（交通信息工程及控制专业论文）基于信息熵的居民出行空间分布研究.pdf

摘要 基于信息熵的居民出行空间分布研究 专业：交通信息工程及控制 硕士生：林红 指导老师：李军( 副教授) 摘要 科学的交通规划需要对交通分布特征进行系统研究。居民出行空间分布特征 是交通分布中典型的统计属性，它可以帮助我们了解客运交通的流量和流向、现 有交通系统满足出行需求的程度，为交通改善提供理论依据。 熵是分子热运动无序性或混乱性的度量。熵与概率的联系，使得熵概念得到 了广泛应用，在通讯和信息科学、控制论等领域发挥着重要作用。信息熵是随机 事件不确定性或信息量的量度，可以把信息熵原理应用于事物集合元素分布状况 的描述和评价中。本文在总结居民出行特征研究一般方法的基础上，提出基于信 息熵原理的居民出行空间分布研究方法，并对广州进行实证研究，探讨方法的合 理性和存在问题。论文研究的主要结论如下： 信息熵可以定量评价居民出行空间分布的均衡性变化，解决o d 期望线无法 直观地反映一定时期内城市居民出行分布均衡性变化的问题。对广州不同时期的 居民出行空间分布进行实例分析，结果表明：1 9 8 4 年至1 9 9 8 年居民出行空间分 布均衡程度提高主要与城市内部功能完善有关；1 9 9 8 年至2 0 0 5 年居民出行空间 分布均衡程度缓慢下降主要与城市地域规模的扩大以及城市形态的变化有关。 城市居民出行空间分布与土地利用结构、人口密度以及就业岗位密度等紧密 相关，这些因素可以通过土地利用混合程度来反映。以广州中心片区为例，建立 居民出行区间吸引比例与土地利用之间的混合熵模型，从模型反映规律来看：城 市各区特别是新开发区土地利用混合程度的提高和内部功能的完善，可以均衡居 民出行空间分布，减少居民跨区出行，缓解城市区间路网的交通压力；发达的公 交和方便的出行可以吸引居民到新开发区居住和就业，改善老城区人口和就业岗 位高度密集、交通日益拥挤的状况，引导旧城改造与新区开发协调发展。 基于信息熵的居民出行宅同分布研究 最大信息熵原理可以为确定交通分布提供一种普适性方法，解决一般方法以 及普通熵方法在确定交通分布时寻找经验分布的困难。对广州步行、自行车、小 汽车、公交车和出租车五种出行方式作实证研究，结果表明：运用最大信息熵原 理可以找到既满足约束条件又与实际情况非常吻合的理论概率分布模型，根据绝 对熵差的大小可以区分模型效果的优劣。 关键词：信息熵居民出行空间分布土地利用分布模型 a b s t r a c t r e s e a r c ho ns p a t i a ld i s t r i b u t i o no fr e s i d e n t 1 r i p s b a s e do ni n f o r m a t i o n e n t r o p y m 旬o r ：1 r a m ci n f o m a t i o ne n g i n e e r i n ga n dc o n t r o l n a i n e ：l i nh 0 n g s u p e i s o r ：p r o l ij u n a b s t r a c t s c i e n t i f i ct r a n s p o r tp l a r m i n gn e e d so fs y s t e m a t i cr e s e a r c ho nt r a n s p o r td i s t r i b u t i o n s p a t i a ld i s t r i b u t i o no fr e s i d e n tt r i p s i s a 够p i c a ls t a t i s t i c s 砌h l t eo f 饥m s p o r t d i “b u t i o i l ，w m c hc a i lh e l pu sk n o wt h en o wo f 的m c ，p 弱s e n g e rn o 、稻，m ee x i s t i n g 衄l s p o r ts y s t e mt 0m e e tn l el e v e lo f 们v e ld e m 锄d sa i l ds oo n a 1 1o fm e s ec a i l p r 0 v i d em e o r e t i c a lb 邪i sf o r 昀衔ci i n p r o v e m e m e n n d p yi s t l l er n e a s u r eo fd i s o r d e r0 rc h a o so fm e n l l a lm o t i o n t h ec o n t a c to f e m r o p y 锄dp r o b a b i l i 锣m a | se m r o p yp l a ya ni i n p o r t a mr o l e ，w l l i c hh a sb e e nw i d e l y u s e di nc o m m u i l i c a t i o i 塔，i i l f o m a t i o ns c i e i l c e ，c o n l t o l 廿l e o r y ，a r l do t