基于統(tǒng)計(jì)數(shù)據(jù)的城市出行時(shí)空模擬和路線規(guī)劃

1、基于統(tǒng)計(jì)數(shù)據(jù)的城市出行時(shí)空模擬和路線規(guī)劃作者：鄧吉秋，李陽，歐陽芳來源：科技創(chuàng)新與生產(chǎn)力2016年第3期鄧吉秋，李陽，歐陽芳（中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南長沙410083）摘要：文中結(jié)合GIS技術(shù)和四階段模型提出了基于統(tǒng)計(jì)數(shù)據(jù)時(shí)空分布的出行模擬方法，通過將人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行空間分布模擬，并結(jié)合土地要素及出行影響因素，對(duì)長沙市芙蓉區(qū)出行生成、出行分布、方式選擇和交通分配的預(yù)測進(jìn)行了模擬實(shí)驗(yàn)，并以此為基礎(chǔ)實(shí)現(xiàn)了最優(yōu)時(shí)間和最短路徑路線規(guī)劃的應(yīng)用。關(guān)鍵詞：出行模擬；路線規(guī)劃；地理信息系統(tǒng)（GIS）；四階段模型中圖分類號(hào)：P208文獻(xiàn)標(biāo)志碼：ADOI：10.3969/j.issn.l674-914

2、6.2016.03.068收稿日期：20151029；修回日期：20160129作者簡介：鄧吉秋（1972-），男，湖南益陽人，博士，副教授，主要從事地學(xué)三維建模與三維、地學(xué)大數(shù)據(jù)與GIS云計(jì)算等教學(xué)研究，E-mail：359544876。出行時(shí)空模擬一般方法包括以經(jīng)典“四階段”模型（4SM）為代表的出行模型和以活動(dòng)鏈為基礎(chǔ)的行為模型。1962年美國制訂的聯(lián)邦公路法以及芝加哥發(fā)表的城市交通研究促成四階段模型的形成和發(fā)展1；20世紀(jì)70年代，隨著隨機(jī)效用理論和離散選擇模型的提出，4SM逐漸由集計(jì)型轉(zhuǎn)向非集計(jì)型2。活動(dòng)鏈行為模型包括混合仿真模型和計(jì)量經(jīng)濟(jì)學(xué)模型3。1995年RDC公司開發(fā)的AMOS

3、系統(tǒng)是混合仿真系統(tǒng)的代表。1978年Ben-Akiva和Ruiter在舊金山開發(fā)了第1個(gè)基于計(jì)量經(jīng)濟(jì)學(xué)模型的MTC（MetropolitanTransportationCommission美國城市運(yùn)輸委員會(huì)）系統(tǒng)3；20世紀(jì)七八十年代荷蘭實(shí)現(xiàn)了往返行程的系統(tǒng)；19951996年，Bowman和Ben-Akiva開發(fā)了基于日活動(dòng)計(jì)劃的系統(tǒng)3,這3種模型組成了效用計(jì)量經(jīng)濟(jì)學(xué)模型。目前,我國只有少量大型城市（如北京）建立了出行模擬示范性項(xiàng)目。近年來，地理信息系統(tǒng)（GIS）在交通預(yù)測方面得到了廣泛的應(yīng)用，美國CALIPER公司開發(fā)的TransCAD和TransModeler軟件,將GIS應(yīng)用于交通的管

4、理分析和仿真規(guī)劃。在國內(nèi)，已有建設(shè)部研發(fā)的TranSolution和東南大學(xué)研發(fā)的TranStar部分投入使用。目前已有一些學(xué)者以時(shí)間、距離及費(fèi)用為阻抗進(jìn)行了交通路線規(guī)劃分析。GerJ.Devlin等結(jié)合GIS和GPS對(duì)愛爾蘭進(jìn)行木材運(yùn)輸路徑分析，并用數(shù)據(jù)驗(yàn)證了方法的可靠性4。文中試圖提出基于統(tǒng)計(jì)數(shù)據(jù)和四階段模型的出行時(shí)空模擬方法，并借助GIS技術(shù)對(duì)長沙市芙蓉區(qū)的交通出行進(jìn)行模擬，并以行駛時(shí)間和距離為阻抗進(jìn)行最優(yōu)路線規(guī)劃，以期為優(yōu)化居民交通出行方式提供有價(jià)值的依據(jù)。1基于統(tǒng)計(jì)數(shù)據(jù)出行時(shí)空模擬的理論與方法目前，以“四階段模型”為代表的出行模型是占主導(dǎo)地位的出行預(yù)測模型，而基于活動(dòng)鏈的行為模型正在

