5 客流预测

城市轨道交通规划与设计第五章城市轨道交通系统客流预测了解：城市轨道交通客流预测目的和意义，我国轨道交通客流预测方法现状。理解：城市轨道交通系统客流预测的基本方法、基本模型。掌握：城市轨道交通系统客流预测的基本方法、基本模型运用。第5章城市轨道交通系统客流预测5.1客流预测概述5.2交通调查与数据处理5.3城市轨道交通系统客流预测方法与模型5.4城市轨道交通客流预测实例5.1客流预测概述根据城市轨道交通系统规划与设计的不同阶段，需要开展三次需求分析与预测工作：城市轨道交通网络规划阶段——主要进行全网客流估算，重点分析线网总体规模和各线路的需求规模量级。线路建设项目可行性研究阶段——根据线路具体情况，研究提出线路各运营期限的客流预测结果，重点要确定与相关工程建设规模有关的预测结果。线路建设项目总体设计阶段——研究各站点客流详细规划，重点分析车站内部功能布局和总体规模，包括客流组织规划。城市轨道交通系统规划中需求分析预测应掌握以下资料与工具：1.现行城市总体规划及其相适应的城市综合交通规划；2.正实施的城市轨道交通线网规划（全网客流估算除外）；3.必要的城市交通信息数据库和成熟的交通规划软件。5.1.1客流预测的主要内容1.预测条件界定研究与具体项目相关的社会经济环境和区域地利条件，明确相关重要影响因素的增长状况，包括区域内其他相关运输方式的建设计划。2.远期年份运输需求总量及分布预测分析预测远景年区域内出行总量水平、各结点（小区）交通发生量和吸引量。根据规划与工程建设需要，可以选择不同详细程度的客流预测要求。5.1.1客流预测的主要内容3.不同建设方案下不同方式分担结构及网络分配结果根据不同网络建设方案，选择相关的需求分配参数．结合客流预测结果研究综合网络上的流量分配状况，按规划与建设的具体需要给出不同年度各种运输方式的客流分担比例及城市轨道交通线网上的ＯＤ分布，包括各具体路段上的ＯＤ构成，平均运距等参数．4.客流预测的灵敏度分析及评价研究客流预测结果在不同票价方案，不同交通网形成条件，不同基础参数下的变化率．研究规划方案实施前后综合网络服务水平（负荷）的变化，确定能力不足或富余的区段，从而为规划方案优化提供依据．5.1.2客流预测程序1.确定城市轨道交通规划与建设项目涉及的区域范围、相关网络及项目建设方案2.收集并分析与项目相关的基础数据3.选择客流预测的方法，建立客流预测模型4.选择并标定预测模型涉及的相关参数5.预测模型的应用6.对客流预测结果进行灵敏度分析，确定预测结果的可信度7.结合预测结果对各种方案进行分析和评价8.确定推荐方案，整理数据结果并撰写相关的技术报告5.1.3我国城市轨道交通客流预测方法现状目前国内客流预测的基本特点包括：１）预测程序，技术和方法日趋完善，预测工作质量不断提高．２）预测结果对系统建设规模的量级宏观控制比较成功，但其成功的内涵仍依赖于城市轨道交通网线的稳定．可用于财务分析的预测结果尚难以满足质量要求．5.1.4不同阶段客流预测工作的要点1.线网规划阶段线网规划阶段需要把握全网客流估算．此阶段有四项工作需要客流资料的支撑：一是规划，建设城市轨道交通系统的必要性论证；二是各规划线的运量等级，系统规模和相关的用地控制；三是线网方案的评价和选择；四是线网的分期发展实施方案制订．2.可行性研究阶段可行性研究阶段的客流预测成果是可行性研究报告的支持条件，它可以为线路建设的必要性，紧迫性和工程分期计划，设备系统类别的选择和各子系统规模的确定，线路方案，车站设置的比选，各期车辆购置数量的确定，运营设计及经济评价与财务分析提供依据．5.1.4不同阶段客流预测工作的要点3.预可行性研究阶段一般来说，从项目建议书到工程可行性研究可能经历较长的时间和各种情况的变动较大．因此，在项目的预可行性研究阶段（配合项目建议书）和工程可行性研究工作中，如果预可研究阶段客流研究资料的深度难以满足工程可行性研究的要求且路线方案，车站设置有较大变动时，可以考虑做两次不同深度的客流预测．