CN103226801A - 基于多用户配流模型的空港集疏运交通量确定方法 - Google Patents

Abstract

本发明属于交通运输规划与设计技术领域。为机场交通枢纽与机场规划、设计中吞吐量确定提供基础研究支持和具体方法，为达到上述目的，本发明采取的技术方案是，基于多用户配流模型的空港集疏运交通量确定方法，包括如下步骤：依据不同效用值原则确定不同运输方式的运输量，不同交通方式分配的交通量，其中确定不同运输方式的运输量具体为：1.1集疏运网络系统，1.2出行者的分类及其路径选择的原则，1.3配流模型，1.4运输量与交通量的转化。本发明主要应用于交通运输规划与设计。

Description

基于多用户配流模型的空港集疏运交通量确定方法

技术领域

本发明属于交通运输规划与设计技术领域，具体涉及到多用户划分、不同交通出行方式效用值确定、交通分配的运输量与交通量间转化以及交通分配的方法。

背景技术

由空港吞吐量确定进出空港（集疏运）交通量是根据机场的设计通行能力，按照不同的出行方式的特点确定各自分配的交通量，从而为各种运输方式容量规划及设计提供相关依据。在具体工程应用中，现有空港集疏运客运交通量的确定主要是通过调查确定包括轨道交通、机场汽车公交、大巴、私人小汽车、出租车等交通出行方式的选择人数及所占比例，再针对规划特征年予以适当的修正，这种方法简单易操作但缺乏科学性，特别是社会经济发展较快的情况下。国内外部分学者对此进行了研究，

在《Airport transport system analysisand modeling》中建立了基于logit的航空运输系统不同出行方式的分配模型；Martins.C.L在《Search strategies for the feeder bus network design problem》中采用搜寻策略的方法对空港路侧交通中公共交通分配的运输量进行了确定；薛原等在《希斯罗机场公共交通集疏运网络研究》中，以希思罗机场为例，结合具体数据研究了确定该机场公共交通的集疏运量的方法；戴军等在《基于大型空港的综合交通网络规划》中，把交通方式选择和交通分配置于四阶段法中，其中采用logit模型来确定各交通方式的分担比例，再把各路径上的运输量转化成交通量。

从目前国内外相关文献阅读可知，大部分学者主要采用建立logit模型和非集聚模型的方法，将各个出行者需要考虑的因素如时间、费用、个人特征、是否携带行李、换乘方便度等统一进行归一化处理，然后进行线性加权，采用效用值最大化的原则，确定各个运输方式分担的客运量比例，最后将各个道路弧、路径分担的运输量转化为交通量。这种方式存在两方面的问题：

（1）是将出行者同类化，假定每一个出行者相互独立且服从Gumbel分布，每类出行者用统一θ值来表示，事实上，不同出行者对于路网的了解程度是不同的，假设不符合实际情况不符合实际情况。出行者因为自身工作、收入、社会地位、价值观等的差异，对于出行考虑的因素比如费用、时间、舒适度等有不同的考虑权重，进而在出行方式的选择上会用不同的准则。

（2）是将交通分担与分配分为两个阶段来处理，这种假设基于出行者按照两阶段的顺序先后进行决择的前提，不符合出行者在交通出行方式及其路径选择上的实际情况。

发明内容

本发明旨在克服现有技术的不足，为机场交通枢纽与机场规划、设计中吞吐量确定提供基础研究支持和具体方法，为达到上述目的，本发明采取的技术方案是，基于多用户配流模型的空港集疏运交通量确定方法，包括如下步骤：依据不同效用值原则确定不同运输方式的运输量，不同交通方式分配的交通量，其中确定不同运输方式的运输量具体为：

1.1集疏运网络系统

1）节点的选择

把具有一定交通关联度和交通相似度的不同地理区域抽象为一个节点。

2）弧与路径的确定

采用多用户多出行方式的配流模型，针对各种不同的出行方式的特点以及路网状况，整合表征代表不同出行方式和对应路网状况的成本函数，该成本函数表示对应的弧成本，弧主要分为包括机场巴士、机场专线的公共交通、轨道交通、出租车、小汽车四种类型。