5、作為出行模擬的新興研究熱點(diǎn)而備受眾多學(xué)者關(guān)注。隨著GIS技術(shù)飛速發(fā)展，基于GIS的時(shí)空分布模擬方法正在逐步地應(yīng)用于交通預(yù)測和模擬。筆者結(jié)合四階段模型和GIS技術(shù)提出基于統(tǒng)計(jì)數(shù)據(jù)時(shí)空分布的出行模擬方法。四階段模型四階段模型基于居民出行0D調(diào)查數(shù)據(jù)，由出行生成、出行方式、出行分布以及交通流分配四個(gè)階段構(gòu)成：第一，出行生成預(yù)測。包括發(fā)生和吸引預(yù)測，出行發(fā)生預(yù)測是獲取實(shí)驗(yàn)區(qū)內(nèi)每個(gè)調(diào)查單元指定時(shí)間內(nèi)的發(fā)生出行人次，考慮因素包括社會(huì)經(jīng)濟(jì)情況、居民收入和車輛擁有情況以及人口特征；出行吸引預(yù)測即獲取實(shí)驗(yàn)區(qū)內(nèi)每個(gè)調(diào)查單元指定時(shí)間段內(nèi)吸引出行人次，影響因素包括土地面積及利用信息。實(shí)現(xiàn)方法主要包括移動(dòng)平均法、增長率

6、法、彈性系數(shù)法、多元回歸分析法、指數(shù)平滑法等。第二，出行方式預(yù)測。出行交通方式分為如下幾種：自行車、步行、出租車、公交汽車、地鐵、摩托車、小汽車及其他。居民選擇出行方式的影響因素主要包括：出行者屬性（職業(yè)、年齡、性別、出行習(xí)慣、汽車擁有情況、人數(shù)、老人小孩隨行情況）、出行屬性（目標(biāo)、距離、時(shí)間）、交通服務(wù)（出行費(fèi)用、出行過程舒適度、安全可靠性）等。第三，出行分布預(yù)測。其表現(xiàn)的是交通量在各交通小區(qū)間的分布情況，實(shí)現(xiàn)方法有重力模型法及增長率法5。第四，出行分配預(yù)測。將各交通小區(qū)的各種出行方式的出行分布量分配到各條道路的過程。預(yù)測結(jié)果與出行方式選擇、出行時(shí)間、費(fèi)用等有關(guān)，一般以耗時(shí)、耗費(fèi)最少為原則。

7、交通分配方法不少，目前被普遍歸納為平衡模型和非平衡模型。結(jié)合實(shí)際情況和已有數(shù)據(jù)，文中采用四階段模型完成對(duì)實(shí)驗(yàn)區(qū)的出行模擬。根據(jù)統(tǒng)計(jì)數(shù)據(jù)預(yù)測出行概率用于出行生成的計(jì)算，參照實(shí)驗(yàn)區(qū)交通規(guī)劃信息模擬出行方式選擇概率，采用重力模型法預(yù)測出行分布，將前3個(gè)階段的結(jié)果作為輸入，利用GIS軟件TransCAD選取全有全無模型得到交通分配結(jié)果。基于活動(dòng)鏈的行為模型行為地理學(xué)和時(shí)間地理學(xué)6是活動(dòng)鏈行為模型的重要理論基礎(chǔ)，行為地理學(xué)是一種在考慮自然與社會(huì)地理環(huán)境情況下研究人的行為的方法1。側(cè)重出行行為的還原和出行規(guī)律的探討，并通過空間維度的行為模式探索行為決策，研究人的出行特征及其對(duì)城市規(guī)劃決策和交通環(huán)境的影響；

