金 昱

(上海市城市規(guī)劃設(shè)計(jì)研究院，上海200040)

0 引言

截至2017年底，中國(guó)內(nèi)地共開通165條城市軌道交通線路，總長(zhǎng)約5 033 km，車站總數(shù)約3 234座[1]，平均每1.6 km線路設(shè)置一座車站。車站是乘客進(jìn)出軌道交通系統(tǒng)的唯一窗口，也是軌道交通系統(tǒng)工程投資的重要組成部分之一。參考上海市近期某條地鐵線路項(xiàng)目工程可行性研究報(bào)告造價(jià)估算成果，車站建筑工程費(fèi)用約占全線工程費(fèi)用的40%。車站規(guī)劃設(shè)計(jì)質(zhì)量的好壞直接決定了線路功能的發(fā)揮。隨著近年來城市軌道交通線網(wǎng)規(guī)模的增大和車站周邊開發(fā)的日益成熟，網(wǎng)絡(luò)客流量日益增長(zhǎng)，部分車站在集散能力、站廳和站臺(tái)通過能力、垂直通過能力、換乘通道能力等方面與客流需求間的矛盾日益凸顯，影響軌道交通線路乃至網(wǎng)絡(luò)系統(tǒng)的運(yùn)營(yíng)安全和效率。

本文重點(diǎn)從客流預(yù)測(cè)角度開展分析。一方面，客流預(yù)測(cè)存在誤差，其主要原因包括三個(gè)方面[2]：車站周邊用地規(guī)劃等預(yù)測(cè)基礎(chǔ)條件發(fā)生變化，對(duì)機(jī)動(dòng)車交通等道路交通發(fā)展估計(jì)不足，對(duì)高峰小時(shí)系數(shù)等客流分布規(guī)律認(rèn)識(shí)不足。相對(duì)而言，前兩個(gè)方面屬于軌道交通系統(tǒng)的外部影響因素，對(duì)于高峰小時(shí)客流規(guī)律認(rèn)識(shí)不足則屬于軌道交通系統(tǒng)內(nèi)部影響因素。另一方面，在客流預(yù)測(cè)過程中，往往存在重線路、輕車站的典型特征，對(duì)于車站層面客流特征的關(guān)注仍顯不足。

本文立足已經(jīng)投入運(yùn)營(yíng)超過20年、網(wǎng)絡(luò)規(guī)模超過600 km 的上海市軌道交通實(shí)際運(yùn)營(yíng)情況，開展車站層面進(jìn)出站高峰客流特征基礎(chǔ)性研究。希望通過本文的研究，加強(qiáng)對(duì)軌道交通車站高峰客流特征的認(rèn)識(shí)，為后續(xù)軌道交通車站規(guī)劃設(shè)計(jì)提供借鑒。

1 文獻(xiàn)綜述

在軌道交通客流預(yù)測(cè)過程中，車站高峰小時(shí)客流量和車站客流超高峰系數(shù)是合理確定車站規(guī)模的兩個(gè)重要參數(shù)：前者是確定各個(gè)站臺(tái)和樓梯寬度、自動(dòng)扶梯數(shù)量等車站設(shè)施規(guī)模的直接依據(jù)；后者是優(yōu)化站臺(tái)寬度等設(shè)施規(guī)模的重要參考[3]。近年來，隨著軌道交通運(yùn)營(yíng)中暴露出來的諸多不足，研究人員開始逐步重視車站客流高峰特征研究，主要圍繞以下三方面內(nèi)容開展：高峰小時(shí)出現(xiàn)時(shí)段、高峰小時(shí)系數(shù)取值以及超高峰系數(shù)取值。

