鄭 猛, 佘世英, 曾 浩, 李延新, 向燕陵

(1.武漢市交通發(fā)展戰(zhàn)略研究院， 武漢 430017;2.深圳市城市交通規(guī)劃設(shè)計(jì)研究中心股份有限公司， 深圳 518000)

0 引言

基于出行的四階段模型(Trip-based Model，4SM)作為城市交通模型主流架構(gòu)方法，自1950年代誕生，1980年代末期傳入國內(nèi)，至今已經(jīng)有近70年歷史. 由于其在如何使用不同子模型的行為參數(shù)上缺乏穩(wěn)定性和一致性[1](陳先龍). 很難反映由于社會經(jīng)濟(jì)發(fā)生變化或科技提升導(dǎo)致的出行需求變化[2](張曉東等)，當(dāng)涉及交通需求管理政策，如出行定價(jià)政策的評估時(shí)，四階段法的獨(dú)立性假設(shè)經(jīng)常被視為致命缺點(diǎn)[3](CuauhtemocAnda等)，亟需突破和創(chuàng)新. 國內(nèi)學(xué)者陳必壯等[7]、陳先龍[1]、全波[4-6]、魏賀等[8]、馬毅林[9]等圍繞交通模型未來發(fā)展進(jìn)行了全面而深入的思考；張?zhí)烊籟10]、趙再先[11]等、Cuauhtémoc, A.等[3]、鄧進(jìn)[12]、陳先龍[13]亦從大數(shù)據(jù)的角度提出了傳統(tǒng)模型改進(jìn)方法和建議. 隨著城市的發(fā)展，國內(nèi)對基于活動的模型研究也日益深入，并將其視為新一代模型發(fā)展的重要方向. 李民[14]、宗芳[15]、褚浩然[16]、萬濤[17]、王樹盛[18]、楊敏[19]、王迎[20]，分別從出行方式選擇、目的地選擇模型、居民出行鏈特征和需求分析等角度比較系統(tǒng)全面的介紹了國外基于活動的建模理論，從單個(gè)子模塊或局部算法的角度進(jìn)行了改進(jìn). 雋志才[21]從基于活動方法的協(xié)作性限制出發(fā)，研究了主要家庭成員活動與出行選擇和時(shí)間分布之間的相互影響模式. 徐文強(qiáng)等[22]結(jié)合隨機(jī)效用理論，以活動鏈方式進(jìn)行網(wǎng)絡(luò)配流建模. 此后楊勵(lì)雅[23]對出行方式與出行時(shí)間聯(lián)合選擇模型展開了研究、林早[24]則從出行生成—分布組合模型入手展開研究. 但以上研究大多停留在理論層面，鮮有工程實(shí)踐領(lǐng)域的研究和應(yīng)用. 文獻(xiàn)[25-28]分別從國際交通模型60年發(fā)展歷程[25]、ABM模型[26]、AgBM模型[27](Agent-based Model)以及大數(shù)據(jù)在模型中的應(yīng)用[28]等最新進(jìn)展進(jìn)行了全面介紹和剖析. 研究表明，經(jīng)過近30年的快速發(fā)展，美國雖然已經(jīng)有30余個(gè)都市規(guī)劃組織[6](Metropolitan Planning Organization MPO)開發(fā)完成或者正在開發(fā)基于活動鏈的模型(Activity-based Model，ABM)，但仍存在諸多障礙，特別是在美國以外的應(yīng)用仍然非常有限，而我國尚持觀望態(tài)度[7].

綜上所述，四階段模型在理論上的缺陷以及適應(yīng)當(dāng)前城市發(fā)展轉(zhuǎn)型在應(yīng)用方面的局限性已經(jīng)廣為共識，而活動模型代表了今后出行分析技術(shù)的發(fā)展方向，如何在工程實(shí)踐領(lǐng)域?qū)で笠粭l科學(xué)可行的現(xiàn)實(shí)發(fā)展之路是亟待研究突破的重大課題. 本文首先對活動模型的基本概念進(jìn)行了辨析和分類. 在深入比較四階段模型、出行鏈模型和活動鏈模型這3種典型建模方法基礎(chǔ)上，提出了一種基于集計(jì)出行鏈的模型架構(gòu)方法，并結(jié)合武漢實(shí)踐探索進(jìn)行了剖析，最后基于武漢市千萬人口、3 400余個(gè)交通小區(qū)和復(fù)雜交通場景實(shí)證分析，測試了該方法的工程實(shí)踐可行性和先進(jìn)特性，以期為國內(nèi)外同行借鑒和參考.

