重慶市南岸區(qū)公交客流預(yù)測研究

任其亮，　王貝貝

(重慶交通大學(xué) 交通運輸學(xué)院，重慶 400074)

?

重慶市南岸區(qū)公交客流預(yù)測研究

任其亮，王貝貝

(重慶交通大學(xué) 交通運輸學(xué)院，重慶 400074)

公交客流預(yù)測對城市公共交通規(guī)劃和設(shè)計起著至關(guān)重要的作用。在調(diào)查重慶市南岸區(qū)公共交通現(xiàn)狀的基礎(chǔ)上，以南岸區(qū)目前公共交通出行量、社會經(jīng)濟和城市人口數(shù)據(jù)為基礎(chǔ)，采用“四階段”法對南岸區(qū)公交客流出行生成量、出行方式分擔(dān)率、出行分布進行預(yù)測，得到2020年南岸區(qū)各交通小區(qū)公交出行分布矩陣、公交客流通道客流預(yù)測和2020年南岸區(qū)公交通道客流分布圖，為南岸區(qū)公共交通的發(fā)展規(guī)劃提供依據(jù)，具有實際意義。

公共交通；公交客流預(yù)測；“四階段”法；OD分布矩陣

U491.1+7

A

1674-0297(2016)04-0054-06

一、引言

近年來，重慶市南岸區(qū)“三區(qū)兩帶”的城市發(fā)展戰(zhàn)略大力推動著南岸區(qū)公共交通的發(fā)展，公交客流量與日俱增。城市公共交通從規(guī)劃到設(shè)計再到建設(shè)和運營，每一環(huán)節(jié)都需要以公交客流量作為依據(jù)，公交客流的規(guī)模及分布的預(yù)測成為了城市公共交通發(fā)展過程中不可替代的關(guān)鍵部分。對南岸區(qū)的公交客流進行預(yù)測具有實際意義。

“四階段”法是我國70年代以來從國外引進的先進交通規(guī)劃理論的重要成果之一，其特點是通用性強、精確度高。目前，我國對“四階段”法的應(yīng)用較為廣泛，已有不少學(xué)者運用“四階段”法取得了研究成果。竇慶峰[1]采用“四階段”法對重慶市主城區(qū)的公交客流做了預(yù)測研究，孟博翔[2]利用“四階段”法對蘭州市雁灘商圈進行了公交客流及交通需求預(yù)測，趙會珍等[3]運用“四階段”法對大型活動下的交通需求做出了預(yù)測。由此可見，“四階段”法在需求預(yù)測方面已經(jīng)很成熟，并且得到廣泛應(yīng)用。因此，本文將采用“四階段”法[4-6]對南岸區(qū)的公交客流進行預(yù)測，旨在為南岸區(qū)的公共交通發(fā)展規(guī)劃提供依據(jù)。

二、南岸區(qū)公共交通發(fā)展現(xiàn)狀

(一)南岸區(qū)概況

南岸區(qū)作為重慶市九大主城區(qū)之一，是重慶市的“都市功能核心區(qū)”和“都市功能拓展區(qū)”。南岸區(qū)幅員265平方公里，建成區(qū)面積81.9平方公里，截至2013年，南岸區(qū)轄8個街道、7個鎮(zhèn)。南岸區(qū)在1997年以后人口增長較為迅速，2000年以后人口增長較為穩(wěn)定。截至2013年末，全區(qū)總戶數(shù)24.6萬戶，戶籍人口達65.1萬人。近年南岸區(qū)各項經(jīng)濟指標的增長速度較快，2013年南岸區(qū)實現(xiàn)全區(qū)GDP總量532億元，比上年增長13.2%。2000—2013年南岸區(qū)人口見表1，2009—2013年南岸區(qū)生產(chǎn)總值及比上年增長率見表2。

表1　2000—2013年南岸區(qū)戶籍人口統(tǒng)計表

表2　2009—2013年南岸區(qū)生產(chǎn)總值統(tǒng)計表　億元

(二)公共交通現(xiàn)狀

南岸區(qū)現(xiàn)狀公交線路合計119條，公交主干級通道分布于主要居住、就業(yè)和商業(yè)密集區(qū)，主要集中在騰龍大道、學(xué)府大道等道路兩邊。綜合換乘樞紐站有四公里換乘樞紐和江南新城換乘樞紐，為綜合樞紐站；公交樞紐站有南坪公交樞紐，為公交樞紐站。

