CN114842641B - 面向省域的多模式链式交通分配方法 - Google Patents

Abstract

本发明公开了一种面向省域的多模式链式交通分配方法，采用一种新型的组合路网解决不同交通方式间相互组合以及换乘的问题。方法包括：获取出行OD的历史数据；构建多模式组合路网；构建初始路径集；设定路径费用函数；构建随机用户平衡分配模型，并加载到多模式组合路网上；对模型进行求解；进行参数估计和参数标定；根据参数标定结果进行精度检验，若精度符合预设要求，则迭代结束，输出分配结果和参数，否则返回第六步。本发明在具有手机信令数据与路网GIS信息的前提下，可以有效对省域大规模路网中多模式交通流量进行分配，并且通过标定算法减小分配结果与实际流量之间的差距，保障精度，从而对于省域范围内多模式交通规划做出指导。

Description

面向省域的多模式链式交通分配方法

技术领域

本发明属于大范围多模式交通出行规划技术领域，特别是一种面向省域的多模式链式交通分配方法。

背景技术

要实现区域运输模式由单一方式运输转向多式协同联运方向发展，首先需要区域内城际客运多式联运的出行需求，厘清城际出行行为机理，而构建综合交通网客运交通方式转移—路径选择模型成为首要解决问题。基于四阶段法的传统分配模型由于受到数据的局限，往往仅考虑城际出行的典型直达方式，如高速公路、国省干道、铁路、航空等，忽略了换乘下的组合出行，会在一定程度上错误估计连接枢纽场站通道的需求，最终导致错误的交通需求管理。而现在随着信息技术的发展，包括高速公路收费、高速公路和国省干道交调点、铁路和航空票根等丰富的多源OD数据为改进传统分配模型提供可能。手机信令数据可以完整的记录用户的活动轨迹，在城际出行的研究中会避开定位精度低、非连续跟踪的缺点。上述数据发展的契机为引入链式出行来进行城际多式联运出行需求的分析提供了可能。

通过手机信令数据实现省内区域区县级城际出行的方案选择集生成，构建区域客运交通方式转移模型，建立交通方式分配模块，在完整可信的区县级全省区域客运出行总OD矩阵的基础上，形成省内区县级准确的分方式OD。

在交通分配/优化问题求解方面，包括遗传算法、PSO算法、ACO算法等在内的启发式算法被大量运用于综合交通系统交通分配与分析，与此同时，针对于传统模型局限性的大量研究也被进行，这推动了交通分配模型精度的提升与误差的减小。

发明内容

本发明的目的在于提供一种面向省域的多模式链式交通分配方法，本方法在具有手机信令数据与路网GIS信息的前提下，可以有效对省域大规模路网中多模式交通流量进行分配，并且通过标定算法减小分配结果与实际流量之间的差距，保障精度，从而对于省域范围内多模式交通规划做出指导。

实现本发明目的的技术解决方案为：一种面向省域的多模式链式交通分配方法，所述方法包括以下步骤：

步骤1，获取出行OD的历史数据，所述OD为起终点间的交通出行量；

步骤2，构建多模式组合路网；

步骤3，构建初始路径集；

步骤4，设定路径费用函数；

步骤5，构建随机用户平衡分配模型，并根据该模型将不同起始点间的交通需求加载到多模式组合路网上；

步骤6，对所述随机用户平衡分配模型进行求解；

步骤7，进行参数估计和参数标定，具体为：对所述随机用户平衡分配模型进行参数估计，对所述路径费用函数和随机用户平衡分配模型进行参数标定；

步骤8，根据参数标定结果进行精度检验，若精度符合预设要求，则迭代结束，输出分配结果和参数，否则返回步骤6。

进一步地，步骤2所述多模式组合路网根据已有交通枢纽以及交通链路之间的连接信息构建，该路网包括同路段类别间行驶路段和不同路段类别间换乘路段，所述路段类别视使用场景而定，包括公路，铁路；

