基于交通分配算法的城市客运方式划分研究.doc

《基于交通分配算法的城市客运方式划分研究.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于交通分配算法的城市客运方式划分研究摘要:本文针对我国城市轨道交通网络覆盖率低的特点，提出采用网络标识确定轨道交通的空间布局。综合考虑各种交通方式的特点及其运输网络的连通程度，提出基于交通分配算法中路线选择模型，且考虑轻轨线网布局的城市客运交通方式划分方法。关键词:方式划分;网络标识;路线选择模型;轨道交通0前言城市交通规划中的方式划分是交通需求预测的重要组成部分，其模型的预测精度直接影响到交通需求分析的结果[1]。合理、客观的交通方式划分预测能够为优化城市未来交通运输结构提供科学的决策依据[2]。国外学者早

2、期主要从集计的角度研究交通方式划分问题，20世纪50年代发展起来的PugetSound分类预测模型是美国最早的交通方式分担率预测模型之一[3]。20世纪60年代，很多学者提出了“转移曲线法(shiftcurvemethod)"，该方法在60,70年代得到了广泛的应用。美国、英国、加拿大等国都有成套的城市公共交通与私人交通的转移曲线[4][5]。20世纪70年代以来，以McFadden为代表的一批学者将经济学中的效用理论引用过来，并以概率论为基础，从非集计的角度对方式划分问题展开了研究[6]。无论是集计还是非集计

3、方式划分模型，都是从宏观上研究各交通方式的比例结构，无法考虑各交通方式的空间布局及可接触程度问题。轨道交通是未来城市客运交通结构的主题，但是我国大城市的轨道交通目前(近期)只是成线成环，还没有形成便利的运输网络。现有的方式划分模型无法考虑轨道网络覆盖程度的影响，不能对轻轨方式准确地作出预测。因此，笔者提出了考虑轨道交通布局的客运交通方式划分方法。1基本思路与发达国家相比，我国地铁、轻轨交通方式起步较晚，很多城市没有地铁、轻轨等交通方式，即使北京、上海等经济发达、地位重要的特大城市，其地铁和轻轨交通方式也没有形成

4、发达的连通网络。与此类似，其他目前没有地铁或轻轨的城市，其规划的地铁、轻轨线路初期也以线段或环状的单线形式出现。对于地铁和轻轨方式，其出行比重只能由其线网连通交通区间的OD出行量决定，因此，轨道交通布局对其承担的出行比重具有决定性作用。为考虑城市交通网络中的轨道交通有效布局，解决城市中的地铁、轻轨等方式划分问题，本文采用交通分配法进行交通方式划分计算。其基本思路是将全方式的出行OD量采用分配法进行交通分配，通过分配，进行OD点对间的出行路线选择，计算出各路径上的交通阻抗值及各条路径的分配权重。通过效用函数调用各

5、出行路线上的阻抗值，计算各交通方式的广义效用，并以计算的广义效用为控制指标，确定各条路径各交通方式的出行分担率。综合考虑区间各出行路径上的方式分担比例及路径分配权重，并对其累计求和，可得到交通区间各交通方式的出行比重。通过各个区间的各交通方式出行量计算，得到交通区间的各交通方式的出行量。42模型假定与网络标识2.1基本假定(1)每个OD点对间的出行只进行一次方式选择，不包括步行—公交车、公交车—地铁等组合交通方式选择;(2)公交线网连通各个交通小区，且各交通小区的公交惩罚时间相同;(3)根据现状调查数据确定对应

6、城市步行和自行车的最大出行距离，当区间出行距离大于调查的步行和自行车的最大出行距离时，则认为步行和自行车的相应出行比重为0。2.2网络标识为了表示各交通区出行时的地铁或轻轨交通方式的可接触程度，需要在整个交通网络上进行地铁、轻轨线路的特殊标识，以表明能够决定地铁和轻轨有权参与方式划分的OD点对范围。用有向图G(N,L)表示城市交通网络，其中N为网络节点集合(即交叉口或交通小区质心)，L为有向弧集合(即路段)。为了标识地铁或轻轨线路的连通程度，引入0-1变量，当，σ=1时，表明有向弧具有供轻轨交通方式选择的权利，

7、但是只有当OD点对间出行路线的所有有向弧都具备，σ=1时，OD点对间才能进行轻轨交通方式选择。3模型基本形式及程序设计方法3.1出行路线选择模型城市道路网是一个复杂的相互连通的运输网，因此一对起始/终迄节点之间的出行路径有多条。一对起迄点之间的最短路线只有一条，尽管出行者在交通区内分散就近出行，但是一对起迄点的有效出行路径是确定的，一般数目不超过8-10条。在大型网络中，网络错综复杂，人直接参与路径的确定是比较困难的。本文采用通过反复迭代寻找OD点对之间的有效路径的启发式方法，将OD点对之间的有效路径列出来，然

8、后以各路径的交通阻抗为指标计算各出行路径的选择概率。有效路径概率选择模型的基本形式如下:式中:P(r,s,k)为交通区:与交通区、间的OD量在第k条路径上的分配率;r(k)为第k条路径上的出行路权(行驶距离);r-为各出行路径上的平均出行路权(行驶距离);m为有效出行路线条数;θ为分配参数。θ为无量纲参数，它反映了出行者在选择路径时造成路权大小判断误差的程度。由于在分配模型中采用了相对