上海市早高峰軌道交通緩擠的時(shí)空行為規(guī)劃策略研究

摘 要 針對上海市嚴(yán)峻的軌道交通高峰客流擁擠問題，在時(shí)空行為規(guī)劃框架下進(jìn)行緩擠策略研究。以軌道交通9號線為例，利用智能卡數(shù)據(jù)模擬乘客出行時(shí)空軌跡，基于擁擠形成的時(shí)空過程視角識別軌道交通擁擠情況，劃分擁擠類型，并追溯擁擠客流的來源與去向。同時(shí)，深入挖掘乘客的出行目的、出行規(guī)律和出行約束等出行特征。在此基礎(chǔ)上，針對不同出行特征人群提出信息推薦、預(yù)約進(jìn)站、調(diào)整上班時(shí)間以及轉(zhuǎn)移就業(yè)崗位等時(shí)間、空間和行為策略，并定量評估策略實(shí)施的緩擠潛力，為治理城市軌道交通擁擠問題提供可借鑒的視角、方法和策略。

關(guān) 鍵 詞 時(shí)空行為規(guī)劃；時(shí)空過程視角；城市軌道交通擁擠；緩擠策略；軌道交通9號線

文章編號 1673-8985（2024）04-0132-08 中圖分類號 TU984 文獻(xiàn)標(biāo)志碼 A DOI 10.11982/j.supr.20240418

0 引言

城市軌道交通以其高效、經(jīng)濟(jì)、可持續(xù)等優(yōu)勢，成為全球眾多城市緩解地面交通壓力、提升出行品質(zhì)的重要交通方式。但隨著客流需求的急劇增長，某些站點(diǎn)、區(qū)段出現(xiàn)供給與需求極不平衡的狀況，客流擁擠成為當(dāng)前大城市軌道交通面臨的突出問題。這不僅嚴(yán)重降低了公共交通服務(wù)水平，增加了個(gè)體出行的不確定性，還會(huì)促使居民向私人交通方式轉(zhuǎn)移，不利于低碳交通與可持續(xù)發(fā)展，甚至可能引發(fā)踩踏、墜軌等事故，造成重大人員傷亡和公共安全危機(jī)[1]。上海同樣面臨嚴(yán)峻的軌道交通高峰客流擁擠問題，1號線北段、9號線西段等區(qū)段在工作日高峰時(shí)段顯著擁擠，車廂內(nèi)立席密度最高超過10人/m2[2]。為此，上海市針對局部擁擠站點(diǎn)采取了進(jìn)站限流策略，但效果有限①。其局限性在于，城市軌道交通站點(diǎn)（車廂）的擁擠并非單純由進(jìn)站客流集聚所導(dǎo)致，而是受到所有擁擠時(shí)段在站乘客的共同影響。對于車內(nèi)擁擠，車廂內(nèi)的立席密度顯然與車廂內(nèi)的途經(jīng)乘客有關(guān)；對于車外擁擠，站臺候車人數(shù)同樣取決于車廂內(nèi)的剩余容量，即途經(jīng)乘客的數(shù)量。

筆者認(rèn)為，擁擠客流具有不在場的形成原因和復(fù)雜的傳導(dǎo)過程，對擁擠的認(rèn)識與優(yōu)化難以在擁擠發(fā)生的局部時(shí)空區(qū)段中實(shí)現(xiàn)。早在擁擠發(fā)生前，客流就已經(jīng)于不同空間產(chǎn)生，并且將在擁擠發(fā)生后的不同時(shí)間到達(dá)不同空間。究其本源，乘客出發(fā)與到達(dá)的時(shí)間、空間，實(shí)際代表了城市中不同的功能與活動(dòng)，這些功能與活動(dòng)對乘客的出行行為進(jìn)行了制約，使其必定在特定時(shí)間經(jīng)過特定空間。不同客流因不同功能活動(dòng)的制約匯聚于同一時(shí)空，當(dāng)總流量超出最大承載能力時(shí)，便發(fā)生了擁擠（見圖1）。因此，若要更深入、準(zhǔn)確地認(rèn)識擁擠現(xiàn)象，就必須還原擁擠客流中所有個(gè)體完整的出行時(shí)間、空間及行為特征信息，對擁擠形成的全過程進(jìn)行分析。

城市時(shí)空行為規(guī)劃將影響城市空間問題的時(shí)間、空間和行為要素共同納入，作為分析和解決問題的手段，避免“就空間論空間問題”的局限性[3]。日益豐富的城市時(shí)空大數(shù)據(jù)和不斷完善的數(shù)據(jù)挖掘方法，為時(shí)空行為研究及其規(guī)劃應(yīng)用提供了數(shù)據(jù)支撐和技術(shù)基礎(chǔ)。通過對擁擠客流的全過程分析，掌握其時(shí)空行為特征與規(guī)律，便能從局限于擁擠區(qū)段的空間限流策略，拓展出面向全局的空間、時(shí)間、行為的多元策略。本文在時(shí)空行為規(guī)劃框架下，利用記錄乘客出行時(shí)空信息的公交智能卡數(shù)據(jù)，深入認(rèn)識乘客軌道交通出行中時(shí)間、空間與行為特征及其互動(dòng)關(guān)系，從行為引導(dǎo)、時(shí)間政策與空間管理3個(gè)方面進(jìn)行軌道交通緩擠策略的探索性研究。

