CN105389640A - 市郊铁路客流的预测方法 - Google Patents

Abstract

本发明公开一种市郊铁路客流的预测方法，操作步骤如下：构建预测模型基础数据库和轨道交通客流分配网络，针对市郊铁路与城市轨道交通之间的运营衔接方式，分别构建预测模型；利用预测模型，结合基础数据，在相应的轨道交通客流分配网络上进行市郊轨道交通客流分配，得到预测结果；最后进行最终方案的客流预测。克服了现有技术中预测结果不理想、与实际数据差距较大的缺陷，进一步提高预测的准确性，为市郊铁路的铁路规划提供依据。

Description

市郊铁路客流的预测方法

技术领域

本发明涉及一种客流量的预测算法，尤其涉及一种市郊铁路客流的预测方法。

背景技术

随着各国经济的快速发展以及城市化进程加快，城市开始呈现出向外围组团发展的趋势，同时城市组团型特征日益突出，如何解决好外围组团与中心城区的沟通、促进并带动城市外围组团的发展是解决好目前我国“城市病”的关键。轨道交通与其它交通方式相比具有运量大、速度快、安全、准时、环保等特点，随着人们对这一新型交通工具认识的不断加深、运营设施的完善及管理水平的不断提高，越来越多的城市，尤其是特大及大型城市在解决城市外围组团出行及引导发展时开始逐步的选择市郊铁路。

市郊铁路是介于城市轨道交通和城际铁路之间的轨道交通制式，主要功能有以下三点：⑴沟通中心城区与外围城镇组团的联系；⑵发挥市郊铁路的“TOD”效应，引导外围城镇组团的发展；⑶引导优化市域城镇空间的合理演变及发展。

市郊铁路源于国外，最早出现于德国。由于它可以弥补城市轨道交通与城际铁路之间的空白，构建满足不同层次出行需求的轨道交通体系，目前在国外获得广泛推广，比如德国的杜塞尔多夫、科隆、柏林及慕尼黑等。

虽然市郊铁路是一种快速、便捷、高效、安全、环保的交通方式，目前国内部分城市正在积极的规划研究之中，但由于其建设耗资巨大、运营维护费用高、规划年限长、涉及面广、综合性强的特点，所以在开工建设之前必须对其进行合理的规划和客观科学的客流预测工作，只有这样才能发挥出应有的作用，否则不但不能有效的解决居民出行的交通问题和引导市域城镇体系的合理发展，还会成为城市发展的沉重包袱，造成城市无序的发展。但是目前还没有一套专门针对市郊铁路的特点而进行客流预测的方法，借用城市轨道交通或城际铁路客流预测方法会造成较大的偏差。

有鉴于上述现有的客流预测存在的缺陷，本发明人基于从事此类产品设计制造多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种新型市郊铁路客流的预测方法，使其更具有实用性。经过不断的研究、设计，并经反复试作样品及改进后，终于创设出确具实用价值的本发明。

发明内容

本发明的主要目的在于，克服现有的客流预测方法存在的缺陷，而提供一种新型市郊铁路客流的预测方法，提高预测的准确性，从而更加适于实用，且具有产业上的利用价值。

本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的市郊铁路客流的预测方法，具体操作步骤如下：

(1)通过OD反推及站点吸引进行预测模型基础数据库的构建，OD反推即OD矩阵反推；

(2)依据市郊铁路的功能定位，结合运营衔接方式，构建轨道交通客流分配网络；

(3)分别针对市郊铁路与城市轨道交通之间的运营衔接方式，分别构建预测模型；

(4)利用预测模型，结合基础数据，在相应的轨道交通客流分配网络上进行市郊轨道交通客流分配，从而得到市郊轨道交通全线客流、车站客流、分流客流、换乘客流的预测结果；全线客流包括全日客流量和各小时段的客流量及比例，车站客流包括全日、早、晚高峰小时的上下客流、站间断面流量以及相应的超高系数，分流客流包括站间OD表、平均运距及各级运量，换乘客流指市郊铁路与市郊轨道间的换乘量以及市郊铁路与城市轨道间的换乘量；

