BJTM-V2-003 | 交通模型：量化认知不可想象的未来！ —Thinking the Unthinkable Future
项目团队：北京市城市规划设计研究院交通所交通模型小组
在大数据的时代背景下，我院从2016年启动了新一轮的交通模型更新工作，面对丰富纷繁的数据基础，模型组的小伙伴们希望不漏掉每一项数据背后的价值挖掘，力求融会贯通，助力于模型的构建。
一、方法论
1.1 一本模型圣经
美国伊利诺斯大学芝加哥分校交通与区域科学荣誉教授David Boyce和英国卡迪夫大学交通与空间分析荣誉教授 Huw Williams于2015年专著的《Forecasting Urban Travel: Past, Present and Future》（预测城市出行：过去，现在与未来）[1]，堪称为交通模型与预测界的“圣经”。交通模型、区域规划领域的众多人士均在书评中给出极高评价和深刻反思[2-6]，如Lovelace(2017)[5]指出“如果你认为交通是一个枯燥无趣的专业，它将改变你的看法”，Levinson(2016)[6]指出“它应是业内研究者与实践人员广泛阅读的佳作，但个人认为，它也记录了交通模型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(wrong rabbit hole)的历史进程”。
以非数学的方式系统性回顾并展望美国与英国交通模型可回溯至两人于2005年在《Advances in Spatial Science》发表的《Urban Travel Forecasting in the USA and UK》（美国和英国的城市出行预测）[7]一文。而这篇文章又是对1980年《A Silver Jubilee for Urban Transportation Planning》（城市交通规划白银25周年纪念）[8]的回应，即“从1980年到2005年黄金50周年纪念，城市交通规划会面临哪些关键问题”。
有趣的是，David Boyce于1979-1988年担任《Environment and Planning A: Economy and Space》的联合主编，而时任主编则是期刊创始人Alan Wilson，其在最大熵、土地利用与交通整合、空间互动影响等方面的卓越贡献极大地影响了交通模型乃至城市模型的发展方向。交通模型与出行预测在本源上是通过运筹学、交通工程学和城市规划学将空间规划、经济产业、环境承载和交通出行紧密联系起来，发展至今，是何原因造成其在国内城市规划理论与实践中的尴尬地位，值得从业者和专业教育者深思。
▲图1 交通模型三巨头
交通模型的60年发展离不开殿堂级大师的终生奉献，其代表人物有荣获国际出行行为研究联合会IATBR终身成就奖的Frank Kopppelman(2003)、Ryuichi Kitamura(2006)、Moshe Ben-Akiva(2006)、David Hensher(2009)、Juan Dios Ortuzar(2012)、Andrew Daly(2012)、Daniel McFadden(2015)和荣获运筹与管理科学研究所INFORMS终身成就奖的Robert Herman(1990)、Martin Beckmann(1994)、Denos Gazis(1996)、Michael Florian(1998)、Amedeo Odoni(2001)、David Boyce(2003)、Paolo Toth(2005)、Michael Smith(2007)、Gilbert Laporte(2009)、Nathan Gartner(2011)、Carlos Daganzo(2013)、Michel Gendreau(2015)、Moshe Ben-Akiva(2017)。
1.2 三篇重要文献
建模框架。Zhang&Acker(2017)[9]提出基于出行行为的交通模型框架应进行范式转变，从基于出行(Trip-based)、基于出行链(Tour-based)、基于活动(Activity-based)的方法整合为生活导向(Life-oriented)方法，出行行为与活动格局不仅是出行目的的衍生，更与生活选择(Life choices)息息相关。生活导向方法对交通模型有着更高的要求，理论上需要从关注交通出行行为的单一学科扩展至关注生活选择的交叉学科，实践上需要从单一领域的层次化交通场景扩展至跨领域的一体化城市场景，评估对象从交通政策扩展至公共政策，评估指标从分担率等模型输出扩展至生活质量影响等政策结论。
▲图2 交通模型范式转变Life-Oriented Modeling
可达性目标与指标。Boisjoly&Ei-Geneidy(2017)[10]评估近十年全球32个都市区交通规划，明确可达性目标逐渐融入交通规划的发展趋势，其分析指标应用于项目评估、场景评估、平等性分析和区域评价中。但由于规划人员尚未明晰可达性与机动性的差异，缺乏多准则分析方法，基于可达性的指标仍无法有效指导决策过程。尽管如此，英国伦敦的可达性评估体系仍不失为实践典范，现已推广应用至新加坡。伦敦可达性评估体系以公共交通可达性水平PTALs(Public Transport Accessibility Levels)[11-12]的形式体现，已纳入伦敦空间发展策略《The London Plan》[13]，用以控制住宅开发强度、停车配建指标和评估商业活力价值。