關(guān)于高峰小時(shí)出現(xiàn)時(shí)段，文獻(xiàn)[4]對(duì)比了上海和大阪軌道交通客流數(shù)據(jù)，指出線路和車站的客流高峰時(shí)段并不重疊，車站高峰時(shí)段的確定應(yīng)結(jié)合車站位置、性質(zhì)及其周邊用地特征綜合確定。更多的研究人員則通過將車站分類進(jìn)而研究高峰小時(shí)分布特征及對(duì)應(yīng)的高峰小時(shí)系數(shù)。文獻(xiàn)[5]根據(jù)車站周邊用地特征將北京市231 座軌道交通車站劃分為8類，包括居住類、辦公類、對(duì)外樞紐類等，并分析了不同類型車站進(jìn)站客流的高峰時(shí)段分布特征和高峰小時(shí)系數(shù)。文獻(xiàn)[6]從車站進(jìn)站客流時(shí)變特征的角度入手，將上海市軌道交通232 座車站劃分為雙峰型、早高峰型、晚高峰型、無峰型4 類，并計(jì)算了不同類型車站的高峰小時(shí)系數(shù)取值。文獻(xiàn)[7]選取深圳市30 座典型軌道交通車站，根據(jù)車站周邊用地功能將車站分為商品房居住類、商業(yè)類、辦公類等6 類，分析了各類車站進(jìn)出站客流的高峰小時(shí)系數(shù)取值范圍，并對(duì)超高峰系數(shù)進(jìn)行了初步研究。

綜上，近年來國(guó)內(nèi)研究人員對(duì)于城市軌道交通車站客流特征逐漸重視，希望通過分析車站客流間的差異性，為車站規(guī)劃設(shè)計(jì)提供更為合理的定量化依據(jù)。但是，對(duì)于軌道交通車站客流高峰特征的基礎(chǔ)性、系統(tǒng)性研究仍較為缺乏，尤其是對(duì)高峰小時(shí)系數(shù)、超高峰系數(shù)的取值分析十分有限。

2 數(shù)據(jù)與方法

2.1 概念界定

2.1.1 高峰小時(shí)系數(shù)

高峰小時(shí)通常用以描述一天中客流量最大的某一小時(shí)。在軌道交通規(guī)劃設(shè)計(jì)領(lǐng)域，為了確定車站設(shè)施規(guī)模，通常使用車站客流高峰小時(shí)系數(shù)(記作PHF)衡量一天內(nèi)交通量的高峰特征，其計(jì)算公式為

通常采用整點(diǎn)一小時(shí)作為研究對(duì)象，即將一天24 h中客流最高的某個(gè)整點(diǎn)一小時(shí)作為高峰小時(shí)(記作PHF60min)?？紤]到軌道交通客流波動(dòng)性特征較為明顯，采用整點(diǎn)一小時(shí)進(jìn)行分析存在一定偏差。本文在以60 min作為研究對(duì)象的基礎(chǔ)上，同步研究以15 min作為分析單元，取客流最大的連續(xù)一個(gè)小時(shí)作為高峰小時(shí)(記作PHF15min)，即分析可能出現(xiàn)的8：15—9：15為早高峰的情況。

2.1.2 超高峰系數(shù)

由于進(jìn)出站客流在高峰小時(shí)內(nèi)仍有一定不均衡性、突發(fā)性，為了避免高峰時(shí)段超高客流在車站內(nèi)部阻塞而影響乘客安全和列車運(yùn)營(yíng)，需要對(duì)車站高峰小時(shí)內(nèi)的客流時(shí)間分布特征進(jìn)行深化研究。一般采用超高峰系數(shù)(記作EPHF)作為衡量車站超高峰期客流量的指標(biāo)，其計(jì)算公式為

式(2)中超高峰時(shí)段可選取高峰小時(shí)中客流量最大的15 min。根據(jù)《地鐵設(shè)計(jì)規(guī)范》(GB 50157—2013)，超高峰系數(shù)一般取值1.1～1.4，實(shí)際操作中，在首末站、換乘站等取較高值，一般站取較低值[8]。

