柴 東 葉霞飛 王 治 向 蕾

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實驗室，201804，上海//第一作者，碩士研究生)

我國部分城市軌道交通線路在開通不久就出現(xiàn)了限流的情況。經(jīng)分析，其中絕大多數(shù)的限流都與線路運(yùn)輸能力不足有關(guān)。

城市軌道交通線路運(yùn)輸能力最主要的指標(biāo)是高峰時段單向最大斷面客流量。由于線路全日OD(起訖點(diǎn))客流量的預(yù)測會相對容易把握，因此如果能夠研究得到比較可靠的高峰時段單向最大客流斷面(以下簡為“高斷面”)的高峰系數(shù)值，就可以為規(guī)劃設(shè)計階段校核高斷面客流量預(yù)測結(jié)果的合理性提供依據(jù)。

目前國內(nèi)外對城市軌道交通線路客流高斷面高峰系數(shù)的研究相對較少。文獻(xiàn)[1-2]研究了日本首都交通圈、京阪神交通圈和中京交通圈軌道交通線路的高斷面高峰系數(shù)隨時間變化的特征及其基本的變化范圍，發(fā)現(xiàn)近階段該系數(shù)基本為20%～35%，不過并沒有結(jié)合影響因素對高斷面高峰系數(shù)的影響程度進(jìn)行更加細(xì)化研究。

本文考慮基礎(chǔ)資料獲取的便捷性和全面性，以日本三大交通圈的城市軌道交通線路為對象，通過實證研究來探尋高斷面高峰系數(shù)Cms同線路沿線居住人口和工作崗位分布之間的關(guān)系。

1 數(shù)據(jù)來源及處理

1.1 數(shù)據(jù)來源

本文的數(shù)據(jù)來源主要有3類：①線路客流相關(guān)的統(tǒng)計數(shù)據(jù)來自2009年的日本《都市交通年報(平成23年版)》[3]；②居住人口和工作崗位統(tǒng)計分別來自2010年的日本國勢調(diào)查[4]和2009年的經(jīng)濟(jì)普查(基本調(diào)查)[5]；③線路和車站數(shù)據(jù)來自2011年日本國土交通省國土政策局網(wǎng)站提供的國土情報數(shù)據(jù)[6]。

1.2 車站影響范圍的確定

文獻(xiàn)[7]考慮車站密度的影響并以大阪府的車站數(shù)據(jù)為基礎(chǔ)，計算得到當(dāng)車站密度大于等于0.3座/km2時，車站合理影響范圍的閾值為900 m；而當(dāng)車站密度小于0.3座/km2時，車站合理密度范圍的閾值為1 000 m。本文同樣在考慮車站密度的基礎(chǔ)上兼顧車站影響范圍之間重疊較小的原則，將車站影響范圍分區(qū)確定，核心區(qū)選為500 m，市區(qū)選為800 m，郊區(qū)選為1 000 m。

1.3 對象線路篩選

研究之前需對部分明顯不符合研究要求的線路予以排除。線路篩選原則如下：

1) 根據(jù)《地鐵設(shè)計規(guī)范》，地鐵工程設(shè)計年限的遠(yuǎn)期指建成通車后第25年。這意味著通車25年后的客流特征比較穩(wěn)定。本文主要研究的是Cms穩(wěn)定狀態(tài)下的特征，而且相關(guān)基礎(chǔ)數(shù)據(jù)均為2009年左右數(shù)據(jù)，因此需排除1984年之后(不含1984年)開通或線路區(qū)段發(fā)生較大變化的線路。

2) 如線路直通運(yùn)營，且列車在線路物理區(qū)段的終點(diǎn)幾乎不停車，則其實際運(yùn)營高斷面會與物理線路高斷面不符合，故對此類線路予以排除。

3) 當(dāng)高斷面客流量較小時，就會產(chǎn)生比較異常的Cms。而本文研究成果主要用以避免運(yùn)輸能力設(shè)計不足的情況，因此主要研究對象選為高峰小時單向最大斷面客流量在1萬人次以上的線路。

