【交通规划原理】第七章——交通方式划分

---

引言

交通方式划分是四阶段预测中的第三阶段。本章内容包括：交通方式划分（选择）的影响因素，交通特性、个人特性、地区特性和出行时间特性对交通方式划分的影响；交通方式划分的主要方法，如划分率曲线法、时间比法和函数模型法；交通方式划分模型，如非集计分析模型的原理及应用等。

大纲的要求是： 掌握最大效用理论、交通方式划分模型，Logit模型。

一、概述

在人们的日常生活中，经过各种交通方式的组合完成一天的工作和生活。因此各种交通方式之间有着很强的相互关系，离开了对这种选择关系的讨论，交通规划就难于成立。所谓交通方式划分 (Modal Split) 就是出行者出行时选择交通工具的比例，它以居民出行调查的数据为基础，研究人们出行时的交通方式选择行为，建立模型从而预测基础设施或服务等条件变化时，交通方式间交通需求的变化。

以往的道路交通规划多采用除交通方式划分以外的三阶段法。然而，现代交通网络是一种立体化的、具有多种交通方式共存的综合性网络，因此交通方式划分已经成为其主要的组成部分之一。

下图表示了具有铁路和道路两种交通方式时铁路和汽车的交通方式划分示意图。图中，$q_{ij}^{RAIL}$ 是交通小区 $i$ 和交通小区 $j$ 之间铁路的划分交通量，$q_{ij}^{CAR}$ 是小区 $i,j$ 之间的汽车划分交通量，有 $q_{ij}=q_{ij}^{RAIL}+q_{ij}^{CAR}$。

交通方式划分模型的建模思路有两种：其一是在假设历史的变化情况将来继续延续下去的前提下，研究交通需求的变化；其二是从城市规划的角度，为了实现所期望的交通方式划分，如何改扩建各种交通设施引导人们出行，以及如何制定各种交通管理规则等。新交通方式（新型道路运输工具、轨道交通等）的交通需求预测问题属于后者，其难点在于如何量化出行行为选择因素及其具体应用。

本章讲述几种常用的交通方式划分模型，包括划分率曲线模型、出行端点模型、出行转换模型和非集计模型。

二、交通方式选择的影响因素

交通方式是指完成出行所采用的交通手段，出行交通方式选择日趋多样化，以综合交通规划为例包括铁路、公路、水运、航空和管道，城市交通规划的交通方式包括步行、自行车、私家车、公交车、出租车、轨道交通等。

在城市交通规划中，将人们的步行、自行车都作为一种交通方式分析，因此人们的日常工作、学习和生活的出行，可以认为是交通方式的组合。人们的日常工作和上学等的出行日常性地反复，将会形成出行径路的相详细信息，从而形成各自的交通方式选择模式。

对于这种日常性、定型的出行方式，交通方式划分容易确定。然而，问题是人们并非一成不变地沿用同一种出行形态 (Trip Pattern) ，经常因为某种原因改变其交通工具利用情况。例如，平时利用公共汽车的人们，因为行李、天气、身体等原因改为出租车等。另外，人们到外地出差，由于不熟悉当地的公交线路或不了解业务单位的具体地址，常利用出租车。诸如此类的出行方式为非定型性出行方式。因为没有掌握交通信息而多利用出租车，如果事先有这方面的信息，可能会利用公交车。另外，人们的交通方式选择还与出行的时间有关。

影响交通方式划分的原因有多种，主要有交通特性、个人属性、家庭属性、地区属性和时间属性等。

2.1 交通特性

交通特性的影响主要是在一次出行的固有特性中，对交通方式选择影响的部分，主要有：

1. 出行目的

出行目的的不同对交通方式选择的影响变化较大的原因，是因为出行目的不同、对交通方式的服务质量要求不同（例如，上班出行时间最重要，而旅游时舒适性最重要等）。下表列出了北京市 2010 年居民出行调查不同出行目的的交通方式利用情况。

2. 运行时间和出行距离

时间是影响交通方式选择的最主要的因素之一。在出发地到达目的地之间有几种交通方式时，各自的运行时间影响乘客的选择。在具有混合交通方式时，应该采用所利用交通方式运行时间的叠加值。根据美国伊利诺工业大学研究所的研究成果，考虑选用家用轿车还是铁路时，分别以 20% 和 25% 的比例以时间为主要选择因素。考虑家用轿车和公共汽车之间的选择时，把时间作为公共汽车选择因素的仅有 2%，而家用轿车则为 44%。另外，男性 (36%) 较女性 (25%) 选择时间因素的多。因此，在进行城市交通系统规划时，交通方式之间协调及换乘效率在内的运行时间是重要的因素之一。

