CN111882098A - 一种基于整体协同的铁路站点客流及接驳方式预测方法 - Google Patents
一种基于整体协同的铁路站点客流及接驳方式预测方法 Download PDFInfo
- Publication number
- CN111882098A CN111882098A CN202010258272.7A CN202010258272A CN111882098A CN 111882098 A CN111882098 A CN 111882098A CN 202010258272 A CN202010258272 A CN 202010258272A CN 111882098 A CN111882098 A CN 111882098A
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- railway
- scale
- passenger
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims abstract description 64
- 238000011161 development Methods 0.000 claims abstract description 17
- 230000005484 gravity Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000011835 investigation Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000011664 signaling Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000029305 taxis Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于整体协同的铁路站点客流及接驳方式预测方法,方法包括:步骤1:利用经济增长与对外出行增长的弹性系数预测城市对外出行总规模;步骤2:预测铁路客运量规模;步骤3:基于城市引力的铁路发送客流的空间分布预测;步骤4:铁路分制式及分线路客流量预测;步骤5:基于城市集疏运交通可达性的人口覆盖及站点客流量预测;步骤6:各枢纽接驳方式及接驳设施规模预测。本发明提供的方法统筹考虑了各种交通方式、各个枢纽、各条线路的相互关系,有助于各个枢纽厘清功能、找准定位,在更高的区域层面枢纽统筹发展规划和决策工作中起到有力的支撑作用。
Description
技术领域
本发明涉及交通流量预测技术领域,尤其是指一种基于整体协同的铁路站点客流及接驳 方式预测方法。
背景技术
铁路站点是城市综合交通运输枢纽中的最重要和关键一环,是衔接区域交通与城市交通 的重要节点,在提升综合交通运输品质、保障综合交通运输质量和效益方面起到重要的作用。 客流量预测是支撑综合交通运输枢纽建设的重要依据,合理的客流预测可以及时把握枢纽的 发展需求,正确指引枢纽的未来建设。
为此需要针对枢纽客流预测研究制定一套完整的科学预测体系,协同考虑区域交通运输 需求与城市交通协调性,使得预测结果既与区域和城市总体发展态势相适应,又能细致统筹 各个枢纽和各种交通方式之间的相互关系,提高客流预测的准确性与可信度,有力支撑区域 层面的铁路枢纽统筹发展。
目前铁路站点客流预测均遵循着眼单个站点的预测思路,主要为对某一单独的铁路站点 展开特征研究,结合枢纽功能等特征研究结果,进而采用趋势分析法、增长率法、类比法等 简单类推方法预测未来枢纽客流。传统铁路站点客流预测中的单点预测思路存在“各自为营、 就点论点”的缺陷,存在较大的局限性:
(1)不能从全市对外出行需求总量层面,综合考虑铁路、公路、水运、航空等交通方式 相互关系,无法从综合交通运输体系的视角准确反映全市层面铁路发送总量。
(2)单点预测思路在对某个枢纽进行预测时缺乏统筹考虑,不能对其与全市层面其他枢 纽之间相互关系展开细致研究,往往导致单个站点预测结果盲目偏大,最终出现各个枢纽预 测的总和远远超出全市实际需求的情况,容易形成资源浪费,不利于全市层面的枢纽统筹发 展。
(3)单个站点的预测思路,不能反映铁路客流在不同铁路制式、空间层次中的相互关系, 以及不同城市交通条件的反馈作用,预测结果缺乏说服力,并且无法准确预测枢纽不同制式 的各自发送规模、空间分布等结果。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于整体协同的铁路站点客流及接驳 方式预测方法,解决传统铁路站点客流预测中的单点预测思路中存在的“各自为营、就点论 点”的缺陷。一种基于整体协同的铁路站点客流及接驳方式预测方法,包括如下步骤:
步骤1:利用经济增长与对外出行增长的弹性系数预测城市对外出行总规模;
在总量预测时结合出行与经济的关系,利用弹性系数法预测全市对外出行量;利用对外 出行率与社会经济活动的关联性,通过对外出行率和GDP历史数据的统计分析,利用弹性系 数法对未来出行率进行预测;
