活動(dòng)—出行決策混合仿真方法研究綜述

摘 要：總結(jié)了出行行為混合仿真模型的主要特征，綜述了活動(dòng)—出行混合仿真模型的發(fā)展及該領(lǐng)域的一些主要研究成果，最后討論了該領(lǐng)域的有關(guān)新技術(shù)及進(jìn)一步發(fā)展趨勢(shì)。

關(guān)鍵詞：出行需求；活動(dòng)；混合仿真中圖分類號(hào)：TP391．9 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-3695(2008)07-1928-04



Overview of activity/travel decision mixed simulation



ZHANG Weihua，JUAN Zhicai，GAO Linjie

(Institute of Transportation Studies， Antai College of Economics Management， Shanghai Jiaotong University， Shanghai 200052， China)

Abstract:This paper summarized the key features of mixed simulation models of travel behavior， and reviewed the development of activity/travel simulation models and research fruits. Lastly，it discussed emerging methods and new trends. 

Key words:travel demand;activity;mixed simulation



交通仿真是計(jì)算機(jī)技術(shù)在交通工程領(lǐng)域的一個(gè)重要應(yīng)用，它可以復(fù)現(xiàn)交通流的時(shí)空變化，對(duì)各種參數(shù)進(jìn)行比較和評(píng)價(jià)，為交通方案的規(guī)劃和設(shè)計(jì)提供依據(jù)^[1]。根據(jù)對(duì)交通系統(tǒng)描述的細(xì)節(jié)程度不同，傳統(tǒng)的交通仿真模型可分為微觀交通仿真、中觀交通仿真和宏觀交通仿真三類。它們對(duì)交通流的描述分別以單個(gè)車輛、車輛隊(duì)列和速度—密度關(guān)系為基本單元。近年來(lái)，交通規(guī)劃的重點(diǎn)逐漸從大規(guī)模交通基礎(chǔ)設(shè)施建設(shè)轉(zhuǎn)移到對(duì)交通需求的有效管理。交通需求管理（transportation demand management，TDM）的前提是進(jìn)行居民出行行為分析。然而適用于大規(guī)模交通基礎(chǔ)設(shè)施建設(shè)評(píng)價(jià)的傳統(tǒng)四階段模型在評(píng)價(jià)TDM策略方面卻顯得無(wú)能為力。針對(duì)四階段方法上的局限性，牛津大學(xué)的研究人員提出了基于活動(dòng)的出行需求預(yù)測(cè)方法。基于活動(dòng)的出行需求預(yù)測(cè)方法有計(jì)量經(jīng)濟(jì)學(xué)模型和混合仿真模型兩種。計(jì)量經(jīng)濟(jì)學(xué)模型是以微觀經(jīng)濟(jì)學(xué)中的效用最大化假設(shè)為模型框架。然而，在現(xiàn)實(shí)生活中，由于選擇集的復(fù)雜性，這一點(diǎn)受到了很多行為科學(xué)家和交通研究者的質(zhì)疑。另外，計(jì)量經(jīng)濟(jì)學(xué)模型只能反映影響最終選擇的因素，而不能說(shuō)明活動(dòng)—出行的決策過(guò)程。相對(duì)計(jì)量經(jīng)濟(jì)學(xué)模型，混合仿真模型更為詳細(xì)地描述了居民的選擇過(guò)程。因此，為研究居民的活動(dòng)—出行決策過(guò)程，越來(lái)越多的交通研究者開(kāi)始轉(zhuǎn)向?qū)旌戏抡婺Ｐ偷难芯俊＊?/p>

