余麗潔 肖 娜 陳寬民 馬超群

（1.長(zhǎng)安大學(xué)運(yùn)輸工程學(xué)院，710064，西安；2.中交第一公路勘察設(shè)計(jì)研究院有限公司，710075，西安∥第一作者，博士研究生）

城市軌道交通車站設(shè)計(jì)時(shí)，其通過(guò)能力應(yīng)按該站預(yù)測(cè)遠(yuǎn)期高峰小時(shí)客流量或客流控制期高峰小時(shí)客流量乘以超高峰系數(shù)進(jìn)行計(jì)算［1］。但在實(shí)際應(yīng)用中發(fā)現(xiàn)，全線客流的高峰小時(shí)時(shí)段不一定是車站客流的高峰時(shí)段［2］。文獻(xiàn)［3］通過(guò)對(duì)車站客流高峰時(shí)段的確定，得到了更準(zhǔn)確的車站設(shè)計(jì)客流。文獻(xiàn)［4］根據(jù)車站周邊用地特征，得出了車站高峰偏差的時(shí)間建議取值和車站高峰客流的擴(kuò)大系數(shù)。但由于目前這些研究只停留在影響因素方面，未深入進(jìn)行車站高峰客流的定量分析，因此對(duì)確定合理車站設(shè)計(jì)客流的技術(shù)指導(dǎo)性不強(qiáng)。

本文通過(guò)實(shí)際案例，針對(duì)城市軌道交通車站高峰小時(shí)（以下簡(jiǎn)為“車站高峰”）時(shí)段與城市高峰小時(shí)（以下簡(jiǎn)為“城市高峰”）時(shí)段不一致的現(xiàn)象，對(duì)車站客流高峰偏差進(jìn)行細(xì)化分析，得到描述高峰偏差的方法——車站高峰偏差系數(shù)（PDC），并確定影響車站高峰偏差的主要因素；最后利用最小二乘支持向量機(jī)（LSSVM）建立車站高峰偏差系數(shù)的計(jì)算模型，以期得到精確度較高的車站設(shè)計(jì)客流。

1 車站客流高峰偏差分析

高峰小時(shí)指由于城市地區(qū)通勤與通學(xué)等出行引起的出行數(shù)量明顯高于其他時(shí)間的某個(gè)小時(shí)，一般分早、晚高峰小時(shí)。本文的城市高峰即指早、晚高峰。車站高峰指車站在一日內(nèi)客流最集中的某一小時(shí)，車站高峰小時(shí)客流則指車站高峰小時(shí)內(nèi)的進(jìn)出站客流。對(duì)于市區(qū)線，服務(wù)對(duì)象主要是通勤、通學(xué)的乘客，客流多集中于城市高峰時(shí)段，故市區(qū)線上大多數(shù)車站的高峰小時(shí)與城市高峰趨近或重疊。但由于車站服務(wù)區(qū)域環(huán)境功能等的不同，部分車站高峰與城市高峰偏差較大。這種偏差不僅表現(xiàn)在高峰發(fā)生時(shí)段上，也體現(xiàn)在客流量級(jí)上。

以西安地鐵為例，截至2018 年12 月底已開通3 條線路，共63 座車站。現(xiàn)利用西安地鐵2018 年5月份中21 個(gè)工作日（5 月2 日為勞動(dòng)節(jié)后第一個(gè)工作日，客流受節(jié)假日影響，故剔除）的AFC（自動(dòng)售檢票）數(shù)據(jù)對(duì)63 座車站進(jìn)行高峰偏差分析。發(fā)現(xiàn)41%的車站其車站高峰與城市高峰相吻合；59%的車站其車站高峰與城市高峰產(chǎn)生不同程度的偏差，客流量偏差在1 ～1 246 人次不等，具體偏差結(jié)果見圖1 和表1。無(wú)偏差車站在此不再贅述。

