基于VISUM模型的公交OD反推研究——以西宁市为例蔡军;刘锴;刘涟涟
【摘要】OD矩阵是公交线网规划和线网优化的重要依据.OD矩阵反推是获取公交OD数据的有效方法.相关文献中,针对城市整体公交体系的研究较少.依据西宁市建成区所有公交线路上客、下客、车上乘客的调查数据,采用VISUM软件构建了基于等概率下客分布、距离概率下客分布的公交OD矩阵反推模型；然后在VISUM全市整体公交模型中,将各线路反推所得到的OD矩阵归并至交通小区,并通过模型分配得到的路段客流与线路调查得到的路段实际客流比较,检验公交OD 反推方法的有效性.研究表明,等概率分布OD矩阵反推在西宁案例中的精度与可靠性较高.最后指出,乘客在各站的下客概率影响因素较多,把握并合理运用其规律是公交OD反推的关键.%The origin-destination (OD) matrix is important for transit line planning and optimizing. It also provides an effective way to get the bus OD matrix data. However, the studies on city' s whole transit lines are still very limited. Based on the boarding, alighting and thorough passenger data of every bus line in Xining city, the paper develops a bus OD matrix estimation model with VISUM by the equal alighting probability and probability related to riding distance. In this model, the OD matrix of traffic zone is estimated from each bus line. Then, the reliability of the OD matrix estimation is analyzed by comparison of two kinds of road-passenger flow: one is obtained from traffic assignment, and the other comes from traffic survey of bus line. The result indicates that the OD matrix estimation by method of equal alighting probability is accurate and effective. Finally, it draws the conclusion that the alighting probability at
bus stop is influenced by many factors, and its mechanism should be analyzed and used reasonably.
【期刊名称】《交通运输系统工程与信息》
【年(卷),期】2013(013)001
【总页数】8页(P49-56)
【关键词】城市交通;OD反推;VISUM;公交;上下客
【作者】蔡军;刘锴;刘涟涟
【作者单位】大连理工大学建筑艺术学院,辽宁大连116024;大连理工大学交通运
输学院,辽宁大连116024;大连理工大学建筑艺术学院,辽宁大连116024
【正文语种】中文
【中图分类】U121
公交线网优化、公交专项规划是促进公交健康发展的有效保障,并需要公交客流量、出行时间分布、上下客分布、OD分布等调查数据的支撑.公交OD矩阵描述了公
交客流在网络中各个OD点对间的分布,是公交线网规划和线网优化的重要依据,是公交客流分配和预测的基础.然而,公交OD调查费时费力,难度和成本较大,因此OD 反推和预测一直是线网规划研究的热点[1].
公交OD反推技术起源于机动车OD反推.目前常用的OD矩阵推算模型有广义最
小二乘法、最大似然法、最小信息量法、极大熵法和人工神经网络等方法.OD反
推算法与各站点的下车概率有关;武荣桢等对基于公交站点上下客人数反推OD矩
阵的概率论模型进行了研究[2].公交OD反推还包括上下客及客流获取方式层面的研究.上下客及客流获取包括跟车调查法、GPS定位与乘客IC卡刷卡信息法、手机
定位法等.其中跟车调查是常用的数据获取方法;GPS定位及IC卡刷卡在调查期间的人工投入方面有所节省;手机定位法已有研究,但应用较少.
周雪梅等[3]通过公交IC卡信息获得的数据研究了公交出行特征,以公交站点上下客人数为约束条件,提出了综合考虑公交乘客上下车概率与公交站点产生吸引因素的反推模型;邹亮等[4]提出利用移动定位技术获取公交OD方法的思路,阐述了基于手机定位技术的公交OD数据的获取方法及其步骤.然而,我国不少城市公交IC卡普及率偏低;手机定位法技术不成熟以及个人隐私和与相关技术、管理部门交涉的问题.因此,二者存在一定的局限性.此外,在目前的研究中,结合小区域或较少线路的案例研究较多,以特大城市整体公交线网为例的研究较少.