1 模型主要特征

混合仿真的基本觀點(diǎn)是模擬人們的決策過(guò)程，它假設(shè)活動(dòng)計(jì)劃是一個(gè)有順序的由連續(xù)步驟組成的過(guò)程，每一步都看做是一次初步的活動(dòng)計(jì)劃。另外，還通過(guò)限制決策范圍、省略活動(dòng)和出行計(jì)劃決策中次要的影響因素來(lái)簡(jiǎn)化模型。混合仿真大多基于計(jì)算過(guò)程模型。計(jì)算過(guò)程模型最早由Newell和Simon提出并用于心理學(xué)方面的研究，是計(jì)算機(jī)程式化生成模型。這種模型試圖通過(guò)一系列決策規(guī)則來(lái)仿真決策過(guò)程。計(jì)算過(guò)程模型考慮了決策過(guò)程中個(gè)人處理信息能力的限制。其主要優(yōu)點(diǎn)是允許個(gè)人視情況而采取不同的規(guī)則進(jìn)行決策，非常適用于對(duì)日常活動(dòng)安排過(guò)程的仿真分析^[2]。盡管混合仿真模型隨理論和運(yùn)作特征的變化而變化，它們的應(yīng)用有很多相似之處：a）當(dāng)建立活動(dòng)—出行計(jì)劃時(shí)，仿真居民的思考過(guò)程^[3]。在模型結(jié)構(gòu)中通常包含一些學(xué)習(xí)機(jī)制，那些產(chǎn)生積極影響的行為將會(huì)得到加強(qiáng)，并逐漸轉(zhuǎn)換為特定情況下的啟發(fā)式規(guī)則。在進(jìn)行選擇時(shí)只考慮特定的選擇集，相對(duì)基于活動(dòng)的計(jì)量經(jīng)濟(jì)學(xué)模型，混合仿真模型的選擇集要小得多。b）仿真輸出結(jié)果通常是居民的活動(dòng)選擇模式（包括出行目的、出行時(shí)間、出行方式等），而不是對(duì)某項(xiàng)選擇肢的選擇概率。仿真模型通常不能進(jìn)行統(tǒng)計(jì)意義上的檢驗(yàn)。c）仿真模型結(jié)構(gòu)中通常考慮時(shí)間、位置、預(yù)算約束。新活動(dòng)的計(jì)劃依賴于先前的活動(dòng)（活動(dòng)時(shí)間、模式、目的地），同時(shí)，新活動(dòng)計(jì)劃也能導(dǎo)致以前活動(dòng)計(jì)劃的變化。因此，選擇集和選擇肢的定義通常是以迭代方式進(jìn)行。但通常沒(méi)有考慮較長(zhǎng)時(shí)間滯后影響，如日活動(dòng)安排未考慮前幾個(gè)星期活動(dòng)的影響。d）活動(dòng)類型和活動(dòng)優(yōu)先級(jí)之間存在著一定的關(guān)系，生計(jì)相關(guān)的活動(dòng)（上班、上學(xué)等）通常比自由安排的活動(dòng)（社交、娛樂(lè)、餐飲等）具有較高的優(yōu)先級(jí)。e）模型仿真居民日活動(dòng)安排及交通政策變化時(shí)作出相應(yīng)反應(yīng)的短期決策過(guò)程，但通常不考慮多日和星期活動(dòng)安排決策。f）仿真模型中，時(shí)間通常是連續(xù)的變量。

2 活動(dòng)—出行仿真研究進(jìn)展

近二十年，一方面，計(jì)算機(jī)軟硬件技術(shù)得到了高速發(fā)展，使得存儲(chǔ)和處理海量數(shù)據(jù)變得相對(duì)容易，開(kāi)發(fā)仿真軟件也變得更加有效率；另一方面，交通擁堵、交通污染、能源消耗等負(fù)面影響日益加劇，迫使交通管理人員加強(qiáng)對(duì)出行行為的分析以實(shí)施有效的TDM政策。這些都極大地推動(dòng)了活動(dòng)—出行仿真研究的進(jìn)展。2．1 計(jì)算過(guò)程模型