▲图3 可达性指标的应用
未来不确定性。Lyons&Davidson(2016)[14]指出交通规划者与政策制定者在应对未来不确定性时应具有敏锐的洞察力和清晰的指引力，与其利用交通模型预测不确定的未来，不如利用场景规划和战略规划研判未来交通的社会性与技术性，通过TAS(Triple Access System)框架将不确定性转换为塑造未来的机遇，强化综合决策的灵活性和韧性。TAS框架由交通系统的物理移动性(Physical Mobility)、用地系统的空间接近性(Spatial Proximity)和通信系统的数字连通性(Digital Connectivity)组成，三要素交互作用共同形成社会交流需求、基础设施规划和数字技术发展约束下的物理可达性与虚拟可达性，交通规划者与政策制定者正是要判断两种可达性的相对平衡点。TAS框架要求交通预测须摆脱对“预测+供给”(Predict and Provide, PP)的路径依赖，探索“决策+供给”(Decide and Provide, DP)的全新路径。PP路径认为不确定性是静态不变的，结合既有认知和线性趋势推动(Push)政策制定；DP路径则认为不确定性是动态变化的，需结合既有认知、愿景诉求和非线性趋势拉动(Pull)政策制定。
▲图4 应对未来不确定性的TAS框架
此外，推荐三篇文献供读者参考。Bliemer et al.(2017)[15]的《战略交通规划中交通分配模型的基因》，Hartgen(2013)[16]的《自恃还是谦逊?出行需求建模下一个50年的准确性问题》，Ran et al.(2012)[17]的《未来交通研究展望：下一代交通建模中智能交通系统的作用》。
二、悖论
四阶段法主导的交通模型是交通规划者与交通政策制定者在当前知识结构与理念认知下的特定产物，其主要形成四方面悖论[18]。
悖论一，关于小汽车和公共交通。表现为，一方面大力发展公共交通、提倡公交优先，另一方面又在不遗余力的进行道路建设和拥堵缓解、满足小汽车需求；政策制定者希望更多的人放弃使用小汽车，选择公共交通方式出行，可是当道路不再拥堵时，谁又会选择公共交通。此种认知下的建模框架以小汽车阻抗作为反馈，路网容量作为约束，在本质上是小汽车发展导向的交通模型。
悖论二，关于车辆拥有和车辆使用。表现为，一方面多管齐下限制车辆拥有、抑制出行需求，另一方面又万众创新鼓励共享车辆、刺激出行需求；一方面出台各种小汽车限行政策，另一方面又在居住区和工作地大量提高停车位供给。当前技术手段下的交通模型缺乏对矛盾视角下停车时空政策和新式交通方式的评估与校验能力。
悖论三，关于规划方法和评价指标。表现为，利用确定的单一时间截面数据在证据不充分的情况下武断判断发展过程，试图以“预测+供给”的线性外推方法经验性地预测不确定的未来，缺乏对演化机理的洞悉及内生性、外生性的判别；高举“人本位”旗号，实施“车本位”规划，无论区域规划、改善还是影响评价都用流量、速度和负荷度等指标进行评判；为达到规划分担率目标，暴力篡改行为参数，甚至最终输出结果。尽管四阶段法主导的交通模型在出行生成、出行分布环节的主体是空间化的土地利用、分组化的人口岗位和参数化的行为特征，其在方式选择和交通分配环节仍无法摆脱机械性标准化的桎梏，基于出行时间价值的广义费用亦难以衡量因出行目的实现而获取的隐形价值及出行过程中的服务品质与态度感知。
悖论四，关于新型技术和缓堵作用。表现为，汽车共享或者无人驾驶等技术一方面提升道路通行能力和使用效率，另一方面又刺激诱增出行需求，新型技术的缓堵作用尚未明晰；汽车制造商与服务提供商常以抽样局部优化论断夸大新型技术在全局系统中的功效，忽视交通环境的系统性、复杂性、波动性和自适应性，轻视城市生态圈中其他个体的感受与得失，无视城市系统的社会性人本需求。当前知识结构框架下的交通模型，尤其是近中期规划模型，缺乏对新型技术的快速响应与适应能力，缺乏针对由新型技术引发的供给与需求不确定性及出行行为改变的基础性研究。
三、近期
3.1 传统模型
Jones(2009)[19]将模型范式依据行为主体分为基于车辆的(Vehicle-based, P1)、基于出行的(Trip-based, P2)、基于活动的(Activity-based, P3)、基于态度的(Attitude-Based, P4)和基于动态的(Dynamics-based, P5)五类。五类模型范式的核心在于强调交通性能与环境品质、模型评估与政策决策是紧密相关的，这亦是英国交通模型体系与以美国为主的交通模型体系最大的差异，该话题将在后续专题《伦敦的交通模型与空间规划》中深入讨论。
