陳先龍 陳小鴻

(1.同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室,上海 201804;2.廣州市交通規(guī)劃研究院信息模型所,廣東 廣州 510030)

交通模型作為基本工具和核心分析技術(shù)被廣泛應(yīng)用于交通規(guī)劃、運(yùn)行和管理決策，其精度和效率一直是交通模型工程師所關(guān)注和追求的關(guān)鍵指標(biāo)。交通模型規(guī)劃方法從早期的趨勢(shì)預(yù)測法，到20世紀(jì)50年代的集計(jì)模型[1](四步驟交通模型理論為代表)，再發(fā)展到20世紀(jì)70年代的非集計(jì)模型[2](基于活動(dòng)的出行需求模型(ABM))。從國內(nèi)外實(shí)踐經(jīng)驗(yàn)來看，雖然四步驟模型有著多種缺陷[3]，但目前仍然是使用最廣泛的交通規(guī)劃模型,且從模型結(jié)構(gòu)到各個(gè)步驟等的改進(jìn)研究從未停止。鑒于可獲得數(shù)據(jù)基礎(chǔ)和大數(shù)據(jù)方法的改變，交通規(guī)劃模型的工作基礎(chǔ)發(fā)生了巨大變化，本研究將結(jié)合新數(shù)據(jù)基礎(chǔ)探索交通模型的實(shí)踐應(yīng)用和優(yōu)化提升。

1 交通規(guī)劃模型演進(jìn)及改善機(jī)遇

1.1 交通規(guī)劃模型研究進(jìn)展

60多年來，國內(nèi)外學(xué)者結(jié)合外部技術(shù)進(jìn)展不斷嘗試完善交通規(guī)劃模型理論、技術(shù)和方法。在四階段模型方面，F(xiàn)osgerau等[4]利用半?yún)?shù)估計(jì)技術(shù)來優(yōu)化方式劃分模型。Florian等[5]使用出行分布、方式劃分和交通分配聯(lián)合模型來解決各階段一致性的問題。Boyce等[6- 7]開展了利用反饋技術(shù)彌補(bǔ)各階段不一致的問題，并通過對(duì)模型反饋結(jié)構(gòu)及迭代過程中成本函數(shù)計(jì)算方法優(yōu)化來提升交通模型效率。Kumar等[8]提出了通過反饋來實(shí)現(xiàn)四步驟需求建模的后處理技術(shù)。屈云超等[9]對(duì)反饋模型的權(quán)重系數(shù)進(jìn)行了研究。對(duì)活動(dòng)模型的理論探索始于20世紀(jì)70年代至80年代。H?gerstrand[10]的工作首次探討了出行活動(dòng)和時(shí)空概念之間的關(guān)系。Jones[11]很好地總結(jié)了這項(xiàng)工作，并提出了滿足出行者的角色、需求、時(shí)空聯(lián)系及人際關(guān)系多重約束條件的家庭出行模式識(shí)別理論。McFadden[12]提出的隨機(jī)效用最大化(RUM)理論為經(jīng)驗(yàn)ABM奠定了基礎(chǔ)?；顒?dòng)模型在21世紀(jì)初逐漸得到推廣和應(yīng)用，目前美國約有30多個(gè)城市[13]開始使用基于活動(dòng)理論的交通規(guī)劃模型，模型理論也正逐步從最佳理論走向最佳實(shí)踐，開發(fā)和使用也日趨成熟。Adler 等[14]首先將單維度模型擴(kuò)展到多維活動(dòng)-出行模式，包括出行鏈、出行特征、出行模式、目的地選擇等。Bowman等[15]首次提出的“個(gè)人日常活動(dòng)模式”模型遵循了總體日?；顒?dòng)出行模式的概念。之后Bowman等[16]將這種方法概括為白天活動(dòng)計(jì)劃模型，它的應(yīng)用包括波特蘭地鐵模型[16]和薩格拉門托基于活動(dòng)的模擬模型(SACSIM)[17]等。紐約最佳實(shí)踐模型(NYBPM)[18]采用了日?；顒?dòng)模式協(xié)調(diào)模型，通過協(xié)調(diào)家庭成員出行活動(dòng)計(jì)劃及出行模式之間的相互關(guān)系，增強(qiáng)了個(gè)人日?；顒?dòng)模式模型，是一個(gè)以家庭為研究對(duì)象的分析模型。分析既有的ABM模型結(jié)構(gòu)不難發(fā)現(xiàn)有兩個(gè)核心的內(nèi)容：人口合成模型[19]和活動(dòng)仿真模型[20]。通過人口合成模型來模擬家庭的人口信息、工作地、學(xué)校位置等基本位置信息，再結(jié)合活動(dòng)仿真模型來模擬出行活動(dòng)，產(chǎn)生的問題是人口合成模型所得到的職住對(duì)應(yīng)關(guān)系等是模擬的結(jié)果且是變化的，而事實(shí)上對(duì)常住人口而言家庭住址、成員的工作和學(xué)?；竟潭?。人口合成模型所帶來的誤差也必將導(dǎo)致后續(xù)的活動(dòng)仿真的可靠性也無法保證。

