劉麗華， 王 煒， 華雪東， 李愛增

(1.城市智能交通江蘇省重點(diǎn)實(shí)驗(yàn)室， 南京 211189； 2.河南城建學(xué)院土木與交通工程學(xué)院， 平頂山 467036； 3.現(xiàn)代城市交通技術(shù)協(xié)同創(chuàng)新中心， 南京 211189； 4.東南大學(xué)交通學(xué)院， 南京 211189)

20世紀(jì)60年代，Campbell[1]把交通需求預(yù)測(cè)分為交通生成、交通分布、交通方式劃分和交通分配4個(gè)步驟進(jìn)行，具有代表性的“四階段”城市交通需求預(yù)測(cè)模型正式誕生，作為交通需求預(yù)測(cè)的經(jīng)典方法，四階段法邏輯關(guān)系明確、步驟分明，在實(shí)際工程項(xiàng)目中獲得了廣泛的應(yīng)用[2]。在四階段基礎(chǔ)之上，各個(gè)階段又都有具體的理論和相應(yīng)的模型。然而，隨著四階段法相關(guān)理論和模型的廣泛應(yīng)用，經(jīng)典預(yù)測(cè)法出現(xiàn)了階段劃分主觀性強(qiáng)、分析過程數(shù)據(jù)需求大、結(jié)果易受模型及參數(shù)取值影響等問題，也長(zhǎng)期受到詬病，亟待理論層面的改善及創(chuàng)新。

現(xiàn)對(duì)現(xiàn)代城市交通需求預(yù)測(cè)理論與模型進(jìn)行系統(tǒng)分析，由于交通分配過程依賴于道路網(wǎng)絡(luò)方案，通常將其歸入網(wǎng)絡(luò)布局規(guī)劃研究，現(xiàn)重點(diǎn)圍繞交通生成、交通分布、方式劃分三個(gè)階段展開。

1 交通需求預(yù)測(cè)理論概述

1.1 交通需求預(yù)測(cè)理論體系

21世紀(jì)以來，中外學(xué)者從交通生成、交通分布、交通方式劃分等方面對(duì)交通需求預(yù)測(cè)進(jìn)行了廣泛的研究，從交通調(diào)查到規(guī)劃理論、從交通規(guī)劃建模方法到應(yīng)用，從理論研究進(jìn)展到國(guó)際應(yīng)用熱點(diǎn)，經(jīng)過30多年不斷地探究和實(shí)踐，城市交通需求預(yù)測(cè)理論及模型的研究已經(jīng)取得了較好的成果，通過研究中外文獻(xiàn)，對(duì)城市交通需求預(yù)測(cè)理論體系進(jìn)行了梳理，如圖1所示。

圖1 交通需求預(yù)測(cè)理論體系Fig.1 Theory system of traffic demand forecasting

交通生成是交通需求預(yù)測(cè)的第一個(gè)階段，是最基本的部分之一，主要目標(biāo)是求得各個(gè)交通區(qū)內(nèi)的需求總量，即交通生成量，繼而進(jìn)一步得到交通發(fā)生量與交通吸引量。按照分析對(duì)象的統(tǒng)計(jì)單位不同，交通生成分析模型可以分為集計(jì)模型、非集計(jì)模型兩類。集計(jì)模型是以交通區(qū)為單位整體的統(tǒng)計(jì)與分析交通出行的次數(shù)，常用的集計(jì)模型主要有原單位法、增長(zhǎng)率法與函數(shù)法，其分析的關(guān)鍵要點(diǎn)分別為單位指標(biāo)、增長(zhǎng)系數(shù)與生成函數(shù)關(guān)系，比較適合進(jìn)行短期預(yù)測(cè)。非集計(jì)模型則是以個(gè)體的出行選擇概率分析為基礎(chǔ)，估計(jì)每個(gè)出行者的出行次數(shù)，并統(tǒng)計(jì)獲得交通系統(tǒng)的總體出行情況，主要的方法包括Logit模型、基于神經(jīng)網(wǎng)絡(luò)的分析模型等其他預(yù)測(cè)模型。相比集計(jì)模型而言，非集計(jì)模型由于分析精度高、適用范圍廣的優(yōu)點(diǎn)，雖然起步發(fā)展略晚，但是已經(jīng)成為研究的主流與熱點(diǎn)并開始逐漸用于生成分析實(shí)踐。

