一种基于客流效益和土地价值的站点功能级配优化方法与流程

本发明属于公共交通设施规划和运营，尤其涉及一种基于客流效益和土地价值的站点功能级配优化方法。

背景技术：

1、站点间功能级配的定义是不同类型站点在同一轨道网络范围或同一线路中的比例和排布形式。由于站点功能主要由站点周边用地和土地利用状况决定，因此通过分析和调整沿线站点周边用地，即可确定和优化站点间功能级配的主要比例和分布结构。站点间功能级配优化的主要目的是通过提升土地开发强度、调整土地类型配比，进一步改善功能级配的合理性，最终提升线路和沿线站点的客流效益。

2、当前国内配置有轨道交通系统的城市难以避免包含少量客流效益低下的线路，这些线路包含的部分站点周边普遍存在土地价值未充分发挥、土地资源浪费、土地类型配比不合理等问题，导致客流效益和土地价值双重损失。同时轨道站点的建设与周边用地的开发通常不是完全同步的，当站点建设和开通运营先于用地开发和人口聚集时，站点的客流效益将难以保证。为解决此类问题，同时提升客流效益和土地价值，需要构建合理的站点间功能级配优化方法，以用地需求作为优化对象，优化站点周边用地的同时提升对应线路的客流规模和形态，并为相关规划或运营工作者提供较大范围内同时确定复数轨道站点类型和周边最佳用地配置的优化方法，减少工作者的工作量，提供规划、在建或运营站点周边用地提升方案的可靠性和科学性。

3、传统轨道客流效益提升和站点周边用地优化理论研究和实践方法简介。目前国内外均缺乏站点周边用地和线路客流效益优化的相关研究，类似研究只聚焦在独立站点或整体轨道系统的客流影响因素探索和变化趋势影响，不仅缺少基于客流影响因素优化的具体方法，更是缺少以线路站点间功能组合为对象的优化方法，也没有从“周边用地-站点功能-功能级配-线路客流”这一路径探讨沿线站点周边用地改善对线路整体客流效益提升的影响。

4、如图1所示，轨道客流效益提升和站点周边用地优化的相关理论和方法为：

5、(1)整体城市轨道交通客流影响因素分析

6、在整体轨道交通系统的客流效益影响分析中，社会经济和时节气象是主要的影响因素，常用的社会经济因素包括人口密度、岗位数量、沿线开发规模等，时节气象因素包括天气、节假日等，此外，还包括建设进程、运营服务水平和票价政策等其他影响因素。建立影响因素和客流效益的方法主要是多元线性回归、随机森林、方差分析等拟合或分类方法。

7、(2)单个轨道交通站点客流影响因素分析

8、对于单个轨道站点的客流影响因素，除了上述整体系统中使用的社会经济和时节气象数据外，还有利用历史进出站数据对站点未来客流进行影响分析。与整体系统不同，单个轨道交通站点除客流影响分析外，由于研究规模较小，可定制化地建立综合土地利用、性质匹配度等多种因素构成的效用函数，结合多元线性回归、季节性时间序列模型等进行客流预测，并可在一定程度上获取不同因素下的客流预测结果，以评价站点周边用地优化方案，但仍不能直接预测最优的站点的类型和周边用地配比。

9、(3)站点类型划分问题

10、进行站点间功能级配优化前，首先需要根据指定因素确定站点类型。站点类型划方法主要分为两大类，第一类是基于站点历史数据的划分方法，通过对历史数据进行分析，获得时间、空间客流分布特征、客流规模等特征要素后，结合因子分析、聚类分析等方法对站点进行分类。第二类是基于城市空间结构，周边用地，换乘特征和土地利用指标等站点结构和用地因素对站点类型进行直接划分，第二类方法还可直接用于缺少历史数据的在建、规划等未开通站点的类型划分，并直接反映站点周边土地利用的特征。