(5)通过不同运营组织方案的客流预测结果的比较，推荐最佳的运营规划方案，并结合推荐的运营规划方案进行最终方案的客流预测。

更具体地说，本预测方法有两个关键点，即步骤(1)和步骤(3)，其中步骤(1)克服了现有预测技术中预测模型基础数据获取的耗时长、投资大、周期长等缺点；步骤(3)从市郊铁路与城市轨道之间的关系出发，克服了现有预测技术仅考虑一种交通制式的缺陷，将大大提高预测的精度。下面分别对这两个关键点加以说明。

关键点(一)：预测模型基础数据库的构建。

a、确定规划区域并划分交通小区；

OD反推区域包含所有预测的路段，而且还包括该区域所在行政职能区内的主要干道。确定反推区域后进行交通小区划分，划分时应遵循如下原则：

①相似原则：小区内土地利用和人口构成尽可能相似；

②统一原则：小区划分应与行政区划或者已有的城市规划小区兼容；

③均衡原则：以出行时间为衡量标准，交通拥挤区域、土地利用强度高的区域和重点研究的区域应更细致；

④分隔线原则：以天然障碍作为小区的边界线。

b、交通网络的构建；

c、种子矩阵的构建；

d、调查路段的选择；

利用最少的调查路段获取满足要求的OD信息，需要合理的选择调查路段。由于调查路段的数量和位置不同对推算OD矩阵所起的作用不同，得到的OD估算矩阵的精度也不同。因此在调查路段的选取时必须遵循以下基本准则：

①OD覆盖准则。调查路段流量应该涵盖所有OD对信息，即任意OD之间的分配流量均包含在所选路段上。

②最大流量准则。对于某一特定的OD点对，应使这一OD点对间的流量在调查路段上尽可能大。在一般情况下，网络中所观测的交通流越大，OD反推的精度就越高。

③最大流截断准则。在调查路段数量一定时，所选路段应尽可能多地截断OD交通量。

④路段独立准则。路网中调查路段的流量之间应线性无关，为了提供尽可能多的OD信息，某一调查路段交通量不能由其他调查路段交通量计算得到。

通常上述4条准则很难同时得到满足，一般来说，OD覆盖准则以及路段独立准则是选择调查路段的基本依据，需优先得到满足。

调查路段选取准则的基本的数学模型可表述为：

$\begin{array}{cc}\min & Z\left(z\right)=\underset{a\∈A}{\Σ}{z}_a---\left(1\right)\end{array}$

$\begin{array}{ccc}s.t.& \underset{a\∈A}{\Σ}{\mathrm{\δ}}_{aw}\·z_a\≥1,& w\∈W\end{array}$

