研究与建议
铁道运输与经济 RAILWAY TRANSPORT AND ECONOMY
文章编号：1003-1421(2011)03-0087-04 中图分类号：U293.1+3 文献标识码：A
基于客流性质的铁路客流预测方法
Forecast Method of Railway Passenger Flow Based on the Passenger Flow Character
宋嘉雯，瞿何舟
SONG Jia-wen, QU He-zhou
（西南交通大学 交通运输与物流学院，四川 成都 610031）
(1. College of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, Sichuan, China)
摘 要：运用基于客流性质的铁路客流预测方法对银川—宁东铁路运营初期 (2016年)、近期 (2023年) 和远期(2038年) 客流情况进行预测。采用四阶段法对不同性质客流进行生成预测、分布预测和不同交通方式分担预测，通过各种性质客流的叠加，进行总体客流分析，得到研究区域全天客流变化和高峰情况，以及有关客流预测的主要指标。基于客流性质的铁路客流预测方法在客流性质区分明显的情况下，能够具有较好的精确度。关键词：铁路；客流预测；四阶段法
Abstract: Based on the forecast method of railway passenger flow based on passenger flow character, this paper forecasts the passenger fl ow status of Yinchuan-Ningdong railway during original operation period (2016), short-term period (2023) and long-term period (2038). By using the four-stage method, the generation forecast, distribution forecast and share forecast of different traffic mode were taken for passenger flow with different character. Through addition of passenger flow with different character, the paper carries on general passenger fl ow analysis, then achieves the all-day passenger fl ow change and rush-hour status of research zone, as well as the main indices of passenger fl ow forecast. The paper also points out the forecast method of railway passenger flow base on passenger flow character, could have better precision under the obvious division of passenger fl ow characters.
Keywords: Railway; Passenger Flow Forecast; Four-stage Method
第33卷 第3期
87
研究与建议
铁道运输与经济
基于客流性质的铁路客流预测方法 宋嘉雯 等
1 研究背景和预测方法
在铁路客流预测过程中，由城市功能定位与城市土地利用产生的各种不同性质客流在沿线区域的分布及其时间上的分布各有不同。在以往的研究中，注重分析客流性质与定性考虑不同性质客流对总体客流的影响，或者预测精度不足，影响了结果的可信性[1-3])。在客流预测中引入对不同性质客流的研究，能够提高客流预测的精度，有利于铁路规划与运营管理。银川—宁东铁路连接银川中心城区与宁东能源化工基地、银川河东机场及沿线地区，分别设银川站、河东站、机场站、临河站和宁东站，全线采用高架桥，为双线电气化线路，在运营初期 (2016年) 与近期 (2023年) 里程约 40 km，远期(2038年) 增建机场支线，总里程约 45 km。拟采用最高运营速度为 160 km/h 的大运量城市轨道交通车辆，列车最小追踪间隔为3 min。该线路主要服务于通勤客流，单向通勤客流初期可以达到 6.1万人/d。