總體來說，雖然經(jīng)過60多年的發(fā)展，交通模型技術(shù)取得了長足的進(jìn)步，理論體系日趨完善，為城市交通規(guī)劃決策和運(yùn)行管理做出了重要貢獻(xiàn)。但受制于基礎(chǔ)數(shù)據(jù)，無論是集計(jì)模型還是非集計(jì)模型均在應(yīng)用方面存在一定的局限性?；诔鞘芯用癯鲂械囊话阋?guī)律性和近年來手機(jī)信令數(shù)據(jù)的廣泛應(yīng)用，本研究提出了基于出行者穩(wěn)定性的交通規(guī)劃模型結(jié)構(gòu)，通過移動(dòng)位置數(shù)據(jù)建立人口的職住對(duì)應(yīng)關(guān)系，結(jié)合駐點(diǎn)分類技術(shù)明確人口生活出行分布，以此分析通勤交通和生活出行這兩類城市居民基本穩(wěn)定的出行活動(dòng)(活動(dòng)起終點(diǎn)和活動(dòng)時(shí)間均相對(duì)穩(wěn)定)。這類相對(duì)穩(wěn)定的出行活動(dòng)約占城市出行總量的60%以上，其中早高峰時(shí)段占比達(dá)83%。因?yàn)榉€(wěn)態(tài)出行在城市活動(dòng)中的大份額占比，通過對(duì)城市穩(wěn)態(tài)出行的準(zhǔn)確分析顯然有助于提升模型的精度。最后，以廣州市花都區(qū)為例，對(duì)比分析了基于傳統(tǒng)四步驟模型的出行分布預(yù)測結(jié)果與基于出行者活動(dòng)穩(wěn)定性模型的差異，驗(yàn)證了新方法計(jì)算結(jié)果的可靠性。

1.2 四步驟交通模型的局限性

四步驟交通模型理論對(duì)出行的表達(dá)基于單次出行，這也帶來了對(duì)交通模型解釋上的一些問題。例如，四步驟交通模型是基于Trip的模型，忽略了相鄰兩次出行之間的關(guān)聯(lián)性；四步驟模型是集計(jì)模型，個(gè)體行為因素考慮不足，同時(shí)不能反映家庭成員之間的聯(lián)系；因?yàn)樗牟襟E模型的交通分配為最后一個(gè)步驟，這也使得出行分布和方式劃分的出行成本處于非平衡條件；由于使用人口就業(yè)作為輸入條件，這使得土地利用獨(dú)立于交通需求預(yù)測模型，難以響應(yīng)交通與土地利用的互動(dòng)關(guān)系。四步驟模型將出行解釋為去做什么(出行目的)、去哪里(出行分布)、怎么去(方式劃分)、走那條路(交通分配)，再加上什么時(shí)候去，對(duì)單次出行的表達(dá)式非常完整，既有問題并不能否定四步驟模型對(duì)單次出行活動(dòng)根本特征的表達(dá)是充分有效的。然而事實(shí)上，四步驟模型在運(yùn)用過程中容易產(chǎn)生偏差，特別是基于重力模型計(jì)算所得的出行目的地選擇，完全忽略了出行者的社會(huì)屬性，包括出行者的家庭住址和工作崗位相對(duì)穩(wěn)定要素的影響。此外，四步驟模型建立之初，數(shù)據(jù)采集手段無法支持全樣本的職住關(guān)系等，利用數(shù)學(xué)規(guī)劃方法來求解出行空間分布，變成退而求次的方法。

