基于Lorenz曲线的城市轨道交通客流分布分析.pdf

2023年12 月第8 卷第4 期基于 Lorenz曲线的城市轨道交通客流分布分析西安交通工程学院学术研究Academic Research of Xian Traffic Engineering InstituteDec.2023Vo1.8No.4王国娟，张瑞，董琰瑞(西安交通工程学院陕西西安7 10 30 0)摘要：本研究以西安市地铁客流量为研究对象，首先，对地铁线路总客流量进行分析，得出各线路总客流量分布规律：2月份西安市地铁客流总量排名顺序为2 号线 3号线 4 号线 1号线 6 号线 5号线 9 号线 14 号线；其次，构建了基于Lorzen曲线的地铁客流分布特性指标分析模型，对西安地铁8 条线路客流分布强度进行分类，得出不同线路2月份日客流量最大分布区间为：1号线、4 号线日客流量最大区间为 6 0，6 5)，2 号线日客流量最大区间为 10 0，10 5、105，110）2 个区间，3号线日客流量最大区间为 7 0，7 5)，5号线日客流量最大区间为 35，4 0)，6 号线日客流量最大区间为 50，55)，9号线日客流量最大区间为 11，12)，14 号线日客流量最大区间为 7，8)。最后，从行车组织、客运组织、应急处置3个方面提出相应的改善措施与建议。关键词：城市轨道交通；Lorzen曲线；客流；改善措施与建议中图分类号：U491文献标识码：AAnalysis of Passenger Flow Distribution in Urban Rail Transit Basedon Lorenz CurveWANG Guojuan,ZHANG Rui,DONG Yanrui(Xian Traffic Engineering Institute,Xian Shaanxi 710300,China)Abstract:This study takes Xian subway passenger flow as the research object.First,the total passenger flow of subway lines isanalyzed,and the distribution law of total passenger flow of each line is obtained:the ranking order of total passenger flow of Xiansubway in February is Line 2 Line 3 Line 4 Line 1 Line 6 Line 5 Line 9 Line 14;Secondly,an analysis model ofsubway passenger flow distribution characteristic index based on Lorzen curve is constructed to classify the passenger flowdistribution intensity of 8 lines of Xian Subway,and the maximum distribution range of daily passenger flow of different lines inFebruary is as follows:The maximum daily passenger flow interval of Line 1 and Line 4 is 60,65,Line 2 is 100,105 and105,110,Line 3 is 70,75,Line 5 is 35,40,and Line 6 is 50,55,Line 9 is 11,12,and Line 14 is 7,8.Finally,correspondingimprovement measures and suggestions are put forward from three aspects:traffic organization,passenger transportationorganization and emergency handling.Keywords:urban rail transit;Lorzen curve;passenger flow;improvement measures and suggestions引言地铁系统作为城市交通系统的一个重要组成部分，分析地铁线路时空分布特性，选择最优的出行线路，对于调节客流分布特性具有十分重要的意义。当前对于城市轨道客流分布特征主要从空间分布特征和时间分布特征两部分进行分析，研究对象主要以日客运量、月客运量、年均客运量为主。文献 1 9 以日客运量为研究对象，对成都市、北京地铁大兴机场线、长沙市、南京地铁、北京市等地铁网作者简介：王国娟（1994-），女，助教，硕士，交通运输规划与管理。基金项目：大学生创新创业训练计划项目（XJY2023DC18）、2 0 2 3年西安交通工程学院校级教改项目“应用型本科院校毕业论文（设计）特性分析与提升举措研究”。络日客运量空间和时间分布特性进行分析，研究表明地铁网路在时间特性和空间特性方面存在不均衡性。文献 10 13 以北京地铁网络、广州地铁等为研究对象，从时间和空间等维度分析节假日、工作日地铁客流的变化规律。