上述路网构建结束后，设定初始路段费用，其中行驶路段费用由自由流行驶时间费用、通行货币费用和舒适度损耗费用确定，换乘路段由换乘时间费用确定。

进一步地，步骤3所述初始路径集通过K次最短路惩罚算法构建，具体过程包括：

步骤3-1，设置单个OD对的路径数K；

步骤3-2，构建空的路径集Ω，设置迭代次数κ＝0；

步骤3-3，判断条件κ＜K是否满足，若满足，则执行下一步，否则输出路径集Ω；

步骤3-4，计算最短路径p，并判断该路径是否在所述路径集Ω中，若否，则将该路径添加至路径集Ω中，否则执行下一步；

步骤3-5，针对最短路径p，为其中的所有路段阻抗乘以大于1的惩罚系数；

步骤3-6，令κ＝κ+1，并置所有路段的阻抗为自由流行走时间，之后返回执行步骤3-3。

进一步地，步骤4中所述路径费用由路段费用叠加而得，函数表达为：

式中，为OD对w间路径p的广义出行费用，δ_lp为路段路径关联关系，若路段l在路径p上则δ_lp为1，否则为0；

c_l为路段l的广义出行费用：

c_l＝ω_TT_l+ω_PP_l+ω_UU_l

式中，T_l、P_l、U_l为出行时间费用、出行货币费用和出行舒适度损耗费用，ω_T、ω_P、ω_U分别为时间、货币和舒适度三种影响因素的权重，三者满足以下的关系ω_T+ω_P+ω_U＝1。

进一步地，对于不同路段类别，步骤4中所述路径费用函数取值不同：

(1)对于公路行驶路段，行驶费用函数采用BPR函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l

U_l＝λ*s¹*T_l

式中，为所选定的公路路段l上的自由流时间，单位为min，由长度与自由流通行速度的比值所得；v_l为公路路段l上所分配到的交通量，单位为pcu/h；/>为所选定公路路段l上的通行能力，单位为pcu/h；α、β为BPR函数中的阻滞系数；x_l为公路路段l的长度，单位为km，ρ为单位长度过路费，单位为元/km)，s¹为汽车在单位时间内行驶的舒适度损耗，η、λ分别为货币费用与时间之间的折算系数及舒适度损耗与时间之间的折算系数。

(2)对于铁路行驶路段，行驶费用函数采用采用Davidson函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l

式中，为所选取铁路路段l上的行驶所需时间，单位为min；v_l为铁路路段l上所分配的交通量，单位为人次/h；j为服务水平参数，取值视相关地区交通调查及文献而定；为所选取的铁路路段l的小时通行能力，单位为pcu/h；s²为使用铁路出行方式的单位时间舒适度损耗。

进一步地，步骤5中随机用户平衡分配模型的表达式为：

其中，

式中，P_k为选择路径k的概率，c_k和V_k分别为路径k的特性变量和系统效用，μ为值为正的参数，K_rs为OD对rs上的路径集合，β₁与β₂为待标参数，S_k为修正项：

式中，l_a为路段a的费用，L_k为路径k的费用，Γ_k为路径k的路段集合，若路段a在路径k上，则δ_aj＝1，否则为0，C_n为路径集合，为C_n上的最小路径费用；

根据上述模型将不同起始点间的交通需求加载到多模式组合路网上，即：

式中，x_a为路段a上的流量，A为网络中所有路段的集合，为OD对rs之间的路径k的交通流量，/>表示路径发生率，若路段a在OD对rs之间的路径k上，则为/>否则为

本发明与现有技术相比，其显著优点为：

(1)本发明是一种面向省域的多模式链式交通分配方法，交通模式主要包括铁路与公路两种模式，道路等级主要包含高速公路，铁路，国道，省道四种，本方法采用一种新型的组合路网来在交通分配的过程中解决不同交通方式间相互组合以及换乘的问题。该网络相互嵌套，具有复杂立体结构，且属性多样，不同层级网络间存在明显异质性，且网络层级之间相互关联与影响。

(2)通过手机信令等数据确定相同类型路段之间的路阻与不同类型路段之间的换乘路阻，并用数学函数进行表示。基于路阻生成出行OD之间的路径选择集，并基于随机用户均衡原则建立交通分配数学模型，并进行交通分配，利用连续权重平均法对数学模型求解，得到路段与路径流量分配结果，与手机信令得到的实际数据进行比较并对参数进行标定，提高分配精度。