3. 费 用

与运行时间相同，交通费用也是影响交通方式选择的主要因素之一。一般而言，要减少运行时间，必须付出更高的交通费用。交通费用常与运行时间配对使用而很少作为单独的原因使用。根据美国伊利诺工业大学研究所的研究成果，公共交通方式的乘客中，42% 的人将交通费用作为选择的主要因素，而家用轿车的利用者中，仅不足 1%。另外，交通费用作为主要原因考虑时，没有因为年龄的不同而发生显著的变化。

4. 舒适性

交通方式选择的舒适性，是交通工具中的乘坐率、乘车中的疲劳、车内拥挤程度、有无空调等因素的综合概念。正因为如此，舒适性的评价尺度将难于制定，尤其是根据舒适性的交通方式选择，受用户个人感受的影响很大，因此预测将来的舒适性是非常困难的。

5. 安全性

不言而喻，安全性是交通方式选择的主要原因之一。无论多么好的交通工具，如果它的安全性差，也不会有人利用它。然而，因为交通事故本身既有的突发性，因此人们在选择交通工具时，明确地考虑安全性的较少。目前，在交通方式划分中，还没有考虑安全性指标。

6. 准时性

在交通方式选择时，到达的准时性对于要求准时出行的交通方式选择的影响很大。人们上班对准时性要求高，选择不受交通阻塞影响的交通方式比例高。

7. 换乘次数和候车时间

换乘次数增加会导致换乘移动时间和等待时间的增加，从而与延长抵达目的地的时间，影响交通方式选择。同时，换乘次数和候车时间的增加还会带来肢体和精神的疲劳。

2.2 出行者属性

人是交通方式选择的主体，因此交通方式的选择理所当然因出行者属性的不同而异。出行者属性包括职业、年龄、性别、收入、驾照持有与否、汽车保有量等。

1. 职业、性别、年龄、收入

人们的职业是多种多样的，职业的不同对交通方式划分产生敏感影响。

一般而言，业务员、推销员的汽车使用率高。女性较男性的公共交通方式的利用率高。20~40 岁的人汽车利用率高，其他年龄段公共汽车利用率高，并且男性比女性的汽车利用率高，收入高的人汽车利用率高。

2. 家庭属性

出行者来自各自的家庭，因此应该受着家庭的行动约束。于是，人们自然会想到，以个人为基础的规划，不如以家庭为基础的规划更加稳固。家庭属性主要包括家庭支出额的多少，家用轿车的保有、家庭构成、家族数、驾驶人员数、居住结构形式等。

家庭用车保有量的高低，对交通方式的选择带来最大的影响。

一般而言，即使家庭轿车的保有率不增加，如果家庭户数增加，因为同乘或接送机会增加，汽车的利用率也会增加。

住宅形式在某种程度上也反映了家庭收入的多少和车库的保有情况。具有私有住房者，汽车保有率高，公共交通方式的选择率则低。

2.3 地区特性

地区特性与交通方式选择有着较强的关系，地区特性指标主要包括居住人口密度、人口规模、交通设施水平、地形、气候、停车场和停车费用等。地区内人口密度高，公共交通利用率相对就高；城市规模大，交通设施水平就高，公共汽车利用率变高；山川、河流多，汽车、公共汽车利用率就高；雨天、雪天多的地区公共交通方式利用率高。

2.4 出行时间特性

人们的活动，是以一天为一个周期的，因此在某一时刻，人们具有类似交通目的的出行集中的倾向。相同性质的出行集中的时间段有：早高峰上班时间段、平时时间段、晚高峰回家时间段。

在进行交通规划时，应该根据规划的性质选择合适的时间段。例如，进行交通管理规划时，应选择早晚高峰时间段。

因为时间段的不同，道路的交通阻塞和出行目的也比较集中，当然也应该分析交通方式选择因时间段不同的变化。

另外，因平日和公休日的交通目的差异很大，因此交通方式选择特性也就不同。

三、交通方式选择的程序及划分率经验模型

3.1 交通方式选择的程序

如前所述，影响交通方式选择的因素很多，人们出行时在这些原因的影响下选定对自己最有利的交通方式，而划分率是人们出行中各种交通方式的利用比例。根据交通方式划分率模型预测划分率，然后乘以发生、吸引交通量或分布交通量，从而得到各个交通方式所分担的交通量。

根据不同的研究目的，可以从不同的角度对于交通方式选择程序进行归类。根据交通方式选择步骤可以分为二元选择法和多元选择法。下图表示了考虑全部交通方式时的多元选择法 (Multi-choice Method) 以及通过各阶段的组合考虑两种交通方式时的二元选择法 (Binary Choice Method) 。

