城市轨道交通网络化运营条件下客流特征分析

摘 要：随着城市轨道交通建设速度的加快，我国部分城市已进入网络化运营阶段，如北京、上海、广州、深圳、南京等。因此，总结城市轨道交通网络化进程中的客流特征，对于今后进一步把握客流发展趋势、提高城市轨道交通规划设计与运营管理水平具有重要作用。文章主要分析网络化条件下城市轨道交通客流的时间特征、空间特征及客流强度特征。

关键词：城市轨道交通；网络化；客流特征；客流强度

中图分类号：F570 文献标识码：A

Abstract： With the speed of urban rail transit construction， some cities in China have entered the network operation stage in China， such as Beijing， Shanghai， Guangzhou， Shenzhen， Nanjing and so on. Therefore， it is important to summarize the characteristics of passenger flow in the process of urban rail transit， which will play an important role in further grasping the development trend of passenger flow and improving the planning and operation and management of urban rail transit. This paper mainly analyzes the time characteristics， spatial characteristics and intensity of passenger flow of urban rail transit passenger traffic under network conditions.

Key words： urban rail transit； network operation； characteristics of passenger flow； intensity of passenger flow

近年来，随着城镇化速度的加快，中国城市轨道交通建设进入快速发展期。截止2016年末，中国大陆地区共有28个城市开通城市轨道交通，共计112条线路，运营线路总长度达3 778.8公里（如图1所示）。随着城市轨道交通建设速度的加快，我国部分城市已进入网络化运营阶段，如北京、上海、广州、深圳、南京等。因此，总结城市轨道交通网络化进程中的客流特征，对于今后进一步把握客流发展趋势、提高城市轨道交通规划设计与运营管理水平具有重要作用。本文主要分析城市轨道交通线网网络化条件下，城市轨道交通客流在时间、空间及客运强度三方面所表现出的特征。

1 网络化条件下城市轨道交通客流时间特征分析

1.1 日客流变化分析

日客流量变化规律是指一个昼夜循环内的运营时间内，不同时间段内网络客流量变化情况。对国内北京、西安等大量数据对比分析可知，路网客流量呈现明显双峰突变情况，客流在峰值处集中突发增长，峰值时段客流量明显高于其它时段客流量，表现出明显的早、晚高峰突变，其中一般线路早高峰时段为7：00～9：00，晚高峰时段为17：00～19：00。对东京、首尔城市轨道交通典型线路各年度日均客流变化情况分析，可以发现，位于建成区范围的轨道交通线路将遵循“客流追随型”成长的一般规律；而位于新开发区域的轨道交通线路将遵循“客流引导型”成长的一般规律[1-2]。

1.2 周客流变化分析

周客流量变化规律是指一周内各工作日客流量变化情况。

在工作日，绝大部分居民需要上下班、上下学，居民在这两个时间段集中出行，使客流急剧增加，线路及网络客流量发生突变形成峰值。在非工作日，城市轨道交通吸引的上下班、上下学客流明显少，不会出现由于上下班、上下学引起的两次客流集中现象。由图2可以看出，大部分线网均呈现工作日客流量明显高于非工作日客流特征，但机场线因其特殊性，工作日与非工作日客流变化较小，呈平稳波动。

1.3 月客流变化分析

城市轨道交通月客流量变化分析主要是指对城市轨道交通路网内各线网各月客流量变化情况进行对比。目前，我国大多数城市的城市轨道交通网络只是初步形成，网络吸引的客流量呈现快速增加的态势。而像北京城市轨道交通路网已成规模，本文以北京市部分线网月客流为例进行分析。

由图3、图4可以看出，年初各条线网客流量均会呈现出明显下降的特点，而后月客流量处于平缓波动，在7月又有明显上涨趋势。从2013～2015年各线网同月份数据对比来看，客流量呈逐年增加趋势。

2 网络化条件下城市轨道交通客流空g特征分析

在空间分布上，主要分析路网中各线路客流特征、高峰断面客流特征及进出站客流特征。

2.1 线网客流分布特征分析

在城市轨道交通网络中，由于各线路的网络结构位置、辐射范围、沿线交通走廊等方面各不相同，因此不同线路的客流量不同，甚至差异很大，网络客流分布呈现不均衡状态，以北京市为例进行分析。截至2016年12月31日，北京地铁共有19条运营线路（包括18条地铁线路和1条机场轨道），组成覆盖北京市11个市辖区，拥有345座运营车站（换乘车站重复计算，不重复计算换乘车站则为288座车站）、总长574千米运营线路的轨道交通系统[3]（如表1、图5所示）。