1 基本概念辨析與模型分類

1.1 基本概念界定

在討論活動模型的時(shí)候，筆者發(fā)現(xiàn)，很多概念并未統(tǒng)一. 在英文翻譯過程中，不同的學(xué)者也各有差異. 如同樣是ABM，有翻譯為基于活動的模型，也有稱之為基于行為的模型；對于出行鏈和活動鏈，二者亦常?；煜? 為此，本文首先做如下界定：

活動鏈(Activity Chain)特指出行者一日活動順序鏈接的組合. 出行鏈(Tour)則表征出行者從某個(gè)起點(diǎn)出發(fā)，最后回到該起點(diǎn)的一系列出行順序鏈接的組合. 因此出行鏈往往亦等同于活動鏈. 為以示區(qū)別，本文將出行鏈界定為特指由若干順序鏈接的出行所構(gòu)成的獨(dú)立往返單元，即1個(gè)出行鏈有且僅有1個(gè)主活動和1個(gè)獨(dú)立往返單元. 其中主活動的地點(diǎn)定義為主目的地，主活動之外的其他次要活動地點(diǎn)稱之為中途停留點(diǎn). 每個(gè)出行鏈都由去程和回程2個(gè)部分組成. 對于部分出行鏈，由于在1個(gè)統(tǒng)計(jì)周期內(nèi)(如24 h)不能構(gòu)成完整往返結(jié)構(gòu)(只有去程或者回程)，稱之為半程出行鏈(Half Tour). 因此，1個(gè)活動鏈可包含1個(gè)或多個(gè)出行鏈，即出行鏈∈活動鏈. 出行鏈在去程或回程過程中可有1個(gè)或多個(gè)中途停留點(diǎn)，比如基家工作出行鏈在上班途中(去程)送小孩上學(xué)，下班途中(回程)順便在商場購物后回家. 本文將去程和回程途中均不含停留點(diǎn)的出行鏈稱之為基本出行鏈.

按照以上的概念界定，實(shí)測數(shù)據(jù)顯示，武漢市2020年11—12月共開展1.5萬戶居民活動出行調(diào)查，經(jīng)過清洗、校核后，篩選出有出行、且以家為初始起點(diǎn)并最終回到家的樣本，共統(tǒng)計(jì)得到活動鏈種類344種，出行鏈類別153種. 從聚類的角度而言，出行鏈的分類方式較活動鏈在數(shù)量上降低了55.5%. 從有無中途停留點(diǎn)的角度，無停留點(diǎn)的基本出行鏈樣本占比86.9%，較活動鏈分類方式提升了9.4%. 因此，以出行鏈為基本單元進(jìn)行建模比按活動鏈方式建?？娠@著降低模型復(fù)雜度.

1.2 模型分類淺析

從基于出行的四階段模型到基于活動的模型，按照演化路徑從簡單到復(fù)雜的順序來看，大致可劃分為混合模型、集計(jì)出行鏈模型、活動鏈模型和基于智能體的模型四大類，如圖1所示.

圖1 交通模型演化路徑及基本分類

為便于理解，以圖2為例，假如①為某個(gè)體一日實(shí)際的活動，其早上07:30從家(H)出發(fā)，開車上班(W)，途中送小孩上學(xué)(C), 07:50離開學(xué)校；中午12:25從公司乘地鐵去購物(S)，13:40乘地鐵返回單位；17:30下班后開車回家；晚上19：10乘出租車去大劇院看演出(T),21:15演出結(jié)束后乘出租車返回. ②③④分別代表了四階段模型、出行鏈模型和活動鏈模型3種典型的解析方式. 由于AgBM尚屬于前沿探索領(lǐng)域，而混合模型創(chuàng)新性不足. 本文重點(diǎn)圍繞②③④3種典型模型架構(gòu)展開剖析.

