市域軌道交通客流預(yù)測與特征探析

吳贊陽

熱點研討

市域軌道交通客流預(yù)測與特征探析

吳贊陽

（無錫地鐵集團(tuán)有限公司，無錫 214000）

市域軌道交通從客流性質(zhì)看包括城區(qū)客流、城郊客流和城區(qū)與轄縣間的市域客流；從與地鐵銜接看，有貫通運(yùn)營、站點換乘等不同模式，其中，貫通運(yùn)營模式將強(qiáng)化對市域客流及城郊客流的服務(wù)。為更準(zhǔn)確地預(yù)測3類客流，支撐市域軌道運(yùn)營模式?jīng)Q策，指出市域軌道交通客流預(yù)測需對傳統(tǒng)“四階段法”進(jìn)行優(yōu)化，應(yīng)細(xì)分城區(qū)、城郊和市域3類客流，在出行生成、出行分布和方式劃分等階段進(jìn)行分別建模，在流量分配階段再匯總，進(jìn)而應(yīng)用國際流行的“拓展四階段法”，新增反饋模塊，將擁堵信息返回至前述階段，以多次循環(huán)實現(xiàn)模型收斂平衡。以與無錫地鐵1號線銜接的無錫至江陰市域軌道(簡稱錫澄線)為例進(jìn)行了實例應(yīng)用分析，驗證了模型的可行性；對站點換乘和貫通運(yùn)營兩種模式進(jìn)行比較。預(yù)測表明，在貫通運(yùn)營模式下，錫澄線本線遠(yuǎn)期日客運(yùn)量增長16%、高峰小時斷面增長7.8%。較好地支撐了錫澄線運(yùn)營模式?jīng)Q策，所提方法可為其他地區(qū)都市圈市域軌道交通客流預(yù)測提供技術(shù)參考。

市域軌道；貫通運(yùn)營；模型反饋；拓展四階段法

通常情況下，市域軌道交通與城市軌道交通銜接模式可分為貫通、換乘、貫通+換乘等運(yùn)營模式。運(yùn)輸供給滿足客流需求，使得運(yùn)輸效率最大、運(yùn)營成本和乘客成本最小是運(yùn)營組織方案優(yōu)化的主要目的。本文以無錫至江陰市域軌道(簡稱錫澄線)為例，基于無錫市域居民出行規(guī)律，采用大數(shù)據(jù)校核客流預(yù)測模型，重點研究錫澄線在與城區(qū)軌道交通1號線貫通運(yùn)營條件下的客流特征，以促進(jìn)實現(xiàn)錫澄線運(yùn)營效益最優(yōu)化。

錫澄線起于江陰外灘，止于既有無錫地鐵1號線終點站堰橋站，線路全長30.4 km，預(yù)計2024年建成，預(yù)測特征年分別為開通運(yùn)營的第3、10、25年。錫澄線在堰橋站與無錫地鐵1號線貫通運(yùn)營，在構(gòu)建“錫澄半小時通勤圈”，打通交通主動脈，推動錫澄一體化發(fā)展方面起到重要的促進(jìn)作用(如圖1)。

圖1 錫澄線線路走向示意

Figure 1 Scheme of Wuxi-Jiangyin Metropolitan Intercity Line

無錫地鐵1號線于2014年7月1日正式開通運(yùn)營。全線呈南北向，北起惠山區(qū)，串聯(lián)老城和太湖新城。1號線(堰橋—長廣溪)全長29.4 km，設(shè)車站24座(見圖2)。工作日早、晚高峰為7:00～9:00、16:30～18:30，周末及節(jié)假日高峰為10:00～18:00，列車行車間隔為7 min。除此之外，其他時段為平峰期，行車間隔時間為8 min。

1 模型思路及構(gòu)建

1.1 貫通運(yùn)營條件下的功能特征變化

錫澄線具有城區(qū)聯(lián)系、城郊聯(lián)系和市域聯(lián)系的多重功能(如圖3)：

圖2 無錫地鐵1號線線路走向示意圖

Figure 2 Scheme of Wuxi Metro Line 1

圖3 錫澄線功能定位示意圖

Figure 3 Function of the Wuxi-Jiangyin Metropolitan Intercity Rail

1) 城區(qū)聯(lián)系：江陰主城區(qū)內(nèi)部各組團(tuán)間的通勤等聯(lián)系，線路主要服務(wù)的沿線組團(tuán)包括外灘地區(qū)、老城區(qū)、高鐵站地區(qū)。

