基于AHP-TOPSIS法的城市轨道交通线网换乘衔接评价.pdf

63 TRAFFIC&TRANSPORTATION2023 年 9 月 第 39 卷第 5 期（总第 229 期）Sep.2023,Volume 39No.5(Serial No.229)收稿日期：2023-06-06基金项目：国家社会科学基金资助项目（20BGL301）第一作者简介：陈再兴（1995-），男，汉族，河南平顶山人，硕士研究生，主要研究方向：城市轨道交通。基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价陈再兴1，罗 钦2，王 奕2，李 伟2，陈菁菁2，黄俊生2（1.比亚迪股份有限公司汽车工程研究院，广东 518118；2.深圳技术大学 城市交通与物流学院，广东 518118）摘 要：为便于轨道交通的信息化运营管理，利用列车时刻表数据与客流数据构建符合轨道交通线网不同时段的换乘衔接评价体系；选用层次分析法（AHP）计算权重以及理想解法（TOPSIS）进行定量评价，得到 AHP-TOPSIS 法相结合的评价模型。以深圳轨道交通局部线网为例，对高峰、平峰及首末班车4个不同运营时段进行换乘衔接评价。研究表明，权重占比最大的3个指标依次为总换乘等待时间、成功换乘客流量及线网衔接成功率；该局部网络高峰时段换乘衔接效果最好，其次是平峰时段、首班车时段及末班车时段；各指标对各时段的换乘衔接评价存在不同的影响程度，比如平均发车间隔对于高峰时段换乘衔接影响较小。基于模型评价结果，针对不同运营时段提出网络换乘衔接的优化建议。关键词：城市轨道交通；运营时段；换乘衔接；AHP-TOPSIS 法中图分类号：U491文献标志码：A文章编号：1671-3400(2023)05-0063-07Transfer Connection Evaluation of Urban Rail Transit Network Based on AHP-Topsis MethodCHEN Zaixing1,LUO Qin2,WANG Yi2,LI Wei2,CHEN Jingjing2,HUANG Junsheng2*(1.Automotive Engineering Research Institute,BYD Company Limited,Guangdong 518118,China;2.College of Urban Transportation and Logistics,Shenzhen University of Technology,Guangdong 518118,China)Abstract:In order to facilitate the information operation and management of rail transit,the transfer connection evaluation system in different periods of the rail transit network is constructed by using train timetable data and passenger flow data.AHP(Analytic Hierarchy Process)is used to calculate the weight and ideal solution(TOPSIS)is used for quantitative evaluation,and the evaluation model combined with AHP-TOPSIS is obtained.Taking the local line network of Shenzhen rail transit as an example,the transfer connection of 4 different operating periods of peak,Pingpeak and the first and last train was evaluated.The results show that the three indexes with the largest weight ratio are the total transfer waiting time,the number of successful transfer passengers and the success rate of network connection.The local network has the best transfer connection effect during peak hours,followed by the peak hours,the first