西安市城市轨道交通车站高峰时段偏差研究

2018-10-24陈宽民余丽洁马超群

城市交通 2018年5期

陈宽民，余丽洁，马超群

(长安大学，陕西西安71064)

0 引言

面对日益增长的交通需求和日趋严重的交通拥堵，各大城市均在加快城市轨道交通的发展进程与建设力度。截至2017年末，中国内地34座城市运营165条城市轨道交通线路，运营总里程为5 03 km，其中北京、上海、广州运营里程分别达到685.1 km，732.2 km，364.8 km[1]。西安市目前已经形成基于3条线路的城市轨道交通初级网络形态，运营里程为91.4 km，为改善西安市交通结构、优化城市空间布局、提高生活环境质量发挥了重要作用。

随着城市轨道交通的发展，对其客流的预测研究也在不断深化过程中，形成了大量的研究成果。四阶段法是早期国内外学者应用较为广泛的预测方法[2-8]；随着四阶段法在轨道交通客流预测中应用的逐步成熟，学者们开始重视客流预测时对轨道交通网络客运总量的控制[9-1]。在城市轨道交通的建设运营中，部分学者开始研究实际运行结果与客流预测之间的差异，分析客流预测工作中存在的问题及其原因[12-14]；分析传统四阶段模型的不足并对其进行改进[15-19]。随着城市轨道交通的建设运营，部分学者开始研究实际运行结果与客流预测之间的差异，分析客流预测工作中存在的问题及其原因[12-14]；分析传统四阶段法模型的不足，并对其进行改进[15-19]。随着城市的发展，轨道交通网络逐渐延伸至郊区，由于郊区出行方式与市区的差异，出现了针对市郊轨道交通客流预测方法的研究[20-25]。车站规模直接影响乘客对轨道交通服务水平的感知，在研究车站客流时逐渐发现车站的区位、用地性质、与其他交通方式的接驳等成为影响轨道交通车站客流的重要因素[15,26-28]，研究还关注了客流预测成果在轨道交通车站规模计算中的应用[29-31]以及客流预测偏小对车站客流的影响[32]。

随着城市轨道交通运营线路的增多，各城市均出现车站客流高峰时段与城市交通高峰时段的不重叠现象。但在车站设计时，通常以客流预测报告中已预测的城市交通高峰时段所对应的车站客流量作为该车站的设计客流量。从而导致某些客流偏差较大的车站在其车站高峰时段出现车站规模较小、站内乘客流线混乱等问题。为此，《城市轨道交通客流预测规范》(GB/T 5150—2016)中明确提出“车站的客流高峰不出现在早、晚高峰时段时，应预测分析车站高峰出现时段及车站乘降客流”[3]。由于缺乏理论依据，各城市轨道交通客流预测报告仅从定性判定的角度给出车站高峰时段客流结果。因此，这一问题必将成为今后一段时间客流预测工作的重点研究内容。

本文以西安市城市轨道交通车站为例，分析工作日车站客流高峰时段出现时间偏差、客流量偏差及其影响因素，针对高峰时段出现时间存在偏差的车站，提出其高峰时段乘降量取值建议。

1 西安市城市轨道交通车站空间分布

西安市已经开通3条轨道交通线路，共63座车站(见图1)。其中轨道交通1，2号线沿东西、南北轴线辐射，在北大街站形成换乘；3号线连接西安市东北和西南部，在通化门站与1号线换乘，在小寨站与2号线换乘。

图1 西安市城市轨道交通线路及车站Fig.1 Urban rail transit lines and stations in Xi'an

西安市人口密度主要集中在明城墙区和小寨区，即西安市中南部区域(见图2)。明城墙区是旧城区，也是西安市的经济、商业中心；明城墙区南部的小寨区是次于明城墙区的商业中心，整个城市的人口、经济、用地开发等以明城墙和小寨区为中心向外递减。3条轨道交通线路在城市中心形成网络，并向城市外围区域辐射。

2 车站高峰时段偏差

2.1 偏差时间及偏差幅度

根据2015年西安市居民出行调查可知，西安市工作日早高峰时段为7:30—8:30，晚高峰时段为18:0—19:0。西安市城市轨道交通车站高峰时段的偏差表现在时间上的偏差(车站高峰出现时段与城市交通高峰出现时段不一致)以及客流量级的偏差。因此，将西安市城市轨道交通各车站偏差时间及客流量偏差幅度(车站高峰时段客流量与城市交通高峰时段车站客流量之比)进行统计，结果见表1。

可以看出，大多数车站高峰时段出现时间与城市交通高峰时段出现时间一致或较为接近。早高峰偏差时间主要集中在0～15 min，占全网车站数量的73%；晚高峰偏差时间主要集中在-15～0 min，占全网的81%。但也存在偏差极高的车站，例如1号线的康复路站，2号线的北客站，3号线的国际港务区站、双寨站、保税区站。