1.2出行者的分类及其路径选择的原则

出行者按照效用值最大化原则选择出行方式及其具体路径，效用值即具体选择原则为步行时间或距离、在乘时间、等车含换乘时间、交通费用、行李数量、路径舒适程度、出行目的及其报销程度、路径可靠性、家庭收入程度、安全程度等的综合结果；具体划分为一下几个类别：

1）高级公务与高级商务：选择小汽车、或公务、商务客车；

2）一般公务与一般商务：选择小汽车或出租车；

3）旅游：以选择旅游大巴为主；

4）机场含海关等其它部门与航空公司通勤人员

选择通勤车等公共交通，或自驾小汽车；

5）上学、探亲访友

6）接送人员

1.3配流模型

客运量出行方式的选择与分配采用多用户多路径用户最优配流模型：

$\min C=\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\∫}_0^{h_{\mathrm{kij}}}{c}_{\mathrm{kij}}\left(x\right)\mathrm{dx}$

$s.t\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{h}_{\mathrm{kij}}=Q$

h_kij≥0

c_kij（x）表示第k对OD点间第i类出行者第j类出行方式的成本函数，g为OD点对数，m为出行者种类，n为出行方式种类，Q为总的交通量，h_kij为第k对OD点间第i类出行者第j类出行方式的流量；

某一OD对之间一类用户的总成本，包括四部分：

C_ki＝C_ki1+C_ki2+C_ki3+C_ki4

①小汽车出行成本：

②出租车出行成本：

③普通公交出行成本：

④轨道交通出行成本

$C_{\mathrm{ki}4}={\∫}_0^{h_4}({\mathrm{\α}}_i\×{\mathrm{\λ}}_4\×\stackrel{\‾}{t}\×\mathrm{\τ}+{\mathrm{\β}}_i*c_{\mathrm{metro}})\mathrm{dx}$

L为OD对间平均出行距离，v为可达平均速度，

为流量速度对应函数，α_i为各类用户时间考虑权重，β_i为各类用户费用考虑权重，具体取值见表3各类别用户对时间和费用的不同考虑权重，λ为相对出行舒适度系数，具体取值见表2，τ为时间费用转化系数，ε为小汽车单位距离出行费用，

为轨道交通出行时间，p为出租车单位距离计费标准，c_bus为机场巴士票价，c_metro为轨道交通票价，阿拉伯下标代表对应的交通工具；

表1.各类别用户对时间和费用的不同考虑权重

表2.各种出行方式的相对出行舒适度系数

1.4运输量与交通量的转化

计算出各出行方式分配的运输量暨人次后，还需要转换成相应的交通量，交通量以标准车当量数pcu为单位，即将实际的各种机动车交通量按一定的折算系数换算成某种标准车型的当量交通量；

确定不同交通方式分配的交通量具体是采用粒子群算法对多用户的空港集疏运交通量进行分配，具体算法步骤如下：

（1）依照初始化过程，对粒子群的随机位置和速度进行初始设定；

（2）根据多用户均衡配流模型确定适应度公式，计算每个粒子的适应值；

（3）对于将其适应值与所经历过的最好位置ipbest的适应值进行比较，若较好，则将其作为当前的最好位置；

（4）对于每个粒子将其适应值与全局所经历的最好位置gbest的适应值进行比较，若最好，则将其作为当前的全局最好位置；

（5）采用如下公式对粒子的速度和位置同时进行进化：

v_i＝v_i+c₁×rand()×(p_i-x_i)+c₂×rand()×(g-x_i)x_i＝x_i+v_i

v_i是粒子的速度，x_i是当前粒子的位置，p_i为个体极值，g为全局极值，rand（）是介于（0，1）之间的随机数。c₁,c₂是学习因子。

（6）如未达到结束条件通常为足够好的适应值或达到一个预设最大代数，则返回步骤（2），直到满足停止规则为止。

运输量与交通量的具体的转换关系如下：

1）客运量与交通量间的转化

2）货运量与交通量间的转化

对于货邮集疏运输方式，主要通过货车和集装箱车两种方式；货车实际载重按3吨/车次，集装箱实际载重一般为5.5吨/车次；各种货运车辆转化为标准小汽车的当量参数分别为：货运汽车2.0、集装箱车4.0。

