算虚拟轨道交通的站点OD,再用增长率法得到预测年的增长,分配得到线路的客流量。这种方法以现状公交为预测基础,无法考虑城市用地、交通设施、出行结构的变化,精度低。

模式 2：现状 OD——虚拟现状城市轨道交通——远期城市轨道交通。该模式以现状OD调查为基础,将现状出行OD经方式划分,虚拟出轨道交通客流,计算出站间的OD;再根据轨道客流增长趋势,计算预测年客流OD,分配得到所需结果。该方法对客流出行的现状特征的反映比较全面,因此预测精度有所提高。但由于该方法以现状OD为基础,只适用于城市发展较为稳定的城市,对于快速发展的新兴城市不适用。

模式3：现状OD——出行需求预测——远期城市轨道交通。该模式以OD调查为基础,进行各规划年份全方式出行预测,然后通过方式划分、交通分配,得到规划快速轨道客流量。该方法遵循完整的四阶段法的步骤,预测精度较高。

4.2 客流预测的模型

4.2.1 交通生成

该阶段常采用增长率法,即把现状不同分区的发生(吸引)交通量Ti与预测年的增长率Ri相乘,从而得到各分区的发生(吸引)交通量T′i=TiRi。确定Ri,通常用各小区的指标增长率作为发生(吸引)增长率。例如：Ri=αiβi。其中 αi为目标年区域i人口与基年区域人口之比;βi为目标年区域i人均小汽车拥有率与基年自行车拥有率之比。

增长率法的不足之处在于将所有的出行目的看作一样的。事实上不同目的出行的生成和分布规律相差很大,增长率法并没有考虑到这个问题。

4.2.2 交通分布

交通分布模型有增长率法和重力模型。增长率法的操作简单,但是没有考虑城市布局及城市基础设施建设改变对城市出行OD的影响,所以该阶段一般采用重力模型。双约束模型是一种比较完整直观的重力模型,其公式为：

式中：

Qij——从交通小区i到j的交通分布量;

Gi——交通小区 i的交通发生总量;

Aj——交通小区j的交通吸引总量;

ki,kj——平衡系数;

f(Rij)——阻抗系数。

重力模型存在的主要问题就是对现有交通分布拟合不够好,尤其是当交通小区划分较密、区间行走时间较短时。采用对区内和区间的交通分布分别建模的方法调整出行比,可以很好地解决这个问题。

4.2.3 交通方式分担

交通方式分担模型首先把出行OD的分担方式分为固有OD和竞争选择OD,由地区间的出行距离划分出行总量的固定部分和竞争部分。竞争部分采用适当的分担率模型得到公交、小汽车、自行车、步行等方式的OD,轨道交通OD可以从道路公交OD中分离出来。交通方式划分目前常用的有分担率曲线法和线性回归法。分担率模型从个人出行调查结果出发,根据影响交通方式选择的主要因素(地区距离、地区间行走时间比、行走时间差等指标)对各种交通方式进行划分。模型操作简单,需要资料少。线性回归模型可以考虑多种影响交通方式选择的使用因素。

由于现有轨道交通OD都是从公交OD中分配出来,没有考虑到其他交通方式诸如自行车、小汽车等向轨道交通方式转移的规律,不利于全面预测轨道交通出行总量。

4.2.4 交通分配

路网分配要符合均衡的原则。即在道路网的利用者都知道网络的状态并试图选择最短路径时,网络就会达到平衡状态。在考虑拥挤对行走时间影响的网络中,当网络达到平衡时,每组OD的各条被利用的路径具有相等并且最小的行走时间,没有被利用的路径的行走时间大于或者小于最小行走时间。在均衡状态下,系统总的出行时间最短[5]。

在道路网中达到用户均衡状态是交通分配的难点。因为用户均衡状态是用户在能够获得完整信息的情况下做出的精确基于最小路径阻抗(费用)的路径选择行为,它忽略了出行者由于自身和外界因素引起的路径选择随机性,这在现实中是不合理的。随机均衡分配模型的出现解决了这一问题。

图2是随机均衡分配模型的多路径——逐次分配算法流程图。将总OD表分解为几个子OD表,i,j,k,…,n是子OD表中的节点,流程结束后累积总的分配,如果等于子OD表流量,进入下一个OD表进行同样计算。

该算法的结果可以保证线网中采用不同交通方式的用户被分配到合理的路径,出行阻抗最小,对整个路网交通量的分配具有理论基础和实用价值。