李 凱

(西南交通大學 交通運輸與物流學院,四川 成都 610031)

基于“三階段法”的高速鐵路短期運量預測

李 凱

(西南交通大學 交通運輸與物流學院,四川 成都 610031)

考慮到我國未來年度的OD分布預測中的路網(wǎng)構成變化、區(qū)域經(jīng)濟布局變動、區(qū)域經(jīng)濟增長速度差異等一些具有時變性和特殊性因素，采用在“四階段法”運量預測基礎上改進而成的“三階段法”進行高速鐵路短期客運量預測。首先采用組合預測模型進行趨勢運量預測，然后采用多元LOGIT模型進行方式分擔，最后采用彈性系數(shù)誘增模型進行誘增運量預測。以京滬高鐵為例，采用“三階段法”預測了2014年和2015年京滬高鐵本線及跨線單向客流量。

三階段法；鐵路運量預測；組合預測模型；多元LOGIT模型；彈性系數(shù)誘增模型

0 引言

目前，鐵路客流預測主要采用的定量預測方法包括回歸分析法、時間序列分析法、灰色預測法、人工神經(jīng)網(wǎng)絡法、支持向量機法等?；貧w分析法的主要優(yōu)點是預測過程簡單，缺點是誤差較大，外推特性差。時間序列分析法有效的前提是過去的發(fā)展模式會延續(xù)到未來。GM(l，1)灰色預測模型是具有偏差的指數(shù)模型，在許多領域的實際應用中既有很多成功的實例，同時也存在一些預測偏差過大的情況。神經(jīng)網(wǎng)絡模型屬于數(shù)據(jù)驅動的方法，預測的過程需要大量的樣本。支持向量機法中核函數(shù)的選取在SVM方法中是一個較為困難的問題，至今沒有一定的理論方面的指導。上述這些方法都存在有一些不完善之處，對研究年度的OD分布預測沒有考慮諸如路網(wǎng)構成變化、區(qū)域經(jīng)濟布局變動、區(qū)域經(jīng)濟增長速度差異等一些具有時變性和特殊性因素，基于這些時變性因素，本文提出的“三階段法”進行高鐵短期運量預測。

1 “三階段法”預測模型

本文改進的“三階段法”中，首先采用組合預測模型進行趨勢運量預測，然后采用多元LOGIT模型進行高速鐵路分擔量預測，最后采用由LOGIT模型推導出的彈性系數(shù)誘增模型進行高鐵誘增運量的預測。具體如下：

1.1 趨勢運量預測模型

關于趨勢運量預測常用的方法包括移動平均、指數(shù)分布、灰色預測方法、曲線趨勢外推、指數(shù)平滑法、乘冪等時間序列方法。一般地，對于同一個預測對象,不同的預測方法往往能提供不同的有用信息,如果簡單將預測誤差平方和較大的一些方法舍棄掉,可能會丟失一些有用的信息。因此本文提出的組合預測更強調來源于不同信息的各種預測，而非構造復雜的單項預測，從而具有更高的預測性能和出現(xiàn)極端預測誤差的更小風險。趨勢運量預測采用乘冪、指數(shù)平滑、移動平均、灰色預測等幾種方法組合預測模型，具體模型結構如下

(1)

式中，Yij為預測年度各種方法所得的OD分布ij預測值；Yij指，Yij乘，Yij移，Yij灰為各OD分布ij間不同種預測方法趨勢運量預測值；λij指，λij乘，λij移，λij灰為各OD分布ij間不同種預測方法的權重系數(shù)。本文提出選用標準差法來確定加權組合預測模型的權數(shù)λij指，λij乘，λij移，λij灰，其數(shù)學表達式為

(2)

1.2 運輸方式分配模型

多項式對數(shù)分配模型(LOGIT)是主要用于預測各種運輸方式的分擔運量。即方式k的市場份額模型的基本結構如下

(3)

式中，Pi為乘客選擇第k種運輸方式的概率，即方式k的市場份額；Cijk為第k種方式的廣義成本。

1.3 運量誘增模型

高速鐵路建成后,不僅從通道內其他原有運輸方式中吸引一部分客流,而且隨著社會經(jīng)濟發(fā)展與高速鐵路的固有技術特點,將誘發(fā)產(chǎn)生一部分新的運輸需求[3]。模型的基本結構如下

(4)

式中，Rij為OD的誘發(fā)率；Cij前為京滬高速鐵路建成前廣義成本；Cij后為有京滬高速鐵路條件下OD對廣義費用。廣義成本Cij為各種運輸方式的綜合費用，其表達式如下

