陳寬民，余麗潔，馬超群

(長安大學(xué)，陜西西安71064)

0 引言

面對(duì)日益增長的交通需求和日趨嚴(yán)重的交通擁堵，各大城市均在加快城市軌道交通的發(fā)展進(jìn)程與建設(shè)力度。截至2017年末，中國內(nèi)地34座城市運(yùn)營165條城市軌道交通線路，運(yùn)營總里程為5 03 km，其中北京、上海、廣州運(yùn)營里程分別達(dá)到685.1 km，732.2 km，364.8 km[1]。西安市目前已經(jīng)形成基于3條線路的城市軌道交通初級(jí)網(wǎng)絡(luò)形態(tài)，運(yùn)營里程為91.4 km，為改善西安市交通結(jié)構(gòu)、優(yōu)化城市空間布局、提高生活環(huán)境質(zhì)量發(fā)揮了重要作用。

隨著城市軌道交通的發(fā)展，對(duì)其客流的預(yù)測研究也在不斷深化過程中，形成了大量的研究成果。四階段法是早期國內(nèi)外學(xué)者應(yīng)用較為廣泛的預(yù)測方法[2-8]；隨著四階段法在軌道交通客流預(yù)測中應(yīng)用的逐步成熟，學(xué)者們開始重視客流預(yù)測時(shí)對(duì)軌道交通網(wǎng)絡(luò)客運(yùn)總量的控制[9-1]。在城市軌道交通的建設(shè)運(yùn)營中，部分學(xué)者開始研究實(shí)際運(yùn)行結(jié)果與客流預(yù)測之間的差異，分析客流預(yù)測工作中存在的問題及其原因[12-14]；分析傳統(tǒng)四階段模型的不足并對(duì)其進(jìn)行改進(jìn)[15-19]。隨著城市軌道交通的建設(shè)運(yùn)營，部分學(xué)者開始研究實(shí)際運(yùn)行結(jié)果與客流預(yù)測之間的差異，分析客流預(yù)測工作中存在的問題及其原因[12-14]；分析傳統(tǒng)四階段法模型的不足，并對(duì)其進(jìn)行改進(jìn)[15-19]。隨著城市的發(fā)展，軌道交通網(wǎng)絡(luò)逐漸延伸至郊區(qū)，由于郊區(qū)出行方式與市區(qū)的差異，出現(xiàn)了針對(duì)市郊軌道交通客流預(yù)測方法的研究[20-25]。車站規(guī)模直接影響乘客對(duì)軌道交通服務(wù)水平的感知，在研究車站客流時(shí)逐漸發(fā)現(xiàn)車站的區(qū)位、用地性質(zhì)、與其他交通方式的接駁等成為影響軌道交通車站客流的重要因素[15,26-28]，研究還關(guān)注了客流預(yù)測成果在軌道交通車站規(guī)模計(jì)算中的應(yīng)用[29-31]以及客流預(yù)測偏小對(duì)車站客流的影響[32]。

隨著城市軌道交通運(yùn)營線路的增多，各城市均出現(xiàn)車站客流高峰時(shí)段與城市交通高峰時(shí)段的不重疊現(xiàn)象。但在車站設(shè)計(jì)時(shí)，通常以客流預(yù)測報(bào)告中已預(yù)測的城市交通高峰時(shí)段所對(duì)應(yīng)的車站客流量作為該車站的設(shè)計(jì)客流量。從而導(dǎo)致某些客流偏差較大的車站在其車站高峰時(shí)段出現(xiàn)車站規(guī)模較小、站內(nèi)乘客流線混亂等問題。為此，《城市軌道交通客流預(yù)測規(guī)范》(GB/T 5150—2016)中明確提出“車站的客流高峰不出現(xiàn)在早、晚高峰時(shí)段時(shí)，應(yīng)預(yù)測分析車站高峰出現(xiàn)時(shí)段及車站乘降客流”[3]。由于缺乏理論依據(jù)，各城市軌道交通客流預(yù)測報(bào)告僅從定性判定的角度給出車站高峰時(shí)段客流結(jié)果。因此，這一問題必將成為今后一段時(shí)間客流預(yù)測工作的重點(diǎn)研究內(nèi)容。

