劉思涵 林詩佳 張竹君 鈕心毅 LIU Sihan, LIN Shijia, ZHANG Zhujun, NIU Xinyi

0 引言

隨著我國城市人口規(guī)模不斷擴大，出行需求持續(xù)增長，各大城市大力發(fā)展公共交通尤其是大運量城市軌道交通來緩解交通問題。2019年，全國已有40個城市的軌道交通正式運營，總運營里程達6 736.2 km[1]。北京、上海、廣州、深圳等城市的城市軌道交通系統(tǒng)早已成網(wǎng)，蘇州、杭州等城市也即將進入成網(wǎng)階段，城市軌道交通規(guī)劃的重點由單線規(guī)劃轉(zhuǎn)向網(wǎng)絡規(guī)劃。城市軌道交通線路建設是一項長期、高成本的系統(tǒng)工程，線網(wǎng)規(guī)劃不合理帶來的影響將會難以調(diào)整。國務院近年出臺的《關于進一步加強城市軌道交通規(guī)劃建設管理的意見》等建設意見[2-4]多次強調(diào)建設時序的科學合理性，提出“以人為本、統(tǒng)籌協(xié)調(diào)、因地制宜”等原則，明確要根據(jù)城市實際情況，充分論證城市軌道交通建設的必要性，合理確定建設時序。

目前已有的關注城市軌道交通建設時序的研究提出了若干定性和定量研究框架。陳婉等定性分析了城市軌道交通建設時序的影響因素，認為貫穿城市軌道交通建設近期、中期、遠期和建設、運營、管理的共同影響因素是交通需求、線網(wǎng)完備性以及與城市空間發(fā)展的協(xié)調(diào)性[5]。但定性分析往往主觀性較強，實際應用中需要定量分析的支撐。一些研究使用定量分析方法，從空間區(qū)位、線網(wǎng)等級、經(jīng)濟效益、工程實施等方面出發(fā)，建立城市軌道交通建設時序的決策方法。如從城市總體規(guī)劃或城市軌道交通專項規(guī)劃出發(fā)，將線網(wǎng)分為骨干網(wǎng)、發(fā)展網(wǎng)、輔助網(wǎng)，結(jié)合規(guī)劃中的功能分區(qū)，選取線網(wǎng)節(jié)點并計算其重要度，根據(jù)線網(wǎng)等級和區(qū)位確定城市軌道交通的建設時序[6-7]。也有研究從經(jīng)濟效益出發(fā)，考慮建設資金控制，或通過建立城市軌道交通項目的全壽命周期費用模型和待建線路的預期收益模型，將經(jīng)濟效益最好的線路作為優(yōu)先建設的線路[8-9]。另有研究考慮了多個因素，包括線路長度、工程實施難度、日客運周轉(zhuǎn)量等，使用專家打分法、層次分析法（analytic hierarchy process, AHP）或熵值法求出多個影響城市軌道交通建設時序的評價指標權重并建立模型，用以確定城市軌道交通的建設時序[10-12]。

已有方法多關注靜態(tài)物質(zhì)層面要素，將城市規(guī)劃或交通規(guī)劃的藍圖作為指標選取和評價的重要依據(jù)，忽視了乘客的活動規(guī)律和需求。在城市軌道交通進入網(wǎng)絡化建設時期后，精確把握客流預測是城市軌道交通規(guī)劃、建設以及運營最大的困惑和難點之一[13]。城市軌道交通已經(jīng)開展建設但尚未成網(wǎng)的階段，各個站點的實際客流和服務范圍可能會有較大差異，反映出城市不同地區(qū)對城市軌道交通的不同需求。目前對城市軌道交通客流的監(jiān)測主要停留在已有線網(wǎng)內(nèi)部以及站點之間的客流上，如各站點客流量、客流站間交通起止點（origin and destination,OD）等，難以獲知乘客在城市軌道交通線網(wǎng)以外的活動軌跡，無法準確地探知站點的服務范圍和服務對象。