bus hours and the last bus hours.Each index has a different degree of influence on the transfer connection evaluation at each time period,for example,the average departure interval has a small impact on the transfer connection during peak hours.Based on the results of model evaluation,optimization suggestions for network transfer connection are proposed for different operating periods.Keyword:Urban rail transit;Operation period;Transfer connection;AHP-TOPSIS0 引言 轨道交通建设初期，线网结构简单，各条线路独立运营，运营组织模式单一。随着轨道交通网络的逐步发展，线网结构趋于复杂，各线在换乘节点的衔接问题也逐步突显。目前关于换乘衔接评价的研究主要从线网规122023 年第 5 期 64 模、换乘站周边布局以及内部设施设备等角度开展定性分析1-3，大部分研究多建于理论层面，较少结合轨道交通数据定量评价换乘衔接。如：Chen 等4以轨道交通和常规公交的换乘衔接为研究对象，利用层次分析法构建包含平均换乘走行距离和时间、换乘设施适应性、人均换乘设施面积的评价体系，用 AHP 法确定各指标的权重；Wang 等5分别从换乘通畅性、运能协调性及换乘舒适度 3 个方面构造包含协调性、舒适性、安全性、换乘时间和距离等 5 个指标的评价体系，利用层次分析法对线网的换乘效率进行评价；Shen 等6从主客观 2 个方面分析影响换乘站服务的因素，构建多层次的城市轨道交通换乘服务评价指标体系，采用基于熵权-TOPSIS 的方法对运输服务进行评价；金富达7、胡方方8从换乘设施布局和客流组织的角度对换乘影响因素进行系统分析，并从高效性、便利性、舒适性、经济性及安全性等方面构建换乘站评价指标体系，用灰色关联度法和模糊综合评价法对轨道交通换乘站进行综合评价；王宇嘉等9从换乘设施便捷性、换乘线路客流协调性以及换乘流线顺畅性等 3 个方面构建综合评价体系，采用 Anylogic 仿真软件对乘客、设施等相关指标进行统计及评价。在当前大数据发展的背景下，各行业对信息化的建设有着迫切需求，以大数据作为辅助科学决策的方式逐步得到各行业的认可。针对成网的轨道交通系统，影响乘客换乘衔接的主要因素是各线路列车时刻表。因此，本文以深圳轨道交通的局部线网为例，从列车时刻表和客流量角度分别筛选出评价指标，运用 AHP-TOPSIS 法对线网各运营时段的换乘衔接状况进行科学评价，这不仅可为城市轨道交通网络运营规划提供定量化的研究方法，也可为轨道交通运营人员提供直观或可量化的指标因子，以便实现精细化、信息化管理。1 轨道交通换乘衔接评价体系构建1.1 轨道交通换乘衔接评价体系 对城市轨道交通网络换乘衔接的评价通常呈现多层次性的特点，在构建评价指标体系时，应选取能反映换乘衔接整体水平的主要影响因素。为此，依照各项指标的隶属关系运用层次分析法建立指标体系，该体系包含目标层、准则层及指标层（见表 1）。（1）目标层：综合表征城市轨道交通网络在各时段上的换乘衔接水平，用 O 表示。（2）准则层：各时段城市轨道交通换乘衔接特征包含乘客的换乘效率、列车开行特性10 2 个维度，用P=P1,P2 表示。（3）指标层：该层次是准则层进一步细化的指标，也是整个评价体系中的最底层指标，能够直观地反映评价体系的具体内容。通过专家咨询法（3 名专业老师、2 名深圳地铁运营中心管理人员）收集并筛选出各维度的指标10-11，并用 R=R1,R2,R3,R4,R5,R6,R7 表示（见表 1）。1.2 评价指标计算方法 轨道交通线网节点的换乘衔接效果是网络化运营的重要表现，很大程度上决定了各线路之间在节点（尤其是市中心站点及商圈站点）的衔接能力、各线路运能和运力间的匹配能力，各评价指标的量化方法如下。（1）平均换乘走行时间：通常情况下，换乘走行时间主要与乘客的自然属性（年龄、性别等）有关，为了避免个体差异对宏观评价结果的影响，假设同一方向所有乘客在同一时段内的走行时间相同。而平均换乘走行时间 Tz指在研究时段内，线网中所有换乘方向换乘走行时间的平均值。Tz=1 tg,ijpq,Tra（1）m式中：S=1,2,g,s 为车站集；s 为线网中车站总数；L=1,2,3,i,j,n 线路集；i 为输出线路；j 为衔接线路；n 为线网中线路总数；m 为线网换乘方向数量；pq1,2 为线路方向，1 代表上行，2 代表下行；tg,ijpq,Tra为乘客从线路 i 的 p 方向下车后走行至线路 j 的 q 方向站台的换乘走行时间，通过实地调查获得。