基于TransCAD的改擴建公路交通量預測影響因素分析

楊 林，宋國壯

(東北林業大學 土木工程學院，哈爾濱 150040)

公路交通量預測是進行交通狀況評價、綜合分析建設項目必要性和可行性的前提和基礎，是決定公路項目效益的核心內容之一，也是可行性研究的關鍵部分。交通量預測結果是決定公路技術等級、建設規模以及進行國民經濟評價的基本依據。本文以美國Caliper公司開發的基于GIS的交通規劃軟件TransCAD4.5為基礎，結合黑龍江省省道建興至碾子山公路明水至林甸段改擴建公路以及現有資料收集情況，對目前在國內外應用較廣、較為成熟的“四階段”交通量預測方法和步驟進行論述。根據軟件運行過程及結果找出影響交通量預測的幾個因素，并對影響因素進行敏感性分析，總結因素對預測的影響程度。可為今后類似項目和工作提供參考借鑒。

1 “四階段”交通量預測基本步驟

預測公路交通量的四階段法主要研究公路交通量的發生、吸引情況及其與社會經濟的關系，四步模式為社會經濟發展預測、交通發生和吸引預測、交通分布預測、交通分配四個階段。主要步驟為：

(1)對項目影響區社會經濟和交通運輸狀況及未來交通發展趨勢進行研究分析，預測項目影響區未來經濟發展水平。

(2)綜合考慮我國交通運輸與社會經濟發展的一般規律等因素，確定交通量增長率。

(3)研究公路影響地區內交通出行的規律和特點，預測影響地區各特征年發生、吸引交通總量在各個小區間的具體分布。

(4)在未來相關路網上模擬出交通出行狀況，把交通量分配到公路項目和其他相關公路上去，得出項目各特征年交通量[1]。

2 基于TransCAD的交通量預測過程

以黑龍江省省道建興至碾子山公路明水至林甸段改擴建公路工程為應用示例，進行TransCAD預測過程。

2.1 預測交通量構成

項目遠景交通量主要由三部分構成：①通道內自然增長的趨勢交通量在擬建項目及項目影響區上的分流；②項目建成后，將對項目影響區域和服務區域經濟生產產生帶動作用，刺激經濟產生新的增長，從而產生誘增交通量；③項目建成后，將明顯改善沿線影響區的公路交通現狀，提高道路服務水平，大大縮短區間運行時間，使新建項目在路網中占有優勢地位，從而產生從其他運輸方式轉移來的交通量。

由于擬建項目為三級變二級改擴建公路工程，而區域內現狀道路主要由一二級普通國道、省道及高速公路構成，且布局合理，因此擬改擴建公路在縮短里程、運行時間等方面的效果不甚明顯，因此誘增交通量不大，可忽略。而項目直接影響區明水縣和林甸縣在交通運輸方式上只有公路運輸，沒有水路、鐵路、航空等其他運輸方式，且公路客貨運輸分擔量較穩定，變化不明顯，故從其他交通運輸方式轉移過來的交通量甚小，可不予考慮。因此本文主要介紹趨勢交通量的預測[2]。

2.2 未來經濟社會發展趨勢預測

未來經濟社會發展趨勢預測包括區域人口和區域經濟預測，通過查閱黑龍江省經濟和人口統計年鑒，可得到明水縣和林甸縣2000年～2010年的經濟、人口樣本量。采用時間序列法對樣本值進行回歸分析，得到項目所在區經濟、人口的回歸模型和相關系數，進而對項目影響區經濟發展速度進行預測。項目所在區經濟社會發展時間序列模型見表1。

表1 項目直接影響區經濟社會發展時間序列模型

2.3 交通小區發生、吸引總量的預測

2.3.1 交通小區的劃分

根據擬建項目的地理位置及項目影響區產業結構、生產力布局、路網結構及交通分布等因素，以項目影響區內現有行政區劃為基礎，共劃分8個交通小區，其中1區和2區為項目直接影響區，如圖1所示。

2.3.2 道路網絡的創建

通過現場的交通調查以及統計結果，建立路網，如圖2所示。

圖1 項目影響區交通小區劃分

根據TransCAD的功能，為每個路段創建兩個方向(AB方向和BA方向)，針對不同的道路等級設置道路的屬性，采用TransCAD線層編輯工具構建道路網絡。道路的屬性字段主要包括道路名稱(Name)、道路設計車速(Speed)、道路起終點標號(Node)、道路車流量(Count)、道路設計通行能力(Capacity)、道路車流行駛時間(Time)等。創建好的路網數據庫主要屬性數據見表2[3]。其中道路設計車速、設計通行能力可通過查閱《公路設計規范手冊》得到。