本文以西安市城市軌道交通車站為例，分析工作日車站客流高峰時(shí)段出現(xiàn)時(shí)間偏差、客流量偏差及其影響因素，針對(duì)高峰時(shí)段出現(xiàn)時(shí)間存在偏差的車站，提出其高峰時(shí)段乘降量取值建議。

1 西安市城市軌道交通車站空間分布

西安市已經(jīng)開通3條軌道交通線路，共63座車站(見圖1)。其中軌道交通1，2號(hào)線沿東西、南北軸線輻射，在北大街站形成換乘；3號(hào)線連接西安市東北和西南部，在通化門站與1號(hào)線換乘，在小寨站與2號(hào)線換乘。

圖1 西安市城市軌道交通線路及車站Fig.1 Urban rail transit lines and stations in Xi'an

西安市人口密度主要集中在明城墻區(qū)和小寨區(qū)，即西安市中南部區(qū)域(見圖2)。明城墻區(qū)是舊城區(qū)，也是西安市的經(jīng)濟(jì)、商業(yè)中心；明城墻區(qū)南部的小寨區(qū)是次于明城墻區(qū)的商業(yè)中心，整個(gè)城市的人口、經(jīng)濟(jì)、用地開發(fā)等以明城墻和小寨區(qū)為中心向外遞減。3條軌道交通線路在城市中心形成網(wǎng)絡(luò)，并向城市外圍區(qū)域輻射。

2 車站高峰時(shí)段偏差

2.1 偏差時(shí)間及偏差幅度

根據(jù)2015年西安市居民出行調(diào)查可知，西安市工作日早高峰時(shí)段為7:30—8:30，晚高峰時(shí)段為18:0—19:0。西安市城市軌道交通車站高峰時(shí)段的偏差表現(xiàn)在時(shí)間上的偏差(車站高峰出現(xiàn)時(shí)段與城市交通高峰出現(xiàn)時(shí)段不一致)以及客流量級(jí)的偏差。因此，將西安市城市軌道交通各車站偏差時(shí)間及客流量偏差幅度(車站高峰時(shí)段客流量與城市交通高峰時(shí)段車站客流量之比)進(jìn)行統(tǒng)計(jì)，結(jié)果見表1。

可以看出，大多數(shù)車站高峰時(shí)段出現(xiàn)時(shí)間與城市交通高峰時(shí)段出現(xiàn)時(shí)間一致或較為接近。早高峰偏差時(shí)間主要集中在0～15 min，占全網(wǎng)車站數(shù)量的73%；晚高峰偏差時(shí)間主要集中在-15～0 min，占全網(wǎng)的81%。但也存在偏差極高的車站，例如1號(hào)線的康復(fù)路站，2號(hào)線的北客站，3號(hào)線的國際港務(wù)區(qū)站、雙寨站、保稅區(qū)站。

絕大多數(shù)車站的偏差幅度為1.0～1.1，占全網(wǎng)的70%以上。早高峰偏差時(shí)間較大的車站，其客流量偏差幅度也較大，為1.40～1.70；位于城市中心區(qū)的車站(如鐘樓、永寧門、南稍門、體育場、小寨等)，雖然其偏差時(shí)間不大(車站早高峰比城市交通早高峰滯后30 min)，但其客流量偏差幅度較大，為1.20～1.35。晚高峰的整體客流偏差幅度較早高峰小，為1.0～1.30；偏差時(shí)間較大的車站客流量偏差幅度也較大，為1.20～1.30。但存在2個(gè)特殊車站：康復(fù)路站和北客站?？祻?fù)路站位于西安市東郊區(qū)域，附近有西京醫(yī)院、義烏批發(fā)市場、輕工批發(fā)市場等，這些大型批發(fā)市場對(duì)客流的影響不同于一般意義的商業(yè)用地，下班時(shí)間基本在17:0左右，使得此車站晚高峰時(shí)段客流偏差較大，偏差幅度高達(dá)1.68。北客站也是西安市的高鐵車站，客流在很大程度上受高鐵發(fā)車班次的影響，使得其偏差時(shí)間很大。

