城市公共交通需求预测及应用

收稿日期: 2004-03-01 作者简介: 瞿尔仁( 1940- ) , 男, 安徽天长人, 合肥工业大学教授, 硕士生导师. 第27卷第12期合 肥 工 业 大 学 学 报( 自然科学版)Vol. 27 No. 12 2004年12月JOURNAL OF HEFEI UNIVERSIT Y OF T ECHNOLOGYDec. 2004 城市公共交通需求预测及应用 瞿尔仁1, 潘 莉1, 张乾坤2, 任国红1 ( 1. 合肥工业大学 土木建筑工程学院, 安徽 合肥 230009; 2. 合肥市市政设计研究院, 安徽 合肥 230001) 摘 要: 文章在综述了公共交通需求预测基本理论的基础上( 包括预测的基本前期工作, 四阶段模型法等) , 结合巢湖市公共 交通规划, 对出行生成、 出行分布、 交通方式划分、 交通分配4个阶段所采用的需求预测常规模型( 方法) 的应用作了具体的说 明。 同时, 还介绍了一种组合预测模型( 方法) , 这种模型旨在减少预测风险, 有效提高预测精度。 关键词: 城市公共交通; 交通需求预测; 组合预测模型 中图分类号: U491. 17 文献标识码: A 文章编号: 1003-5060( 2004) 12-1612-05 Forecasting of urban public transportation demand and application QU Er-ren 1, PAN Li1, ZHANG Qian-kun2, REN Guo-hong1 ( 1. School of Civil Engineering, Hefei University of Technology, Hefei 230009, China; 2. Hefei Design Institute of Municipal Engineering, Hefei 230001, China) Abstract: T he traditional theory and common methods of forecasting the public transportation demand are reviewed, and the public transportation forecasting and planning of Chaohu City is presented as an application example.T he four forecasting stages are illuminated which include trip generation, trip distribution, transportation mode classification and traffic assignment, and the application of the traditional forecasting models in accordance with the four stages is described. In order to reduce the risk of forecasting and increase the accuracy of forecasting effectively, a compound forecasting method is also introduced. Key words: urban public transportation;forecasting of transportation demand;compound forecasting model 公共交通系统, 是城市客运交通的主要载体, 具有运载量大、 运送效率高、 能源消耗少及运输成本低 等优点, 它不仅维系着城市功能的正常运转, 而且对社会经济发展起着全局性和先导性的作用 1 。 因此, 城市交通规划应面向公共交通系统发展, 优先发展公交。 交通需求量预测是城市公共交通规划的核心, 预测结果的准确与否, 直接关系着规划的科学性和合理性。 交通需求量受人口、 就业、 车辆拥有及用地等 社会经济因素的影响和制约。 在进行交通需求预测前, 必须做好各规划特征年社会经济指标的预测, 其 中包括城市经济发展指标、 城市常住人口、 流动人口规模、 城市就业( 学) 岗位数、 车辆拥有分布以及土地 利用状况等 24 。 这些指标的规模及分布是城市公共交通需求预测最基本的输入数据。 根据国内众多城 市交通规划的经验, 对重要的社会经济指标的预测多以该城市的总体规划预测结果为准。 1 交通需求预测 传统的交通需求预测是以城市土地利用为基础的“ 四阶段预测法” , 该法在美国、 英国、 巴西等国家 已成为法定的方法, 我国目前许多城市也正在进行这方面的研究和实践。 “ 四阶段预测法” , 是指把交通需求预测过程分为4个阶段 5, 6 , 其工作流程为: 社会经济和交通运输 现状分析出行生成预测出行分布预测交通方式划分预测交通分配预测。 具体说就是通过对城 市社会经济资料的分析, 预测各交通小区的出行产生量与吸引量, 将其转换成交通小区之间的 O-D 分 布矩阵, 并确定出行量中各交通方式所占比例, 最后把各出行方式 O- D 矩阵分配到具体的交通网络上, 从而获得道路交通量或公交线路乘客量 3 。 常用的预测方法( 模型) 有生成率法、 回归分布模型、 类别生成率法、 时间序列法( 指数平滑法、 自回 归法等) 、 增长率法( Furness 模型、 Fratar 模型等) 、 重力模型法、 转移曲线法、 Logit 模型、 灰色系统模型 及弹性系数法等 7, 8。 在不同条件下, 每一种方法都具有其它方法不可替代的优点, 但又有其不足之处。 如用回归模型预测得出的未来出行量, 在近期比较可靠, 随着期限后移, 可靠性却越来越差, 这是因为影 响未来出行生成的条件, 不包括在当前回归方程式之中; 而类别生成模型依据汽车拥有量划分类型, 显 然在国内还不适用。 因此, 在实际工作中, 或在某些特殊条件下, 应紧密结合具体情况, 通过论证, 选择合 适的模型, 必要时, 可将多种模型进行组合, 扬长避短, 以提高预测精度。 2 工程实例 巢湖市公交规划基年为2003年, 近期20032005年, 中期20062010年, 远期20112020年, 全市共 划分为12个交通小区, 其中位于市中心的有第5、 6、 8、 10小区, 位于城市外围区的有第3、 4、 7、 9小区, 位于 市郊的有第1、 2、 11、 12小区。 2. 1 出行生成预测 ( 1) 出行率的确定。 根据调查所得现状公交出行方式、 各出行目的相应出行率和将来可能出现的发 展趋势及社会经济变化预测确定 2。 巢湖市各规划年常住人口、 流动人口出行率取值, 见表1所列。 表1 各规划年出行率取值万人 规划年份现状2005年2010年2020年 常住人口3. 413. 43. 33. 0 流动人口-3. 53. 43. 1 由表1知, 随着时间推移, 出行率呈下降趋势。 未来城市功能作用和运输布局结构的改善, 会使 不合理的劳动及文化、 生活出行的乘车量减少, 从 而使出行率降低, 预测时必须考虑。 ( 2) 出行产生预测。 根据居民出行率, 并考虑 城市不同地区土地开发强度, 建立出行产生模 型 5 为 Pi= A Wi( Ric + Fid)( 1) 其中, Pi、 Ri、 Fi分别为规划年第 i 小区的出行产生量、 常住人口数、 流动人口数; c、 d 为规划年常住人口、 流动人口出行率; Wi为出行产生权重, 市中心 Wi= 1. 3 ( i= 5, 6, 8, 10) , 外围区 W i= 1. 2 ( i= 3, 4, 7, 9) , 市郊W i= 1. 1 ( i= 1, 2, 11, 12) ; A为平衡因子, 以满足6iPi= P 的约束条件( P 为出行产生总量) 。 ( 3) 出行吸引预测。 考虑到在巢湖市各交通小区用地中, 最主要的交通吸引是上班、 上学和购物。 因 此, 仅考虑科研办公、 校舍、 工业仓库、 商业、 金融、 服务及集贸用地吸引( 其余忽略不计) , 采用土地利用 类别吸引率法, 建立出行吸引模型 9。 根据公交客运调查统计结果以及国内其它同类城市的经验值, 各种用地性质的出行吸引率取值为: 科研办公用地 3. 46次/ ( 人日) , 工业仓库用地 3. 12次/ ( 人日) , 校舍用地 3. 50次/ ( 人日) , 商业、 金 1613第12期 瞿尔仁, 等: 城市公共交通需求预测及应用 融、 服务、 集贸用地( 简称商服三产用地) 3. 52次/ ( 人日) 。 出行吸引模型为 Ai= A6 k ( WikLikQkBk) ( k = 1, 2, 3, 4)( 2) 表2 不同交通小区的吸引权 吸引权Wi1Wi2Wi3Wi4 中心区( i= 5, 6, 8, 10)1. 321. 251. 201. 35 外围区( i= 3, 4, 7, 9)1. 151. 121. 151. 23 市郊 ( i= 1, 2, 11, 12)1. 001. 011. 041. 08 其中, Wik为第 i 交通小区科研办公 用地、 工业仓库用地、 校舍用地及商 服三产用地在不同交通小区的吸引 权, 其取值见表2所列; Bk为科研办 公用地、 工业仓库用地、 校舍用地及 商服三产用地的出行吸引率; Qk为 科研办公用地、 工业仓库用地、 校舍用地及商服三产用地单位面积就业( 学) 岗位数( 人/ hm 2) ( k= 1, 2, 3, 4) ; Lik为第 i 交通小区科研办公用地、 工业仓库用地、 校舍用地及商服三产用地的用地面积( hm 2) ; A 为平衡系数, 以满足出行吸引总量A 等于出行产生总量 P。 