圖2 典型模型架構(gòu)比較

四階段模型最為粗糙，僅提取了出行起終點(diǎn)和交通方式這兩類要素，以出行(Trip)為基本分析單元，犧牲了時(shí)間這一重要的維度，亦割裂了各出行之間的內(nèi)在聯(lián)系. 而活動鏈模型從理論上幾乎真實(shí)地還原了個(gè)體實(shí)際活動，但由于模型抽象和計(jì)算能力的制約，亦做了適當(dāng)?shù)暮喕? 以Bowman和Ben-Akiva提出的日活動計(jì)劃方法[30-31]為例，其將活動的出發(fā)時(shí)間用時(shí)間段T來代替(T可按小時(shí)、15 min或者其他顆粒度劃分)，活動選擇和活動安排則基于不同個(gè)體(家庭)的社會經(jīng)濟(jì)屬性和日活動計(jì)劃予以制定，其活動目的地在空間上的投射可是交通小區(qū)、亦或顆粒度更小微區(qū). 部分模型還考慮了家庭成員之間的相互影響，如家庭只有1輛車，某成員自駕出行，則另外的成員在活動安排和交通方式選擇方面就無法選擇自駕或者與自駕相關(guān)的活動. 這一理論架構(gòu)和建模方式為精準(zhǔn)刻畫和研究居民出行行為提供了豐富的要素組合與想象空間. 但活動鏈模型當(dāng)前最大的問題是復(fù)雜性障礙，除了較高的資金投入、較長的開發(fā)周期和精細(xì)化的數(shù)據(jù)基礎(chǔ)支撐之外，模型運(yùn)算時(shí)間超長且缺乏收斂機(jī)制亦是現(xiàn)實(shí)實(shí)踐中難以推廣的主要原因. 如紐約出行鏈模型最初版本在服務(wù)器主機(jī)上運(yùn)行1次需要1周時(shí)間, 后來改進(jìn)后仍然需要3 d時(shí)間[29]. 加拿大約克地區(qū)ABM模型在Z440服務(wù)器(Intel Xeon E5-1603v3、128G內(nèi)存)上運(yùn)行1次需要30～35 h[35]，這對于仍處于快速發(fā)展的大多數(shù)國家城市而言，幾乎是難以接受的.

出行鏈模型可視為活動鏈模型的簡化和抽象，其核心思路是將相互鏈接的活動解析為單個(gè)獨(dú)立的往返出行單元——出行鏈. 在單個(gè)出行鏈內(nèi)部，模型保持了出行主體在活動選擇、交通方式和出行時(shí)間以及關(guān)聯(lián)活動中的一致性，既可采取集計(jì)的建模方式(不考慮各出行鏈之間的相互關(guān)系或采取變通的處理方式)以提升運(yùn)行效率；又可采取非集計(jì)的建模方式，從而靈活切換到活動鏈模型. 因而相比活動鏈模型，出行鏈模型具有更大的彈性.

2 出行鏈模型路徑辨識與探索

2.1 出行鏈模型發(fā)展路徑辨識

截至目前，較有代表性的出行鏈模型包括英國交通部支持開發(fā)的DIADEM[36]、ATKINS公司團(tuán)隊(duì)在英格蘭開發(fā)的GBMF[37]，但均僅僅考慮了基于家的通過PA實(shí)現(xiàn)的出行鏈近似計(jì)算，對于非基于家的出行鏈仍然按照四階段出行建模；沒有考慮出行鏈往返行程的混合出行方式；沒有考慮中間停留點(diǎn)的目的地選擇建模；出行主方式只考慮了私家車和公共交通，沒有考慮慢行等其他方式. PTV公司在20世紀(jì)初亦提出了一套出行鏈建模方法[38]，但缺乏完整清晰的數(shù)學(xué)定義和描述，模型輸出完全是獨(dú)立的出行Trip，輸入出行鏈結(jié)構(gòu)被打斷，無法重構(gòu)分析整體出行鏈的行為特征，亦缺乏活動持續(xù)時(shí)間的定義和描述.

