交通/运输需求基础

在本模块中，我们将介绍一些运输需求的测量方法。在此背景下，需求一词与使用量或客流量等其他使用量的度量同义。此外，我们还将讨论估计客流量的常用方法，尤其是在计划服务或票价变化时。还提供了一些关于新交通系统客流量预测的注意事项和注意事项。

测量运输需求

正如第一个模块所述，运输使用通常通过未关联的乘客行程和乘客英里这两个指标来衡量。在美国，这些是公共运输使用最常见的报告指标，因为所有接受联邦资助的机构都必须至少每年向联邦运输管理局报告这些指标。

运输机构通常使用一种名为“乘车检查”的通用设备来收集这些信息。选择车辆行程（从一个路线终点站到另一个路线终点站的行程）样本，并在样本中排定的行程中放置一名人员（“检查员”）。该人员记录该位置以及在该位置上下车的人数。下面展示了一个路线从一个终点站（1 站）到另一个终点站（10 站）行驶 11.1 英里的示例。

站	距离（英里）	上车人数	下车人数	载客量
1	0	6	0	6
2	0.5	8	0	14
3	1	3	2	15
4	1.6	4	0	19
5	5.4	2	5	16
6	6.4	7	2	21
7	7	3	1	23
8	9.6	2	7	18
9	10.4	1	10	9
10	11.1	0	9	0

为了帮助可视化，下面的图表按路段（车站之间）绘制了载客量。这使用上表中的“距离”和“载客量”列进行绘制。

计算这些需求指标时，未关联行程总数只是上车人数之和。在本例中，上车人数总计为 36，因此未关联行程总数为 36。

乘客英里总数是车站之间载客量（“载客量”）乘以车站之间的距离之和。载客量是在每个车站之后计算的，将上车人数加到载客量中，并将下车人数从载客量中减去。将此数字乘以车站之间的距离即可获得乘客英里总数。这只是图表中的阴影区域。在本例中

${\begin{array}{lll}{\text{Passenger-miles }}&=&(6{\text{ passengers}})\cdot (0.5{\text{ miles}})+(14{\text{ passengers}})\cdot (0.5{\text{ miles}})\\&&+(15{\text{ passengers}})\cdot (0.6{\text{ miles}})+(19{\text{ passengers}})\cdot (3.8{\text{ miles}})\\&&+(16{\text{ passengers}})\cdot (1{\text{ mile}})+(21{\text{ passengers}})\cdot (0.6{\text{ miles}})\\&&+(23{\text{ passengers}})\cdot (2.6{\text{ miles}})+(18{\text{ passengers}})\cdot (0.8{\text{ miles}})\\&&+(9{\text{ passengers}})\cdot (0.7{\text{ miles}})\\&=&{\underline {200.3{\text{ passenger-miles}}}}\end{array}}$

其他出行信息也可以通过各种调查工具获得，例如起点-终点调查或车载调查，这些调查可以捕捉换乘信息、出行目的、起点、终点和人口统计特征。

简单的运输需求估计方法

运输规划人员遇到的一个比较常见的问题是如何估计各种服务特征或票价变化可能带来的需求变化。可以采用多种工具来估计需求变化，但必须确保所采用的工具适合所需目的。对于短期的规划期限，并且只改变一个变量，弹性法效果相当好。由于弹性法在运输规划中的广泛应用，我们将在本章中对它进行详细讨论。对于较长的规划期限，多个变量同时起作用，可能需要更复杂的模型；这些模型将在本章末尾简要介绍。

弹性

对于运输需求，在许多情况下，分析人员希望确定服务变化或票价变化在相对较短时间内（6 个月、一年）的主要影响。在这些情况下，人们可能希望查看这段时间内单一变化（只有一个变量在改变），并假设所有其他因素的影响微乎其微（即“所有其他条件不变”）。

在这种情况下，“弹性”非常适合。弹性是指需求量相对于特定变量X的敏感程度的衡量指标。具体来说，弹性e_D,X定义为需求量D在X增加 1% 时所发生的百分比变化。这可以用需求量的百分比变化除以X的百分比变化来表示。数学上

${\begin{array}{l}e_{D,X}={\frac {\Delta D/D}{\Delta X/X}}={\frac {\Delta D}{\Delta X}}\cdot {\frac {X}{D}}\\\\{\text{As }}\ \Delta X\to 0,\ e_{D,X}={\frac {\partial D}{\partial X}}\cdot {\frac {X}{D}}\\\end{array}}$

从概念上讲，弹性表明了需求量对X变化的敏感程度。

• 如果弹性为正，则X增加会导致需求量增加。
• 如果弹性为负，则X增加会导致需求量减少。
• 弹性的绝对值越大，需求量对X的敏感程度就越高。
• 如果弹性的绝对值大于 1.0，我们说需求量相对于X是“弹性”的。当X变化 1% 时，需求量变化超过 1% 时，就会发生这种情况。
• 如果弹性的绝对值小于 1.0，我们说需求量相对于X是“非弹性”的。当X变化 1% 时，需求量变化小于 1% 时，就会发生这种情况。

对于交通弹性，需求量通常通过未连接的出行来衡量。交通机构可能会考虑改变的一些常见变量（X）包括：票价；频率（每小时访问一个站点或车站的车辆数量）；以及不同的出行时间指标，例如总出行时间或车载时间、等候时间、步行至站点或车站或从站点或车站步行所需时间，或换乘时间。

常见的经验观察之一是弹性值往往是可以转移的；也就是说，弹性值通常适用于类似的情况，但在不同的位置。这使得弹性值对于理解许多城市地区的交通需求非常有用。

交通合作研究计划 (TCRP) 在交通研究委员会内汇编了一套关于交通弹性和其他交通服务指标的综合报告。可以从这些报告中获得特定的弹性值。 但是，可以做出一些一般性观察

