基于多源數據的北京軌道交通客流特征分析

李 臣， 陳艷艷， 劉小明， 路 堯

(北京工業大學北京市交通工程重點實驗室， 北京 100124)

基于多源數據的北京軌道交通客流特征分析

李 臣， 陳艷艷， 劉小明， 路 堯

(北京工業大學北京市交通工程重點實驗室， 北京 100124)

為提高城市軌道交通成網條件下客流預測與運營管理水平，有必要對軌道交通客流特征進行研究。結合實地調研數據，利用海量的市政交通“一卡通”(IC卡)數據和移動通信定位數據對北京市軌道交通乘客屬性特征、時空特征、接駁特征、票價調整影響特征等進行分析，最后對客流需求高增長的北京軌道交通客流特征進行總結。結果表明：北京軌道交通工作日主要服務于中低收入的中青年通勤族，77.25%的乘客軌道交通出行時間在10～60 min之間；軌道交通線路高峰客流有明顯的潮汐現象，受職住分離現象的影響，客流空間分布的不均衡性突出；現階段軌道交通網絡發展較為成熟，但仍有部分區域對軌道交通的需求較大；軌道交通站點接駁設施的便利性和完善性程度影響乘客對軌道站點交通方式的選擇；在可接受范圍內，票價調整對客流的影響在短期內較明顯，經過渡期后客流量呈增加趨勢。

軌道交通； 客流特征； “一卡通”數據； 移動通信； 定位數據； 北京市

城市軌道交通以速度快、擁堵少、可靠性高的特點吸引越來越多的人們選擇其出行，客流需求的增加使軌道交通線網客流特征呈現新的特點。為提高客流組織管理水平，合理進行客流預測，人們更加重視對軌道交通客流特征的研究，鄧吉等[1]從規劃特性、線路特點和對工程方案有指導意義的7個指標入手進行客流特征分析，以期較好地把握客流趨勢；陳鋒等[2]64基于IC卡數據對公交客流的時空特征進行了宏觀、中觀分析，并對服務水平與城市發展協調適配性做出評估；王多龍等[3]從客流構成、客流時間和空間特征等方面詳細介紹了天津地鐵線網客流發展規律和客流特征，以期為其他城市軌道交通網絡化運營過程中的運營管理、客流分析及預測提供參考。Assis等[4]分析了大量客流樣本數據后，得出乘客候車和上下車行為特征，分析出不同線路客流的時間分布特征。目前對客流特征分析的研究較多，但對客流特征系統全面的分析較少，并且所用數據單一，本文借助多源數據，并對數據進行系統性分析，從乘客屬性特征、時空特征、接駁特征、土地特征、票價影響等方面對北京軌道交通客流特征進行分析，數據可靠性高、樣本量大且全面，盡可能較準確地分析軌道交通客流特征。

1 北京軌道交通客流特征概述

北京市軌道交通經過47年的發展，已基本實現網絡化，客流特征呈現復雜、多樣化特點。客流規模逐步增加，日均客流量由2008年的332萬人次/d發展至2015年的911萬人次/d[5-6]；客流潮汐現象明顯，郊區客流更加集聚于高峰時段，且斷面流量不均衡性較大；同時，北京軌道交通客流時空特征呈現一定的規律，乘客出行屬性特征也更加明顯。

2 數據來源及說明

獲取客流特征的傳統手段主要依賴于人工調查，包括人工計數及問卷調查[2]51。傳統手段單一，人工調查成本高、樣本有限，且結果精度低。因此單純利用傳統手段分析軌道交通客流特征有很大缺陷，而多源數據融合為數據獲取及分析帶來方便。

2.1實地調研數據

城市軌道交通服務對象的屬性特征對了解客流結構及把握客流分布有一定影響，但這些特征無法通過IC卡的數據獲取。為獲取乘客屬性特征，對北京軌道交通進出站量較大的站點進行乘客出行調查，發放問卷4000份，回收有效問卷3596份，問卷有效率為89.90%。