西宁作为公交出行率较高的大城市,其公交IC刷卡乘客基本在50%左右,且没有公交GPS定位系统.西宁目前的公交IC刷卡数据只记录乘客上车站点,不记录下车站点.在该情况下,对西宁IC卡数据的简单汇总分析,可以得到不同线路在各时段客流量的大小,但只限于线路客流的总体情况,不能提供准确的各站点各断面的客流变化和各站下客情况.针对西宁现状,依然需要采用传统的随车调查法获取上下客及客流信息.VISUM作为一款用于宏观模型的软件,自身并没有提供公交OD反推模块.研究针对西宁城区每条公交线路的每个方向,采用VISUM软件构建相应的OD反推模型;然后在全市的公交模型中,将各线路反推得到OD矩阵归并至交通小区,并通过模型分配得到的路段客流与线路调查得到的路段实际客流比较,检验公交OD反推方法的有效性.
2.1 VISUM中的OD反推模型构建
一条线路包括若干个站点,可将站点视为交通小区,可将线路视为路径.将某站的上客人数作为交通小区的发生量,各站的下客人数作为交通小区的吸引量.模型考虑线路方向,即某站上车的乘客只能在前进方向的站点下车.可以假定或调查分析获得某一站上车的乘客在后续各站的下车概率.进而依据上车乘客、下车乘客、各站吸引概
率,通过双约束、重力模型法推算各站OD.
PTV公司的VISUM11.0软件自身不带有公交OD反推模块,需要根据反推原理构建公交OD反推模型.构建方法如下:
(1)以站点顺序建立交通小区,如站点1用交通小区1替代;构建了包括54个站点的标准分析模型;通常站距约0.5 km,标准模型的容许线路长度在27 km以上. (2)在交通小区属性中添加上客、下客、距下站的距离、站点名称、各站车上乘客人数等属性.
(3)通过属性计算将站点距离属性、车上调查乘客属性等赋值给路段属性.
(4)通过属性计算将无过客流量、上下客人数的站点,以及对侧反向路线站点之间的路段长度赋予无穷大的距离,从而达到OD分布只沿前进方向进行的目的.
(5)采用重力模型约束各站的上客发生量、下客吸引量(见式(1)～式(3)),然后通过公交分配得到各站的上下客、过客流量、线路OD等相关数据.
模型所采用的计算公式如下:
式中 Tij——i站到j站的公交下车人数;
Pi——i站总上车人数;
Aj——j站总上车人数;
dij——i站到j站的乘距;
n——线路总站数;
f(dij)——站点i到站点j的下客人数与dij的函数.
2.2 后续站点下客概率分布分析
传统的公交OD矩阵推算方法的假设是:当公交车辆到达j站时,j站前上车的每一位乘客都以相同的概率在j站下车,而不论他在前方哪一站上车.因此对于式(1),设
f(dij)=c,c为大于零的常数.如不考虑距离因素影响,在以后第1站下客的概率、第n 站下客的概率只与第1站、第n站的下车统计人数相关,本研究将这种方法称为
“等概率反推”.
窦慧丽等认为居民公交出行的距离分布有一定规律,传统的公交线路客流OD分布推算方法精度不高;认为公交乘客出行站数近似服从泊松分布[5],基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,但其反推OD的下客站客流量误差相对偏大.刘翠等[6]建立了根据公交乘客上下车人数推算公交线路客流OD矩阵的极大熵模型,其模型亦考虑了站数对乘客下车概率的影响.由公交出行特点可知,公交出行属于中长距离出行,出行时间过长或过短的居民则很少采用公交这种出行方式[7].基于上述研究,对于式(1),可设f(dij)为随乘距而变化的函数.将这种方法称为“距离概率反推”.
3.1 公交调查概况
大连理工大学西宁项目组经过为期10天的精心准备,在公交公司的大力配合下,聘请青海民族学院200名学生,10名教师,分3日进行随车客流调查,车辆计划抽样率为33%.要求学生记录每站的上下乘客、时间.总计调取了全市64条线路全天的公交上下客数据.通过与公交公司的客流总量比较,调查数据可信.
3.2 公交调查数据
单条线路的OD反推以1路生物园区至建国南路(简称1路下行)的调查数据为例.图1为1路下行的日客流分布,图2为1路下行的乘客上下客分布.
