0 引言
轨道交通因其运量大,准点率高,速度快等特点在大城市中快速发展,截止2016年年底,中国大陆已有30个城市开通运营城市轨道交通,共计133条线路,运营线路总长度达4152.8公里[1]。其中北京,上海,广州等城市的轨道交通建设已有一定规模,随着轨道交通线网规模的扩大及完善,线网复杂度提高,线网效应下,线路通达性增强,出现两个及以上换乘站相连的情况,形成了多站连续换乘的格局。在此背景下,研究多站连续换乘的客流组织优化具有重要意义,同时对新建轨道交通城市的设计规划提供一定的实践经验。
轨道交通的换乘问题一直是轨道交通领域的研究热点,围绕该问题已有相关研究。第一类研究从换乘的便捷性、费用、路径及换乘方案等角度分析轨道交通换乘系统。如杜鹏等[2]研究了乘客在换乘通道的走行时间规律,分析了走行时间与换乘通道的关系;钱堃等[3], Guo等[4]从换乘路径的角度对轨道交通进行了相关研究,采用深度优先算法搜索两点间路径。第二类研究从轨道交通的拓扑结构进行分析,如Santiago等[5], Derrible等 [6]从研究了地铁系统的可靠性和鲁棒性;Zhang等[7]利用复杂网络理论对轨道交通网络的网络拓扑特性进行研究,以分析网络在外界攻击下的抗毁性。第三类研究主要集中轨道交通的换乘组织,是从客流角度出发对乘客进行的管理方法,如刘斌等[8-9]对武汉市轨道交通2号线与4号线的同台换乘站进行研究,监控同站换乘的客流,优化同站换乘客流组织;李玲等 [10]论述了同站换乘的客流量计算方法,分别对平峰期和高峰期的客流提出组织方法;康海燕等[11],李卫军等[12]研究了标志指引等信息条件对乘客换乘的影响,进而对客流进行有效组织;代漉川[13] ,韩丽飞等[14] ,陈先龙等[15] ,马嘉琪等[16] ,齐茂利[17] ,马语佳[18]基于仿真软件对轨道交通换乘站的客流组织进行仿真研究并进行相关特性评价。其中第一、第二类研究是从换乘系统角度或拓扑结构分析轨道交通网络,第三类研究从站点同台换乘形式,客流量及指引标志等方面研究了换乘客流组织方法,但是均为单站客流组织,未考虑当前轨道交通成网条件下连续换乘的各站客流叠加与相互影响。故本文针对成网化下的多站连续换乘情况,分析各连续换乘站间的关系及相关性,对换乘客流提出组织方案。
广州市地铁6号线的顺利开通,线网的换乘站由原来的14个增加到21个,换乘站作为地铁网络的重要节点,担负着线网日均200万人次换乘客流的集散、中转功能。多站连续换乘对现场客运组织工作造成了复合压力。文中通过分析本线和邻线的同源客流系数提出线控和网控方案,对换乘站客流进行组织。
1 问题分析与方法阐述
1.1 连续换乘问题分析
定义紧密相依的换乘站为连续换乘站。多站连续换乘格局的形成,连续换乘站在面临大客流冲击,位于多站连续换乘区段中间或后方位置的换乘站独立启动线、网控预案时,受前方换乘站换乘客流注入的影响,客流控制效果不明显,难以解决多站连续换乘格局给位于后方位置的换乘站带来的叠加客运组织压力。
线、网控预案的辅控站选站原则是选择本线或邻线对单个换乘站带来大客流冲击的站点实施客流联控。然而连续换乘站之间有高度独立性,信息互通较少,连续换乘站未能同步实施客流控制,难以形成合力,客流控制成效不理想。
线、网联控预案中的换乘站都有一套独立预案。辅控站点及限流数值都具有独立性,部分车站被纳入作为多个换乘站的辅控站点,基于既有换乘站线、网控预案的独立性,不同的预案的辅控站点及限流数值都不相同,预案繁多且复杂,不利于车站与调度对于预案的实施。
1.2方法阐述
本文基于对连续换乘站的客流来源相关性进行研究,把客流来源有高度相关性的换乘站组合成团体,即组团,制定换乘站组团客流控制方案,重新选取客流联控的辅控站点,以达到缓解多站连续换乘区段大客流组织压力的目的。
(1)连续换乘站的同源客流及相关系数
连续换乘站的客流由本线、邻线流入连续换乘站的客流组成。按客流来源划分可分为本线同源客流和邻线同源客流。为掌握连续换乘站之间的相关程度,研究组团内连续换乘站同源客流的相关性,相关性高的组团可作为一个整体,开展单线级、线网级客流控制。
Pearson相关系数可反映两个变量之间的相关程度,因此,本报告采用Pearson相关系数的统计指标来判断连续换乘站相关性的密切程度。相关系数的取值在-1到1之间,设X,Y相关系数为r,当r=0时,称X,Y不相关;|r|= 1时,称X,Y完全相关,0.8<|r|<1时为高度相关,0.5<|r|≤0.8时为中度相关,0.3<|r|≤0.5时为低度相关,0<|r|≤0.3时为微弱相关。
因此,当连续换乘站组团同源客流系数达到0.6时,可认为组团内的连续换乘站的同源客流相关性较高,可对高度相关的连续换乘站组团实施单线级、线网级客流控制。
