城市各类功能建筑轨道客流生成率研究
——以深圳市轨道1号线为例

平少华

（深圳市规划国土发展研究中心，深圳 518040）

城市各类功能建筑轨道客流生成率研究
——以深圳市轨道1号线为例

平少华

（深圳市规划国土发展研究中心，深圳 518040）

随着我国城镇化进程的深入，大城市集聚效应不断强化，随之而来的交通矛盾也不断凸显。轨道交通因具有运量大、效率高、时间可控、舒适度高等特点，被视为新时期大城市交通问题的重要解决手段。如何做好轨道线路及车站规划，在满足大部分市民快速出行的同时，保证轨道线路具有持续、充足的客流，这需要深入研究轨道车站、线路沿线各类功能城市用地对客流量的贡献情况。本文试图以深圳市轨道1号线2010～2014年的轨道车站客流量、周边各类功能建筑规模等数据为例，通过线性回归的方法，对现状各类功能建筑的轨道客流生成率进行估计，总结该类工作的研究方法及可能的结论，为城市用地、轨道交通规划相关工作提供参考。

轨道车站；客流量；轨道客流生成率；线性回归

1 引言

轨道交通在解决大城市交通问题中扮演者越来越重要的地位，轨道交通规划工作也成为各个城市综合交通体系规划的重点。轨道线站位放在哪里才能更精准地满足市民的出行需求？普通商品住宅、城中村对轨道交通客流生成率区别有多大？商业、办公等用地的轨道客流生成率又如何？[1]更好解释以上问题，对轨道交通规划、甚至城市规划工作更好开展将起到积极作用，而对现状实证案例进行分析，是研究以上问题的重要手段。

2 客流量模型假设

2.1 基础模型

根据基本的交通出行理论，轨道车站的交通量主要是其周边的建筑产生或吸引的[2]，不同功能建筑具有对应的交通生成率[3]，据此得出轨道车站客流量基础模型：

其中：（1）因变量：Y是轨道车站全天的进出客流量（本文所有分析只针对轨道车站全天客流量，客流分布情况在其它文章中进行分析），单位：人次/日。

（2）自变量：各类建筑的规模，R2是普通商品房；R4是城中村、私宅；C1是商业、购物中心等；C2是办公；M是工业；GIC是学校、会展、医院、体育馆等公共配套设施；Oth是市政、交通、仓储等，单位：100m2。

（4）常数项：C是建筑规模无法解释的客流量，主要为其它交通方式的换乘客流量。

2.2 其它可能的影响因素

社会经济活跃程度对城市出行强度具有一定的影响，经济活动越活跃轨道生成率越高。因此在式（1）的基础上，引入GDP影响因子，得出如下模型：

（3）其它参数如式（1）。

将式（3）代入式（2），经变形后得：

根据现有实证数据，采用最小二乘法对式（1）和式（4）的常数项C和系数进行估计，分析各类建筑的轨道客流生成率。

3 实证案例数据准备

3.1 客流量数据

本文采用的数据为深圳市轨道1号线2010～2014年各车站全天进出站客流量。样本数据集中在每年的5月～7月的某个工作日（主要为周三数据），且避开重大节假日。

3.2 建筑量数据

（1）数据年份。深圳市每年会对建筑物进行普查，目前最新的数据更新至2014年，建筑量数据的统计与轨道客流量数据进行统一，均为2010～2014年。

（2）统计范围。轨道车站只对周边一定范围内建筑的出行产生影响，为了对比不同半径内建筑量对客流量的解释程度，本文分别对半径200m、500m、800m范围内的建筑量进行了统计。

（3）数据筛选。由于几类建筑较难对客流量进行解释，主要包括M（工业）、GIC（主要为体育场馆、学校、会展等）、Oth（主要为重大交通枢纽等），本文将此类建筑主导型的车站样本进行了剔除。

由于保留样本车站周边M、GIC、Oth等3类建筑所占比例非常小，在数据分析时，对以上3个自变量进行了剔除、不剔除两类分析。

4 参数估计及主要应用

4.1 参数估计

根据样本数据，通过最小二乘法对式（1）、式（4）参数进行估计[4]，经对比分析后，关键数据汇总见附表，并得出以下结论：

（1）M、GIC、Oth等3个自变量影响。在保留M、GIC、Oth等3自变量的条件下（如附表序列5），以上3个自变量的估计系数出现了负值，与基本常识是不符的，方程F检验仅为19.5450。而剔除3个自变量后（如附表序列3），方程F检验达到28.5255，且参数的假设检验也更优。

