精心整理城市轨道交通客流预测方法目前, 对城市轨道交通线路客流预测尚处于探索阶段。

中国城市轨道交通客流预测模式主要分为3 类:1、非基于现状OD(起点) 客流的预测模式, 将相关的公交线路客流和自行车流量向轨道交通线路转移, 得到轨道交通客流; 2、基于现状OD,,轨, 并考虑到高峰小时与全日出行分布规律的差异性, 建议分别构建全日客流O D 矩阵和高峰小时客流OD 矩阵,然后通过相应的分配过程, 得到轨道交通线路的全日客流指标和高峰小时客流指标2 全日出行的发生( 吸引) 和分布预测2. 1 各交通小区全日出行的发生( 吸引) 预测交通小区的日发生量与人口数相关、吸引量与就业岗位数相关, 并服从指数关系。

其计算式为：i , j=1,2,…,n式中: G i为交通小区i的发生量; A j为交通小区j的吸引量; P i为交通小区i的人口数; W j为交通小区j的就业岗位数; a i 、b i 、cj 、d j 均为模型参数, 反映了交通小区i的土地利用性质; n为交通小区数。

2. 2全日出行分布预测全日出行分布预测可采用双约束重力模型其中，i , j=1,2,…,n式中: Q ij 为从交通小区i 到j 的全日出行总量; 、分别为行约束系数和列约束系数; f ( cij ) 为交通小区i 到j 的阻抗函数; cij 为交通小区i 到j 的出行阻抗。

3高峰小时的生成-分布共生模型调查结果显示: 在高峰小时时段内, 以工作和上学为主的通勤出行所占比例很大, 一般为80% ~90% 。

由于工作、上学是工作日所必须的, 且时间性强。

因此, 分别建立工作和上学的出行生成分布共生模型, 并根据这 2 种出行目的, 以及在高峰小时出行中所占的比例进行调整, 从而预测得到高峰小时的出行发生( 吸引) 及分布。

工作出行模型为i , j=1,2,…,n上学出行模型为i , j=1,2,…,n式中: 为高峰小时交通小区i到j的工作出行人次数; 为高峰小时交通小区i到j的上学出行人次数; a w 、b w 、cw 、d w 均为高峰小时工作出行的生成分布共生模型参数; a s、b s 、cs 、d s均为高峰小时上学出行的生成分布共生模型参数。

其中,和有以下关系式式中: 为高峰小时交通小区i 到j 的总出行人次数; 为高峰小时工作出行所占的比例; 为高峰小时上学出行所占的比例。

4 方式划分与分配组合模型4.1组合出行组合出行是指居民一次出行, 从起点到终点采用了多种出行方式联合完成。

居民由起点到终点的一次组合出行如图所示。

图2组合出行由图 2 可看出, 居民从起点出发, 步行至 A 点乘坐公交车, 至 B 点换乘轨道交通, 在 C 点下车后步行至终点。

显然, 居民的出行方式组合是: 步行+常规公交+轨道交通+步行; 其出行路径构成一条典型的组合出行路径。

一般认为, 图 2 所示的组合出行在方式划分时应按主出行方式划定。

在采用多种交通方式的组合出行中, 行走路程最长(一般要求超过总行程的50% ) 的交通方式为该次完整出行4. 2上,4. 3) , 因此( 1) 建立城市道路网。

假设城市道路网为一给定赋权图G = ( V , A ) , 其中, V = { v 1 , v 2 , …, v n } , 为顶点集, 考虑到有的公交站点或轨道交通站点设置在路段上, 在道路的相应位置上人为地设置一个虚拟节点, 因此, 这里的顶点包含了道路网所有交叉节点和虚拟节点; A = { ( v i , v j ) } 为弧集。

( 2) 扩展节点。

将节点v i 分别扩展为m 个节点v i ( 1) , v i ( 2) , &, v i ( m) , 这里m = 7。

其中, 1 为步行,2 为自行车, 3 为摩托车, 4 为出租车, 5 为小汽车, 6为常规公交, 7 为轨道交通。

( 3 ) 按照各种交通方式布设情况, 确定各子图内部连接关系,形成各交通方式的子图G i (Vi，Ai) ( i = 1, 2, …, m)。

其中, V i 为第i种交通方式网络的顶点集, A i为第i种交通方式网络的弧集。

( 4 ) 设置连接弧。

在扩展节点与相应的道路节点之间设置连接弧, 用以连接这些节点。

( 5 ) 设置换乘弧。

在相应的可换乘位置设置不同交通方式之间的换乘弧, 沟通不同的子图。

换乘弧除在不同交通方式之间存在外, 对常规公交和轨道交通, 还需要子系统内部的换乘, 以保证不同线路之间的换乘。

这样建立的超级路网拓扑关系如图 4 所示, 图中, v h、v k 、v l 、v j 均为城市道路网络中的节点。

图4综合交通超级网络拓扑在综合交通超级网络中, 换乘弧和连接弧意义重大, 一些在路段难以表示的费用, 在这 2 类弧上都可得到很好的表示, 如出行的终端成本( 小汽车、摩托车和自行车等出行, 需在终端发生一定的停车费用) 、候车成本( 出租车、公交车和轨道交通等交通方式, 在上车前一般会有不同的等待时间) 和换乘成本(由公交换乘到轨道交通可能需要步行一段时间) 。