(2)换乘站组团客流控制预案
将本线、邻线客流来源均高度相关的换乘站视为一个整体制定线控、网控预案,以缓解组团内换乘站的客流压力。当组团所在线路出现大客流,组团内的任意换乘站无法通过本站开展客流控制缓解时,则启动换乘站组团线控、网控预案,通过预案中的其他换乘站及其辅控站采取限流措施以缓解组团内连续换乘站的客流疏导压力。
(3)组团客流控制的优势
①由缓解单个换乘站的客流压力转变为缓解多站连续换乘区段的复合客流压力。②换乘站组团客流控制预案的车站选取原则是选择本线或邻线对连续多个换乘站均带来较大客流冲击的站点实施客流联控,组团内换乘站同步实施客流控制,容易形成合力,达到同时缓解组团内换乘站客运压力的效果。③制定换乘组团客流控制预案,辅控站点及限流数值保持一致,对比既有的线、网控预案有所优化,有利于车站与调度对于客流控制预案的实施。
2 同源客流系数分析
2.1 线网连续换乘的车站组团情况
对线网的换乘站布局进行分析,筛选线网达到连续换乘条件的车站有以下6个组团。如图1所示,组团的基本情况见表1。
图1 连续换乘站组团线网(圈出部分为组团)
表1 连续换乘站组团
2.2 本线同源客流系数分析
对表1中的6组连续换乘站组团开展本线同源系数分析,分析得出本线同源客流系数。根据连续换乘站所在线路对其影响可知,连续换乘站分别受上行方向和下行方向前方车站的进站客流影响。如图2所示,A1、A2为连续换乘站组团,本线上下行方向汇入并途经这一组团的客流对该组团造成影响。该组团上行方向受前方S1-Si各站的汇入客流影响,下行方向受前方X1-Xi各站汇入客流影响。线控预案中本线配合连续换乘站组团实施客流联控的站点是选择进站后汇入组团换乘站客流量较大的站点,上下行方向选择的站点是完全不同的,因此,线控预案需区分上、下行分别根据最高峰的客流数据制定。
图2 本线连续换乘站客流来源
A1和A2为两个连续换乘站, S1-Si为上行方向对连续换乘站有影响的车站,X1-Xi为下行方向对连续换乘站有影响的车站。
连续换乘站的本线同源客流由本线连续换乘站的前方车站单位时间内进站通过连续换乘站的客流组成。对本线连续换乘站的上下行客流来源进行分析,查找本线同源客流的关联程度,以本线乘客出行的OD为基础,计算得出本线同源客流系数。反映本线同源客流的关联程度的系数可按式(1)计算。
其中α为本线同源客流系数;P1为本线单位时间注入前方换乘站客流量,以组团②体育西路—珠江新城上行方向的连续换乘站为例,三号线天河客运站—石牌桥五站单位时间内进站客流注入体育西路的客流量总和为P1。N1为本线首个车站注入前方换乘站的客流量,人;Ni为本线第i个车站注入前方换乘站的客流量;P2为本线单位时间通过连续换乘客流量,以组团②体育西路—珠江新城上行方向的连续换乘站为例,三号线天河客运站—石牌桥五站单位时间内进站客流同时注入体育西路和珠江新城上行方向的客流量之和为P2。M1为本线第一个注入连续换乘站的客流量;Mi为线第i个车站注入连续换乘站的客流量;X为本线客流注入换乘站的车站数量。
本线同源客流系数α是衡量本线换乘站之间关联度的一个关键指标,当本线同源客流系数大于0.6时,则表示本线连续换乘站的客流组成具有较高同源性,即连续换乘站关联度较高。
将6组组团的客流数据代入本线同源客流系数公式计算可得出连续换乘站的本线同源客流系数,见表2。通过本线同源客流的分析,得出除燕塘、广州东组团上行方向的本线同源系数低于0.6,其他组团均高于0.6。
表2 本线同源客流系数统计表
2.3 邻线同源客流系数
对上述6组连续换乘站组团开展邻线同源系数分析,分析得出邻线同源客流系数。根据连续换乘站的相邻线路对其影响可知,连续换乘站所在线路分别受两条及以上线路的换乘客流所影响。
如图3所示,A1、A2为L1线的连续换乘站组团,L2及L3两条相邻线路汇入并途经这一组团的客流对A1、A2及L1造成影响。L2、L3换入L1的客流包含上、下行换入客流,同时影响该组团线路的上下行,因此,网控方案不区分上下行制定。网控预案中邻线配合本线实施客流联控的站点一般是选择对换乘客流影响较大的大客流站点,而目前各线客流潮汐特点显著,即L2、L3同一线路不同高峰期的大客流站点明显不同。因此,网控预案需区分早、晚高峰分别选取最高峰客流数据制定。在非高峰期需启动网控时,参考早、晚高峰期的网控预案进行客流联控。
图3 邻线连续换乘站客流来源