绝大多数车站的偏差幅度为1.0～1.1，占全网的70%以上。早高峰偏差时间较大的车站，其客流量偏差幅度也较大，为1.40～1.70；位于城市中心区的车站(如钟楼、永宁门、南稍门、体育场、小寨等)，虽然其偏差时间不大(车站早高峰比城市交通早高峰滞后30 min)，但其客流量偏差幅度较大，为1.20～1.35。晚高峰的整体客流偏差幅度较早高峰小，为1.0～1.30；偏差时间较大的车站客流量偏差幅度也较大，为1.20～1.30。但存在2个特殊车站：康复路站和北客站。康复路站位于西安市东郊区域，附近有西京医院、义乌批发市场、轻工批发市场等，这些大型批发市场对客流的影响不同于一般意义的商业用地，下班时间基本在17:0左右，使得此车站晚高峰时段客流偏差较大，偏差幅度高达1.68。北客站也是西安市的高铁车站，客流在很大程度上受高铁发车班次的影响，使得其偏差时间很大。

2.2 基于高峰时段偏差的车站分类

2.2.1 K-mmeeaannss算法

K-means算法是MacQueen于1967年提出的基于划分思想的聚类算法，其聚类结果使相似度较高的样本聚集到同一类簇，而类簇间的样本相似度较低。该算法的核心思想是把若干个数据对象划分为若干个聚类，使每个聚类中的数据点到该聚类中心的平方和最小，主要步骤如下：

式中：ni为簇Wi中数据点的数量。

聚类效果用目标函数J表示：

式中：dij(xj,ci)为xj与ci之间的欧氏距离。

目标函数J其实就是每个数据点与所在簇的质心的距离之和。值越小，簇越紧凑、越相对独立。因此，算法通过不断优化的取值来寻求好的聚类方案。当J取极小值时，对应的聚类方案即为最优方案。

2.2.2 车站分类结果

图2 西安市功能分区及人口密度分布Fig.2 Distribution of land use and population density in Xi'an

将各车站早晚高峰时段偏差时间和客流量偏差幅度作为2维数据集，采用K-means算法对63座车站进行分类。结果表明，3类以下分类结果未能区分差异较明显的车站，7类以上结果过于细致。当分类数为4，5，6类时，随着分类数的增加，每一类车站在原类型基础上，根据其高峰时段偏差特征被分离。6组分类能够将客流量偏差幅度较大的车站剥离单独分类，因此选择6类作为最终分类结果(见表2)。各类型车站偏差统计见表3。

由于车站周边影响范围内的用地属性决定了车站的进出站客流特征(时间分布、客流规模)，同时，用地也是轨道交通客流预测中重要的输入条件，因此，下文重点对各类型车站周边用地进一步研究。

表1 西安市城市轨道交通各车站高峰时段偏差时间及客流量偏差幅度Tab.1 Differentiated peak hours and passenger flow at rail transit stations in Xi'an

3 各类型车站特征研究

3.1 车站用地特征

城市用地属性决定居民出行特征。居民出行可以分为通勤出行和其他出行，通勤出行在时间和空间上具有较大的恒定性，是高峰时段出行量的客流来源；其他出行具有随机性的特征，是非高峰时段出行量的客流来源。因此，首先将用地属性划分为通勤出行用地和其他出行用地，前者指某种属性的用地是通勤客流的发生吸引源，后者指某种属性的用地是非通勤客流的发生吸引源。对各车站影响范围内用地属性进行划分，将其与高峰时段偏差相结合进行分析。

一般而言，上班、上学等出行目的的发生源是居住用地，吸引源则是行政办公、教育科研、工业等用地；回家目的的出行吸引源是居住用地；生活购物、休闲娱乐等出行目的的吸引源是商业、文物古迹、绿地公园等用地。此外，还存在一类特殊的用地——交通枢纽用地，该类出行由对外交通时刻表决定，出行无通勤交通特征，因此将其归为其他出行用地。

根据《城市用地分类与规划建设用地标准》(GB 50137—201)[34]，城乡用地分为2大类、9中类。其中公共管理与公共服务设施用地中包括行政办公用地、教育科研用地、文化设施用地、医疗卫生用地、文物古迹用地等，这些用地中前2类用地以产生通勤客流为主，后3类用地以产生非通勤客流为主。最终，各类型用地划分结果见表4。

通勤出行用地和其他出行用地产生两种不同时段分布的客流，车站周边两种用地性质的比值关系将在一定程度上决定此车站的客流高峰时段时间偏差和客流量偏差幅度。因此，对西安市各轨道交通车站80 m范围内的现状用地进行统计，并计算通勤出行用地与其他出行用地的比值(见表5)。

