日本城市軌道交通客流高斷面的高峰系數特征

柴 東 葉霞飛 王 治 向 蕾

(同濟大學道路與交通工程教育部重點實驗室，201804，上海//第一作者，碩士研究生)

我國部分城市軌道交通線路在開通不久就出現了限流的情況。經分析，其中絕大多數的限流都與線路運輸能力不足有關。

城市軌道交通線路運輸能力最主要的指標是高峰時段單向最大斷面客流量。由于線路全日OD(起訖點)客流量的預測會相對容易把握，因此如果能夠研究得到比較可靠的高峰時段單向最大客流斷面(以下簡為“高斷面”)的高峰系數值，就可以為規劃設計階段校核高斷面客流量預測結果的合理性提供依據。

目前國內外對城市軌道交通線路客流高斷面高峰系數的研究相對較少。文獻[1-2]研究了日本首都交通圈、京阪神交通圈和中京交通圈軌道交通線路的高斷面高峰系數隨時間變化的特征及其基本的變化范圍，發現近階段該系數基本為20%～35%，不過并沒有結合影響因素對高斷面高峰系數的影響程度進行更加細化研究。

本文考慮基礎資料獲取的便捷性和全面性，以日本三大交通圈的城市軌道交通線路為對象，通過實證研究來探尋高斷面高峰系數Cms同線路沿線居住人口和工作崗位分布之間的關系。

1 數據來源及處理

1.1 數據來源

本文的數據來源主要有3類：①線路客流相關的統計數據來自2009年的日本《都市交通年報(平成23年版)》[3]；②居住人口和工作崗位統計分別來自2010年的日本國勢調查[4]和2009年的經濟普查(基本調查)[5]；③線路和車站數據來自2011年日本國土交通省國土政策局網站提供的國土情報數據[6]。

1.2 車站影響范圍的確定

文獻[7]考慮車站密度的影響并以大阪府的車站數據為基礎，計算得到當車站密度大于等于0.3座/km2時，車站合理影響范圍的閾值為900 m；而當車站密度小于0.3座/km2時，車站合理密度范圍的閾值為1 000 m。本文同樣在考慮車站密度的基礎上兼顧車站影響范圍之間重疊較小的原則，將車站影響范圍分區確定，核心區選為500 m，市區選為800 m，郊區選為1 000 m。

1.3 對象線路篩選

研究之前需對部分明顯不符合研究要求的線路予以排除。線路篩選原則如下：

1) 根據《地鐵設計規范》，地鐵工程設計年限的遠期指建成通車后第25年。這意味著通車25年后的客流特征比較穩定。本文主要研究的是Cms穩定狀態下的特征，而且相關基礎數據均為2009年左右數據，因此需排除1984年之后(不含1984年)開通或線路區段發生較大變化的線路。

2) 如線路直通運營，且列車在線路物理區段的終點幾乎不停車，則其實際運營高斷面會與物理線路高斷面不符合，故對此類線路予以排除。

3) 當高斷面客流量較小時，就會產生比較異常的Cms。而本文研究成果主要用以避免運輸能力設計不足的情況，因此主要研究對象選為高峰小時單向最大斷面客流量在1萬人次以上的線路。

1.4 線路分類

線路一般分為長度小于等于15 km的線路和長度大于15 km的線路。在長度小于等于15 km的線路沿線，居住人口分布和崗位分布情況不穩定。因此本文重點研究長度大于15 km的線路。

根據線路服務范圍以及功能的不同，長度大于15 km的線路可分為市郊線、市區線、周向組團連接線和環線機場線4類。本文重點針對市郊線和市區線，分析線路Cms同其沿線居住人口和工作崗位分布之間的關系。

2 城市軌道交通線路分段處理原理

線路按高斷面所在位置分段：起點至高斷面為高斷面前區段，高斷面至終點為高斷面后區段。

城市軌道交通沿線工作崗位主要分為工業崗位、商務辦公崗位、商業崗位、學校崗位和醫院崗位。在Cms分析過程中要時刻關注各時段通過高斷面客流的來源，并據此來確定需要研究的線路區段。

