城市軌道交通車站客流吸引范圍重疊區域劃分模型

李俊芳，杜慎旭，錢衛力

(1.同濟大學道路與鐵道工程國家重點實驗室，上海201804；2.中鐵第四勘察設計院集團有限公司，湖北武漢430063；3.重慶市交通規劃研究院，重慶400020)

0 引言

車站客流預測是城市軌道交通客流預測的重要組成部分，是確定車站設計規模和接駁交通設施規模的主要依據。城市軌道交通車站的客流來自于其吸引范圍內的居住人口和就業人口，因此，確定城市軌道交通車站客流吸引范圍是車站客流預測的第一步。眾多文獻在對城市軌道交通車站客流吸引范圍的研究中，總結出較成熟的客流吸引范圍劃分方法[1-8]。但是這些方法并未考慮相鄰車站間客流吸引范圍的重疊區域。城市軌道交通車站有別于鐵路車站，屬于城市內部公共交通設施，站間距較小，相鄰車站的客流吸引范圍大多存在重疊區域。重疊區域人口對車站客流的貢獻率小于非重疊區域，如果不劃分重疊區域，則會導致車站客流預測值偏大。因此需要尋找合適的方法對重疊區域進行劃分，以得到更準確的城市軌道交通車站客流吸引范圍。

文獻[1-2]基于最大接駁時間閾值，考慮出發點至道路網絡的這段非道路網絡出行的存在，采用柵格化地理方法和dijkstra算法求解合理的車站客流吸引范圍，兩車站的重疊區域按照距離車站最近原則進行劃分。文獻[9]以不重合的泰森多邊形作為車站的客流吸引范圍，企圖解決重疊區域的客流分配問題。文獻[10]采用多項Logit模型分析在各種因素影響下出行者選擇某個車站的概率?，F有文獻僅將道路網絡距離作為影響車站客流吸引范圍重疊區域劃分的因素，分析不夠全面。采用非集計模型雖然可以全面總結影響因素，但實際應用中數據統計難度大，實用性差。因此，本文避開出行者個人特征這類微觀因素，從集計層面分析影響出行者選擇車站的關鍵因素，在此基礎上建立城市軌道交通車站客流吸引范圍重疊區域劃分模型。

1 車站客流吸引范圍重疊區域劃分模型構建

分析城市軌道交通車站客流吸引范圍重疊區域需區分相鄰車站的不同類型。

1）兩個中間站。

最簡單的情況即兩個相鄰車站為同一條線路上的中間站(見圖1a)。該情況下，客流吸引范圍重疊區域的劃分主要由重疊區域交通小區到兩個車站的道路網絡距離決定。

該條件下的客流分配量計算公式為

由于高層建筑工程數量的不斷增加，建筑室內裝飾裝修設計工作逐漸引起人們重視。將綠色環保設計運用到建筑室內裝飾裝修之中，能夠減少生態環境污染，為居民營造一個更為舒適、健康的生活空間。因此，做好建筑室內裝飾裝修綠色環保設計工作特別重要。

式中：Pij為車站j與相鄰車站客流吸引范圍重疊區域內，交通小區i潛在客流到達車站j的比例；dij為重疊區域內，交通小區i到車站j的道路網絡距離；λ為與距離相關的待標定參數；n為交通小區i所屬車站總數。公式(1)表明，重疊區域劃分的關鍵影響因素只有距離，即重疊區域交通小區潛在客流到達各車站的比例與其到各車站的距離成反比。

指兩個相鄰車站在同一條線路上且其中一個為首末站(見圖1b)。因為出行者在首末站獲得座位的概率大，能夠享受較好的服務，所以重疊區域交通小區潛在客流到達首末站的比例較高。