1.4 線路分類

線路一般分為長度小于等于15 km的線路和長度大于15 km的線路。在長度小于等于15 km的線路沿線，居住人口分布和崗位分布情況不穩(wěn)定。因此本文重點(diǎn)研究長度大于15 km的線路。

根據(jù)線路服務(wù)范圍以及功能的不同，長度大于15 km的線路可分為市郊線、市區(qū)線、周向組團(tuán)連接線和環(huán)線機(jī)場線4類。本文重點(diǎn)針對市郊線和市區(qū)線，分析線路Cms同其沿線居住人口和工作崗位分布之間的關(guān)系。

2 城市軌道交通線路分段處理原理

線路按高斷面所在位置分段：起點(diǎn)至高斷面為高斷面前區(qū)段，高斷面至終點(diǎn)為高斷面后區(qū)段。

城市軌道交通沿線工作崗位主要分為工業(yè)崗位、商務(wù)辦公崗位、商業(yè)崗位、學(xué)校崗位和醫(yī)院崗位。在Cms分析過程中要時刻關(guān)注各時段通過高斷面客流的來源，并據(jù)此來確定需要研究的線路區(qū)段。

以沿線區(qū)域主要是居住人口為主的市郊線為例，其分時段通過高斷面客流的來源可參見圖1。高斷面前區(qū)段的沿線居民是早高峰通過高斷面客流的主要來源，高斷面前區(qū)段的沿線商務(wù)辦公類崗位、工業(yè)崗位和學(xué)校崗位會吸收一定的本區(qū)段居民，同時還會吸引部分高斷面后區(qū)段的居民前來工作，這部分人在晚高峰時段回程時會形成一定的通過高斷面客流量;而高斷面前的沿線商業(yè)崗位和醫(yī)院崗位同樣會在平常時段吸引高斷面后的部分居住人口前來休閑娛樂或者就醫(yī)，回程時同樣會增加一定的平常時段通過高斷面量；不過市郊線由于其沿線崗位一般較少，所以其高斷面前區(qū)段的崗位對于高斷面客流量的影響一般較小。由此可見，市郊線通過高斷面的客流量主要與高斷面前區(qū)段的沿線居住人口和工作崗位分布存在密切關(guān)系，因此對于此類線路需要統(tǒng)計其高斷面前區(qū)段居住人口和工作崗位的構(gòu)成情況來分析Cms的特征。

圖1 市郊線分段原理示意圖

3 城市軌道交通線路換乘客流量的換算處理方式

如果線路存在大量的換乘客流量并且最終通過線路的高斷面，就會對Cms帶來比較明顯的影響。城市軌道交通車站的進(jìn)、出站客流量與沿線的居住人口和工作崗位相關(guān)，而換乘量則是線路間的實際客流轉(zhuǎn)換，所以換乘量與沿線居住人口和工作崗位之間需要進(jìn)行換算處理后才能疊加。

換算居住人口主要是利用換入客流量與進(jìn)站客流量的比值乘以車站周邊的居住人口而得到的。但是由于部分平常時段進(jìn)站客流量來自于車站周邊的工作崗位就職人員，因此本文主要采用高峰時段的換入客流量和進(jìn)站客流量來進(jìn)行換算：

(1)

式中：

Phs——換算居住人口；

P——換乘站影響范圍內(nèi)的居住人口；

Qgj——高峰時段進(jìn)站客流量；

Qghr—高峰時段換入客流量。

換出客流量主要包括高峰時段換出客流量和平常時段換出客流量。高峰時段換出客流量按商務(wù)辦公崗位、工業(yè)崗位和學(xué)校崗位的數(shù)量進(jìn)行換算，平常時段換出客流量按商業(yè)崗位和醫(yī)院崗位的數(shù)量進(jìn)行換算。計算時將各時段的換出客流量和出站客流量的比值作為換算系數(shù)：