1 文獻(xiàn)綜述

若將完整的城市軌道交通緩擠研究分為擁擠認(rèn)識分析與策略響應(yīng)評估兩個(gè)步驟，現(xiàn)有多數(shù)研究僅局限于其中一個(gè)環(huán)節(jié)，尚未有研究形成完整的問題分析和規(guī)劃應(yīng)用框架。

在對擁擠的認(rèn)識上，宏觀視角多認(rèn)為線路沿線與站點(diǎn)周邊的土地利用、開發(fā)強(qiáng)度、功能混合度對客流分布的影響較大[4]，微觀視角則關(guān)注扶梯、安檢、閘機(jī)等相關(guān)軌道交通設(shè)施的服務(wù)水平（通過能力）與站點(diǎn)客流密度的關(guān)系[5]。部分研究圍繞個(gè)人出行行為的時(shí)空特征展開，例如出行目的的識別與描述[6]、特定人群的行為規(guī)律和出行偏好分析[7-8]以及不同約束對乘客出行行為的影響分析等[9-10]，但并未進(jìn)一步探討乘客出行過程、出行行為特征與擁擠客流的關(guān)系。

在緩擠策略的響應(yīng)上，現(xiàn)有實(shí)踐內(nèi)容和手段措施可以歸納為以下5種情況。①客流控制，即直接限制某些擁擠站點(diǎn)在高峰時(shí)段的乘客進(jìn)站流量[11]。②協(xié)調(diào)時(shí)間制度，即以制度化手段調(diào)整公共設(shè)施開放時(shí)間，實(shí)現(xiàn)交通流的去同步化[12]。例如法國雷恩時(shí)間辦公室對學(xué)校各年級上課時(shí)間表進(jìn)行錯(cuò)峰調(diào)整，以緩解地鐵早高峰擁擠問題[13]。③預(yù)約進(jìn)站，即在控制站點(diǎn)總?cè)萘康那疤嵯拢试S乘客預(yù)先選擇特定的進(jìn)站時(shí)段，進(jìn)而提前對出行需求進(jìn)行合理分配，減少高峰時(shí)段擁擠并優(yōu)化資源利用。例如疫情期間，北京市選取地鐵大客流車站試點(diǎn)預(yù)約進(jìn)站[14]。④差別定價(jià)，即通過調(diào)整不同時(shí)段的交通出行成本以促進(jìn)出行需求分散[15]。⑤信息透明化與行為誘導(dǎo)，即通過提供更加精確的列車到站時(shí)刻表影響乘客到站時(shí)間，或繪制扭曲的地鐵線路圖影響乘客路線選擇等[16-17]。上述研究或?qū)嵺`證實(shí)了時(shí)間與行為手段對于解決空間問題的重要性，但多數(shù)研究僅關(guān)注時(shí)間、空間、行為干預(yù)的某一方面，尚未形成時(shí)間、空間、行為三位一體的聯(lián)動(dòng)方案。此外，還缺乏對策略適用行為特征的認(rèn)識，無法針對性地判斷不同緩擠策略的潛在作用對象。

2 研究對象、數(shù)據(jù)與方法

2.1 研究對象與數(shù)據(jù)

本文選取2016年9月上海市軌道交通9號線早高峰（7：00—10：00）的擁擠站點(diǎn)以及相關(guān)出行乘客作為主要的研究對象，部分分析過程涉及全網(wǎng)絡(luò)站點(diǎn)及客流信息。2016年9月，9號線建成區(qū)段為松江南站至楊高中路段，共包含26個(gè)站點(diǎn)，高峰小時(shí)最高斷面客流量達(dá)5.16萬人次/h，在全市僅次于1號線與2號線[18]。主要使用的數(shù)據(jù)為2016年9月1日至9月30日的上海公交智能卡數(shù)據(jù)（SPTCC），數(shù)據(jù)內(nèi)容包括卡號、刷卡進(jìn)站時(shí)刻、進(jìn)站點(diǎn)、刷卡出站時(shí)刻、出站點(diǎn)、費(fèi)用等信息。

2.2 技術(shù)路線

本文利用智能卡數(shù)據(jù)模擬乘客出行時(shí)空軌跡，圍繞線路擁擠特征和出行行為特征兩個(gè)方面展開。對于前者，首先識別地鐵網(wǎng)絡(luò)中的客流分布及擁擠情況，之后根據(jù)不同在站乘客占比來判斷擁擠主導(dǎo)類型（進(jìn)站、換入、途經(jīng)），并追溯造成擁擠客流的來源及去向，進(jìn)而明確對線路擁擠造成最大貢獻(xiàn)的客流來源及目的地，分析其與城市功能結(jié)構(gòu)的關(guān)系。對于后者，首先對一個(gè)月內(nèi)的個(gè)體出行時(shí)空信息進(jìn)行追蹤，以挖掘乘客的出行目的、出行規(guī)律與出行約束等出行特征，之后對不同出行特征乘客的時(shí)間及空間分布情況進(jìn)行分析。最后，在深入認(rèn)識擁擠特征及行為特征的基礎(chǔ)上，明確不同類型的緩擠策略與不同特征的出行行為的對應(yīng)關(guān)系，針對不同作用對象（時(shí)間、空間、人群）提出信息推薦、預(yù)約進(jìn)站、調(diào)整上班時(shí)間、轉(zhuǎn)移就業(yè)崗位等緩擠策略，并定量評估策略實(shí)施后的緩擠潛力，以期為緩解地鐵高峰擁擠問題提供新的視角與方法（見圖2）。