2）中間站和首末站。

1.3.4 少數民族信息貧困研究。朱明[37]通過對國外少數族裔信息貧困成因及對策研究，指出導致國外少數族裔信息貧困的原因主要是：語言與文化方面的障礙、信息需求的差異、自身發展的動力、公共政策的缺失等。通過政策干預、加強信息機構服務、提高信息媒介和文化產品傳播率、加強信息技術普及等，因此，可有效改善其信息貧困。從中對照我國少數民族信息貧困的成因，借鑒國外治理信息貧困對策，統籌國家、社會、機構及其自身來系統構建我國少數民族地區的信息減貧對策，通過提升民族人口的自身發展能力，在國家經濟扶貧政策支持下，逐漸擺脫極度貧困和過度封閉，最終促進區域內的社會穩定、民族團結和文化融合。

從圖2數據表可以看出，影響學生轉專業的原因有很多，學生轉專業的主要動因是由個人興趣、就業前景、學習困難、換個環境等方面影響。尤其是有79%是原因個人興趣，由此可得大部分的學生轉專業是因為專業學習的內容或者專業本身與自己的興趣不一致，根本原因還是對專業的不了解，才出現了不清楚自己對本專業是否真正熱愛。

河圖與洛書包含了數的奇偶分類、“等差”“等和”的排列、幻方等數學內容，本質上是古人對數與數學的樸素的認識．河圖也?；蓤A形的，如下圖鼎的左半部所示．圓形的河圖是會標的基礎構圖．

式中：x為車站是否為首末站相關的待標定參數，其值大于1；aj為啞元變量，車站j為首末站時其值為1，為中間站時其值為0，此時公式(2)即為公式(1)。公式(2)表明，首末站對重疊區域交通小區客流的吸引力更大。

3）中間站和換乘站。

(2)在圓柱的最右側側面上取圓C1與圓C2之間的線段PQ，它與圓C1、C2所在平面有怎樣的位置關系？與兩小球又有怎樣的位置關系？

交通小區14201～14204屬于成城學園前站和喜多見車站客流吸引范圍的重疊區域。表1以14201為例，列舉了其所屬各車站的名稱、到達距離、各車站單向高峰小時發車班次及車站是否為首末站。各交通小區到車站的道路網絡距離來源于google地球距離測量功能，車站單向高峰小時發車班次及車站是否為首末站的數據來源于日本各大地鐵運營公司官方網站，包括JR運營公司、京王電鐵、京成電鐵、小田急電鐵、東京都交通局、都營地下鐵。

公式(4)中，參數λ、x、β需要求解。對于模型參數的求解，常用方法即通過實際數據標定參數。由于難以獲得中國的數據，而日本的數據比較全面且容易獲得，本文采用日本的數據對模型各項參數進行標定。數據來源于日本2010年大都市圈交通調查，詳細記錄了日本東京都所有車站早高峰時段進站客流來源于哪些交通小區及具體數量[11]。例如，成城學園前站早高峰進站客流來源于交通小區14201，14202，14203，14204等；喜多見車站早高峰進站客流來源于交通小區 11221，11222，14201，14202，14203，14204等。

該條件下的客流分配量計算公式為

該條件下的客流分配量計算公式為

式中：bj為車站j高峰小時單向發車班次；β為與車站高峰小時單向發車班次相關的待標定系數。公式(3)表明，重疊區域交通小區潛在客流到達各車站的比例與車站各線路高峰小時單向發車班次總和成正比。

綜合以上3種情況，得到車站客流吸引范圍重疊區域劃分模型

2 模型求解

圖1 相鄰車站類型劃分Fig.1 Classification of neighboring stations

其次在醫療衛生水平方面，有些研究指出老年人口的平均醫療支出是65歲以下人群的2.7～4.8倍（黃成禮，2004）。那么對于河南省這樣一個人口大省來說如何解決“看病難”這一問題需要政府醫療制度的支持。一是社會醫療保障要回歸普惠性、合理性和公平性原則，尤其加大政策對貧困人群的醫療報銷比例傾斜。二是河南省地域廣闊，需要重視基層醫療服務能力，需要通過省內投入和完善人才培訓機制來補足基層醫療服務能力短板。

