北京市軌道交通客流時空分布特征分析

陳兆寧，季 民，任 靜

（1.山東科技大學 測繪科學與工程學院，山東 青島 266590；2.山東科技大學 測繪科學與工程學院，山東 青島 266590；3.山東科技大學 測繪科學與工程學院，山東 青島 266590）

近年來，我國城市軌道交通規(guī)劃與建設(shè)處于飛速發(fā)展階段[1]。城市軌道交通因其運量大、準點性高和安全舒適等優(yōu)勢[2]，逐漸形成了長期穩(wěn)定的客源。然而，城市軌道交通客流高度密集，環(huán)境相對封閉，潛在風險較高[3]，在大客流沖擊下，易造成車站滯留人數(shù)過多、滯留時間過長等現(xiàn)象，降低了乘客的出行質(zhì)量，危及乘客人身安全。因此，研究分析軌道交通乘客出行特征，為車站工作人員制定限流措施提供定量依據(jù)具有十分重要的意義。

針對乘客出行特征，Walle S[4]研究了出行時間和空間相關(guān)決定因素對出行方式選擇的影響，利用彈性系數(shù)和回歸技術(shù)定量分析了出行時間與公共交通使用之間的關(guān)系，并認為候車和步行時間與公共交通的使用有明顯關(guān)系；杜世敏[5]等提出了網(wǎng)絡(luò)化運營組織中常用的客流指標，并基于客流數(shù)據(jù)從客流出行特性和時空特性兩個方面分析了城市軌道交通網(wǎng)絡(luò)化客流特征；蔡昌俊[6]等通過對城市軌道交通AFC刷卡數(shù)據(jù)的處理，建立了站間客流量分布預(yù)測模型，在新線接入改變地鐵線網(wǎng)結(jié)構(gòu)的條件下，對全線網(wǎng)站間客流量分布進行了預(yù)測；王俊兵[7]根據(jù)公交IC卡刷卡數(shù)據(jù)，提出了在不同出行模式下公交出行鏈的提取算法，并以此為基礎(chǔ)進行了乘客出行特征方面的分析；黃潔[8]等以北京市地鐵為例，通過計算431萬條智能交通卡數(shù)據(jù)的出行時間和OD矩陣，研究了客流的時空分布特征。乘客出行是限流策略的控制對象，出行特征是限流策略的參考依據(jù)。針對各種交通方式出行特征的研究為不同地區(qū)出行特征分析提供了一定的思路。

本文采用大數(shù)據(jù)分析方法，結(jié)合黃潔[8]等對北京市地鐵客流出行特征的分析方法，對北京市地鐵乘客出行的時空分布特征進行了分析，基于140萬條OD出行記錄，計算得到乘客的出行時間和出行距離，從而研究了北京市軌道交通乘客出行的時空分布特征，為城市公共交通管理提供了科學依據(jù)。

1 研究數(shù)據(jù)

截至2018年12月31日，北京城市軌道交通共覆蓋11個市轄區(qū)，運營里程約為716.2 km，共設(shè)車站391座，開通里程居我國第二位（圖1）。據(jù)2017年統(tǒng)計，北京城市軌道交通客流量全年達到45.3億人次，日均客流量為1 241.1萬人次，單日客流量最高值可達1 327.46萬人次[9]?？梢姡鞘熊壍澜煌ㄒ殉蔀榇蟪鞘芯用癯鲂械闹饕d體，也是城市發(fā)展的重要支撐。本文選取2018年北京市17條地鐵線路和328個站點分布的首都功能核心區(qū)[8]為研究區(qū)域。

圖1 北京城市軌道交通線網(wǎng)示意圖

本文采用北京城市軌道交通數(shù)據(jù)，主要包括北京市某時段部分城市軌道交通線網(wǎng)的OD數(shù)據(jù)、車站表基礎(chǔ)數(shù)據(jù)（車站編號、車站名、所屬線路）、線路表基礎(chǔ)數(shù)據(jù)（線路編號、線路名稱）、列車運行數(shù)據(jù)集、北京城市軌道交通線網(wǎng)圖和北京地鐵智能交通卡數(shù)據(jù)（乘客編號、始發(fā)車站、目的地車站、進站刷卡時刻、出站刷卡時刻）。北京市地鐵智能交通卡結(jié)構(gòu)如表1所示，OD數(shù)據(jù)反映了乘客的出行特征，本文以140萬條OD出行記錄為研究樣本，分析了北京市居民的出行特征。

表1 北京市地鐵智能交通卡刷卡數(shù)據(jù)示例

2 軌道交通乘客出行特征分析

2.1 乘客出行時間和距離分析

在日常生活中，出行時間和距離是乘客選擇出行方式的重要參考因素，而不同的出行方式又會在很大程度上影響出行時間和距離。本文對乘客出行特征的分析分為出行時間分析和距離分析，具體包括出行時段分析、出行時長分析、出行距離分析和出行時空范圍分析。

