城市軌道交通站點接駁設(shè)施規(guī)模預(yù)測方法*

裴玉龍 潘 躍

(東北林業(yè)大學(xué)交通學(xué)院 哈爾濱 150040)

0 引 言

近年來，我國各大城市均加強了對軌道交通基礎(chǔ)設(shè)施的建設(shè)力度，城市軌道交通的服務(wù)能力得到了顯著提升，為城市居民的日常出行帶來了極大的便利。隨著經(jīng)濟社會的不斷發(fā)展，城市軌道交通基礎(chǔ)設(shè)施的規(guī)模將持續(xù)增加。常規(guī)公交停靠站、出租車?？空?、P&R停車場和自行車停車場是城市軌道交通站點的重要接駁設(shè)施，規(guī)模適宜的接駁設(shè)施是接駁順暢與否的基本保障。準(zhǔn)確預(yù)測各接駁設(shè)施的規(guī)模對實現(xiàn)各種交通方式與城市軌道交通的有效銜接和提高城市軌道交通系統(tǒng)的運行效率至關(guān)重要。

目前，城市軌道交通站點接駁設(shè)施規(guī)模預(yù)測方面的研究主要可分為2個階段，第1階段是對城市軌道交通站點各接駁方式分擔(dān)率進行預(yù)測，第2階段是根據(jù)各接駁方式的客流量大小對相應(yīng)的接駁設(shè)施規(guī)模進行預(yù)測。張鑫銘[1]研究了樞紐內(nèi)客流不同狀態(tài)下的轉(zhuǎn)移矩陣，運用馬爾科夫模型構(gòu)建了樞紐中各交通方式客流分擔(dān)率的預(yù)測模型；邵昀泓[2]采用非集計模型建立了以出行時間和費用為影響因素的樞紐客流分時段交通方式分擔(dān)率預(yù)測模型，為樞紐內(nèi)交通疏解提供了理論指導(dǎo)；吳文靜等[3]根據(jù)樞紐管理需求，分別構(gòu)建了分時段預(yù)測、短時預(yù)測、類比分析等多個客流換乘交通方式分擔(dān)率預(yù)測方法；S. M. Chowdhury等[4]從換乘客流均衡性分析、樞紐節(jié)點布局與站點優(yōu)化設(shè)計、無縫換乘與銜接方面對乘客的換乘行為進行了分析，并開發(fā)了樞紐客流換乘方式選擇四階段模型；N. H. Khandker等[5]運用混合選擇模型，考慮換乘過程中乘客對不同交通方式的態(tài)度和行為，將其作為潛在變量，構(gòu)建了接駁方式選擇模型；李凱勝[6]利用排隊論模型對常規(guī)公交站的有效泊位數(shù)進行分析與評估，提出采用通行能力法與泊位布置方式結(jié)合的方法計算實際需求的泊位數(shù)；俞春輝等[7]以最小化出租車和乘客的綜合平均排隊時間為目標(biāo)，建立了兼顧泊位設(shè)置模式和規(guī)模的優(yōu)化模型；A. R. Hole[8]以SP調(diào)查法得到停車換乘方式的分擔(dān)率，并利用二項logit模型對停車換乘設(shè)施規(guī)模進行了預(yù)測；J. C. García-Palomares等[9]基于GIS技術(shù)對出行需求和空間分布情況進行估算，提出利用位置分配模型確定自行車停車場規(guī)模；陳穎雪等[10]利用模糊邏輯算法建立了郊區(qū)站點非機動車停車場規(guī)模預(yù)測方法。

在既有研究的基礎(chǔ)上，基于多項logistics回歸和Bayes判別分析分別建立了城市軌道交通站點接駁分擔(dān)率模型，并根據(jù)各自的適用范圍對其進行應(yīng)用；以城市軌道交通站點各接駁方式分擔(dān)的客流量為基礎(chǔ)，對常規(guī)公交停靠站、出租車?？空?、P&R停車場和自行車停車場的規(guī)模進行預(yù)測。

