城市群城际轨道客流预测方法研究

王慧晶,曹尧谦

(1.湖南铁路科技职业技术学院 运输管理学院，湖南 株洲 412000；

2.中南大学 交通运输工程学院，湖南 长沙 410075)



城市群城际轨道客流预测方法研究

王慧晶1,曹尧谦2

(1.湖南铁路科技职业技术学院 运输管理学院，湖南 株洲 412000；

2.中南大学 交通运输工程学院，湖南 长沙 410075)

摘要:针对城市群城际轨道交通特点，综合分析客流特征分析的基础上，提出考虑区位势能的交通小区划分方法；结合城市群内各城市经济发展，采用修正重力模型进行客流分布预测，通过transCAD完成K矩阵和相应参数的标定；以logit模型为基础，研究交通方式划分与交通分配联合模型的竞争分配方法。最后，以长株潭城市群为例，对长株潭城际铁路近期、远期客运需求进行预测分析。研究结果表明：该方法和模型具有较好的应用价值。

关键词：城市群；城际轨道交通；客流预测；竞争分配

随着经济的快速发展，城市化进程的加快，城市空间格局呈组团式发展形成多中心城市群，如京津冀、珠三角、长三角、长株潭等城市群。快速发达的综合运输网络为城市群的发展起到了巨大的支撑作用。以轨道交通为载体的综合交通运输网络是城镇化，区域经济一体化的重要支撑，是增强城市群综合承载能力，实现城市群可持续发展的有效途径[1]。陆化普等[2]从城际轨道交通的特点出发，将城际轨道交通的客流分为城市内客流与城市间客流，提出了采用竞争分配的方法进行客流预测的思路、模型与方法。彭辉等[3]引入广义费用函数，对传统logit模型进行改进，构建了城市群城际运输通道旅客运输方式合理分担率模型。王树盛等[4]通过对都市圈轨道交通的功能定位,界定的轨道交通的客流吸引范围,提出了以节点分析、虚拟交通小区分析为主的都市圈轨道交通客流预测方法。本文试图通过分析城市群城际旅客出行特征为切入点，对城际轨道交通客流预测方法展开研究。

1城市群城际旅客出行特征

由于城市群具有较明显的区域性、群聚性和中心性特征，因此城市群城际旅客出行在出行目的、客流分布、出行时间距离及出行质量要求(舒适性、安全性)等方面也有一定的特征。

1)客流出行目的：主要以探亲访友、出差、旅游、商务等为主，上班、购物、打工次之。

2)客流出行分布：城市群城际客流主要是城市群内城市与城市之间的客流，城市与所辖城镇之间的客流及城镇之间的客流。由于城镇间经济联系较少，因此客流主要还是以城市间和城市与所辖城镇间的客流为主，具有一定的向心性和直达性特点。

3)客流出行距离：城际客流出行距离较城市内客流出行距离较长，且与城市群城镇分布的密集程度有关。

4)出行时间：根据对调查资料的统计分析，城市群城际旅客出行量的高峰较为明显，出行高峰之间的时段出行量变化不大。节假日旅客出行比例较平时高，主要以探亲旅游为主。

5)城际旅客对出行时效性、可达性、便捷舒适性的要求较高，对票价的承受能力较强。

2城市群城际轨道交通客流预测

对于城际轨道交通客流预测的方法仍然是借鉴传统的交通需要预测“四阶段”法，但因城市群城际轨道交通的自身的特点，其具体的预测过程仍有所区别。具体预测过程如图1所示。

2.1　交通小区划分

城市群内各交通小区所承担的客流是城际轨道交通的主要来源，因此合理划分交通小区城际轨道交通客流预测的重要保障。在传统交通小区划分的原则基础上，依据文献[3]对区位势定义，本文采用考虑区位势的方法对城市群交通小区划分进行研究。

图1　城市群城际轨道交通客流预测流程Fig.1 Prediction procedure of passenger flow of intercity rail transit for urban agglomeration

区位势定义为城市中某区位土地利用经济优势的大小。即交通区i相对区位势能Yi定义为：交通区i的区位势LPi对城市标准区位的区位势LP0的比值，即

(1)