2.2 基于高峰時(shí)段偏差的車站分類

2.2.1 K-mmeeaannss算法

K-means算法是MacQueen于1967年提出的基于劃分思想的聚類算法，其聚類結(jié)果使相似度較高的樣本聚集到同一類簇，而類簇間的樣本相似度較低。該算法的核心思想是把若干個(gè)數(shù)據(jù)對(duì)象劃分為若干個(gè)聚類，使每個(gè)聚類中的數(shù)據(jù)點(diǎn)到該聚類中心的平方和最小，主要步驟如下：

式中：ni為簇Wi中數(shù)據(jù)點(diǎn)的數(shù)量。

聚類效果用目標(biāo)函數(shù)J表示：

式中：dij(xj,ci)為xj與ci之間的歐氏距離。

目標(biāo)函數(shù)J其實(shí)就是每個(gè)數(shù)據(jù)點(diǎn)與所在簇的質(zhì)心的距離之和。值越小，簇越緊湊、越相對(duì)獨(dú)立。因此，算法通過不斷優(yōu)化的取值來尋求好的聚類方案。當(dāng)J取極小值時(shí)，對(duì)應(yīng)的聚類方案即為最優(yōu)方案。

2.2.2 車站分類結(jié)果

圖2 西安市功能分區(qū)及人口密度分布Fig.2 Distribution of land use and population density in Xi'an

將各車站早晚高峰時(shí)段偏差時(shí)間和客流量偏差幅度作為2維數(shù)據(jù)集，采用K-means算法對(duì)63座車站進(jìn)行分類。結(jié)果表明，3類以下分類結(jié)果未能區(qū)分差異較明顯的車站，7類以上結(jié)果過于細(xì)致。當(dāng)分類數(shù)為4，5，6類時(shí)，隨著分類數(shù)的增加，每一類車站在原類型基礎(chǔ)上，根據(jù)其高峰時(shí)段偏差特征被分離。6組分類能夠?qū)⒖土髁科罘容^大的車站剝離單獨(dú)分類，因此選擇6類作為最終分類結(jié)果(見表2)。各類型車站偏差統(tǒng)計(jì)見表3。

由于車站周邊影響范圍內(nèi)的用地屬性決定了車站的進(jìn)出站客流特征(時(shí)間分布、客流規(guī)模)，同時(shí)，用地也是軌道交通客流預(yù)測中重要的輸入條件，因此，下文重點(diǎn)對(duì)各類型車站周邊用地進(jìn)一步研究。

表1 西安市城市軌道交通各車站高峰時(shí)段偏差時(shí)間及客流量偏差幅度Tab.1 Differentiated peak hours and passenger flow at rail transit stations in Xi'an

3 各類型車站特征研究

3.1 車站用地特征

城市用地屬性決定居民出行特征。居民出行可以分為通勤出行和其他出行，通勤出行在時(shí)間和空間上具有較大的恒定性，是高峰時(shí)段出行量的客流來源；其他出行具有隨機(jī)性的特征，是非高峰時(shí)段出行量的客流來源。因此，首先將用地屬性劃分為通勤出行用地和其他出行用地，前者指某種屬性的用地是通勤客流的發(fā)生吸引源，后者指某種屬性的用地是非通勤客流的發(fā)生吸引源。對(duì)各車站影響范圍內(nèi)用地屬性進(jìn)行劃分，將其與高峰時(shí)段偏差相結(jié)合進(jìn)行分析。

一般而言，上班、上學(xué)等出行目的的發(fā)生源是居住用地，吸引源則是行政辦公、教育科研、工業(yè)等用地；回家目的的出行吸引源是居住用地；生活購物、休閑娛樂等出行目的的吸引源是商業(yè)、文物古跡、綠地公園等用地。此外，還存在一類特殊的用地——交通樞紐用地，該類出行由對(duì)外交通時(shí)刻表決定，出行無通勤交通特征，因此將其歸為其他出行用地。

