以人为本

一、交通模型的演进与特点

1、交通模型的发展原点

交通模型技术的起源来自于1956年的芝加哥区域交通研究，这也是第一个现代意义上的交通规划研究。

交通学术界前辈Boyce在上世纪八十年代的回忆文章中写到：“如果要说什么时候是交通规划领域的奠基之年，那么我认为是1956年，那是芝加哥区域交通研究开始调查的年份。”这个项目是福特基金会支持的，规划目标年份为1980年。这个规划研究既是现代交通规划的起点，同时也是交通模型的起点。以交通模型技术为支撑形成了的一套量化分析方法，规划了芝加哥的快速路系统和干线公共交通系统。

芝加哥区域交通研究中所采用的一些方法，成为日后交通模型发展的技术基因，影响深远。

影响的第一个方面是交通调查。芝加哥交通研究开展了居民出行调查，抽样率是1/30，共调查了57000户居民。

这个是当时同时期的一张调查表，从里面我们可以看出，这个表里包含了出行目的、出行方式以及交通工具使用情况等内容，基本与目前通常采用的出行调查表差别不大。当时也开展了一些日后构建交通模型时通常会开展的交通量调查、车辆问讯调查等其他专项调查。

芝加哥交通研究对日后交通模型的另一重影响是四阶段模型框架。虽然芝加哥的交通分析并不是严格的四阶段，但非常明确的包含了机动车方式的交通生成、交通分布和交通分配。

交通生成使用的是日后也常用的回归方法。交通分布使用的是一种类似于机会模型的方法，对于分布的结果，芝加哥交通研究使用了类似于Fratar法的方法来进行产生和吸引的平衡。最后，芝加哥交通研究将出行OD分配到交通基础设施网络上，以流量和服务水平来进行方案的比较和评价。

模型中的一些缺点，包括工程味道过于浓厚，社会经济属性考虑不足等，会被以后的模型实践所克服。芝加哥的模型在技术方法上直接影响了随后的50年代末纽约交通研究、60年代伦敦交通研究和70年代东京交通研究等一系列实际范围内有影响力的交通规划研究。

2、天津交通模型发展回顾

交通模型技术发展的浪潮终于在1980年代进入中国。天津成为国家建设总局选定的开展交通调查的试点城市。在天津开展了中国大陆的第一次交通调查工作，天津的交通模型实践也由此开始。总结起来天津的交通模型发展主要分为三个阶段，即试点阶段、项目配套阶段和全面支撑交通规划建设阶段。

第一个阶段是试点阶段。天津在1980年代成立了城市综合交通规划组，使用这批最早的出行调查数据，在计算机上自主编写程序建立了天津最早的交通模型。早期的规划文件中留下当时的一些成果，包括机动车的流量、区域之间的OD线和非机动车的流量。

第二个阶段是为项目服务的阶段。即紧密服务于重点项目的研究。比较典型的包括90年代的世界银行贷款项目和综合交通规划的项目。包括天津在内的很多城市都是通过世行项目和国外的模型专家接触，引进模型技术，培训本地模型队伍。这个时期的模型建设基本上属于一次性建设，项目完成模型工作也结束，模型尚不具备独立存在的价值和作用。

第三个阶段是模型独立发展的阶段。主要依托综合调查的机制开展模型建设。模型的建设工作具有独立性，模型更具有层次性和系统性，对城市交通规划的方方面面起到支撑作用。在天津最终形成了四个层次的模型体系。

区域模型主要应对区域客货运通道研究和区域多层次轨道交通网络研究；市域模型主要应对用地空间布局与交通基础设施协调、重大基础设施布局和城市发展政策研究；中观模型主要应对片区城市开发/城市更新交通规划、重点地区道路交通组织和轨道交通站点TOD与接驳规划；微观模型主要服务于重要交通节点交通组织方案和交叉口信号配时优化。

3、天津交通模型改进的技术特点

交通模型技术在世界范围内在不断的进步与发展。天津交通模型在实践与发展过程中鉴国内外模型的最新成果也在进行持续的改进与创新。总体上，天津的模型在技术在改进方向上的特点体现在以下几个方面。

一是完善的基础数据。基础数据的完善主要体现在调查数据的完善上。在交通模型参数标定的核心数据居民出行调查中，有别于基于出行的调查，我们采用了一种基于地点的调查方法，这种方法在调查过程中侧重于让被调查者回忆调查地点的转移，可以诱导出行者回忆出更多的短距离出行、非机动化出行和长距离移动中插入的短停留出行，从而达到提高受访者出行遗漏的效果。

在出行信息上，我们侧重于出行方式链的调查，符合在轨道交通成网条件下，详细了解采用多种方式组合完成一次出行的需要。对比研究表明，采用地点转移方法比基于出行的调查，显著提高了调查获得的出行率，尤其是弹性调查的出行率，复杂出行链的比例也明显提高了。

