马毅林

　　(北京交通发展研究院，北京 100073)

 

　　预测城市出行：过去、现在和未来

　　作者：David Boyce, HuwWilliams

　　出版单位：Edward Elgar Publishing

　　出版时间：2015 年

 

　　大卫·波依斯(David Boyce)和胡武·威廉姆斯(Huw Williams)于2015年发表了《预测城市出行：过去、现在和未来》(Forecasting Urban Travel Past, Present and Future)[1]。大卫·波依斯是美国西北大学和伊利诺伊大学教授，2003年运筹学与管理学研究协会(INFORMS) 罗伯特·赫尔曼交通规划终身成就奖获得者。胡武·威廉姆斯是英国卡迪夫大学城市规划首席终身教授。1972年两人相识于利兹大学。相识之初，二人就有志于对比英美两国在交通模型研究和应用上的异同。2003年二人计划将这一研究成书，终于在2015年完成并出版[2]。不同于另外一部经典之作《交通模型》(Modeling Transport)[3]具体讲解模型构建方法，该书以非数学的描述性语言为读者展现交通模型60年来的发展历程，引起了业内广泛关注[2, 4-8]。

　　模型之路

　　1)模型诞生：面向基础设施规划。

　　20世纪50年代，第二次世界大战后的美国经济腾飞，大量人口涌入底特律、芝加哥等大城市区域。同时，小汽车快速进入家庭，城市机动车保有量快速增加，城市道路不堪重负，直接推动了大规模的路网修建。为了提供优化合理的道路网规划方案，诸多大城市开展了综合交通研究和道路规划，如底特律都市区综合交通研究(Detroit Metropolitan Area Traffic Study, DMATS)、芝加哥地区交通研究(Chicago Area Transportation Study, CATS)等。

　　这一时期的规划理念是通过提供道路基础设施来满足交通需求。DMATS提出的研究目标是“通过提供高效的道路网满足人和物的出行需求”。而CATS的研究目标是在未来城市规模和土地、资金限制条件下，提出城市区域最优的交通规划方案。其潜在哲学观点是通过提供更多的交通供给满足交通需求。相应的数据分析的主要任务是研究人口、就业、机动车增长对路网负荷的影响，以及路网变化对交通状态的影响，并支撑基础设施规划。为此，研究人员分析基础年交通与相关变量之间的关系，将这种关系映射到未来年预测交通和设施变化的影响，提出了早期交通模型的框架和雏形。

　　20世纪60年代，随着经济复苏，西欧城市面临着美国在20世纪50年代经历的人口爆炸式增长和快速机动化的挑战。随着《布坎南报告》的发布，英国大规模地借鉴了美国综合交通规划和交通预测研究的方法。而不同于美国人仅仅关注交通模型的具体应用，英国人在基础理论上取得了相当的成就，如艾伦·威尔逊(Alan Wilson)提出的熵最大化理论在城市和交通领域的应用[9-10]。另外，相对于美国人侧重于交通预测方法的研究，英国将交通预测纳入经济效益评估的整体框架中，也更注重对预测结果的事后验证，体现了英伦式的严谨风格。

　　2)离散行为选择模型：交通政策评估。

　　20世纪70年代后，随着石油危机爆发和美欧经济衰退，大规模路网建设告一段落。同时，大城市中心区域无法继续通过道路网建设改善交通状况，交通规划人员转向交通需求管理政策和改善公共交通服务水平等手段。而原有基于数据拟合(curve-fitting)的交通模型无法反映交通政策和公共交通改善对出行行为的影响[11-12]，无法评估交通政策和公共交通改善的效果，无法适应新背景下的分析要求，时代在呼唤变革(A whiff of revolution is in the air)[1]。

　　为此，诸多先驱学者通过借鉴经济学中的基于随机效用最大化的行为选择概率模型，将政策影响或者服务水平变化融入效用函数中，从而评估停车价格调整、核心区域拥堵收费、公共交通服务改善及票价调整等政策和措施。从此，模型解决了其无力评估交通政策和交通服务水平的危机。

