第六章 交通分配与0-D反推.pptVIP

第六章 交通分配与OD反推 交通分配与O-D反推 交通分配是交通需求预测四阶段法的最后一个阶段，其目的是将各种出行方式的O-D矩阵按照一定的路径选择原则分配到交通网络中的各条道路上，求出各路段上的流量及相关的交通指标。而交通分配的反过程则是O-D矩阵反推，它可以通过路段观察交通量快速获取O-D矩阵。下面首先简要回顾交通分配与O-D反推的基本原理与方法，然后结合实例分别讲解在TransCAD中进行交通分配和O-D反推的操作步骤。 一、基本原理与方法 1.基本概念 交通分配可以归纳为如下问题形式——已知：①交通网络的有向图表示形式；②路段阻抗函数；③O-D矩阵；求解：网络中各路段的交通量及阻抗值。其中，交通网络的有向图形式是交通网络的数学化描述，是进行交通分配等交通分析的基础；各种方式的O-D矩阵一般由交通方式划分预测获取，或者从实际O-D调查中得到；路段的阻抗函数应能反映实际道路路段上行程时间与路段流量之间的关系(流量越大，车速越低，行程时间也就越长)。 一般的交通网络中，每一O-D对之间有很多条路径，如何将O-D量正确、合理地分配到这些路径上是交通分配问题的核心。正确的交通分配方法应能较好地再现实际交通状态，这种交通状态时出行者路径选择的结果。因此，出行者路径选择准则称为交通分配问题建模和求解的前提。 Wardrop(1952)提出了两个著名的有关出行者路径选择行为准则的原理，分别是用户平衡（简称UE）原理和系统最优（SO）原理。 用户平衡原理： 系统最优原理： 2. 平衡分配模型 Beckmann模型是一个带约束条件的非线性规划问题，在当时的数学发展水平下难以求解。知道20年之后即在1975年才由LeBlanc等将Frank-Wolfe算法（简称FW算法）用于求解这个模型获得成功，从而形成了现在使用的解法。这三点突破时交通分配问题研究的重大进步，也是交通分配问题的基础。FW算法过程较为复杂，TransCAD中提供了这一方法。 3.非平衡分配算法 Beckmann模型在理论上结构严谨、思路明确，但它作为一个维数大、约束多的非线性规划问题，对这类问题的算法设计在数学上是一个难度较大的问题。因此，在1975年由LeBlanc等将FW算法用于求解Beckmann变换式获得成功之前，很多学者一直在探讨用模拟和近似的方法求解交通平衡分配问题；即是在此之后，由于受到庞大的问题规模和当时相对落后的计算机技术，研究UE分配的近似算法是交通分配中一个重要的课题，通常将这类近似算法称为非平衡分配算法。常用的非平衡分配算法主要有以下几种： (1) 全有全无(All-or-Nothing)算法 这一算法的基本过程是：对于任意一个O-D对，将全部出行量都加载到连接这个O-D对的当前最短路径上，而其余路径上的加载量为零。这种方法没有考虑路段拥堵效应，所输入的出行时间为固定值，不随着路段的拥堵程度而变化，因此实际中并不常用。但这种算法是其他算法的基础。 (2) 容量限制(Capacity Restraint)算法 容量限制分配法是一种不断更新线路阻抗、反复调用全有全无算法，试图达到平衡状态的一种分配算法。这个算法一般无法收敛到平衡解，因此需要设置一个最大的迭代次数N。 (3) 增量分配(Incremental Assignment)算法 增量分配算法是逐步分配交通流量的一种方法。在每一步分配中，根据全有全无分配一定比例的总流量。每步分配完成后，根据路段流量重新计算出行时间。当采用的递增次数足够多时，该分配类似于平衡分配法。但是，该方法不能保证产生平衡解。 4. 随机分配算法 (1) SUE模型 UE模型假设出行者拥有完备的交通信息，而且能够依据这些信息作出正确的决策。而现实中，出行者在不拥有完备的交通信息下对路段阻抗有着不同的估计，该阻抗可被视为随机变量。随机用户平衡(Stochastic User Equilibrium, SUE)模型就是为了描述这种情况而提出来的。当每个出行者不可能单方面第通过改变路径来减少自己的期望路径阻抗时，即达到随机用户平衡状态。SUE模型的分配结果比确定性的UE模型的分配结果更接近现实，吸引力小的路径具有较低的利用率，但不会像UE方法中那样总是出现零流量。 (2) STOCH算法 相应地，SUE模型也有近似的非平衡分配算法，这就是STOCH分配法。STOCH分配法是将每个O-D对之间的交通流量分配到连接该O-D对的多条可选路径上。分配一条路径上的流量所占的比例是选择该该路径的概率，路径选的概率是有Logit模型计算的。一般来说，和其他可选路径相比，时间越短的路径，被选择的概率越大。但是，STOCH分配法并不将流量分配到所有的可选路径上，只分配某些优先的较为“合理”的路段上。一条合理的路算