上海軌交9號線郊區(qū)站點非機動車停車場規(guī)模估算

陳穎雪，吳 兵，劉志鋼，李林波

(1.上海工程技術(shù)大學(xué)城市軌道交通學(xué)院，上海201620;2.同濟大學(xué)道路與交通工程教育部重點實驗室，上海200092)

隨著城市的擴張，各大城市大力建設(shè)城市副中心和衛(wèi)星城，城市軌道交通市郊線(以下簡稱市郊線)為其形成奠定了交通基礎(chǔ)，并服務(wù)于大量往返于市郊和市中心的通勤、通學(xué)出行，市郊線由此在各大城市大力發(fā)展。但是，相比較市郊線的快速建設(shè)，市郊線的配套交通設(shè)施卻沒有及時跟進，如站點機動車、非機動車停車場規(guī)模不足，抑制停車換乘軌道交通的需求，而郊區(qū)常規(guī)公交線網(wǎng)疏、發(fā)車頻率低，不能有效為市郊線集散客流，導(dǎo)致市郊線的功能無法很好實現(xiàn)。

在上海，市郊線站點周邊5.5 km范圍內(nèi)居住大量居民，依賴市郊線作為通勤交通工具，這些基于家的通勤出行頻率高，且接駁范圍在非機動車服務(wù)圈層內(nèi)［1］，機動、靈活、方便、可控的非機動車在連接市郊線站點與家的出行中比起郊區(qū)尚不完善的常規(guī)公交系統(tǒng)有著巨大的優(yōu)勢和潛力。但B+R(BIKE+RIDE，非機動車換乘軌道交通)模式尚未受到相關(guān)部門的重視，上海部分市郊線車站缺乏非機動車停車場，部分車站非機動車停車場停車能力不足，抑制了非機動車換乘軌道交通的需求。目前，國內(nèi)學(xué)者對市郊線站點非機動車停車需求計算的理論研究剛起步，理論大多寬泛不深入，且未充分考慮市郊非機動車出行的特點，很難切實有效指導(dǎo)市郊線站點非機動車停車場設(shè)計工作。因此，筆者以上海第一條市郊線路上海軌道交通9號線為例，對其郊區(qū)站點非機動車停車系統(tǒng)進行規(guī)劃設(shè)計實踐。

1 上海軌道交通9號線郊區(qū)站點非機動車停車設(shè)施現(xiàn)狀

上海軌道交通9號線規(guī)劃中全線由松江老城區(qū)至崇明島，目前已開通松江新城站至楊高中路站，其他區(qū)段后期陸續(xù)開通。9號線1期多位于市郊，作為發(fā)展松江新城區(qū)及沿線區(qū)域的交通支持，途經(jīng)松江新城、泗涇、九亭、七寶等市郊密集住宅區(qū)，后期線路開通后還將穿越市郊松江老城及崇明縣內(nèi)的密集住宅區(qū)，線路開通后還將穿越市郊松江老城及崇明縣內(nèi)的密集住宅區(qū)。另外，上海松江大學(xué)城也位于9號線1期松江大學(xué)城站站點附近。9號線1期定位于承擔(dān)大批通勤通學(xué)客流的市郊線，其松江新城段至漕河涇開發(fā)區(qū)站(中環(huán)線以外)的區(qū)段為筆者研究重點(圖1)。

圖1 上海9號線研究段區(qū)位圖(粗線)Fig.1 Location of Shanghai metro line 9

在上海，軌道交通的接駁交通主要是步行、常規(guī)公交和非機動車。郊區(qū)常規(guī)公交通常由于缺乏客流支撐，線網(wǎng)密度低，發(fā)車間隔長，服務(wù)水平普遍低下，對于離站點800～5 500 m的居民而言，預(yù)留的公交接駁時間可能達到30 min，甚至更多，效率甚低。非機動車接駁市郊線站點的服務(wù)圈層覆蓋站點周邊5.5 km內(nèi)的住宅，且非機動車具有機動、靈活、方便、可控等私人交通的特點，加之基于家的出行非機動車具有可利用性。由此，B+R系統(tǒng)對9號線1期是個值得推崇的方法。對9號線郊區(qū)站點周邊的停車條件進行調(diào)研。

調(diào)研發(fā)現(xiàn)，9號線郊區(qū)站點周邊的停車條件簡陋，站點停車設(shè)施配備情況具體如表1。表1中，只是以“有”或“無”來表示停車設(shè)施配備情況，這是由于這些停車場沒有明確界定范圍，更不是經(jīng)過專門規(guī)劃設(shè)計，只是出行者的隨意停放，因此無法準(zhǔn)確給出停車場的容量。即使如此，仍有一些車站，如九亭站、中春路站等5個車站，完全不具備停放非機動車的能力?，F(xiàn)場調(diào)研還發(fā)現(xiàn)，大部分9號線郊區(qū)車站周邊配備的非機動車停車場，利用率都較高。對于部分不具非機動車停車場所的車站，或停車容量不足的車站，存在換乘需求的乘客只能乘坐黑車或摩的進行接駁，造成9號線部分郊區(qū)車站周邊黑車、摩的盛行。

