盧 斌

(廣州鐵路集團公司總工程師室,廣東廣州 510088)

廣珠城際鐵路客流量預測研究＊

盧 斌

(廣州鐵路集團公司總工程師室,廣東廣州 510088)

為了研究廣珠城際鐵路未來年度客流規(guī)模和特征,對廣珠城際鐵路客流進行了預測研究。首先運用灰色預測模型,分析并預測了廣珠城際鐵路沿線地區(qū) GDP、人口和就業(yè)人數;然后運用四階段法,分別預測了沿線OD小區(qū)的客流生成數量,客流分布數量和鐵路客流分擔量。最終確定了廣珠城際鐵路 2020年沿線五市客流交流數量,為線路規(guī)劃、項目建設和運營管理提供了借鑒。

廣珠城際鐵路;客流預測;灰色預測;四階段法

作為廣州區(qū)域快速客運網運量預測項目的子課題,廣珠城際鐵路客流量的預測是項目中的重要環(huán)節(jié)。這一研究既對廣鐵集團客貨發(fā)展定位、快運網絡旅客列車開行方案等問題有實用價值,也是理論上的研究熱點之一。

廣州至珠海 (含中山至江門)城際鐵路主線北起新廣州站,南至珠海市,主線全長 114.447km,設 21個車站。支線起自中山市小欖鎮(zhèn),終止于江門市新會區(qū),支線全長 26.328km。全線按客運專線標準,旅客列車設計時速 200km,沿途主要城市為廣州、順德、中山、珠海和江門,以沿線地方客流為主要服務對象,承擔城鎮(zhèn)之間短途旅客交流任務。所以,廣珠城際鐵路的客流預測的主要任務為預測上述 5市 O-D間預測年度(2020和 2030年)鐵路客流數量和特征。

一、客流預測思路

根據前人經驗,結合項目特點,經濟與人口采用灰色預測方法,客流采用四階段法預測的研究思路。具體如下:

首先,對研究區(qū)域進行交通小區(qū)的劃分;

其次,在區(qū)域經濟、人口、交通狀況等調查和預測基礎上,預測各交通小區(qū)的客流生成 (發(fā)生和吸引)量;

第三,在不同區(qū)域的客流特征、經濟水平、旅客出行習慣等基礎上,預測 OD對間的客流分配量;

第四,在OD對的客流分配量基礎上,運用交通分擔模型和算法,預測客運專線客流分擔數量。

交通小區(qū)的劃分以廣州、中山、順德、珠海、江門行政區(qū)域來確定,限于篇幅,不再詳述。另外,限于篇幅,本文只列表2020年度的預測數據供參考。

二、區(qū)域經濟、人口預測

區(qū)域經濟、人口和就業(yè)情況是客流產生的基礎。在歷史數據基礎上預測這些數據的方法很多,這里采用比較成熟和常用的灰色預測模型。

灰色預測模型,又稱 G M模型,由華中科技大學鄧聚龍教授提出,其原理是通過少量的、不完全的信息建立灰色微分預測模型,對事物發(fā)展規(guī)律作出模糊的長期描述,得出事物發(fā)展趨勢,獲得預測結果。灰色預測采用原始數據的累加或移動平均加權累加等方式,使生成的數列具有一定規(guī)律性,該規(guī)律性表現為一定的分布曲線。利用典型的分布曲線逼近相應曲線,在誤差允許范圍內作為預測模型曲線,對系統(tǒng)進行預測?；疑A測模型毋需大量原始數據,只需時間數據數列即可,故在復雜的經濟預測與人口預測中取得成功,且預測精度較高?；疑Ｐ蜆嫿ㄟ^程如下:

先將原始數列進行處理,構造出規(guī)律性較強的新數列。處理方法就是對原始數列進行累加生成,一般進行一次累加。累加次數根據模型精度來決定,如果精度低可以進行第二次累加,或者擴大、縮小數列維數,重新構造模型。

若原始數列 X(0):X(0)(1) = (x(0)(1),x(0)(2),…x(0)(n)),對其進行一次累加生成數列 X(1):X(1)(1) =(x(1)(1),x(1)(2),…x(1)(n)),其中x(0)(i),k=1,2,…,n

累加生成的數列可以使任意非負數列變?yōu)榉菧p的遞增數列,這樣使該數列的隨機性得到減弱,規(guī)律性得到加強。

對 x(1)建立白化方程:

這是一個一階單變量微分方程,記為 G M(1,1)。根據灰色理論,取參數列 a∧=(a,u)T,根據最小二乘法該式可以化為:

其中:

解微分方程 (1),得響應函數

根據以上原理,利用MATLAB數學軟件把灰色預測模型G M(1,1)編程,以歷史的人均 GDP、就業(yè)人數、居住人口為基本數據,檢驗預測模型的可靠性。根據《廣東統(tǒng)計年鑒 2008》查得 1985、1995和 2005年度的就業(yè)人口數據,進行灰色預測后如表 1所示。

