市域轨道交通客流预测与特征探析

吴赞阳

热点研讨

市域轨道交通客流预测与特征探析

吴赞阳

（无锡地铁集团有限公司，无锡 214000）

市域轨道交通从客流性质看包括城区客流、城郊客流和城区与辖县间的市域客流；从与地铁衔接看，有贯通运营、站点换乘等不同模式，其中，贯通运营模式将强化对市域客流及城郊客流的服务。为更准确地预测3类客流，支撑市域轨道运营模式决策，指出市域轨道交通客流预测需对传统“四阶段法”进行优化，应细分城区、城郊和市域3类客流，在出行生成、出行分布和方式划分等阶段进行分别建模，在流量分配阶段再汇总，进而应用国际流行的“拓展四阶段法”，新增反馈模块，将拥堵信息返回至前述阶段，以多次循环实现模型收敛平衡。以与无锡地铁1号线衔接的无锡至江阴市域轨道(简称锡澄线)为例进行了实例应用分析，验证了模型的可行性；对站点换乘和贯通运营两种模式进行比较。预测表明，在贯通运营模式下，锡澄线本线远期日客运量增长16%、高峰小时断面增长7.8%。较好地支撑了锡澄线运营模式决策，所提方法可为其他地区都市圈市域轨道交通客流预测提供技术参考。

市域轨道；贯通运营；模型反馈；拓展四阶段法

通常情况下，市域轨道交通与城市轨道交通衔接模式可分为贯通、换乘、贯通+换乘等运营模式。运输供给满足客流需求，使得运输效率最大、运营成本和乘客成本最小是运营组织方案优化的主要目的。本文以无锡至江阴市域轨道(简称锡澄线)为例，基于无锡市域居民出行规律，采用大数据校核客流预测模型，重点研究锡澄线在与城区轨道交通1号线贯通运营条件下的客流特征，以促进实现锡澄线运营效益最优化。

锡澄线起于江阴外滩，止于既有无锡地铁1号线终点站堰桥站，线路全长30.4 km，预计2024年建成，预测特征年分别为开通运营的第3、10、25年。锡澄线在堰桥站与无锡地铁1号线贯通运营，在构建“锡澄半小时通勤圈”，打通交通主动脉，推动锡澄一体化发展方面起到重要的促进作用(如图1)。

图1 锡澄线线路走向示意

Figure 1 Scheme of Wuxi-Jiangyin Metropolitan Intercity Line

无锡地铁1号线于2014年7月1日正式开通运营。全线呈南北向，北起惠山区，串联老城和太湖新城。1号线(堰桥—长广溪)全长29.4 km，设车站24座(见图2)。工作日早、晚高峰为7:00～9:00、16:30～18:30，周末及节假日高峰为10:00～18:00，列车行车间隔为7 min。除此之外，其他时段为平峰期，行车间隔时间为8 min。

1 模型思路及构建

1.1 贯通运营条件下的功能特征变化

锡澄线具有城区联系、城郊联系和市域联系的多重功能(如图3)：

图2 无锡地铁1号线线路走向示意图

Figure 2 Scheme of Wuxi Metro Line 1

图3 锡澄线功能定位示意图

Figure 3 Function of the Wuxi-Jiangyin Metropolitan Intercity Rail

1) 城区联系：江阴主城区内部各组团间的通勤等联系，线路主要服务的沿线组团包括外滩地区、老城区、高铁站地区。

2) 城郊联系：江阴主城区与城郊间的联系、无锡主城区与江阴城郊间的联系以及江阴城郊内部的联系。江阴城郊主要为青阳、徐霞客地区。

3) 市域联系：无锡主城区与江阴主城区间。

锡澄线与无锡地铁1号线贯通运营，将开行与地铁1号线跨线直通的列车，减少了不贯通模式下的换乘和候车环节。与不贯通模式相比，预期贯通模式将诱增一定的市域客流以及无锡主城区与江阴城郊间的城郊客流，市域出行服务及城郊出行服务功能将得到不同程度的强化。

