【精品】交通仿真实验报告Transcad.docx
《【精品】交通仿真实验报告Transcad.docx》由会员分享，可在线阅读，更多相关《【精品】交通仿真实验报告Transcad.docx（37页珍藏版）》请在冰点文库上搜索。
Xx大学交通工程专业本科生课程作业报告
交通系统仿真与评价课程作业2报告
学 号：
x
姓 名：
x
指导教师：
x
时 间：
2020年10月26日
xx运输工程学院
一、操作目的
交通分配是交通需求预测四阶段法的最后一个阶段，其目的是将各种出行方式的OD矩阵按照一定的路径选择原则分配到交通网络中的各条道路上，求出各路段上的流量及相关的交通指标。
一般的交通网络中，每一O-D对之间有很多条路径，如何将O-D量正确、合理地分配到这些路径上是交通分配的核心，正确的交通分配方法应能较好地再现实际交通状态，这种交通状态是出行者路径选择的结果。
本次操作的目的在于应用TransCAD软件，在SiouxFalls市的路网上测试TransCAD软件中所含有的所有交通分配算法，总结及对比各类交通分配算法的结果，并给出对算法的评价，同时对已有交通需求进行等倍数的扩大或缩小，评价高交通需求和低交通需求下各交通分配算法的结果。
二、主要操作步骤
（一）路网的建立
新建线类型地理文件，路段图层名称“road”，路段节点图层名称为“node”,为路段图层建立3个属性数据字段，分别是reallength、capacity、freeflowtime,为节点图层增加一个属性数据字段为index，用于下一步中的O-D矩阵索引转换，保存新建的线类型地理文件。
编辑：
以导入的点为底图，描摹路网。
注意事项：
画路网时，最好不要一次输入整条道路，应该分段输入路段，即遇到一个交叉口，点一次回车，然后再开始下一条路段的输入，同时注意要按照所给路网节点的顺序画，即要让所画节点的编号（ID）与所给的路网节点标号一致。
检查路网的连通性：
查看是否有虚接的线段或不连通的节点，避免将来在进行交通分配时出现错误。
操作如下：
设置图层为“road”,选择“Tools→MapEditing→CheckLayerConnectivity”此时会弹出“CheckLineLayerConnectivity”对话框，在“Threshold”后输入100（或其他数值），注意数值不要输入太大，否则会把一些正常的节点也判断为有连通性问题，若路网连通性没有问题，则会出现如下对话框。
为路段图层输入属性数据：
根据所下载的文件，输入reallength、capacity、freeflowtime三个属性。
（二）小区的相关操作
新建面层，在面层画完小区之后，创建小区质心并将其连接到路网：
将“TAZ”置为当前图层，选择“Tools→MapEditing→Connect”系统会弹出“Connect”对话框，按照下图所示输入、选择。
此时Transcad会自动将这些质心点连接到现有的路网中。
打开小区属性表，在Index这一列输入每个小区质心对应的路网节点。
对路网节点进行筛选，将小区质心筛选出，将“node”置为当前图层，选择“Selection→SelectbyCondition”,在弹出的对话框中输入index>0,点击“OK”，这样就筛选出了质心点。
设置质心连杆属性：
将capacity设置为无限大（999999999），freeflowtime
设置为无限小（0.01）。
（三）创建网络
将“road”图层置为当前图层，选择“Network/Paths→Creat”,会弹出如下图所示“CreateNetwork”对话框，按下图所示选择、输入，保存即可。
（四）OD数据的处理
将下载的文件中的OD数据输入到Excle表格中，将此表格（csv类型）导入到Transcad软件中，然后新建矩阵文件，起名为baseod,分别选中两个文件对应的第一列，选择“Matrix→import”菜单项，弹出“MatrixImportWizard”对话框，点击“Next”,出现一个对话框后，再点击“Next”,会出现下图所示对话框，按图示选择好之后，点击“Finish”，OD数据导入完成。
