基于OD反推的交通需求分析方法研究

纪 魁 曹国华

（江苏省城市规划设计研究院 南京210096）

0 引 言

交通需求分析是城市控制性详细规划的重要内容［1］，当规划范围内局部地区的用地性质、开发强度等发生调整时，其内部道路和周边路网的交通情况都会受到影响，要进行交通需求分析，必须对道路上的流量进行准确地预测。

对于一般的研究范围较小，出行方向选择较为单一的交通需求分析项目，传统分析方法主要通过对开发项目新增流量的流向分析，通过"手工"分配的简化方法将新增流量与背景交通量叠加分配到路网上。其主要特点：①目的明确，方法简易；②预测得到的路段流量高于背景路段流量，即使流量本身就很高，也会进行流量的叠加。传统分析方法对于单个地块使用较为合适，当遇到规划范围较大、地块较多的交通 需求分析时，对于内部道路的流量分配情况由于方法本身限制，会出现高估干道、低估次要道路拥堵程度的情况，同时，在项目内部道路系统复杂时，该方法使用较为困难。

OD反推经常用在现状分析中，由于资金、时间限制，调查部分主要路段流量反推得到各交通小区交通生成量，替代交通调查，继而进行交通需求分析［2－3］。受其启发，笔者在传统交通需求分析基础上，结合TransCAD平台，提出基于OD反推的交通需求分析的方法，力求使得对局部控规发生变化的交通需求预测更加符合目标年的情况，交通需求分析结果更加精准。

1 基于OD反推的交通需求分析

传统的通过在背景流量基础上叠加新增流量的做法，其主要特点：①目的明确，方法简易；②预测得到的路段流量高于背景路段流量，即使流量本身就很高，也会进行流量的叠加；③对于单个地块使用较为合适，当遇到规划范围较大、地块较多的交通需求分析时，对于内部道路的流量分配情况的分析不尽合理。笔者提出的基于OD反推的交通需求分析方法，是依据背景交通量和建立的虚拟分区，进行OD反推，进而逆推得到各个虚拟分区的客流生成量，之后和基地作为1个整体，进行四阶段的交通需求预测，通过这样的方法，当路段较为拥堵时，用户会进行判断，选择畅通的道路行驶，从而流量将会分配到其他路段上，道路资源可以得到充分的利用；基地内部道路流量可以通过流量分配图进行定性、定量的分析。图1为交通需求分析方法的流程图。

1.1 背景交通量

背景交通量是指在规划没有发生改变，按照原定规划指标建设的时候，基地周边道路分配得到的交通量［2］。背景交通量的准确与否，将直接关系到笔者提出的基于OD反推的交通需求分析方法的准确性。得到背景交通量有3种方法：①可以在城市综合交通规划中，得到基地周边道路的在目标年的背景交通量；②可以根据综合交通规划中设定的道路饱和度，对目标年的道路流量进行估算；③可以根据出行次数的增长趋势，在现状调查流量的基础上进行目标年的背景交通量推算；为了使得到的背景交通量尽可能的准确，可以综合得到的数据，以第2种方法得到的值为上限值，超过上限的取上限值，没超过的取平均值，进而得到相对较为准确的背景交通量。

图1 交通需求分析方法Fig.1 Travel demand analysis method

1.2 OD反推

OD反推是交通分配的逆过程，交通分配是将OD矩阵分配到路网上产生路段流量，OD反推则是根据路段流量推算可能存在的OD矩阵［3］。在TransCAD软件平台上，进行OD反推，需要路段流量、路段旅行时间和基础OD矩阵。

本文提出的方法是以得到的背景交通量作为路段流量，路段旅行时间则是根据各个路段的长度和设计车速计算求得，基础OD矩阵需要设置小区，由于背景交通量是基地周边主要道路的流量，所以基地可以作为1个小区考虑，之后在基地与周边方向，根据实际情况，设置虚拟分区，保证每1条通过基地的道路都能联系到至少1个虚拟小区，在TransCAD中就是每条主要道路都至少有一个质心连杆相连。

由于没有基础OD矩阵，可以采用下面公式计算［4］

式中：Tij为分区间的OD；Cij为分区间的费用；β为参数。

式（1）采用重力模型的原理，利用出行费用来计算OD矩阵。在TransCAD中可以用多路径费用计算得到此矩阵，作为初始的OD矩阵。

1.3 四阶段交通需求预测

基于OD反推的交通需求分析方法，在标准的四阶段交通需求预测步骤中，没有过多的改动，依然是按照4个阶段进行。

交通生成预测依据基地内各个地块的用地性质、建筑面积以及岗位数等进行发生、吸引预测，建立的虚拟小区的交通生成量，可以根据PA矩阵和OD矩阵的关系，逆推得到；交通分布预测，一般在TransCAD中，使用生成的多路径费用矩阵作为分布预测的阻抗矩阵；方式划分阶段，宏观的采用城市综合交通规划确定的各种交通方式的分担率，由于具体到基地，各种方式的分担率可能会发生一定的变化，对于步行交通，可以采用转移曲线法确定，对于机动车交通，可以采用非集计模型——Logit模型计算各种交通方式的分担率矩阵［5］。公式如下