1 城市軌道交通站點接駁設(shè)施規(guī)模的影響因素

城市軌道交通站點是以軌道交通為主導(dǎo)、多種交通方式輔助服務(wù)的綜合型交通節(jié)點，與其接駁的交通方式主要有步行、常規(guī)公交、出租車、小汽車和自行車5類，由于步行不需借助交通工具，在接駁過程中受到的限制條件少、機動性更強，因此不在本文的研究范圍內(nèi)。其余接駁方式對應(yīng)設(shè)施分別為常規(guī)公交停靠站、出租車?？空?、P&R停車場和自行車停車場。

城市軌道交通站點接駁設(shè)施主要服務(wù)于換乘客流，因此各種接駁方式分擔(dān)的客流量是影響接駁設(shè)施規(guī)模的主要因素。在城市軌道交通站點各接駁方式分擔(dān)客流量的既有研究中，部分學(xué)者直接對城市軌道交通站點相關(guān)規(guī)劃中的預(yù)測分擔(dān)率進行應(yīng)用，沒有結(jié)合現(xiàn)狀客流情況重新預(yù)測分擔(dān)率，且在預(yù)測時針對不同預(yù)測方法各自適用范圍方面的研究還不夠深入，種種原因?qū)е骂A(yù)測出的接駁方式客流量存在較大誤差。此外，各接駁交通方式的?？刻卣饕矔苯佑绊懡玉g設(shè)施規(guī)模。

1) 常規(guī)公交?？刻卣鲗υO(shè)施規(guī)模的影響。常規(guī)公交具有固定的出行線路和?？空荆l(fā)車時間間隔也呈一定的規(guī)律性，且具備較大規(guī)模的運輸能力，是主要的城市交通方式之一。在常規(guī)公交車輛在運行過程中不同的道路擁堵程度和?？空旧舷萝嚾藬?shù)，會直接影響在指定停靠站中各常規(guī)公交的到站時間。因此單位時間內(nèi)常規(guī)公交到站的平均時間間隔和上下車人數(shù)是影響常規(guī)公交接駁設(shè)施規(guī)模的主要因素。

2) 出租車?？刻卣鲗υO(shè)施規(guī)模的影響。出租車的出行服務(wù)有異于常規(guī)公交，由于不存在固定的起訖點和服務(wù)線路，所以乘客的出行需求直接決定了出租車的停靠需求。由于出租車到站的不可控性，使得出租車單位時間內(nèi)進站平均間隔成為了出租車接駁設(shè)施的主要影響因素，在此基礎(chǔ)上，確定合理的出租車停靠站規(guī)模，能有效起到疏散城市軌道交通客流的作用。

3) 小汽車?？刻卣鲗υO(shè)施規(guī)模的影響。小汽車與城市軌道交通的有效銜接對緩解城市交通擁堵有重要作用，合理的P&R停車場規(guī)模是引導(dǎo)客流由私人交通向公共交通轉(zhuǎn)移的基本保障。與出租車相比，小汽車與城市軌道交通接駁形式相對多樣，不僅可以在路邊臨時?？拷铀陀H友，還可以在停車場內(nèi)長時停放。因此P&R停車場的規(guī)模主要取決于需要長時停放小汽車的客流，此外小汽車平均載客人數(shù)和停車周轉(zhuǎn)率也直接關(guān)系到P&R停車場的規(guī)模。

4) 自行車?？刻卣鲗υO(shè)施規(guī)模的影響。自行車作為一種經(jīng)濟、方便的交通工具，在服務(wù)中短距離的出行上具有較為明顯的優(yōu)勢，尤其是近年隨著共享單車的興起，更多的人被吸引至自行車出行的隊伍。按此趨勢發(fā)展，將會有越來越多的人轉(zhuǎn)至自行車交通出行，因此在掌握既有接駁客流量的基礎(chǔ)上，由其他交通轉(zhuǎn)移至自行車交通的客流量對設(shè)施規(guī)模的預(yù)測也存在較大影響?？紤]到現(xiàn)狀道路上被使用的自行車以共享單車為主，個人僅擁有短時使用權(quán)，停放后可供其他人繼續(xù)使用，因此自行車的停車周轉(zhuǎn)率相比小汽車會更大。

