南京市地铁1号线开通初期客流预测[1]

摘要：为了对南京市地铁1号线开通初期进行精准的客流预测，以规划地铁1号线沿线车站1km 半径范围内的51个交通小区为研究重点，进行了5类个人出行调查，利用四阶段法建立交通模型进行预测分析。在交通方式预测阶段，利用交通意向调查数据建立了轨道交通转移率模型，得到轨道交通OD 预测结果。最后，将预测结果与实际客流进行比较，说明客流预测精度较好，验证了所使用的出行调查和模型方法的合理和有效性。

Abstract ：In order to obtain accurate volumes forecasting for initial operation phase of subway line 1in Nanjing,this paper,focusing on 51traffic zones within 2kilometers around rail stations along the proposed line,and based on a personal travel survey of 5classifications,establishes a 4-step

model

to

forecast

travel

demands.

During

mode-split,a transit transfer sub-model is developed based on SP survey data,through which the transit OD forecast-ing results are obtained.Finally,a comparison between model outputs and existing volume counts is conducted to verify the accuracy,as well as the rationality and efficiency of the survey methods and the models used in this project.关键词：交通规划；轨道交通；客流预测；交通调查；四阶

段模型

Keywords ：transportation planning;rail transit;passenger

volumes forecasting;person trip survey;4-step model

中图分类号：U491.1+4

文献标识码：A

对地铁开通初期的客流进行预测的时间尺度很短，预测结果用于车辆配置、运营组织和财务测算，因此对客流预测精度要求大大提高，在交通小区划分、交通调查、出行者行为、运营供应条件和预测模型方面均需做特殊处理。本文依据规划地铁线路车站周边的5类个人出行调查，利用传统的四阶段法建立交通模型进行预测分析，为南京市地铁1号线的运营提供依据。

1预测范围

交通小区的划分应根据规划区域的用地规模、土地利用性质和规划布局的特点来确定，交通小区的大小应视交通的复杂程度和研究目的确定。轨道交通车站的间距、吸引范围对小区的大小有影响，具体可以按照居民在小区内出行以步行为主且从小区边界到小区内公共交通车站的步行距离不超过500~700m 进行划分。一般一个小区内有一个车站，如果小区过大包含两个以上的车站，其车站分配的流量就会有一定的问题，除非将小区拆分。

本次预测小区划分以上一轮交通规划划分的小区为基础[1]，范围缩小至主城区、地铁1号线沿线1km 范围内的51个交通小区[2]，如图1所示。

收稿日期：2008-12-07

作者简介：何宁，男，工学博士，总经理，教授级高级工程师。主要研究方向：城市交通规划，城市轨道交通和公共交通规划。E-mail:hening@nictp.com

何宁1马晓甦2王国晓1

（1.南京市交通规划研究所有限责任公司，江苏南京210008；2.科技大学，九龙）

He Ning 1,Ma Xiaosu 2and Wang Guoxiao 1

(1.Nanjing Urban Transportation Planning Research Institute Ltd.,Nanjing 210008,Jiangsu,China;2.Hong Kong University of Science and Technology,Kowloon,Hong Kong,China)

Nanjing Subway Line 1Passenger Forecasting for the Opening Period

南京市地铁1号线开通初期客流预测

2人口、就业岗位预测

客流预测目标年为2006年地铁1号线开通初期，距离现状调查时间(2003年)较近，且地铁1号线沿线绝大部分途经主城区内部，可认为短期内人口、就业岗位数量变化较小，完全可以调查得到的现状人口、就业岗位数据为基础，同时考虑预测范围内近期拆迁、新建住宅小区、商业办公建筑等带来的人口就业岗位变化，以及河西中心待开发地区的近期建设规模进行预测。

根据调查数据，并考虑相关影响因素，得到2006年地铁1号线沿线居民人口77.5万人、就业岗位从业人员数量31.0万人、沿线单位吸引来访者数量23.6万人·d-1、对外枢纽(即火车站和长途客运站)客流量6.4万人次·d-1、住店流动人口5.7万人·d-1[2]。

3交通发生、吸引预测

本次预测只要求得到地铁1号线开通初期的客流量，故采用特殊的方法，即仅考虑可能采用轨道交通出行的客流的发生、吸引量。

将研究范围内的居民出行分为4类：①地铁沿线小区居民在地铁沿线的出行；②地铁沿线小区居民经过或到达非地铁沿线小区的出行；③非地铁沿线小区居民经过或到达地铁沿线小区的出行；④非地铁沿线小区居民在非地铁沿线小区内部的出行。根据上述分类，前3类出行今后有使用地铁1号线的可能性。实际操作中，进行以下5类个人出行调查：①沿线小区居民；②沿线就业岗位从业人员；③沿线就业岗位吸引的来访者；④住在沿线小区酒店的旅客；⑤沿线对外枢纽吸引的进出旅客等。对上述5部分的发生、吸引量分别进行预测，如表1所示。

