CN112184281B - 一种基于出行空间分类的铁路枢纽客运需求预测方法 - Google Patents
一种基于出行空间分类的铁路枢纽客运需求预测方法 Download PDFInfo
- Publication number
- CN112184281B CN112184281B CN202010258094.8A CN202010258094A CN112184281B CN 112184281 B CN112184281 B CN 112184281B CN 202010258094 A CN202010258094 A CN 202010258094A CN 112184281 B CN112184281 B CN 112184281B
- Authority
- CN
- China
- Prior art keywords
- traffic
- railway
- demand
- city
- travel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008520 organization Effects 0.000 claims abstract description 9
- 238000013461 design Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 201000004569 Blindness Diseases 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于出行空间分类的铁路枢纽客运需求预测方法,方法包括:步骤1:根据铁路枢纽客运出行空间特征,将交通需求划分为城市对外交通需求、城市内部交通需求和过境交通需求三部分;步骤2:铁路枢纽中城市对外交通需求预测;步骤3:铁路枢纽中城市内部交通需求预测;步骤4:铁路枢纽中过境交通需求预测;步骤5:计算铁路枢纽客运总需求。本发明提供的方法不仅考虑更全面,还能将客运需求是区分各种制式的,为枢纽站台布设、运营组织、站体设计等提供数据支撑,减少运营成本,避免过度建设。
Description
技术领域
本发明涉及交通规划的技术领域,尤其是一种基于出行空间分类的铁路枢纽客运需求预测方法。
背景技术
交通枢纽支点城市有通达性非常好的铁路交通枢纽,将国铁(高铁+普铁+城际)、城市地铁、长途客运、公交交通、小汽车等多种交通方式有机融合在一起,不仅是城市对外联系的重要节点,也是区域城市之间,区域城市对外长途联系的重要纽带。铁路枢纽客运需求总量是铁路站台布局、场站规模、铁路线路运营组织、接驳设施规模等设计的重要数据基础。准确预测铁路客运需求规模不仅为铁路枢纽本身的建设运营产生提供依据,还为枢纽至城市内部的各类接驳设施建设提供依据,保证枢纽与城市的紧密联系。
功能的复合性意味着客运需求的复杂性,铁路枢纽客运需求不仅包含城市对外需求、城市内部接驳需求,还包括区域城市间过境需求、铁路方式间换乘需求等。对各类客运需求特征进行详细分析才能准确预测其规模。
目前针对枢纽客运需求预测,一般采用单点的预测思路,主要就某一单独的铁路枢纽进行客运需求预测,方法有增长率法(弹性系数、弗雷特法等)或类比法等,现有技术存在的主要问题:
(1)单点预测思路存在“各自为营、就点论点”的局限,往往导致单个站点预测结果盲目偏大、各站总和远远超出全市实际需求情况。
(2)预测方法仅含城市对外交通需求,缺少过境交通需求及市内换乘交通需求部分。对铁路枢纽客运需求预测不全面,不适用于新形式下枢纽支点城市铁路枢纽客运需求预测。
综上,采用一种基于出行空间分类的铁路枢纽客运需求预测方法分析铁路客运需求特征,分析各类交通需求出行链特征,总结铁路枢纽出行量与客运量的关系,针对不同类型出行设计不同的预测模型。预测模型采用全局统筹的方式,保证全市铁路客运需求与单个枢纽客运需求的协调一致。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于出行空间分类的铁路枢纽客运需求预测方法,解决当前铁路枢纽客运需求预测结果盲目偏大、需求预测不全面的问题。
一种基于出行空间分类的铁路枢纽客运需求预测方法,所述方法包括:步骤1:根据铁路枢纽客运出行空间特征,将交通需求划分为城市对外交通需求、城市内部交通需求和过境交通需求三部分;步骤2:铁路枢纽中城市对外交通需求预测;步骤3:铁路枢纽中城市内部交通需求预测;步骤4:铁路枢纽中过境交通需求预测;步骤5:铁路枢纽客运总需求是对外交通需求、内部交通需求和过境交通需求三部分的总和。