2.2北京市IC卡數據

北京市IC卡數據儲存著乘客軌道交通出行有效信息20項，包括進出站編號、所屬線路編號、刷卡時間等信息，通過對相關信息進行處理，可得客流時空分布特征、票價影響特征等。北京軌道交通工作日單日IC卡刷卡量為520萬左右，本文統計了2016年4月11日到4月17日北京軌道交通IC卡數據，對數據進行整合與對比，并重點歸納了4月11日的客流特征及趨勢。

2.3移動通信定位數據

移動通信定位數據借助手機，通過手機與基站間聯系可獲取居民出行OD、速度及時間等信息[7]。軌道站點一般安有微蜂窩基站，為借助移動通信定位數據分析軌道客流特征提供了保障。北京市中國移動手機用戶數量高達1700萬個，約占總常住人口數的75%，市區基站密度高達44cells/km2，每日數據總量高達12億條，本文分析了1周的北京市中國移動手機通信數據，并對數據特征進行了歸納總結。

3 客流特征分析

3.1乘客屬性特征

問卷調查結果顯示，北京軌道交通乘客性別比例相當；工作日及非工作日25～34歲乘客占比分別為45.75%和41.39%(見圖1)；公司員工、學生、事業單位/公務員和服務業人員占乘客的70.19%；月收入在5000元以下的乘客占比為59.45%，5000～8000元乘客占27.20%(見圖2)，參照2015年北京職工月平均工資7086元，城市軌道交通主要服務于中低收入人群。

圖1 北京軌道交通乘客年齡分布Fig.1 Age distribution of Beijing rail transit passengers

圖2 北京軌道交通乘客職業與收入分布Fig.2 Occupation and income distribution of Beijing rail transit passengers

圖5 乘客軌道交通出行時間分布Fig.5 Travel time distribution of rail transit passengers

北京軌道交通乘客出行最看重的因素是時間，乘車時間短占比為56.67%，舒適性高占比僅為13.38%；被調研者中有63.88%的乘客對線路比較熟悉，能較準確估算出行時間，如圖3所示。

圖3 乘客軌道出行看重因素及對線網熟悉度分布Fig.3 Factors considered by Beijing rail transit passengers for travelling and their familarity with the network

3.2時間分布特征

3.2.1線網1周客流時間分布特征

對北京軌道交通線網1周客流的時間分布情況統計如圖4所示，2016年北京軌道交通全網日均客流量約為955萬人次，工作日客流量達1062萬人次，周五達到最大值，超過1100萬人次，周六、日呈現大幅度下降的趨勢，且周日客流量最小，通勤出行成為軌道交通的主要服務方式。

圖4 北京軌道交通日客流量分布Fig.4 The daily passengers flow distribution of Beijing rail transit

同樣對1周時間乘客在軌道內的出行時間和距離進行統計，得出工作日和非工作日乘客軌道交通出行時間和距離趨勢相似，對工作日和非工作日軌道交通出行時間、距離分別求取平均值，得到圖5～6。

乘客軌道交通出行時間總體呈現先增后降趨勢，工作日和非工作日分別有77.25%和71.92%的乘客出行在10～60min之間，超過60min后的軌道出行量分別占19.48%和24.61%，且呈現明顯減少的趨勢，大于100min的軌道交通出行量所占比例非常小。

乘客軌道出行距離總體也呈現先增后降趨勢，工作日和非工作日分別有81.87%和78.37%的乘客出行在5～30km之間，超過30km后的軌道出行量分別占8.23%和10.11%，且呈現明顯減少的趨勢，大于50km的軌道出行量所占比例非常小。

3.2.2線網進站客流時間分布特征

北京軌道交通線網早晚高峰客流時間分布如圖7所示，工作日進站早晚高峰時段分別為7：00—9：00和17：00—19：00，早晚高峰小時系數分別為13.84%和11.21%。工作日高峰小時系 數比非工作日系數大。10：00—18：00時段，非工作日出行比重大于工作日，且工作日出行時間較為集中，非工作日分散，7：00之前及22：00之后，線網客流整體偏小。

