【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

 

 

  【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

    特邀作者:Lluis Sanvicens

该篇文章,展示了马拉加(西班牙第6大城市)的交通模型标定如何结合路网检查、流量数据筛选、需求调整与 GEH 评估,覆盖 452 个控制点。

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

 

目录

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

•  超越项目范围建模

•  交通模型标定:路网与交通小区

•  准备需求与观测点数据

•  调整需求之前先诊断

•  评估模型拟合度

交通模型标定并不仅仅取决于矩阵调整。一条缺失的路段、一个编码错误的转向,或一个设置不当的小区连接线,都可能让分配的出行走上错误的路径。挂载在错误路段上的交通流量数据也会造成同样的问题。如果在诊断出这些问题之前就调整需求,局部的改善反而可能掩盖路网错误。在马拉加市,我们 SANVI 咨询公司 的团队在 PTV Visum 中建立并标定了一个私人小汽车交通的静态宏观模型,覆盖两个一小时高峰时段:上午 8:00–9:00 和下午 2:00–3:00。这项工作遵循了一套其他建模者也可以借鉴的流程:定义一个足够大、能够表征路径备选方案的路网;检查交通小区与连接线;准备观测流量数据;然后比较分配流量与观测流量。本文将介绍我们如何诊断不匹配之处、如何用 GEH 统计量评估模型拟合度,以及如何在使用标定后的基准模型测试未来情景之前对其进行检查。
超越项目范围建模
项目始于马拉加市内一个明确界定的区域。我们将模型扩展到全市路网及主要的都市圈联系通道,以捕捉更大范围的交通转移。
一个城区的变化可能把交通量转移到其他地方的平行路径上。止于项目区附近的模型可能会遗漏这些转移,而都市圈联系通道则为交通分配提供了更多可供考虑的路径。该模型仅涵盖私人小汽车交通。【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型
图:马拉加全市及主要都市圈联系通道上的分配车流量。

 


【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

图:马拉加城市路网上的分配车流量。

交通模型标定:路网与交通小区

我们基于 OpenStreetMap 和马拉加市政府提供的信息构建了路网,然后逐条路段进行人工核查。核查内容包括道路等级、车道数、行驶方向、转向车流及限制、交叉口配置和连通性。我们还检查了次级道路、速度和通行能力。

 

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

图:马拉加 PTV Visum 路网中的路段属性。

模型采用了来自市政府2024 年出行指标研究的 236 个交通小区:231 个城市小区和 5 个外部小区。

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

图:马拉加 PTV Visum 路网中的路段属性。

小区连接线将每个交通小区与路网相连。它们的布设位置会影响出行接入路网的方式,因此我们将其与路段和交叉口一并进行了检查。

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

图:马拉加 PTV Visum 路网中的路段属性。

我们采用静态宏观交通分配,使用迭代式用户均衡和流量-延误函数,对每个高峰小时矩阵分别进行分配。随着道路拥堵加剧,其建模出行成本上升,部分交通量可能在逐次迭代中转移到其他路径。每次分配代表一个规定小时内的均衡流量,并不模拟逐分钟的交通变化。在为规划问题选择模型以及解读结果时,这一区别至关重要。

准备需求与流量数据
同一项研究还提供了早高峰(上午 8:00–9:00)和午高峰(下午 2:00–3:00)的起讫点(OD)矩阵。矩阵以人次出行表示,我们按每车平均载客 1.35 人将其换算为私人小汽车出行。市政府提供了来自 565 个点位的分方向小时流量数据。我们选取了 2025 年 5 月 7—9 日的流量数据,认为其能够代表普通工作日的交通状况。我们剔除了异常值以及与道路通行能力不符的读数,比较了相邻站点的数据,并逐一核对了每个流量点位与模型路网的对应关系。最终保留了 565 个点位中的 452 个作为观测控制点。
调整需求之前先诊断
我们通过迭代式地核查路网和需求来标定模型。检查内容包括连通性、次级道路、转向、小区连接线、速度、通行能力以及出行的空间分布。
我们还开发了一个工具,用于将实测流量与从 PTV Visum 导出的分配流量进行比较,并计算每个控制点的拟合指标。该工具能快速突出显示偏差最大的区域,帮助我们查明原因并重新进行分配。
调整路网之后,我们发现总体需求存在缺口,于是将早高峰和午高峰矩阵分别上调了 2.81% 和 3.95%。
当实测流量与分配流量不一致时,我们首先检查每条流量数据是否关联到了正确的路段和行驶方向。接下来,检查附近的连接、转向、速度、通行能力和流量数据。只有当这些检查表明问题出在需求上时,我们才会调整需求。

评估模型拟合度

我们使用GEH 统计量在全部 452 个控制点比较了分配流量与实测流量。早高峰(上午 8:00–9:00)期间,有 309 个点位(68.4%)的 GEH 低于 5;午高峰(下午 2:00–3:00)期间,有 293 个点位(64.8%)的 GEH 低于 5。

该项目还采用了参考阈值:至少 90% 的点位 GEH 低于 10,其余所有点位 GEH 低于 12。报告结果显示,早高峰 96.3%、午高峰 96.2% 的点位 GEH 低于 10,且两个时段内其余所有点位的 GEH 均低于 12。

测试未来情景方案

标定后的基准模型使规划者能够比较需求、道路通行能力、基础设施或城市发展的变化可能如何重新分配车辆出行。

2049 年上午 8:00 的矩阵被用于评估在建成某个出行吸引或产生设施之后,城市交通可能作出的响应。

标定后的基准模型使规划者能够比较需求、道路通行能力、基础设施或城市发展的变化可能如何重新分配车辆出行。

2049 年上午 8:00 的矩阵被用于评估在建成某个出行吸引或产生设施之后,城市交通可能作出的响应。

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

 图:马拉加 2049 年上午 8:00–9:00 的起讫点(OD)矩阵。

 

标定后的基准模型是起点,而不是准确预测未来的保证。远期结果取决于关于土地利用、出行生成、路网和出行行为的假设。应明确说明这些假设,并以一致的口径比较各种情景方案。交通模型标定是一种结构化的诊断过程:检查路网与小区接入,了解观测点的数据的选取方式,核实出行换算假设,并迭代地调整路网和需求。在这个马拉加项目中,PTV Visum 为表征路网和进行交通分配提供了框架,而可信的结论仍取决于透明的输入以及与观测交通的对比。

【建模与规划】 【 用户洞察】如何在 PTV Visum 中标定全市交通模型

 

评论