1.2 模型思路

锡澄线与1号线贯通运营后，列车纵贯江阴市域和无锡市区，为此，预测模型也应从空间上覆盖江阴市域和无锡市区，本次构建了更大范围的苏锡常都市圈模型，如图4所示。

图4 苏锡常都市圈路网模型

Figure 4 Interface of the model and the underlying metropolitan network

为更好地适应锡澄线功能，在“拓展四阶段”预测模型[1]的基础上，本次提出按城区出行、城郊出行和市域出行3大模块进行细分，分类进行出行生成、出行分布和方式划分的预测后，汇总形成统一的OD，进行统一的综合交通流量分配预测和轨道客流预测。与传统“四阶段”法相比，“拓展四阶段法”最主要的特征是引入复合阻抗、增加了大循环反馈模块(反馈模块已是国外模型不可或缺的组成部分)和收敛判断算法，以反映交通拥堵对出行行为的影响作用，避免了传统四阶段法数据单向流动、无法正确反映供需动态平衡的突出问题[1]。模型思路结构如图5所示。

锡澄线承担的城区出行、城郊出行和市域出行，在出行特征上呈现显著差异：从出行频次来看，城郊与城区出行频次远大于市域出行；从出行目的来看，江阴长期以来自成一体，市域出行中通勤比例较少，商务、探亲、休闲、购物、看病、旅游等占大多数，但城郊出行以通勤为主；从出行距离和时耗来看，城区出行时间要求高，其出行时耗要显著小于市域出行；此外，在高峰分布、方式结构方面，三者也有较大的差异。传统方法将三者合在一起进行建模，在部分阶段中增加细化模块来解析3类出行，如出行分布阶段以K系数法进行分类校核；该方法一方面在思路和结构上不够清晰，另一方面，由于城区出行占大多数比例，往往结果上容易重城区出行而轻市域出行和城郊出行。为避免以上问题，本次提出分类分析的方法，在出行生成、出行分布、方式划分、时段划分等阶段对3类出行进行清晰划分和独立运算，直到流量分配阶段再合在一起，进而利用反馈模块将拥堵信息返回前3阶段，以多次大循环实现模型的收敛和动态平衡。

图5 锡澄线客流预测技术路线

Figure 5 Technical frame of the method used in the passenger flow forecast

1.3 出行生成

传统居民出行调查数据相对覆盖中心城区较多，但对城郊地区覆盖较为薄弱，为此，本次研究引入手机信令大数据，覆盖了无锡市域范围，从样本量规模方面对城郊出行、市域出行进行有效补强，结合居民出行调查与锡澄出行意愿调查分析，全面把握城郊居民出行特征。

手机信令数据样本量大，可从日均出行频次、出行时空分布等方面提供更准确的结果；居民出行调查数据虽然样本量相对小，但包含调查居民的个人特征、出行频次、出行目的、交通方式、出行时耗等全过程信息，特别是出行目的、交通方式等通过手机信令数据难以得到。两者各有优势，为此，将手机信令数据与居民出行调查进行相互校核，两类数据优势互补，为模型标定提供更加可靠的数据来源。本次手机信令大数据采用了2018年7月第一周的手机信令大数据，采集样本为无锡市域范围，样本量约占全市人口的21%，对138万手机用户进行连续不间断追踪，动态采集了无锡市域范围内手机用户的信令数据。除此之外，由于手机信令大数据对居民出行目的区分不足，本次研究还以2018年常住人口数据为基础，对无锡市区、江阴市域范围按照1.1%抽样率进行居民出行抽样调查并扩样。

1.3.1 城区及城郊出行生成

采用原单位法，根据现状调查数据和手机信令数据扩样得到现状OD矩阵，根据特征年发生吸引量和现状OD矩阵利用双约束模型得到特征年OD。

1) 发生量，包括常住人口发生量和流动人口发生量。

常住人口发生量：根据城市总体规划中对各片区组团人口的预测采用插值法得到各特征年的人口，据公式(1)计算得到各交通小区的发生量，后汇总得到出行发生总量。

式中：P为第个交通小区内的常住或流动人口出行发生量；r为第个交通小区内的常住或流动人口数量；为常住或流动人口的日平均出行次数；k为第个交通小区的区位系数，中心区为1.2，中间区为1.1，外围区为1.0；为规划范围内的交通小区个数；sum为常住或流动人口的出行总次数。

流动人口发生量：将各交通小区内流动人口数量乘以规划人均出行次数，即可得到特征年各交通小区内流动人口的出行发生量。根据公式(2)可以计算得到特征年各交通小区流动人口的出行吸引量。

