基于统计数据的城市出行时空模拟和路线规划

1、基于统计数据的城市出行时空模拟和路线规划作者：邓吉秋，李阳，欧阳芳来源：科技创新与生产力2016年第3期邓吉秋，李阳，欧阳芳（中南大学地球科学与信息物理学院，湖南长沙410083）摘要：文中结合GIS技术和四阶段模型提出了基于统计数据时空分布的出行模拟方法，通过将人口统计数据进行空间分布模拟，并结合土地要素及出行影响因素，对长沙市芙蓉区出行生成、出行分布、方式选择和交通分配的预测进行了模拟实验，并以此为基础实现了最优时间和最短路径路线规划的应用。关键词：出行模拟；路线规划；地理信息系统（GIS）；四阶段模型中图分类号：P208文献标志码：ADOI：10.3969/j.issn.l674-914

2、6.2016.03.068收稿日期：20151029；修回日期：20160129作者简介：邓吉秋（1972-），男，湖南益阳人，博士，副教授，主要从事地学三维建模与三维、地学大数据与GIS云计算等教学研究，E-mail：359544876。出行时空模拟一般方法包括以经典“四阶段”模型（4SM）为代表的出行模型和以活动链为基础的行为模型。1962年美国制订的联邦公路法以及芝加哥发表的城市交通研究促成四阶段模型的形成和发展1；20世纪70年代，随着随机效用理论和离散选择模型的提出，4SM逐渐由集计型转向非集计型2。活动链行为模型包括混合仿真模型和计量经济学模型3。1995年RDC公司开发的AMOS

3、系统是混合仿真系统的代表。1978年Ben-Akiva和Ruiter在旧金山开发了第1个基于计量经济学模型的MTC（MetropolitanTransportationCommission美国城市运输委员会）系统3；20世纪七八十年代荷兰实现了往返行程的系统；19951996年，Bowman和Ben-Akiva开发了基于日活动计划的系统3,这3种模型组成了效用计量经济学模型。目前,我国只有少量大型城市（如北京）建立了出行模拟示范性项目。近年来，地理信息系统（GIS）在交通预测方面得到了广泛的应用，美国CALIPER公司开发的TransCAD和TransModeler软件,将GIS应用于交通的管

4、理分析和仿真规划。在国内，已有建设部研发的TranSolution和东南大学研发的TranStar部分投入使用。目前已有一些学者以时间、距离及费用为阻抗进行了交通路线规划分析。GerJ.Devlin等结合GIS和GPS对爱尔兰进行木材运输路径分析，并用数据验证了方法的可靠性4。文中试图提出基于统计数据和四阶段模型的出行时空模拟方法，并借助GIS技术对长沙市芙蓉区的交通出行进行模拟，并以行驶时间和距离为阻抗进行最优路线规划，以期为优化居民交通出行方式提供有价值的依据。1基于统计数据出行时空模拟的理论与方法目前，以“四阶段模型”为代表的出行模型是占主导地位的出行预测模型，而基于活动链的行为模型正在

5、作为出行模拟的新兴研究热点而备受众多学者关注。随着GIS技术飞速发展，基于GIS的时空分布模拟方法正在逐步地应用于交通预测和模拟。笔者结合四阶段模型和GIS技术提出基于统计数据时空分布的出行模拟方法。四阶段模型四阶段模型基于居民出行0D调查数据，由出行生成、出行方式、出行分布以及交通流分配四个阶段构成：第一，出行生成预测。包括发生和吸引预测，出行发生预测是获取实验区内每个调查单元指定时间内的发生出行人次，考虑因素包括社会经济情况、居民收入和车辆拥有情况以及人口特征；出行吸引预测即获取实验区内每个调查单元指定时间段内吸引出行人次，影响因素包括土地面积及利用信息。实现方法主要包括移动平均法、增长率