11、(4)组合优化方法常用求解算法

12、在进行站点间功能级配优化方法数学建模后需要使用算法进行求解，站点间功能级配优化本质上是复数站点周边用地规模和配给的组合优化问题。常用求解方法主要分为要求目标和约束均为线性的传统规划求解方法、要求目标可导的梯度下降法或拟牛顿法和以启发式算法为主的智能算法。传统规划求解方法(如对偶松弛、拉格朗日松弛算法等)和梯度下降法或拟牛顿法(如bfgs算法等)直接对选址模型进行求解获得解空间中的精确最优解或局部最优解，但由于级配优化问题中目标和约束通常为非线性和不可导(如判决函数等)，且在问题规模较大、解空间维数或长度较高的情况下存在计算时间大幅增加，甚至无法求解的问题。无记忆局部搜索算法(如贪婪算法)通过每次迭代获取局部最优解以尝试渐进获得全局较优解，但由于其无求解路径记忆、只考虑当前迭代选择等特性，贪婪算法容易陷入局部最优或收敛困难。元启发式算法(如遗传算法、模拟退火算法等)每次迭代可采取不同的搜索寻优策略，并对搜索路径具有一定记忆，算法收敛表现较好，全局较优解质量高。

13、传统轨道客流效益提升和站点周边用地优化方法存在的问题。既有研究和实践只考虑了客流与相关影响因素的定量关系或者站点功能区分方法，并没有进一步提出基于定量关系和站点功能组合的用地改善和客流提升优化方法，上述既有方法的具体问题如下：

14、(1)没有考虑站点类型组合对客流的影响

15、大部分既有方法只从轨道交通系统整体宏观指标和单个站点指标出发分析客流的影响因素，至今未考虑站点类型组合和比例对客流规模和形态可能造成的影响，例如大多数城市中，主要由居住类型站点(即站点服务对象以住宅社区为主)组成的轨道线路，客流规模远不及由居住、就业类型混合组成的线路。同时，由居住类型站点组成的线路，因为需要服务更多通勤人口，早晚高峰占全天客流的比例更高，运营难度更大。既有研究和时间由于缺乏线路、线网角度对客流的影响考虑，对单个站点进行优化可能导致线路整体客流分布不均衡、客流规模增长受到限制。

16、(2)没有考虑“用地-客流”共同优化的策略

17、在对站点周边用地进行优化或tod建设时，只单纯考虑站点客流与土地开发强度正相关的假设情况下，用地开发对站点客流增长的影响。然而，站点客流变化不仅受到开发规模的影响，也受到开发类型的影响，例如，站点周边进行大规模居住用地开发时，站点的客流规模受到交通衔接、轨道使用偏好、居民平均收入、居民出行目的地等因素的影响，可能不会出现明显的增长。这种现象将会导致站点周边服务范围内已经开发完毕，但站点客流仍无法明显提升的状况。因此，不仅需要考虑用地类型变化对站点客流和线路整体客流的影响，还需从各类型用地类型规模的角度分析站点周边开发对站点客流的影响。

18、(3)缺乏“周边用地-站点功能-站间功能组合-线路客流”的评价路径

19、站点功能影响站点客流规模，例如就业聚集区站点客流规模较大，而居住聚集区则相反，站点客流规模进一步影响线路客流规模。而站点该功能取决于站点周边用地，因此线路包含站点的用地实际上决定线路客流。更进一步，线路上不同站点间的功能组合，即用地组合，会影响客流在线路上的表现，因此基于线路客流效益的优化目标是线路站点的周边用地规模和组合形式。传统方法通常仅针对线路所有站点的用地状况总和或单个站点的用地状况，没有从周边用地影响传递的路径出发对周边用地合理性进行评价和优化。

20、(4)仅根据相关关系进行简单的趋势优化

21、传统方法通过拟合用地规模等指标与客流的关系，直接根据用地开发规模判断客流增长趋势，无视用地类型变化、站点服务能力、站点覆盖范围等约束，得出的土地利用优化结果和对应的客流增长完全不合理。

22、要解决传统轨道客流效益提升和站点周边用地优化方法存在的问题，技术难点如下：

23、1)既有研究或实践方法从未尝试对站点间功能级配相关指标进行构造，缺乏理论参考；

24、2)土地利用指标与站点间功能级配指标的定量关系确定；

25、3)客流效益指标与土地利用指标、站点间功能级配指标的定量关系确定；

26、4)不同场景下评估客流效益存在多种指标，多种客流效益指标需要同时加入至目标函数，并建立相关的指标约束条件；

27、5)选择并改进求解算法，使其适用于大量站点同时优化的场景。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提出了一种基于客流效益和土地价值的站点功能级配优化方法，以克服传统方法简单优化时，主观因素影响、未考虑站点类型组合影响、优化对象过大或过小等问题，提高轨道交通站点设施周边用地规划或优化的科学性和合理性。