多元选择法能通过一次计算得到各种交通方式的划分率。但是影响因素多、模型复杂，也未必能准确地描述出行者交通方式选择行为的决定过程，因此多采用二元选择法。下图表示采用二元选择法时交通方式的组合和阶段顺序。此方法的特点是某阶段划分率的计算与前阶段独立进行。

根据方式选择的基本单位可以分为集计模型与非集计模型。前述的四阶段法，是以交通小区为单位将出行者的交通行动进行集体统计分析，按照出行的发生与吸引、出行的分布、交通方式划分和交通流分配的四阶段，进行模型化预测的。可以说是首先预测总出行数，然后将其按交通小区之间、交通方式之间、径路之间利用某种经验规则计算的方式。因为是将数据按照交通小区统计之后建立预测模型而称之为集计分析。例如，利用交通小区的人口数和人口密度的函数表示交通小区的出行发生量。

与此对应，非集计分析 (Disaggregate Analysis) 是与交通需求预测中的四阶段法集计分析 (Aggregate Analysis) 相对应而命名的，又称为非集计行为分析或非集计选择分析。非集计分析交通需求预测，表现出行者个人（或家庭）是否出行、出行目的地、采用何种交通方式、选择哪条径路等的形式，从选择可能的被选方案集合中如何选取的问题，将得到的个人行动加载到交通小区、交通方式、径路上而进行交通需求预测。在非集计分析时，采用先使用调查的个人行动数据建模，预测时，再统计个人行动结果。

下表给出了集计分析与非集计分析的区别。

3.2 交通方式划分率模型

交通方式划分率模型根据对象地区或交通可分为全域模型、出行端点模型、TI 模型和径路模型四大类。

1. 全域模型

全域模型考虑规划对象区域整体的交通方式划分情况，常用于宏观交通规划。由于涉及到全地区的划分率预测，故其影响因素当然是与全地区有关的城市规模、人口、土地使用状况、小汽车拥有率、公共交通及道路建设水平等指标。

2. 出行端点模型

出行端点模型利用对象区域内交通小区的固有性质说明其划分率，在研究总量后即探讨分担率的方法，因此便于从交通的角度研究各交通小区的土地使用。此时划分率可从发生端或吸引端考虑，而多数属于发生端出行端点模型。

此外，此模型的划分率不惟一给定，而是按其出行端点（家庭和非家庭）、交通目的（出勤、上学、业务等）、交通方向（流向市中心的交通及其他）、土地开发强度（市中心地区及其他）等进行分类，再用聚类分析法详细预测。有时也有使用衡量出行方便性的可达性 (Accessibility Index) 指标的模型。

3. TI 模型

TI (Trip Interchange) 意味着 OD 交通量的相互转换。该模型推算给定 OD 表的交通方式划分率，即在出行分布后进行方式划分，因此，便于考虑出行特征和可用出行方式的特征，但难以考虑出行者的特征，因为它们已被集计到出行矩阵中。

通常，把各交通方式的利用时间、费用等的比率或差作为自变量，绘制划分率曲线。

4. 径路模型

径路模型 (Route Model) 是在考虑各种交通方式的径路的同时进行交通流分配的模型。因此，该模型的结构与交通流分配模型无本质区别。由于该模型利用同一水准处于相互竞争位置的各种交通方式的径路交通量，故适用于研究各种交通方式的合理划分交通量。尤其是由交通量的增加带来的交通拥挤与径路划分率之间的关系为平衡问题时，因此可通过改变时间、费用和通行能力等求出所希望的各种交通方式的划分量。

但是，现实中各种交通方式的选择并非仅由竞争关系来单纯决定，还涉及到同行者及行李的有无、与前后出行的连结等各种因素，因此其决定过程极为复杂。

由于交通方式划分率的预测模型在交通规划中具有极为重要的作用，至今已提出多种方法，但同时也存在不少问题。因此，交通方式划分率预测模型是一种既古老又新颖的研究课题。由于交通方式的选择涉及的因素多，加之习惯、爱好等难以测定的因素的存在，最近多使用非集计模型。

四、非集计型交通方式划分模型

4.1 非集计分析的背景

非集计分析被用于交通需求预测并获得较快发展的背景之一，是交通规划问题多样化、新交通政策不断出台，需要寻求与此适应的评价分析方法。

国民经济的快速增长引发交通需求，为了迎合快速变化的交通需求而进行大规模的设施建设或改造，需要降低交通规划成本、提高规划效率，同时交通规划还必须考虑包含既有设施的有效利用在内的交通管理问题。

