城市轨道交通客流与精细尺度建成环境的空间特征分析

既有研究对城市轨道交通客流与土地利用依赖关系的分析较为充分，然而针对建成环境 特征对客流影响的研究仍不够细致。本文采用开发强度、混合用地、慢行交通环境、公共交通可 达性和可获得性等变量刻画城市轨道交通TOD(Transit-Oriented Development, TOD)建成环境的 5D特征，基于多源地理大数据提出其计算方法，并利用多尺度地理加权回归研究TOD建成环境 对早高峰出站客流影响的空间特征。针对北京的案例研究表明：TOD建成环境特征的空间分布 具有显著空间异质性，多尺度地理加权回归能够刻画客流与上述特征变量依赖关系的空间异质 性及其影响尺度，其估计结果更为可靠。TOD建成环境对早高峰出站客流的影响效果呈现显著 的区域差异特征。两者关系的空间非平稳性表明：不同区域车站的TOD开发应采取差异化发展 政策。郊区车站更适合强调规模和强度的发展策略，而中心城区车站则较难通过进一步提高规 模和强度以改善客流效果，而应更强调发展的质量。     

建成环境对轨道交通客流的时空异质性影响分析

研究各类建成环境特征对客流的影响，对城市轨道交通网络规划和运营客流控制具有重要意义。本文考虑人口经济特征、车站特征、外部交通特征与土地利用特征这4类建成环境对客流的影响，提出一种融合时空地理加权回归(GTWR)和随机森林(RF)的时空地理加权随机森林模型(GTWR-RF)，以捕捉建成环境特征对客流影响的时空异质性与非线性。首先，利用多源数据对各建成环境的统计指标进行细化和完善，采用GTWR模型计算建成环境对客流的影响系数，捕捉并分析建成环境对客流影响的时空异质性。其次，将影响系数输入RF模型中进行训练，捕捉并分析建成环境对客流的非线性影响，实现客流预测并确定建成环境特征对客流预测影响的相对重要度。针对北京的案例研究表明：GTWR-RF模型能够同时捕捉建成环境特征对客流影响的时空异质性与非线性，在所有建成环境特征中，工作人口数量对客流预测影响最显著，其次为公交接驳量；与普通最小二乘法、RF、梯度提升回归树、极限梯度提升树和GTWR模型相比，GTWR-RF模型具有更好的预测性能，在早高峰客流预测中决定系数较其他方法分别提升了5.7%,6.3%,0.5%,10.1%和7.3%。     

成长性视角下建成环境对轨道交通站点客流影响分析

为准确把握城市轨道交通客流生成规律，本文从客流成长性视角探究城市轨道交通站点客流与站点周边建成环境之间的交互关系。以上海市城市轨道交通为研究案例，通过人口及就业密度、土地利用、路网密度、出入口数量、介中心性等13个因子刻画建成环境，基于上海市地铁刷卡数据、人口及经济普查、兴趣点(Point of Interest, POI)、道路网络等多源异构数据，分别构建建成环境对轨道交通客流影响的普通最小二乘法(Ordinary Least Square, OLS)模型与极限梯度提升(eXtreme Gradient Boosting, XGBoost)模型进行量化实证分析。结果表明，基于机器学习算法的XGBoost模型比OLS模型具有更好的模型表现。从影响贡献度来看，轨道交通站点建成初期，地铁站点出入口数量(21.9%)，常住人口密度(15.9%)，路网密度(9.8%)是影响城市轨道交通站点客流的最重要建成环境因素。建成近期，商业设施用地(16.5%)、容积率(11.1%)和就业密度(8.5%)等用地类建成环境变量成为提升城市轨道交通站点客流的关键。建成远期，城市轨道交通站点客流水平取决于出入口...     

基于AFC和POI数据的轨道交通车站客流影响因素挖掘

精细化研究轨道交通车站客流影响因素对于建立轨道交通与土地利用长效互动机制,发挥轨道交通支撑和引领城市发展作用,指导轨道新线开通和周边用地开发等具有重要意义。以南京为例,首先获取轨道交通运营客流AFC数据和网络爬取的POI数据;然后考虑四种类型轨道交通车站客流特征,挖掘用地特征、公共交通接驳特征、车站属性三类因素;最后利用结构方程模型分析城市轨道交通规划建设与城市用地开发之间的作用机制。实证结果表明,基于POI获取的住户数、商业设施数、文化设施数、公共汽车线路数等数据对工作日轨道交通进站客流有突出贡献。     

