客流预测模型讲稿

1.4.3 轨道交通客流预测模型与算法(摘自《城市轨道交通规划的研究与实践》)

1. 概述

(1) 客流预测的意义和目的

轨道交通客流预测是指在一定的社会经济发展条件下科学预测城市各目标年限轨道交通线路的断面流量、站点乘降量以及站间OD、平均运距等反映轨道交通客流需求特征的指标。轨道交通线路客流量是城市快速轨道交通可行性研究和设计的重要依据。

在规划线网时，不同的轨道交通线网方案的客流分析结果是进行线网优选的主要内容，如发现有不当之处，要重新调整布线方案，并重作客流分析，如此反复直至满意为止；

在工程可行性研究阶段，客流量是工程修建必要性和可行性的主要依据；

在工程设计中，其系统运输能力、车辆选型及编组、设备容量及数量、车站规模以及工程投资和经济效益分析等，都要依据预测客流量的大小来确定。

因此，轨道交通客流预测在城市轨道交通规划中占据相当重要的地位。

轨道交通客流预测应提交以下预测和分析结果：

1) 规划年居民全方式出行OD。

2) 规划年居民全方式出行期望路线图。

3) 规划年居民公交方式出行OD。

4) 规划年居民公交方式出行期望路线图。

5) 规划年各线路全日站点乘降量及断面客流量表。

6) 规划年各线路早晚高峰站点乘降量及断面客流量表。

7) 规划年各线路的全日站间OD表。

8) 规划年换乘站各方向的客流换乘量表。

9) 规划年各线路的平均运距，线路平均负荷强度，直达率与一次换乘率，规划年各线

路客运量占公交客运量比例，各线路客运量的年递增率等分析结果。

（2）客流预测的基本方法和工作流程

①客流预测年限

预测年限也就是设计年限，是控制工程规模和投资的重要因素，其合理与否，将直接影响工程建成后的效率和效益。

按照《城市快速轨道交通工程项目建设标准（试行本）》的规定，客流预测年限分为初期、近期和远期。初期为建成通车后的第3年，近期为交付运营后的第10年，远期为交付运营后的第25年。

②轨道交通客流预测的基本方法

城市交通需求预测起源于美国，并且在全世界范围内得到了迅速发展。60年代称为

“Chicago Area Transportation Study”的芝加哥都市圈交通规划开发了包括交通方式划分在内的四阶段交通需求预测法，开了城市综合交通需求预测的先河。

四阶段预测法按照交通生成预测、交通分布预测、交通方式划分和交通分配四阶段来分析城市现状和未来的交通状况，是目前交通规划领域应用最广的方法。

虽然近几十年来，对四阶段中预测模型的研究不断深入，也出现了将两个或几个阶段合并进行预测的方法，但从宏观的角度把握城市居民的出行特点，然后分阶段预测分析的思路仍是一致的。

国内外轨道交通客流预测通常采用四阶段法。运用该法进行客流预测时，首先要对研究对象城市划分交通小区，进行城市人口、就业、土地利用等资料的调查和居民出行调查，在此基础上进行居民出行产生预测、出行分布预测、交通方式划分预测和交通分配，以获得所需的轨道交通需求数据。

利用非集计模型（Discrete Choice Model）进行居民出行的分析和预测是继四阶段法后出现的构造交通需求预测模型的新方法。它以出行者个人而非交通小区作为研究对象，以随机效用理论（Random Utility Theory，Manski 1977）、出行效用最大化理论为研究基础，避免了四阶段法数据利用率低、无法探讨众多的影响因素、预测精度差等缺点，曾一度成为交通规划领域的研究热点，目前国内非集计模型的研究和使用还未系统展开。国外的研究始于70年代，此后研究开发了MNL、MNP、HL、NL等一系列模型，代表人物有Ben-Akiva，Lerman，Manheim等。但非集计方法的研究成果还无法使其在工程界完全取代四阶段法，目前非集计模型多应用于方式划分领域。四阶段法仍是使用最为普遍的交通需求预测方法。