式中:Ei——i区对外出行频率弹性系数
r对外出行率i——i区对外客运出行频率的增长率
rGDPi——i区经济增长率
规划年全市对外出行总规模等于现状全市对外出行总规模与经济增长率、弹性系数的乘 积;
步骤2:预测铁路运客运量规模;
利用基于价格、便利性因子的多元LOGIT模型,实现对铁路的分担预测;
第一步:预测陆运客运量规模;根据各方式的发展趋势特征,将全市对外出行总规模的 预测结果按照水运、空运、陆运三大类进行预测;根据历史数据统计,水运客运量呈平稳上 升的趋势,远期水运发送总量根据规划人口的变化情况进行增长预测;航空客运量根据机场 规划设计规模进行推算;将预测所得全市对外出行总规模减去水运、空运客运量,可得到预 测陆运客运量规模;
第二步:预测铁路客运量规模;陆运划分为公路和铁路两种方式,利用价格因子、便利 性因子的划分模型,对陆运发送量进一步划分,得到公路方式发送量和铁路方式发送量比例;
其中,便利性因子由出行时间、是否换乘、舒适度等多方因素构成,不同设施规划条件 下取值不同,体现不同方式之间的协同;铁路客运量规模等于陆运客运量规模与铁路出行方 式比例的乘积;
步骤3:基于城市引力的铁路发送客流的空间分布预测;
铁路站点客流预测,明确了铁路客流空间分布,结合铁路制式总体方案明确制式客流规 模,进而分摊到各枢纽站点上;运用基于城市引力的空间分布预测模型,利用城市间的引力 大小来确定城市间的出行规模大小,进而得到铁路对外出行的客流空间分布;
铁路发送量的空间分布与人口分布、城市或区域间的引力相关,利用人口与引力两个因 子预测铁路发送客流的空间分布,进行空间分布预测的模型如下:
式中:T为城市引力,Q为城市质量,d为时间距离,G为地区生产总值,R为地区常住人口,x1为通过某种方式到达目的地的时间;K值为权重系数,利用现状各区域铁路发送规模、 城市引力的计算值拟合获得;
步骤4:铁路分制式及分线路客流量预测;
铁路发送总量预测中,通过空间分布划分得到紧邻城市、省内其他城市、以及省外发送 规模,通过各区域特征分别进行方式划分;
第一步:铁路分制式预测
结合不同区域客流需求的特征,首先划分出城际、高普铁客运量;在预测所的高普铁客 运量的结果上,根据高普铁客运发展趋势的分析,进一步区分出普铁、高铁客运量;紧邻城 市的铁路客流需求,由于出行距离较近、未来城际轨道成熟等特征,假设紧邻城市的铁路客 流基本采取城际方式;省外区域铁路客流则仅能采取高普铁方式;省内其他城市则同时可能 采取高普铁、城际方式,因此针对省内其他城市部分铁路客流,利用人口、票价、发车频率 因子的划分模型,对城际和高普铁进行划分,得到城际方式发送量和高普铁方式发送量比例;
第二步:铁路分线路客流量预测
基于线路辐射人口及线路连接城市引力的城际线路客流规模预测,将某一制式铁路客流 分担到各条铁路线路中,得到各线路发送量;基于线路上各站点辐射市内人口及各站点功能 重要性的站点客流规模预测,将某一线路铁路客流分担到各站点中,得到各站点发送量;
步骤5:基于城市集疏运交通可达性的人口覆盖及站点客流量预测;
在城市内各铁路站点客流规模划分预测中,一般根据铁路站点布局进行服务范围的分析, 但该服务范围基本某一半径圈的覆盖,结合城市枢纽的集疏运系统的交通可达性来进行各枢 纽客流吸引范围的测算,推算各站点辐射人口规模,进而确定各枢纽客流规模分担情况,利 用该方法更符合城市居民出行对时间和便利性要素的考量,体现了不同铁路站点之间协同:
其中,人口因子从全市整体层面进行分析,根据每个铁路站点接驳设施布局及覆盖范围, 将全市各小区人口划归唯一铁路站点,保证人口因子在全市层面整体闭合;
步骤6:各枢纽接驳方式及接驳设施规模预测;
为保证区域交通与城市交通协调性,获得各枢纽站点客流规模后,应对铁路乘客进入城 市的接驳方式进行分析预测,保证城市接驳设施与铁路站点功能的无缝连接;
第一步:对铁路客流到发特征及各种接驳方式运营特征进行调查分析;根据铁路客流量 对外出行在时间、接送等方面的特殊性,调查技术方法及获取的技术参数包括:调查旅客到 达时间分布,预测衔接设施规模并计算高峰客流;调查旅客平均驻留时间预测集散空间规模; 调查客流日波动系数获取设施规模测算的安全系数;调查现状客流空间分布获取发送量预测 中客流转移估算依据;调查现状集散方式,获取集散方式预测参考;调查接送系数,获取设 施规模测算中客流规模的依据;调查小汽车、出租车、公交车运行特征系数、载客率等,获 取设施规模测算公式关键系数;
第二步:基于波动系数和接送系数预测接驳客流量;在传统客流预测的基础上将旅客实 际产生的驻留数据以及空间分布数据作为修正因素,从而进行接驳方式划分预测,结合铁路 站点客流量预测慢行客流量、轨道客流量、公交客流量、出租车客流量和小汽车客流量;依 据小汽车客流预测小汽车停车场规模;未来各枢纽接驳方式预测根据现状交通调查结果采用 类比分析法及趋势增长法进行预测,预测方法结合城市交通模型中方式分担模块进行;