交通分布是交通需求預(yù)測(cè)的第二階段，其任務(wù)是將各交通區(qū)的交通需求量轉(zhuǎn)換為交通區(qū)之間的交通分布量(origin-destination，OD)，進(jìn)而整理得到OD矩陣。交通分布預(yù)測(cè)模型一般而言可以分為兩類：增長(zhǎng)系數(shù)模型、構(gòu)造模型。增長(zhǎng)系數(shù)模型假定未來的OD矩陣與現(xiàn)有OD矩陣相同，并基于這一假設(shè)進(jìn)行OD分布分析，更適用于中短期時(shí)間范圍內(nèi)的交通分布分析，包括平均增長(zhǎng)系數(shù)模型、Frater模型、Furness模型和Detroit模型等。構(gòu)造模型則是通過對(duì)OD分布規(guī)律的剖析，構(gòu)建相應(yīng)的數(shù)學(xué)模型來處理交通分布的演化問題，包括了重力模型、熵模型、介入機(jī)會(huì)模型等。相比較而言，構(gòu)造模型更適合于中長(zhǎng)期交通分布分析。

交通方式劃分是基于出行者的出行方式選擇行為，所構(gòu)建的用于分析與預(yù)測(cè)不同交通方式出行比例的步驟。按照分析對(duì)象的統(tǒng)計(jì)單位不同，同樣可以將交通方式劃分模型分為集計(jì)模型、非集計(jì)模型兩類。與交通生成模型類似的，采用集計(jì)模型分析時(shí)以交通區(qū)為單位整體統(tǒng)計(jì)與分析交通區(qū)交通方式選擇比例，常用模型包括了轉(zhuǎn)移曲線模型、交叉分類模型、回歸模型等。非集計(jì)模型是以個(gè)體的方式選擇行為為基礎(chǔ)，估計(jì)每個(gè)出行者的方式選擇概率，進(jìn)而獲得交通區(qū)范圍內(nèi)每種方式的出行比例，常用的方法包括Logit模型、Probit模型和MD(modal demand)模型等。

1.2 交通需求預(yù)測(cè)軟件概述

隨著計(jì)算機(jī)技術(shù)的發(fā)展和城市交通規(guī)劃事業(yè)的興起，人們?cè)絹碓秸J(rèn)識(shí)到計(jì)算機(jī)技術(shù)對(duì)交通規(guī)劃工作的幫助，逐漸研發(fā)了各種各樣的交通需求預(yù)測(cè)軟件，輔助交通模型分析。

國(guó)外從最早的美國(guó)UTPS軟件到MINUTP、TransCAD、EMME/2、TRIPS、TP+、TRAN-PLAN、PTVVISION等軟件[3]，可列舉的交通規(guī)劃軟件有數(shù)十種。國(guó)內(nèi)東南大學(xué)研發(fā)了交通網(wǎng)絡(luò)系統(tǒng)分析軟件——交運(yùn)之星TranStar，具有城市交通版、交通管理版、公路交通版3個(gè)版本，是中國(guó)少數(shù)自行開發(fā)、具有自主知識(shí)產(chǎn)權(quán)的交通分析軟件之一。

目前在國(guó)內(nèi)應(yīng)用最突出的交通需求預(yù)測(cè)主流軟件[4]如表1所示。

表1 國(guó)內(nèi)主流交通需求預(yù)測(cè)軟件Table 1 Mainstream traffic demand forecasting software of domestic

