薛育敏苏州高新有轨电车集团有限公司运营分公司摘 要：苏州轨道交通目前仍未有整合地铁、有轨电车、城际铁路的客流分析预测系统。在对现有轨道数据分析的基础上，确定系统功能的定位和设计原则，将客流分析预测系统分为基于大数据及出行链的乘客出行特征分析、多场景需求预测及灵敏度分析、突发事件下影响多方式轨道交通客流分析、多方式轨道交通客流状态实时推演、客流分析与预测展示等5个子系统，初步形成了苏州轨道交通客流分析预测的系统框架。该框架为城市交通管理及控制提供了更好的辅助决策，为提升苏州市交通服务水平给予参考。关键词：区域轨道交通;客流分析预测;框架设计;作者简介：薛育敏(1992-),女，助理工程师，主要研究方向：交通运输。;随着苏州轨道交通5号线即将开通，苏州市已形成了5条地铁、2条有轨电车、城际铁路的区域轨道交通网络。未来更多线路的通车使得路网更复杂，客流分析难度更大。既有区域轨道交通客流研究与应用中，在客流系统方面，主要为路网客流动态估计[1]、客流监测[2]、客流预警[3];在框架设计方面，主要针对短时客流或客流需求分析的体系框架设计[4,5],客流预测方法及模型方面，研究众多且较为成熟[6,7,8,9,10]。然而，对于单个城市范围轨道交通客流分析预测系统，整合客流模型及系统，从客流数据处理到数据展示全流程的系统框架设计仍然较少。因此，如何在城市区域轨道交通路网中，进行多源客流数据特征分析、客流的实时推演及中长期预测、突发场景下客流分析等，是轨道交通部门未来可能需解决的问题之一。1 系统功能定位及设计原则1.1 功能定位1.1.1 整合不同数据源苏州市轨道交通中，地铁数据主要来源于“苏e行”,有轨电车数据来源于“苏e行”、OVM、TVM系统，铁路数据来源于12306。不同来源的数据其数据标准存在差异，必须将其重新整合，形成系统中可用、有效的数据集。1.1.2 实时推演对于苏州市轨道交通内当前及未来1至2小时内的断面流量、出发到达量、区段客流等指标，能够实时动态预估。1.1.3 分析预测对市区内乘客群体行为进行分析，以及多种交通方式下的客流规模及组分结构、换乘与集散规律。1.2 设计原则1.2.1 低耦合性按照服务划分方式，将子系统按照模块进行构建，模块之间的耦合度尽量降低，使模块内模型及方法的调整不影响整体的功能。1.2.2 开放性开放性包括两个方面，一是外部数据接入的开放性，二是客流数据输出的开放性，对接其他外来系统，将客流历史及当前数据特征分析及未来数据的实时推演定制化为外界系统提供接口。1.2.3 智能化系统中引入大数据智能分析技术，将乘客出行链及历史数据做智能化分析，完成数据的智能整合、突发场景智能判断、智能展示等功能。2 系统框架设计考虑到苏州市轨道交通发展需要与统筹管理的要求，借鉴其他城市及城市群区域轨道交通。2.1 基于大数据及出行链的乘客出行特征分析子系统乘客出行特征分析子系统是基于轨道交通客流数据、乘客状态感知数据等多源数据，利用大数据融合与挖掘技术，考虑苏州市内不同轨道交通方式在运营组织等方面存在的差异性，提取大市内乘客群体行为特征，研究地铁、有轨电车、城际铁路等多方式轨道交通的客流规模与组分结构、客流换乘与集散规律，构建轨道交通复合网络。依托苏州大市各区人口居住、交通路况等情况，调研乘客选择轨道交通出行方式。同时，从多方面分析乘客出行链模式，考虑到乘客个体间的行为共性与差异、选择偏好等乘客个体出行特征，挖掘影响因素、研究出行链构建技术，构建基于大数据的苏州市内轨道交通乘客出行决策模型。2.2 多场景需求预测及灵敏度分析子系统基于平均旅速、发车间隔、服务水准等数据，围绕地铁、有轨电车、城际铁路等不同的方式，研究影响客流出行数据的主要因素。