第三步:接驳设施规模预测;根据不同接驳方式的客流量,预测接驳设施的规模,依据 慢行客流预测自行车停放区规模;依据轨道客流预测轨道站厅及出入口规模;依据公交客流 预测公交场站规模;依据出租车客流预测出租车蓄车区规模。
优选的,在所述步骤6中,对铁路客流到发特征及各种接驳方式运营特征进行调查分析 结合大数据和传统调查,全面充分掌握枢纽衔接现状特征参数;基于手机大数据、公交刷卡 数据以及手机信令数据,对城市枢纽客流的到达时间、驻留时间、空间分布等数据进行调查 分析,利用客流的实际出行特性进行分析和数据提取,得出各类交通方式的旅客驻留时间分 布以及空间分布特性,修正传统建模分析流程,有效对集散空间、客流设施规模等进行测算; 在预测过程中统筹考虑多影响因素,使预测结果符合全市整体情况,反映各交通方式间的相 互关系。
本发明弥补了单点预测思路的局限和全局预测思路无法细分到单点的缺点,建立了一种 基于整体协同的铁路站点客流及接驳方式预测方法,本发明的优点在于:
1)本发明利用经济增长与对外出行增长的弹性系数合理预测城市对外出行规模,避免常 用的趋势分析法因忽略城市和区域发展变化对出行规模的影响;
2)本发明提出基于价格、出行距离、便利性因子的多元LOGIT模型,实现对公路、铁路、 航空、水运四大运输方式的分担预测;考虑城市引力的对外出行空间分布预测;基于出行距 离、票价、辐射人口、发车频率因子的铁路制式客流分担预测等方法,预测结果精度更好, 更加科学;
3)整体层面重点构建全市对外总量、四大运输方式分担、铁路客流空间分布、铁路制式 选择的预测模型,能够实现多种交通方式、多层次空间关系统筹下的铁路发送量预测;将区 域综合交通运输与城市交通分析一体化考虑,是一种基于多层次全局统筹的综合运输枢纽客 运量预测体系。
附图说明
图1铁路站点客运量预测体系框架图;
图2一种基于整体协同的铁路站点客流及接驳方式预测方法示意图;
图3铁路各制式划分流程示意图;
图4铁路发送量分配至各线路技术流程图;
图5枢纽接驳设施预测流程图;
图6调查技术方法及获取的技术参数示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。一种基于整体协同的铁路 站点客流及接驳方式预测方法采用从面到点的预测思路,以全市对外出行总量的预测来控制 整体出行量,逐层划分得到各枢纽站客运规模。如图1所示,为了弥补单点预测思路的局限 和全局预测思路无法细分到单点的缺点,本发明建立一套基于整体协同的铁路站点客流及接 驳方式预测方法,主要包括:
利用经济增长与对外出行增长的弹性系数合理预测城市对外出行规模,避免常用的趋势 分析法因忽略城市和区域发展变化对出行规模的影响;基于价格、出行距离、便利性因子的 多元LOGIT模型,实现对公路、铁路、航空、水运四大运输方式的分担预测;考虑城市引力 的对外出行空间分布预测;基于出行距离、票价、辐射人口、发车频率因子的铁路制式客流 分担预测;基于线路辐射人口及线路连接城市引力的分线路客流规模预测;基于城市集疏运 系统交通可达性人口辐射的市内铁路站点客流分担预测;结合城市交通模型中方式分担模块 进行枢纽衔接方式比例预测。通过该技术体系预测,既可以输出单站点分制式客流量,为铁 路站台规模、站体设计、运营组织提供依据,又可以输出各接驳方式客流量,为接驳设施建 设提供依据。
如图2所示,一种基于整体协同的铁路站点客流及接驳方式预测方法包括如下步骤:
步骤1:利用经济增长与对外出行增长的弹性系数预测城市对外出行总规模
在总量预测阶段就考虑出行与经济的关系,利用弹性系数法预测未来出行量。预测通过 全市对外出行规模的总量控制,保证预测的科学合理性。
弹性系数法是在对一个因素发展变化预测的基础上,对另一个因素的发展变化作出预测 的一种间接预测方法,由于对外出行率与社会经济活动的关联性,预测中通过对外出行率和 GDP历史数据的统计分析,利用弹性系数法对未来出行率进行预测。
式中:Ei——i区对外出行频率弹性系数
r对外出行率i——i区对外客运出行频率的增长率
rGDPi——i区经济增长率
城市对外出行总规模等于现状全市对外出行总规模与经济增长率、弹性系数的乘积。
步骤2:预测铁路运客运量规模;
根据各方式的发展趋势特征,将全市对外发送量的预测结果,按照水运、空运、陆运(公 路+铁路)三大类进行预测。利用基于价格、便利性因子的多元LOGIT模型,实现对铁路的分 担预测。
第一步:预测陆运客运量规模。根据各方式的发展趋势特征,将全市对外出行总规模的 预测结果按照水运、空运、陆运三大类进行预测。根据历史数据统计,水运客运量呈平稳上 升的趋势,远期水运发送总量根据规划人口的变化情况进行增长预测。航空客运量根据机场 规划设计规模进行推算。将预测所得全市对外出行总规模减去水运、空运客运量,可得到预 测陆运客运量规模。
第二步:预测铁路客运量规模。陆运划分为公路和铁路两种方式,利用价格因子、便利 性因子的划分模型,进一步对陆运发送量进一步划分,得到公路方式发送量和铁路方式发送 量比例。