　　同一时期，交通分配在引入Beckmann模型[13]和WF算法求解后，实现了拥堵条件下交通平衡分配。这一时期可谓交通模型发展的黄金年代。

　　3)出行链模型：关注非机动化出行和家庭对个体出行的影响。

　　基于单次出行的交通模型只能反映出行者在方式、路径选择方面对政策的影响，无法体现整个家庭应对交通政策的反应，如合乘、一次出行完成多个目的，出行需求在家庭成员之间的转移等。同时，既有交通模型更多关注于机动化出行及其相关政策，无法反映交通体系中步行、自行车等非机动化出行的特征。当交通政策更多地回归以人为本时，基于出行的模型在这些方面无法支撑相关政策的需要。而美国的相关法案如《空气清洁法案修正案(1990)》(Clean Air Act Amendments of 1990)，也对交通模型提出了更为细致的要求，以满足车辆污染物排放测算的要求。

　　因此，基于出行链的交通模型成为20世纪90年代以来的主要研究方向，主要考虑出行者一天的出行安排，不同出行之间的时间联系和方式连贯性，家庭成员之间出行需求的转移，以及污染物排放测算的要求等。

　　由于出行链交通模型ABM较为复杂，模型升级沉没成本很高，真正使用ABM的城市有限。因此ABM更多集中在研究领域，导致模型研究领域和实践领域的差别越来越大。研究人员基于项目支持、论文发表等目的试图研发更能反映出行行为本质的算法，导致模型越来越复杂;而实际应用人员更倾向于简单、实用、有效的模型。

　　这一时期模型的代表之一是美国洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)花费重金构建的TRANSIMS系统，试图全方位高分辨率的模拟城市交通状况，但是仅仅提高模型精细度，没有基础理论的突破，并不能在本质上提升模型精度、能力和应用场景，该系统几经转手后归于沉寂，相关研究再次进入低谷期。

　　预测之殇

　　交通模型与出行预测是通过运筹学、经济学和规划学将空间规划、经济产业、环境承载和交通出行紧密联系起来，预测未来交通发展的模式和相关投资、政策对交通的影响。然而发展至今，其在国内外城市规划理论与实践中的尴尬地位，值得从业者和专业人员深思[14]。

　　1)架构之殇。

　　现有模型基本延续了面向基础设施建设的四阶段框架[15]。尽管经过近60年的丰富和修正，超期服役的预测方法越来越无法满足多样化的政策和管理措施评估。因此，交通的定量化分析亟待提出能够更加支撑实际工作的新体系。

　　2)逻辑之殇。

　　一方面，模型中的各种数据关系是基于基础年数据间的相关性，是一种描述性的模型，两者之间没有必然的因果关系;另一方面，现有模型构建主要利用单一时点横向数据的行为模式来预测未来年的行为模式，没有考虑出行者出行行为随着社会经济发展的变化而改变。在日新月异的21世纪，利用相关性和横向数据预测未来20年乃至30年的交通状态本质上是行不通的。因此，大卫·莱文森(David Levinson)提出模型应该更多集中于短期的情景分析，而不是针对远期的交通预测[8]。针对这一问题，文献[16]提出利用空间、信息和可达性三维系统(Triple Access System)框架将不确定性转换为塑造未来的机遇，但是仍然需要进一步的研究以实现量化分析。

　　3)精度之殇。

　　模型预测的精度是最为使用者诟病和怀疑的软肋，严重影响了模型可信度，这也是模型发展过程中最为致命的问题。一方面固然是由于技术问题，因此英国交通分析指南(webTAG-web Transport Analysis Guidance)在模型校核、数量关系、敏感性分析、弹性分析、社会效益分布等诸多方面设置具体要求以求模型精度满足项目评估要求;而更重要的是体制问题，模型预测结果作为资金申请、项目决策的依据，不可避免受到各利益相关方为获取资金支持、项目上马而施加的压力，模型结果被刻意修正[15-17]，“深陷以数学方法系统性应用最终仅为政治决策提供一块科学‘遮羞布’这一错误方向”[8]。

