综合客运枢纽轨道交通系统运能匹配度研究

汪雯文，薛 锋, 2

综合客运枢纽轨道交通系统运能匹配度研究

汪雯文1，薛 锋1, 2

（1. 西南交通大学，交通运输与物流学院，成都 611756；2. 综合交通大数据应用技术国家工程实验室，成都 611756）

为提高轨道交通综合客运枢纽的服务效率，针对枢纽间不同轨道交通系统，研究不同系统间的运能匹配和疏散能力。本文分析了综合枢纽的定位及功能，提出了铁路到发能力、枢纽交通方式客流分担率、城轨疏散能力和枢纽设施设备能力的计算方法，基于此进行了分时段运能匹配分析，识别出枢纽运能高峰期的瓶颈所在位置并提出优化建议。成都东客站实例分析表明，该站高峰期线路运能匹配度为0.79，匹配性较好，城轨线路疏散能力足够及时有效地疏散铁路客流；而枢纽设施设备运能匹配度为1.10，匹配性不佳，枢纽设施设备能力不足，影响了乘客集散效率，呈现出瓶颈现象。

轨道交通；客运枢纽；运能匹配；疏散能力；瓶颈识别

0 引 言

目前，我国城市群逐渐形成以轨道交通为主的全出行链，轨道交通的综合客运枢纽作为关键节点，承担着轨道交通网络客流的集散、交换等任务。客运枢纽内轨道交通制式间的运能是否匹配，影响着网络节点的疏散能力和运力资源的利用效率。研究轨道交通综合客运枢纽的设施设备能力、疏散能力和运能匹配方法，进而识别枢纽能力高峰期所在时段和运能瓶颈位置，是整合运输资源，提高网络运输效率，促进供需平衡，实现运输一体化的关键问题。

在综合客运枢纽运能匹配方面，国外比较重视研究优化枢纽位置、网络结构和旅客体验。如，Yap等[1]利用聚类技术以AFC数据为导向推断乘客在站内的时空分布，以减少乘客在枢纽内的换乘时间为目标，对城轨列车时刻表进行同步调配并以较低的成本解决了时刻表同步所需的复杂计算；Fan等[2]运用双层规划模型对城市群客运枢纽的位置和网络布局进行集成优化，并设计了改进遗传算法进行求解。

我国在综合客运枢纽运能匹配研究方面，其角度和方法更丰富。如，任俊学[3]利用仿真分析了综合客运枢纽的集散服务网络，对北京南站换乘大厅进行了动态分析，直观地识别了瓶颈和集散服务网络的能力不足部分和能力过剩部分；陈慧[4]从解决网络运能瓶颈与服务瓶颈两个不同瓶颈的角度出发，综合考虑多种影响因素提出了高峰时段和非高峰时段两种不同时间段的运力资源分配模型；蒋洁滢[5]通过分析区域轨道交通内部车流情况，提出了枢纽和线路两个层面的区域轨道交通运能匹配计算公式；王睿[6]立足于枢纽内部铁路环线开通后，从铁路与城轨在城市内部客流服务的竞争和协作性两个方面，对区域轨道交通枢纽运能匹配方法进行了研究；陈春安[7]利用系统动力学的思想，以换乘系统为对象，构建了系统性角度下的枢纽内部换乘系统的运能匹配系统动力学模型。

当前既有文献大多从宏观角度采用定性分析方法对综合客运枢纽的运能匹配及疏散进行研究，从枢纽客流交换和疏散角度利用实际或仿真数据进行定量研究的较少。随着城市群区域轨道交通一体化的发展，我国大型综合客运枢纽已经实现了多种交通方式与铁路客运站合并衔接运营。其中，铁路系统和城市轨道交通系统共同形成了轨道交通制式耦合网络。本文从疏散和匹配角度入手，研究客运枢纽内部城轨系统和铁路系统的匹配协调问题。

1 综合客运枢纽轨道交通运能计算

1.1 铁路运能计算

在计算铁路旅客到发能力时，需要列车时刻表、不同类型车辆定员、不同类型列车载客量等数据，计算方法如式（1）所示[8]：

1.2 城市轨道交通运能计算

城市轨道交通多采用移动闭塞方式，列车追踪间隔时间是影响城轨输送能力的主要参数。城市轨道交通车辆在枢纽中间站的下车客流主要由出站客流、换乘城市轨道交通线路客流和换乘枢纽内其他交通方式客流三部分组成，其中出站客流在计算中认为其近似等于入站客流，城轨间换乘客流为内部等量交换。因此，本文认为枢纽中间站城轨的线路疏散能力近似等于其到站前列车空余能力和换乘铁路系统客流量二者之和。结合枢纽旅客多携带较多行李的特性和国内城轨线路高峰期满载率控制情况，本文选用 100%作为极限满载率，得到城轨运能计算公式：