式中：H为第个交通小区的流动人口出行吸引量；sum为流动人口出行总次数；为规划范围内交通小区总数；R、2、3、5、M、G为第个交通小区内的居住、商业、文化娱乐、医疗卫生、工业、公共绿地用地面积；K、K2、K3、K5、K、K为居住、商业、文化娱乐、医疗卫生、工业、公共绿地用地对出行吸引量的权重值。

2) 吸引量。首先基于调查，通过回归分析法得到出行吸引量与人口、用地类型、就业岗位之间的关系。然后，基于预测的未来交通小区内的人口、岗位、规划用地类型等，求得各小区常住或流动人口的出行吸引量，汇总得到出行吸引总量。

1.3.2 市域出行生成

为此，对于传统市域联系客流，采用经济社会与市域交通规模的弹性系数法进行预测。首先基于手机信令数据分析，得到各交通小区的市域间现状客流发生、吸引量，然后以经济社会历史增长率与市域交通增长率的弹性关系，预测未来的弹性系数变化，预测得到未来的发生、吸引量规模(见图6)。

图6 未来城区常住人口出行规模

Figure 6 Urban trip generation pattern of future year

其次，对于通勤客流，从其相关特性来看，与江阴郊区—无锡主城区间城郊客流规律特性拥有较强的相似性，为此利用大数据分析江阴郊区与无锡主城区间的人均日出行频次与出行距离的变化关系，总体上递远递减，如图7所示，利用此规律外推得到江阴主城区各交通小区与无锡主城区各交通小区的人均日出行频次，进而得到通勤出行发生量。

最后，将通勤客流与传统市域联系客流叠加，得到市域间出行总客流。

从国内外发展经验来看，在都市圈通勤圈范围内，居民的出行规模一般呈现随出行距离迅速增大又递减的规律。在几千米出行范围内，出行阻抗低，出行成本对出行的影响较小，出行规模随着距离增大、目的地增多、机会增多而增大；随着出行范围的进一步扩大，出行阻抗对出行的影响越来越显著，导致居民出行意愿不断衰减，使得出行规模随出行距离的增大而不断减小。

图7 出行规模随距离分布(TLFD)示意图

Figure 7 Trip length-frequency distribution pattern

基于以上3个层次，结合相关调查和统计分析，可将居民人均日出行次数拆解至市区、市郊、市域3类空间构成范围，从而得到对应3类空间范围的常住人口出行次数，如表1所示。常住人口及流动人口初、近、远期出行预测总体规模为2 118万人次/d、2 476万人次/d、2 488万人次/d，如表2所示。

首先进行了史料查阅(史书记载的均为古道，而不是森林古道)，根据民国三年的《道光东阳县志》[5]记载，东阳古道有15条，通往义乌路(3条)、永康路(3条)、天台路(4条)、嵊县路(3条)、诸暨路(2条)，经计算得古道总长度大约596 km(图1)。

表1 出行空间构成划分

注：经校核，根据城市总规里的人口预测，根据相关调查和统计分析，将居民人均日出行次数拆解至市区、市郊、市域3类空间构成范围，修正了各空间层次的出行次数，江阴城区+城郊+市域=下表的常住人口出行次数。

表2 常住人口出行规模

注：常住人口统计口径为江阴市域和无锡市区。出行次数为3类的合计，流动人口出行次数统一取3.0人次/d，得到初近远期出行规模。

1.4 出行分布

根据居民出行调查数据和手机信令大数据，对无锡市域范围现状流量分布进行分析，根据手机信令数据，得到平均出行时间、平均出行距离及交通中区分布形态等现状参数特征。根据无锡和江阴市居民出行调查得到出行目的等参数。特征年出行分布如图8所示。

将手机信令数据结合居民出行调查与锡澄出行意愿调查综合分析，如图9所示，从锡澄联系空间分布来看，锡澄间一日双向全方式联系量约为25万人次/d，主要包括部分交界区域的短距离联系，及江阴、无锡市区间商务、办公、探亲、旅游等出行。