2 城市交通生成預(yù)測(cè)理論與模型

2.1 交通生成預(yù)測(cè)集計(jì)理論與模型

中外常用的交通生成預(yù)測(cè)集計(jì)模型主要有原單位法、增長(zhǎng)率法、函數(shù)法。原單位法是最早的交通生成預(yù)測(cè)模型，包括基本原單位法、交叉分類法、類型分析法，基本思想[5]是將每人或每戶平均產(chǎn)生的交通量作為原單位，整個(gè)研究對(duì)象地區(qū)的總生成交通量即等于此原單位與總?cè)丝跀?shù)或總戶數(shù)相乘。原單位法只能考慮單一因素，在有多個(gè)影響因素時(shí)會(huì)有較大的誤差，僅用于較為粗略的估計(jì)。增長(zhǎng)率法則認(rèn)為各個(gè)交通區(qū)的發(fā)生、吸引交通量等于基年此小區(qū)的發(fā)生、吸引交通量乘以其到預(yù)測(cè)年的增長(zhǎng)率，可以將發(fā)生、吸引量的增長(zhǎng)率按照某些特征指標(biāo)的增長(zhǎng)率來加以計(jì)算。交通小區(qū)發(fā)生、吸引量預(yù)測(cè)最常用的方法是函數(shù)法[6]，包括回歸分析模型、增長(zhǎng)系數(shù)模型、時(shí)間序列模型，其中回歸分析模型建立出行量和主要影響因素的函數(shù)關(guān)系，適合用于宏觀性的預(yù)測(cè)及分析；增長(zhǎng)系數(shù)模型認(rèn)為目標(biāo)年各交通區(qū)的居民出行生成量等于各交通小區(qū)基年的出行量乘以基年到目標(biāo)年的增長(zhǎng)率，依據(jù)某些提前設(shè)定的方式把出行發(fā)生、吸引量的增長(zhǎng)率按照固定指標(biāo)的增長(zhǎng)率進(jìn)行處理，因此只用于預(yù)測(cè)外部到本區(qū)域的出行量；時(shí)間序列模型基于過去以及現(xiàn)在的交通生成，關(guān)聯(lián)交通生成與時(shí)間，據(jù)此進(jìn)行回歸分析及建模，該方法隨著時(shí)間的增長(zhǎng)及交通政策的實(shí)施等預(yù)測(cè)精度下降，因此僅適宜進(jìn)行短期預(yù)測(cè)。

以上傳統(tǒng)預(yù)測(cè)集計(jì)模型在使用過程中，存在需收集大量的相關(guān)的數(shù)據(jù)、模型簡(jiǎn)單、只考慮了常見影響因素等問題，研究人員進(jìn)行了改進(jìn)，從土地利用人口等角度[7]分析了不同交通小區(qū)的交通需求差異，研究手段包括回歸分析、聚類分析與總量平衡分析[8]、土地利用與居民出行生成的直接相關(guān)分析[9]。裴玉龍等[10]、曲同慶等[11]、鐘遠(yuǎn)岳等[12]、張雅婷等[13]的研究也提出了考慮地塊可達(dá)性的交通生成預(yù)測(cè)模型，給出了地塊可達(dá)性的量化方法。現(xiàn)階段中外交通生成預(yù)測(cè)集計(jì)模型基本在上述方法基礎(chǔ)上展開，相關(guān)成果也得到了驗(yàn)證及應(yīng)用：為了簡(jiǎn)化傳統(tǒng)模型通過土地利用來預(yù)測(cè)各小區(qū)人口、勞動(dòng)力及就業(yè)崗位分布等的預(yù)測(cè)思路，楊明等[14]直接分析了土地利用與交通生成的關(guān)系，簡(jiǎn)化了中間過程，對(duì)于城市總規(guī)與交規(guī)同步實(shí)施的城市，能夠大幅縮減由交通調(diào)查所帶來的人力、物力、財(cái)力消耗。楊敏等[15]提取聚類變量對(duì)交通小區(qū)進(jìn)行聚類分析，并采取適當(dāng)指標(biāo)對(duì)初始預(yù)測(cè)模型調(diào)整，得到基于居住用地面積的交通區(qū)出行產(chǎn)生、吸引預(yù)測(cè)值，實(shí)證研究證明預(yù)測(cè)結(jié)果更為科學(xué)、合理。肖忠斌[16]建立了城市土地利用與交通系統(tǒng)協(xié)調(diào)發(fā)展模型，采用非線性回歸模型分析各影響變量對(duì)交通生成的影響機(jī)理，設(shè)計(jì)了基于敏感性分析的啟發(fā)式迭代算法，并以湖州市作為算例來驗(yàn)證城市土地利用與交通系統(tǒng)協(xié)調(diào)發(fā)展理論切實(shí)可行。針對(duì)城市新區(qū)基礎(chǔ)資料不足而影響傳統(tǒng)模型預(yù)測(cè)精度問題，楊敏等[17]研究了城市人口土地利用與交通需求之間相互作用機(jī)理，建立了以下基于城市人口和土地利用的城市新城區(qū)生成預(yù)測(cè)模型。