（五）O-D矩阵索引转换
是将矩阵索引由小区编号转换为交通网络节点，在矩阵试图单元格上点击右键，选择“Indices”在弹出的对话框中，点击“AddIndex”会弹出下图所示对话框，按下图所示选择、输入。
这样就完成了矩阵索引的转换。
（六）运行交通分配模型
将“road”置为当前图层，选择“Planning→TrafficAssignment”,会弹出下图所示对话框
在“method”处选择要使用的分配方法，点击“Network”会出现下图所示对话框，按下图所示选择之后，点击“OK”会产生路段流量表。
（七）制作路段流量专题图
选择“Planning→PlanningUtilities→CreateFlowMap”，在弹出的对话框中，按下图所示选择、输入，然后点击OK。
三、原始交通需求下各分配方法分配结果分析
平衡分配方法：
如果交通分配模型满足Wardrop原理，则该模型为平衡模型，满足Wardrop第一原理的称为用户平衡（UE），满足Wardrop第二原理的称为系统最优分配模型（SO），在拥挤的网络中，交通量应该按照使路网中总阻抗即总行驶时间最小为原则进行分配。
（一）用户平衡法（UE）
用户平衡法采用一个迭代过程达到平衡的结果，即出行者改变路径不可能再改进出行时间。
在每次迭代中都计算路网中各路段的流量，其中考虑到路段通行能力的限制和与路段流量相关的出行时间。
用户平衡分配模型的关键行为假设是：
每个出行者获得路网特性的完全信息，每个出行者选择出行时间或出行费用最小的路径，并且所有的出行者对路网属性具有相同的效用评价。
用户平衡（UE）的概念最先由Wardrop提出，它的含义是单个出行者不能单方面地通过改变路径而减少其出行时间。
UE法则的结果是同一个O-D对所选用的所有路径的费用是相同的而且是最小的。
不幸的是，
这个绝对的UE规则并不能真实地描述现实中的路网流量。
分配结果如下：
由路段流量表可得，路段最高V/C为2.5430，最低V/C为0.1798。
其中，有13%的路段V/C介于0-0.75，属于稳定车流；有7.9%的路段V/C介于0.75-0.9，接近不稳定车流；有21%的路段V/C介于1-1.5，有58%的路段V/C大于1.5，属于强制车流。
（二）系统优化分配（SO）
系统优化分配是一种使整个路网总的出行时间达到最小的分配方法。
采用SO分配的结果是，出行者若改变他们的路径，便会增加系统的总出行时间，尽管某出行者有可能减少自己的出行时间。
SO分配法可以认为是一种拥堵最小化的模型，其中出行者被告诉使用指定的某条路径。
显然SO分配模型不是一个符合行为现实的模型。
分配结果如下：
由路段流量表可得，路段最高V/C为2.6075，最低V/C为0.1948。
其中，有13%的路段V/C介于0-0.75，属于稳定车流；有7.9%的路段V/C介于0.75-0.9，接近不稳定车流；有18%的路段V/C介于1-1.5，有61%的路段V/C大于1.5，属于强制车流。
（三）随机用户平衡法（SUE）
UE模型假设出行者拥有完备的交通信息，而且能够依据这些信息作出正确的决策。
而现实中，出行者在不拥有完备的交通信息下对路段阻抗有着不同的估计，该阻抗可被视为随机变量。
随机用户平衡（SUE）模型就是为了描述这种情况而提出来的。
当每个出行者不可能单方面地通过改变路径来减少自己的期望路径阻抗时，即达到随机用户平衡状态。
更接近现实的平衡模型是SUE，其前提假设是出行者没有掌握路网上路径的完整信息，或对路网属性信息感觉上各不相同。
在达到随机用户平衡时，出行者认为他们不会因为选择了不同的路径而增加预期的效用。
由于各个出行者的感觉和运输服务的水平不同，同一O-D之间所采用的路径不一定必需要有相同的广义
费用。