由表1 可知，車站偏差幅度主要集中在-15 min～30 min 區(qū)間。其中11 座車站其車站高峰早于早高峰15 min，這類車站多處于線路首末端，位于市郊區(qū)；車站服務(wù)區(qū)域主要是居住區(qū)，主導(dǎo)客流是上班、上學(xué)通勤客流。這類車站由于距離市中心較遠(yuǎn)，乘客出發(fā)時(shí)刻較早，故形成的車站高峰相應(yīng)提前。相對(duì)城市高峰滯后的車站共25 座，其中17 座車站滯后15 min，7 座車站滯后30 min，滯后的車站多處于發(fā)展相對(duì)成熟的區(qū)域，周邊用地相對(duì)復(fù)雜，有高密度的就業(yè)區(qū)、大型商業(yè)區(qū)、娛樂(lè)休閑區(qū)等，吸引的客流包括了旅游觀光、商業(yè)購(gòu)物客流，客流聚集時(shí)間較早高峰晚。

北客站比較特殊，其車站高峰是13:45—14:15，與城市高峰偏離較大。這是因?yàn)楸笨驼臼墙煌屑~類車站，其客流時(shí)間分布主要受鐵路動(dòng)車發(fā)車時(shí)刻約束。

表1 西安市軌道交通車站高峰偏差幅度

圖1 西安地鐵車站高峰偏差量

2 車站高峰偏差系數(shù)

由前文分析可知，存在高峰偏差的車站其自身高峰時(shí)段的進(jìn)出站客流量明顯大于城市高峰時(shí)段的進(jìn)出站客流量。城市軌道交通車站規(guī)模是基于預(yù)測(cè)的城市高峰時(shí)段的車站客流量設(shè)計(jì)，對(duì)于偏差車站，預(yù)測(cè)的車站設(shè)計(jì)客流量必然偏小，導(dǎo)致車站規(guī)模設(shè)計(jì)偏小［5］。因此，為了得到更精確的車站設(shè)計(jì)客流，必須對(duì)預(yù)測(cè)的城市高峰時(shí)段客流量進(jìn)行擴(kuò)大修正。本文引入一個(gè)擴(kuò)大系數(shù)，將其稱為車站高峰偏差系數(shù)。

車站高峰偏差系數(shù)旨在描述某車站在車站高峰時(shí)段客流量與城市高峰時(shí)段車站客流量之間的偏差程度，對(duì)存在偏差車站的城市高峰時(shí)段車站客流量進(jìn)行擴(kuò)大。因此，定義車站高峰偏差系數(shù)（PPDC）表達(dá)式如下：

式中：

ps——車站高峰小時(shí)進(jìn)出站客流量；

pc——城市高峰小時(shí)車站進(jìn)出站客流量。

當(dāng)車站高峰與城市高峰時(shí)段重疊時(shí)，表明車站高峰未產(chǎn)生偏差，即ps＝pc，此時(shí)PPDC=1；當(dāng)車站高峰偏離城市高峰時(shí)，該車站在車站高峰時(shí)段的進(jìn)出站客流量必然大于城市高峰時(shí)段的進(jìn)出站客流量，即ps＞pc，此時(shí)PPDC＞1。因此，PPDC≥1，且其值越接近于1，表示車站高峰客流與城市高峰車站客流越接近，偏差越小。反之，表示偏差越大。

3 車站高峰偏差影響因素

影響車站客流量的因素通常分為人口數(shù)量、周邊建成環(huán)境、社會(huì)經(jīng)濟(jì)因素、城市軌道交通車站特征共4 類［6］。由于人口數(shù)量和社會(huì)經(jīng)濟(jì)因素主要影響的是客流量級(jí)，對(duì)車站高峰偏差影響較小，故著重分析城市軌道交通車站周邊建成環(huán)境和車站特征對(duì)車站高峰偏差的影響。