A1和A2为两个相邻换乘站,L1、L2、L3分别为3条相邻的线路,A1为L1与L2的换乘站,A2为L1与L3的换乘站。连续换乘站的邻线同源客流由邻线车站单位时间进站换入连续换乘站的客流组成。对连续换乘站的邻线客流来源进行分析,查找邻线同源客流的关联程度,以邻线乘客出行的OD为基础,结合清分双比例算法模型[7]中乘客出行路径的分布系数,计算得出邻线同源客流系数。反映邻线同源客流的关联程度的系数可按式(2)计算。
其中β为邻线同源客流系数;F1为邻线单位时间注入前方换乘站客流量,以组团②体育西路—珠江新城上行方向的连续换乘站为例,一号线各站单位时间内换入体育西路上行方向的客流量总和为F1。H1为邻线首个车站注入前方换乘站的客流量;Hi为邻线第i个车站注入前方换乘站的客流量;F2为邻线单位时间通过连续换乘客站的客流量,以组团②体育西路—珠江新城上行方向的连续换乘站为例,一号线各站单位时间内换入体育西路、珠江新城上行方向的客流量总和为F2。G1为邻线第一个注入连续换乘站的客流量;Gi为邻线第i个车站注入连续换乘站的客流量;X为邻线客流注入换乘站的车站数量。
邻线同源客流系数是衡量邻线换入客流对连续换乘站影响程度一个关键指标,当存在某一邻线换入本线的同源客流系数大于0.6时,则表示邻线换入连续换乘站的换乘客流组成具有较高同源性,即连续换乘站关联度较高。将6组组团的客流数据代入邻线同源客流系数公式计算可得出连续换乘站的邻线同源客流系数,见表3。
表3 连续两站邻线同源客流系数统计表
表4 连续三站邻线同源客流系数统计表
2.4 同源客流分析结论
通过对本线和邻线同源客流的分析,当本线同源客流系数大于0.6,同时,邻线单条线路换入本线同源客流系数大于0.6时,则表示本线、邻线通过连续换乘站的客流同源相关性较高,可把连续换乘站视为整体,制定换乘站组团所在线路的组团线、网控方案。
如表5所示,组团①、②、③、④、⑤、⑥的上、下行方向及早、晚高峰时段可根据同源系数情况编制相应的组团所在线路的组团线、网控预案。
表5 连续本线与邻线同源客流系数均大于0.6组团
3 客流控制建议
针对上述6个组团分析结果,各个组团所在线路可制定相应的换乘站组团线、网控预案,建议先开展连续换乘站组团线路的线、网控预案的试点工作,总结经验后再推广实施。
通过对连续换乘站的同源系数、客流控制启动频率、列车满载率等方面进行分析,综合考虑后建议选取组合②体育西路、珠江新城组团试点制定其三号线组团线控、网控预案。当三号线发生大客流,体育西路、珠江新城组团中的任意一个换乘站在进行本站级客流控制仍无法缓解本站客流压力,需启动线、网级换乘站组团客流控制时,体育西路、珠江新城同步实施客流联控。
(1)根据换乘组团线控方案的选点原则得出体育西路、珠江新城组团线控方案。
体育西路、珠江新城组团线控是指三号体育西路、珠江新城前任意一个站点出现大客流时,组团换乘站及三号线的联控站点采取客流控制措施限制进站客流量,缓解组团换乘站的客流压力,见表6。
(2)根据换乘组团线控方案的选点原则得出三号体育西路、珠江新城组团网控方案。
体育西路、珠江新城组团网控是指三号体育西路、珠江新城任意一个站点出现大客流时,组团换乘站及一、五号线的联控站点采取客流控制措施限制进站客流量,缓解晚高峰组团换乘站的客流压力,见表7。
(3)换乘站组团线、网控预案的启动时机
① 换乘站组团线控预案
当换乘站组团的所在线路发生大客流时,组团中的任意换乘站通过实施本站客流控制后无法缓解自身客流压力,车站滞留乘客过多时,启动换乘站组团线控预案。
② 换乘站组团网控预案
当换乘站组团的所在线路发生大客流时,组团中的任意换乘站在采取换乘站组团线控方案后,无法缓解组团内车站的大客流压力,车站滞留乘客过多时,启动换乘站组团网控预案。
表6 三号线珠江新城-体育西路的组团线控方案
表7 三号线珠江新城-体育西路晚高峰组团网控方案
4 结语
文中针对轨道交通成网化趋势下连续换乘站的客流组织问题进行了相关探讨。将流入换乘站的客流分为本线同源客流和邻线同源客流,并基于Pearson相关系数分析了同源客流的相关性程度,以此确定是否进行客流线控、网控。通过制定线控、网控方案可以弥补当前客流控制主要由各站点独立进行,各站信息交互较少造成客流控制效果不显著的缺陷。文中以广州地铁3号线体育西路-珠江新城为例对连续换乘站的客流线控、网控进行试点并提出了客流控制的启动时机。由于当前正处于轨道交通成网化的过程中,对连续换乘站的客流组织相关研究较少,没有太多经验可供参考,本文提出的同源客流相关性方法是对连续换乘站客流组织的一种探索,在下一步的研究中,需结合实施效果总结经验,对本方法进行改进 。
参考文献:
[1]中国城市轨道交通协会[EB/OL].http://www.gov.cn/xinw en/201703/30/co ntent_5182067.h tm.2017-03-25.