2.1.1 乘客出行時間分析

1）出行時段分析。利用地鐵乘客進出站刷卡數(shù)據(jù)統(tǒng)計乘客刷卡的人次在時間上的分布情況，各時段進出站刷卡量如圖2所示，圖中半日刷卡量為140萬條，時間為從上午5點到下午1點，可以看出，數(shù)據(jù)具有正態(tài)分布特征；北京乘坐地鐵出行的早高峰特征明顯，時間為7：00-9：00，這段時間乘客的刷卡量呈現(xiàn)明顯的波峰，經(jīng)累積統(tǒng)計，北京市早高峰刷卡量占半日刷卡量總?cè)舜蔚慕?0%，說明北京市早高峰出行特征明顯；從進出站刷卡量的波峰來看，出站刷卡高峰約比進站刷卡高峰晚30～60 min，說明乘客的出行時間大部分集中在30～60 min。

圖2 進出站刷卡量統(tǒng)計

對于早高峰軌道交通進出站客流量的描述性統(tǒng)計如表2所示，可以看出，早高峰進站客流量均值為30.31萬人/h，出站客流量均值為28.6萬人/h，進站和出站客流量的最大值相差不大，分析原因為早高峰時期，乘客進出站均較多，因此最大值相差不大；而出站客流量最大值和最小值相差較大，其原因為不同乘客到達目的地不同，出行時間不同，因此出站值相差較大。

表2 早高峰進出站客流量描述性統(tǒng)計/（萬人/h）

2）出行時長分析。乘坐地鐵出行的總時間是指從進站刷卡到出站刷卡的時間，因此可直接由進站時間與出站時間作差獲得[10]。對乘客出行時間進行統(tǒng)計分析，得到乘客出行時間的分布特征（圖3），其中出行時間占比最高的是30～60 min，為46.29 %；其次是0～30 min，為38.48%。出行時間在0～60 min的累計占比達到80 %以上，接近總出行時間的4/5；乘客全天的平均出行時間為41 min，與2018年《北京居民通勤大數(shù)據(jù)研究報告》[11]中的平均通勤時間達56 min相近。

圖3 出行時間比例分布/min

2.1.2 乘客出行距離與時空范圍分析

1）出行距離分析。出行距離是指居民利用地鐵從出發(fā)點到目的地的空間距離，即始發(fā)車站和目的地車站之間的距離[7]。換乘作為微觀出行，其距離不計算在出行距離中[12]。半日出行距離分布如圖4所示。

圖4 半日出行距離分布圖

通過統(tǒng)計分析，半日出行的平均距離為13.0 km，與北京市平均通勤路程（13.2 km）相近。其中，出行距離為5～10 km的占比最高，為28.32%；出行距離為5～20 km的累積占比達到70 %，說明人們主要在5～20 km范圍內(nèi)活動。

2）出行時空范圍分析?；趯Τ丝统鲂袝r間和距離的分析，可進一步分析二者之間的關(guān)系，用以表征乘客出行的時空范圍特征。在上述出行時間和距離分析的基礎(chǔ)上，根據(jù)不同時段內(nèi)的數(shù)據(jù)特點，本文統(tǒng)計了地鐵乘客早高峰時刻的出行時空范圍，如圖5所示。

圖5 出行時空范圍分布圖

通過觀察各時段內(nèi)的時空范圍分布發(fā)現(xiàn)，出行時間與出行距離存在一定的線性關(guān)系，在圖5中添加數(shù)據(jù)的擬合曲線，可得出以下結(jié)論：

1）北京市早高峰時段的出行時間大多為100～120 min，出行距離集中在20～35 km，出行距離和出行時間為基本線性關(guān)系，但出行時空范圍分布圖較為發(fā)散。

2）由出行時間和出行距離的擬合曲線y=0.31x+0.39可知，地鐵乘客出行的平均速度為0.32 km/min，即地鐵的平均運行速度約為19.2 km/h，比北京交通發(fā)展研究院發(fā)布的早高峰路網(wǎng)平均速度（23.5 km/h）低，這主要是由地鐵的運行特點所導(dǎo)致的，地鐵線路各車站客流量大，有嚴重的車站擁擠和列車擁擠現(xiàn)象。該數(shù)據(jù)還可為進行地鐵網(wǎng)中地鐵整體運行速度和軌道平均運行速度評價提供參考。

2.2 乘客出行的空間特征分析

本文從市轄區(qū)尺度分析了北京市地鐵乘客出行的空間特征。各區(qū)域的客流量如圖6所示，可以看出，朝陽區(qū)客流量超過總客流量的21 %，約為41萬人次，排名第一；海淀區(qū)客流量占總客流量的19.6 %，約為38萬人次，排名第二；東城區(qū)、西城區(qū)、豐臺區(qū)和昌平區(qū)的客流量分別為25.4萬/h、24.4萬/h、24.2萬/h和19.9萬/h；順義區(qū)、通州區(qū)、房山區(qū)、平谷區(qū)和石景山區(qū)的客流量占比均小于3%。