Kuipers開(kāi)發(fā)了第一個(gè)基于出行的出行選擇計(jì)算過(guò)程模型TOUR^[4]，該模型仿真出行者的認(rèn)知圖、信息獲取及在路徑選擇中的應(yīng)用。盡管該模型在很多方面是成功的，但是它不是基于對(duì)認(rèn)知地圖、空間定位、路徑尋找等詳細(xì)實(shí)證研究的基礎(chǔ)上。隨后出現(xiàn)的這類比較有代表性的模型有NAVIGATOR、TRAVELLER、ELMER^[5]。隨著TDM策略的廣泛應(yīng)用，傳統(tǒng)的基于出行的交通需求模型暴露出諸多缺陷^[6]。為此，交通研究人員開(kāi)發(fā)了基于活動(dòng)的方法。該方法認(rèn)為人們參與活動(dòng)的需求是產(chǎn)生出行的真正原因，并認(rèn)為對(duì)出行行為的任何理解都應(yīng)從屬于對(duì)活動(dòng)的參與認(rèn)識(shí)^[7]，出行決策過(guò)程應(yīng)該置于整個(gè)活動(dòng)日程中來(lái)加以分析。Recker等人開(kāi)發(fā)的STARCHILD是這類系統(tǒng)中最早的模型之一，它通過(guò)分類和選擇過(guò)程仿真活動(dòng)和出行計(jì)劃決策。該模型首先需要輸入由活動(dòng)目的、活動(dòng)時(shí)間、地點(diǎn)及約束構(gòu)成的活動(dòng)計(jì)劃，然后根據(jù)各項(xiàng)約束詳細(xì)列舉出可行的選項(xiàng)，通過(guò)統(tǒng)計(jì)上的相似原則將選項(xiàng)進(jìn)行分類，用決策規(guī)則排除次優(yōu)選項(xiàng)，最后用MNL模型從剩余選項(xiàng)中進(jìn)行選擇。該模型的缺點(diǎn)是需要依靠其他模型來(lái)預(yù)測(cè)活動(dòng)和出行計(jì)劃中主要的影響因素，包括參加的活動(dòng)、目的、地點(diǎn)和出行方式，而且分類和抽樣規(guī)則不能完全描述實(shí)際的選擇集^[8]。

Garling等人提出了一個(gè)概念框架SCHEDULER。該模型仿真居民在定義的時(shí)間周期內(nèi)如何作出活動(dòng)選擇的過(guò)程，包括決定活動(dòng)的參與人、時(shí)間、地點(diǎn)以及到活動(dòng)地點(diǎn)所采用的交通方式等。活動(dòng)的安排是基于啟發(fā)式搜索規(guī)則，首先在滿足給定時(shí)間約束下安排活動(dòng)順序；然后根據(jù)最近鄰居啟發(fā)式算法進(jìn)行再排序以實(shí)現(xiàn)總出行距離最短。SCHEDULER由六部分組成：目標(biāo)環(huán)境（活動(dòng)—出行環(huán)境的抽象）、認(rèn)知地圖、調(diào)度器、長(zhǎng)期日程表、短期日程表、活動(dòng)執(zhí)行模塊。Golledge用該模型框架對(duì)引入遠(yuǎn)程辦公后通勤者活動(dòng)模式的變化進(jìn)行了預(yù)測(cè)^[9]。Kwan在GIS環(huán)境下對(duì)SCHEDULER進(jìn)行了擴(kuò)展，開(kāi)發(fā)了GISICAS系統(tǒng)^[10]。在GISICAS中，除對(duì)SCHEDULER中最近鄰居算法進(jìn)行了簡(jiǎn)化外，還開(kāi)發(fā)了一些新的空間搜索算法以處理位置偏好對(duì)個(gè)體出行行為的影響。這些新算法不再是局部尋找最近活動(dòng)地點(diǎn)，而是在全局搜索和下一目的地最近的滿意地點(diǎn)。