3.3 居民出行调查数据
西宁居民出行调查自2011年4月17日至5月12日,历时近1个月.调查得到市教育局的支持.规划组向中小学生发放3 000套调查表,其中包括学生家庭表、邻居家庭表各1 500套.经筛查并补充内容(如核实出行距离、补充出行距离).具有出行时间、确切出行距离、明确目的地的非学生有效出行2 955次、学生1 037次,合计调查出行次数3 992次.
根据居民出行调查,西宁全日平均单程出行距离4.04 km,各交通方式中公交4.86
km,小汽车6.26 km,步行1.57 km.根据公交随车调查数据,可采用站点-线路录入法获取各线路的公交上下客、过客分布,进而得到调查日所完成客运周转量与客运量.经测算,全市日客运周转量为494.34万人公里,客运量为122.6万人次,日平均乘距为4.03 km,早高峰为4.31 km.计入两端步行距离(根据出行调查,平均到站距离约0.3 km,两端按0.6 km计算),公交平均出行距离为4.63km,与居民出行调查数据吻合.扣除两端步行距离可得到图3所示的公交出行乘距分布.
3.4 距离概率函数确定
研究拟采用图3的全市公交乘距分布对每条线路进行了距离概率分布下的OD反推.当然,最好对每条线路采用不同的、且与各自适应的乘距分布概率进行OD反推.但问题是如何得到这些线路各自的距离分布?如果通过调查可以获取各线路的出行距离分布,必然以其OD已知为前提.显然,每条线路采用不同出行距离分布的方法并不可行.
4.1 过客、上下客及OD分析
表1为等概率推算下的1路下行方向的OD表.图4为1路下行方向的等概率OD 反推后的模拟客流与调查客流比较,图5为其上下客分布情况.对比图2可知,模型可以较好地拟合该线路方向的上下乘客分布.
4.2 出行距离分布拟合分析
对于1路下行,也可按图6、图7所示的距离分布1、距离分布2和图3所示的调查分布,按距离概率、等概率分布(平均分布)进行OD推算.由图8可见各种分布下的推算出行距离分布差异较大.按平均分布,近距离出行比例较大.按距离概率分布进行OD反推,比平均距离下更能表现出近少、中多、远少的特点.但其误差并不比平均概率分布小多少.
5.1 基于线路OD反推的交通小区OD推算
采用分方向单线路等概率OD反推的方法,可得到全市64条线路的128组OD分
布.同样也可采用图3所示的距离分布,得到全市各线路OD(距离概率分布法).基于全市64条线路的OD反推,可通过站点与交通小区的对应关系将站点OD发生与吸引归并至交通小区;对于介于两个交通小区之间的站点,采用相关交通小区的居住人口、就业岗位、建筑面积等因素进行加权分配;从而将各线路OD转化为交通小区OD,得到基于交通小区的全日公交OD.
5.2 基于线路OD反推的全市公交客流模拟分析
在全日等概率OD反推的基础上,可以得到全日城市公交客流量分布.与现状随车调查的客流分布对比,可得到全日模拟各路段客流量与调查客流量的误差分析.对于距离概率反推,也可得到相应成果.研究对大于0.25、0.50、0.75万人次/日的路段进行了误差统计.等概率、距离概率下的分析结果如表2、表3所示.由表可见,等概率分布下的OD推算在路段流量拟合精度方面优于距离概率分布的OD反推.
5.3 各线路OD推算下的出行距离分布
可由等概率反推64条线路128个模型的公交出行路径、流量,对所有线路的出行距离、次数进行数据统计,得到出行距离分布,图9将其简称为“等概率反推”.根据等概率反推得到全市OD矩阵,通过全市的公交模型,进行公交客流分配,经统计分析可得到分配后的出行距离分布,简称“等概率反推分配结果”.同理,可对距离概率进行类似分析,如图10所示.