根據(jù)《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》(GB 50137—201)[34]，城鄉(xiāng)用地分為2大類、9中類。其中公共管理與公共服務(wù)設(shè)施用地中包括行政辦公用地、教育科研用地、文化設(shè)施用地、醫(yī)療衛(wèi)生用地、文物古跡用地等，這些用地中前2類用地以產(chǎn)生通勤客流為主，后3類用地以產(chǎn)生非通勤客流為主。最終，各類型用地劃分結(jié)果見表4。

通勤出行用地和其他出行用地產(chǎn)生兩種不同時(shí)段分布的客流，車站周邊兩種用地性質(zhì)的比值關(guān)系將在一定程度上決定此車站的客流高峰時(shí)段時(shí)間偏差和客流量偏差幅度。因此，對(duì)西安市各軌道交通車站80 m范圍內(nèi)的現(xiàn)狀用地進(jìn)行統(tǒng)計(jì)，并計(jì)算通勤出行用地與其他出行用地的比值(見表5)。

3.2 各類型車站特征分析

各類型車站的通勤出行用地與其他出行用地的比值特征見表6。從表3可以看出，6-1類車站均為無偏差車站，由表6可知此類車站的通勤出行用地/其他出行用地＞1.0；表3中6-2類車站僅有一座——北客站(高鐵車站)，偏差時(shí)間和客流量偏差幅度均較大；6-3類車站均位于西安市三環(huán)以外，目前居住人口稀少，雖然通勤出行用地/其他出行用地＜0.5，但早高峰偏差時(shí)間和客流量偏差幅度均較大；6-4，6-5類車站無論早高峰還是晚高峰與城市交通高峰時(shí)段的偏差時(shí)間為-45～30 min，客流量偏差幅度也不大，基本為城市交通高峰時(shí)段客流量的1.1倍左右，這些車站可以認(rèn)為是基本無偏差車站，其通勤出行用地/其他出行用地≥0.5；6-6類車站偏差時(shí)間不大，但早高峰時(shí)段客流量偏差幅度較大，平均值為城市交通早高峰時(shí)段客流量的1.3倍左右。

表2 基于高峰時(shí)段偏差的車站分類結(jié)果Tab.2 Classifications of stations based on the differentiated peak hours

表3 各類別車站高峰時(shí)段偏差統(tǒng)計(jì)Tab.3 Differentiated peak hours at different types of stations

表4 各類型用地劃分Tab.4 Classifications of land use

6-6類車站根據(jù)其具體的用地性質(zhì)可以劃分為2小類：一是玉祥門站、鐘樓站、永寧門站、南稍門站、體育場站、小寨站，這些車站雖然通勤出行用地與其他出行用地比值為0.4～1.0，但是由于車站周邊建有大型商業(yè)購物廣場，是商業(yè)聚集效果顯著的車站，使得其車站高峰時(shí)段存在偏差時(shí)間及客流量偏差幅度；二是務(wù)莊站，車站周邊待開發(fā)用地較多，其通勤出行用地與其他出行用地比值小于0.5，此車站可以歸為6-3類別中。

由此，將車站按照通勤出行用地與其他出行用地之比0.5作為界限進(jìn)行分類。

1）通勤出行用地/其他出行用地≥0.5的車站。

表5 西安市各軌道交通站通勤出行用地與其他出行用地比值統(tǒng)計(jì)Tab.5 Ratios between land use for commuting and other travels at different rail transit stations in Xi'an

