2018北京轨道交通客流分析报告

《2018北京轨道交通客流分析报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2018北京轨道交通客流分析报告地铁客流分析是在分析什么？我个人从2008年开始就接触了城市的交通大数据，当时还不叫“大数据”，而是称为“海量交通数据”。我主要做的是北京地铁、公交的刷卡数据的一些建模、分析工作，也包括城市交通的需求分析和预测。近期，我的研究还包括了手机信令数据等。今天跟大家分享的话题是“北京轨道交通线网客流特征分析”，内容本身有一定的专业性，我会结合一些案例来说明。相信每一位网友都有乘坐地铁的经历，我们不妨回想下，我们在乘坐地铁的过程中，做的第一件事是什么。很多人可能觉得是买票、或是安检，但如果结合我们今天的话题场景，我认为我们潜意识里做的

2、第一件事是规划我们的出行路径。我们看上图的案例。假设我们要从西直门到国贸，每个人的路径选择可能不大一样。比如有人可能会从西直门到复兴门再到国贸，而从西直门到复兴门，他可能坐的是2号线的内环，也可能是2号线的外环，然后再通过1号线到国贸；还有的乘客可能是从西直门先坐4号线到西单，然后在西单换乘1号线到国贸。当然，有些朋友还可以选择其他更为复杂的路径，但总体来说，我相信绝大部分人的选择都集中在前面三种路径上。到底有多少比例的乘客选择了其中的第一条路径，又有多少选择了第二条路径，这其实就是客流分析话题的核心内容之一。让乘客进出站刷卡数据体现在路径上前面的例子仅仅是

3、复杂的轨道交通网络中两个车站之间的出行路径的情景，如果一座城市每一天有500-700万名乘客在轨道交通网络中出行，那么出行路径就会变得非常复杂。即便是任意两个站点之间，其出行的路径都可能是非常多元化的。当我们获取了每一天地铁乘客的进站、出站数据，就会很容易获得总客流的数据。但如何把客流落到具体的每一个“OD对”（指从起点站到终点站）之间的路径上来，那么“如何进行精确区分”，这是我们下面要探讨的问题。这个问题其实可以抽象出三个层面的问题。第一个问题是乘客的出行成本问题，第二个是出行中的路径选择问题，第三个是几百万量级的乘客选择路径后，其客流在轨道交通网络中怎么

4、分配的问题。针对这些问题，我们现在已经有了地铁刷卡数据，也知道一个城市的票制和票价，还知道城市的轨道交通网络的结构，那么我们需要解决的问题就是把这些客流通过刷卡数据把它们分配在网络上，同时还要做一些轨道交通的站点、线路以及网络这三个层面的一些客流指标的统计。为了解决这些问题，我们的做法分成几个步骤：首先，需要做一个网络的拓扑分析，去建立车站与车站之间的连接关系、换乘关系等。除此之外，我们还需要建立一个评估模型，去权衡每一个乘客的出行路径，即出行的效用。另外，我们还要确定每一个“OD对”之间到底有哪些可能的路径。我们把乘客们最常选择的路径叫做有效路径。在确定哪

5、条路径是有效路径时，背后还涉及到一套复杂的搜索算法。当我们知道了一个“OD对”之间潜在的可选择的路径之后，我们需要把客流分配到这些路径上。在这里我们使用到了经济学中的Logit模型，用来描述我们每个人在面临选择的时候，每个备选方案可能被选中的概率。在此基础上，我们通过一定的统计算法，就可以确定出我们站点、线路以及网络的一些静态的客流特征。需要指出的是，我们今天讨论的主要是静态分配的方法。在行业中，其实还有动态分配一说。这是因为在早高峰和平峰的时候，我们出行的路径选择可能是有所不同的。比如，北京常常会进行封站、限流等措施，有很多的换乘通道在早高峰的时候是比较拥

6、挤的，这样就会造成换乘时间较多，乘客可能会选择其他路径。这里不再展开。北京轨道交通客流的一些特征接下来，我们来看研究发现的北京轨道交通客流的特征。首先是从线网这个角度来看客流的总体分布特征：上图的左侧图表是每一天之中分时段的上车和下车的客流量的分布曲线，可以看到，早高峰（从7点半到8点半）的时段，客流占到了全天的上车客流的14%，而晚高峰（17点30-18点30）的上车客流占比是11.5%。下车的情况也差不多，早高峰（8点-9点）下车的客流占全天下车客流比例为14.5%，晚高峰（17点45-18点45）则为11.3%。从上下车的客流来看，早高峰的客流都要比晚

7、高峰更高一些。而从历年的趋势看，早高峰出行的比重也是有所增加的。我们再来看北京地铁不同线路进站高峰小时的系数情况：上面这张图的右侧条形图是每一条线路的早高峰出现的时间。可以看出，郊区线路比如昌平线、房山线的早高峰的开始时间要比市区线路早一些，它们从早上7点就开始了，而市区线多数是从7点半持续到8点半。而4号线和16号线之中，4号线因为包含了大兴的客流，因此它的客流高峰时间出现在了7点15到8点15。此外，我们也从车站的角度做了一些统计分析。我们分析了北京地铁全网200多个地铁车站的进出站的时间分布特征。总结出九种类型：我们进一步统计了每个车站的早高峰的进出站

8、量占全天的比例，发现居住类的车站有66座，占了全网的