• 交通票价弹性为负且非弹性（例如，e_D,Fare = –0.3）。需求量随着票价的增加而下降，但需求量的下降幅度（百分比）小于票价的涨幅。因此，提高票价通常会为交通机构带来更多收入。
• 频率弹性为正且非弹性（例如，e_D,Frequency = +0.5）。需求量随着服务频率的增加而增加，但增加幅度（百分比）小于频率的增加幅度。
• 出行时间的弹性为负，可能是非弹性或弹性。交通用户往往对车载出行时间或总出行时间不太敏感（非弹性）（例如，e_D,TotalTime = –0.6），但对进站和出站时间、等候时间和换乘时间更为敏感（例如，e_D,WaitTime = –1.2）。

弹性也可能因目标乘客群体对服务或票价变化的敏感程度而异。早晚高峰期间的出行者往往对票价和服务变化不太敏感，而那些在中午、晚上或夜间出行的乘客则更敏感。此外，进行自由支配性出行的乘客往往对票价和服务变化比那些因工作或学习而进行必要性出行的乘客更敏感。

弹性的用途

弹性的真正价值在于它们提供了一种清晰的方法来估计需求量的变化。也就是说，如果X发生变化，并且弹性为e_D,X，则可以估计需求量D的变化。重新排列弹性的公式，

${\begin{array}{l}{\frac {\Delta D}{D}}=e_{D,X}\cdot {\frac {\Delta X}{X}}\end{array}}$

此公式中的D和X的值代表当前条件，ΔX的值代表变量X的变化。然后，可以估计需求量的变化ΔD。

例如，考虑一个交通机构，它正在考虑将票价从 1.25 美元提高到 1.50 美元。目前的未连接出行次数为每天 110,000 次。如果我们使用 –0.35 的票价弹性，预期需求量会发生什么变化？

答案

${\begin{array}{rcl}{\frac {\Delta D}{D}}&=&e_{D,X}\cdot {\frac {\Delta X}{X}}\\\\{\frac {\Delta D}{110,000{\rm {\ unlinked\ trips}}}}&=&-0.35\cdot {\frac {\$1.50-\$1.25}{\$1.25}}\\\\\Delta D&=&{\underline {\ -7700{\rm {\ unlinked\ trips}}}}\\\end{array}}$

因此，交通机构预计每天会损失 7700 次未连接出行。但是，很容易证明，使用这种票价弹性，他们将在这种变化之后从乘客那里获得更多收入。

示例问题

问题

问题

一家交通机构的年平均需求量为 21,650,000 次未连接出行，公布票价为 1.25 美元。换乘免费。如果 25% 的未连接出行实际上是换乘出行，将票价提高到 1.50 美元后，预计乘客量和收入会发生什么变化？假设票价弹性为 -0.27，所有其他服务条件保持不变。

示例

解决方案

如果 25% 的未关联行程实际上是换乘，那么实际的付费上车人数仅为 21,650,000 次未关联行程的 75%，即 16,237,500 次付费（关联）行程。按每趟 1.25 美元计算，这将带来 (16,237,500 次关联行程) * (1.25 美元/关联行程) = 20,296,875 美元。

在价格弹性为 -0.27 的情况下，关联行程的变化将为 (-0.27) * (票价上涨 20%) = -5.4%。因此，关联行程的变化为 (-5.4%) * (16,237,500)，即 -876,825 次关联行程，最终净值为 15,360,675 次关联行程。在未关联行程中，换乘占 25%，假设该比例不变，这相当于 20,480,900 次未关联行程。

这些行程将带来 (1.50 美元/关联行程) * (15,360,675 次关联行程) = 23,041,012.50 美元。因此，客流量净减少了近 120 万人次/年，但总收入将增加超过 280 万美元。

高级需求预测方法

在引入重大服务变更或新服务时，需要更复杂的模型。这是因为此类变更会导致旅行者行为发生更大的变化，例如可能发生的整体出行、起点、目的地、出行方式、路线和出行时间（以及其他方面）的变化。鼓励感兴趣的读者参考其他与长期规划方法相关的章节，以了解这些模型的常见开发和应用方式。

在公交需求估算领域，最具争议的可能是对拟议中的新服务未来客流量（未关联行程）的预测。自 1970 年代以来，许多公交机构都提出了新的重轨和轻轨系统，需要评估这些系统的潜在客流量。在这些情况下，许多预测对公交客流量的预测过于乐观，而对实际成本的估计则不足。^[2][3][4]

从这些预测经验中，我们可以得到一些观察结果

• 任何客流量预测都会有误差。一些预测严重高估了实际客流量，而另一些则低估了客流量。这些预测中的误差来源很多。^[2][3][4] 对这些可能的误差进行更透明的说明，或对模型中的假设进行一些敏感性分析，可以帮助解释不确定性。
• 过去，高估客流量有激励作用，这样可以使铁路公交投资在吸引乘客方面显得更具成本效益。尤其是在联邦资本成本份额（通常在数亿美元到数十亿美元之间）高达 80% 或更多的情况下。^[2][3]
• 在开发新的铁路公交系统时，可以考虑大量因素。吸引新的乘客使用公共交通只是可能影响新公交系统政治决策的众多因素之一。具体而言，政治、经济和社会福利的考虑因素往往在决定是否开发新的铁路公交系统时起着重要作用。^[5][6]

相关书籍

Vukan R. Vuchic (2005)。城市公交：运营、规划和经济学。霍博肯：约翰·威利父子公司。