2) 城郊聯(lián)系：江陰主城區(qū)與城郊間的聯(lián)系、無錫主城區(qū)與江陰城郊間的聯(lián)系以及江陰城郊內(nèi)部的聯(lián)系。江陰城郊主要為青陽、徐霞客地區(qū)。

3) 市域聯(lián)系：無錫主城區(qū)與江陰主城區(qū)間。

錫澄線與無錫地鐵1號線貫通運(yùn)營，將開行與地鐵1號線跨線直通的列車，減少了不貫通模式下的換乘和候車環(huán)節(jié)。與不貫通模式相比，預(yù)期貫通模式將誘增一定的市域客流以及無錫主城區(qū)與江陰城郊間的城郊客流，市域出行服務(wù)及城郊出行服務(wù)功能將得到不同程度的強(qiáng)化。

1.2 模型思路

錫澄線與1號線貫通運(yùn)營后，列車縱貫江陰市域和無錫市區(qū)，為此，預(yù)測模型也應(yīng)從空間上覆蓋江陰市域和無錫市區(qū)，本次構(gòu)建了更大范圍的蘇錫常都市圈模型，如圖4所示。

圖4 蘇錫常都市圈路網(wǎng)模型

Figure 4 Interface of the model and the underlying metropolitan network

為更好地適應(yīng)錫澄線功能，在“拓展四階段”預(yù)測模型[1]的基礎(chǔ)上，本次提出按城區(qū)出行、城郊出行和市域出行3大模塊進(jìn)行細(xì)分，分類進(jìn)行出行生成、出行分布和方式劃分的預(yù)測后，匯總形成統(tǒng)一的OD，進(jìn)行統(tǒng)一的綜合交通流量分配預(yù)測和軌道客流預(yù)測。與傳統(tǒng)“四階段”法相比，“拓展四階段法”最主要的特征是引入復(fù)合阻抗、增加了大循環(huán)反饋模塊(反饋模塊已是國外模型不可或缺的組成部分)和收斂判斷算法，以反映交通擁堵對出行行為的影響作用，避免了傳統(tǒng)四階段法數(shù)據(jù)單向流動、無法正確反映供需動態(tài)平衡的突出問題[1]。模型思路結(jié)構(gòu)如圖5所示。

錫澄線承擔(dān)的城區(qū)出行、城郊出行和市域出行，在出行特征上呈現(xiàn)顯著差異：從出行頻次來看，城郊與城區(qū)出行頻次遠(yuǎn)大于市域出行；從出行目的來看，江陰長期以來自成一體，市域出行中通勤比例較少，商務(wù)、探親、休閑、購物、看病、旅游等占大多數(shù)，但城郊出行以通勤為主；從出行距離和時耗來看，城區(qū)出行時間要求高，其出行時耗要顯著小于市域出行；此外，在高峰分布、方式結(jié)構(gòu)方面，三者也有較大的差異。傳統(tǒng)方法將三者合在一起進(jìn)行建模，在部分階段中增加細(xì)化模塊來解析3類出行，如出行分布階段以K系數(shù)法進(jìn)行分類校核；該方法一方面在思路和結(jié)構(gòu)上不夠清晰，另一方面，由于城區(qū)出行占大多數(shù)比例，往往結(jié)果上容易重城區(qū)出行而輕市域出行和城郊出行。為避免以上問題，本次提出分類分析的方法，在出行生成、出行分布、方式劃分、時段劃分等階段對3類出行進(jìn)行清晰劃分和獨(dú)立運(yùn)算，直到流量分配階段再合在一起，進(jìn)而利用反饋模塊將擁堵信息返回前3階段，以多次大循環(huán)實現(xiàn)模型的收斂和動態(tài)平衡。

圖5 錫澄線客流預(yù)測技術(shù)路線

Figure 5 Technical frame of the method used in the passenger flow forecast

1.3 出行生成

傳統(tǒng)居民出行調(diào)查數(shù)據(jù)相對覆蓋中心城區(qū)較多，但對城郊地區(qū)覆蓋較為薄弱，為此，本次研究引入手機(jī)信令大數(shù)據(jù)，覆蓋了無錫市域范圍，從樣本量規(guī)模方面對城郊出行、市域出行進(jìn)行有效補(bǔ)強(qiáng)，結(jié)合居民出行調(diào)查與錫澄出行意愿調(diào)查分析，全面把握城郊居民出行特征。