（2）总换乘等待时间：换乘等待时间指乘客到达衔接线路站台后，等待衔接列车到站的时间，由衔接方向时刻表和对应的换乘走行时间计算得到。总换乘等待时间指在研究时段内，线网中各个换乘方向的换乘等待时间与对应的成功换乘客流量乘积的总和。Td=tg,ijpq,w Qg,ijpq（2）式中：tg,ijpq,w为乘客从线路 i 的 p 方向下车走行至线路 j的 q 方向站台的换乘等待时间；Qg,ijpq为实际需要换乘等待的客流量，由于难以统计，假设 Qg,ijpq与指标成功换乘客流量相等。（3）成功换乘客流量：指的是研究时段内线网中所有换乘方向成功实现换乘的客流量之和。由于无法精确表 1 轨道交通网络换乘衔接评价体系目标层（O）准则层（P）指标层（R）指标属性轨道交通网络换乘衔接换乘效率 P1 平均换乘走行时间 R1/s定量总换乘等待时间 R2/s成功换乘客流量 R3/万人换乘客流占比 R4/%列车开行特性 P2平均列车发车间隔 R5/min总开行车次数 R6/列线网衔接成功率 R7/%gSpq1,2i,jL 且 ijgSpq1,2i,jL 且 ij陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价2023 年第 5 期 65 获得每个乘客的换乘情况，因而用地铁清分系统获得的各个换乘方向的换乘客流来代替各个换乘方向的成功换乘客流量。（4）换乘客流占比：指的是研究时段内线网中成功换乘客流量与换乘站内部发生客流量之比，其中，换乘站内部发生客流量包含发生在此站的换乘客流、进出站客流；各站的进出站客流由地铁 AFC 刷卡数据处理获得。（5）平均列车发车间隔：指的是研究时段内线网中所有运行方向列车发车间隔的平均值，可通过实际运行的时刻表统计得到。（6）总开行车次数：指的是研究时段内线网中所有运行方向开行车次数之和。（7）线网衔接成功率：单个换乘关系的衔接成功率G 指的是研究时段内输送线路能和衔接线路实现成功衔接的列车数与输送线路发车总数之比，如式（3）所示；线网衔接成功率指线网中所有换乘方向衔接成功率的平均值，计算表达式如（4）所示。G=N（3）Nh G=1 G（4）m 式中：m 为线网换乘关系总数；N 为该时段内可实现换乘的车次数；Nh为该线路方向总车次 数量。2 基于 AHP-TOPSIS 法的换乘衔接评价模型 TOPSIS 法虽然可以有效地利用原始数据对各个方案进行评价，但是仍存在不足：需要量化每个指标，才能获得指标数据值；各指标权重事先已经确定好，而且通常是主观值；当评价方案与正负理想解的距离一样时，无法准确计算评价结果等。因此，针对的不足，选用 AHP 法科学决策权重，并将其应用到 TOPSIS模型。2.1 基于 AHP 法的指标权重计算 由表 1 的准则层可知，所建的轨道交通换乘衔接评价体系包含 2 个维度，每个维度的重要程度不相同，而且每个维度的子指标的重要度也不相同，为保证合理评价，各个指标的重要度需根据实际情况予以计算。结合本次研究的评价目标及各个指标，最后选取带有主观赋权作用的层次分析法（Analytic Hierarchy Process，AHP）12。AHP 法首先根据决策者的经验判断，通过两两比较的方法确定评价体系中各因素间的相对重要程度，最后通过计算判断矩阵得出各个指标的权重。具体操作步骤如下所示。步骤 1：构建判断矩阵。根据同一层次元素相对于上一层的差异性构建判断矩阵 B，bij表示该层元素 i 较gSpq1,2i,jL 且 ij元素 j 相对于上一层的重要度，且 0bij1，bij=1/bji，bii=1，i,j1,2,n，n 表示该层的元素数量。b11 b1n B=（5）bn1 bnn 步骤 2：比较标度。利用 1 9 标度法13的两两比较判断原理，对上述判断矩阵同层次的指标进行比较赋值（见表 2）。步骤 3：权重计算。对步骤 2 的判断矩阵求最大特征值的特征向量，并对特征向量进行归一化处理得到特征向量分量，即该元素相对于上一层元素的权重，具体计算过程如下。（1）先将判断矩阵 B 的每列归一化处理，得到 bij；再将 bij的每行相加得到特征向量 wi；bij=bij/bkj（6）wi=bij（7）（2）将特征向量 wi也进行归一化处理，得到 wi，即判断矩阵 B 的最大特征值所对应的特征向量分量，也为元素 i 相对于上一层元素的权重。wi=wi/wi（8）为便于区分，准则层元素相对于目标层的权重记作 W=w1,w2,w3，指标层相对于准则层的权重记作Wi=wi1,wi2,wi3。步骤 4：一致性检验。为了减小权重计算结果的偏差，对判断矩阵引入一致性检验，步骤如下。