城市軌道交通骨干線路開通對票務清分影響研究

易燕妮

成都軌道交通集團有限公司，四川成都 610058

網絡化運營管理條件下，客流數據的準確清分是分析網絡客流分布特征、制定合理的網絡運營計劃、提高各線路運營協調性、發揮系統的整體能力和綜合效益以及應急處置能力的重要基礎[1]。

隨著成都軌道交通網絡化進程的快速推進，結合軌道交通網絡結構的復雜性、換乘路徑的多元性、客流需求時空分布特點的多重性等特征，研究骨干線路開通后新網絡條件下清分模型和參數的優化，從而準確、合理地確定網絡化運營條件下的客流性質、時空分布特點及規律，對于制訂列車運行計劃、進行合理的運能配置和運營成本控制、提高運輸組織水平和客運服務水平具有極其重要的作用[2]。

1 國內軌道交通清分方法及客流分析模型

北京、上海兩地的軌道交通系統建設最早、規模最大，并率先進入網絡化運營管理階段，其各自所采用的軌道交通網絡清分系統在國內具有代表性。下面重點對北京、上海地鐵清分情況進行介紹。

1.1 北京地鐵

2008年之前，北京軌道交通系統無明顯的清分模型。2008年北京奧運會之后，隨著軌道交通路網呈現網絡化發展、客運量不斷增大、運營商多樣化，北京軌道交通運營管理部門開始采用基于多路徑概率選擇的“兩階段、雙比例”的清分模型。

2014年前后，北京軌道交通通過總結分析現有客票清算管理中心（ACC）和路網指揮調度中心（TCC）系統的技術條件、數據組成、開通運營至今所積累的大量客流基礎數據及現有清分模型的客流計算結果，提出采用“推定型”清分模型計算客流分布，根據乘客的出行時間與實際列車運行圖相匹配以非集計的思想對客流分布情況進行計算和統計，提升清分模型的準確性與合理性。但由于推定型模型約束較多計算復雜，在軌道交通系統進行票款清分時仍然保留了計算相對簡便且同樣能夠保證網絡整體分配可靠性的“分配型”模型。

1.2 上海地鐵

上海城市軌道交通網絡清分方法及模型從無到有、發展至今，主要經歷了四個階段：無清分階段（1993-2000年）、人工分賬階段（2001-2005年）、最短路清分階段（2006-2007年）、多路徑清分階段（2008年至今）。從2008年至今上海軌道交通采用了多路徑清分模型。

上海軌道交通多路徑清分模型在對網絡進行描述時，需要形成綜合阻抗函數以衡量各條路徑的出行代價。在計算路徑阻抗時要對影響乘客出行路徑選擇的各種因素進行綜合考慮，這是由于影響乘客出行選擇行為的因素眾多，每條路徑的代價（或者效用）都難以由單一因素衡量，因此有必要明確主影響因素，將其作為路徑選擇規則，并且將其他影響因素轉化為與之統一的度量衡，從而形成可選路徑的綜合阻抗。

乘客在選擇出行路徑時總會按照一定的規則，如出行總里程最短、出行總時間最少、所經車站數最少、所需換乘次數最少、舒適度最好擁擠度最小等。上海現有清分模型中路阻函數是以里程為阻抗，將各項影響因子折算為里程計算路徑代價。

2 成都地鐵現狀

成都地鐵ACC清分系統支持最短路徑算法、最短時間算法、多路徑概率清分算法等多種算法模型。根據線網發展規劃，可在不同時期、不同的網絡結構特點下，選用合適的算法模型，其中多路徑概率清分法即是為成網后復雜線路情況下的清分準備的，前期“基于出行距離換乘次數的權重比例法”為簡化版的多路徑概率清分法，僅使用較少參數參與算法計算。

骨干環線7號線開通后，“基于出行距離換乘次數的權重比例法”將不再適應新網絡布局下的數據清分，有限條件下的數據清分難以迎合“井+網”狀線網結構的復雜需求，有必要啟用其他影響路徑分配的關鍵要素，并在有效路徑搜索過程中增加對閾值的設定，來最終確定真實反映乘客出行行為的有效路徑。

3 成都地鐵ACC清分算法模型和參數設置

通過橫向對比，目前國內網絡化運營的地鐵基本采用的多路徑概率清分法，諸如北京、上海、廣州等地鐵。多路徑概率清分法考慮了乘客出行路徑的多樣性，確定幾條乘客可能選擇的合理路徑，根據一定的原則確定每條路徑的客流分配比例，進而結合各線路承擔的運輸里程計算出清分比例[3]。該算法適用于線網復雜程度高、路徑選擇繁復多樣情況下的數據清分，能貼切展現乘客乘車路線的實際選擇情況和各方收益分配，體現了更加科學、準確、客觀、公平地分配客流及收益原則。