8、時(shí)間地理學(xué)的觀點(diǎn)是一定時(shí)空環(huán)境下的一連串相關(guān)的事件形成了人類活動(dòng)1，借助三維時(shí)空路徑，探討各種主體以及社會(huì)環(huán)境中制約人類行為的限制因素，說明路徑形成的時(shí)空機(jī)制，并以此闡明人的空間行為?；顒?dòng)鏈模型的主要分析模擬方法包括：規(guī)則模型、機(jī)運(yùn)時(shí)長模型、結(jié)構(gòu)方程模型、離散選擇模型等2，規(guī)則模型更多源于心理學(xué)的相關(guān)理論，認(rèn)為個(gè)人的經(jīng)歷和人類與社會(huì)環(huán)境的交互過程形成并更新他們對(duì)周圍環(huán)境的認(rèn)知，然后通過認(rèn)知信息的處理得到最佳或者最滿意的結(jié)論7。機(jī)運(yùn)時(shí)長模型8可用來模擬某事件在某一時(shí)刻“終止”概率，假設(shè)在此時(shí)刻之前該事件一直保持運(yùn)行狀態(tài)。結(jié)構(gòu)方程模型是屬于隱變量模型9，一般用于模擬出行活動(dòng)中若干無法預(yù)測的事件。離

9、散選擇模型是基于效用最大化原理的計(jì)量分析模型10用于對(duì)有限或部分選擇方案的決策過程模擬。1.3基于GIS的時(shí)空分布模擬方法GIS是一種采集、存儲(chǔ)、管理、分析并顯示與地球表面及其附近空間相關(guān)數(shù)據(jù)的計(jì)算機(jī)系統(tǒng)11。目前，集空間、時(shí)間和屬性三位于一體的時(shí)態(tài)GIS是時(shí)空模擬的重要技術(shù)，其目的是表達(dá)、管理、分析動(dòng)態(tài)變化的地理現(xiàn)象，能有效管理時(shí)空數(shù)據(jù)，實(shí)現(xiàn)重建歷史狀態(tài)、預(yù)測未來、跟蹤變化。時(shí)空數(shù)據(jù)庫是時(shí)態(tài)GIS的結(jié)構(gòu)核心，是在傳統(tǒng)空間數(shù)據(jù)庫的基礎(chǔ)上引入時(shí)間版本圖層、時(shí)間版本對(duì)象和時(shí)間版本屬性等時(shí)間信息而形成的。目前，將GIS與空間動(dòng)態(tài)模型結(jié)合模擬地理現(xiàn)象動(dòng)態(tài)變化是時(shí)空分布模擬常用的方法。主要有3種結(jié)合方式

10、12:松散結(jié)合、交互界面以及鑲嵌結(jié)合。松散結(jié)合和GIS分別屬于兩個(gè)獨(dú)立的系統(tǒng)，GIS為模型提供輸入數(shù)據(jù)，而模型運(yùn)算結(jié)果轉(zhuǎn)為GIS文件格式后，GIS進(jìn)行顯示和分析。交互界面就是建立支持動(dòng)態(tài)模型的GIS數(shù)據(jù)庫，并開發(fā)一個(gè)既能為模型提供輸入又能利用模型結(jié)果進(jìn)行處理和演示的界面，所有數(shù)據(jù)格式的轉(zhuǎn)換在交互界面自動(dòng)進(jìn)行。鑲嵌結(jié)合即GIS和動(dòng)態(tài)模型處于一個(gè)系統(tǒng)中，共用一個(gè)數(shù)據(jù)庫，不存在數(shù)據(jù)交換問題。文中借助GIS技術(shù)建立實(shí)驗(yàn)區(qū)時(shí)空數(shù)據(jù)庫，包含矢量數(shù)據(jù)模型的交通小區(qū)、道路網(wǎng)絡(luò)、居民分布等數(shù)據(jù)。基于時(shí)空數(shù)據(jù)庫采用GIS與四階段模型松散結(jié)合方式對(duì)城市居民的出行過程進(jìn)行了模擬，得到出行的時(shí)空分布預(yù)測結(jié)果。其中四階段