(3)建立的随机用户平衡分配模型，考虑了基于路径重复费用的修正项，可以部分修正IIA问题。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明面向省域的多模式链式交通分配方法的流程图。

图2为示例的综合路网图。

图3为示例的多模式路网结构图。

图4为最短路径集生成算法流程图。

图5为SPSA标定算法流程图。

图6为示例分担率计算精度图，其中图(a)和图(b)分别为高速和铁路分配分担率。

图7为示例各枢纽换乘流量图。

图8为示例各枢纽通过流量图。

图9为示例路段流量图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本发明提供一种面向省域的多模式链式交通分配方法，考虑重叠路径费用修正项与路阻函数设置多样性与异质性，即使在大规模多模式的区域路网中，也可以较为迅速与准确的对交通流进行分配。

在一个实施例中，以江苏省的交通为例对本发明进行进一步验证说明。江苏省多模式交通发展基础久，路网复杂，居民省域内出行换乘多种交通方式普遍，往往涉及到多层次，多级别的道路交通网络。相关交通规划部门考虑到这一出行特征，决定对于多层次网络进行连接融合，并利用已有的区县级手机信令数据，建立一套行之有效的江苏省省域综合交通链式出行分配模型。

该实施例中，提供了一种面向省域的多模式链式交通分配方法，所述方法包括以下步骤：

步骤S1，获取出行OD的历史数据，所述OD为起终点间的交通出行量；所述历史数据为某一日内省域内区县间互相出行的车辆数量，以及各级路网中路段与交通枢纽的GIS信息，包括路段长度，位置经纬度，长度和限速。

步骤S2，构建多模式组合路网；选取的江苏省路网如图2所示共包含四个级别，分别为国道，省道，高速公路，铁路。考虑到四者间出行皆存在换乘现象，因而换乘网络应该存在于两两之间，即换乘网络应该包含：铁路-高速换乘，铁路-国道换乘，铁路-省道换乘，高速-国道换乘，高速-省道换乘，国道-省道换乘。换乘路网路段采用就近相接原则，即两个层次的路网间，连接相邻的枢纽节点，表示换乘关系。多模式交通路网节点及路段层次结构图如图3所示。对于OD的处理，采用质心法进行简化，即取区县的质心为OD交通流量生成点，并将质心连接到最近的各级别路网交通枢纽上，模拟上网过程。

所述多模式组合路网根据已有交通枢纽以及交通链路之间的连接信息构建，该路网包括同路段类别间行驶路段和不同路段类别间换乘路段，所述路段类别视使用场景而定，包括公路，铁路；

上述路网构建结束后，设定初始路段费用，其中行驶路段费用由自由流行驶时间费用、通行货币费用和舒适度损耗费用确定，换乘路段由换乘时间费用确定。

步骤S3，构建初始路径集；考虑到随机用户均衡模型的收敛问题，需提前生成路径集。依据所提供的道路长度，收费标准，自由流通行时间数据，进行K次最短路搜寻，并保存路径集。具体搜寻过程见图4，包括以下步骤：

步骤S3-1，设置单个OD对的路径数K；

步骤S3-2，构建空的路径集Ω，设置迭代次数κ＝0；

步骤S3-3，判断条件κ＜K是否满足，若满足，则执行下一步，否则输出路径集Ω；

步骤S3-4，计算最短路径p，并判断该路径是否在所述路径集Ω中，若否，则将该路径添加至路径集Ω中，否则执行下一步；其中通过Astar算法寻找最短路径，包括：

Step1 开启集合

Step2 初始节点添加

Step3 相邻节点添加

Step4 终止检索

Step5保存路径；

步骤S3-5，针对最短路径p，为其中的所有路段阻抗乘以大于1的惩罚系数；

步骤S3-6，令κ＝κ+1，并置所有路段的阻抗为自由流行走时间，之后返回执行步骤S3-3。

考虑到江苏省的实际路网规模，在案例操作中，K取值18，惩罚系数取值为1.2，可以在保证合理性的前提下提高运算效率。

步骤S4，设定路径费用函数；路径费用由路段费用叠加而得，函数表达为：

式中，为OD对w间路径p的广义出行费用，δ_lp为路段路径关联关系，若路段l在路径p上则δ_lp为1，否则为0；

c_l为路段l的广义出行费用：

c_l＝ω_TT_l+ω_PP_l+ω_UU_l

式中，T_l、P_l、U_l为出行时间费用、出行货币费用和出行舒适度损耗费用，ω_T、ω_P、ω_U分别为时间、货币和舒适度三种影响因素的权重，三者满足以下的关系ω_T+ω_P+ω_U＝1。