其中,便利性因子由出行时间、是否换乘、舒适度等多方因素构成,不同设施规划条件 下取值不同,体现不同方式之间的协同。示例如下表:
相关参数取值
分类 | 价格(元/km) | 规划便利性 | 方式比例 |
公路 | 1.0 | 2.8 | 64.2% |
铁路 | 0.65 | 1.0 | 35.8% |
铁路客运量规模等于陆运客运量规模与铁路出行方式比例的乘积。
步骤3:基于城市引力的铁路发送客流的空间分布预测;
客流空间分布是客流需求预测的重点和难点,以铁路站点客流预测为例,只有明确了铁 路客流空间分布,才能结合铁路制式总体方案明确制式客流规模,进而才能分摊到各枢纽站 点上。一般而言,城市客流的空间分布主要基于城市总体规划确定的空间结构,然后结合重 力模型进行预测,但在城际客流空间分布预测上,一直以来缺乏较为有效的预测方法。本发 明提出了基于城市引力的空间分布预测模型,利用城市间的引力大小来确定城市间的出行规 模大小,进而得到铁路对外出行的客流空间分布。
铁路发送量的空间分布与人口分布、城市或区域间的引力相关,因此利用人口与引力两 个因子预测铁路发送客流的空间分布。进行空间分布预测的模型如下:
式中:T为城市引力,Q为城市质量,d为时间距离,G为地区生产总值,R为地区常住人口,x1为通过某种方式到达目的地的时间。K值为权重系数,利用现状各区域铁路发送规模、 城市引力的计算值拟合获得。
步骤4:铁路分制式及分线路客流量预测;
铁路发送总量预测中,通过空间分布划分得到紧邻城市、省内其他城市、以及省外发送 规模,通过各区域特征分别进行方式划分。
第一步:铁路分制式预测;
如图3所示,结合不同区域客流需求的特征,首先划分出城际、高普铁客运量;在预测 所的高普铁客运量的结果上,根据高普铁客运发展趋势的分析,进一步区分出普铁、高铁客 运量。
紧邻城市的铁路客流需求,由于出行距离较近、未来城际轨道成熟等特征,假设紧邻城 市的铁路客流基本采取城际方式;省外区域铁路客流则仅能采取高普铁方式;省内其他城市 则同时可能采取高普铁、城际方式,因此针对省内其他城市部分铁路客流,利用人口、票价、 发车频率因子的划分模型,对城际和高普铁进行划分,得到城际方式发送量和高普铁方式发 送量比例。
第二步:铁路分线路客流量预测
如图4所示,基于线路辐射人口及线路连接城市引力的城际线路客流规模预测,将某一 制式铁路客流分担到各条铁路线路中,得到各线路发送量。基于线路上各站点辐射市内人口 及各站点功能重要性的站点客流规模预测,将某一线路铁路客流分担到各站点中,得到各站 点发送量。
步骤5:基于城市集疏运交通可达性的人口覆盖及站点客流量预测;
在城市内各铁路站点客流规模划分预测中,一般根据铁路站点布局进行服务范围的分析, 但该服务范围基本某一半径圈的覆盖,结合城市枢纽的集疏运系统的交通可达性来进行各枢 纽客流吸引范围的测算,推算各站点辐射人口规模,进而确定各枢纽客流规模分担情况,利 用该方法更符合城市居民出行对时间和便利性要素的考量,体现了不同铁路站点之间协同。
其中,人口因子从全市整体层面进行分析,根据每个铁路站点接驳设施布局及覆盖范围, 将全市各小区人口划归唯一铁路站点,保证人口因子在全市层面整体闭合。
步骤6:各枢纽接驳方式及接驳设施规模预测;
为保证区域交通与城市交通协调性,获得各枢纽站点客流规模后,应对铁路乘客进入城 市的接驳方式进行分析预测,保证城市接驳设施与铁路站点功能的无缝连接。
第一步:对铁路客流到发特征及各种接驳方式运营特征进行调查分析;如图5所示,根 据铁路客流量对外出行在时间、接送等方面的特殊性,调查技术方法及获取的技术参数包括: 调查旅客到达时间分布,预测衔接设施规模并计算高峰客流;调查旅客平均驻留时间预测集 散空间规模;调查客流日波动系数获取设施规模测算的安全系数;调查现状客流空间分布获 取发送量预测中客流转移估算依据;调查现状集散方式,获取集散方式预测参考;调查接送 系数,获取设施规模测算中客流规模的依据;调查小汽车、出租车、公交车运行特征系数、 载客率等,获取设施规模测算公式关键系数;
对铁路客流到发特征及各种接驳方式运营特征进行调查分析结合大数据和传统调查,全 面充分掌握枢纽衔接现状特征参数;基于手机大数据、公交刷卡数据以及手机信令数据,对 城市枢纽客流的到达时间、驻留时间、空间分布等数据进行调查分析,利用客流的实际出行 特性进行分析和数据提取,得出各类交通方式的旅客驻留时间分布以及空间分布特性,修正 传统建模分析流程,有效对集散空间、客流设施规模等进行测算;在预测过程中统筹考虑多 影响因素,使预测结果符合全市整体情况,反映各交通方式间的相互关系。
第二步:基于波动系数和接送系数预测接驳客流量;在传统客流预测的基础上将旅客实 际产生的驻留数据以及空间分布数据作为修正因素,从而进行接驳方式划分预测,结合铁路 站点客流量预测慢行客流量、轨道客流量、公交客流量、出租车客流量和小汽车客流量;依 据小汽车客流预测小汽车停车场规模;未来各枢纽接驳方式预测根据现状交通调查结果采用 类比分析法及趋势增长法进行预测,预测方法结合城市交通模型中方式分担模块进行;