2 城市軌道交通站點接駁設(shè)施規(guī)模的預(yù)測模型

2.1 各接駁方式分擔(dān)客流量預(yù)測

2.1.1 高峰小時客流量

城市軌道交通站點的客流量主要是由進站客流和出站客流兩部分組成，其中進站客流包括通過步行、常規(guī)公交、出租車、小汽車和自行車等方式聚集在站點的乘客，而出站客流為通過城市軌道交通抵達站點并選用其他交通方式離開站點的乘客。在城市軌道交通站點各出入口處對進、出站客流進行觀測記錄，可以得到高峰小時客流量S為

(1)

式中：n為城市軌道交通站點出入口的數(shù)量；Sn進為第n個出入口進站客流量；Sn出為第n個出入口出站客流量。

2.1.2 接駁方式分擔(dān)率

分擔(dān)率預(yù)測的準(zhǔn)確與否會直接影響各接駁設(shè)施規(guī)模的預(yù)測結(jié)果，常用的分擔(dān)率預(yù)測方法以多項logistics回歸模型為主，為提升分擔(dān)率預(yù)測結(jié)果的可靠性，筆者同時采用多項logistics回歸模型和Bayes判別分析進行分擔(dān)率預(yù)測，通過對兩類模型預(yù)測結(jié)果適用性進行對比，得到組合型分擔(dān)率預(yù)測方法。

1) 基于多項logistics回歸分析的接駁分擔(dān)率預(yù)測。多項logistics回歸是利用極大似然估計法對模型參數(shù)進行估計[11-12]，在預(yù)測時以自行車為參考項，并假設(shè)乘客均會依據(jù)自身需求，對接駁方式做出最為理性的選擇，可分別得到步行、常規(guī)公交、出租車和小汽車相對于自行車的相對效用，公式為[13]

(2)

式中：i=1，2，3，4，5分別表示步行、常規(guī)公交、出租車、小汽車和自行車；Vi為第i類接駁方式相對于自行車的效用；αi為第i類接駁方式的常數(shù)項；xn為第n個影響因素，n=1，2，3，4，5，6，7分別代表性別、年齡、職業(yè)、收入、家庭是否擁有小汽車、出行目的和出行距離7個影響因素；βin為第i類接駁方式對應(yīng)的變量xn的系數(shù)。

通過式(2)可依次求得各接駁方式對于自行車的相對效用，又因各接駁方式分擔(dān)率之和為1，可據(jù)此分別計算出選擇各接駁方式的概率。

(3)

式中：Pi為選擇各接駁方式的概率。

所得概率最大的接駁方式即為乘客選擇的接駁方式，通過統(tǒng)計得到選擇各接駁方式的人數(shù)，與樣本總量相比即可求出各接駁方式的分擔(dān)率。

(4)

2) 基于Bayes判別分析的接駁分擔(dān)率預(yù)測。設(shè)有總體Gi(1,2,…,5)，已知這5個總體各自出現(xiàn)的概率為qi，有概率密度函數(shù)fi(x)，則可得到判別函數(shù)為X=x時，屬于Gi的后驗概率P(X∈Gi|X=x)，即[14-15]

gi(x)=P(X∈Gi|X=x)=

(5)

若Gi(1,2,…,n)為p維正態(tài)總體，均值為μi，協(xié)方差陣為Σi，則判別函數(shù)為

(6)

簡化后為

gi(x)=D2(X|Gr)+ln|Σi|-2 lnqi，

(7)

若Σi(1,2,…,n)兩兩相等，則判別函數(shù)可進一步化簡為線性函數(shù)

2 lnqi,i=1,2,…，5

(8)

2.1.3 高峰小時各接駁方式客流量

根據(jù)城市軌道交通站點高峰小時客流總量和各接駁方式分擔(dān)率，可計算出各接駁方式分擔(dān)的客流量Fi為

(9)