2.3 識別客流分布

本文根據(jù)2016年上海軌道交通線路構(gòu)建網(wǎng)絡(luò)拓?fù)淠Ｐ?，利用Dijkstra最短路徑算法，模擬每對站點(diǎn)OD的出行路徑，并與智能卡數(shù)據(jù)中乘客個(gè)人出行OD進(jìn)行關(guān)聯(lián)，得到每位乘客的出行路徑。圖3展示了非換乘乘客的一次完整軌道交通出行過程及其時(shí)間分配模式。乘客首先在進(jìn)站閘機(jī)處刷卡，之后前往站臺等待上車，等候時(shí)間為tw，上車后到達(dá)目的站點(diǎn)下車，車內(nèi)時(shí)耗為tv，最終在出站閘機(jī)處刷卡結(jié)束地鐵出行，前后兩次閘機(jī)到站臺的步行時(shí)間分別記為t0in和t0out，見式（1）。

智能卡數(shù)據(jù)集記錄了乘客在檢票閘機(jī)處進(jìn)站和出站的準(zhǔn)確時(shí)間，從所有具有相同“起點(diǎn)—終點(diǎn)”的非換乘乘客中，找到出行時(shí)間最短的乘客，將這些乘客所花費(fèi)的時(shí)間記為t mi min（O，D），即站點(diǎn)間最小出行時(shí)耗。由于本文使用了大量的數(shù)據(jù)，可以認(rèn)為這些最快的乘客到達(dá)站臺后立即上車，即其等候時(shí)間為零。同時(shí)，由于列車在相同OD區(qū)段的運(yùn)營速度較為穩(wěn)定，可以認(rèn)為所有“起點(diǎn)—終點(diǎn)”相同的乘客車內(nèi)時(shí)耗tv近似相同。此外，《城市軌道交通設(shè)計(jì)規(guī)范》（DGJ08-109-2004）要求進(jìn)出站檢票口與前往站臺的樓梯、自動(dòng)扶梯的距離分別不小于5 m、7 m，說明一般情況下檢票閘機(jī)與站臺都是鄰近布置。這保證了乘客在出發(fā)站和到達(dá)站的步行時(shí)間都在較小的時(shí)間范圍內(nèi)，即使選擇了不同的進(jìn)出站閘機(jī)，從閘機(jī)到站臺的步行時(shí)間t0in或t0out也相差較小。

據(jù)此，通過式（2）計(jì)算出所有非換乘乘客的個(gè)人等候時(shí)間tw，由于非換乘乘客只在出發(fā)站臺候車，可以進(jìn)一步計(jì)算各出發(fā)站臺的人均等候時(shí)間（每30 min的時(shí)間間隔）。對于存在換乘行為的乘客，認(rèn)為其除出發(fā)站臺外，每經(jīng)過一次換乘站點(diǎn)，都會(huì)進(jìn)行一次候車，候車時(shí)間為該換入站臺在該時(shí)段內(nèi)的人均等候時(shí)間。

基于上述技術(shù)方法，可以將任一乘客的出行時(shí)耗拆分成車外時(shí)間（站臺等候時(shí)間）和車內(nèi)時(shí)間兩部分。首先識別其車外時(shí)間，之后將乘客的車內(nèi)時(shí)間按站間距離分配到各個(gè)途經(jīng)站點(diǎn)上，最后按30 min的時(shí)間間隔進(jìn)行統(tǒng)計(jì)，得到每30 min內(nèi)不同站點(diǎn)不同方向的客流分布。

2.4 識別行為特征

本文從出行目的、出行規(guī)律性和出行約束性3個(gè)方面劃分出行特征類型。出行目的反映乘客某次出行終點(diǎn)的活動(dòng)類型與用地功能，工作出行意味著該出行時(shí)間受某一上班時(shí)間的制約。若同一乘客在同一天連續(xù)兩次軌道交通出行中，首次出行到達(dá)站點(diǎn)與下一次出行的出發(fā)站點(diǎn)相同，且首次出行到達(dá)時(shí)間與下一次出行出發(fā)時(shí)間間隔大于6 h，則將其出行目的識別為工作出行，否則識別為其他出行。出行規(guī)律性反映乘客某次出行是否于時(shí)空中周期性存在，周期性出現(xiàn)的慣常出行對某一站點(diǎn)的擁擠貢獻(xiàn)及實(shí)施策略后的效果都是較為穩(wěn)健的。若同一乘客于月內(nèi)每周工作日早高峰相同起訖點(diǎn)出行都超過3 d（工作日中過半的天數(shù)，4周總計(jì)12 d），則將其這一出行識別為慣常出行，否則識別為隨機(jī)出行。出行約束性建立在出行規(guī)律性的基礎(chǔ)上②，反映乘客的慣常出行在時(shí)間上是否具有自調(diào)整的潛力，根據(jù)一個(gè)月內(nèi)乘客慣常出行的出發(fā)、到達(dá)時(shí)間標(biāo)準(zhǔn)差將其分為剛性出行和彈性出行。將一個(gè)月內(nèi)工作日早高峰進(jìn)/出站時(shí)間標(biāo)準(zhǔn)差均大于30 min的慣常出行識別為彈性出行，將一個(gè)月內(nèi)工作日早高峰進(jìn)/出站時(shí)間標(biāo)準(zhǔn)差均小于10 min的出行識別為剛性出行。