表1 9號線站點非機動車停車設(shè)施配備情況Tab.1 Non-motor vehicle parking facilities of suburban stations of Shanghai metro line 9

綜上，非機動車接駁9號線郊區(qū)地鐵站的需求較大，需要通過合理的需求計算，確定停車場規(guī)模，更好的服務(wù)換乘者，提高市郊線的服務(wù)水平和競爭力。

2 市郊線站點非機動車停車需求計算現(xiàn)狀

現(xiàn)有國內(nèi)軌道交通站點非機動車需求研究可以抽取概括為以下3種模型，但這些模型大多只是給出計算思路，缺乏周密的計算過程，一些參數(shù)如換乘比例、換乘阻抗等沒有給出針對性且實施性強的計算方法。國外研究則主要集中于logit模型及類似的模型或方法，涉及參數(shù)通過該地區(qū)的調(diào)研數(shù)據(jù)獲得。

2.1 吸引率法［2］

吸引率法認(rèn)為，自行車停車場的建設(shè)規(guī)模由城市軌道交通站點高峰時段自行車停車需求總量決定，停車需求又由停車場周邊土地利用決定，其主要計算方法如式(1):

式中:Pa為高峰停放吸引量，輛;ti為各類用地建筑面積，m2;bi為各類型單位用地的吸引率，輛/m2。

該方法計算出的停放吸引量是以式中各種用地為目的地的非機動車出行，而一般停在地鐵站點的非機動車多為接駁軌道交通出行，對于郊區(qū)站點更是如此。

2.2 類比推算法［3］

類比推算法要么是調(diào)查某市郊線站點非機動車換乘比例，要么是調(diào)查發(fā)展相對成熟的某些市區(qū)站點的非機動車換乘比例，之后類比計算規(guī)劃站點非機動車換乘需求。該方法缺點是忽視了目前國內(nèi)城市軌道交通站點非機動車停車場的種種問題，如停車場容量普遍不足，管理不規(guī)范，停車安全無保障等，被抑制的停車需求無法通過調(diào)查獲得，同時，它還忽視了郊區(qū)和中心城區(qū)軌道交通站點非機動車接駁的差異性。

2.3 logit模型法［4］

logit以及類似模型需要對參數(shù)進行嚴(yán)格的標(biāo)定，即阻抗和效用，非機動車接駁軌道交通的阻抗和效用涉及交通安全、舒適性、方便性等，部分因素?zé)o法量化，或無法統(tǒng)一到相同的量綱。另外，logit模型還涉及到市郊線站點輻射范圍和吸引力，而我國這方面的積累數(shù)據(jù)不足，標(biāo)定未必準(zhǔn)確。

3 對比調(diào)研

國內(nèi)城市軌道交通市郊線的研究剛起步，相關(guān)理論基礎(chǔ)薄弱，加之基礎(chǔ)數(shù)據(jù)積累不足，理論計算模型和方法尚不成熟。相對而言，國外市郊線發(fā)展較早，研究成果豐厚。因此，筆者嘗試借鑒日本市郊線路的成功經(jīng)驗，估算上海軌道交通9號線郊區(qū)站點非機動車停車規(guī)模。

3.1 中國與日本自行車?yán)盟綄Ρ?/h3>

日本歷來是自行車大國，1996年，自行車擁有量達到7 254多萬輛，僅次于中國和美國［5］;2002年，達到8 549多萬輛，緊隨中國和美國之后［6］，需求穩(wěn)步增長。但是日本總?cè)丝谏?，日本的自行車人均擁有量約為0.7輛，世界排名第4，中國則小于0.5輛/人。由于日本方便的軌道交通，日本人常放棄私家車出行，替代以自行車接駁軌道交通出行，日本的地鐵站特別是市郊線路站點停放許多自行車。日本人口密度大，同樣的交通體系無法支撐起西方發(fā)達國家?guī)资兜慕煌?，軌道交?自行車的方式有效減少了私家車出行量，是我國發(fā)展公共交通可以效仿的模式。

3.2 上海與東京軌道交通系統(tǒng)對比研究

國際大都市中，上海與東京，無論是城市規(guī)模、人口密度、還是居民的生活、出行習(xí)慣都較為相似。2020年，上海軌道交通線網(wǎng)規(guī)模將接近目前已經(jīng)較成熟穩(wěn)定的東京軌道交通線網(wǎng)規(guī)模(表2)。

