多元数据在北京轨道交通线网规划中的应用

方恒堃

（北京市市政工程设计研究总院有限公司，北京 100082）

1 北京轨道交通概况

城市轨道交通系统是一种快捷安全、准时可靠、节能环保的大运量公共交通系统，已经成为人们日常出行的重要交通方式。面对日益增长的交通需求和日趋严重的交通拥堵问题，我国逐步加快了轨道交通的发展进程与建设力度。在大中型城市中，逐渐形成的轨道交通网络对改善城市交通结构、优化城市空间布局、提高生活环境质量发挥了重要作用[1]。

北京市轨道交通经过多年的发展，现已覆盖了西城区、东城区、海淀区、朝阳区、丰台区、石景山区、顺义区、昌平区、通州区、房山区、门头沟区和大兴区等12 个市辖区，线网规模逐步扩大，整体运能达到了一个新的高度，逐步形成了较为成熟的城市轨道交通网络。

截至2018 年底，北京市共有轨道交通运营线路22 条，运营总里程达637 km，车站391 座，换乘站59 座。轨道交通完成年客运量38.5 亿人次，同比增长1.9%，日均客运量1 054.36 万人次，最高日客运量达到1 349.25万人次[2]。图1为北京城市轨道交通线网[3]。

图1 北京城市轨道交通线网Fig. 1 Beijing rail transit lines

北京市目前正在编制的新一轮轨道交通线网规划和建设规划，以及逐年增长的轨道交通客运量，均要求在前期规划研究中将传统的定性分析向定量分析转变，利用包括AFC 刷卡数据、IC 卡数据、手机信令数据、浮动车数据等在内的多元数据，对轨道交通客流的出行需求、出行特征、存在问题等进行定量分析，进而提出解决策略，应用于轨道交通的运营管理、新线规划和既有线改造等方面。

在轨道交通线网规划的前期研究中，多元数据主要应用在以下领域：客流预测研究、规划优化问题、现状客流特征及存在问题分析研究、轨道交通调度和节能优化研究、状态监测与可视化研究等[4]。

下面以北京市轨道交通昌平线及西二旗站为例，介绍多元数据在轨道交通现状客流特征分析和线网优化等方面的应用。

2 多元数据库分类

目前，国内交通研究机构所使用的多元数据主要包括地铁AFC 刷卡数据、手机信令数据、公交IC 卡数据、浮动车数据等，针对不同类型的数据分别建立对应的数据库。

2.1 地铁AFC 刷卡数据库

本研究利用地铁刷卡数据(即AFC 刷卡数据)[5]进行北京市轨道交通现状运行数据库的搭建。

2017 年，北京市轨道交通路网年客运量37.78 亿人次，日均客运量1 035.07 万人次。基于如此庞大的客运量，北京市每日产生海量的IC 卡刷卡数据。北京市公交IC 卡(integrated circuit card)刷卡数据，指乘坐北京市公共交通并利用市政公交一卡通刷卡交费的客流产生的数据记录，分为地铁刷卡数据和地面公交刷卡数据。根据相关文献统计，北京市地铁IC 卡刷卡原始数据在工作日的日均记录数在500 万～600 万条之间波动(不含临时票卡数据记录)，具体线路及站点分布如图2 所示。

图2 北京城市轨道交通线路站点分布Fig. 2 Distribution of Beijing rail transit lines and stations

通常AFC 数据经过初步处理后，仅能输出地铁进出站客流OD 数据，不能知道客流在地铁内部的换乘路径。利用TransCAD 对站点OD 数据进行客流分配，可以得到客流在地铁系统内部的换乘节点数据，从而能够极大丰富地铁客流的数据类型。处理之后得到的地铁运行数据包括(但不限于)：地铁客流起讫点数据、地铁站点乘降量数据、地铁站点换乘数据、线路断面客流数据等。

2.2 手机信令数据库

Cell-ID 定位法[6]通过基站所处的位置来表征用户所在位置，中国移动基站在北京市城区内分布密度较高的区域为CBD、东单、金融中心、中关村、奥体中心、北京西站及周边等经济活动较为活跃的区域。在利用手机信令数据提取出行事件信息时，可以记录出行的起止时间，因而可用于提取不同时间段内的OD矩阵，连续不同时段的OD 矩阵即为动态OD 矩阵，由此可以构建手机信令OD 数据库。

