基于活动的出行生成预测方法

冯明兵，李康奇，郑振通( ．重庆交通大学交通运输学院，重庆　400074; ．重庆交通大学土木工程学院，重庆　400074)



基于活动的出行生成预测方法

冯明兵1，李康奇1，郑振通2
( 1．重庆交通大学交通运输学院，重庆400074; 2．重庆交通大学土木工程学院，重庆400074)

摘要:出行生成预测是解决交通问题方法的基础，在四阶段法出行生成阶段运用基于活动的方法，以家庭为出行单位，分析家庭成员和家庭整体的出行链类型，构建出行生成预测模型。将模型参数分为家庭属性、活动类别和出行链特征3大类，建立家庭活动出行链选择结果的MNL模型，借助SPSS进行Logistic功能标定检验，通过实例应用说明基于活动的出行生成预测方法在四阶段法中的应用是可行的。

关键词:交通规划;出行生成预测;基于活动的方法;交通需求管理

随着交通规划理论与实践的发展，用四阶段法进行交通需求预测已经逐渐不能适应信息化、个性化的要求［1］。交通规划需求的多样性要求发展相应的交通需求预测理论。发生与吸引交通量的预测是交通需求预测四阶段预测中的第一阶段，是交通需求分析工作中基本的部分之一。生成交通量、发生与吸引交通量预测精度直接影响以后阶段乃至整个过程的预测精度［2］。现阶段生成交通量的预测方法主要有原单位法、增长率法、聚类分析法和函数法，还有利用研究区域过去的交通量或经济指标等的趋势法和回归分析等方法。生成交通量的预测与四阶段法一样存在着只给出最终结果的数据，缺乏活动行为分析，以及对实际出行中各影响因素变化不敏感的问题。20 a来，我国城市交通功能的改善主要是通过超常规和高强度的投入，侧重于物质环境的建设［3］，而对于交通行为派生于活动参与的研究才刚刚起步。结合基于活动的出行需求预测理论，研究出行生成预测方法，更精确地预测出行生成，对于活动模型向实际应用发展，丰富交通规划理论有着重要的意义。

1出行生成预测方法

1．1传统出行生成预测方法

20世纪60年代末，大多数运输规划关注的是提供运输能力，且投资集中在基础设施建设上。为了评估各种投资结果，需要模型预测投资方案的远期影响，这促使基于出行的四阶段集计预测法得到广泛应用。随着运输能力的扩充和投资作为主要政策，模型系统的目标变为粗糙预测使用特定基础设施的小区间的交通流，即使用“生成－分布－方式划分－分配”的预测方法。每一步都单独进行，解决像有多少出行产生、到哪里、选择哪种方式、走哪条路的问题［4］。

传统的出行生成预测考虑土地利用与交通的相互关系，在出行生成率的基础上按人口经济、居住面积、土地利用性质等权重分配到各个交通小区，出行生成率的确定过于简单，依赖集计的方法，缺乏解释因素。依靠权重分配到各交通小区的发生与吸引交通量对于政策变量等缺乏灵敏度，渐渐不能满足目前交通对于需求管理措施方面的要求。传统的集计模型局限性还表现在预测过程数据量大、耗时长，交通服务水平变量不协调，各阶段相对独立，仅关注单独的出行，未考虑各次出行的相互联系及约束，忽视了出行是作为活动参与愿望的一种派生需求［5］，缺少组成活动模式的出行和活动的时空联系，没有考虑到出行行为的内容，只是关注流的大小和方向，而不是流形成的机制［6］，无法体现政策［7］、交通环境变化对于居民出行的影响，对交通需求管理缺乏灵敏度，不能满足对规划微观化、细节化、动态化的要求。

1．2基于活动的出行行为分析方法

交通行为学的研究对象是处于交通活动过程这一特定环境的人的心理和行为。其规律虽然具有一定的特殊性，但往往是人们在一般状况下心理活动规律的再现或演变，两者之间存在着必然的内在联系。20世纪七八十年代出现了从微观层面上关注个体决策和选择过程的非集计方法，开始从微观机制上研究出行方式、出发时间以及交通工具类型的选择［8］。文献［9］提出出行的时空限制理论，认为个人活动存在能力限制、联结限制和权限限制。活动可定义为个体为满足自身或家庭的需要而在某件事情中的实体参与［10］，即个人在一个连续时间段内因为某种目的、采用一定的到达方式和优先权在某个地点去实现此目的的过程。出行是由活动产生［11］，人的活动是为了满足一定的社会、经济需求，因此职业、年龄不同的个体参与活动的特征也不同［12］。引入活动概念以后，模型处理的对象不再是简单的出行(物理移动)，还要考虑个人和家庭的各类决策以及引起出行的原因等等，研究范围得到了扩展［13］。根据活动理论和活动计划决策体系，个人社交网络、情感支持以及社会陪伴等因素在活动和出行计划决策中都是很重要的因素，影响个人独立参与或者在陪伴下出行活动的选择行为［14］。