隨著移動通信的全面普及和移動設備數(shù)量的增加，手機信令數(shù)據(jù)成為研究人群時空行為特征的一大方法[14]。本文使用手機信令數(shù)據(jù)識別城市軌道交通乘客及其站外全程活動軌跡，基于實際客流的出行分布建立城市軌道交通線網(wǎng)建設時序的評估決策模型。在完成城市軌道交通線網(wǎng)規(guī)劃的基礎上，為短期內(nèi)的線網(wǎng)建設時序提供決策支持。

1 研究方法

1.1 總體框架

模型遵循建構(gòu)—檢驗—預測三步。其中，模型的建構(gòu)包括三個內(nèi)容，即測度站點服務、量化乘客需求、評估線路服務。與此對應，融合大數(shù)據(jù)方法與傳統(tǒng)交通模型，形成研究框架。首先，改進傳統(tǒng)交通模型，計算站點的理論服務范圍，測度站點的服務能力；其次，基于手機信令數(shù)據(jù)識別乘客出行軌跡與站外OD分布，通過溢出理論服務范圍的乘客在空間上的出行分布，量化測度乘客的實際需求未被現(xiàn)有線網(wǎng)服務滿足的部分；最后，建立量化評價體系，基于乘客空間分布的溢出程度評估線路建設迫切程度，為精準判讀擬建線路的建設優(yōu)先級提供直觀有效的量化參考。建構(gòu)完成以上城市軌道交通建設時序的決策支持模型后，通過杭州市實證案例數(shù)據(jù)對模型的參數(shù)選取和結(jié)果進行檢驗、預測和應用（圖1）。

圖1 研究框架Fig. 1 research framework

1.2 城市軌道交通理論服務范圍

國內(nèi)外許多學者對城市軌道交通站點的服務范圍做了較深入的研究，基本可概括為四類：基于經(jīng)典TOD理論預設固定范圍、基于問卷調(diào)查建立模型測算服務范圍、基于開發(fā)利益角度測算服務范圍以及基于出行時間模型測算服務范圍。其中，基于出行時間模型測算服務范圍的方法以乘客的出行需求為依據(jù)，與乘客實際時空軌跡有對比意義，且相較于問卷調(diào)查的方法，推廣性更強。本文借用基于時間可達性一致的等效路阻模型測度城市軌道交通站點的理論服務范圍。該模型以時間成本最優(yōu)為導向，認為在站點的影響范圍邊緣步行到站點后搭乘城市軌道交通到城市中心的時間與直接搭乘公交巴士出行的時間相同，即在此范圍內(nèi)城市軌道交通相比于其他公共交通方式有更強的吸引力。這一模型最早由張小松等提出，用于測算城市軌道交通站點的開發(fā)利益影響范圍[15]。之后武倩楠等針對城市居民出行并非全部以市中心為目的地這一現(xiàn)實情況，劃分交通小區(qū)并引入城市軌道交通可達點概念，用于精細化測算站點的接駁范圍[16]。

本文在此方法的基礎上，使用互聯(lián)網(wǎng)地圖更精準地讀取公共交通的服務線路、運行速度與時間，用于劃定站點理論服務范圍。

1.3 基于手機信令的城市軌道交通乘客識別

近年來，有一些學者將手機信令數(shù)據(jù)用于分析站點的服務范圍，但部分研究受數(shù)據(jù)和方法限制，只能通過間接方法推測手機用戶是否為城市軌道交通乘客[17-18]，識別出的乘客誤差較大，因此這種方法所描述的乘客在地面的活動軌跡與實際情況有較大偏差。根據(jù)乘客進入城市軌道交通地下站點會強制進行位置區(qū)碼（location area code , LAC）切換的原理，可以準確識別城市軌道交通乘客，并進一步根據(jù)地上軌跡來判斷乘客的來源和去向，以此來測算站點的服務范圍。這一方法利用手機信令數(shù)據(jù)原理直接識別城市軌道交通乘客，準確度較高，通過對比城市軌道交通刷卡數(shù)據(jù)發(fā)現(xiàn)二者各站點的平均相對誤差僅有8.9%，且可以將乘客地上和地下的活動連接起來，準確計算其在地面的活動軌跡，以判斷站點的實際服務范圍[19-20]。