2015年，RSG公司從理論基礎(chǔ)、實(shí)際應(yīng)用、政策敏感度3個(gè)維度24項(xiàng)指標(biāo)對四階段模型、出行鏈模型(原文表述為混合模型，包含高級四階段模型、混合出行/出行鏈模型以及集計(jì)出行鏈模型)和活動鏈模型(包含非集計(jì)出行鏈模型)3種典型建模方法進(jìn)行了綜合對比，本文進(jìn)行了量化轉(zhuǎn)換，如表1所示[25]. 分析顯示，出行鏈模型和活動鏈模型在理論和政策敏感性方面較四階段模型均有顯著優(yōu)勢，充分體現(xiàn)出二者作為替代升級方面的巨大潛力和誘人的前景；而出行鏈模型的短板主要體現(xiàn)在時(shí)間一致性、人的一致性、空間解析度、使用便捷度等方面，這些恰恰反映了當(dāng)前研究的不足，亦是本文需要著重闡述的關(guān)鍵點(diǎn).

表1 三種典型模型架構(gòu)性能對比

2.2 集計(jì)出行鏈模型架構(gòu)探索

綜合考慮前述分析，提出了一種新的集計(jì)出行鏈模型方法(Aggregate Tour-based Mode，ATBM)，該方法以基本出行鏈為分析單元，以人群為對象按照集計(jì)的方式進(jìn)行模型構(gòu)建，充分考慮各出行鏈在去程和回程時(shí)間、交通方式以及主目的地選擇和中途停留點(diǎn)選擇的時(shí)空制約因素和內(nèi)在一致性. 總體架構(gòu)如圖3所示，共分為6個(gè)部分.

圖3 集計(jì)出行鏈的模型系統(tǒng)架構(gòu)圖

第1、 2部分用于模型輸入和出行鏈生成. 基于人口、崗位、學(xué)區(qū)學(xué)位、經(jīng)濟(jì)及擁車、土地利用、綜合交通調(diào)查及大數(shù)據(jù)等，對人群進(jìn)行類別劃分、在空間層面進(jìn)行人口合成計(jì)算，根據(jù)人群和基本出行鏈，進(jìn)行交叉分類，得到各交通小區(qū)基于“人群+出行鏈”的生成量. 為提高模型對交通需求管理政策、建成區(qū)環(huán)境以及慢行交通等敏感性，在交通小區(qū)層面，可細(xì)致到地塊級別、人群分類亦可根據(jù)交通需求管理政策對群體的影響進(jìn)行更細(xì)致的類別劃分.

在基本出行鏈的分類方面，共劃分為5大類，前3類為基家的出行鏈，包括基家工作出行鏈、基家上學(xué)出行鏈和基家其他出行鏈，后2類分別為基于工作地的出行鏈和基于其他的出行鏈(主要針對流動人口和對外集散點(diǎn)建模). 按照從簡單到復(fù)雜的次序，建模過程中先進(jìn)行基本出行鏈建模，然后在此基礎(chǔ)上考慮有停留點(diǎn)情形建模. 該分類包含了通勤和通學(xué)兩大穩(wěn)態(tài)活動單元，以及生活、工作和商旅3個(gè)半穩(wěn)態(tài)活動單元，融合了出行鏈、活動單元和時(shí)空約束3個(gè)層次的關(guān)系. 而基家工作出行鏈、基家上學(xué)出行鏈等還可基于POI大數(shù)據(jù)和崗位/學(xué)位數(shù)據(jù)等引入職住、學(xué)區(qū)空間關(guān)系約束，以提高生成階段的精準(zhǔn)度. 對基于其他的出行鏈，如酒店旅館、機(jī)場火車站等對外樞紐等，多數(shù)情形下采取半程出行鏈的方式. 在確定了對外樞紐、酒店旅館位置、發(fā)生/吸引量之后，同樣可采取類似基于家的其他和基于工作地的出行模型方法建模，因而形成完整的出行鏈模型體系.