1.3 城市轨道交通枢纽设施设备能力分析

车站设施设备能力与疏散、集结乘客的能力直接相关。由木桶原理可知，能力最薄弱的设施设备是限制枢纽整体设施设备通过能力的瓶颈，某种客流的枢纽设施设备最终通过能力是该种客流所使用的各项设施设备能力的最小值。因此，需对综合客运枢纽内轨道交通系统的各种客流在站内的流线和所用设施设备进行分析。

综合客运枢纽内轨道交通系统的客流可分为多种类型，以本文重点研究的铁路系统换乘城轨系统客流为例，其客流流线及路径选择如图1所示。

图1 客流流线及路径选择示意图

由此可得，对于铁路系统换乘城轨系统且需购票的客流（记为第1类客流），经过的设施设备为通道、站台、站厅、楼梯和自动扶梯、自动售票机和自动检票机。

同理，对于铁路系统换乘城轨系统且无须购票的客流（记为第2类客流），经过的设施设备为通道、站台、站厅、楼梯和自动扶梯、自动检票机。对于城轨间换乘客流（记为第3类客流），经过的设施设备为通道、站台、站厅、楼梯和自动扶梯。对于枢纽内其余客流（城轨进出客流、城轨系统换乘铁路系统客流，记为第4类客流），经过的设施设备为通道、站台、站厅、楼梯和自动扶梯、自动检票机。

一般而言，旅客在站内直接或间接使用到的设施设备能力越强，车站对旅客的疏散集结能力越强，根据《地铁设计规范》和文献[11]可知各类设施设备能力计算方法。

（1）通道能力计算

通道的通过和容纳能力与通道的数量、尺寸以及旅客走行速度直接相关：

（2）站台容纳能力计算

（3）站厅容纳能力计算

站厅容纳能力主要与站厅面积有关，与站台容纳能力计算方法相似，且根据站内布局和客流流线，需根据车站实际情况进行具体分析计算。在实际情况中，站厅一般留有较多剩余能力，其能力限制对于大型枢纽站可予以不计。

（4）楼梯、自动扶梯通过能力计算

① 楼梯通过能力计算公式为：

② 自动扶梯通过能力计算公式为：

③ 楼梯、自动扶梯最终通过能力计算公式为：

（5）自动售票机、自动检票机通过能力计算

《地铁设计规范》规定，自动检票机的最大设计能力为30人/min，自动售票机为5张/min。但考虑到在实际操作中往往会出现旅客操作失误或不熟练、未提前准备好和设备卡顿等情况，结合经验和调查，本文自动检票机能力取20人/min，自动售票机能力取4张/min[13]。

2 城市轨道交通客流分担率分析计算

对于经过铁路系统到达客运枢纽的旅客来说，有多种交通方式可供选择，因此需要对枢纽内各种交通方式分担率进行计算，以得到城轨的客流分担率，进而求得城轨待疏散的铁路客流量。

2.1 RP调查和SP调查相结合的数据收集方法

一般来讲，实际调查（Revealed Preference，RP调查）和意愿调查（Stated Preference，SP调查）是获取基础数据的两种常用方法。RP调查具有较高的可靠性，RP数据往往是由评价对象本身特性决定，是客观、稳定、数据严谨、准确的。而SP调查则是面对决策人本身的意向调查，较为主观。乘客对轨道交通综合客运枢纽交通方式选择的决策过程是一个考虑多方面因素的过程，既与交通方式本身属性有关，又与个人出行特征和偏好有关。因此，为了提高计算结果的可靠性和准确性，本文采用RP调查和SP调查结合起来的方法获取基础数据[14]。

2.2 指标选择和模型假设

通常，旅客对交通方式的选择一般主要考虑速度、价格、舒适度、方便程度等，因此在衡量指标选择上，本文将方便性、经济性、快速性和舒适性确定为最终评价指标。综合考虑四个指标涉及的方面和特性，选择的数据收集方式如表1所示。

