基于多层次全局统筹的铁路枢纽客运量预测体系及方法探讨

丁晨滋 宋 程 张 科

（广州市交通规划研究院，广东广州 510030）

国务院印发的“十三五”现代综合交通运输体系发展规划对综合交通运输协调发展提出新的要求。铁路枢纽是提升综合交通运输品质、保障综合交通运输高质量发展的重要保障。枢纽客流预测是枢纽规模、设施布局、运营组织与管理的重要决策依据。王晚香等[1]和桂文毅[2]将灰色预测模型与线性回归模型结合，构建铁路客流预测模型，可以实现铁路客运需求的短期预测，预测结果可靠。张淑玉[3]基于贝叶斯理论对铁路短期客流进行预测，具有较好的效果。陶思宇等[4]改进重力模型利用生长曲线法进行诱增客流预测，预测结果可靠。铁路枢纽客流预测普遍欠缺区域运输与城市交通的一体化统筹考虑，缺乏各个枢纽之间关系的考虑，可能导致各个铁路枢纽的预测结果之和远超城市实际对外出行需求总量。因此，文章针对铁路枢纽客流预测研究制定一套完整的科学预测体系，统筹考虑区域交通运输需求与城市交通协调性，使预测结果与区域和城市总体发展态势相适应，细致统筹各个枢纽和各种交通方式间的相互关系，提高客流预测的准确性与可信度。

1 区域运输与城市交通一体化的预测体系

区域交通运输模型和城市交通模型是交通预测的两个主要组成部分，受数据资源、模型构建成本等多方面限制，两个层次的模型体系在实际应用与开发上缺乏有效整合。现代铁路枢纽属于多模式综合枢纽，衔接运输方式包括高普铁、城际和城市层面的地铁、公交、个体交通等，铁路枢纽客流量预测需要考虑城市内人口、集疏运系统影响下的多站点布局竞合关系，从综合交通运输层面考虑各交通方式的竞合关系。因此，铁路枢纽客流预测必须统筹考虑区域交通运输模型和城市交通模型，构建一体化的模型体系。

本研究提出的预测体系将区域运输模型和城市交通模型进行有机结合，区域运输层面重点预测全市对外、四大运输方式分担、目的地选择、铁路制式分担，市域层面预测枢纽站点分担、衔接方式和衔接设施规模。

区域综合交通运输与城市交通分析一体化模型体系如图1所示。

图1 区域综合交通运输与城市交通分析一体化模型体系

2 多层次全局统筹的铁路枢纽客流预测体系

本研究构建区域运输与城市交通一体化的预测平台，形成多层次、全局统筹的铁路枢纽客流预测体系，总体预测框架为全市对外发送量预测→铁路发送量预测→分制式发送量预测→各站分制式发送量预测→各站发送量预测→衔接设施规模预测。

基于多层次全局统筹的铁路枢纽客运量预测体系如图2所示。

图2 基于多层次全局统筹的铁路枢纽客运量预测体系

3 预测模型的实现

3.1 城市对外出行总量预测

城市对外出行总量与城市人口总量和对外出行率呈正相关，可以利用城市人口总量和对外出行率预测城市出行总量。城市对外出行率预测采用弹性系数法[5]，对外出行率与社会经济活动具有关联性，预测中通过对外出行率和生产总值历史数据的统计分析，利用弹性系数法预测出行率。

式中：Ei——i区对外出行频率弹性系数；rGDPi——i区经济增长率；r对外出行率i——i区对外客运出行频率的增长率；popi——i区规划人口数；popi——i区对外出行总量。

3.2 对外方式划分预测

对外运输方式划分预测采用Logit模型，在效用函数中考虑价格因子和便利性因子。价格因子是对外运输方式选择中的重要考虑因素之一，便利性因子包括多层含义，包括是否具有直达性、出行距离与时耗对舒适性的要求等。计算选择某种出行方式的概率Pmode：

价格因子可以根据互联网各运输方式售票系统中的数据计算，利用距离和票价的关系计算各运输方式单位距离的运输价格，便利性因子结合人的实际需求、区域设施布局规划综合标定。

3.3 基于城市引力模型的空间分布预测

城市引力模型[6]能够实现需求预测对城镇体系规划定位、经济人口增长、产业分工等宏观因素的灵敏反应，划分模型得到全市对外铁路发送总体规模，借助引力模型得到预测城市与各区域的铁路联系规模。