本发明的技术特点及效果：

1）本专利采用将出行者分为若干种类的多用户交通分配模型，确定不同类别出行者选择各类运输方式的比例，将交通方式选择和交通流量分配整合在一起进行考虑，更加贴近实际情况。

2）对于成本函数的构建考虑了成本费用、时间费用以及舒适度，进而可以比较全面的表征用户的选择因素。

附图说明

图1客运吞吐量与交通量的转化过程。

图2粒子群算法计算框架。

图3正常小时配流粒子群适应度曲线和种群适应度均值曲线。

图4正常小时配流粒子群适应度曲线趋势。

图5高峰小时配流适应度曲线和种群适应度均值曲线。

图6高峰小时配流粒子适应度曲线走势。

具体实施方式

根据上述背景技术分析可知，现有国内外空港集疏运交通量确定方法包括采用logit模型和非集聚模型的技术方法等，未将出行者根据自身特点分为若干类进行定量化处理、所采用的模型假设较多不符合实际情况、将交通分担与分配分割处理不能反映交通实际，使得现有研究技术缺乏基础研究支撑。

本专利采用将出行者分为若干类的交通分配模型，依据不同效用值原则确定不同运输方式的运输量，不同交通方式分配的交通量，为机场交通枢纽与机场规划、设计中吞吐量确定提供基础研究支持和具体方法。

1.1集疏运网络系统

1）节点的选择

把具有一定交通关联度和交通相似度的不同地理区域抽象为一个节点。对于节点的选择既要从地理空间位置上考虑，还要顾及不同地理区域的交通流特性。采用空间聚类分析方法，考虑不同地区之间的物理关联性和交通关联性，以及实际交通特征，从数据本身出发，利用大量的实时数据和历史数据，进行统计聚类分析，分类整合成若干个内部关联性强、交通特征相似的节点。空间聚类分析是将地理空间实体集合依某种相似性度量准则整合成由类似地理空间实体组成的类。

2）弧与路径的确定

采用多用户多出行方式的配流模型，针对各种不同的出行方式的特点以及路网状况，整合表征代表不同出行方式和对应路网状况的成本函数，该成本函数表示对应的弧成本，弧主要分为公共交通（机场巴士、机场专线）、轨道交通、出租车、小汽车四种类型。

1.2出行者的分类及其路径选择的原则

出行者按照效用值最大化原则选择出行方式及其具体路径，效用值即具体选择原则为步行时间（距离）、在乘时间、等车（含换乘）时间、交通费用、行李数量、路径舒适程度、出行目的及其报销程度、路径可靠性、家庭收入程度、安全程度等的综合结果。具体不同出行者对各个指标偏好不同，主要针对出行者对于时间、费用、舒适度三方面的考虑权重，根据其自身特点将出行者划分为一下几个类别，具体为：

1）高级公务与高级商务

高级公务或高级商务人员由于身份限制和工作需要，不会顾及费用成本，而是把时间成本和舒适度放在首要位置，快速、准点、舒适是该类出行者选择出行方式的原则。因而，该类出行者不会选择公共交通工具和出租车，必须并且只能选择小汽车（或公务、商务客车）。

2）一般公务与一般商务

一般公务或商务人员，针对自己工作需要，会更多的顾及时间和舒适度，但根据具体的出行目的和费用报销程度，也会考虑费用成本的问题。因此，该类出行者除了首选小汽车外，也会考虑乘坐出租车和公共交通，如果在两者中进行选择，选择出租车的概率更高。

3）旅游

飞机乘客中以旅游为出行目的的乘客比例在逐年增加，该类出行者对于时间成本、费用成本和舒适度均会考虑。且根据其自身特点会选择不同的出行方式。如果是跟团旅游的乘客，大多会选择乘坐大巴公共交通的方式，亲朋结伴旅游选择出租车和小汽车的概率会比较大。

