城市轨道交通车站高峰时段与高峰客流预测模型_魏杰.pdf

第 20 卷 第 3 期2023 年 3 月铁道科学与工程学报Journal of Railway Science and EngineeringVolume 20 Number 3March 2023城市轨道交通车站高峰时段与高峰客流预测模型魏杰，余丽洁，任璐，陈宽民(长安大学 运输工程学院，陕西 西安710064)摘要：现有轨道交通车站高峰客流预测方法简化了车站高峰形成过程，基于默认假设，即车站高峰小时与所属线路高峰小时一致进行预测，忽略了车站与线路间存在的高峰偏差现象，造成部分车站高峰客流量被低估，导致车站能力设计不足，站台拥挤风险增加。从车站高峰形成机理出发，基于用地发生率模型，考虑不同目的出行行为的差异化，对客流属性进行划分，引入不同目的的出行时间概率分布函数，建立站点尺度的高峰小时与高峰客流预测模型框架。该模型真实反映了车站高峰与高峰偏差现象形成的这一复杂过程，可解释性强、符合实际，且能适用于建成环境、车站特征和轨道交通网络服务等变化情形下的车站高峰客流预测。验证结果显示：1)提出模型较传统模型提升了43%47%的车站预测精度(高峰客流相应的MAPE值下降了5.7%6.38%，高峰时间相应的APE值下降了2350 min)，具有更广泛的适用性和更稳定、更准确的预测结果，能为车站设计和运营方案制定提供更可靠的决策依据；2)各类出行目的的峰值和峰尺度存在差异，按不同比例叠加后，会产生不同的叠加曲线。揭示了车站高峰客流形成机理为不同用地产生的不同出行目的客流时间分布叠加曲线的高峰。关键词：城市交通；轨道交通车站高峰时间；车站高峰客流；交通与土地利用；出行目的时间分布中图分类号：U291.69 文献标志码：A 开放科学(资源服务)标识码(OSID)文章编号：1672-7029（2023）03-0867-11Prediction model of station-level peak time and peak ridership in urban rail transitWEI Jie,YU Lijie,REN Lu,CHEN Kuanmin(College of Transportation Engineering,Changan University,Xian 710064,China)Abstract:Existing subway station-level peak hour ridership(PHR)prediction methods often simplif the formation process of the station peak.The prediction process is conducted on the defaulted assumption that the passenger flow peak hour of each station always overlaps with its attributed line,which ignores the peak deviation phenomena between stations and lines and may produce underestimated peak hour ridership values.This may result in the design of stations with smaller capacity and increase the potential of congestion on the platforms.This paper presented a framework of a station-level peak period and peak ridership prediction method calibrated.It started from the formation mechanism of station peaks,and introduced the probability distribution function of travel time for different purposes based on the land use rate model by considering the differentiation 收稿日期：2022-04-14基金项目：国家自然科学基金资助项目(71871027)；陕西省自然科学基金资助项目(2022JQ-455)通信作者：余丽洁(1989)，女，陕西西安人，讲师，博士，从事城市轨道交通规划与客流预测研究；Email：lijie_DOI:10.19713/ki.43-1423/u.T20220734铁 道 科 学 与 工 程 学 报2023 年 3月of travel behaviors for different purposes and dividing passenger flow attributes.The proposed framework reflected the complex formation process of the station peak and station peak deviation phenomena in reality that had highly interpretability and can still be applied under changing conditions such as the built environment,station characteristics,and rail transit network services.The model validation results are drawn.