5.2交通调查与数据处理5.2.1城市轨道交通客流形成机理分析转移客流量和诱增交通量5.2.2调查内容1.社会经济调查2.交通运输调查5.2.3抽样调查方法1.基本概念指从研究对象的全部单位中抽取一部分单位进行考察和分析，并用这部分单位的数量特征去推断总体的数量特征的一种调查方法。2.估计样本容量样本容量与三个因素有关：总体参数的变异性、精度要求和总体大小。若总体大小为N，均值为μ，方差为σ2，样本容量可表示为：--样本方差--样本均值的标准误差从而有：NSNnnxse2）（）（2S）（xse222)(nSxNseNS5.2.4起讫点（OD）调查5.2.5揭示喜好（RP）和表明喜好（SP）调查方法5.3城市轨道交通系统客流预测方法在国际上，为了满足城市交通规划与建设的需求，最先进行交通需求预测的国家是美国，之后该预测在全世界范围内得到了迅速的推广。60年代初，芝加哥都市圈交通规划开发了四阶段交通需求预测法。“四阶段法”包括交通生成、交通分布、交通方式划分和交通分配这四个阶段，此方法是目前交通规划领域应用比较广泛的方法之一。四阶段预测法示意图5.3.1出行生成预测方法1.一般思路为了进行发生量和吸引量的预测，首先必须确定OD节点及路网。2.影响交通量的主要因素分析1）人口与社会经济发展水平2）交通设施水平3）土地利用状况3、预测的一般方法回归预测法类别分析法时间序列法弹性系数法强度指标法小区出行量预测1、出行量：客、货；区内，区间2、出行产生量、出行吸引量3、出行生成量出行产生量+出行吸引量=出行生成量Pi+Ai=TiPi——出行产生量（数）Ai——出行吸引量（数）Ti——出行生成量4、出行量的预测5、定向和不定向的O-D表(m)AP...(1)AP(0)AP回归预测法利用回归分析研究预测对象（因变量）与相关因素（自变量）之间的相互关系，根据自变量的未来发展水平，推断因变量未来发展水平。其回归模型和变量根据实际情况合理选取。回归模型：一元线性回归模型（人口、产值、交通工具数）多元线性回归模型（自行车、货车、小车出行）回归生成模型研究一个因变量与一个（或几个）自变量的关系。最简单的情况是一个自变量与一个因变量，关系式如下：y=a+bx式中：y——因变量（出行产生量或吸引量）x——自变量（分区人口、收入、车辆拥有量或各种用地面积等）a——回归常数b——回归系数F应特别注意以下统计假设：（1）有调查测定的各个变量，没有任何不准确或误差，即自变量应是连续的；（2）因变量是每一个自变量的线性函数，如果关系是非线性的，则可以对数据进行数学变换；（3）自变量对因变量的影响是叠加的，各自变量之间没有相关关系，即自变量是独立的；（4）关于回归面的数据方差，对自变量的所有数量级必须相似，即自变量的变化呈正态分布，如果变量是偏斜分布时，通常采用对数变换方法处理。回归模型标定：包括计算方程式中的回归常数和回归系数的数值。现以一简单例题说明标定的原理与过程。[例]假设居住用地各分区每天产生的出行次数是居民自行车拥有量的函数。如调查区域有6个分区，其调查数据如表：如果把这些数据画在以分区出行生成量为纵坐标（y）、分区自行车拥有量为横坐标（x）的坐标图上，我们可以看出自行车拥有量与出行生成量两者之间的关系近似于线性关系。自行车拥有量越大，出行生成量也越大。分区号123456分区出行生成量300024004300310022002000分区自行车拥有量120080020001200700600根据粗率方法（用肉眼凭经验，仔细权衡，用一条最好直线拟合刚才数据的线性关系，得出其斜率b和截距a），或者采用科学方法（最小二乘法，即与数据拟合最好的线是该线与数据的竖向差或者偏差的平方为最小的线）。得出：b=1.63；a=1069（计算过程略)统计数据建立了如下回归方程：Y=1069+1.63XY——分区出行生成量X——分区自行车拥有量如果预测出各交通区的分区自行车拥有量，并代入上式计算，即可得出预测各交通区居民出行产生量。