4）机场（含海关等其它部门）与航空公司通勤人员

该类出行者为机场的相关工作人员，一般出行始点和终点均距离机场较近，由于是日常出行行为，该类用户会较多的考虑费用成本，对于时间成本和舒适度也有一定要求。该类出行者一般选择通勤车等公共交通，部分人也会选择自驾小汽车这一出行方式。

5）上学、探亲访友

上学、探亲访友的出行者，根据各人情况，均会考虑时间因素、费用和舒适度，且会有一定差异。

6）接送人员

接送人员单程（接机人员的由机场到出发地、送机人员的由出发地到机场）出行方式（除去小汽车这一出行方式）的选择主要依据待接送旅客的出行目的或其需要；

1.3配流模型

客运量出行方式的选择与分配采用多用户多路径用户最优配流模型：

$\min C=\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\∫}_0^{h_{\mathrm{kij}}}{c}_{\mathrm{kij}}\left(x\right)\mathrm{dx}$

$s.t\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{h}_{\mathrm{kij}}=Q$

h_kij≥0

c_kij（x）表示第k对OD点间第i类出行者第j类出行方式的成本函数，g为OD点对数，m为出行者种类，n为出行方式种类，Q为总的交通量，h_kij为第k对OD点间第i类出行者第j类出行方式的流量。

某一OD对之间一类用户的总成本，包括四部分：

C_ki＝C_ki1+C_ki2+C_ki3+C_ki4

①小汽车出行成本：

②出租车出行成本：

③普通公交出行成本：

④轨道交通出行成本

$C_{\mathrm{ki}4}={\∫}_0^{h_4}({\mathrm{\α}}_i\×{\mathrm{\λ}}_4\×\stackrel{\‾}{t}\×\mathrm{\τ}+{\mathrm{\β}}_i*c_{\mathrm{metro}})\mathrm{dx}$

L为OD对间平均出行距离，v为可达平均速度，

为流量速度对应函数，α_i为各类用户时间考虑权重，β_i为各类用户费用考虑权重，具体取值见表3各类别用户对时间和费用的不同考虑权重，λ为相对出行舒适度系数，具体取值见表4，τ为时间费用转化系数，ε为小汽车单位距离出行费用，为轨道交通出行时间，p为出租车单位距离计费标准，c_bus为机场巴士票价，c_metro为轨道交通票价。

表3各类别用户对时间和费用的不同考虑权重

表4各种出行方式的相对出行舒适度系数

1.4运输量与交通量的转化

计算出各出行方式分配的运输量暨人次后，还需要转换成相应的交通量，交通量以标准车当量数pcu为单位，即将实际的各种机动车交通量按一定的折算系数换算成某种标准车型的当量交通量；具体的转换关系如下：

1）客运量与交通量间的转化

小汽车的平均载客量为1.5人/pcu，出租车的平均载客量为1.5人/pcu，公共交通的平均载客量为15人/pcu。

2）货运量与交通量间的转化

对于货邮集疏运输方式，主要通过货车和集装箱车两种方式。货车实际载重按3吨/车次，集装箱实际载重一般为5.5吨/车次。各种货运车辆转化为标准小汽车的当量参数分别为：货运汽车2.0、集装箱车4.0。