3.1 車站周邊建成環(huán)境

車站周邊建成環(huán)境主要指周邊土地開發(fā)強(qiáng)度和混合度。有關(guān)研究表明，土地利用混合度高的車站，其更能平衡居民不同時(shí)間段的出行需求，降低高峰期與平峰期的出行量差異［7］。對(duì)于周邊土地類型比較單一的車站，其車站客流在時(shí)間分布上越不均衡，車站高峰與平峰差異越大。文獻(xiàn)［8］在研究車站客流高峰偏差與用地的關(guān)系時(shí)，發(fā)現(xiàn)通勤用地占比和待開發(fā)用地占比對(duì)車站客流高峰偏差影響較大。因此，本文用車站800 m 范圍內(nèi)的通勤用地、待開發(fā)用地建筑面積占比來(lái)研究車站周邊用地對(duì)車站高峰偏差的影響。

3.2 車站到市中心的距離

車站位置對(duì)高峰時(shí)段車站進(jìn)、出站客流有顯著影響，主要體現(xiàn)在吸引客流的性質(zhì)和能力上。城市高峰客流的形成也是源于通勤客流，故這類車站其車站高峰偏差理應(yīng)較小。但由于各車站到市中心的距離不同，站點(diǎn)周邊乘客乘車時(shí)刻則會(huì)不同，造成各車站高峰時(shí)段存在差異，比如西安市二環(huán)外的車站早高峰可能在7:00，二環(huán)內(nèi)的車站早高峰則可能在7:30。因此車站到市中心的距離也應(yīng)考慮為影響車站高峰偏差的重要因素。

3.3 節(jié)點(diǎn)中心性

如果兩站點(diǎn)步行吸引范圍內(nèi)土地利用條件相同，通常換乘站的客流量比普通站更高［9］。已有研究在分析普通站與換乘站之間的差別時(shí)，通常將兩類站點(diǎn)設(shè)置為離散的虛擬變量［10］，這將忽略不同區(qū)位換乘站之間特征的差異。為衡量城市軌道交通網(wǎng)絡(luò)各站點(diǎn)的區(qū)位及連接性，本研究借鑒圖論中節(jié)點(diǎn)中心性的概念，用節(jié)點(diǎn)中心性替代“站點(diǎn)是否換乘站”這個(gè)虛擬變量［11］。計(jì)算方法如下：

式中：

Bi——車站的節(jié)點(diǎn)中心性；

ωst——從s 站到t 站的最短路徑數(shù)；

ωsit——從s 站到t 站經(jīng)過(guò)i 站的最短路徑數(shù)。

4 高峰偏差模型建立

城市軌道交通進(jìn)出站客流隨機(jī)性較大、波動(dòng)頻繁且維數(shù)高，高峰偏差的形成比較復(fù)雜。高峰偏差系數(shù)變化具有動(dòng)態(tài)性、非線性和不確定性等特征。本文選取解決有限樣本、非線性、高維數(shù)等問(wèn)題更具優(yōu)勢(shì)的LSSVM 建立模型預(yù)測(cè)高峰偏差系數(shù)。

LSSVM 是支持向量機(jī)（SVM）的一種改進(jìn)，將支持向量機(jī)中的不等式約束改為等式約束，采用平方損失函數(shù)，把解二次規(guī)劃問(wèn)題轉(zhuǎn)化為求解線性方程組問(wèn)題，極大提高了求解問(wèn)題的速度和收斂精度。一些學(xué)者已將此方法用于城市軌道交通節(jié)假日客流預(yù)測(cè)［12］。

本文采用參數(shù)相對(duì)較少、適應(yīng)能力強(qiáng)的高斯核函數(shù)（RBF）作為L(zhǎng)SSVM 的核函數(shù)：

式中：

σ——高斯核的帶寬，與節(jié)點(diǎn)中心性符號(hào)相同

將車站周邊800 m 范圍內(nèi)通勤用地和待開發(fā)用地建筑面積比例、車站到市中心的距離和車站節(jié)點(diǎn)中心性這4 個(gè)因素作為預(yù)測(cè)因子，以車站高峰偏差系數(shù)為預(yù)測(cè)值，進(jìn)行建?；貧w。