基于客流性质的预测方法具体过程如图1所示。
四阶段法客流预测模型将研究区域划分为m 个交通小区，有k 种性质客流 (k ≥1)。银川—宁东铁路运营分为初期 (2016年)、近期 (2023年) 和远期 (2038年)，采用铁路、公路大型客车、小轿车3种交通方式，将研究区域划分为5个交通小区，客流划分为基本客流、产业员工客流、企业管理人员客流、机场客流和旅游客流。收集各交通小区的人口、就业人口、工业基地企业定员情况、机场日均发送旅客数量等信息，以及铁路、公路的技术经济数据。通过相应的预测模型获得各交通小区不同性质客流的预测基础数据。
i (1≤i ≤k )，其计算公式为：质的客流
P i G i ＝t i ×
P i +∑αi ×E i A i ＝t i ×
i
式中：G i 为研究区域第i 种性质客流的发生量；A i i 种性质客流的吸引量；P i 为研究为研究区域对第
i 种性质客流的人数矩阵；E i 为研究区域吸区域第
i 种性质客流的能力矩阵；t i 为第 i 种性质客流引第
i 种日均跨区出行次数，即跨区出行强度；αi 为第 性质客流日均跨区吸引强度，通过回归分析得出。
其中，客流跨区出行强度与城市居民出行次t i ＝T i ×I i 。式数与区域客流形成比例有关，表示为
中：T i 为城市居民在研究年份的出行次数，可通过弹性系数法预测得到；I i 为区域客流形成比例。区域客流的形成只与该区域居民出行意愿、出行目的、出行方式和出行径路有联系，可通过调查分析
2 客流生成预测
交通小区的客流发生量主要受本小区人口影响，客流吸引量主要受人口与该小区吸引客流能力的影响。对某一性
图1 基于客流性质的铁路客流预测流程
88
第33卷 第3期
基于客流性质的铁路客流预测方法 宋嘉雯 等
研究与建议
铁道运输与经济
得到。
研究区域第i 种性质客流的生成量和吸引量为：
G i ＝[G i 1,…,G ij ,…,G im ]T A i ＝[A i 1,…,A ij ,…,A im ]T 1≤j ≤m
i 种性质客流在第 j 小区的客流发 式中：G ij 为第
i 种性质客流在第 j 小区的客流吸引生量；A ij 为第 量。
各种性质的客流迭加求和可得到研究区域各交通小区的客流发生量和吸引量：
G ＝∑G T i
i
d 为交通阻抗离散控制系数，可通过回归得出。
对于重点对象或重点区域客流，其 O D 表达式为：
T i ＝(G i ×A i T ) βi
i 种性质客流的式中：T i 是一个m ×m 矩阵；βi 为第
m 交通小区潜能系数；K i 1m 为从第1交通小区到第 i 种性质客流量。的第
获得一般居民客流和各种重点性质客流T ＝T b ＋∑T i 。的 OD 后，全方式客流 OD 表示为 其中，T 是一个m ×m 矩阵。
A ＝∑A i T
i
i ＝1,…,m
经计算，银川—宁东铁路沿线区域的客流发生量和吸引量如表1所示。
表 1 银川—宁东铁路沿线各交通小区客流量 万人交通小区银川河东临河宁东机场
2016年
2023年
2038年
4 各种客流的不同交通方式分担率预测
针对各种性质客流对时间价值的要求和对运输方式的选择意愿，通过确定其不同交通方式的出行成本后，利用出行意愿调查结果计算出加权平均的出行成本，进而采用 Logit 模型进行交通方式分担预测。
(−γU /U )
e (−U i /U i ) P ＝λe i i /∑n
式中：n 为采用的交通方式，即铁路、大型客车
n i
n
n
发生量吸引量发生量吸引量发生量吸引量8.77 0.89 1.10 6.18 1.23
8.78 11.15 11.15 17.78 17.79 0.89 1.49 1.49 3.23 3.23 1.10 1.64 1.64 3.09 3.09 6.18 7.04 7.04 9.82 9.81 1.24 2.05 2.05 5.03 5.02
i 种性质客流采用不与小轿车中的一种；P i 为第
同交通方式的分担概率；λ、γ 为离散数值修正i 种性质客流平均出行成本；U i 为数；U i 为第
i 种性质客流采用不同交通方式的出行成本。第
经计算，银川—宁东铁路沿线区域的全方式客流分担率如表2所示。
表 2 银川—宁东铁路沿线区域的全方式客流分担率 %交通方式铁路大型客车小轿车
2016年474112
2023年464114
2038年454015
n
3 客流分布预测
参考国内城际铁路客流预测实例，基本客流可以通过双约束重力模型获得其在研究区域的分布情况，重点对象或重点区域形成的客流，如大型企业员工通勤客流、机场客流和旅游客流可以通过研究现状客流的主要流向形成相应的客流分布矩阵。
对于城市居民客流，其OD表达式为：