圖6 乘客軌道交通出行距離分布Fig.6 Travel distance distribution of rail transit passengers

圖7 北京軌道交通線網進站客流量時間分布Fig.7 Temporal distribution of passenger flows entering rail transit network stations

3.2.3線路進站客流時間分布特征

北京軌道交通線網各線路工作日客流時間分布規律如圖8所示，除機場快軌外，各線路客流時間分布特征相似，均有明顯的早晚高峰，但各線路客流隨時間變化趨勢存在差異。

圖8 軌道交通線路進站客流時間分布Fig.8 Temporal distribution of passenger flows entering rail transit stations

1) 早高峰小時進站高峰最大出現在7：00—8：00的線路主要集中于連通城區與郊區的線路(1號線-八通線、4號線-大興線、6號線、8號線、9號線—房山線、15號線)和郊區線路(昌平線、亦莊線)，如圖8(a)；早高峰最大進站高峰出現在8：00—9：00的線路有類環線(2號線、10號線、13號線)、5號線、7號線和14號線，如圖8(b)；機場快軌線沒有明顯的高峰現象。靠近郊區或者連同城區與郊區的線路進站高峰出現時間較早，且越外圍線路，進站高峰時段越早，這主要與職住用地分布有關。

2) 早高峰乘客上班時間集中，為按時上班，更多乘客選擇軌道交通出行，軌道交通早高峰進出站量明顯比晚高峰多，軌道客運壓力更大；晚高峰乘客下班后，時間相對寬松，部分乘客選擇費用相對便宜的公交出行。

3) 多數線路早高峰小時系數普遍大于晚高峰小時系數，郊區線路更為明顯，八通線、大興線、房山線早高峰小時系數是晚高峰小時系數的4倍以上。早高峰系數較高的線路中較多車站位于職住區。

3.2.4站點客流時間分布特征

按站點高峰小時進站量和用地性質不同，將軌道站點分為如圖9所示四大類。

圖10 北京軌道線網斷面流量分布Fig.10 Flow distribution of Beijing rail transit lines

圖9 不同類型站點時間分布特征Fig.9 Temporal distribution characteristics of passenger flows in different stations

1) 居住型。早晚進站高峰小時系數差別較大，分別為15%～40%和2%～10%，車站主要分布于居住區，早高峰以進站客流為主，多分布于四環及四環外郊區、郊區線路末端。

2) 辦公型。早晚進站高峰小時系數分別為2%～10%和11%～30%，車站主要分布于就業區、商務區等工作集聚區，早高峰進站客流小，晚高峰進站客流較大，站點進站客流隨時間變化趨勢與居住型相反，主要分布在四環以內偏北部區域、西二旗、上地、中關村等地。

3) 混合型。早晚進站高峰小時系數為7%～23%，站點主要分布于職住混合區，一般以居住為主、商務工作為輔或以商務工作為主、居住為輔。進站量早晚高峰小時系數均較大且差別較小，客流有兩個高峰。

4) 樞紐型。早晚進站高峰小時系數無明顯規律，站點主要服務于交通樞紐區域，全日客流無明顯的高峰，客流波動較大。

根據以上分類，結合公交IC卡數據分析，對北京278座站點分類如表1所示。

表1 北京軌道交通站點分類

3.3空間分布特征

3.3.1線網斷面客流分布特征

北京軌道交通全天客流主要集中在中心城區以及城區向郊區輻射的線路(見圖10)，與北京職住分離現象相吻合。郊區向城區的線路中昌平線、房山線、亦莊線客流壓力相對較小。線路高峰客流有明顯的潮汐現象，中心向郊區輻射的線路斷面不均衡系數較大。早高峰時段，1號線-八通線、4號線、5號線、6號線東段、13號線等進城方向客流處于高負荷狀態，同時受放射型線路客流影響，四環內沿10號線地區東部與北部客流量相對較多。