第三步:接驳设施规模预测;如图6所示,根据不同接驳方式的客流量,预测接驳设施 的规模,依据慢行客流预测自行车停放区规模;依据轨道客流预测轨道站厅及出入口规模; 依据公交客流预测公交场站规模;依据出租车客流预测出租车蓄车区规模
本发明的研究成果已在广州北站、广州站、棠溪站建设工程的前期研究中进行了全面的 应用,取得如下效果:
1)客流规模与设施规模预测有效支撑了上述铁路站点的规模论证及方案研究工作;
2)基于整体协同的铁路站点客流预测方案,与城市整体出行实际诉求更相符,避免了各 个站点单独预测的结果盲目偏大问题,使得各个枢纽的建设规模能与实际客流需求相适应, 从而有效节约城市建设用地;
3)预测方案统筹考虑了各种交通方式、各个枢纽、各条线路的相互关系,有助于各个枢 纽厘清功能、找准定位,在更高的区域层面枢纽统筹发展规划和决策工作中能够起到有力的 支撑作用。
以上所述之实施例仅为本发明的较佳实施例,并非对本发明做任何形式上的限制。任何 熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,利用上述揭示的技术内容对 本发明技术方案作出更多可能的变动和润饰,或修改均为本发明的等效实施例。故凡未脱离 本发明技术方案的内容,依据本发明之思路所作的等同等效变化,均应涵盖于本发明的保护 范围内。
Claims (2)
1.一种基于整体协同的铁路站点客流及接驳方式预测方法,其特征在于:所述方法包括如下步骤:
步骤1:利用经济增长与对外出行增长的弹性系数预测城市对外出行总规模;
在总量预测时结合出行与经济的关系,利用弹性系数法预测全市对外出行量;利用对外出行率与社会经济活动的关联性,通过对外出行率和GDP历史数据的统计分析,利用弹性系数法对未来出行率进行预测;
式中:Ei——i区对外出行频率弹性系数
r对外出行率i——i区对外客运出行频率的增长率
rGDPi——i区经济增长率
规划年全市对外出行总规模等于现状全市对外出行总规模与经济增长率、弹性系数的乘积;
步骤2:预测铁路运客运量规模;
利用基于价格、便利性因子的多元LOGIT模型,实现对铁路的分担预测;
第一步:预测陆运客运量规模;根据各方式的发展趋势特征,将全市对外出行总规模的预测结果按照水运、空运、陆运三大类进行预测;根据历史数据统计,水运客运量呈平稳上升的趋势,远期水运发送总量根据规划人口的变化情况进行增长预测;航空客运量根据机场规划设计规模进行推算;将预测所得全市对外出行总规模减去水运、空运客运量,可得到预测陆运客运量规模;
第二步:预测铁路客运量规模;陆运划分为公路和铁路两种方式,利用价格因子、便利性因子的划分模型,对陆运发送量进一步划分,得到公路方式发送量和铁路方式发送量比例;
其中,便利性因子由出行时间、是否换乘、舒适度等多方因素构成,不同设施规划条件下取值不同,体现不同方式之间的协同;铁路客运量规模等于陆运客运量规模与铁路出行方式比例的乘积;
步骤3:基于城市引力的铁路发送客流的空间分布预测;
铁路站点客流预测,明确了铁路客流空间分布,结合铁路制式总体方案明确制式客流规模,进而分摊到各枢纽站点上;运用基于城市引力的空间分布预测模型,利用城市间的引力大小来确定城市间的出行规模大小,进而得到铁路对外出行的客流空间分布;
铁路发送量的空间分布与人口分布、城市或区域间的引力相关,利用人口与引力两个因子预测铁路发送客流的空间分布,进行空间分布预测的模型如下:
式中:T为城市引力,Q为城市质量,d为时间距离,G为地区生产总值,R为地区常住人口,x1为通过某种方式到达目的地的时间;K值为权重系数,利用现状各区域铁路发送规模、城市引力的计算值拟合获得;
步骤4:铁路分制式及分线路客流量预测;
铁路发送总量预测中,通过空间分布划分得到紧邻城市、省内其他城市、以及省外发送规模,通过各区域特征分别进行方式划分;
第一步:铁路分制式预测
结合不同区域客流需求的特征,首先划分出城际、高普铁客运量;在预测所的高普铁客运量的结果上,根据高普铁客运发展趋势的分析,进一步区分出普铁、高铁客运量;紧邻城市的铁路客流需求,由于出行距离较近、未来城际轨道成熟等特征,假设紧邻城市的铁路客流基本采取城际方式;省外区域铁路客流则仅能采取高普铁方式;省内其他城市则同时可能采取高普铁、城际方式,因此针对省内其他城市部分铁路客流,利用人口、票价、发车频率因子的划分模型,对城际和高普铁进行划分,得到城际方式发送量和高普铁方式发送量比例;
第二步:铁路分线路预测
基于线路辐射人口及线路连接城市引力的城际线路客流规模预测,将某一制式铁路客流分担到各条铁路线路中,得到各线路发送量;基于线路上各站点辐射市内人口及各站点功能重要性的站点客流规模预测,将某一线路铁路客流分担到各站点中,得到各站点发送量;
步骤5:基于城市集疏运交通可达性人口覆盖及站点客流量预测;