(2)

(3)

式中：

Wi,ghs——高峰時段換算崗位數(shù)，i代表商務(wù)辦公崗位、工業(yè)崗位和學(xué)校崗位；

Wj,phs——平常時段換算崗位數(shù)，j代表商業(yè)崗位和醫(yī)院崗位;

Wi——換乘站影響范圍內(nèi)高峰出行為主的各類崗位數(shù)；

Wj——換乘站影響范圍內(nèi)平峰出行為主的各類崗位數(shù)；

Qghc——高峰時段換出客流量;

Qphc——平常時段換出客流量；

Qgc——高峰時段出站客流量；

Qpc——平常時段出站客流量。

需要說明的是，式(3)未包括平峰時段乘客回家對應(yīng)的出站客流量。由于市郊線高斷面前區(qū)段由于工作崗位分布較少，出站客流量主要由商業(yè)崗位和醫(yī)院崗位提供，因此適用式(3)。而對于市區(qū)線來說，沿線居住人口和工作崗位分布較為復(fù)雜，式(3)并不適用。

4 城市軌道交通的Cms同沿線居住人口和工作崗位分布之間的關(guān)系

Cms本質(zhì)上為比值形式，因此影響因素同樣需要利用比值形式來進(jìn)行量化，本文將沿線居住人口和工作崗位量化為各構(gòu)成參數(shù)在居住人口和工作崗位總和中所占的比例。

4.1 市郊線

經(jīng)過篩選之后的市郊線有效樣本數(shù)為15條。利用分段處理原理和換乘客流量的換算，對在考慮換乘客流量情況下的線路高斷面前區(qū)段沿線居住人口和工作崗位分布進(jìn)行統(tǒng)計。表1為Cms同居住人口和工作崗位構(gòu)成各參數(shù)之間的Pearson相關(guān)性分析結(jié)果，選擇5%的雙側(cè)顯著性水平。可以看出通過相關(guān)性檢驗的分別是居住人口、商務(wù)辦公崗位、商業(yè)崗位和學(xué)校崗位；并且Cms同居住人口為正相關(guān)關(guān)系，同商務(wù)辦公崗位、商業(yè)崗位和學(xué)校崗位為負(fù)相關(guān)關(guān)系。這與分段原理中關(guān)于通過高斷面客流量的產(chǎn)生機(jī)理分析一致。

表1 市郊線Cms與高斷面前區(qū)段沿線居住人口和工作崗位的相關(guān)性分析

經(jīng)分析，居住人口同商務(wù)辦公崗位、商業(yè)崗位和學(xué)校崗位之間本身就存在著明顯的相關(guān)性。由于市郊線通過高斷面的客流量主要來自于高斷面前區(qū)段的居住人口，所以在主要考慮居住人口的情況下，對居住人口同上述3類崗位進(jìn)行多組合的比值作為參考指標(biāo)值，分析Cms與這些參考指標(biāo)值之間的關(guān)系。以居住人口比例為例，繪制其與Cms之間的散點(diǎn)圖，如圖2所示。由圖2可以看出，Cms與居住人口比例之間存在著明顯的線性關(guān)系。與居住人口比例類似，Cms與其余組合下的參考指標(biāo)值之間同樣存在著一定的線性關(guān)系，回歸結(jié)果匯總?cè)绫?所示。

圖2 市郊線高斷面前區(qū)段的沿線居住人口比例與Cms散點(diǎn)圖

對比表2中各參考指標(biāo)值與Cms線性擬合的R2數(shù)值，可以看出居住人口比例和Cms之間的擬合結(jié)果最優(yōu)。因此最終的回歸結(jié)果為：

Cms=0.498x1-8.477

(4)