2.2 數(shù)據(jù)處理

本文以2016年初上海市軌道交通網(wǎng)絡(luò)14 條線路(不含磁浮線、金山支線)、303 座車站(同名換乘車站視為一座車站)作為研究對(duì)象。首先選取2016年上半年某一周的全網(wǎng)智能交通卡日均近千萬次的刷卡數(shù)據(jù)進(jìn)行分析。全網(wǎng)刷卡量從星期一至星期五逐日增大，周末逐漸回落，這與倫敦[9]、北京[10]的軌道交通客流數(shù)據(jù)規(guī)律類似。因此，本文選取客流量數(shù)據(jù)最大的星期五作為分析對(duì)象。隨后，研究通過跟蹤同一張卡的刷卡數(shù)據(jù)，判斷每一次刷卡數(shù)據(jù)屬于進(jìn)站客流還是出站客流，進(jìn)而按照刷卡數(shù)據(jù)所屬車站，分別計(jì)算一天內(nèi)每個(gè)車站每15 min、60 min以及全日進(jìn)出站客流量。在此基礎(chǔ)上，分析每座車站的進(jìn)出站高峰客流特征。

圖1 車站進(jìn)出站客流時(shí)間分布Fig.1 Temporal distribution of arrival/departure passenger volume

考慮到新建車站客流特征存在較大不穩(wěn)定因素，數(shù)據(jù)處理過程中將全網(wǎng)車站根據(jù)運(yùn)營(yíng)時(shí)間≥5年、＜5年分為兩類，兩類車站的平均客流量分別為2.0 萬人次·d-1和0.9 萬人次·d-1。本文重點(diǎn)關(guān)注車站全日客流量、高峰小時(shí)系數(shù)、超高峰系數(shù)等多重因素疊加下出現(xiàn)的高峰時(shí)段極端客流及由此產(chǎn)生的設(shè)施服務(wù)水平嚴(yán)重不足問題。運(yùn)營(yíng)期＜5年的車站總體上全日客流量較小，仍處于客流增長(zhǎng)期，分析此類車站高峰時(shí)段的相關(guān)系數(shù)意義不大，也不能完全體現(xiàn)客流成熟后的實(shí)際客流特征。因此，最終選取投入運(yùn)營(yíng)≥5年的238座車站進(jìn)行具體的客流分析。

3 車站高峰客流特征

3.1 高峰小時(shí)時(shí)段分布

3.1.1 全網(wǎng)情況

采用60 min和15 min兩種分析單元分析得出的全網(wǎng)車站進(jìn)出站客流量時(shí)變情況如圖1 所示。全網(wǎng)進(jìn)出站客流時(shí)間分布均呈現(xiàn)典型的雙峰型特征，且早高峰進(jìn)出站客流量均大于晚高峰相應(yīng)客流量。相比于進(jìn)站客流，出站客流時(shí)變圖存在一定的滯后特征，可以看成是進(jìn)站客流時(shí)變圖向右移動(dòng)一定距離(即滯后時(shí)間)形成，滯后時(shí)間約為30～45 min。根據(jù)上海市第五次綜合交通大調(diào)查，2015年上海市居民軌道交通出行平均時(shí)耗為62 min，其中軌道交通系統(tǒng)內(nèi)時(shí)耗為35 min[11]。由此可見，這個(gè)滯后時(shí)間基本上也反映了乘客乘坐軌道交通的平均時(shí)耗。

以60 min作為分析單元，全網(wǎng)進(jìn)出站早高峰均出現(xiàn)在8：00—9：00，晚高峰則分別出現(xiàn)在 17：00—18：00 和 18：00—19：00(見圖 1a)。以15 min作為分析單元，全網(wǎng)進(jìn)出站早高峰分別為 7：45—8：45 和 8：15—9：15，晚高峰分別出現(xiàn)在 17：30—18：30 和 18：00—19：00(見圖1b)。對(duì)比得出，15min分析單元比60 min分析單元的進(jìn)站客流高峰小時(shí)略有提前，出站客流高峰小時(shí)則略有延后。

3.1.2 車站分布

實(shí)際工作中往往更關(guān)注車站層面的最高峰客流所在時(shí)段的分布情況。對(duì)于進(jìn)站客流而言，超過1/2 的車站進(jìn)站高峰小時(shí)出現(xiàn)在早上，出現(xiàn)在傍晚的比例相對(duì)較低，呈現(xiàn)單峰集聚特征。如表1 所示，超過60%的進(jìn)站高峰客流出現(xiàn)在7：00—9：00，僅30%出現(xiàn)在17：00—19：00。