1.3 基于活動(dòng)模型的局限性

活動(dòng)模型(ABM)在一定程度上可以理解為四步驟模型的加強(qiáng)版，雖然解決了四步驟模型的部分問題，如通過人口合成模型[17]解決了交通和土地利用互動(dòng)問題，對(duì)個(gè)體出行行為考慮也比較充分，但產(chǎn)生的問題是所需輸入數(shù)據(jù)要求更加嚴(yán)格，且產(chǎn)生了運(yùn)行耗時(shí)超產(chǎn)的巨大缺陷。例如2012年Hadi等[21]完成的Jacksonville的ABM模型，人口規(guī)模大約120萬，根據(jù)設(shè)置條件的不同，單方案的運(yùn)行時(shí)間至少為2.5天，最多高達(dá)31天。即便是人口不足20萬的小城Shasta的ABM模型單方案運(yùn)行時(shí)間也需要5.5～8.0 h[22]。顯然，較長的運(yùn)行耗時(shí)難以滿足快速響應(yīng)的需要。此外，人口合成模型并沒有從根本上解決模型中出行者的社會(huì)屬性問題，其職住對(duì)應(yīng)關(guān)系仍然是通過各類選擇模型模擬計(jì)算得到，與實(shí)際必然存在偏差。假定可以獲得真實(shí)的職住對(duì)應(yīng)關(guān)系，這將帶來巨大的隱私風(fēng)險(xiǎn)和隱患，所以直接獲得真實(shí)的個(gè)體職住地?cái)?shù)據(jù)不可行。此外，活動(dòng)模型的優(yōu)勢(shì)仍然在于對(duì)常住人口的穩(wěn)態(tài)出行的解析，包括通勤、通學(xué)和生活購物等，而對(duì)于偶然出行的解釋依據(jù)不足。同樣，活動(dòng)模型對(duì)流動(dòng)人口出行活動(dòng)解釋能力有限。

1.4 移動(dòng)位置數(shù)據(jù)應(yīng)用于交通建模帶來的機(jī)遇與挑戰(zhàn)