所述步骤1中,所述城市对外交通,利用铁路的一次对外出行,铁路枢纽的客运量是一次或两次;所述过境交通交通,利用铁路的一次过境交通出行,根据城市间是否有直达线路,铁路枢纽的客运量是一次或两次;所述城市内部交通,城际线承担的部分内部交通需求,每次出行对单个枢纽的客运量为一次。
所述步骤2包括有以下步骤:
Step1.城市对外出行规模预测
需求预测按空间距离划分为两部分:城市与都市圈之间出行总量和城市与对外长途出行总量;
(1)城市与都市圈之间出行总量
采用都市圈综合交通模型进行需求预测,将整个都市圈作为一个整体按四阶段法进行交通建模;
a)都市圈范围内按同等粒度划分小区;
b)城际铁路、高铁铁路、普速铁路等方式通行能力进行折减,根据服务范围确定要折减的比例,通行能力折减后作为都市圈综合交通方式参与“四阶段”建模流程;
c)通过“出行生成-出行分布-方式划分”后获得铁路方式出行OD;
d)通过都市圈综合交通模型大区矩阵合并,可以获得枢纽支点城市对外需求量及方向分布;
(2)城市与对外长途出行总量
构建基于城市引力的空间需求预测模型,利用城市间的引力大小和人口总量来确定城市间的出行规模大小;出行总量与人口分布、城市或区域间的引力相关,利用人口与引力两个因子预测两地之间客运需求总量:
Vij=kijTij
式中:Vij为城市i与城市j的出行量(人次/日);Tij为城市i与城市j的引力(人次/日);kij为修正系数,利用现状城市间交通需求规模、城市引力的计算值拟合获得;Q为城市质量,Qi、Qj分别为城市i和城市j的质量;dij为城市i与城市j的时间距离(小时);G为城市地区生产总值因子;R为常住人口因子;x1、xn为通过某种方式到达目的地的时间(小时),α,β,γ为公式系数,n为出行方式数量;
城市对外出行规模需求=城市与都市圈之间出行总量+城市与对外长途出行总量;
Step2.方式分担预测
按照水运、空运、陆运三大类进行预测,其中,水运客运量根据规划人口的变化情况进行增长预测,空运客运量根据机场规划设计客运量预测;陆运中铁路与公路的划分,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;方式分担预测时,都市圈出行、对外长途出行分别进行单独预测;
Step3.分线路预测
通过方式划分获得铁路方式客运需求总量及分布,分配到各条线路上需要经过两步,首先进行分制式客流需求预测,然后进行分线路客运需求预测:
基于出行距离、票价、辐射人口、发车频率因子的铁路制式客运需求分担预测,将铁路客运需求划分到普铁、城际、高铁三种制式中去;
基于线路辐射人口及线路连接城市引力的线路客运需求规模预测,将某一制式客运需求分担到各条线路中;
Step4.各枢纽客运量预测
获得各线路客运需求后,根据各站点的覆盖人口,将线路客运量分散到各站点;
人口因子从全市整体层面进行分析,结合城市接驳系统的交通可达性进行各枢纽吸引范围的测算,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,符合城市居民出行对时间和便利性要素的考量;
对于高铁线路客运需求,可能存在换乘城际线路的情况,从而导致换乘枢纽的客运需求增加;利用此方法可预测换乘客运需求,将高铁线路在市内枢纽的客运需求量按照直接覆盖范围人口和接驳城际线路各站点覆盖人口的比例进行划分;
其中,k1、k2的为权重系数。
在线路运营阶段,运营组织方案确定后,换乘客运需求根据运营组织可进行详细划分。
优选的,在所述步骤3中铁路枢纽城市内部出行需求,按四阶段法预测交通需求,其中城际铁路作为一种轨道交通方式,参与交通方式划分、交通分配,与城市内其他交通方式一起分担城市内部交通出行;模型分配后,可获得各城际线路及城际站点交通需求;
Step1:综合考虑人口、收入水平、拥车、出行目的等因素,预测各小区交通生成总量;
Step2:使用双约束重力模型进行出行分布,小区间综合出行成本计算时,城际铁路也作为一种出行方式;
Step3:利用Logit Model进行方式划分。首先对慢行和机动化方式进行划分,然后就机动化方式划分为私人机动化出行和公共交通出行两部分,最后再将公共交通划分为轨道和非轨道,最终获得细化的摩托车、私人小汽车和常规公交、轨道等各方式出行矩阵;