王小敏 14 等，以某城市3条地铁线路1月份2 6 天客流量为研究对象分别从全网客流量时间、空间及地铁站点分布等角度，对全网各地铁站点客流量的随机性、趋势性、不均衡性、规律性等特点进行了分析；梁静 15 以天津地铁5号线为例，选取2 0 15和2 0 2 0 年天津市POI数据探究46基于Lorenz曲线的城市轨道交通客流分布分析站点周边商业的分布特征及地铁发展对商业业态的影响，研究表明建成前后商业集聚特征存在变化，不同商业类型集聚特征有所差异；袁江 16 在时间维度上提出客流分布在年内、月内及周内的不均衡规律，分析了节假日对车站客流的影响，在空间维度上分析车厢内客流密度在不同区间、不同编组、不同车厢区域的分布规律以及客流在车站站台上的分布规律。当前研究除对城市地铁网络春节等大型节假日所在月份客流量分布特性缺乏研究外，还对地铁线路客流量主要分布区间缺乏研究。在进一步研究中除对城市客运量线路分布特点展开研究外，还应对地铁网络各线路日客流量主要分布区间进行研究，找出日客流量的主要分布区间，有针对性进行管理，优化运营人员配备，提高运输效率。1基于Lorenz 曲线的客流分布模型构建本研究以地铁客流量为研究对象采用Lorenz曲线的频次一等级排序能直接进行聚集性分析，若地铁客流分布特性指标分布是均匀的，则Lorenz曲线与直线y=x重合，表明研究对象不存在聚集性；若地铁客流量分布特性指标存在特殊分布的热点，则各指标先缓慢增长后迅速增长。其中聚集系数Q用以描述 Lorenz 曲线的聚集程度，其值为/(+),其中：为Lorenz 曲线与直线y=x之间的面积，为Lorenz 曲线与x轴之间的面积：O=1-2fLdx其中：L表示Lorenz曲线函数表达式。+Lorzen曲线0.40.20.0-0.0图1Lorenz曲线示意图聚集系数越大表示分布越不均匀。Q0.4时呈聚集性，Q0.5呈强聚集性。结合ABC管理分类法，根据因素个数累计比值(y轴)将Lorenz 曲线分为3个区间，如表1所示。本研究以地铁日客流量分布区间天数累计比值(轴)为研究对象，对各线路的日客流量分布区间进行分析。表1曲线区间分布累计度分布区间分类0.21.0类0.1 0.2类00.1II类2 案例分析2.1数据获取本研究采集了2 0 2 3年2 月份西安市全市地铁线路每日客流量，涵盖西安地铁现有的8 条线路，包括1号线、2 号线、3号线、4 号线、5号线、6号线、9号线和14 号线，各线路2 月份客流量如图2所示。2.2线路总客流特征分析2月份西安地铁客流总量排名顺序为2 号线 3号线 4 号线 1号线 6 号线 5号线 9号线 14 号线。9号线和14 号线途径地铁站点大多位于新开发区域，因此客流量最少；1号线、2 号线、3号线和4 号线较9号线、14 号线客流量居多的原因如下：2.2.1线路包含交通接驳站西安市对外交通以航空和铁路运输为主，地铁2号线作为中轴线贯穿西安重要地区，2 号线最北端北客站在连接西安北站的同时，与14 号线路（机场专线）接驳，主要疏散西安北站乘客，因此春节期间客流量较大；4 号线路途径西安火车站和西安北站，由于西安北站与西安火车站换乘乘客多采乘坐4 号线路，首日和收假前的客流在交通接驳站乘(1)车的比例相对较大，因此4 号线路同样客流量较多。2.2.2线路包含旅游景点接驳站西安市作为旅游城市，春节期间吸引大量外地旅客。其中2 号线包含北大街、钟楼、小寨站等站点；3号线包含小寨、大雁塔和青龙寺等站点；4号线包含了大差市、大明宫、大唐芙蓉园等站；5号线包含青龙寺、阿房宫南等站。此类站点作为旅0.20.40.60.8累计比值研究对象等级主要事物次要事物更次要事物1.0游景点客流集散重点站点，在节假日期间为外来旅客提供主要的旅游接驳服务。2.2.3线路包含购物中心或CBD城区西安市作为旅游城市，在吸引大量外地游客观光的同时，带来巨大的经济效应。例如紧邻小寨购物中心的小寨站，在春节假期期间日客流量达到了38.4万。2.2.4线路包含居民集中居住点47基于Lorenz曲线的城市轨道交通客流分布分析春节作为国内最重要的传统节日，大部分居民会选择探亲访友，此部分乘客首发站主要集中在北客站或五路口，到达站集中在不同的居民区，如3号线可以到达的北郊、4 号线到达的南郊。2.2.5线路包含医院等大型医疗站点西安市作为新一线城市有着丰富的医疗资源，大量乘客选择假期期间就医。例如，2 号线途径中心医院和西安中医医院、1号线途径西安第一附属医院、5号线途径儿童医院。22500-Y2 0 0 01500-1000-500-图2 西安地铁各线路2 月客流总量1号线2号线3号线4号线15.78%5号线8.83%6号线17.34%9号线14号线13.02%2.26%1.73%25.46%15.58%图3地铁客流线路占全线路比例2.3线路日均客流特征分析西安地铁2 月份日客流量在5.0 4 万 10 8.8 1万人次间。1号线、4 号线2 月份日客流量最大区间为 6 0，6 5），在此区间的日客流量天数分别占2月份总天数的4 7%和37%；2 号线2 月份日客流量最大区间为 10 0，10 5、10 5，110）2 个区间，均占4 月份总天数的2 7%；3号线2 月份日客流量最大区间为 7 0，7 5），占2 月份总天数的37%；5号线2 月份日客流量最大区间为 35，4 0），占2 月份总天数的7 3%；6 号线2 月份日客流量最大区间为50，55），占2 月份总天数的53%；9号线2 月份日客流量最大区间为 11，12），占2 月份总天数的47%；14 号线2 月份日客流量最大区间为 7，8），占2 月份总天数的50%。