11、模型各個(gè)階段采用如下方法。1）出行生成預(yù)測。包括出行發(fā)生量和吸引量。其中出行發(fā)生量為式中：Pi為第i個(gè)交通小區(qū)的城市居民（非）工作日出行發(fā)生量，POi為第i個(gè)交通小區(qū)的人口總數(shù)；Wj為第i個(gè)交通小區(qū)中職業(yè)j的城市居民人口數(shù)量占此交通小區(qū)人口總數(shù)量的比例；Rj為職業(yè)j的城市居民的（非）工作日出行概率；n為城市居民的職業(yè)類別數(shù)目。出行吸引量為式中：Bi為第i個(gè)交通小區(qū)的城市居民出行吸引量，Sij為第i個(gè)交通小區(qū)內(nèi)，j類型的土地面積（m2）,aij為第i個(gè)交通小區(qū)內(nèi)，j類型的土地容積率，Kij為第i個(gè)交通小區(qū)內(nèi)，j類型的土地出行吸引權(quán)重值，m為系數(shù)，n為城市土地利用類型數(shù)目。2）出行方式預(yù)測。出行方

12、式選擇與天氣狀態(tài)、交通情況、出行者屬性等多種因素有關(guān)，根據(jù)實(shí)驗(yàn)區(qū)統(tǒng)計(jì)數(shù)據(jù)可假設(shè)各交通方式的使用率。3）出行分布預(yù)測。選擇重力模型法其公式為式中：Tj為指第i與第j個(gè)交通小區(qū)之間分布的交通量；Gi為指第i個(gè)交通小區(qū)的出行產(chǎn)生量；Aj為指第j個(gè)交通小區(qū)的出行吸引量；Rij為第i和j個(gè)交通小區(qū)之間的距離；a,B，Y系數(shù)待定，由實(shí)驗(yàn)區(qū)情況確定。4）出行分配預(yù)測。實(shí)驗(yàn)區(qū)內(nèi)道路的交通量是公交車、出租車、小汽車及其他機(jī)動(dòng)車產(chǎn)生的交通量之和。根據(jù)上一步得到的結(jié)果選擇非平衡模型計(jì)算交通分配。2芙蓉區(qū)出行模擬和路線規(guī)劃應(yīng)用文中選取長沙市芙蓉區(qū)作為實(shí)驗(yàn)區(qū)。芙蓉區(qū)地處長沙市中部，路網(wǎng)密集，交通問題嚴(yán)重。采用GIS技術(shù)

13、創(chuàng)建了空間數(shù)據(jù)庫，錄入了芙蓉區(qū)路網(wǎng)、信號(hào)燈、居民職業(yè)屬性、土地利用、人口和小區(qū)分布等數(shù)據(jù)。由于活動(dòng)模型法模型復(fù)雜，發(fā)展尚不成熟，且數(shù)據(jù)需求類別多、數(shù)量大，為進(jìn)行出行模擬帶來一定難度，結(jié)合實(shí)際情況，文中基于空間數(shù)據(jù)庫，使用GIS技術(shù)和四階段模型松散結(jié)合的方式進(jìn)行出行模擬和路線規(guī)劃。其中，居民總數(shù)、交通小區(qū)面積以及居民各職業(yè)占比等數(shù)據(jù)來源于2011年的長沙市統(tǒng)計(jì)年鑒、長沙市國土資源局13。2.1芙蓉區(qū)交通出行模擬采用四階段模型進(jìn)行出行模擬。首先，根據(jù)上述統(tǒng)計(jì)數(shù)據(jù)假設(shè)各職業(yè)（非）工作日出行概率，用式（1）和式（2）計(jì)算得到出行生成預(yù)測；然后，根據(jù)芙蓉區(qū)交通規(guī)劃信息假設(shè)各職業(yè)出行方式選擇概率，見表1；

14、其次，選擇重力模型法，用GIS軟件（TransCAD）得到工作日和非工作日出行分布0D矩陣；最后，選擇非平衡模型得到芙蓉區(qū)內(nèi)（非）工作日道路公交車、出租車、小汽車及其他機(jī)動(dòng)車交通量，需要說明的是：因白天機(jī)動(dòng)車較多，夜晚相對(duì)較少，可假設(shè)出租車、小汽車及其他機(jī)動(dòng)車交通量90%集中在早晨6：0023：00點(diǎn)，其余分配到23：00至次日早晨6：00點(diǎn)，使用GIS軟件以出行分布預(yù)測值為輸入，設(shè)置道路通行能力單向1900pcu/h,從而得到了芙蓉區(qū)的交通量。H僦II獅新燉課由上述四階段模型得到芙蓉區(qū)（非）工作日交通分配數(shù)據(jù)，選擇非平衡模型得到部分交通流計(jì)算結(jié)果見表2。喪2.非I.爐：夬通貳訂卑舉部號(hào)5禺m