非集计分析是在此背景下提出的，该背景正好符合我国目前的经济发展、基础设施建设和交通规划的实际情况。例如，为了缓解道路交通的阻塞状况，制定公交优先方案时，有多少出行者由私人小轿车的利用转为公共电汽车和地铁的利用，该部分出行者属于哪部分群体，方案的效果如何等，此类的分析结果在方案实施之前能够获得，将会以比 各种传统的交通规划方案更快速、更低廉的成本进行评价。

然而，如前所述，经典的四阶段法是为了评价长期交通设施的建设或改建而开发的方法，将此方法应用于短期交通管理规划的评价将产生模型中的变量数限制和预测作业规模大等问题。

此外，对于四阶段法预测的基础理论不明确，需要根据交通小区的土地利用性质开发不同的预测模型等问题也是促使新分析方法开发的主要原因之一。为了更加科学地分析预测，需要反映“出行者基于什么行为出行、出行思维的决定过程如何”的行为模型。

4.2 Probit 模型

非集计模型是基于随机效用理论的离散选择模型。它认为个人的选择行为基于各种交通方式的随机效用。假设备选方案的随机效用函数 $U(k)$ (Random Utility Function) 如下所示：$$U(k)=V(k)+e(k)$$ 式中，$V(k)$ 为方案 $k$ 的固定效益；$e(k)$ 为随机项。

固定效益可由行驶时间、费用等的方案特性，以及年龄、职业等的个人属性表示。假设 $e(k)$ 服从某种概率分布。由于随机效益是个人在选择时所具有的感觉上的评估值，从而有时也称为知觉效益。当随机效益 $U(k)$ 比其他任何方案大时，方案 $k$ 被选择。因此，方案 $k$ 的选择概率 $p(k)$ 可由下式表示：$$p(k)=[U(k)>U(j),\forall j\in K(j\ne k)]$$ 式中，$K$ 为方案集。

假设随机项 $e(k)$ 服从于平均值为 0，具有有限的方差协方差矩阵的多变量正态分布 MVN (Multivariance Normal Distribution) ，可得到 Probit 模型。

当方案超过 3 个时，Probit 模型的计算非常繁杂，因此，很少使用。作为使用的模型有下述的 Logit 模型。

4.3 Logit 模型及其 IIA 特性

Logit 模型假设效益函数中的随机项 $e(k)$ 相互独立，且服从同一干贝尔分布 (Gambel)。可推导出方案 $k$ 的选择概率为：$$p(k)=\frac{e^{V(k)}}{{\sum }_j{e}^{V(j)}}$$ 其概率计算及参数推算比 Probit 模型简单，并且适用性广泛。

采用 Logit 模型时，两个方案间的选择概率关系可表示如下：$$\frac{p(k)}{p(j)}=\frac{e^{V(k)}}{e^{V(j)}}$$ 上式表明，两种方案间的相对优劣仅取决于两种方案的特性，而于其他方案的特性无关。把该性质称为 Logit 模型的 IIA 特性 (Independence of Irrelevant Alternative) ，属于 Logit 模型的弱点之一。

用交通方式选择的例子来说，意味着无论其他交通方式（如轨道交通方式）存在与否，选择小客车于选择公共汽车的相对优劣相等，而实际上并非如此。与小客车相比，轨道交通方式的存在对公共汽车的选择使用有很大影响。IIA 的性质明显不成立时，可采用嵌套 Logit 模型或者 Probit 模型。

4.4 Probit 和 Logit 模型的差异

根据 Logit 模型，如果某人选择小汽车和巴士（假设所有公共汽车都被漆成红色）的概率各为 0.5，两者的选择概率之比为 1:1。现在设原模型中加入一半巴士（漆成蓝色）。蓝巴士的效用和红巴士完全相同，从而它们的选择概率之比为 1:1。所以加入蓝巴士后，公共汽车、红巴士、蓝巴士的选择概率之比为 1:1:1，概率值都为 1/3。但通常人们在进行选择时，不会特意考虑巴士的颜色，小汽车、公共汽车的选择概率应仍为 0.5，所以红蓝巴士的选择概率各为 0.25。Logit 模型忽略了蓝巴士与红巴士紧密的相关性。

Logit 模型假设径路的随机误差相互独立，而 Probit 模型假设随机误差具有相关关系。当径路重合部分增大时，由于随机误差的相关性增大，Probit 模型与 Logit 模型的计算值会产生很大差别。因此，径路重合部分多时，应该使用 Probit 模型，使用计算比较简单的嵌套 Logit 模型也能求得近似解。