基于統(tǒng)計數(shù)據(jù)的城市出行時空模擬和路線規(guī)劃

1、基于統(tǒng)計數(shù)據(jù)的城市出行時空模擬和路線規(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（中南大學地球科學與信息物理學院，湖南長沙410083）摘要：文中結合GIS技術和四階段模型提出了基于統(tǒng)計數(shù)據(jù)時空分布的出行模擬方法，通過將人口統(tǒng)計數(shù)據(jù)進行空間分布模擬，并結合土地要素及出行影響因素，對長沙市芙蓉區(qū)出行生成、出行分布、方式選擇和交通分配的預測進行了模擬實驗，并以此為基礎實現(xiàn)了最優(yōu)時間和最短路徑路線規(guī)劃的應用。關鍵詞：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：P208文獻標志碼：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，主要從事地學三維建模與三維、地學大數(shù)據(jù)與GIS云計算等教學研究，E-mail：359544876。出行時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鏈為基礎的行為模型。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70年代，隨著隨機效用理論和離散選擇模型的提出，4SM逐漸由集計型轉向非集計型2?；顒渔溞袨槟Ｐ桶ɑ旌戏抡婺Ｐ秃陀嬃拷?jīng)濟學模型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個基于計量經(jīng)濟學模型的MTC（MetropolitanTransportationCommission美國城市運輸委員會）系統(tǒng)3；20世紀七八十年代荷蘭實現(xiàn)了往返行程的系統(tǒng)；19951996年，Bowman和Ben-Akiva開發(fā)了基于日活動計劃的系統(tǒng)3,這3種模型組成了效用計量經(jīng)濟學模型。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目。近年來，地理信息系統(tǒng)（GIS）在交通預測方面得到了廣泛的應用，美國CALIPER公司開發(fā)的TransCAD和TransModeler軟件,將GIS應用于交通的管

4、理分析和仿真規(guī)劃。在國內(nèi)，已有建設部研發(fā)的TranSolution和東南大學研發(fā)的TranStar部分投入使用。目前已有一些學者以時間、距離及費用為阻抗進行了交通路線規(guī)劃分析。GerJ.Devlin等結合GIS和GPS對愛爾蘭進行木材運輸路徑分析，并用數(shù)據(jù)驗證了方法的可靠性4。文中試圖提出基于統(tǒng)計數(shù)據(jù)和四階段模型的出行時空模擬方法，并借助GIS技術對長沙市芙蓉區(qū)的交通出行進行模擬，并以行駛時間和距離為阻抗進行最優(yōu)路線規(guī)劃，以期為優(yōu)化居民交通出行方式提供有價值的依據(jù)。1基于統(tǒng)計數(shù)據(jù)出行時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地位的出行預測模型，而基于活動鏈的行為模型正在

5、作為出行模擬的新興研究熱點而備受眾多學者關注。隨著GIS技術飛速發(fā)展，基于GIS的時空分布模擬方法正在逐步地應用于交通預測和模擬。筆者結合四階段模型和GIS技術提出基于統(tǒng)計數(shù)據(jù)時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階段構成：第一，出行生成預測。包括發(fā)生和吸引預測，出行發(fā)生預測是獲取實驗區(qū)內(nèi)每個調(diào)查單元指定時間內(nèi)的發(fā)生出行人次，考慮因素包括社會經(jīng)濟情況、居民收入和車輛擁有情況以及人口特征；出行吸引預測即獲取實驗區(qū)內(nèi)每個調(diào)查單元指定時間段內(nèi)吸引出行人次，影響因素包括土地面積及利用信息。實現(xiàn)方法主要包括移動平均法、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、出行習慣、汽車擁有情況、人數(shù)、老人小孩隨行情況）、出行屬性（目標、距離、時間）、交通服務（出行費用、出行過程舒適度、安全可靠性）等。第三，出行分布預測。其表現(xiàn)的是交通量在各交通小區(qū)間的分布情況，實現(xiàn)方法有重力模型法及增長率法5。第四，出行分配預測。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。預測結果與出行方式選擇、出行時間、費用等有關，一般以耗時、耗費最少為原則。