T β
T b ＝(G b × U c ×ed ×U ×P ) A b
m ×m 矩阵；G b 为城市居民客流发式中：T b 是一个
5 客流的叠加和总体客流分析
为获得各种交通方式的客流和客流分担率，将各种性质客流进行叠加：
T n ＝∑T i × P i n
式中：T n 为采用铁路、大型客车或小轿车的客流；
i
生量矩阵；A b 为城市居民客流吸引量矩阵；β 为交通潜能系数；U 为各交通小区间的交通阻抗矩阵，可表示为居民出行平均成本；P 为平衡算子；c 为交通阻抗级数系数，可通过回归得出；
第33卷 第3期
89
n
研究与建议
铁道运输与经济
基于客流性质的铁路客流预测方法 宋嘉雯 等
T i 为第i 种性质客流；P i 为第i 种性质客流采用铁路、大型客车或小轿车方式的客流分布比例矩阵。
根据现状客流全天的分布规律和重点对象、重j 交点区域客流全天变化规律的分析，设T jh 为第 h 通小区到第 交通小区的第i 种性质客流的全天客流量，其分布比例服从按时间变化的矩阵F t i ，t ∈ [0, 24]。通过每种性质客流的全天客流量与其全天分布比例相乘，得到该性质客流在相应时间段的客流量，再对同一时间段的各种性质客流进行迭加，可形成该时间段总客流量，进而可知总客流量的全t 时刻从第 j 交通小区到第 h 交通天变化规律。在 小区的总客流量为：
F tjh ＝(∑T jh i ×F t i )/T jh
max max
该客流高峰小时比例为F jh ＝t ∈[0,24]{F tjh }，由研究区域交通小区划分形成高峰小时客流量比例矩阵F
max
i
n
银川—宁东铁路客流预测的主要指标如表4所示。
表 4 银川—宁东铁路客流预测的主要指标
指标
线路长度/km
日均客流强度/(人次/km)平均运距/km
2016年2023年2038年40.285 15438.78
40.285 80038.54
45.289 45826.38
单向早高峰客流最大断面/(人次/h)8 953早高峰客流量/(人次/h)早高峰系数/%
10 30114 591
16 36318 98028 56922.58
22.989 142
15.8712 797
单向晚高峰客流最大断面/(人次/h)7 938晚高峰客流量/(人次/h)晚高峰系数/%全天全方式客流/人次全天铁路客流/人次全年总客流量/人次
14 30416 50323 99519.74
19.98
13.33
F ，则高峰小时客流量矩阵为T =T ×
max max
181 778233 823389 48790 714112 709179 985。
由此可知研究区域客流变化与高峰情况，如表3所示。
表 3 银川—宁东铁路客流量按时段分布比例 %
时间6：00—7：007：00—8：008：00—9：009：00—10：0010：00—11：0011：00—12：0012：00—13：0013：00—14：0014：00—15：0015：00—16：0016：00—17：0017：00—18：0018：00—19：0019：00—20：0020：00—21：0021：00—22：0022：00—23：0023：00—00：0000：00—1：00
2016年 1.7913.4512.02 4.66 2.34 2.27 2.79 2.49 1.8111.1610.74 5.20 5.02 0.85 0.60 0.66 2.0111.49 8.66
2023年 1.7213.3011.91 4.79 2.55 2.61 2.97 2.73 2.0811.1110.60 5.27 5.29 0.99 0.66 0.71 1.6610.95 8.08
2038年 2.0811.47 9.95 4.46 3.90 3.90 4.72 4.86 3.7510.03 8.72 5.35 6.12 2.46 1.74 1.65 1.43 8.03 5.36
6 结束语
基于客流性质的铁路客流预测方法可以在不同性质客流区别明显的情况下取得较好的预测精度。例如，在银川—宁东铁路运营初期多为产业工人与管理人员的通勤客流，对准时性要求高，则早高峰与晚高峰系数较大。另外，预设的机场支线将主要承担旅游客流与机场客流，成为该铁路线远期客流量的主要增长点之一。
参考文献：
[1] 张连晖. 沈阳至铁岭城际快速轨道交通客流预测研究[J].
北方交通，2009 (12)：59-62.
[2] 赵冰洁. 天津至保定铁路城际客流预测[J]. 科技信息，
2009(06)：384-385.
[3] 蒋玉琨. 通往郊区的轨道交通线路客流预测方法[J]. 都市
快轨交通，2009(06)：44-48.