1.5基于粒子群算法的多用户空港集疏运交通量计算方法

采用粒子群算法对多用户的空港集疏运交通量进行分配，具体算法步骤如下：

（1）依照初始化过程，对粒子群的随机位置和速度进行初始设定；

（2）根据多用户均衡配流模型确定适应度公式，计算每个粒子的适应值。

（3）对于将其适应值与所经历过的最好位置ipbest的适应值进行比较，若较好，则将其作为当前的最好位置；

（4）对于每个粒子将其适应值与全局所经历的最好位置gbest的适应值进行比较，若最好，则将其作为当前的全局最好位置；

（5）采用如下公式对粒子的速度和位置同时进行进化。

v_i＝v_i+c₁×rand()×(p_i-x_i)+c₂×rand()×(g-x_i)x_i＝x_i+v_i

v_i是粒子的速度，x_i是当前粒子的位置，p_i为个体极值，g为全局极值，rand（）是介于（0，1）之间的随机数。c₁,c₂是学习因子。

（6）如未达到结束条件通常为足够好的适应值或达到一个预设最大代数，则返回步骤（2），直到满足停止规则为止。

5.6计算框架

5.7仿真实验及分析

根据天津机场相关规划资料，预计2015年旅客吞吐量为1680万人次，货邮吞吐量为50万吨。由旅客吞吐量减去机场旅客中转量，即为陆侧交通集散的旅客量，根据陆侧交通集散旅客对各种出行方式（除去轨道交通）的选择情况及各交通方式与标准车的转化关系转化为标准车流量，即为交通量。同理，货物在陆侧交通的集散量可以转化为不同货车车型型的交通量，进而转化为标准车流量。

下面以天津机场平均小时客运量为例，对采用多用户均衡配流模型确定集疏运交通量技术方法进行说明。

采用空间聚类分析方法，考虑天津市区及周边地区之间的地理位置关联性和交通关联性，以及实际交通特征，分成十个节点，单位小时平均人流量为2800人/小时，具体的节点及各节点之间出行量见表5节点间单位小时旅客流量百分比及流量值。

表5节点间单位小时旅客流量百分比及流量值

根据往年统计数据应用预测方法预测未来年的不同类别用户在不同地区所占比例，并乘以相关修正系数得到2015年各类别用户到各节点的流量比例及其具体流量值，见表6。

表6.各类用户不同路径小时流量百分比及流量值

将所有的OD点间不同出行者的成本函数累加值做为粒子群算法的适应度函数，并应用粒子群算法，通过matlab进行优化求解。粒子群适应度的曲线趋势见图4正常小时配流粒子群适应度曲线趋势表7。

表7各OD点不同出行方式的人数及比例

单位小时人流量中有697人选择小汽车这一出行方式，占总数2800人的25%，出租车、普通公交和轨道交通的比例分别为33%，19%，22%。将小汽车、出租车以及普通公交的人流量依据对应的交通方式运输量与交通量之间的转换关系转化成标准交通量，具体结果见下表。

表8各平常小时出行方式交通量

各出行方式的交通量可以做为配建停车设施及车道边设施的依据，根据机场工作人员数量及出行方式的预测，即可求出应配建自行车位390个。

应用相同的方法和步骤，可对高峰小时客流量进行再次分配。通过对天津机场历史数据调查，预测2015年天津机场高峰小时人流量为3900人/小时，应用粒子群算法使用matlab就行求解，粒子适应度趋势及种群适应度均值曲线见图6高峰小时配流粒子适应度曲线走势。最后结果见表9。

表9高峰小时出行方式交通量

采用相同的方式，可计算出货运不同车型的分担比例及分配量，结果见表10。

表10货运交通方式分配量

Claims (2)

1.一种基于多用户配流模型的空港集疏运交通量确定方法，其特征是，包括如下步骤：依据不同效用值原则确定不同运输方式的运输量，不同交通方式分配的交通量，其中确定不同运输方式的运输量具体为：

基于多用户配流模型的空港集疏运交通量确定方法，包括如下步骤：

1.1集疏运网络系统

1）节点的选择

把具有一定交通关联度和交通相似度的不同地理区域抽象为一个节点。

2）弧与路径的确定

采用多用户多出行方式的配流模型，针对各种不同的出行方式的特点以及路网状况，整合表征代表不同出行方式和对应路网状况的成本函数，该成本函数表示对应的弧成本，弧主要分为包括机场巴士、机场专线的公共交通、轨道交通、出租车、小汽车四种类型。

1.2出行者的分类及其路径选择的原则

出行者按照效用值最大化原则选择出行方式及其具体路径，效用值即具体选择原则为步行时间或距离、在乘时间、等车含换乘时间、交通费用、行李数量、路径舒适程度、出行目的及其报销程度、路径可靠性、家庭收入程度、安全程度等的综合结果；具体划分为一下几个类别：