2.3 公交IC 卡数据库

北京市自2014 年12 月28 日实施分段计价后，地面常规公交上下车均需刷卡，从而使客流特征的识别与提取更加准确。北京IC 卡数据涵盖800 多条公交线路，具体线路及站点分布如图3 所示。

图3 北京公交线路站点分布Fig. 3 Distribution of Beijing public transportation lines and stations

北京市地面公交IC 卡刷卡原始数据，2016 年工作日平均约为900 万条(不含远郊县公交线路，不含未刷卡客流)，从数据量和数据覆盖范围上均较为全面。在丰富的基础数据基础上，还需对原始数据进行进一步处理。

通过调查可以获取包含公交线路/站点名称与代号的对应关系表。在剔除一辆车数据量小于50 的数据之后，利用该对应关系表即可真实匹配客流的上车/下车站点名称及经纬度，从而可以构建公交IC卡数据库。

2.4 浮动车数据库

浮动车[7]是指利用GPS 定位模块和无线通信模块，能够与交通信息处理平台进行信息交换的普通车辆，主要包括出租汽车、公共汽车、私人小汽车、公务车及各种特殊车辆。浮动车上的通信模块负责将车辆的数据传送到交通信息中心，该中心主要包括无线通信设备、基于GIS(geographic information system，地理信息系统)[8]的交通信息处理系统及计算机设备等。依据浮动车的经纬度、时间、实时速度等信息，经过处理后可以获取道路运行状况。

综上所述，地铁AFC 刷卡数据、手机信令数据、公交IC 卡数据、浮动车数据等多元数据的特点和应用方向如表1 所示。

表1 多元数据的特点和应用方向统计Tab. 1 Characteristics and application direction of multivariate data

3 轨道交通客流特征

根据北京交通发展研究院发布的北京市交通发展年度报告，北京市城市轨道交通运营的现状特征主要包括以下4 个方面。

3.1 地铁车站进出站客流特征

早高峰进出站的客流规模受车站的功能属性和开发强度影响较大，典型的交通枢纽、居住区和办公区早高峰进出站规模排序均居前列。

2017 年线网工作日的日均早高峰进站量排名前20 的车站主要分布在霍营、天通苑北、天通苑、宋家庄、立水桥、回龙观、十里河、回龙观东大街、龙泽、苹果园等大型居住区周边，进站量的时间不均衡性明显，早高峰进站量占全天的比例为40%～60%，其中霍营站和回龙观东大街站的早高峰进站量占全天比例达57%以上(见图4)。

2017 年线网工作日的日均早高峰出站量排名前20 的车站主要分布在西二旗、朝阳门、国贸、西直门、阜成门、大望路、复兴门、东直门等办公区周边，出站量的时间不均衡性明显，早高峰出站量占全天的比例为30%～50%，其中复兴门站早高峰出站量占全天比例达50%以上(见图5)。

3.2 地铁车站换乘客流特征

2017 年线网各线路换乘量排名前3 位的线路分别为10 号线、4 号线-大兴线和1 号线，日均换乘量分别达68.86 万、57.35 万和54.64 万人次，以上3 条线路换乘量占线网换乘总量的36.9%，其他线路如2 号线、5 号线、6 号线和13 号线日均换乘量也在30 万人次以上。从换乘客流占各线路客运量比例来看，9 号线换乘量占其全日客运量的60.2%，占比为各线最高，1 号线、2 号线和5 号线该比例也在50%以上，均呈现出以换乘客流为主的线路特征。

图4 早高峰进站量Fig. 4 Boarding passenger flow during the early peak

图5 早高峰出站量Fig. 5 Alighting passenger flow during the early peak

2017 年线网各换乘站日均换乘量排名前3 位的车站分别为西直门站、宋家庄站和惠新西街南口站，日均换乘量分别达25.01 万、21.82 万和15.37 万人次；工作日早高峰(7:00—9:00)期间，西直门站换乘量最高，达6.53 万人次，其次为宋家庄站和惠新西街南口站，分别为6.16、4.53 万人次(见图6)。