(5)

式中，λ為正態(tài)分布系數(shù)，控制各種運輸方式的離散程度。

運輸方式k的廣義費用Cijk包括直接費用和旅客所花費時間(包括旅行時間，到達和離開站/場的時間和等候時間等)轉化為價值后的兩者之和，其表達式為

(6)

式中，α0k為k種運輸方式的方式罰因子，表示交通方式服務屬性中除時間、費用以外的其它因素(安全、舒適、方便性等)價值轉換；tijk為i，j間k種運輸方式的在車旅行時間；pijk為ij間k種運輸方式的進出站場時間；wijk為ij間k種運輸方式的等候時間(含中轉時間)；α1k、α2k、α3k為k種運輸方式時間價值與權重的乘積；Fijk為ij間k種運輸方式直接付出的費用(包括票價和附加費)；α4k為k種運輸方式各費用元素的權重[4-5]。

本文效用價值用費用來表示時，時間與費用的轉換系數(shù)稱為時間價值(包括在車時間價值、進出站場時間價值、中轉時間價值和等候時間價值等)，費用項的系數(shù)為-1[3,6]。一般大多數(shù)中國人寧愿多花些時間在車上，也不愿花同樣長的時間候車或進出站場。因此一般取進出站場時間價值和等候時間價值為旅行時間價值的2倍，將效用表達式中的時間合并為Tij，其表達式可簡化為

(7)

式中,β1為該方式的方式罰因子；β2為時間價值[7]。

LOGIT模型中需要估計的參數(shù)主要是表示各種運輸方式的“負效用”的效用函數(shù)系數(shù)，在對LOGIT模型進行效用函數(shù)參數(shù)標定時，考慮我國各方式旅行時間和費用間存在的嚴重“多重共線性”，本文采用“伯克森-泰爾(Berkson-Thail)法”進行標定[3]。

2 “三階段法”在京滬高速鐵路運量預測中的應用

2.1 運量預測準備條件

2.1.1 京滬通道相關OD區(qū)域的劃分

目前，京滬通道內現(xiàn)有的運輸方式包括高速鐵路、既有鐵路、航空、公路等四種方式[8]。根據(jù)現(xiàn)有的客流組織模式，在我國高速鐵路尚未成網(wǎng)的條件下，與京滬高鐵相關聯(lián)的高速鐵路有膠濟客專、滬杭城際、寧杭城際、及東南沿?？蛯５龋虼艘袁F(xiàn)有開通的鐵路車站為參照，京滬高鐵本線OD區(qū)域主要包括：北京、滕州、廊坊、天津、滄州、德州、濟南、泰安、曲阜、棗莊、徐州、宿州、蚌埠、定遠、滁州、南京、鎮(zhèn)江、丹陽、常州、無錫、蘇州、昆山、上海等23個城市。

京滬高鐵路跨線OD區(qū)域主要包括：昌樂、福鼎、福州、海寧、漢口、杭州、嘉善、嘉興、膠州、樂清、膠州、寧波、寧德、寧海、青島、青州、三門、上虞、紹興、松江、臺州、桐鄉(xiāng)、濰坊、溫嶺、溫州、雁蕩、永嘉、余杭、余姚、章丘、淄博、合肥等32個城市。

通過調查并計算得2012年京滬高速鐵路本線300 km/h單向客流區(qū)段密度如下：北京—廊坊838萬人/a；廊坊—天津874萬人/a；天津—滄州930萬人/a；滄州—德州927萬人/a；德州—濟南838萬人/a；濟南—泰州722萬人/a；泰州—曲阜683萬人/a；曲阜—棗莊702萬人/a；棗莊—徐州792萬人/a；徐州—宿州638萬人/a；宿州—蚌埠984萬人/a；蚌埠—滁州937萬人/a；滁州—南京993萬人/a；南京—鎮(zhèn)江528萬人/a；鎮(zhèn)江—常州838萬人/a；常州—無錫782萬人/a；無錫—蘇州492萬人/a；蘇州—上海639萬人/a。

2012年京滬高鐵本線200 km/h單向客流區(qū)段密度如下：北京—廊坊528萬人/a；廊坊—天津482萬人/a；天津—滄州568萬人/a；滄州—德州538萬人/a；德州—濟南542萬人/a；濟南—泰州429萬人/a；泰州—曲阜482萬人/a；曲阜—棗莊451萬人/a；棗莊—徐州394萬人/a；徐州—宿州472萬人/a；宿州—蚌埠469萬人/a；蚌埠—滁州483萬人/a；滁州—南京518萬人/a；南京—鎮(zhèn)江449萬人/a；鎮(zhèn)江—常州403萬人/a；常州—無錫387萬人/a；無錫—蘇州382萬人/a；蘇州—上海375萬人/a。