对比图9和图10,可知距离概率反推得到的距离分布更接近居民出行调查的距离分布.“等概率反推”、“等概率反推分配结果”、“距离概率反推”、“距离概率反推分配结果”的乘距分布存在差异.更为明显的是,“距离概率反推”与“距离概率反推分配结果”乘距分布的差异较大;而“等概率反推”与“等概率反推分配结果”的差异较小(见图11).图11中“距离概率反推分配结果”的乘距分布向“等概率反推”、“等概率反推分配结果”靠近.距离概率反推OD的模型分配后的公交平均出行距离为4.27 km,等概率分布下为4.54 km,现状随车调查值为4.63 km.
等概率分布的平均出行距离推算结果更接近随车调查值.
5.4 OD反推效果产生差异的原因分析
由调查可知公交乘距分布会表现为近少、中多、远少的特征.可以认为某一站(i)上车的乘客在后续各站(i-j)的下车概率也服从这一规律.在采用重力模型进行OD推算的过程中,已将后续各站的下客人数作为后续各站下客概率的影响因素,而该因素已包含了距离分布影响、下客站周边的交通吸引影响.在上述基础上,再考虑出行距离分布特征对后续各站乘客下车概率的影响,则过多的受到了出行距离因素的影响.平均概率法虽然存在第一站下车的乘次偏高的问题,但由图11的相关分析可知,交通分配结果对该偏差进行了纠正.
无意排斥距离分布因素在公交OD反推中的作用,但至少对于西宁,在各站乘客下车人数数据已经获得的基础上,等概率分布下的公交OD反推更具现实意义.
公交OD反推技术是获取公交规划关键基础数据的有效方法.该方法一方面可以大幅度降低公交出行调查的工作量与调查成本,另一方面可以有效提高调查数据的利用率;为公交规划提供更为有效的技术支撑.但乘客在各站的下客的概率影响因素较多,把握并合理利用其规律是公交OD反推的关键.即便采用OD反推技术,公交流量模拟依然具有较大的误差,这与模型中关于车上舒适度、道路拥挤、站点周边用地性质等因素考虑的不足,以及线路之间的竞争、模拟交通小区的连接线与实际出入口的差距等因素有关,相关研究还有待深化.
【相关文献】
[1]吕智林,范炳全,张林峰,等.基于梯度法的OD矩阵估计和应用研究[J].上海理工大学学报,2004,26 (6):553-556.[LV Z L,FAN B Q,ZHANG L F,et al. OD matrix estimate based on gradient approach and research on its application[J].Journal of University of Shanghai for Science and Technology,2004,26(6): 553-556.]
[2]武荣桢,罗京.基于公交站点上下客人数反推OD矩阵的概率论模型研究[J].交通标准化,2009(196):
123-126.[WU R Z,LUO J.TransitOD matrix estimation method based on passenger boarding and alighting[J].Transport Standardization,2009(196): 123-126.]
[3]周雪梅,杨熙宇,吴晓飞.基于IC卡信息的公交客流起止点反推方法[J].同济大学学报,2012,40(7): 1027-1030.[ZHOU X M,YANG X Y,WU X F.Origindestination matrix estimation method of public transportation flow based on data from bus integratedcircuit cards[J].Journal of Tongji University,2012,40 (7):1027-1030.]
[4]邹亮,张孜,朱玲湘.基于手机定位的公交OD获取方法研究[J].交通信息与安全,2011,29(5):122-126. [ZOU L,ZHANG Z,ZHU L X.Public transportation OD data collection based on mobile location technology [J].Journal of Transport Information and Safety,2011, 29(5):122-126.] [5]窦慧丽,刘好德,杨晓光.基于站点上下客人数的公交客流OD反推方法研究[J].交通与计算机,2007, 25(2):79-82.[DOU H L,LIU H D,YANG X G.OD matrix estimation method of public transportation flow based on passengerboarding and alighting[J]. Transport and Computer,2007,25(2):79-82.]
[6]刘翠,陈洪仁.公交线路客流OD矩阵推算方法研究[J].城市交通,2007,5(4):81-84.[LIU C,CHEN H R.Study on OD matrix estimation of trans it passenger flows[J].Urban Transport of China,2007,5(4): 81-84.]