图6 2017 年各换乘站早高峰日均换乘量(TOP20)Fig. 6 Transfer passenger scale of the transfer urban railway stations during the early peak in 2017

3.3 线路断面客流特征

2017 年线路高峰小时最大断面客流量为4 号线-大兴线的菜市口—宣武门上行区间，达6.09 万人次/h，同比去年降低0.33%；其次为6 号线的十里堡—金台路下行区间，高峰小时最大断面客流量5.92 万人次/h，同比去年增长11.49%。

2017 年线路高峰小时最大断面满载率超过100%(含)的线路共有14 条、24 个方向，其中4 号线-大兴线的菜市口—宣武门上行区间、5 号线惠北—惠南下行区间、6 号线十里堡—金台路下行区间、9 号线七里庄—六里桥上行区间、13 号线上地—五道口上行区间、15 号线崔各庄—望京下行区间、昌平线生命科学园—西二旗下行区间、房山线稻田—大葆台上行区间、八通线传媒大学—高碑店下行区间，共计9 条线路高峰小时最大断面满载率超过120%(含)(见图7、8)。

4 问题分析及优化

在分析北京市轨道交通现状客流特征的基础上，应用地铁AFC 数据和公交IC 卡数据，对昌平线及西二旗站存在的问题进行分析，并提出优化建议。

4.1 问题分析

4.1.1 昌平线运营现状分析

昌平线是连接北京市区与北部昌平新城的地铁线路，线路起终点为西二旗—昌平西山口，运营里程31.9 km。全线共设置12 座车站，其中包括朱辛庄和西二旗2 座换乘车站；车辆基地2 座，分别为定泗路停车场和十三陵景区车辆段[9]。

图7 2017 年早高峰断面满载率Fig. 7 Load factor of the line section during the early peak in 2017

图8 2017 年晚高峰断面满载率Fig. 8 Load factor of the line section during the evening peak in 2017

据2016 年轨道交通线网线路高峰小时最大断面满载率统计[10]，昌平线(生命科学园—西二旗区段)最大断面满载率全年最高达152%，居全网之首。同时，统计昌平线2016 年某一周5 个工作日的最大断面满载率，可知该线工作日最大断面满载率的平均值为148%。昌平线车厢内拥挤异常严重，乘客服务水平极低，亟需采取相应措施来降低最大断面满载率。

截至2016 年12 月31 日，线网常态限流车站共82 座，占车站总数的24%。昌平线共有12 座车站，早高峰包括西二旗、朱辛庄、生命科学园、沙河、沙河高教园和南邵等6 座车站实行常态限流，晚高峰西二旗站实行常态限流，沙河站早高峰、西二旗站晚高峰站外限流规模均超过1 000 人。

由昌平线早高峰全线12 座车站的进站量、出站量和进出站量数据可知，早高峰进站量前5 位车站的量级较为均衡，均在11 000 人左右；早高峰出站量前5位车站的量级较为悬殊，除西二旗站为40 000人左右，其他各站均在4 000 人以下。西二旗站在进站量、出站量及进出站量3 方面，均居昌平线首位。

图9 为昌平线早高峰进站量排名前5 位车站的客流去向分析，客流主要出站车站的比例统计如表2 所示。由表可知，客流主要在本线西二旗站出站，占比13.40%，去往10 号线海淀黄庄、知春路等主要车站占比6.17%，去往13 号线沿线的上地、五道口、大钟寺、西直门等区域占比13.52%，而去往原昌平线南延终点——国家图书馆站仅占0.41%。

图9 昌平线早高峰进站量排名前5 位车站的客流去向Fig. 9 Top 5 stations of the Changping Line with the greatest numbers of boarding passengers during the early peak

表2 昌平线早高峰进站前5 位车站的客流去向统计Tab. 2 Destinations of the top 5 stations of the Changping Line with the greatest numbers of boarding passengers during the early peak

4.1.2 西二旗站现状分析

西二旗站是昌平线的首末站，也是昌平线和13号线的换乘站[10]。

1) 周边业态分析。西二旗站主要服务于上地信息产业基地、中关村软件园、航天城等区域，区域内聚集了包括百度、联想、新浪、网易、腾讯等多家大型知名互联网公司，属于典型的吸引到达区域。