表6 各類型車站用地特征Tab.6 Characteristics of land use at different stations

通勤出行用地與其他出行用地比值大于等于0.5的車站有兩類：一類是車站周邊其他出行用地不是強(qiáng)大的客流發(fā)生吸引源(6-1，6-4，6-5類中的車站)，導(dǎo)致這些車站的通勤客流占車站客流的主體，車站的高峰出現(xiàn)時(shí)段與城市交通高峰出現(xiàn)時(shí)段基本無偏差。另一類車站由于車站周邊其他用地是強(qiáng)大的客流發(fā)生吸引源(本文主要是商業(yè)聚集效果顯著的車站)，使得這些車站雖然存在通勤客流，但是非通勤客流占主體，車站的高峰時(shí)段存在一定偏差。車站早高峰與城市交通早高峰相比滯后30～45 min，車站高峰時(shí)段客流是城市交通高峰時(shí)段本站客流的1.3倍左右；晚高峰基本無偏差。

2）通勤出行用地/其他出行用地＜0.5的車站。

通勤出行用地與其他出行用地比值小于0.5的車站有三類：第一類是交通樞紐車站(車站周邊其他出行用地對(duì)居民的出行時(shí)間具有強(qiáng)大引導(dǎo)作用)，這些車站的客流在時(shí)間分布上遵循樞紐的運(yùn)營時(shí)刻表。第二類是其他出行用地對(duì)居民出行基本無影響的車站(6-3類車站及6-6類中的務(wù)莊站)，這些車站均位于西安市北三環(huán)以外的浐灞生態(tài)區(qū)，車站周邊待開發(fā)用地較多，居住人口稀少，這些車站的居民出行具有較大的隨意性，導(dǎo)致車站早高峰出現(xiàn)時(shí)段與城市交通早高峰出現(xiàn)時(shí)段偏差為197～270 min，客流量偏差幅度較大；晚高峰偏差為-30～45 min。第三類是商業(yè)聚集效果顯著的車站，這些車站以非通勤客流為主體，車站的早高峰存在一定偏差時(shí)間和客流量偏差幅度。

4 車站高峰時(shí)段偏差時(shí)間及客流量取值建議

結(jié)合上述對(duì)西安市城市軌道交通已運(yùn)營車站的高峰時(shí)段偏差時(shí)間及客流量偏差幅度的統(tǒng)計(jì)分析，以及各類型車站的用地特征，可將車站分為四類，即通勤出行用地/其他出行用地≥0.5的一般車站、通勤出行用地/其他出行用地＜0.5的一般車站、交通樞紐車站以及商業(yè)聚集效果顯著的車站?？土黝A(yù)測時(shí)各類型車站高峰時(shí)段取值建議見表7。

5 結(jié)語

本文通過對(duì)西安市城市軌道交通已開通運(yùn)營的63座車站的客流高峰時(shí)段與城市交通高峰時(shí)段的特征偏差進(jìn)行分析，運(yùn)用K-means算法對(duì)其進(jìn)行分類。根據(jù)各類型車站周邊用地性質(zhì)特征，得出每一類車站的客流高峰偏差時(shí)間建議取值以及車站高峰時(shí)段客流量的擴(kuò)大系數(shù)。結(jié)果表明，當(dāng)通勤出行用地/其他出行用地≥0.5時(shí)，車站客流高峰時(shí)段與城市交通高峰時(shí)段基本無偏差；當(dāng)通勤出行用地/其他出行用地＜0.5或車站為明顯的交通樞紐車站、大型商業(yè)區(qū)車站時(shí)，車站客流高峰時(shí)段出現(xiàn)時(shí)間將有不同程度的偏差，且車站高峰時(shí)段客流量是此車站在其城市交通高峰時(shí)段客流量的1.1～1.6倍。然而，由于通勤出行用地與其他出行用地比值小于0.5的一般車站僅有4座，偏差時(shí)間及客流量偏差幅度與用地比值之間的相關(guān)性擬合誤差較大，需要收集更多城市軌道交通車站客流與用地情況進(jìn)行進(jìn)一步研究；西安市城市軌道交通未延伸至城市郊區(qū)，因此，無法確定郊區(qū)軌道交通車站客流的高峰時(shí)段偏差。

表7 各類型車站高峰取值建議Tab.7 Recommended value of peak hours at different types of stations