二是细致的模型结构。在调查数据细化的基础上，可以让我们对模型的结构作进一步的细化。有了准确调查数据的支撑，我们采用以户为基础的模型，充分考虑不同家庭的特点，引入家庭生命周期的概念，通过三个变量将家庭户分为32类，并将家庭特征，体现在模型的多个模块中。

我们把出行目的分为7种，叠加家庭拥车情况和居住地不同地域最终形成2000多个出行率参数，更好把握了不同人群、不同出行目的上的差异性。

三是采用先进的建模方法。除细化模型结构外，我们也改进了一些关键技术，通过引入基于效用的离散选择建模技术，体现不同类型的复杂因素对于个体决策的影响。我们在出行方式中使用方式选择模型，吸纳换乘因素、车内外时间、等候时间等多种变量，这也是国内外在交通建模中采用离散选择模型的主要应用方向。

在车辆拥有建模中，虽然家庭的拥车选项仅仅只有3个，但由于引进了选择模型的架构，参与建模的变量多达17个，这样可以充分细化家庭结构、工作情况、所在地区人口密度等因素对于家庭户小汽车选择的影响，从而提高模型精度。

在VDF函数的选择上，我们在改进时选用了Akcelik函数，充分考虑城市路口延误对于旅行时间影响较大的特点，将路口延误作为显性要素在VDF函数中进行考虑，使用实际速度和流量数据在函数中进行标记，各等级道路也呈现出和对应流量速度特征相吻合的特点。

我们充分细化考虑了不同地带交通管理设施对交叉口延误的影响，最终拟合出来的路段、路径的旅行时间都较为理想。

从外部视角评价交通模型，是一种毁誉参半的状态。一些同行的极端观点认为基本上以四阶段模型为基础的交通预测就是基本不可靠。但是我们多年在天津的实践表明，交通模型是可以在近期预测中取得很好的效果的，模型基本上是靠谱的。不仅预测结果的量级可靠，一些细节特征在很大程度上也是可靠的。

在长期的预测中，偏差确实较大，但这更多是预测的边界条件引起的。在城市发展进入存量发展阶段，高质量发展阶段后，随着城市空间结构的日趋稳定，交通模型必将能发挥更重要的作用。

二、交通模型所面临的挑战和应对

1.交通模型所面临的挑战

一是数据多样化带来的挑战。进入数据时代，大数据从多方面改变了人们的工作和生活，同样也改变了城市交通建模的方式。我们汇聚融合近50项多源大数据发现，以往缺失数据的情况大为改观，现有数据极大扩充了交通建模的基础数据来源，为深入建模打下了牢固的数据基础，但也向我们提出了很多挑战。

大数据可以解析成更多的有用信息，这些信息在一定程度上取代了交通模型生成数据的作用。

例如我们的居民出行调查中，并不是所有的居民小区都被调查到，实际上可能只有1/3的居民小区会有出行样本，将近一半的交通建模基本空间单位，交通小区里是没有样本数据的，这些都需要我们使用交通模型将空缺的数据填充起来；我们交通流量调查的点位，最多可能也就几百个，而全网有车辆运行的路段是成千上万个，每个路段的流量和速度也需要用模型来填充。

但是进入大数据时代之后，通过解析车辆的GPS轨迹数据，我们可以获得全网各个路段在不同时段的速度，通过卡口数据等我们可以获得更多路段的流量数据。这些都促使我们思考，如何去拥抱大数据，在大数据环境下去构建更加精准合理的交通模型。

除此之外，大数据也会对一些我们习以为常的做法提出挑战，促使我们去想很少会去思考的问题。

比如通过多天的乘客刷卡行为数据我们发现，真正频繁使用公共交通工具的人是非常少的，这部分我们称之为常旅客的人大概只占全部乘客的15%左右。在一天的客流结构中，少部分的常旅客贡献了一半的客流，而大部分的偶尔使用或很少使用地铁的乘客只贡献了客流的另一半。

基于典型日居民出行调查的建模，会理所当然地将公共交通的出行者都当成了常旅客来进行处理。我们的公共交通通勤者可能不仅仅是公共交通通勤者，在一周内可能同时也是小客车的通勤者和共享单车的通勤者，这是典型日调查数据所无法体现的。 

二是对模型服务能力提出的挑战。总的来说模型的技术服务会体现出一个由低频服务向高频服务的转换。比如公交线网的优化，我们的公交公司在当前这个城市公交线网的重构期可能会在一年之内调动数百条线路。他们既会分片区的去主动轮换调整线路，也会随着新轨道线的开通去提前设计调整线路的方案。