2.2 交通生成預(yù)測(cè)非集計(jì)理論與模型

除了上述集計(jì)方法之外，Logit模型、灰色預(yù)測(cè)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)等非集計(jì)方法近年來逐步開始用于交通生成預(yù)測(cè)，并且在國(guó)內(nèi)很多城市居民出行數(shù)據(jù)分析及出行量預(yù)測(cè)中得到了廣泛的應(yīng)用。梅振宇等[18]針對(duì)灰色預(yù)測(cè)模型在面臨隨機(jī)性、波動(dòng)性較大的數(shù)據(jù)時(shí)精度會(huì)降低的問題，提出了改進(jìn)的灰色馬爾可夫預(yù)測(cè)方法。富曉艷等[19]建立了基于Logit模型的居民個(gè)人出行生成預(yù)測(cè)模型。陸化普等[20]在分析交通出行需求影響因素的基礎(chǔ)上，建立按照多層前饋(back propagation，BP)神經(jīng)網(wǎng)絡(luò)模型對(duì)城市居民的交通出行行為預(yù)測(cè)進(jìn)行研究。鄧捷等[21]以離散數(shù)據(jù)為基礎(chǔ)，利用徑向基(radial basis function back propagation，RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行了交通生成預(yù)測(cè)。

3 城市交通分布預(yù)測(cè)理論與模型

交通分布預(yù)測(cè)模型按照預(yù)測(cè)范圍分為2大類[22]：一類是以預(yù)測(cè)中短期交通分布為主的增長(zhǎng)系數(shù)模型，包括簡(jiǎn)單增長(zhǎng)系數(shù)模型、Fratar模型、Furness模型、Detroit模型等；另一類是預(yù)測(cè)中長(zhǎng)期交通分布的構(gòu)造模型，包括重力模型、熵模型、介入機(jī)會(huì)模型。

3.1 增長(zhǎng)系數(shù)模型

增長(zhǎng)系數(shù)模型假定交通小區(qū)未來年交通產(chǎn)生量和吸引量以特定系數(shù)增長(zhǎng)，不同模型增長(zhǎng)系數(shù)的計(jì)算方法各異，此類模型簡(jiǎn)便易行、易于理解，但是需要完整的基礎(chǔ)矩陣；同時(shí)模型假設(shè)交通抗阻固定不變，未考慮運(yùn)輸費(fèi)用的降低、基礎(chǔ)設(shè)施的改善以及交通擁堵等等的影響，一旦研究年限內(nèi)土地使用和經(jīng)濟(jì)結(jié)構(gòu)發(fā)生了重大的改變，預(yù)測(cè)精度大大降低[23]。由此，增長(zhǎng)系數(shù)模型適用于交通增長(zhǎng)狀況相對(duì)穩(wěn)定區(qū)域的短期交通分布預(yù)測(cè)，不適用于進(jìn)行交通政策分析。