l l e rf i e l d s i i l f o n i l a t i o ne n t | r o p yi st h eu n c e r t a j n 锣o fr 觚d o me v e n t so r 廿l em e a s u r eo f l e 证f o m a t i o na m o u m i i l f o m a t i o ne n t r o p yp 血c i p l ec a nb ea p p l i e dt 0t l l ed e s c r i p t i o n 锄de v a l 眦t i o nf o rc o l l e c t i o ne l 锄e n td i 矧b u t i o no fd i 位r e n tt b i n g s b a s e do nt l l es 啪a r yo fg e n e r a ls n l d ym e m o d sf o rr e s i d e n t 仃i p sc h a r a c t e r i s t i c ， t h i sd i s s e r t a t i o np u t sf o “旧r dam e m o df o rr e s e a r c l l i n go ns p a t i a ld i s t r i b u t i o no f r e s i d e n tt r i p sw l l i c hi sb a s e do ni l l f o 锄a t i o ne m r o p yp r i n c i p l e a c c o r d i n gt 0n l i s m e t h o d ，i td o e sac 勰es t u d yi ng 眦1 9 之h o u 龇l dd i s c u s s e sm er a t i o i l a l i 锣觚dp r o b l e m o f t l l em e t h o d t h em 咖c o n c l u s i o i 塔o f t t l i sd i s s e r t a ：t i o na r ea sf o l l o 得： i n f 0 皿a t i o ne n t r o p yc a nd e s c r i b eq l 珊t i f i c a t i o i l a l l yt 1 1 es p a t i a ld i s t r i b u t i o nc l l a m g e s o fo n ec 姆sr e s i d e n t 仃i p si i ld i 虢r e n tp e r i o d sb e t t e rt l l a i lo r i g i n - d e s t i n a t i o nd e s nl i 鹏 ac a s es t u d yi 1 1g u a n g z h o u 概o u tc 0 n c l u s i o 璐t l l a t ：t l l ei i l c r e a s eo fe q u i l i b r i u m d e g r e eo fs p a t i a ld i s t r i b u t i o n 舶m1 9 8 4t 01 9 9 8i sm a i l l l yd u e t 0t h ei i i l p r o v e m e n to f g u a n g z h o u si n t e m a l 劬c t i o na 1 1 di t si 1 1 c o n s p i c u o u s l yd e c r e a s e 舶m19 9 8t 02 0 0 5i s m a i l l l yd u e t 0t 1 1 ee x t e n d i l l go fr e g i o ns c a l ea n dt l l ec h a n g eo fc i t yc o n f i g u r a t i o n s p a t i a ld i s 仃i b u t i o n o fr e s i d e n tt r i p si sm a i n l yd e c i d e db yl a i l d - l l s e s t m c t u r e ， p o p u l a t i o nd e n s 毋a 1 1 de i n p l o y n l e n tp o s td e l l s i 姊w i l i c hc 锄b er e f l e c t e db yt 1 1 ed e 伊e e o fm i x e de n 仃o p yo fu r b a i ll a i l d - u s e ac a s es t u d yi i lc e 蛐融d i s t r i c t so fg 啪g 吐o u s h o w st l l a t ：e a c hd i 矧c te s p e c i a l l ym en e wo n en e e dt 0i 1 1 c r e a s ei t sd e g r e eo fm i x e d m u