李艺施澄邹智军
城
摘要：许多城市的轨道交通系统已经完成从单线运营到多线网络化运营的转变。伴随网络化发展而来的集中换乘客流，给轨道交通的规划建设与安全运营提出了挑战。以上海市轨道交通为例，通过对比手机信令与客流分配模型两种统计途径下的换乘客流差异，探究乘客换乘行为特征与换乘决策影响因素。将绕行换乘行为归纳为6类：高辨识度换乘车站、换乘不便捷车站、多功能复合型车站、长距离少换乘、避免拥堵和纸面地图误导。考虑轨道交通换乘站自身属性，对未来城市轨道交通客流分配模型提出改进方向，为轨道交通网络规划提供参考。关键词：轨道交通规划；网络化；换乘；手机信令数据；客流分配模型Decision-Making Factor Analysis of Urban Rail Transit Transfer Flow Li Yi 1,Shi Cheng 2,Zou Zhijun 1 (1.Key Laboratory of Road and Traffic Engineering of the Ministry of Education of Tongji University,Shanghai 201804,China;2.College of Architecture and Urban Planning of Tongji University,Shanghai 201804,China)
Abstract :Many urban rail transit systems have complete the transformation from single-line operation to multi-line rail network.With the expansion of the urban rail transit network,the centralized passen-ger flow brings challenges to urban rail transit system in the aspects of planning,construction,opera-tion and management.Taking urban rail transit in Shanghai as an example,this paper discusses the characteristics of passengers 'transfer behavior and the influence factors of transfer decision mecha-nisms through comparing the difference of passenger flow under the two statistical approaches of cellu-lar signaling and passenger flow distribution model.The behavior of detour transfer can be divided in-to six categories:high identification transfer station,unconventional transfer station,multi-functional transfer station,long-distance and less transfer,and avoiding congestion and misleading of maps.Con-sidering the characteristics of rail transfer stations,the paper provides suggestions on future urban rail transit passenger flow assignment model so as to improve urban rail transit network planning.
Keywords :urban rail transit planning;network;transfer;cellular signaling data;passenger flow assign-ment model
收稿日期：2020-10-13
基金项目：国家自然科学基金青年基金项目“交通可达性对公平城市的影响与调控机制研究：基于上海和伦敦的实证比较”(51808392)