圖2 項目影響區路網

表2 路網道路主要屬性數據表

2.3.3 基年OD矩陣反推

為了得到交通小區間基年OD矩陣，采用TransCAD軟件的OD矩陣反推功能。OD反推是交通分配的逆過程，是根據交通網絡的路段流量去推算可能的OD矩陣，整個反推過程為：繪制路網結構圖→導入TransCAD→形成初始網絡→建立數據庫→選取節點→定義初始OD→創建OD反推網絡并設置網絡→生成OD矩陣[4]。各交通小區基年OD矩陣如表3。

在OD矩陣的反推過程中以及得到OD矩陣后應注意以下事項：

表3 2010年(基年)OD矩陣表 pcu/d

(1)運行OD矩陣反推功能，為了給輸出的OD矩陣設置尺寸，需要準備一個初始OD矩陣，它的元素可以全為1。而本文不考慮區域內部OD量，故初始OD矩陣的對角線應全為0。

(2)基年OD矩陣的行列分別相加就可得到各個小區的基年出行產生量(P_Base)和出行吸引量(A_Base)。

2.3.4 交通增長率的確定

根據項目服務區及影響去經濟發展速度預測結果和交通運輸彈性系數，利用彈性系數法對交通增長率進行計算：

R=A·E。

(1)

式中：R為交通量增長率(%)；A為經濟增長率(%)；E為彈性系數。

運輸彈性系數的發展規律一般是：在經濟發展初期或快速發展時期，交通運輸量快速增長，其增長速度一般高于經濟增長速度，運輸彈性系數大于1；當經濟水平達到一定程度后，交通運輸的增長速度減緩，與經濟幾乎同步增長，運輸彈性系數接近于1；之后，交通運輸增長速度低于經濟增長速度，運輸彈性系數小于1。

計算得到項目影響區域交通增長率情況見表4。

表4 項目影響區域交通平均增長率情況 %

2.3.5 未來出行產生、吸引總量預測

對于未來小區的出行產生和出行吸引總量的預測采用增長系數法，即在交通小區基年出行產生和出行吸引的基礎上乘以交通增長率。預測結果見表5。

表5 未來各特征年出行產生和吸引預測 pcu/d

2.4 小區發生、吸引總量在區域間的分布

根據預測的各交通小區發生和吸引交通量，采用重力模型法預測分布交通量，其計算公式為：

Tij=a·Oi·Dj·f(cij)。

(2)

式中：Tij為未來年i區與j區之間的分布預測量；Oi為i區的出行產生量；Dj為j區的出行生成量；f(cij)為阻抗函數；a為模型參數[5]。

各小區間時間阻抗矩陣見表6。

表6 小區間阻抗矩陣

經計算，得到a=0.0121。將未來出行、產生矩陣和小區間阻抗矩陣運用TransCAD功能中的重力模型進行輸出，得到各小區發生、吸引總量在區域間的分布。項目服務區及影響區遠期2032年交通量期望圖如圖3所示。

2.5 交通量分配

本文交通量分配采用隨機用戶平衡法。隨機用戶平衡法法的原理是：假設兩點之間有很多條道路而這兩點間的交通量又很小，這些交通量顯然會沿最短路徑走。隨著交通量的增加，最短路徑上的交通量也隨之增加，增加到一定程度，這條道路上的行駛時間會因擁堵而變長，這時，該路徑已不是最短路徑了。因此，有一部分使用者會選擇新的最短路徑。隨著兩點之間的交通量的繼續增加，兩點之間的道路有可能被利用，直到兩點之間被利用的各條道路的行駛時間都相等，最后達到平衡狀態。本文使用的路網文件中包含了里程、收費、交通環境等數據，以反映各方面因素對交通出行選擇行駛路線的影響狀況。最終2028年的路網分配結果如圖4所示。

擬建項目沿線除公路汽運外，沒有鐵路線及其他運輸方式。且公路客貨運輸分擔量變化不明顯，故該次交通量預測中交通方式劃分不予考慮。

圖3 遠景2032年交通量期望圖

圖4 2032年路網的分配結果

3 交通量預測影響因素分析

3.1 影響因素分析

對于交通量預測，從前期交通調查到預測階段都需要龐大的工作量，需要花費大量的人力、物力，而且成本較高。因此，本文針對TransCAD交通量預測過程進行分析，找出對交通量預測影響程度較大的因素，即敏感性因素。下面對預測工作的過程進行拆分，逐一分析。

(1)OD矩陣反推階段。在OD矩陣反推過程中，需要創建初始OD矩陣和路網數據庫兩個準備工作。在創建數據庫時，道路通行能力和道路設計車速均可由《道路設計規范手冊》得到；而路段車流量則需要由實測得到。為了了解路段車流量對預測工作的影響程度，文本將其視為影響因素。

(2)未來出行產生、吸引總量預測階段。此階段的主要工作是對交通增長率的預測。需要三個指標，GDP增長率、人口增長率和交通運輸彈性系數。而根據交通部規劃研究院有關區域交通運輸彈性系數的主要研究結論，我國未來交通運輸彈性系數在0.9～0.7之間的概率為78.97%，因此區域交通運輸彈性系數在未來年的變化規律將較為穩定。此階段將GDP預測增長率和人口預測增長率定為影響因素。