（1）计算判断矩阵的最大特征值。max是 B 的最大特征值，Bi Wik为向量 Bi Wi的第 k 个元素，具体公式如下，其中 n 为矩阵阶数：max=Bi Wik（9）nWik（2）计算一致性比率 CCR。首先，通过式（10）的max计算 CCI，CCI越大，不一致性越大，反之则一致性越小；然后，通过式（11）计算一致性比率 CCR，其中 RRI为随机一致性指标（见表 3）。当 CCR 0.1 时，认为判断矩阵 B 的不一致性在允许的范围之内且通过一致性检验，表 2 指标重要程度分级赋值标准表标度定义说明1同等重要前者指标和后者有相同重要性3稍微重要前者比后者稍重要5比较重要前者比后者明显重要7明显重要前者比后者强烈重要9绝对重要前者比后者极端重要2，4，6，8 表示相对的重要程度介于 2 个相邻等级之间倒数若指标 a 相对 b 的重要程度为 bij，则指标 b 相对 a 的重要程度为 1/bjink=1ni=1ni=1nk=1陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价2023 年第 5 期 66 反之，则需修改判断矩阵，直到能通过一致性检验为止。CCI=max n（10）n 1 CCR=CCI（11）RRI2.2 基于 AHP-TOPSIS 法的换乘衔接评价模型 TOPSIS 法的基本过程为：先统一原始数据矩阵的指标类型（一般指正向化处理），得到正向化矩阵；再通过标准化对各指标进行无量纲处理后，将上述 2.1 的权重加权到标准化矩阵上得到加权规范矩阵，找到所有指标的最优值和最劣值并分别组成最优方案和最劣方案；最后分别计算各评价方案与最优方案（正理想解）、最劣方案（负理想解）的欧几里得距离以及综合评分指数，并以此作为评价各方案优劣的依据14。本文重点关注轨道交通线网在各个不同时段的换乘衔接效果，将各个研究时段看作是 TOPSIS 法中的各个评价方案。TOPSIS 法中设多属性决策的方案集为 D=d1,d2,dm，而衡量评价方案优劣的指标集为 X=x1,x2,表 3 随机一致性指标 RRI取值表阶数123456789RRI000.58 0.90 1.12 1.24 1.32 1.41 1.45xn，这时方案集 D 中的每个方案 di(i=1,2,m)的 n个指标值构成的向量是 ai1,ai2,ain，ain作为 n 维空间中的一个点，能唯一地表示方案 di。具体计算步骤如下。步骤 1：将换乘衔接评价指标分成极小型指标与极大型指标，再根据公式统一将极小型的指标进行正向化，公式如下：aij=max(aj)aij（12）式中：aij为第 i 个方案的第 j 个指标；aij为极小型指标正向化的结果；max(aj)为第 j 列指标中的最大值。步骤 2：用向量规范化的方法求得规范决策矩阵B=(bij)mn，其中 aij bij=（13）a2ij,i1,2,m,j1,2,n 步骤 3：将 AHP 法所得权重向量 w11,w12,w13,w14,w21,w22,w23,w24 转置为 wj，构造出加权规范阵 C=(cij)mn，则 cij=wj bij,i1,2,m,j1,2,n（14）步骤 4：确定最优换乘衔接方案（正理想解，各指标越大越好）C*和最劣换乘衔接方案（负理想解，各指标越小越好）C 0。设 C*的第 j 个指标值为 Cj*，C 0第j 个指标值为 Cj0，则mi=1 正理想解 Cj*=maix cij，j 为效益型属性，j1,2,n（15）maix cij，j 为成本型属性，负理想解 Cj0=maix cij，j 为效益型属性，j1,2,n（16）maix cij，j 为成本型属性，步骤 5：计算各个研究时段分别与正理想解与负理想解之间的距离。研究时段 di到正理想解的距离为 Si*，到负理想解的距离为 Si0，如下所示：Si*=(Cij Cj*)2,i1,2,m（17）Si0=(Cij Cj0)2,i1,2,m（18）步骤 6：计算各个研究时段换乘衔接效果的排序指标值，综合评价指数 fi*取值范围为（0，1），并按由大到小对各个时段的优劣进行顺序，其中 fi*越大代表该换乘关系的衔接效果越优，越小代表其越差，计算公式如下：fi*=Si0 ,i1,2,m（19）Si0+Si*3 案例分析 考虑到线网各方向上客流的导向性，从全网适用性角度，选择深圳轨道交通纵横交错较为明显的“井”字型线网拓扑结构开展换乘衔接的评价，包含 1 号线、4号线、5 号线和 7 号线，换乘站则选择了位于区域外围nj=1nj=1北部的深圳北站和西丽站、西部的宝安中心站以及市中心的车公庙站和会展中心站（见图 1）。其中，十字形状代表换乘站，箭头所指代表该线路的上行方向。