3.2 構(gòu)造模型

3.2.1 重力模型

重力模型在1955年首次用于交通分布預(yù)測(cè)，該模型到目前為止仍然是最流行和應(yīng)用最廣泛的模型[24]。重力模型模擬物理學(xué)中的萬有引力定律，認(rèn)為小區(qū)之間交通量的發(fā)生與吸引，與兩小區(qū)的質(zhì)量(人口數(shù)量、工作崗位等)成正比，與兩小區(qū)之間的交通阻抗成反比。按照模型預(yù)測(cè)交通量與求和后的發(fā)生、吸引交通總量是否一致，重力模型分為無約束重力模型、單約束重力模型、雙約束重力模型、行程時(shí)間模型。對(duì)比增長(zhǎng)系數(shù)模型的優(yōu)勢(shì)在于，重力模型不需要現(xiàn)狀OD矩陣。然而，根據(jù)經(jīng)典重力模型，當(dāng)出行成本為零(或者極低)時(shí)，將會(huì)導(dǎo)致出行交換量結(jié)果增長(zhǎng)過快，必須對(duì)其進(jìn)行改進(jìn)。改進(jìn)重力模型[25]研究集中于參數(shù)標(biāo)定方法改進(jìn)和基于土地利用的改進(jìn)：重力模型標(biāo)定方法包括線性回歸法、逐步搜索法、牛頓法、Hyman法等，國(guó)內(nèi)外學(xué)者針對(duì)模型參數(shù)標(biāo)定方法的改進(jìn)涉及基于牛頓法或類牛頓法的最速下降法、梯度法、基于逐步搜索法的時(shí)空分布標(biāo)定法[26]，基于Hyman法的拋物線法[27]等，模型本質(zhì)是對(duì)模型參數(shù)標(biāo)定方法的改進(jìn)，并沒有改變重力模型存在的本質(zhì)問題；對(duì)基于土地利用的改進(jìn)重力模型，其本質(zhì)是結(jié)合開發(fā)強(qiáng)度計(jì)算交通小區(qū)之間各類用地性質(zhì)的吸引強(qiáng)度，根據(jù)吸引強(qiáng)度計(jì)算吸引概率，從而求得各交通小區(qū)之間的出行分布量，最終得到各小區(qū)的出行OD矩陣[28]。

3.2.2 熵模型

增長(zhǎng)系數(shù)模型和重力模型在早期應(yīng)用實(shí)踐中都產(chǎn)生了較好的效果，但大多來源于物理學(xué)模型和人們的直觀認(rèn)識(shí)，雖然模型簡(jiǎn)單實(shí)用，卻缺乏理論依據(jù)，說服性不強(qiáng)。1966年Murchland[29]明確提出重力模型可以用公式表達(dá)為平衡最大化問題的求解，開啟了熵理論應(yīng)用于交通分布模型研究的大門。其后的10年間，Wilson[30-32]運(yùn)用熵理論詳細(xì)闡述了OD流的估計(jì)，提出了不同形式的最大熵模型，并給出了嚴(yán)格的理論上的證明，從而奠定了熵模型在交通分布理論中的重要地位。然而熵模型是一個(gè)純理論上的求解，模型中規(guī)劃年矩陣與現(xiàn)狀矩陣沒有關(guān)聯(lián)，這一點(diǎn)違背了分布預(yù)測(cè)所遵循的“立足現(xiàn)狀，預(yù)測(cè)未來”的基本思想。為了彌補(bǔ)這個(gè)缺陷，人們又開發(fā)了引入歷史信息的熵模型，以后的熵模型都是基于以上模型改進(jìn)，例如佐佐木綱的重力式先驗(yàn)概率的最大熵模型[33]，F(xiàn)ang等[34]的模型都是對(duì)基本熵模型的改進(jìn)。

3.2.3 介入機(jī)會(huì)模型

介入機(jī)會(huì)模型的基本思想[35]為，將從某一個(gè)交通區(qū)出行的交通量(即生成量)選擇某一個(gè)交通區(qū)作為目的地的概率進(jìn)行模型化，所形成的模型記為介入機(jī)會(huì)模型。模型具有如下的假定：①出行者希望出行時(shí)間盡可能短；②出行者選擇目的地交通區(qū)時(shí)，會(huì)按照合理標(biāo)準(zhǔn)確定交通區(qū)優(yōu)先順序；③出行者選擇某交通區(qū)作為目的地的概率與該區(qū)活動(dòng)規(guī)模成正比。在此假定下，兩個(gè)交通區(qū)之間的阻抗不再直接與距離或費(fèi)用相關(guān)，而是依賴于兩個(gè)交通區(qū)之間介入目的地的機(jī)會(huì)數(shù)。由于介入機(jī)會(huì)模型的概率選擇過于籠統(tǒng)，交通區(qū)優(yōu)先順序的決定也存在一定主觀性，導(dǎo)致了介入機(jī)會(huì)模型在處理城市內(nèi)部交通分布，尤其是中短距離出行分析時(shí)精度較低，因此該方法在城市交通分布分析中的應(yīng)用較少。