公交首末站60個，主要分布在南坪、經(jīng)開區(qū)西以及彈子石片區(qū)，南山、茶園片區(qū)公交首末站偏少。公交中途站點216處，其中港灣式站點65處，劃線站點151處。

2013年南岸區(qū)日出行總量為188.5萬人次，日公交總出行量為88.9萬人次，地面公交的分擔(dān)比例為43.7%。南岸區(qū)現(xiàn)狀公交客流主要分布在南坪片區(qū)、經(jīng)開區(qū)西片區(qū)以及彈子石片區(qū)，茶園片區(qū)等客流分布較少。

三、交通小區(qū)劃分

(一)劃分原則

為了研究掌握南岸區(qū)的空間分布特征，本文將對南岸區(qū)進行交通小區(qū)劃分。交通小區(qū)劃分的原則有：(1)交通小區(qū)內(nèi)部的經(jīng)濟、社會和土地利用等特性應(yīng)盡量一致，并且土地利用的特征應(yīng)盡量簡單，盡量保證保持原有的城市行政區(qū)劃分；(2)盡量以天然屏障作為劃分界限，如鐵路和河流等，并盡量避免天然或人為的障礙存在于小區(qū)內(nèi)部；(3)小區(qū)應(yīng)盡可能規(guī)則，避免狹長形狀；(4)交通小區(qū)的劃分應(yīng)充分考慮路網(wǎng)的結(jié)構(gòu)，使交通小區(qū)的劃分與道路網(wǎng)盡可能協(xié)調(diào)一致，交通小區(qū)的形心與路網(wǎng)的節(jié)點重合；(5)干道在通常情況下不作為交通小區(qū)的分界線，有利于相關(guān)資料的收集和整理。

(二)劃分結(jié)果

根據(jù)上述劃分原則，結(jié)合南岸區(qū)的城市特點和用地性質(zhì)及道路狀況，本文將整個南岸區(qū)劃分了16個交通小區(qū)，如表3和圖1所示。

表3　2013年南岸區(qū)交通小區(qū)劃分一覽表

圖1　南岸區(qū)交通小區(qū)劃分示意圖

四、南岸區(qū)公交客流預(yù)測

(一)南岸區(qū)城市人口及社會經(jīng)濟預(yù)測

1.城市人口預(yù)測

本文根據(jù)歷年統(tǒng)計的各交通小區(qū)人口總數(shù)，在人口總數(shù)與年份之間進行回歸分析，根據(jù)回歸模型確定目標年的人口總量?；貧w預(yù)測模型為

y=a+m(x+x0)+n(x-x0)2，

(1)

式中：y為目標年的人口預(yù)測值，人；x為目標年年份；x0為起始年份；a、m、n為回歸參數(shù)。

2.社會經(jīng)濟預(yù)測

本文根據(jù)歷年統(tǒng)計的各交通小區(qū)經(jīng)濟總量進行線性回歸分析，根據(jù)線性回歸模型確定目標年各交通小區(qū)的經(jīng)濟總量?；貧w模型為

y=m+nx，

(2)

式中：y為目標年經(jīng)濟預(yù)測總量，元；x為年份；m、n為回歸參數(shù)。

目標年各交通小區(qū)人口及經(jīng)濟預(yù)測結(jié)果如表4所示。

表4　各交通小區(qū)人口及經(jīng)濟預(yù)測表

(二)南岸區(qū)出行生成預(yù)測

出行生成預(yù)測是對南岸區(qū)各交通小區(qū)內(nèi)的交通出行發(fā)生量和吸引量進行預(yù)測。本文選取城市社會經(jīng)濟和城市人口兩個重要指標，運用回歸分析法對交通發(fā)生量和吸引量進行預(yù)測。

1.出行發(fā)生量預(yù)測

本文依據(jù)城市社會經(jīng)濟和城市人口歷年統(tǒng)計數(shù)據(jù)及各交通小區(qū)歷年發(fā)生量統(tǒng)計數(shù)據(jù)，建立多元線性回歸模型，通過回歸模型預(yù)測目標年的發(fā)生量?；貧w模型為

N=a+∑bi×Xi，

(3)

式中：N為各交通小區(qū)的發(fā)生量或吸引量，人次；a為回歸模型修正系數(shù)；Xi為回歸模型第i種指標：社會經(jīng)濟(元)、城市人口(人)；bi為回歸模型第i種指標參數(shù)。