r b 雒l a n d u s ea n dp e r f e c ti t si i l r l e i 如n c t i o n si no r d e rt 0b a l a i 【c e 虹l es p a t i a l d i s t r i b u t i o no fr e s i d e n tt r i p s ，w h i c hc a l lr e d u c et h er e s i d e m 仃i p sc r o s s i n gd i 位r e n t d i s t r i c t s 锄l da l l e v i a t et l l en e t w o r kp r e s s u r e 锄o n gm e m s i m u l t a i l e o u s l y ，a t t r a c t i n g r e s i d e n t st ol i v eo rw o r ki i lm en e wd i s t r i c tb y p m v i d i n gt h e m 、衍mc o n v e n i e n tp u b l i c n 锄s p o r 眦i o n c a i li i i l p r o v em e0 1 dd i 嘶c t s l i v i n ge n v i r o m e n ta 1 1 dt r a 伍cc o n d i t i o n s ， d l i c hc a i lm a d et l l en e wd i s t r i c t sd e v e l o p m e n ta s s o r t 谢t l lt 1 1 eo l dd i s t r i c t s r e f o 衄s m a x i m u mi n f b m a t i o ne 砷p yp r i n c i p l ec a np r o v i d eau 1 1 i v e r s 2 l l 印p r o a c hf o r d e t e 肌i n i n gm ed i s 袖u t i o no f 舰m c ，w 1 1 i c hc a l ls o l v e 恤d 瓶c u l t i e so fm eg e n e r a l a p p r o a c h e s 、7 l ，：h e ns e a r c h i n ge x p e r i e n c ed i s t r i b u t i o n b yd o i n ga l le m p i r i c a lr e s e a r c h o nr e s i d e n t 仃i p st r a v e l e di i lf i v ew a y sw m c ha r e 、a l k ，b i k e ，c 碣b u sa 1 1 d 伽d ，r e s u l t s s h o wt l l a t ：u s i n gm a x i m u me n t r o p yp r i n c i p l ec a i ld e t e 衄i n et 1 1 e o r e t i c a lp r o b a b i l 蚵 d i s t r i b u t i o n ，w 1 1 i c hn o to n l ys a t i s f i e sw i t l lt l l er e s t r i c t i v ec o n d i t i o n sb u ta l s oi s i i l a c c o r d a n c ew i t ht l l ea c t u a ls i t i 蒯o nv e 巧m u c h ；w 1 1 a ti sm o r e ，t 1 1 es i z eo fa b s o l u t e e m r o p yc a l lb eu s et od i s t i n g u i s h 也ee 俄c to fd i 虢r e n tm o d e l s k e yw o r d s ：i n f b 肌a t i o ne n 仃o p y ，r e s i d e n tt r i p s ，s p a t i a ld i s t r i b u t i o n ，u r b 锄l a n d - u s e ， d i s 仃i b u t i o nm o d e l i v 原创性声明 本人郑重声明：所呈交的学位论文，是本人在 导师的指导下，独立进行研究工作所取得的成果。 除文中已经注明引用的内容外，本论文不包含任何 其他个人或集体已经发表或撰写过的作品成果。对 本文的研究作出重要贡献的个人和集体，均己在文 中以明确方式标明。本人完全意识到本声明的法律 结果由本人承担。 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定， 即：学校有权保簦学位论文并向国家主管部门或其指定机构 送交论文静电子版和纸质版，有权将学位论文用于菲赢利瑟 的的少量复制并允许论文进入学校图书馆、院系资料室被查 阅，有权将学位论文的内容编入有关数据库进行检索，可以 采用复印、缩印或其他方法保存学位论文。 