回归模型的验证：模型的验证就是检查所标定的模型的计算精度怎样，这是用与观测的数据相比较来说明它是否包含了各自变量的最好组合。利用计算机程序可帮组寻找最好的模型特性。特别是逐次回归法，它自动地择优自变量的各种组合。一个好模型的解释和验证通常是由常识和统计检验混合形成的，一般遵循以下原则：（1）合理性：在逻辑上要使交通增加的自变量，其回归系数为正号，交通减少的自变量，其回归系数为负号。（2）简单化：使自变量的个数最少。如果采用二个自变量比采用一个自变量的精度也高不了多少，宁愿采用一个自变量。（3）简单线性回归模型拟合良好性的统计标准是相关系数（），其公式为：值等于1是理想的正相关，等于负1是理想的负相关，等于0则说明不相关。多重相关系数是对多种线性回归模型的相当统计量，其值也在正1和负1的范围内。接近于1，说明拟合良好性很好。])(][)([YXXYn2222YYnXXn类别分析法类别分析是出行生成的另一个可选的替代模型。类别分析突出家庭作为基本单元，起到制约作用，用将来的生成率求得将来的出行量。因此，不像回归分析，受构成其基础假设的限制很小。它能够处理出行生成与土地使用变量之间的非线性关系，是一个较好的居住地使用的出行生成预测模型。西方国家的经验证明：有三个土地使用变量（小汽车拥有量、家庭大小和家庭收入）影响家庭出行生成。根据这些变量把家庭横向分类，并且由家庭访问调查资料计算每一类的平均出行生成率。然后按下列步骤用此种模型计算分区出行量：（1）用位于该区的各种类别的家庭数乘以相应类别的平均出行率；（2）总计每种家庭类别的出行量。类别生成模型的建立必须服从下列假定：（1）在一定时期内出行率稳定的；（2）家庭规模的变化很小；（3）收入与车辆拥有量总是增长的；（4）每种类型内的家庭数量，可用相应于该家庭收入、车辆拥有量和家庭结构等资料所导出的数学分布方法来估计。类别生成模型的检定：构造类别生成模型主要为下列四个主要步骤：（1）有关各种家庭横向分类。澳大利亚根据其中西部的交通调查，规定家庭大小与结构分为六类；家庭收入分六类及家庭拥有小车数分为三类。我国的情况与其差别较大，应根据我国的实际情况进行分类。我国可以考虑以住宅类型、家庭人口及家庭拥有自行车数作为分类项目的出行产生模型。（2）把每个家庭定位到相应的横向类别。就是对家庭房为调查资料进行分类，把每个家庭都归入其可能类别的某一相应位置中。如澳大利亚中西部地区可归入108（6*6*3）种的相应类别中。（3）对其所分的每一类，就算其平均出行产生率。将其调查的每类出行产生总数除以每类的家庭总数，则可分别得出每类家庭的平均出行率。（4）计算各分区的出行产生。把分区每一类的家庭数乘以该类的出行产生率，并将分区中所有类别的家庭总加起来，即：ciNPn1cciQiP其中——i区出行产生数的计算值；——C类家庭的平均出行率；——i区内的C类家庭数。用此方法和步骤，同样可以构造出行吸引模型。cQciN类别生成模型示例：如果某分区经调查，各种家庭类别如下：收入低、没有小汽车、有3口人的家庭100户；收入低、没有小汽车、有4口人的家庭200户；收入中等、有1辆小汽车、有4口人的家庭300户；收入高、有2辆小汽车、有5口人的家庭50户。拥有小汽车等级收入水平低中高无3.4a3.7a3.8a4.9b5.0b5.1b1辆5.2a7.3a8.0a6.9b8.3b10.2b≥2辆5.8a8.1a10.0a7.2b11.8b12.9b则我们可以从18个横向分类中找到这四类家庭相应的出行产生率数字。所以此分区每日产生的出行数为：（100×3.4）+（200×4.9）+（300×8.3）+（50×12.9）=4455次出行。类别模型的验证：关于类别模型，同样需要对位于横向分类的每一小格的出行生成率的可靠性进行检查。针对类别分析法而言，主要的差异性产生于横