对于不同路段类别，所述路径费用函数取值不同：

(1)对于公路行驶路段(高速公路，国道，省道)，行驶费用函数采用BPR函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l

U_l＝λ*s¹*T_l

式中，为所选定的公路路段l上的自由流时间，单位为min，由长度与自由流通行速度的比值所得；v_l为公路路段l上所分配到的交通量，单位为pcu/h；/>为所选定公路路段l上的通行能力，单位为pcu/h；α、β为BPR函数中的阻滞系数，是需要标定的参数，初始值分别取4，0.15；x_l为公路路段l的长度，单位为km，ρ为单位长度过路费，单位为元/km)，s¹为汽车在单位时间内行驶的舒适度损耗，η、λ分别为货币费用与时间之间的折算系数及舒适度损耗与时间之间的折算系数，由所选取区域的具体情况而定。依据2020年江苏省人均年收入与法定工作时间的折算，η取值为3.09，即一元折合时间费用3.09分钟，依据已有的交通调查数据，λ取值为1.5。

(2)对于铁路行驶路段，行驶费用函数采用采用Davidson函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l

式中，为所选取铁路路段l上的行驶所需时间，单位为min；v_l为铁路路段l上所分配的交通量，单位为人次/h；j为服务水平参数，取值视相关地区交通调查及文献而定；为所选取的铁路路段l的小时通行能力，单位为pcu/h；s²为使用铁路出行方式的单位时间舒适度损耗，以上取值视具体铁路路段统计数据而定。

对于换乘路段耗时，借鉴交通调查所得到的结果，公路换乘铁路耗时采用30分钟，铁路换乘公路耗时采用15分钟，其余换乘路段依据城市路段平均通行能力，利用BPR函数求其行驶时间，由于换乘路段不存在货币费用，货币费用取零，换乘路段舒适度损耗仅仅与换乘时间有关，所以单位时间舒适度损耗值s取1。

步骤S5，构建随机用户平衡分配模型，即依据已经生成的路径集计算出行者选择各条路径的概率，结合已有的出行OD数据，即为各条路径上出行人数所占总出行人数的比例，并根据该模型将不同起始点间的交通需求加载到多模式组合路网上；考虑到该方法用于区域大型路网，所以使用结构简单的Logit模型提高运算效率。但是传统的Logit模型由于存在IIA(independence of irrelevant alternatives)特性而导致分配结果存在误差，在本方法中考虑路径重叠费用的影响，建立基于PSL(path-size logit)的随机用户均衡模型(PSL-SUE模型)，可以部分消除该特性的影响，表达式为：

其中，

式中，P_k为选择路径k的概率，c_k和V_k分别为路径k的特性变量和系统效用，μ为值为正的参数，K_rs为OD对rs上的路径集合，β₁与β₂为待标参数，S_k为修正项，本发明采用的形式如下：

式中，l_a为路段a的费用，L_k为路径k的费用，Γ_k为路径k的路段集合，若路段a在路径k上，则δ_aj＝1，否则为0，C_n为路径集合，为C_n上的最小路径费用；

根据上述模型将不同起始点间的交通需求加载到多模式组合路网上，即：

式中，x_a为路段a上的流量，A为网络中所有路段的集合，为OD对rs之间的路径k的交通流量，/>表示路径发生率，若路段a在OD对rs之间的路径k上，则为/>否则为

步骤S6，利用MSWA算法进行迭代，对所述随机用户平衡分配模型进行求解，具体步骤如下：

步骤S61，初始化。基于所设定的初始阻抗对于所有的OD需求量执行一次PSL加载，得到的结果为一组路径流量/>进一步可以获得路网中的一组路段的流量x_a，并令迭代次数n＝1。

