柳雪麗, 魏 薇

陜西工業(yè)職業(yè)技術(shù)學(xué)院土木工程學(xué)院, 陜西 咸陽 712000

0 引言

隨著城市軌道交通線網(wǎng)結(jié)構(gòu)日益復(fù)雜,新線開通后的運輸組織將面臨更大的挑戰(zhàn)。傳統(tǒng)的客流預(yù)測方法在反映市民出行特征等方面具有一定的片面性,無法精準(zhǔn)體現(xiàn)居民出行特征隨著新線開通的變化,因此難以滿足實際的運營需求。許多學(xué)者在新線客流預(yù)測研究的基礎(chǔ)上,重點突破新線開通后對既有線網(wǎng)影響分析與運輸組織優(yōu)化調(diào)整[1-2]。段龍杰 等[3]以換乘站為例,分析新開線路對客流的影響。張科 等[4]以廣州地鐵6號線為例,分別運用了最短路徑長度與介數(shù)中心性2個指標(biāo)來量化研究新線開通后軌道交通網(wǎng)絡(luò)的效率和脆弱性。與常規(guī)客流預(yù)測不同的是新線開通初期缺乏足夠龐大的歷史客流數(shù)據(jù)作為分析依據(jù),客流特征復(fù)雜多變,具有明顯的不穩(wěn)定性。目前對于新線開通的客流預(yù)測缺乏客流演變過程及變化規(guī)律的深入研究,且隨著互聯(lián)網(wǎng)大數(shù)據(jù)的不斷應(yīng)用,交通規(guī)劃在決策支撐精準(zhǔn)化、模型應(yīng)用高效化等方面提出更高的要求。本文基于二次開發(fā)技術(shù)建立模型應(yīng)用輔助系統(tǒng),在軌道交通模型中考慮換乘時間、票價等因素,采用改進的Logit模型描述居民的方式選擇,并且對乘客高峰小時的出行分布進行準(zhǔn)確描述,通過建模和推演,再現(xiàn)客流的變化規(guī)律,對交通規(guī)劃參數(shù)進行驗證分析,將新線規(guī)劃與開通的實際需求相結(jié)合,助力智慧交通的建設(shè)與發(fā)展。

1 系統(tǒng)總體設(shè)計

依據(jù)現(xiàn)狀交通與土地利用的關(guān)系,構(gòu)建指標(biāo)體系,采用 Java 編程語言、Spring Batch 批處理技術(shù)實現(xiàn)數(shù)據(jù)挖掘分析,基于 C/S 架構(gòu)、ArcGIS、交通仿真軟件二次開發(fā)技術(shù)建立模型應(yīng)用輔助系統(tǒng)。構(gòu)建“1個數(shù)據(jù)平臺+4個專題系統(tǒng)”的系統(tǒng)架構(gòu)(見圖1),涵蓋面廣,可應(yīng)用于多種數(shù)據(jù)仿真分析,本文重點分析一體化交通模型系統(tǒng)中的軌道交通模型改進與應(yīng)用。

圖1 交通仿真系統(tǒng)架構(gòu)

2 交通模型構(gòu)建

軌道交通模型主要用于交通需求預(yù)測、方案評估等,構(gòu)建過程中以經(jīng)典的四階段法為基礎(chǔ),精細化模擬交通網(wǎng)絡(luò)和出行費用等因素構(gòu)建模型,按照出行生成、出行分布、方式劃分、交通分配的步驟對交通運行情況進行預(yù)測,采用刷卡、GPS等動態(tài)大數(shù)據(jù)校核模型,提升模型精度[5]。

2.1 出行生成模型

2.1.1 發(fā)生模型

出行分類是建立模型的關(guān)鍵一步,影響出行生成的主要因素有汽車保有量、收入、區(qū)位、出行目的等,將所有這些因素逐一進行交叉分類,總出行分類達到上百種,模型十分復(fù)雜,難以把握和操作。因此經(jīng)過反復(fù)的分析比較和簡化,準(zhǔn)確把握未來的交通生成情況,發(fā)生模型通過交叉分類,計算各類出行的機動化出行總量,模型公式如下[6]。

(1)

式中:Pi為i區(qū)的總發(fā)生量;Pij為i區(qū)j類人口數(shù);αijk為i區(qū)j類人口k出行目的的機動化出行率。

2.1.2 出行吸引模型

出行吸引量按基于家的工作出行計算,基于家的其他出行、非基于家的出行吸引將根據(jù)商業(yè)和辦公區(qū)的分布進行計算,基于家的上學(xué)出行根據(jù)學(xué)位分布進行計算。由于中心區(qū)或次中心區(qū)的崗位吸引率會高于其他地區(qū),因此在吸引量計算過程中,根據(jù)吸引強度采用不同的參數(shù)進行計算。出行吸引模型公式如下。

(2)

式中:Ai為i區(qū)的基于家的工作出行、基于家的其他出行和非基于家的出行吸引總量;Eij為i區(qū)j類工作崗位數(shù);αj為j類工作崗位平均機動化吸引率;ωij為i區(qū)j類工作崗位吸引權(quán)重。

2.2 出行分布模型

交通分布模型是根據(jù)各交通小區(qū)的出行產(chǎn)生量、吸引量計算各小區(qū)間的出行交換量,得到出行的產(chǎn)生吸引點(PA)矩陣[7]。預(yù)測模型如下。

(3)

Ki=[∑KjAj/f(cij)]-1

(4)