作者简介：李艺(1996—)，女，广西桂林人，在读硕士研究生，主要研究方向：交通规划、交通大数据。E-mail:*****************
通信作者：施澄(1983—)，男，上海人，博士，副研究员，主要研究方向：城市大数据、城市交通规划。E-mail:*******************
李艺1，施澄2，邹智军1
(1.同济大学道路与交通工程教育部重点实验室，上海201804；2.同济大学建筑与城市规划学院，上海201804)
文章编号：1672-5328（2021）02-0121-07中图分类号：U491文献标识码：A DOI:10.13813/j11-5141/u.2021.0005
0引言
中国许多城市的轨道交通系统已经完成由单一线路到网络的转变。越来越多的城市正在加快轨道交通网络的建设步伐。同时，轨道交通网络化发展、换乘车站增多并伴随
着换乘客流的增多，给轨道交通的安全运营提出了挑战。过于集中的换乘客流会额外增加局部车站的客流压力，增加安全隐患。此外，轨道交通换乘设施能影响轨道交通网络的韧性。当部分线路发生事故或停运等问题时，通过轨道交通换乘引流也能将乘客顺利
城市轨道交通乘客换乘决策因素分析
121
Urban Transport of China Vol.19No.2March 2021
城
市交通二○二一年第十九卷第二期
运达终点。因此，轨道交通换乘客流的合理组织对于均衡网络客流、增加轨道交通系统的韧性、提高车站安全极为重要。
利用手机信令数据可精确识别上海市换乘客流，也可以构建以出行距离与乘客换乘步行距离损失为效
用的最优路径模型研究换乘客流。本文对比分析模型与手机信令两种背景下换乘客流的差异，探究乘客换乘行为特征与换乘决策影响因素。在轨道交通网络化背景下，了解乘客的行为特征对于把握城市轨道交通引流方法、改进客流分配模型与轨道交通线网规划等有一定借鉴意义。 1文献综述
轨道交通换乘客流一直以来受到众多学
者的关注，研究主要集中在两个方面：从宏观的网络角度研究轨道交通网络客流量以及从微观角度探究站内换乘乘客特征。
交通分配理论已经被广泛用于城市轨道交通网络客流分配模型中，学者们从不同角度优化轨道交通客流分配模型。文献[1-2]分别提出了基于发车频率、车厢内座位数量限制的轨道交通客流分配模型；文献[3]从列车容量限制角度提出了地铁网络客流分配模型；文献[4]考虑乘客类别差异研究轨道交通客流分配。轨道交通客流分配模型往往考虑一个或多个影响因素，通过构建广义出行费用分配轨道交通客流，进而间接获得换乘客流。
随着技术的不断发展，出现了一些能直
接识别轨道交通客流的技术与方法。热敏传感技术[5]、智能视频分析技术[6-7]、Wi-Fi 信令技术[8]、
车辆称重技术[8]、手机信令技术[9-10]
等方法被提出；其中，手机信令数据因其覆盖范围广、样本量大、高实时性等独特优
势，被用于轨道交通客流识别[11-13]，实践证明其结果具备有效性与可靠性[14]。
轨道交通网络化发展使换乘客流增加，
大规模换乘客流的冲击易对车站安全造成隐患。部分学者从微观角度通过仿真模型研究乘客的站内行为[15-16]，提出了轨道交通换乘站客流组织措施[17]，以期科学合理应对站内换乘大客流冲击。
2数据与技术方法
2.1数据来源
研究使用的手机信令数据为2014年4月中国移动运营商用户数据，包括单日164万人次轨道交通网络出行量，占同年轨道交通日均客运量的32%；信令数据记录了上海市10条主要轨道交通线路，涵盖195座轨道交通车站的客流数据，在数据量上能够反映整体轨道交通客流情况与典型换乘特征。上海市的重要换乘站集中在外环线内，故研究主
要针对上海市外环线内轨道交通换乘站(见图1矩形框)，探究乘客换乘行为特征。
2.2计算原理
2.2.1轨道交通站内换乘客流识别方法
换乘客流指在轨道交通网中进行跨线乘坐的客流。由于建设次序的差异，不同的轨道交通线路有专属的位置区编码(Location
图1研究范围Fig.1Research Scope
资料来源：www.mapbox/。
10号线2号线
去厦门旅游报团价格4号线11
号线7号线1号线3号线6号线号线10号线
10号线7号线
2号线11号线8号线1号线5号线5号线
9号线轨道交通线路研究范围研究换乘站轨道交通车站
1号线
3号线
7号线
11号线11号线
10号线6号线
8号线
10号线
4号线
2号线10号线
1
号线8号线
5号线
5号线9
号线7号线11号线
2
号线线路2
线路1去云南跟团游和自由行哪个好
LAC i
LAC 1
LAC 2