(3)小區發生、吸引總量在區域間的分布。由公式(2)看出，影響此階段工作的主要因素為阻抗函數和模型參數。阻抗函數主要由路段車流行駛時間決定，而路段車流行駛時間可由道路里程與道路設計車速相除計算得到；將各路段車流行駛時間與小區質心相連接，得到各小區間的基年OD阻抗矩陣，將阻抗矩陣運用重力模型進行計算，可得到模型參數。上述工作均可由運行TransCAD實現。

(4)交通量分配。TransCAD是目前國際上較為先進、應用較廣的交通規劃軟件，此階段可由運行TransCAD功能中的用戶均衡分配法得到。

3.2 影響因素的敏感性分析

敏感性分析是研究建設項目的主要影響因素發生變化時，項目評價指標發生變化的程度。通過敏感性分析，可以找出影響項目的敏感因素，并且確定這些因素的變化對評價指標的影響程度。如果某因素在很大的范圍內變化，引起評價指標的變化并不大，則稱此因素為非敏感性因素；如果一個因素在很小的范圍內變化而引起評價指標很大的變化，則稱其為敏感性因素[6]。

通過上述分析，找出了影響交通量預測的主要因素，分別為：擬建道路實測車流量、GDP預測增長率和人口預測增長率。由于項目遠景年路網已趨于穩定，用戶在路網上的選擇也基本達到平衡狀態，因此本文將遠景年2032年擬建道路分配交通量作為評價指標，在其他兩個因素不變的情況下，將各影響因素按照-20%、-10%、+10%和+20%的幅度進行變化，進行如下工作：

(1)路段實測車流量直接影響基年OD矩陣反推。將創建好的路網數據庫中擬建道路實測車流量按照-20%、-10%、+10%和+20%的幅度進行變化，其他屬性數據不變，按照上述預測過程分別進行操作，得到變化后遠景年擬建道路被分配的交通量，見表6。

(2)GDP增長率和人口增長率主要影響未來出行產生、吸引總量預測。針對這兩個因素在TransCAD創建未來出行產生、吸引總量數據表，如圖5所示。將計算出的未來GDP增長率(GDP_FUR)、未來人口增長率(POP_FUR)按照-20%、-10%、+10%和+20%的幅度進行變化，分別采用重力模型法預測出未來出行產生、吸引總量。進行接下來的小區發生、吸引總量在區域間的分布和交通量分配工作，得到變化后遠景年擬建道路被分配的交通量[7]，見表7。

表7 擬建道路隨各因素變化后的交通分配量 pcu/d

為了更加直觀的體現各影響因素對評價指標的影響，將表7在坐標軸上以柱形圖的形式表現出來，如圖5所示。

圖5 影響因素變化與交通分配量變量系圖

通過圖5可以看出，人口預測增長率對分配量結果的影響較小，而擬建道路實測車流量、GDP預測增長率這兩個因素的變化均可引起分配量結果的大幅度變化，且GDP預測增長率的影響程度要遠大于擬建道路實測車流量。因此，擬建道路實測車流量、GDP預測增長率為影響擬建道路交通分配量的敏感性因素，GDP預測增長率為最敏感因素。在進行交通量預測工作中，應重視道路實測車流量工作并提高GDP增長率預測的準確性。

4 結束語

利用Trans軟件進行高等級公路和改擴建公路可行性研究方面的交通量預測具有很大的實用價值，其OD反推功能強大，可以在一定程度上減少復雜而繁瑣的OD調查，節省大量人力物力，但OD反推并不能完全代替OD調查，在現實工作中應依具體情況而定；在交通量分布與分配工作上較為先進，基礎數據易于獲取，預測精度較高，且便于修改。另外，擬建道路車流量調查和GDP增長率預測在整個交通量預測工作中極為關鍵，決定著預測結果的準確性，應加以重視。

【參 考 文 獻】

[1]夏 陽.改擴建高速公路交通量預測方法研究[D].武漢：武漢理工大學，2006.

[2]付海濤.省道建興至碾子山公路明水至明林界段改擴建工程可行性研究報告[R].哈爾濱：黑龍江省公路勘察設計院，2010.

[3]宴 衫，南愛強.TransCAD軟件在公路建設項目交通量分析與預測中的應用[J].中外公路，2011，31(6)：273-276.

[4]溫勝強.TransCAD軟件在高速公路交通量預測中的應用[J].中外公路，2007，27(5)：20-23.

[5]宋 睿，宴克非，鄭 建.TransCAD在四階段交通需求預測中的應用[J].交通科技與經濟，2011(1)：79-81.

[6]蔡 毅，邢 巖.敏感性分析綜述[J].北京師范大學學報(自然科學版)，2008，44(1)：9-15.

[7]王 旭，周 旭.基于灰色RBF神經網絡組合模型的交通量預測研究[J].森林工程，2012，28(4)：51-54.