3.2 各类型车站特征分析

各类型车站的通勤出行用地与其他出行用地的比值特征见表6。从表3可以看出，6-1类车站均为无偏差车站，由表6可知此类车站的通勤出行用地/其他出行用地＞1.0；表3中6-2类车站仅有一座——北客站(高铁车站)，偏差时间和客流量偏差幅度均较大；6-3类车站均位于西安市三环以外，目前居住人口稀少，虽然通勤出行用地/其他出行用地＜0.5，但早高峰偏差时间和客流量偏差幅度均较大；6-4，6-5类车站无论早高峰还是晚高峰与城市交通高峰时段的偏差时间为-45～30 min，客流量偏差幅度也不大，基本为城市交通高峰时段客流量的1.1倍左右，这些车站可以认为是基本无偏差车站，其通勤出行用地/其他出行用地≥0.5；6-6类车站偏差时间不大，但早高峰时段客流量偏差幅度较大，平均值为城市交通早高峰时段客流量的1.3倍左右。

表2 基于高峰时段偏差的车站分类结果Tab.2 Classifications of stations based on the differentiated peak hours

表3 各类别车站高峰时段偏差统计Tab.3 Differentiated peak hours at different types of stations

表4 各类型用地划分Tab.4 Classifications of land use

6-6类车站根据其具体的用地性质可以划分为2小类：一是玉祥门站、钟楼站、永宁门站、南稍门站、体育场站、小寨站，这些车站虽然通勤出行用地与其他出行用地比值为0.4～1.0，但是由于车站周边建有大型商业购物广场，是商业聚集效果显著的车站，使得其车站高峰时段存在偏差时间及客流量偏差幅度；二是务庄站，车站周边待开发用地较多，其通勤出行用地与其他出行用地比值小于0.5，此车站可以归为6-3类别中。

由此，将车站按照通勤出行用地与其他出行用地之比0.5作为界限进行分类。

1）通勤出行用地/其他出行用地≥0.5的车站。

表5 西安市各轨道交通站通勤出行用地与其他出行用地比值统计Tab.5 Ratios between land use for commuting and other travels at different rail transit stations in Xi'an

表6 各类型车站用地特征Tab.6 Characteristics of land use at different stations

通勤出行用地与其他出行用地比值大于等于0.5的车站有两类：一类是车站周边其他出行用地不是强大的客流发生吸引源(6-1，6-4，6-5类中的车站)，导致这些车站的通勤客流占车站客流的主体，车站的高峰出现时段与城市交通高峰出现时段基本无偏差。另一类车站由于车站周边其他用地是强大的客流发生吸引源(本文主要是商业聚集效果显著的车站)，使得这些车站虽然存在通勤客流，但是非通勤客流占主体，车站的高峰时段存在一定偏差。车站早高峰与城市交通早高峰相比滞后30～45 min，车站高峰时段客流是城市交通高峰时段本站客流的1.3倍左右；晚高峰基本无偏差。

2）通勤出行用地/其他出行用地＜0.5的车站。

通勤出行用地与其他出行用地比值小于0.5的车站有三类：第一类是交通枢纽车站(车站周边其他出行用地对居民的出行时间具有强大引导作用)，这些车站的客流在时间分布上遵循枢纽的运营时刻表。第二类是其他出行用地对居民出行基本无影响的车站(6-3类车站及6-6类中的务庄站)，这些车站均位于西安市北三环以外的浐灞生态区，车站周边待开发用地较多，居住人口稀少，这些车站的居民出行具有较大的随意性，导致车站早高峰出现时段与城市交通早高峰出现时段偏差为197～270 min，客流量偏差幅度较大；晚高峰偏差为-30～45 min。第三类是商业聚集效果显著的车站，这些车站以非通勤客流为主体，车站的早高峰存在一定偏差时间和客流量偏差幅度。

4 车站高峰时段偏差时间及客流量取值建议

结合上述对西安市城市轨道交通已运营车站的高峰时段偏差时间及客流量偏差幅度的统计分析，以及各类型车站的用地特征，可将车站分为四类，即通勤出行用地/其他出行用地≥0.5的一般车站、通勤出行用地/其他出行用地＜0.5的一般车站、交通枢纽车站以及商业聚集效果显著的车站。客流预测时各类型车站高峰时段取值建议见表7。

5 结语

本文通过对西安市城市轨道交通已开通运营的63座车站的客流高峰时段与城市交通高峰时段的特征偏差进行分析，运用K-means算法对其进行分类。根据各类型车站周边用地性质特征，得出每一类车站的客流高峰偏差时间建议取值以及车站高峰时段客流量的扩大系数。结果表明，当通勤出行用地/其他出行用地≥0.5时，车站客流高峰时段与城市交通高峰时段基本无偏差；当通勤出行用地/其他出行用地＜0.5或车站为明显的交通枢纽车站、大型商业区车站时，车站客流高峰时段出现时间将有不同程度的偏差，且车站高峰时段客流量是此车站在其城市交通高峰时段客流量的1.1～1.6倍。然而，由于通勤出行用地与其他出行用地比值小于0.5的一般车站仅有4座，偏差时间及客流量偏差幅度与用地比值之间的相关性拟合误差较大，需要收集更多城市轨道交通车站客流与用地情况进行进一步研究；西安市城市轨道交通未延伸至城市郊区，因此，无法确定郊区轨道交通车站客流的高峰时段偏差。