图 1 深圳地铁线路拓扑结构图（局部）3.1 评价指标权重计算 车公庙站只考虑 1 号线和 7 号线的衔接关系，深圳北站只考虑 4 号线和 5 号线的衔接关系，分别选取工作日 4 个时间段：2021 年 9 月 3 日的首班车时段（6:007:00）、高峰时段（8:009:00）、平峰时段（11:00?陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价2023 年第 5 期 67 为使各指标权重间层次分明，分别对其进行标注，其中准则层权重 W=w1,w2；指标层中换乘效率权重W1=w11,w12,w13,w14，列车开行特性权重 W2=w21,w22,w23。根据 AHP 权重计算模型，得出准则层的权重及指标层各个指标的权重，并通过一致性检验，计算各层指标权重结果（见表 5、6）。根据表 6 中的判断矩阵，计算出 O-P 矩阵最大特征值max=3，CCI=0，RRI=0，CCR=0 0.1，满足一致性检验，所以可接受准则层各指标权重 w1,w2=0.66,0.33。表 5 准则层 O-P 元素判断矩阵及权重值表准则层（P）判断矩阵（B）权重系数一致性检验换乘效率 P111/20.66CCR=0 0.1通过一致性检验列车开行特性 P2210.33表 6 指标层 P-R 元素判断矩阵及权重值表准则层（R）判断矩阵（B）权重系数一致性检验平均换乘走行时间 R1132 1/3 0.21CCR=0.006 0.1通过一致性检验总换乘等待时间 R21/3 1 1/2 1/5 0.38成功换乘客流量 R31/2 21 1/4 0.32换乘客流量占比 R425410.09平均列车发车间隔 R51340.20 CCR=0.047 0.1通过一致性检验总开行车次车数 R61/3120.31线网衔接成功率 R71/41/210.4912:00）和末班车时段（23:0024:00）。结合深圳地铁公司运行图数据、地铁 AFC 清分系统、实地统计乘客换乘走行时间、换乘等待时间、衔接成功率等（其中高峰、平峰的输送列车总存在与之进行衔接的列车，因而线网衔接成功率均视为 1.0），计算各指标的结果（见表 4）。表 4 各评价指标计算结果时段平均换乘走行时间/s总换乘等待时间/s成功换乘客流量/万人换乘客流量占比/%平均发车间隔/min总开行车次数/列线网衔接成功率/%首班车时段170.0052.420.330.434.831100.49高峰时段194.00332.607.730.502.721841.00平峰时段172.00108.310.880.355.40911.00末班车时段170.0069.220.500.306.47720.72表 8 各指标标准化处理结果时段平均换乘走行时间总换乘等待时间成功换乘客流量换乘客流量占比平均发车间隔总开行车次数线网衔接成功率首班车时段0.593 40.629 40.042 30.534 4 0.478 80.453 10.295 0高峰时段000.990 60.621 4 0.269 700.602 1平峰时段0.543 90.503 80.112 80.435 0 0.535 30.569 50.602 1末班车时段0.593 40.591 60.064 10.372 9 0.641 40.685 80.433 5同理计算得出：P1 R 矩阵的max=5.026，CCI=0.007，RRI=1.12，CCR=0.006 0.1，w11,w12,w13,w14=0.21,0.38,0.32,0.09；P2 R 矩阵的max=3.054，CCI=0.027，RRI=0.58，CCR=0.047 0.1，w21,w22=0.21,0.31,0.49。最后根据准则层和指标层权重计算得到层次总排序权重，其中总换乘等待时间权重占比最大，换乘客流量占比权重最小（见表 7）。3.2 换乘衔接评价及分析3.2.1 各时段换乘衔接评价 根据 2.2 节的步骤 1、2 和 3，先对极小型指标平均换乘走行时间、总换乘等待时间、总开行车次数进行正向化处理，为了消除不同单位量纲影响，再对各指标进行标准化处理，最后结合上述所得权重计算出加权规范矩阵（见表 8、9）。根据 2.2 节的步骤 4，得出各个时段换乘衔接效果最佳的正理想解为 C*=0.082 2,0.157 8,0.209 2,0.036 9,表 7 层次总排序结果P-R 权重O-P 权重总排序权重 权重排名w1=0.666w2=0.333w110.210.138 64w120.380.250 81w130.320.211 22w140.090.059 47w210.200.066 06w220.310.102 35w230.490.161 73陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价2023 年第 5 期 68 0.042 3,0.070 2,0.097 4以及最劣的负理想解为C 0=0.000 0,0.000 0,0.008 9,0.022 1,0.017 8,0.000 0,0.047 7，再根据步骤 5 和 6 计算出各个时段与 C*和 C 0的欧几里得距离，并根据综合指数得分进行优劣的排序（见表 10）。