城市軌道交通乘客上下車行為與停站時間研究*

陳伽申 蒲 琪 涂穎菲

(1.同濟大學鐵道與城市軌道交通研究院,201804,上海;2.上海軌道交通檢測技術有限公司,200331,上海∥第一作者,碩士研究生)

城市軌道交通乘客上下車行為與停站時間研究*

陳伽申1蒲 琪1涂穎菲2

(1.同濟大學鐵道與城市軌道交通研究院,201804,上海;2.上海軌道交通檢測技術有限公司,200331,上海∥第一作者,碩士研究生)

乘客的上下車時間是城市軌道交通列車停站時間的重要組成部分,而列車停站時間關系到軌道交通系統的運行效率。以上海軌道交通1號線彭浦新村站、2號線南京東路站為背景,結合實地數據采集,分析不同客流特征下的乘客上下車行為;通過多元線性回歸模型指出了乘客上下車混行對上下車時間的影響。通過定量指標的計算,對列車停站時間的組成進行分析,指出了運營管理中應關注無效停站時間在列車停站時間中過長的問題，提出在保證乘客有足夠的時間完成上下車的前提下，盡量縮短列車的無效停站時間，從而提高城市軌道交通運行效率的建議。

城市軌道交通; 乘客上下車行為; 列車停站時間

First-author′s address Insititute of Rail Transit, Tongji University, 201804,Shanghai,China

乘客的上下車時間是城市軌道交通列車停站時間的重要組成部分,對乘客上下車行為與時間特點的把控，將直接影響列車停站時間的確定，從而對城市軌道交通運營組織管理產生影響。因此，在城市軌道交通運行圖編制與修改工作中,分析乘客上下車行為特征、分析與改進現有停站時間設置,對提高城市軌道交通系統的運行效率有重要意義。

目前，國內外針對城市軌道交通乘客上下車行為與列車停站時間的研究已形成一定的成果。國外開展此研究最早的是Kraft(1975)[1],他指出列車停站時間主要受上下車乘客數與列車車廂內擁擠度影響。文獻[2]指出了不同的列車車型對乘客上下車時間的影響。文獻[3]以荷蘭軌道交通為背景,分析了乘客在站臺上不同的空間分布形式、不同的運營時間段和站臺的物理空間形狀等因素對列車停站時間的影響。文獻[4]針對乘客的上下車行為進行分析,發現乘客的上下車時間和乘客數量呈線性關系,與車廂內擁擠度呈非線性關系。美國交通運輸研究委員會(TRB)編寫的《公共交通通行能力與服務質量手冊》(Transit Capacity and Quality of Service Manual)[5]針對軌道交通停站時間的估計與評價提出了相關的定量分析方法。

國內學者針對該領域的研究主要有:文獻[6]以北京地鐵作為觀測對象,得出了乘客上下車時間與上下車乘客數的回歸模型,并基于實測數據對模型進行修正,最終得到軌道交通停站時間的修正模型。文獻[7]以車站客流組織方法評價為目的,對北京軌道交通乘客上下車行為進行仿真分析。文獻[8]運用方差分析法對影響地鐵乘客上下車效率的因素進行了定量研究,得到當前的主要影響因素是人為因素。文獻[9]在研究地鐵站內乘客疏散時間時對乘客下車時間進行分析,建立了單門乘客下車時間與下車乘客人數的冪函數關系。文獻[10]研究城市軌道交通乘客上車的時間規律,建立了分段形式的乘客上車時間模型。

綜合國內外相關的研究發現,對城市軌道交通乘客上下車行為與列車停站時間的研究通常采取實測數據分析與仿真模型建立兩種方法。然而，實測數據分析法往往基于乘客完全遵守先下后上的假設,與實際運營情況有一定的出入;仿真模型法雖然能對該問題進行更加微觀細致的分析,但仿真模型在實際運營中的適用性上有一定的不足。本文基于現場站臺視頻資料的采集與處理，獲得乘客上下車階段流動率、上下車人數等基本信息，探究乘客上下車時間的行為特征之間的關系。同時，以此為基礎，獲取列車停站時間組成，采用數學統計方法進行分析，指出目前軌道交通運營管理方面的問題。

1 分析數據采集

本研究以上海軌道交通1號線彭浦新村站和2號線南京東路站為背景,對彭浦新村站2015年10月19—23日下行早高峰(7:30—8:30)和上行晚高峰(17:00—18:30)、南京東路站2015年10月12—16日上下行早晚高峰的站臺監控視頻進行數據采集,得到乘客上下車行為與列車停站數據進行分析。

根據對現場視頻監控資料的觀測,南京東路站與彭浦新村站在工作日早晚高峰時間的客流特征有明顯的區別：南京東路站兩個方向早晚高峰時段的上下車客流分布比較平均,下車人數約占到上下車總乘客數的50%～55%；彭浦新村站上行晚高峰時段下車乘客數遠大于上車乘客數(下車乘客數約占上下車總乘客數的85%),下行早高峰時段上車乘客數遠大于下車乘客數(上車乘客數約占上下車總乘客數的94%)，且彭浦新村站客流在早晚高峰的方向不均勻性明顯,即上行早高峰與下行晚高峰時段客流壓力遠小于上行晚高峰與下行早高峰時段。因此，本文在樣本選取與數據分類時,將彭浦新村站上行晚高峰與下行早高峰分開統計，而南京東路站兩個方向與時間段不作分開統計,以此保證數據樣本的代表性。

