公共交通建模(实战篇).ppt

公共交通建模 （实战篇）,吴子啸,1、公交调查与分析 1.1 公交跟车调查方法及统计分析 （以厦门居民出行调查、公交客流调查及公交线网规划项目为例） 1.2 基于公交IC卡和公交GPS公交OD生成方法 （以郑州市综合交通模型发展规划为例) 2、轨道交通客流预测（以厦门轨道交通客流预测为例）,大纲,1 公交跟车调查方法小票法 2 公交跟车调查数据的统计分析,公交跟车调查的目的 调查方法与调查内容 公交跟车调查表 公交跟车调查的操作要点,公交跟车调查方法及统计分析,了解调查地区的公交发展情况，掌握主要公交线路的客运量及客流分布、主要干道上的公交客流通过量，揭示地区公交系统的运营特征； 为其公交客流分析提供基础数据，进而为其公交线网调整与规划工作提供科学依据。 作为综合交通模型的输入数据，标定和校核公交出行模块。,1.1 公交跟车调查的目的,常用跟车调查的方法： （1）不需要乘客配合； （2）需要乘客配合小票 调查内容 不需要乘客配合的调查通常记录到离站时间，记录上下客人数（没有站点OD信息）；小票法除了记录到离站时间，还记录上下车OD（公交站点OD）。,1.2 调查方法与调查内容,小票法有三类表格： （1）小票；（2）前门跟车表；（3）后门跟车表 小票的作用 记录站间OD，每张小票上有三个信息：票簿号、小票号和下车站点编号。票簿号用来区别调查的线路、班次和方向，小票号和前门表上的信息组合可以判别小票的上车站点，下车站点是后门调查员在收到小票后填写上去的。,1.3 公交跟车调查表,前门表： 前门跟车表表头的信息主要是调查线路、班次和方向。表中信息包括到离站的时间和每一站手中票簿第一张小票的小票号（据此可以推算每一张小票的上车地点。,某城市公交跟车调查表（前门）,1.3 公交跟车调查表,某城市公交跟车调查表（后门）,后门表： 后门跟车表表头的信息主要是调查线路、班次和方向。表中信息为每一站未交小票的人数。这样使调查能适应各种以外的情况。,1.3 公交跟车调查表,到站时，前门调查员的三件事 （1）车门开启前，记录到站时间； （2）车门开启后，给每一位乘客发放小票（如有拒绝，撕掉小票）； （3）车门关闭后，记录离站时间。 到站时，后门调查员的三件事 （1）向每一位下车乘客收取小票（可提前收）； （2）目数下车总人数（或未交小票人数）； （3）车门关闭后，在收到的小票上填写下车站点编号，整理好入档案袋。,1.4 公交跟车调查的操作要点,1 公交跟车调查方法小票法 2 公交跟车调查数据的统计分析,2.1 直接统计参数 2.2 公交站点OD生成 2.3 模型统计参数,线路平均运营时间与运营速度 线路平均运营时间与运营速度反映了公交运行的快捷程度，是衡量公交服务水平的重要指标。 通过调查结果可计算获得线路平均运营时间，通过各线路平均运营时间可计算平均运营速度。 准点率 准点率反映了公交车辆到达各站点的准时性，是公交服务水平的重要指标。准点率可对于一条线路的一个车站进行计算，也可以对于一个线路或整个公交系统进行计算。,2.1 直接统计参数,线路平均乘距 公交乘客平均乘距等于公交线路的乘客周转量与公交线路的客运量之比，是描述乘客出行特征的一项指标。公交线路的乘客周转量等于公交路段的长度乘该路段上公交客运量，然后对所有路段求和。如果仅调查一条线路的上下客量（而非公交站间OD）仍然可以计算出该指标。,2.1 直接统计参数,满载率、承载率与实载率 满载率和承载率指标指实际乘客量与公交车辆运能之间的关系。公交车辆运能在有些情况下以额定座位数来表达，也有以最大载客人数（座位数+站位面积容纳人数）来表达的情形。这些指标可以应用于高峰小时单向断面、全线的高峰小时和全日全线。 公交实载率是指某公交线路实际载客人数与运距之乘积和额定座位数与线路长度之乘积的比率，反映整条公交线路的载客情况。公交满载率不仅与客运量有关，同时取决于公交车的额定座位数，而额定座位数由公交车型号及运行班次决定。