隨著科技發(fā)展，越來越多的大數(shù)據(jù)資源被應(yīng)用到出行行為研究中，特別是以手機(jī)信令數(shù)據(jù)為代表的各類移動(dòng)通信位置數(shù)據(jù)和互聯(lián)網(wǎng)位置數(shù)據(jù)被逐漸應(yīng)用到出行行為分析[23- 25]中，這一方面使得對(duì)人的行為與活動(dòng)追蹤成為可能，另一方面也為交通模型眾多不確定的輸入提供了進(jìn)一步界定可能。第一，人口母體更加明確。以往人口數(shù)據(jù)更多的只能依賴統(tǒng)計(jì)局、公安局和民政局等政府部門提供的統(tǒng)計(jì)數(shù)據(jù)，但出于種種原因各部門的數(shù)據(jù)往往差異較大，給使用帶來較大的困擾。第二，就業(yè)崗位分布更加準(zhǔn)確。經(jīng)濟(jì)普查所得的就業(yè)崗位數(shù)為機(jī)構(gòu)注冊(cè)地，注冊(cè)地和實(shí)際工作地分離嚴(yán)重。移動(dòng)通信和互聯(lián)網(wǎng)位置數(shù)據(jù)等大數(shù)據(jù)資源分析所得的崗位數(shù)據(jù)更加準(zhǔn)確。第三，職住之間的對(duì)應(yīng)關(guān)系得以建立。傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)人口和崗位之間是互相獨(dú)立的，通過長周期的移動(dòng)通信和互聯(lián)網(wǎng)位置數(shù)據(jù)分析，可以建立人口和崗位之間的對(duì)應(yīng)關(guān)系，為交通需求分析打下更堅(jiān)實(shí)的基礎(chǔ)。第四，移動(dòng)通信和互聯(lián)網(wǎng)位置數(shù)據(jù)可以用于人的活動(dòng)的識(shí)別，包括基于移動(dòng)位置數(shù)據(jù)可以增加對(duì)城市穩(wěn)態(tài)出行(包括通勤和生活出行)解析的精度；可以大規(guī)模揭示流動(dòng)人口出行特征和活動(dòng)規(guī)律；可以彌補(bǔ)傳統(tǒng)問卷調(diào)查受訪對(duì)象存在可能涉及隱私出行瞞報(bào)和遺忘出行漏報(bào)[26]的情形，挖掘沉默需求。當(dāng)然，移動(dòng)位置數(shù)據(jù)資源本身也存在一定的問題，比如數(shù)據(jù)獲取困難、模糊地址、缺少分類信息、一人多號(hào)、位置漂移等，這也需要在數(shù)據(jù)挖掘過程中和其他傳統(tǒng)數(shù)據(jù)進(jìn)行關(guān)聯(lián)性分析和校驗(yàn)。

通過以上分析可知：既有交通模型結(jié)構(gòu)的缺陷主要來自于城市穩(wěn)態(tài)出行要素的不確定性；移動(dòng)位置數(shù)據(jù)通過建立職住對(duì)應(yīng)關(guān)系、辨識(shí)生活出行駐點(diǎn)，能夠彌補(bǔ)既有交通模型結(jié)構(gòu)中穩(wěn)態(tài)出行要素可靠性問題，同時(shí)利用交通分區(qū)作為數(shù)據(jù)采集單元，可以避免數(shù)據(jù)精度過高帶來的隱私泄露矛盾。此外，移動(dòng)通信數(shù)據(jù)能夠提升對(duì)流動(dòng)人口出行活動(dòng)分析的精度。總體來說，移動(dòng)位置數(shù)據(jù)有助于彌補(bǔ)既有交通模型的不足，促進(jìn)交通模型精度的提升。

2 基于出行者穩(wěn)定性的四步驟模型結(jié)構(gòu)設(shè)計(jì)

2.1 出行者穩(wěn)定性定義與出行目的設(shè)定

出行者穩(wěn)定性是指城市人口具有相對(duì)穩(wěn)定的活動(dòng)特征，包括居住地和工作地的相對(duì)固定，學(xué)生上學(xué)的學(xué)校是固定的，日常活動(dòng)的場所(如買菜、購物、健身等)也相對(duì)固定且在一定區(qū)域內(nèi)呈現(xiàn)一致性，日?；顒?dòng)組織結(jié)構(gòu)見圖1。因?yàn)槌鲂姓咴谝欢〞r(shí)期內(nèi)具備穩(wěn)定性的特征，城市穩(wěn)態(tài)出行是基于此特征要素的出行活動(dòng)，主要包括通勤、通學(xué)和生活服務(wù)等出行起終點(diǎn)固定且活動(dòng)時(shí)間和活動(dòng)周期等均相對(duì)固定的出行活動(dòng)。城市穩(wěn)態(tài)出行在城市出行總量中占比較高，第五次北京城市綜合交通調(diào)查報(bào)告[27]顯示六環(huán)內(nèi)上下班、上下學(xué)和生活類出行占比為98.6%，上海第五次綜合交通調(diào)查報(bào)告顯示上下班、上下學(xué)和日常生活出行占比為73.6%[28]。由此可以看出，城市穩(wěn)態(tài)出行在出行總量中占主體，準(zhǔn)確分析其活動(dòng)特征有助于提高模型精度。根據(jù)出行活動(dòng)頻次和規(guī)律的不同，將城市出行活動(dòng)劃分為穩(wěn)態(tài)出行和偶然出行，具體如圖2所示。