出站客流的高峰小時(shí)分布則呈現(xiàn)出雙峰集聚特征。如表1所示，以60 min作為分析單元，高達(dá)43.0%的車站出站高峰客流出現(xiàn)在8：00—9：00，同時(shí)高達(dá)46.6%的車站出站高峰客流出現(xiàn)在18：00—19：00；以15 min作為分析單元，出站客流高峰小時(shí)位于8：00—9：00、18：00—19：00的比例均超過1/3。

3.2 高峰小時(shí)系數(shù)取值范圍

3.2.1 全網(wǎng)情況

由于全網(wǎng)早高峰客流集聚度更高，早高峰小時(shí)系數(shù)取值較大幅度高于晚高峰小時(shí)系數(shù)。這可能與早高峰客流更多是通勤客流直接相關(guān)，通勤客流的上班時(shí)間相對(duì)比較穩(wěn)定、集中；晚高峰的形成則受更多的因素干擾和影響，時(shí)間跨度更長(zhǎng)、客流分布亦更平緩。文獻(xiàn)[12]對(duì)于城市道路交叉口車流量高峰小時(shí)系數(shù)的研究也發(fā)現(xiàn)了類似的特征。

對(duì)比兩種分析單元，進(jìn)站客流的PHF15min均值比PHF60min均值高10%左右，出站客流的對(duì)應(yīng)增幅相對(duì)有限(見表2)?？梢姡W(wǎng)層面進(jìn)站客流存在較大的波動(dòng)性特征，采用15 min的分析精度十分必要。

3.2.2 車站分布

實(shí)際工作中往往更關(guān)注車站層面的最高峰客流分布情況。以每個(gè)車站作為分析對(duì)象，分析全網(wǎng)238 座車站的高峰小時(shí)和高峰小時(shí)系數(shù)可以發(fā)現(xiàn)：1)進(jìn)站客流高峰小時(shí)系數(shù)均值高于出站客流，采用15 min和60 min分析單元得出的進(jìn)站客流高峰小時(shí)系數(shù)均值比出站客流對(duì)應(yīng)值分別大15.6%和9.0%(見圖2)，這可能與早高峰大量通勤客流的集中進(jìn)站有關(guān)；2)采用15 min分析單元更能反映高峰客流的特征，這與全網(wǎng)高峰小時(shí)系數(shù)取值特征類似。

1）進(jìn)站客流。

進(jìn)站客流高峰小時(shí)系數(shù)分布如圖3a 所示。進(jìn)站高峰小時(shí)系數(shù)最低的車站位于兩大交通樞紐內(nèi)——虹橋火車站(PHF15min=10.7%)和浦東國(guó)際機(jī)場(chǎng)(PHF15min=10.8%)，這主要與對(duì)外交通客流分布相對(duì)平穩(wěn)有關(guān)。上海市傳統(tǒng)商業(yè)區(qū)內(nèi)的車站高峰小時(shí)系數(shù)大多為15%～20%，包括靜安寺、南京西路、人民廣場(chǎng)、南京東路、徐家匯等車站。這主要與這些車站周邊地區(qū)商業(yè)、辦公、居住等多種功能的配置相對(duì)復(fù)合有關(guān)。

進(jìn)站高峰小時(shí)系數(shù)超過20%的車站占50%。這類車站在空間分布上主要位于兩類典型區(qū)域：①4 號(hào)線環(huán)線以外、放射型線路的外圍車站，周邊用地以居住為主；②4 號(hào)線環(huán)線以內(nèi)、周邊用地以高強(qiáng)度辦公開發(fā)為主。

圖2 車站客流高峰小時(shí)系數(shù)箱形圖Fig.2 Box plot of peak hour factors at stations

表1 進(jìn)出站客流高峰小時(shí)時(shí)段分布Tab.1 Temporal distribution of arrival/departure passenger volume peak hours %