收稿日期：2010-09-20修订日期：2011-01-10责任编辑：付建飞
90
第33卷 第3期
研究与建议
铁道运输与经济 RAILWAY TRANSPORT AND ECONOMY
文章编号：1003-1421(2011)03-0087-04 中图分类号：U293.1+3 文献标识码：A
基于客流性质的铁路客流预测方法
Forecast Method of Railway Passenger Flow Based on the Passenger Flow Character
宋嘉雯，瞿何舟
SONG Jia-wen, QU He-zhou
（西南交通大学 交通运输与物流学院，四川 成都 610031）
(1. College of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, Sichuan, China)
摘 要：运用基于客流性质的铁路客流预测方法对银川—宁东铁路运营初期 (2016年)、近期 (2023年) 和远期(2038年) 客流情况进行预测。采用四阶段法对不同性质客流进行生成预测、分布预测和不同交通方式分担预测，通过各种性质客流的叠加，进行总体客流分析，得到研究区域全天客流变化和高峰情况，以及有关客流预测的主要指标。基于客流性质的铁路客流预测方法在客流性质区分明显的情况下，能够具有较好的精确度。关键词：铁路；客流预测；四阶段法
Abstract: Based on the forecast method of railway passenger flow based on passenger flow character, this paper forecasts the passenger fl ow status of Yinchuan-Ningdong railway during original operation period (2016), short-term period (2023) and long-term period (2038). By using the four-stage method, the generation forecast, distribution forecast and share forecast of different traffic mode were taken for passenger flow with different character. Through addition of passenger flow with different character, the paper carries on general passenger fl ow analysis, then achieves the all-day passenger fl ow change and rush-hour status of research zone, as well as the main indices of passenger fl ow forecast. The paper also points out the forecast method of railway passenger flow base on passenger flow character, could have better precision under the obvious division of passenger fl ow characters.
Keywords: Railway; Passenger Flow Forecast; Four-stage Method
第33卷 第3期
87
研究与建议
铁道运输与经济
基于客流性质的铁路客流预测方法 宋嘉雯 等
1 研究背景和预测方法
在铁路客流预测过程中，由城市功能定位与城市土地利用产生的各种不同性质客流在沿线区域的分布及其时间上的分布各有不同。在以往的研究中，注重分析客流性质与定性考虑不同性质客流对总体客流的影响，或者预测精度不足，影响了结果的可信性[1-3])。在客流预测中引入对不同性质客流的研究，能够提高客流预测的精度，有利于铁路规划与运营管理。银川—宁东铁路连接银川中心城区与宁东能源化工基地、银川河东机场及沿线地区，分别设银川站、河东站、机场站、临河站和宁东站，全线采用高架桥，为双线电气化线路，在运营初期 (2016年) 与近期 (2023年) 里程约 40 km，远期(2038年) 增建机场支线，总里程约 45 km。拟采用最高运营速度为 160 km/h 的大运量城市轨道交通车辆，列车最小追踪间隔为3 min。该线路主要服务于通勤客流，单向通勤客流初期可以达到 6.1万人/d。