表1 评价指标的相关属性

调查存在以下假设和规定：

（1）假设被调查者是枢纽交通方式选择决策的最基本单位，且能够独立做出决策，每个决策之间也互不影响[15]；

（2）假设RP调查和SP调查两者独立互不影响；

（3）假设枢纽内各种运输方式均独立、正常运作；

（4）假设出行者在被调查时能够根据自身的出行特征、个体特性、出行偏好进行正确的选择和评分；

（5）规定SP调查为百分制（0～100分），调查方式为被调查者对调查项目进行评分，每10分为一个分位。

2.3 基于TOPSIS法的分担率计算方法

TOPSIS法（Technique for Order Preference by Similarity to an Ideal Solution）是多目标决策分析中一种常用的有效方法，能科学合理、客观真实地反映实际情况[16]。旅客对枢纽换乘交通方式的选择是一个寻求理想目标的过程，每个旅客在选择时都偏向于选择各种特性都最佳的方案，最终综合考虑各种因素选择最符合个人偏好和取舍的综合性能最佳的一种方案，这符合基于RP调查和SP调查获取数据的TOPSIS方法的思想和原理。常规的TOPSIS法通常仅按照计算所得的相对贴进度的大小顺序对方案的优劣度进行排序，而未对其数值的价值加以挖掘和利用。事实上，相对贴进度值越高的方案越优越、被选择的概率越大，且其具体值的差距能够直观地描述各种方案之间的差距，定量地反映了方案被选择的概率之差。因此，本文认为相对贴进度值越大的方案客流分担率越大，并按比例将其转换为各种交通方式的客流分担率值，计算步骤如下：

Step1 根据RP调查和SP调查制作原始数据矩阵。根据对五种交通方式的RP调查和SP调查数据制作如表2所示的原始数据矩阵。

表2 基于RP调查和SP调查的原始数据矩阵

Step3 评价矩阵归一化。利用公式（13）对数据趋同化后的原始数据矩阵进行归一化处理[17]：

Step5 确定正理想解和负理想解。计算公式为：

Step7 计算相对贴进度。根据下式计算各个方案的相对贴进度：

Step8 转换为客流分担率。第种交通方式的客流分担率为：

3 基于匹配度的综合客运枢纽运能瓶颈识别

3.1 运能匹配及瓶颈分析

从宏观上看，运输能力的供给和需求在理想状态下应当保持一致，这种情况即是宏观上理想的“运能匹配”。而在现实情况下很难达到理想匹配。运能不匹配有两种情况：运输能力大于运输需求和运输能力不足以满足运输需求。从轨道交通综合客运枢纽的角度分析，枢纽运能不匹配主要表现在两个方面：

（1）枢纽运输能力供过于求，导致枢纽运力资源浪费，企业成本高收益低。此类情况多出现在非客流高峰期和枢纽投入使用初期，列车接发任务还未完成转移，乘客选择新站的意向低；导致列车少、乘客少，造成运力资源浪费。

（2）枢纽运输能力供不应求，导致枢纽拥堵，影响出行效率。枢纽运输能力一般可以分为“点”能力和“线”能力，“点”能力是客流集散能力，“线”能力则是旅客输送能力，其任一能力不足都会导致枢纽整体运能不足。点能力一般对应枢纽设施设备能力，当设施设备能力不足时，会出现客流积压在站内乘车前的某一个或多个环节，或出现客流拥堵现象；线能力不足一般对应枢纽线路输送能力，当线路输送能力不足时，则会因客流积压而增大枢纽点能力压力，形成恶性循环。

综合客运枢纽运能瓶颈指在一定的时间内，由于客流增长导致的城市轨道交通在既有的运输组织模式条件下无法及时疏散枢纽内通过铁路运输到达的客流，使得衔接枢纽以满负荷甚至超负荷状态运营的情况。客流拥堵、列车超载等现象是运能瓶颈的主要表现形式，通常当运能不匹配且运输能力供不应求的时候，就会出现瓶颈现象。通过区分不同程度的运能瓶颈，可以找出轨道交通枢纽内铁路和城轨运能不匹配的环节和具体时段，为运能协调优化提供参考和支撑。

3.2 运能瓶颈识别方法

运能瓶颈可以通过运能匹配度找到[18]，通常认为运能匹配度较差且运输能力小于运输需求时，即产生了运能瓶颈。运能匹配度值不能过大或过小，过大的匹配度意味着疏散能力的不足，导致客流积压影响枢纽运作效率；过小的匹配度则意味着资源的浪费。因此，理想的运能匹配度值应是一个区间，该区间内运能在留有储备和调整空间的同时，资源利用水平较高且客流疏散能力较好。