Step4:将轨道方式出行矩阵分配至轨道网络,轨道网络包括城市地铁、市域铁路、城际线路等。其中,城际线路除服务内部交通需求外,还服务城市对外出行和过境交通出行,并非全部通行能力留给城市内部出行,因此,参与分配的各城际线路的通行能力应根据其规划定位、服务范围进行不同程度折减。分配后获得各城际线和城际站点交通需求;
优选的,在所述步骤4中过境交通出行部分,按“城市间需求总量→方式划分→铁路方式发送量→各线路发送量→各站发送量”的顺序,计算得到各枢纽站各线路发送规模,聚类分析获得各制式发送规模;
Step1:城市引力法计算城市间需求总量;
对于现状区域城市之间的交通需求,可通过手机数据,联网收费数据,铁路票务数据等分析获得,由于大数据的广覆盖性、可追溯性以及多源数据的相互校核,获得城市间出行总量相对准确;规划年城市间交通需求与社会经济活动密切相关,利用城市的人口、经济、时空距离等因素,通过城市引力模型进行预测;
Step2:利用LOGIT模型进行方式划分,获得铁路方式客运需求总量;
考虑时间、费用、舒适度等因素计算各种方式综合成本,由于公路、高铁等交通设施以服务城市对外出行为主,留给过境交通的通行能力需要折减,通行能力折减会影响出行的时间、舒适度等,导致综合出行成本增加;然后利用logit模型将各OD对进行方式划分,获得铁路方式出行OD;
Step3:交通分配获得各枢纽铁路需求预测;
将铁路客运需求分配到铁路线网中,统计分析获得各铁路枢纽铁路客运需求。
与现有技术相比,本发明的优势在于:。
1、分析铁路客运需求特征,将铁路客运交通需求按空间功能分为城市对外出行、过境出行和内部出行三大类,通过本方法预测的铁路客运需求更全面。
2、分析各类交通需求出行链特征,总结铁路枢纽出行量与客运量的关系,针对不同类型出行设计不同的预测模型,提高了预测的科学性和精确性。
3、预测模型采用全局统筹的方式,保证全市铁路客运需求与单个枢纽客运需求的协调一致。
附图说明
图1一种基于出行空间分类的铁路枢纽客运需求预测方法流程图。
图2铁路枢纽客运需求构成图。
图3城市对外交通需求预测流程示意图。
图4都市圈综合交通模型结构图。
图5城市内部交通需求预测流程示意图。
图6过境交通需求预测流程示意图。
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。
参见附图1所示,一种基于出行空间分类的铁路枢纽客运需求预测方法,步骤包括:
步骤1:根据铁路枢纽客运出行空间特征,将交通需求划分为城市对外交通需求、城市内部交通需求和过境交通需求三部分;
国家铁路线包括高铁线、普铁线、城际线三种。高线线和普铁线一般服务于长距离出行,出行距离500km以上为主,发车频率较低。高铁线以铁路枢纽城市之间的快速直达为目标,不追求中小城市间的直达性,中小城市可通过城际、普铁、长途客车、小汽车等方式到达枢纽城市,然后融入高铁网络。普铁线路经停站点较多,直达覆盖面较广,但运行速度方面不经济,出行时间较长。
城际线路主要服务于区域城市间,出行距离一般在150km以内,线路站间距较小,发车频率较高,部分城市(如广州)与地铁共同运营,因此也会承担城市内部各组团之间的内部出行。
通过分析可以看出,对于枢纽支点城市,铁路枢纽客运需求不仅包含城市对外交通需求,还包括其辐射城市的对外交通需求和部分城市内部交通需求。根据铁路客运空间出行特征,交通需求可分为城市对外出行,城市内部出行和过境交通出行三部分。
参见附图2所示,利用铁路的城市对外出行,每一个出行,铁路枢纽客运量可能是一次或两次。如图1所示,去往C城市的出行,若通过步行、地铁、公交等方式到达枢纽①,再乘坐高铁到达C城市,则铁路枢纽①客运量为一次。若通过城际到达枢纽①,再乘坐高铁到达C城市,则铁路枢纽①客运量为两次,城际出站一次,高铁进站一次。
利用铁路的过境交通出行,根据城市间是否有直达线路,铁路枢纽的客运量可能是一次或两次。如图1所示,如A市到B市,有直达城际,在枢纽①无需上下车,所以AB城市间出行铁路枢纽①客运需求为0。A市到C市,需要先通过城际到达枢纽①,再通过高通到达城市C,则铁路枢纽①客运量为两次,城际出站一次,高铁进站一次。
城际承担的部分内部交通需求,其交通出行特征与城市地铁类似,每次出行对单个枢纽的客运量为一次。
步骤2:铁路枢纽中城市对外交通需求预测;
参见附图3所示,城市对外交通需求预测采用“全市对外需求总量-交通方式划分-铁路客运需求矩阵-各线路铁路客运需求-各站点铁路客运需求”的步骤。包括有以下步骤:
Step1.城市对外出行规模预测
随着都市圈的发展,枢纽支点城市对邻近地区的辐射和一体化效应逐渐明显,由于城市对外出行中,都市圈部分与长途部分出行特征完全不一样,客运需求预测按空间距离划分为两部分:都市圈出行,对外长途出行。