傳統(tǒng)四步驟模型中出行目的主要分為基家出行和非基家出行兩大類，具體可以細(xì)化為基家工作、基家上學(xué)、基家生活和基家其他、非基家工作與非基家其他等6類，或者其他類似劃分方式，強(qiáng)調(diào)的是出行目的和出行一端性質(zhì)的穩(wěn)定性，而另一端則依賴滿足條件的最優(yōu)化選擇求解，相當(dāng)于每進(jìn)行一次求解進(jìn)行了一次洗牌，無法體現(xiàn)出行者的穩(wěn)定性屬性。新的出行目的劃分更強(qiáng)調(diào)對(duì)出行者社會(huì)屬性穩(wěn)定性的利用，包括住所、工作場所、學(xué)校及日常生活駐點(diǎn)的穩(wěn)定性，充分響應(yīng)了出行者自身的客觀可能活動(dòng)范圍，而不是傳統(tǒng)的最優(yōu)化求解方法，更加能夠符合城市實(shí)際。

圖1 基于空間聯(lián)系的出行者活動(dòng)分類

圖2 基于穩(wěn)態(tài)出行和偶然出行的出行目的分類

2.2 四步驟模型組合與改進(jìn)設(shè)計(jì)

關(guān)于四步驟模型結(jié)構(gòu)實(shí)現(xiàn)和變化源自Williams[29]對(duì)交通方式劃分模型次序的探討，提出了4種可行的四步驟模型實(shí)施結(jié)構(gòu)，分別為：①交通方式劃分與交通生成模型同步實(shí)現(xiàn)(回歸類模型)；②交通方式劃分位于交通生成模型和交通分布模型之間(轉(zhuǎn)移曲線類模型)；③交通方式劃分與交通分布模型同步實(shí)現(xiàn)(重力模型類模型)；④交通方式劃分位于出行分布和交通分配之間(方式競爭類模型)，各類模型結(jié)構(gòu)見圖3。

20世紀(jì)90年代Boyce等[30]在四步驟模型結(jié)構(gòu)中引入了迭代和反饋以減少模型理論各階段不一致的影響，最終形成了通用的標(biāo)準(zhǔn)四步驟模型結(jié)構(gòu)。各種形式的四步驟模型結(jié)構(gòu)中，出行分布有兩種形式，獨(dú)立運(yùn)行或者與方式劃分模型同步實(shí)現(xiàn)。標(biāo)準(zhǔn)四步驟模型結(jié)構(gòu)中引入反饋之后，出行分布是隨著出行成本(或者廣義費(fèi)用)變化的，這與實(shí)際城市與交通系統(tǒng)中出行者大部分活動(dòng)的分布穩(wěn)定性相矛盾。為此，本研究提出基于出行者活動(dòng)穩(wěn)定性的改進(jìn)四步驟模型結(jié)構(gòu)，對(duì)于城市穩(wěn)態(tài)出行采用出行生成和出行分布同步實(shí)現(xiàn)的建模方法，對(duì)于偶然出行/彈性出行采用標(biāo)準(zhǔn)四步驟模型結(jié)構(gòu)，符合出行成本約束下出行目的地可選擇的基本規(guī)則。具體見圖4。新的模型結(jié)構(gòu)中對(duì)于穩(wěn)態(tài)出行分布，充分考慮了出行者的個(gè)人屬性(居住地、工作地)和區(qū)域差別化(社區(qū)生活圈的穩(wěn)定性)，計(jì)算結(jié)果更能符合城市交通活動(dòng)的實(shí)際狀況。

圖3 四步驟模型組合結(jié)構(gòu)

圖4 改進(jìn)的四步驟模型結(jié)構(gòu)設(shè)計(jì)