3 上海軌道交通9號線的擁擠特征

3.1 擁擠時(shí)空特征

根據(jù)上述研究方法，識別早高峰（7：00—10：00）期間9號線在站乘客量（見圖4），以反映該時(shí)段站點(diǎn)的擁擠程度。從時(shí)間變化上來看，全線在站乘客量從7：30開始迅速提升，于 8：00—8：30期間達(dá)到最高峰，峰值約為前一時(shí)段的兩倍，此時(shí)9號線的擁擠程度最高，8：30—9：00的在站乘客數(shù)量仍保持與峰值相近的水平，9：00后人數(shù)大幅下降。從線路方向上來看，受早高峰向心通勤的影響，往中心城區(qū)方向（松江南站—楊高中路站）的在站乘客量顯著高于往郊區(qū)方向（楊高中路站—松江南站），但往郊區(qū)方向徐家匯站—漕河涇開發(fā)區(qū)站在8：00—9：00同樣保持較高的在站乘客數(shù)量。從空間分布上來看，在站乘客量高值區(qū)段主要集中在佘山站—徐家匯站，進(jìn)入內(nèi)環(huán)后在站乘客量明顯下降。九亭站—漕河涇開發(fā)區(qū)站的高值持續(xù)時(shí)間最長，是9號線最擁擠的區(qū)段。

3.2 擁擠主導(dǎo)乘客類型

在站乘客包含進(jìn)站、途經(jīng)、換入3種類型，3類乘客共同造成了擁擠。選取9號線早高峰最擁擠時(shí)段（8：00—8：30）對在站乘客類型進(jìn)一步分析（見圖5）。進(jìn)站乘客主導(dǎo)站點(diǎn)主要為兩個(gè)方向的首發(fā)站（松江南站、楊高中路站），其進(jìn)站乘客占比均超過80%，但在隨后站點(diǎn)迅速下降，全線多數(shù)區(qū)段不足20%。其中，往市中心方向的進(jìn)站乘客影響明顯強(qiáng)于往郊區(qū)方向，該方向除松江南站—松江新城站外，松江大學(xué)城站、佘山站—九亭站的在站乘客中進(jìn)站乘客占比也相對較多（41%—60%）。換入乘客主要集中在世紀(jì)大道站（61%—80%）、徐家匯站（21%—40%）、陸家浜路站（21%—40%）等軌道交通換乘樞紐站點(diǎn)。途經(jīng)乘客是全線占比最高的在站乘客類型。往郊區(qū)方向除首發(fā)站外，途經(jīng)乘客占比均超過80%，往市中心方向的途經(jīng)乘客占比也大多超過60%，對于擁擠程度最高的九亭站—漕河涇開發(fā)區(qū)站，途經(jīng)乘客占比高達(dá)80%。說明9號線絕大多數(shù)站點(diǎn)的擁擠，尤其是高度擁擠站點(diǎn)的擁擠，都是由途經(jīng)乘客導(dǎo)致的。

3.3 擁擠貢獻(xiàn)溯源

選取9號線早高峰最擁擠時(shí)段（8：00—8：30）對在站乘客的出發(fā)地與到達(dá)地進(jìn)行溯源，統(tǒng)計(jì)各站點(diǎn)進(jìn)站乘客與出站乘客在全體在站乘客中的占比，記為該站點(diǎn)的出發(fā)或到達(dá)擁擠貢獻(xiàn)（見圖6）。本文提出的溯源分析與按起訖點(diǎn)統(tǒng)計(jì)某一出發(fā)時(shí)間或到達(dá)時(shí)間出行量的OD分析不同。OD分析僅局限于出行的兩個(gè)端點(diǎn)，不僅無法說明該OD造成了哪些時(shí)空區(qū)段的擁擠，更不能明確該OD對擁擠產(chǎn)生的貢獻(xiàn)程度。而溯源分析針對某一擁擠時(shí)空區(qū)段的在站乘客，追溯其各自的出發(fā)地、出發(fā)時(shí)間以及到達(dá)地、到達(dá)時(shí)間，能夠回答某處擁擠是經(jīng)由哪些時(shí)間空間產(chǎn)生并傳導(dǎo)至此發(fā)生疊加的，進(jìn)而明確哪些時(shí)間空間對系統(tǒng)性的擁擠做出了最大貢獻(xiàn)，是一種從中間追溯兩端的過程性的視角與方法。

從出發(fā)側(cè)來看，外環(huán)外站點(diǎn)的出發(fā)擁擠貢獻(xiàn)總體高于外環(huán)內(nèi)站點(diǎn)。其中，外環(huán)外松江大學(xué)城站、佘山站、泗涇站、九亭站為主要的出發(fā)擁擠貢獻(xiàn)站點(diǎn)，出發(fā)擁擠貢獻(xiàn)均在6%—12%，4個(gè)站點(diǎn)的出發(fā)擁擠貢獻(xiàn)總和為36%。外環(huán)內(nèi)站點(diǎn)的出發(fā)擁擠貢獻(xiàn)基本在1%及以下。從到達(dá)側(cè)來看，外環(huán)內(nèi)站點(diǎn)的到達(dá)擁擠貢獻(xiàn)總體高于外環(huán)外站點(diǎn)，且漕河涇開發(fā)區(qū)附近站點(diǎn)是最主要的到達(dá)擁擠貢獻(xiàn)區(qū)段，漕河涇開發(fā)區(qū)站、合川路站、桂林路站的到達(dá)擁擠貢獻(xiàn)總和為22%。此外，打浦橋站、商城路站的擁擠貢獻(xiàn)也較高。外環(huán)外站點(diǎn)的到達(dá)擁擠貢獻(xiàn)基本在1%及以下。