3.2.4 構(gòu)造模型的改進(jìn)及應(yīng)用

對(duì)比現(xiàn)有研究成果文獻(xiàn)發(fā)現(xiàn)，目前國(guó)內(nèi)交通分布預(yù)測(cè)模型研究以重力模型、熵模型及其改進(jìn)模型為主，集中于重力模型的誤差分析[36-37]、重力模型組合預(yù)測(cè)、改進(jìn)的重力模型及參數(shù)標(biāo)定[38-39]、基于系統(tǒng)平衡的重力模型[40]、改進(jìn)的熵模型[41-45]。

(1)在重力模型組合預(yù)測(cè)方面，王煒等[46]應(yīng)用Fratar模型對(duì)無約束重力模型參數(shù)進(jìn)行標(biāo)定，并預(yù)測(cè)發(fā)生吸引交通量，得到滿足收斂判別條件的OD分布預(yù)測(cè)最終結(jié)果，既充分利用了現(xiàn)狀出行分布信息，又兼顧路網(wǎng)變化及土地利用等的影響，仿真預(yù)測(cè)結(jié)果證實(shí)其能夠提升預(yù)測(cè)結(jié)果的準(zhǔn)確性和預(yù)測(cè)模型的適用性。

(2)在改進(jìn)的重力模型及參數(shù)標(biāo)定方面，鄧明君等[47]、朱順應(yīng)等[48]分別將回歸分析、模糊數(shù)學(xué)用于傳統(tǒng)重力模型參數(shù)標(biāo)定，并通過實(shí)例證實(shí)了有效性。

(3)在熵模型的改進(jìn)方面，考慮到傳統(tǒng)熵模型對(duì)路段交通量完全置信這一不足，王煒等[49]提出了修正模型，考慮交通調(diào)查產(chǎn)生及交通分配引起的誤差，極大提高了預(yù)測(cè)精度，并利用山東省公路網(wǎng)實(shí)測(cè)OD矩陣及路段流量數(shù)據(jù)進(jìn)行了檢驗(yàn)，證實(shí)了模型的可靠性及可行性。

4 城市交通方式劃分預(yù)測(cè)理論與模型

4.1 方式劃分預(yù)測(cè)集計(jì)模型

常用的交通方式劃分預(yù)測(cè)集計(jì)模型有轉(zhuǎn)移曲線模型、交叉分類模型、回歸模型等。轉(zhuǎn)移曲線法就是根據(jù)調(diào)查及統(tǒng)計(jì)資料，繪制各種交通方式分擔(dān)率及其影響因素之間的關(guān)系曲線[50]。交叉分類模型則以家庭為分析單位，根據(jù)對(duì)方式劃分起決定作用的因素將整個(gè)研究區(qū)域的家庭劃分成若干類型?；貧w模型則是通過建立回歸方程對(duì)交通方式分擔(dān)率與影響因素之間的關(guān)系進(jìn)行預(yù)測(cè)，如Scheiner[51]構(gòu)建的不同出行距離下不同出行方式的劃分模型。國(guó)內(nèi)相關(guān)研究起步較晚，陳學(xué)武[52]提出了分層次進(jìn)行出行方式隨出行距離變化規(guī)律的分析；何婷等[53]基于大城市交通結(jié)構(gòu)的公交設(shè)施、服務(wù)水平等指標(biāo)構(gòu)建回歸分析模型，探討了公交出行結(jié)構(gòu)的預(yù)測(cè)方法與優(yōu)化方案；趙磊等[54]聚焦于慢行交通，分析了用地布局、時(shí)間分布、出行距離分布等特征，構(gòu)建了慢行交通的分擔(dān)率曲線模型；王健[55]從微觀層次分析了各種出行方式的通達(dá)性，構(gòu)建了出行方式轉(zhuǎn)移曲線。以上集計(jì)模型適用于基礎(chǔ)數(shù)據(jù)豐富的城市交通方式劃分預(yù)測(cè)，對(duì)于基礎(chǔ)資料不足的城市或者新區(qū)不適用。