Kitamura等人開(kāi)發(fā)了一個(gè)活動(dòng)流動(dòng)性仿真器AMOS，它是SAMS系統(tǒng)的核心組件，主要仿真居民對(duì)各種政策變化產(chǎn)生的反應(yīng)。居民在各種出行環(huán)境變化時(shí)的適應(yīng)過(guò)程被看做是一個(gè)學(xué)習(xí)過(guò)程，通過(guò)研究出行者在新的出行環(huán)境中如何改變活動(dòng)計(jì)劃，可以得到出行者的適應(yīng)過(guò)程，從而更好地理解出行需求的改變^[11]。該模型用一個(gè)由神經(jīng)網(wǎng)絡(luò)模型和MNL模型組成的多項(xiàng)選擇模型系統(tǒng)挑選出一個(gè)可行的調(diào)整計(jì)劃^[12]。首先由神經(jīng)網(wǎng)絡(luò)模型根據(jù)決策者特性為每一個(gè)選項(xiàng)預(yù)測(cè)出在政策調(diào)整時(shí)的一個(gè)輸出信號(hào)，作為惟一的變量輸入MNL模型中，產(chǎn)生選擇每一個(gè)調(diào)整選項(xiàng)的概率；然后用一個(gè)判斷模型決定接受或拒絕這個(gè)調(diào)整計(jì)劃。如果拒絕，就進(jìn)行重復(fù)調(diào)查；如果沒(méi)有找到則程序返回，選擇另一個(gè)基本反應(yīng)。AMOS以輸入的活動(dòng)模式為基準(zhǔn)，根據(jù)對(duì)應(yīng)具體政策的調(diào)查來(lái)預(yù)測(cè)居民活動(dòng)模式的變化，在預(yù)測(cè)居民對(duì)特定交通政策變化的短期反應(yīng)時(shí)特別有效。Pendyala等人基于從華盛頓地區(qū)出行調(diào)查數(shù)據(jù)中抽出的小樣本數(shù)據(jù)，應(yīng)用AMOS模型評(píng)價(jià)了停車收費(fèi)、擁擠收費(fèi)、改善自行車道和人行道設(shè)施等交通政策對(duì)居民活動(dòng)—出行的影響^[13]，表明了該模型的適用性。盡管AMOS在預(yù)測(cè)政策的短期影響時(shí)取得了較好的效果，但它對(duì)于每一項(xiàng)政策的反應(yīng)模型都需要標(biāo)定，并且驗(yàn)證所需要的數(shù)據(jù)很難獲得。另外該模型所采用的搜索方法不能充分描述搜索過(guò)程，對(duì)預(yù)測(cè)結(jié)果可能造成系統(tǒng)偏差。Ettema等人開(kāi)發(fā)了一個(gè)基于效用的逐步適應(yīng)活動(dòng)安排算法來(lái)仿真活動(dòng)的增加、刪除、替代、終止。在這個(gè)基礎(chǔ)上，他們開(kāi)發(fā)了一個(gè)活動(dòng)安排仿真模型SMASH^[14]。SMASH系統(tǒng)通過(guò)迭代逐步制訂出活動(dòng)計(jì)劃，每一次迭代從一個(gè)原計(jì)劃開(kāi)始，通過(guò)調(diào)查，列舉出所有可能插入的調(diào)整計(jì)劃，從原計(jì)劃中刪除或者替代一個(gè)活動(dòng)；然后用NL模型進(jìn)行選擇繼續(xù)調(diào)查還是接受前一個(gè)計(jì)劃停止調(diào)查，模型最終輸出個(gè)體的活動(dòng)安排，包括活動(dòng)的目的地、出行時(shí)間、出行方式、路徑等。SMASH模型主要缺點(diǎn)是依靠外部程序提供詳細(xì)的活動(dòng)安排，同時(shí)，對(duì)參數(shù)估計(jì)需要復(fù)雜的調(diào)查數(shù)據(jù)。Arentze等人開(kāi)發(fā)的Albatross(a learningbased transportation oriented simulation system)是一個(gè)基于規(guī)則的多agent系統(tǒng)，它吸收了微觀仿真和基于代理模擬的優(yōu)點(diǎn)。給定家庭中人數(shù)，該系統(tǒng)能用來(lái)預(yù)測(cè)活動(dòng)模式。作為經(jīng)濟(jì)學(xué)中理性決策以實(shí)現(xiàn)效用最大化的一種替代方法，學(xué)習(xí)機(jī)制提供了活動(dòng)模式產(chǎn)生的理論基礎(chǔ)^[14]。該系統(tǒng)仿真居民進(jìn)行活動(dòng)計(jì)劃決策的每個(gè)方面，包括活動(dòng)類型、持續(xù)時(shí)間、出行隨從人員、開(kāi)始時(shí)間、出行類型、位置和交通方式。該方法最重要的一點(diǎn)是使用決策樹(shù)來(lái)描述和推導(dǎo)個(gè)體的啟發(fā)式選擇過(guò)程。決策樹(shù)方法大大提高了預(yù)測(cè)精度，并且在確認(rèn)后的集合上，仿真結(jié)果能被復(fù)制^[15]。2．2 一體化仿真模型

為提高活動(dòng)—出行仿真模型的實(shí)用性，交通研究人員嘗試將日活動(dòng)模式產(chǎn)生、安排、執(zhí)行與交通流模型結(jié)合起來(lái)研究并開(kāi)發(fā)了一些實(shí)用的仿真工具。