平均運距作為衡量城市軌道交通線路運營的重要指標，既可反映線路乘客空間分布情況，也可反映客流在各斷面上的聚集程度[8]。對北京軌道各線路工作日平均運距統計見圖11，全日軌道交通線網平均運距為9.02km/人。線路平均運距差別較大，城區線路或貫穿城區線路的平均運距在4～10km/人。房山線平均運距最大，為14.7km/人，最小為2號線，不到5km/人。平均運距占線比最大的為房山線，為64%，最小的是10號線，僅為14%。

圖11 北京軌道線路全日平均運距及占線比分布Fig.11 Distribution of average distance and the rate of average distance using Beijing rail transit lines

平均運距與線路所屬區域及換乘站數量有密切關系，郊區線路密度小于城區線路，作為進出城區的重要通道，乘客乘坐距離長，而城區就業崗位多且密集，故城區或貫穿城區線路的平均運距明顯小于郊區線路；換乘站點多的線路平均運距較小，換乘站起到一定的分流效用。

軌道交通線網進出道路環線的斷面流量不均衡系數較大(見圖12、13)，東部、西部、北部五環進出城比例差別較大，南部三環進出城比例差別大，并且早高峰進城量大于晚高峰出城量，晚高峰出城時間較為分散。早高峰東部、西部、北部五環進城量超過出城量的4倍，而南部三環進出城比例較大，比例為3.9倍；晚高峰東部、西部、北部五環出城量是進城量的4倍，而南部三環出城量是進城量的2.6倍。

圖12 早高峰軌道線網穿過道路環線斷面流量比Fig.12 The cross section flow ratio which rail transit lines go through the ring road in morning peak hours

圖13 晚高峰軌道線網穿過道路環線斷面流量比Fig.13 The cross section flow ratio which rail transitlines go through the ring road in evening peak hours

3.3.2線路客流強度分布特征

客流強度是指軌道交通網絡或線路每千米每日平均承擔的客運量，是反映軌道交通線網運營效率和經濟效益的一個重要指標[9]。對北京軌道交通線路1周客流強度統計如圖14。

圖14 北京軌道線路日均客流強度分布Fig.14 Daily flow intensity distribution of Beijing rail transit passengers

線路客流強度變化趨勢相似，非工作日客流強度小于工作日。軌道交通網日均客流強度為2.05萬人次/km·d，工作日客流強度與非工作日客流強度分別為2.25萬人次/km·d和1.58萬人次/km·d。客流強度高于全網平均值的線路位于城市核心區，或多數站點位于城市中心區，如1號線、2號線、4號線作為連接職住區的線路，客流強度均超過4.0萬人次/km·d。郊區線路客流強度較小且工作日與非工作日相差不大。環線(2號線、10號線)非工作日客流強度較工作日有較大的下降趨勢，環線客流強度受通勤影響較大。

3.3.3進出站客流空間分布特征

早高峰進站量大的站點主要集中于郊區及住宅區，出站量大的站點主要在工作集聚地及商務區，晚高峰進出站量與早高峰相反，如圖15所示，這與北京軌道交通主要服務于通勤出行和商務出行相符。為避免大客流站點的安全隱患，常對站點進行限流，常態限流站點與高峰進出站量較大站點的分布相近，早高峰限流站點多分布于五環及五環以外，以交通樞紐站、末端中轉站、居住型站點為主，晚高峰限流站點多集中于四環及四環以內，主要為商業辦公型站，早晚高峰同時限流的站點多分布于5號線，如圖16所示，可將軌道交通站點高峰進出站量作為站點限流依據之一，并根據遠期客流預測，規劃新建軌道交通站點的限流措施。

圖15 北京軌道高峰進站量分布Fig.15 Distribution of passenger flow entering stations during peak hours

圖17 全日換乘站換乘量與進站量分布Fig.17 Distribution of passenger transferring flow and passenger entering the stations per day