2.出行吸引量預(yù)測

本文對出行吸引量的預(yù)測同樣建立多元線性回歸模型，依據(jù)回歸模型確定目標年的吸引量。回歸模型見式(3)。目標年各交通小區(qū)發(fā)生和吸引量預(yù)測結(jié)果如表5所示，2013年及2020年各交通小區(qū)發(fā)生量及吸引量分別如圖2、圖3所示。

圖2　2013年各交通小區(qū)交通發(fā)生吸引量示意圖

圖3　2020年各交通小區(qū)交通發(fā)生吸引量示意圖

萬人次

可以看出，2020年各交通小區(qū)出行生成總量都有明顯增長，但江南新城組團中茶園新區(qū)、峽口鎮(zhèn)聚居區(qū)、經(jīng)開區(qū)(迎龍鎮(zhèn))出行生成總量相對于2013年增長趨勢較大。

(三)南岸區(qū)出行方式分擔(dān)率預(yù)測

居民出行時都愿意選取交通阻抗最小的交通方式出行，而各種交通方式的交通阻抗各不相同，并且其阻抗值的大小不易直觀判斷，故居民選擇的出行方式又存在部分隨機性。結(jié)合交通阻抗最小的因素和隨機性的因素，本文將采用改進Logit模型，對南岸區(qū)的出行交通分擔(dān)率進行預(yù)測。預(yù)測模型為

(4)式中：yi為第i種交通方式的分擔(dān)率，%；Ri為第i種交通方式的交通阻抗，費用：元；R為各種交通方式的平均阻抗值；λ為模型待定參數(shù)，本文λ=3.5。

目標年各出行方式分擔(dān)率如表6所示。

表6　2020年南岸區(qū)居民機動化出行分擔(dān)率表

(四)南岸區(qū)出行分布預(yù)測

出行分布是“四階段”法的一個重要組成部分[7]，居民出行分布是將預(yù)測得到的各交通小區(qū)的產(chǎn)生量、吸引量轉(zhuǎn)化為未來各交通小區(qū)之間的出行交換量的過程。

根據(jù)南岸區(qū)城市發(fā)展水平、居民出行調(diào)查抽樣率的大小，本文選用了雙約束重力模型。將之前預(yù)測得到的交通生成預(yù)測結(jié)果代入交通分布預(yù)測模型，進行居民出行分布預(yù)測，并結(jié)合2020年居民出行方式分擔(dān)率，得到2020年南岸區(qū)各交通小區(qū)公交出行OD分布結(jié)果。雙約束重力模型的基本形式為

Tij=KikjPiAj/f(tij) ，

(5)

(6)

(7)

式中：tij為從交通小區(qū)i到j(luò)的出行量，人次；Pi為交通小區(qū)i的出行發(fā)生總量，人次；Aj為交通小區(qū)j的出行吸引總量，人次；Ki、Kj為平衡系數(shù)；f(tij)為阻抗函數(shù)。

基于南岸區(qū)居民出行的具體情況，可采用以下具體形式的阻抗函數(shù)

(8)

其中，模型標定參數(shù)α=1.35。根據(jù)上述分布模型，得到2020年南岸區(qū)各交通小區(qū)公交出行OD分布矩陣，結(jié)果如表7所示，2020年各交通小區(qū)出行期望線如圖4所示。

表7　2020年各交通小區(qū)全日公交出行OD分布矩陣　人次/d

圖4　2020年南岸區(qū)各交通小區(qū)公交出行期望線圖

(五)南岸區(qū)公交客流通道客流預(yù)測

公交通道客流量預(yù)測即公交網(wǎng)絡(luò)交通分配。交通分配是“四階段”法中的一個重要步驟[8]，它

是將預(yù)測得到的出行分布(OD矩陣)分配到具體的公交道路網(wǎng)絡(luò)上，從而得到主要公交路段的客流量。

本文選取南岸區(qū)主要干道作為公交運行的通道，采用最短路分配法進行分配。最短路交通分配是一種靜態(tài)的交通分配方法，反映了人們都愿意走最短路徑的心理。利用圖論中的“圖”的概念把交通網(wǎng)絡(luò)抽象化，把交通網(wǎng)絡(luò)中的出行生成點、線路交叉點看作圖的節(jié)點，把任意兩個節(jié)點之間的交通線路看作圖的邊。在交通網(wǎng)絡(luò)圖上標上各個邊的阻抗值，得到帶阻抗的交通網(wǎng)絡(luò)圖。根據(jù)帶阻抗的交通網(wǎng)絡(luò)圖定義阻抗矩陣