3.2.2 评价结果分析（1）换乘效率方面。乘客总希望以最快且便捷的形式进行换乘，他们认为换乘走行时间和等待时间越小越好，而运营企业关注的是在最短时间内实现换乘站内换乘客流的输送。从表 9 可知，平均换乘走行时间与总换乘等待时间指标对首末班车时段、平峰时段的影响不大，因为这 2 个指标在 3 个时段基本变化不大，而高峰时段明显比其他 3 个时段低；由成功换乘客流量与换乘客流量占比的变化趋势可知，这 2 个指标随着时间的推移先上升，在高峰时段达到最大后再逐步下降。综上，推断高峰时段客流的换乘效率最大。（2）列车开行特性方面。运营企业主要关注列车的发车成本，希望以最少的开行次数换来最高的衔接成功率。从表 9 可知，平均发车间隔、总开行车次数均是先下降，在高峰时段达到最小后再逐步上升，这是因为高峰时段以最小的发车间隔开行了最多的车次；线网衔接成功率由于在高峰、平峰时段均默认为 1.0。因此，加权计算结果相等且均为最大。在结果分析阶段，首先要根据综合指数得分对评价等级进行划分，用来表示换乘衔接关系的优劣程度，此次研究将评价等级划分为优秀、良好、一般及较差 4 个等级（见表 11）。表 10 各个时段的正负理想解距离及综合评价指数时段正理想解距离负理想解距离综合指数得分 排名首班车时段0.034 8 0.023 50.403 13高峰时段0.025 50.047 6 0.651 1 1平峰时段0.027 4 0.031 3 0.533 3 2末班车时段0.032 5 0.013 7 0.296 5 4表 11 换乘衔接评价标准表优劣等级优秀良好一般较差 fi*值(0.91.0(0.60.9(0.30.6(0 0.3 结合表 10、11 可知，4 个时段的换乘衔接优劣顺序为：高峰时段（8:009:00）、平峰时段（11:0012:00）、首班车时段（6:007:00）及末班车时段（23:0024:00）。按照等级划分标准，高峰时段良好，平峰时段和首班车时段一般，末班车时段较差。综合看，各个时段均未到达优秀的等级，且末班车时段的综合指数不足 0.3，远小于高峰时段，存在较大提升空间。综合指数最高值是高峰时段的 0.651 1，其与正理想解 C*的距离最近，与负理想解 C 0的距离最远。主要因为 8:009:00 为早高峰，该时段通勤客流量大，成功换乘客流量达 7.73 万人，明显高于其他时段，且列车开行车次数也最多，各换乘方向的衔接成功率相应也最高。末班车时段的综合指数为 0.296 5，综合指数最低。和首班车时段相比，总换乘等待时间和成功换乘客流量的数值几乎接近，影响不大，但权重占比第三大的线网衔接成功率比首班车小，原因是末班车时段 1 号线发车间隔为610、4号线为615、5号线550及7号线740，均比首班车时段的发车间隔大，导致此时段各线之间匹配性低，衔接状态也不算良好。3.2.3 各时段换乘衔接完善建议 针对高峰时段，一方面，此时段的发车间隔较小，调整空间不大，运营企业可适当调整各线上下行列车在起点站的发车时间，防止出现上下行列车同时到站的情况；另一方面，由于高峰期的成功换乘客流量最多，可在站内重点客流集散点，如在闸机、楼梯口及通道拐角等位置增设指示标志、栅栏或者以人工疏导的形式对客流进行合理分流及路径规划，使乘客快速换乘。平峰时段重点是从线网角度调整各方向列车在换乘站的到发时间，提升线网各方向列车衔接，以期减少线网乘客的总换乘等待时间。首末班车时段可在考虑客流需求下，尝试通过调整各线的列车发车间隔方式，以此提高线网的衔接成功率以及成功换乘客流量和换乘客流量之比。4 结语 以深圳轨道交通局部线网为评价对象，结合层次分析法的原理建立符合各时段实际运营的评价体系，从各表 9 各指标加权规范化结果时段平均换乘走行时间总换乘等待时间成功换乘客流量换乘客流量占比平均发车间隔总开行车次数线网衔接成功率首班车时段0.082 2 0.157 8 0.008 9 0.031 7 0.031 6 0.046 4 0.047 7 高峰时段000.209 2 0.036 9 0.017 8 0 0.097 4 平峰时段0.075 4 0.126 4 0.023 8 0.025 8 0.035 3 0.058 3 0.097 4 末班车时段0.082 2 0.148 4 0.013 5 0.022 1 0.042 3 0.070 2 0.070 1 陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价2023 年第 5 期 69 时段的运营时刻表数据及客流数据中科学地筛选了影响换乘衔接的 7 个评价指标，并对各个评价指标进行科学的权重分配。