[7]朱从坤,陈瑜.基于公交客流OD反推的公交乘客乘车站数分析[J].辽宁交通科技,2005(3):52-54. [ZHU C K,CHEN Y.Public transport passengers boarding station counting analysis on OD matrix estimation[J].Liaoning Communication Science and Technology,2005,5(3):52-54.]
基于VISUM模型的公交OD反推研究——以西宁市为例蔡军;刘锴;刘涟涟 【摘要】OD矩阵是公交线网规划和线网优化的重要依据.OD矩阵反推是获取公交OD数据的有效方法.相关文献中,针对城市整体公交体系的研究较少.依据西宁市建成区所有公交线路上客、下客、车上乘客的调查数据,采用VISUM软件构建了基于等概率下客分布、距离概率下客分布的公交OD矩阵反推模型；然后在VISUM全市整体公交模型中,将各线路反推所得到的OD矩阵归并至交通小区,并通过模型分配得到的路段客流与线路调查得到的路段实际客流比较,检验公交OD 反推方法的有效性.研究表明,等概率分布OD矩阵反推在西宁案例中的精度与可靠性较高.最后指出,乘客在各站的下客概率影响因素较多,把握并合理运用其规律是公交OD反推的关键.%The origin-destination (OD) matrix is important for transit line planning and optimizing. It also provides an effective way to get the bus OD matrix data. However, the studies on city' s whole transit lines are still very limited. Based on the boarding, alighting and thorough passenger data of every bus line in Xining city, the paper develops a bus OD matrix estimation model with VISUM by the equal alighting probability and probability related to riding distance. In this model, the OD matrix of traffic zone is estimated from each bus line. Then, the reliability of the OD matrix estimation is analyzed by comparison of two kinds of road-passenger flow: one is obtained from traffic assignment, and the other comes from traffic survey of bus line. The result indicates that the OD matrix estimation by method of equal alighting probability is accurate and effective. Finally, it draws the conclusion that the alighting probability at
3.1 交通仿真软件选取 3.1.1宏观交通仿真软件简介 宏观交通仿真模型忽略移动单元（车辆、行人、非机动车等）个体行为，以交通流整体作为描述对象来从整体的角度描述交通流的运动特征。宏观模型的重要参数是车辆速度、密度和流量，对交通系统的要素及行为的细节描述处于一个较低的程度。常用的宏观交通仿真软件有TransCAD、CUBE、VISUM。 1、TransCAD TransCAD是由美国Caliper公司开发的一套强有力的交通规划和需求预测软件，美国CALIPER公司是驰名交通规划软件TransCAD、交通仿真软件TransModeler和地理信息系统软件Maptitude的开发商。CALIPER公司自1983年成立以来，已有25年的交通软件开发和规划咨询经验。总部设在麻省牛顿市的CALIPER公司致力于将先进的地理信息系统技术与科学的交通规划和管理方法相结合，为交通规划和交通工程技术人员提供有效的定量决策支持工具、高质量的咨询服务业务和有关数据产品。 TransCAD是第一个为满足交通专业人员设计需要面设计的地理信息系统,可以用于储存、显示、管理和分析交通数据，同时将地理信息系统与交通需求预测模型和方法有机结合成一个单独的平台，是世界上最流行和强有力的交通规划和需求预测软件。TransCAD在70多个国家有超过7500余用户，在美国25个以上的州是标准的或占主
