武汉轨道交通2号线客流分析及短期客流预测研究

(整期优先)网络出版时间:2016-12-22
/ 2

武汉轨道交通2号线客流分析及短期客流预测研究

王泽清

武汉地铁集团运营有限公司湖北武汉430000

摘要:武汉轨道交通2号线已开通多年,随着客流的不断增长,部分车站乘客较多,特别是节假日高峰时段列车车厢内拥挤严重,为了更好的做好车站客运组织工作,有必要对2号线客流特征进行分析,并进一步预测短期客流情况,以便掌握最新的客流特征参数和拥挤度。

关键词:轨道交通;客流特征;短期预测

1.概述

武汉轨道交通2号线一期于2012年年底正式开通试运营,北起金银潭站,南至光谷广场站,线路全长27.73km,共设有21个站点。轨道交通2号线采用B型车,6节车编组,定员1440人,自开通以来,客流屡创新高,最高客运量突破110万人次。随着武汉轨道交通线网化的不断发展,其客流仍有一定的增长空间,而客流是客运工作的重要数据支撑,掌握其客流特征并对短期客流进行预测,可进一步分析运能匹配情况,并对突发性大客流提前预警,防患于未然。

2.轨道交通2号线客流分析

轨道交通客流是动态变化的,其分布特点与变化因时因地而不同。客流的分析对象可以是实际客流,也可以是预测客流,对客流的动态变化进行系统分析,掌握客流现状与变化规律,对日常行车组织与客运组织工作具有重要意义,本文重点从客流的时间分布特征和空间分布特征进行分析。

2.1时间分布特征

时间分布特征包括小时客流特征、全日客流特征及周期性客流特征。小时客流特征是一日内根据乘客出行特点客流呈起伏波动图形,一般工作日午间和夜间客流较少,早晚上下班时段客流达到高峰。图1为2013年2号线的分时客流情况,6月26日工作日小时客流呈双峰型分布,客流自早6时开始增长,在07:00-09:00之间出现早高峰,之后客流较为平缓,在17:00-19:00之间出现晚高峰。节假日和非工作日则无此特点。

全日客流特征一般指一周内的客流变化。2号线主要以通勤、通学客流为主,乘客的工作与休息以周为周期,同时2号线周边覆盖多个商圈、旅游景点,其商旅客流占比较大。一般周一早高峰和周五晚高峰客流相对较大,而双休日高峰出现时间会往后推迟。图2是2号线某月一周内的客流变化情况,其中周五客流最高,周日客流相对较少。

周期性客流特征指一年内客流会随着季节相应变化。图3是2号线某一年内的客流变化情况,每到3、4月份,由于天气渐好,来武汉看樱花旅客激增,而到7、8月份由于暑假影响,学生客流减少,到9月份开学后客流又会有所回升,至12月底客流达到高峰。

2.2空间分布特征

车站客流与其他交通工具接驳情况及周边土地利用情况有关,因此各站客流存在较大差异。轨道交通2号线目前设有4座换乘站,另有其他换乘站在建,其中江汉路站至积玉桥站为过江区间。

以2015年数据来说,2号线客流排名前三的车站分别是光谷广场站、江汉路站、汉口火车站。光谷广场站位于虎泉街地下。周边毗邻鲁巷广场、光谷步行街,学校、购物中心较多,日均客流达17万人次;江汉路站紧邻江汉路步行街,百货商店、美食广场居多,日均客流达10万人次;汉口火车站则与铁路火车站、汽车站相邻,可实现多种交通工具换乘,日均客流接近9万人次。图4是2015年2号线日均客流情况。

在线路上,由于各站的乘降人数不同,各个断面的客流存在较大差异,同时由于客流的流向不同,上下行的最大断面客流在早晚高峰具有不均衡性。图5是2号线某工作日早晚高峰小时最大断面客流情况。早高峰上行最大断面为积玉桥至江汉路区段,断面客流15956人次,下行最大断面为洪山广场至中南路区段,断面客流16130人次;晚高峰上行最大断面为洪山广场至小龟山站,断面客流14591人次,下行最大断面为洪山广场至中南路区段,断面客流19236人次。

根据断面客流数据,可进一步计算满载率情况。某一线路某一方向1小时所能运送的最大旅客数量即为该线路的可用能力。由于乘客到达的不均衡性,行李因素等影响,实际列车能力会受到一定影响。一般地,大多数系统的高峰利用率为0.75-0.90。因此可用能力一般计算如下:可用能力=设计能力×高峰发散系数。根据武汉轨道交通2号线客流特点,取高峰发散系数为0.8,即列车实际容量为1152人,高峰时期列车间隔为3.8min,因此列车运能为18189人/h。利用断面客流数据除以列车运能,则可以计算出这一时段的平均列车满载率。通过计算得出平均满载率在90%左右,保证了站台上候车的乘客能有序安全地乘降,减少了乘客滞留的情况。同时车厢内拥挤度得到明显改善,为客流的增长留有余量。

3.短期客流预测方法

目前短期客流预测根据预测方法可分为三大类,一是基于统计方法的模型,例如时间序列模型、线性回归模型等;二是非线性预测模型,该类型算法精度较高,但模型较为复杂,计算速度较低;三是基于神经网络模型,该模型可以考虑影响轨道交通系统的多种因素,例如天气、节假日、车站周边活动等。

以上几种预测模型各有优缺点,目前轨道交通2号线短期客流预测多采用基于统计方法的模型,采用线性回归方法,以分析历史数据为主,通过最小二乘法估计参数,结合当前客流趋势,得到预测结果。该方法优点是算法简单,计算较快实用性很强,但由于影响轨道交通客流量因素较多,无法反映客流的非线性情况,因此易出现预测结果与实际相差较大情况。

为了提高预测数据精度,可采用其他预测方法对比参考。灰色预测法是针对含有不定因素的系统做预测的方法。灰色预测可以根据系统因素之间发展趋势的相异程度,即进行相关性分析,对初始数据进行处理来寻找系统变化规律,形成有较强规律性的数据序列,然后建立相应的微分模型,以此来预测事物发展趋势的情况。滚动GM(1,1)灰色模型的建立方法如下:

由于轨道交通客流具有时间分布特征,因此可分别对工作日进行预测。例如选取多个连续的周五客流数据,将其中包含节假日的客流剔除掉,可预测下一周的周五客流。需要注意的是-a为发展系数,当其在0.3至0.5区间时,可用于短期客流预测。

4.结语

掌握轨道交通客流数据及其特征可对车站客运组织工作提供帮助,有助于车站进一步优化客运组织,通过预测客流数据,可进一步分析列车运能情况,为列车开行方案提供数据支持,提前对大客流做好应对措施。本文针对目前武汉轨道交通短期客流预测采用的线性回归方法,提出了基于灰色模型的预测方法,该预测方法分别对工作日的客流进行预测,通过模型计算得出预测结果。由于目前还未进行实例应用,采用灰色模型预测结果是否提高了预测准确性,还需具体计算,这将是笔者下一步研究的方向。

参考文献

[1]毛保华.城市轨道交通系统运营管理[M].北京:人民交通出版社,2006.

[2]李灿.城市轨道交通枢纽乘客交通特性分析及建模[D].北京:北京交通大学,2008.

[3]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.