以沿線區域主要是居住人口為主的市郊線為例，其分時段通過高斷面客流的來源可參見圖1。高斷面前區段的沿線居民是早高峰通過高斷面客流的主要來源，高斷面前區段的沿線商務辦公類崗位、工業崗位和學校崗位會吸收一定的本區段居民，同時還會吸引部分高斷面后區段的居民前來工作，這部分人在晚高峰時段回程時會形成一定的通過高斷面客流量;而高斷面前的沿線商業崗位和醫院崗位同樣會在平常時段吸引高斷面后的部分居住人口前來休閑娛樂或者就醫，回程時同樣會增加一定的平常時段通過高斷面量；不過市郊線由于其沿線崗位一般較少，所以其高斷面前區段的崗位對于高斷面客流量的影響一般較小。由此可見，市郊線通過高斷面的客流量主要與高斷面前區段的沿線居住人口和工作崗位分布存在密切關系，因此對于此類線路需要統計其高斷面前區段居住人口和工作崗位的構成情況來分析Cms的特征。

圖1 市郊線分段原理示意圖

3 城市軌道交通線路換乘客流量的換算處理方式

如果線路存在大量的換乘客流量并且最終通過線路的高斷面，就會對Cms帶來比較明顯的影響。城市軌道交通車站的進、出站客流量與沿線的居住人口和工作崗位相關，而換乘量則是線路間的實際客流轉換，所以換乘量與沿線居住人口和工作崗位之間需要進行換算處理后才能疊加。

換算居住人口主要是利用換入客流量與進站客流量的比值乘以車站周邊的居住人口而得到的。但是由于部分平常時段進站客流量來自于車站周邊的工作崗位就職人員，因此本文主要采用高峰時段的換入客流量和進站客流量來進行換算：

(1)

式中：

Phs——換算居住人口；

P——換乘站影響范圍內的居住人口；

Qgj——高峰時段進站客流量；

Qghr—高峰時段換入客流量。

換出客流量主要包括高峰時段換出客流量和平常時段換出客流量。高峰時段換出客流量按商務辦公崗位、工業崗位和學校崗位的數量進行換算，平常時段換出客流量按商業崗位和醫院崗位的數量進行換算。計算時將各時段的換出客流量和出站客流量的比值作為換算系數：

(2)

(3)

式中：

Wi,ghs——高峰時段換算崗位數，i代表商務辦公崗位、工業崗位和學校崗位；

Wj,phs——平常時段換算崗位數，j代表商業崗位和醫院崗位;

Wi——換乘站影響范圍內高峰出行為主的各類崗位數；

Wj——換乘站影響范圍內平峰出行為主的各類崗位數；

Qghc——高峰時段換出客流量;

Qphc——平常時段換出客流量；

Qgc——高峰時段出站客流量；

Qpc——平常時段出站客流量。

需要說明的是，式(3)未包括平峰時段乘客回家對應的出站客流量。由于市郊線高斷面前區段由于工作崗位分布較少，出站客流量主要由商業崗位和醫院崗位提供，因此適用式(3)。而對于市區線來說，沿線居住人口和工作崗位分布較為復雜，式(3)并不適用。

4 城市軌道交通的Cms同沿線居住人口和工作崗位分布之間的關系

Cms本質上為比值形式，因此影響因素同樣需要利用比值形式來進行量化，本文將沿線居住人口和工作崗位量化為各構成參數在居住人口和工作崗位總和中所占的比例。

4.1 市郊線

經過篩選之后的市郊線有效樣本數為15條。利用分段處理原理和換乘客流量的換算，對在考慮換乘客流量情況下的線路高斷面前區段沿線居住人口和工作崗位分布進行統計。表1為Cms同居住人口和工作崗位構成各參數之間的Pearson相關性分析結果，選擇5%的雙側顯著性水平。可以看出通過相關性檢驗的分別是居住人口、商務辦公崗位、商業崗位和學校崗位；并且Cms同居住人口為正相關關系，同商務辦公崗位、商業崗位和學校崗位為負相關關系。這與分段原理中關于通過高斷面客流量的產生機理分析一致。