從表 1看出,灰色模型預測誤差在 5%以內,GDP和人口預測的結果和表 1類似,這一模型的可靠性達到了項目要求。

運用灰色模型預測的廣珠城際鐵路各 OD小區(qū)的人口、就業(yè)人數和 GDP數據如表 2所示。

表2 各小區(qū) 2020年經濟與人口預測結果

在經濟和人口總量預測的基礎上,利用四階段法預測沿線 OD小區(qū)間生成客流、分布客流和鐵路分擔客流。

三、四階段法預測過程

(一)客流生成預測

根據 TR IPS公交模型,交通小區(qū)的發(fā)生量主要受人口影響,小區(qū)吸引量主要受人口與就業(yè)人口影響,其計算可表達如下:

式中,G為小區(qū)客流發(fā)生量;A為小區(qū)客流吸引量;P為人口數量;E為就業(yè)人口數;tg為小區(qū)年均出行發(fā)生次數;ta為小區(qū)年均出行吸引次數;I為區(qū)域客流形成比例。

出行強度 tg和 ta通過出行產生次數與出行吸引次數體現。出行強度與人均國民生產總值間有如下關系:

式中,y為出行強度;x為人均國民生產總值。根據歷史出行強度數據,可以回歸得到 b=1.1950,從而確定 2020年出行強度為 107.73次 /年。

將數據代入式 (7)和 (8)后可以預測出各 O-D小區(qū)間的發(fā)生和吸引客流。如表 3所示。

表3 2020年各小區(qū)客流生成量預測結果 (人次)

(二)客流分布預測

有了區(qū)域客流生成數量,并不能確定不同 O-D區(qū)間客流量,因此需要進行O-D對間的分布客流量的預測。

1.客流分布模型的選擇

參考前人客流預測模型的選擇經驗,根據項目特點,選擇修正重力模型如下:

式中,T為O-D小區(qū)間全方式客流交換數量;K為客流分布比例。

因為小區(qū)客流發(fā)生和吸引量已經在客流生成預測中得到,所以只需要確定客流分布比例 K即可。影響客流分布比例K的因素很多,不僅與區(qū)域交通網的特征有關,而且與交通方式的技術特征、旅客出行意愿等有關。根據重力模型,建立適合珠江三角洲客流發(fā)展規(guī)律的客流分布比例計算模型如下:

式中U為各交通小區(qū)間的交通阻抗,即各小區(qū)居民出行平均成本;P為客流交換平衡算子;a為出行成本系數;b為出行成本離散控制系數。通過客流分布現狀的回歸可得 a=2.5,b=0.01。

交通阻抗U的計算模型如下:

由高速公路和城際鐵路兩種交通方式阻抗經過加權確定。ki為權重,經調查確定。單一運輸方式的交通阻抗由下式確定:

式中,Ui為某運輸方式的交通阻抗;Cd為該運輸方式的方便性成本;Ed為該運輸方式的經濟成本;Fd為該運輸方式的快速性成本 (時間消耗價值);KC、KE和 KF為權重系數。這些參數通過參考文獻和歷史數據確定。

2.交通分布預測結果

根據不同交通小區(qū)客流生成和吸引的預測量以及客流分布系數 K,利用修正重力模型可以得到各 OD小區(qū) 2020年度客流分布數據如表 4。

表4 2020年客流分布矩陣 (人 /天)

(三)交通方式分擔預測

廣珠通道存在軌道運輸方式和公路運輸兩種主要交通方式。只有明確了鐵路所分擔的客流數量,才能為鐵路運輸服務。本項目客流方式分擔率的計算采用 Logit模型。為消除指數函數增長過快導致結果差異嚴重擴大,對模型進行改進如下:

式中:pi為某運輸方式分擔率;Ui為某運輸方式的廣義成本函數,與前述交通阻抗的定義相同;為各種運輸方式的平均廣義費用值。

從而可以得到 2020年度廣珠通道內廣珠城際鐵路客流分擔率 p1=0.6453,公路分擔率 p2=0.3547。從而可以得到

2020年廣珠鐵路不同區(qū)間的鐵路客流分擔量如表 5所示。

表5 2020年廣珠城際客運專線客流 OD預測結果 (人 /日)

四、結論

運用灰色預測模型和四階段預測方法對廣珠城際鐵路客運量進行了預測。灰色預測模型在歷史數據的驗證性預測中表現出了較高的預測準確性。四階段法中論文對各階段預測模型進行了一定修正,使其更適合項目特點。預測結果對廣珠城際鐵路的項目規(guī)劃和運營管理有一定參考價值。

另一方面,客流預測是非常復雜的問題,影響預測數據的精度因素非常多。本項目而言,大的影響因素主要體現在基礎數據的預測精度和模型中參數選擇與權重確定上。

[1]袁坤.城際軌道交通客流預測方法研究 [D].西安:長安大學,2009.

[2]周穎.成綿樂運輸通道客運量預測方法的研究[D].成都:西南交通大學,2008.

[3]楊齊.區(qū)域客流分布模型的研究[J].地理學報,1990,45(3).

[4]聶偉,韓彪.都市圈內運輸通道客流分擔率推算模型探討[J].鐵道運輸與經濟,2008,30(6).

[5]孫晚華,劉鋼.鐵路城際客流預測模型的研究[J].北京交通大學學報,2005,29(3).

[6]陳陽,王晉,孫全欣.城際客流的影響因素及 G M(1,h)預測模型[J].鐵道運輸與經濟,2001,23(4).

2010-11-01

廣州鐵路集團科技開發(fā)計劃項目 (GT2008)

盧斌 (1968-),男,廣東湛江人,高級工程師。