手機(jī)信令數(shù)據(jù)樣本量大，可從日均出行頻次、出行時空分布等方面提供更準(zhǔn)確的結(jié)果；居民出行調(diào)查數(shù)據(jù)雖然樣本量相對小，但包含調(diào)查居民的個人特征、出行頻次、出行目的、交通方式、出行時耗等全過程信息，特別是出行目的、交通方式等通過手機(jī)信令數(shù)據(jù)難以得到。兩者各有優(yōu)勢，為此，將手機(jī)信令數(shù)據(jù)與居民出行調(diào)查進(jìn)行相互校核，兩類數(shù)據(jù)優(yōu)勢互補(bǔ)，為模型標(biāo)定提供更加可靠的數(shù)據(jù)來源。本次手機(jī)信令大數(shù)據(jù)采用了2018年7月第一周的手機(jī)信令大數(shù)據(jù)，采集樣本為無錫市域范圍，樣本量約占全市人口的21%，對138萬手機(jī)用戶進(jìn)行連續(xù)不間斷追蹤，動態(tài)采集了無錫市域范圍內(nèi)手機(jī)用戶的信令數(shù)據(jù)。除此之外，由于手機(jī)信令大數(shù)據(jù)對居民出行目的區(qū)分不足，本次研究還以2018年常住人口數(shù)據(jù)為基礎(chǔ)，對無錫市區(qū)、江陰市域范圍按照1.1%抽樣率進(jìn)行居民出行抽樣調(diào)查并擴(kuò)樣。

1.3.1 城區(qū)及城郊出行生成

采用原單位法，根據(jù)現(xiàn)狀調(diào)查數(shù)據(jù)和手機(jī)信令數(shù)據(jù)擴(kuò)樣得到現(xiàn)狀OD矩陣，根據(jù)特征年發(fā)生吸引量和現(xiàn)狀OD矩陣?yán)秒p約束模型得到特征年OD。

1) 發(fā)生量，包括常住人口發(fā)生量和流動人口發(fā)生量。

常住人口發(fā)生量：根據(jù)城市總體規(guī)劃中對各片區(qū)組團(tuán)人口的預(yù)測采用插值法得到各特征年的人口，據(jù)公式(1)計算得到各交通小區(qū)的發(fā)生量，后匯總得到出行發(fā)生總量。

式中：P為第個交通小區(qū)內(nèi)的常住或流動人口出行發(fā)生量；r為第個交通小區(qū)內(nèi)的常住或流動人口數(shù)量；為常住或流動人口的日平均出行次數(shù)；k為第個交通小區(qū)的區(qū)位系數(shù)，中心區(qū)為1.2，中間區(qū)為1.1，外圍區(qū)為1.0；為規(guī)劃范圍內(nèi)的交通小區(qū)個數(shù)；sum為常住或流動人口的出行總次數(shù)。

流動人口發(fā)生量：將各交通小區(qū)內(nèi)流動人口數(shù)量乘以規(guī)劃人均出行次數(shù)，即可得到特征年各交通小區(qū)內(nèi)流動人口的出行發(fā)生量。根據(jù)公式(2)可以計算得到特征年各交通小區(qū)流動人口的出行吸引量。

式中：H為第個交通小區(qū)的流動人口出行吸引量；sum為流動人口出行總次數(shù)；為規(guī)劃范圍內(nèi)交通小區(qū)總數(shù)；R、2、3、5、M、G為第個交通小區(qū)內(nèi)的居住、商業(yè)、文化娛樂、醫(yī)療衛(wèi)生、工業(yè)、公共綠地用地面積；K、K2、K3、K5、K、K為居住、商業(yè)、文化娛樂、醫(yī)療衛(wèi)生、工業(yè)、公共綠地用地對出行吸引量的權(quán)重值。

2) 吸引量。首先基于調(diào)查，通過回歸分析法得到出行吸引量與人口、用地類型、就業(yè)崗位之間的關(guān)系。然后，基于預(yù)測的未來交通小區(qū)內(nèi)的人口、崗位、規(guī)劃用地類型等，求得各小區(qū)常住或流動人口的出行吸引量，匯總得到出行吸引總量。