2、本发明提出了一种基于客流效益和土地价值的站点功能级配优化方法，所述方法包括以下步骤：

3、1)关键指标选取和定量关系构造：首先选择和定义三类指标，分别包括：客流效益指标、站点周边土地利用指标和站间功能级配指标；

4、先建立站点周边土地利用和站间功能级配指标的定量关系，再建立客流效益指标与站点周边土地利用和站间功能级配指标的定量关系；

5、2)优化模型建立：根据不同客流效益指标的重要程度赋予权重并建立优化模型的加权目标函数，加权目标函数由多个选用的客流效益指标组合而成；

6、3)优化模型求解：建立目标函数后，根据选用指标的合理取值范围和设施容量建立约束条件，以沿线土地价值未充分发挥、客流效益较低的线路和站点作为优化对象求解模型，制定此类线路站点的改善策略，以提升站点所在线路的运营效益；使用pso算法求解需要优化站点的土地利用指标最优组合，获得站点间功能级配最优化方案。

7、优选地，在所述关键指标选取包括如下步骤：

8、设某一线路的站点周边土地利用指标向量、站间功能级配指标向量和客流效益指标向量分别为l＝{lk|k＝1,2,…}、s＝{sk|k＝1,2,…}和p＝{pk|k＝1,2,…}，lk、sk和pk是所述三类指标选用的第k个站点周边土地利用指标、站间功能级配指标和客流效益指标；

9、其中，站点周边土地利用指标选用沿线站点800米覆盖常住人口和沿线站点800米覆盖就业岗位，分别用l1和l2表示；站间功能级配指标选用同类型站点集中程度和非就业类站点占线路站点数量比例，分别用s1和s2表示；客流效益指标选用线路日均客流强度、线路早高峰进站小时系数和线路早高峰单向最大断面不均匀系数，分别用p1、p2和p3表示；

10、s1、s2、p1、p2和p3计算方法如下：

11、定义同一线路中站点i与相邻站点j∈j的相似性θi：

12、

13、式中，j表示与站点i相邻站点集合，yij是0-1变量，站点i与相邻站点j类型相同时yij＝1，否则yij＝0；所有相邻站点的类型与站点i相同时，θi＝1，不存在相同类型的相邻站点时，θi＝0；

14、计算同一线路所有站点的θi后，得到线路整体的同类型站点集中程度s1：

15、

16、非就业类站点包括居住、枢纽和高校就业类站点，这类站点占同一线路站点数量比例s2为：

17、s2＝z/|i|

18、式中，z表示线路中非就业类站点的数量；

19、线路日均客流强度p1表示日均客运量与线路总里程的比值；线路早高峰进站小时系数p2表示7～9时线路所有站点的进站总量与这些站点日均进站总量的比值；线路早高峰单向最大断面不均匀系数p3表示早高峰单向最大断面客流量与最大断面所在方向各断面平均值的比值，即：

20、

21、式中，h表示线路中最大断面所在方向的断面集合，vh表示断面h的早高峰断面流量。

22、优选地，所述定量关系构造包括如下步骤：

23、站间功能级配和站点周边土地利用的定量关系表示为f1(·)，客流效益和站点周边土地利用、站间功能级配两者的定量关系表示为f2(·)，有以下关系：

24、sk＝f1(l)

25、pk＝f2(s,l)

26、在优化模型建立前先确定f1和f2以构造目标函数；对于居住或就业类站点，按照站点800米范围内覆盖的常住人口l1与就业岗位l2的比值进行划分，若l1大于或等于l2，站点视作为居住类站点，否则视作为就业类站点；位于重要交通枢纽或高校聚集区域的站点视作为枢纽类和高校教育类站点；确定线路上各站点类型后，即可先根据l1与l2确定站点类型，再根据上述s1和s2的定义，计算s1和s2的具体数值，完成s1＝f1(l)和s2＝f1(l)的具体流程；

27、对于f2，使用多元线性回归构造站点周边土地利用指标、站间功能级配指标与客流效益指标的定量关系式，根据定量关系式完成p1＝f2(s,l)、p2＝f2(s,l)和p3＝f2(s,l)的具体流程。

28、优选地，所述优化模型建立包括如下步骤：

29、设线路中周边需要优化调整的站点集合为a，集合a中不包含枢纽和高校就业类站点，对于线路包含的站点i(i∈i)，它的第k个土地利用指标现状和调整后数值分别为lk,i和l′k,i，其中l′k,i作为优化模型的决策变量；