国内学者通常认为[19]运能匹配度在0.7～0.95之间运能匹配程度较好。查阅相关资料，综合多位学者的经验并考虑客流波动，本文取理想运能匹配度区间为[0.75～0.80）。当运能匹配度值为[0.75～0.80）时，认为综合客运枢纽运能匹配度最好，铁路运输与城市轨道交通衔接情况良好，枢纽内运作情况协调稳定；当运能匹配度为[0.80, 0.90）时，认为运能匹配度较好，枢纽内运作情况协调但不够稳定，能力储备不足；当运能匹配度为[0.90, 1.00）时，认为综合客运枢纽已经出现了轻度的运能瓶颈，能力紧张，轻微的客流波动即会带来轻度的客流拥堵；当运能匹配度为[1.00, 1.10）时，产生中度运能瓶颈，枢纽能力已经不足，客流开始积压；当运能匹配度为[1.10, +∞）时，产生重度运能瓶颈，客流积压现象严重，枢纽各系统能力告急。

当运能匹配度低于0.75时，运能有所富余。当运能匹配度为[0.40, 0.75）时，认为综合客运枢纽运能富余，枢纽能快速疏散客流但资源利用率不高；当运能匹配度为[0, 0.40）时，认为枢纽出现了运能浪费现象，枢纽能力空虚、运输资源浪费严重，具体分类如表3所示。

表3 基于匹配度取值的运能瓶颈分级

4 运能匹配度计算

4.1 线路疏散能力匹配度

枢纽线路疏散能力匹配度即为铁路到达枢纽换乘城市轨道交通的部分与枢纽内城市轨道交通线路所能提供的运输能力的比值，计算如下式所示：

4.2 枢纽设施设备能力匹配度

分别计算出枢纽内各设施设备的能力匹配度，其中最大值即为枢纽最终设施设备能力匹配度，该设施设备为枢纽内能力最紧张的设施设备：

5 实例分析

5.1 车站衔接概况及相关参数

成都东客站是客运特等站，采用双向横列式一级二场站型[20]，平均日发送旅客10万人次，是集多种交通方式为一体的西南地区大型轨道交通综合客运枢纽之一。

成都地铁2号线和7号线通过站厅换乘的模式与其他交通方式之间无缝衔接，其车辆主要技术参数如表4所示。

表4 成都地铁2、7号线车辆主要技术参数

发车间隔时间与时间段有关，如表5所示。

表5 成都地铁2、7号线行车间隔时间

地铁成都东客站的设施设备相关参数[9]如表6所示。

表6 地铁成都东客站设施设备相关参数

5.2 铁路到发能力分析

根据2020年春运期间成都东站列车时刻表数据，以1h为单位统计全日到发列车情况，并结合列车编组表和动车车型资料的列车定员及载客率（根据统计数据，本文取平均载客率0.85），根据1.1节中的计算方法计算铁路每时段发送和到达旅客数量，汇总得到表7。

表7 分时段铁路到发旅客量

5.3 枢纽客流分担率计算

对成都东客站铁路到达旅客进行样本容量为100人的抽样调查，得到的调查结果分布如表8、表9、表10所示。

表8 成都东客站起点方便性旅客抽样调查结果

表9 成都东客站终点方便性旅客抽样调查结果

表10 成都东客站舒适性旅客抽样调查结果

对SP调查所得数据进行加权平均计算[21]（舒适性最终得分为起点方便性和终点方便性的平均值），结合RP调查所得数据，汇总得到初始数据如表11所示。

表11 初始数据表格

5.4 分时段线路运能匹配度计算

根据分时段铁路到发客流情况、城轨的客流分担率和成都东客站城轨线路行车间隔时间，结合1.2节对城轨枢纽线路疏散能力匹配度的计算方法，计算并汇总得到分时段城轨线路运能匹配度结果如表12所示。

表12 分时段城市轨道交通线路运能匹配度计算结果

续表12

时 段城轨线路运能匹配度运能匹配度最终取值 10:00～11:000.331 782 5920.33 11:00～12:000.508 593 1940.51 12:00～13:000.262 490 5510.26 13:00～14:000.245 583 7840.25 14:00～15:000.506 981 1370.51 15:00～16:000.552 067 8530.55 16:00～17:000.471 469 4750.47 17:00～18:000.444 193 3050.44 18:00～19:000.485 297 6420.48 19:00～20:000.709 875 4050.71 20:00～21:000.797 093 7760.80 21:00～22:000.792 461 1900.79 22:00～23:000.620 854 2640.62 23:00～24:000.655 370 8060.65