（2）GDP因子影响。从附表的序列3、序列4来看，加入GDP因子后，方程F检验为24.0035，略小于28.5255，方程并没有更好的解释轨道客流量。

（3）轨道车站影响范围。从附表的序列1～3来看，序列3方程的F检验最优，说明车站周边800m半径建筑量能更好的解释轨道客流量。

因此，根据附表序列3系数估计值，得到轨道车站客流量预测模型为：

4.2 数据预测及主要应用

根据式（5）对检验样本进行预测，平均误差可以控制在10%，方程能够在一定条件下预测轨道车站的客流量。

在开展轨道车站详细设计时，往往需要根据周边的城市土地来预测车站分项客流，目前的预测方法均以线网、单条线路为基础对单个车站的分项客流进行预测，且设置多项约束条件，预测结果往往与规划判断存在一定出入，不能很好地支撑轨道车站设施布置。本文提出的预测方法以车站周边用地规划为基础，预测方法简单、准确，有利于轨道车站详细规划更好的开展。

附表 各类建筑轨道客流生成率参数估计表

5 主要规划观点

5.1 城市不同功能建筑的客流生成率差别明显

根据估计结果，R4类建筑客流生成率达到2.694人次/100m2·日，远高于R2类建筑的生成率（0.417人次/100m2·日）；C1类建筑的客流生成率（2.256人次/100m2·日）也大于C2类建筑（1.437人次/100m2·日）。因此，在城市用地、轨道交通规划工作中，应充分认识到私宅、城中村在支持城市正常运转中所发挥的重要作用，强化对此类片区的覆盖；对商业用地客流预测分析时，应细化用地小类，以便更好预测远期交通生成量。

值得注意的是，深圳轨道1号线沿线资源稀缺，房价昂贵，商品房住户的小汽车拥有率较高，这也可能导致R2类建筑客流生成率低于城市其它片区的R2类建筑，在实际工作中应搜集更符合规划片区实际的数据进行系数估计。

5.2 分析结果并不能说明GDP因子对客流量无影响

出现文中GDP因子并没有更好解释客流量的现象，有以下几种可能：

（1）GDP因子确实对客流量无影响；

（2）从车站周边历年建筑规模量来看，均有增加，在某种程度已反映了GDP因子；

（3）车站周边历年建筑规模增加且使用率较高，但当建筑规模接近饱和、基本稳定时，受空置率、使用强度等影响，GDP因子可能更重要。

笔者认为后两者的可能性更大。

5.3 轨道车站影响范围应长期动态跟踪研究

本文主要研究了2010～2014年的相关数据，此期间深圳轨道网络规模较小，于轨道1号线平行的线路较少，轨道线间距较大，这可能造成了轨道车站影响范围达800m。随着轨道网络密度的加大，车站周边建筑的统计半径也应动态跟踪分析。

6 研究存在的不足

由于笔者技术水平及时间的限制，并未对以下因素进行深入分析：

（1）方程中的C变量主要是公交等接驳交通量，由于缺少历年轨道车站公交接驳线路的数据，本文并未将相关变量纳入自变量体系；

（2）本文对参数的估计方法为普通最小二乘法，并未对其它估计方法进行深入对比分析；

（3）轨道车站的影响范围与周边慢行系统的好坏具有重要的关联性，本文并未深入研究；

（4）建筑物普查数据统计口径不一，导致建筑功能分类较为混乱，可能对估计结果造成一定影响；

（5）如前文所述，建筑使用率对客流量具有较大的影响，本文并未对该问题进行深入考究；

（6）M、GIC、Oth等3类建筑由于样本量较小，且影响因素复杂，本文并未进行深入分析，建议实际工作中开展专题研究。

[ 1 ] 吴海燕，高丽燃．结合用地性质的北京市轨道客流特征分析[J]．北京建筑大学学报，2015(12)：:28-35．

[ 2 ] 周志华．轨道客流影响因素及预测要点[J]．城市公共交通,2009(6):35-39．

[ 3 ] 谢明隆．轨道客流特征与土地利用的互动关系研究[C]//公交优先于缓堵对策——中国城市交通规划2012年年会论文集．2012:1539-1543．

[ 4 ] 王淑伟．站点周边用地特性对轨道客流影响机理研究[D]．北京：北京工业大学，2015 ．

Study on Subway-station Traffc Generation Rates of Kinds of Buildings in Urban District——Taking Shenzhen Metro Line 1 For Example

Ping Shaohua
(Shenzhen Urban Planning & Land Resource Research Center,Shenzhen 518040)

With China’s urbanization process accelerating, the agglomeration of big cities becomes more and more intensive, which makes traffc jam even worse. Subway is considered as an effective method to alleviate traffc congestions because of its large volume, high effciency, time controllability, more comfort. How to plan the lines and stations of subway to meet people’s travel demand and make sure subway a sustained and ample passenger fow? It is very necessary to study on traffc generation rates of kinds of buildings surrounding the lines and stations of subway. This paper tries to estimate the traffc generation rates through the linear regression method, taking subway-station passenger flows and all kinds of functional building scale surrounding the stations of Shenzhen Metro Line 1 in 2010 ～2014 years as an example, research methods of this kind of work and bring forth some possible conclusions, which may provide reference for the city and urban mass transit planning.

Subway station; Passenger fow; Subway-station traffc generation rate; Linear regression method

U239．5

A