6、法、弹性系数法、多元回归分析法、指数平滑法等。第二，出行方式预测。出行交通方式分为如下几种：自行车、步行、出租车、公交汽车、地铁、摩托车、小汽车及其他。居民选择出行方式的影响因素主要包括：出行者属性（职业、年龄、性别、出行习惯、汽车拥有情况、人数、老人小孩随行情况）、出行属性（目标、距离、时间）、交通服务（出行费用、出行过程舒适度、安全可靠性）等。第三，出行分布预测。其表现的是交通量在各交通小区间的分布情况，实现方法有重力模型法及增长率法5。第四，出行分配预测。将各交通小区的各种出行方式的出行分布量分配到各条道路的过程。预测结果与出行方式选择、出行时间、费用等有关，一般以耗时、耗费最少为原则。

7、交通分配方法不少，目前被普遍归纳为平衡模型和非平衡模型。结合实际情况和已有数据，文中采用四阶段模型完成对实验区的出行模拟。根据统计数据预测出行概率用于出行生成的计算，参照实验区交通规划信息模拟出行方式选择概率，采用重力模型法预测出行分布，将前3个阶段的结果作为输入，利用GIS软件TransCAD选取全有全无模型得到交通分配结果。基于活动链的行为模型行为地理学和时间地理学6是活动链行为模型的重要理论基础，行为地理学是一种在考虑自然与社会地理环境情况下研究人的行为的方法1。侧重出行行为的还原和出行规律的探讨，并通过空间维度的行为模式探索行为决策，研究人的出行特征及其对城市规划决策和交通环境的影响；

8、时间地理学的观点是一定时空环境下的一连串相关的事件形成了人类活动1，借助三维时空路径，探讨各种主体以及社会环境中制约人类行为的限制因素，说明路径形成的时空机制，并以此阐明人的空间行为。活动链模型的主要分析模拟方法包括：规则模型、机运时长模型、结构方程模型、离散选择模型等2，规则模型更多源于心理学的相关理论，认为个人的经历和人类与社会环境的交互过程形成并更新他们对周围环境的认知，然后通过认知信息的处理得到最佳或者最满意的结论7。机运时长模型8可用来模拟某事件在某一时刻“终止”概率，假设在此时刻之前该事件一直保持运行状态。结构方程模型是属于隐变量模型9，一般用于模拟出行活动中若干无法预测的事件。离

9、散选择模型是基于效用最大化原理的计量分析模型10用于对有限或部分选择方案的决策过程模拟。1.3基于GIS的时空分布模拟方法GIS是一种采集、存储、管理、分析并显示与地球表面及其附近空间相关数据的计算机系统11。目前，集空间、时间和属性三位于一体的时态GIS是时空模拟的重要技术，其目的是表达、管理、分析动态变化的地理现象，能有效管理时空数据，实现重建历史状态、预测未来、跟踪变化。时空数据库是时态GIS的结构核心，是在传统空间数据库的基础上引入时间版本图层、时间版本对象和时间版本属性等时间信息而形成的。目前，将GIS与空间动态模型结合模拟地理现象动态变化是时空分布模拟常用的方法。主要有3种结合方式

10、12:松散结合、交互界面以及镶嵌结合。松散结合和GIS分别属于两个独立的系统，GIS为模型提供输入数据，而模型运算结果转为GIS文件格式后，GIS进行显示和分析。交互界面就是建立支持动态模型的GIS数据库，并开发一个既能为模型提供输入又能利用模型结果进行处理和演示的界面，所有数据格式的转换在交互界面自动进行。镶嵌结合即GIS和动态模型处于一个系统中，共用一个数据库，不存在数据交换问题。文中借助GIS技术建立实验区时空数据库，包含矢量数据模型的交通小区、道路网络、居民分布等数据。基于时空数据库采用GIS与四阶段模型松散结合方式对城市居民的出行过程进行了模拟，得到出行的时空分布预测结果。其中四阶段