对城区出行、城郊出行、市域出行分别应用双约束重力模型进行预测，基于现状平均出行时间、距离、分布形态等进行参数标定如表3所示。

图8 无锡市域手机信令蛛网图

Figure 8 Spider web of citywide trips based on cellular signaling data

图9 锡澄全日全方式联系空间分布示意图

Figure 9 Current daily travel pattern between Wuxi City and Jiangyin City

表3 交通分布现状模型校核

对于小区内部出行需要分类分析。市域出行模块和城郊出行模块需结合OD点对的空间关系进行阻抗预设，如无锡主城区各交通小区相互间的出行阻抗需设置为极大，以避免跨市域客流被分布为城区客流。对于城区出行模块，考虑到本次小区划分比较细致，统一采用重力模型对区内出行分布预测会产生较大的偏差，拟对区内分布进行独立预测与分析；根据国内外相关建模经验，区内出行的发生量、吸引量与小区的面积有着明显的关系；区内出行分布模型采用公式(3)进行：

其中，T为小区内部出行量，G为小区交通发生量，A为小区交通吸引量、S为小区面积，、、待定参数，通过回归获取。

1.5 方式划分

1.5.1 城区出行方式划分

根据各种客运交通方式的特征将其分成不同层次结构，如图10、11所示，首先确定非竞争类即步行交通方式的分担率，然后采用Logit函数模型，将独立使用自行车、个体机动交通方式的分担率从竞争类交通方式中划分出来，从而得到由轨道交通、常规公交和接运自行车组成的合作竞争类交通方式的分担率，如表4所示。该方法不直接得到轨道交通方式的OD矩阵，而是得到合作竞争类交通方式的OD矩阵，充分体现了轨道交通、常规公交和自行车之间的合作竞争关系。

图10 都市圈范围内出行分布蛛网图

Figure 10 Spider web of forecasted metropolitan trips

图11 交通方式划分模型

Figure 11 Structure of mode split model

表4 城区出行方式结构

1.5.2 城郊出行方式划分

城郊出行方式主要包括小汽车、城乡班线和轨道交通，相应应用Logit函数模型进行预测。城郊出行方式结构预测如表5所示。

1.5.3 市域出行方式划分

市域范围的出行方式主要包括小汽车、摩托车、城际班线、铁路和轨道交通，相应应用Logit函数模型进行预测，如表6所示。预测结果显示，铁路主要为利用新长铁路短途列车出行和利用盐泰锡常宜铁路接驳方式出行，相对规模较小。

表5 城郊出行方式结构

表6 市域出行方式结构

1.6 交通分配及MSA反馈

将城区出行、城郊出行及市域出行3大类出行的OD进行叠加，即得到总OD，然后分别对机动车和公交进行流量分配预测。

机动车分配采用多种小汽车平衡分配，根据出行时间成本分为小客车、大客车和出租车，根据现状车辆出行特征及未来经济发展趋势，同时机动车出行率呈现与保有量负相关关系，而一般高于居民平均出行率的特征，综合确定机动车不同规划年限的出行发生率。根据机动车拥有量及各类机动车出行率预测，可确定特征年各类机动车出行量。将不同类型的车种OD需求放在一起分配互相竞争，同时对不同车种设置不同模型类型，便于对某些车种进行道路限行设置。

公交分配选择公交线段延误函数，采用最优策略分配的方法，对公交方式早、晚高峰小时当量需求矩阵进行分配，得到公交早、晚高峰小时当量断面流量。

本次采用“拓展四阶段法”，利用MSA法多次循环运行四阶段法直至模型预测结果趋于收敛稳定[1]，即不断调整已分配到各路段上的交通流量而逐渐达到或接近均衡分配(反馈到出行分布，已在图5中标出)。

2 客流特征分析

2.1 线路客运量

锡澄线与地铁1号线贯通运营，锡澄线高峰小时单向最大断面流量初期0.64万人次、近期0.85万人次、远期1.25万人次。相较于独立运营方案，锡澄线远期日客运量增长16%、高峰小时断面增长7.8%。

远期增加的客流量主要为市域客流和江阴郊区-无锡主城区的客流，两者规模分别为11.7万人次/d、4.5万人次/d，共占总量的16.8%。

2.2 高峰断面流量

根据客流预测结果，锡澄线与1号线贯通运营时，高峰小时最大断面客流出现在1号线区段胜利门站至三阳广场站区间，最大断面客流量33 034人次/h，本线区段高峰小时最大断面出现在南门站至汽车客运站区间，断面客流量为12 523人次/h，如图12所示。

图12 锡澄线与1号线贯通运营远期高峰小时断面

Figure 12 Long-range peak-hour peak-section flow under the mode of through operation