2012年京滬線上單向跨線高鐵運量見表1。

表1 2012年京滬線上單向跨線高鐵運量 萬人/a

2.1.2 運輸方式服務屬性的確定

(1)旅行時間。目前京滬高速鐵路本線及跨線均開行了最高速度為300 km/h的G字頭列車和行車速度200 km/h的D字頭列車，本文依照兩種列車開行比例計算速度折扣系數(shù)，以確定本線與跨線列車的旅行時間。既有鐵路運行時間按照現(xiàn)狀取值。公路民航預測年度不會有大的改善也按現(xiàn)狀取值。

(2)進出站(場)時間。影響旅客進出站時間的主要因素是城市及市郊道路的交通狀況。預測年度，各交通小區(qū)進出車站時間根據(jù)各地規(guī)劃的城市道路或其它交通方式的速度、里程確定。由于本文主要進行短期預測，因此認為京滬沿線地區(qū)的城市及市郊道路、交通狀況改善程度有限，對旅客進出站時間的影響不會太大，2014年各種運輸方式進出站時間依照現(xiàn)狀。2015年隨著經(jīng)濟的發(fā)展，城市道路交通運輸效率將會有所提高，旅客進出站時間按比現(xiàn)狀減少5%考慮。

(3)等候時間。本文探討的旅客在站等候時間以現(xiàn)狀為基礎，2014年等候時間按照現(xiàn)有列車開行的實際服務頻率來計算；2015年隨著客流需求的增加，列車開行對數(shù)將會有所增加，因此按照現(xiàn)狀基礎上減少5%考慮。公路與民航等候時間確定方法與鐵路相同。

(4)運價水平。京滬高鐵現(xiàn)行的客運運價水平，G字頭列車平均運價為0.45元/人km，D字頭列車平均運價為0.25元/人km，按照始發(fā)站與終到站間不同種類列車開行比例，對高鐵運價進行加權平均。另外，既有鐵路的快速、旅游客車平均運價為0.21元/人km。按高速公路系統(tǒng)公布票價，京滬區(qū)段現(xiàn)狀平均運價在0.6～0.8元/人km之間，預測年度，預測年度比照目前高速公路已通車地區(qū)運價率計算旅客票價。民航旅客票價在預測年度基本按現(xiàn)狀公布票價考慮。

(5)其它費用。公路旅客的其它費用主要是旅客進出站場費用，預測年度對旅客進出站場費用影響較小，按維持現(xiàn)狀不變考慮。民航旅客的其它費用包括旅客進出機場費用、機場建設費及保險費，也按維持現(xiàn)狀不變考慮。

(6)旅客時間價值。預測中的時間價值是通過京滬通道客流調查所得，調查旅客為節(jié)省1 、2 、3 h的旅行時間旅客愿多支付的票價來體現(xiàn)旅客出行時間價值。調查結果表明，旅客的時間價值基本與收入成正相關，見表2，再結合京滬通道內不同收入旅客所占的比例，計算出旅客平均時間價值約為40 元/h。

表2 旅客時間價值與收入關系

按車種分析乘坐不同客運產(chǎn)品旅客的時間價值，乘坐300 km速度等級列車的旅客時間價值為51元/h，乘坐200 km速度等級列車的旅客的時間價值為44元/h，其他既有線旅客時間價值為34元/h，見表3。

表3 乘坐不同車種旅客的時間價值

2.2 京滬高速鐵路運量預測結果及分析

采用“三階段法”對京滬高鐵本線及跨線客流進行運量預測，預測結果及分析如下：

2.2.1 本線客流預測結果

由于京滬通道內高速鐵路本線、京津城際鐵路、滬寧城際鐵路已經(jīng)開通，預測時考慮京津與滬寧城際鐵路的趨勢客流，測算北京—天津段、南京—上海段的城際客流具有較低的轉移比例，其他區(qū)段包括徐州、濟南、南京、上海等大站承擔京滬高鐵本線與跨線大站之間的客流交流，因此高速鐵路所占運輸方式份額較大。