在上述方法基礎上，通過路測得到地鐵站點的LAC編碼表，用以識別手機用戶的進出站行為，進而識別出手機用戶中的城市軌道交通乘客；將乘客的地上、地下行為連接成為完整的出行鏈，可以計算出乘客在地面的出行軌跡和數(shù)量在空間上的分布，并將其作為站點的實際服務范圍；將乘客實際分布與站點理論服務范圍疊加，得到溢出乘客數(shù)量與分布，為下一步評價體系的建立提供基礎。

1.4 建設時序決策評分

溢出乘客作為空間數(shù)據(jù)，其數(shù)值分布和空間分布是兩個基礎屬性，為此采用數(shù)量、出行距離、來源地方向三個特征量化描述和評價溢出乘客?？傄绯鼍嚯x指標由站點的溢出乘客數(shù)和溢出乘客的出行距離共同決定，表征了站點乘客溢出的強度和廣度。信息熵最初由克勞德·艾爾伍德·香農(nóng)（Claude Elwood Shannon）提出，用以度量隨機變量的不確定度。信息熵在眾多領域都得到了應用且被證實有意義。在城市規(guī)劃領域，信息熵被用于衡量城市土地利用的均衡性[21]和城市人口密度分布的均衡性[22]，能夠量化分析城市軌道交通站點的客流來源方向分布的均衡性。最終使用統(tǒng)計學方法，將總溢出距離和信息熵兩個指標的中位數(shù)作為參照，構(gòu)建建設時序決策評分坐標系，對擬建線路進行綜合評分，并根據(jù)得分高低判斷建設時序。

2 模型構(gòu)建

根據(jù)上述研究框架將模型主體分為三個子模型。子模型1基于改進的傳統(tǒng)交通模型計算站點理論服務范圍；子模型2基于手機信令數(shù)據(jù)測算站點實際服務范圍；子模型3基于客源溢出構(gòu)建建設時序的量化評價體系（圖2）。

圖2 模型流程Fig. 2 model process

2.1 基于等效路阻模型測算站點理論服務范圍

子模型1對基于時間可達性一致的等效路阻模型進行了改進。該模型首先需要根據(jù)研究城市的實際情況劃定城市中心車站和市郊區(qū)邊界。前者是計算時間可達性的空間參照，后者考慮到公交巴士的路面行駛速度受路況影響，通常認為市中心車輛行駛速度低于郊區(qū)。其次，計算城市軌道交通按照運營線路從各個站點到達城市中心的車程距離和公交巴士按照線路從各個站點到達城市中心的車程距離，其中公交車程分為市中心線路距離和郊區(qū)線路距離。最后根據(jù)城市交通實況，估算城市軌道交通的平均旅行速度，公共汽車在市區(qū)的平均旅行速度、公共汽車在郊區(qū)的平均旅行速度和乘客從城市軌道交通影響范圍邊緣點到車站出行的平均速度。將上述變量帶入公式1，可以求得各個站點的影響距離，以站點為圓心、相應影響距離為半徑做圓，即可得出站點的理論服務范圍（圖3）。

圖3 基于時間可達性一致的等效路阻模型Fig. 3 equivalent traffic impedance model based on time accessibility

傳統(tǒng)方法一般使用ArcGIS構(gòu)建道路網(wǎng)絡數(shù)據(jù)集完成上述步驟，交通工具的運行速度通常是根據(jù)經(jīng)驗取值，不能完全反映城市的真實交通情況。為此，改用百度地圖開放應用程序接口（application programming interface, API），運用互聯(lián)網(wǎng)地圖計算出最佳公共交通路徑和用時，作為各類交通工具站點間的距離和速度。該方法考慮到了地方性和差異性，計算出的出行路徑更貼近乘客實際出行選擇，交通工具速度的估算也更貼近各個城市的實際路況，結(jié)果更真實可信。