11、模型各个阶段采用如下方法。1）出行生成预测。包括出行发生量和吸引量。其中出行发生量为式中：Pi为第i个交通小区的城市居民（非）工作日出行发生量，POi为第i个交通小区的人口总数；Wj为第i个交通小区中职业j的城市居民人口数量占此交通小区人口总数量的比例；Rj为职业j的城市居民的（非）工作日出行概率；n为城市居民的职业类别数目。出行吸引量为式中：Bi为第i个交通小区的城市居民出行吸引量，Sij为第i个交通小区内，j类型的土地面积（m2）,aij为第i个交通小区内，j类型的土地容积率，Kij为第i个交通小区内，j类型的土地出行吸引权重值，m为系数，n为城市土地利用类型数目。2）出行方式预测。出行方

12、式选择与天气状态、交通情况、出行者属性等多种因素有关，根据实验区统计数据可假设各交通方式的使用率。3）出行分布预测。选择重力模型法其公式为式中：Tj为指第i与第j个交通小区之间分布的交通量；Gi为指第i个交通小区的出行产生量；Aj为指第j个交通小区的出行吸引量；Rij为第i和j个交通小区之间的距离；a,B，Y系数待定，由实验区情况确定。4）出行分配预测。实验区内道路的交通量是公交车、出租车、小汽车及其他机动车产生的交通量之和。根据上一步得到的结果选择非平衡模型计算交通分配。2芙蓉区出行模拟和路线规划应用文中选取长沙市芙蓉区作为实验区。芙蓉区地处长沙市中部，路网密集，交通问题严重。采用GIS技术

13、创建了空间数据库，录入了芙蓉区路网、信号灯、居民职业属性、土地利用、人口和小区分布等数据。由于活动模型法模型复杂，发展尚不成熟，且数据需求类别多、数量大，为进行出行模拟带来一定难度，结合实际情况，文中基于空间数据库，使用GIS技术和四阶段模型松散结合的方式进行出行模拟和路线规划。其中，居民总数、交通小区面积以及居民各职业占比等数据来源于2011年的长沙市统计年鉴、长沙市国土资源局13。2.1芙蓉区交通出行模拟采用四阶段模型进行出行模拟。首先，根据上述统计数据假设各职业（非）工作日出行概率，用式（1）和式（2）计算得到出行生成预测；然后，根据芙蓉区交通规划信息假设各职业出行方式选择概率，见表1；

14、其次，选择重力模型法，用GIS软件（TransCAD）得到工作日和非工作日出行分布0D矩阵；最后，选择非平衡模型得到芙蓉区内（非）工作日道路公交车、出租车、小汽车及其他机动车交通量，需要说明的是：因白天机动车较多，夜晚相对较少，可假设出租车、小汽车及其他机动车交通量90%集中在早晨6：0023：00点，其余分配到23：00至次日早晨6：00点，使用GIS软件以出行分布预测值为输入，设置道路通行能力单向1900pcu/h,从而得到了芙蓉区的交通量。H僦II獅新炖課由上述四阶段模型得到芙蓉区（非）工作日交通分配数据，选择非平衡模型得到部分交通流计算结果见表2。丧2.非I.炉：夬通贰订卑舉部号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最优路线规划文中将每个路段的行驶时长和行驶距离分别作为交通路网中该路段的权值，利用最短路径算法，分别计算得到最短时间和最短距离的路线。2.2.1固定信号灯控制下道路行驶时长延误时间是评价交通信号灯控制的重要指标（此处只考虑固定信号灯状态下的交叉口延误现象）。交通信号灯控制的交叉口的通行时间是交叉口正常行驶时间和信号灯前等待延误时间的和，其与交叉口处道路流量以及交通信号灯自身的参数有关，经过交叉口所需时间为14式中：D为经过

16、交叉口所需时间；Da为车辆均匀延误；Db为车辆过饱和延误；T为交叉口交通信号灯信号周期（s）；入为交叉口交通信号灯的绿信比；S为交叉口进口道车辆最大通行能力（辆/h）；x为交叉口进口道交通量与该处交叉口进口道的最大交通量的比值，一般为01.2之间，即：x=Q/（入S）,Q表示交叉口进口道的交通量（辆/h）。行驶时长为F=t1+t2.（5）式中：F为交通网络中经过某路段的所需行驶时长；tl为非交叉口路段正常行驶耗时；t2表示路段经过的所有交叉口通行时间之和。可假设行驶速度为道路最大通行速度，根据道路等级分为60km/h,40km/h,30km/h，则行驶时长公式中tl为路段长度/该路段最大通行速