3 案例應(yīng)用與效果比較

3.1 案例概況

廣州市花都區(qū)面積970平方公里，2018年末常住人口109萬，管理人口155萬，從業(yè)人口70萬(其中區(qū)內(nèi)就業(yè)人口63.6萬)，就業(yè)崗位約79.6萬，道路網(wǎng)絡(luò)長度約2 397公里。結(jié)合行政邊界、水系、交通網(wǎng)絡(luò)和土地利用等條件，共劃分交通小區(qū)304個(gè)，交通大區(qū)12個(gè)(見圖5)，用于交通方案分析和測試。利用移動(dòng)通信位置數(shù)據(jù)分析的職住聯(lián)系矩陣作為基準(zhǔn)情形和輸入條件，假定其為已知正確出行OD矩陣，利用其特征，對(duì)傳統(tǒng)出行分布模型進(jìn)行標(biāo)定和校驗(yàn)，以驗(yàn)證傳統(tǒng)模型對(duì)出行者活動(dòng)穩(wěn)定性解釋的不足。

圖5 花都區(qū)交通模型交通分區(qū)

3.2 分析方法

傳統(tǒng)出行分布模型[2]主要包括重力模型、最大熵模型、介入機(jī)會(huì)模型及增長率模型(Fratar、Furness)等方法，其中對(duì)于增長變化較快的城市應(yīng)用最為廣泛的模型為重力模型，其表達(dá)式為

Tij=αOiDjf(cij)

(1)

式中:Tij為交通小區(qū)i和j之間的出行量；Oi為交通小區(qū)的發(fā)生量；Dj為交通小區(qū)的吸引量；cij為交通小區(qū)i和j之間的出行成本；f(cij)為廣義出行成本函數(shù)，常用的形式有：

f(cij)=exp(-βcij)

(2)

(3)

(4)

其中α、δ和β為模型參數(shù)。

應(yīng)用過程中為增加模型對(duì)城市實(shí)際的適應(yīng)性，使用帶K系數(shù)重力模型[31]或者三維約束重力模型[32- 33]等控制區(qū)域之間的出行聯(lián)系，以提升交通模型預(yù)測的可靠性。基于交通小區(qū)的K系數(shù)矩陣標(biāo)定難度非常大，所以通常用交通大區(qū)來表示，其定義為反映交通分區(qū)之間社會(huì)經(jīng)濟(jì)聯(lián)系的系數(shù)?，F(xiàn)狀K系數(shù)可以理解為交通大區(qū)之間的實(shí)際出行交通量和標(biāo)準(zhǔn)重力模型計(jì)算結(jié)果的比值。傳統(tǒng)方法中結(jié)合城市交通運(yùn)行調(diào)查數(shù)據(jù)，有可能推算出基于交通大區(qū)之類的區(qū)域間出行聯(lián)系，作為區(qū)域出行聯(lián)系的控制值。帶有K系數(shù)矩陣的重力模型表達(dá)式為

(5)

式中,Pi為交通小區(qū)的出行產(chǎn)生量,Aj為交通小區(qū)j的出行吸引量,civ為交通小區(qū)i和v之間的出行成本,f(civ)為交通小區(qū)i和v之間的出行阻抗函數(shù),Kij、Kiv分別為交通小區(qū)i和j之間及交通小區(qū)i和v之間的出行分布修正系數(shù),n為網(wǎng)絡(luò)中的交通小區(qū)數(shù)量。