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。結合實際情況和已有數(shù)據(jù)，文中采用四階段模型完成對實驗區(qū)的出行模擬。根據(jù)統(tǒng)計數(shù)據(jù)預測出行概率用于出行生成的計算，參照實驗區(qū)交通規(guī)劃信息模擬出行方式選擇概率，采用重力模型法預測出行分布，將前3個階段的結果作為輸入，利用GIS軟件TransCAD選取全有全無模型得到交通分配結果?；诨顒渔湹男袨槟Ｐ托袨榈乩韺W和時間地理學6是活動鏈行為模型的重要理論基礎，行為地理學是一種在考慮自然與社會地理環(huán)境情況下研究人的行為的方法1。側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城市規(guī)劃決策和交通環(huán)境的影響；

8、時間地理學的觀點是一定時空環(huán)境下的一連串相關的事件形成了人類活動1，借助三維時空路徑，探討各種主體以及社會環(huán)境中制約人類行為的限制因素，說明路徑形成的時空機制，并以此闡明人的空間行為?；顒渔溎Ｐ偷闹饕治瞿M方法包括：規(guī)則模型、機運時長模型、結構方程模型、離散選擇模型等2，規(guī)則模型更多源于心理學的相關理論，認為個人的經(jīng)歷和人類與社會環(huán)境的交互過程形成并更新他們對周圍環(huán)境的認知，然后通過認知信息的處理得到最佳或者最滿意的結論7。機運時長模型8可用來模擬某事件在某一時刻“終止”概率，假設在此時刻之前該事件一直保持運行狀態(tài)。結構方程模型是屬于隱變量模型9，一般用于模擬出行活動中若干無法預測的事件。離

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

10、12:松散結合、交互界面以及鑲嵌結合。松散結合和GIS分別屬于兩個獨立的系統(tǒng)，GIS為模型提供輸入數(shù)據(jù)，而模型運算結果轉為GIS文件格式后，GIS進行顯示和分析。交互界面就是建立支持動態(tài)模型的GIS數(shù)據(jù)庫，并開發(fā)一個既能為模型提供輸入又能利用模型結果進行處理和演示的界面，所有數(shù)據(jù)格式的轉換在交互界面自動進行。鑲嵌結合即GIS和動態(tài)模型處于一個系統(tǒng)中，共用一個數(shù)據(jù)庫，不存在數(shù)據(jù)交換問題。文中借助GIS技術建立實驗區(qū)時空數(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、居民分布等數(shù)據(jù)?；跁r空數(shù)據(jù)庫采用GIS與四階段模型松散結合方式對城市居民的出行過程進行了模擬，得到出行的時空分布預測結果。其中四階段

11、模型各個階段采用如下方法。1）出行生成預測。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個交通小區(qū)的人口總數(shù)；Wj為第i個交通小區(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個交通小區(qū)的城市居民出行吸引量，Sij為第i個交通小區(qū)內(nèi)，j類型的土地面積（m2）,aij為第i個交通小區(qū)內(nèi)，j類型的土地容積率，Kij為第i個交通小區(qū)內(nèi)，j類型的土地出行吸引權重值，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，根據(jù)實驗區(qū)統(tǒng)計數(shù)據(jù)可假設各交通方式的使用率。3）出行分布預測。選擇重力模型法其公式為式中：Tj為指第i與第j個交通小區(qū)之間分布的交通量；Gi為指第i個交通小區(qū)的出行產(chǎn)生量；Aj為指第j個交通小區(qū)的出行吸引量；Rij為第i和j個交通小區(qū)之間的距離；a,B，Y系數(shù)待定，由實驗區(qū)情況確定。4）出行分配預測。實驗區(qū)內(nèi)道路的交通量是公交車、出租車、小汽車及其他機動車產(chǎn)生的交通量之和。根據(jù)上一步得到的結果選擇非平衡模型計算交通分配。2芙蓉區(qū)出行模擬和路線規(guī)劃應用文中選取長沙市芙蓉區(qū)作為實驗區(qū)。芙蓉區(qū)地處長沙市中部，路網(wǎng)密集，交通問題嚴重。采用GIS技術