表2 上海與東京城市軌道交通特征對比Tab.2 Comparison on urban rail transportation features of Shanghai and Tokyo

3.3 上海9號線郊區(qū)段與東京TX線對比

筑波快線(日文:つくばエクスプレス線，英文:Tsukuba Express)，簡稱TX，是一條連接日本東京千代田區(qū)秋葉原站與茨城縣筑波市筑波站之間的近郊通勤交通線(圖2)。TX線于2005年8月全線貫通，之后客流穩(wěn)步大幅增長，至2009年，達到預(yù)期的成熟客流水平(27萬人次/日)(表3)。TX作為日本政府應(yīng)用軌道交通發(fā)展研究成果的示范項目，建成后運營良好，得到業(yè)界和政府的肯定，并獲得多項殊榮。

圖2 東京TX線研究段區(qū)位圖(粗線)Fig.2 Location of Tokyo metro line TX

上海9號線郊區(qū)段與TX線在開通運營時間、線路所在區(qū)位、功能定位、承擔(dān)客流性質(zhì)、周邊土地性質(zhì)及開發(fā)程度等方面都非常相似，且二者都與市區(qū)環(huán)線(TX線與山手線，9號線與4號線)構(gòu)成換乘，使線路得以延伸至整個線網(wǎng)。

根據(jù)國內(nèi)外軌道交通運營的一般經(jīng)驗，非機動車接駁軌道交通的需求與站點日均客流量、土地開發(fā)成熟度、站點到市中心距離、站間距等4個影響因素密切相關(guān)。由此，觀測TX線站點4個影響因素現(xiàn)狀及非機動車停車場規(guī)模，挖掘4個影響因素與停車場規(guī)模的邏輯關(guān)系。

表3 東京TX線客流情況況［7］Tab.3 Passenger flow of Tokyo metro line TX

3.4 TX站點非機動車停車場規(guī)模與四因素調(diào)研

4個影響因素中，“到市中心的距離”是指與秋葉原站(TX線與環(huán)線山手線形成換乘的車站)的距離。同樣，9號線中“到市中心的距離”是與宜山路站(9號線與環(huán)線4號線形成換乘的車站)的距離。TX線調(diào)查結(jié)果見表4，9號線郊區(qū)段調(diào)查結(jié)果見表5。

表4 TX線站點非機動車停車規(guī)模與4因素的情況Tab.4 Non-motor vehicle parking lot scale and situation of four influence factors of line TX

表5 9號線郊區(qū)站點調(diào)研數(shù)據(jù)及非機動車停車場規(guī)模估算Tab.5 Estimation of non-motor vehicle parking demand and survey data of suburban station of line 9

由于TX線中某些站是與其他地鐵線路形成換乘的車站，換乘客流大，而這客流與土地利用成熟度及非機動車停車需求無關(guān)，因此將這些車站的數(shù)據(jù)去除。包括:秋葉原駅、新御徒町駅、南千住駅、北千住駅、南流山駅、流山おおたかの森駅、守谷駅。

4 模糊邏輯算法

市郊線站點非機動車停車場規(guī)模受眾多因素影響，即使上述4個因素對其起決定性作用，4個因素之間相互作用機理亦非常復(fù)雜，加之每個車站存在自身特點，因此很難建立停車場規(guī)模與4因素的明確關(guān)系。筆者期望用模糊邏輯算法，掌握停車場規(guī)模隨4個因素變化的趨勢和規(guī)律，進一步估算9號線站點非機動車停車場規(guī)模。

模糊邏輯算法特別適用于具有模糊概念界定和模糊邏輯的研究對象［8］，筆者針對停車場容量與4因素存在相關(guān)性但關(guān)系不明確的特點，利用模糊邏輯算法，設(shè)計影響因素信息融合的模糊推理法。

首先將問題進行模糊數(shù)學(xué)表達。在該模糊推理機中，將土地成熟度指數(shù)M(i)、到市區(qū)距離D(j)、平均站間距S(k)、日均客流P(l)作為輸入量，以非機動車容量PK作為輸出量，各變量的論域為:

而各變量的語言集如下所示:

M(i):{不成熟(M1)，不太成熟(M2)，一般(M3)，成熟較為(M4)，很成熟(M5)}

D(j):{很遠(yuǎn)(D1)，比較遠(yuǎn)(D2)，略遠(yuǎn)(D3)，略近(D4)，較近(D5)，很近(D6)}

S(k):{很遠(yuǎn)(S1)，比較遠(yuǎn)(S2)，略遠(yuǎn)(S3)，略近(S4)，較近(S5)，很近(S6)}

P(l):{從極少客流到極大客流(P(l)}(排除換乘客流的因素)