在本文研究中将区位势作如下定义：区位势是交通小区的出行吸引和出行产生大小量化表述，与交通小区的交通可达性及交通小区的用地聚类成正比。即：

区位势LP：LP=kbβAχ(M)δ

(2)

其中：LP为区位势；A为交通可达性；M为测度区位土地综合聚集规模水平值；b为其他因素；k为比例系数；χ为交通可达性因子对区位势增长贡献的弹性系数；δ为综合聚集规模因子对区位势增长贡献的弹性系数；β为其他因素对区位势增长贡献的弹性系数。

考虑区位势进行交通小区划分，这样可以比较准确地分析各个交通小区客流的产生量和吸引量，不仅能够掌握节点的出行情况，而且有助于分析各个交通小区客流分布。

2.2　出行生成预测

以基年土地使用分别建立客运出行发生、吸引回归模型，进行客流发生、吸引量的预测。由于城市群区域各城市的出行特点差别较大，因此本文对其系数进行了调整[2]，具体方法如下：

(3)

其中：Ci为第i个城市的发生量或吸引量调整系数；Yi为第i个城市基年的发生量或吸引量；Y0i为将i个城市的基年GDP、人口、机动车保有量、土地利用等带入标定后的函数计算得到的发生量和吸引量。

需要说明的是，在城际轨道交通建成之前，城市群城间交通方式主要还是以公路、铁路等为主，水运，航空等承担的客运量比例并不大，因此本文不予考虑。公路OD可通过调查获得的公路交通流量反推并经校核后得到，铁路OD可通过相应的客流统计数据获得。

2.3　客流分布预测

客流分布预测是以区域现状客流OD为基础，综合考虑各交通小区经济、社会发展引起的客流量增长情况，推算出未来特征年各小区间的客流分布。本文采用修正的重力模型，通过基年OD进行标定，获得反映小区间特殊联系的K矩阵和相应参数，由此建立居民出行分布模型，并预测未来特征年居民城市间全方式出行OD表。由于城市群城市社会经济发展的状况和速度也存在差别，现状的K系数并不能反映未来年城市间的相互联系，需要根据城市产业结构和城市内部土地利用情况对K系数进行调整，本文通过transCAD完成参数标定。

2.4　交通方式划分与交通分配组合预测

2.4.1交通方式的竞争选择

城市群内城市间的交通方式包括公路、铁路、城际轨道交通、水运、航空等等，而道路交通模式又有小汽车、客车、摩托车等等。考虑城间交通方式众多且复杂，居民出行时对交通方式的选择主要取决于交通方式的服务水平(效用U),主要体现在交通方式的出行时间，出行费用，换乘便利性，舒适性，安全性等。

2.4.2效用函数

效用函数一般用费用来表示，本文从经济性，快速性，便捷性，直达性，安全性，舒适性等方面考虑构建效用函数。

1)经济性(Ei)：本文通过票价来表示各种交通方式的经济性。

Ei=RiLi

(4)

式中：Ri为第i种运输方式的运价率；Li为第i种运输方式的运行距离。

2)快速性：基于城市群一体化和“小时交通圈”的要求，采用旅客在途旅行时间作为便捷性的衡量指标。

Fi=tiW(T)

(5)

式中：ti为旅客选择第i种交通方式乘车所花费的时间；W(T)为旅行时间价值。

3)便捷性：用费用Ci表示，其包括服务方便性和起终点城市，以及中间换乘城市换乘衔接的方便性。

Ci=(Tig+Tih)W(T)+

[fi1+fi2+fi3+(ti1+ti2+ti3)W(T)]

(6)

式中：fi1, fi2, fi3分别为第i种交通运输方式在起、终点城市以及中间换乘城市的衔接费用；ti1，ti2，ti3分别为第i种交通方式在起终点城市以及中间换乘城市的换乘衔接时间；Tig为第i种交通方式的平均购票时间；Tih为第i种交通方式的平均候车时间。

4)舒适性(Mi)：采用交通运输工具和车外设施总造价的人均费用的万分之一来衡量。

5)由于直达性(Di)，舒适性(Pi)和安全性(Si)无法用具体的价格和时间衡量，较其他指标相比具有独立性，当这3种属性较优时，则该种方式的广义费用也最小。

则广义费用函数可表示为：

Ui=(θ1Ei+θ2Fi+θ3Ci-θ4Mi)/(PiSiDi)