学位论文作者签名：并夕 导烬签名：孽事 i 蟹期：耐年、箕驴蠢基期：矗堪年多月孝嚣 基于信息熵的居民出行空间分布研究 1 1 论文研究背景 第1 章绪论 交通是一座城市的生命线，是衡量一个城市文明进步的标志。先进交通工具 的发明与改进扩大了人们的活动范围，给人们的生活质量和生活方式带来根本性 的变化。城市交通的人流正是居民从一个起点到一个目的地的个人出行活动的汇 集。城市居民出行特征研究，是研究对象从城市交通客体即交通设施向城市交通 主体即人的出行行为转变的标志。通过掌握出行规律，不仅确定了交通问题的实 质和范围，而且还为可能的解决方法提供了有用的指标。 进入2 1 世纪，我国国民经济持续稳定发展，城市规模不断扩大，人们生活 水平日益提高，机动车保有量迅速增长，大城市普遍处于快速的“城市化 和“机 动化”的进程中。一方面，城市交通需求急剧增长，基础设施建设正如火如荼地 开展；另一方面，交通供需矛盾日益尖锐，城市出现“乘车难、行车难、停车难 的“出行三难”现象，城市交通陷入“拥堵一建设一疏缓一再拥堵 的恶性循环。 由交通拥堵带来的交通尾气污染、噪声污染、交通事故等越来越严重，成为社会 经济和谐发展的一个瓶颈。 作为国内特大城市之一的广州，同样面临由于城市化和机动化进程加快所带 来的问题。近年来，随着“南拓、北优、东进、西联 城市发展战略的推进，广 州城市规模和空间格局均发生了翻天覆地的变化，逐渐由“云山珠水 的单中心 带状结构向以“山水城田海 为特色的多中心、组团式、网格型结构演变，中心 城市地位进一步提升。同时，随着国际资本流入量和社会投资的飞速增长，广州 经济实力迅猛增长，人民生活水平不断提高。小汽车加速进入家庭，轨道交通、 快速公交和水上巴士健康有序发展，交通方式结构呈现多元化局势，居民出行特 征发生了根本性的变化，交通供需矛盾日益尖锐。 为迅速摆脱城市交通困境，实现“和谐、人性、一体化交通”理念，适应 2 0 1 0 年亚运会举办的要求，将广州打造成区域交通枢纽、动感活力之都，成为 带动全省、辐射华南、影响东南亚的现代化大都市，亟需开展新一轮的交通战略 规划，指导城市交通基础设施规划建设与管理，解决城市交通问题。 第l 章绪论 解决交通问题的方法概括起来有两大类：一类是从交通管理入手，用现代的 交通管理手段对交通流进行有效的控制、诱导、调度和指挥，这些管理方法的应 用大大地提高了城市道路系统的利用效率并缩短了出行者的出行时间；另一类方 法是从城市交通规划入手，通过对城市交通需求量发展的预测，为较长时期内城 市的各项交通用地、交通设施、交通项目的建设与发展提供综合布局与统筹规划， 并进行综合评价，排除交通瓶颈。交通管理方法发挥作用的前提是城市所提供的 交通设施能够满足交通需求，即交通规划应先行于交通管理。 城市交通建设和交通问题的解决都迫切需要科学的交通规划，而科学的交通 规划需要以大量的交通调查数据和对交通分布特征的系统研究作为依据。交通分 布是在交通管理运营中，通过车辆、交通参与者等参与交通的动态随机行为，描 述由此产生的交通规律。居民出行空间分布特征是交通分布中典型的统计属性， 综合反映了复杂交通系统中人、车、路和环境四大因素，是城市交通规划和建设 的一个重要因素，它可以帮助我们了解客运交通的流量和流向、现有交通系统满 足出行需求的程度，以及需要采取交通改善措施的地域。 1 2 论文研究意义 1 9 8 2 年趋势大师约翰奈思比( j o l ln a i s b i t t ) 的首部著作大趋势( m e g a t r e b d s ) 中提到：人类正被信息淹没，却饥渴于知识。这说明信息与知识并非等同。居民 出行特征研究的基本出发点就是从调查所得的大量数据中提取有价值的、直观的 信息，揭示居民出行特征与其影响因素之间的内在机理，再现城市演化规律。 居民出行空间分布与城市居住、就业以及城市空间格局密切相关。一方面， 由于交通是土地利用的函数，不同类型用地在空间上的分离是交通需求的根源， 城市空间格局的改变必然影响土地的规划与利用，从而产生新的交通量或对已有 的交通需求存量进行空间重构，最终影响居民出行空间分布。另一方面，居民出 行空间分布的改变对土地利用价值产生巨大的影响，促使土地在不同模式下的经 济比较优势发生变化，从而改变人们对土地的利用模式或开发强度。这种关系使 得居民出行空间分布成为反映城市空间格局和解决交通问题的关键因素。 本文在提出基于信息熵原理的居民出行空间分布研究方法后，对广州进行实 证研究，系统全面把握居民出行空间分布现状特征和发展趋势。研究具有一定的 2 基于信息熵的居民出行空同分布研究 代表性，可以为国内其他城市居民出行特征研究提供参考和借鉴。 另外，本文在研究方法上也取得较大进展：根据信息熵原理建立居民出行空 间分布布均衡性变化的定量评价方法，可以解决传统o d 期望线无法直观地反映 一个城市在一定时期内出行分布均衡性变化的问题，为研究交通流分布变化提供 新的思路；根据信息熵原理提出基于混合熵模型的居民出行空间分布影响因素分 析方法，对引导交通合理流向、旧城改造与新区开发协调发展具有一定的现实意 义；根据最大信息熵原理提出确定交通分布的一种普适性方法，可以解决一般方 法以及普通熵方法在确定交通分布时寻找经验分布的困难。 