出行链视角下宏观交通模型构建

陶九鹏

(中国公路工程咨询集团有限公司，北京 100089)

0 引 言

交通模型是一种主要以数学模型为主，同时融合了图形、影像、视频等方式来描述交通系统的内在规律和运行状况的科学手段，是一门多学科理论，涉及交通工程学、社会人口学、经济学、统计学、行为学、信息学等，运用数理方法和计算机软硬件设备，对交通规划、交通政策的实施、交通设施的建设、交通状况的运行监测和交通管理等各阶段决策提供支持的重要的结果预测与分析技术。构建交通模型，才能使交通规划更具可靠性和有效性。

1 交通模型的层次划分和发展状况

交通模型贯穿整个交通规划的过程，根据分析与对象的差异，交通模型在应用层系上划分为三个层面：宏观模型、中观模型和微观模型。按照应用对象的不同，交通模型还可划分为以下几个层次，城市群模型，市域模型，市区模型和区域模型。其中市域模型，市区模型和市内区域模型统称为城市交通模型。城市交通模型主要面向城市内部居民的出行，对城市内部各功能区之间及其内部的交通联系进行描述，分析城市内部的土地利用情况和出行者的行为特征。模型主要使用者是城市交通规划者，用于测试各类交通政策、道路网、轨道网、公交网等交通基础设施规划方案对于城市交通运行的影响。

1962年，美国芝加哥市最先把交通需求分析分为交通发生(trip generation/attraction)、交通分布(trip distribution)、交通方式划分(model split)和交通分配(traffic assignment)四个步骤进行，“四阶段”城市交通需求预测模型因此而产生。交通预测模型依据四阶段法分为四个子模型：交通生成模型、交通分布模型、交通方式的划分模型和交通量的分配模型，被广泛应用于城市交通规划。由于四阶段法存在一定的局限性，之后又提出了基于活动链的交通模型构建方法，以交通、土地、环境、安全、运营为对象，以区域、城市、片区、地块、位置为活动空间，对产生实际出行行为个人进行分析研究，分析个人的出行决策特征，预测居民出行的目的、方式和时间。

我国城市交通模型研究起步比较晚，自20世纪80年代起，我国主要城市以北京和上海为代表，先后建立了交通规划模型。从最先的四阶段法和改进四阶段法结构，经历了基于出行(trip based)、基于出行链(tour based)和基于活动(activity based)的三个阶段，我国的交通模型持续演化升级。目前我国的宏观交通模型的应用还停留在基于出行链阶段，并加大对基于活动(activity based)的研究。

2 出行链模型基础理论与特点

传统交通模型中并不能贴合出行行为的持续性和动态性特点，因此引入出行链理论来研究城市内部居民的出行行为特征。出行链是指居民为达到出行目的，按照时间顺序将多个接连的出行行为进行连接组成的出行活动链，可以刻画特定的出行人员，从起点出发，经过不同的地点以完成不同的出行目的，再返回起点的出行行为全过程。

出行链模型主要有基于Markov Chain的出行链行为模型和基于Utility Theory的出行链行为非集计离散选择模型两类。非集计模型可较为细致的刻画个人在出行过程中对出行行为产生影响的个人决策机制，包括不同的出行目的，不同的出行方式效用，以及家庭成员共同出行时个人决策和共同决策的影响。在出行链模型构建初期，将会依据特征对参与出行的人群进行详细的划分，包含年龄、性别、职业、收入、家庭情况等，出行行为的选择与发生对出行个人的属性的灵敏度较高。同时，出行链模型中，交通小区的划分往往更为精细，划分的时间分析单元通常为半小时，可精确的刻画个人的出行画像和出行活动链。