最简单的效用函数可以具有如下形式。

在TransCAD中如何实现Logit模型，可参考文献［5］。对于交通分配，可以在TransCAD中选择多种分配方法［6］。由于随机用户均衡相对于用户均衡模型，降低了用户对于路段阻抗的敏感性，更加的符合现实世界的车流分布情况［7－8］，所以推荐采用随机用户均衡方法进行交通分配。

2 实例论证

为了验证基于OD反推的交通需求分析方法的正确性，选取了某市局部片区，其控规发生了调整，对其做交通需求分析。背景交通量采用饱和度预测和增长率推算的方法进行综合处理，之后根据其实际情况，在几个方向建立了虚拟分区（分区编号和道路编号在图中标出）。图2为背景交通量预测结果，图3为虚拟小区和基地内部小区划分图。通过建立的虚拟分区，基本可以保证基地各个方向的对外联系通道都能联系到1个虚拟小区。

图2 背景交通量Fig.2 Background traffic flow

图3 虚拟分区Fig.3 Virtual partitions

结合背景交通量和虚拟分区，进行OD反推，此时由于只有主要几条联系通道的流量，所以整个基地作为1个大区处理，之后，根据PA矩阵和OD矩阵之间的关系，逆推得到各个虚拟分区的客流发生、吸引量。结合各个小区的地块性质和建筑面积，进行各小区的客流生成预测；进行交通分布预测时，基地大区拆分为小区考虑；方式划分采用Logit模型，设置费用和旅行时间矩阵，让小汽车和公交车自由竞争，由于本区域小汽车出行相对较高，所以综合得到的该片区的小汽车分担率会高于整个城市的综合交通规划确定的分担率；交通分配选取的是随机用户均衡模型，最终得到的分配结果如图5所示，图4、图5为2种方法的流量分配图，路段流量量级相同，图4从定量角度佐证了笔者提出的方法的可靠性。

图4 传统交通需求预测Fig.4 Traditional traffic demand prediction

图5 基于OD需求的需求预测Fig.5 Traffic demand prediction based on OD estimation

表1为主要道路的路段流量和饱和度，对比传统方法和基于OD反推的需求预测，可以发现，由于传统方法的特性，预测的主要道路的流量都高于背景流量，整个路网都处于1个比较拥堵的状态；而用基于OD反推的方法得到的预测结果，道路网络整体运行情况良好，同时，对比其结果和背景交通量预测结果，部分道路流量由于转移到了次干路和支路上，会出现低于背景交通量的情况，路网的道路资源得到了充分的利用，这种情形与现实世界中，用户发现主要道路拥堵而改走支线道路的选择行为一直。所以，本文提出的预测方法在实例中相对于传统方法，应用效果更好，预测结果更加的符合用户路径选择习惯。根据预测的结果，可以对基地内部交通运行环境进行相应的分析。

对于这样的局部控规调整，其东北地块全部设置为商务办公区域，显然在周五晚高峰，由一条主干路去分担流量是难以胜任的，分配结果也可以很好的反映出这一情况，结果相对是可靠的。

3 结束语

笔者提出的基于OD反推的交通需求分析方法，能够有效避免传统方法拥堵路段无限叠加，从而高估干道拥堵情况，低估次干路和支路流量的情况，分配的结果更符合客观世界路径选择规律；相对于传统分析方法，可以细化到支路层面进行交通分析，为规划者提供更加科学合理的模型支撑。值得注意的是，本文提出的方法是在背景交通量相对准确的情况下的应用，而不是忽略了现状调查的重要性。虚拟小区的规模和数量，以及相关参数在此方法中的标定，可以作为未来的研究方向

［1］ 住房和城乡建设部.城市规划编制办法（建设部令第146号［Z］.北京：住房和城乡建设部，2006.

［2］ 李夏苗，黄桂章，汤 杰.基于OD反推模型预测客运通道客流量［J］.铁路学报，2008，30（6）：7－12.

表1 主要路段流量、饱和度Tab.1 Main roads traffic flow and saturation

［3］ 李 波，陈金山.基于OD反推的路网承载能力分析及应用［J］.西华大学学报，2012，31（2）：38－41.

［4］ 陆化普，史其信，殷亚峰.交通影响评价的基本思想与方法［J］.城市规划，1996（4）：34－38.

［5］ 李文栋.大型商业建筑项目交通影响分析研究［D］.武汉：华中科技大学，2009.

［6］ 闫小勇，刘博航.交通规划软件实验教程［M］.北京：机械工程出版社，2010：64－75.

［7］ 章 玉，胡光华，王 佳.交通规划模型－TransCAD的操作与应用［M］.北京：中国建设工业出版社，2011：119－120.

［8］ 纪 魁，程 琳.基于TransCAD的“四阶段”交通需求预测［J］.交通信息与安全，2012，30（1）：17－20.

［9］ 姚智胜，熊志华.TransCAD软件及其在交通影响分析中的应用［J］.交通与计算机，2003（6）：119－121.

［10］ 程 琳，纪 魁，蒲自源，等.路段型随机用户均衡敏感度分析［J］.东南大学学报，2013，43（1）：221－225.

［11］ Ren Qiliang.Research on H－fuzzy evaluation method for traffic congestion of city road－network［J］.Information Management，Innovation Management and Industrial Engineering，2008（3）：41－44.