z_a＝0,1,a∈A

式中：w表示OD对，W表示OD对集合，a表示路段，A为路段集合，∈表示隶属于。

其目标函数要求调查路段尽量少，而约束限定每个OD对之间必须包含一条调查路段，即利用最少的路段提供尽可能多的OD信息。

e、OD反推模型的构建；

f、进行OD反推，直至反推后的OD进行分配时，预测客流与调查路段实际客流相比，其误差小于允许误差时，则终止迭代，输出结果。

其中步骤c和d是影响整个基础数据获取精度的关键。

关键点(二)：不同运营衔接方式的市郊铁路客流预测方法。

第一种基于合作竞争的市郊铁路客流预测方法

本方法主要是针对市郊铁路与城市轨道交通采用联轨共线运营的情况。此时的预测步骤为：

①.确定所规划范围；

②.居民出行基础数据的收集；

③.分层次策略性的交通方式划分；

④.合作竞争联合分配网络的构建；

⑤.基于合作竞争联合策略的客流分配；

⑥.对步骤⑸所预测的客流，进行通道客流验证。

第二种基于联运接驳方式的市郊铁路客流预测方法：

本方法主要是针对市郊铁路与城市轨道交通采用节点换乘衔接的情况。此时的预测步骤为：

①.确定所规划范围；

②.居民出行基础数据的收集；

③.联运接驳客运网络的构建；

④.通道客流预测及接驳节点换乘客流预测；

⑤.对步骤⑷所预测的客流，进行客流模拟验证。

借由上述技术方案，本发明的市郊铁路客流的预测方法至少具有下列优点：

本发明克服了现有技术中预测结果不理想、与事后的实际数据差距较大的缺陷；进一步提高预测的准确性。本发明的方法可以在分析城市空间形态的基础上，综合考虑市域城市组团空间布局、人口分布、行政区划、交通结构、市郊轨道线的功能定位、运营组织以及与城市轨道交通的衔接方式等影响因素，建立相关关系模型进行相关指标的筛选，然后从运营衔接方式出发，借助软件平台构建相应的客流预测。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例详细说明如后。

具体实施方式

为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,对依据本发明提出的市郊铁路客流的预测方法其具体实施方式、特征及其功效，详细说明如后。

本发明将针对不同的市域空间形态选择不同的城市为例展开研究，初步选择如下：中心+外围组团型城市以南京为例；带状组团型城市以兰州为例。针对这两个不同形态的城市，分别从与城市轨道交通联轨运营和接驳联运的不同运营衔接方式展开验证分析。现以兰州市市郊铁路客流预测为例，展开说明，具体情况如下：

(1)轨道交通线网方案

城市轨道线路规划

1号线：东岗站-东方红广场站-南关什字站-西关什字站-小西湖站-西客站-陈官营站，长度26km。

2号线：雁北路站-兰州站-东方红广场站-南关站-西关十字站-理工大站-西客站-培黎广场站-费家营站-元台子站，长度32km；

3号线：五泉山站-西关什字站-草场街站-新港城站-雁东路站-东岗站-和平东站，长度约为24km。

市郊轨道线路规划

市郊1号线：中川线；

市郊2号线：青什线；

市郊3号线：榆中线。

中心城区换乘站：

陈官营站、西客站、西关十字站、双城门站、南关站、东方红广场站、五里铺站、雁北路站、东岗站。

(2)预测基础数据库的构建

1)交通小区的划分，

2)OD反推关键路段的选取，

OD反推：

由于164×164的矩阵OD比较大，现将其合并为12×12的矩阵OD，利用本次提出的OD反推技术获取的OD矩阵见表1，同时为了验证反推技术获取基础数据的科学性，特意与通过居民出行调查获取的OD，即正推OD进行了验证，结果表明反推OD矩阵(表1)与正推OD矩阵(表2)的比较，可以看出两个矩阵分布基本吻合，误差在10％以内。

表1利用路段交通量反推的基年OD矩阵(百人次/日)

表2正推得到的基年OD矩阵(百人次/日)

(3)分配路网的构建

市郊轨道客流预测的分配路网一般有三级网络构成，即市郊铁路+城市轨道网、公共交通网和步行集网络。

(4)分配预测模型的构建

无论是合作竞争运营衔接还是接驳联运衔接时，都需要对路阻函数进行构建，原因是此模型是假设每个居民出行均选择出行费用最小的路径及交通方式，为了提高预测精度，本次将出行费用进行了广义化的定义，即包括实际交通费用和出行时间的综合。其模型如下：

$c_k=\underset{i\∈J}{\Σ}\[r_j+VOT*({\mathrm{\γ}}_x{x}_i+{\mathrm{\γ}}_w{w}_I)\]+\underset{i\∈I}{\Σ}\[VOT*({\mathrm{\λ}}_d{d}_i+{\mathrm{\γ}}_v{t}_i(1+\mathrm{\α}{\left(v_i/C_i\right)}^{\mathrm{\β}}\left)\right)\]$

