基于智能卡数据的地铁站点拥堵水平分级研究

谭晓伟

(1.长安大学汽车学院，陕西 西安 710064；2.长安大学汽车运输安全保障技术交通行业重点实验室，陕西 西安 710064)

随着网络化、规模化发展，地铁在一定程度上缓解了城市拥堵、为广大乘客高效出行提供了便利。客流负荷强度是用来衡量线路运输能力是否饱和、评估轨道交通运营效果的重要指标，是指每公里地铁线路每日承担的客流量，即万人次/(km·日)。国家发改委[2015]49号《关于加强城市轨道交通规划建设管理》提出，拟建地铁初期负荷强度不低于每日每公里0.7万人次。但是，还没有一个定量的指标来全面衡量单一地铁站点的客流强度或拥堵水平。地铁AFC系统收集的大量智能卡数据，为精准的客流分析、客流预测提供了基础数据。本文将通过对大量智能卡历史数据的综合分析，引入地铁站点拥堵水平划分的指标并进行级别划分研究。

1 智能卡数据描述

本文以南京地铁作为研究对象，南京地铁于2005年9月率先开通运营地铁1#线，截止2017年9月，已开通并运营包括1#线、2#线、3#线、4#线、10#线、S1#线、S8#线在内的7条线路，共车站128座，其中换乘站11座。

通过南京地铁AFC系统收集的智能卡数据，其每一条数据都包含着一卡通号、票卡类型等持卡人基本情况和进站时间、进站站点、进站闸机通道、出站时间、出站站点、出站闸机通道等乘客出行信息，具体格式如表1所示。本文选取2017年9月18日(周一)至2017年9月24日(周日)共七个交易日的数据，包含3 492 875张卡共计11 183 212条出行记录。

表1 智能卡数据格式

2 地铁站点分级指标的选取

客流负荷强度不能反映单一地铁站点的拥堵水平，因此引入站点日均客流量和单位闸机通道日均客流量两个概念来反映地铁站点的拥堵水平。

站点日均客流量：每日进、出一个地铁站点的平均客流量。

Qi=Mi+Ni

(1)

其中Qi为站点日均客流量，Mi为第i个地铁站点日均进站客流量，Ni为第i个地铁站点日均出站客流量。

单位闸机通道日均客流量：每个闸机通道每天进站和出站的平均客流量。

(2)

其中Pi为单位闸机日均客流量，mi为第i个地铁站点进站闸机通道的个数，ni为第i个地铁站点出站闸机通道的个数。

利用智能卡历史数据，根据公式(1)可以得出站点日均客流量排前五位的地铁站点是：新街口、南京南站、南京站、迈皋桥、柳州东路，其客流量分别是221 616人次、130 311人次、96 183人次、92 850人次、91 638人次；排后五位的地铁站是：六合开发区、汇通路、孟北、东流、西岗桦野，其客流量分别是1 201人次、931人次、661人次、614人次、361人次。

根据公式(2)，可以得出单位闸机日均客流量排前五位的地铁站点是：奥体中心、小行、张府园、中华门、中胜，其客流量分别是20 147人次、11 606人次、9 144人次、8 529人次、8 144人次；排后五位的地铁站是：苏宁总部徐庄、汇通路、孟北、西岗桦墅、仙林湖，其客流量分别是185人次、182人次、107人次、100人次、44人次。

可见，单一指标反映的结果差异较大，因此用日均客流量和单位闸机通道日均客流量复合指标来反映地铁站点拥堵水平。

3 地铁站点拥堵水平划分的原则

(1)客观性原则：地铁站点拥堵水平的划分必须以现有地铁站点的实际客流规模为基础，符合当前实际发展的需要。

(2)前瞻性原则：地铁站点拥堵水平的划分必须考虑未来以地铁为主导的公共交通的发展水平和可能的客流规模，使得地铁站点拥堵水平划分方法能适应未来地铁发展的需要。

4 地铁站点拥堵水平划分

根据前文的理论分析，本文选择由日均客流量和单位闸机日均客流量组成的复合指标作为地铁站点拥堵水平划分依据，采用“等比分级法”将其划分为严重拥堵、中度拥堵、轻度拥堵和基本畅通四个级别，具体如表2所示。