2.2 基于手機信令測算站點實際服務范圍

子模型2基于手機信令數(shù)據(jù)，采用以“最大距離、最大時間”為核心思想的經(jīng)典出行鏈算法，即通過設置信令間隔時間和距離兩個閾值，計算得到所有手機用戶全天OD出行表。使用由路測得到的城市軌道交通地下站點LAC表篩選出信令記錄中包括站點LAC的手機用戶，即城市軌道交通乘客；進而通過地上、地下LAC切換的信令識別出乘客進站、出站的站點和時間，得到站間OD表。根據(jù)時間順序連接乘客的地面OD與站間OD，得到乘客包含地上地下出行行為的完整出行鏈。合并邏輯可以劃分為包含和順序兩類關系，其中順序關系根據(jù)時間先后又可細分為兩種（圖4）。

圖4 基于城市軌道交通地下站點地鐵乘客出行鏈識別進站前來源地Fig. 4 identify the origin of subway urban rail transit underground station passengers based on the travel chain

得到乘客完整OD表后，以“進站前一小時內(nèi)停止空間移動、并連續(xù)停留大于半小時”為閾值，篩選出乘客進站前的來源地基站。將來源地基站與站點距離大小累計前85%作為篩選條件，選取最終列入計算的乘客來源地基站，并做核密度分析，推算乘客的分布，并將其作為各城市軌道交通站點的實際服務范圍。其中，進站前一小時內(nèi)停止移動排除了超長距離出行的干擾并考慮了線路末端站點乘客的出行特征；連續(xù)停留大于半小時排除了地面換乘行為對于停留地判斷的干擾；基站與站點距離前85%的范圍能夠排除非常規(guī)出行行為和少量數(shù)據(jù)誤差帶來的數(shù)據(jù)分布尾部影響。

2.3 基于客源溢出的建設時序決策評價體系

子模型3首先將子模型1和子模型2的結(jié)果疊加，找出實際乘客來源范圍超出理論服務范圍的溢出乘客，再借助總溢出距離指標和信息熵指標，共同構(gòu)建基于客源溢出的建設時序決策評價體系。

使用總溢出距離指標表征站點溢出乘客的數(shù)量和來源距離。公式為：

其中，Dp為站點總溢出距離，N(Gi)為溢出乘客數(shù)，D(Gi)為溢出乘客來源距離。該指標基于各站點的溢出乘客分布核密度圖，使用核密度柵格中心與站點的直線距離作為溢出乘客的來源距離，柵格的核密度值乘以柵格面積作為溢出乘客數(shù)。計算各柵格溢出乘客數(shù)和乘客來源距離的乘積，累加得到站點的總溢出距離，綜合反映站點的實際乘客溢出強度。總溢出距離越大，站點實際乘客溢出強度越大。

使用信息熵指標量化評價站點實際溢出乘客的方向分布均衡性。公式為：

其中，H為站點溢出乘客分布的信息熵，P(oi)為站點Oi方向溢出乘客數(shù)占站點總溢出乘客數(shù)的比例。該指標將站點周邊分為n個方向，統(tǒng)計核密度柵格中心落入各個方向的柵格，其核密度值乘以柵格面積之和作為各方向溢出乘客數(shù)，計算各方向的乘客數(shù)占所有方向總溢出乘客數(shù)的比例。該指標用于表征站點溢出乘客在各方向分布的均衡性。信息熵越小，溢出乘客分布越不均衡，信息熵越大，分布越均衡。當所有溢出乘客均來自同一方向時，信息熵取到最小值-log2(1)=0；當所有溢出乘客均衡地分布于各個方向時，信息熵取到最大值log2(n)。

將上述兩個指標用于評價城市軌道交通站點客源溢出的強度和均衡度，表明城市軌道交通現(xiàn)有供需情況的失衡，將其用于構(gòu)建建設時序決策評分體系，可以得到基于真實客源需求的建設時序決策支持方案。