LAC j
站外站内
图2轨道交通线路专属位置区
Fig.2Exclusive location area for urban rail transit line
122
李艺施澄邹智军
城市轨道交通乘客换乘决策因素分析
Area Code,LAC ，见图2)。当乘客在站内换乘时，会产生一条位置区更换的信令数据。在轨道交通出行链上表现为乘客经过的车站所服务线路的突变，即换乘站前后两车站不在一条轨道交通线路上。因此，结合上海市轨道交通线路的建设情况，采用出行链中车站服务线路发生突变的原理识别实际的换乘行为。
2.2.2最优换乘路径判别算法
最优换乘路径指有换乘需求的乘客在轨道交通网中效用最高的换乘路径，最优换乘站则定义为最优换乘路径中的换乘站。最优换乘路径反映了乘客在轨道交通网换乘路径决策时的理性行为，即认为乘客会选择对自己最有利、效用最高、广义出行费用最小的换乘路径。本文采用最优换乘路径，以出行距
离、乘客换乘步行距离损失为效用构建最短路径客流分配模型，模拟乘客的换乘决策(见图3)。该算法能最大限度地反映其他因素，如乘客个体差异性、轨道交通网拓扑结构以及换乘站服务设施的差异性等，便于研究乘客的换乘决策机制。
2.3计算结果
手机信令数据包含单日279.4万乘次轨道交通网络客运量，164万人次轨道交通网络出行量。根据上述换乘客流识别原理，最终识别80万人次包含换乘行为的网络出行量(以下简称“换乘出行量”)，共计115.5万人次网络换乘客流量(以下简称“换乘量”)。基于同期轨道交通网络建模，同OD 下模型共产生111.8万人次换乘量。对比手机信令数据与模型结果，手机信令换乘量高于模型3.3%。从总体上说，模型与手机信令数据在网络换乘总量上较为一致；但两种统计途径下，各换乘站的换乘量分布却大相径庭。也就是说，乘客在轨道交通网络中的实际出行路径、途经的换乘站与模型的最优换乘路径不同。例如，在某一OD 下，模型最优换乘路径显示乘客应该在世纪大道站换乘，但手机信令数据却显示乘客在蓝村路站换乘；或者，最优路径显示不经换乘便可直达目的地的乘客，信令数据却显示其产生了换乘行为。因此，网络中换乘站的换乘量由两类客流构成：应该在某站换乘的客流与本不该在某站换乘的客流。数据显示，在80万人次的换乘出行量中，信令数据换乘路径与最优换乘路径存在差异的共计34万人
次，占手机信令数据识别换乘出行量的近50%。较高的换乘路径差异从另一个角度体现了轨道交通客流换乘特征研究的必要性。
3换乘决策因素分析
本文重点比对实际出行与模型之间换乘路径的差异，探究乘客换乘影响因素。为了更好地分析轨道交通客流特性，提出绕行换乘的概念。当乘客在轨道交通网中的实际出行路径与基于模型的最优出行路径不同时，则定义此次出行为一次绕行换乘出行，乘客在此期间的所有换乘活动定义为绕行换乘行为，实际路径中经过的换乘站则为绕行换乘站，乘客在绕行换乘站产生的一次绕行换乘行为记为该站的一次绕行换乘量。从定义可知，乘客在一次绕行换乘出行中，可能会产生若干次绕行换乘行为。车站的绕行换乘量分布如图4所示。通过分析，可将绕行换乘
最优路径换乘站起点
终点
轨道交通线网可替代路径图3最优换乘路径判别算法
Fig.3Optimal transfer path identification algorithm
太湖车站绕行换乘量/次
800006000040000
20000图4绕行换乘行为分布
Fig.4Distribution of transfer detour behavior
123
Urban Transport of China Vol.19No.2March 2021
城市交通二○二一年第十九卷第二期
行为归纳为6类：高辨识度换乘车站、换乘不便捷车站、多功能复合型车站、长距离少换乘、避免拥堵和纸面地图误导(见图5)。
3.1高辨识度换乘车站
以公共交通枢纽和车站为核心形成的高效、混合的土地利用形式，使得某些轨道交通换乘站兼顾交通枢纽、商业中心、就业中心、旅游中心等集散功能。因此，城市轨道交通不仅承担着公共交通客运功
能，个别高辨识度车站甚至成为城市地标。例如人民广场站、世纪大道站等(见图6a)，对乘客有很强的吸引力，承接着外来旅游、探亲以及商务需求，吸引较大的换乘客流。然而，这些高辨识度车站本身承载着较高的进出站客流，因高辨识度而吸引的绕行换乘客流将进一步增加站内拥堵与安全隐患。
3.2换乘不便捷车站