1 3 论文组织架构 本文采用理论模型推导与实例分析相结合的方法，利用广州居民出行和土地 利用相关数据进行实证研究，探讨方法的合理性和存在问题。全文研究分为五章， 各章主要内容如下： 第一章阐述论文研究的背景和意义，提出论文的研究方法，确定论文的组织 架构，为论文研究思路提供总体指导。 第二章简要回顾国内外居民出行调查的起源与发展、居民出行分布模型的研 究进展以及居民出行特征研究概况，为论文研究方法提供参考和借鉴。 第三章首先总结城市交通规划中的居民出行调查的起源、发展、技术路线及 存在问题；接着将城市居民出行特征的量化指标归纳为出行强度、出行目的结构、 出行方式结构、出行时间分布、出行空间分布五大要素，并指出部分指标的影响 因素；然后，结合广州市居民出行调查的数据，从上述五个角度对居民出行分布 的特征进行全面分析，总结影响居民出行分布变化的内外因素。 第四章在简要熵、信息熵原理和最大信息熵原理的基础上，提出基于信息熵 原理的居民出行空间分布均衡性变化分析方法、基于熵模型的居民出行空间分布 影响因素分析方法以及基于最大信息熵原理的居民出行空间分布模型研究方法， 并利用广州市居民出行和土地利用相关数据进行实证研究，探讨方法的合理性和 存在问题。 第五章概括论文研究的主要结论，总结论文研究工作的主要贡献及其意义， 归纳研究的不足之处以及有待探讨的问题。 第2 章居民出行相关研究回顾 第2 章居民出行相关研究回顾 2 1 居民出行调查的起源与发展 居民出行特征研究伴随着居民出行调查的发展而发展。居民出行调查作为城 市交通规划的一项基础性工作，是随着城市交通规划的起源而起源的。1 9 4 4 年， 作为城市交通规划起源地的美国，出于交通规划数据的需要，率先在突沙、小石 城、新奥尔良、孟菲斯等几座中型城市开展了针对交通出行的家庭访问调查，成 为现代居民出行调查的开端。 1 9 6 2 年美国制定的联邦资助公路法规定：凡人口5 万以上的城市，必 须制定以城市综合交通调查为基础的都市圈交通规划，方可得到联邦政府的公路 建设财政补贴。该项法律直接促成现代交通规划理论的形成和发展，也使居民出 行调查成为交通规划的一项重要基础性工作。1 9 6 9 年，美国联邦政府为建立全 国性的专业化交通规划数据库，首次进行了全国性的个人交通调查( n p t s ： n a t i o n v v i d ep e r s o n a lt r a n s p o r t a t i o ns u n r e y ) 【1 1 。n p t s 每隔5 6 年开展一次，并于 2 0 0 1 年发展成为全国家庭出行调查( n h t s ：n a t i o n a lh o u s e h o l dt r a v e ls u r v e y ) 。 早期的n p t s 采取传统家庭访问和电话补充调查的方法，后来的n p t s 或n h t s 应用电话访问和计算机辅助的方法进行调查；调查内容包括家庭的人口属性、家 庭成员和车辆信息、日常出行和长距离出行详细信息凹】。 英国全国范围的居民出行调查工作n t s ( n a t i o n a lt r a v e ls u n ，e y ) 始于1 9 6 5 年，内容包括所有出行方式的调查【6 】。目前主要的调查方法为家庭访问调查，包 括利用电脑网络查询出行或记录查询( r e c o r d - k e e p i n g ) ，后者要求司机或车辆所有 者在出行过程中将车辆的出行信息记录下来( 短期内) 以备调查。抽样方法是利用 邮局记录的电子地址文件进行随即抽样。其前提是家庭拥有轿车率较高并且宣传 和教育工作做到位。 在日本，1 9 6 6 年由九州地区建设部门进行的福冈市p t ( 个人出行) 调查，是 最早的试验性调查；真正的居民出行调查开始于1 9 6 7 年广岛都市圈，到目前为 止大约有4 0 个人口在3 0 万以上的都市圈进行了居民出行调查；大概每隔十年进 行一次，有1 2 个都市圈已经进行了2 次居民出行调查【7 1 0 4 基于信息熵的居民出行空间分布研究 国内居民出行调查起步较晚。1 9 8 1 年，我国的天津和上海率先开展了居民 出行特征的调查。随后，北京、广州、徐州、大连、沈阳、长春等城市相继开展 了居民出行调查。目前，居民出行调查越来越受到城市交通规划决策者和执行者 以及广大市民的高度重视，国内许多大中城市都在结合实际需要开展不同规模的 居民出行调查。在这个过程中，北京、上海、广州、天津、石家庄、沈阳等城市 还认识到滚动规划的必要性，相继开展了两次甚至三次居民出行调查，我国的城 市居民出行调查已经进入蓬勃发展阶段。 2 2 居民出行分布模型研究 2 2 1 国外研究概况 在出行分布预测方面，国外学者从1 9 世纪5 0 年代开始提出不少有关出行分 布的模型和方法。从模型结构的角度可以把出行分布的预测方法分为两大类：增 长系数法和综合法( 也称构造模型法) 。增长系数法分为均衡增长率模型、平均 增长率模型、单约束增长系数模型、双约束增长系数模型四大类；综合法包括重 力模型、最大熵模型、介入机会模型和直接需求模型。 