Kitamura等人開(kāi)發(fā)了仿真居民活動(dòng)—出行的仿真模型PCATS。該模型吸收了Hagerstrand提出的時(shí)間—空間菱形理論^[16]。該模型把一天分成兩個(gè)時(shí)期：執(zhí)行柔性活動(dòng)的開(kāi)放時(shí)間段和執(zhí)行固定活動(dòng)的封閉時(shí)間段。活動(dòng)—出行菱形在封閉時(shí)間段之間定義。在每個(gè)開(kāi)放時(shí)間段開(kāi)始，基于過(guò)去的決策經(jīng)驗(yàn)來(lái)進(jìn)行活動(dòng)—出行的相關(guān)決策。在開(kāi)放時(shí)間段內(nèi)，決策由NL(nested logit)模型實(shí)現(xiàn)。第一層是進(jìn)行如下相關(guān)活動(dòng)的決策：家里活動(dòng)、下一個(gè)固定地點(diǎn)附近的活動(dòng)、戶外活動(dòng)；第二層在第一層的基礎(chǔ)上進(jìn)行如下決策：目的地、出行方式、活動(dòng)持續(xù)時(shí)間。該決策過(guò)程重復(fù)進(jìn)行直到占滿所有開(kāi)放時(shí)間段。在PCATS的基礎(chǔ)上，Kitamura等人開(kāi)發(fā)了FAMOS（Florida activity mobility simulator），并使用美國(guó)佛羅里達(dá)州2000年家庭活動(dòng)和出行數(shù)據(jù)對(duì)該模型的參數(shù)進(jìn)行了標(biāo)定^[17]。Kitamura等人還將PCATS、家庭特性產(chǎn)生系統(tǒng)HAGS、動(dòng)態(tài)網(wǎng)絡(luò)仿真器DEBNetS集成到一起，開(kāi)發(fā)了城市居民仿真系統(tǒng)^[18]。在該系統(tǒng)中，PCATS模型中許多決策如出行方式選擇、目的地選擇等所基于的車輛時(shí)間出行信息由DEBNetS提供；另一方面，PCATS向DEBNetS提供汽車出行等相關(guān)信息。由于該系統(tǒng)包含了時(shí)間軸并描述了出行者一天內(nèi)的行為，能仿真連貫的出行并能對(duì)廣泛的交通政策進(jìn)行評(píng)價(jià)；同時(shí)，由于該系統(tǒng)包含家庭特性產(chǎn)生系統(tǒng)HAGS，能對(duì)長(zhǎng)期的交通需求進(jìn)行預(yù)測(cè)。Veldhuisen開(kāi)發(fā)了一個(gè)微觀仿真模型RAMBLAS^[14]，該模型能對(duì)活動(dòng)模式和交通流進(jìn)行預(yù)測(cè)。該模型首先產(chǎn)生一個(gè)以工作地點(diǎn)、學(xué)校、居住地、年齡和性別為特征的合成總?cè)丝冢側(cè)丝诎ń?5 000 000的出行者。該總體按社會(huì)人口特征進(jìn)行分類，并從一個(gè)國(guó)家活動(dòng)模式/時(shí)間使用數(shù)據(jù)庫(kù)中隨機(jī)為各部分分配相應(yīng)的活動(dòng)模式。在活動(dòng)類型/方式選擇組合分布的條件概率基礎(chǔ)上，給定活動(dòng)的出行方式選擇通過(guò)隨機(jī)抽取仿真實(shí)現(xiàn)。RAMBLAS輸出包括以類型、時(shí)間、地點(diǎn)、持續(xù)時(shí)間、方式、路徑選擇為特征的活動(dòng)模式。該模型還能對(duì)交通網(wǎng)絡(luò)上的控制措施進(jìn)行仿真，交通網(wǎng)絡(luò)由GIS來(lái)管理并實(shí)現(xiàn)可視化。德國(guó)PTV公司開(kāi)發(fā)了一套基于活動(dòng)鏈的交通需求預(yù)測(cè)軟件VISEM^[19]。該模型把人群分成一系列出行特征相似的組群，組群內(nèi)在交通方式選擇上比較相似，不同組之間存在很大差別。VISEM輸出的OD矩陣可以直接輸入到交通分配模型VISUMIT和VISUMPT中，從而計(jì)算路徑選擇和交通流相關(guān)信息。同時(shí)，VISUM產(chǎn)生的各種網(wǎng)絡(luò)和空間數(shù)據(jù)也可以直接作為VISEM的輸入數(shù)據(jù)。在VISEM和VISUM的基礎(chǔ)上，PTV公司和德國(guó)大眾汽車交通公司交通研究小組提出了一個(gè)集交通需求、路徑選擇、交通流和交通污染排放評(píng)價(jià)為一體的仿真模型^[20]。交通需求預(yù)測(cè)由VISEM模型實(shí)現(xiàn)，它計(jì)算分析區(qū)域內(nèi)居民的出行鏈；路徑選擇通過(guò)迭代的仿真實(shí)現(xiàn)；每個(gè)車輛在路網(wǎng)上的仿真通過(guò)VISSIM實(shí)現(xiàn)；路網(wǎng)上車輛燃油消耗和污染排放的計(jì)算基于動(dòng)態(tài)引擎地圖。該仿真模型既可以用于對(duì)獨(dú)立交叉口控制措施的評(píng)價(jià)，也可以用于整個(gè)城市路網(wǎng)管理措施的優(yōu)化。