1)地铁沿线小区居民发生、吸引量

根据各沿线小区预测人口以及现状调查拟合的分目的平均出行次数预测发生总量，并根据现状调查得到的沿线小区居民不同目的出行终点小区的比例，通过发生总量控制目标年预测范围内

图1地铁1号线沿线交通小区划分

Fig.1Traffic zones along subway line1

图例

地铁1号线

交通小区

表12006年地铁1号线沿线潜在客源预测结果Tab.1Potential volumes forecasting along subway line1in2006

潜在客流群体

地铁沿线小区居民

地铁沿线就业岗位从业人员地铁沿线就业岗位吸引的来访者住在地铁沿线小区酒店的旅客地铁沿线对外枢纽吸引的旅客

总计

191.45

.74

59.33

1.85

6.18

259.

发生、吸引总量

/(万人次·d-1)

平均出行次数

/(次·d-1)

2.47

2.09

2.52

1.34

35.90

25.02

来自非沿线交通小区的吸引量

/(万人次·d-1)

37

城市交通第7卷第1期2009年1月

各小区分目的吸引量。

2)地铁沿线就业岗位从业人员发生、吸引量根据地铁沿线小区预测就业岗位、人口以及现状调查拟合的分目的平均出行次数预测吸引总量，并根据现状调查得到的沿线各小区就业岗位从业人员工作目的出行起点小区的比例，通过吸引总量控制目标年预测范围内各小区分目的发生量。

考虑到沿线就业岗位从业人员一部分是沿线小区居民F ，另一部分是非沿线小区居民G(见图2)，其中前者的发生、吸引量与沿线居民的发生、吸引量产生重复，故通过调查统计出沿线小区就业岗位从业人员中住在沿线、非沿线小区的比例，将这部分重复量删去，得到住在非沿线小区、在沿线就业岗位从业人员的发生、吸引量。

3)地铁沿线就业岗位吸引的来访者的发生、吸引量

预测方法与就业岗位从业人员发生、吸引量预测类似，将其中住在沿线小区的来访者H 与沿线居民出行相互重复的部分删去，得到住在非沿

线小区的来访者I 的发生、吸引量。

4)住在地铁沿线小区酒店的旅客的发生、吸引量

预测方法与就业岗位从业人员发生、吸引量预测类似，将当日进出沿线对外枢纽的那部分旅客J 的发生、吸引量删去，得到非当日离、返南京市住店旅客K 的发生、吸引量。

5)地铁沿线对外枢纽吸引的进出旅客的发生、吸引量

根据预测目标年对外枢纽日旅客发生、吸引总量以及调查拟合的发生、吸引旅客在各小区的分布规律，得到沿线对外枢纽吸引的进出旅客的发生、吸引量。因调查所限，预测中仅考虑这部分进出旅客当日抵、离枢纽的一次出行。

4交通分布预测

4.1居民出行分布预测

居民出行分布预测以现状OD 调查资料为基础，标定某种形式预测模型的待定参数，然后将居民出行发生、吸引预测的结果代入模型进行计算，其结果即作为预测OD 分布。预测范围包括主城区及东山新市区在内的208个交通小区，采用双约束重力模型的方法：

T ij =K i K j G i A j F (t ij )，(1)

式中：T ij 为小区i ，j 间的日出行总量/(人次·d -1)；K i ，K j 为调整系数；G i 为小区i 的日发生量/(人次·d -1)；A j 为小区j 的日吸引量/(人次·d -1)；F (t ij )为阻抗函数，F (t ij )=t ij -α，α为待定参数；t ij 为小区i ，j 间的最小出行效用。

1)小区之间的最小出行效用

根据现状调查OD 表的数据建立分布模型，采用2006年规划道路网络上不同出行方式小区间最短出行时间作为最小出行效用。

2)区内最小出行效用

根据出行调查经验，出行发生、吸引量与小区的大小有着明显的关系，因此，预测设定小区内的出行距离为小区半径(由小区面积计算得到)