Kj=[∑KiAi/f(cij)]-1

(5)

f(cij)=e-βcij

(6)

式中:Tij為全日從小區(qū)i到小區(qū)j的出行總量,次/日;Gi為i區(qū)1 d產(chǎn)生的出行總量;Aj為j區(qū)1 d吸引的出行總量;cij為交通區(qū)i到j(luò)的出行時間;f(cij)為i區(qū)到j(luò)區(qū)的阻抗函數(shù);β為阻抗函數(shù)的參數(shù)。

2.3 方式劃分模型

相關(guān)研究表明,慢行對于交通系統(tǒng)設(shè)施和交通運行情況的敏感度較低,影響步行出行分擔(dān)率最主要的變量為出行距離,因此出行距離矩陣是方式預(yù)劃分模型的主要輸入變量[8]。

考慮到公共交通的換乘時間、步行時間以及票價等因素影響,為更精準(zhǔn)地劃分不同出行方式的客流出行PA,統(tǒng)一采用改進的Logit模型描述居民的方式選擇,改進的Logit模型結(jié)構(gòu)為:

(7)

式中:Pijm為小區(qū)i到小區(qū)j出行中交通方m的分擔(dān)率;θ為模型參數(shù),一般取值3～4;rijk為小區(qū)i至小區(qū)j中交通方式k的交通阻抗。

2.4 高峰時辰模型

為將全天的PA矩陣轉(zhuǎn)換成全天或者高峰小時的起訖點(OD)矩陣,在客流預(yù)測時能夠更便捷和準(zhǔn)確,構(gòu)建出行時辰模型,結(jié)構(gòu)如下。

ODij=(PAij·TPA+PAji·TAP)/2

(8)

式中:ODij為小區(qū)i到小區(qū)j的OD 矩陣值;PAij為小區(qū)i到小區(qū)j的PA 矩陣值;TPA為從家至目的地的時辰分布系數(shù);TAP為從目的地至家的時辰分布系數(shù)。

2.5 交通分配模型

推算出未來年高峰時段客流的出行矩陣后,將各小區(qū)間的出行分配在道路網(wǎng)上,最終得到各路段的客流數(shù)據(jù)。本文采用用戶均衡模型進行客流分配預(yù)測,其目的是分析運輸網(wǎng)絡(luò)均衡狀態(tài)下的交通格局。在進行軌道交通客流分配時,分析對象為包括所有地面公交和軌道交通線路的整個綜合公交網(wǎng)絡(luò),依據(jù)是整個綜合公交網(wǎng)絡(luò)的用戶廣義時間最短。

用戶均衡模型采用非線性數(shù)學(xué)規(guī)劃模型[9]。其目標(biāo)函數(shù)為用戶費用最小化,約束條件為綜合交通OD流量的相互平衡,表達式如下。

(9)

2.6 模型基本參數(shù)

在交通分配模型中,需要用到交通方式和每條線路的運營參數(shù),包括運行速度、發(fā)車頻率、容量等[9],該交通模型中軌道交通運營的主要參數(shù)及其取值如表1所示。

表1 軌道客流交通分配基本參數(shù)

2.7 模型校核

為更好擬合現(xiàn)狀交通模型測試結(jié)果,需要根據(jù)定期收集的全市土地利用規(guī)劃數(shù)據(jù),更新綜合交通模型土地利用模型,并根據(jù) 2020 年第七次人口普查及手機信令數(shù)據(jù)等相關(guān)數(shù)據(jù),更新交通小區(qū)人口及崗位數(shù),同時利用軌道刷卡數(shù)據(jù)(ACC)、查核線斷面車流量及客流量(查核線調(diào)查)、2020 年居民出行調(diào)查等數(shù)據(jù),校核綜合交通現(xiàn)狀模型,重點校核軌道交通現(xiàn)狀模型測試結(jié)果[10]。

根據(jù)綜合交通模型和完善方式劃分模型后的軌道交通模型,以西安地鐵開通的線路為例對現(xiàn)狀交通進行擬合。在軌道客流擬合中,不但對各站點上下客量提出了擬合精度要求,同時還對軌道區(qū)段的客流分布擬合精度提出要求,以反映現(xiàn)狀軌道客流特征,擬合結(jié)果如表2所示。

表2 軌道線網(wǎng)客流總體指標(biāo)校核結(jié)果

從模型測試結(jié)果與實際客流對比來看,總體客流規(guī)模相對誤差為2%,說明該預(yù)測模型是準(zhǔn)確可靠的。

3 結(jié)束語

本文針對現(xiàn)有客流預(yù)測方法應(yīng)用中存在的問題,基于大數(shù)據(jù)平臺建立交通仿真系統(tǒng),應(yīng)用改進的軌道交通仿真模型實現(xiàn)新線客流預(yù)測。該模型中考慮換乘時間、步行時間和票價等因素對居民出行特征的影響,采用改進的Logit模型更精準(zhǔn)地描述居民的方式選擇及變化,構(gòu)建出行時辰分布模型,使客流預(yù)測時能夠更便捷、準(zhǔn)確地將PA矩陣轉(zhuǎn)換為全天或者高峰小時的 OD矩陣,提高了模型的精準(zhǔn)度和計算效率。本文通過既有線路校核驗證了模型的可行性,結(jié)果表明:改進的交通仿真模型能夠及時、準(zhǔn)確地預(yù)測不同層面上的路網(wǎng)客流狀態(tài)及其動態(tài)變化,為新線開通運營規(guī)劃和調(diào)度指揮提供決策依據(jù)。