Bhat等人開(kāi)發(fā)了一個(gè)日活動(dòng)—出行綜合計(jì)量微觀仿真器CEMDAP^[21]。該仿真器能在連續(xù)的時(shí)間框架上仿真工作者和非工作者的活動(dòng)—出行模式。通過(guò)輸入土地使用、社會(huì)統(tǒng)計(jì)變量、活動(dòng)、交通服務(wù)水平等特性變量，系統(tǒng)能為每個(gè)人提供完整的活動(dòng)出行模式。在CEMDAP中，活動(dòng)出行模式由三個(gè)層次描述：停駐、旅程、模式。停駐由活動(dòng)類型、活動(dòng)持續(xù)時(shí)間、到停駐地的出行時(shí)間、停駐點(diǎn)的位置組成；家到家、工作到工作、家到工作、工作到家停留一系列停駐點(diǎn)鏈組成了旅程；一個(gè)模式由一系列旅程組成。CEMDAP既可以用來(lái)對(duì)居民的活動(dòng)—出行模式進(jìn)行預(yù)測(cè)，還可以對(duì)某些交通需求管理政策進(jìn)行分析。Bhat對(duì)該模型進(jìn)行了擴(kuò)展，集成了動(dòng)態(tài)交通分配模塊（VISTA），開(kāi)發(fā)了一個(gè)活動(dòng)模擬和微觀交通分配集成的仿真器^[22]。

3 新技術(shù)及發(fā)展趨勢(shì)

3．1 地理信息系統(tǒng)（geographic information system，GIS）

GIS能夠表示復(fù)雜的城市交通網(wǎng)絡(luò)結(jié)構(gòu)，同時(shí)還可以有效存儲(chǔ)、管理、分析交通土地使用等相關(guān)數(shù)據(jù)。在發(fā)達(dá)國(guó)家，越來(lái)越多的交通研究人員在交通行為分析中應(yīng)用GIS技術(shù)。徐琪對(duì)GIS在傳統(tǒng)交通規(guī)劃中的應(yīng)用作了較詳細(xì)的探討^[23]。從傳統(tǒng)的方法到活動(dòng)方法的轉(zhuǎn)變?cè)谝欢ǔ潭壬弦馕吨治鰡挝坏母淖儭Ｔ诨诨顒?dòng)的分析方法中，分析單位已從傳統(tǒng)模型中小區(qū)轉(zhuǎn)變到單個(gè)人。在基于活動(dòng)的非集計(jì)分析方法中，GIS在活動(dòng)—出行數(shù)據(jù)組織、模擬、分析中仍然發(fā)揮著重要的作用。GIS能形象地描述居民的活動(dòng)—出行模式，這對(duì)交通規(guī)劃人員和交通研究人員理解居民出行行為及對(duì)環(huán)境約束政策變化的反應(yīng)非常有幫助。Miller(1999)、Buliung等人應(yīng)用GIS研究了時(shí)空約束下居民的活動(dòng)—出行模式^[24，25]。GIS還可以用來(lái)幫助進(jìn)行出行調(diào)查，得到出行者在逼真環(huán)境所做出反應(yīng)的相關(guān)信息。另外，GIS與GPS結(jié)合能幫助交通調(diào)查人員自動(dòng)收集有關(guān)出行路徑和速度的相關(guān)數(shù)據(jù)，為交通調(diào)查提供一條有效的新思路。