　　机会之门

　　交通模型经过近60年的发展，经历了发展、辉煌和停滞的过程。交通模型的复杂性屏蔽了公众的参与沟通，同时基于商业或者政治利益而别有用心引用模型结果，两者共同作用正在极大地侵蚀这一行业的公信力[15]。而以5G为代表的信息技术[18]、大数据和大规模超级计算为出行行为分析和交通模型打开了一个新的大门。时代再次呼唤革命。

　　1)模式转变。

　　规划模式的转变。实践表明，传统预测+供给(Predict+Provide)[14]模式难以提供适应未来城市发展的规划蓝图。而在技术加速发展的今天，规划的不确定性相较60年前更甚。因此，规划在总规、控规和详规层面均需要转变思维，更多地采用愿景+验证(Vision+Validate)模式，并界定模型在规划战略、战术和实施层次的作用[13]。

　　交通模型范式的转变[19]。更为关注城市的客货移动、交流和可达性，关注城市中人的行为模式和生活方式，提高社会经济活动的便利性，满足人的交流互动需求，这是模型进一步发展需要关注的内容和必然选择。

　　2)理论突破。

　　现有模型体系利用横向数据以及数据的相关关系预测未来年的情况。如何在不增加模型复杂性的前提下利用纵向数据，如小样本调查数据、历年核查线数据，是模型亟待解决的问题[20]。

　　大数据条件下，基于有限样本的统计分析方法无法挖掘更深层次的出行行为信息，如何充分利用大数据在时间维度上的连续性和空间维度上的广泛性，亟待新的基础理论和方法突破，以应对交通定量化分析面临的挑战。否则，没有理论支撑的大数据及其研究将是大概率失败的研究。

　　3)体制创新。

　　模型结果的精度不仅是技术问题，更是体制问题。如何建立沟通机制提高模型对专业人员和公众的透明度以避免对模型结果的误用?如何建立类似于英国WebTAG的模型构建指导性技术规范以指导模型构建和模型结果的解读?怎样构建模型的审核机制以保证模型结果的独立性和可靠性?如何尽可能地减少各利益相关方对模型的政治干预?如何保证模型将数据转化为证据，作为政策制定和决策研判的最后一道防线[1, 14]?这些都需要体制机制的创新。

　　笔者感悟

　　本书详细介绍了交通模型体系和方法60年的发生、演变、辉煌和沉寂的历程。如今，交通模型面临着诸多的挑战和困难，更应以开放包容的姿态主动拥抱社会变革和技术创新，跳出原有框架的束缚，积极寻求新的支持交通政策、城市政策和公共政策决策的定量化分析方法，以求新的突破和辉煌。

　　“望断云中无鹄起，飞来天外有鹰扬。”面对这一历史性的机遇和挑战，相信经过中国交通学者的努力，必然能提出适应时代发展需要的定量分析理论体系和方法，为由英美学者引领了60年的交通模型领域贡献东方智慧。

　　参考文献：

　　References:

　　[1] Boyce D, Williams H. Forecasting Urban Travel: Past, Present and Future[M]. London: Edward Elgar Publishing, 2015.

　　[2] Boyce D, Williams H. Forecasting Urban Travel: Past, Present and Future[EB/OL]. 2015[2019-12-13]. https://www.transportation.northwestern.edu/docs/2015/forecasting-urban-travel/boyce-presentation.pdf.