15、死沁：非1.作丨1云左月1柞203&43爲(wèi)4145111350M125663340071DS1&32014361O3幽舉114S1M242&B115733D137U71D25最優(yōu)路線規(guī)劃文中將每個(gè)路段的行駛時(shí)長和行駛距離分別作為交通路網(wǎng)中該路段的權(quán)值，利用最短路徑算法，分別計(jì)算得到最短時(shí)間和最短距離的路線。2.2.1固定信號(hào)燈控制下道路行駛時(shí)長延誤時(shí)間是評(píng)價(jià)交通信號(hào)燈控制的重要指標(biāo)（此處只考慮固定信號(hào)燈狀態(tài)下的交叉口延誤現(xiàn)象）。交通信號(hào)燈控制的交叉口的通行時(shí)間是交叉口正常行駛時(shí)間和信號(hào)燈前等待延誤時(shí)間的和，其與交叉口處道路流量以及交通信號(hào)燈自身的參數(shù)有關(guān)，經(jīng)過交叉口所需時(shí)間為14式中：D為經(jīng)過

16、交叉口所需時(shí)間；Da為車輛均勻延誤；Db為車輛過飽和延誤；T為交叉口交通信號(hào)燈信號(hào)周期（s）；入為交叉口交通信號(hào)燈的綠信比；S為交叉口進(jìn)口道車輛最大通行能力（輛/h）；x為交叉口進(jìn)口道交通量與該處交叉口進(jìn)口道的最大交通量的比值，一般為01.2之間，即：x=Q/（入S）,Q表示交叉口進(jìn)口道的交通量（輛/h）。行駛時(shí)長為F=t1+t2.（5）式中：F為交通網(wǎng)絡(luò)中經(jīng)過某路段的所需行駛時(shí)長；tl為非交叉口路段正常行駛耗時(shí)；t2表示路段經(jīng)過的所有交叉口通行時(shí)間之和?？杉僭O(shè)行駛速度為道路最大通行速度，根據(jù)道路等級(jí)分為60km/h,40km/h,30km/h，則行駛時(shí)長公式中tl為路段長度/該路段最大通行速

17、度,可假設(shè)式（4）中T為25s,入為0.5,Q為當(dāng)前時(shí)段路段的交通量（輛/h），為0.7,假設(shè)所有無交通信號(hào)燈的交叉口通行時(shí)間為相同條件下的固定信號(hào)燈狀態(tài)下交叉口通行時(shí)間的2.6倍以此為基礎(chǔ)計(jì)算實(shí)驗(yàn)區(qū)道路網(wǎng)中通過某路段所需時(shí)長。最優(yōu)路線規(guī)劃方法最優(yōu)路線規(guī)劃，即出行者在交通網(wǎng)絡(luò)中選出一條出行路線以達(dá)到出行時(shí)間或距離最短的過程。在交通路網(wǎng)中將通行時(shí)間/道路長度設(shè)為路網(wǎng)各邊的權(quán)值，利用最短路徑分析求解。主要算法包括：Floyd算法、Dijkstra算法以及MoorePage算法，其中Dijkstra算法是目前應(yīng)用比較廣泛、理論比較完善的一種，但在網(wǎng)絡(luò)模型節(jié)點(diǎn)以及邊的數(shù)目很多的條件下該算法的計(jì)算量非常

18、大，運(yùn)行效率很低，李擎等15對(duì)經(jīng)典Dijkstra算法進(jìn)行了分析和改進(jìn)，使運(yùn)算效率更高。圖1為以工作日白天時(shí)段交通流量計(jì)算并用GIS軟件繪制的以時(shí)間為阻抗的最優(yōu)時(shí)間路線規(guī)劃和以道路長度為阻抗的最短路線規(guī)劃的結(jié)果。3實(shí)驗(yàn)結(jié)果分析與討論1）由表3部分實(shí)驗(yàn)結(jié)果數(shù)據(jù)可知，工作日交通量比非工作日交通量大，而公交車對(duì)此無影響，主要是居民開私家車上班、家長開車送孩子上學(xué)、上班族執(zhí)行公務(wù)等原因而產(chǎn)生交通量差異；（非）工作日白天比夜晚車流量大與前面的假設(shè)（出租車、小汽車等交通量90%集中于白天，其余分配到夜晚）相一致，一方面是因白天有公交車運(yùn)行而夜晚沒有；另一方面是白天因工作、上學(xué)、娛樂、購物等出行目的產(chǎn)生交通