圖4 活動鏈解析與基本出行鏈分類體系

第3部分側(cè)重于出行鏈時(shí)間、出行方式和目的地及中途停留點(diǎn)聯(lián)合嵌套選擇建模，最右邊的分支用于自下而上的可達(dá)性對數(shù)和，中間的分支用于自上而下的需求計(jì)算，最左側(cè)的分支中顯示了出行鏈中往返行程中間停留點(diǎn)建模. 該部分可基于不同的時(shí)段劃分與“人群+出行鏈”類別進(jìn)行并行計(jì)算，在去程回程中充分考慮交通方式的可變性、中途停留點(diǎn)的數(shù)量及方式等，以靈活適應(yīng)多種情形. 底層效用除了計(jì)算通常的廣義阻抗，也可考慮區(qū)域差別化停車收費(fèi)，按照出行鏈的活動時(shí)長分布和用地類型進(jìn)行細(xì)分. 同時(shí)，引入距離的對數(shù)函數(shù)以考慮時(shí)間價(jià)值隨距離增加的阻尼特征. 上層效用計(jì)算保證縱向一致, 如目的地選擇效用矩陣基于下層方式選擇的對數(shù)和，并同時(shí)考慮土地利用的影響，如基家上班上學(xué)出行鏈采取雙約束目的地選擇模型，其他出行鏈適用于單約束目的地選擇模型. 出行鏈時(shí)序解析綜合考慮了不同人群和出行鏈組合往返行程時(shí)序組合的概率.

第4、5部分分別為交通供給模型和交通需求—供給聯(lián)合嵌套模型. 第6部分用于出行OD計(jì)算、交通分配和模型輸出. 其中第5部分通過引入WebTAG供需差距函數(shù)(Gap)，以檢驗(yàn)?zāi)Ｐ偷氖諗刻匦?，基于迭代?jì)算和MSA以實(shí)現(xiàn)供需模型之間的迭代反饋并確保模型快速收斂至可接受的水平，從而確保模型結(jié)果的穩(wěn)定性. 整個(gè)模型架構(gòu)都可基于Python開發(fā)實(shí)現(xiàn)，在供給模型階段調(diào)用EMME4等商用軟件實(shí)現(xiàn)數(shù)據(jù)交換.

2.3 模型架構(gòu)特性分析

1)能對基家工作出行鏈、基家上學(xué)出行鏈、基家其他出行鏈以及基于工作地的出行鏈、基于其他的出行鏈(主要針對流動人口和對外集散點(diǎn)建模)和半程出行鏈等多種不同類型的出行鏈進(jìn)行建模，每一種出行鏈類別都可進(jìn)行細(xì)類擴(kuò)增，以靈活適應(yīng)國內(nèi)從特大城市到中小城市各類情形. 對于諸如上下班途中接送小孩上學(xué)放學(xué)等不同出行鏈的聯(lián)合與嵌套情形，本模型架構(gòu)亦可輕松應(yīng)對和建模. 基于武漢市的實(shí)測數(shù)據(jù)，各出行鏈分類匯總關(guān)系如表2所示.

2)模型充分考慮了出行鏈去程/回程在時(shí)間段上的連續(xù)性要求. 模型將全天分為不同的時(shí)間段，去程和回程所處的時(shí)間段滿足先后順序的約束，并通過參數(shù)化的方式使得行程時(shí)間易于調(diào)整，如表2所示. 以5個(gè)時(shí)段為例，每個(gè)人群和出行鏈類別分別有15種時(shí)序組合，每個(gè)時(shí)序組合對應(yīng)于1種活動持續(xù)時(shí)長分布概率，因而可較為細(xì)致地模擬區(qū)域差別化的停車收費(fèi)政策，避免了在出行鏈的阻抗中直接增加停車費(fèi)用；亦支持結(jié)合出發(fā)時(shí)間和出行時(shí)長對不同的公交出行費(fèi)用測試，同時(shí)從運(yùn)營效益最大化的角度評估不同收費(fèi)模式對出行的影響. 在基于區(qū)域或境界線的擁堵收費(fèi)政策研究方面，亦具有更強(qiáng)的分析能力.

表2 武漢市基于出行鏈的調(diào)查統(tǒng)計(jì)分析

3)模型充分考慮了出行鏈去程/回程在方式選擇上的連續(xù)性/一致性要求. 模型對可變方式出行和不可變方式出行進(jìn)行了專門的定義. 如，駕駛小汽車設(shè)為不可變方式，在回程過程中必須和去程保持一致；任何去程使用可變方式的出行鏈，在回程階段不允許切換到駕駛小汽車的方式. 若出行鏈去程為可變交通方式，則回程基于可變交通方式集合，通過效用對數(shù)和以計(jì)算其子方式選擇概率. 去程和回程交通方式組合示例如表3所示.