(7)

θj为属性函数，j=1,2,3,4。

2.4.3交通量分配

本文采用改进的Logit模型，即各种交通方式的分担率由其效用值确定。具体模型为：

设Pi为第i种交通方式的客运分担率，

(8)

采用极大似然估计法标定参数。

在处理每一个OD对间的交通量，更新每一条路段的客流量和旅行时间，搜索比较所有的有效出行线路，选择最短路(出行效用最高)进行确定性路网分配或在所有有效出行线路中进行概率分配，如此迭代下去，即可得到每一条路段的交通量。由此获得城际轨道交通城市间客流预测的结果。

3实例应用

长株潭城市群目前有高速公路、普通公路、铁路等运输方式，在规划年度还有客运专线、城际铁路等。以长株潭城市群及沿线长株潭3个市为研究对象，采用本文提出的方法进行客流预测，通过出行发生、吸引，出行分布，出行方式划分，得到公交出行OD，最后在综合网线路上分配得到轨道交通客流。

3.1　交通小区划分

长株潭城市群指以长沙、株洲、湘潭3个城市为中心，包括岳阳、常德、益阳、娄底、衡阳5市构成的区域，其总面积为9.68万km2，占全省的45.8%，基于长株潭城市群近年社会经济指标数据分析，对长株潭3市现有主要客运交通方式进行客流调查，主要对107国道、320国道、京珠高速和上瑞高速公路收费口等15处进行调查以及长株潭3市长途客运站访问调查、长株潭相关公交出行随车调查。根据长株潭城市群近年社会经济指标，将研究对象区域划分为27个小区，具体结果见表1。

表1　交通小区划分表

3.2　发生、吸引量预测

通过分析现状土地利用，构建客运出行发生、吸引回归模型，然后在规划用地图上统计出各小区的土地使用面积，代入所建立的发生吸引模型得出初始计算值，然后进行调整修正，预测得出研究年度各中区发生吸引量见表2。

表2　长株潭各中区发生吸引量预测结果

3.3　交通分布预测

重力模型的标定采用transCAD进行，通过标定得到值和K矩阵，迭代次数为10次，精度控制为0.01，通过计算，长沙、株洲、湘潭3市分别采用0.89,0.92和1.10。

根据上述参数，代入模型，预测得到研究年度全方式OD交流如表3。

3.4　交通方式划分

首先对长株潭区域内各交通方式的特征、各种交通基础设施供应水平和各交通方式的未来发展趋势作了定性分析。在利用logit模型进行方式划分预测时，将整个长株潭区域内的出行分为对外出行和城区出行，对两种空间不同的出行分别进行预测。根据对外和区内交通方式划分的各交通方式的出行比例得到未来各规划年度公交类分布量见表4。

表3　2020，2030年全方式中区分布OD

表4　2020，2030年公交类出行分布OD

在利用模型求得各小区之间的公交流量后，即可将全部公交类OD在常规公交和轨道线网上进行竞争分配，从而求得轨道交通流量。

3.5　交通分配

交通分配是基于运营组织的综合线网分配预测法，将在综合公共交通网(轨道网、公交网、铁路网)上进行，使公共交通方式的划分与交通分配联合进行，目的是考虑公共交通方式间的竞争。交通分配时考虑公共交通的运营组织，由此分配而得出的轨道交通量及流量等结果将更具有准确性、合理性及指导性。采用随机用户平衡分配法,主要客流预测主要指标如表5。

表5　客流预测主要指标

结果分析：项目承担的客运总量近期40.1万人/d，远期57.1万人/d，客运总量呈逐年增长趋势，随着远期长株潭城市群城际铁路网的建成，全线承担的客运量加快增长，近期-远期年均增长率为3.6%。由于本线经过长沙市中心区、株洲市区、湘潭市区，客流呈线两头小、中间大的纺锤状。由于本线沿线主要客流点为长沙、株洲、湘潭，客流特征呈现出以3点之间的交流为主，因此本线平均运距较长，近、远期客流的平均运距分别为23.1 km和28.2 km。

