武汉地铁集团运营有限公司 湖北武汉 430000
摘要：武汉轨道交通2号线已开通多年，随着客流的不断增长，部分车站乘客较多，特别是节假日高峰时段列车车厢内拥挤严重，为了更好的做好车站客运组织工作，有必要对2号线客流特征进行分析，并进一步预测短期客流情况，以便掌握最新的客流特征参数和拥挤度。
关键词：轨道交通；客流特征；短期预测
1.概述
武汉轨道交通2号线一期于2012年年底正式开通试运营，北起金银潭站，南至光谷广场站，线路全长27.73km，共设有21个站点。轨道交通2号线采用B型车，6节车编组，定员1440人，自开通以来，客流屡创新高，最高客运量突破110万人次。随着武汉轨道交通线网化的不断发展，其客流仍有一定的增长空间，而客流是客运工作的重要数据支撑，掌握其客流特征并对短期客流进行预测，可进一步分析运能匹配情况，并对突发性大客流提前预警，防患于未然。
2.轨道交通2号线客流分析
轨道交通客流是动态变化的，其分布特点与变化因时因地而不同。客流的分析对象可以是实际客流，也可以是预测客流，对客流的动态变化进行系统分析，掌握客流现状与变化规律，对日常行车组织与客运组织工作具有重要意义，本文重点从客流的时间分布特征和空间分布特征进行分析。
2.1 时间分布特征
时间分布特征包括小时客流特征、全日客流特征及周期性客流特征。小时客流特征是一日内根据乘客出行特点客流呈起伏波动图形，一般工作日午间和夜间客流较少，早晚上下班时段客流达到高峰。图1为2013年2号线的分时客流情况，6月26日工作日小时客流呈双峰型分布，客流自早6时开始增长，在07:00-09:00之间出现早高峰，之后客流较为平缓，在17:00-19:00之间出现晚高峰。节假日和非工作日则无此特点。
全日客流特征一般指一周内的客流变化。2号线主要以通勤、通学客流为主，乘客的工作与休息以周为周期，同时2号线周边覆盖多个商圈、旅游景点，其商旅客流占比较大。一般周一早高峰和周五晚高峰客流相对较大，而双休日高峰出现时间会往后推迟。图2是2号线某月一周内的客流变化情况，其中周五客流最高，周日客流相对较少。
周期性客流特征指一年内客流会随着季节相应变化。图3是2号线某一年内的客流变化情况，每到3、4月份，由于天气渐好，来武汉看樱花旅客激增，而到7、8月份由于暑假影响，学生客流减少，到9月份开学后客流又会有所回升，至12月底客流达到高峰。
2.2 空间分布特征
车站客流与其他交通工具接驳情况及周边土地利用情况有关，因此各站客流存在较大差异。轨道交通2号线目前设有4座换乘站，另有其他换乘站在建，其中江汉路站至积玉桥站为过江区间。
以2015年数据来说，2号线客流排名前三的车站分别是光谷广场站、江汉路站、汉口火车站。光谷广场站位于虎泉街地下。周边毗邻鲁巷广场、光谷步行街，学校、购物中心较多，日均客流达17万人次；江汉路站紧邻江汉路步行街，百货商店、美食广场居多，日均客流达10万人次；汉口火车站则与铁路火车站、汽车站相邻，可实现多种交通工具换乘，日均客流接近9万人次。图4是2015年2号线日均客流情况。
在线路上，由于各站的乘降人数不同，各个断面的客流存在较大差异，同时由于客流的流向不同，上下行的最大断面客流在早晚高峰具有不均衡性。图5是2号线某工作日早晚高峰小时最大断面客流情况。早高峰上行最大断面为积玉桥至江汉路区段，断面客流15956人次，下行最大断面为洪山广场至中南路区段，断面客流16130人次；晚高峰上行最大断面为洪山广场至小龟山站，断面客流14591人次，下行最大断面为洪山广场至中南路区段，断面客流19236人次。
根据断面客流数据，可进一步计算满载率情况。某一线路某一方向1小时所能运送的最大旅客数量即为该线路的可用能力。由于乘客到达的不均衡性，行李因素等影响，实际列车能力会受到一定影响。一般地，大多数系统的高峰利用率为0.75-0.90。因此可用能力一般计算如下：可用能力=设计能力×高峰发散系数。根据武汉轨道交通2号线客流特点，取高峰发散系数为0.8，即列车实际容量为1152人，高峰时期列车间隔为3.8min，因此列车运能为18189人/h。利用断面客流数据除以列车运能，则可以计算出这一时段的平均列车满载率。通过计算得出平均满载率在90%左右，保证了站台上候车的乘客能有序安全地乘降,减少了乘客滞留的情况。同时车厢内拥挤度得到明显改善，为客流的增长留有余量。
3．短期客流预测方法
目前短期客流预测根据预测方法可分为三大类，一是基于统计方法的模型，例如时间序列模型、线性回归模型等；二是非线性预测模型，该类型算法精度较高，但模型较为复杂，计算速度较低；三是基于神经网络模型，该模型可以考虑影响轨道交通系统的多种因素，例如天气、节假日、车站周边活动等。
以上几种预测模型各有优缺点，目前轨道交通2号线短期客流预测多采用基于统计方法的模型，采用线性回归方法，以分析历史数据为主，通过最小二乘法估计参数，结合当前客流趋势，得到预测结果。该方法优点是算法简单，计算较快实用性很强，但由于影响轨道交通客流量因素较多，无法反映客流的非线性情况，因此易出现预测结果与实际相差较大情况。
为了提高预测数据精度，可采用其他预测方法对比参考。灰色预测法是针对含有不定因素的系统做预测的方法。灰色预测可以根据系统因素之间发展趋势的相异程度，即进行相关性分析，对初始数据进行处理来寻找系统变化规律，形成有较强规律性的数据序列，然后建立相应的微分模型，以此来预测事物发展趋势的情况。滚动GM（1,1）灰色模型的建立方法如下：
由于轨道交通客流具有时间分布特征，因此可分别对工作日进行预测。例如选取多个连续的周五客流数据，将其中包含节假日的客流剔除掉，可预测下一周的周五客流。需要注意的是-a为发展系数，当其在0.3至0.5区间时，可用于短期客流预测。
4．结语
掌握轨道交通客流数据及其特征可对车站客运组织工作提供帮助，有助于车站进一步优化客运组织，通过预测客流数据，可进一步分析列车运能情况，为列车开行方案提供数据支持，提前对大客流做好应对措施。本文针对目前武汉轨道交通短期客流预测采用的线性回归方法，提出了基于灰色模型的预测方法，该预测方法分别对工作日的客流进行预测，通过模型计算得出预测结果。由于目前还未进行实例应用，采用灰色模型预测结果是否提高了预测准确性，还需具体计算，这将是笔者下一步研究的方向。
参考文献
[1]毛保华.城市轨道交通系统运营管理[M].北京:人民交通出版社,2006.
[2]李灿.城市轨道交通枢纽乘客交通特性分析及建模[D].北京:北京交通大学,2008.
[3]邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社,1987.
论文作者:王泽清
论文发表刊物:《基层建设》2016年第34期
论文发表时间:2017/3/22
标签：客流论文; 断面论文; 轨道交通论文; 特征论文; 情况论文; 模型论文; 武汉论文; 《基层建设》2016年第34期论文;