1.3.2 市域出行生成

為此，對于傳統(tǒng)市域聯(lián)系客流，采用經(jīng)濟(jì)社會與市域交通規(guī)模的彈性系數(shù)法進(jìn)行預(yù)測。首先基于手機(jī)信令數(shù)據(jù)分析，得到各交通小區(qū)的市域間現(xiàn)狀客流發(fā)生、吸引量，然后以經(jīng)濟(jì)社會歷史增長率與市域交通增長率的彈性關(guān)系，預(yù)測未來的彈性系數(shù)變化，預(yù)測得到未來的發(fā)生、吸引量規(guī)模(見圖6)。

圖6 未來城區(qū)常住人口出行規(guī)模

Figure 6 Urban trip generation pattern of future year

其次，對于通勤客流，從其相關(guān)特性來看，與江陰郊區(qū)—無錫主城區(qū)間城郊客流規(guī)律特性擁有較強(qiáng)的相似性，為此利用大數(shù)據(jù)分析江陰郊區(qū)與無錫主城區(qū)間的人均日出行頻次與出行距離的變化關(guān)系，總體上遞遠(yuǎn)遞減，如圖7所示，利用此規(guī)律外推得到江陰主城區(qū)各交通小區(qū)與無錫主城區(qū)各交通小區(qū)的人均日出行頻次，進(jìn)而得到通勤出行發(fā)生量。

最后，將通勤客流與傳統(tǒng)市域聯(lián)系客流疊加，得到市域間出行總客流。

從國內(nèi)外發(fā)展經(jīng)驗來看，在都市圈通勤圈范圍內(nèi)，居民的出行規(guī)模一般呈現(xiàn)隨出行距離迅速增大又遞減的規(guī)律。在幾千米出行范圍內(nèi)，出行阻抗低，出行成本對出行的影響較小，出行規(guī)模隨著距離增大、目的地增多、機(jī)會增多而增大；隨著出行范圍的進(jìn)一步擴(kuò)大，出行阻抗對出行的影響越來越顯著，導(dǎo)致居民出行意愿不斷衰減，使得出行規(guī)模隨出行距離的增大而不斷減小。

圖7 出行規(guī)模隨距離分布(TLFD)示意圖

Figure 7 Trip length-frequency distribution pattern

基于以上3個層次，結(jié)合相關(guān)調(diào)查和統(tǒng)計分析，可將居民人均日出行次數(shù)拆解至市區(qū)、市郊、市域3類空間構(gòu)成范圍，從而得到對應(yīng)3類空間范圍的常住人口出行次數(shù)，如表1所示。常住人口及流動人口初、近、遠(yuǎn)期出行預(yù)測總體規(guī)模為2 118萬人次/d、2 476萬人次/d、2 488萬人次/d，如表2所示。

首先進(jìn)行了史料查閱(史書記載的均為古道，而不是森林古道)，根據(jù)民國三年的《道光東陽縣志》[5]記載，東陽古道有15條，通往義烏路(3條)、永康路(3條)、天臺路(4條)、嵊縣路(3條)、諸暨路(2條)，經(jīng)計算得古道總長度大約596 km(圖1)。

表1 出行空間構(gòu)成劃分

注：經(jīng)校核，根據(jù)城市總規(guī)里的人口預(yù)測，根據(jù)相關(guān)調(diào)查和統(tǒng)計分析，將居民人均日出行次數(shù)拆解至市區(qū)、市郊、市域3類空間構(gòu)成范圍，修正了各空間層次的出行次數(shù)，江陰城區(qū)+城郊+市域=下表的常住人口出行次數(shù)。

表2 常住人口出行規(guī)模

注：常住人口統(tǒng)計口徑為江陰市域和無錫市區(qū)。出行次數(shù)為3類的合計，流動人口出行次數(shù)統(tǒng)一取3.0人次/d，得到初近遠(yuǎn)期出行規(guī)模。

1.4 出行分布

根據(jù)居民出行調(diào)查數(shù)據(jù)和手機(jī)信令大數(shù)據(jù)，對無錫市域范圍現(xiàn)狀流量分布進(jìn)行分析，根據(jù)手機(jī)信令數(shù)據(jù)，得到平均出行時間、平均出行距離及交通中區(qū)分布形態(tài)等現(xiàn)狀參數(shù)特征。根據(jù)無錫和江陰市居民出行調(diào)查得到出行目的等參數(shù)。特征年出行分布如圖8所示。