随机用户平衡法是用户平衡法的一种通用表述，它假定出行者没有完整的路网属性信息，或者他们对出行费用的感受不同。
分配结果如下：
由路段流量表可得，路段最高V/C为2.7062，最低V/C为0.2248。
其中，有13%的路段V/C介于0-0.75，属于稳定车流；有2.6%的路段V/C介于0.75-0.9，接近不稳定车流；有26%的路段V/C介于1-1.5，有58%的路段V/C大于1.5，属于强制车流。
SUE模型的分配结果比确定性的UE模型的分配结果更接近现实，因为SUE允许使用吸引力小的路径，也可以使用吸引力较大的路径。
吸引力小的路径具有较低的利用率，但不会像UE方法中那样总是出现零流量。
UE、SO、SUE三种分配方法所得结果的V/C的比较：
从图中可以看出，SO、UE两种分配方法得出的路段V/C比相差十分微小，而SUE分配方法所得出的路段V/C大致略大于前两者分配方法。
综合以上分析，UE更能真实反映交通网络中用户的实际出行行为，结果更能符合实际交通网络多个出行者分散决策的状况；SO在拥挤及路网结构不合理时，与交通网络的实际分配情况存在差异；SUE更具有普遍性，UE仅是SUE的一种特殊情况。
平衡法考虑出行时间对流量的影响，从而导致在计算路段流量和出行时间时保持相互一致。
平衡流量算法需要进行流量分配和计算出行时间之间的迭代。
尽管计算量大，平衡法仍然总是优于其它的分配方法。
非平衡分配方法：
（一）全有全无分配法（AllorNothing）
全有全无分配法是对于任意一个OD对，将全部出行量都加载到连接这个OD对的当前最短路径上，而其余路径上的加载量为0，这种方法没有考虑路段是否有足够的通行能力，没有考虑路段拥堵效应，所输入的出行时间为固定值，不随着路段的拥挤程度而变化，忽略了当出现拥挤时路段出行时间依赖于路段流量的事实（如，路段出行时间是路段流量的函数），忽略了O-D对间存在多条路径
分配结果如下：
除了全有全无分配法和STOCH分配法以外，TransCAD中的其他所有交通分配程序都根据路段性能函数迭代更新出行时间。
路段性能函数是用数学公式来描述出行时间和路段流量之间关系。
BPR公式是一个最常用的路段性能函数，BPR函数将路段出行时间表达为流量与通行能力之比的函数。
也正是因为这个原因，全有全无分配法和STOCH分配法没有V/C这个数据，路段流量图也只显示了流量，而没有V/C的信息。
从得出的分配结果中可以看出，某些路段并没有分配的流量，即出现“零流”，进一步反映了全有全无分配方法与现实不符，即每个OD之间只采用一条路径，即使另外的路径的出行时间或费用相同或非常接近也不采用。
根据得出的路段流量表，将流量排序，可以看出，基本上该市最外围的一些道路分配的流量较少，而城市中心区域分配的流量过多，有的路段流量远远超过了其通行能力，这造成了城市外围道路资源的浪费，同时造成城市中心区域的极度拥挤，因此，可以得出该种分配方法缺点是出行分布量不均匀，全部集中在最短路上，当交通网络处于拥挤状态时，分配结果与实际交通情况明显不符。
而该方法也有一定的优点，即计算相当简便，分配只需一次完成，在实际中由于其简单实用的特性，一般作为其他各种分配技术的基础，在增量分配法和平衡分配法中反复使用，主要是用于某些非拥挤路网，用于没有通行能力限制的网络的情况。
（二）STOCH分配法
SUE模型也有近似的非平衡分配算法，就是STOCH分配法。
STOCH分配法是将每个O-D对之间的交通流量分配到连接该O-D对的多条可选路径上。
分配到一条路径上的流量所占的比例是选择该路径的概率，路径的选择概率是
由Logit模型计算的。
一般说来，和其他可选路径相比，时间越短的路径，被选择的概率越大。
但是，STOCH分配法并不将流量分配到所有的可选路径上，只分配某些有限的较为“合理”的路段上。
一条合理的路段是使出行者离出行起点越来越远，离出行终点越来越近。
分配结果如下：
从图中可以看出，该方法分配出的结果和全有全无分配方法得出的结果极为相似。
