组团型城市交通需求预测模型构建探讨

张 勇

(大连市城市规划设计研究院, 大连 116011)



组团型城市交通需求预测模型构建探讨

张 勇

(大连市城市规划设计研究院, 大连 116011)

针对组团型城市具有区别于单中心城市独特的交通特征，根据组团型城市的交通出行特点，引入分区预测、整体交通分配、循环反馈机制等思路，以大连市区城市交通需求预测模型构建为例, 阐述了组团型城市交通需求预测模型构建的流程.

组团型城市； 交通需求预测； 反馈机制； 交通分配

为应对日益严重的交通问题，国内外许多城市已构建城市交通预测模型以指导未来城市交通系统的发展. 受用地分布特征的影响，组团型城市具有独特的交通特征，不能简单套用单中心城市预测方法，本文在对组团城市交通特征进行分析的基础上，以大连市交通预测模型构建为例阐述组团型城市交通需求预测模型构建的过程.

1 组团型城市结构分析

组团型城市为城市建成区由2个以上相对独立的主体组团和多个基本团块组成，受自然及人工环境的影响，城市用地被分隔成几个有一定规模的组团，各组团有各自的公共中心和道路系统，并通过联系性通道联结成一个城市实体.

大连市是国内较为典型的组团型城市，城区范围内受山体、海湾等自然环境的影响明显划分为核心区、旅顺口区、金州新区3个组团，各组团在发展过程中逐渐形成各自公共活动中心.

根据大连市城市总体规划(2014—2020)，大连市中心城区将规划形成“一核、两城、三湾”的组团型城市空间结构，其中 “一核”即核心区，重点承担东北亚国际城市的现代服务业功能. “两城”即旅顺城区、金州城区，实现与核心区的功能互补与协同发展.

图1 大连市区规划城市空间结构

2 组团型城市交通特点

受组团型城市的空间结构影响，各组团存在较强的独立性，出行特征受各自组团面积、经济发展水平、对外辐射强度等因素影响，居民出行强度、出行时间、出行方式存在较大差别.

根据相关交通调查，大连市区各组团交通特征在出行次数、出行时间、出行距离等方面存在明显差别. 大连市区平均出行次数为2.18人次/d，其中核心区为2.21人次/d；旅顺口区为2.52人次/d；金州新区为2.02人次/d.

出行空间分布呈现多城多中心放射状，其中核心区出行空间分布呈现以中山广场、西安路商业区向周边区域放射,高强度出行范围扩展到甘井子、高新园区等区域；旅顺口区出行分布以旅顺老城区和水师营地区为中心向外围区域放射；金州城区出行空间呈现以金州老城和开发区城区为核心向外放射，出行整体呈现“U”形分布.

大连各组团之间居民出行方式构成差别明显，其中核心区以公共交通出行为主，约为43.2%. 旅顺城区由于城区面积较小，居民出行以慢行交通出行为主，出行比例约为55%. 具体见图2.

图2 各城区组团出行结构

3 组团型城市交通需求预测模型构建

3.1 预测思路

针对组团型城市的组团交通特征各异、区域间联系密切等交通出行特征，并借鉴国内外交通需求预测的最新成果，采用分区预测、整体分配、反馈循环的思路进行交通需求预测模型构建，以充分反映各组团的交通出行特征，确保预测结果的科学性与准确性，具体见图3.

图3 交通需求预测模型框架

分区需求预测主要针对组团城市不同组团的交通出行特征差异较为明显的特点，采用各组团单独的交通出行生成率、平均出行时间及出行方式划分参数，构建各组团独立的需求预测模型，确保构建的预测模型与实际交通特征的一致性，以提高交通需求预测模型的科学性和准确性.

整体交通分配主要是对分区交通需求预测结果进行合并，将各分区预测获得的分方式出行OD整理集中，并将其在全市交通网络进行交通分配，以充分考虑组团间出行对组团内部出行的影响.

模型中引入循环反馈主要是由于传统四阶段模型为单向顺序模型，上一阶段模型的输出结果作为下一阶段模型的输入数据，导致各阶段结果的不一致，随着城市交通拥堵日益加剧，这一缺点更加突出. 针对该问题，FHWA提出引入反馈机制，保证模型内部结果一致性的方法；国内正在编制中的《城市轨道交通客流预测规范》明确提出城市交通需求预测模型应利用反馈迭代技术，综合反映各类交通出行方式以及公共交通出行方式之间的竞争关系.

3.2 大连市交通需求预测模型构建

大连市交通需求预测模型以Transcad平台为基础构建，并采用Gisdk语言构建预测平台，以保证分区预测、整体分配、反馈循环的思路的实现.

3.2.1 分区交通需求预测

分区交通需求预测根据各区不同的出行特征，分别构建交通需求预测模型，主要包含出行生成、出行分布及方式划分等内容.

1) 出行生成

出行生成预测包括区域内部出行生成及分区间出行生成. 其中区域内部出行生成采用发生率/吸引率法，预测公式

(1)

(2)

其中，Pi为i小区出行产生总量；Ai为i小区出行吸引总量.

分区间出行生成采用Wisconsin走廊交通需求预测模型，模型构建

(3)

其中，V为客流生成量；P、E、I、L分别表示人口、就业人数、人均收入、交通服务水平；f为目标年；b为基本年.

2) 出行分布

出行分布模型包括出行分布预测、出行分布校核及参数的动态调整2部分.