步骤S62，对于路段阻抗进行更新。根据已有的路段流量更新路段阻抗，令

步骤S63，方向搜索。根据当前的路段阻抗再使用PSL对路网流量进行加载，可以得到一组用于辅助的路段流量/>

步骤S64，更新路段流量。根据搜索方向使用MSWA算法，更新路段流量，其中d取1。

步骤S65，收敛判定。若已满足收敛指标要求，则停止迭代；否则令n＝n+1，并转至步骤S62。收敛指标选用收敛精度采用0.01，即当收敛指数小于0.01时迭代结束。经过实践，在江苏省域综合路网上进行分配，大概需要迭代20次达到精度要求，总耗时大约为15分钟。

步骤S7，进行参数估计和参数标定，具体为：利用已有的手机信令数据，采用最大似然估计法MLE对所述随机用户平衡分配模型进行参数估计，给出一个初始的估计值与大概的范围；依据现有数据，将模型中的待定参数求解的过程，也是一个与实际数据比较进行校准的步骤；采用SPSA算法进行标定，主要包括路阻函数所含参数标定与路径选择模型所含参数标定两个部分，标定参数包括α、β、ω_T、ω_P、ω_U、β₁、β₂，标定数据采用江苏省某一正常工作日的各路段截面流量数据，具体流程见图4。

步骤S8，依据分配结果，可以得到江苏省各个市域之间的出行方式分担率，如下表1所示。

表1江苏省各个市域之间的出行方式分担率

出行方式分担率与实际误差图，各枢纽换乘流量图，各枢纽通过流量图，各路段流量图等，分别见图6，图7，图8，图9。

本发明面向省域的多模式链式交通分配方法，采用一种新型的组合路网来在交通分配的过程中解决不同交通方式间相互组合以及换乘的问题。该网络相互嵌套，具有复杂立体结构，且属性多样，不同层级网络间存在明显异质性，且网络层级之间相互关联与影响。通过手机信令等数据确定相同类型路段之间的路阻与不同类型路段之间的换乘路阻，并用数学函数进行表示。基于路阻生成出行OD之间的路径选择集，并基于随机用户均衡原则建立交通分配数学模型，并进行交通分配，利用连续权重平均法对数学模型求解，得到路段与路径流量分配结果，与手机信令得到的实际数据进行比较并对参数进行标定，提高分配精度。本发明在具有手机信令数据与路网GIS信息的前提下，可以有效对省域大规模路网中多模式交通流量进行分配，并且通过标定算法减小分配结果与实际流量之间的差距，保障精度，从而对于省域范围内多模式交通规划做出指导。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (7)

1.一种面向省域的多模式链式交通分配方法，其特征在于，所述方法包括以下步骤：

步骤1，获取出行OD的历史数据，所述OD为起终点间的交通出行量；

步骤2，构建多模式组合路网；

步骤3，构建初始路径集；所述初始路径集通过K次最短路径惩罚算法构建，具体过程包括：

步骤3-1，设置单个OD对的路径数K；

步骤3-2，构建空的路径集Ω，设置迭代次数κ＝0；

步骤3-3，判断条件κ＜K是否满足，若满足，则执行下一步，否则输出路径集Ω；

步骤3-4，计算最短路径p，并判断该路径是否在所述路径集Ω中，若否，则将该路径添加至路径集Ω中，否则执行下一步；

步骤3-5，针对最短路径p，为其中的所有路段阻抗乘以大于1的惩罚系数；

步骤3-6，令κ＝κ+1，并置所有路段的阻抗为自由流行走时间，之后返回执行步骤3-3；

步骤4，设定路径费用函数；步骤4中所述路径费用由路段费用叠加而得，函数表达为：

式中，为OD对w间路径p的广义出行费用，δ_lp为路段路径关联关系，若路段l在路径p上则δ_lp为1，否则为0；

c_l为路段l的广义出行费用：

c_l＝ω_TT_l+ω_PP_l+ω_UU_l

式中，T_l、P_l、U_l为出行时间费用、出行货币费用和出行舒适度损耗费用，ω_T、ω_P、ω_U分别为时间、货币和舒适度三种影响因素的权重，三者满足以下的关系ω_T+ω_P+ω_U＝1；

