城市軌道交通客流規模偏差影響因素研究

褚文斌 倪汪凌＊ 馬競馳

（1.上海申通地鐵集團有限公司，上海 201100；2.上海工程技術大學城市軌道交通學院，上海 201620）

客流預測數據是地鐵線路設計、建設和運營的主要依據，直接影響地鐵線網的規劃和地鐵運營系統效能的發揮。地鐵開通運營后的實際客流與預測客流存在偏差，嚴重影響城市地鐵系統的運輸效率。近年來學者對地鐵、公交、鐵路等客流規模影響因素進行研究。王靜等[1]將影響客流規模的因素進行歸類，基于系統動力學原理建立關系模型，模型分析結果表明規劃和設計類影響因素最為重要，決定軌道交通需求的上限。黃曉宇[2]研究了目前軌道交通客流自身的不確定性，定性分析造成軌道交通實際規模與預測客流規模相差較大的原因。葉然然等[3]運用灰色關聯度模型對不同客流規模因素的影響程度進行量化評估，分別建立單變量預測模型與多變量預測模型對客流量進行預測分析。于莉等[4]基于問卷調查數據建立出行意愿二項Logit模型，研究出行者特征、出行行為特征以及選擇方案特性等因素對平峰期客流的影響。軌道交通新線相較于成熟線路客流規模的影響因素更為復雜，當新線實際客流規模偏小時，需要找到抑制客流的因素并進行相應改進。客流預測作為地鐵線網規劃和設計等的主要參考依據，需要具有較高精確度。客流規模偏差影響因素研究需要引入合適模型進行定量分析，才能準確找到制約新線客流規模的關鍵點。灰色關聯模型適用于線性和非線性模型，模型對樣本量的多少要求較低，也不需要典型的分布規律，計算效率高，其結果與定性分析結果比較吻合。以上海地鐵15號線為例，建立客流規模偏差影響因素指標體系，研究15號線站點影響因素與客流偏差率的變化關系，引入灰色關聯模型分析各影響因素與客流規模偏差率的相關性，為未來新線的客流預測及客流提升工作提供理論支撐和依據。

1 客流規模偏差影響因素指標體系

1.1 客流規模影響因素分析

線路非直線系數：指線路起訖點間的路程與該兩點間的直線距離之比[5]。非直線系數越大，線路繞彎行為越嚴重。

地鐵站點配套公交情況：影響地鐵客流的重要因素，配套公交不完善則大幅度降低地鐵站點的客流吸引力。調查15號線周邊800 m以內的公交線路情況，統計各站點配套公交條數。

站點重要度：站點重要度很大程度影響著客流規模，基于于莉等[6]的分類體系對15號線各站點進行歸類，計算其重要度。

常規公交競爭力：常規公交特別是長途公交會與地鐵形成競爭，常規公交競爭力影響軌道交通出行分擔率。為量化競爭公交競爭性，分別搜集各站點乘坐15號線和乘坐常規公交到達人民廣場站的時間，后者與前者相減的差值即為常規公交競爭力指標，差值越大，公交競爭力越小。

私人交通競爭力：與公共交通競爭力的定義及獲取方式均類似，郊區段私人交通競爭力較強。

1.2 數據分析與處理

為標準化各影響因素對客流規模偏差的影響，對指標（不包括非直線系數）進行歸一化處理[7]：

式中：z——處理后得到的指標值；v——原指標值；vmax——指標值序列中的最大值；vmin——原指標序列中的最小值。

處理后各項指標值域為［0，1］。

對比15號線客流預測值與實際值，求其偏差[8]：

式中：pi——第i個站的實際客流值；qi——第i個站預測客流值；xi——第i站的客流偏差。

上海15號線部分站點客流規模影響因素指標如表1所示。

表1 上海15號線部分站點客流規模影響因素指標

由式（2）可知，客流偏差率小于0時，其實際客流低于預測客流，15號線線路客流的總體偏差率為-122.93%，15號線負偏差率的站點所占比重也較大，因此實際客流規模相較于預測客流偏小，需要對客流偏差產生原因進行分析。

2 客流規模偏差灰色關聯模型

兩個系統之間隨時間或不同對象而變化的關聯性大小稱為關聯度。灰色關聯分析是根據因素之間發展趨勢的相似或相異程度，衡量因素間關聯程度的一種方法。引入灰色關聯模型研究客流規模偏差與其影響因素的相關性強弱。

（1）確定參考數列和比較數列。

建立灰色關聯模型首先需要確定參考序列和比較序列。一般將反映系統行為特征的數列定為參考數列，將影響系統行為因素組成的數據序列定為比較序列[9]。將客流規模偏差率數列作為參考數列：

式中：x0(i)——第i個站點的客流規模偏差率，15號線共30個站點，故i的取值為［1，30］。

將各項影響因素數值列作為比較列：

其中j的取值域為［1，5］，分別對應5個影響因素，即地鐵線路非直線系數、站點公交配套情況、地鐵站點重要度、常規公交競爭力以及私人交通競爭力。xj(i)記為第i個站點中第j項影響因素的取值。

（2）計算關聯系數ξ0i(j)[10]。

式中：ξ0i(j)——第i個站點第j項影響因素數列xj和偏差率數列x0的關聯系數；ρ——分辨系數，值域為［0，1］，一般取0.5；Δ0i(j)——第i個站點比較數列xj和參考數列x0絕對差值；Δmax、Δmin——兩級最大差和兩級最小差。

（3）計算關聯度。

對各站點第j項因素與客流規模偏差的關聯系數求平均值rj：

式中：N——參考列和比較列的項數；rj——第j項影響因素數列xj對客流偏差率數列x0的灰色關聯度，rj值越接近1，說明影響效果越顯著。

3 模型結果及分析

選取15號線各車站客流偏差指標和其影響因素指標做關聯分析，采用Python求解其關聯度矩陣，0代表客流偏差率，1～5分別代表影響客流偏差率的因素，依次為站點重要度、配套公交條數、非直線系數、競爭公交和競爭私人交通。

影響指標灰色關聯矩陣計算結果如圖1所示。

圖1 影響指標灰色關聯矩陣

通過灰色關聯分析法從定量角度研究各指標對新線客流偏差率產生的影響，其關聯度數值越大，對客流偏差率影響程度越大。結果表明，對客流偏差率影響最大的是非直線系數，然后依次是站點重要度、競爭公交、配套公交條數和競爭私人交通方式。進一步研究5個因素對客流偏差的影響置信度水平發現，置信度最高的為非直線系數，其次是站點重要度，置信度均高于0.8，競爭公交導致較大客流偏差的置信度為0.6，印證了灰色模型分析結果。為了消除客流預測與實際客流的誤差，提升地鐵實際客流水平，在客流預測及開通運營后都需要充分重視非直線系數、站點重要度和競爭公交三個因素對客流規模的影響。

4 結語

以上海地鐵15號線為研究對象建立指標體系，引入灰色關聯模型分析各指標對客流規模偏差的影響程度。結果表明非直線系數、站點重要度和競爭公交對客流偏差率影響程度較大，配套公交條數和私人交通競爭力也有一定影響。在后續研究中，可以進一步細化指標及指標值計算方法，如選取公交線路條數、公交車發車間隔、公交線路走向及其覆蓋范圍等指標衡量常規公交的競爭力，使結論更精準，實操性更強。