17、度,可假设式（4）中T为25s,入为0.5,Q为当前时段路段的交通量（辆/h），为0.7,假设所有无交通信号灯的交叉口通行时间为相同条件下的固定信号灯状态下交叉口通行时间的2.6倍以此为基础计算实验区道路网中通过某路段所需时长。最优路线规划方法最优路线规划，即出行者在交通网络中选出一条出行路线以达到出行时间或距离最短的过程。在交通路网中将通行时间/道路长度设为路网各边的权值，利用最短路径分析求解。主要算法包括：Floyd算法、Dijkstra算法以及MoorePage算法，其中Dijkstra算法是目前应用比较广泛、理论比较完善的一种，但在网络模型节点以及边的数目很多的条件下该算法的计算量非常

18、大，运行效率很低，李擎等15对经典Dijkstra算法进行了分析和改进，使运算效率更高。图1为以工作日白天时段交通流量计算并用GIS软件绘制的以时间为阻抗的最优时间路线规划和以道路长度为阻抗的最短路线规划的结果。3实验结果分析与讨论1）由表3部分实验结果数据可知，工作日交通量比非工作日交通量大，而公交车对此无影响，主要是居民开私家车上班、家长开车送孩子上学、上班族执行公务等原因而产生交通量差异；（非）工作日白天比夜晚车流量大与前面的假设（出租车、小汽车等交通量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车运行而夜晚没有；另一方面是白天因工作、上学、娱乐、购物等出行目的产生交通

19、流，相对较多；夜晚是货运及少量客运机动车产生的交通流，相对较少。2）由图1得到不同标准的路径规划可知，由于道路因素，最短路径和最优时间规划得到的路线不一致。可能的原因是：一方面，起终点间长度最短的路径上信号灯相对多、车道数相对少、车辆较多，导致信号灯前等待时间较长、车辆拥堵通行缓慢；另一方面，起终点行驶时长最短的路径上信号灯相对少、车流量相对小，导致信号灯前等待时间短、车辆通行顺畅。3）根据实验区统计数据和交通规划信息假设各职业（非）工作日出行概率、车流量在白天夜晚所占比例以及各职业出行方式选择概率，采用四阶段模型和GIS技术松散结合的方式，得到表3所示的模拟结果与实际统计数据所体现的交通出行

20、情况下相一致，验证了文中所提出的模拟方案的有效性和可行性。4结论文中先是分析了出行模拟的理论基础并提出了基于GIS技术和四阶段模型松散结合的出行模拟方法，利用人口、土地利用、城市小区等统计数据构建了实验区空间数据库，对实验区进行了出行模拟和最优时间/最短距离路线规划，得到了实验区交通量分配情况和求解最优时间/最短距离路线选择的解决方案，用实验区结果验证了模拟方法的可靠性。利用GIS技术在空间数据处理和表达的优势，简化了出行模拟基础数据管理、交通量分配可视化、路径选取、道路实时更新等工作；实验区模拟结果为实验区交通问题的分析决策中提供可靠依据；为出行模拟提出了基于四阶段模型和GIS松散结合的解决

21、方法。参考文献：柴彦威，沈洁，赵莹城市交通出行行为研究方法前沿J.中国科技论文在线,2010,5(5):402-409.易汉文.出行预测方法从出行模型到行为模型的变革J.城市交通,2007,5(1):72-79.隽志才，李志瑶，宗芳基于活动链的出行需求预测方法综述J.公路交通科技,2005,22(6):108-113.DevlinGerJ，McDonnellKevin，WardShane.Timberhaul-ageroutinginIreland:ananalysisusingGISandGPSJ.JournalofTransportGeography，2008(16):63-72.杨天宝，刘军应用改进重力模型法预测铁路行包OD运量的研究J.铁道运输与经济，2006，28(3):84-86.柴彦威，沈洁.基于活动分析法的人类