摘要:针对体育赛事活动的大规模人群的集散极易引发大客流拥堵问题.收集北京市3年的体育赛事数据及相应的AFC刷卡数据，分析体育赛事活动举办对周边轨道站点客流影响特点，阐述日期属性、活动类型、活动前后时段、天气、主客场队伍等因素对车站诱增客流的影响.基于此构建梯度下降决策树(GBDT)预测模型.经验证发现:东大桥、东四十条及团结湖15min出站客流，预测平均精度分别为93.67%、90.76%、89.61%，可对大型活动期间轨道交通应急方案及客流疏解方案的制定提供理论支撑.
关键词:交通运输规划与管理;客流预测;体育赛事;轨道站点;客流特征
随着人们对丰富精神生活追求的需求日益突出，以文艺活动、体育赛事、展览展销为代表的大型活动在各大城市频繁举办，满足人们对丰富精神生活追求的同时也带来了一系列问题.活动的举办需要参与者在短时间内完成集散，因此活动前后将对周边公共交通、路网、出租车及慢行交通的正常运行造成极大压力，并且极易引发大客流拥堵.与此同时，地铁作为目前城市交通出行的重要工具之一，活动开展会导致周边受影响的地铁站客流出现巨幅增长，极易引发大客流对冲而导致拥塞，造成安全隐患.因此，地铁运营部门和公安机关亟须通过流量预测技术了解大客流发生的时段、规模，提前部署相应运力及安保策略，保障市民安全出行.
1国内外研究现状
现阶段关于轨道客流预测相关的研究，主流仍是采用四阶段法为基础的需求预测模型或者是基于行为分析的概率模型[1].20世纪60年代，文献[2-3]首先进行了尝试，提出了交通分布和交通分配的组合模型，并给出了求解算法.熊杰等[4]提出了基于历史数据，然后基于Kalman滤波、灰色关联分析方法预测客流量.而现阶段关于大型活动相关的研究更多的是针对奥运会、世园会等级别高、影响大的大型活动.Karlaftis等[5]建立了针对大型活动的交通决策支持系统和辅助公交优化模型，并在2004年雅典奥运会中成功应用.王田田[6]从政策、票务、区位等方面分析青岛世园会影响客流规模的因素，并从月分布特征、高峰小时客流等指标对入园客流特征进行刻画.刘淼[7]主要从时间、空间分布特征入手，结合天气、票务政策、游客心理等因素进行分析，对比总结上海世博会的入园月变、周变、时变客流特征.林文闻[8]以上海世博会为例，利用基本数理统计工具和方法，对入口进行单独分析，从而总结了世博客流在各个入口的分布特征.钱慧敏等[9]分析了北京园博会客流特征，并定量化阐述了气温、降雨、日期属性等因素对活动客流的影响.
相关知识推荐：交通工程副高级职称论文要求
现阶段关于大型活动的研究更多是关注世界及国家层面的活动，而针对频繁在城市内举办的体育赛事活动、文艺演出等大型活动的研究较少.本研究将以城市内举办的体育赛事活动为切入点，通过AFC数据鉴别活动影响范围，利用数据驱动，发现活动前后轨道站点进出站客流的时变特征，进一步剖析类型、天气、节假日、时段等诸多因素对客流的影响，并构建基于梯度下降决策树的大型活动周边轨道站点影响时段内客流预测模型.
2数据基础
收集2016—2018年北京市共计109场体育赛事活动信息，涉及工人体育场及凯迪拉克中心两大场馆，包括中超联赛(CSL)及中国男篮联赛(CBA).其中超联赛44场，中国男篮联赛65场.大型活动数据主要包含大型活动举办日期、星期、天气、活动名称、主场队伍、客场队伍、举办场馆及活动时间，如表1所示.提取活动开展当日、前一日及上周同期的AFC刷卡数据，刷卡数据主要包含进站线路编号、进站站点编号、出站线路编号、出站站点编号、进站时间、出站时间等共15个字段，字段说明见表2.
3影响范围及影响因素分析
活动期间周边轨道站点客流主要由两部分组成:背景客流和诱增客流.背景客流[10]可通过分析吸引范围内的土地利用、社会经济、公交服务等因素，直接估计站点和分析进出站客流量，也可基于时间序列、小波分析等相关模型进行预测.本文的研究对象是体育赛事类大型活动，活动时间和举办场所相对固定，因此需要明确受其影响的轨道站点及时段.