他们不仅仅需要有人告诉他们这个方案是怎么样，更希望能够使用模型工具自主探索方案。我们需要面向更多的人提供模型能力和以模型为基础的产品。

最后是发展环境发展要求变化提出的挑战。我们的综合交通规划不仅仅是关注设施，还要考虑整体性的效率，同时考虑对于城市土地利用、环境等各个方面的影响。

以往交通模型的四阶段，前三个阶段都是最后得到网络流量的前序工作，独立存在的价值低，但这些前序工作的结果中也蕴含了极其丰富的信息，很多时候能体现出城市运行的效率。

我们可以基于模型的skim计算城市全域的PTAL，并将PTAL与停车与人口岗位进行关联分析，我们利用出行分布的结果，分析了大型商业设施的辐射辐射范围，分析生活圈的服务范围。这些都已经突破了交通模型仅用于评价交通设施服务水平的范畴。

2.交通模型发展的应对策略

应对一是从数据标准上打通新数据与传统数据，构建与传统数据口径一致的出行与出行链。大部分大数据不是出行调查专用的，需要设计专门的算法获取建模所需要的出行信息，关键是能为模型所用。

比较典型的是手机信令数据，手机信令数据是通信系统在维持其正常运转过程中产生的副产品。我们将其运用于城市出行领域，根据手机信令数据等大数据的特点设计针对移动互联网定位数据进行数据提取、数据清洗、数据预处理的算法，将信令原始数据处理为具有应用价值的分析数据。

在有些情况下，还需结合数据的具体特点获取我们期望获取的信息，如在轨道交通出行方面，利用地铁基站的分布特点设计识别提取完整轨道交通出行链的方法，根据大数据提取出的结果，与家访调查等统计结果进行比对，进一步确认数据的可靠性和可用性。

基于积累下来的大数据，我们将这些大数据的分析结果沉淀下来，形成基于人的出行档案和精细化交通环境数据库作为建模的基础。基于数据沉淀的结果，可以开展数据驱动的交通建模，构建更为准确和精细化的交通模型。

下图是比较典型的案例，我们需要对新开通的高速公路流量进行预测。我们通过手机信令数据对轨迹进行识别，包括上下高速公路路口位置和路径，并将这些数据和货车GPS数据、收费站数据进行关联。

我们将个体的数据叠加在网络上获取到了最终的结果。

应对二是发展新的建模方法，引入选择模型，渐进式改进模型。ABM模型是当今交通模型实践发展的一个主要趋势，ABM可以更加精细的刻画人的选择行为，从而更好地模拟城市中的交通现象。

基于选择和仿真模型，可以模拟城市更复杂的交通现象。天津交通模型中开展了用目的地选择模型替代重力模型的实践，提升了模型的解释性和建模的灵活性。

目的地选择模型通过效用理论和Logit模型完成传统重力模型的建模工作，可以将更多的变量吸纳进来。

下图是标定结果和距离衰减曲线，从中可以看出，女性距离衰减曲线明显更加陡峭，即对距离更加敏感。从不同岗位的距离衰减曲线来看，办公岗位的距离承受能力更强，服务岗位的曲线则非常陡峭。基于此可以更加容易的看出就业者会在什么样的范围内进行居住地或就业地的选择。

应对三是交通模型与城市模型的融合。交通模型也将以渐进的方式转向活动模型框架与城市仿真模型进行更好的衔接与融合，实现建模方法的一体化和应用场景的多元化。

应对四是减低模型使用门槛。传统专业软件对于非交通模型的人来说在使用上有一定的困难，在这方面我们也和相应的公司进行合作，将模型作为计算和模拟的引擎，通过更加友好的界面设计帮助模型与非专业用户的良好互动来降低模型的使用门槛，进一步直接输出模型的技术能力而不仅仅是服务。

三、几点思考

提到交通模型，不可避免的要提到四阶段。我认为，首先，四阶段是一种有效的认知框架，在该框架下，我们可以对交通问题进行深入研究，从而对于交通现象、交通问题、城市规划等有更加深入的了解。交通模型不仅是构建模型的框架，更是我们认识城市交通的有效认知框架。

其次，四阶段框架下的建模方法是在不断改进的。不仅是四阶段框架下具体模块的建模方法在不断改进，四阶段模型本身也在向更加完整、更加一体化基于活动的模型转轨。

最后，四阶段体现着人的需求和服务场景。出行生成阶段、出行分布阶段、出行选择阶段对应我们日常的很多服务需求，基于此，可以从交通模型中发掘出非常多的和人们需求紧密结合的应用点。

交通模型起源于四阶段，首先要深入四阶段，对于交通问题的理解上，以模型数据为媒，深入真实世界；接下来要超越四阶段，在建模方法上，要结合数据与实际需要，灵活不拘；最后要回归四阶段，以服务人为出发点和归依，体现“以人为本”的理念。