(1)Compared with the traditional model,the proposed model has improved the prediction accuracy of 43%47%stations(the corresponding MAPE value of peak ridership prediction has dropped by 5.7%6.38%,and the corresponding APE value of peak periods prediction has dropped by 2350 min),exhibiting wider applicability and more stable and accurate prediction results.It can provide a more reliable decision-making basis for station design and operation plan formulation.(2)The peaks and peak scales vary with travel purposes.Superposition of different proportions will form different superimposed curves.It reveals that the formation mechanism of the station peak ridership is the peak of the ridership time distribution overlay curve for different travel purposes generated by different land use.Key words:urban transit;subway station peak time;station peak passenger flow;traffic and land use;travel purpose time distribution 城市轨道交通车站高峰小时客流量作为车站服务设施容量设计、运营组织方案制定的关键参考指标之一，其预测结果的准确性直接关系到车站投入使用后的服务水平。现有研究尽管在车站常规时段的客流预测方面已经取得了满意的结果1，但鲜有研究关注车站高峰时段客流预测结果的准确性2。传统的宏观预测模型根据已运营线路高峰时段直接预测3或高峰小时系数对全日结果进行修正4。此方法简化了车站客流高峰的形成过程，并假设车站的高峰小时与所属线路的高峰小时一致进行预测。然而，车站与全线高峰时段不完全一致5，如 YU 等6发现重庆市轨道交通 1 号线、3号线和6号线的高峰不一致车站比例分别为69.57%，69.44%和 70.83%；顾丽萍等7发现上海市的高峰不一致车站比例为30.36%，大阪多数车站高峰与线路高峰之间存在半小时左右的偏差；类似的偏差现象也存在于北京8、南京9、深圳10等城市。显然，传统方法不适用于所有车站的高峰客流预测，会造成部分车站的高峰客流量被低估，导致车站设施的能力设计不足。因此，传统方法预测的车站高峰小时客流量不能直接作为车站设计和运营组织方案制定的依据11。新一版的城市轨道交通客流预测规范(GB/T 511502016)中，新增对“车站的客流高峰不出现在早、晚高峰时段时，应预测分析该车站高峰客流出现时段及车站乘降客流”的要求，凸显了车站高峰偏差问题的重要性。已有研究表明，车站周边用地特征12是车站高峰偏差形成的最重要的影响因素之一；周边土地相似的车站具有一致的客流时变趋势1314。车站区位15和网络结构属性16等对车站高峰偏差形成也有一定的影响。此外，部分学者通过修正系数提高传统方法预测结果对存在高峰偏差车站客流的包容性17。已有研究对车站的高峰客流预测精度作了一定提升，但仍存在以下不足：用于提升车站高峰客流预测精度的系数修正法是基于传统方法的预测结果对车站高峰客流进行修正，其适用性受到传统方法的限制；尚未提出关于轨道交通车站高峰时间与高峰客流预测的系统方法；缺乏对人的出行行为的深入分析，难以反映高峰形成这一复杂过程，可解释性差。为了克服上述研究不足，本文基于用地发生率法，考虑用地发生/吸引的不同出行目的出行行为的差异化18，以土地利用和出行目的关联关系为桥梁，在模型中引入不同目的的客流时间分布函数，构建了基于站点尺度的车站高峰小时与高峰客流预测模型。该模型从根源上揭示了土地利用与车站高峰偏差现象的形成机理，为车站规模的合理性论证及运营方案的制定提供了更加可靠的定量化依据；为考虑用地平衡规划和针对客流类型制定出行需求优化策略提供了定量的参考依据；同时，868第 3 期魏杰，等：城市轨道交通车站高峰时段与高峰客流预测模型为通过土地利用混合程度来平衡居民不同时间段的出行需求，降低高峰期和平峰期的出行量差异提供了理论支撑。1 车站高峰形成机理土地利用作为发生/吸引客流的根本源泉，通过影响出行目的决定车站客流的时变趋势，进而影响车站客流的高峰时段7。根据交通的定义可知出行带有一定的目的性，不同目的具有不同的出行时间概率分布曲线。以上班、上学、回家为目的出行，对稳定出行时间的诉求较高，时间分布曲线尖锐且峰值较高，易形成城市的早晚高峰19；而其他出行，如购物、旅游等目的出行，出行时刻选择弹性大，时间分布曲线平缓且峰值较小。各类目的出行时间分布的加权叠加形成了车站客流的时间概率分布，进而决定了车站高峰出现时段及高峰客流。假设出行目的类别总数为V，v()表示第v种出行目的对应的人群出行时间分布概率函数；i_v表示车站i吸引范围内第v种出行目的对应的出行客流量权重，用第v种出行目的对应的全方式出行量占总出行量的比例表示。则车站i吸引范围内全方式客流出行时间分布函数pi()即为各类出行目的出行时间分布概率函数的加权叠加，如式(1)所示。轨道交通作为整体出行交通方式选择的一部分，在式(1)中引入各出行目的人群选择轨道交通出行的概率系数v，并