3.1空间影响范围
对比活动期间周边轨道站点客流数据与同时期无大型活动轨道站点客流发现，凯迪拉克场馆影响到地铁五棵松站，工人体育场周边受影响轨道站点较多，分别为东四十条、团结湖及东大桥.由此可发现，受影响站点均为场馆周边不同轨道线路距离场馆最近的站点，如图1所示.
3.2时间影响范围
从工人体育场举办的中超联赛对周边轨道站点客流的影响究中发现，站点出站客流在活动开始前2.5h出现增长，进站客流在活动结束后1h内客流有明显增长.出站客流峰值一般出现在活动开始前1h，15min出站客流较无大型活动增幅300%，达1726人次图2(a);进站客流峰值出现在活动结束后0.5h，15min出站客流可达2395人次图2(b).
3.3影响因素
活动客流受诸多因素影响，总体可分为活动属性因素(内因)与客观因素(外因)两大类.其中活动内因主要有活动类型、主客场队伍等;活动外因有活动举办期间的气候、日期属性等因素.它们都会对活动客流水平造成影响.
3.3.1轨道站点
当场馆周边受影响站点为多个站点时，因各线路走势、影响范围及站点距离场馆的距离均不相同，可发现各轨道站点客流特征并不相同.如工体周边受影响3个站点就存在差异，受影响最大的站点为东大桥，其次为东四十条，影响最小的为团结湖站(图3).
3.3.2天气状况
天气状况对室外活动开展有显著影响，当出现大降水时，客流将明显减少，并且降雨越大对客流的减少越明显[9].对于预约购票的大型活动，特殊天气不会对客流水平造成过多影响，因此对特殊天气下的交通系统应急保障提出更高要求.基于最小显著性差异分析方法发现，多云和小雨天气情况下客流是没有显著差异的;小雨和多云、中雨、晴天及雷阵雨均不存在差异;多云、晴天及雷阵雨三者间客流则均存在显著差异(表3).
3.3.3日期属性
对于大型活动而言，双休日和法定节假日通常会出现较大幅度的客流增长(表4).不同日期属性条件下，即工作日、双休日、节假日条件下，大型活动客流特征及规律呈现不同的特点.基于最小显著性差异分析方法发现，工作日、节假日、双休日活动客流存在显著性差异，而双休日和节假日间并没有显著性差异.
3.3.4活动类型
体育赛事活动包含足球、篮球、排球、网球等多种类型，各类型活动在各国受欢迎程度均不同.本文获得了在北京举办的中超联赛及CBA联赛.通过分析发现，尽管国内观众对国足在国际赛场的表现失望，但其受欢迎程度仍高于CBA联赛.
3.3.5主、客场队伍
主、客场队伍均有各自的粉丝，其拥有的粉丝越多则观众会越多.广州恒大、上海上岗及山东鲁能是大家熟知的国内中超联赛的强队，对比发现其吸引的客流明显高于其他队伍，不同知名度及实力客队伍的诱增客流有显著的差异(图4).本文仅获取了北京赛事数据，主场队伍均为国安，但由客场队伍的差异推断，不同主场队伍所吸引的客流也将存在明显差异.
3.3.6距离活动开始、结束时间
由图2、图3可发现，观众于活动开始前2.5h抵达，于活动结束后1h内离场，在这两个时间段内，将产生极高的交通需求.在这2个时间内客流分布也是不同的，活动开始前2h至活动开始前30min出站客流在不断增加，随后衰减，结束后客流也有相似特征.而本文的预测最小单位为15min，因此其在预测模型中也是极其重要的一个参数指标.
6结论
利用现阶段获取的海量刷卡数据、3年的体育赛事活动数据，分析发现，活动对周边轨道站点的正常运行产生巨大压力，受影响的站点为各轨道线路中离场馆距离最近的站点;受影响时段上，出站诱增客流出现在活动开始前2.5h，在活动开始前1h达到峰值;离场客流于活动结束后1h内离场完毕.不同站点、日期属性、活动类型、天气、主客场队伍情况下受影响轨道站点诱增客流有明显差异.基于此构建梯度提升决策树预测模型，验证发现东大桥、东四十条及团结湖3个站点出站客流，预测平均精度分别为93.67%、90.76%、89.61%，可为相关政府部门、运营企业的决策提供支撑.——论文作者：钱慧敏1，2，徐海辉1，2，翁剑成3，李静1，2，王亚朝1，2
转载请注明来自：http://www.lunwencheng.com/lunwen/jgu/19421.html