公交实载率用于对公交全线进行评价（全日或高峰小时）。,2.1 直接统计参数,准点率 准点率反映了公交车辆到达各站点的准时性，是公交服务水平的重要指标。对于一条线路的一个车站，准点率指标可按下式计算：,2.1 直接统计参数,上车站点的查找 将小票号与前门表比照，可找出每张小票的上车站点。查找程序可利用Access中的宏来编制。 放样方法 小票法可准确记录每站的上下客人数（每站上客人数可从前门表中进行统计，而下客人数来自小票统计结果及后门表中所统计的未交小票人数）。因此，对每一调查班次以上下客人数为约束先进行初步放样。 对各时段的调查班次，先将各班次站点OD加总再除以调查班次数目，得出一个“抽象”班次的站点OD。将各时段（如早高峰、晚高峰、平峰）的“抽象”班次的站点OD乘各时段的发车频率，得到各时段小时站点OD。,2.2 公交站点OD生成,道路断面公交运力分布 一条道路上的公交班次等于单位时间内通过该道路所有线路的公交车辆之和，等于与该道路相关的所有线路的频率之和。道路断面的公交运力等于与该道路相关的所有线路的频率与额定座位数（最大载客数）的乘积之和。,2.3 模型统计参数,调查公交线路分布,工作日高峰期公交车 运行班次分布,工作日高峰期额定座位数分布,道路断面公交客运量分布 将调查扩样的公交站间OD在公交网络上加载，然后按与道路的相关性进行聚合，可以得到各个道路断面的公交客运量分布。道路断面公交客运量不一定通过公交分配的方法来获得，根据各站点上下客量间的空间关系编写宏程序是比较简单的方法。,2.3 模型统计参数,工作日早高峰公交客运量道路分布,道路断面公交客流饱和度分布 道路断面公交客流饱和度等于道路断面公交客运量与道路断面公交运力的比值，类似于道路机动车饱和度。,2.3 模型统计参数,工作日晚高峰道路断面公交客流饱和度,站点上下客人数 站点上下客人数是叠加通过一个站点的所有线路班次的上下客人数而获得。,2.3 模型统计参数,公交跟车调查方法及统计分析,1 公交跟车调查方法小票法 2 公交跟车调查数据的统计分析 3 基于公交IC卡和公交GPS公交OD生成方法 公交GPS和IC卡数据 居民公交出行特征分析 公交站间OD搜索算法 公交OD的生成,为实现各线路公交车辆的实时调度、信息发布等动态监控管理功能，我国许多大城市的公交车辆上安装了GPS卫星定位管理系统。 同时，公交IC卡自动收费系统作为公交无人售票运营模式的先进替代品，已被诸多城市广泛使用。 这些现代信息系统提供了大量、翔实、绿色的公交客流数据和交通系统信息，如何利用这些数据是一个现实和迫切的问题。,3.1 IC数据卡与公交车GPS数据,公交出行频率分布：在使用公交的调查对象中，仅有11.32%人在一天中只进行了一次公交出行，而进行两次公交出行的人占68.71%。 公交出行的连续性：分析一天中使用公交出行大于一次的出行者，其公交出行具有连续的特征：即下一次公交出行的起点往往是上一次公交出行的终点。也就是说，出行者在使用公交方式时，在两次公交出行之间很少夹杂别的出行方式。,3.2 居民公交出行特征分析,典型公交出行情况： A）出行者（早上）第一次公交出行在i点上车、在j点下车，（晚上）第二次公交出行在j点上车、在i点下车；（B）出行者（早上）第一次公交出行在i点上车、在j点换乘、在n点下车，（晚上）第二次公交出行在n点上车、在j点换乘、在i点下车；（C）出行者（早上）第一次公交出行在i点上车、在j点下车，第二次公交出行在j点上车、.、在n点附近下车，（晚上）最有一次公交出行在n点上车、在i点下车。,3.3 公交站点OD搜索算法,3.3 公交站点OD搜索算法,算法描述,3.3 公交站间OD搜索算法,算法评价 搜索算法表现出良好的适应性，能够处理多种复杂的情形。 首先，对于连续性公交出行，搜索算法均能得到准确的下车站点，如图中典型的公交出行（A）和（B）的情形，依据居民家庭出行调查中连续性公交出行的比例，搜索算法的准确率可以达到95%左右。 