將手機(jī)信令數(shù)據(jù)結(jié)合居民出行調(diào)查與錫澄出行意愿調(diào)查綜合分析，如圖9所示，從錫澄聯(lián)系空間分布來看，錫澄間一日雙向全方式聯(lián)系量約為25萬人次/d，主要包括部分交界區(qū)域的短距離聯(lián)系，及江陰、無錫市區(qū)間商務(wù)、辦公、探親、旅游等出行。

對城區(qū)出行、城郊出行、市域出行分別應(yīng)用雙約束重力模型進(jìn)行預(yù)測，基于現(xiàn)狀平均出行時間、距離、分布形態(tài)等進(jìn)行參數(shù)標(biāo)定如表3所示。

圖8 無錫市域手機(jī)信令蛛網(wǎng)圖

Figure 8 Spider web of citywide trips based on cellular signaling data

圖9 錫澄全日全方式聯(lián)系空間分布示意圖

Figure 9 Current daily travel pattern between Wuxi City and Jiangyin City

表3 交通分布現(xiàn)狀模型校核

對于小區(qū)內(nèi)部出行需要分類分析。市域出行模塊和城郊出行模塊需結(jié)合OD點對的空間關(guān)系進(jìn)行阻抗預(yù)設(shè)，如無錫主城區(qū)各交通小區(qū)相互間的出行阻抗需設(shè)置為極大，以避免跨市域客流被分布為城區(qū)客流。對于城區(qū)出行模塊，考慮到本次小區(qū)劃分比較細(xì)致，統(tǒng)一采用重力模型對區(qū)內(nèi)出行分布預(yù)測會產(chǎn)生較大的偏差，擬對區(qū)內(nèi)分布進(jìn)行獨(dú)立預(yù)測與分析；根據(jù)國內(nèi)外相關(guān)建模經(jīng)驗，區(qū)內(nèi)出行的發(fā)生量、吸引量與小區(qū)的面積有著明顯的關(guān)系；區(qū)內(nèi)出行分布模型采用公式(3)進(jìn)行：

其中，T為小區(qū)內(nèi)部出行量，G為小區(qū)交通發(fā)生量，A為小區(qū)交通吸引量、S為小區(qū)面積，、、待定參數(shù)，通過回歸獲取。

1.5 方式劃分

1.5.1 城區(qū)出行方式劃分

根據(jù)各種客運(yùn)交通方式的特征將其分成不同層次結(jié)構(gòu)，如圖10、11所示，首先確定非競爭類即步行交通方式的分擔(dān)率，然后采用Logit函數(shù)模型，將獨(dú)立使用自行車、個體機(jī)動交通方式的分擔(dān)率從競爭類交通方式中劃分出來，從而得到由軌道交通、常規(guī)公交和接運(yùn)自行車組成的合作競爭類交通方式的分擔(dān)率，如表4所示。該方法不直接得到軌道交通方式的OD矩陣，而是得到合作競爭類交通方式的OD矩陣，充分體現(xiàn)了軌道交通、常規(guī)公交和自行車之間的合作競爭關(guān)系。

圖10 都市圈范圍內(nèi)出行分布蛛網(wǎng)圖

Figure 10 Spider web of forecasted metropolitan trips

圖11 交通方式劃分模型

Figure 11 Structure of mode split model

表4 城區(qū)出行方式結(jié)構(gòu)

1.5.2 城郊出行方式劃分

城郊出行方式主要包括小汽車、城鄉(xiāng)班線和軌道交通，相應(yīng)應(yīng)用Logit函數(shù)模型進(jìn)行預(yù)測。城郊出行方式結(jié)構(gòu)預(yù)測如表5所示。

1.5.3 市域出行方式劃分

市域范圍的出行方式主要包括小汽車、摩托車、城際班線、鐵路和軌道交通，相應(yīng)應(yīng)用Logit函數(shù)模型進(jìn)行預(yù)測，如表6所示。預(yù)測結(jié)果顯示，鐵路主要為利用新長鐵路短途列車出行和利用鹽泰錫常宜鐵路接駁方式出行，相對規(guī)模較小。

表5 城郊出行方式結(jié)構(gòu)

表6 市域出行方式結(jié)構(gòu)