這一擁擠貢獻(xiàn)特征與軌道交通9號線沿線職住功能的空間分布基本一致。松江大學(xué)城是上海市發(fā)展較早、較為成熟的大學(xué)城，承擔(dān)重要的校園居住功能，佘山站、泗涇站、九亭站附近均為典型的大型居住社區(qū)，居住人口眾多；漕河涇開發(fā)區(qū)是9號線沿線規(guī)模最大、就業(yè)崗位最多的產(chǎn)業(yè)園區(qū)，打浦橋站、商城路站位于城市中心，設(shè)施服務(wù)與就業(yè)崗位都較為豐富。因此，早高峰期間大量的通勤、尋求其他城市服務(wù)的人群從郊區(qū)站點(diǎn)出發(fā)，往中心城區(qū)方向涌入，途徑中途數(shù)個(gè)站點(diǎn)，導(dǎo)致九亭站—漕河涇開發(fā)區(qū)站區(qū)段高度擁擠。在經(jīng)過漕河涇開發(fā)區(qū)站等集中就業(yè)地后，大量乘客下車出站，在站乘客量迅速下降，擁擠程度減弱。

4 多情景的時(shí)空行為緩擠策略

4.1 行為特征與緩擠策略的對應(yīng)關(guān)系

不同的緩擠策略作用于不同出行行為特征的乘客（見圖7）。彈性出行乘客所受的時(shí)間約束較弱，具有自發(fā)調(diào)整出行時(shí)間的可能性，可以通過信息誘導(dǎo)、推薦出行計(jì)劃等方式在一定的時(shí)間范圍內(nèi)引導(dǎo)其錯(cuò)峰出行。剛性出行乘客受時(shí)間制度的強(qiáng)約束，雖然難以自我調(diào)節(jié)出行時(shí)間，但當(dāng)相關(guān)時(shí)間約束變更時(shí)，其出行行為的變化響應(yīng)也是最為敏感的。例如剛性工作出行乘客的到達(dá)站點(diǎn)、到達(dá)時(shí)間與其就業(yè)地點(diǎn)和上班時(shí)間綁定，可以通過調(diào)整上班時(shí)間制度改變其出行時(shí)間，以避開高度擁擠的時(shí)段與區(qū)段。

4.2 軌道交通9號線出行行為特征

對軌道交通9號線早高峰各時(shí)段在站乘客的出行行為特征進(jìn)行識別與分析（見圖8）。在出行目的上，工作出行占比較高，呈先上升后下降的趨勢，最高時(shí)段（8：00—8：30）約占77%。在出行規(guī)律性上，慣常出行與隨機(jī)出行比例相近，7：00—9：00慣常出行占比較高，最高時(shí)段（8：00—8：30）約占58%，隨后隨機(jī)出行占比上升，最高時(shí)段（9：30—10：00）約占76%。在慣常出行中，彈性出行與剛性出行之和約占50%，7：00—8：00彈性出行與剛性出行的比例相近，隨后彈性出行占比高于剛性出行?？偟膩碚f，擁擠最高峰時(shí)段（8：00—8：30）的出行主要為工作出行，慣常出行略高于隨機(jī)出行，慣常出行中的彈性出行略高于剛性出行。

選取9號線早高峰最擁擠時(shí)段（8：00—8：30）進(jìn)一步分析不同出行特征人群的空間分布特征（見圖9）。在出行目的上，往市中心方向的工作出行占比高于往郊區(qū)方向，占比最高區(qū)段為佘山站—漕河涇開發(fā)區(qū)站（約80%）。在出行規(guī)律性上，慣常出行的空間分布特征與工作出行相似，往市中心方向的佘山站—漕河涇開發(fā)區(qū)站和陸家浜路站—楊高中路站占比較高（約60%）。在出行約束性上，往市中心方向內(nèi)環(huán)以外的彈性出行占比（約20%）略高于剛性出行（約10%），往郊區(qū)方向外環(huán)以內(nèi)的剛性出行占比（約20%）略高于彈性出行（約15%）?？偟膩碚f，不同出行特征乘客的數(shù)量變化與總出行量的變化相似，其占比構(gòu)成也未表現(xiàn)出明顯的空間分異性。

4.3 緩擠策略情景及潛力評估

本文選取9號線早高峰最擁擠時(shí)段（8：00—8：30），結(jié)合該時(shí)段乘客的出行行為特征，針對性地提出多個(gè)場景下的緩擠策略，包括信息推薦策略、預(yù)約進(jìn)站策略、就業(yè)地上班時(shí)間調(diào)整和沿線就業(yè)崗位轉(zhuǎn)移的策略（見圖10）。