其次，对于部分非连续性公交出行，搜索算法也能得到准确的下车站点。以图中典型的公交出行（C）的情形为例，当乘客在两次公交出行间夹杂了其他方式时，搜索算法依然适用。根据对非连续性公交出行的特征分析，搜索算法对大部分非连续性公交出行也都能找到相对准确或较为接近的下车站点。 最后，对于部分非连续性公交出行，搜索算法找到的下车站点是无效的（如下车站点与上车站点相同的情形）。这种记录被设为无效记录后，搜索算法所得到的公交站间OD可以具有更高的准确度。,3.4 公交OD的生成,公交站间OD的扩样 公交换乘的定义 公交站间OD转化为公交OD 公交分配,IC卡数据在大多数城市已成为容易获取的数据。在一些城市没有公交车GPS数据时，为了能够充分利用IC卡数据，可进行公交车运营调查。 IC卡数据能够充分反映城市居民（户籍人口+暂住人口）的公交出行特征，而流动人口大多采用投币的方式。在一些城市（尤其是旅游城市），流动人口在公交总客运量中占有不小的比重。在此情况下，对流动人口开展有针对性的公交特征调查是必要的。,3.5 未来公交调查方法的变迁,1、公交跟车调查方法及统计分析（以厦门居民出行调查、公交客流调查及公交线网规划项目为例） 2、轨道交通线网客流预测（以东莞市城市轨道交通线网客流预测为例）,大纲,1 方法与标准 2 预测模型与预测流程 3 东莞城市轨道客流预测,轨道交通线网客流预测,方式划分,1.1 预测方法与标准 目前我国工程领域采用的轨道交通客流预测方法,出行生成,出行分布,交通分配,轨道站点周边土地利用资料,轨道网络流量分布及指标,方法一,轨道网络,方法二,出行生成,出行分布,交通分配,研究区域土地利用资料,轨道网络流量分布及指标,公交网络,方式划分,方法三,出行生成,出行分布,交通分配,研究区域土地利用资料,轨道网络流量分布及指标,多模式交通网络,1.1 预测方法与标准 国际常用的轨道交通客流预测方法,出行生成,出行分布,交通分配,轨道站点周边土地利用资料,轨道网络流量分布及指标,方法一,轨道网络,轨道客运量模型（Direct Ridership Model） 与传统的基于出行的四阶段需求分析模型相比，公交客运量模型能够更加精确地描述轨道站点周边情况对于轨道出行的影响。轨道客运量模型可以作为传统需求分析模型的重要补充，从而提高对轨道出行建模的精度。,1.1 预测方法与标准 国际常用的轨道交通客流预测方法,出行生成,出行分布,交通分配,轨道站点周边土地利用资料,轨道网络流量分布及指标,方法一,轨道网络,轨道客运量模型（Direct Ridership Model） 模型标定需要非常详细的调查数据，基本不适用于新建轨道的城市。 例子：结合土地利用数据，早、晚高峰交通小区的公交产生量与吸引量可以表达为各小区人口、就业、人口密度、就业密度及公交车辆到达数的函数。更精细的公交客运量函数还可考虑各小区家庭平均收入、小汽车拥有水平、路网密度等因素。,（a）郑州市晚高峰公交产生量模型,（b）郑州市晚高峰公交吸引量模型,1.1 预测方法与标准 国际常用的轨道交通客流预测方法,方式划分,方法三,出行生成,出行分布,交通分配,研究区域土地利用资料,轨道网络流量分布及指标,多模式交通网络,多模式综合交通系统建模 轨道方式是综合交通系统中的主要交通方式之一，要考虑其与其他方式的相互作用，需将轨道方式纳入综合交通系统中进行统一建模。,1.1 预测方法与标准,国家标准 城市轨道交通线网规划编制标准 部标准 城市轨道交通工程项目建设标准 地方标准 城市轨道交通客流预测规范,1.1 预测方法与标准,国家标准 1、对居民出行特征调查提出明确要求； 2、突出强调模型的标定和效验； 3、预测结果体现多模式交通系统建模。,1.1 预测方法与标准,部标准:城市轨道交通工程项目建设标准 1、年限的明确； 2、不同研究阶段的划分； 3、所有指标仅限于轨道交通系统内部。,1.1 预测方法与标准,地方标准：城市轨道交通客流预测规范 1、主要章节为客流预测主要内容； 2、对预测方法和流程基本没有说明。