基于活动的出行行为分析方法依据交通行为学理论，把出行行为与活动联系在一起，从个体行为出发，将居民的各种出行以链的形式进行跟踪分析，描述和解释日常的出行安排，既考虑影响短期出行需求变化的个人认知因素，也考虑与长时间范围变化有关的其他社会需求变化、时空约束变化、主体社会经济地位变化、技术和物质环境的变化等有关因素，剖析交通出行的微观机理，研究人们的出行行为特征和选择特征，进一步模拟了复杂行为过程。

2基于活动的出行生成预测模型

2．1家庭类型

人的属性之一是社会性，而家庭是社会的组织单元，家庭与每个人的关系也最为密切，个人的经济社会活动与家庭密不可分，交通行为同样伴随着家庭特征。家庭对个人活动影响明显，假如家庭有婴儿，父母的活动可能不会很自由;一般情况下认为年轻夫妇家庭等已婚家庭的活动类型、次数相对较多。家庭成员之间存在相互影响，这种影响不仅改变活动参与，同时改变交通出行，在生活方式相同的情况下，比如家长中的一方下班后参与娱乐活动，那么另一方参与娱乐活动的可能性较大。除了家庭成员的职业之外，家庭生活方式也对活动的需求和偏好产生影响，活动决策一般由家庭的长期生活、工作习惯决定，也可以由家庭临时计划等决定，比如家庭车辆的安排，由家庭分工以及任务分配决定的不同活动共同构成了相互关联的家庭活动需要。

家庭特征包括个体家庭特征和整体家庭特征。个体家庭特征比如家庭规模、家庭工作人数、家庭学龄前儿童数、家庭年收入、小汽车拥有等计数变量，以及单身与已婚家庭、年轻与老年夫妇家庭、受教育高低家庭等定性变量。整体的家庭特征如同统计学所展示的群体某种分布的规律。通常研究中考虑的核心家庭是指仅有父母和子女组成的家庭，在中国核心家庭占据了家庭类型的绝大多数。

不同类型家庭活动出行模式存在差别，因此对出行生成量的贡献不同。传统以个人作为基本出行单位的出行生成模型分类单位过小，而且家庭的影响无法顾及，以人均出行次数计算误差很大，而且误差不易控制。家庭的属性相对固定，将家庭作为基本出行单元，包含家庭成员日常活动之间资源共享、任务分配、共同参与等一系列相互影响关系，对于交通出行生成预测精度的提高具有重要意义。

2．2活动类型

需求是生理、心理及社会要求在人脑中的反映，是行为发生的基本动力。出行者在出行前第1步要做的是确认自身是否有出行的需要，即活动。通勤出行在城市居民出行中占很大的比例，因为社会生产活动是最主要的活动。国外通常将活动类型分为生存型活动、维持型活动以及休闲活动。这种分类基于从某一固定地点(通常是家)出发，因为各类活动的出行链均包含返程回家出行，因此不再单独划分返程回家活动。本文认为活动可以划分为强制型活动和非强制型活动。即上班、上学等活动弹性较小，归结为强制型活动，购物、娱乐等活动虽必要但不缺乏弹性，因此归结为非强制型活动。

2．3出行链类型

出行生成是从土地利用到出行这一过程中的一种过渡产物，如用地建造住宅或商场等就会有出行生成，接着就会有出行行为的开始。将家庭每个成员的日活动出行作为一个出行链分析，则家庭整体的日常工作、学习和生活等的出行，可由每个成员的活动出行链的组合得到。单个家庭成员基本出行连类型如表1所示。

表1单个家庭成员基本出行链类型

家庭整体活动出行链类型编号为1～15，分别表示出行链类型A，B，C，D，A+B，A+C，A+D，B+C，……，A+B+C+D。由于选择结果分类太多，根据建模实际需要，将家庭整体活动出行链选择结果相应地换算成每个家庭出行总次数后再分类。在基本出行链类型中，hwh的长度只能为2，hwhwh的长度只能为4，而hwh+的长度可以为3或3以上，hwhwh+的长度可以为5或5以上。选择结果分类见表2。

表2选择结果分类表

2．4 MNL模型

MNL模型的一般式为:

式中: Pin为MNL的选择概率; Vin为出行者n选择方案i的效用函数确定部分; Vjn为出行者n选择方案j的效用函数确定部分; Jn为选择方案的数量; n为出行者。

令Xink为影响个体n选择方案i的第k种因素，通常，效用函数最简单而且最常用的形式为Vin与Xink呈线性关系，其形式为

式中: K为影响选择方案的因素总数;θ为效用转换参数; An为选择方案集合。

此时，Pin为:

式中Xinj为影响个体n选择方案i的第j种因素。

在MNL模型的变形模型logistic中，有

式中: Pi为选择方案i的概率; PI为指定参照类的选择方案概率;αi为第i种选择方案的常数项;βik为相应的变量系数; xik为选择方案i的第k个变量。

由于∑Ii=1Pi=1，所以有

3模型应用

在模型中将特性变量共分为活动属性变量、出行属性变量和家庭属性变量3大类。具体情况见表3。

表3活动出行链选择变量

将选择结果类别以及影响变量代入式( 1)，指定参照类，应用SPSS软件［15］标定式( 1)的模型后，得到各选择结果相应影响变量系数，进而得到效用函数。根据调查区域变量数据及式( 2)～( 3)计算得到家庭选择概率。由于模型直接计算的结果是非集计的，因此对每种选择结果的概率集计处理，比如求平均值得到区域家庭选择结果平均概率。然后将获得的每种选择结果概率乘以区域家庭总数和每种选择结果的平均出行次数即得到该区域出行生成量。根据调查数据，当选择出行链1、2、3、4时，出行次数分别为3. 826、7. 079、10. 757、15. 176次。规划区域共有家庭26 328户，选择结果概率集计处理后分别为0. 050、0. 431、0. 499、0. 020，得到规划区域出行生成量为23. 467 8万人次。实际规划区域总人口83 986人，人均日出行次数为2. 3～3. 1次，区域出行生成量19. 316 8～26. 035 7万人次。很明显，模型预测的规划区域出行生成量为23. 467 8万人次在实际规划范围内，表明模型预测结果是正确的。

4　结语

以家庭为出行单位，选取活动、家庭以及出行3方面影响参数，合理划分选择结果，计算家庭选择结果概率，进而得到出行生成量。基于活动的出行生成预测方法，从出行者的角度解释活动出行的产生，能够满足交通规划面临的细微、灵敏、动态性的需求。

基于活动的交通需求预测模型是国外正在研究的热点，尚处于理论探讨阶段，实际使用的模型以及相关基础理论的研究成果尚欠缺。基于活动的方法在出行生成预测中不仅能够模拟活动出行链选择行为，而且通过与离散选择模型相结合能够处理定量问题。通常，定量结果的获取需经过集计处理，处理方法应认真研究。

参考文献:

［1］邵春福．交通规划原理［M］．北京:中国铁道出版社，2013．

［2］刘灿齐．现代交通规划学［M］．北京:人民交通出版社，2001．

［3］潘海啸．中国城市机动性20年发展的回顾［J］．国外城市规划，2005，20( 3) : 41－45．

［4］MANOJ Malayath，ASHISH Verma．Activity based travel demand models as a tool for evaluating sustainable transportation policies［J］．Research in Transportation Economics，2013( 38) : 45－66．

［5］MCNALL Y，MICHAEL G，RINDT Craig．The activity-based approach［M］．Kidington，the United Kingdom: Elsevier，2001．

［6］MARWA El-Sayed El-Bany，MOHAMED Maher Shahin，IBRAHIM Hassan Hashim，et al．Policy sensitive mode choice analysis of Port-Said City，Egypt［J］．Alexandria Engineering Journal，2014，53( 4) : 891－901．

［7］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．

［8］AKSHAY V，JOAN L W．Preference endogeneity in discrete choice models［J］．Transportation Research Part B，2014( 64) : 90－105．

［9］HAGERSTRAND T．What about people in regional science［C］．Paper of the Regional Science Association，1970，24: 7－21．

［10］KITAMURAR Chenc．Micro-simulation of daily activity-travel patterns for travel demand forecasting［J］．Transportation，2000，27( 1) : 25－51．

［11］GORAN Jovicic．Activity based travel demand model: a literature study［R］．Danmark: Danish Transport Research Institute，2001．

［12］XIAO J D，MOSHE E B，JOHN L B，et al．Moving from trip-based to activity-based measures of accessibility［J］．Transportation Research Part A，2006( 40) : 163－180．

［13］ELAHEH K，HARRY T．Incorporating traveler response to pricing policies in comprehensive activity-based models of transport demand: literature review and conceptualisation［J］．Procedia Social and Behavioral Sciences，2011( 20) : 594－603．

［14］LIN Tao，WANG Donggen．Social networks and joint/solo activity-travel behavior［J］．Transportation Research Part A，2014( 68) : 18－31．

［15］黄润龙．数据统计分析: SPSS原理及应用［M］．北京:高等教育出版社，2010．

(责任编辑:杨秀红)

Study on Method of Trip Generation Forecast Based on Activity

FENG Mingbing1，LI Kangqi1，ZHENG Zhentong2
( 1．Transportation＆Traffic School，Chongqing Jiaotong University，Chongqing 400074，China;
2．School of Civil Engineering＆Architecture，Chongqing Jiaotong University，Chongqing 400074，China)

Abstract:The base of solving traffic problems is the trip generation forecast，which is based on the activitybased approach in four-step methods．Taking household as travel unit，this paper analyzes the types of travel chains of household members and household units and establishes a trip generation forecast model．The paper establishes the MNL model of household activity travel chain selection based on the model parameters，which are divided into household nature，activity types and travel features，and then inspects logistic functions by means of SPSS．It shows that the activity-based approach of trip generation forecast can be used in practical application of the four-step methods．

Key words:traffic planning; trip generation forecast; activity-based approach; travel demand management

作者简介:冯明兵( 1989—)，男，河南光山人，硕士研究生，主要研究方向为交通运输规划与管理．

收稿日期:2015－04－10

DOI:10．3969/j．issn．1672－0032．2015．02．007

文章编号:1672－0032( 2015) 02－0036－05

文献标志码:A

中图分类号:U491