基于線網(wǎng)穩(wěn)定期的地鐵客運(yùn)量預(yù)測方法研究

李沁鮮

(昆明地鐵運(yùn)營有限公司，云南 昆明 650000)

1 引 言

軌道交通客運(yùn)量預(yù)測對于軌道交通建設(shè)和路網(wǎng)布局起著至關(guān)重要的作用，為城市軌道交通規(guī)劃、設(shè)計、建設(shè)和運(yùn)營等環(huán)節(jié)提供數(shù)據(jù)依據(jù)，因此科學(xué)的預(yù)測軌道交通客運(yùn)量的發(fā)展趨勢極為重要。為做好地鐵客運(yùn)量預(yù)測，需分析地鐵線網(wǎng)發(fā)展現(xiàn)狀，選取適用的客運(yùn)量預(yù)測方法。

2 客運(yùn)量變化的主要影響因素

2.1 票制票價調(diào)整

票價對地鐵客運(yùn)量變化有較大的影響，客運(yùn)量隨著票價的高低變化而變化。例如北京地鐵2007年10月調(diào)整全網(wǎng)2元一票制后，客運(yùn)量大幅度增長。

2.2 地鐵網(wǎng)絡(luò)化發(fā)展

新線路開通后地鐵可達(dá)性得到有效提升，客運(yùn)量隨著新線路開通迅速增長，例如西安地鐵1#線開通后，既有線2#線的日均客運(yùn)量年度增長幅度超過100%。

2.3 地鐵周邊土地利用情況

地鐵周邊沿線土地的開發(fā)密度、住宅區(qū)的規(guī)模大小、商業(yè)發(fā)展程度對客運(yùn)量產(chǎn)生直接影響。例如昆明地鐵1#線連通主城區(qū)及呈貢開發(fā)區(qū)，開通時客運(yùn)量并不大，到2016年后，新建成的住宅區(qū)和新建商業(yè)區(qū)增加，沿線客運(yùn)量大幅增長。

2.4 其他因素變化

地鐵客運(yùn)量隨著季節(jié)氣候及溫度變化產(chǎn)生波動性變化，各個時段客運(yùn)量受節(jié)假日、大型活動開展、寒暑假、雨季等各項因素影響[1]。

3 客運(yùn)量預(yù)測方法

由于客運(yùn)量影響因素較多，客運(yùn)量預(yù)測是復(fù)雜問題，無法用單一預(yù)測模型來解決，不同情況下的預(yù)測需采用相應(yīng)的客運(yùn)量預(yù)測方法，不同預(yù)測精度要求下需找到最適用的預(yù)測模型。

新線開通情況下，新線路的客運(yùn)量預(yù)測的基本預(yù)測方法為四階段法。

線網(wǎng)穩(wěn)定情況下，客運(yùn)量預(yù)測方法分為定量預(yù)測和定性預(yù)測法2類，定量預(yù)測法包括回歸預(yù)測法、日變系數(shù)法、移動平均法、指數(shù)平滑法等，以上預(yù)測方法的基本思路是根據(jù)客運(yùn)量的歷史變化規(guī)律來預(yù)測未來的客運(yùn)量[2]。定性預(yù)測法中使用較多的是德爾菲法，根據(jù)專家學(xué)者的專業(yè)知識和實際經(jīng)驗進(jìn)行預(yù)測。

以上各項客運(yùn)量預(yù)測方法通過不同的理論方式總結(jié)客運(yùn)量變化規(guī)律特征，以開展客運(yùn)量預(yù)測工作。本文重點(diǎn)研究線網(wǎng)穩(wěn)定情況下地鐵既有線路短期客運(yùn)量的預(yù)測工作，將選用日變系數(shù)和回歸預(yù)測進(jìn)行客運(yùn)量預(yù)測，并對兩種預(yù)測方法的預(yù)測結(jié)果進(jìn)行對比分析。

4 昆明地鐵客運(yùn)量預(yù)測

昆明地鐵6#線1期于2012年6月28日開通，2013年至2014年分別開通首期工程(1#線、2#線)，2017年開通3#線和6#線2期,2018年至2019年未開通新線，屬于線網(wǎng)穩(wěn)定期。

4.1 日變系數(shù)法

日變系數(shù)法主要適用于地鐵運(yùn)營線路穩(wěn)定情況下的客運(yùn)量成長規(guī)律分析及預(yù)測，該方法是將地鐵路網(wǎng)客運(yùn)量按照周一至周日歸類后分布取平均值，再在平均值中選取基準(zhǔn)值，分別計算出各年份日變系數(shù)及均值，分析日變系數(shù)規(guī)律，將日變系數(shù)及基準(zhǔn)值代入公式(預(yù)測客運(yùn)量=日變系數(shù)×客運(yùn)量基準(zhǔn)值)，可開展短期客運(yùn)量預(yù)測工作。