增长系数法中，从前面三种模型发展而来的双约束增长系数模型包括费雷特 法( t j f r a t o rm e m o d ) 、底特率法( d 咖i tm e t l l o d ) 和弗尼斯法( f u m e s sm e t l l o d ) ，它 们的理论已趋近于成熟，目前继续对其研究改进的文献较少见到。增长系数法方 法简单，适合短期交通规划与预测。增长系数模型最严重的缺陷是没有考虑网络 中与广义费用有关的诸多影响出行分布的属性。因而它在新的交通方式、新的道 路、新的收费政策或新的小区生成时无法描述出行分布的变化，所以使用非常有 限【8 】。 综合法中，目前只有1 9 5 5 年c a s e y 提出的重力模型得到了广泛的应用，并 且出现了非常成熟的标定软件，如阿p s 、n a i l c a d 和v i s s i m 。重力模型主要包括 无约束重力模型、单约束重力模型和双约束重力模型。对重力模型最新的实质性 改进是1 9 9 3 年由o p e n s h a w 以及1 9 9 5 年b l a c k 用神经网络技术解决复杂的空间 分布问题阻1 0 】，该模型在预测分布方面有众多优势，但没有考虑信息影响。重力 模型的优点源于其引入了阻抗函数，考虑的因素较增长系数法更为全面，对交通 5 第2 覃居民出行相关研冗凹顾 阻抗参数的变化能敏感地反应，预测的出行分布更为精确，而且在没有完整的现 状o d 调查资料时也能使用。重力模型的缺点在于当交通阻抗趋近于零时，出行 分布量会趋近于无穷大，因此它不适用于短距离的出行分布计算。 1 9 5 9 年s c l l l l e i d e 将s t o u f ! f e r 于1 9 4 0 年提出的应用于移民、定居服务方面的 介入机会模型应用于交通出行分布预测【l l 】。介入机会模型的基本思想是出行生 成不是明确地与距离有关，而是与满足出行目的的介入机会有关。介入机会模型 在建模根据上较重力模型强，但实际操作中不容易应用，缺乏必要软件的支持【8 j 。 1 9 6 6 年m u r c h l a n d 明确提出重力模型可以用公式表达为平衡最大化问题的 求解【1 2 】。1 9 6 7 年w i l s o n 发表了关于熵理论可以为出行分布行为提供一种解释的 文章【1 3 1 ，用熵公式为重力模型和介入机会模型提供了一个统计基础，并于1 9 7 0 年用公式表达了不同形式的熵最大化模型【l4 1 ，于1 9 7 4 年又进一步证明了熵理论 是产生出行分布和方式选择模型整个家族的一种好方法【l5 1 。这种最大熵方法可 以用来产生诸如重力模型、购物模型和定位模型等一大批模型，因此非常适合用 来作为新的理论工作的基础【m 1 刀。利用最大信息熵原理可以推导出重力模型和 介入机会模型，理论上完成了这三个模型的统一。最大熵方法除了应用于o d 分 布预测外，还可以应用于交通分布中的各类特征分布的确定，其缺点是往往难以 确定恰当的约束特征量。 1 9 8 6 年，美国的交通工程界对交通信息的采集和分析进行了探索性研究， 但没有定性或定量分析信息影响交通规划的模型和方法【1 8 】。1 9 9 6 年j i f e n gw u 按1 9 9 1 年b e u 给出的关于动态o d 分布模型的研究方向，提出了考虑路段交通 信息对出行o d 分布影响的动态o d 估计方法【1 9 】。继1 9 8 7 年o k 毗蚵提出卡尔 曼滤波方法后【2 0 】，为配合动态交通分配的实现，2 0 0 0 年a s h o k 对动态出行分布 进行探索，建立了基于滤波理论的空间状态方程【2 1 1 。 2 2 2 国内研究概况 国内对交通规划模型的研究热点集中在动态交通分配方面，在居民出行分布 模型方面取得的实质性进展较少。初期的研究多数是对国外的模型引进、改进及 参数校正等。1 9 9 6 年以后，不少学者引入物理学中的电子云分布原理、电子跃 迁原理以及熵原理，对居民出行分布模型进行了较为深入的探讨。 6 基于信息炳的居民出行空问分布研究 1 9 9 1 年李旭宏针对现行居民出行分布模型结构存在的不足，以常用的重力 模型为例，对南京市居民出行进行了实证研究瞄】。研究指出：未来的居民出行 分布模型应建立在未来的出行环境之上，应分目的、分区域建立分布模型。1 9 9 7 年他又提出了一种适用面广泛的交通分布预测系统平衡模型，该模型能充分反 映特殊因素对交通分布的影响，提高其准确性【2 3 1 。 1 9 9 4 年郭冠英提出在增长系数模型方面引入行列调整法，以简单明了的形 式表达了费雷特模型【2 4 】；在重力模型方面于1 9 9 5 年给出了一个包含三参数的阻 抗函数公式【2 卯。 1 9 9 6 年田立志提出在重力模型中引入出行分布调整系数【2 6 】，该计算方法过 于简单，无法很好地调整规划期的交通分布量。 1 9 9 6 年王殿海以氢原子基态电子在核外出现的几率密度模型为理论模型， 建立了模拟电子云居民分布模型【2 刀，解决了原有模型中存在的参数标定困难等 问题；2 0 0 3 年，他将电子云分布原理应用到居民重组与出行分布的城市系统复 杂问题，提出了模型建立思路【2 8 】；2 0 0 7 年，他指出前面的研究存在未进行模型 验证和未考虑居民出行分布中的供需不平衡这两个问题，利用长春市和旧金山地 区的抽样调查数据对模型进行了验证和建立了实用模型，并结合实例给出了模型 标定方法和过程【2 9 】。 