PK:{極少(PK1)，較少(PK2)，中等(PK3)，較多(PK4)，很多(PK5)}

逐條設(shè)計模糊推理機規(guī)則(Rules)。設(shè)計采用隸屬度函數(shù)如圖3。

圖3 各變量采用的隸屬度函數(shù)Fig.3 Membership functions adopted by each variable

采用MATLAB的模糊控制工具箱進行運算，選擇Mamdan方法進行模糊推理，反模糊化過程選擇重力中心法［9］，可得模糊控制規(guī)則如圖4。

圖4 模糊邏輯規(guī)則(D=30，P=5 000時)Fig.4 Fuzzy logic rules(while p=5 000，D=30)

5 9號線郊區(qū)站點非機動車停車場規(guī)模估算

由上海地鐵9號線每個站點的統(tǒng)計數(shù)據(jù){M(i)，D(j)，S(k)，P(l)}作為模糊推理機的輸入，使得到各站點非機動車停車容量的估計更加準(zhǔn)確，可信度更高(圖5)。9號線郊區(qū)段非機動車停車場規(guī)模估算結(jié)果見表5。

圖5 模糊邏輯計算過程Fig.5 Fuzzy logic calculation procedure

可以看出，預(yù)測的9號線郊區(qū)段非機動車在軌道交通接駁出行上分擔(dān)率在6%～20%之間。由此，模型的結(jié)論較為合理。

6 結(jié)論

通過類比上海軌道交通9號線郊區(qū)段和東京TX線，調(diào)研郊區(qū)站點非機動車停車場影響因素，建立郊區(qū)站點非機動車停車場規(guī)模與影響因素間的模糊邏輯關(guān)系，估算9號線郊區(qū)站點非機動車停車場規(guī)模。在研究中，由于缺乏9號線遠(yuǎn)期預(yù)測客流量，計算采用的是現(xiàn)狀客流量，隨著9號線后期工程的開通，客流會繼續(xù)發(fā)生變化，屆時9號線站點非機動車停車容量也需相應(yīng)調(diào)整。筆者所采用的方法是在目前歷史數(shù)據(jù)積累不足、無法準(zhǔn)備標(biāo)定模型參數(shù)下的臨時性補救方法，軌道交通郊區(qū)站點非機動車停車設(shè)施配備的合理規(guī)劃、設(shè)計和管理是一個重要而長遠(yuǎn)的任務(wù)，停車需求預(yù)測必須有一個科學(xué)可靠的理論方法，這不僅需要選擇合適的預(yù)測模型，還需要進行歷史數(shù)據(jù)積累，對相關(guān)參數(shù)進行準(zhǔn)確標(biāo)定。

［1］曹萍，陳峻.自行車與軌道交通換乘站選址及需求預(yù)測［J］.交通科技與經(jīng)濟，2008，10(3):87-89.CAO Ping，CHEN Jun.Bicycle-metro station locating and its demand predicting［J］.Technology ＆ Economic in Area of Communication，2008，10(3):87-89.

［2］殷秋敏，鄧衛(wèi).自行車與城市軌道交通的銜接規(guī)劃與管理［J］.交通科技，2008(2):92-94.YIN Qiu-min，DENG Wei.Planning and management of the transfer between bicycle and urban mass transit［J］.Transportation Science ＆ Technology，2008(2):92-94.

［3］陳思.自行車與軌道交通換乘銜接研究［D］.西安:長安大學(xué)，2006.

［4］黃杉.城市軌道交通銜接客流預(yù)測方法研究［D］.北京:北京工業(yè)大學(xué)，2008.

［5］中國貿(mào)促會經(jīng)濟信息部.日本自行車市場透析［J］.中國對外貿(mào)易，1998(1):39-40.Economic Information Department of CCPIT.Japanese bike market dialysis［J］.China＇s Foreign Trade，1998(1):39-40.

［6］劉少才.航海日本說單車［J］.中國自行車，2010(2):54-58.LIU Shao-cai.Navigate to talk Japan bicycle［J］.China Bicycle，2010(2):54-58.

［7］Wikipedia.Tsukuba Express［EB/OL］.(2011-03-20)［2011-03-25］.http://en.wikipedia.org/wiki/Tsukuba_Express.

［8］樓順天，胡昌華，張偉.基于MATLAB的系統(tǒng)分析與設(shè)計:模糊系統(tǒng)［M］.西安:西安電子科技大學(xué)出版社，2001.

［9］Anderson D H，Hall L O.MR.FIS:Mamdani rule style fuzzy inference system［C］//Systems，Man，and Cybernetics.Tokyo，Japan:1999 IEEE International Conference，1999:238-243.

［10］Rietveld P.The accessibility of railway stations:the role of the bicycle in The Netherlands［J］.Transportation Research:Part D，2000(5):71-75.