2. 2 出行分布预测 由巢湖市的出行调查可知, 区内出行以步行为主, 区间出行以公交车和自行车为主。 根据这一特点, 可采用出行分布与出行方式相结合的模型, 来预测各规划年的公交分布矩阵。 ( 1) 区内、 区间公交出行。 预测区内公交出行分布矩阵, 是将区内公交出行占公交出行总量的比例 视为一常数。 而影响区间公交出行的因素却很多, 其中有些因素收集较困难, 有些因素对公交出行影响 不显著, 因此, 剔除这些因素, 经过逐步回归, 可得到6个影响公交出行的显著性因素, 即为: 全部客运产 生量、 全部客运吸引量、 公交行程时间、 自行车行程时间、 交通小区面积以及公交站点数, 建立区间公交 出行模型 9为 TijG= BoP B1 iA B2 jt B3 ij Gt B4 ijZF B5 ijS B6 ij ( i j)( 3) 其中, Tij G为 i 区到 j 区的公交出行量( 人次) ; P i 、 A i为 i 区客运产生量及 j 区客运吸引量( 人次) ; tij G 、 t ij Z 为 i 区到 j 区的公交及自行车最短出行时间( min) ; Fij为 i 区和 j 区的面积之和( hm 2 ) ; S ij为 i 区和 j 区 运营公交站点数; B0 、 B 1 、 B 2 、 B 3 、 B 4 、 B 5 、 B 6为待定系数, 可利用现状数据进行回归得到。 则( 3) 式模型标定 为 TijG= 2. 098 4 10 - 4P0. 391 8 iA 0. 393 8 jt - 0. 551 1 ijGt 0. 685 1 ijZF - 0. 155 7 ijS 1. 458 6 ij ( i j )( 4) ( 2) 区间公交出行分布矩阵求解过程。 为更好地反映实际情况, 特引入修正矩阵 Kij, 其定义为 当 ij 且 T d ijG0时, Kij = T ij G / T d ijG; 其余情况下, Kij= 1。 将规划年出行产生总量和吸引总量置为与现状 年相等, 记 P = 6i Pi, P = 6i Pi; A = 6 j Aj, A = 6i A j; P i= Pi P Pi, A j= A j A Aj 则有6iP i=6iPi, 6jA j=6 j Aj 得到规划年初始公交 O-D 矩阵为 T ( 0) ij G= 2. 098 4 10 - 4P P KijP 0. 391 8 iA 0. 393 8 jt ( 0) - 0. 551 1 ij G t 0. 685 1 ij Z F - 0. 155 7 ij S ( 0) 1. 458 6 ij ( i j)( 5) 其中, T d ijG为利用现状年数据代入回归( 4) 式得到的值; Pi 、 A j为现状年数据; Pi、 A j、 tij Z、 Fij为规划年数 据; t ( 0) ijG 、 S ( 0) ij 为规划年初始数据。 根据 T ( 0) ijG进行公交路网优化, 得到新的公交出行时间 t ( 1) ijG和区内站点数 S ( 1) ij , 再代入( 5) 式得到 T ( 1) ij G, 反复迭代, 直至第 N+ 1次路网优化计算所得 T (N + 1) ij G 与第 N 次路网优化计算 所得T ( N) ij G满足5% 的精度要求, 此时, T ( N+ 1) ij G即为规划年公交 O- D 矩阵。 2. 3 交通方式划分预测 在宏观上依据未来国家经济政策、 交通政策及相关城市的比较来对未来城市交通结构作出估计; 在 1614 合肥工业大学学报( 自然科学版) 第27卷 微观上根据城市居民出行调查资料计算出不同距离下各种方式分担率, 然后考虑各交通方式特点、 不同 交通方式之间竞争转移及居民出行选择心理等因素, 对现状分担率进行修正, 反复试算, 使城市总体交 通结构分布值落在第一步所估计的可能取值范围之内 10 。 通过对巢湖市居民入户调查表格进行分析, 得出各种出行方式的比例见表3所列。 表3 出行方式的构成% 出行方式步行自行车公交车出租车摩托车单位车其它 比例55. 427. 26. 31. 93. 41. 93. 9 由表3可看出, 目前巢湖市居民出行主要以步行、 自行车为主, 其次是公交车, 这是由城市社会经济 发展状况决定的。 随着生产力的发展, 社会经济发展水平的提高, 步行、 自行车出行所占比例将会逐渐减 少, 居民出行将会更多地选择公交车、 出租车等方式。 根据公交出行 O-D 分布矩阵, 通过预测, 各规划年 公交出行分担率, 见表4所列。 表4 各规划年公交出行分担率% 规划年份2005年2010年2020年 公交分担率7. 