3．2 Agent的應(yīng)用

Agent是一個(gè)具有控制問(wèn)題求解機(jī)理的計(jì)算單元，它可以指一個(gè)機(jī)器人、一個(gè)專家系統(tǒng)、一個(gè)過(guò)程、一個(gè)模式或求解單元^[26]。Agent既能完成各自的局部問(wèn)題求解，又能通過(guò)協(xié)作求解全局的任務(wù)。在研究居民的活動(dòng)—出行行為時(shí)，每個(gè)個(gè)體或家庭都可以看做是一個(gè)agent。每個(gè)agent針對(duì)長(zhǎng)期的住宅選擇、中長(zhǎng)期的日戶動(dòng)計(jì)劃、短期的駕車行為作出相應(yīng)的決策。在進(jìn)行活動(dòng)—出行行為分析時(shí)，首先產(chǎn)生一個(gè)綜合人口agent；然后產(chǎn)生一個(gè)包括活動(dòng)地點(diǎn)、活動(dòng)安排的活動(dòng)模式；最后是產(chǎn)生基于agent的方式選擇和路徑選擇模型。比較有代表性的基于活動(dòng)的agent仿真系統(tǒng)有TRANSIMS和Albatross。

3．3 綜合仿真模型的開(kāi)發(fā)

交通仿真應(yīng)用的規(guī)模正在擴(kuò)大。在大多情況下，對(duì)一項(xiàng)交通政策的完整分析不僅需要考慮居民對(duì)該政策短期的反應(yīng)，還需要考慮該政策帶來(lái)的長(zhǎng)期影響。因此研究住宅選址模型、活動(dòng)—出行決策模型、交通流模型和路徑選擇模型集成方法，開(kāi)發(fā)新一代綜合活動(dòng)—出行決策仿真模型將是一個(gè)新的發(fā)展方向。

3．4 在仿真模型中更多考慮信息的影響?yīng)ピ谥悄芙煌ㄏ到y(tǒng)（intelligent transportation system，ITS）所采用的技術(shù)中，信息技術(shù)起著主導(dǎo)作用。未能充分考慮信息對(duì)出行影響的分析模型將不再適應(yīng)現(xiàn)代交通研究分析的需要。為了提供面向出行者的交通信息，交通信息對(duì)出行的影響成為亟待解決的問(wèn)題。新一代仿真模型應(yīng)能描述信息作用下居民的活動(dòng)—出行的調(diào)整過(guò)程，分析和評(píng)價(jià)不同ATIS（advanced traveler information system，ATIS）

策略實(shí)施的效果，從而為交通信息的提供和優(yōu)化提供指導(dǎo)。

4 結(jié)束語(yǔ)

為解決日益嚴(yán)重的交通擁堵及其帶來(lái)的環(huán)境污染問(wèn)題，越來(lái)越多的城市和地區(qū)開(kāi)始實(shí)施TDM政策。然而，傳統(tǒng)的交通仿真在評(píng)價(jià)TDM政策方面卻顯得無(wú)能為力，基于活動(dòng)的方法為進(jìn)行出行行為分析和TDM政策評(píng)價(jià)提供了一條新的途徑。相比計(jì)量經(jīng)濟(jì)學(xué)模型，活動(dòng)—出行決策仿真方法更能詳細(xì)描述人的決策過(guò)程。國(guó)內(nèi)在這方面的研究十分有限。為此，本文系統(tǒng)地評(píng)述了國(guó)際上關(guān)于活動(dòng)—出行決策仿真方面的研究情況，并提出了一些新的思路，拋磚引玉，期望有更多的學(xué)者投入到這方面的研究，為我國(guó)制定和實(shí)施TDM策略提供科學(xué)依據(jù)。

參考文獻(xiàn)：

［1］魏明，楊方廷，曹正清.交通仿真的發(fā)展及研究現(xiàn)狀[J].系統(tǒng)仿真學(xué)報(bào)，2003，15(8):11791183.

[2]孫曉端.一種新興的美國(guó)城市交通流量需求預(yù)測(cè)模型系統(tǒng)[J].城市交通，2002（1）:37-38.

[3]JOVICIC G.Activity based travel demand modeling[M].Danmarks:Transport Forskning， 2001.

[4]GLING T，KWAN M P，GOLLEDGE R G.Computational process modeling of travel decisions: review and conceptual analysis: paper presented at the symposium of microsimulation，commission on mathematical models[C]//Proc of International Geographical Union.Stockholrn， Sweden:[s.n.]，1991.