改進(jìn)四步驟模型結(jié)構(gòu)與傳統(tǒng)模型的主要差別在于對(duì)現(xiàn)狀的解析。通過大數(shù)據(jù)手段識(shí)別固定OD點(diǎn)對(duì)、固定出行目的、高頻發(fā)生的城市穩(wěn)態(tài)出行，可以理解為用現(xiàn)實(shí)的出行分布來代替?zhèn)鹘y(tǒng)模型結(jié)構(gòu)中運(yùn)用重力模型、熵模型等方式進(jìn)行最優(yōu)化求解模擬得到的現(xiàn)狀穩(wěn)態(tài)出行分布。為此，本研究假定職住聯(lián)系OD矩陣為目標(biāo)基家工作出行(HBW)出行OD矩陣，并以此矩陣計(jì)算各交通小區(qū)的出行發(fā)生量P和出行吸引量A，同時(shí)利用路網(wǎng)模型計(jì)算交通小區(qū)之間的特征指標(biāo)矩陣并統(tǒng)計(jì)目標(biāo)出行矩陣的出行距離分布(TLD),對(duì)模型進(jìn)行標(biāo)定計(jì)算，阻抗函數(shù)參數(shù)(復(fù)合函數(shù)),α、δ和β取值分別為0.526 593 67、-0.381 936 37和-0.421 382 24。區(qū)域聯(lián)系K系數(shù)矩陣見表1。

3.3 模型結(jié)果的比較分析

以重力模型阻抗函數(shù)標(biāo)定結(jié)果和K系數(shù)矩陣作為參數(shù)，結(jié)合PA矩陣和出行阻抗矩陣作為輸入條件，對(duì)模型進(jìn)行計(jì)算，通過基準(zhǔn)情形、標(biāo)準(zhǔn)重力模型和帶K系數(shù)矩陣重力模型3種方法計(jì)算得到相應(yīng)的行分布矩陣。以下分別從出行距離分布、大區(qū)空間聯(lián)系和小區(qū)預(yù)測結(jié)果3個(gè)方面進(jìn)行比較。

從圖6出行距離分布曲線來看，帶有系數(shù)矩陣約束條件的重力模型計(jì)算結(jié)果較標(biāo)準(zhǔn)重力模型能夠更好地與基準(zhǔn)情形相匹配，出行距離分布擬合程度更高。從平均出行距離分布來看，基準(zhǔn)情形為4.17 km，而標(biāo)準(zhǔn)重力模型為3.75 km，K系數(shù)重力模型為3.81 km。平均出行距離計(jì)算結(jié)果也表明K系數(shù)重力模型的計(jì)算結(jié)果更接近實(shí)際?？傮w來說，K系數(shù)矩陣對(duì)區(qū)域之間的社會(huì)經(jīng)濟(jì)聯(lián)系有較好的解釋作用，同時(shí)也說明了標(biāo)準(zhǔn)重力模型對(duì)出行空間分布解釋的局限性。但從具體曲線形態(tài)來看，無論是標(biāo)準(zhǔn)重力模型還是K系數(shù)重力模型與目標(biāo)值均存在明顯差異，標(biāo)準(zhǔn)重力模型短距離出行(0～3 km)明顯低于目標(biāo)值，而4～13 km的出行量明顯大于目標(biāo)值，K系數(shù)重力模型雖然有一定修正，但仍存在一定差異。此外，目標(biāo)值的多峰特征(1-2、12-13和20-25共3個(gè)點(diǎn))未能得到反映。

表1 交通大區(qū)K系數(shù)矩陣

圖6 基準(zhǔn)情形出行距離分布曲線與重力模型模擬值比較

以基準(zhǔn)情形為參照，對(duì)應(yīng)全部12個(gè)交通大區(qū)144個(gè)OD點(diǎn)對(duì)的計(jì)算結(jié)果，標(biāo)準(zhǔn)重力模型和K系數(shù)重力模型的模擬結(jié)果在交通大區(qū)層面均能較好地?cái)M合，擬合優(yōu)度r2達(dá)到0.99以上(見圖7)。