1.6 交通分配及MSA反饋

將城區(qū)出行、城郊出行及市域出行3大類出行的OD進(jìn)行疊加，即得到總OD，然后分別對機(jī)動車和公交進(jìn)行流量分配預(yù)測。

機(jī)動車分配采用多種小汽車平衡分配，根據(jù)出行時間成本分為小客車、大客車和出租車，根據(jù)現(xiàn)狀車輛出行特征及未來經(jīng)濟(jì)發(fā)展趨勢，同時機(jī)動車出行率呈現(xiàn)與保有量負(fù)相關(guān)關(guān)系，而一般高于居民平均出行率的特征，綜合確定機(jī)動車不同規(guī)劃年限的出行發(fā)生率。根據(jù)機(jī)動車擁有量及各類機(jī)動車出行率預(yù)測，可確定特征年各類機(jī)動車出行量。將不同類型的車種OD需求放在一起分配互相競爭，同時對不同車種設(shè)置不同模型類型，便于對某些車種進(jìn)行道路限行設(shè)置。

公交分配選擇公交線段延誤函數(shù)，采用最優(yōu)策略分配的方法，對公交方式早、晚高峰小時當(dāng)量需求矩陣進(jìn)行分配，得到公交早、晚高峰小時當(dāng)量斷面流量。

本次采用“拓展四階段法”，利用MSA法多次循環(huán)運(yùn)行四階段法直至模型預(yù)測結(jié)果趨于收斂穩(wěn)定[1]，即不斷調(diào)整已分配到各路段上的交通流量而逐漸達(dá)到或接近均衡分配(反饋到出行分布，已在圖5中標(biāo)出)。

2 客流特征分析

2.1 線路客運(yùn)量

錫澄線與地鐵1號線貫通運(yùn)營，錫澄線高峰小時單向最大斷面流量初期0.64萬人次、近期0.85萬人次、遠(yuǎn)期1.25萬人次。相較于獨(dú)立運(yùn)營方案，錫澄線遠(yuǎn)期日客運(yùn)量增長16%、高峰小時斷面增長7.8%。

遠(yuǎn)期增加的客流量主要為市域客流和江陰郊區(qū)-無錫主城區(qū)的客流，兩者規(guī)模分別為11.7萬人次/d、4.5萬人次/d，共占總量的16.8%。

2.2 高峰斷面流量

根據(jù)客流預(yù)測結(jié)果，錫澄線與1號線貫通運(yùn)營時，高峰小時最大斷面客流出現(xiàn)在1號線區(qū)段勝利門站至三陽廣場站區(qū)間，最大斷面客流量33 034人次/h，本線區(qū)段高峰小時最大斷面出現(xiàn)在南門站至汽車客運(yùn)站區(qū)間，斷面客流量為12 523人次/h，如圖12所示。

圖12 錫澄線與1號線貫通運(yùn)營遠(yuǎn)期高峰小時斷面

Figure 12 Long-range peak-hour peak-section flow under the mode of through operation

2.3 組團(tuán)客流交換

本線是無錫城區(qū)與江陰城區(qū)南北方向客流聯(lián)系的主要通道，貫通交路長度超過50 km，平均乘距超過10 km，運(yùn)營長度和客流乘距均較長。

錫澄線與1號線貫通運(yùn)營條件下，各組團(tuán)間客流交流情況如圖13所示。與1號線貫通運(yùn)營后，全線客流組成城區(qū)聯(lián)系占79.6%、城郊聯(lián)系占8.3%、市域聯(lián)系占12.1%。從錫澄線本線客流組成來看，遠(yuǎn)期江陰外灘站至徐霞客站全日客流量為21.8萬人次，其中內(nèi)部交流量為13.7萬人次，占62.8%，與無錫各組團(tuán)的交流量為8.1萬人次，占37.2%。由此可以看出，遠(yuǎn)期江陰組團(tuán)與無錫主城之間的交流超過江陰城區(qū)內(nèi)部客流的一半，錫澄協(xié)同發(fā)展趨勢明顯。從客流需求來講，錫澄線與1號線貫通運(yùn)營效益更佳。

2.4 運(yùn)營組織方案

本線各組團(tuán)的內(nèi)部客流，占本線承擔(dān)的客流的38.4%，該部分客流中通勤、通學(xué)客流占有很大比例，一般運(yùn)距較短，對旅行速度、舒適性的要求相對較低，在便捷性、經(jīng)濟(jì)性等方面的要求突出，可開行站站停列車滿足這部分客流的出行需求(見圖14)。