指兩個相鄰車站在同一條線路上且其中一個為換乘站(見圖1c)。相對于非換乘站，換乘站可到達的目的地范圍更廣，因此重疊區域交通小區潛在客流到達換乘站的比例更大。如果相鄰的兩個車站均為換乘站且目的地方向數量相同，由于經由市中心的線路發車頻率更高，故而此類換乘站對重疊區域交通小區潛在客流更具吸引力。換乘車站的重要性可由車站各線路高峰小時單向發車班次總和來體現。

本文選取交通小區14201，14202，14203，14204，11202，11203，11206，11221，11222及其所屬車站共78組數據，基于Matlab平臺，采用基于最小二乘法原理的非線性函數lsqcurvefit對收集到的數據按公式(4)進行擬合。得到結果如下：λ=2.262 9，x=1.366 3，β=0.954 1。

采用交通小區11223，11224，11225，11226所屬車站的相關數據進行檢驗，最大相對誤差為16%，最小相對誤差為0.2%，平均相對誤差5%，誤差均方根為7.2%，說明擬合效果較好。最終得到車站A客流吸引范圍重疊區域內，交通小區i潛在客流到達車站j的比例

3 實例驗證

以上海市軌道交通11號線安亭站為例對上文的模型進行驗證。安亭站與上海汽車城站及兆豐路站相鄰，3個車站均為中間站。其中安亭站和上海汽車城站早高峰步行客流吸引范圍重疊區域主要為位于米泉路和曹安公路交叉口的林家村交通小區，安亭站與兆豐路站早高峰步行客流吸引范圍重疊區域主要為位于兆豐路和曹安公路交叉口區域的凱德都會新峰公寓交通小區(見圖2)。

兩個交通小區到各車站距離和按照車站客流吸引范圍重疊區域劃分模型求解得到的潛在客流到達各車站的比例見表2。2014年3月10日，“城市軌道交通車站接駁設施規劃項目”對安亭站進站乘客的接駁方式及出發地址進行現場問訊，得到216個早高峰時段采用步行到達安亭站的調查樣本，同年8月又分別調查了兆豐路站和上海汽車城站進站乘客的相關情況，得到早高峰時段從凱德都會新峰公寓出發，步行到達兆豐路站和安亭站的客流人數，以及從林家村出發步行到達上海汽車城站和安亭站的客流人數(見表2)。

表1 交通小區14201所屬各車站相關數據Tab.1 Input data of metro stations within TrafficAnalysis Zone 14201

圖2 安亭站早高峰時段步行客流吸引范圍及重疊區域Fig.2 Passenger catchup area and overlapping regions ofAnting Station during morning peak period

表2 安亭站重疊區域客流實際調查結果與模型計算結果比較Tab.2 Comparison of passenger flow between survey and proposed model for the overlapping regions ofAnting Station

綜合2個交通小區潛在客流的劃分結果，得到劃分模型的相對誤差為78.6%，誤差均方根為9.21。原因可能在于重疊區域劃分模型中的參數是以日本東京都的車站數據為基礎擬合得到的。盡管東京都和上海市在城市規模、城市功能、交通結構和客流特征方面具有很大相似性，但是仍存在差異。此外，本研究只在兩個交通小區中實驗了該模型，其結果的誤差并不能代表上海市的整體情況。如果采用上海市軌道交通車站相關數據對模型進行擬合得到參數，再對案例進行計算，結果精度有望提高。

4 結論

城市軌道交通車站客流吸引范圍重疊區域劃分對車站客流預測非常重要。而影響重疊區域劃分的因素包括重疊區域交通小區到車站的距離、車站是否為首末站及車站單向高峰小時發車班次總和。在此基礎上，建立城市軌道交通客流吸引范圍重疊區域劃分模型?，F階段的研究結果表明，通過日本東京都城市軌道交通車站的相關數據擬合得到的模型參數在應用于上海市軌道交通設施時存在較大誤差。采用上海市軌道交通車站的相關數據對模型進行參數擬合是下一步研究的方向。