朝陽區(qū)是中央商貿(mào)區(qū)、娛樂中心，各國外交使館聚集在此，首都機場也屬于朝陽區(qū)，因此朝陽區(qū)客流量排名第一。海淀區(qū)以各大院校為中心，因此客流量排名第二。東城區(qū)和西城區(qū)作為首都功能核心區(qū)，是北京乃至我國精華的聚集地，也是市中心區(qū)中最強的存在，除了是政治中心外還有故宮周邊和金融街，聚集了大量的人口；且由于位于北京市中心地段，路面交通較為擁堵，乘客更愿意選擇地鐵方式出行，因此這兩個區(qū)的客流量均約占地鐵客流總量的12%。

圖6 各市轄區(qū)的客流量

本文利用熱力圖表示早高峰乘客出行的空間分布特征。乘客出行的起始點采用出發(fā)點和吸引點表示，利用發(fā)生量和吸引量表示站點之間的客流量。出發(fā)點和吸引點之間的客流量大小用不同顏色表示，同一區(qū)域內(nèi)用同一種顏色表示；顏色越深，表明該站點的客流量越大。站點客流量熱力圖不僅能通過顏色的深淺反映乘客出行的聚集和分散特征，還能通過出發(fā)點和吸引點之間的顏色比較反映客流的流向。

根據(jù)站點的經(jīng)緯度，將各站點繪制在地圖上，乘客早高峰出行的出發(fā)點和吸引點熱力圖如圖7所示，可以看出，熱力圖的出發(fā)點和吸引點在空間分布上存在差異，這是由于乘客選擇地鐵出行的上下車站點存在差異，而早高峰階段乘客一般僅完成一次出行，很少完成往返出行，因此出發(fā)點和吸引點在時間上的累積對于熱力圖影響較小。由早高峰站點客流量熱力圖分析可知：①早高峰客流出行的空間分布特征為乘客出發(fā)點較分散，但吸引點相對集中，且大多集中在五環(huán)以內(nèi)；②出發(fā)點的輻射范圍比吸引點的輻射范圍更廣，且北京城外顏色較淺，北京城內(nèi)顏色較深，表明在早高峰時段乘客從城外向城內(nèi)移動；③從出發(fā)點和吸引點的總數(shù)據(jù)來看，進站和出站人數(shù)基本一致；④從市轄區(qū)尺度來看，出發(fā)點分布相對分散，排名第一的是朝陽區(qū)，其次是昌平區(qū)、海淀區(qū)和豐臺區(qū)，吸引點分布相對集中，排名第一的是海淀區(qū)，其次是朝陽區(qū)、西城區(qū)和東城區(qū)，其原因在于早高峰出行大多為上班或上學需要，乘客需乘坐地鐵從住宅區(qū)向商業(yè)區(qū)或?qū)W校出行，而海淀區(qū)集中了北京市眾多的企業(yè)和學校，朝陽區(qū)為北京市中央商務(wù)區(qū)，東城區(qū)、西城區(qū)為北京老城區(qū)，天安門、故宮等著名景點都聚集于此，因此客流也聚集在此地。

圖7 早高峰站點客流量熱力圖

3 結(jié) 語

本文基于北京市地鐵智能交通卡數(shù)據(jù)，利用大數(shù)據(jù)分析方法，從時間和空間兩個方面對北京城市軌道交通乘客出行特征進行了系統(tǒng)分析。

1）對于時間分布特征，本文從出行時段、出行時長、出行距離和出行時空范圍4個方面分析了乘客出行的時間分布特征。結(jié)果表明，早高峰乘客出行時間集中在100～120 min，出行距離集中在20～35 km，出行時間和出行距離存在一定的線性關(guān)系，但出行時空范圍分布圖較為發(fā)散。

2）對于空間分布特征，本文從市轄區(qū)尺度統(tǒng)計了各區(qū)域的客流量，繪制了早高峰進出站的熱力圖。受中央商務(wù)區(qū)、學校和企業(yè)集中的影響，朝陽區(qū)和海淀區(qū)的進出站客流量均占北京市客流總量前兩位；受工作、娛樂等因素影響，客流移動方向為從城外向城內(nèi)移動。

針對上述分析，本文對北京城市軌道交通運營網(wǎng)絡(luò)提出以下建議：

1）為提高出行效率，建議完善運營機制，根據(jù)乘客出行的時空分布特征，通過限流等措施，進一步針對平峰和高峰出行制定不同的運營方案。

2）優(yōu)化地面交通網(wǎng)絡(luò)結(jié)構(gòu)，協(xié)調(diào)軌道交通與其他公共出行方式之間的關(guān)系，統(tǒng)籌各公共交通出行方式，提高運行效率，進而提高乘客出行效果。

3）由于早高峰時段客流量較大，建議不同企業(yè)可通過調(diào)整上下班時間，實行錯峰出行，進一步分析其可能性，并制定相關(guān)的政策。