4结论

1)分析了城市群城际旅客出行的特征，结合城市群轨道交通自身的特点，基于传统的四阶段法，得出了城市群城际轨道交通客流预测流程。

2)给出基于传统四阶段法城市群城际轨道交通客流预测步骤及方法。并运用组合预测，竞争分配的城际客流预测思路，预测了长株潭城市群2020年、2030年城际轨道交通客流需求及相关客流指标，可以得出本文所提出的模型能够较好的分析城市群城际轨道交通客流配流问题。其科学性和可行性得到验证，具有应用价值。

参考文献:

[1] 赵旭峰.我国城市群城际轨道交通发展若干问题思考[J].综合运输,2014,1(5):10-15.

ZHAO Xufeng.Problems and consideration concerning the development of urban agglomeration rail transit in China[J].Comprehensive Transportation,2014,1(5):10-15.

[2] 陆化普,王建伟,陈明.城际快速轨道交通客流预测方法研究[J].土木工程学报,2003,36(1):41-45.

LU Huapu,WANG Jianwei,CHEN Ming.Study on the methods to forecast the passenger volume of intercity rapid railway[J].China Civil Engineering Journal, 2003,36(1):41-45.

[3] 彭辉,续宗芳,韩永启,等.城市群城际运输结构配置客流分担率模型[J].长安大学学报(自然科学版)，2012,32(2):91-95.

PENU Hui,XU Zongfang,HAN Yonqi,et al.Sharing ratios model of passenger flows in intercity transportation structure configuration among urban agglomeration[J].Journal of Chang’an University(Natural Science Edition), 2012,32(2):91-95.

[4] 王树盛,黄 卫,陆振波,等.都市圈轨道交通客流预测方法研究[J].城市轨道交通研究,2004,1(1):40-43.

WANG Shushen, HUAN Wei, LU Zhenbo,et al.A method of forecasting passenger flow in metropolitan UMT[J].Urban Mass Transit, 2004,1(1):40-43.

[5] 吴家友,刘术红.基于区位势能的新城区总体交通需求预测模型探讨[J].重庆交通学院学报,2003,22(4):93-95.

WU Jiayou，LIU Shuhong.Research on forecasting model of new blocks[J].Journal of Chongqing Jiaotong University,2003,22(4):93-95.

[6] 汪海,蒋涤非.构建长株潭数字城市群的理论分析实施建议[J].铁道科学与工程学报,2012,9(2):110-114.

WANG Hai,JIANG Difei.Theoretical analysis and proposals for the construction of Chang-Zhu-Tan digital urban agglomeration[J].Journal of Railway Science and Engineering, 2012,9(2):110-114.

(编辑阳丽霞)

Study on the methods to forecast passenger flow of intercity rail transit for urban agglomeration

WANG Huijing1, CAO Yaoqian2

(1.Transport and Management Department, Hunan Vocational College of Railway Technology, Zhuzhou, 412000, China;

2.School of Traffic and Transportation Engineering, Central South University, Changsha 410075, China)

Abstract：Passenger flow forecasting of urban agglomeration plays in an important role in intercity rail transit planning and feasibility analyzing.On the basis of the study of the intercity rail characteristics and passenger flow features, the traffic zone division method in consideration of region potential energy is proposed.By combining urban economic development with the urban agglomeration, modified gravity models is applied in passenger flow distribution forecast and the k matrix and parameters are calibrated by transCAD.Based on logit model, competitor assignment method based on combination model of transport modal split and assignment is analyzed.Finally, taking Changsha-Zhuzhou-Xiangtan urban agglomeration rail as an example, the short-term and long-term passenger transport demand are predicted for Chang-Zhu-Tan intercity railway with reference to Changsha-Zhuzhou-Xiangtan urban agglomeration rail.The result indicates that the method has great practical value.

Key words：urban agglomeration; intercity rail transit; passenger flow forecasting; competitor assignment

通讯作者：王慧晶(1970-)，女，湖南常宁人，教授，从事交通运输规划与管理研究；E-mail:jjing0215@163.com

基金项目：湖南省社科基金资助项目(2010YBB247)

收稿日期：2015-06-06

中图分类号：U125

文献标志码：A

文章编号：1672-7029(2015)06-1520-06