2 乘客上下車行為分析

2.1 不同客流規模與客流特征下的乘客流動率分析

乘客上下車行為分析針對單門乘客進行,采用乘客流動率作為描述乘客上下車行為速率的指標。其計算方法如下:

(1)

表1為不同客流特征下南京東路站和彭浦新村站乘客上下車流動率，可以看出,彭浦新村站上行晚高峰時段,乘客上下車的流動速度最快,而彭浦新村下行早高峰時段,乘客上下車流動速度最慢。這是因為當上車乘客數遠大于下車乘客數時,車廂內外擁擠度較大,乘客順利上車需要的時間較長。反之，當下車乘客數遠大于上車乘客數時,車廂內外擁擠度小,乘客上下車受到的干擾較小，步行速度較快。

表1 不同客流特征下乘客上下車流動率

由于彭浦新村站的數據樣本中客流具有明顯的單向性,故上下車乘客出現混行(同一時間段內乘客上車與下車行為同時發生)現象的比例較小(出現混行的樣本約占總樣本量的22%),而南京東路站上下車乘客數量分布比較均勻,出現上下車混行現象的頻率較高(出現混行的樣本約占總樣本量的75%)。故以南京東路站為研究對象,分析在不同上下車乘客數量下,混行現象對乘客流動率的影響。有混行和無混行情況下的乘客上下車流動率如表2、3所示。

由表2、表3可知,隨著上下車人數的增加,乘客的步行速度隨之上升;對于乘客上車與下車流動率,混行現象將減緩乘客的步行速度,而對于乘客上下車流動率,混行現象在一定程度上提高了上下車乘客整體的通行效率。

表2 不同客流規模下乘客上下車流動率(存在混行)

表3 不同客流規模下乘客上下車流動率(不存在混行)

2.2 回歸分析

國內外針對軌道交通乘客上下車時間的研究發現,乘客的上下車時間與上下車人數呈線性關系。本文將下車人數(A)和上車人數(B)分為非混行人數(A1和B1)與混行人數(A2和B2)兩部分,采用線性回歸方法,分析乘客人數與上下車時間(TA,TB,T)之間的關系。選取判定系數R2、顯著性指標(Sig)與赤池信息準則(AIC)作為評判指標,考察模型擬合質量以及是否出現過度擬合現象。回歸分析結果如表4所示。

由表4可以看出,模型分組2中,A2(B2)的系數均大于A1(B1);除了上下車總時間模型,模型分組2在擬合優度與過度擬合指標上均優于模型分組1；對于上下車總時間模型,模型分組1和2中的AIC指標相差極小(小于1)。由此可知,上下車乘客數量對乘客上下車時間的影響，混行階段大于非混行階段。

表4 回歸分析結果

3 列車停站時間分析

列車的停站時間一般包括列車開關門作業時間、站臺清空時間、上下車結束至列車關門時間及車門關閉后的列車起動時間。其中,站臺清空時間對軌道交通系統的運行效率有著最大的影響。對一個成熟高效的軌道交通系統來說,站臺清空時間在滿足乘客上下車需求的同時，應盡量減小車廂內乘客的等待時間。由于列車開關門作業時間與車門關閉后列車的起動時間一般較為固定,且僅受系統設備性能的影響,故本文重點關注停站時間中站臺的清空時間和乘客上下車結束至車門關閉之間的時間。南京東路站、彭浦新村站列車停站時間組成見表5。

從表5中可以看出,南京東路站和彭浦新村站早晚高峰時段的平均站臺清空時間均小于乘客上下車結束至車門關閉之間的時間,且站臺清空時間占整個停站時間的比例均小于30%,極端情況下僅有18.1%(彭浦新村站下行早高峰)。城市軌道交通車站高峰小時客流壓力大,站臺滯留情況時有發生,列車無效停站時間(列車關門后滯留在站臺的時間)過長將導致乘客等待時間與出行延誤的增加,影響軌道交通系統的通行能力與運輸效率。而世界上發展較為成熟的軌道交通系統,如加拿大的多倫多與日本的東京,列車的有效停站時間占總停車時間的比例可達到60%甚至更高[6]。

表5 列車停站時間組成

在實際運營管理過程中,為使系統能對一些微小的運營誤差進行調整,編制列車運行圖時,常在列車最小控制發車間隔與列車停站時間之間加入一定的運營裕量。《公共交通通行能力與服務質量手冊》提出了一種基于實測數據的運營裕量計算方法,并以列車的發車間隔變異系數為考量系統服務可靠度的指標,以綜合評價系統的服務質量[5]。具體計算方法如下[5]:

(2)

(3)

式中:

TEM——運營裕量;

Mi——發車間隔均值;

Md——停站時間均值;

Dd——停站時間標準差;

