關于宏觀交通模型中若干關鍵技術的思考

黃兆鋒

(深圳市城市交通規劃設計研究中心有限公司,廣東 深圳 518000)

0 引言

隨著社會的發展,交通系統越來越復雜,簡單的定性分析已經難以符合交通規劃建設管理的實際需要,必須將交通需求預測上升到更重要的位置,提高其預測能力。為了大幅度改善交通模型,除了高質量的輸入數據之外,在交通模型建設過程中的一些關鍵技術環節也需要優化和完善。

1 關于交通小區劃分大小的思考

1.1 常規的劃分標準

劃分交通小區是建立交通模型的前期工作,對后期工作的影響非常大。一般認為,“交通區劃分過小,會使調查、分析、預測等工作非常困難,工作量極大”[1],“市區內交通區一般人口為1～2萬、面積為1～2Km2”[1]。

在特定的時期,受到條件限制,按照該標準進行交通小區劃分是是科學合理的。但隨著軟硬件的改善,如果仍然將上述標準奉為經典就值得商榷了。

正如楊齊、霍華德.斯萊威等人指出的,“即便是已有的社會經濟和出行只有按大區的統計而缺乏更小區域單元的數據。交通小區的細分還可以改進模型的精度,因為交通分布和交通分配用到的諸多參數的計算可以更為準確,包括小區之間的出行時間、距離和費用,公交乘客在起迄點與車站之間的步行時間或自行車出行時間和距離等”[2]。

1.2 建模條件已經得到改進

1.2.1 硬件方面

得益于計算機的發展,極大地降低了交通模型的計算成本,使得進行更多的計算成為可能。在交通調查階段,采用平板電腦也已經成為現實,調查人員只需要在地圖點擊即可,使得減小交通小區成為可能。

1.2.2 軟件方面

在資料的整理分析時,在包括GIS等軟件功能越來越完善的條件下,即使交通小區的邊界與資料的邊界不相同,通過疊加運算也可方便獲取相應資料的數據。

1.3 交通小區不斷細化已經是發展趨勢

事實上,國內城市交通模型的交通小區劃分也是不斷地細化,總體數量也隨之不斷增加。以北京市交通模型為例,1995年全市交通模型交通小區數量為219個,到了2005年時將交通小區細化為1000余個[3],而到了2012年交通小區數量達到了1900個。從1995年到2012年,北京市人口僅增長了一倍左右,交通小區數量卻增長了七倍多。

2 關于外部交通小區劃分的思考

當研究范圍包括整個城鎮化地區時,如某個周邊都是鄉村的不太發達的城鎮,其周邊的城鎮離研究對象已經較遠,外部交通小區與研究范圍內交通小區的聯系不發生較大變化的情況下,可以當作一個點來對待,根據對外道路或按照方向劃分外部交通小區是可行的。

當研究范圍沒有包括整個城鎮化地區時,研究范圍外的地區與研究范圍緊密相聯系,一個外部交通小區往往與所研究范圍有多條聯系通道。此時,緊鄰研究范圍的片區與研究范圍的聯系是可能發生巨大的不均勻變化的,此時外部區域不能簡單地抽象為少數幾個點。

因此,外部小區建議按照距離分為幾個圈層,越靠近研究范圍的交通小區的面積越小,反之越往外的交通小區的面積越大,最外層就按照方向劃分為若干個交通小區。

3 關于通行出行中生成與分布計算方法的思考

根據傳統的四階段法如圖1所示,通勤出行先根據出行強度計算出行量,然后進行分布。遠期的出行強度一般是根據現狀的出行強度,結合相關的趨勢進行確定。對于快速發展的地區而言,出行強度的變化比較大的,如何合理確定遠期出行強度是困難的。

圖1 通勤出行遠期出行生成與分布階段典型流程

影響出行強度的因素眾多,確實難以通過計算得到其精確值,需要結合趨勢進行一定的判讀。但是,在眾多因素中,出行距離(或綜合阻抗)對出行強度的影響是巨大的,且是可計算的,應該重點考慮分析。

通常都會認為通行出行是剛性的。而事實上,應該注意到,通行出行有一個比較重要的特點,就是有前后2次出行是剛性的,而中間是否有來回則是較為彈性的。因此,更為合理的思路是先根據現狀年資料獲得就業、就學的分布特征,再利用此分布特征并結合規劃年資料,計算得到未來年的就業、就學分布,最后根據就業、就學分布情況再反過來計算出行強度。

事實上,根據柳州市居民出行調查的數據分析結果如圖2所示,通勤出行中間出行次數與出行距離是高度相關的。

圖2 柳州市通勤出行中間出行次數與距離的關系

4 關于現狀阻抗矩陣的思考

現狀阻抗矩陣是標定現狀交通模型參數的基礎。但由于道路條件千差萬別,即使同一等級的道路,其自由流車速車速也有較大差異。以東莞市道路為例,同樣是主干路,華興路、新橋路、文華路等道路的自由流車速不到40km/ h,而羅馬路、蟠龍路、水濂山路、東江大道、東園大道等道路的自由流車速都超過了60km/ h。然而在常規方法下,由于宏觀模型涉及的量大,獲得每條道路自由流車速幾乎是不可能的。

近幾年很多城市的出租車、公交車都安裝有GPS,提供了大量關于道路行駛車速的信息,完全可以根據這些信息得到現狀阻抗矩陣,用于現狀模型參數的標定。GPS數據是客觀的,可靠性是可以得到保障的,從而為現狀模型參數的標定打下了非常良好的基礎,最終對提高規劃年模型的預測能力非常有幫助。

5 關于分布階段特征矩陣的思考

在交通分布階段,“為了反映除交通阻抗、交通產生、吸引之外的其它因素對交通分布的特殊影響”[4],引入了交通調整系數矩陣,也稱為特征矩陣。

在現狀模型階段,引入調整系數矩陣無疑對模型精度的提高起到非常積極的作用。但是,在規劃年模型的時,特征矩陣的應用就成為了較為棘手的問題。如果不加考慮,直接應用于規劃年模型,做法是否正確是值得推敲的。

由于計算得到的交通調整系數矩陣是反映交通小區間調查時期的特殊聯系,那么在未來的規劃年該特殊聯系應該是隨著時間的推移會產生變化,不同的只是產生特殊聯系的原因不一,變化速度的有快有慢。

造成小區間特殊聯系的原因是多種多樣的,其變化情況也相應較為復雜,在引入調整系數矩陣時需要深入研究這些特殊聯系的變化規律,避免僅僅是為了現狀模型“看上去更精確”。

6 結語

除了以上提到的技術環節外,交通模型涉及的問題較多,小區連桿的連接方式、連接數量,以及道路的阻抗函數選擇和參數標定等等,都對交通模型的精度產生重大影響,需要合理處理。限于篇幅及能力,本文僅就若干較為常見的問題進行了初步的思考和探討。

文中關于道路速度的改善方法,本質上是大數據在交通供給模型的一個應用。實際上,大數據在交通需求模型部分也更是可以發揮巨大的作用,如可獲得大樣本甚至全樣本的人口分布、工作崗位分布等。

總之,交通建模的各個方面條件都在發生變化,建模工作應該與時俱進,避免被過時的理念和手段所限制,才能從根本上提高交通模型的質量。