在城市内各铁路站点客流规模划分预测中,一般根据铁路站点布局进行服务范围的分析,但该服务范围基本某一半径圈的覆盖,结合城市枢纽的集疏运系统的交通可达性来进行各枢纽客流吸引范围的测算,推算各站点辐射人口规模,进而确定各枢纽客流规模分担情况,利用该方法更符合城市居民出行对时间和便利性要素的考量,体现了不同铁路站点之间协同;
其中,人口因子从全市整体层面进行分析,根据每个铁路站点接驳设施布局及覆盖范围,将全市各小区人口划归唯一铁路站点,保证人口因子在全市层面整体闭合;
步骤6:各枢纽接驳方式及接驳设施规模预测;
为保证区域交通与城市交通协调性,获得各枢纽站点客流规模后,应对铁路乘客进入城市的接驳方式进行分析预测,保证城市接驳设施与铁路站点功能的无缝连接;
第一步:对铁路客流到发特征及各种接驳方式运营特征进行调查分析;根据铁路客流量对外出行在时间、接送等方面的特殊性,调查技术方法及获取的技术参数包括:调查旅客到达时间分布,预测衔接设施规模并计算高峰客流;调查旅客平均驻留时间预测集散空间规模;调查客流日波动系数获取设施规模测算的安全系数;调查现状客流空间分布获取发送量预测中客流转移估算依据;调查现状集散方式,获取集散方式预测参考;调查接送系数,获取设施规模测算中客流规模的依据;调查小汽车、出租车、公交车运行特征系数、载客率等,获取设施规模测算公式关键系数;
第二步:基于波动系数和接送系数预测接驳客流量;在传统客流预测的基础上将旅客实际产生的驻留数据以及空间分布数据作为修正因素,从而进行接驳方式划分预测,结合铁路站点客流量预测慢行客流量、轨道客流量、公交客流量、出租车客流量和小汽车客流量;依据小汽车客流预测小汽车停车场规模;未来各枢纽接驳方式预测根据现状交通调查结果采用类比分析法及趋势增长法进行预测,预测方法结合城市交通模型中方式分担模块进行;
第三步:接驳设施规模预测;根据不同接驳方式的客流量,预测接驳设施的规模,依据慢行客流预测自行车停放区规模;依据轨道客流预测轨道站厅及出入口规模;依据公交客流预测公交场站规模;依据出租车客流预测出租车蓄车区规模。
2.根据权利要求1所述的一种基于整体协同的铁路站点客流及接驳方式预测方法,其特征在于:在所述步骤6中,对铁路客流到发特征及各种接驳方式运营特征进行调查分析结合大数据和传统调查,全面充分掌握枢纽衔接现状特征参数;基于手机大数据、公交刷卡数据以及手机信令数据,对城市枢纽客流的到达时间、驻留时间、空间分布等数据进行调查分析,利用客流的实际出行特性进行分析和数据提取,得出各类交通方式的旅客驻留时间分布以及空间分布特性,修正传统建模分析流程,有效对集散空间、客流设施规模等进行测算;在预测过程中统筹考虑多影响因素,使预测结果符合全市整体情况,反映各交通方式间的相互关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258272.7A CN111882098A (zh) | 2020-04-03 | 2020-04-03 | 一种基于整体协同的铁路站点客流及接驳方式预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258272.7A CN111882098A (zh) | 2020-04-03 | 2020-04-03 | 一种基于整体协同的铁路站点客流及接驳方式预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882098A true CN111882098A (zh) | 2020-11-03 |
Family
ID=73154280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258272.7A Pending CN111882098A (zh) | 2020-04-03 | 2020-04-03 | 一种基于整体协同的铁路站点客流及接驳方式预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882098A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665596A (zh) * | 2020-12-29 | 2021-04-16 | 哈尔滨理工大学 | 一种基于自行车位置数据下的人群移动轨迹算法 |
CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
CN113283508A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113469489A (zh) * | 2021-05-10 | 2021-10-01 | 北京工业大学 | 一种远郊大型活动外围核心区客流协同优化方法 |
CN113793015A (zh) * | 2021-09-09 | 2021-12-14 | 重庆城市综合交通枢纽(集团)有限公司 | 基于客流预测的枢纽站停车泊位规模设计方法及系统 |