,1 方法与标准 2 预测模型与预测流程 3 东莞城市轨道客流预测,轨道交通线网客流预测,2.1 预测模型及预测流程,预测模型,顺序步骤,引入反馈 （组合模型）,道路网络参数 土地利用资料,出行生成,出行分布,方式划分,交通分配,道路网络参数 土地利用资料,以分配后OD对之间的费用取代自由流费用,出行分布/方式划分/交通分配,2.1 预测模型及预测流程,求解流程,2.1 预测模型及预测流程,预测流程,城市人口出行需求分析 出行产生 出行分布 方式划分,城市经济与土地利用 城市人口 就业岗位,流动人口需求分析,城市出入口交通分析,枢纽点交通分析 火车站 汽车站 机场 港口,矩阵转换 自行车 公共交通 机动车,交通分配 自行车 公共交通 机动车,公共交通交通分配 常规公共交通 轨道交通,机动车出行需求分析 出行产生 出行分布,指标计算,道路网络,机动车发展趋势分析,1 方法与标准 2 预测模型与预测流程 3 东莞城市轨道客流预测,轨道交通线网客流预测,技术路线,基本沿用上一轮规划客流预测总体路线，保持延续性； 结合最新交通调查数据及变化了的条件，修订模型参数，加强模块功能，提高模型预测精度； 模型软件系统的转换（TrandCAD-EMME）； 补充交通调查； 模型参数的重新标定； 模块功能的提升（城市对外出行；中长距离出行）。,模型软件系统的转换,交通分区系统； 取消站点小区（市域轨道主要服务于镇区间出行，离轨道站点的距离不是选择轨道方式的决定性因素）； 增加出入口小区。,模型软件系统的转换,道路网络系统； 道路网络：由原模型导入，更新，重新梳理型心连杆； 公交网络：更新市内公交网络。,远景年道路网络,现状跨镇区公交线路,模型软件系统的转换,人口分布； 家庭户人口； 集体户人口； 流动人口。,远景年东莞市域城市人口总计1200万，其中家庭户人口708万，集体户人口492万，另有流动人口84万。 2020年东莞市域城市人口总计1000万，其中家庭户人口474万，集体户人口526万，另有流动人口70万。,远景年东莞市域各镇区人口构成,模型软件系统的转换,就业分布； 居住就业； 工业就业； 公共设施就业； 其他就业。,远景年东莞市域各镇区就业构成,远景年东莞市域总就业775万，2020年总就业799万。,补充交通调查,中长距离出行调查 东莞市域轨道交通主要服务于（镇区间）中长距离出行，增强原有模型系统对于中长距离的模拟精度是必要的； 居民中长距离出行调查有效户记录1638户，个人特征记录8331人。,补充交通调查,中长距离出行特征 问询结果与出行表统计结果符合程度极高。 东莞市居民平常一周乘公交中长距离（镇区间）出行2.3-2.6次，其它方式3-3.2次； 出行次数随个人财富（以居住类型为代表）的增长而增加。 出行次数与个人家庭地位密切相关。,问询调查统计,出行表调查统计,补充交通调查,中长距离出行特征 中长距离（镇区间）出行的目的以上班、上学、公务和生活性出行为主； 中长距离（镇区间）出行的目的结构与城市居民的出行目的结构极为类似。,目的结构,被调查者构成,模型参数的重新标定,参数标定基础 上一轮规划中模型参数标定的主要数据基础为东莞市2005年人员出行调查及东莞市城建规划局、深圳市城市交通规划研究中心联合编制的东莞市2001年人员出行调查报告； 2008年东莞市区综合交通规划项目中，居民出行调查包括四区二镇，抽样调查居民4173户，外来暂住出租户2980户。,图中拟合曲线 Y=0.98*X R2=0.903,基于家的上班出行,图中拟合曲线 Y=1.013*X R2=0.821,基于家的上学出行,图中拟合曲线 Y=1.056*X R2=0.888,基于家的其他出行,图中拟合曲线 Y=0.961*X R2=0.458,非基于家的出行,远景出行率的调整,东莞市居民出行发生率表（家庭户居民）（原表）,东莞市居民出行发生率表（家庭户居民）（调整后）,家庭户居民