1）高级公务与高级商务：选择小汽车、或公务、商务客车；

2）一般公务与一般商务：选择小汽车或出租车；

3）旅游：以选择旅游大巴为主；

4）机场含海关等其它部门与航空公司通勤人员

选择通勤车等公共交通，或自驾小汽车；

5）上学、探亲访友

6）接送人员

1.3配流模型

客运量出行方式的选择与分配采用多用户多路径用户最优配流模型：

$\min C=\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{\∫}_0^{h_{\mathrm{kij}}}{c}_{\mathrm{kij}}\left(x\right)\mathrm{dx}$

$s.t\underset{k=1}{\overset{g}{\mathrm{\Σ}}}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{h}_{\mathrm{kij}}=Q$

h_kij≥0

c_kij（x）表示第k对OD点间第i类出行者第j类出行方式的成本函数，g为OD点对数，m为出行者种类，n为出行方式种类，Q为总的交通量，h_kij为第k对OD点间第i类出行者第j类出行方式的流量；

某一OD对之间一类用户的总成本，包括四部分：

C_ki＝C_ki1+C_ki2+C_ki3+C_ki4

①小汽车出行成本：

②出租车出行成本：

③普通公交出行成本：

④轨道交通出行成本

$C_{\mathrm{ki}4}={\∫}_0^{h_4}({\mathrm{\α}}_i\×{\mathrm{\λ}}_4\×\stackrel{\‾}{t}\×\mathrm{\τ}+{\mathrm{\β}}_i*c_{\mathrm{metro}})\mathrm{dx}$

L为OD对间平均出行距离，v为可达平均速度，

为流量速度对应函数，α_i为各类用户时间考虑权重，β_i为各类用户费用考虑权重，具体取值见错误！未找到引用源。，λ为相对出行舒适度系数，具体取值见表2，τ为时间费用转化系数，ε为小汽车单位距离出行费用，

为轨道交通出行时间，p为出租车单位距离计费标准，c_bus为机场巴士票价，c_metro为轨道交通票价，阿拉伯下标代表对应的交通工具；

表1.各类别用户对时间和费用的不同考虑权重

表2.各种出行方式的相对出行舒适度系数

1.4运输量与交通量的转化

计算出各出行方式分配的运输量暨人次后，还需要转换成相应的交通量，交通量以标准车当量数pcu为单位，即将实际的各种机动车交通量按一定的折算系数换算成某种标准车型的当量交通量；

确定不同交通方式分配的交通量具体是采用粒子群算法对多用户的空港集疏运交通量进行分配，具体算法步骤如下：

（1）依照初始化过程，对粒子群的随机位置和速度进行初始设定；

（2）根据多用户均衡配流模型确定适应度公式，计算每个粒子的适应值；

（3）对于将其适应值与所经历过的最好位置ipbest的适应值进行比较，若较好，则将其作为当前的最好位置；

（4）对于每个粒子将其适应值与全局所经历的最好位置gbest的适应值进行比较，若最好，则将其作为当前的全局最好位置；

（5）采用如下公式对粒子的速度和位置同时进行进化：

v_i＝v_i+c_i×rand()×(p_i-x_i)+c₂×rand()×(g-x_i)x_i＝x_i+v_i

v_i是粒子的速度，x_i是当前粒子的位置，p_i为个体极值，g为全局极值，rand（）是介于（0，1）之间的随机数。c₁,c₂是学习因子。

（6）如未达到结束条件通常为足够好的适应值或达到一个预设最大代数，则返回步骤（2），直到满足停止规则为止。

2.如权利要求1所述的基于多用户配流模型的空港集疏运交通量确定方法，其特征是，运输量与交通量的具体的转换关系如下：

1）客运量与交通量间的转化

2）货运量与交通量间的转化

对于货邮集疏运输方式，主要通过货车和集装箱车两种方式；货车实际载重按3吨/车次，集装箱实际载重一般为5.5吨/车次；各种货运车辆转化为标准小汽车的当量参数分别为：货运汽车2.0、集装箱车4.0。

Images