圖16 北京軌道高峰常態限流站點分布Fig.16 Distribution of the stations which limit passengers entering the stations in peak hours

3.3.4換乘站客流空間分布特征

3.4土地利用與客流特征的關系

軌道交通與土地利用的協調發展是解決城市交通問題的重要途徑，在土地利用與交通相互關系的研究中，人口密度是用來衡量建設環境的常用手段之一[10]。土地利用強度大的區域，人口密度大，軌道線路密度亦越大，客流規模隨之增加。

圖18為北京工作居住人口密度分布情況，線路站點周邊人口密度相對較大，四環內商務區域工作人口密度較大，居住人口相對分散，三環內人口居住密度相對均勻，五環外天通苑、通州、回龍觀等區域居住人口密度相對較大。可根據用地性質和人口密度作為軌道交通遠期規劃的依據之一，由此而知，1號線與6號線西部區域、房山線延伸方向、4號線北部區域對軌道交通需求仍較大。

圖18 北京人口密度分布Fig.18 The population density distribution in Beijing

土地利用和人口密度與軌道交通發展有相互促進作用，軌道交通線路到達地區，可達性高，人口密度大，對交通需求會增大，軌道交通也會增加建設。以居住為主要用地的區域，人口居住密度較大，郊區線路或連通城區與郊區的線路孕育著較大的通勤客流，高峰單向客流壓力大，雙向客流不均衡；以就業為主要用地的區域，通常集聚在市中心或商務區，工作人口密度大，客流以通勤為主；高密度開發、土地利用混合度高的區域，可達性高，人口居住和工作密度 均 較 大，客流 特 征較為復雜。

3.5票價調整對客流影響的特征

票價對于軌道交通客流有一定影響，尤其對低收入人群影響較大。為了解票價調整對客流的影響程度，對北京軌道交通票價調整后各月同一工作日(除新增線路外)的線路客流量與調價前客流量(2014年10月、11月平均數據)增加比例進行統計，結果見表3。

調價后短期內客流呈現驟減趨勢，2015年2月減少比例達到最大，3月后客流呈增加趨勢，之后客流減少比例主要在10%以內，部分線路客流已經開始增加。2月份正逢春節期間，為區分春節及調價對客流規模影響程度，對于2012年到2015年部分月份客流數據(每年1月、2月客流與前一年10月、11月平均數據)進行對比，如表4所示。與2012年、2013年、2014年2月客流減小比例相比，2015年2月客流減小比例較大，因此，短期內，調價對客流影響較大，在2015年2月份客流減小比例達到最大。

表3調價后北京軌道交通客流增加比例分布

Tab.3The increasing proportion distribution of Beijing rail transit passenger flow after the price adjustment

表4 北京軌道線路客流增加比例分布

調價后，乘客有一定的票價適應期，客流短期內驟然下降，在居民出行總量不變的情況下，部分客流會轉移到其他交通方式，而交通方式的改善需要一定的時間，則造成乘客出行方式出現短時紊亂，經約3個月過渡期，此現象會逐漸消失，客流減小程度降低，甚至隨線網的完善客流呈現增加趨勢。

在大多乘客可接受的票價范圍內，單純依靠調價來減少客流壓力的效果短期明顯，可分散高峰時段客流壓力，而過渡期后效果甚微，但調價對降低軌道運營財政壓力會起到可觀的效用。

3.6接駁交通方式對客流影響的特征

接駁方式對客流的影響表現為：接駁越方便，可達性越高，選擇軌道交通出行乘客越多，客流壓力越大。根據調查結果，在軌道接駁交通方式中，步行占比最大，達64%，公交、自行車占比分別居第二(27%)和第三位(5%)。圖19、20為早高峰不同線路乘客到離站交通方式接駁比例分布。

圖19 早高峰不同線路乘客到站接駁交通方式比例分布Fig.19 The proportion distribution of transfer mode from outside to rail transit stations in morning peak hours

