头图

背景: 因项目需要,调研了动态交通分配(Dynamic Traffic Assignment)的一些知识和概念,并在公司内部做技术分享,这里把涉及公司项目相关的内容去掉,将调研到的知识做小结成文。非交通专业出身,若有错误,欢迎私信/评论指正。

交通规划

动态交通分配交通分配的一种,而交通分配是交通规划中的一个步骤。这里先介绍一下交通规划。

交通规划共分四个步骤:交通生成、交通分布、交通方式划分、交通分配。

交通生成:确定路网中出行的起始点(出行的起始点也叫OD,即origin-destination)。

交通分布:确定每个起始点间的出行量(也即交通量)。

交通方式划分:将出行量细分出用何种交通方式出行。

交通分配:将交通量分配到路网上。


举个例子,现在要对一个地区做交通规划,手里有一份路网图(如下图),也有一些历史的出行数据。

map0.png

第一步,交通生成,假设我们通过分析历史数据,可以得到路网图中有3个出行起始点:商场、社区、办公楼。如下图红色五角星标注的地点:

map1.png

第二步,交通分布,现在我们知道了共有3个OD点,那么再算出每个OD点,两两间的出行量是多少,假设通过计算我们得到出行量(也即交通量)如下图:

image.png

第三步,交通方式划分,知道了每个OD点间的交通量,现在再细化出每个交通量属于哪种交通方式,比如下面,社区到办公楼的200交通量中,私家车有50,公交车有30,电动车有100,步行有20。

image.png

第四步,交通分配,上面我们知道了每个OD点之间的交通量,现在就要把交通量分配到路网上,算出每条路承受的交通量。这里我们为了方便计算,假设所有交通量都是用同一种出行方式。

比如,社区到办公楼的交通量是200,共有两种路线可以走,如下图红线和蓝线,按红色路线走的交通量是120,按蓝色路线走的交通量是80:

image.png

那么,分配到每条路段(下图每个颜色表示一个路段)的交通量便如下图:

image.png

现在,再把商场到办公楼的交通量分配到路网上,假设商场到办公楼只有一条路线,交通量是150,那么加上刚才社区到办公楼的结果,各路段新的交通量便如下图所示:

image.png

按同样的办法,把所有OD间的交通量都分配到路网上,便可得到所有路段的交通量(注意,路段是有方向性的):

image.png

交通分配

交通分配的模型

上文我们介绍了交通分配(Traffic Assignment)实际上是交通规划中的最后一步,而交通分配更严谨的阐述是:将各OD的交通量按照⼀定的规则分配到路⽹中的各条道路上,从⽽推测各条道路上的交通量(道路负荷)。

注意上文中的粗体字:按照一定规则。

这个规则可以是:实际上的交通量是什么样的;也可以是:我们理想中的交通量是什么样的(比如某个路段常年拥堵,而我们希望通过某种手段把这个路段分流,达到我们理想中的样子)

先介绍一个最简单的分配规则:0-1分配规则

假设我们有如下图一张路网:

image.png

还有一些交通量的OD数据,根据每对OD的交通量,我们会得到一个OD矩阵(交通规划第二步交通分布得到的),假设我们的OD
矩阵如下:

image.png

现在我们按0-1分配规则把交通量分配到每个路段上。

所谓0-1分配规则就是:将每⼀对OD量全部分配到最短路线上。那么按照这个规则,我们可以得到每个路段的交通量如下图:

image.png

很显然,这是一个非常理论的分配规则。一方面,每个出行目标不会仅仅只考虑距离来决定出行路线,耗时、花费等等都会被考虑;另一方面,从减少拥堵的角度考虑,我们也不会希望某个路段完全负载,某个路段又完全没有任何同行量。

所以,交通行业研究者提出了许多其他类型的交通分配模型,以满足对交通问题的研究:

image.png

而最为重要的两个模型便是:用户均衡模型(UE)系统最优模型(SO)