（1）信息推薦

信息推薦的策略作用于軌道交通網(wǎng)絡(luò)特定時(shí)段的全體彈性出行乘客，假設(shè)其均能在自己的彈性范圍內(nèi)調(diào)整出行時(shí)間、避開高度擁擠時(shí)段。根據(jù)前文所述彈性出行的識別規(guī)則，本文中彈性出行乘客的出行時(shí)間自調(diào)整范圍至少為30 min。由于9號線早高峰7：30—8：00時(shí)段的在站乘客量明顯低于8：00—8：30時(shí)段，認(rèn)為彈性出行乘客自發(fā)將出行時(shí)間向前調(diào)整30 min是較為合理的。模擬策略實(shí)施后，9號線總在站乘客減少量約17%，往城市中心方向的減少量明顯多于往郊區(qū)方向，且往城市中心方向內(nèi)環(huán)外區(qū)段的減少量高于內(nèi)環(huán)內(nèi)區(qū)段，與往郊區(qū)方向相反。擁擠緩解程度最高的區(qū)段為松江體育中心站—漕河涇開發(fā)區(qū)站，在站乘客均減少約20%。

（2）預(yù)約進(jìn)站

與信息推薦策略不同，預(yù)約進(jìn)站策略只能作用于某一出發(fā)站點(diǎn)、某一出發(fā)時(shí)段的彈性出行乘客，該策略作用人群數(shù)量減少，但可行性更高。預(yù)約進(jìn)站策略的重點(diǎn)在于確定適宜的站點(diǎn)與時(shí)段，選擇對系統(tǒng)性擁擠產(chǎn)生最大貢獻(xiàn)的出發(fā)站點(diǎn)與進(jìn)站時(shí)段實(shí)施策略是最為高效、合理的。根據(jù)前文所述方法，計(jì)算9號線不同進(jìn)站點(diǎn)與時(shí)段的彈性出行乘客對8：00—8：30的擁擠貢獻(xiàn)，其中7：30—8：00的九亭、泗涇、佘山以及松江大學(xué)城站的出發(fā)擁擠貢獻(xiàn)明顯高于其他站點(diǎn)。選擇上述4個(gè)站點(diǎn)及時(shí)段模擬策略實(shí)施后，9號線總在站乘客減少量約4.4%，往城市中心方向的減少量明顯多于往郊區(qū)方向，且主要為內(nèi)環(huán)外的區(qū)段，擁擠緩解程度最高約為8%。

（3）調(diào)整上班時(shí)間

調(diào)整集中就業(yè)地上班時(shí)間的策略針對剛性工作出行，通過調(diào)整工作地的上班時(shí)間約束改變相應(yīng)出行人群的出行時(shí)間，進(jìn)而實(shí)現(xiàn)客流錯(cuò)峰。與信息推薦及預(yù)約進(jìn)站的策略相比，調(diào)整上班時(shí)間的策略強(qiáng)制性更強(qiáng)，策略實(shí)施后的作用效果更加穩(wěn)定。該策略同樣需要明確對系統(tǒng)性擁擠產(chǎn)生最大貢獻(xiàn)的集中就業(yè)地與上班時(shí)間。其中，8：00—8：30和8：30—9：00的漕河涇開發(fā)區(qū)站到達(dá)擁擠貢獻(xiàn)明顯高于其他站點(diǎn)，因此將漕河涇開發(fā)區(qū)8：30及9：00的上班時(shí)間向前調(diào)整30 min，模擬在站客流的變化。9號線總在站乘客減少量約2.3%，兩個(gè)方向的客流擁擠程度都得到了緩解，往郊區(qū)方向擁擠緩解程度最高約為8%，往城市中心方向的高度擁擠區(qū)段緩解程度約為3%。

（4）轉(zhuǎn)移就業(yè)崗位

轉(zhuǎn)移就業(yè)崗位的策略通過改變工作人群的出行路徑優(yōu)化客流分布。該策略作用于慣常工作出行人群，當(dāng)就業(yè)地的區(qū)位變更時(shí)，其出行路徑必然發(fā)生改變。根據(jù)前文分析可知，9號線的擁擠貢獻(xiàn)特征與沿線職住功能的空間分布高度相關(guān)，交通服務(wù)供需矛盾的主要原因是長距離工作出行擠占了往中心方向的運(yùn)力，車廂容量無法及時(shí)釋放。因此，若在目前主要出發(fā)站點(diǎn)與到達(dá)站點(diǎn)之間尋找一些就業(yè)空間，在控制總就業(yè)崗位不變的情況下將部分長距離通勤的就業(yè)崗位轉(zhuǎn)移至此，就能協(xié)調(diào)客流分布，緩解途經(jīng)擁擠。洞涇鎮(zhèn)位于松江大學(xué)城、佘山、泗涇、九亭等核心出發(fā)擁擠貢獻(xiàn)站之間，新一輪總規(guī)將其定位為G60科創(chuàng)走廊示范引領(lǐng)的人工智能科創(chuàng)小鎮(zhèn)，以建成松江北部的科創(chuàng)和人才高地為目標(biāo)。因此，本文假設(shè)漕河涇開發(fā)區(qū)50%的就業(yè)崗位轉(zhuǎn)移至洞涇站，在保持原有上班時(shí)間不變的情況下，模擬調(diào)整后在站客流的變化。結(jié)果顯示，9號線總在站乘客量基本保持不變，但在空間分布上發(fā)生了明顯變化。往城市中心方向的在站乘客量減少，高度擁擠區(qū)段的擁擠程度緩解約8%，往郊區(qū)方向的九亭站—洞涇站區(qū)段在站乘客量大幅增加，但其原有客流量相對較少，新增后仍能保持較為合理的客流水平。