圖13 錫澄線與1號線貫通運(yùn)營遠(yuǎn)期各組團(tuán)客流交換情況

Figure 13 Passenger flow pattern under the mode of through operation

圖14 停站方案

Figure 14 Stop plan

對于各組團(tuán)之間以及跨組團(tuán)的長距離出行客流，占本線總客流的61.6%，其中江陰組團(tuán)與無錫城區(qū)組團(tuán)交換客流所占比重最大，占本線總客流的18%，其次是江陰組團(tuán)與惠山組團(tuán)之間的跨組團(tuán)客流，占本線總客流的11%。該部分客流出行距離較長，要求停站少、旅行速度快、舒適性高，對出行時間的要求更高。

因此，為細(xì)分客運(yùn)市場，更好地服務(wù)于旅行距離長、對快捷性及舒適度要求高的直達(dá)客流，對于外圍組團(tuán)有必要開行大站快車，提高大站之間客流的服務(wù)質(zhì)量，以適應(yīng)不同客流需求。故本線宜開行大站快車來滿足本線功能定位和沿線客流快速出行的需求。

2.5 行車組織

根據(jù)客流預(yù)測結(jié)果，從滿足高峰小時客流需求、運(yùn)能余量上來看，圖15所示交路設(shè)置具有一定的抵抗客流預(yù)測風(fēng)險的能力。從直達(dá)性上看，江陰組團(tuán)中前往無錫南延段的客流需在市民中心站換乘，但是從初期沿線組團(tuán)客流分析，江陰段至無錫南延段客流交流占總客流量1.0%，占客流量比例較小，因此貫通交路在市民中心站折返，對客流的直達(dá)性影響不大。

本線與1號線貫通運(yùn)營條件下，初、近期斷面客流特征與遠(yuǎn)期相似，因此初近期交路的設(shè)置可參考遠(yuǎn)期的交路形式，高峰小時開行對數(shù)根據(jù)初、近期客流規(guī)模，并考慮一定運(yùn)能余量綜合確定。

2.6 運(yùn)輸時效性

若錫澄線與1號線采用貫通運(yùn)營方案，則江陰段至無錫城區(qū)的客流無需在堰橋站換乘。1號線初期高峰和平峰發(fā)車間隔分別為4 min和8 min，近期至遠(yuǎn)期高峰時段發(fā)車間隔逐漸縮短為2 min，平峰時段發(fā)車間隔為4 min；錫澄線行車間隔2 min。經(jīng)初步估算，可節(jié)約乘客在換乘站的走行時間及候車時間約4 min，有助于實現(xiàn)乘坐軌道交通30 min由江陰高鐵站到達(dá)無錫火車站的時間目標(biāo)，提高軌道交通服務(wù)水平。由于線路經(jīng)無錫主城設(shè)站密集，有利于江陰主城與無錫主城的聯(lián)系客流，降低換乘系數(shù)，兩段實現(xiàn)“零換乘”，提高客流直達(dá)性，提升軌道交通運(yùn)營服務(wù)的品質(zhì)。

圖15 貫通運(yùn)營交路示意圖

Figure 15 Routing plan of through operation line

3 結(jié)語

綜上所述，對于發(fā)展迅速的市域軌道，多存在與城市軌道交通網(wǎng)銜接的問題，采用何種運(yùn)營組織方案，需結(jié)合線路的客流適應(yīng)性與服務(wù)水平、運(yùn)營組織便利性、經(jīng)濟(jì)造價、對相關(guān)線路的影響等多方面比較后確定。針對市域軌道錫澄線與地鐵1號線貫通運(yùn)營特點，客流預(yù)測利用區(qū)分城區(qū)出行、城郊出行和市域出行的“拓展四階段法”模型預(yù)測，可以較好地適應(yīng)客流特征，可為市域軌道交通客流預(yù)測提供方法借鑒。

[1] 裴劍平, 范東濤. 基于拓展四階段法的城市軌道交通客流預(yù)測[J]. 都市快軌交通, 2010, 23(5): 57-61. PEI Jianping, FAN Dongtao. Passenger flow forecast for urban rail transit based on extended four-step model[J]. Urban rapid rail transit, 2010, 23(5): 57-61.

[2] 王樹盛, 黃衛(wèi), 陸振波, 等. 都市圈軌道交通客流預(yù)測方法研究[J]. 城市軌道交通研究, 2004(1): 40-43.WANG Shusheng, HUANG Wei, LU Zhenbo, et al. A method of forecasting passenger flow in metropolitan UMT[J]. Urban mass transit, 2004(1): 40-43.