步骤4中所述路径费用函数取值不同：

(1)对于公路行驶路段，行驶费用函数采用BPR函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l

U_l＝λ*s¹*T_l

式中，为所选定的公路路段l上的自由流时间，单位为min，由长度与自由流通行速度的比值所得；v_l为公路路段l上所分配到的交通出行量，单位为pcu/h；/>为所选定公路路段l上的通行能力，单位为pcu/h；α、β为BPR函数中的阻滞系数；x_l为公路路段l的长度，单位为km，ρ为单位长度过路费，单位为元/km)，s¹为汽车在单位时间内行驶的舒适度损耗，η、λ分别为货币费用与时间之间的折算系数及舒适度损耗与时间之间的折算系数；

(2)对于铁路行驶路段，行驶费用函数采用采用Davidson函数，各种费用函数取值方法如下：

P_l＝η*ρ*x_l'

式中，为所选取铁路路段l上的行驶所需时间，单位为min；x_l'为铁路路段l的长度，v_l为铁路路段l上所分配的交通出行量，单位为人次/h；j为服务水平参数；/>为所选取的铁路路段l的小时通行能力，单位为pcu/h；s²为使用铁路出行方式的单位时间舒适度损耗；

步骤5，构建随机用户平衡分配模型，并根据该模型将不同起始点间的交通出行量加载到多模式组合路网上；

步骤6，对所述随机用户平衡分配模型进行求解；

步骤7，进行参数估计和参数标定，具体为：对所述随机用户平衡分配模型进行参数估计，对所述路径费用函数和随机用户平衡分配模型进行参数标定；

步骤8，根据参数标定结果进行精度检验，若精度符合预设要求，则迭代结束，输出分配结果和参数，否则返回步骤6。

2.根据权利要求1所述的面向省域的多模式链式交通分配方法，其特征在于，步骤1中所述出行OD的历史数据为某一日内省域内区县间互相出行的车辆数量，以及各级路网中路段与交通枢纽的GIS信息，包括路段长度，位置经纬度，长度和限速。

3.根据权利要求1所述的面向省域的多模式链式交通分配方法，其特征在于，步骤2所述多模式组合路网根据已有交通枢纽以及交通链路之间的连接信息构建，该路网包括同路段类别间行驶路段和不同路段类别间换乘路段，所述路段类别视使用场景而定，包括公路，铁路；

上述路网构建结束后，设定初始路段费用，其中行驶路段费用由自由流行驶时间费用、通行货币费用和舒适度损耗费用确定，换乘路段由换乘时间费用确定。

4.根据权利要求1所述的面向省域的多模式链式交通分配方法，其特征在于，步骤3-4中计算最短路径p具体采用Astar算法。

5.根据权利要求1所述的面向省域的多模式链式交通分配方法，其特征在于，步骤5中随机用户平衡分配模型的表达式为：

其中，

式中，P_k为选择路径k的概率，c_k和V_k分别为路径k的特性变量和系统效用，V_l为路径l的系统效用，μ为值为正的参数，K_rs为OD对rs上的路径集合，β₁与β₂为待标参数，S_l为修正项，S_k为修正项：

式中，l_a为路段a的费用，L_k为路径k的费用，L_j为路径j的费用，Γ_k为路径k的路段集合，若路段a在路径k上，则δ_aj＝1，否则为0，C_n为路径集合，为C_n上的最小路径费用；

根据上述模型将不同起始点间的交通需求加载到多模式组合路网上，即：

式中，x_a为路段a上的流量，A为路网中所有路段的集合，为OD对rs之间的路径k的交通流量，/>表示路径发生率，若路段a在OD对rs之间的路径k上，则为/>否则为/>

6.根据权利要求5所述的面向省域的多模式链式交通分配方法，其特征在于，步骤6中采用MSWA算法进行迭代，对所述随机用户平衡分配模型进行求解。

7.根据权利要求6所述的面向省域的多模式链式交通分配方法，其特征在于，步骤7中所述参数估计具体为：利用已有的手机信令数据，采用最大似然估计法MLE进行参数估计；

所述参数标定具体为：采用SPSA算法进行标定。