　　[3] Ortuzar J D, Willumsen L G. Modeling Transport (4th Edition)[M]. West Sussex: Wiley, 2011

　　[4] Willumsen L. Customer Reviews: An Exceptional Book on Transport Models, a Must[EB/OL]. 2018[2019-12-13]. https://www.amazon.co.uk/gp/customer-reviews/R8FFIDPC1MPN1/ref=cm_cr_arp_d_rvw_ttl?ie=UTF8&ASIN=1848449607.

　　[5] NUTC. Special Symposium and Book Launch[EB/OL]. 2018[2019-12-13]. http://www.transportation.northwestern.edu/news-events/2015/10.22.forecasting.urban.travel.html.

　　[6] Liu C. Reviews of ‘Forecasting Urban Travel: Past, Present and Future’[J]. Journal of the American Planning Association, 2017, 83(1): 107-108.

　　[7] Lovelace R. Book Review of ‘Forecasting Urban Travel: Past, Present and Future’[J]. Environment and Planning B: Planning and Design, 2017, 44(1): 184-186.

　　[8] Levinson D. Review of ‘Forecasting Urban Travel: Past, Present and Future’[J]. Journal of Regional Science, 2016, 56(3): 548-550.

　　[9] Wilson A G. A Statistical Theory of Spatial Distribution Models[J]. Transportation Research, 1967, 1(3): 253-269.

　　[10] Wilson A G. The Use of Entropy Maximizing Models in the Theory of Trip Distribution, Modal Split and Route Split[J]. Journal of Transport Economics and Policy,1969, 3(1): 108-126.

　　[11] Ben-Akiva M. Structure of Passenger Travel Demand Models[D]. Boston: Massachusetts Institute of Technology, 1973.

　　[12] Brand D. Travel Demand Forecasting: Some Foundations and a Review[R]. Washington DC: Highway Research Board, 1973: 239-282.

　　[13] Nagurney A. Influence of Beckmann, McGuire, and Winsten's Studies in the Economics of Transportation on Innovations in Modeling, Methodological Developments, and Applications[EB/OL]. 2018[2019-12-13]. https://supernet.isenberg.umass.edu/visuals/beckmann-slides.pdf.

　　[14] 北京市城市规划设计研究院交通所交通模型小组. 交通模型：量化认知不可想象的未来!—Thinking the Unthinkable Future[EB/OL]. 2018[2019-12-13]. http://www.sohu.com/a/219069198_651721.

　　[15] Hartgen D T. Hubris or Humility? Accuracy Issues for the Next 50 Years of Travel Demand Modeling[J]. Transportation, 2013, 40(6): 1133-1157.

　　[16] Lyons G, Davidson C. Guidance for Transport Planning and Policymaking in the Face of an Uncertain Future[J]. Transportation Research Part A: Policy and Practice, 2017, 88: 104-116.

　　[17] Zhao Y, Kockelman K M. The Propagation of Uncertainty Through Travel Demand Models: An Exploratory Analysis[J]. The Annals of Regional Science, 2002, 36(1): 145-163.

　　[18] Ran B, Jin P J, Boyce D, et al. Perspectives on Future Transportation Research: Impact of Intelligent Transportation Systems Technologies on Next-Generation Transportation Modeling[J]. Journal of Intelligent Transportation Systems, 2012, 16(4): 226-242.

　　[19] Jones P. The Role of an Evolving Paradigm in Shaping International Transport Research and Policy Agendas over the Last 50 Years[C]//InternationalAssociation for Travel Behaviour. 12th International Conference on Travel Behaviour Research, Keynotes, Jaipur, Rajasthan, India, Decermber 13-18, 2009.

　　[20] Sanko N. Travel Demand Forecasts Improved by Using Cross-Sectional Data from Multiple Time Points[J]. Transportation, 2014, 41(4): 673-695.

　　收稿日期：2019-12-26

　　作者简介：马毅林(1985— )，男，高级工程师，注册城乡规划师，研发中心主任工程师，主要研究方向：宏观交通模型、交通大数据分析。E-mail: mayl@bjtrc.org.cn