需求预测按空间距离划分为两部分:城市与都市圈之间出行总量和城市与对外长途出行总量;
(1)城市与都市圈之间出行总量
参见附图4所示,采用都市圈综合交通模型进行需求预测,将整个都市圈作为一个整体按四阶段法进行交通建模;
a)都市圈范围内按同等粒度划分小区;
b)城际铁路、高铁铁路、普速铁路等方式通行能力进行折减,根据服务范围确定要折减的比例,通行能力折减后作为都市圈综合交通方式参与“四阶段”建模流程;
c)通过“出行生成-出行分布-方式划分”后获得铁路方式出行OD;
d)通过都市圈综合交通模型大区矩阵合并,可以获得枢纽支点城市对外需求量及方向分布。
(2)城市与对外长途出行总量
构建基于城市引力的空间需求预测模型,利用城市间的引力大小和人口总量来确定城市间的出行规模大小;出行总量与人口分布、城市或区域间的引力相关,利用人口与引力两个因子预测两地之间客运需求总量:
Vij=kijTij
式中:Vij为城市i与城市j的出行量(人次/日);Tij为城市i与城市j的引力(人次/日);kij为修正系数,利用现状城市间交通需求规模、城市引力的计算值拟合获得;Q为城市质量,Qi、Qj分别为城市i和城市j的质量;dij为城市i与城市j的时间距离(小时);G为城市地区生产总值因子;R为常住人口因子;x1、xn为通过某种方式到达目的地的时间(小时),α,β,γ为公式系数,n为出行方式数量;
城市对外出行规模需求=城市与都市圈之间出行总量+城市与对外长途出行总量;
Step2.方式分担预测
按照水运、空运、陆运三大类进行预测,其中,水运客运量根据规划人口的变化情况进行增长预测,空运客运量根据机场规划设计客运量预测;陆运中铁路与公路的划分,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;方式分担预测时,都市圈出行、对外长途出行分别进行单独预测;
Step3.分线路预测
通过方式划分获得铁路方式客运需求总量及分布,分配到各条线路上需要经过两步,首先进行分制式客流需求预测,然后进行分线路客运需求预测:
基于出行距离、票价、辐射人口、发车频率因子的铁路制式客运需求分担预测,将铁路客运需求划分到普铁、城际、高铁三种制式中去;
基于线路辐射人口及线路连接城市引力的线路客运需求规模预测,将某一制式客运需求分担到各条线路中;
Step4.各枢纽客运量预测
获得各线路客运需求后,根据各站点的覆盖人口,将线路客运量分散到各站点;
人口因子从全市整体层面进行分析,结合城市接驳系统的交通可达性进行各枢纽吸引范围的测算,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,符合城市居民出行对时间和便利性要素的考量;
对于高铁线路客运需求,可能存在换乘城际线路的情况,从而导致换乘枢纽的客运需求增加;利用此方法可预测换乘客运需求,将高铁线路在市内枢纽的客运需求量按照直接覆盖范围人口和接驳城际线路各站点覆盖人口的比例进行划分;
其中,k1、k2的为权重系数。
在线路运营阶段,运营组织方案确定后,换乘客运需求根据运营组织可进行详细划分。
步骤3:铁路枢纽中城市内部交通需求预测;
由于城际铁路在城市内部设站较多,也承担了城市各组团间交通出行,因此铁路枢纽客运需求中,也包含城市内部出行。
铁路枢纽城市内部出行需求,按四阶段法预测交通需求,其中城际铁路作为一种轨道交通方式,参与交通方式划分、交通分配,与城市内其他交通方式一起分担城市内部交通出行。模型分配后,可获得各城际线路及城际站点交通需求。
参见附图5所示,内部交通需求预测包括如下步骤:
Step1:综合考虑人口、收入水平、拥车、出行目的等因素,预测各小区交通生成总量。
Step2:使用双约束重力模型进行出行分布,小区间综合出行成本计算时,城际铁路也作为一种出行方式。
Step3:利用Logit Model进行方式划分。首先对慢行和机动化方式进行划分,然后就机动化方式划分为私人机动化出行和公共交通出行两部分,最后再将公共交通划分为轨道和非轨道,最终获得细化的摩托车、私人小汽车和常规公交、轨道等各方式出行矩阵。
Step4:将轨道方式出行矩阵分配至轨道网络,轨道网络包括城市地铁、市域铁路、城际线路等。其中,城际线路除服务内部交通需求外,还服务城市对外出行和过境交通出行,并非全部通行能力留给城市内部出行,因此,参与分配的各城际线路的通行能力应根据其规划定位、服务范围进行不同程度折减。分配后获得各城际线和城际站点交通需求。