表3 出行鏈往返出行時(shí)間段組合關(guān)系

表4 出行鏈中的去程- 回程交通方式組合

4)使用多約束的目的地選擇來滿足供需平衡：同時(shí)使用了可達(dá)性變量(下層效用的logsum)和結(jié)合用地的規(guī)模變量(size variable)作為目的地選擇過程中的輸入；通過二維矩陣形式的IPF算法(rectangular IPF)實(shí)現(xiàn)基家工作出行鏈的雙約束平衡；通過二維方陣形式的IPF算法(square IPF)實(shí)現(xiàn)基家上學(xué)出行鏈(小學(xué)、中學(xué)、大學(xué))的雙約束平衡. 而其余出行鏈則基于單約束機(jī)制.

5)對人口和用地規(guī)劃的支持. 模型只需要對輸入的人口分布變量進(jìn)行調(diào)整，即能輕松地對不同人口增長方案進(jìn)行情景測試；不同規(guī)劃年的用地特性能方便地通過規(guī)模變量嵌入模型并用于測試；由于對出行鏈的模擬并非基于蒙特卡洛方法(Monte Carlo simulation), 因而不需要進(jìn)行多次重復(fù)運(yùn)算.

6)支持并行計(jì)算和多線程高效運(yùn)行，實(shí)現(xiàn)模型快速收斂. 由于不同類型的出行鏈之間在模型運(yùn)算過程中相互獨(dú)立，在需求計(jì)算部分，模型運(yùn)算使用了多線程以盡可能提升性能. 在需求與供給迭代嵌套模型中，引入差距函數(shù)和MSA算法，以加速和平滑模型收斂性能. 差距函數(shù)計(jì)算如式(1)所示.

(1)

式中，X和C分別代表當(dāng)前需求矩陣和綜合阻抗；D代表經(jīng)迭代后的下一輪需求更新；ij分別代表交通小區(qū)起終點(diǎn)；p代表活動類別；c代表人群類別；m代表交通方式，T代表出行鏈時(shí)段劃分.

3 基于武漢市的模型實(shí)證分析

基于上述模型架構(gòu)，本研究以武漢市為例進(jìn)行了實(shí)證分析. 建模范圍涵蓋全市1 200萬人口，8 569 km2用地，共劃分交通小區(qū)3 476個(gè)，其中主城區(qū)1 860個(gè)(平均0.3 km2/個(gè))，如圖5所示. 模型考慮了共5個(gè)時(shí)段15個(gè)出行時(shí)序組合、五大類出行方式17種去程回程交通方式組合，人群分類按職業(yè)、擁車和收入情況分12類，考慮了9種基本出行鏈類別和68種“人群+出行鏈”組合. 在供給模型方面，共包含10.8萬條路段，4.3萬個(gè)節(jié)點(diǎn)，1 457條公交線路(含軌道、公交、BRT等，分上下行)，并結(jié)合5個(gè)時(shí)段交通供給的差異性進(jìn)行了細(xì)致的建模. 經(jīng)參數(shù)標(biāo)定和模型校核，運(yùn)行測試顯示，在Precision 7 730移動工作站(Intel(R) Xeon(R) E- 2186M，CPU @ 2.90 GHz，RAM128 GB)硬件環(huán)境下，需求與供給模型從冷啟動迭代達(dá)到正常收斂水平(Gap<0.2%)，模型整體運(yùn)行時(shí)間約28.1 h，迭代24次；深度測試可繼續(xù)達(dá)到Gap<0.1%的收斂水平，耗時(shí)約49.6 h，迭代43次，如圖6所示. 測試結(jié)果論證了該模型架構(gòu)的現(xiàn)實(shí)可行性，以及模型在收斂性和計(jì)算效率方面較ABM模型的優(yōu)越性. 在實(shí)際應(yīng)用場景下，模型可基于收斂情景為基礎(chǔ)進(jìn)行增量迭代(熱啟動)，單次運(yùn)行時(shí)間約1～1.5 h，因而可顯著減少迭代次數(shù)和縮短模型收斂時(shí)間.