2.2 公交車換乘設(shè)施規(guī)模預(yù)測模型

常規(guī)公交站的有效站位與高峰小時的上下車客流量直接相關(guān)，而常規(guī)公交站中上下車的客流量不僅包括與城市軌道交通換乘的客流量，還包括非換乘的客流量。通過實地觀測可以確定換乘客流量占上下車客流總量的比例，在此基礎(chǔ)上對單個站位高峰小時的最大客流量進行計算，進而求得高峰小時常規(guī)公交站需要的有效站位數(shù)量Nbus為

(10)

2.3 出租車換乘設(shè)施規(guī)模預(yù)測模型

在確定租車換乘客流量的基礎(chǔ)上，由出租車平均載客量計算出高峰小時的出租車需求量，進而根據(jù)出租車進站的平均間隔時間求得高峰小時出租車?？课粩?shù)量為

(11)

式中：Dtaxi出租車停靠位數(shù)量；F3為選擇出租車接駁城市軌道交通的客流量；Qtaxi為出租車?？空締蝹€站位高峰小時最大客流量；ttaxi為出租車進站的平均間隔時間；λtaxi為平均每輛出租車的載客人數(shù)。

2.4 小汽車換乘設(shè)施規(guī)模預(yù)測模型

選擇小汽車接駁城市軌道交通的客流主要分為2個部分：①停車換乘的客流，會在城市軌道交通站點周邊產(chǎn)生停車需求；②親友駕車接送的客流，無停車需求。小汽車換乘設(shè)施規(guī)模預(yù)測模型以停車換乘客流為研究前提，在考慮每輛小汽車平均載客人數(shù)和城市軌道交通周邊自有停車需求等因素影響下，求得城市軌道交通站點適宜的小汽車停車泊位數(shù)量，進而求得小汽車停車場面積為

(12)

2.5 自行車換乘設(shè)施規(guī)模預(yù)測模型

在自行車換乘設(shè)施規(guī)模預(yù)測模型的構(gòu)建時，不僅考慮了自行車接駁城市軌道交通的客流量，還考慮了選擇其他交通方式接駁城市軌道交通客流中有意轉(zhuǎn)用自行車進行接駁的客流，以確保自行車換乘設(shè)施規(guī)模充足。在此基礎(chǔ)上結(jié)合城市軌道交通周邊自有自行車停車需求等因素，求得城市軌道交通站點適宜的自行車停車泊位數(shù)量，進而求得自行車停車場面積為

(13)

3 模型參數(shù)標(biāo)定

3.1 接駁方式分擔(dān)率預(yù)測模型參數(shù)標(biāo)定

從哈爾濱軌道交通1號線中選取3處站點進行客流數(shù)據(jù)調(diào)查并對建立的接駁方式分擔(dān)率預(yù)測模型進行參數(shù)標(biāo)定。調(diào)查內(nèi)容主要包括乘客的性別、年齡、職業(yè)、收入、是否擁有小汽車、出行目的、出行距離和所選擇的接駁方式等。為減少調(diào)查帶來的誤差，采用簡單隨機抽樣的方法對軌道交通站點內(nèi)的乘客發(fā)放調(diào)查問卷，以獲取站點內(nèi)客流接駁數(shù)據(jù)。調(diào)查結(jié)果見表1。

表1 乘客基本信息及接駁方式選擇調(diào)查結(jié)果

借助SPSS軟件內(nèi)置程序，對調(diào)查數(shù)據(jù)進行多項logistics回歸和Bayes判別分析，分別得到2個模型各自的參數(shù)估算值，其中多項logistics回歸中步行、常規(guī)公交、出租車和小汽車相對于自行車選擇概率的自然對數(shù)如下。

V1=5.933-3.579x21-2.363x22-1.502x23-

1.389x33+1.405x41-0.231x42+

1.939x51-1.326x7

(14)

V2=-2.243x22-1.922x23-1.025x31-

0.994x32+0.814x41+0.219x42+

1.52x61+0.816x7

(15)