住在地铁沿线酒店的旅客

地铁沿线就业岗位从业人员

地铁沿线就业岗位

吸引的来访者

地铁沿线小区居民

地铁沿线对外枢纽

吸引的旅客

地铁1号线潜在客流群体

F G

H I

J K

图2地铁1号线初期潜在客流群体Fig.2Potential passenger groups of subway line 1

for the opening period

38

的2/3。同时考虑到小区内出行距离比较适合步行和自行车这两种方式，故以这两种方式的平均速度计算小区内的出行时间。

3)上学目的的最小出行效用

调查显示，以上学为目的的区内出行量占其总量的90%~100%。因此，以上学为目的的出行，其最小出行效用采用最短出行距离。

4)α参数

利用本次调查得到的OD表标定重力模型参数，结果如表2所示。

4.2酒店、对外枢纽旅客出行分布预测

1)酒店旅客出行分布预测与居民出行分布预测类似，根据调查数据标定重力模型参数α为

1.21；

2)对外枢纽旅客出行分布预测，由于只考虑旅客离开或者到达枢纽的那次出行，因此发生量在枢纽所在小区，吸引分布根据现状调查所得的各个小区分布比例，通过吸引总量控制分到各个小区。

5交通方式预测

交通方式预测的基本思路是：首先根据调查数据划分现状居民出行方式，然后通过现状数据分析目标年在没有轨道交通方式存在时各种出行方式的OD矩阵，接着通过轨道交通意向调查拟合的转移率模型，预测目标年存在轨道交通时现状各种交通方式向轨道交通转移的比例，从而得到目标年轨道交通的OD矩阵。5.1方式划分

南京市现状的出行方式以步行、自行车和摩托车、公共汽车、出租汽车、单位车、私人小汽车为主。预测时根据各种方式出行特征以及向轨道交通转移的特点，将交通方式划分为：步行、自行车和摩托车、公共汽车、小汽车(含出租汽车、私人小汽车、单位车等)。

5.2各交通方式未来交通量预测

在没有轨道交通的情况下，对利用现状交通方式一直持续到将来的状况进行预测。

1)沿线小区居民、就业岗位从业人员以及来访者

根据现状调查数据统计出不同目的、不同出行距离段的交通方式分担率，根据其趋势建立分担率模型，然后对分布预测得到的OD进行方式划分，预测分目的分方式的OD矩阵。距离曲线如图3所示，各交通方式分担率如表3所示(沿线小区居民、就业岗位从业人员以及来访者合并)。

2)酒店、对外枢纽旅客

酒店以及对外枢纽旅客的出行方式与居民的出行方式有很大差别，主要以公共汽车、出租汽车以及少量步行为主，自行车的出行比例基本为零。其出行方式比例预测主要以现状调查资料为依据，通过定性分析得到，如表4所示。

5.3轨道交通转移率模型

现状有可能转向轨道交通的出行方式主要有自行车、摩托车、公共汽车、其他机动车(如私人小汽车、单位车等)。得到不同人群分方式OD 后，将从2003年轨道交通意向调查中推算出的

表2α参数标定结果

Tab.2Calibration of parameterα潜在客流群体

沿线小区居民

沿线就业岗位从业人员沿线就业岗位吸引的来访者

1.02

1.16

1.38

工作出行上学出行

1.73 1.36

0.85

1.11

弹性出行

39

城市交通第7卷第1期2009年1月

各种交通方式转移到轨道交通的转移量公式化，然后预测转移至轨道交通的需求，预测模型的构成[3]如图4所示，具体方法见表5。

向轨道交通转移的转移率模型为：

P r =exp V r /(exp V r +exp V m )，

(2)

式中：P r 为从其他交通方式向轨道交通转移的概率；V r 为轨道交通的效用；V m 为交通方式m 的效用。

V m =a 1T m +a 2P m +c ，(3)

式中：T m 为利用交通方式m 出行所需时间/s ；P m 为交通方式m 的票价/元；a 1，a 2为参数，c 为常数项，根据2003年进行的轨道交通意向调查标定，结果如表6所示。

5.4轨道交通OD 预测结果

通过轨道交通转移率模型计算，可得到现状

步行

自行车和摩托车公共汽车小汽车

90所占比例/%

10~11出行距离/km

0~1

2~3

8~9

6~7

4~5

12~1314~1516~1718~19

>20

80706050403020100图3沿线居民上班目的分方式距离曲线

Fig.3Distance curves of working trips by diffident travel modes of residents along the subway

表3各交通方式分担率Tab.3Travel mode shares

出行目的工作上学弹性合计

10.6630.4923.8617.88

步行自行车和摩托车

32.8634.9820.5928.61

48.2733.6946.6545.92

公共汽车8.220.848.977.60

小汽车%

表4酒店、对外枢纽旅客全日出行方式比例Tab.4Travel mode shares of hotels and transfer centers per day