表2 全網(wǎng)進(jìn)出站客流高峰小時(shí)系數(shù)取值Tab.2 Peak hour factor of arrival/departure passenger volume within the rail transit network

進(jìn)站高峰小時(shí)系數(shù)超過30%的車站占12%。這類車站的典型特征是周邊用地性質(zhì)十分單一。例如，1 號(hào)線通河新村站、6 號(hào)線巨峰路站、7 號(hào)線錦繡路站、8 號(hào)線楊思站、11 號(hào)線桃浦新村站等為居住密集型車站，其600 m 范圍內(nèi)居住用地面積比例均超過30%，最高甚至達(dá)50%；2 號(hào)線陸家嘴站、9 號(hào)線漕河涇開發(fā)區(qū)站等為辦公密集型車站，其600 m 范圍內(nèi)商業(yè)、辦公用地面積均超過30%(見圖4)。

2）出站客流。

圖3 進(jìn)出站客流高峰小時(shí)系數(shù)分布Fig.3 Distribution of peak hour factors of arrival/departure passenger volume

出站客流高峰小時(shí)系數(shù)分布如圖3b 所示。與進(jìn)站客流類似，出站高峰小時(shí)系數(shù)低值車站多為大型對(duì)外交通樞紐，最低為浦東國(guó)際機(jī)場(chǎng)站(PHF15min=10.3%)，虹橋火車站、上海火車站等車站的高峰小時(shí)系數(shù)介于10%～15%。此外，高峰小時(shí)系數(shù)低值車站還包括1 號(hào)線延長(zhǎng)路站、3 號(hào)線赤峰路站、8 號(hào)線江浦路站、13號(hào)線金沙江路站等位于中心城區(qū)內(nèi)的車站。這類車站出站客流高峰位于傍晚，但是出站客流并未十分集聚。這可能與其位于中心城的區(qū)位以及周邊用地功能相對(duì)較為復(fù)合有關(guān)，車站周邊除了居住用地以外，還布局了三甲醫(yī)院、高等院校等，使得進(jìn)出站客流比較均衡。

主要商業(yè)辦公區(qū)內(nèi)的車站出站高峰小時(shí)客流系數(shù)集中于20%～25%，高峰客流集中度高于進(jìn)站客流。與進(jìn)站高峰小時(shí)系數(shù)相比，出站高峰小時(shí)系數(shù)總體較小，超過20%的車站比例約為27%。這類車站主要位于兩類區(qū)域：①4 號(hào)線環(huán)線及周邊區(qū)域內(nèi)的1 號(hào)線、2 號(hào)線、9 號(hào)線等骨干線路的車站，周邊用地以高強(qiáng)度商業(yè)辦公開發(fā)為主，尤其是張江高科、漕河涇開發(fā)區(qū)等典型的辦公密集型車站，出站高峰客流系數(shù)超過30%；②4號(hào)線環(huán)線外圍車站，包括2 號(hào)線海天三路、3號(hào)線鐵力路、5 號(hào)線文井路等，車站位置處于遠(yuǎn)郊，周邊開發(fā)成熟度較低，客流總量低(日均進(jìn)出站客流量總計(jì)不足7 000人次·d-1)。

3）小結(jié)。

綜合進(jìn)站和出站客流高峰小時(shí)系數(shù)空間分析來看，進(jìn)出站高峰小時(shí)系數(shù)主要與車站周邊用地特征、區(qū)位密切相關(guān)。如果車站位于城市外圍且以高強(qiáng)度單一居住功能為主，或者周邊以高強(qiáng)度單一辦公功能為主，則車站存在較高高峰小時(shí)系數(shù)的可能，需要在規(guī)劃設(shè)計(jì)階段予以關(guān)注。對(duì)于這類車站，可以研究通過優(yōu)化調(diào)整車站周邊用地功能布局、適當(dāng)增設(shè)車站等方式規(guī)避單點(diǎn)大客流風(fēng)險(xiǎn)，也可以研究通過增設(shè)相鄰區(qū)間貫通式多列位停車線、增加站臺(tái)寬度和數(shù)量(如設(shè)置一島兩側(cè)式車站)、提高出入口通行能力等方式，提高車站對(duì)于大客流的應(yīng)對(duì)能力。