將總溢出距離指標作為橫軸，信息熵指標作為縱軸，取所有評價對象站點的兩個指標的中位數(shù)作為零點，構(gòu)建評分坐標系。坐標系的四個象限代表不同的供需不匹配度。位于第四象限的站點表示不均衡強溢出，位于第一象限的站點表示均衡強溢出，位于第三象限的站點表示不均衡弱溢出，位于第二象限的站點表示均衡弱溢出（圖5）。根據(jù)規(guī)劃站點總溢出距離和信息熵兩個指標的散點圖落入的象限計算得分。將一條擬建線路與已建成線路的所有換乘站及其上下兩站得分加和，得到線路總得分，作為建設時序決策評分體系的輸出結(jié)果。該模型輸出的線路總得分越高，該線路對于現(xiàn)狀服務溢出改善程度就越高，因此建設時序越靠前。

圖5 建設時序決策評分體系Fig. 5 construction sequence decision scoring system

3 模型檢驗與預測

3.1 案例概況

選取2017年杭州市七區(qū)（西湖區(qū)、拱墅區(qū)、江干區(qū)、下城區(qū)、上城區(qū)、濱江區(qū)、余杭區(qū)）的城市軌道交通線網(wǎng)作為模型檢驗的研究對象。2017年4月，杭州市城市軌道交通共有1、2、4號線3條線路投入運營，共50個地下站點，包括4個兩線換乘站點。使用2017年4月和7月的連續(xù)兩個工作日的手機信令數(shù)據(jù)，對應杭州市2號線錢江路站以西的西北段開通前后的情況。由于2號線西北段為2017年7月3日開通，故7月的數(shù)據(jù)增加了該段的9個地下站點，共59個地下站點。2017年4、7月恰好是杭州城市軌道交通仍未成網(wǎng)時期，且4、7兩個月份的數(shù)據(jù)也代表了一條新線路（2號線西段）開通前后的乘客活動特征，因此適合用本模型檢驗。

擬建線路的候選方案，是根據(jù)杭州市總體規(guī)劃中的城市軌道交通系統(tǒng)規(guī)劃，選取近期建設且與現(xiàn)狀線網(wǎng)聯(lián)系緊密的7條擬建線路作為評估對象（圖6）。首先將4月數(shù)據(jù)輸入模型進行運算，得到建設時序預測結(jié)果，再利用杭州市7月實際建設情況和7月數(shù)據(jù)的模型運算結(jié)果檢驗模型結(jié)果可靠性和指標有效性，并證實模型可進行迭代預測。

圖6 選取的擬建線路Fig. 6 selected planned rail transit line

3.2 案例模型構(gòu)建

基于杭州市的實際情況，子模型1選取位于市中心的換乘站鳳起路站作為市中心站點，選取杭州市機動車限行邊界作為劃分市中心和郊區(qū)的邊界。通過百度地圖開放API，估算出杭州市公共汽車平均行駛速度市區(qū)段為15 km/h、郊區(qū)段為25 km/h，城市軌道交通平均行駛速度為35 km/h，人平均步行速度為5 km/h，選取時間最短路徑計算各交通工具的行駛距離，代入式1計算得到各站點基于等效路阻模型的影響范圍。其中，考慮到城市中心區(qū)其他公共交通線路密集的情況，發(fā)現(xiàn)通過模型測得的城市軌道交通站點影響距離偏小，因此根據(jù)相關研究，位于中心區(qū)的影響距離小于500 m的站點的理論服務范圍均以500 m計算。

通過路測，獲得杭州市59個地下軌道交通站點的LAC編碼表，用于子模型2識別手機用戶中的地下軌道交通乘客。

基于杭州市手機基站密度與研究尺度，子模型3選取核密度柵格像元大小為100 m×100 m，計算總溢出距離指標時，柵格的面積為10 000 m2。計算信息熵指標時，本次案例研究將每個城市軌道交通站點周邊的360°平均劃分為16個方向，每個方向為以站點為端點、夾角為22.5°的兩條射線所包含的區(qū)域。信息熵指標表征了站點的溢出客流在16個方向分布的均衡性。