表1 市郊線Cms與高斷面前區段沿線居住人口和工作崗位的相關性分析

經分析，居住人口同商務辦公崗位、商業崗位和學校崗位之間本身就存在著明顯的相關性。由于市郊線通過高斷面的客流量主要來自于高斷面前區段的居住人口，所以在主要考慮居住人口的情況下，對居住人口同上述3類崗位進行多組合的比值作為參考指標值，分析Cms與這些參考指標值之間的關系。以居住人口比例為例，繪制其與Cms之間的散點圖，如圖2所示。由圖2可以看出，Cms與居住人口比例之間存在著明顯的線性關系。與居住人口比例類似，Cms與其余組合下的參考指標值之間同樣存在著一定的線性關系，回歸結果匯總如表2所示。

圖2 市郊線高斷面前區段的沿線居住人口比例與Cms散點圖

對比表2中各參考指標值與Cms線性擬合的R2數值，可以看出居住人口比例和Cms之間的擬合結果最優。因此最終的回歸結果為：

Cms=0.498x1-8.477

(4)

式中：

x1——考慮換乘量后高斷面前區段的居住人口比例。

表2 各組合下參考指標值與Cms的回歸匯總表

由表2也可以看出，h與Cms的回歸結果中常數項的顯著性概率大于0.05，不過目前學術界對常數項在這種情況下是否還需要保留的爭議性比較大。本文從Cms的原理出發，認為樣本中的市郊線在高斷面前區段必須存在一定比例的居住人口才能使得高斷面出現在郊區去往市區的方向以及使得Cms處于基本的變化范圍(20%～35%)之內，Cms與居住人口比例之間的關系不應為通過原點的線性關系，因此本文保留上述回歸模型中的常數項。

4.2 市區線

日本三大交通圈的市區線經過篩選后共有9條。市區線主要服務于城市的市區區域，當多條市郊線與市區線形成換乘時，市區線的高斷面就有可能出現在線路的起點附近，高斷面前的車站數有時甚至只有2座，在統計其高斷面前區段的居住人口和工作崗位分布時，其構成情況只與少數車站有關，這對于Cms研究的價值較低，此外市區線無法獲得比較準確的分時段換乘客流量數據，因此本文對于市區線主要研究Cms與其全線沿線居住人口和工作崗位分布之間的關系。

由于市區線沿線大部分區域主要以工作崗位為主，對高斷面客流量起決定性作用的主要是沿線的工作崗位分布，其中高峰通過高斷面的客流量主要來自于沿線商務辦公崗位、工業崗位和學校崗位的吸引，而平常時段通過高斷面的客流量則主要來自于沿線商業崗位和醫院崗位的吸引，因此可以將市區線的各類型崗位根據其產生客流的時段不同換算為全線參考指標值x2,x2=(工業崗位+商務辦公崗位+學校崗位)/(商業崗位+醫院崗位)。x2與Cms之間的散點分布及擬合線如圖3所示。

圖3 x2與Cms散點分布及擬合線圖

由圖3可以看出，隨著x2增大，Cms表現出了一定的增大趨勢，說明兩者之間存在著一定的線性關系。在此基礎上進行兩者之間的線性回歸，回歸參數的檢驗結果如表3所示。

表3 市區線參考指標值與Cms的回歸參數檢驗表

表3中的參考指標值和常數項的顯著性概率分別為0.002和0，都小于0.05，說明兩者都具有比較明顯的統計學意義。因此其線性回歸結果為：

Cms=6.558x2+16.167

(5)

5 結論

通過對日本三大交通圈長度大于15 km的城市軌道交通線路的Cms與其沿線居住人口和工作崗位分布的關系進行研究，主要得到以下結論：

1) 市郊線通過高斷面的客流量主要與其高斷面前區段的居住人口和工作崗位分布相關。

2) 市郊線在將其換乘客流量換算為居住人口和工作崗位之后，其Cms隨著高斷面前區段的居住人口比例的增大而增大，兩者的線性回歸關系模型為Cms=0.498x1-8.477。

3) 市區線主要研究了其Cms與全線沿線居住人口和工作崗位分布之間的關系，可知Cms隨著全線參考指標值的增大呈現出一定的增大趨勢，兩者之間的回歸關系模型為Cms=6.558x2+16.167。