都市快轨交通·第34卷 第1期 2021年2月
收稿日期: 2019-12-05 修回日期: 2020-04-07
作者简介: 方恒堃，男，硕士，高级工程师，主要从事城市轨道交通规划研究，********************引用格式: 方恒堃. 多元数据在北京轨道交通线网规划中的应用[J]. 都市快轨交通，2021，34(1)：37-44.
FANG Hengkun. Application of big data in Beijing rail transit network planning[J]. Urban rapid rail transit, 2021, 34(1): 37-44.
37
快轨论坛
URBAN RAPID RAIL TRANSIT
doi: 10.3969/j.issn.1672-6073.2021.01.007
多元数据在北京轨道交通线网规划中的应用
方恒堃
（北京市市政工程设计研究总院有限公司，北京 100082）
摘 要: 随着城市轨道交通的发展，越来越多的难题显现出来，多元数据分析模型可为轨道交通线网规划提供定量技术手段。首先，介绍北京轨道交通多元数据库的构建，主要包括地铁AFC 刷卡数据、手机信令数据、公交IC 卡数据和浮动车数据等；其次，从地铁车站进出站客流特征、地铁车站换乘客流特征和线路断面客流特征三方面，阐述轨道交通现状客流特征；最后，以具体线路为例，对该线路的运营现状和线上重点车站存在的问题进行分析，并提出优化建议，展现多元数据在北京轨道交通线网规划中的应用。 关键词: 城市轨道交通；线网规划；多元数据；北京
中图分类号: U231 文献标志码: A 文章编号: 1672-6073(2021)01-0037-08
Application of Big Data in Beijing Rail Transit Network Planning
FANG Hengkun
(Beijing General Municipal Engineering Design & Research Institute Co., Ltd., Beijing 100082)
Abstract: With the development of urban rail transit, an increasing number of problems have emerged. The multivariate data analysis model provides quantitative technical means for rail transit network planning. This paper first introduces the construction of the multivariate Beijing rail transit dat
abase, predominantly comprising metro AFC data, mobile phone signaling data, IC card data on public transportation, and floating vehicle trajectory data. Second, this paper expounds on the current passenger flow characteristics of rail transit from three aspects: the passenger flow characteristics in and out of the station, the characteristics of transfer passenger flow, and the passenger flow characteristics along the section of line in question. Finally, taking a line as an example, this study analyzes the operation status of the line and the existing problems of the key station on the line – Xi’erqi Station. The paper proposes optimization suggestions, demonstrating the application of multivariate data in planning the Beijing rail transit network.
Keywords: urban rail transit; network planning; multivariate data; Beijing
1 北京轨道交通概况
城市轨道交通系统是一种快捷安全、准时可靠、节能环保的大运量公共交通系统，已经成为人们日常出行的重要交通方式。面对日益增长的交通需求和日趋严重的交通拥堵问题，我国逐步加快了轨道交通的
发展进程与建设力度。在大中型城市中，逐渐形成的轨道交通网络对改善城市交通结构、优化城市空间布局、提高生活环境质量发挥了重要作用[1]。