可以看到，在20:00～21:00时间段内，城轨平均线路运能匹配度最高，达到了0.80。结合表7分析可知，19:00～20:00时间段内铁路到达旅客较多，出发旅客较少，城轨能提供的运输能力较低。因此，本文选取此时段作为枢纽运输高峰期[23]。

5.5 高峰期运能匹配度计算

（1）线路运能匹配度

根据公式（1）、（2）计算得到高峰期内枢纽铁路到达和发送的客流量分别为13 018.9人次和7 801.1人次。根据公式（3）和成都东客站城轨2、7号线的客流断面数据，则枢纽城轨在枢纽疏散高峰时段能提供的线路疏散能力为5 210.94人次。根据公式（21），可计算得到高峰时期线路运能匹配度为0.79。

（2）枢纽设施设备能力匹配度

6 结 论

（1）本文在运能匹配的计算中增加了代表乘客的要素，即基于SP调查与RP调查相结合的综合客运枢纽各交通方式分担率的计算，在一定程度上完善了传统运能匹配计算法的缺陷。

（2）通过对成都东客站的实例分析计算，发现成都东客站在枢纽高峰时期城轨与铁路的线路运能匹配度为0.80，接近理想运能匹配度0.75，说明成都东客站城市轨道交通对铁路的疏散能力较好，枢纽内城轨的运输能力能够满足铁路运输到达的客流换乘城轨的需要，线路运能匹配性较好。

（3）在枢纽设施设备运能匹配度方面，结果为1.14，存在运能瓶颈，其瓶颈具体位置在站台和楼梯、自动扶梯处。其中站台容纳能力存在较大程度的不足，实地考察中表现为枢纽高峰期站台候车处拥挤、候车乘客越界占用了通道；楼梯、自动扶梯通过能力轻度不足，实地考察中表现为楼梯扶梯处人流量较大、拥挤，通行速度较慢。另外，自动售票机匹配度仅为0.14，存在能力浪费，究其原因在于成都东客站地铁自动售票机数量较多，而持有地铁卡的乘客占比大，需购票乘客少。

（4）通过对成都东客站枢纽设施设备匹配度的分析计算可知，成都东客站在设施设备的改造升级中，应重点升级的对象为站台和楼梯、自动扶梯，通过扩大站台面积、增加自动扶梯数量、加快自动扶梯运行速度等方式，提高其能力以消解运能瓶颈，优化枢纽运能匹配度。另外，自动售票机数量有多余，可适当减少设备数量以提高能力利用率[24]。

[1] YAP M, LUO D, CATS O. Where shall we sync? Clustering passenger flows to identify urban public transport hubs and their key synchronization priorities[J]. Transportation Research Part C: Emerging Technologies, 2019, 98: 433-448.

[2] FAN B F, YANG Y L, LI L. Integrated optimization of urban agglomeration passenger transport hub location and network design[J]. EURASIP Journal on Wireless Communications and Networking, 2018, 2018(1): 1-7.

[3] 任俊学, 季常煦. 客运枢纽集散服务网络瓶颈识别方法研究[C]// Proceedings of 2010 International Conference on Management Science and Engineering. Wuhan: ETP, 2010: 105-109.

[4] 陈慧, 汪波. 城市轨道交通基于网络瓶颈的运力资源分配研究[J]. 石家庄铁道大学学报, 2014(4): 64-67.

[5] 蒋洁滢. 区域轨道交通综合运能匹配评价方法研究[J]. 中国铁路, 2019(9): 90-94.

[6] 王睿. 区域轨道交通枢纽运能匹配方法研究[D]. 成都: 西南交通大学, 2019.

[7] 陈春安, 荣建, 李伴儒, 等. 基于系统动力学的枢纽换乘系统运能匹配研究[J]. 城市交通, 2017(2): 48-55.

[8] 王睿, 马驷. 区域轨道交通网络运能匹配方法研究[J]. 交通运输工程与信息学报, 2020, 18(2): 103-110.

[9] 贺玉姣. 高铁地铁枢纽换乘客流的控制—— 以成都东站高铁换乘地铁为例[D]. 成都: 西南交通大学, 2018.

[10] 赵晓婷. 铁路客运与城市轨道交通换乘模型及优化方法研究[D]. 兰州: 兰州交通大学, 2015.