计算结果表明，权重占比最大的 3 个指标依次为总换乘等待时间、成功换乘客流量及线网衔接成功率。同时，运用 AHP-TOPSIS 法评价模型分析线网各研究时段的换乘衔接水平，结果表明，此局部线网的高峰时段换乘衔接水平最高、末班车时段最差，但仍有提升空间。鉴于 AHP 法偏主观性，未考虑各指标数据的客观波动特征，故各个指标权重可能存在误差，后续研究可采用客观权重计算法将数据的波动特征予以考虑。此外，本文只考虑了局部的深圳地铁线网，在最后使用评价模型计算各时段的综合评价指数时，也会存在一定偏差；也较为主观地划定了评价等级，后续可通过更多样的数据，以获得更准确的评价等级范围。参考文献：1 田苗苗.城市轨道交通线网换乘系统分析与效率评价 D.北京：北京交通大学，2007.2 YAO L Y,SUN L S,WANG W H,et al.Connection facility layout model of subway stationsJ.SAGE Publications,2015,7(1):45-73.3 苏星燕.城市轨道交通换乘站运营协调效率的评价研究D.长沙：中南大学，2010.4 CHEN Q,CHEN J.Evaluation on the transfer efficiency between intercity rail and conventional public transitC/COTA,Shanghai Maritime University.16th COTA International Conference of Transportation Professionals.Shanghai:COTA,Shanghai Maritime University.2016:1566-1579.5 WANG Z C,WANG L J,GAO F.Evaluation of Transfer Efficiency for Urban Rail TransitJ.Railway Transport and Economy,2007,30(1):74-76.6 SHEN X,DU H,YUAN Y,et al.Evaluation and Optimization of Transfer Service Quality of Urban Rail Transit Based on Entropy-TOPSIS MethodC/COTA International Conference of Transportation Professionals.Xian:American Society of Civil Engineers(ASCE),2020:258-270.7 金富达.城市轨道交通换乘系统评价体系与方法研究 D.北京：北京交通大学，2013.8 胡方方.城市轨道交通换乘系统综合评价研究 D.广州：华南理工大学，2018.9 王宇嘉，张振宇.城市轨道交通枢纽换乘衔接评价体系研究 J.物流技术，2016，35（4）：113-117.10 王萌.网络化城市轨道交通列车衔接评估与优化研究：以深圳地铁为例 D.北京：中国铁道科学研究院，2020.11 杨永泰.城市轨道交通网络列车运行图评估方法研究 D.深圳：深圳大学，2019.12 胡业林，孟子筠，陈华亮，等.基于 AHP-FCE 的通信系统风险评估 J.科学技术与工程，2022，22（28）：12460-12467.13 HUANG W C,SHUAI B,SUN Y,et al.Using Entropy-TOPSIS method to evaluate urban rail transit system operation performance:The China caseJ.Transportation Research Part A:Policy And Practice,2018,111:292-303.14 杨冀琴，田秦，徐占东，等.城市轨道交通网络首班车时段时刻表优化研究 J.重庆交通大学学报（自然科学版），2021，40（8）：50-56；87.15 YU D,HAN B,YAO X.Coordination optimization of last train connections in urban rail transit network based on dwell time adjustmentJ.Journal of Beijing University of Technology,2018,34(15):158-176.陈再兴，罗 钦，王 奕，李 伟，陈菁菁，黄俊生：基于 AHP-TOPSIS 法的城市轨道交通线网换乘衔接评价