圖20 早高峰不同線路乘客離站接駁交通方式比例分布Fig.20 The proportional distribution of transfer mode from rail transit station of different lines to outside in morning peak hours

早高峰時段到站接駁交通方式與離站方式相比，步行所占比例前者低于后者，而公交車、自行車反之。這主要是由到離站人們不同的時間價值取向引起的。早高峰乘客出行前端由家到軌道交通站點，末端由軌道交通站點到單位，步行相較于自行車和公交速度慢，在出行鏈前端，出行者傾向于速度快、用時短的交通方式，末端在到達時間有保證的前提下，出行者傾向于綠色出行。各接駁方式承擔的客流量亦與各種方式和軌道交通的銜接程度有關。

房山線的步行占比到離站均最大，約為90%左右，機場線的步行占比最小，其他各線路步行占比分布于一定范圍。八通線的軌道乘客接駁中，公共自行車所占比例相對較大，約占10%。八通線沿線區域，尤其是通州區域，自行車覆蓋率高，使用便捷。圖21為北京軌道交通站點周邊1km公共自行車數量分布，八通線附近通州區域密度最高，其次是東城區、西城區、大興區等區域，而朝陽區、海淀區、房山區、昌平區地鐵沿線公共自行車數量較少，回龍觀、天通苑、中關村等大型住宅商務區公共自行車數量也較少。公共自行車接駁方式的缺失，使客流會轉向步行、公交、出租車等方式與軌道交通接駁。

圖21 北京軌道站點周邊1 km公共自行車數量分布Fig.21 The distribution of public bicycles number within 1 km around the Beijing rail transit station

4 結論

北京軌道交通客流需求的高增長及時空分布波動性等特征愈加明顯，本文借助多源數據對客流特征進行分析，得出以下結論：

1) 北京軌道交通工作日主要服務于中低收入的中青年通勤族，工作日有 77.25%的乘客軌道出行時間在10～60 min之間，81.87%的乘客軌道出行距離在5～30 min之間。

2) 土地利用和人口密度與軌道交通發展有相互促進作用，軌道交通線路到達地區，可達性高，人口密度大，對交通需求會增加，軌道交通也會增加建設。現有北京軌道交通網絡發展較為成熟，但仍有部分區域軌道交通需求較大。根據土地利用性質和人口密度分布，1號線與6號線西部區域、房山線延伸方向、4號線北部區域對軌道交通需求仍較大。

3) 北京軌道交通線路高峰客流有明顯的潮汐現象，受職住分離現象的影響，客流空間的不均衡性突出。從時間分布看，工作日早晚高峰客流明顯，高峰小時系數基本在11%～14%之間；從空間分布看，日均客流強度為2.05萬人次/km·d，其中1、2、4、5號線日客流強度是全網日均客流強度的2倍左右，同時北京軌道交通穿過道路環線東部、西部、北部五環進、出城比例相差大，南部三環進、出城比例相差比較大。

4) 在可接受范圍內，票價調整對客流的影響在短期內明顯，經一段時間的過渡期后客流量呈增加趨勢，但調價對降低軌道運營財政壓力會起到可觀的效用。

5) 軌道站點接駁設施的便利性和完善性程度會影響乘客到離軌道站點交通方式的選擇，例如八通線沿線區域，尤其是通州區域，自行車覆蓋率高，使用便捷，在軌道站點接駁中，公共自行車所占比例相對較大，約為10%。

[1] 鄧吉,趙亮,鄭曉薇,等.城市軌道交通客流特征分析在可研階段的應用[J].都市快軌交通,2016,29(1): 87-91.

DENG Ji， ZHAO Liang, ZHENG Xiaowei. Application of analysis of passenger flow characteristics in the period of feasibility study for urban rail transit projects[J].Urban rapid rail transit， 2016， 29(1)： 87-91.

[2] 陳鋒，劉劍鋒.基于IC卡數據的公交客流特征分析：以北京市為例[J].城市交通，2016，14(1)：51-58.