步骤4:铁路枢纽中过境交通需求预测;
参见附图6所示,各铁路枢纽中,过境交通出行部分,按“城市间需求总量→方式划分→铁路方式发送量→各线路发送量→各站发送量”的顺序,计算得到各枢纽站各线路发送规模,聚类分析获得各制式发送规模。
(1)城市引力法计算城市间需求总量
对于现状区域城市之间的交通需求,可通过手机数据,联网收费数据,铁路票务数据等分析获得,由于大数据的广覆盖性、可追溯性以及多源数据的相互校核,获得城市间出行总量相对准确。规划年城市间交通需求与社会经济活动密切相关,利用城市的人口、经济、时空距离等因素,通过城市引力模型进行预测。
(2)利用LOGIT模型进行方式划分,获得铁路方式客运需求总量
考虑时间、费用、舒适度等因素计算各种方式综合成本,由于公路、高铁等交通设施以服务城市对外出行为主,留给过境交通的通行能力需要折减,通行能力折减会影响出行的时间、舒适度等,导致综合出行成本增加。然后利用logit模型将各OD对进行方式划分,获得铁路方式出行OD。
(3)交通分配获得各枢纽铁路需求预测
将铁路客运需求分配到铁路线网中,统计分析获得各铁路枢纽铁路客运需求。铁路枢纽客运总需求
步骤5:铁路枢纽客运总需求是对外交通需求、内部交通需求和过境交通需求三部分的总和。
每个铁路枢纽总客运需求即对外需求、城市内部需求、过境交通需求三部分的总和。
以广州为例,发现过境及内部交通需求占枢纽总需求的5%-30%。本预测方法不仅考虑更全面,还能将客运需求是区分各种制式的,为枢纽站台布设、运营组织、站体设计等提供数据支撑,减少运营成本,避免过度建设。
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 (3)
1.一种基于出行空间分类的铁路枢纽客运需求预测方法,其特征在于:所述方法包括:步骤1:根据铁路枢纽客运出行空间特征,将交通需求划分为城市对外交通需求、城市内部交通需求和过境交通需求三部分;步骤2:铁路枢纽中城市对外交通需求预测;步骤3:铁路枢纽中城市内部交通需求预测;步骤4:铁路枢纽中过境交通需求预测;步骤5:铁路枢纽客运总需求是对外交通需求、内部交通需求和过境交通需求三部分的总和;
所述步骤1中,所述城市对外交通,利用铁路的一次对外出行,铁路枢纽的客运量是一次或两次;所述过境交通交通,利用铁路的一次过境交通出行,根据城市间是否有直达线路,铁路枢纽的客运量是一次或两次;所述城市内部交通,城际线承担的部分内部交通需求,每次出行对单个枢纽的客运量为一次;
所述步骤2包括有以下步骤:
Step1.城市对外出行规模预测
需求预测按空间距离划分为两部分:城市与都市圈之间出行总量和城市与对外长途出行总量;
(1)城市与都市圈之间出行总量
采用都市圈综合交通模型进行需求预测,将整个都市圈作为一个整体按四阶段法进行交通建模;
a)都市圈范围内按同等粒度划分小区;
b)城际铁路、高铁铁路、普速铁路等方式通行能力进行折减,根据服务范围确定要折减的比例,通行能力折减后作为都市圈综合交通方式参与“四阶段”建模流程;
c)通过“出行生成-出行分布-方式划分”后获得铁路方式出行OD;
d)通过都市圈综合交通模型大区矩阵合并,可以获得枢纽支点城市对外需求量及方向分布;
(2)城市与对外长途出行总量
构建基于城市引力的空间需求预测模型,利用城市间的引力大小和人口总量来确定城市间的出行规模大小;出行总量与人口分布、城市或区域间的引力相关,利用人口与引力两个因子预测两地之间客运需求总量:
Vij=kijTij
式中:Vij为城市i与城市j的出行量(人次/日);Tij为城市i与城市j的引力(人次/日);kij为修正系数,利用现状城市间交通需求规模、城市引力的计算值拟合获得;Qi为城市i的质量;dij为城市i与城市j的时间距离(小时);x1、xn为通过某种方式到达目的地的时间(小时),α,β,γ为公式系数,n为出行方式数量;
城市对外出行规模需求=城市与都市圈之间出行总量+城市与对外长途出行总量;
Step2.方式分担预测
按照水运、空运、陆运三大类进行预测,其中,水运客运量根据规划人口的变化情况进行增长预测,空运客运量根据机场规划设计客运量预测;陆运中铁路与公路的划分,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;方式分担预测时,都市圈出行、对外长途出行分别进行单独预测;
Step3.分线路预测
通过方式划分获得铁路方式客运需求总量及分布,分配到各条线路上需要经过两步,首先进行分制式客流需求预测,然后进行分线路客运需求预测:
基于出行距离、票价、辐射人口、发车频率因子的铁路制式客运需求分担预测,将铁路客运需求划分到普铁、城际、高铁三种制式中去;
基于线路辐射人口及线路连接城市引力的线路客运需求规模预测,将某一制式客运需求分担到各条线路中;
Step4.各枢纽客运量预测
获得各线路客运需求后,根据各站点的覆盖人口,将线路客运量分散到各站点;
人口因子从全市整体层面进行分析,结合城市接驳系统的交通可达性进行各枢纽吸引范围的测算,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,符合城市居民出行对时间和便利性要素的考量;
对于高铁线路客运需求,可能存在换乘城际线路的情况,从而导致换乘枢纽的客运需求增加;利用此方法可预测换乘客运需求,将高铁线路在市内枢纽的客运需求量按照直接覆盖范围人口和接驳城际线路各站点覆盖人口的比例进行划分;
其中,k1、k2的为权重系数,在线路运营阶段,运营组织方案确定后,换乘客运需求根据运营组织可进行详细划分。
2.根据权利要求1所述的一种基于出行空间分类的铁路枢纽客运需求预测方法,其特征在于:在所述步骤3中铁路枢纽城市内部出行需求,按四阶段法预测交通需求,其中城际铁路作为一种轨道交通方式,参与交通方式划分、交通分配,与城市内其他交通方式一起分担城市内部交通出行;模型分配后,可获得各城际线路及城际站点交通需求;
Step1:综合考虑人口、收入水平、拥车、出行目的等因素,预测各小区交通生成总量;
Step2:使用双约束重力模型进行出行分布,小区间综合出行成本计算时,城际铁路也作为一种出行方式;
Step3:利用Logit Model进行方式划分;首先对慢行和机动化方式进行划分,然后就机动化方式划分为私人机动化出行和公共交通出行两部分,最后再将公共交通划分为轨道和非轨道,最终获得细化的摩托车、私人小汽车和常规公交、轨道等各方式出行矩阵;
Step4:将轨道方式出行矩阵分配至轨道网络,轨道网络包括城市地铁、市域铁路、城际线路等;其中,城际线路除服务内部交通需求外,还服务城市对外出行和过境交通出行,并非全部通行能力留给城市内部出行,因此,参与分配的各城际线路的通行能力应根据其规划定位、服务范围进行不同程度折减;分配后获得各城际线和城际站点交通需求。
3.根据权利要求1所述的一种基于出行空间分类的铁路枢纽客运需求预测方法,其特征在于:在所述步骤4中过境交通出行部分,按“城市间需求总量→方式划分→铁路方式发送量→各线路发送量→各站发送量”的顺序,计算得到各枢纽站各线路发送规模,聚类分析获得各制式发送规模;
Step1:城市引力法计算城市间需求总量;
对于现状区域城市之间的交通需求,可通过手机数据,联网收费数据,铁路票务数据等分析获得,由于大数据的广覆盖性、可追溯性以及多源数据的相互校核,获得城市间出行总量相对准确;规划年城市间交通需求与社会经济活动密切相关,利用城市的人口、经济、时空距离等因素,通过城市引力模型进行预测;
Step2:利用LOGIT模型进行方式划分,获得铁路方式客运需求总量;
考虑时间、费用、舒适度等因素计算各种方式综合成本,由于公路、高铁等交通设施以服务城市对外出行为主,留给过境交通的通行能力需要折减,通行能力折减会影响出行的时间、舒适度等,导致综合出行成本增加;然后利用logit模型将各OD对进行方式划分,获得铁路方式出行OD;
Step3:交通分配获得各枢纽铁路需求预测;
将铁路客运需求分配到铁路线网中,统计分析获得各铁路枢纽铁路客运需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258094.8A CN112184281B (zh) | 2020-04-03 | 2020-04-03 | 一种基于出行空间分类的铁路枢纽客运需求预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010258094.8A CN112184281B (zh) | 2020-04-03 | 2020-04-03 | 一种基于出行空间分类的铁路枢纽客运需求预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184281A CN112184281A (zh) | 2021-01-05 |
CN112184281B true CN112184281B (zh) | 2022-05-27 |
Family