面向苏州市内交通协同运输组织，针对大型文艺、运动活动、突发事件、恶劣天气、节假日等场景，研究客流总量、集散、流向等的分布规律，结合乘客个体及群体出行特征分析，针对不同场景构建多方式交通进出站量、客流分布、换乘量等客流预测模型，从各因素与客流需求的映射关系中形成轨道交通客流需求的灵敏度分析子系统。2.3 突发事件下影响多方式轨道交通客流分析子系统基于突发事件的特征、位置、时长等，结合列车运行计划和多方式轨道交通网络拓扑结构，研究突发事件对轨道交通乘客出行过程的影响和在轨道交通网络上的时空影响范围，构建突发事件受影响客流的识别方法。收集突发事件下轨道交通网络客流特征及乘客出行选择偏好数据，考虑突发事件下轨道交通运营服务水平等方面的变化对乘客出行决策的影响，同时，分析在拟定的应急预案下乘客的出行行为，估算客流分布、换乘量等客流指标，构建突发事件受影响客流预测模型，实现客流预测。2.4 多方式轨道交通客流状态实时推演子系统考虑轨道交通网络拓扑结构、各方式轨道交通换乘、乘客出行需求、运行组织等要素及相关关系，面向轨道交通网络客流状态监测、协同运营及信息服务等客流分析需求，利用大数据及出行链分析技术，研究多方式区域轨道交通网络中乘客出行路径选择模型，同时，结合精细化个体出行轨迹推演和系统状态转移推演双重推演机制，实现多方式轨道交通网络客流状态实时推演。2.5 客流分析与预测展示子系统针对轨道交通网络中乘客换乘方式、客流实时状态、出行轨迹等难点问题，研究基于移动互联的网络及枢纽内的乘客状态感知数据获取技术，探索服务于区域轨道交通多源数据融合、海量数据分析的大数据处理技术。集成基于大数据及出行链的乘客出行特征分析子系统、多场景需求预测及灵敏度分析子系统、突发事件下影响多方式轨道交通客流的分析系统、多方式轨道交通客流状态实时推演系统，研制苏州市内轨道交通客流分析与预测原型系统，实现苏州轨道交通客流分析与预测功能。综上，上述设计的总体框架结构较为清晰地展示了苏州市不同轨道交通方式下客流分析子系统。通过各子系统，将原始数据转换为多场景、多指标下的客流分析结果，其数据架构如图1所示。图1 数据架构图 3 结论本文所构建的轨道交通客流分析预测系统框架，是将苏州市范围铁路、地铁、有轨电车作为一个整体，结合不同来源的数据，并吸收其他城市相关系统而设计的体系框架。该框架的确实现了苏州市多场景客流需求预测及分析，多方式轨道交通网络客流状态的实时推演，突发事件下客流影响分析，使苏州市区域轨道交通客流能够全景展示并预测，为城市交通管理及控制提供了更好的辅助决策。参考文献[1] 胡坤琨.城市轨道交通路网客流动态估计模型与系统[D].北京：北京交通大学，2019.[2] 史聪灵，车洪磊，李源，等.基于多数据融合的城市轨道交通客流监测系统研究[J].中国安全生产科学技术，2019,15(S1):7-11.[3] 候得果，刘宏泰，王燕娜.城市轨道交通客流预警系统：CN201711458341.3[P].2017-12-28.[4] 王雪梅，张宁，张云龙.城市轨道交通短时客流预测体系框架及关键技术[J].交通运输工程与信息学报，2013(2):107-113.[5] 过秀成，吕慎，张瑗缓.城市快速轨道交通客流需求分析的框架体系[J].地铁与轻轨，2001(1):18-21.[6] 汤友富.都市圈区域轨道交通客流预测研究[J].城市轨道交通研究，2007,10(6):35-38.[7] 陆化普，王建伟，陈明.城际快速轨道交通客流预测方法研究[J].土木工程学报，2003,36(1):44-45.[8] 王玉萍，陈宽民，杨富社，等.城市轨道交通客流预测结果的技术分析体系[J].长安大学学报(自然科学版),2011,31(3):72-80.[9] 肖建平.区域性城际轨道交通客流预测方法研究[J].城市轨道交通研究，2006(2):35-37.[10] 高鹏.轨道交通客流预测及敏感性分析研究[D].哈尔滨：哈尔滨工业大学，2019.