[5]GRLING T，KWAN M，GOLLEDGE R.Computationalprocess modelling of household activity scheduling[J].Transportation Research B，1994，28(5):355-364.

[6]VOVSHA P，BRADLEY M，BOWMAN J L.Activitybased travel forecasting models in the United States: progress since 1995 and prospects for the future[C]//TIMMERMANS H.Progress in activitybased analysis.Amsterdam:Elsevier，2005:389-414.

[7]易漢文.出行預(yù)測(cè)方法從出行模型到行為模型的變革[J].城市交通，2007，15(1):7279.

[8]BOWMAN J L，MOSHE E，BEN A.Activity based travel forecasting[C]//Proc of ActivityBased Travel Forecasting Conference.New Orleans， Louisiana:[s.n.]，1996:2-5.

[9]KWAN M P，GOLLEDGE R G.Computational process modelling of household travel decisions using a geographical information system[C]//Proc of Regional Science Association.1994:169-204.

[10]MEI P K，REGINALD G G.Computational process modeling of disaggregate travel behavior UCTC No. 334[R].Berkeley:Transportation Center University of California，1996.

[11]KITAMURA R，PAS E I，LULA C V，et al.The sequenced activity mobility simulator (SAMS):an integrated approach to modeling transportation， land use and air quality[J].Transportation，1996，23(2):267-291.

[12]雋志才，李志瑤，宗芳.基于活動(dòng)鏈的出行需求預(yù)測(cè)方法綜述[J].公路交通科技，2005，22(6):108113.

[13]PENDYALA R M，KITAMURA R，CHEM C，et al.An activitybased microsimulation analysis of transportation control measures[J].Transport Policy，1997，4(3):183192.

[14]BULIUNG R N，KANAROGLOU P S.Activitytravel behaviour research:conceptual issues， state of the art， and emerging perspectives on behavioural analysis and simulation modelling[J].Transport Reviews，2007，27(2):151187.

[15]THEO A，HARRY J P.A learningbased transportation oriented simulation system[J].Transportation Research B，2004，38(7):613-633.

[16]LITWIN M S.Dynamic household activity scheduling processes[D].Canada:University of Toronto，2005.

[17]PENDYALA R M，KITAMURA R，KIKUCHI A，et al.FAMOS: the Florida activity mobility simulator[C]//Proc of the 83rd Annual Meeting of Transportation Research Board.Washington DC:[s.n.]，2005:123130.

[18]KITAMURA R，KIKUCHI A，F(xiàn)UJII S，et al.An overview of PCATS/DEBNetS microsimulation system: its development， extension， and application to demand forecasting[C]//Proc of Simulation Approaches in Transportation Analysis:Recent Advances and Challenges.[S.l.]:Springer，2005:371-399.

[19]FELLENDORF M，HAUPT T，HEIDL U，et al.PTV VISION:activity based demand forecasting in daily practice[C]//Proc of Travel Model Improvement Program Conference.Karlsruhe:[s.n.]，1995.

[20]FELLENDORF M，VORTISCH P.Integrated modelling of transport demand， route choice and traffic[C]//Proc of the 79th Annual Meeting of the Transportation Research Board.Washington DC:[s.n.]，2000.

[21]BHAT C R，GUO J Y，SCRINIVASAN S，et al.A comprehensive econometric microsimulator for daily activitytravel patterns[C]//Proc of Conference on Progress in ActivityBased Analysis.Maastricht:[s.n.]，2004:57-66.

[22]BHAT C R.Integrated activitybased modeling and dynamic traffic microassignment simulator:methodological challenges and computational issues[C]//Proc of Workshop on Integrating Demand and Supply Models.2007.

[23]徐琪.GIS在交通規(guī)劃中的應(yīng)用探討[J].交通科技，2006(2):7174.

[24]MILLER H J.Measuring spacetime accessibility benefits within transportation networks:basic theory and computational procedures[J].Geographical Analysis，1999，31(2):187-212.

[25]BULIUNG R N，KANAROGLOU P S.A GIS toolkit for exploring geographies of household activity/travel behavior[J].Journal of Transportation Geography，2006，14:35-51.

[26]王娜，王國(guó)宇，孟慶春，等. 基于agent的智能交通控制系統(tǒng)的控制建模[J]. 計(jì)算機(jī)應(yīng)用研究，2007，24(1):103106.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。”