ID=73918793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010258094.8A Active CN112184281B (zh) | 2020-04-03 | 2020-04-03 | 一种基于出行空间分类的铁路枢纽客运需求预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184281B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113611105B (zh) * | 2021-07-09 | 2022-06-07 | 东南大学 | 一种城市交通出行需求总量预测方法 |
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 |
CN114037160B (zh) * | 2021-11-10 | 2023-04-18 | 西南交通大学 | SEM-Logit旅游铁路客流预测模型的构建方法 |
CN114613139B (zh) * | 2022-03-16 | 2024-04-19 | 北京工业大学 | 一种适用于大型体育活动交通预测的出行生成预测方法 |
CN116227737B (zh) * | 2023-05-04 | 2023-08-18 | 中铁第四勘察设计院集团有限公司 | 基于迭代优化模型的区域客运量预测方法、系统及设备 |
CN117455078A (zh) * | 2023-12-20 | 2024-01-26 | 中铁第四勘察设计院集团有限公司 | 基于空间圈层需求的都市圈轨道交通一体化客流预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110415508A (zh) * | 2019-09-04 | 2019-11-05 | 广州市交通规划研究院 | 一种基于城市引力的区域客运交通模型构建方法 |
-
2020
- 2020-04-03 CN CN202010258094.8A patent/CN112184281B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110415508A (zh) * | 2019-09-04 | 2019-11-05 | 广州市交通规划研究院 | 一种基于城市引力的区域客运交通模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112184281A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
Campos et al. | Some stylized facts about high-speed rail: A review of HSR experiences around the world | |
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 | |
Yatskiv et al. | Evaluating Riga transport system accessibility | |
Cui et al. | Study on the selection model of staying adjustment bus lines along rail transit | |
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 | |
Hess et al. | Light rail lite or cost-effective improvements to bus service? Evaluating costs of implementing bus rapid transit | |
Ndibatya et al. | Transforming Paratransit in Africa's congested Cities: An ICT-enabled Integrated Demand Responsive Transport (iDRT) approach | |
Chen et al. | Development of a mode choice model for bus rapid transit in Santa Clara County, California | |