西安市城市轨道交通车站高峰时段偏差研究

各城市轨道交通均存在车站客流高峰时段与城市交通高峰时段不完全重叠的现象。而车站设计时均以预测的城市交通高峰时段客流值为依据,导致部分车站规模设计过小。通过对西安市63座城市轨道交通车站的客流高峰时段与城市交通高峰时段的偏差进行分析,运用K-means算法对其进行分类。根据各类型车站周边用地性质特征,得出每一类车站的高峰偏差时间建议取值以及车站高峰客流的扩大系数。结果表明,当通勤出行用地与其他出行用地比值不小于0.5时,车站客流高峰时段基本无偏差;当比值小于0.5或为明显的交通枢纽、大型商业区车站时,车站客流高峰时段将有不同程度的偏差,且高峰时段客流量是此车站在其城市交通高峰客流量的1.1~1.6倍。     

重庆市璧山区云巴1号线客流时空特征分析

云巴是一种重要的低运量城市轨道交通制式。以重庆市璧山区云巴1号线作为研究对象,从时间和空间两个维度、线路和车站两个层面,选取全日与早高峰时段的相关客流指标进行系统性解析,并与重庆市中心城区轨道交通1号线客流指标进行对比分析,评估云巴1号线的运营表现。研究结果表明：璧山区云巴1号线客流时间分布形态与中心城区轨道交通1号线较为相似,但工作日客流高峰小时系数较低,节假日较高;云巴1号线的客流空间分布特征也与轨道交通1号线较为相似,包括线路断面客流形态、方向和断面不均衡性等特征,但云巴1号线主要承担了沿线中长距离客流,平均运距占线路长度比例较大。最后,从沿线用地开发、公共交通一体化、运营服务以及网络效应等方面对云巴1号线的发展提出了优化对策建议。     

基于动态反馈神经网络的城市轨道交通短期客流预测

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作等的关键。文章在研究城市轨道交通的断面客流特征的基础上,建立基于动态反馈神经网络的城市轨道交通短期客流预测模型,提出通过若干组连续历史断面客流数据训练动态连续的神经网络,以此对未来客流进行预测;并以北京轨道交通某日早高峰客流为例进行分析,验证了该模型与方法的有效性。     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响，考虑交通小区间的空间相关性，分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型，并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计，结果表明：交通小区间的空间相关性显著存在；以不考虑空间相关性的模型作为对比，基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优；在控制家庭层面社会经济变量后，居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应，表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

南京市轨道交通车站客流特征析因及应用

为便于针对性地开展轨道交通车站交通配套设施建设工作,有必要对不断建设完善的轨道交通线网的车站进行分类研究.以南京市轨道交通为例,基于现状车站客流特征数据,考虑客流规模、空间分布及时间形态,采用因子分析法提取非弹性因子、职住不均衡因子、区位因子,基于此进行分类.采用多尺度地理加权回归对各因子进行回归分析,找到其他指标(主要为居住人口、就业岗位及用地)与各因子的联系,可定量呈现规划车站的属性特征并据此进行分类.研究表明,通过以上三因子可对车站进行符合实际的类型划分.这说明客流特征能通过因子分析得到不同维度表征,而通过多尺度地理加权回归可使其定量解释成为可能.     

基于灰色理论的城市轨道交通短期客流预测研究

城市轨道交通短期客流的预测是制定列车调度计划、车站客运组织工作的关键。在研究城市轨道交通的断面客流特征的基础上,建立基于灰色预测的城市轨道交通短期客流预测模型,提出通过若干组连续历史客流数据构建灰色预测模型,以此类推对未来客流进行预测。以某城市轨道交通网络客流为例进行计算,得到预测数据与真实数据误差较小,验证了该模型与方法的有效性。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于客流加载的城市轨道交通网络关键点分析

在城市轨道交通网络化运营中,节点重要度的有效评估对优化网络结构、提高网络运营效率具有十分重要的意义。以网络节点为研究对象,改进经典space L模型,考虑运用同异站台换乘构建网络拓扑结构,建立客流均衡分配模型,基于复杂网络理论,提出网络客流加载条件下车站节点重要度的3个评价指标,分析各指标与实际客流的相关性,得到节点重要度的综合测算模型。以北京地铁网络进行实例分析,结果表明客流加载条件下的节点重要度更符合地铁网络的运营实际。     

城市轨道交通车站通道行人步行微观参数实测分析

基于城市轨道交通车站内行人交通特性的文献综述,结合在广州地铁车站采集的数据,统计性别、年龄、负重、结伴、使用手机及高跟鞋六个因素对城市轨道交通车站通道内行人交通微观特征参数的影响,并从乘客属性、心理特征、行为特征、设施环境、其他行人影响等方面分析统计结果的产生原因。该研究结论能为城市轨道交通车站设计、车站内行人客流组织、设施布局优化及设施评价提供依据,有助于完善行人流的理论研究,为微观仿真提供基础参数。     