13、創(chuàng)建了空間數(shù)據(jù)庫，錄入了芙蓉區(qū)路網(wǎng)、信號燈、居民職業(yè)屬性、土地利用、人口和小區(qū)分布等數(shù)據(jù)。由于活動模型法模型復雜，發(fā)展尚不成熟，且數(shù)據(jù)需求類別多、數(shù)量大，為進行出行模擬帶來一定難度，結合實際情況，文中基于空間數(shù)據(jù)庫，使用GIS技術和四階段模型松散結合的方式進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行出行模擬。首先，根據(jù)上述統(tǒng)計數(shù)據(jù)假設各職業(yè)（非）工作日出行概率，用式（1）和式（2）計算得到出行生成預測；然后，根據(jù)芙蓉區(qū)交通規(guī)劃信息假設各職業(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、小汽車及其他機動車交通量，需要說明的是：因白天機動車較多，夜晚相對較少，可假設出租車、小汽車及其他機動車交通量90%集中在早晨6：0023：00點，其余分配到23：00至次日早晨6：00點，使用GIS軟件以出行分布預測值為輸入，設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算結果見表2。喪2.非I.爐：夬通貳訂卑舉部號5禺m

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

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

17、度,可假設式（4）中T為25s,入為0.5,Q為當前時段路段的交通量（輛/h），為0.7,假設所有無交通信號燈的交叉口通行時間為相同條件下的固定信號燈狀態(tài)下交叉口通行時間的2.6倍以此為基礎計算實驗區(qū)道路網(wǎng)中通過某路段所需時長。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)絡中選出一條出行路線以達到出行時間或距離最短的過程。在交通路網(wǎng)中將通行時間/道路長度設為路網(wǎng)各邊的權值，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算法是目前應用比較廣泛、理論比較完善的一種，但在網(wǎng)絡模型節(jié)點以及邊的數(shù)目很多的條件下該算法的計算量非常

18、大，運行效率很低，李擎等15對經(jīng)典Dijkstra算法進行了分析和改進，使運算效率更高。圖1為以工作日白天時段交通流量計算并用GIS軟件繪制的以時間為阻抗的最優(yōu)時間路線規(guī)劃和以道路長度為阻抗的最短路線規(guī)劃的結果。3實驗結果分析與討論1）由表3部分實驗結果數(shù)據(jù)可知，工作日交通量比非工作日交通量大，而公交車對此無影響，主要是居民開私家車上班、家長開車送孩子上學、上班族執(zhí)行公務等原因而產(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（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行而夜晚沒有；另一方面是白天因工作、上學、娛樂、購物等出行目的產(chǎn)生交通

19、流，相對較多；夜晚是貨運及少量客運機動車產(chǎn)生的交通流，相對較少。2）由圖1得到不同標準的路徑規(guī)劃可知，由于道路因素，最短路徑和最優(yōu)時間規(guī)劃得到的路線不一致?？赡艿脑蚴牵阂环矫?，起終點間長度最短的路徑上信號燈相對多、車道數(shù)相對少、車輛較多，導致信號燈前等待時間較長、車輛擁堵通行緩慢；另一方面，起終點行駛時長最短的路徑上信號燈相對少、車流量相對小，導致信號燈前等待時間短、車輛通行順暢。3）根據(jù)實驗區(qū)統(tǒng)計數(shù)據(jù)和交通規(guī)劃信息假設各職業(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技術松散結合的方式，得到表3所示的模擬結果與實際統(tǒng)計數(shù)據(jù)所體現(xiàn)的交通出行

20、情況下相一致，驗證了文中所提出的模擬方案的有效性和可行性。4結論文中先是分析了出行模擬的理論基礎并提出了基于GIS技術和四階段模型松散結合的出行模擬方法，利用人口、土地利用、城市小區(qū)等統(tǒng)計數(shù)據(jù)構建了實驗區(qū)空間數(shù)據(jù)庫，對實驗區(qū)進行了出行模擬和最優(yōu)時間/最短距離路線規(guī)劃，得到了實驗區(qū)交通量分配情況和求解最優(yōu)時間/最短距離路線選擇的解決方案，用實驗區(qū)結果驗證了模擬方法的可靠性。利用GIS技術在空間數(shù)據(jù)處理和表達的優(yōu)勢，簡化了出行模擬基礎數(shù)據(jù)管理、交通量分配可視化、路徑選取、道路實時更新等工作；實驗區(qū)模擬結果為實驗區(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松散結合的解決

21、方法。參考文獻：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，宗芳基于活動鏈的出行需求預測方法綜述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，劉軍應用改進重力模型法預測鐵路行包OD運量的研究J.鐵道運輸與經(jīng)濟，2006，28(3):84-86.柴彥威，沈潔.基于活動分析法的人類