基于OD反推的客运专线客流预测方法研究

葛 永，叶建勇，李 强

(1.长安大学 公路学院，陕西 西安 710064；2.浙江省发展规划研究院，浙江 杭州 310012；3.陕西省交通运输厅，陕西 西安 710075)

基于OD反推的客运专线客流预测方法研究

葛 永1，叶建勇2，李 强3

(1.长安大学 公路学院，陕西 西安 710064；2.浙江省发展规划研究院，浙江 杭州 310012；3.陕西省交通运输厅，陕西 西安 710075)

为有效地分析铁路客运专线客流需求，针对传统的4阶段预测中基年OD数据较难获取的问题，提出了基于OD反推技术的客流预测方法，并将该方法与4阶段预测模型相结合用于分析客流需求。以某区域铁路客运专线为例，结合TransCAD预测软件，对模型进行了验证分析，结果表明该方法科学有效。

客流预测；OD反推；客运专线；4阶段模型

在国民经济发展过程中，交通运输对产业结构转型期的经济发展有着重要的作用。相对于其它运输方式而言，铁路客运专线具有运量大、距离长、安全性更高、舒适性更好的特点，因此，各个省份都在积极开展铁路客运专线的规划建设。作为客运专线规划的基础，客流预测的方法得到了越来越多的重视和研究。高觅以沈大铁路为例，建立了4阶段客流预测模型[1]；田丽提出了基于灰色模型的客流预测方法，并利用我国铁路2007年～2009年的数据进行了验证分析[2]；郭义荣分别针对客运专线建成前和运营后两个时期的客流量预测方法进行了研究[3]；刘为群以沈丹客运专线为研究对象，利用4阶段法对其客流进行了分析[4]；纪魁研究了OD反推技术在道路客流预测中的应用方法[5]；吕晓艳提出了基于历史和预售的时间序列预测方法，用于铁路客流总量的预测[6]；曹承将混合经验模态分解方法和神经网络方法相结合，提出了高速铁路短期客流量的方法[7]。由于传统的4阶段法需要现状的出行OD矩阵，所需要的数据量比较多，调查任务较为繁琐。为了能够快速而又较为准确的得到客运专线的客流量，本文提出了基于OD反推技术的4阶段客流预测模型。

1 OD反推理论基础

OD矩阵是进行客流需求预测和交通规划的重要基础数据，在实际应用中，由于获取OD矩阵要进行的居民出行调查，其任务较为繁琐，而通过路段交通量来反推OD矩阵的方法却被广泛采用。OD矩阵反推是交通分配的逆过程，交通分配是在己知居民出行OD矩阵的情况下，按照一定的分配方法(如0～1分配法、多路径概率分配法)将其分配到不同的有效路径上，从而得到各路段上的交通流量。OD矩阵反推则是基于现状路网中采集到的断面交通量数据，利用交通仿真软件(TransCAD、EMME等)选取一种交通分配方法，并结合初始OD矩阵，多次迭代计算得出目标OD矩阵的方法。

(1)

式中：M为被观测路段的数量；N为OD矩阵中交通小区的划分数量。

在假设路段选择概率与OD分布状况独立并且路段流量已知的情况下，只要拥有足够多的路段交通量，就可以通过求解联立线性方程组得到Tij。此外，在实际应用中，需要确定一个初始OD矩阵，一般可以参照各交通小区之间的最短路矩阵来确定初始OD矩阵的值。

图1 基于OD反推技术的客流预测方法

2 基于OD反推技术的客流预测方法

在铁路客运专线的客流预测分析中，首先需要利用现状各铁路站点之间的区段客流密度来反推出基年OD矩阵，随后可按照4阶段预测的基本思想，同时结合铁路客运专线的客流特点进行预测。具体预测方法如图1所示。

3 实例分析

根据上述客流预测的基本方法和步骤，选取某区域内的一条客运专线进行验证分析。

3.1 确定基年OD矩阵

根据在建客运专线项目的特点，首先确定其主要影响区域，并按照相应的原则划分交通小区，同时在宏观仿真软件TransCAD中绘制交通小区和路网；其次再将收集到的项目主要影响区域内各条铁路站点之间的区间客流密度数据输入到软件中，同时根据各小区间的路网属性生成最短路矩阵，用作OD反推的初始OD矩阵；最后在软件中通过相应的操作，反复迭代试算得出相对较为准确的基年OD矩阵。具体结果如表1和图2所示。