CN115860520A (zh) * | 2022-11-18 | 2023-03-28 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830399A (zh) * | 2018-04-09 | 2018-11-16 | 中设设计集团股份有限公司 | 一种轨道交通站点接驳设施供需平衡的优化调整方法 |
CN109034506A (zh) * | 2018-09-18 | 2018-12-18 | 中铁第五勘察设计院集团有限公司 | 一种综合客运枢纽联运交通客流量预测方法 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
-
2020
- 2020-04-03 CN CN202010258272.7A patent/CN111882098A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830399A (zh) * | 2018-04-09 | 2018-11-16 | 中设设计集团股份有限公司 | 一种轨道交通站点接驳设施供需平衡的优化调整方法 |
CN109034506A (zh) * | 2018-09-18 | 2018-12-18 | 中铁第五勘察设计院集团有限公司 | 一种综合客运枢纽联运交通客流量预测方法 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
Non-Patent Citations (2)
Title |
---|
"天路公考"专家团队: "《旅游管理专业知识》", 28 February 2014, 北京:中国铁道出版社 * |
杨海波 等: "成都市铁路客流特征与客运站布局研究", 《铁道运输与经济》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665596A (zh) * | 2020-12-29 | 2021-04-16 | 哈尔滨理工大学 | 一种基于自行车位置数据下的人群移动轨迹算法 |
CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
CN112819316B (zh) * | 2021-01-29 | 2022-06-10 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
CN113469489A (zh) * | 2021-05-10 | 2021-10-01 | 北京工业大学 | 一种远郊大型活动外围核心区客流协同优化方法 |
CN113469489B (zh) * | 2021-05-10 | 2023-10-10 | 北京工业大学 | 一种远郊大型活动外围核心区客流协同优化方法 |
CN113283508A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113283508B (zh) * | 2021-05-28 | 2023-11-10 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113793015A (zh) * | 2021-09-09 | 2021-12-14 | 重庆城市综合交通枢纽(集团)有限公司 | 基于客流预测的枢纽站停车泊位规模设计方法及系统 |
CN115860520A (zh) * | 2022-11-18 | 2023-03-28 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
CN115860520B (zh) * | 2022-11-18 | 2023-08-22 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882098A (zh) | 一种基于整体协同的铁路站点客流及接驳方式预测方法 | |
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
CN112184281B (zh) | 一种基于出行空间分类的铁路枢纽客运需求预测方法 | |
Sieber et al. | Improved public transportation in rural areas with self-driving cars: A study on the operation of Swiss train lines | |
Lu et al. | Smart urban transit systems: from integrated framework to interdisciplinary perspective | |
CN107679654B (zh) | 一种停车规模预估控制系统及实现方法 | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