4.2 方式劃分預(yù)測(cè)非集計(jì)模型

考慮到人口數(shù)、勞動(dòng)力、就業(yè)崗位數(shù)等基礎(chǔ)數(shù)據(jù)采集困難，同時(shí)隨著概率論理論的發(fā)展以及出行單元的細(xì)化，研究人員的目光從研究整體性結(jié)構(gòu)及出行方式的變化規(guī)律，逐步轉(zhuǎn)向研究個(gè)體出行特征轉(zhuǎn)變。以Mcfadden等[56]為代表的一批學(xué)者以概率論為理論基礎(chǔ)，將經(jīng)濟(jì)學(xué)中的效用理論引入方式劃分問題，提出了非集計(jì)的方式劃分模型，以單個(gè)出行者為對(duì)象，充分利用每組調(diào)查樣本數(shù)據(jù)的內(nèi)在聯(lián)系，通過建模求解個(gè)體選擇行為的概率，最后轉(zhuǎn)化為出行方式選擇概率值[57]。目前較為成熟的主要有Logit模型、Probit模型、MD模型[58]。Logit模型以隨機(jī)效用理論和效用最大化理論為基礎(chǔ)，通過構(gòu)建充分考慮出行行為特征、出行者屬性特征、出行環(huán)境特征等相關(guān)變量的效用函數(shù)實(shí)現(xiàn)方式劃分預(yù)測(cè)的目的[59]，Logit模型經(jīng)過不斷的發(fā)展和演變，形成了包括多項(xiàng)logit模型(multi-nominal logit，MNL)、混合Logit模型(mixed logit，ML)、巢式Logit模型(nested logit，NL)等模型在內(nèi)的整套體系。考慮到Logit模型效用隨機(jī)項(xiàng)單獨(dú)假設(shè)，又逐漸演變出克服了Logit模型不相關(guān)選項(xiàng)間的獨(dú)立性(independence from irrelevant alternatives，IIA)特征缺陷的Probit模型[60]、考慮固定選擇屬性的Dogit模型[61]等。上述模型雖然克服了IIA缺陷，但是求解復(fù)雜。

因此，目前非集計(jì)方式劃分的實(shí)際應(yīng)用中，研究人員仍傾向于Logit模型，并在基本模型上進(jìn)行一系列的改進(jìn)，基于ML模型[62]、出行廣義成本[63-64]、MNL模型[65-66]、NL模型、MD等[67]模型對(duì)出行方式劃分進(jìn)行了研究，分析了不同變量對(duì)出行方式選擇的影響。

除了以上非集計(jì)模型以外，結(jié)構(gòu)方程模型(structural equation model，SEM)也被用于方式劃分預(yù)測(cè)，研究人員利用SEM模型研究了出行時(shí)間、出行乘車距離、小汽車擁有情況、立體空間結(jié)構(gòu)對(duì)出行方式的影響[68-69]，并對(duì)基于影響因素結(jié)構(gòu)模型的方式分擔(dān)預(yù)測(cè)[70-72]問題進(jìn)行了探討。

4.3 優(yōu)勢(shì)出行距離理論在方式劃分預(yù)測(cè)中的應(yīng)用

上文介紹的集計(jì)模型及非集計(jì)模型大體囊括了常用的交通方式劃分分析方法?？紤]到出行距離因素在方式選擇過程中的重要影響[73-74]，參考轉(zhuǎn)移曲線的思想可以分析得到每種出行方式相較于其他出行方式呈現(xiàn)出顯著的優(yōu)勢(shì)，即優(yōu)勢(shì)出行距離。這一分析過程中，可以得到交通方式在各等級(jí)道路上的出行距離分布[75-76]、平均出行距離特征[77]、分擔(dān)率距離曲線[78-79]等信息，形成了基于優(yōu)勢(shì)出行距離的方式劃分模型、基于出行消耗和優(yōu)勢(shì)出行距離的方式劃分模型，形成了綜合運(yùn)輸優(yōu)勢(shì)出行距離[80-81]、基于優(yōu)勢(shì)出行距離的方式劃分軟件的開發(fā)[82-83]、基于廣義出行費(fèi)用的優(yōu)勢(shì)出行距離曲線模型[84]等成果，這些成果的應(yīng)用進(jìn)一步完善了基本的交通方式劃分理論，揭示了城市多模式交通網(wǎng)絡(luò)背景下各種出行方式的競(jìng)爭(zhēng)機(jī)理。