3.3 杭州市4、7月份模型結(jié)果與實證檢驗

將子模型1計算出的杭州市50個地下站點的理論服務范圍通過ArcGIS做緩沖區(qū)進行可視化，橫向比較可以發(fā)現(xiàn)站點服務范圍存在端部效應，即線網(wǎng)端部站點的影響范圍較大、中間站點的影響范圍較?。▓D7）。

圖7 杭州市4月份溢出乘客分布Fig. 7 distribution of overflow passengers in Hangzhou in April

使用子模型2通過2017年4月份手機信令數(shù)據(jù)識別平均一日內(nèi)杭州市城市軌道交通乘客39.6萬人次，所有乘客進站前來源地與站點的人均距離為1.51 km，其中有15.5萬人次進站前的來源地位于其站點理論服務范圍之外，占所有乘客的39.12%。從空間分布上看，乘客來源高值區(qū)在主城區(qū)西、北方向呈現(xiàn)出連綿成片溢出的現(xiàn)象，尤其是第一高值區(qū)呈向西的線性延伸趨勢（圖7）。

將上述步驟識別出的溢出乘客核密度數(shù)據(jù)作為輸入數(shù)據(jù)輸入子模型3。通過總溢出距離和信息熵兩個指標的空間分布可以發(fā)現(xiàn)，市中心西北側(cè)和線路末端站點均有服務溢出強度高且分布不均衡的特點，這種不均衡的強溢出表示城市軌道交通線網(wǎng)在這些區(qū)域的服務能力缺失（圖8）。對案例中的7條擬建線路進行全線路累計得分計算，4月份模型結(jié)果中得分最高的為5號線，建設時序應最靠前。然而在實際項目的實施過程中，全段線路通常會安排分期建設。因此按照不同方向?qū)Ω骶€路進行分段，該模型還可以用于模擬實際分期建設的時序。模型分段結(jié)果表明，杭州市4月份建設時序最靠前的應為2號線西段、4號線北向段、5號線江西段和9號線南段（圖9）。

圖8 杭州市4月份總溢出距離指標（a）和信息熵指標（b）Fig. 8 the total overflow distance index and information entropy index of Hangzhou in April

圖9 杭州市4月份全線路預測結(jié)果（a）和分段預測結(jié)果（b）Fig. 9 the full line predicted result and the segment predicted result in Hangzhou in April

在杭州市城市軌道交通建設實踐中，2017年7月實際開通了2號線西段，與模型分段預測結(jié)果一致，因此認為模型的結(jié)果具有可信度。在城市軌道交通建設實際時序決策中，還受到用地批復、建設成本等多因素影響，本模型從乘客實際需求出發(fā)，提出城市軌道交通建設時序決策支持，經(jīng)過實踐驗證是有效的。

將杭州市7月份2號線西段開通后的數(shù)據(jù)輸入模型，識別乘客37萬人次，所有乘客進站前來源地與站點的人均距離為1.42 km，其中有13.4萬人次進站前的來源地位于其站點理論服務范圍之外，占所有乘客的36.15%。與4月份手機信令識別的結(jié)果對比，新線路建成后，杭州市城市軌道交通乘客平均來源距離減小，溢出乘客數(shù)也減少。進一步觀察總溢出距離指標和信息熵指標的變化情況（圖10），與2號線西段建成前相比，線路建成后新線路周邊站點的總溢出距離指標均有所減小，信息熵指標均有所增大，即站點的溢出強度與均衡度均得到了一定改善，說明新線路的建成能夠緩解附近原有站點的服務溢出情況，選取總溢出距離指標和信息熵指標能較好地指征站點的服務溢出情況。

圖10 杭州市4、7月份總溢出距離指標變化（a）和信息熵指標變化（b）Fig. 10 changes of overflow distance index and information entropy index in Hangzhou between April and July