江蘇蘇北有些地方水稻還在零星追肥，都在嚴陣以待打好3次防治總體戰。第一次7月底到8月上旬，沿太湖、沿江地區以“兩遷”害蟲、紋枯病為主，其他地區紋枯病、鉆心蟲為主攻對象；第二次8月中旬，主攻紋枯病、稻縱卷葉螟、稻飛虱、螟蟲等；第三次8月下旬到9月上中旬，主攻稻曲病、穗稻瘟、紋枯病及“兩遷”害蟲、螟蟲等，3個攻堅戰忙得不可開交，理“藥”不理“肥”無可厚非啊！

模型參數還可應用于城市其他軌道交通車站的客流吸引范圍重疊區域劃分研究。根據某一城市軌道交通數據擬合得到的模型參數可能并不適用于其他城市。因此，為提高模型參數的準確度并降低誤差，宜盡量利用城市自身軌道交通數據進行擬合，并將結果應用于該市的其他軌道交通設施。

[1]Upchurch C,Kuby M,Zoldak M,et al.Using GIS to Generate Mutually Exclusive Service Areas Linking Travel on and off a Network[J].Journal of Transport Geography,2004,12(1):23-33.

[2]郭鵬，陳曉玲.基于GIS的城市軌道交通站點客流輻射區域算法[J].中國鐵道科學，2007，28(6)：128-132.Guo Peng,Chen Xiaoling.Algorithm for Generating the Radiation Service Areas of Passenger Flow at Urban Mass Transit Stations Based on GIS[J].China Railway Science,2007,28(6):128-132.

[3]楊京帥，張殿業.吸引范圍幾何分析法推算軌道交通線網合理規模[J].鐵道運輸與經濟，2008，30(1)：67-70.Yang Jingshuai,Zhang Dianye.Estimate Rational Size of URT Route Network Based on Attraction Scope Gained through Geometric Analysis Method[J].Railway Transport and Economy,2008,30(1):67-70.

[4]楊京帥，張殿業.城市軌道交通車站合理吸引范圍研究[J].中國鐵路，2008(3)：72-75.

[5]陳依儀，肖為周.蘇州市軌道交通1號線開發利益影響范圍研究[J].武漢理工大學學報(交通科學與工程版)，2012，36(4)：717-720，725.Chen Yiyi,Xiao Weizhou.Study of Impact Area of Urban Rail Transit:A Suzhou Example[J].Journal of Wuhan University of Technology(Transportation Science&Engineering),2012,36(4):717-720,725.

[6]葉益芳.城市軌道交通車站不同接駁方式合理吸引范圍研究[J].鐵道運輸與經濟，2014，36(6)：77-81.Ye Yifang.Study on Reasonable Attraction Scope of Different Connection Modes in Urban Rail Transit Stations[J].Railway Transport and Economy,2014,36(6):77-81.

[7]武倩楠，葉霞飛，林小穩.城市軌道交通車站接駁范圍的計算模型[J].同濟大學學報(自然科學版)，2014，42(7)：1058-1063，1095.Wu Qiannan,Ye Xiafei,Lin Xiaowen.Attraction Area Model for Urban Rail Transit Stations[J].Journal of Tongji University(Natural Science),2014,42(7):1058-1063,1095.

[8]O'Neil W,Ramsey D,Chou J.Analysis of Transit Service Areas Using Geographic Information Systems[J].Transportation Research Record,1992,1364:131-138.

[9]Debrezion G,Pels E,Rietveld P.Modelling the Joint AccessModeand Railway Station Choice[J].Transportation Research Part E,2009,45(1):270-283.

[10]東京都総務局統計部産業統計課経済構造統計係.區市町村、町丁目、産業大分類別事業所數及び従業者數[EB/OL].2012[2013-10-10].http://www.toukei.metro.tokyo.jp/jigyou/2006/jg06v20100.htm.