出行分布预测采用传统的双约束重力模型，采用出行时间计算分布模型的出行阻抗. 模型形式

(4)

并基于不同目的分别对模型的阻抗函数进行标定，模型阻抗函数采用指数函数形式

(5)

出行分布校核及参数的动态调整主要引入反馈循环，基于居民出行时间的稳定性，对各分区内部居民出行分布参数进行校核，以确保预测模型结果的合理性及科学性.

3) 方式划分

出行方式划分采用转移曲线与Logit费用函数模型相结合的预测方法，步行采用转移曲线模型. 小汽车、出租车和公共交通方式划分采用Logit函数模型，通过计算不同出行方式费用以获得不同出行方式构成，模型形式

(6)

式中，Pm为选择交通方式m出行的概率；Ui为交通方式i的出行费用.

3.2.2 整体交通分配

整体交通分配主要包括道路机动车分配及公交客流分配，其中机动车分配采用用户平衡模型. 整体交通分配将分区预测的分方式OD综合后，在大连市区道路网及公交网络进行相应分配，为反馈循环提供依据.

在机动车分配过程中道路延误函数选择考虑城市交通拥堵主要集中于交叉口，而传统的延误函数为BPR函数，主要描述路段延误，为保证分配模型与实际的一致性，交通分配过程中引入路段与节点复合延误函数，并根据大连道路实际进行相应标定.

3.2.3 循环反馈

循环反馈采用移动平均法获得机动车出行时间，移动平均法中最优路段流量通过式(7)进行计算：

(7)

其中，MSAFlown为第n次迭代移动平均路段流量；Flown为当前交通分配中计算路段流量.

对不同出行时间段的各类出行方式的出行时间进行计算，并综合为全日综合阻抗反馈至出行分布阶段重新进行出行分布预测.

3.3 模型应用

根据构建的大连市区交通需求预测模型，远景年大连市区居民出行总量为1 673万人次/d，人均出行次数为2.53次/d，其中，核心区居民出行总量为867万人次/d，人均出行次数为2.55次/d；旅顺口区居民出行总量为156万人次/d；人均出行次数为2.6次/d，金州新区居民出行总量为650万人次/d，人均出行次数为2.5次/d.

居民平均时间为34 min，其中核心区35 min，旅顺口区28 min，金州新区32 min.

市区居民出行结构以公共交通出行为主，受各组团功能结构及用地布局影响，各组团出行结构各有特点，具体见表1.

表1 核心区未来出行结构 %

综合各组团交通需求预测结果，进行总体分配，考虑核心区是大连市的中心区域，集行政文化、商业金融、科技创新中心等多种功能于一体，对其高峰时段道路交通运行状况进行重点分析.

受地形条件限制，核心区道路资源有限，高峰时段瓶颈区域道路交通量呈现饱和状况，跨蜂腰断面机动车流量集中，道路服务水平较差，道路网整体运行水平一般. 具体见图4、图5.

图4 核心区高峰小时道路服务水平

4 结论

根据组团型城市的交通出行特征，采用分区预测、整体分配、循环反馈的预测思路进行交通需求预测模型构建,并引入分布参数调整、循环反馈等技

图5 核心区高峰小时车速分布

术，消除了传统4阶段模型的固有缺陷，提升了需求预测模型的科学性与精确性，保证模型更加符合实际道路运行状况，结合大连实际，构建基于分区预测的大连交通需求预测模型，模型预测结果到达预期效果，实践表明，分区预测、整体分配、反馈循环的城市交通需求预测思路适用于组团型城市交通预测模型的构建.

[1] 全永燊. 城市交通客流预测的若干问题[J]. 城市交通, 2008, 6(6): 5-8.

[2] 吴子啸, 宋维嘉, 池利兵, 等. 出行时耗的规律及启示[J]. 城市交通, 2007(1): 20-24

[3] 吴祖峰, 沈菲君. 轨道交通客流预测方法研究[J]. 宁波高等专科学校学报, 2004, 16(4): 24-28.

[4] 李旭宏. 道路交通规划[M]. 南京: 东南大学出版社, 1997.

[5] 过秀成, 吕慎. 基于合作竞争类OD联合方式划分轨道客流分配模型研究[J]. 中国公路学报, 2000, 13(4): 91-94

[6] 李春艳, 陈金川, 郭继孚, 等. 基于行为的客流预测方法探讨及应用[J]. 交通运输系统工程与信息, 2006, 6(6): 143-148.

[7] Lan C J, Menendez M, Gan A. Incorporating Feedback Loop into FSUTMS for Model Consistency [R]. Florida: Stateof Florida Department of Transportation, 2003.

The Construction of Group City’s Travel Demand Model

ZHANG Yong

(Dalian Urban Planning & Design Institute, Dalian 116011, China)

Group City’s travel characteristics are different from the mono-centric city’s travel characteristics. In view of the group city’s traffic characteristics, introducing new ideologies of forecasting zoning, the overall traffic assignment and feedback mechanism, this paper expounds the process of the construction of the group city’s travel demand model.

group city; travel demand model; feedback mechanism; traffic assignment

10.13986/j.cnki.jote.2015.03.011

2015- 03- 26.

张 勇(1982—), 男, 工程师， 研究方向为交通规划. E-mail：zy0001264@hotmail.com

U 121

A

1008-2522(2015)03-52-04