5 交通需求預(yù)測(cè)理論發(fā)展方向

5.1 交通需求組合預(yù)測(cè)模型

分階段式的交通需求預(yù)測(cè)方法雖然計(jì)算與處理的過程簡(jiǎn)單，但是由于不能處理各階段之間的交互關(guān)系，導(dǎo)致分析結(jié)果多存在與實(shí)際不符的情況。為了克服這一問題，研究人員將交通生成、交通分布、方式劃分、交通分配等步驟中的兩個(gè)或多個(gè)組合，形成修正后的組合預(yù)測(cè)模型，以提升模型分析效果。

交通需求組合模型的提出始于20世紀(jì)六七十年代，經(jīng)過多年的發(fā)展，形成了基于出行目的鏈[85]、基于土地利用[86]、基于出行鏈的生成-分布組合模型[87]，基于出行距離、基于出行總量的交通分布-方式劃分組合模型，基于出行費(fèi)用、基于多方式影響的方式劃分-交通分析組合模型[88]等典型成果，以及VISEM軟件、ORDISM系統(tǒng)等集成軟件/平臺(tái)。除此以外，其他的交通需求組合模型還有(G+MS)-D-A(生成-方式劃分組合模型)[89-91]等、(G+D+MS)-A(生成-分布-方式劃分組合模型)[92]、G-(D+MS+A)(分布-分配-方式劃分組合模型)[93-96]等。常見的交通需求組合預(yù)測(cè)模型基本情況如表2所示。

表2 交通需求預(yù)測(cè)組合模型特點(diǎn)及應(yīng)用Table 2 Characteristics and application of combined model for traffic demand forecasting

由于組合預(yù)測(cè)模型需要借助大量的基礎(chǔ)數(shù)據(jù)支撐，加之模型的結(jié)構(gòu)復(fù)雜、求解不便等問題，導(dǎo)致了研究及應(yīng)用難度較大，也是交通需求預(yù)測(cè)領(lǐng)域目前研究的難點(diǎn)[97-99]。

5.2 基于交通大數(shù)據(jù)的非集計(jì)模型

非集計(jì)模型作為集計(jì)模型的替代和補(bǔ)充，更注重個(gè)人的選擇行為，與傳統(tǒng)的集計(jì)模型相比，非集計(jì)模型以明確的行為假說為基礎(chǔ)，邏輯性強(qiáng)；可以用較少的樣本標(biāo)定出模型參數(shù)；可以選用與個(gè)人決策相關(guān)的因素作為自變量，能更加準(zhǔn)確地描述個(gè)人的出行決策過程；模型具有較好的時(shí)間和空間轉(zhuǎn)移性；可以對(duì)多種交通規(guī)劃、交通政策進(jìn)行評(píng)價(jià)。

中國(guó)目前很多城市處于快速建設(shè)階段，可持續(xù)發(fā)展及交通基礎(chǔ)設(shè)施資源的合理配置等愈加重要。同時(shí)，交通規(guī)劃也從硬件設(shè)施改善向智慧交通發(fā)展，專家學(xué)者的研究重點(diǎn)開始轉(zhuǎn)向利用大數(shù)據(jù)的優(yōu)勢(shì)進(jìn)行建模分析，以求在城市交通模型構(gòu)建及應(yīng)用創(chuàng)新方面尋求更大的突破。隨著非集計(jì)模型在交通需求預(yù)測(cè)中研究的不斷深入，其應(yīng)用將更廣泛。

6 結(jié)論

在綜合中外研究成果的基礎(chǔ)上，對(duì)城市交通需求預(yù)測(cè)理論與模型進(jìn)行了綜述，得到以下結(jié)論。

(1)通過研究中外文獻(xiàn)，梳理得到對(duì)城市交通需求預(yù)測(cè)理論體系。

(2)綜述了各階段預(yù)測(cè)模型的基本原理、發(fā)展歷程及研究進(jìn)展、傳統(tǒng)模型、改進(jìn)模型及模型應(yīng)用現(xiàn)狀。

(3)指出了交通需求預(yù)測(cè)未來發(fā)展方向，目前本領(lǐng)域研究的重點(diǎn)為基于交通大數(shù)據(jù)的非集計(jì)模型，難點(diǎn)為交通需求組合預(yù)測(cè)模型。