城市轨道交通节假日客流预测研究.pdfVIP

交叉创新与转型重构——2017 年中国城市交通规划年会论文集 城市轨道交通节假日客流预测研究 光志瑞 【摘要】城市轨道交通客流预测是列车运力配置和网络化运营决策的基础，预测结果的准确性、精细 度及科学合理性决定了运营过程的安全性、运营组织的高效性和资源配置的均衡性。节假日（包括节前一 日）客流与平日有明显差异，不同节假日、不同车站的客流规律各异，预测过程同时面临路网结构改变、 历史可用样本少等问题。因此，对节假日客流规律进行专门研究具有重要意义。综合考虑大型活动、恶劣 天气、车站周边土地利用性质等影响因素，采用模糊 C 均值聚类法和一元线性回归模型，构建适用于路网 结构发生改变的车站进、出站量预测模型，并结合北京市轨道交通历史客流数据，对2015年清明节前一日 车站进、出站量进行预测。与神经网络模型、多元回归模型预测结果对比表明，本模型预测结果更好，全 路网客运量误差率为0.27%，车站平均预测误差率为3.92%。 【关键词】客流影响因子；土地利用性质；聚类分析；线性回归；客流预测 绪论 [1] 城市轨道交通客流预测是线路规划和运营组织的基础 ，按照预测期与当前时间距离可 分为长期预测、中期预测和短期预测。短期客流预测服务于运营组织，主要目的是对短期客 流波动做出快速响应，制定相应列车运力配置计划，采取有效的客运组织措施，确保资源配 置的均衡性和运营过程的安全性，达到社会和经济效益的最大化。短期客流预测的目标主要 有常规条件下的客流和可预知条件下的客流（节假日、大型活动、恶劣天气等），其中，节 假日客流预测不仅受大型活动、恶劣天气等因素影响，而且具有历史样本跨年度、路网结构 可能发生改变、影响路网所有车站等特点，使得现有客流预测方法难以获得较高预测精度， 预测级别无法细化到车站。因此，对节假日客流进行专门研究，建立节假日客流预测模型具 有重要理论和实际意义。 常用的客流预测模型主要有“四阶段法”[2] 、神经网络模型、基于统计方法的模型。 传统四阶段对节假日、大型活动、恶劣天气带来的客流波动响应不及时，且预测所需社会、 经济、人口等指标获取困难、准确性差，难以在频繁的节假日客流预测工作中应用；神经网 络模型由于其“黑箱”式学习模式，不容易追踪预测误差产生原因 ，且训练完成的网络只 适合于当前路网结构，当路网结构和影响因素发生改变时，训练完成的网络将不再适用；由 于节假日历史样本少、路网结构变化导致数据内在规律发生变化等原因，采用平均值法、时 1 中国城市规划学会城市交通规划学术委员会 中国城市规划设计研究院 编 间序列法预测精度较低。 为了避免以上问题，本文综合考虑车站周边土地利用性质、日期属性、大型活动、恶劣 天气等客流影响因素，采用模糊 C 均值聚类法和一元线性回归模型，构建了可操作性强、解 读性好、适用于路网结构发生改变的节假日车站进站量预测模型。 客流影响因子研究 [3] 轨道交通沿线土地利用是城市轨道交通的“源泉” ，周边土地利用性质不同，乘客在 节假日出行规律也不同。按照土地利用性质可将车站分为居住、办公、居住+办公、站场枢 纽、休闲娱乐等类别。城市轨道交通车站数量较多，对每个车站进行实地踏勘、性质评估， 需花费大量人力、物力、财力，可操作性和实用性欠佳，因此，需要考虑可替代指标来标识 土地利用性质。本文尝试采用城市轨道交通运营的客流数据来衡量土地利用的情况，车站周 边土地利用性质对客流的影响主要体现在早晚高峰时段，如车站周边土地利用性质以居住用 地为主（见图 错误!文档中没有指定样式的文字。-1 ），早高峰以上班、上学客流为主，进站 乘客较多，出站乘客较少，晚高峰以回家客流为主，出站乘客较多，进站乘客较少；车站周