[3] 楊敏, 陳學(xué)武, 王煒, 等. 基于人口和土地利用的城市新區(qū)交通生成預(yù)測模型[J]. 東南大學(xué)學(xué)報(自然科學(xué)版), 2005(5): 161-165.YANG Min, CHEN Xuewu, WANG Wei, et al. Trip gene-ration forecasting model of new district based on urban population and land use[J]. Journal of Southeast University (Natural Science Edition), 2005(5): 161-165.

[4] 無錫地鐵公司. 無錫市域居民出行調(diào)查報告[R]. 南京, 2019.

[5] 中設(shè)設(shè)計集團(tuán). 無錫至江陰城際軌道交通工程工可階段客流預(yù)測項目[R]. 南京, 2019.

[6] 康海燕. 北京軌道交通市郊線與市區(qū)線的銜接方式探討[J]. 都市快軌交通, 2010, 23(2): 50-54. KANG Haiyan. On the connection modes of Beijing subu-rban railway lines with urban rail lines[J]. Urban rapid rail transit, 2010, 23(2): 50-54.

[7] 陳凡, 王昊. 城市圈城際鐵路列車開行方案的優(yōu)選[J]. 鐵道運(yùn)營技術(shù), 2011(1): 34-36.

[8] 劉揚(yáng), 程銘基. 軌道交通客流預(yù)測估算方法的研究[J]. 鐵道工程學(xué)報, 2015, 32(12): 92-96. LIU Yang, CHENG Mingji. Research on the forecast me-thods of rail transit passenger flow[J]. Journal of railway engineering society, 2015, 32(12): 92-96.

[9] 佘世英, 李建忠, 鄭猛. 建立在現(xiàn)有模型基礎(chǔ)上的軌道交通客流預(yù)測模型及其校核[J]. 城市軌道交通研究. 2008, 11(1): 49-53. SHE Shiying, LI Jianzhong, ZhENG Meng. Calibration of Wuhan rail passenger forecast model built on the existing model[J]. Urban mass transit, 2008, 11(1): 49-53.

[10] MARTIN W A, MCGUCKIN N A. Travel Estimation Techniques for Urban Planning[R]. NCHRP reort 365, 1998.

Forecast Method and Characteristics of Metropolitan Suburban Rail Passenger Flow

WU Zanyang

(Wuxi Metro Cooperation, Wuxi 214000)

Passenger flow in the metropolitan suburban rail includes urban passenger flow, suburban passenger flow, and intercity passenger flow. Regarding the operation mode when connecting to the subway, the hub transfer mode and the through operation mode are two possible choices, with the latter providing strengthened service for intercity and suburban passengers. To achieve more accurate forecasts and support better decision-making regarding the suburban rail operation mode, this study highlights that the prediction model for metropolitan suburban rail passenger flow needs to be further optimized on the basis of the “four-step model.” Passenger flow should be divided into three categories: urban areas, suburbs, and intercities. The trip generation, distribution, and mode choice steps should be performed for each of the three types of flows. After aggregation of the ODs of the above three types of flow, the traffic and transit assignment can be performed for all of them simultaneously. Furthermore, the extended four-step model widely used in advanced countries, which can feed back congestion to the whole model and dynamically balance the demand and supply, should be applied. The proposed improved model was applied to the case of the Wuxi-Jiangyin metropolitan suburban rail that will be operated with Wuxi Metro Line 1. The results verified the feasibility of the proposed model and showed that more passenger flows are expected under the through operation mode. Compared to the hub transfer mode, the daily passenger flow can grow by 16% and the peak-hour peak-section flow can grow by 7.8%. The proposed method can be applied to similar cases in other regions and better support operational decision-making.

metropolitan suburban rail; through operation; feedback method; expanded four-step model

U231

A

1672-6073(2021)02-0021-08

10.3969/j.issn.1672-6073.2021.02.004

2020-06-24

2020-07-13

吳贊陽，男，碩士，研究方向為軌道交通規(guī)劃和建設(shè)管理。

吳贊陽. 市域軌道交通客流預(yù)測與特征探析[J]. 都市快軌交通，2021，34(2)：21-28.

WU Zanyang. Forecast method and characteristics of metropolitan suburban rail passenger flow[J]. Urban rapid rail transit, 2021, 34(2): 21-28.

（編輯：王艷菊）