机会模型的应用.docVIP

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[79][80]，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。 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： (3.28) 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： (3.29) 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[79]对的推导过程如下： (3.30) 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： (3.31) 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[79]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。 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： (3.32) (3.33) 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： (3.34) 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： (3.35) (3.36