Morichi et al. | Tokyo metropolitan rail network long-range plan for the 21st century | |
Zhogoleva et al. | Main directions of sustainable development of transport systems of major cities and agglomerations | |
Liu et al. | Park and ride practice in Shanghai | |
Janić | Light Rail Rapid Transit systems for more sustainable ground accessibility of airports | |
Li et al. | Accessibility for a railway corridor integrating high-speed railway and conventional railway | |
Fu et al. | Share ratio change of public transport in airport landside under the background of car population rapid increase—A case of Shanghai Pudong International Airport | |
Fillone | Evaluating Proposed Transportation Infrastructure Projects in Metro Manila Using the Transport Co-Benefit Analysis | |
Li et al. | Combined modal split and assignment model for the multimodal transportation network of the economic circle in China | |
Kowalski et al. | The impact of city public transportation use on the competitiveness between high-speed rail and the car: The example of the Prague–Brno connection | |
Zhen et al. | Feeder bus service design under spatially heterogeneous demand | |
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 | |
Janić et al. | The Road-Based Mode and Its Systems: Components and Performances | |
Leurent et al. | A strategic model for urban transport planning: policy exploration for the Paris region | |
Hanni et al. | Metropolitan travel and land-use impacts |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230525 Address after: Floor 1-6, west of No. 10 Guangwei Road, Yuexiu District, Guangzhou City, Guangdong Province, 510000 Patentee after: Guangzhou transportation planning and Research Institute Co.,Ltd. Address before: 510030 15th floor, Guangren building, No.1 Guangren Road, Yuexiu District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU TRANSPORT PLANNING Research Institute |