在STOCH分配中路段出行时间输入的固定值，出行时间不随路段流量的变化而改变。
因此，该模型不是一种平衡方法，但优点是计算速度较快。
全有全无分配方法和STOCH分配方法所得结果的路段流量的比较：
AON与STOCH路段流量的比较
100000
80000
60000
40000
20000
0
135791113151719212325272931333537394143454749515355575961
STOCH
AON
从图中可以看出，AON与STOCH两种分配方法得出来的分配结果中，路网中各个路段流量相差十分微小。
（三）容量限制法（CapacityRestraint）
该方法被开发出来解决全有全无的问题，是基于启发式的方法，它根据道路阻抗的变化来调整路网交通量的分配，保持所分配的流量不超过相应路段的通行能力，是一种“变化阻抗”的交通分配方法，是一种动态的交通分配方法，是一种不断更新路段阻抗、反复调用全有全无算法，试图达到平衡状态的一种分配算法。
这个算法一般无法收敛到平衡解，因此需要设置一个最大迭代次数N，当迭代次数达到N时即终止迭代。
这种方法还有产生另外一个问题的可能，即其计算结果非常依赖于具体的迭代次数。
多执行一次迭代或者少执行一次迭代，常常会给出截然不同的结果。
分配结果如下：
由路段流量表可得，路段最高V/C为2.9488，最低V/C为0.4170。
其中，有5%的路段V/C介于0-0.75，属于稳定车流；有5%的路段V/C介于0.75-0.9，接近不稳定车流；有8%的路段V/C介于0.9-1，属于不稳定车流；有13%的路段V/C介于1-1.5，有68%的路段V/C大于1.5，属于强制车流。
该方法的优点是路权可以更新，考虑了路权与交通负荷的关系，考虑了路段
通行能力的限制，比较符合实际情况。
而该方法也存在不足:
与最短路分配法相同，出行者因其出行目的、喜好、路况及习惯的缘故，并不一定选择最短路径，并且对不熟悉各种可能替代路线的人，最短路径更无从选定。
其次，重复分配的方式，在理论上的依据不足，因为出行者对路网的交通需求乃为一次完成，而非经过数次不同的出行时间，才决定最后的路线。
（四）增量分配法（Incremental）
增量分配法是逐步分配交通流量的一种方法。
在每一步分配中，根据全有全无法分配一定比例的总流量。
每步分配后，根据路段流量重新计算出行时间。
当采用的递增次数足够多时，该分配法类似于平衡分配法。
但是，该方法不能保证产生平衡解。
在路段流量与出行时间之间可能存在不一致，会导致方案评估计算的错误，该方法还受到流量分配时，OD对的处理顺序的影响，加大了分配结果中包含进一步的偏差的可能性。
分配结果如下：
由路段流量表可得，路段最高V/C为2.9828，最低V/C为0.1448。
其中，有18%的路段V/C介于0-0.75，属于稳定车流；有3%的路段V/C介于0.75-0.9，接近不稳定车流；有5%的路段V/C介于0.9-1，属于不稳定车流；有10%的路段V/C介于1-1.5，有63%的路段V/C大于1.5，属于强制车流。
该方法在全有全无分配方法的基础上，考虑了路段交通流量对阻抗的影响，根据道路阻抗的变化来调整路网交通量的分配，是一种“变化路阻”的交通量分配方法，并且简单可行，精确度可以调整，在实际的道路网交通量分配中经常被采用。
但该方法也存在缺点：
仍然是一种近似方法，当路阻函数不是很敏感时，有时会将过多的交通流量分配到某些容量很小的路段上，一般情况下，得不到平衡解。
增量分配法（Incremental）与容量限制法（CapacityRestraint）
的比较
CapacityRestraint与IncrementalV/C的比较
4
3.5
3
2.5
2
1.5
1
0.5
0
1 3 5 7 9 1113151719212325272931333537
CapacityRestraint