基于客流性质的预测方法具体过程如图1所示。
四阶段法客流预测模型将研究区域划分为m 个交通小区，有k 种性质客流 (k ≥1)。银川—宁东铁路运营分为初期 (2016年)、近期 (2023年) 和远期 (2038年)，采用铁路、公路大型客车、小轿车3种交通方式，将研究区域划分为5个交通小区，客流划分为基本客流、产业员工客流、企业管理人员客流、机场客流和旅游客流。收集各交通小区的人口、就业人口、工业基地企业定员情况、机场日均发送旅客数量等信息，以及铁路、公路的技术经济数据。通过相应的预测模型获得各交通小区不同性质客流的预测基础数据。
i (1≤i ≤k )，其计算公式为：质的客流
P i G i ＝t i ×
P i +∑αi ×E i A i ＝t i ×
i
式中：G i 为研究区域第i 种性质客流的发生量；A i i 种性质客流的吸引量；P i 为研究为研究区域对第
i 种性质客流的人数矩阵；E i 为研究区域吸区域第
i 种性质客流的能力矩阵；t i 为第 i 种性质客流引第
i 种日均跨区出行次数，即跨区出行强度；αi 为第 性质客流日均跨区吸引强度，通过回归分析得出。
其中，客流跨区出行强度与城市居民出行次t i ＝T i ×I i 。式数与区域客流形成比例有关，表示为
中：T i 为城市居民在研究年份的出行次数，可通过弹性系数法预测得到；I i 为区域客流形成比例。区域客流的形成只与该区域居民出行意愿、出行目的、出行方式和出行径路有联系，可通过调查分析
2 客流生成预测
交通小区的客流发生量主要受本小区人口影响，客流吸引量主要受人口与该小区吸引客流能力的影响。对某一性
图1 基于客流性质的铁路客流预测流程
88
第33卷 第3期
基于客流性质的铁路客流预测方法 宋嘉雯 等
研究与建议
铁道运输与经济
得到。
研究区域第i 种性质客流的生成量和吸引量为：
G i ＝[G i 1,…,G ij ,…,G im ]T A i ＝[A i 1,…,A ij ,…,A im ]T 1≤j ≤m
i 种性质客流在第 j 小区的客流发 式中：G ij 为第
i 种性质客流在第 j 小区的客流吸引生量；A ij 为第 量。
各种性质的客流迭加求和可得到研究区域各交通小区的客流发生量和吸引量：
G ＝∑G T i
i
d 为交通阻抗离散控制系数，可通过回归得出。
对于重点对象或重点区域客流，其 O D 表达式为：
T i ＝(G i ×A i T ) βi
i 种性质客流的式中：T i 是一个m ×m 矩阵；βi 为第
m 交通小区潜能系数；K i 1m 为从第1交通小区到第 i 种性质客流量。的第
获得一般居民客流和各种重点性质客流T ＝T b ＋∑T i 。的 OD 后，全方式客流 OD 表示为 其中，T 是一个m ×m 矩阵。
A ＝∑A i T
i
i ＝1,…,m
经计算，银川—宁东铁路沿线区域的客流发生量和吸引量如表1所示。
表 1 银川—宁东铁路沿线各交通小区客流量 万人交通小区银川河东临河宁东机场
2016年
2023年
2038年
4 各种客流的不同交通方式分担率预测
针对各种性质客流对时间价值的要求和对运输方式的选择意愿，通过确定其不同交通方式的出行成本后，利用出行意愿调查结果计算出加权平均的出行成本，进而采用 Logit 模型进行交通方式分担预测。
(−γU /U )
e (−U i /U i ) P ＝λe i i /∑n
式中：n 为采用的交通方式，即铁路、大型客车
n i
n
n
发生量吸引量发生量吸引量发生量吸引量8.77 0.89 1.10 6.18 1.23
8.78 11.15 11.15 17.78 17.79 0.89 1.49 1.49 3.23 3.23 1.10 1.64 1.64 3.09 3.09 6.18 7.04 7.04 9.82 9.81 1.24 2.05 2.05 5.03 5.02
i 种性质客流采用不与小轿车中的一种；P i 为第
同交通方式的分担概率；λ、γ 为离散数值修正i 种性质客流平均出行成本；U i 为数；U i 为第
i 种性质客流采用不同交通方式的出行成本。第
经计算，银川—宁东铁路沿线区域的全方式客流分担率如表2所示。
表 2 银川—宁东铁路沿线区域的全方式客流分担率 %交通方式铁路大型客车小轿车
2016年474112
2023年464114
2038年454015
n
3 客流分布预测
参考国内城际铁路客流预测实例，基本客流可以通过双约束重力模型获得其在研究区域的分布情况，重点对象或重点区域形成的客流，如大型企业员工通勤客流、机场客流和旅游客流可以通过研究现状客流的主要流向形成相应的客流分布矩阵。
对于城市居民客流，其OD表达式为：
T β