D=[dij]n×n，

(9)

其中：

(10)

本文采用矩陣迭代法計算最短路權(quán)矩陣T0。其迭代公式為

(11)

式中：T(n)為第n次迭代后的路權(quán)矩陣，T(n-1)為第n-1次迭代后的路權(quán)矩陣，T為原路權(quán)矩陣，T(n)(i,j)為路權(quán)矩陣中的元素，*為運算符號，其運算規(guī)則如下

(12)

式中：T(n-1)(i,k)為T(n-1)中的元素，T(k,j)為原路權(quán)矩陣T中的元素，m為網(wǎng)絡(luò)節(jié)點數(shù)。

利用上兩式反復(fù)迭代，直至T(n)=T(n-1)，那么矩陣T(n)就是最短路權(quán)矩陣T0。利用最短路分配方法，把出行分布OD矩陣按照最短路分配到路網(wǎng)上進行累加，得到的結(jié)果如圖5所示。

圖5　2020年南岸區(qū)公交通道客流分布圖

由圖5可以看出，到2020年，南岸區(qū)斷面流量較大的路段是內(nèi)環(huán)快速江南立交至茶園立交段、海峽路到內(nèi)環(huán)快速江南立交入口段、鵝公巖長江大橋和重慶長江大橋。

五、結(jié)語

本文在調(diào)查南岸區(qū)公共交通現(xiàn)狀的基礎(chǔ)上，選用社會經(jīng)濟和城市人口兩個指標，采用“四階段”法對南岸區(qū)公交客流進行預(yù)測，通過建立多元線性回歸模型，預(yù)測得到居民出行的發(fā)生和吸引總量；建立Logit預(yù)測模型，得到2020年南岸區(qū)出行

方式分擔(dān)率；建立雙重力約束模型，預(yù)測得到南岸區(qū)2020年的公交出行OD分布矩陣；采用最短路分配法將OD分布矩陣分配到路網(wǎng)上，得到公交通道客流分布圖。

[1]竇慶峰.重慶市主城區(qū)公交客流預(yù)測研究[D].西安:西安建筑科技大學(xué),2007.

[2]孟博翔.基于四階段法的蘭州市雁灘商業(yè)圈交通需求預(yù)測[J].交通科技與經(jīng)濟,2014,16(2):27-30.

[3]趙會珍,閆山,謝世滿.大型活動下交通需求預(yù)測仿真及實例分析[J].網(wǎng)絡(luò)與信息工程,2015(2):87- 88.

[4]李碩,易武.長沙縣公交規(guī)劃客流預(yù)測與TransCAD應(yīng)用[J].科學(xué)技術(shù)與工程,2005(19):1352-1353.

[5]朱東升.宜春市公交需求發(fā)展預(yù)測研究[J].科技資訊,2014(30):208.

[6]瞿爾仁,潘莉,張乾坤,等.城市公共交通需求預(yù)測及應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2004 (12):1612-1616.

[7]王瑋,陳學(xué)武.交通規(guī)劃[M].北京:人民交通出版社,2012:7.

[8]郭嶠楓.淺析交通小區(qū)劃分問題[J].黑龍江科技信息,2010(28):270.

(責(zé)任編輯：李曉梅)

Forecast of Public Transit Passenger Flow in Nan’an District of Chongqing

REN Qiliang, WANG Beibei

(School of Traffic & Transportation, Chongqing Jiaotong University, Chongqing 400074, China)

Public traffic flow forecast plays an important role in urban public transportation planning and design. The current situation of public transport in the Nan’an District area is investigated. Based on the current situation of public transportation, social economy and urban population, the “four stage” method is used to forecast the traffic volume, travel mode, travel distribution and traffic assignment in the Nan’an District. The distribution matrix of the traffic distribution in the Nan’an District and the traffic flow distribution map of the district in 2020 was obtained, which provided the basis for the development of public transport in Nan’an District and has practical significance.

public transportation; passenger flow forecast; four stage method; OD distribution matrix

2016-03-29

任其亮(1978—)，男，山東萊蕪人，重慶交通大學(xué)教授，博士，研究方向：交通運輸規(guī)劃與管理。