1.010.80.20.00.01.00.8-0.2-0.0-1号线2 号线3号线4 号线5号线6 号线9号线14 号线线路1.0-0.8-0.61.0.2020.4累计比值(a)1号线0.20.4累计比值(c)3号线1.0+0.840.20.00.01.0-0.80.20.0-0.0西安市地铁线路客流量时间、空间分布差异较大，识别出各线路客流量分布主要区间，若能对客流量分布重点区间进行重点管理，有助于有针对的配备地铁运营及管理人员，降低投资成本。3结论3.1行车组织1)根据历年的客流数据不断改善和完善节假日客流运行图和节前运行图的绘制；2)对在地铁行车组织中还未具有节假日列车运行图的线路，应在分0.6.0.60.20.4累计比值(e)5号线0.20.4累计比值(g)9号线图4 客流量分布天数Lorenz曲线图0.80.80.60.80.60.80.01.0-0.8-1.00.00.0(d)4号线1.0+0.8-0.40.21.00.00.01.0-0.8-0.20.0-1.00.0(h)14号线0.2(b)2号线0.20.4概计比值0.20.4累计比值(6号线0.40.60.2累计比值0.4累计比值0.60.60.60.80.80.80.81.01.01.01.048基于Lorenz曲线的城市轨道交通客流分布分析析历年节假日客流数据的基础之上，关注线路客流量的变化程度，灵活改动行车方案；3）对相同线路不同区间采取不同的行车组织方案。例如对西安地铁5号线郊区线路：西安东站一一创新港区间采用小交路和大交路交替运行的行车组织方式，减少行车资源浪费。3.2客运组织1)通过历史数据或客流实时监测等方法对重点大客流车站采用限制、控制、封控等手段进行限流；2)强化地铁员工的安全责任意识、服务意识；3)通过及时完善地铁导向标志、出行指导等客运组织工作方式来缓解大客流所导致的各项问题。3.3应急处置1）针对不同的大客流车站采取一站一方案的措施，并对员工定期进行安全理论学习和安全演练工作，保证车站在大客流情况下的安全运营，提升车站的应急响应能力。2）通过利用路网监控设备，提升车站识别大客流和发生事故时及时和处理能力，通过分析线网的动态监测合理安排列车开行和限流措施，提高应急处置的综合能力。4结论本研究以西安地铁2 月份客流为研究对象，得出2 月份西安地铁客流总量排名顺序为2 号线 3号线 4 号线 1号线 6 号线 5号线 9号线 14 号线。另一方面，建立了基于Lorzen 曲线的地铁客流分布模型，对西安地铁8 条线路的客流分布进行分类，得出不同线路的日客流量分布区间。并从行车组织、客运组织、应急处置3个方面提出改善措施与建议。参考文献1孙何佳原,臧佳钰,林颖馨等.成都市大运会期间地铁大客流特性研究与组织方案优化 J.科技与创新,2 0 2 3,No.222(06):121-123+128.2孙继营,杨晓飞,刘晓庆等.北京地铁大兴机场线客流特征分析与行车组织方案研究 .城市轨道交通研究,2 0 2 3,2 6(0 3):119-124.3刘令.城市轨道客流成长规律和网络运营初期客流特征-以长沙市为例 J.交通与港航,2 0 2 3,10(0 2):4 5-52.4施泉,唐超.城市轨道交通车站客流时空分布特征分析以南京地铁为例 J.综合运输,2 0 2 0,4 2(0 7):12-17.5曹敬洽,许琰,孙立山等.基于轨道交通数据的客流特征与城市功能结构分析 J.都市快轨交通,2 0 2 1,34(0 2):7 1-7 8+8 5.6王焱,谢青,骆开荣.贵阳地铁双线客流特征及网络化运营思考 J.科技创新与用,2 0 2 3,13(2 9):7 5-7 8.7李沁鲜.基于线网稳定期的地铁客运量预测方法研究 .黑龙江交通科技,2 0 2 2,4 5(0 1):16 6-16 8.8史亚东.公众环境关心对绿色出行的影响-地铁客运量的实证分析 J.调研世界,2 0 19(12):9-15.9袁满,严明瑞,单卓然.地铁对沿线空气质量的影响机制及规划策略一基于武汉市三条地铁线路的实证研究 J/OL.城市规划:1-8 2 0 2 3-11-17 .10聂小虎,吴东平,安静仪等,基于LightGBM 和 SHAP 的地铁短时进站客流预测及影响因素分析 J.铁道经济研究,2 0 2 3(05):50-55.11田钊,程钰婕,张乾钟等.基于 ASTLSTM 的地铁乘客流量短时预测 J/OL.郑州大学学报(理学版):1-7 2 0 2 3-11-17 .12刘静雅.基于AFC数据的城市轨道交通客流特征分析及短时预测研究 D.北京交通大学,2 0 2 2.13刘若鸿,吴海燕.节假日城市轨道交通客流特征分析-以北京市为例 J.智能城市,2 0 17,3(0 3):34 3-34 5+34 7.14王小敏,刘正琦,汪估.城市轨道交通全网线路的客流特征挖掘 .铁道通信信号,2 0 2 2,58(0 9):8 1-8 5.15梁静.基于POI数据的地铁站点周边商业分布特征及形成机制研究一一以天津地铁5号线为例 J.现代城市轨道交通,2 0 2 2(0 7):97-10 2.16袁江,彭磊.广州地铁运营客流分布特征研究与应用 .都市快轨交通，2 0 18,31(0 4):6 3-6 8.向一一基于北京市49