在本节中，结合轨道交通客流预测的技术需求，对四阶段法的各个阶段即交通产生阶段、交通分布阶段的方法和模型作基本介绍，并编写了相应的算法。对技术复杂和现存问题较多的方式划分阶段和线网分配阶段的模型和算法进行了研究和探讨，重点探究和介绍了交通方式划分方法，以及方式划分和线网分配联合模型在轨道交通客流预测中的应用。

此外，还有土地利用法等一些其他方法，在本节的最后，简要介绍土地利用法。

③轨道客流预测工作流程

建议城市轨道客流预测按图1.4.3.1所示的流程进行。

2. 交通发生和吸引的模型研究和算法实现

发生交通量和吸引交通量的预测是四阶段交通需求预测法的第一阶段，也是交通需求分析工作中最基本的组成部分。所谓发生或吸引交通量是指研究对象地区内由各交通小区发生（Trip Generation）或吸引（Trip Attraction）的交通量。

目前国内交通发生和吸引的预测技术已趋成熟，工作中所受的限制主要在于基础资料积累不足，影响了预测的精度。下面对较常用的几个模型和相应的算法作简要介绍。

（1）增长率法（Growth－Factor Modeling）

① 模型说明

这种方法就是把现在的不同分区的发生（或吸引）交通量i T 与到预测时点的增长率i F 相乘，从而求得各分区的发生（或吸引）交通量i T '，即

i i i T F T ⋅=' （1.4.3.1） 这种方法的关键问题是如何确定i F 。通常可以用表示各分区活动的指标的增长率作为发生（或吸引）交通量的增长率。例如： 城市总体规划 城市道路、常规公交及轨道规划线网 城市人口、就业及土地利用资料 居民出行调查

图1.4.3.1轨道交通客流预测流程

i i i F βα⋅= （1.4.3.2）

的人口

基准年度区域的推定人口目标年度区域i i i =α 台数的每人平均拥有自行车基准年度区域推定台数的每人平均拥有自行车目标年度区域i i i =

β 式中：i α、i β分别是人口增加率，每人平均拥有自行车数的增长率。

（2）原单位法

① 模型说明

原单位有用居住人口或就业人口员每人平均的交通发生（或吸引）量来进行推算的个人原单位法，和以不同用途的土地面积或工作面积单位面积平均发生（或吸引）的交通量来预测的面积原单位法。

pi pi i Z E P ⨯= i ：第i 个小区 （1.4.3.3）

式中：i P 为第i 小区的交通发生（或吸引）量；pi E 为个人发生（或吸引）原单位（或面积发生（或吸引）原单位）；pi Z 为第i 小区的总人口数（或总面积）。

（3）函数模型法

① 模型说明

这种方法是分区的发生、吸引交通量预测上最常用的方法。由于绝大部分研究是采用多元回归分析模型，故也有时直接被称为多元回归分析法（Regression analysis ）。

作为模型公式，多采用以下三个模型：

∑+=k ik k i X F F P 0

（1.4.3.4）

∏=k ik k i X F F P 0 （1.4.3.5）

∑=k

ik k i X F F P ex p 0

（1.4.3.6） 式中：P i 为第i 小区的交通发生（或吸引）量；F i （j = l ～ k ）为第j 个变量的发生（或吸引）影响因子；X ij （i = 1 … N ， j = 1 … K ）为对应第i 小区，第j 个变量的取值，大多是表示分区的活动的人口指标，如常住人口、各行业的就业人口等。

国外的研究表明，综合预测精度、简单、方便等多方面因素，多元一次函数式（1.4.3.4）是较为理想的模型。关系式中的回归系数0F 、1F 、…、k F 通常用最小二乘法算出。

3. 交通分布的模型研究和算法实现

在交通发生阶段，主要是预测各交通小区的发生和吸引交通量。在交通分布阶段，则要