通过大众点评、美团等软件的评论数据，筛选上海市换乘不便捷的车站，如上海火车站、镇坪路、陕西南路等。图5表明轨道交通设施的便利程度对吸引客流以及均衡轨道交通换乘量有重要意义。上海火车站和镇坪路两个换乘站为该类典型(见图6b)。其中，镇坪路站由于3，4号线高架轨道换乘地下线路的较长通道与简陋的候车平台引起众多乘客不满；上海火车站因其出站换乘以及较长的绕行距离遭到许多乘客的厌恶。
3.3多功能复合型车站
与城市居民生活功能紧密结合的多功能
换乘车站，能够吸引较多市内居民换乘。特别是与站内付费区商业设施、公共设施联合开发的换乘站，能够增加客流黏性。典型车站如静安寺站、徐家汇站等(见图6c)。乘客被此类车站内部非交通设施吸引，如快餐厅、面包店、自助照相设施或者其他娱乐、商务设施等。
3.4长距离少换乘
在这一类中，长距离出行乘客通过绕行换乘，可以减少在轨道交通网中的换乘次数(见图6d)。这一类乘客以出行距离和时间为代价减少换乘次数，选择换乘次数更少、更节省体力的出行路径，且其绕行距离约为0~6km 。
3.5避免拥堵
为了避免拥堵，在有较为合理的可替代换乘站时，乘客会主动避免拥堵换乘。例如世纪大道站为4线换乘站，站内空间极大。由于位于繁华商圈，该站进出站客流较大，再加上4线衔接换乘的站内结构，进出站客流和换乘客流交织，造成站内较为拥挤。为了避免在世纪大道站换乘，乘客多选择临近的车站换乘，如蓝村路等(见图6e)。多线换乘集中，本意是提高出行便利度，但实际上却不一定能给乘客带来便利，反而会削弱多线换乘站的吸引力，造成网络资源的浪费。因此，部分乘客在换乘时选择外围换乘站，可以避免车厢拥挤，提高获取车厢内座位的概率，提高出行舒适性。
3.6纸面地图误导
在选择地铁线路时，部分乘客会参考轨道交通网络示意图决定出行路线。示意图是
为了美观而对真实路网的抽象表达，扭曲了部分车站之间的间距。乘客基于对出行距离的错误判断，
选择了更长的换乘路径。用2014年的轨道交通路网示意图建模，将客流分配在示意图路网中，筛选出因为示意图扭曲路网实际尺度而导致的非最优出行路径的选择(见图6f)。
4城市轨道交通客流分配模型改进方向
乘客在轨道交通出行路径决策时会考虑诸多因素。由于轨道交通网络有限换乘站的特殊性，在起终点确定的情况下，乘客对于多条出行路径的决策不仅仅是线路组合的选
绕行换乘出行比例/%
4035302520151050
高辨识度换乘车站换乘不便捷车站多功能复合型车站
长距离少换乘避免拥堵纸面地图
误导绕行原因
30.50
27.30
41.50
阿联酋的首都28.30
8.90
0.68
图5绕行原因分类Fig.5Detour transfer causes
三山五岳指的是哪三山和哪五岳124
携程飞机票24小时人工服务李艺施澄邹智军
城市轨道交通乘客换乘决策因素分析
择，也是换乘站的选择。因此，在城市轨道交通客流分配模型中，需要引入关于换乘站自身属性与特征的考量，扩充广义出行费用中有关广义换乘费用的内容。
广义轨道交通换乘费用以时间表征，包括换乘走行时间、乘客候车时间等。然而，乘客对换乘时间的感知不仅仅受到物理换乘时间的影响，换乘设施的舒适性与便利性也
徐泾东
手机信令换乘路径
模型换乘路径手机信令换乘站模型换乘站
中山公园
人民广场
上海火车站平均绕行距离：4.2km 数量：10.4万次出行
占绕行换乘路径总量：30.5%
a 高辨识度
b 换乘不便捷
手机信令换乘路径模型换乘路径手机信令换乘站模型换乘站
平均绕行距离：3.7km 数量：9.3万次出行
占绕行换乘总量：27.3%
静安寺
人民广场
汉中路上海火车站
镇坪路刘行
手机信令换乘路径
模型换乘路径手机信令换乘站模型换乘站
平均绕行距离：4.8km 数量：14.1万次出行占绕行换乘总量：41.5%
西藏南路
东安路
中山公园
静安寺
人民广场
c 多功能复合型车站手机信令换乘路径模型换乘路径
手机信令换乘站模型换乘站平均绕行距离：4.1km 数量：9.6万次出行
占绕行换乘总量：28.3%
耀华路
东安路
中山公园
静安寺威宁路
d 长距离少换乘
轨道交通车站
e 避免拥堵手机信令换乘路径
模型换乘路径手机信令换乘站模型换乘站
平均绕行距离：3.6km 数量：2.9万次出行占绕行换乘总量：8.9%
高青路
蓝村路
世纪大道
杨树浦路
f 纸面地图误导
手机信令换乘路径模型换乘路径
手机信令换乘站模型换乘站平均绕行距离：5.6km 数量：2333
占绕行换乘总量：0.68%
徐家汇
肇嘉浜路
轨道交通车站
常熟路昌平路肇嘉浜路
徐家汇衡山路
常熟路
静安寺昌平路
图6典型绕行换乘车站划分Fig.6Typical detour transfer stations
125