19、流，相對(duì)較多；夜晚是貨運(yùn)及少量客運(yùn)機(jī)動(dòng)車產(chǎn)生的交通流，相對(duì)較少。2）由圖1得到不同標(biāo)準(zhǔn)的路徑規(guī)劃可知，由于道路因素，最短路徑和最優(yōu)時(shí)間規(guī)劃得到的路線不一致。可能的原因是：一方面，起終點(diǎn)間長度最短的路徑上信號(hào)燈相對(duì)多、車道數(shù)相對(duì)少、車輛較多，導(dǎo)致信號(hào)燈前等待時(shí)間較長、車輛擁堵通行緩慢；另一方面，起終點(diǎn)行駛時(shí)長最短的路徑上信號(hào)燈相對(duì)少、車流量相對(duì)小，導(dǎo)致信號(hào)燈前等待時(shí)間短、車輛通行順暢。3）根據(jù)實(shí)驗(yàn)區(qū)統(tǒng)計(jì)數(shù)據(jù)和交通規(guī)劃信息假設(shè)各職業(yè)（非）工作日出行概率、車流量在白天夜晚所占比例以及各職業(yè)出行方式選擇概率，采用四階段模型和GIS技術(shù)松散結(jié)合的方式，得到表3所示的模擬結(jié)果與實(shí)際統(tǒng)計(jì)數(shù)據(jù)所體現(xiàn)的交通出行

20、情況下相一致，驗(yàn)證了文中所提出的模擬方案的有效性和可行性。4結(jié)論文中先是分析了出行模擬的理論基礎(chǔ)并提出了基于GIS技術(shù)和四階段模型松散結(jié)合的出行模擬方法，利用人口、土地利用、城市小區(qū)等統(tǒng)計(jì)數(shù)據(jù)構(gòu)建了實(shí)驗(yàn)區(qū)空間數(shù)據(jù)庫，對(duì)實(shí)驗(yàn)區(qū)進(jìn)行了出行模擬和最優(yōu)時(shí)間/最短距離路線規(guī)劃，得到了實(shí)驗(yàn)區(qū)交通量分配情況和求解最優(yōu)時(shí)間/最短距離路線選擇的解決方案，用實(shí)驗(yàn)區(qū)結(jié)果驗(yàn)證了模擬方法的可靠性。利用GIS技術(shù)在空間數(shù)據(jù)處理和表達(dá)的優(yōu)勢，簡化了出行模擬基礎(chǔ)數(shù)據(jù)管理、交通量分配可視化、路徑選取、道路實(shí)時(shí)更新等工作；實(shí)驗(yàn)區(qū)模擬結(jié)果為實(shí)驗(yàn)區(qū)交通問題的分析決策中提供可靠依據(jù)；為出行模擬提出了基于四階段模型和GIS松散結(jié)合的解決

21、方法。參考文獻(xiàn)：柴彥威，沈潔，趙瑩城市交通出行行為研究方法前沿J.中國科技論文在線,2010,5(5):402-409.易漢文.出行預(yù)測方法從出行模型到行為模型的變革J.城市交通,2007,5(1):72-79.雋志才，李志瑤，宗芳基于活動(dòng)鏈的出行需求預(yù)測方法綜述J.公路交通科技,2005,22(6):108-113.DevlinGerJ，McDonnellKevin，WardShane.Timberhaul-ageroutinginIreland:ananalysisusingGISandGPSJ.JournalofTransportGeography，2008(16):63-72.楊天寶，劉軍應(yīng)用改進(jìn)重力模型法預(yù)測鐵路行包OD運(yùn)量的研究J.鐵道運(yùn)輸與經(jīng)濟(jì)，2006，28(3):84-86.柴彥威，沈潔.基于活動(dòng)分析法的人類