介入机会模型的应用.doc

交通分布在四阶段中的主要作用是研究各交通小区之间的出行联系，计算交通小区i的出行产生量有多少分配到j小区。既有预测方法主要有两大类，分别是增长系数法和基于出行规律的模型构造法，前者主要包括常增长系数法、平均增长系数法、底特律法（Detroit Method）、福莱特法（Fratar Method）、佛尼斯法（Furness Method），其对交通分布的预测往往需要具备全OD矩阵，在实践中受限较多。后者主要包括重力模型、最大熵模型、介入机会模型和神经网络模型Error! Reference source not found.]Error! Reference source not found.]，其中重力模型因使用方便、在交通分布预测实践中应用较多。
除介入机会模型外，其它大多数模型均需要交通小区同时具有客运生成量和吸引量两类数据。对于城市群客运通道影响范围的交通小区而言，由于历史时间序列的客运量统计值以售出“客票”为准，即每个交通小区内只有实际售出客运票才计入统计数据，到达该小区的吸引客流并没有列入统计系统中。如此就使得区域交通分布预测所需的交通吸引量因缺少基础数据而难以预测。
因此，常用的交通分布模型在解决区域交通需求过程中存在较多的障碍，有些学者为了应用这些模型做出了一些假设：例如交通小区的发生量与吸引量相等，或者交通小区的吸引量根据区位条件对生成量进行调整等。由于这些假设条件下得到的吸引量缺少到达源的分析，使得其预测精度大大降低。但是，介入机会模型在应用时仅需要i小区的出行生成量数据和j小区的交通吸引能力参数，如此就可以回避客运通道规划时交通小区的吸引量难以确定的问题。
1.1.1 传统介入机会模型的弊端和误区
传统介入机会模型如下式所示：
(Error! No text of specified style in document..1)
式中：qij——交通小区i到j的分布量；这里需要对j进行处理，首先取任一小区，令其编号为i，对于剩余小区按照距离i的远近，从小到达依次排序，第j个小区就代表该小区与i小区的距离处于第j的位置（下同）。
Qi——i交通小区的交通产生量；
a——一次到达机会被吸引的概率；
n——交通小区的个数。
Sj——i小区到1～j-1个交通小区的到达机会数累计，国内不少学者把该参数理解为i小区到1～j-1小区的交通分布量累计值，然而从介入机会模型的推导过程来看，对该参数的理解存在一定的误区：
(Error! No text of specified style in document..2)
若Sj被理解为交通分布量累计值， xj就应被理解为j小区的交通分布量。顺着这种思路，文献Error! Reference source not found.]对的推导过程如下：
(Error! No text of specified style in document..3)
将式（3.30）代入（3.29），可得：

将上式写成微分形式：

最终求得下式：

式（3.28）正是由下式推导而来：

由此可知，和均应为[0,1]区间的值，其中被理解为通过第j-1个小区的概率。式（3.29）可以调整为如下所示：
(Error! No text of specified style in document..4)
从上式的构型来看，若xj为i与j小区的出行分布量，则，显然该式并不成立，因此，将xj理解为i与j小区的出行分布量是不恰当的。
既有国内研究除了上述误解外，文献Error! Reference source not found.]将xj抽象的定义为j小区的到达机会数，这一因素在实际应用中的量化存在较大的困难。
由上式可以判断，介入机会模型在应用过程中不需要以交通小区的吸引量为基础，能适应出行吸引量难以科学预测的规划任务。但该传统模型在应用中存在一些问题：①一次到达机会被吸引的概率a值没有给出有效的确定方法，若其取值过于随意，将对OD矩阵的分布影响较大；②所有交通小区共用一个吸引概率指标a，不能体现交通小区的区位，社会经济发展因素对其吸引量的影响。③体现j小区到达机会的参数xj确定困难。
1.1.2 改进型介入机会模型与主要参数
若将式（3.29）中的视为一个独立参数，由式（3.31）可判断表示为出行量通过j-1和j小区的概率相对变化量，其有实际的统计意义，因此可对介入机会模型进行如下改进：
(Error! No text of specified style in document..5)
(Error! No text of specified style in document..6)
将式3.34代入3.33，可得：

将上式写成微分形式：

最终求得下式：

(Error! No text of specified style in document..7)
对比式（3.34）和（3.28），虽然公式中(3.34)的参数个数比(3.28)中有所减少，但这并没有降低模型的应用精度，因为Sj的实际内容发生了变化，其数值由公式（3.33）确定，而该公式中的参数aij表示i小区到第j个交通小区的吸引概率，其同时综合了原有公式中的单一吸引概率a和到达机会xj两个参数。因为交通小区i到j的客流吸引率应与i到j小区的交通阻抗成负相关，与i、j两小区的人口规模、就业岗位总量和旅游资源等成正相关，因此该参数的计算可借鉴重力模型思路，采用下式：
(Error! No text of specified style in document..8)
(Error! No text of specified style in document..9)
式中：kij——i和j小区之间的经济引力；
——tij为小区i和j之间的交通阻抗，为其阻抗影响效果；
——小区i由人口pi、就业岗位oi、旅游收入li等综合反映的属性；
——小区j由人口pi、就业岗位oi、旅游收入li等综合反映的属性；
对于公式（3.34）-（3.36）中的参数，在客运通道的规划实践中可按下述方法确定：
1. 的确定
前文已评述，通道内客流的出行期望除了安全可靠外，对出行时间的诉求是尽可能的短，因此，若i小区到j小区之间存在多条路径，其客流吸引率应取决于两者之间所有路径阻抗的最小值。其函数形式有幂函数、指数函数以及组合函数形式。实践中常选用指数函数形式来反映阻抗效果随阻抗参数的变化趋势，如下式：
(Error! No text of specified style in document..10)
其中：tij—— 从i到j的总阻抗，可以由下式计算。
(Error! No text of specified style in document..11)
式中：——交通小区i到j之间，第m条路径的综合费用；
——社会平均时间价值；
——第m条路径中的第a路段以自由流速行驶的自由行驶时间；
——第m条路径中的第a条路段的长度；
——第m条路径中的第a条路段的收费费率；
——第m条路径中的第i个枢纽节点的中转费用；
——第m条路径中的第i个枢纽节点的中转耗费时间；
——交通小区i到j之间，第m条路径中的所有路段集；
——交通小区i到j之间，第m条路径中的所有收费路段的节点集。
2. 和的确定
i小区和j小区之间的客流交换量与两个小区的众多社会、经济因素相关，人口越多，其对外出行的基数也越大；就业岗位反映了该城市的经济创造力和吸引力；随着人均收入水平的日渐提升，旅游资源也是吸引客流的重要因素。因此可用如下综合属性值反映上述三个因素对交通小区客流吸引能力
(Error! No text of specified style in document..12)
式中，a1、a2和a3分别代表人口因素、就业岗位因素和旅游资源因素对i小区吸引概率的影响因子，在有现状OD矩阵的条件下可以采用最小二乘法对其进行标定，在现状OD缺失的条件下可用如下几何平均模型反映上述三个因素对交通小区客流吸引能力的综合属性值：
(Error! No text of specified style in document..13)
式中，pi、oi、li选用的量纲以保持三者有相同的数量级别为宜。
3. 阻抗函数中参数c的标定
实践中可以在客运通道进行一定量的旅客出行意愿调查，用调查结果或者部分现状OD反向标定c值对运输阻抗的灵敏程度。
添加介入机会模型的应用实例