1 9 9 9 年达庆东通过对交通分布与熵原理的关系的分析研究，利用熵原理从 常用的概率分布( 如泊松分布、二项分布等) 中选择最适合实际交通分布特征( 如 车辆到达计数分布、车距分布等) 的分布形式【3 0 】。 2 0 0 3 年曲昭伟将电子能级理论引入出行分布理论中，建立了基于收入的居 民出行分布模型，并通过美国n p t s 的调查数据对模型进行了验证，研究应用以 同一出行方式为前提【3 1 1 。同年，为寻求居民出行分布的普适性模型，其引入最 大信息熵原理，建立了居民出行分布的熵模型。并通过改变约束条件推导出了居 民出行分布中常见的几种模型【3 2 1 。但是，该研究没有给出最大信息熵模型中参 数标定方法。 2 0 0 5 年祝海荣将遗传算法应用于求解最大熵模型的交通分布问题中，从而 提供了一种求解简单的方法【3 3 1 ，降低了熵模型求解分布问题的复杂性，为利用 最大熵模型进行交通分布开创了一条新的途径。 7 第2 章居民出行相关研究回顾 2 3 居民出行特征研究 2 3 1 居民出行综合特征研究 在一个城市居民出行调查开展初期，如马鞍山、芜湖、营口、苏州、黄石、 邯郸、泉州等城市在首次居民出行调查后，相关学者就调查所得数据进行初步统 计分析，对城市居民出行特征的出行强度、出行目的结构、出行方式结构、出行 时间分布、出行空间分布等要素出行进行表象性的描述，对成因进行定性地分析。 随着一个城市开展多次调查以及国内开展调查城市的增加，积累的资料越来 越丰富，居民出行研究有了横向和纵向比较的可能性，在研究方法上较多地采用 了定量分析的手段，对居民出行特征变化的影响因素也有简单分析。纵向主要是 对进行过两次及其以上的城市进行居民出行特征变化的分析，横向主要是比较不 同城市间出行特征的共同点和不同点。 2 0 0 0 年邓毛颖以及2 0 0 4 年景国胜分别对比分析广州市1 9 9 8 年和1 9 8 4 年、 2 0 0 3 年和1 9 9 8 年居民出行调查的有关数据，通过出行强度、出行方式、出行 时间分布及出行空间分布等一系列指标总结归纳出广州市城市居民出行的规律、 变化特征及其原因【3 5 1 。 2 0 0 5 年黄建中从城市居民出行强度、出行方式与结构及出行空间分布等三 个方面，以大量的调查数据，分析了1 9 8 0 年以来我国特大城市居民出行特征【3 6 】。 研究指出：导致居民出行公共交通方式比例下降的原因主要在于城市交通设施的 建设与城市用地的布局结构、控制引导与开发实施等方面缺乏有效的联系。 2 0 0 7 年周钱在综合分析国内外城市的社会经济发展和居民出行调查资料的 基础上，从居民人均出行次数、出行目的分布和出行方式构成等3 个方面入手， 将国内城市居民出行特征与发达国家城市进行分析比较，又对国内相同城市不同 时期的调查结果进行对比研究【3 7 】。研究结果发现：我国城市居民出行特征随着 社会经济和城市的发展发生了显著的变化，国内经济比较发达地区大城市的部分 出行特征已经开始与发达国家状况相似，中小城市和欠发达地区城市的出行特征 则与国外差别较大。 后来，由于计算机和信息学科的发展，促进了交通与其他学科的交叉，居民 出行研究呈现多元化。这一阶段的研究开始注重对影响居民出行的深层规律的揭 8 基于信息熵的居民出行空间分布研究 示与把握，并尝试运用这种规律去指导规划实践。2 0 0 5 年毛海境应用定性分析 与定量分析相结合的方法，探讨了城市规模、形态、经济水平和自然环境对居民 出行的影响，建立了居民出行特征参数的图表求解体系【3 8 】。 2 3 2 居民出行与土地利用关系研究 居民出行与土地利用关系研究是目前研究的一个热点。城市土地利用与交通 系统之间相互联系、相互影响。1 9 8 8 年s t o v e r 和k b e p k e 的研究表明【3 9 】：两者之 间存在双向反馈影响作用，形成一个作用圈。它们之间关系的核心和根源是交通 需求与土地利用的关系【加j 。不同类型用地在空间上的分离是交通需求的根源， 而交通需求的空间分布又将影响土地利用的价值、类型和强度。 影响交通需求的土地利用因素主要包括人口、就业岗位、住房等土地利用的 规模和密度以及土地利用结构、城市结构、城市中心布局等，其中人口和就业岗 位的密度对交通需求有较大影响，可以用土地利用混合程度来反映它们【4 1 吨1 。 1 9 9 7 年s i i i l m o n d s 和c 0 0 i n b e 的研究指出土地利用混合程度是影响城市交通的主 要因素阳j 。 2 0 0 0 年钱林波对南京土地利用和居民出行空间分布的关系研究指出m ：居 民出行吸引区内比例与土地利用混合程度之间存在二次曲线的关系；另外，交通 小区可达性的提高以及居民出行空间分布的变化对城市土地利用具有导向作用， 影响社会空间活动的选址和刺激新的土地开发，从而改变土地利用混合程度。 2 0 0 5 年周素红分别从广州市居住就业空间均衡性和宏观空间组织模式的转 化等出发，分析广州的居住一就业空间特征及其对居民出行行为的影响【4 5 】。研 究认为：近年来广州居住空间与就业空间在外拓和多核心化的同时，二者的空间 均衡性增强，从而促使居民出行空间趋向均衡；居住空间对城市空间的引导作用 日渐突出，对居民出行空间和出行方式的选择都产生重要的影响。 