导地位的交通规划软件，被175个美国大都市规划组织(MPO)所使用。 TransCAD主要功能如下： ?提供强力的GIS引擎，具备用于交通的特殊扩展功能； ?可实现各种地图制作，地图寻址，是专为交通应用而设计的 可视化和分析工具；。 ?具备各种应用程序，可用于寻找路径，交通需求预测，公共 交通，物流，选址及销售区域管理； ?可用于所有交通数据形式和所有交通模式，是建立交通信息 和决策支持系统的理想工具； ?在带微软视窗的常用计算机硬件上都能运行，支持几乎所有 桌面计算系统标准。 图3-1 TransCAD成果实例 2、CUBE
交通仿真软件 EMME EMME是一个较为全面的出行需求预测系统，面向城市、区域和国家的交通规划。EMME提供特有的灵活开放的建模思路，允许用户自由利用现有技术或创造新方法以满足当地需要。 目前的最新版本EMME3，通过新一代的工具和功能，如新的网络编辑工具、新的可视化和分析功能、新的GIS集成功能、超过100多个交通主题型地图的可扩展性图书馆功能，使得EMME3具有emme出行需求预测软件的工业标准上的高可信度。Emme核心模块有4部分组成，私人交通、公共交通、需求模型、分析自动化。 ?标准交通分配（Standard Traffic Assignment）采用线性相似的用户最佳 Frank and Wolfe均衡交通分配方法。. ?并行标准交通分配（Parallel Standard Traffic Assignment）标准交通分配的并行计算版，可以加速多处理器系统。 ?基于路径的交通分配（Path-based Traffic Assignment）一种新用户最优均衡交通分配，具有较好的性能，收敛效果好，在反馈中使用加快迭代速度的热启动方法。 路径分析.每一个Emme交通分析工具都会提供Emme路径分析功能，允许路径选择和转向选择分析、浏览、局部分析等。Emme路径分析，对汽车冷启动的排放污染、汽车寻找停车位、当地VS 区域交通、匝道网络、收费网络以及其他应用进行建模。通过标准和并行标准交通分配方法，Emme丰富的路径分析关键词和运算符集，可以计算真实距离矩阵（最短路径或平均OD矩阵），成本或通行费矩阵，子区域OD矩阵。而Emme基于路径的交通分配方法可以保存路径，加以分析，无需再运行分配程序。 从规划到运营，Emme提供一系列交通分配方法满足用户的各种需求。评价相关的交通政策，如发车频率、时刻表、车容量、拥堵、费用表等。
交通工程实用软件综述 1通用软件W ord、Excel、Power Point、Visio。 这些是任何本科生和研究生都应该熟练掌握的技能，应精益求精，既快又好。2基础软件 交通工程专业需要参与许多实际的项目，要表现所需的交通组方案等，必须借助漂亮的图片。这里，介绍一些制图和图片处理的软件，当然，部分软件既可以绘图也可以做效果。 2.1绘图软件 (1)AutoCAD 这个软件的重要性就不用强调了吧！ 主要用于道路线形施划、交叉口渠化、道路标志标线绘制等，是具有精确尺寸的矢量图绘制软件，通常绘制交通组织方案的具体实施图和说明图，在交通工程实际项目应用中是必不可少的软件，也是硕士研究生参与工作时必须熟练掌握的工程应用软件。 (2)CorelDraw（了解即可） 也是矢量图绘制软件，它有具体尺寸，但是侧重于商标、模具、插图、排版等，我更认为它是一种专业的排版软件，能将图文处理得非常漂亮。在交通工程中，可以做一些标志标牌和效果图，也可以做一些比较花哨的手册（如宣传性、公益性的小册子）。 (3)鸿业市政设计软件 这是一款专门做市政道路设计、路基路面设计、公路选线的制图软件，它可以根据用户设定的条件自动产生线形，并计算路面宽度、高程、填挖方等，当工作涉及市政道路、道路选线设计等时，该软件十分实用。 (3)湘源控规 本软件主要适用于城市分区规划、城市控制性详细规划的设计与管理，包括与其相关的总平面设计、园林绿化设计、土方计算、现状地形分析、制作图则等专项设计。 2.2图片效果处理软件 (1)Photoshop Adobe公司旗下最出名的位图处理软件之一，主要处理各种格式的图片，变形、渲染、切割、拼合等，也是目前交通工程项目图片处理应用最广泛的软件之一。AutoCAD绘制精确尺寸的施工图，而该软件则可以在各种格式的图片上绘制和