圖5 案例城市交通小區(qū)劃分示意圖

圖6 模型迭代及收斂水平、運(yùn)行時(shí)長分析

分別從小汽車燃油費(fèi)彈性量、公交票價(jià)彈性量以及中心區(qū)計(jì)時(shí)停車費(fèi)用彈性量3種情形進(jìn)行了模型現(xiàn)實(shí)性測試(realism tests)和敏感性測試(sensitivity tests)，結(jié)果顯示：燃油費(fèi)增長10%后，全市范圍總體平均彈性值為-0.17，非剛性需求的彈性量相對較低；公交票價(jià)提高10%后，總彈性量為-0.63，基家上學(xué)出行鏈彈性量相對較大. 而按小時(shí)收費(fèi)的停車費(fèi)率增加10%后，小汽車出行的彈性量為-0.68，且主城區(qū)的彈性量為-0.9，高于全市范圍的彈性量，模型亦可敏感捕捉到小汽車乘客和駕駛員對停車收費(fèi)變動的影響. 測試結(jié)果亦驗(yàn)證了模型在復(fù)雜交通政策方面的良好性能.

4 結(jié)論與展望

本文澄清了出行鏈模型的基本概念，在深入比較四階段模型、出行鏈模型和活動鏈模型這3種典型建模方法基礎(chǔ)上，對出行鏈模型發(fā)展路徑進(jìn)行了辨識，提出了一種基于集計(jì)出行鏈的模型架構(gòu)方法，分析了該模型架構(gòu)特性，并基于武漢市進(jìn)行了實(shí)證分析. 研究顯示：

1)本研究提出的集計(jì)出行鏈模型架構(gòu)有效性彌補(bǔ)了四階段模型在出行時(shí)間維度的缺失以及方式劃分和目的地選擇方面內(nèi)在不一致性，規(guī)避了活動鏈模型在收斂性能、運(yùn)算效率等方面的應(yīng)用障礙. 經(jīng)過實(shí)證分析，在千萬人口、3 400多個(gè)交通小區(qū)和復(fù)雜交通運(yùn)行場景下，該模型相比ABM模型具有優(yōu)越的運(yùn)算效率和收斂性能. 分別從小汽車燃油費(fèi)彈性量、公交票價(jià)彈性量以及中心區(qū)計(jì)時(shí)停車費(fèi)用彈性量3種情形進(jìn)行了模型現(xiàn)實(shí)性測試(realism tests)和彈性測試(sensitivity tests)，亦驗(yàn)證了模型在復(fù)雜交通政策方面的良好性能.

2)集計(jì)出行鏈模型架構(gòu)有效降低了行為建模的復(fù)雜度，具有廣泛的適應(yīng)性和可擴(kuò)充性. 基于武漢的實(shí)際調(diào)查來看，在進(jìn)行出行鏈拆分以后，共識別出出行鏈組合153種，其種類較活動鏈整體下降了55.5%. 且86.9%的基本出行鏈無中途停留點(diǎn). 有停留點(diǎn)樣本較基于活動鏈的建模方式下降了9.4個(gè)百分點(diǎn). 因此，本研究提出的以基本出行鏈為單元進(jìn)行模型構(gòu)建可顯著降低建模復(fù)雜度，同時(shí)也確保了在主體特征方面與活動鏈保持了一致性.

3)出行鏈需求建模以及需求與供給的迭代和收斂是整個(gè)模型框架的核心，模型計(jì)算確保了整個(gè)過程中出行鏈的完整性，因而可靈活適應(yīng)不同“人群+出行鏈”組合的差異化交通政策分析，以適應(yīng)當(dāng)前“以人為本”的規(guī)劃研究訴求. 對于出行鏈需求模型達(dá)到收斂后，將出行鏈需求矩陣結(jié)合時(shí)序選擇模型進(jìn)行分時(shí)OD轉(zhuǎn)化，納入供給模型進(jìn)行最終交通分配，此步驟在傳統(tǒng)四階段模型中亦相對成熟，可充分發(fā)揮既有優(yōu)勢，因而模型易于升級與維護(hù). 由于篇幅的關(guān)系，本文對集計(jì)出行鏈核心算法、模型校核校驗(yàn)及參數(shù)標(biāo)定未做詳細(xì)解析，這些都有待于后續(xù)研究予以充實(shí)和擴(kuò)展.