按照本文提出的地铁站点拥堵水平划分方法，对南京地铁128个站点的拥堵水平进行级别核定，结果如表3所示。

表2 地铁站点拥堵水平划分标准

表3 南京地铁站点拥堵水平核定结果

5 不同拥堵级别地铁站点时空特征

利用ArcGIS 10.2将南京地铁128个站点的拥堵水平进行可视化，可以得到不同拥堵级别地铁站点的空间分布。地铁站点的空间分布形态基本上以唯一的严重拥堵站点三山街为中心，按照站点拥堵级别的不同，由城市中心区向城市外围呈辐射状分布，且不同地铁线路的拥堵水平差异较大。通过表4可以看出，1#线和2#线上的站点拥堵水平最高，S1号线和S8号线上的站点相对通畅。

表4 南京地铁不同拥堵级别站点在各条线路上的分布

以5 min为周期统计不同拥堵级别地铁站点刷卡进站和刷卡出站的日均客流量，得出其时间特征曲线，如图1所示。利用Perason系数分析不同拥堵级别地铁站点时间特征曲线的相似性，如表5、表6所示，曲线之间的Pearson系数均小于0.985，说明不同拥堵级别地铁站点之间的时间特征均呈现出一定的差异性。

图1 不同拥堵级别地铁站点时间特征曲线

表5 不同拥堵级别地铁站点刷卡进站Pearson系数

表6 不同拥堵级别地铁站点刷卡出站Pearson系数

6 降低地铁站点拥堵水平对策研究

根据拥堵水平的分级指标的内涵，当地铁客流规模不变时，忽略乘客进、出站刷卡支付速度等因素，适当增加进站或出站闸机通道数量，可降低地铁站点拥堵水平。

表7 降低地铁站点拥堵水平的方案及效果

通过表7可以看出，随着地铁闸机通道数量的增加，严重拥堵和中度拥堵的站点也相应减少。但是，由于地铁站点内部空间的限制，当日均客流量和单位闸机通道客流量增加到一定程度，进站后的客流和出站后的客流不能很好地疏散而大量拥堵在进站或出站闸机附近时，利用增加进站或出站闸机通道的方法已不能有效地降低站点的拥堵水平。

7 结 语

(1)引入地铁日均客流量和单位闸机日均客流量两个概念，选择由日均客流量和单位闸机日均客流量组成的复合指标作为地铁站点拥堵水平划分依据，采用“等比分级法”将其划分为严重拥堵、中度拥堵、轻度拥堵和基本畅通四个级别。按照提出的分级方法对南京地铁128个站点的拥堵水平进行级别核定，严重拥堵、中度拥堵、轻度拥堵和基本畅通的地铁站点数量分别是1、16、35、76。

(2)对不同拥堵级别地铁站点时空特征进行了分析，地铁站点的空间分布形态基本上以唯一的严重拥堵站点三山街为中心，按照站点拥堵级别的不同，由城市中心区向城市外围呈辐射状分布，且不同地铁线路的拥堵水平差异较大。其中1#线和2#线上的站点拥堵水平最高，S1#线和S8#线上的站点相对通畅。利用Perason系数分析不同拥堵级别地铁站点时间特征曲线的相似性，得出不同拥堵级别地铁站点之间的时间特征均呈现出一定的差异性。

(3)探讨了降低地铁站点拥堵水平的对策：适当增加进站或出站闸机通道数量，可降低地铁站点拥堵水平。

随着智能卡实名制的普及和手机、手环等智能产品电子支付在地铁上的广泛应用，收集到的智能卡数据将包含有乘客年龄、性别、民族等个人属性信息。在数据确权和保护乘客隐私的前提下，考虑不同年龄段、不同性别乘客等因素对地铁站点拥堵水平影响的研究将成为可能，届时可建立更有效的拥堵水平分级评价体系，乘客的个性化出行需求将更好地得到满足，地铁的运营管理将更加高效。