3.3 超高峰系數(shù)取值范圍

考慮到車站超高峰客流對(duì)車站規(guī)模的影響，在采用15 min分析單元計(jì)算高峰小時(shí)時(shí)段及高峰小時(shí)系數(shù)取值的基礎(chǔ)上，對(duì)車站進(jìn)出站客流的超高峰系數(shù)進(jìn)行研究。

3.3.1 全網(wǎng)情況

車站客流超高峰系數(shù)取值分布如表3 所示。大部分車站超高峰系數(shù)位于規(guī)范推薦范圍內(nèi)。進(jìn)出站客流超高峰系數(shù)為1.1～＜1.4的車站分別達(dá)71%，75%。與此同時(shí)，相比于進(jìn)站客流，出站客流超高峰系數(shù)分布更為離散，這可能與高峰時(shí)段進(jìn)站客流出行目的、出行時(shí)間相對(duì)統(tǒng)一，以通勤為主，而出站客流出行目的、出行時(shí)間更為分散有關(guān)。

3.3.2 車站分布

1）進(jìn)站客流。

進(jìn)站客流超高峰系數(shù)分布如圖5a所示。進(jìn)站客流超高峰系數(shù)取值較高、介于1.3～＜1.4的車站共有6 座，其中僅龍華中路站、藍(lán)村路站兩座車站日均進(jìn)站客流超過1萬人次·d-1，其余4 座車站進(jìn)站客流量均偏低。超高峰系數(shù)高于規(guī)范推薦值的車站比例不足2%，僅有4 座，其中3 座為放射型線路外圍居住型車站，受開發(fā)強(qiáng)度、開發(fā)時(shí)序等因素影響，全天進(jìn)站量不足1萬人次·d-1；另1座為上海體育場(chǎng)站(EPHF=1.77)，為舉辦大型賽事時(shí)產(chǎn)生極端高峰客流。經(jīng)統(tǒng)計(jì)，進(jìn)站客流超高峰系數(shù)低于規(guī)范推薦值的車站約為27%，這類車站主要是網(wǎng)絡(luò)中外圍的一些居住型車站，也包括一些典型的辦公型車站，如南京東路站、漕河涇開發(fā)區(qū)站等?？梢钥闯觯捎?5 min分析單元計(jì)算得出的進(jìn)站客流超高峰系數(shù)超過1.4 的車站比例低?？紤]到這其中大部分車站全天進(jìn)站量不大，其對(duì)應(yīng)的超高峰系數(shù)取值尚不具參考價(jià)值。

2）出站客流。

出站客流超高峰系數(shù)分布如圖5b 所示。相比于進(jìn)站客流，出站客流超高峰系數(shù)的分布更有規(guī)律。超高峰系數(shù)低于規(guī)范推薦值的車站約為21%。這類車站多分布于城市外圍，周邊用地以居住功能為主，超過85%的超高峰時(shí)段集中在17：30—19：00。超高峰系數(shù)取值較低、介于1.1～＜1.2 的車站約為38%。這部分車站除了一些居住密集型車站，還包括兩類特殊車站：①辦公密集型車站，如陸家嘴站、漕河涇開發(fā)區(qū)站、張江高科站等；②傳統(tǒng)的商業(yè)辦公混合型車站，如靜安寺站、人民廣場(chǎng)站等。這兩類車站超高峰時(shí)段多位于8：45—9：15，超高峰系數(shù)取值并不突出，但高峰小時(shí)系數(shù)均較高，這可能與高峰時(shí)段出站客流總量較大、周邊商業(yè)辦公業(yè)態(tài)層次較為豐富有關(guān)。