V3=-8.217-2.239x22-2.063x23+2.463x32-

0.192x33-3.154x41-1.784x42-

0.672x43-1.469x61+3.181x7

(16)

V4=-9.527-1.762x22+4.133x32-2.721x33-

3.731x41-1.931x42-1.304x43-

2.696x51-2.399x61+3.428x7

(17)

將式(14)～式(17)帶入式(3)可以得到城市軌道交通站點乘客接駁方式選擇概率為

(18)

(19)

(20)

(21)

(22)

同樣由SPSS軟件輸出結(jié)果得到分類函數(shù)系數(shù)，進而有Bayes判別函數(shù)

g1(x)=-16.399+5.421x1+0.182x2+

0.170x3+1.214x4+5.418x5+

4.760x6+3.693x7

(23)

g2(x)= -22.763+5.471x1+0.136x2+

0.097x3+1.084x4+6.062x5+

4.853x6+5.854x7

(24)

g3(x)= -28.929+4.914x1-0.333x2-

0.678x3+2.688x4+6.684x5+

5.727x6+6.513x7

(25)

g4(x)= -31.017+4.934x1-0.656x2-

1.136x3+2.452x4+8.842x5+

6.276x6+6.712x7

(26)

g5(x)= -20.674+5.103x1-0.459x2+

0.262x3+1.423x4+6.440x5+

4.433x6+5.256x7

(27)

應(yīng)用上述2個模型分別預(yù)測每位乘客選擇的接駁方式，進而計算出各接駁方式的分擔(dān)率，并將其與實際調(diào)查結(jié)果進行比較，發(fā)現(xiàn)2種模型的預(yù)測結(jié)果與實際偏差不大，且通過對比發(fā)現(xiàn)多項logistics回歸模型更適用于步行、出租車、小汽車和自行車的分擔(dān)率預(yù)測，而Bayes判別分析則在常規(guī)公交分擔(dān)率預(yù)測上更加準(zhǔn)確。2類模型預(yù)測結(jié)果的相對誤差見圖1，因此，在后續(xù)的分擔(dān)率預(yù)測中可采用2類模型相結(jié)合的方法，以提升預(yù)測的準(zhǔn)確性。

圖1 2種模型的分擔(dān)率預(yù)測結(jié)果相對誤差對比Fig.1 The comparison of the relative error between theprediction results of the two models

3.2 接駁設(shè)施規(guī)模預(yù)測模型參數(shù)標(biāo)定

因為影響各類接駁設(shè)施規(guī)模的因素不盡相同，導(dǎo)致模型整體涉及的參數(shù)較多，其中部分參數(shù)可由經(jīng)驗直接判定或從已有研究結(jié)果中獲取[16-18]，剩余參數(shù)需要結(jié)合具體的城市軌道交通站點，通過實地調(diào)查獲取。在已有研究基礎(chǔ)上獲取的參數(shù)值見表2。

表2 可直接獲取的城市軌道交通站接駁設(shè)施規(guī)模測算參數(shù)值

4 案例分析

哈達站是哈爾濱軌道交通1號線的1座站點，位于學(xué)府路與碎花路的交叉口，設(shè)有3個出入口，屬城市外圍區(qū)軌道交通站點，周邊用地較為充裕，具備規(guī)劃一定規(guī)模接駁設(shè)施的條件。因此選取哈達站為例，對其接駁設(shè)施規(guī)模進行測算。

4.1 哈達站高峰小時各接駁方式客流量

哈達站共3個出入口，通過調(diào)查確定17:00—18:00為該站點的高峰小時，3個出入口高峰小時進站客流量分別為286，250，199人，高峰小時出站客流量分別為257，244，195人。根據(jù)式(1)求得哈達站高峰小時總客流量S為1 431人。