从图6中2014年北京市轨道交通部分线网全日客流量分布情况可以看出：（1）穿越城市中心区域的线路客流量明显高于郊区线路客流量，如1、5、6号线；（2）在路网中，与中心区线网相连接的线路客流量明显高于未连接线网的线路客流量，如未连接中心区线网的八通线、房山线等；（3）特殊用途线路（如机场线）客流量较小[1]；（4）路网中的环形线路全日客流量高于大部分放射线，如线网中的2、10号环形线路。主要由于环线连接路网中的各个放射线，且环线通过城市主要活动区域，通达性较好，为乘客换乘提供便利，因此环线承担客流量较高。

2.2 断面客流分布特征分析

断面客流量是指在单位时间内，沿同一方向通过轨道交通线路某断面的乘客数量，即通过该断面所在区间的客流量，分为上行断面客流量和下行断面客流量。城市轨道交通网络化进程中，随着新线的开通，可能导致路网中原有线路断面客流分布形态、最大断面客流量的变化。而实际影响高峰小时最大断面客流量对应的是其高峰小时系数。

通过剖析东京、大阪、上海城市轨道交通的高峰小时最大客流断面高峰系数：（1）东京、大阪城市轨道交通近阶段系数值基本在20%～35%，部分线路曾经超过40%；上海系数值基本在20%～24%，相对较小，仍应处于增长状态中；（2）连接多个商业中心的线路系数值较小，其非高峰时期的商务客流量较大；（3）断面前有连接城市轨道交通换乘站的系数值较小，断面前的换乘站从一定程度上可能改变断面客流；（4）城市轨道交通线网密度较小处断面系数值较大，在线网基本构成后有所缓解；（5）位于进入市中心第一个换乘点的断面系数值较大，高峰时在此断面聚集了大量的客流；（6）线路延伸、环线贯通，高峰时段列车及全日列车运行调整，可能改变系数值[4]。

由此可见，网络化进程中，断面客流会随着线网规模的扩大而增加，而后趋于稳定，且路网中换乘车站的增加会改变线网断面客流分布形态。

2.3 进出站客流分布特征分析

线网中各车站进出站客流量与车站性质、车站所处区位及时间等因素有关。在城市轨道交通网络化进程中，线网中各站日均进站量尤其是早晚高峰进站量通常会有所增加，但高峰小时进站量占全日进站量的比例会发生变化，且早晚高峰变化规律并不相同[5]。

车站性质的不同会导致进出站客流分布的不同，如可以将城市轨道交通网络中车站划分为六种类型，主要包括居住区车站、办公区车站、居住办公组团车站、商业区车站、站场区车站、枢纽区车站[1]。由于车站用地类型不同，进站客流的规模和时间分布，特别是工作日与周末的客流特征存在较大差异，商业及文体景区类、对外枢纽类、高校类等车站周末进站量高于工作日，且决定车站规模的进站客流最大时段并非全部发生于工作日[1，6]。

以北京为例，4号线进、出站客流量较大的站点有中关村、动物园、西直门及北京南站，与站点周边地区承载的用地功能有关系。例如，中关村及动物园的商业客流量较大，西直门及北京南站的枢纽功能使其往返于城区与郊区的客流量或长途客流量较大[7]。

同一线路上车站所处区位的不同，各车站进出站客流峰值时间点会有较大差异。北京地铁1号线为例，车站的早高峰时间随区位有所不同，如四环以内高峰时间为8：00～9：00，四环至五环高峰时间为7：00～8：30，五环外为7：00～8：00；四环以内在高峰前的1h产生客流激增的现象，并随着高峰小时结束而迅速下降到某一恒定的客流量范围直至晚高峰开始。四环以外，客流变化相对平缓；晚高峰中，高峰客流峰值明显小于早高峰，高峰时间延长。而5号线客流总体状态呈双峰型，具有明显的潮汐现象[8]。

从车站性质、区位等进行分析，不同性质、不同区位的车站进出站客流早晚高峰规律不同，商业性、枢纽性车站非工作日客流量较大，而办公区车站工作日客流较大；总体来说，通勤客流对高峰时段的影响最大。

3 网络化条件下城市轨道交通客流强度特征分析

客流是指单位时间内，轨道交通线路上一定方向（上行或下行）的乘客流动人数。它指明了乘客的数量和所对应乘客移动的方向[9]。城市轨道交通客流强度是指轨道交通网络或线路每公里每H平均承担的客运量，是反映轨道交通线网运营效率和经济效益的一个重要指标[10]。

K=P/L

式中：K为城市轨道交通网络客流强度（万人次/（km/日））；P为城市轨道交通网络日客运量（万人次/日）；L为城市轨道交通网络总长度（km）。

以北京、上海为例，可以看出，在W络化过程中，路网中每增加线路对客运强度有一定的缓解作用；但随着时间的增加，这种缓解作用逐渐消失，并且呈现出客流强度总体增加的趋势（如图7、图8所示）。