2014年京滬高鐵本線300 km/h單向客流區(qū)段密度如下：北京—廊坊1 264萬人/a；廊坊—天津1 239萬人/a；天津—滄州1 421萬人/a；滄州—德州1 340萬人/a；德州—濟南1 320萬人/a；濟南—泰州1 028萬人/a；泰州—曲阜1 178萬人/a；曲阜—棗莊1 172萬人/a；棗莊—徐州1 118萬人/a；徐州—宿州1 020萬人/a；宿州—蚌埠1 325萬人/a；蚌埠—滁州1 312萬人/a；滁州—南京1 421萬人/a；南京—鎮(zhèn)江953萬人/a；鎮(zhèn)江—常州1 204萬人/a；常州—無錫1 100萬人/a；無錫—蘇州724萬人/a；蘇州—上海1 001萬人/a。

2015年京滬高鐵本線300 km/h單向客流區(qū)段密度如下：北京—廊坊1 585萬人/a；廊坊—天津1 573萬人/a；天津—滄州1 835萬人/a；滄州—德州1 732萬人/a；德州—濟南1 713萬人/a；濟南—泰州1 348萬人/a；泰州—曲阜1 536萬人/a；曲阜—棗莊1 528萬人/a；棗莊—徐州1 460萬人/a；徐州—宿州1 336萬人/a；宿州—蚌埠1 777萬人/a；蚌埠—滁州1 759萬人/a；滁州—南京1 887萬人/a；南京—鎮(zhèn)江1 278萬人/a；鎮(zhèn)江—常州1 655萬人/a；常州—無錫1 520萬人/a；無錫—蘇州971萬人/a；蘇州—上海1 368萬人/a。

2014年京滬高鐵本線200 km/h單向客流區(qū)段密度如下：北京—廊坊384萬人/a；廊坊—天津371萬人/a；天津—滄州424萬人/a；滄州—德州409萬人/a；德州—濟南401萬人/a；濟南—泰州328萬人/a；泰州—曲阜307萬人/a；曲阜—棗莊304萬人/a；棗莊—徐州273萬人/a；徐州—宿州337萬人/a；宿州—蚌埠346萬人/a；蚌埠—滁州374萬人/a；滁州—南京380萬人/a；南京—鎮(zhèn)江335萬人/a；鎮(zhèn)江—常州328萬人/a；常州—無錫307萬人/a；無錫—蘇州280萬人/a；蘇州—上海260萬人/a。

2015年京滬高鐵本線200 km/h單向客流區(qū)段密度如下：北京—廊坊288萬人/a；廊坊—天津282萬人/a；天津—滄州328萬人/a；滄州—德州318萬人/a；德州—濟南311萬人/a；濟南—泰州256萬人/a；泰州—曲阜235萬人/a；曲阜—棗莊234萬人/a；棗莊—徐州207萬人/a；徐州—宿州267萬人/a；宿州—蚌埠275萬人/a；蚌埠—滁州289萬人/a；滁州—南京292萬人/a；南京—鎮(zhèn)江267萬人/a；鎮(zhèn)江—常州262萬人/a；常州—無錫245萬人/a；無錫—蘇州219萬人/a；蘇州—上海202萬人/a。

京滬高速鐵路300 km/h客流最大區(qū)段密度出現(xiàn)在天津—濟南段，2014年超過1 300萬人/單向，2015年超過1 700萬人/單向。最小區(qū)段密度出現(xiàn)在常州—上海段，造成預測年度改變的主要原因是由于滬寧城際高速鐵路分流了京滬高鐵上南京～上海間絕大部分城際流，寧杭城際高速鐵路分流了部分南京及以遠至杭州及以遠長客流，造成京滬高鐵上此區(qū)段密度較小。京滬高速鐵路300 km/h本線總運量2014年為2 978萬人/單向、2015年3 982萬人/單向。

2.2.2 跨線客流預測結果及分析

目前，與京滬高鐵相關聯(lián)的線路主要有膠濟高鐵、滬杭城際、合寧高鐵、及東南沿海高鐵(主要為杭州—寧波—臺州—溫州—福州段)等，其中膠濟高鐵主要是以濟南為跨線點，開行D字頭和G字頭跨線列車；滬杭城際主要以上海為跨線點，開行D字頭和G字頭跨線列車；東南沿海高鐵主要是通過滬杭城際連接與京滬高鐵產(chǎn)生跨線，開行的是D字頭列車。本文預測的合寧高鐵跨線客流主要包括與京滬高鐵本線南京—上海區(qū)段車站的跨線客流、經(jīng)過南京—上海區(qū)段與滬杭、東南沿海高鐵的跨線客流。結合“三階段法”預測出各條線路與京滬高速鐵路預測年度的跨線運量如表4。