5 結(jié)語

本文以上海軌道交通9號線為典型案例，全面認(rèn)識了城市軌道交通擁擠的時(shí)空分布特征和擁擠生成過程。研究發(fā)現(xiàn)，9號線最擁擠的時(shí)空區(qū)段為8：00—8：30的九亭站—漕河涇開發(fā)區(qū)站，擁擠客流主要由途經(jīng)乘客構(gòu)成。其中，松江大學(xué)城、佘山、泗涇、九亭站的進(jìn)站乘客和漕河涇開發(fā)區(qū)站的出站乘客對9號線的系統(tǒng)型擁擠貢獻(xiàn)最大，擁擠貢獻(xiàn)分布明顯與沿線職住空間結(jié)構(gòu)相關(guān)。從出行目的、出行規(guī)律性、出行約束性3個(gè)方面劃分乘客的行為特征類型，發(fā)現(xiàn)擁擠高峰時(shí)段主要為工作出行，能夠進(jìn)一步解釋軌道交通9號線的擁擠成因：早高峰期間，大型居住社區(qū)的大量慣常工作人群進(jìn)站上車后，經(jīng)過長距離出行才能到達(dá)集中就業(yè)地，途經(jīng)站點(diǎn)的列車容量幾乎全被擠占，因此發(fā)生了高度擁擠。

在此基礎(chǔ)上，本文針對不同出行類型的乘客提出了多情景的時(shí)間、空間和行為緩擠策略。其中，行為引導(dǎo)策略作用于全體彈性出行乘客；時(shí)間策略包括干預(yù)出發(fā)時(shí)間的預(yù)約進(jìn)站策略和干預(yù)到達(dá)時(shí)間的調(diào)整上班時(shí)間策略，分別適用于核心進(jìn)站貢獻(xiàn)站點(diǎn)的彈性出行乘客和核心到達(dá)貢獻(xiàn)站點(diǎn)的剛性工作出行乘客；空間策略在控制就業(yè)崗位總量不變的前提下，合理轉(zhuǎn)移部分就業(yè)崗位，優(yōu)化慣常工作出行乘客的客流分布。經(jīng)過模擬評估，不同策略均能在一定程度上起到緩解擁擠的作用。

總的來說，本文在時(shí)空行為規(guī)劃框架下提出了針對城市軌道交通擁擠問題的分析方法與緩擠策略。一方面，可以提高傳統(tǒng)緩擠策略的效率與科學(xué)性，例如根據(jù)擁擠貢獻(xiàn)為現(xiàn)有進(jìn)站限流策略選擇最適宜的站點(diǎn)和時(shí)段；另一方面，可以拓展新的緩擠思路與方法，例如針對集中就業(yè)地實(shí)施上班時(shí)間的錯(cuò)峰調(diào)整、新增就業(yè)地轉(zhuǎn)移崗位等。此外，策略實(shí)施后的緩擠潛力評估也為政策制定與實(shí)施的成本—效益計(jì)算提供了一定依據(jù)。但本文在策略評估與數(shù)據(jù)處理方法等方面仍存在一些問題。一是緩擠策略的評估結(jié)果是理想狀態(tài)下的最大緩擠潛力，但在實(shí)際生活中，個(gè)體偏好、行為存在眾多差異性與不確定性，因此策略實(shí)際作用效果必定與模擬評估的潛力有較大差距，策略實(shí)施所需要的經(jīng)濟(jì)與社會(huì)成本也應(yīng)當(dāng)進(jìn)行科學(xué)合理的評估，否則將無法判斷策略是否具有可行性。二是緩擠策略的評估針對的是對某一靜態(tài)時(shí)段切片內(nèi)的客流變化，并未考慮策略實(shí)施后可能引起的復(fù)雜系統(tǒng)的動(dòng)態(tài)變化。并且，緩擠策略的評估只考慮了9號線單一線路的變化，未能判斷局部調(diào)整優(yōu)化后對軌道交通全網(wǎng)絡(luò)造成的影響，某一區(qū)段擁擠的緩解可能會(huì)加劇其他區(qū)段的擁擠。此外，識別客流分布和各類出行特征的技術(shù)方法與指標(biāo)還可以進(jìn)行更深入的探討與界定，以上不足將在后續(xù)研究中加以完善。

參考文獻(xiàn) References

[1]鄒慶茹. 城市軌道交通網(wǎng)絡(luò)高峰客流擁擠管控研究[D]. 北京：北京交通大學(xué)，2020.

ZOU Qingru. Research on peak-congestion control and management for urban rail transit network[D]. Beijing： Beijing Jiaotong University， 2020.

[2]王波. 上海軌道交通早高峰客流擁擠與居民通勤關(guān)系分析[J]. 城市軌道交通研究，2016，19（7）：75-78.

WANG Bo. Relationship between the rush hour passenger flow congestion and residents commuting in Shanghai rail transit system[J]. Urban Mass Transit， 2016， 19（7）： 75-78.

[3]王德，胡楊. 城市時(shí)空行為規(guī)劃：概念、框架與展望[J]. 城市規(guī)劃學(xué)刊，2022（1）：44-50.