式中：

x1——考慮換乘量后高斷面前區(qū)段的居住人口比例。

表2 各組合下參考指標(biāo)值與Cms的回歸匯總表

由表2也可以看出，h與Cms的回歸結(jié)果中常數(shù)項的顯著性概率大于0.05，不過目前學(xué)術(shù)界對常數(shù)項在這種情況下是否還需要保留的爭議性比較大。本文從Cms的原理出發(fā)，認(rèn)為樣本中的市郊線在高斷面前區(qū)段必須存在一定比例的居住人口才能使得高斷面出現(xiàn)在郊區(qū)去往市區(qū)的方向以及使得Cms處于基本的變化范圍(20%～35%)之內(nèi)，Cms與居住人口比例之間的關(guān)系不應(yīng)為通過原點(diǎn)的線性關(guān)系，因此本文保留上述回歸模型中的常數(shù)項。

4.2 市區(qū)線

日本三大交通圈的市區(qū)線經(jīng)過篩選后共有9條。市區(qū)線主要服務(wù)于城市的市區(qū)區(qū)域，當(dāng)多條市郊線與市區(qū)線形成換乘時，市區(qū)線的高斷面就有可能出現(xiàn)在線路的起點(diǎn)附近，高斷面前的車站數(shù)有時甚至只有2座，在統(tǒng)計其高斷面前區(qū)段的居住人口和工作崗位分布時，其構(gòu)成情況只與少數(shù)車站有關(guān)，這對于Cms研究的價值較低，此外市區(qū)線無法獲得比較準(zhǔn)確的分時段換乘客流量數(shù)據(jù)，因此本文對于市區(qū)線主要研究Cms與其全線沿線居住人口和工作崗位分布之間的關(guān)系。

由于市區(qū)線沿線大部分區(qū)域主要以工作崗位為主，對高斷面客流量起決定性作用的主要是沿線的工作崗位分布，其中高峰通過高斷面的客流量主要來自于沿線商務(wù)辦公崗位、工業(yè)崗位和學(xué)校崗位的吸引，而平常時段通過高斷面的客流量則主要來自于沿線商業(yè)崗位和醫(yī)院崗位的吸引，因此可以將市區(qū)線的各類型崗位根據(jù)其產(chǎn)生客流的時段不同換算為全線參考指標(biāo)值x2,x2=(工業(yè)崗位+商務(wù)辦公崗位+學(xué)校崗位)/(商業(yè)崗位+醫(yī)院崗位)。x2與Cms之間的散點(diǎn)分布及擬合線如圖3所示。

圖3 x2與Cms散點(diǎn)分布及擬合線圖

由圖3可以看出，隨著x2增大，Cms表現(xiàn)出了一定的增大趨勢，說明兩者之間存在著一定的線性關(guān)系。在此基礎(chǔ)上進(jìn)行兩者之間的線性回歸，回歸參數(shù)的檢驗結(jié)果如表3所示。

表3 市區(qū)線參考指標(biāo)值與Cms的回歸參數(shù)檢驗表

表3中的參考指標(biāo)值和常數(shù)項的顯著性概率分別為0.002和0，都小于0.05，說明兩者都具有比較明顯的統(tǒng)計學(xué)意義。因此其線性回歸結(jié)果為：

Cms=6.558x2+16.167

(5)

5 結(jié)論

通過對日本三大交通圈長度大于15 km的城市軌道交通線路的Cms與其沿線居住人口和工作崗位分布的關(guān)系進(jìn)行研究，主要得到以下結(jié)論：

1) 市郊線通過高斷面的客流量主要與其高斷面前區(qū)段的居住人口和工作崗位分布相關(guān)。

2) 市郊線在將其換乘客流量換算為居住人口和工作崗位之后，其Cms隨著高斷面前區(qū)段的居住人口比例的增大而增大，兩者的線性回歸關(guān)系模型為Cms=0.498x1-8.477。

3) 市區(qū)線主要研究了其Cms與全線沿線居住人口和工作崗位分布之間的關(guān)系，可知Cms隨著全線參考指標(biāo)值的增大呈現(xiàn)出一定的增大趨勢，兩者之間的回歸關(guān)系模型為Cms=6.558x2+16.167。