客流分类酒店对外枢纽

4.320.75

步行自行车和摩托车

00

50.2059.32

公共汽车45.4839.93

小汽车100100

总计%

40

各交通方式转向轨道交通的客流比例(见表7)。可以看出，2006年转向轨道交通的客流以自行车、摩托车和公共汽车为主，由于轨道交通网络不甚完善，小汽车出行依然具有较高的竞争力。最终得到轨道交通需求预测结果(见表8)。6交通分配预测

交通分配是在一定的客流出行需求条件下，将划分的目标年公共交通出行OD分配到预置的公共交通(公共汽车、轨道交通)网络的过程。预测结果可作为公共交通设施规划、设计和评价的

全交通方式步行

利用交通

运输工具

自行车、摩托车

公共汽车

其他机动车

(如私人小汽车、

单位车)从自行车、摩托车转向轨道交通的需求量

从公共汽车转向轨道交通的需求量

从其他机动车转向轨道交通的需求量根据轨道交通意向

调查建立模型

没有轨道交通方式时各交通方式的未来交通量轨道交通建成时，转向轨道交通的出行量

图4转移率模型构成

Fig.4Transit transfer sub-model

表5轨道交通需求预测方法

Tab.5Demand prediction methods for rail transit 项目

转移交通量预测通用方法根据轨道交通意向调查数据建立分目的的轨道交通转移率模型；考虑随着经济的增长，未来时间价值将上升，对参数进行调整

从自行车、摩托车向轨道交通转移轨道交通的效用说明变量：所需时间、票价自行车、摩托的效用说明变量：所需时间

从公共汽车向轨道交通转移轨道交通的效用说明变量：所需时间、票价公共汽车的效用说明变量：所需时间、票价

从其他机动车向轨道交通转移轨道交通的效用说明变量：所需时间、票价

其他机动车的效用说明变量：所需时间

其他机动车在其一日的行动中存在各种各样的出行目

的(不只是被利用1次)；其购车费、汽油费、维护费、保

险费、驾驶员的工资等各种费用编入模型比较困难，为

此，在效用函数中加入能代表其意义的常数项c

预测方法及转移率模型备注

根据道路网、道路+轨

道交通网络的数据来

设定利用不同交通方

式在小区间出行所需

时间及票价。

采用补充调查——轨

道交通意向调查数据

建立模型。

41

城市交通第7卷第1期2009年1月

基础。

公交客流分配采用最优战略选择法[4]，其基本原理是乘客按照折算的出行综合成本(时间、票价等)最少的原则，确定可能乘坐的公交线路，然后依据预设的公交线路发车间隔等因素决定其选择线路的优先级别，其中间隔较短的线路被选择的概率较高。最优战略选择法的目标函数[3]反映路段总人小时和节点总候车人小时的和最小：

表6轨道交通转移率模型参数标定结果

Tab.6Calibration results of transit transfer sub-model 出行目的

工作上学弹性

参数

t值

参数

t值

参数

t值

项目

参数

t值

参数

t值

参数

t值

参数

t值

参数

t值

转移对象

自行车、摩托车

公共汽车

其他机动车

自行车、摩托车

公共汽车

自行车、摩托车

公共汽车

其他机动车

a1

-0.0333

-10.8674

-0.0445

-25.74

-0.0676

-5.4735

-0.0227

-7.77

-0.0574

-17.0267

-0.0259

-10.5848

-0.0527

-33.2991

-0.0666

-5.5619

a2

-0.4551

-18.8314

-0.6186

-32.4254

-0.7305

-11.6018

-0.3818

-12.2548

-0.7352

-19.9703

-0.3905

-17.7570

-0.5927

-38.1420

-0.6878

-11.9148

c

4.1902

11.0857

4.3828

12.0024

表7现状各交通方式转向轨道交通的客流比例

Tab.7Transfer ratio from exiting travel modes to rail transit

出行目的

工作

上学

弹性

自行车、摩托车

6.90

6.37

7.96

公共汽车

15.98

14.62

15.38

小汽车

0.26

0.35

0.28

%

表8轨道交通OD及承担出行量比例预测结果

Tab.8Forecasting results of rail transit OD and its proportions

项目

OD量(万人次·d-1)