根據ACC前期系統設計及當前國內地鐵清分情況，成都地鐵ACC迫切需要向全面的多路徑概率清分法擴展。

3.1 ACC清分算法模型

經研究及歸納總結，成都地鐵多路徑概率清分法主要通過以下步驟完成清分：

3.1.1 綜合出行阻抗函數的建立與計算

以出行時間為標尺，把區間運行時間、停站時間、換乘走行時間、換乘放大系數通過參數標定建立綜合函數關系，計算得出綜合出行阻抗值。綜合出行阻抗為乘客出行路徑選擇的主要依據，一般來說，阻抗值越小，乘客趨向于選擇這條路徑的意愿越強[4]；反之亦然。

3.1.2 有效路徑的判斷與比例計算

通過綜合出行阻抗函數值，判斷及篩選出最短時間路徑，再根據乘客路徑選擇時考慮綜合出行阻抗對于最短路徑的相對和絕對上界，即阻抗相對閾值和阻抗絕對閾值，來確定有效路徑范圍，比如某個OD最短時間路徑用時10min，當比最短路徑多出60%的時間，或多出5min時，乘客不會選擇該路徑，則阻抗相對閾值為160%，阻抗絕對閾值為5，那么用時范圍在10～15min的所有路徑均為有效路徑。

有效路徑選擇出來后，以各路徑的綜合阻抗函數值為基礎，設置正態分布標準差參數的取值，按照一定的算法及概率分布模型，確定各有效路徑分擔某一OD客流的比例[5]。正態分布標準差參數取值越小，有效路徑承擔客流比例的差異程度越大，反之客流在各條有效路徑間的分配越平均，該參數通過乘客調查擬合，一般取0.2～0.3。

3.1.3 線路清分比例的確定

在計算各條線路的客流及收益清分比例時，應考慮運營成本，而運營成本主要與承擔的運營里程相關，因此，采用基于線路承擔里程數的客流分配方法更為合理。在確定了每條有效路徑的分配比例之后，通過計算每條有效路徑中每條線路的分配比例，再將所有有效路徑中相同線路的分配比例匯總，得到其線路在一個OD中的客流分配比例。

3.2 清分參數設置

對上述清分算法模型進行梳理，涉及的參數情況如表1所示。

表1 清分參數

區間運行時間等參數是依據特定的數據進行取值，換乘走行時間參數是通過實地測量得出，但換乘放大系數等四個參數的取值范圍是通過研究和數據測算所得。

7號線開通初期，在參考其他地鐵的參數設置經驗基礎上，根據7號線開通的路徑清分結果影響及靈敏度分析，建議將換乘放大系數等四個參數按表 2取值進行系統參數設置。

表2 參數取值

根據上述取值，對各參數在ACC測試環境進行部署后，以202萬的進站客流進行模擬計算，換乘系數為1.5744，客運量為318萬，如表 3所示。

表3 換乘系數

部分OD清分比例情況列舉如表 4所示。

表4 部分OD清分比例

3.3 參數優化

地鐵7號線開通之后，還需根據7號線的實際客流數據及乘客調研數據，再次對ACC清分算法模型進行優化調整，其中主要進行模型中參數系數/權值設置的準確性分析，對產生偏差的參數系數/權值再次調整修正。由于新線開通，乘客出行的可行路徑也將隨之發生變化，在保證參數系數/權值設置合理的前提下，重新計算全線網的有效路徑集，并修正各路徑的客流分配比例。

4 結語

本課題旨在研究當前成都地鐵ACC模型中尚未納入考慮，但由于線網變化對清分計算結果有顯著影響的清分因素，從而確定清分算法模型中所需的基礎參數數據，如換乘站的換乘走行時間、換乘次數、列車發車間隔等，并根據已有的客流數據進行模型實時分析及算法推導，驗證模型中參數系數/權值設置的合理性，以保證清分模型的計算結果最大化地反映實際軌道交通網絡的客流分布及收益分配情況。

[1] 徐瑞華，羅欽，高鵬. 基于多路徑的城市軌道交通網絡客流分布模型及算法研究[J].鐵道學報，2009（4）：110-114.

[2] 劉小霞. 城市軌道交通網絡突發客流傳播影響分析[D].北京交通大學，2011.

[3] 趙路敏，郝慶玲，杜世敏.北京市軌道交通線網客流及票款清分方法[J].都市軌道交通，2009（12）：58-60.

[4] 杜世敏，趙路敏.北京城市軌道交通清分方法及結果應用[J].城市軌道交通研究，2014（2）：106-110.

[5] 盧曙光.深圳市軌道交通清分方法研究[D].西南交通大學，2012.