CI——控制發車間隔;

Cv——發車間隔變異系數;

Di——發車間隔標準差。

根據式(2)、(3),對彭浦新村站和南京東路站運營裕量與可靠度指標進行計算，結果見表6。

表6 運營裕量與可靠度指標計算

由表6可以看到,南京東路站上下行早高峰時段和彭浦新村站下行早高峰時段的估計運營裕量值為負值,且其對應的可靠度指標相對較大,這表明由于列車發車間隔時間值的離散性較大,降低了系統服務的可靠度,同時也導致系統無法留出足夠的運營裕量對可能發生的微小運營偏差進行自調節;而彭浦新村站上行晚高峰時段的運營裕量遠大于列車的停站時間,這將造成一部分乘客出行延誤的增加。根據美國交通運輸研究委員會的調查,北美許多軌道交通系統在保證列車服務高可靠度的同時,系統也預留了適當的運營裕量,如加拿大溫哥華的軌道交通系統,其平均發車間隔為160 s,Cv=0.086 1，并預留了約50 s的運營裕量[5]。

4 結語

本文從分析乘客上下車行為入手,對乘客上下車時間與列車停站時間進行了建模與實例分析,主要包括:

(1) 通過對實地數據的采集,分析了不同客流特征下的乘客流動率特征,發現當上車乘客數遠大于下車乘客數時,乘客上下車步行速率最慢,而當下車乘客數遠大于上車乘客數時,乘客上下車步行速率最快;(2) 分析乘客上下車混行行為對上下車時間的影響,建立多元線性回歸模型,發現乘客的混行會對上下車時間產生顯著影響,而在相關研究中乘客完全遵守先下后上原則的假設會對分析結果帶來一定的誤差;

(3) 分析了列車停站時間的組成,以及在實際運營過程中出現的無效停站時間過長對系統運行效率的影響,并采用《公共交通通行能力與服務質量手冊》的計算方法對實測數據進行處理,得到運營裕量的估計值,從而找出實際運營中服務可靠度較低、運營裕量不足的問題。

本文研究基于上海軌道交通的運營現狀,也可為其他地鐵線路的規劃、建設與運營管理起到借鑒作用。例如，確定或調整列車在某車站的停站時間時,不但要考慮該車站的客流規模,也要考慮其特定的客流特征,在保證乘客有足夠的時間完成上下車的同時,盡量縮短列車的無效停車時間,以保證系統的運行效率；在運營管理工作中應保障列車正點率,以提高運輸效率與服務可靠度,同時為系統留出足夠的運營裕量。

[1] KRAFT,W H.An Analysis of the Passenger Vehicle Interface of Street Transit Systems with Applications to Design Optimization [D].New Jersey:New Jersey Institute of Technology,1975:195-199.

[2] HEINZ W.Passenger service times on trains-theory,measurements and models[D].Stockholm:Royal Institute of Technology,2003.

[3] WIGGENRAAD,B L.Alighting and Boarding Times of Passengers at Dutch Railway Stations[R].Delft ：Trail Research School,Delft University of Technology,2001.

[4] PUONG A.Dwell time Model and Analysis for the MBTA Red Line[R].Boston:Massachusetts Institute of Technology,2000.

[5] Transportation Research Board.Transit Capacity and Quality of Service Manual[S].Washington DC:Transport-ation Research Board,2003.

[6] 張碧純,盧弋.城市軌道交通停站時間建模研究 [J].交通與運輸,2001(2):48—52.

[7] ZHANG Q,HAN B M,LI D W.Modelling and simulation of passenger alighting and boarding movement in Beijing metro stations[J].Transportation Research Part C,2008,10:635-649.

[8] 韓宇,韓寶明,李得偉.地鐵站乘客上下車效率因素影響分析[J].城市軌道交通研究,2007(7):43-46.

[9] 陳紹寬,李思悅,李雪,等.地鐵車站內乘客疏散時間計算方法研究[J].交通運輸系統工程與信息,2008,8(4):101-107.

[10] 曹守華,袁振洲,趙丹.城市軌道交通乘客上車時間特性分析及建模[J].鐵道學報,2009，31(3)：89-93.

On the Relation between Passenger Boarding Behavior and Train Dwelling Time

CHEN Jiashen, PU Qi, TU Yingfei

Passenger boarding time is a key factor to affect train dwelling time, the latter has great impact on the efficiency of rail transit system. Taking 2 Shanghai urban rail transit stations on Line 1 and Line 2 respectively as the study object, and through on-site observation, the passenger boarding behavior data according to different passenger flow characteristics are collected, the impact of passenger interweavement on alighting & boarding time is analyzed by using the linear regression model. Additionally, components of train dwelling time are analyzed through some quantitative indicators, corresponding shortcomings in daily operation are pointed out to ensure sufficient boarding time for passengers and shorten the invalid dwelling time of train.

urban rail transit; passenger boarding behavior; train dwelling time

*國家科技支撐計劃項目(2015BAG19B01);上海市科學技術委員會科研計劃項目(15DZ1204304)

U 293.6

10.16037/j.1007-869x.2017.01.014

2016-04-01)