Incremental
从图中可以看出，容量限制法和增量分配法两种分配方法所得的结果差异较大，通过计算，容量限制法有71.1%的路段V/C大于增量分配法。
但两种分配方法得出的路段V/C的大小的趋势大致相同，即：
路段1、5、11、21、26、38，分别对应于路网上1、2节点间的路段，1、3节点间的路段，
12、13节点间的路段，7、18节点间的路段，3、12节点间的路段，18、20节点间的路段，这些路段相较于其他路段V/C比要小，均小于1，增量分配法在这些路段上V/C集中在0.1448-0.7183，容量限制法在这些路段上 V/C集中在0.417-0.9806；而对于路段6、13、15、17、18、20、23、25、28、32、36，分别对应于路网上7、8节点间的路段，16、17节点间的路段，19、20节点间的路段，21、22节点间的路段，22、23节点间的路段，13、24节点间的路段，6、8节点间的路段，17、19节点间的路段，11、14节点间的路段，15、22节点间的路段，10、16节点间的路段，这些路段相较于其他路段V/C比要大，容量限制法在这些路段上V/C集中在1.8539-3.4701，增量分配法在这些路段上 V/C集中2.0631-2.9828。
四、不同交通需求下各分配方法分配结果分析
将OD矩阵中的数据扩大1.5倍、缩小至原来的0.7倍，得到两个新的OD
矩阵，重新进行交通分配，得到的各种分配方法对应的的分配结果，如下所示。
（一）用户平衡法（UE）
低交通需求
正常交通需求
高交通需求
从折线图可以看出，三种交通需求下，曲线的大致形状一致，即在一些相同的路段，V/C都要小，另外一些相同的路段，V/C都要大。
同时，由路段流量表分析可得，将OD矩阵中的数据扩大1.5倍后，重新进行交通分配，发现有78.9%的路段V/C扩大的倍数大于1.5，有些路段甚至大于2，如路段1、5、14、26，分别对应于路网上1、2节点间的路段，1、3节点间的路段，16、18节点间的路段，3、12节点间的路段，均为该市的外围路段。
将OD矩阵中的数据缩小至原来的0.7倍，重新进行交通分配，发现有60.5%
的路段的V/C缩小的倍数大于0.7。
（二）系统优化分配（SO）
低交通需求
正常交通需求
高交通需求
从折线图可以看出，三种交通需求下，曲线的大致形状一致，即在一些相同的路段，V/C都要小，另外一些相同的路段，V/C都要大。
同时，由路段流量表分析可得，将OD矩阵中的数据扩大1.5倍后，重新进行交通分配，发现有78.9%的路段V/C扩大的倍数大于1.5，有些路段甚至大于2，如路段1、5、14、26，分别对应于路网上1、2节点间的路段，1、3节点间的路段，16、18节点间的路段，3、12节点间的路段，均为该市的外围路段。
将OD矩阵中的数据扩大1.5倍后，重新进行交通分配，虽然UE、SO两种分配方法均有78.9%的路段V/C扩大的倍数大于1.5，但是对应的路段不相同，即有些路段UE所得结果中V/C扩大的倍数大于1.5，而SO所得结果中该路段V/C扩大的倍数小于1.5。
将OD矩阵中的数据缩小至原来的0.7倍，重新进行交通分配，发现所有路段的V/C缩小的倍数均大于0.7，缩小的倍数介于0.86-1.05。
这一点与UE所得结果极为不同。
（三）随机用户平衡法（SUE）
低交通需求
正常交通需求
高交通需求
从折线图可以看出，三种交通需求下，曲线的大致形状一致，即在一些相同的路段，V/C都要小，另外一些相同的路段，V/C都要大。
同时，由路段流量表分析可得，将OD矩阵中的数据扩大1.5倍后，重新进行交通分配，发现有92.1%的路段V/C扩大的倍数大于1.5（该比例极大的大于UE的78.9%的比例）有些路段甚至大于2，如路段1、5、26，分别对应于路网上1、2节点间的路段，1、3节点间的路段，3、12节点间的路段，均为该市的外围路段。
将OD矩阵中的数据缩小至原来的0.7倍
升级会员 