[2]杜鹏, 刘超, 刘智丽. 地铁通道换乘乘客走行时间规律研究[J]. 交通运输系统工程与信息, 2009, 9(4):103-109.
[3]钱堃, 陈垚, 毛保华. 考虑换乘时间影响的城市轨道交通路径选择行为研究[J]. 交通运输系统工程与信息, 2015, 15(2):116-121.
[4]Guo Z, Wilson N H M. Assessing the cost of transfer inconvenience in public transport systems: A case study of the London Underground[J]. Transportation Research Part A Policy & Practice, 2011, 45(2):91-104.
[5]Santiago d R, O, P M, Hern, et al. A reliability analysis of Double-Ring topologies with Dual Attachment using p-cycles for optical metro networks[J]. Computer Networks, 2010, 54(8):1328-1341.
[6]Derrible S, Kennedy C. The complexity and robustness of metro networks[J]. Physica A Statistical Mechanics & Its Applications, 2010, 389(17):3678-3691.
[7]Zhang J, Zhao M, Liu H, et al. Networked characteristics of the urban rail transit networks[J]. Physica A Statistical Mechanics & Its Applications, 2013, 392(6):1538-1546.
[8] 刘斌, 章亚东. 连续同站台换乘方式问题分析及应对措施研究[J]. 城市轨道交通研究, 2015, 18(9):9-11.
[9] 刘斌, 周少雄. 武汉地铁连续同台换乘站研究与评价[J]. 都市快轨交通, 2016, 29(4):43-47.
[10] 李玲, 马驷, 马令. 市域铁路与地铁同站台换乘组织探讨[J]. 铁道运输与经济, 2012, 34(9):68-72.
[11] 康海燕, 郑世枚, 吴倩. 地铁换乘站客流组织研究[J]. 铁道运输与经济, 2009, 31(8):89-91.
[12] 李卫军, 康海燕, 郑世枚. 换乘站客流组织中的地铁引导标识系统设计[J]. 都市快轨交通, 2009, 22(4):18-22.
[13]代漉川. 基于行人仿真的地铁换乘站客流组织评价研究[J]. 建筑工程技术与设计, 2016(11).
[14] 韩丽飞, 代琦, 孙小丽. 基于Legion的地铁换乘站客流组织仿真研究——以武汉市轨道交通武昌火车站为例[J]. 交通与运输:学术版, 2015(A01):44-48.
[15] 陈先龙, 宋程, 廖胜华. 基于仿真试验设计的地铁换乘通道客流适应性研究[J]. 城市轨道交通研究, 2015, 18(8):67-70.
[16] 马嘉琪, 梁青槐, 周芳. 基于微观仿真的城市轨道交通同站台换乘站客流疏散能力研究[J]. 城市轨道交通研究, 2011, 14(2):98-102.
[17] 齐茂利. 基于微观仿真的同站台换乘站客流疏散研究[D]. 北京交通大学, 2009.
[18] 马语佳. 成网条件下地铁换乘站客流组织仿真优化[D]. 西南交通大学, 2017.
[19] 四兵锋, 高亮, 毛保华. 无缝换乘的城市轨道交通运费清分模型及算法[J]. 管理科学学报, 2009, 12(5):36-43.
注:本文已发表在《交通运输研究》,2017年05期。
作者简介:刘尔辉(1991-),男,江苏南京人,硕士,助理工程师,轨道交通室,研究方向为城市轨道交通。
Email:2220911126@qq.com