CHEN Feng， LIU Jianfeng.Characteristics of bus passenger flow based on IC card data： a case study in Beijing[J].Urban transport of China， 2016， 14(1)： 51-58.

[3] 王多龍,李得偉.天津地鐵客流發展規律及特征分析[J].城市軌道交通研究,2016,19(7):40-45.

WANG Duolong， LI Dewei.Development discipline and characteristics of passenger flow in Tianjin Rail transit network[J].Urban mass transit， 2016， 19(7)： 40-45.

[4] ASSIS W O， MILANI B E.Generation of optimal schedules for metro lines using model predictive control[J].Automatica， 2004， 40(8)： 1397-1404.

[5] 北京交通發展研究中心.2015年北京交通發展年度報告[R].北京，2015.

Beijing Transportation Research Center.Beijing transport annual report of 2015[R].Beijing： 2015.

[6] 北京交通發展研究院.2016年北京市交通發展年度報告[R].北京，2016.

Beijing Transport Institute.Beijing transport annual report of 2016[R].Beijing， 2016.

[7] 賴見輝.基于移動通信定位數據的交通信息提取及分析方法研究[D].北京：北京工業大學，2014.

LAI Jianhui.Research on data mining and analysis in transportation based on mobile communication location[D].Beijing： Beijing University of Technology， 2014.

[8] 馬超群，王玉萍.城市軌道交通客流特征與規律分析[J].鐵道運輸與經濟，2015，37(6)：85-91.

MA Chaoqun， WANG Yuping.Analysis on characteristics and principle of passenger flow of urban rail transit[J].Railway transport and economy， 2015， 37(6)： 85-91.

[9] 錢堃.城市軌道交通客流強度特征和換乘組織研究[D].北京：北京交通大學，2015.

QIAN Kun.Analysis on the intensity of passenger flow and transfer organization in urban rail transit[D].Beijing： Beijing Jiaotong University， 2015.

[10] 鄭潔，陸化普.城市土地利用對交通需求特性影響研究[J].中南公路工程，2007，32(2)：175-179.

ZHENG Jie， LU Huapu.Study on the impacts of urban land use on travel demand[J].Journal of central south highway engineering， 2007， 32(2)： 175-179.

Passenger Flow Characteristics of Beijing Rail Transit Based on Multi-source Data

LI Chen, CHEN Yanyan, LIU Xiaoming, LU Yao

(Beijing Key Laboratory of Traffic Engineering, Beijing University of Technology, Beijing 100124)

In order to improve the accuracy of passenger flow forecasts and the operation management level of urban rail transit networks, it is necessary to study the passenger flow characteristics of rail transit. This paper analyzes the passengers′ attributes, the time-space and transferring characteristics as well as fare adjustment impacts of Beijing rail transit，using the field survey data, massive municipal transportation IC card data and mobile positioning data. Finally, it summarizes the characteristics of the increasing passenger flows of Beijing rail transit. The results show that Beijing rail transit mainly serves the middle and low-income commuters who are young or middle-aged on weekdays, and that the travel time of 77.25% passengers is between 10 to 60 minutes. There is obvious tidal flow during peak hours. The imbalance of the space distribution of passenger flows is salient due to home-work separation. The development of rail transit network has reached a mature stage, and it is greatly demanded in some areas. The convenience and integrity of transfer facilities in rail stations has an impact on passengers′ travel mode selection. Within the acceptable range, fare adjustment has an obvious short-term influence on passenger flows, but the flows increase after the transition period.

rail transit; passenger flow characteristics; IC card data; mobile; location data; Beijing

10.3969/j.issn.1672-6073.2017.05.002

2016-11-11

2017-01-04

李臣，男，碩士研究生，研究方向：城市交通規劃，

lichen158598@emails.bjut.edu.cn

交通部建設科技項目(2015318J37130)；北京市自然科學基金重點項目(8131001)

U231

A

1672-6073(2017)05-0007-10

(編輯：曹雪明)