2.3 组团客流交换

本线是无锡城区与江阴城区南北方向客流联系的主要通道，贯通交路长度超过50 km，平均乘距超过10 km，运营长度和客流乘距均较长。

锡澄线与1号线贯通运营条件下，各组团间客流交流情况如图13所示。与1号线贯通运营后，全线客流组成城区联系占79.6%、城郊联系占8.3%、市域联系占12.1%。从锡澄线本线客流组成来看，远期江阴外滩站至徐霞客站全日客流量为21.8万人次，其中内部交流量为13.7万人次，占62.8%，与无锡各组团的交流量为8.1万人次，占37.2%。由此可以看出，远期江阴组团与无锡主城之间的交流超过江阴城区内部客流的一半，锡澄协同发展趋势明显。从客流需求来讲，锡澄线与1号线贯通运营效益更佳。

2.4 运营组织方案

本线各组团的内部客流，占本线承担的客流的38.4%，该部分客流中通勤、通学客流占有很大比例，一般运距较短，对旅行速度、舒适性的要求相对较低，在便捷性、经济性等方面的要求突出，可开行站站停列车满足这部分客流的出行需求(见图14)。

图13 锡澄线与1号线贯通运营远期各组团客流交换情况

Figure 13 Passenger flow pattern under the mode of through operation

图14 停站方案

Figure 14 Stop plan

对于各组团之间以及跨组团的长距离出行客流，占本线总客流的61.6%，其中江阴组团与无锡城区组团交换客流所占比重最大，占本线总客流的18%，其次是江阴组团与惠山组团之间的跨组团客流，占本线总客流的11%。该部分客流出行距离较长，要求停站少、旅行速度快、舒适性高，对出行时间的要求更高。

因此，为细分客运市场，更好地服务于旅行距离长、对快捷性及舒适度要求高的直达客流，对于外围组团有必要开行大站快车，提高大站之间客流的服务质量，以适应不同客流需求。故本线宜开行大站快车来满足本线功能定位和沿线客流快速出行的需求。

2.5 行车组织

根据客流预测结果，从满足高峰小时客流需求、运能余量上来看，图15所示交路设置具有一定的抵抗客流预测风险的能力。从直达性上看，江阴组团中前往无锡南延段的客流需在市民中心站换乘，但是从初期沿线组团客流分析，江阴段至无锡南延段客流交流占总客流量1.0%，占客流量比例较小，因此贯通交路在市民中心站折返，对客流的直达性影响不大。

本线与1号线贯通运营条件下，初、近期断面客流特征与远期相似，因此初近期交路的设置可参考远期的交路形式，高峰小时开行对数根据初、近期客流规模，并考虑一定运能余量综合确定。

2.6 运输时效性

若锡澄线与1号线采用贯通运营方案，则江阴段至无锡城区的客流无需在堰桥站换乘。1号线初期高峰和平峰发车间隔分别为4 min和8 min，近期至远期高峰时段发车间隔逐渐缩短为2 min，平峰时段发车间隔为4 min；锡澄线行车间隔2 min。经初步估算，可节约乘客在换乘站的走行时间及候车时间约4 min，有助于实现乘坐轨道交通30 min由江阴高铁站到达无锡火车站的时间目标，提高轨道交通服务水平。由于线路经无锡主城设站密集，有利于江阴主城与无锡主城的联系客流，降低换乘系数，两段实现“零换乘”，提高客流直达性，提升轨道交通运营服务的品质。

图15 贯通运营交路示意图

Figure 15 Routing plan of through operation line

3 结语

综上所述，对于发展迅速的市域轨道，多存在与城市轨道交通网衔接的问题，采用何种运营组织方案，需结合线路的客流适应性与服务水平、运营组织便利性、经济造价、对相关线路的影响等多方面比较后确定。针对市域轨道锡澄线与地铁1号线贯通运营特点，客流预测利用区分城区出行、城郊出行和市域出行的“拓展四阶段法”模型预测，可以较好地适应客流特征，可为市域轨道交通客流预测提供方法借鉴。

[1] 裴剑平, 范东涛. 基于拓展四阶段法的城市轨道交通客流预测[J]. 都市快轨交通, 2010, 23(5): 57-61. PEI Jianping, FAN Dongtao. Passenger flow forecast for urban rail transit based on extended four-step model[J]. Urban rapid rail transit, 2010, 23(5): 57-61.