北京市轨道交通经过多年的发展，现已覆盖了西城区、东城区、海淀区、朝阳区、丰台区、石景山区、顺义区、昌平区、通州区、房山区、门头沟区和大兴
都市快轨交通·第34卷 第1期 2021年2月
38 URBAN RAPID RAIL TRANSIT
区等12个市辖区，线网规模逐步扩大，整体运能达到了一个新的高度，逐步形成了较为成熟的城市轨道交通网络。
截至2018年底，北京市共有轨道交通运营线路
22条，运营总里程达637 km ，车站391座，换乘站59座。轨道交通完成年客运量38.5亿人次，同比增长1.9%，日均客运量1 054.36万人次，最高日客运量达到1 349.25万人次[2]。
图1为北京城市轨道交通线网[3]。
图1 北京城市轨道交通线网 Fig. 1 Beijing rail transit lines
北京市目前正在编制的新一轮轨道交通线网规划和建设规划，以及逐年增长的轨道交通客运量，均要求在前期规划研究中将传统的定性分析向定量分析转变，利用包括AFC 刷卡数据、IC 卡数据、手机信令数据、浮动车数据等在内的多元数据，对轨道交通客流的出行需求、出行特征、存在问题等进行定量分析，进而提出解决策略，应用于轨道交通的运营管理、新线规划和既有线改造等方面。
在轨道交通线网规划的前期研究中，多元数据主要应用在以下领域：客流预测研究、规划优化问题、现状客流特征及存在问题分析研究、轨道交通调度和节能优化研究、状态监测与可视化研究等[4]。
下面以北京市轨道交通昌平线及西二旗站为例，介绍多元数据在轨道交通现状客流特征分析和线网优化等方面的应用。
2 多元数据库分类
目前，国内交通研究机构所使用的多元数据主要包括地铁AFC 刷卡数据、手机信令数据、公交IC 卡数据、浮动车数据等，针对不同类型的数据分别建立对应的数据库。
2.1 地铁AFC 刷卡数据库
本研究利用地铁刷卡数据(即AFC 刷卡数据)[5]进行北京市轨道交通现状运行数据库的搭建。
2017年，北京市轨道交通路网年客运量37.78 亿人次，日均客运量1 035.07 万人次。基于如此庞大的客运量，北京市每日产生海量的IC 卡刷卡数据。北京市公交IC 卡(integrated circuit card)刷卡数据，指乘坐北京市公共交通并利用市政公交一卡通刷卡交费的客流产生的数据记录，分为地铁刷卡数据和地面公交刷卡数据。根据相关文献统计，北京市地铁IC 卡刷卡原
多元数据在北京轨道交通线网规划中的应用
39
URBAN RAPID RAIL TRANSIT
始数据在工作日的日均记录数在500万～600万条之间波动(不含临时票卡数据记录)，具体线路及站点分布如图2所示。
图2 北京城市轨道交通线路站点分布 Fig. 2 Distribution of Beijing rail transit
lines and stations
通常AFC 数据经过初步处理后，仅能输出地铁进出站客流OD 数据，不能知道客流在地铁内部的换乘路径。利用TransCAD 对站点OD 数据进行客流分配，可以得到客流在地铁系统内部的换乘节点数据，从而能够极大丰富地铁客流的数据类型。处理之后得到的地铁运行数据包括(但不限于)：地铁客流起讫点数据、地铁站点乘降量数据、地铁站点换乘数据、线路断面客流数据等。
2.2 手机信令数据库
Cell-ID 定位法[6]
通过所处的位置来表征用户所在位置，中国移动在北京市城区内分布密度较高的区域为CBD 、东单、金融中心、中关村、奥体中心、北京西站及周边等经济活动较为活跃的区域。在利用手机信令数据提取出行事件信息时，可以记录出行的起止时间，因而可用于提取不同时间段内的OD 矩阵，连续不同时段的OD 矩阵即为动态OD 矩阵，由此可以构建手机信令OD 数据库。
2.3 公交IC 卡数据库
北京市自2014年12月28日实施分段计价后，地
面常规公交上下车均需刷卡，从而使客流特征的识别与提取更加准确。北京IC 卡数据涵盖800多条公交线路，具体线路及站点分布如图3所示。
图3 北京公交线路站点分布
Fig. 3 Distribution of Beijing public transportation
lines and stations
北京市地面公交IC 卡刷卡原始数据，2016年工作日平均约为900万条(不含远郊县公交线路，不含未刷卡客流)，从数据量和数据覆盖范围上均较为全面。在丰富的基础数据基础上，还需对原始数据进行进一步处理。
通过调查可以获取包含公交线路/站点名称与代号的对应关系表。在剔除一辆车数据量小于50的数据之后，利用该对应关系表即可真实匹配客流的上车/下车站点名称及经纬度，从而可以构建公交IC 卡数据库。
2.4 浮动车数据库
浮动车[7]是指利用GPS 定位模块和无线通信模块，能够与交通信息处理平台进行信息交换的普通车辆，主要包括出租汽车、公共汽车、私人小汽车、公务车及各种特殊车辆。浮动车上的通信模块负责将车辆的数据传送到交通信息中心，该中心主要包括无线通信设备、基于GIS(geographic information system ，地理信息系统)[8]的交通信息处理系统及计算机设备等。依据浮动车的经纬度、时间、实时速度等信息，经过处理后可以获取道路运行状况。