图2 基年客流出行期望线

表1 基年区域客流OD矩阵 /(人次)

3.2 客流发生量预测

各交通小区的客流生成量预测采用弹性系数法，即根据交通运输对国民经济的弹性系数，结合交通小区特征年经济的预测结果，确定未来交通运输量的增长率。通过分析项目影响区域内历年铁路客运量的弹性系数，同时参考区域内相关地区公路客运量弹性系数，确定未来铁路客运量增长的弹性系数。最后结合区域国民经济预测数据，可计算得出未来各特征年客流发生量，具体结果如表2所示。

3.3 客流分布预测

出行分布是“4阶段法”的一个重要组成部分，是将预测的各小区出行发生量、吸引量转化为未来各交通小区之间的出行交换量的过程。预测的方法有很多，大体分为增长率法和重力模型法两类。其中，重力模型是国内交通规划中使用最广泛的模型，此法综合考虑了影响出行分布的地区社会经济增长因素和出行空间、时间阻碍因素，是一种借鉴万有引力定律的空间互动关系模拟分析方法。该模型结构简单，适用范围较广。由于项目影响区域内未来年规划路网变化较大，因此选用了双约束重力模型进行客流出行分布预测。

表2 各小区特征年发生吸引客流量 /(万人次)

图3 2030年客流出行期望线

运用宏观交通仿真软件TransCAD，进行重力模型参数标定及规划年的客流分布预测，得到特征年各交通小区之间的客流分布量，具体结果如表3和图3所示。

表3 研究区域2030年趋势客流出行OD矩阵 /(人次)

图4 2030年项目客流分配结果示意图

3.4 客流量分配

常用的客流量分配模型有最短路交通量分配法、容量限制分配法、多路径概率分配法和容量限制-多路径分配法等。每种方法要求输入的属性数据是不同的，必需的网络属性有时间、路段的能力、预先加载的交通量、路阻函数及其参数、运行的最大迭代次数及收敛标准等。考虑到铁路运输和旅客的出行选择特征，本次客流量预测采用多路径分配模型进行预测。

运用软件操作后，整理得到2030年项目全线平均客流量为2 591万人次，具体的结果如图4所示。

4 结 语

本文在分析了OD反推技术基本原理的基础上，针对传统的4阶段预测所需基础数据繁琐的缺点，提出了将OD反推技术与4阶段预测模型相结合的铁路客运专线预测方法。通过某区域内的客运专线的实例分析，验证了该方法的可行性。

[1] 高觅.沈大客运专线客流预测研究[D].大连：大连交通大学,2014：6-8.

[2] 田丽.基于灰色模型的铁路客流预测方法[J].中国管理信息化,2011(7):34-34.

[3] 郭义荣,董宝田.铁路客运专线客流预测模型研究[J].铁道运输与经济,2011,33(9):86-90.

[4] 刘为群.沈丹铁路客运专线客流预测[J].铁道建筑,2012(7):105-108.

[5] 纪魁,曹国华.基于OD反推的交通需求分析方法研究[J].交通信息与安全,2014(3):83-86.

[6] 吕晓艳,刘彦麟,颜颖,等.铁路客流总量预测方法研究[J].铁路计算机应用,2016, 25(2):1-2.

[7] 曹承,梁院生.基于EMD-BPN方法的高速铁路短期客流预测[J].交通科技与经济,2015(1):10-12.

Research on Passenger Flow Forecasting Method of Passenger Line Based on OD Estimation

GE Yong1, YE Jianyong2, LI Qiang3

(1.Chang′an University, Xi′an 710064, China; 2.Zhejiang Development & Planning Institute,Hangzhou 310012, China; 3.Shaanxi Provincial Transport Department, Xi′an 710075, China)

In order to analyze the passenger demand of railway passenger line, in the paper a method of passenger flow forecasting based on OD matrix estimation technique are put forward. It is used to solve the problem of the traditional four stage prediction based on OD data. By combining the method with the four stage prediction model, the demand of passenger flow is analyzed. Taking the passenger line as an example, transCAD software is employed to verify the model in the passenger dedicated line in a certain area. Results show that the method is scientific and effective.

passenger flow forecasting; OD estimation; passenger line; four stage model

2017-03-10

葛 永(1992-)，男，安徽亳州人，在读硕士研究生，主要从事交通运输规划管理方面的研究.

10.3969/i.issn.1674-5403.2017.02.009

U491

A

1674-5403(2017)02-0031-04