從出行距離分布和交通大區(qū)出行聯(lián)系來看，建立和標(biāo)定的模型已經(jīng)具有非常高的精度，能夠比較準(zhǔn)確地反映城市的出行特征。但從交通小區(qū)層面來看，標(biāo)準(zhǔn)重力模型和K系數(shù)重力模型計(jì)算結(jié)果和基準(zhǔn)情形的擬合優(yōu)度r2均不到0.65(見圖8)，甚至存在OD點(diǎn)對(duì)之間實(shí)際出行需求為0、但有較大預(yù)測值的情形。這也說明了傳統(tǒng)基于數(shù)學(xué)規(guī)劃的出行分布預(yù)測方法能夠在一定程度上實(shí)現(xiàn)預(yù)測的要求，但在小顆粒度分析上容易存在偏差，而且這是在具有比較高精度的出行距離分布和大區(qū)出行聯(lián)系的基礎(chǔ)上完成的。

以上分析表明，在較為準(zhǔn)確的整體數(shù)據(jù)支持下，通過數(shù)學(xué)優(yōu)化求解的方法實(shí)現(xiàn)較高精度的區(qū)域?qū)蛹?jí)的出行預(yù)測是一種行之有效的方法。更精細(xì)顆粒度和更高準(zhǔn)確性的出行活動(dòng)分析結(jié)果，表明傳統(tǒng)數(shù)學(xué)優(yōu)化方法計(jì)算所得的交通小區(qū)層次的聯(lián)系仍可能存在較大偏差和缺陷。此外，K系數(shù)矩陣的獲取依賴較為準(zhǔn)確的區(qū)域聯(lián)系交通出行指標(biāo)，這對(duì)基礎(chǔ)數(shù)據(jù)可靠性也提出了更高的要求。所以，有必要也有條件引入更加準(zhǔn)確的輸入數(shù)據(jù)，以提升交通模型精度。

圖7 交通大區(qū)之間出行量的重力模型預(yù)測值與基準(zhǔn)情形的比較

圖8 交通小區(qū)之間出行量的重力模型預(yù)測值與基準(zhǔn)情形的比較

4 結(jié)語

本研究提出了利用出行者活動(dòng)穩(wěn)定性特征改進(jìn)出行分布模型的技術(shù)方法，并利用實(shí)際數(shù)據(jù)對(duì)方法進(jìn)行了驗(yàn)證。計(jì)算結(jié)果表明，基于傳統(tǒng)最優(yōu)化模型結(jié)合高精度的區(qū)域交通出行需求約束條件、可以較好地完成交通大區(qū)級(jí)別的出行需求預(yù)測，但該方法難以滿足交通小區(qū)層級(jí)更精細(xì)的交通分析需求。大數(shù)據(jù)技術(shù)發(fā)展至今，已經(jīng)有條件實(shí)現(xiàn)更加準(zhǔn)確的出行活動(dòng)研究，特別是工作、就學(xué)和生活等穩(wěn)態(tài)出行，在減少交通模型計(jì)算量的同時(shí)，可以更加準(zhǔn)確地解析城市實(shí)際交通狀況?；诔鲂姓呋顒?dòng)穩(wěn)定性特征的需求分析模型的特點(diǎn)，也決定了它能夠很好適應(yīng)城市現(xiàn)狀和近期交通預(yù)測模型的需要。考慮交通模型中長期預(yù)測的功能，需要開展基于既有現(xiàn)實(shí)條件的城市未來推演模型研究，在尊重城市現(xiàn)狀的前提下，充分考慮出行者的穩(wěn)定性特征，開展既有人口遷徙，包括居住地、工作地變遷，并利用既有人口的職住關(guān)系等特征推算遷入人口和自然增長人口的職住選擇，進(jìn)而形成和發(fā)展對(duì)未來的預(yù)測能力。這要求交通規(guī)劃模型的開發(fā)建設(shè)是一個(gè)漸進(jìn)的過程，在適應(yīng)新的數(shù)據(jù)要求的同時(shí)進(jìn)一步完善應(yīng)用框架和理論方法。此外，出行者活動(dòng)穩(wěn)定性的特性具有進(jìn)一步延伸的可能，包括出行者交通方式的穩(wěn)定性、路徑的穩(wěn)定性等，可以結(jié)合數(shù)據(jù)基礎(chǔ)的變化在未來開展進(jìn)一步研究。