Pan et al. | Deploying public charging stations for electric taxis: A charging demand simulation embedded approach | |
Vakulenko et al. | Designing optimal public bus route networks in a suburban area | |
Ding et al. | The optimization of airport management based on collaborative optimization of flights and taxis | |
CN116542404B (zh) | 一种客运枢纽场站抵站旅客接续换乘时间的预测方法 | |
Tsai et al. | Optimizing distance-based fares and headway of an intercity transportation system with elastic demand and trip length differentiation | |
Ghasedi et al. | Robust optimization of bus stop placement based on dynamic demand using meta heuristic approaches: a case study in a developing country | |
Morichi et al. | Tokyo metropolitan rail network long-range plan for the 21st century | |
Jiang et al. | Sustainable transport data collection and application: china urban transport database | |
Xiaokun et al. | Transportation structural optimization based on the evaluation of comprehensive transportation efficiency | |
CN114819633A (zh) | 一种应用于国土空间规划的交通设施布局评价方法 | |
Janić | Light Rail Rapid Transit systems for more sustainable ground accessibility of airports | |
Zhang | Research on generalized multimodal transport cost assignment model based on super transportation network | |
Tian | A short-turning strategy for the management of bus bunching considering variable spatial-temporal running time | |
Duan et al. | Research on Calculation Method of Traffic Stations Scale of Comprehensive Transportation Hub | |
Zhou | Research on Demand Forecast of Passenger Transfer of Rail Transit and Intercity Railway—Taking Beijing as an Example | |
Janić et al. | The Road-Based Mode and Its Systems: Components and Performances | |
Sun et al. | The accessibility analysis of Beijing-Tianjin-Hebei railway passenger transport network——before and after the opening of Beijing-Zhangjiakou high-speed railway | |
Li et al. | Accessibility for a railway corridor integrating high-speed railway and conventional railway |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201103 |
|
RJ01 | Rejection of invention patent application after publication |