城市轨道交通客流规模偏差影响因素研究

褚文斌 倪汪凌＊ 马竞驰

（1.上海申通地铁集团有限公司，上海 201100；2.上海工程技术大学城市轨道交通学院，上海 201620）

客流预测数据是地铁线路设计、建设和运营的主要依据，直接影响地铁线网的规划和地铁运营系统效能的发挥。地铁开通运营后的实际客流与预测客流存在偏差，严重影响城市地铁系统的运输效率。近年来学者对地铁、公交、铁路等客流规模影响因素进行研究。王静等[1]将影响客流规模的因素进行归类，基于系统动力学原理建立关系模型，模型分析结果表明规划和设计类影响因素最为重要，决定轨道交通需求的上限。黄晓宇[2]研究了目前轨道交通客流自身的不确定性，定性分析造成轨道交通实际规模与预测客流规模相差较大的原因。叶然然等[3]运用灰色关联度模型对不同客流规模因素的影响程度进行量化评估，分别建立单变量预测模型与多变量预测模型对客流量进行预测分析。于莉等[4]基于问卷调查数据建立出行意愿二项Logit模型，研究出行者特征、出行行为特征以及选择方案特性等因素对平峰期客流的影响。轨道交通新线相较于成熟线路客流规模的影响因素更为复杂，当新线实际客流规模偏小时，需要找到抑制客流的因素并进行相应改进。客流预测作为地铁线网规划和设计等的主要参考依据，需要具有较高精确度。客流规模偏差影响因素研究需要引入合适模型进行定量分析，才能准确找到制约新线客流规模的关键点。灰色关联模型适用于线性和非线性模型，模型对样本量的多少要求较低，也不需要典型的分布规律，计算效率高，其结果与定性分析结果比较吻合。以上海地铁15号线为例，建立客流规模偏差影响因素指标体系，研究15号线站点影响因素与客流偏差率的变化关系，引入灰色关联模型分析各影响因素与客流规模偏差率的相关性，为未来新线的客流预测及客流提升工作提供理论支撑和依据。

1 客流规模偏差影响因素指标体系

1.1 客流规模影响因素分析

线路非直线系数：指线路起讫点间的路程与该两点间的直线距离之比[5]。非直线系数越大，线路绕弯行为越严重。

地铁站点配套公交情况：影响地铁客流的重要因素，配套公交不完善则大幅度降低地铁站点的客流吸引力。调查15号线周边800 m以内的公交线路情况，统计各站点配套公交条数。

站点重要度：站点重要度很大程度影响着客流规模，基于于莉等[6]的分类体系对15号线各站点进行归类，计算其重要度。

常规公交竞争力：常规公交特别是长途公交会与地铁形成竞争，常规公交竞争力影响轨道交通出行分担率。为量化竞争公交竞争性，分别搜集各站点乘坐15号线和乘坐常规公交到达人民广场站的时间，后者与前者相减的差值即为常规公交竞争力指标，差值越大，公交竞争力越小。

私人交通竞争力：与公共交通竞争力的定义及获取方式均类似，郊区段私人交通竞争力较强。

1.2 数据分析与处理

为标准化各影响因素对客流规模偏差的影响，对指标（不包括非直线系数）进行归一化处理[7]：

式中：z——处理后得到的指标值；v——原指标值；vmax——指标值序列中的最大值；vmin——原指标序列中的最小值。

处理后各项指标值域为［0，1］。

对比15号线客流预测值与实际值，求其偏差[8]：

式中：pi——第i个站的实际客流值；qi——第i个站预测客流值；xi——第i站的客流偏差。

上海15号线部分站点客流规模影响因素指标如表1所示。

表1 上海15号线部分站点客流规模影响因素指标

由式（2）可知，客流偏差率小于0时，其实际客流低于预测客流，15号线线路客流的总体偏差率为-122.93%，15号线负偏差率的站点所占比重也较大，因此实际客流规模相较于预测客流偏小，需要对客流偏差产生原因进行分析。

2 客流规模偏差灰色关联模型

两个系统之间随时间或不同对象而变化的关联性大小称为关联度。灰色关联分析是根据因素之间发展趋势的相似或相异程度，衡量因素间关联程度的一种方法。引入灰色关联模型研究客流规模偏差与其影响因素的相关性强弱。

（1）确定参考数列和比较数列。

建立灰色关联模型首先需要确定参考序列和比较序列。一般将反映系统行为特征的数列定为参考数列，将影响系统行为因素组成的数据序列定为比较序列[9]。将客流规模偏差率数列作为参考数列：

式中：x0(i)——第i个站点的客流规模偏差率，15号线共30个站点，故i的取值为［1，30］。

将各项影响因素数值列作为比较列：

其中j的取值域为［1，5］，分别对应5个影响因素，即地铁线路非直线系数、站点公交配套情况、地铁站点重要度、常规公交竞争力以及私人交通竞争力。xj(i)记为第i个站点中第j项影响因素的取值。

（2）计算关联系数ξ0i(j)[10]。

式中：ξ0i(j)——第i个站点第j项影响因素数列xj和偏差率数列x0的关联系数；ρ——分辨系数，值域为［0，1］，一般取0.5；Δ0i(j)——第i个站点比较数列xj和参考数列x0绝对差值；Δmax、Δmin——两级最大差和两级最小差。

（3）计算关联度。

对各站点第j项因素与客流规模偏差的关联系数求平均值rj：

式中：N——参考列和比较列的项数；rj——第j项影响因素数列xj对客流偏差率数列x0的灰色关联度，rj值越接近1，说明影响效果越显著。

3 模型结果及分析

选取15号线各车站客流偏差指标和其影响因素指标做关联分析，采用Python求解其关联度矩阵，0代表客流偏差率，1～5分别代表影响客流偏差率的因素，依次为站点重要度、配套公交条数、非直线系数、竞争公交和竞争私人交通。

影响指标灰色关联矩阵计算结果如图1所示。

图1 影响指标灰色关联矩阵

通过灰色关联分析法从定量角度研究各指标对新线客流偏差率产生的影响，其关联度数值越大，对客流偏差率影响程度越大。结果表明，对客流偏差率影响最大的是非直线系数，然后依次是站点重要度、竞争公交、配套公交条数和竞争私人交通方式。进一步研究5个因素对客流偏差的影响置信度水平发现，置信度最高的为非直线系数，其次是站点重要度，置信度均高于0.8，竞争公交导致较大客流偏差的置信度为0.6，印证了灰色模型分析结果。为了消除客流预测与实际客流的误差，提升地铁实际客流水平，在客流预测及开通运营后都需要充分重视非直线系数、站点重要度和竞争公交三个因素对客流规模的影响。

4 结语

以上海地铁15号线为研究对象建立指标体系，引入灰色关联模型分析各指标对客流规模偏差的影响程度。结果表明非直线系数、站点重要度和竞争公交对客流偏差率影响程度较大，配套公交条数和私人交通竞争力也有一定影响。在后续研究中，可以进一步细化指标及指标值计算方法，如选取公交线路条数、公交车发车间隔、公交线路走向及其覆盖范围等指标衡量常规公交的竞争力，使结论更精准，实操性更强。