4 結(jié) 語

4.1 結(jié)論

研究建立了基于實際客流活動軌跡的城市軌道交通線網(wǎng)建設時序決策支持模型。子模型1針對計算站點服務能力的需求，改良了基于時間可達性一致的等效路阻模型，考慮了城市中交通工具的運行效率和乘客的出行選擇，并將其應用于理論服務范圍的測算。子模型2針對一般手機信令數(shù)據(jù)無法識別客流真實時空活動的難點，使用手機信令數(shù)據(jù)和地下站點的LAC數(shù)據(jù)，能夠準確地將乘客從手機用戶中剝離出來，從而識別乘客的完整出行軌跡。研究提出了可靠的識別算法和經(jīng)過實踐檢驗的參數(shù)取值，測算出站點的實際服務范圍。子模型3從供需不匹配出發(fā)，將溢出乘客的數(shù)量、來源距離、方向分布進行量化，構(gòu)建了一套完整的評估指標體系。

模型集成了大數(shù)據(jù)方法與傳統(tǒng)交通模型，相比傳統(tǒng)的建設時序決策方法，解決了乘客來源地探知這一難題，擴展了交通評估和規(guī)劃決策的數(shù)據(jù)源和相應分析方法。

通過杭州市兩個月份的手機信令數(shù)據(jù)和城市軌道交通建設實踐，實踐案例驗證了模型的參數(shù)選取和指標的有效性，模型的結(jié)果通過了實證的檢驗。模型整體經(jīng)過了構(gòu)建、檢驗和模擬三個階段，增強了實用性和可靠度。

4.2 討論與展望

4.2.1模型的適用范圍

基于乘客來源地分布的方法，模型適用于成網(wǎng)階段前的短期城市軌道交通線網(wǎng)建設時序的決策。城市軌道交通線網(wǎng)規(guī)劃是一個復雜的工作，需要考慮城市空間結(jié)構(gòu)、土地開發(fā)、人口分布、工作崗位分布、客流量、經(jīng)濟成本等因素。已經(jīng)編制完成的城市軌道交通線網(wǎng)規(guī)劃是較長時期內(nèi)城市軌道交通線網(wǎng)建設的指導。然而實踐中，在規(guī)劃的諸多線路中還需要進一步挑選近期優(yōu)先建設的線路。尤其是在骨干線路已經(jīng)建成、即將步入網(wǎng)絡化的階段，乘客的實際需求在建設時序決策中尤為重要。城市軌道交通線網(wǎng)越完善，乘客來源地的分布就越均衡且接近于站點的理論服務范圍，因此模型的適用性可能會下降。

4.2.2模型的改良

由子模型1改進的等效路阻模型目前僅考慮了常規(guī)公交巴士的競爭，且在乘客從出發(fā)點到城市軌道交通站點時默認選擇步行。目前我國城市共享單車、共享汽車等新型公共交通發(fā)展蓬勃，對乘客出行路徑的選擇和交通時耗都有影響。考慮進一步將多種交通方式與城市軌道交通進行對比，并考慮不同類型的接駁方式將是本模型的改進方向。

子模型2利用手機信令識別城市軌道交通乘客地面來源的方法僅適用于地下站點。由于利用地下站點LAC切換原理的識別方法尚無法識別出地上站點進出的乘客，因此還無法對城市軌道交通的地上站點進行評價和預測。

4.2.3模型的應用場景

模型可用于不同城市的城市軌道交通線網(wǎng)建設時序的決策。其中，由于子模型2集成了大數(shù)據(jù)方法框架，可以將其應用于城市軌道交通客流時空動態(tài)監(jiān)測、管控與預測。子模型3的評分系統(tǒng)是基于對城市軌道交通站點現(xiàn)狀服務能力的評價，因此也可應用于交通設施服務評價。模型整體基于城市軌道交通實際服務的乘客軌跡預測建設時序，由于城市軌道交通對城市空間結(jié)構(gòu)與功能格局的重要作用[23-24]，因此在實際規(guī)劃建設中還要考慮城市各方面的發(fā)展需要，在模型預測結(jié)果的基礎上做進一步?jīng)Q策。