5 實(shí)例分析

5.1 數(shù)據(jù)獲取

本文研究的數(shù)據(jù)集包括：①2018 年5 月21 個(gè)工作日的各車站全日進(jìn)出站客流數(shù)據(jù)，由西安市地鐵運(yùn)營(yíng)公司提供；②車站周邊800 m 范圍內(nèi)通勤用地、待開發(fā)用地建筑面積；③各車站到市中心的距離。利用西安市土地利用詳細(xì)規(guī)劃圖得到不同用地類型的面積，結(jié)合百度高清衛(wèi)星地圖，采用MATLAB 圖像識(shí)別技術(shù)獲取了車站周邊不同用地類型的建筑面積以及各車站到市中心（鐘樓）的距離，最后計(jì)算各用地類型的分布比例。

5.2 數(shù)據(jù)處理

車站用地類型比例取值范圍為［0，1］區(qū)間，無(wú)需標(biāo)準(zhǔn)化，車站到市中心的距離及節(jié)點(diǎn)中心性采用極差標(biāo)準(zhǔn)法將其歸一化處理。其后隨機(jī)選取47 座車站數(shù)據(jù)作為訓(xùn)練集，剩余16 座車站數(shù)據(jù)作為測(cè)試集進(jìn)行建模。

5.3 預(yù)測(cè)結(jié)果

通過(guò)軟件MATLAB2016a 中的LSSVM1.8 包實(shí)現(xiàn)試驗(yàn)中的LSSVM 模型。訓(xùn)練得出待標(biāo)定參數(shù)γ為7.21，σ2為2.64，調(diào)整擬合優(yōu)度R2為0.71。作為對(duì)比，基于SPSS 軟件采用線性模型對(duì)同樣的47 座車站進(jìn)行線性擬合，對(duì)剩余16 座車站樣本進(jìn)行回歸預(yù)測(cè)，得到其調(diào)整R2為0.285。對(duì)比說(shuō)明LSSVM 模型擬合效果優(yōu)于線性模型的（見圖2 和表2）。

圖2 LSSVM 模型和線性模型的回歸預(yù)測(cè)結(jié)果

表2 LSSVM 模型和線性模型回歸結(jié)果比較

產(chǎn)生誤差的原因主要是由于站點(diǎn)周邊土地利用混合度大小不一以及個(gè)別車站主導(dǎo)用地類型特殊。模型中僅考慮了大多數(shù)車站用地的普遍特征，對(duì)于特殊車站考慮欠佳。

6 結(jié)語(yǔ)

1）為了提高車站設(shè)計(jì)客流預(yù)測(cè)的精確度，本文通過(guò)分析車站高峰小時(shí)客流與城市高峰小時(shí)車站客流的關(guān)系，定量描述車站高峰客流偏離城市高峰車站客流的程度，提出通過(guò)車站高峰偏差系數(shù)來(lái)合理修正城市高峰小時(shí)車站客流。

2）基于西安地鐵運(yùn)營(yíng)數(shù)據(jù)，對(duì)車站高峰偏差影響因素進(jìn)行了分析，并利用最小二乘支持向量機(jī)建立了車站高峰偏差模型，取得較好的擬合效果，表明這一模型能有效預(yù)測(cè)車站高峰偏差系數(shù)，為準(zhǔn)確預(yù)測(cè)車站設(shè)計(jì)客流提供了方法。

3）車站在投入運(yùn)營(yíng)后，其高峰時(shí)段也會(huì)受到當(dāng)日天氣、溫度等外界條件的影響，而在規(guī)劃階段，這些影響很難預(yù)測(cè)，因此在未來(lái)的研究中應(yīng)考慮車站高峰偏差系數(shù)的日均變化情況。