式中：c^k——以货币单位衡量的路径k的总费用；

C_i——路径i高峰小时通行能力；

d_i——与路径i相关的停站时间；

i——路线k经过的路径标识；

I——路线k经过的路径集合；

j——经过路线k的公交线路标识；

J——经过路线k的公交线路的集合；

rj——公交线j的费用；

t_i——路径i的车内时间或非公交时间；

v_i——路径i的客流量；

VOT——时间价值；

w_j——公交线路j的等车时间；

x_j——公交线路j的换乘时间；

α,β——拥挤影响参数；

γ_d——上下车时间权重；

γ_v——车内时间权重；

γ_w——等车时间权重；

γ_x——换乘时间权重；

●广义费用函数分配模型标定

表3线路服务水平基本参数标定

表4不同公共交通方式间换乘参数标定

表5分配模型权重参数的标定

●时间价值参数的确定

$V_{person}^k=\frac{1.29*W*{\mathrm{QT}}_{work}^k+0.2*H*{\mathrm{QT}}_{unwork}^k}{{\mathrm{QT}}_{work}^k+{\mathrm{QT}}_{unwork}^k}$

式中：——车型为k的机动车人均乘次时间价值，元/人次·小时；

W——平均小时工资水平，元/小时；

H——平均小时家庭收入水平，元/小时；

——居民工作出行周转量，人次/分钟；

——居民非工作出行周转量，人次/分钟。

(5)客流预测

然后将以上标定出的参数输入分配路网数据库中，再结合基础OD数据库分别针对合作竞争运营衔接和接驳联运运营衔接方式进行客流预测，其部分结果见下表所示。

表6合作竞争运营衔接方式市郊铁路客流预测(含城市轨道交通)

表7接驳联运运营衔接方式市郊铁路客流预测(含城市轨道交通)

(6)客流预测结果的比选

通过上述预测比较分析可以得知，对于市郊线：中川线、青什线和榆中线而言，采用与城市轨道线路合作竞争运营衔接方式更有利于客流的培育，即更能最大限度的方便市郊居民的出行。同时，预测的客流强度及日客流量将直接决定着后期的车辆选型及编组。

Claims (5)

1.一种市郊铁路客流的预测方法，其特征在于，具体操作步骤如下：

通过OD反推及站点吸引进行预测模型基础数据库的构建；

依据市郊铁路的功能定位，结合运营衔接方式，构建轨道交通客流分配网络；

分别针对市郊铁路与城市轨道交通之间的运营衔接方式，分别构建预测模型；

利用预测模型，结合基础数据，在相应的轨道交通客流分配网络上进行市郊轨道交通客流分配，从而得到市郊轨道交通全线客流、车站客流、分流客流、换乘客流的预测结果；

通过不同运营组织方案的客流预测结果的比较，并结合推荐的运营规划方案进行最终方案的客流预测。

2.根据权利要求1所述的市郊铁路客流的预测方法，其特征在于，构建预测模型包括基于OD反推及站点吸引的市郊铁路客流预测基础数据构建预测模型，基于合作竞争的市郊铁路客流构建预测模型或基于联运接驳方式的市郊铁路客流构建预测模型。

3.根据权利要求2所述的市郊铁路客流的预测方法，其特征在于，基于OD反推及站点吸引的市郊铁路客流预测基础数据构建预测模型的方法包括如下操作步骤，

1)确定规划区域并划分交通小区，OD反推区域包含所有预测的路段，而且还包括该区域所在行政职能区内的主要干道；

2)构建交通网络；

3)选择调查路段，利用最少的调查路段获取OD信息；

4)基于OD反推及站点吸引的市郊铁路客流预测基础数据构建预测模型。

4.根据权利要求2所述的市郊铁路客流的预测方法，其特征在于，基于合作竞争的市郊铁路客流构建预测模型的方法包括如下操作步骤，

1)确定规划范围；

2)收集居民出行的基础数据；

3)划分分层次的交通方式；

4)构建合作竞争联合分配网络；

5)基于合作竞争联合策略预测客流分配；

6)对步骤5)所预测的客流，进行通道客流验证，构建预测模型。

5.根据权利要求2所述的市郊铁路客流的预测方法，其特征在于，基于联运接驳方式的市郊铁路客流构建预测模型的方法包括如下操作步骤，

1)确定规划范围；

2)收集居民出行的基础数据；

3)构建联运接驳客运网络；

4)预测通道客流及接驳节点换乘客流；

5)对步骤4)所预测的客流，进行客流模拟验证，构建预测模型。