表4 京滬高鐵單向跨線運量預測結果 萬人/a

因為是短期運量預測，與傳統(tǒng)的“四階段法”相比，“三階段法”在趨勢運量預測中采用組合預測模型，堅持以時間序列預測模型為主、影響因素預測模型為輔的原則，通過組合盡可能的利用全部信息，提高預測精度，克服了“四階段法”采用重力模型僅考慮人口或經(jīng)濟等個別單一因素，而且采用重力模型預測趨勢運量時需要繁多的歷史年及未來年的國民經(jīng)濟數(shù)據(jù)。“三階段法”在趨勢運量預測完之后，采用國際上通用的多元LOGIT模型進行方式分擔，最后由誘增模型進行高速鐵路誘增運量的預測，因此整個過程完全符合預測的邏輯規(guī)律。預測過程中的數(shù)據(jù)也是經(jīng)過大量的調查統(tǒng)計所得，各個模型的參數(shù)也是通過大量歷史年份數(shù)據(jù)擬合確定的，因此“三階段法”預測結果的可信度比較高。與“四階段法”相比，預測過程中考慮了一系列的時變性和特殊性因素，因此，“三階段法”比“四階段法”預測結果更加貼近實際。

3 結論

“三階段法”在預測年度的OD分布預測中考慮了諸如路網(wǎng)構成變化、區(qū)域經(jīng)濟布局變動、區(qū)域經(jīng)濟增長速度差異等一系列具有時變性和特殊性因素。首先采用的組合預測模型更強調來源于不同信息的各種預測，而非構造復雜的單項預測，從而具有更高的預測性能和出現(xiàn)極端預測誤差的更小風險。采用多元LOGIT模型進行方式分擔時，有關參數(shù)的標定是通過各OD對間的時間、費用、服務水平等多種因素綜合確定，本文考慮了這些因素時變性的特點，使參數(shù)標定值更加準確。在運量誘增模型中，不僅考慮了時間費用因素，還考慮了安全、舒適、方便性等其它因素。通過以上“三階段”預測方法，可以使高鐵運量預測更加合理，預測結果也就更加準確。

[1]宋光平.鐵路貨運量預測方法研究[D].北京：北京交通大學經(jīng)濟管理學院,2007.

[2]郝佳，李瀾.鐵路貨運量組合預測模型的研究[J].鐵道運輸與經(jīng)濟，2004,26(11):73-75.

[3]劉娜.客運專線客流預測理論研究及實際應用[D].北京：北京交通大學交通運輸學院，2006.

[4]高麟.我國發(fā)展區(qū)域城際快速鐵路的相關問題的研究[D].成都：西南交通大學交通運輸與物流學院,2006.

[5]南敬林.京滬通道旅客行為價值研究[J].鐵道運輸與經(jīng)濟，2002(3)：36-38.

[6] 高木,清情.京滬高速鐵路運量預測[J].中國鐵路，2000(12)：24-26.

[7] 金琰.成綿峨城際客運專線客運量預測研究[D].成都：西南交通大學交通運輸與物流學院，2007.

[8]何莉華.高速鐵路對大通道客運體系作用的評價-以京滬大通道為例[D].北京：北京交通大學經(jīng)濟管理學院，2009.

(責任編輯 車軒玉)

Short-term Traffic Forecast of the High-speedRailway Based on “Three-stage method”

Li Kai

(College of Transportation and Logistics，Southwest Jiaotong University，Chengdu 610031,China)

Considering the time-varying and special factors in the forecast of China’s OD distribution in the coming years, such as the road network structure changes, changes in the regional economic layout, and different speeds of regional economic growth, this paper mainly uses the “three-stage method”evolved on the basis of the “four-stage method”for the short-term forecast of the high-speed railway traffic volumet. First, Combination Forecast Model is used to forecast the trend traffic volume, then, Multivariate LOGIT Model is used to forecast the share of each mode of transportation, and finally Elasticity Coefficient Induced Model is used to forecast induced traffic volume. Taking an example of Beijing-Shanghai high-speed railway, this paper uses the “three-stage method”to forecast the original-line and cross-line traffic volume in 2014 and 2015.

three-stage method;railway traffic volume forecast;Combination Forecast Model;multivariate LOGIT model;elasticity coefficient induced model

10.13319/j.cnki.sjztddxxbzrb.2014.03.19

2013-04-25

李凱 男 1989年出生 碩士研究生

U29

A

2095-0373(2014)03-0090-06