在哈達站3個出入口處向進出站點的乘客隨機發(fā)放了300份調(diào)查問卷，獲取乘客的性別、年齡、職業(yè)、收入、是否擁有小汽車、出行目的和出行距離等數(shù)據(jù)。結(jié)合調(diào)查數(shù)據(jù)，采用Bayes判別分析式(23)～(27)和式(4)對常規(guī)公交的接駁分擔(dān)率進行預(yù)測，采用多項logistics回歸式(18)～(22)和式(4)對出租車、小汽車和自行車的接駁分擔(dān)率進行預(yù)測，得到哈達站常規(guī)公交、出租車、小汽車和自行車的接駁分擔(dān)率分別為21.3%，2.6%，3.7%和9.6%。

在求得高峰小時客流量和各接駁方式分擔(dān)率的基礎(chǔ)上，由式(9)計算得到常規(guī)公交換乘客流量F2為305人、出租車換乘客流量F3為38人、小汽車換乘客流量F4為53人、自行車換乘客流量F5為138人。

4.2 哈達站各接駁設(shè)施規(guī)模預(yù)測

通過對哈達站進行現(xiàn)場調(diào)查和統(tǒng)計，確定了哈達站接駁設(shè)施規(guī)模預(yù)測涉及到的待定參數(shù)值，見表3。

表3 與哈達站接駁設(shè)施規(guī)模測算相關(guān)的參數(shù)值

由表2～3給定的城市軌道交通站點接駁設(shè)施規(guī)模測算參數(shù)值，按照式(10)～(13)分別得到哈達站各類接駁設(shè)施建設(shè)規(guī)模，其中需要公交?？空疚患s3.7個，出租車?？课患s2.4個，P&R停車場面積816 m2(約28個泊位需求)，自行車停車場面積173 m2(約116個泊位需求)。

通過實地調(diào)查可知，哈達站周邊50 m內(nèi)設(shè)有1對常規(guī)公交停靠站，共4個車位，與預(yù)測結(jié)果相符；現(xiàn)狀出租車尚未設(shè)置規(guī)范的?？课唬筛鶕?jù)規(guī)模預(yù)測結(jié)果在哈達站周邊設(shè)置3個出租車?？课唬徽军c周邊缺少P&R停車場和自行車停車場，根據(jù)預(yù)測結(jié)果，可利用周邊待開發(fā)的空地規(guī)劃建設(shè)816 m2的P&R停車場和173 m2的自行車停車場。

5 結(jié) 論

1) 根據(jù)城市軌道交通站點高峰小時各出入口進出乘客的數(shù)量確定了高峰小時城市軌道交通站總客流量，基于多項logistics回歸和Bayes判別分析兩種方法建立接駁方式分擔(dān)率模型，通過對兩類模型的預(yù)測結(jié)果進行對比，得出多項logistics回歸更適用于出租車、小汽車和自行車的分擔(dān)率預(yù)測，而Bayes判別分析對常規(guī)公交分擔(dān)率的分擔(dān)率預(yù)測更加準(zhǔn)確，結(jié)合兩類模型對城市軌道交通站點各接駁方式分擔(dān)率進行預(yù)測，并據(jù)此計算出高峰小時各接駁方式分擔(dān)的客流量。

2) 在掌握城市軌道交通站點各接駁方式分擔(dān)的客流量基礎(chǔ)上，考慮了影響各類接駁設(shè)施規(guī)模的因素，提出了城市軌道交通站周邊的常規(guī)公交?？空?、出租車?？空?、P&R停車場和自行車停車場的規(guī)模測算方法，對哈爾濱軌道交通1號線中哈達站的接駁設(shè)施合理規(guī)模進行測算，得到哈達站需要公交?？空居行д疚粸?個，出租車?？空居行д疚?個，P&R停車場面積為816 m2，自行車停車場面積為173 m2。

3) 接駁設(shè)施規(guī)模測算中涉及的參數(shù)取值源于已有研究成果和實地調(diào)查，因其對測算結(jié)果存在較大影響，后續(xù)在參數(shù)取值方面還需深入研究。在對接駁設(shè)施規(guī)模預(yù)測的基礎(chǔ)上，下一階段擬對城市軌道交通站點接駁設(shè)施的布局展開研究，探討各類接駁設(shè)施的合理布局形式。