2 0 0 7 年赵延峰借鉴景观生态学中的空间格局分析方法，引入多样性、优势 度、均匀度、破碎度等指数对城市用地空间格局进行定量描述，在此基础上研究 了苏州市城区用地格局演变对居民出行特征的影响【4 6 l 。研究指出：城市用地格 局的演变对城市居民出行距离、交通工具选择等方面产生了深远的影响，用地格 局不合理是导致居民出行条件恶化的主要因素。 9 第3 章居民出行分布特征 第3 章居民出行分布特征分析 3 1 城市居民出行调查的一般方法 居民出行调查，是指对交通规划区域内的常住人口和暂住人口在一定时间内 出行的详细情况进行调查，是掌握城市居民出行特征和了解城市交通主体出行规 律的重要调查活动【4 7 1 。开展调查的必要性主要体现在：解决当前交通问题、优 化道路系统建设、改善公共交通服务、完善静态交通系统、促进收费公平有序、 预测未来交通需求。 目前，居民出行调查方法多种多样( 如互联网、手机、电话、邮寄等途径) ， 不同规模的城市或者同一城市在不同时期的调查方法都有所差异，但传统的家访 式调查仍然是主流方法。传统的调查方法通常采用的技术路线如图3 1 所示，可 以分为前期策划、调查实施和数据处理三个阶段。为确保调查数据的真实可靠， 居民出行调查工作的各阶段，均要采取严格的质量监控。 前 期 调 研 蓁h 蓁h 萋h 蓁委h 蓁 前期策划 3 1 1 调查前期策划 ( 1 ) 居民出行定义的明确 组织与实施 二 质量监控 图3 1 调查技术路线 ii 数 编ll 据 码ll 校 与卜叫核 美 数据处理 成 果 编 制 居民出行调查通常采用的定义可以总结为：“个人具有某种确定目的，在可 通行汽车的道路上，步行超过一定时间或使用交通工具出行超过一定距离，称为 一次出行 。出行和出行链的示意图如图3 2 。定义中具体时间和距离将根据实际 情况确定，如广州市1 9 8 4 年和2 0 0 5 年两次大规模居民出行调查所采用的定义中 l o 基于信息熵的居民出行空间分布研究 时间和距离分别为5 分钟和5 0 0 米；强调“在可通行汽车的道路上”的原因是： 居民出行调查的主要目的之一是确定客流在城市道路上的分配，居民在住宅小 区、大院、校园等对城市道路交通不产生影响的地方的出行应排除在统计之外。 ( a ) 一次出行示意图 图3 - 2 出行和出行链示意图 ( 2 ) 调查时间、范围和对象的选择 ( b ) 出行链示意图 调查时间最好选择在月运量和日运量波动较为稳定的日期进行，这样可以比 较容易地利用其波动系数来反映全年的日平均出行总量。合理的调查日期应该避 开节假日。此外，星期五和星期一因为是休息日的前后，其出行特征往往也不具 备代表性。 调查范围可分为一般性交通调查区和详细行程调查区。一般性交通调查区范 围不能依据地区的行政界线为限，而应包含对行程产生、吸引有共性的都市圈区 域。同样，详细行程调查也不能简单地把一个城市市区的边界线作为详细行程调 查区的外围境界线。 调查对象按户籍可以分为户籍人口和外来人口，按居住时间可以分为常住人 口和流动人口，按居住模式可以分为家庭住户人口和集体住户人口。其中，各类 调查对象通常指6 岁以上的人群，6 岁以下儿童一般不能独立完成出行，绝大多 数城市不将其列入调查对象范围。 ( 3 ) 调查抽样率的选取 国内外一般推荐的抽样率如表3 1 所示。对于人口少于5 万与多于1 0 0 万的 城市如何选取最佳抽样率尚有不同看法，但对特大城市( 人口 3 0 0 万) 的抽样 率一般在2 5 3 之间，这一点在理论界已基本达成共识，国内特大城市( 如 北京、上海、天津、广州等) 历次大规模调查抽样率一般选取3 左右。 第3 章居民出行分布特征 表3 1 居民出行调查抽样率推荐值 ( 4 ) 交通区的划分 数据来源：王建军等，交通调查与分析( 2 0 0 4 ) 交通区通常分为片区( s e c t o r ) 、中区( d i s t r i c t ) 和小区( z o n e ) 三级，每一级都要 包含调查范围以外的外部交通区，片区和中区的划分是在小区划分的基础上进行 的。交通小区的划分通常以行政区划( 含区、乡镇、办事处、居委等) 为基础界 线，把调查范围内用地性质、交通性质、人口规模相似的区域分成若干个基本统 计分析单位。 ( 5 ) 调查表格的设计 调查表格是调查方案设计和调查目标的真实反映，如表3 2 所示，调查内容 一般包括个人与家庭属性、社会经济属性、出行属性、个人意愿等。为了达到调 查预期目的，调查表格的设计通常应遵循以下原则：表格信息必须满足分析的要 求，足以系统阐明城市居民出行的规律和特征；要充分考虑居民的合作程度，力 求简明易懂，内容不能过深涉及居民隐私；必须根据调查城市实际情况正确划分 出行目的和出行方式，以满足预测模型的精度要求；必须联系城市交通当前热点 和未来发展策略，进行居民意愿调查。 表3 2 调查表格主要内容 调查类别调查内容 流动人口 住户特征：家庭地址、家庭人口、居住使用面积、拥有车辆数、是否打算买车等 个人属性：性别、年龄、户籍状况、工作单位地址、文化程度、职业、个人税后年收入等 出行特征：出行次数、出行目的、出发时间、出发地点、交通方式、到达时间、到达地点等 个人意愿：填写个人对目前交通的一些建议 个人属性：性别、年龄、文化程