式中：Tij——城市引力；Q——城市质量；d——时间距离；G——地区生产总值；R——地区常住人口；xi——通过某种交通方式到达目的地的时间；k——校正系数，利用互联网数据（如腾讯迁徙数据获取的地级市的联系需求）进行精确标定。

基于城市引力模型的空间分布可以预测不同圈层（紧邻城市、省内其他城市、省外）的铁路客流分布占比，在铁路客流制式分担预测中，结合空间分布预测不同圈层结果，进行精细化考虑。

3.4 制式客流的分担预测

铁路制式客流划分与出行距离、设施布局规划紧密相关，城际客流服务区域与大铁（普铁和高铁）具有明显差异，具体预测中首先划分城际大铁的客运量，进一步划分普铁、高铁各自客运量。

铁路制式客流预测思路如图3所示。

图3 铁路制式客流预测思路

不同制式客流预测采用Logit模型，效用函数主要考虑线路覆盖人口、票价、发车频率3方面因素。建立某区域某制式客流预测模型：

人口因子根据规划线路途经主要城市的规划人口统计，票价因子结合现有铁路票务系统中不同制式下的单位距离票价标定，发车频率根据铁路票务系统中相关数据标定。

3.5 基于共享原则的枢纽站点客流分担

各站点铁路客流发送量包括两部分，包括大铁（普铁和高铁）发送量和城际发送量。城际轨道在城市内部存在更多站点布局，其预测方法与大铁存在一定差异。

大铁站点分担采用枢纽共享模型划分，枢纽共享模型考虑两个因素，各枢纽集疏运网络支撑下的可达性影响，即基于可达性的各站点对人口和岗位的覆盖范围；各枢纽发送线路吸引力，即各枢纽站点到发线路的引力。

式中：Pt——交通枢纽t的发送规模；Aj——本市达到某地区j的铁路客流；λti——交通小区i到达枢纽t的可达性系数；θtj——枢纽t到达地区j的线路布局便利系数。

针对城际铁路在城市内部进行多点布局，城际发送量分站点预测中，将城际发送量按照各线路进行划分，针对每条城际线路进行站点客运量的划分，将城际发送量按线到点地划分至各个站点。城际线路的发送量与线路辐射的人口以及线路连接城市间的联系强度紧密相关。将城际发送量划分至各条城际线路的预测时，采用按各条线路辐射人口、线路连接城市引力等因子划分的模型，根据因子最终取值比例对城际发送总量进行分线路划分。

根据各条城际线路方案，详细统计各条城际线路站点辐射人口规模，一般按站点周边10 km的辐射范围进行统计，计算各线路辐射人口的比例。对各条线路连接城市与预测城市的引力关系按式（5）进行量化分析，统计各条城际线路连接城市与预测城市的引力。根据各条线路的辐射人口比例、城市引力比例，计算各条线路客运量占城际总客运量的比例。按照各个站点的服务人口因子以及站点功能因子，将各条线路客运量划分至各个站点，汇总后得到各站城际发送量。

3.6 预测模型应用效果

本预测体系已被广泛应用至广州市铁路枢纽相关规划研究，包括新建广州白云站规划、广州东站和广州北站改建规划等。新建广州白云站中，应用预测体系定量论证了枢纽与广州火车站等枢纽的分工，结果表明支撑枢纽可以顺利获批；广州北站改建规划中，在客流规模预测的基础上，利用预测体系反馈枢纽竞合关系的先天优势，详细论证广州北站与白云机场客流关系，对空铁联运规模进行预测，支撑后续空铁联运相关工作的推进。

4 结语

本研究基于“面、线、点逐步演绎，全局统筹考虑”的客流预测思路，构建基于多层次全局统筹的铁路枢纽客流预测体系方法。“面”层基于弹性系数法预测区域总体需求，基于城市引力实现区域客流空间分布预测；“线”层基于辐射人口、连接城市引力等多因子的Logit模型实现不同线路客流预测分摊；“点”层基于城市集疏运交通可达性实现枢纽客流分担预测，基于大数据客流集散特性对枢纽衔接设施合理预测，系统性解决既有方法总量溢出、分布失真问题。预测体系能够反映上层次城镇体系规划对区域各城市的功能定位、枢纽能级的规划愿景，定量地纳入经济人口增长、产业分工等反映城市宏观特性的数据，得到更精确和科学的铁路枢纽预测结果，指导综合交通枢纽的科学合理规划。