比例/%工作

6.77

10.0

上学

1.14

7.2

弹性

4.25

8.8

回程

10.86

9.7

小计

23.02

9.4

酒店、枢纽

0.6

7.3

总计

23.62

9.1

居民、就业、来访

42

何宁，等：南京市地铁1号线开通初期客流预测

T =min {∑l ∈L t l V l +∑i

∈I

W (L i )V i }

，(4)

式中：T 为路段出行时间；l 为公交断面；L 为总公交断面；t l 为时间；V l 为公交路段客流量；i 为公共汽车站序号；I 为公共汽车站总数；W (L i )为车站上下车时间加权；V i 为公共汽车站上下客流量。

由于在分配阶段之前就已经通过转移率模型计算得到2006年轨道交通OD ，因此本次预测在分配阶段不存在轨道交通和公共汽车的竞争，总体需求已经明确，主要是确定车站间的客流量和车站上下客的数量。

7客流预测结果及验证

7.1主要预测指标

2006年南京市地铁1号线客流预测总体指标如表9[2]所示。根据1号线开通初期的地铁车辆数和运营条件，预测第一年的平均日均客流量为

23.3万人次，平均乘距为5.42km 。全日断面流量如图5[2]所示。

7.2全日车站乘降量

由图6可以看出，新街口站是全日乘降量最大的车站，接近总量的15%，与其全市商业行政办公中心的地位相符。

7.3地铁1号线运营验证

由表10可知，南京市地铁1号线2005年9月3日开通试运营，由于居民的出行习惯和运营服务受限等因素，开通第一年预测误差为-31.85%，没有达到预期的结果；正式开通后的第二年(2007年)，由于运营服务走上正轨，客流增长很快，基本达到预期的流量，预测误差比较小(-6%以内)。2008年初达到预测的结果，之后客流量继续上升并超过预测结果，这是合理的情况，因为没有出现单向误差(纯粹不足或者超过预测值)。从时间尺度上讲，预测结果是年平

表92006年地铁1号线客流预测总体指标Tab.9General forecasting data of subway line 1in 2006

线路长度

/km 20.95

客流量/(万人次·d -1)

23.3

周转量

/(万人次·km)

126.5

客流强度

/(万人次·km -1)

1.11

平均乘距

/km 5.42

70000乘降量/(人次·d -1)

60000

5000040000300002000010000

上行下行

迈皋桥

红山动物园

车站

南京站

许府巷

玄武门

鼓楼

珠江路

新街口

张府园

三山街

中华门

安德门

小行

中胜

元通

图52006年地铁1号线全日断面流量

Fig.5All-day passenger flow over a segment of subway line 1in 2006

43

城市交通第7卷第1期2009年1月

均日客流量，以年为单位，没有偏差太远。这说明针对开通初期专门进行的5类出行调查方法和建立的预测模型是比较合理和有效的。

8结语

本文借鉴了日本轨道交通开通初期客流预测的相关经验和思路，开展了有针对性且投入较小的交通出行调查。预测结果从数据本身对应的时间尺度上有较小的偏移，但很好地达到了预期目标。国内轨道交通快速发展，如何考虑社会经济和城市土地利用的外生变量，在更长时间尺度上进行预测，保证从工程可行性研究阶段的预测就具有一定的准确性，是国内研究人员面对的难题。随着我国越来越多的城市开通轨道交通，会

得到更多的实证经验，探索更为成熟和科学的方法和模型。

致谢：感谢工作开展前期日本复建工程咨询

公司加尾章先生和水口先生提供的技术咨询和指导。参考文献

1杨涛，等.南京城市交通发展战略和规划研究[R].南京：南京市交通规划研究所，1998

2何宁，等.南京地铁一号线开通近期客流预测研究[R].南京：南京市交通规划研究所，2004

3竹内纭史，等.交通工程学[M].日本：鹿岛出版会，1995

4Caliper 公司.TransCAD 使用手册[R].美国：Caliper 公司，2000

表10南京市地铁1号线开通初期预测客流与实际客流比较

Tab.10Comparison between model outputs of passenger forecasting and exiting volume counts

of subway line 1for opening period in Nanjing

年平均日客流量/(万人次·d -1)

误差/%

预测客流23.3

2006年15.88-31.85

2007年21.96-5.75

2008年(截止8月底)

27.4317.73

项目

70000乘降量/(人次·d -1)

600005000040000300002000010000

迈皋桥

红山动物园

车站

南京站

许府巷

玄武门

鼓楼

珠江路

新街口

张府园

三山街

中华门

安德门

小行

中胜

元通

奥体中心

图62006年地铁1号线全日车站乘降量

Fig.6All-day passenger volumes of boarding and alighting at stops of subway line 1in 2006

44