出站客流超高峰系數(shù)取值較高、介于1.3～＜1.4 的車站約為11%。典型車站可以分為兩類。一類是位于外環(huán)線外的居住密集型車站(如1 號(hào)線富錦路站和寶安公路站、7 號(hào)線顧村公園、9 號(hào)線九亭站和松江新城站等)，出站高峰時(shí)段位于傍晚。上述車站均位于線路末梢，承擔(dān)了周邊一定范圍內(nèi)的交通接駁功能。這類車站與規(guī)范推薦的超高峰系數(shù)取高值的首末站有點(diǎn)類似，在客流預(yù)測(cè)分析中超高峰系數(shù)宜取較高值。另一類是中心城內(nèi)的換乘站(如徐家匯站、海倫路站、漢中路站等)。這幾座換乘站出站高峰時(shí)段位于早上，超高峰系數(shù)亦較高，符合規(guī)范推薦的換乘站超高峰系數(shù)取較高值的建議。但是，考慮到全網(wǎng)共有50 余座換乘站，僅上述個(gè)別換乘站出現(xiàn)了較高的超高峰系數(shù)，尚無法佐證換乘站客流都存在較高超高峰系數(shù)的論斷。超高峰系數(shù)高于規(guī)范推薦值的車站比例僅為4%，典型車站是3號(hào)線殷高西路站和共富新村站。這兩個(gè)車站出站高峰小時(shí)均位于傍晚，出現(xiàn)極端15 min高峰的原因可能在于兩個(gè)方面，一是車站的區(qū)位均位于外環(huán)線附近，屬于典型的4 號(hào)線外圍居住密集型車站；二是車站周邊住宅建設(shè)年代、類型均十分接近，殷高西路站和共富新村站周邊居住用地基本上都是20 世紀(jì)90年代前后建設(shè)的老公房(見圖6)。

圖4 高峰小時(shí)系數(shù)高值車站600 m范圍現(xiàn)狀用地性質(zhì)Fig.4 Land use of 600 meters around stations with the highest peak hour factors

表3 車站客流超高峰系數(shù)取值Tab.3 Passenger extra peak hour factors at stations %

圖5 進(jìn)出站客流超高峰系數(shù)分布Fig.5 Distribution of extra peak hour factors of arrival/departure passenger volume

圖6 超高峰系數(shù)高值車站周邊600 m范圍現(xiàn)狀用地性質(zhì)Fig.6 Land use of 600 meters around stations with highest extra peak hour factors

3）小結(jié)。

采用15 min分析精度得出的高峰小時(shí)系數(shù)精度高，由此計(jì)算得出的超高峰系數(shù)大多位于規(guī)范推薦區(qū)間內(nèi)，一定程度上也佐證了規(guī)范推薦值的合理性。但倘若采用60 min計(jì)算精度，將有許多車站的超高峰系數(shù)超過規(guī)范推薦值范圍。從超高峰系數(shù)取值來看，辦公密集型車站往往存在較高的進(jìn)出站總量和高峰小時(shí)系數(shù)，而超高峰系數(shù)偏低；居住密集型車站在各個(gè)細(xì)分區(qū)間內(nèi)均有分布，超高峰系數(shù)取值與車站區(qū)位以及住宅建設(shè)年代、類型的混合程度相關(guān)，相對(duì)單一的住宅類型容易形成較高的超高峰系數(shù)。對(duì)比既有規(guī)范，雖然超高峰系數(shù)高于規(guī)范推薦值的車站數(shù)量較少，但是有兩類車站需要引起重視：①大型體育場(chǎng)館周邊的地鐵車站，存在散場(chǎng)時(shí)段的瞬時(shí)進(jìn)站高峰客流；②城市軌道交通線網(wǎng)外圍的相對(duì)單一住宅類型的居住密集型車站，存在下班時(shí)段的出站瞬時(shí)高峰。

4 結(jié)語(yǔ)

基于強(qiáng)化車站客流特征分析以提高車站規(guī)劃設(shè)計(jì)科學(xué)性的基本思路，本文利用上海市運(yùn)營(yíng)超過5年的238 座車站的智能交通卡刷卡數(shù)據(jù)，對(duì)軌道交通車站高峰小時(shí)客流特征進(jìn)行了系統(tǒng)研究。得出以下基本結(jié)論：