30、目标函数为不同客流效益指标的加权总和；设有二元变量μk，当pk作为负向指标时，即pk越大，客流效益越差，μk＝-1，否则，μk＝1；设pk对应的重要度权重为αk，构造的目标函数y如下：

31、

32、式中，|p|表示客流效益指标的数量；

33、模型需要多种约束进行限制，所需要的约束为：

34、(1)土地利用约束：站点i第k个土地利用指标调整后数值l′k,i对应的调整值下限和上限分别为ml,k,i和ml,k,i，表示开发程度变化的上下限，因此第k个土地利用指标lk的变化约束可表示为：

35、

36、l′k,i的变化约束可表示为：

37、l′k,i＝lk,i,i∈i/a

38、ml,k,i≤l′k,i≤ml,k,i,i∈a

39、(2)客流效益指标约束：设第k个客流效益指标pk变化的下限和上限分别为mp,k和mp,k，pk的取值范围约束可表示为：

40、mp,k≤pk≤mp,k

41、(3)站点服务能力约束：设l′i＝{l′k,i|k＝1,2,…}，土地利用指标转化为站点进站量的定量函数、方法或模型表示为f1，站点i∈i服务能力上限为mserv,i，则有以下约束：

42、0≤f1(l′i)≤mserv,i

43、以部分城市中心区域客流饱和站点的覆盖量作为上限，mserv,i取值为10万人口和岗位之和；

44、(4)线路断面运能约束：设线路包含站点间的出行需求od矩阵为d，土地利用指标和d转化为线路所有断面的定量函数、方法或模型表示为f2，线路所有断面的运能向量为mcap,h，则有以下约束：

45、0≤f2(l,d)≤mcap,h

46、mcap,h根据线路制式对应的车型运载能力与高峰小时发车对数决定，若线路仍处于在建或者规划状态，高峰小时发车对数可按国内城市轨道交通系统普遍的发车对数最大极限作为高峰小时发车对数；

47、(5)站间功能级配约束：设第k个站间功能级配指标sk变化的下限和上限分别为ms,k和ms,k，sk的取值范围约束可表示为：

48、ms,k≤sk≤ms,k

49、优化模型可表示为：

50、

51、优选地，所述优化模型求解包括如下步骤：

52、(1)可行解表示方式

53、构造解向量x＝{l′k,i|i∈a,k＝1,2,…}，x的空间复杂度为o(|l||a|)；

54、(2)求解算法

55、使用pso算法求解优化模型，使用的参数为速度惯性权重w、个体记忆系数和群体感知系数可行解群体数量为n，可行解编号为n，迭代次数上限为miter，具体步骤如下：

56、step1.可行解初始化：可行解集合中第一个可行解x1中的指标设置为现状值，即l′k,i＝lk,i，其他n-1个可行解中的指标l′k,i分别服从均匀分布u(mk,i,mk,i)进行随机取值；第n个初始可行解xn对应的当前最优值设置为xb,n＝xn，对应的最优函数值表示为yb,n＝y(xb,n)；

57、step2.群体最优和速度初始化：这n个可行解的群体最优解初始化为xg＝xb,1，群体最优值yg＝y(xb,1)，遍历n＝2,…,n，若y(xb,n)>yg，更新xg＝xb,n和yg＝y(xb,n)；每个个体指标l′k,i的初始移动速度vk,i服从均匀分布u(mk,i-mk,i,mk,i-mk,i)进行随机取值；

58、step3.速度和可行解更新：设v＝{vk,i|i∈a,k＝1,2,…}，所有可行解均按照各自的要求更新速度：

59、

60、式中，v′n表示更新后的速度，rb和rg服从均匀分布u(0,1)进行随机取值；

61、更新速度后，按照下式更新所有可行解xn：

62、x′n＝xn+vn

63、式中，x′n表示个体n更新后的可行解；

64、step4.最优解更新：遍历n＝1,2,…,n，若y(x′n)>y(xb,n)，更新xb,n＝x′；若y(x′n)>y(xg)，更新xg＝x′n。更新xn＝x′n和vn＝v′n，重复步骤3，直到迭代次数超过miter。

65、本发明采用以上技术方案与现有技术相比，具有以下有益效果：

66、该基于轨道线路客流效益和土地利用的站点间功能级配优化方法可以直接应用于轨道交通站点周边用地方案的优化调整，最优选址方案的求解完全基于现状用地或社会经济状况，以及间接确定的站点功能，且计算结果精度高、计算速度快、适用于复数站点同时优化的场景。