城市轨道大型换乘站大客流拥堵缓解方法

以成都市轨道交通4条线路换乘站骡马市站为研究对象，通过站内客流流线分析，提出站内客流拥堵解决方案，为缓解城市轨道交通大型车站的客流拥堵问题提供参考。运用基于社会力模型算法的AnyLogic仿真软件构建城市轨道交通大型换乘站模型，基于Fruin服务水平评价标准，分析远期规划高峰时段的客流时空轨迹演变规律，辨识地铁站内客流集散瓶颈点。根据拥堵成因分析，提出3类地铁换乘站内客流瓶颈点，分别为流线交织瓶颈点、通行能力不足瓶颈点与混合瓶颈点。结合骡马市站站内设施设计，针对3类瓶颈点分别提出优化改进措施，研究结果表明，优化后的车站场景模型能大幅度缓解车站客流拥堵，提升车站服务水平。     

考虑交通小区相关性的小汽车拥有行为研究

为分析建成环境对家庭小汽车拥有的影响,考虑交通小区间的空间相关性,分别基于0-1 邻接矩阵、共同边界邻接矩阵及质心空间距离矩阵构建了层次Bayesian 模型,并与不考虑空间相关性的模型结果进行了对比.基于长春居民出行调查数据对模型参数进行估计,结果表明：交通小区间的空间相关性显著存在;以不考虑空间相关性的模型作为对比,基于公共边界邻接矩阵的层次Bayesian 模型拟合效果最优;在控制家庭层面社会经济变量后,居住密度、土地利用混合度、交叉口密度及公共交通站点密度均对家庭小汽车拥有具有显著的负向效应,表明通过优化城市建成环境策略可有效抑制小汽车拥有量的增长.     

城市轨道交通网络短时客流OD估计模型

基于状态空间方法构建适用于城市轨道交通网络的短时客流OD(origindestination) 估计模型.利用自动售检票数据分析得到OD间乘客行程时间分布特征,构建基于行程时间分布的客流到达系数,以此建立OD流与车站进出站客流间相互关系,并以车站客流分离率为状态变量构建结构化OD矩阵估计状态空间模型.以北京市轨道交通为对象进行案例分析,结果表明,当估计时段长度为15 min 时,估计平均相对误差为 35.5%;为30 min 时,估计平均相对误差为20.4%;为60 min 时,估计平均相对误差为 16.3%.所构建模型能能有效解决城市轨道交通短时客流估计问题,具有一定的实用性.     

基于车站滞留风险的应急驻车点选址研究

随着城市轨道交通运营网络扩展和客流迅速增长,车站滞留风险和应急响应问题逐渐得到重视.本文在分析城市轨道交通车站乘客滞留影响因素的基础上,构建了风险评价指标体系和反向传播(Back-propagation, BP)神经网络模型,结合改进的P-中心选址模型求解得到应急公交驻车点的服务匹配方案.根据案例求解和方案对比研究表明,是否考虑风险权重影响了车站在选址过程中的相对重要度,基于风险分析的驻车点选址方案使部分权重较高的车站与驻车点之间的平均距离减少了0.8%~8.4%,但是对整个研究区域的公交应急服务覆盖效果影响很小,有利于应急资源的合理高效利用.     

基于常规公交的轨道交通站点吸引范围研究

在进行城市轨道交通规划与运营优化时,需要对客流进行分析,其中确定城市轨道交通站点的吸引范围属于关键性问题。考虑到不同用地性质的轨道交通站点承担的交通功能不同,对城市轨道交通的站点进行分类,建立基于聚集效应的城市轨道交通站点客流吸引范围模型,并通过实例进行分析,得到轨道交通站点对常规公交客流的合理和最大吸引时间,从而确定不同类型站点的客流吸引范围。     

城市轨道交通新建线路对沿线住宅价格增值的时空效应

定量分析城市轨道交通对沿线土地价值的影响，是通过土地价值捕获将外部效益内部化， 解决中国新型城镇化过程中城市轨道交通财务可持续的关键问题。本文在开源数据环境下，获 取2011—2016年北京市二手房交易数据，采用特征价格模型(HPM)分析北京城市轨道交通新建 线路对沿线住宅价格增值的时空效应。研究表明：与全局常参数的多元线性回归模型(MLR)、空 间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)相比，局部变参数的地理加权回归 模型(GWR)拟合效果更优，可以更好地消除残差的空间效应，刻画轨道交通与土地价值关系的空 间异质性。城市轨道交通带来的可达性提升对沿线80%以上住宅小区的房价具有显著的正效 应，住宅价格增值比率随地铁站距离递远递减，且具有显著的空间异质性。轨道交通对住宅价格 的影响在空间上具有网络化效应，新建线路不仅会改变周边房价，对城轨网络其他位置的住宅也 具有影响。城市轨道交通对住宅价格的影响范围为1 km，在该范围内，住宅价格受到的增值效应 在 2011—2016 年基本稳定，约为 3%；受新线直接影响区域的住宅价格会产生相对更大的提升 (0.02%~0.22%)。