[11] NIE G Y, YUAN Z Z, WU H L. Analysis and calculation on the capacity of stairway in urban rail transit hubs[J]. Applied Mechanics and Materials, 2014, 3308, 1733- 1736.

[12] 李佳. 铝合金车体结构强度分析与碰撞仿真研究[D]. 兰州: 兰州交通大学, 2014.

[13] 张一梅．基于路网的城市轨道交通系统运输能力研究[D]. 北京: 北京交通大学, 2009.

[14] 庄同宁. 游客绿色出行驱动机理及其影响因素研究—— 以共享单车为例[D]. 江苏: 江苏师范大学, 2018.

[15] 刘嘉宝, 崔炳谋, 秦佳佳. 城市一体化运输体系交通方式换乘分担率模型[J]. 中国铁路, 2015(10): 31-35.

[16] 王顺豪. 基于前景理论的高速铁路线路方案优选研究[D]. 成都: 西南交通大学, 2018.

[17] 周跃云, 赵先超, 丁梦. 基于OWA-TOPIS模型的湖南省能源碳排放经济效率聚类分析[J]. 湖南工业大学学报, 2014(3): 1-4.

[18] 潘瑞. 公交网络瓶颈识别方法研究[D]. 北京: 北京交通大学, 2012.

[19] 赵德. 多方式公共交通资源耦合效能评价[D]. 南京: 东南大学, 2016.

[20] 李承隆. 成都枢纽运输组织方案优化[D]. 成都: 西南交通大学, 2014.

[21] 张璇. 我国食品安全政府管制模式转型研究[D]. 南京: 南京航空航天大学, 2010.

[22] 唐子涵. 综合客运枢纽站流线组织与分析[D]. 成都: 西南交通大学, 2010.

[23] WU P, PITCHFORTH J, MENGERSEN K. A hybrid queue-based bayesian network framework for passenger facilitation modelling[J]. Transportation Research Part C, 2014(46): 247-260.

[24] YAGHINI M, SARMADI M, NIKOO N, et al. Capacity consumption analysis using heuristic solution method for under construction railway routes[J]. Networks and Spatial Economics, 2014, 14(3): 317-333.

Study on Capacity Matching and Evacuation Capacity of Rail Transit Integrated Passenger Hubs

WANG Wen-wen1, XUE Feng1, 2

(1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China; 2. National Engineering Laboratory of Integrated Transportation Big Data Application Technology, Chengdu 611756, China)

To improve the service efficiency of rail transit integrated passenger transport hubs, the capacity matching and evacuation capacity among different rail transit systems are studied. This study analyzes the positioning and functions of a comprehensive hub, and proposes the calculation methods for the railway arrival and departure capacity, the sharing rate of the hub traffic mode, the urban rail evacuation capacity, and the hub facilities and equipment capacity. Based on this, we analyze the matching of transport capacities in different time periods, identify the peak capacity and bottleneck locations of the hub, and propose appropriate optimization suggestions. The case study of Chengdu East Railway Station shows that, the matching degree of transportation capacity of the station is 0.79 in the peak period, which is desirable, and the evacuation capacity of the urban rail line is sufficient enough so that the railway passenger flow can be evacuated in a timely and effective manner. In contrast, the matching degree of hub facilities and equipment is 1.10, which is not desirable, and the capacity of hub facilities and equipment is insufficient, which affects the passenger collection and distribution efficiency and presents a bottleneck phenomenon.

rail transit; passenger hub; capacity matching; evacuation capacity; bottleneck identification

1672-4747（2021）03-0111-12

U115; U239.5

A

10.19961/j.cnki.1672-4747.2020.11.002

2020-11-03

2020-12-09

国家重点研发计划项目（2017YFB1200702）；四川省科技计划项目（2021YJ0077）；四川省社会科学规划项目“统计发展专项课题”（SC19TJ027）

汪雯文（1997—），女，重庆人，硕士研究生，研究方向为交通运输发展战略及供需理论，E-mail：1986989766@qq.com

薛锋（1981—），男，山东邹城人，副教授，工学博士，研究方向为运输组织理论与系统优化，E-mail：xuefeng.7@163.com

汪雯文，薛锋. 综合客运枢纽轨道交通系统运能匹配度研究[J]. 交通运输工程与信息学报，2021, 19(3): 111-122.

WANG Wen-wen, XUE Feng. Study on Capacity Matching and Evacuation Capacity of Rail Transit Integrated Passenger Hubs [J]. Journal of Transportation Engineering and Information, 2021, 19(3): 111-122.

（责任编辑：李愈）