選取2018～2019年期間，昆明地鐵路網(wǎng)日客運(yùn)量按照工作日、周末分類后取平均值，并去掉節(jié)假日客運(yùn)量波動影響，計算出2018年路網(wǎng)周一至周日日均客運(yùn)量；以周三日均客運(yùn)量為基準(zhǔn)值，分別計算出周一至周日的日變系數(shù)(日變系數(shù)=當(dāng)日日均客運(yùn)量/基準(zhǔn)值)，詳見表1。

表1 2018年路網(wǎng)客運(yùn)量及日變系數(shù)

根據(jù)表1計算出的日變系數(shù)，選取2019年3月周三實際客運(yùn)量的平均值為基準(zhǔn)值，對2019年4月22日至4月28日客運(yùn)量進(jìn)行預(yù)測，預(yù)測結(jié)果見表2。

表2 2019年4月22日至4月28日客運(yùn)量預(yù)測

通過日變系數(shù)法預(yù)測出2019年4月22日至4月28日客運(yùn)量，周客運(yùn)量誤差率為2.26%，日客運(yùn)量與實際客運(yùn)量誤差率小于5%。

4.2 回歸預(yù)測法

回歸預(yù)測法是指利用數(shù)據(jù)統(tǒng)計原理，確定因變量與某些自變量的相關(guān)關(guān)系，建立一個相關(guān)性較好的回歸方程(函數(shù)表達(dá)式)，來近似表達(dá)客運(yùn)量和影響客運(yùn)量因素之間的平均變化關(guān)系，用于預(yù)測線網(wǎng)穩(wěn)定下的地鐵客運(yùn)量數(shù)據(jù)。

運(yùn)用一元線性回歸模型進(jìn)行預(yù)測，把每周客運(yùn)量當(dāng)作時間序列，跟時間變量有關(guān)，建立單個自變量的線性回歸方程，采用最小二乘法逼近來擬合，可計算出y=ax+b的直線。采用昆明地鐵2018年周客運(yùn)量數(shù)據(jù)，去除節(jié)假日發(fā)生周客運(yùn)量，通過Eviews預(yù)測軟件，導(dǎo)入2018年周基礎(chǔ)數(shù)據(jù)，建立對應(yīng)的預(yù)測模型進(jìn)行周客運(yùn)量預(yù)測。預(yù)測出相應(yīng)周客運(yùn)量后，按照2018年年度日均客運(yùn)量占年度周均客運(yùn)量的占比，預(yù)測出2019年4月22日至4月28日客運(yùn)量。

根據(jù)Eviews軟件預(yù)測結(jié)果，x的系數(shù)為1.003，選取2019年4月8日至4月14日周客運(yùn)量數(shù)據(jù)為基礎(chǔ)，預(yù)測出2019年4月22日至4月28日客運(yùn)量為3 985 545人次，見表3。

通過回歸預(yù)測法預(yù)測出2019年4月22日至4月28日客運(yùn)量，周客運(yùn)量誤差率為2.50%，日客運(yùn)量與實際客運(yùn)量誤差率小于4%。

對比以上兩種預(yù)測方法，從周客運(yùn)量誤差率情況分析，日變系數(shù)法周客運(yùn)量誤差率-2.26%，回歸預(yù)測法周客運(yùn)量誤差率-2.50%，日變系數(shù)法誤差率相對較低；從日客運(yùn)量誤差率情況分析，日變系數(shù)法單日客運(yùn)量誤差率最小為0.42%(周二)，最大為4.55%(周六)；回歸預(yù)測法單日客運(yùn)量誤差率最小為0.71%(周三)，最大為3.80%(周四)。日變系數(shù)法工作日預(yù)測誤差率相對較低，周末誤差率相對較大，兩種預(yù)測方法誤差率低于5%。

表3 2019年4月22日至4月28日客運(yùn)量預(yù)測

5 結(jié) 語

隨著地鐵多條線路不斷開通，地鐵客運(yùn)量影響因素越來越多樣化，地鐵客運(yùn)量的預(yù)測工作面臨更大挑戰(zhàn)。由于日變系數(shù)法和回歸預(yù)測法主要適用于線網(wǎng)穩(wěn)定期間，排除新線開通及節(jié)假日影響因素下的既有線路短期周客運(yùn)量預(yù)測，后續(xù)需充分挖掘地鐵客運(yùn)量變化規(guī)律，針對不同條件下的客運(yùn)量預(yù)測需求建立對應(yīng)的模型，運(yùn)用大數(shù)據(jù)分析對模型影響因子進(jìn)行持續(xù)修正，提升地鐵客運(yùn)量預(yù)測的準(zhǔn)確性。