[2] 王树盛, 黄卫, 陆振波, 等. 都市圈轨道交通客流预测方法研究[J]. 城市轨道交通研究, 2004(1): 40-43.WANG Shusheng, HUANG Wei, LU Zhenbo, et al. A method of forecasting passenger flow in metropolitan UMT[J]. Urban mass transit, 2004(1): 40-43.

[3] 杨敏, 陈学武, 王炜, 等. 基于人口和土地利用的城市新区交通生成预测模型[J]. 东南大学学报(自然科学版), 2005(5): 161-165.YANG Min, CHEN Xuewu, WANG Wei, et al. Trip gene­ration forecasting model of new district based on urban population and land use[J]. Journal of Southeast University (Natural Science Edition), 2005(5): 161-165.

[4] 无锡地铁公司. 无锡市域居民出行调查报告[R]. 南京, 2019.

[5] 中设设计集团. 无锡至江阴城际轨道交通工程工可阶段客流预测项目[R]. 南京, 2019.

[6] 康海燕. 北京轨道交通市郊线与市区线的衔接方式探讨[J]. 都市快轨交通, 2010, 23(2): 50-54. KANG Haiyan. On the connection modes of Beijing subu­rban railway lines with urban rail lines[J]. Urban rapid rail transit, 2010, 23(2): 50-54.

[7] 陈凡, 王昊. 城市圈城际铁路列车开行方案的优选[J]. 铁道运营技术, 2011(1): 34-36.

[8] 刘扬, 程铭基. 轨道交通客流预测估算方法的研究[J]. 铁道工程学报, 2015, 32(12): 92-96. LIU Yang, CHENG Mingji. Research on the forecast me­thods of rail transit passenger flow[J]. Journal of railway engineering society, 2015, 32(12): 92-96.

[9] 佘世英, 李建忠, 郑猛. 建立在现有模型基础上的轨道交通客流预测模型及其校核[J]. 城市轨道交通研究. 2008, 11(1): 49-53. SHE Shiying, LI Jianzhong, ZhENG Meng. Calibration of Wuhan rail passenger forecast model built on the existing model[J]. Urban mass transit, 2008, 11(1): 49-53.

[10] MARTIN W A, MCGUCKIN N A. Travel Estimation Techniques for Urban Planning[R]. NCHRP reort 365, 1998.

Forecast Method and Characteristics of Metropolitan Suburban Rail Passenger Flow

WU Zanyang

(Wuxi Metro Cooperation, Wuxi 214000)

Passenger flow in the metropolitan suburban rail includes urban passenger flow, suburban passenger flow, and intercity passenger flow. Regarding the operation mode when connecting to the subway, the hub transfer mode and the through operation mode are two possible choices, with the latter providing strengthened service for intercity and suburban passengers. To achieve more accurate forecasts and support better decision-making regarding the suburban rail operation mode, this study highlights that the prediction model for metropolitan suburban rail passenger flow needs to be further optimized on the basis of the “four-step model.” Passenger flow should be divided into three categories: urban areas, suburbs, and intercities. The trip generation, distribution, and mode choice steps should be performed for each of the three types of flows. After aggregation of the ODs of the above three types of flow, the traffic and transit assignment can be performed for all of them simultaneously. Furthermore, the extended four-step model widely used in advanced countries, which can feed back congestion to the whole model and dynamically balance the demand and supply, should be applied. The proposed improved model was applied to the case of the Wuxi-Jiangyin metropolitan suburban rail that will be operated with Wuxi Metro Line 1. The results verified the feasibility of the proposed model and showed that more passenger flows are expected under the through operation mode. Compared to the hub transfer mode, the daily passenger flow can grow by 16% and the peak-hour peak-section flow can grow by 7.8%. The proposed method can be applied to similar cases in other regions and better support operational decision-making.

metropolitan suburban rail; through operation; feedback method; expanded four-step model

U231

A

1672-6073(2021)02-0021-08

10.3969/j.issn.1672-6073.2021.02.004

2020-06-24

2020-07-13

吴赞阳，男，硕士，研究方向为轨道交通规划和建设管理。

吴赞阳. 市域轨道交通客流预测与特征探析[J]. 都市快轨交通，2021，34(2)：21-28.

WU Zanyang. Forecast method and characteristics of metropolitan suburban rail passenger flow[J]. Urban rapid rail transit, 2021, 34(2): 21-28.

（编辑：王艳菊）