2) 客流来源分析。统计2016 年线网工作日的日均早高峰进出站量，其中西二旗站以3.34 万人次的高峰两小时出站量居全网首位，出站客流疏散及接驳压力大[11]。

图10 显示西二旗站出站客流的所有来源，经分析，主要来自昌平线沿线、回龙观地区(回龙观、龙泽、霍营)、天通苑地区(天通苑北、天通苑、立水桥、北苑)、13 号线沿线(五道口、西直门、知春路、大钟寺)等地。

图10 西二旗站主要客流来源Fig. 10 Main passenger flow source of Xi’erqi Station

3) 出站客流分析。结合地铁AFC 数据、公交IC卡数据以及现场调研情况，分析西二旗站出站客流接驳公交的去向。图11 表明，客流去向与周边业态分布相呼应，多数接驳公交客流去往百度、联想、新浪、网易、腾讯等中关村软件园所在区域。

图11 西二旗站出站客流接驳公交分布Fig. 11 Distribution of Xi’erqi Station outbound passenger flow transferring to buses

4) 车站换乘量分析。朱辛庄高峰小时最大换乘量约0.4 万人次，占昌平线巩华城—朱辛庄断面客流的23.3%；朱辛庄站高峰小时进、出站量约为0.7 万、0.07 万人次。说明昌平线与8 号线在朱辛庄站衔接换乘分流作用不强。高峰小时昌平线换乘13 号线的最大换乘量约为1.8 万人次，西二旗站换乘压力大，同时对已超载运行的13 号线而言客流压力巨大。

4.2 优化建议

针对昌平线(生命科学园—西二旗区段)目前高峰小时最大断面满载率居全网首位，全线50%车站常态限流，西二旗站进、出站量均较大等问题，建议采用如下措施：

1) 缩小昌平线发车间隔，提高单线系统运能。目前13 号线上地—五道口区段，高峰小时最大断面满载率高达124%。结合前面的分析，昌平线主要客流去往13 号线沿线占比13.52%，当缩小昌平线发车间隔后，将造成客流更快更多地进入西二旗站及13 号线西段。昌平线和13 号线运营风险非常大，短期内单纯依靠运营手段解决昌平线的问题较为困难，需要多措施并举。

2) 建议昌平线南延终点由国家图书馆站调整至西直门站，并尽快启动南延工作。根据北京市城市轨道交通建设规划(2014—2020)批复[12]，昌平线南延至国家图书馆站，目前因工程难以实施[13]，昌平线南延蓟门桥—国家图书馆区段暂缓开工。由上面的分析可知，昌平线主要客流去往国家图书馆站的比例仅为0.41%，而去往西直门站的比例为2.89%，且去往13 号线沿线占比13.52%，因此建议昌平线由蓟门桥南延至西直门站，一方面满足客流直达需求，另一方面可以缓解五道口、大钟寺等13 号线沿线各站的客流压力。

3) 建议19 号线北延，缓解昌平线及13 号线压力。尽快启动19 号线北延至沙河的工作，提高昌平沙河、TBD 地区轨道线网密度，解决昌平线北段客流压力大的问题，继而缓解13 号线的客流压力。

4) 提供回龙观及天通苑地区客流进入西二旗地区的轨道交通直接联系通道，缓解13 号线北段及西二旗站的出站客流压力。

5 结语

城市轨道交通的快速发展，有效缓解了交通拥堵，是现代交通运输发展的重要方式。应用多元数据分析技术，构建包括AFC 刷卡数据、IC 卡数据、手机信令数据、浮动车数据等在内的轨道交通多元数据库，深入探索轨道交通系统的运维和数据规律，指导运营实践和规划，是一个重要的研究领域。

随着城市的发展，越来越多的交通难题显现出来，城市交通的复杂性在于“综合”，多元数据分析模型对此提供了一种支持战略调控能力的技术把控手段。本研究用其分析轨道交通现状客流特征和运营线网存在的问题并加以优化，提供可量化、可追踪、科学合理的数据支撑，是对传统定性研究方式的一次创新，所获得的研究成果对提升轨道交通线网规划水平和运营管理水平具有重要的理论和现实意义。