UE和SO

用户均衡模型(User Equilibrium) 简称UE模型,简单理解就是对实际交通情况的仿真

模型对应Wardrop(1956)第⼀原理,假设所有出行者独立地做出令自己的出行时间最⼩的决策。最终状态是⼀个OD对种所有选择的耗时相等且没有更短的耗时,反映了⽤户选择路线的⼀种准则,分配出来的流量结果是道路⽹上交通利⽤这实际路径选择的结果。

系统最优模型(System Optimum) 简称SO模型,简单理解就是理想的交通状态应该是什么样的

模型对应Wardrop(1956)第⼆原理,使系统总交通时间最⼩,反应了⼀种系统⽬标,即按什么样的分配是最好的,为规划管理⼈员提供了⼀种决策⽅法。

可以看出,UE模型和SO模型的目标函数不同,但约束条件完全一致。且已被证明过:当交通量较⼩,道路上不存在拥挤时,UE和SO有可能相等。

那么如何让UE变成SO,也就是如何让现实情况变成理想情况呢,交通研究者提出了许多方法,比如边际成本定价法(Beckmann,1965; Dafermous&Sparrow, 1971; Smith, 1979):使⽤拥挤路段的⼈应该⽀付⼀笔费⽤,该费⽤等于边际社会成本与边际个⼈成本之差,按照该原理收费,流量分布可以达到系统最优。

想要详细了解边际成本定价法,可以阅读本文附录部分。

动态交通分配

上文介绍了交通分配,可以注意到,我们所讨论的分配方式或模型全部是基于一个不会变化的OD矩阵,也就是这个OD矩阵是静态的,讨论的交通分配属于静态交通分配。如果我们将OD矩阵按时间细化,每过一定的时间间隔(比如每天、每小时、每15分钟等等)计算出一个OD矩阵:

image.png

那么我们的OD矩阵便是一个时变(time-dependent) 的OD矩阵了,由此我们引出动态交通分配(Dynamic Traffic Assignment) 的含义:将各时变OD交通量按照⼀定的规则分配到路⽹中的各条道路上,从⽽推测各条道路上的交通量(道路负荷)。

此时,UE⽬标状态也由静态的变为与时间相关的DUE(Dynamic User Equilibrium)

实际运用中,静态交通分配应用于中长期的路网规划中,更为宏观,比如城市地铁线路规划、全国铁路规划等等。

动态交通分配则应用于交通控制、交通诱导等领域,更加细致地,应用于:道路配置的重⼤更改(如将市区街道从单向更改为双向)、⾼速公路扩建、建设城市旁路添加或转换HOV-HOT⻋道、⾼速公路或公路综合⾛廊的改善或建设、出⾏管理政策(如⾼峰扩散或拥堵定价)、智能交通系统(ITS) 等。

附录:边际成本定价法

下面通过一个简单例子介绍边际成本定价法。

假设有A、B两地有两个路段可以通行:

image.png

路段1的同行时间 \( T_1 \) 与该路段的交通量 \( x_1 \) 的关系如下:

$$ T_1 = 20 + 2x_1 $$

路段2的同行时间 \( T_2 \) 与该路段的交通量 \( x_2 \) 的关系如下:

$$ T_2 = 70 + 2x_2 $$

A到B的交通量是100(一共要走100辆车),也即:

$$ x_1 + x_2 = 100 $$

根据UE模型,令出行时间 \( T_1 = T_2 \) ,最终可求得 \( x_1 = 50 \) , \( x_2 = 50 \) , \( T_1 = T_2 = 120 \) 。

也就是说,出行者在选择出⾏路径时,只考虑⾃⼰的成本,不管别⼈,那么每个人的出⾏时⻓是120,系统总时⻓便是\( 120*100 = 12000 \) 。

再根据SO模型,令系统总时间最⼩,最终求得 \( x_1 = 41.67 \) , \( x_2 = 58.33 \) , \( T_1 = 103.33 \) , \( T_2 = 128.33 \) ,系统总时长是11791。

要让UE模型达到SO模型的效果,可以在路段1处添加一个收费站,收取的费用相当于25分钟( \( T_2 - T_1 \) )的出行时间,如下图:

image.png

这样UE模型就变成了:

$$ T_1 = 103.33 + 25 = T_2 = 128.33 $$


ZincO
1 声望0 粉丝