综上所述，地铁AFC 刷卡数据、手机信令数据、公交IC 卡数据、浮动车数据等多元数据的特点和应用方向如表1所示。
都市快轨交通·第34卷 第1期 2021年2月
40 URBAN RAPID RAIL TRANSIT
表1 多元数据的特点和应用方向统计 Tab. 1 Characteristics and application direction
of multivariate data
数据类型 特点
应用方向 地铁AFC 数据 空间及时间信息精准，仅为地铁乘客刷卡数据
研究地铁客流的特征及规律
手机信令数据 可分析全方式的客流出行，在微观研究方面有一定的误差
研究全方式客流出行特征及规律 公交IC 卡数据 空间及时间信息较为精准，仅为公交乘客刷卡数据 研究公交客流出行特征及规律
浮动车 数据
空间及时间信息精准，
但数据频率为10～60 s/个
研究道路流量、拥堵程度，以及小车客流出行特征和规律
3 轨道交通客流特征
根据北京交通发展研究院发布的北京市交通发展年度报告，北京市城市轨道交通运营的现状特征主要包括以下4个方面。
3.1 地铁车站进出站客流特征
早高峰进出站的客流规模受车站的功能属性和开发强度影响较大，典型的交通枢纽、居住区和办公区早高峰进出站规模排序均居前列。
2017年线网工作日的日均早高峰进站量排名前20的车站主要分布在霍营、天通苑北、天通苑、宋家庄、立水桥、回龙观、十里河、回龙观东大街、龙泽、苹果园等大型居住区周边，进站量的时间不均衡性明显，早高峰进站量占全天的比例为40%～60%，其中霍营站和回龙观东大街站的早高峰进站量占全天比例达57%以上(见图4)。
2017年线网工作日的日均早高峰出站量排名前20的车站主要分布在西二旗、朝阳门、国贸、西直门、阜成门、大望路、复兴门、东直门等办公区周边，出站量的时间不均衡性明显，早高峰出站量占全天的比例为30%～50%，其中复兴门站早高峰出站量占全天比例达50%以上(见图5)。
3.2 地铁车站换乘客流特征
2017年线网各线路换乘量排名前3位的线路分别为10号线、4号线-大兴线和1号线，日均换乘量分别达68.86万、57.35万和54.64万人次，以上3条线路换乘量占线网换乘总量的36.9%，其他线路如2号线、5号线、6号线和13号线日均换乘量也在30万人次以上。从换乘客流占各线路客运量比例来看，9号线换乘量占其全日客运量的60.2%，占比为各线最高，
1号线、2号线和5号线该比例也在50%以上，均呈现出以换乘客流为主的线路特征。
图4 早高峰进站量
Fig. 4 Boarding passenger flow during the early peak
图5 早高峰出站量
都市汽车网Fig. 5 Alighting passenger flow during the early peak
多元数据在北京轨道交通线网规划中的应用
41
URBAN RAPID RAIL TRANSIT
2017年线网各换乘站日均换乘量排名前3位的车站分别为西直门站、宋家庄站和惠新西街南口站，日均换乘量分别达25.01万、21.82万和15.37万人次；
工作日早高峰(7:00—9:00)期间，西直门站换乘量最高，达6.53万人次，其次为宋家庄站和惠新西街南口站，分别为6.16、4.53万人次(见图6)。
图6 2017年各换乘站早高峰日均换乘量(TOP20)
Fig. 6 Transfer passenger scale of the transfer urban railway stations during the early peak in 2017
3.3 线路断面客流特征
2017年线路高峰小时最大断面客流量为4号线-大兴线的菜市口—宣武门上行区间，达6.09万人次/h ，同比去年降低0.33%；其次为6号线的十里堡—金台路下行区间，高峰小时最大断面客流量5.92万人次/h ，同比去年增长11.49%。
2017年线路高峰小时最大断面满载率超过100% (含)的线路共有14条、24个方向，其中4号线-大兴线的菜市口—宣武门上行区间、5号线惠北—惠南下行区间、6号线十里堡—金台路下行区间、9号线七里庄—六里桥上行区间、13号线上地—五道口上行区间、15号线崔各庄—望京下行区间、昌平线生命科学园—西二旗下行区间、房山线稻田—大葆台上行区间、八通线传媒大学—高碑店下行区间，共计9条线路高峰小时最大断面满载率超过120%(含)(见图7、8)。
4 问题分析及优化
在分析北京市轨道交通现状客流特征的基础上，应用地铁AFC 数据和公交IC 卡数据，对昌平线及西二旗站存在的问题进行分析，并提出优化建议。
4.1 问题分析
4.1.1 昌平线运营现状分析
昌平线是连接北京市区与北部昌平新城的地铁线路，线路起终点为西二旗—昌平西山口，运营里程31.9 km 。全线共设置12座车站，其中包括朱辛庄和
图7 2017年早高峰断面满载率 Fig. 7 Load factor of the line section during the
early peak in 2017
西二旗2座换乘车站；车辆基地2座，分别为定泗路停车场和十三陵景区车辆段[9]。
据2016年轨道交通线网线路高峰小时最大断面满载率统计[10]，昌平线(生命科学园—西二旗区段)
发布评论