WANG De， HU Yang. Urban spatial-temporal activity planning： concept， framework and prospect[J]. Urban Planning Forum， 2022（1）： 44-50.

[4]王亞潔. 國外城市軌道交通與站域土地利用互動(dòng)研究進(jìn)展[J]. 國際城市規(guī)劃，2018，33（1）：111-118.

WANG Yajie. International studies on the inter-action between urban rail transit and land use of station areas[J]. Urban Planning International， 2018， 33（1）： 111-118.

[5]楊陶源，吳海燕，楊靜，等. 基于微觀仿真的城市軌道交通車站設(shè)施服務(wù)水平研究[J]. 交通信息與安全，2016，34（1）：123-129.

YANG Taoyuan， WU Haiyan， YANG Jing， et al. Development of the level of service for the facilities of urban rail transit stations based on microscopic simulation[J]. Journal of Transport Information and Safety， 2016， 34（1）： 123-129.

[6]趙鵬軍，曹毓書. 基于多源地理大數(shù)據(jù)與機(jī)器學(xué)習(xí)的地鐵乘客出行目的識別方法[J]. 地球信息科學(xué)學(xué)報(bào)，2020，22（9）：1753-1765.

ZHAO Pengjun， CAO Yushu. Identifying metro trip purpose using multi-source geographic big data and machine learning approach[J]. Journal of Geo-information Science， 2020， 22（9）： 1753-1765.

[7]CHU K K A， CHAPLEAU R. Augmenting transit trip characterization and travel behavior compre-hension： multiday location-stamped smart card transactions[J]. Transportation Research Record， 2010， 2183（1）： 29-40.

[8]LONG Y， LIU X， ZHOU J， et al. Early birds， night owls， and tireless/recurring itinerants： an exploratory analysis of extreme transit behaviors in Beijing， China[J]. Habitat International， 2016， 57： 223-232.

[9]WU Y， LU J， CHEN Y. Study of the influencing factors of urban rail transit travel behavior： a case study of Xi'an[J]. Applied Mechanics and Materials， 2015， 744-746： 2049-2052.

[10]DIJST M， VIDAKOVIC V. Travel time ratio： the key factor of spatial reach[J]. Transportation， 2000， 27（2）： 179-199.

[11]史小俊. 地鐵車站應(yīng)對大客流的組織措施[J]. 城市軌道交通研究，2009，12（10）：70-72.

SHI Xiaojun. Counter measures in passenger flow organization for metro station[J]. Urban Mass Transit， 2009， 12（10）： 70-72.

[12]陳子浩，胡楊，王德，等. 歐洲城市時(shí)間政策的主要議題及相應(yīng)實(shí)踐[J]. 城市發(fā)展研究，2022，29（11）：89-96.

CHEN Zihao， HU Yang， WANG De， et al. Main topics and corresponding practices of European urban time polices[J]. Urban Development Studies， 2022， 29（11）： 89-96.

[13]胡楊，陳子浩，王德，等. 城市時(shí)間政策的西歐經(jīng)驗(yàn)與啟示：實(shí)踐評述、發(fā)展脈絡(luò)與行動(dòng)框架[J/OL]. 國際城市規(guī)劃：1-18[2024-02-18]. https：//doi.org/10.19830/j.upi.2022.449.

HU Yang， CHEN Zihao， WANG De， et al. Urban time policies in western Europe： practice review， development context and action framework[J/OL].Urban Planning International： 1-18[2024-02-18]. https：//doi.org/10.19830/j.upi.2022.449.

[14]王倩，郭繼孚，葛昱，等. 北京市軌道交通車站預(yù)約出行實(shí)踐與思考[J]. 城市交通，2021，19（1）：89-94.

WANG Qian， GUO Jifu， GE Yu， et al. Practice and thoughts on reservation travel in Beijing metro stations[J]. Urban Transport of China， 2021， 19（1）： 89-94.

[15]田貴超，張建同，胡一竑. 基于乘客行為的城市軌道交通分時(shí)定價(jià)策略研究[J]. 上海管理科學(xué)，2013，35（5）：77-83.

TIAN Guichao， ZHANG Jiantong， HU Yihong. Research on urban rail transit's time differential pricing strategy based on passenger behavior[J]. Shanghai Management Science， 2013， 35（5）： 77-83.

[16]INGVARDSON J B， NIELSEN O A， RAVEAU S， et al. Passenger arrival and waiting time distributions dependent on train service frequency and station characteristics： a smart card data analysis[J]. Transportation Research Part C： Emerging Technologies， 2018， 90： 292-306.

[17]GUO Z， ZHAO J， WHONG C， et al. Redesigning subway map to mitigate bottleneck congestion： an experiment in Washington DC using Mechanical Turk[J]. Transportation Research Part A： Policy and Practice， 2017， 106： 158-169.

[18]中國城市軌道交通協(xié)會(huì). 城市軌道交通2016年度統(tǒng)計(jì)和分析報(bào)告[J]. 城市軌道交通，2017（1）：20-36.

China Association of Metros. China metros annual statistical and analysis report， 2016[J]. China Metros， 2017（1）： 20-36.

基金項(xiàng)目：國家自然科學(xué)基金課題“時(shí)空行為規(guī)劃的框架、方法與實(shí)證研究”（編號52378069）資助。