基于VISUM交通仿真和OD矩阵反推技术的交通预测模型研究 交通拥堵是当前城市社会亟待解决的一大问题，而对城市交通运行状态的精确预测是一有效手段，但囿于我国城市道路分布复杂、居民出行数据变动大难以综合以及单种预测模型具有的局限性，交通需求预测往往滞后于交通需求的增长。对此，文章提出将引入OD矩阵反推后的卡尔曼滤波模型应用于交通仿真软件VISUM，以实现不依赖大规模交通普查、对传统交通需求预测的四阶段法进行简化提升且精确度较高的交通需求预测，为解决城市交通拥堵提供新的研究方法。研究以VISUM交通仿真软件上的Oppidum小镇为研究样本，在获得一定历史数据的基础上，分别应用单独的卡尔曼滤波模型和引入OD矩阵反推的卡尔曼滤波模型对小镇某一年交通需求进行预测，并用VISUM软件进行仿真模拟和方法评价，最后将预测结果与实际数据对比分析，发现用引入OD矩阵反推后的卡尔曼滤波预测交通需求不仅计算得以简化，且具有更高的预测精度。文章在选择适应性广、可处理平稳和非平稳数据的卡尔曼滤波模型后，引入OD矩阵反推进行交通量再分配是本文的创新点，为解决交通问题提供了一种新思路。另外，文章还介绍了现有交通运行状况评价体系和宏观交通仿真软件VISUM，并对交通拥堵的判定、产生原因及目前应对交通拥堵的方法进行了相关阐述。 标签：交通仿真;交通预测;VISUM;OD矩阵;卡尔曼滤波 1、绪论 1.1问题提出 交通需求预测，是交通规划的核心内容之一[1]。早在上个世纪，西方发达国家在大规模城市道路交通规划和建设过程中，逐渐形成了“四阶段”城市道路需求预测技术。四阶段（four-step）模型是指将需要完成的交通需求预测任务划分为四个子任务，即交通产生量预测、OD分布预测、交通方式分担预测和交通量分配预测。 “四阶段”技术在长期的城市交通规划实践中得到了检验，自该方法诞生之日起，其框架几乎没有发生变动，方法简单可靠，但“四阶段”技术依赖大规模的城市交通普查，在当今城市人口流动极其频繁的情况下，交通普查的成本和难度越来越大，其精度也不容乐观。同时，其传统预测模型难以反映社会发展，城市交通管理政策变化的影响，也无法考虑到周边环境随时间序列推移，对各交通小区出行的连锁反应。 1.2 研究内容 文章对交通拥堵进行判定，阐述交通拥堵产生的原因，收集了目前应对交通拥堵的方法，介绍了现有交通运行状况评价体系。同时，文章还对宏观交通仿真技术进行阐述，介绍了宏观交通仿真软件VISUM，提出了OD矩阵反推与交通预测模型相结合的思路。
EMME EMME是一个较为全面的出行需求预测系统，面向城市、区域和国家的交通规划。EMME提供特有的灵活开放的建模思路，允许用户自由利用现有技术或创造新方法以满足当地需要。 目前的最新版本EMME3，通过新一代的工具和功能，如新的网络编辑工具、新的可视化和分析功能、新的GIS集成功能、超过100多个交通主题型地图的可扩展性图书馆功能，使得EMME3具有emme出行需求预测软件的工业标准上的高可信度。Emme核心模块有4部分组成，私人交通、公共交通、需求模型、分析自动化。 •标准交通分配（Standard Traffic Assignment）采用线性相似的用户最佳 Frank and Wolfe均衡交通分配方法。. •并行标准交通分配（Parallel Standard Traffic Assignment）标准交通分配的并行计算版，可以加速多处理器系统。 •基于路径的交通分配（Path-based Traffic Assignment）一种新用户最优均衡交通分配，具有较好的性能，收敛效果好，在反馈中使用加快迭代速度的热启动方法。 路径分析.每一个Emme交通分析工具都会提供Emme路径分析功能，允许路径选择和转向选择分析、浏览、局部分析等。Emme路径分析，对汽车冷启动的排放污染、汽车寻找停车位、当地VS 区域交通、匝道网络、收费网络以及其他应用进行建模。通过标准和并行标准交通分配方法，Emme丰富的路径分析关键词和运算符集，可以计算真实距离矩阵（最短路径或平均OD矩阵），成本或通行费矩阵，子区域OD矩阵。而Emme基于路径的交通分配方法可以保存路径，加以分析，无需再运行分配程序。 从规划到运营，Emme提供一系列交通分配方法满足用户的各种需求。评价相关的交通政策，如发车频率、时刻表、车容量、拥堵、费用表等。