李沁鮮

(昆明地鐵運營有限公司，云南 昆明 650000)

1 引 言

軌道交通客運量預測對于軌道交通建設和路網布局起著至關重要的作用，為城市軌道交通規(guī)劃、設計、建設和運營等環(huán)節(jié)提供數據依據，因此科學的預測軌道交通客運量的發(fā)展趨勢極為重要。為做好地鐵客運量預測，需分析地鐵線網發(fā)展現狀，選取適用的客運量預測方法。

2 客運量變化的主要影響因素

2.1 票制票價調整

票價對地鐵客運量變化有較大的影響，客運量隨著票價的高低變化而變化。例如北京地鐵2007年10月調整全網2元一票制后，客運量大幅度增長。

2.2 地鐵網絡化發(fā)展

新線路開通后地鐵可達性得到有效提升，客運量隨著新線路開通迅速增長，例如西安地鐵1#線開通后，既有線2#線的日均客運量年度增長幅度超過100%。

2.3 地鐵周邊土地利用情況

地鐵周邊沿線土地的開發(fā)密度、住宅區(qū)的規(guī)模大小、商業(yè)發(fā)展程度對客運量產生直接影響。例如昆明地鐵1#線連通主城區(qū)及呈貢開發(fā)區(qū)，開通時客運量并不大，到2016年后，新建成的住宅區(qū)和新建商業(yè)區(qū)增加，沿線客運量大幅增長。

2.4 其他因素變化

地鐵客運量隨著季節(jié)氣候及溫度變化產生波動性變化，各個時段客運量受節(jié)假日、大型活動開展、寒暑假、雨季等各項因素影響[1]。

3 客運量預測方法

由于客運量影響因素較多，客運量預測是復雜問題，無法用單一預測模型來解決，不同情況下的預測需采用相應的客運量預測方法，不同預測精度要求下需找到最適用的預測模型。

新線開通情況下，新線路的客運量預測的基本預測方法為四階段法。

線網穩(wěn)定情況下，客運量預測方法分為定量預測和定性預測法2類，定量預測法包括回歸預測法、日變系數法、移動平均法、指數平滑法等，以上預測方法的基本思路是根據客運量的歷史變化規(guī)律來預測未來的客運量[2]。定性預測法中使用較多的是德爾菲法，根據專家學者的專業(yè)知識和實際經驗進行預測。

以上各項客運量預測方法通過不同的理論方式總結客運量變化規(guī)律特征，以開展客運量預測工作。本文重點研究線網穩(wěn)定情況下地鐵既有線路短期客運量的預測工作，將選用日變系數和回歸預測進行客運量預測，并對兩種預測方法的預測結果進行對比分析。

4 昆明地鐵客運量預測

昆明地鐵6#線1期于2012年6月28日開通，2013年至2014年分別開通首期工程(1#線、2#線)，2017年開通3#線和6#線2期,2018年至2019年未開通新線，屬于線網穩(wěn)定期。

4.1 日變系數法

日變系數法主要適用于地鐵運營線路穩(wěn)定情況下的客運量成長規(guī)律分析及預測，該方法是將地鐵路網客運量按照周一至周日歸類后分布取平均值，再在平均值中選取基準值，分別計算出各年份日變系數及均值，分析日變系數規(guī)律，將日變系數及基準值代入公式(預測客運量=日變系數×客運量基準值)，可開展短期客運量預測工作。

選取2018～2019年期間，昆明地鐵路網日客運量按照工作日、周末分類后取平均值，并去掉節(jié)假日客運量波動影響，計算出2018年路網周一至周日日均客運量；以周三日均客運量為基準值，分別計算出周一至周日的日變系數(日變系數=當日日均客運量/基準值)，詳見表1。

表1 2018年路網客運量及日變系數

根據表1計算出的日變系數，選取2019年3月周三實際客運量的平均值為基準值，對2019年4月22日至4月28日客運量進行預測，預測結果見表2。

表2 2019年4月22日至4月28日客運量預測

通過日變系數法預測出2019年4月22日至4月28日客運量，周客運量誤差率為2.26%，日客運量與實際客運量誤差率小于5%。

4.2 回歸預測法

回歸預測法是指利用數據統計原理，確定因變量與某些自變量的相關關系，建立一個相關性較好的回歸方程(函數表達式)，來近似表達客運量和影響客運量因素之間的平均變化關系，用于預測線網穩(wěn)定下的地鐵客運量數據。

運用一元線性回歸模型進行預測，把每周客運量當作時間序列，跟時間變量有關，建立單個自變量的線性回歸方程，采用最小二乘法逼近來擬合，可計算出y=ax+b的直線。采用昆明地鐵2018年周客運量數據，去除節(jié)假日發(fā)生周客運量，通過Eviews預測軟件，導入2018年周基礎數據，建立對應的預測模型進行周客運量預測。預測出相應周客運量后，按照2018年年度日均客運量占年度周均客運量的占比，預測出2019年4月22日至4月28日客運量。

根據Eviews軟件預測結果，x的系數為1.003，選取2019年4月8日至4月14日周客運量數據為基礎，預測出2019年4月22日至4月28日客運量為3 985 545人次，見表3。

通過回歸預測法預測出2019年4月22日至4月28日客運量，周客運量誤差率為2.50%，日客運量與實際客運量誤差率小于4%。

對比以上兩種預測方法，從周客運量誤差率情況分析，日變系數法周客運量誤差率-2.26%，回歸預測法周客運量誤差率-2.50%，日變系數法誤差率相對較低；從日客運量誤差率情況分析，日變系數法單日客運量誤差率最小為0.42%(周二)，最大為4.55%(周六)；回歸預測法單日客運量誤差率最小為0.71%(周三)，最大為3.80%(周四)。日變系數法工作日預測誤差率相對較低，周末誤差率相對較大，兩種預測方法誤差率低于5%。

表3 2019年4月22日至4月28日客運量預測

5 結 語

隨著地鐵多條線路不斷開通，地鐵客運量影響因素越來越多樣化，地鐵客運量的預測工作面臨更大挑戰(zhàn)。由于日變系數法和回歸預測法主要適用于線網穩(wěn)定期間，排除新線開通及節(jié)假日影響因素下的既有線路短期周客運量預測，后續(xù)需充分挖掘地鐵客運量變化規(guī)律，針對不同條件下的客運量預測需求建立對應的模型，運用大數據分析對模型影響因子進行持續(xù)修正，提升地鐵客運量預測的準確性。