1）從分析精度來看，軌道交通車站客流分析應(yīng)采用15 min作為基本分析單元，采用60 min分析單元容易抹平一些高峰客流特征。

2）從高峰小時(shí)時(shí)段分布來看，更多車站的進(jìn)出站高峰客流出現(xiàn)在早上，而且進(jìn)站客流在晚高峰出現(xiàn)全日高峰客流的比例明顯低于出站客流。因此，對(duì)于大多數(shù)車站而言，客流預(yù)測(cè)過程中應(yīng)更多關(guān)注早高峰客流特征。

3）從高峰小時(shí)系數(shù)取值來看，進(jìn)站客流取值高于出站客流，而且進(jìn)出站高峰小時(shí)系數(shù)主要與車站區(qū)位及周邊用地特征相關(guān)。位于城市外圍且以高強(qiáng)度單一居住功能為主，或者周邊以高強(qiáng)度單一辦公功能為主的車站，存在較高高峰小時(shí)系數(shù)的可能，需要引起重視。

4）從超高峰系數(shù)取值分布來看，在采用15 min分析精度較好地識(shí)別高峰小時(shí)的前提下，大部分車站超高峰系數(shù)位于規(guī)范推薦值范圍內(nèi)。對(duì)于位于線路末梢，同時(shí)承擔(dān)了周邊一定范圍內(nèi)交通接駁功能的車站，超高峰系數(shù)在客流預(yù)測(cè)中可以適當(dāng)選用規(guī)范推薦的較高值，而對(duì)于車站周邊存在體育場(chǎng)館等設(shè)施的車站，應(yīng)充分考慮瞬時(shí)高峰客流帶來的高超高峰系數(shù)。

因此，車站選址過程中應(yīng)充分重視區(qū)位特征、用地特征帶來的客流影響。通過合理選擇車站位置、優(yōu)化周邊用地功能等規(guī)劃手法，規(guī)避極端客流高峰的出現(xiàn)。同時(shí)，采用增設(shè)停車線、優(yōu)化站臺(tái)和出入口設(shè)計(jì)等多種設(shè)計(jì)手法應(yīng)對(duì)大客流沖擊，保障后續(xù)軌道交通的運(yùn)營(yíng)安全。同時(shí)，圍繞軌道交通車站的TOD 開發(fā)以及結(jié)合車站進(jìn)行城市有機(jī)更新時(shí)，應(yīng)注重車站周邊用地功能的混合，尤其在傳統(tǒng)居住區(qū)中應(yīng)注重增加的居住功能與既有居住功能的差異性。通過提升用地功能混合度，從源頭上抑制極端高峰客流的出現(xiàn)。

由于上海運(yùn)營(yíng)時(shí)間超過5年的車站中約有30 座進(jìn)行了不同程度的限流，限流車站的實(shí)際刷卡客流數(shù)據(jù)無法完全體現(xiàn)車站客流需求特征，相應(yīng)的高峰小時(shí)系數(shù)和超高峰系數(shù)可能偏低。這部分限流車站往往也是網(wǎng)絡(luò)中客流量比較大的車站，如莘莊站、彭浦新村站、陸家嘴站等。若是簡(jiǎn)單將這些車站剔除，得出的車站整體高峰小時(shí)系數(shù)和超高峰系數(shù)將降低，更加偏離實(shí)際情況。后續(xù)可以結(jié)合手機(jī)信令等相關(guān)數(shù)據(jù)，深化分析限流車站的客流需求特征。此外，在高峰時(shí)段，除了進(jìn)出站能力，換乘通道能力、站臺(tái)能力亦是制約系統(tǒng)能力的重要因素。未來應(yīng)對(duì)上述這些因素開展研究，有助于更加全面地認(rèn)識(shí)車站高峰小時(shí)特征，為軌道交通車站規(guī)劃設(shè)計(jì)提供更多的支撐。