T b ＝(G b × U c ×ed ×U ×P ) A b
m ×m 矩阵；G b 为城市居民客流发式中：T b 是一个
5 客流的叠加和总体客流分析
为获得各种交通方式的客流和客流分担率，将各种性质客流进行叠加：
T n ＝∑T i × P i n
式中：T n 为采用铁路、大型客车或小轿车的客流；
i
生量矩阵；A b 为城市居民客流吸引量矩阵；β 为交通潜能系数；U 为各交通小区间的交通阻抗矩阵，可表示为居民出行平均成本；P 为平衡算子；c 为交通阻抗级数系数，可通过回归得出；
第33卷 第3期
89
n
研究与建议
铁道运输与经济
基于客流性质的铁路客流预测方法 宋嘉雯 等
T i 为第i 种性质客流；P i 为第i 种性质客流采用铁路、大型客车或小轿车方式的客流分布比例矩阵。
根据现状客流全天的分布规律和重点对象、重j 交点区域客流全天变化规律的分析，设T jh 为第 h 通小区到第 交通小区的第i 种性质客流的全天客流量，其分布比例服从按时间变化的矩阵F t i ，t ∈ [0, 24]。通过每种性质客流的全天客流量与其全天分布比例相乘，得到该性质客流在相应时间段的客流量，再对同一时间段的各种性质客流进行迭加，可形成该时间段总客流量，进而可知总客流量的全t 时刻从第 j 交通小区到第 h 交通天变化规律。在 小区的总客流量为：
F tjh ＝(∑T jh i ×F t i )/T jh
max max
该客流高峰小时比例为F jh ＝t ∈[0,24]{F tjh }，由研究区域交通小区划分形成高峰小时客流量比例矩阵F
max
i
n
银川—宁东铁路客流预测的主要指标如表4所示。
表 4 银川—宁东铁路客流预测的主要指标
指标
线路长度/km
日均客流强度/(人次/km)平均运距/km
2016年2023年2038年40.285 15438.78
40.285 80038.54
45.289 45826.38
单向早高峰客流最大断面/(人次/h)8 953早高峰客流量/(人次/h)早高峰系数/%
10 30114 591
16 36318 98028 56922.58
22.989 142
15.8712 797
单向晚高峰客流最大断面/(人次/h)7 938晚高峰客流量/(人次/h)晚高峰系数/%全天全方式客流/人次全天铁路客流/人次全年总客流量/人次
14 30416 50323 99519.74
19.98
13.33
F ，则高峰小时客流量矩阵为T =T ×
max max
181 778233 823389 48790 714112 709179 985。
由此可知研究区域客流变化与高峰情况，如表3所示。
表 3 银川—宁东铁路客流量按时段分布比例 %
时间6：00—7：007：00—8：008：00—9：009：00—10：0010：00—11：0011：00—12：0012：00—13：0013：00—14：0014：00—15：0015：00—16：0016：00—17：0017：00—18：0018：00—19：0019：00—20：0020：00—21：0021：00—22：0022：00—23：0023：00—00：0000：00—1：00
2016年 1.7913.4512.02 4.66 2.34 2.27 2.79 2.49 1.8111.1610.74 5.20 5.02 0.85 0.60 0.66 2.0111.49 8.66
2023年 1.7213.3011.91 4.79 2.55 2.61 2.97 2.73 2.0811.1110.60 5.27 5.29 0.99 0.66 0.71 1.6610.95 8.08
2038年 2.0811.47 9.95 4.46 3.90 3.90 4.72 4.86 3.7510.03 8.72 5.35 6.12 2.46 1.74 1.65 1.43 8.03 5.36
6 结束语
基于客流性质的铁路客流预测方法可以在不同性质客流区别明显的情况下取得较好的预测精度。例如，在银川—宁东铁路运营初期多为产业工人与管理人员的通勤客流，对准时性要求高，则早高峰与晚高峰系数较大。另外，预设的机场支线将主要承担旅游客流与机场客流，成为该铁路线远期客流量的主要增长点之一。
参考文献：
[1] 张连晖. 沈阳至铁岭城际快速轨道交通客流预测研究[J].
北方交通，2009 (12)：59-62.
[2] 赵冰洁. 天津至保定铁路城际客流预测[J]. 科技信息，
2009(06)：384-385.
[3] 蒋玉琨. 通往郊区的轨道交通线路客流预测方法[J]. 都市
快轨交通，2009(06)：44-48.
收稿日期：2010-09-20修订日期：2011-01-10责任编辑：付建飞
90
第33卷 第3期