出行链模型可非常好的适应数据资源快速发展与丰富的时代趋势，更好的把握居民出行特征。根据居交通调查结果，对参与出行的居民进行特征分配，主要包括年龄、性别、职业、收入、家庭位置和工作位置、家庭人口与结构、是否拥有小汽车等。这些个人属性将影响个人出行的出行目的地和出行方式选择。由于不同人群的出行目的不同，居民往往拥有固定的某出行目的下的目的地，如上班、上学地点。交通小区的划分将拥有更精细的用地单元，通过矩阵分布算法可以计算出土地利用数据和出行的吸引数据。确定居民出行的目的地后，可根据家庭内部成员情况，确定居民的出行方式。如家庭内部若拥有小汽车，家庭共同出行的情况下也多采用私家车出行的方式。上班族出行方式的选择要考虑上班时间、公共交通的便捷程度、出行费用等因素，学生的出行方式则要考虑日常上学方式、学校周边交通情况、到校时间、是否有人接送等因素。确立了出行者、出行目的及目的地以及出行方式，结合出行的生成、分布于方式划分，可产生居民在一日的出行链和时间安排。

3 出行链视角下的模型构建方法

过往交通模型的构建采用的是基于出行(Trip-Based)的四阶段法，出行链视角下的宏观交通模型构建则基于出行活动链(Activity Chain Based)进行交通需求预测。以出行链方式构建交通模型可以反映出一个人出行的先后顺序和方式选择关联，有效的模拟非基家出行的交通的生成与吸引。出行目的链与出行方式链组成的出行活动链示意图如图1所示。

图1 居民出行活动链示意图

出行链视角下的宏观交通模型与传统的四阶段模型有显著的区别，出行链视角下的宏观交通模型中交通需求分析利用的是非集计模型，描述个人的全天出行行为计划，具有随机决策的特点。模型构建过程中需对人群、出行目的、出行方式进行分组，交叉可得到上百种出行目的链和上千种出行参数。出行链主要有两种组合方式，一是不同的出行人群，基于相同或者不同的出行目的，选择组合式的出行方式，二是同一类出行人群，尽管出行目的不同，但都将从起点出发，经过各个目标点，最终回到起点的闭环出行方式。

交通的供给分配模型与交通网络数据有关，包括交通的网络分配和出行费用矩阵。交通需求模型与交通小区、交通行为的特征数据有关，包含根据出行特征划分的居民分组统计数据、居民一日出行的出行链数据和交通小区内居民根据工作、家庭情况的分类统计的数据。建立的居民出行行为链为交通生成模型的输入量，交通分布模型与各人群出行目的的阻抗矩阵和不同的交通方式尤其是公共交通的服务水平有关。交通方式的划分与各交通方式的阻抗矩阵有关。

宏观交通模型的推演计算可得到以下三部分结果：(1)预测分析城市居民的出行需求，包含居民出行总量，出行空间和出行时间的分布，跨区域出行的出行量；(2)预测分析城市居民的出行结构，主要是不同出行交通小区内不同的出行方式占总出行的比例；(3)对其它交通出行方式的影响，如不同公共交通线网下道路负荷度的变化，轨道交通与公共交通相互影响下客流在时间和空间上的变化，机动车受不同交通政策的影响产生的交通量变化。该结果可用以测试和评价交通规划方案和交通规划方案的效果，为道路基础设施规划和改造、公交线网优化调整、轨道交通客流预测、轨道交通与公交接驳整合提供研究基础和效果评价，同时还可以测试节能减排、缓堵测试、错时上下班等交通政策产生的交通影响评价。

4 结 语

本文简介了宏观交通模型的理论发展和构建技术，分析了现有的出行链模型理论与应用优点，提出了出行链视角下的宏观交通模型构建方法与应用领域。随着大数据、人工智能、5G技术的发展，可获取的数据源越来越多，时空数据的获取也更接近实时和实现持续追踪，未来我们将在细粒度建模分析进行进一步研究，探讨基于多源时空数据的出行链分析和活动链分析的宏观交通模型，构建能更接近城市交通运行状况现状与未来的交通模型。