09. 916. 0 2. 4 交通分配 交通分配方法分为平衡与非平衡两类, 工程中常 采用非平衡模型。 非平衡模型又可分为最短路径分配、 容量限制分配、 多路径概率分配及容量限制-多路径分 配4种分配方法, 其中, 容量限制分配、 多路径概率分配 在实践中得到了广泛的应用 1012 。 在巢湖市公交线网布设中, 根据 巢湖市城市总体规划 ( 2000 2020) 、 现状分析及各规划年公交 O-D 矩阵, 采用公交出行路径选择的多路径概率分配法, 将 O-D 交通 量以一定的概率关系分配到各路段上, 预测各路段流量并计算各项指标, 其模型 10 为 Pk( i, j ) = exp( - H Rk/ R -) / 6 m h= 1 exp( - H Rh/ R -) , V k( i, j ) = Vod( i, j) Pk( i, j)( 6) 其中, Pk( i, j ) 为公交 O-D 量 Vod( i, j) 在第 k 条有效公交出行路线上的分配率; R k为第 k 条有效公交出 行路线的交通阻抗值; R - 为所有供选择的有效公交出行路线的平均交通阻抗值; H 、 m 为分配参数及有效 公交出行路线的条数; Vk( i, j ) 为公交 O-D 量 Vod( i, j) 在第 k 条有效公交出行路线上的分配量。 3 组合预测模型 预测模型( 方法) 广泛应用于实际工程中, 为了将每种预测方法包含的有用信息全部反映在预测结 果中, 可采用组合预测模型( 方法) , 即用2个或2个以上不同的预测方法对同一预测对象进行预测, 然后 对各个单独的预测结果适当加权后取其平均值作为预测结果的方法。 这种方法可减少预测风险, 提高预 测精度并增加预测结果可靠性, 应适当加以运用与推广。 组合预测模型 13 为 y d( t) = 6 n i= 1 Wiyi( t)( 7) 其中, y d( t) 为组合模型预测的第 t 期的值; y i( t) 为第 i 种预测方法预测的第 t 期的值( i= 1, 2, , n) ; Wi 为第i 种预测方法的加权系数,6 n i= 1 Wi= 1。 则预测误差为 et= y d( t) - y( t) = 6 n i= 1 Wiyi( t) - y( t) = 6 n i= 1 Wi yi( t) - y( t) 其中, y( t) 为预测对象第 t 期的实际值。 确定加权系数 Wi基于组合预测误差绝对值之和最小的思想, 通过求解线性规划模型予以确定。 令 minQ=6 N t= 1 y d( t) - y( t) , Ut= et+ et 2 ( 当 et0时, Ut= et; 当 et 0时, Ut= 0) , Vt= et- et 2 ( 当 1615第12期 瞿尔仁, 等: 城市公共交通需求预测及应用 et0时, Vt= 0; 当 et 0时, Vt = - e t) 。 显然, et = U t + V tet = U t - V t。 minQ= 6 N t= 1 e t=6 N t= 1 ( U t + V t) =6 N t= 1 U t - V t, 则 6 n t= 1 Wi y d i( t) - y( t) - ( Ut- Vt) = 0( 8) 约束条件为 6 n i= 1 Wi= 1 ( Wi 0, i = 1, 2, , n) , Ut 0, Vt 0 ( t = 1, 2, , N) 写成矩阵形式, 即 minQ = I N( U + V) , Y W - U + V = 0, InW = 1 ( W 0, U 0, V 0)( 9) 其中, N 维: U= ( U1, U2, , UN) , V = ( V1, V2, , VN) , IN( 1 1, , 1) ; n 维: W= ( W1 W2 Wn) , In= ( 1 1 1) ; Y= y1( 1) - y( 1)y2( 1) - y( 1)yn( 1) - y( 1) y1( N ) - y( N)y2( N) - y( N)yn( N) - y( N ) 。 ( 9) 式属于线性规划问题, 共有 n+ 2N 个未知量, N+ 1个约束条件, 可采用单纯形法或文献 10提出 的加速遗传算法求得加权系数 Wi 的最优解( 限于篇幅关系, 这里不再详细推导) , 可以证明, 组合模型 的拟合精度一定高于参加组合的任意一种单一模型。 组合预测模型( 方法) 提出的是一种解决问题的思 路, 它的具体模型形式并不拘泥于上面所述。 关键在于综合考虑各种相关因素的影响, 确定参与组合的 基本模型, 有效融合各种基本模型的特点, 相互补充单个基本模型的缺陷, 最终找出一种最优的模型形 式, 从某种意义上说, 组合预测模型是模型的最优化。 4 结束语 城市公共交通规划是城市总