为了网络的合理性, 在路径搜索时必须设定规则: 在一条路径中换乘弧和连接弧之间、换乘弧和换乘之间、连接弧和连接弧之间均不能连续行走。

因此整个网络的构建较复杂, 一般需要借助GIS 技术。

4. 4 路段行驶时间肖秋生提出了路段行驶时间函数=式中: t为路段的机动车运行时间; tf 为自由流条件下的路段行程费用; Q为路段的机动车交通量; C为路段的通行能力。

路段机动车交通量主要包含摩托车、出租车、私家车、单位车和公交车。

因此, 每种交通方式可以通过给定不同的tf 值, 形成各自的行驶时间函数。

在客流分配前, 首先应对道路加载货车交通量, 于是对交通方式k 的路段行驶时间函数为=式中: 为路段a上的k类机动车行驶时间;为自由车流状态下路段a的k 类机动车行驶时间; 为路段a上k类机动车交通量；为k类机动车折算成标准小客车的折算系数; 为路段a的通行能力。

路段a上的公交车流量, 可按照该路段上的线路条数和相应的发车间隔计算。

为了简单起见, 对于步行、自行车和轨道交通方式, 可采用固定速度来计算路段走行时间, 即式中:为路段a的p类交通方式( 步行、自行车和轨道交通) 走行时间; la 为路段a的长度; V p为p 类交通方式的平均走行速度。

4. 5 广义费用出行的广义费用一般由 2 部分构成, 即一次出行的时间价值和货币成本。

根据出行的不同过程,又可将出行的广义费用分解为各种方式的运行成本、交通方式之间的换乘成本和连接弧成本( 终端成本、始端等待成本) 。

运行成本是指所采用的交通方式在行走途中消耗的成本, 包括行走时间价值和货币成本 2 部分, 设置在各路段上。

换乘成本包括换乘时间价值与换乘货币成本。

换乘时间价值主要包括换乘步行时间和换乘候车时间; 对于换乘货币成本, 则主要为上一交通工具的存取费用。

连接弧成本主要是指候车时间和存车费用。

其中, 类似于小汽车的停车费用, 可以根据所在区域的不同设置不同的费用, 这也是设置连接弧的一个重要作用。

对于时间成本, 步行和等待期间的单位时间价值与行车期间的单位时间价值是不同的。

文献[ 12] 提出的相关理论: 通勤者愿意花在公交车上的时间价值, 约为该时间段内工资的一半; 普通的通勤者愿花他每小时薪水的一半而不愿花 1 h 在公共汽车或火车上, 而花在步行或等待上的时间价值还要大2~ 3 倍, 一个普通的通勤者愿花他每小时薪水的 1. 0~ 1. 5 倍而避免花 1 h 来步行或等待。

西方国家的公共交通规划中,时间价值的系数一直沿用这个相对比例。

由于受体力的限制, 对于步行和自行车方式应限定在一定走行距离, 超出这个距离就认定其广义费用为无穷大或给定一个大数。

本文根据西安市的调查数据, 建议一次连续步行距离限制在 1 500 m以内, 一次自行车连续走行限制在 4 000 m 以内。

4. 6 路径选择出行者在选择交通方式及路径时往往有很大的随机性。

出行者从节点i 到节点j 的可行路径中出行链l 的选择概率为P( i , j , l ) =式中: P( i , j , l )为节点i 到节点j 的OD 量在路径出行链l上的分配比例, 这里路径l通常是组合出行路径; F( i, j , l ) 为节点i 到节点j 的可行路径中出行链l 的广义费用; N 为可行路径出行链的数目; !为参数, 一般取 3. 0 ~ 3 . 5。

为了避免出现“红蓝巴士”的诡异现象, 在具体分配时可采用2次Log it 概率分配。

具体做法如下:找出节点i、j之间的最短路径, 其广义费用为F min ; ! 继续搜索节点i、j之间的广义费用在F min ~1. 5F min 的所有有效路径集K;在路经集K中寻找含各主方式的最短路径,以交通方式m( m = 1, 2, &,7)为主方式的最短路径为Km, 将路径Km作为主方式m的典型路径, 其广义费用为min; )利用Log it模型将节点i、j之间的OD量在这m条典型路径上作概率选择, 划分各主出行方式的比例, 得到节点i、j之间的各主方式出行量;对除常规公交和轨道交通外其余交通方式为主方式的出行量,分别按随机型或确定型分配到相关路径上;以常规公交或轨道交通为主方式的出行量联合, 再次采用Log it模型在不同的公共交通线路(因为同一区段可能存在多条同一走向的线路)上进行选择分配;在分配过程中, 通过统计各种客流信息, 整理得到最终的客流预测结果。

实例分析5. 1 西安地铁3号线概况西安地铁3号线是西安城市轨道交通线网的主骨架线路, 线路全长50. 5 km, 共设车站30座, 具体线路布设如图5所示。

整个工程分两期实施: 一期工程( 鱼化寨% 国际港务区) , 线路长37. 57 km, 共设车站24座; 二期工程( 鱼化寨% 侧坡) , 线路长12. 93 km, 共设车站8座。

3号线一期工程计划2011年开工, 2015 年9月通车试运营。

据此, 确定西安地铁3号线客流预测特征年初期为2018 年; 近期为2025年; 远期为2040 年。

图5西安地铁3号线线位在研究范围内划分了519个交通小区(与2008年居民出行调查交通小区保持一致) , 经预测整个区域在3个特征年的出行总量分别为: 1 727. 3×人次、2 043. 5×人次、2 186. 6×人次。

全日出行分布预测采用式( 2) 和式( 3) 所示的双约束重力模型进行, 其中模型中的阻抗函数, 采用负指数函数形式。

高峰小时的发生吸引和分布采用式( 4) 和式( 5)进行预测。