基于车辆的P1范式，交通性能上关注小汽车行程时间最小；环境对策上依赖清洁能源车辆。基于出行的P2范式，交通性能上关注多模式综合服务能力，人的出行延误最小；环境对策上依赖低碳交通方式。基于活动的P3范式，交通性能上关注出行活动的计划性与可靠性，远程办公应考虑到交通网络影响中；环境对策上依赖出行链计划，可利用互联网服务替代出行活动。基于态度的P4范式，交通性能上关注用户感受、服务质量和个人安全；环境对策上依赖主动出行行为改变和生态出行。基于动态的P5范式，交通性能上关注实时动态和突发事件应对能力；环境对策上强调为了提升人的幸福感可在关键决策点逐步实施干预管控。
以美国为主的交通模型体系近期主要发展方向为基于活动的ABM模型(对应P3范式)与动态交通分配DTA模型的攻坚应用，尽管既有实践[20]表明ABM+DTA模型的实现周期长达3-5年。TRB交通网络建模分会于2011年发布《Dynamic Traffic Assignment: A Primer》（动态交通分配入门手册）[21]，SHRP2战略公路研究项目于2015年发布《Activity-Based Travel Demand Models: A Primer》（基于活动的出行需求模型入门手册）[22]，TMIP交通部联邦公路局出行模型改进计划2010-2017年的网络研讨会[23]主题亦是以ABM+DTA为主。此外，NCHRP国家协作式公路研究项目为了在全国范围强化交通模型于城市规划中的法定地位和规范模型可移植性与量化标尺，于2012年发布《Travel Demand Forecasting: Parameters and Techniques》（出行需求预测：参数和技术）[24]对1998年版《Travel Estimation Techniques for Urban Planning》（城市规划的出行估计技术）[25]进行相应更新。
▲图5 美国交通模型近期发展方向
Trip-Based
Tour-Based
Activity-Based
▲图6 三类交通模型建模框架
3.2 传统模型的延伸
以四阶段法为代表的传统交通模型向下可延伸出步行模型、自行车模型、公交拥挤模型、轨道客流模型、枢纽节点场所模型、城市物流配送模型、城际货运模型、铁公机区域竞合模型等，将结合北京实践经验在后续专题《自行车需求模型：转变“预测+供给”范式》中深入讨论。
传统交通模型向上可延伸为至关重要的土地使用与交通整合模型(Land Use & Transport Integrated Model, LUTI)，然而近10年整合模型发展缓慢，处于认识尚未统一、资源逐渐紧缺的瓶颈阶段。Waddell(2011)[26]指出整合模型面临规划合作和建模技术的双重挑战，规划合作中交通规划人员与用地规划人员在对制度、价值、认知和政策的理解上存在巨大分歧，建模技术中尚有透明性、行为校验、经验主义校验、使用便捷性、计算性能、灵活性、数据可用性与质量、不确定性等诸多问题。
土地使用与交通整合模型的最终发展方向极有可能是大规模城市模型，Lee Jr.(1973)[27]指出其“七宗罪”是，超综合(Hyper-comprehensiveness)、粗糙(Grossness)、数据贫瘠(Hungriness)、执迷不悟(Wrongheadedness)、复杂(Complicatedness)、机械性(Mechanicalness)和高代价(Expensiveness)。然而，这“七宗罪”在近45年城市模型的发展历程中并未有明显改变。
Wegener(2013)[28]指出若要应对未来城市发展中气候变化、能源衰竭及由此引发的社会冲突等诸多问题，唯有建模范式转换才能避免新时代的“七宗罪”，即从过多的解释过去趋势到更多的实践改变、从过多的相信稳定均衡到更多的动态演化、从过多的依赖观测行为到更多的理论研究、从过多的关注群体意愿到更多的约束条件、从过多的强调参数标定到更多的真实性分析、从过多的整理细节因素到更多的基础要素和从过多的依赖增量预测到更多的因果返溯。
四、共识
以“城市大脑”、“人工智能”、“量子计算”、“出行即服务”为代表的资本推动型创新技术正在融入交通规划与城市规划的语境，并努力成为社会交通和城市生活的必需品。新型技术的时限界定不再模糊，规划管理的行业壁垒不再坚固，交通模型更应想象不可想象的未来，恪守科学、客观、公平、理性原则，主动拥抱社会变革与技术创新，评估其直接或潜在的正负外部性，成为制定交通政策、城市政策和公共政策的有效工具。但归根结底，空间规划、经济产业、环境承载和交通出行的互动机理始终是交通模型乃至城市模型的本源。
▲图7 交通模型本源
正如《Forecasting Urban Travel: Past, Present and Future》（预测城市出行：过去，现在与未来）结语所言，交通规划从业者均应牢记交通模型的使命：
没有数据，那些只是想法！交通模型要将数据转化为证据，是政策制定和决策研判的最后防线！
“Ultimately it will be the analyst’s job to be the last defence against wishful thinking, boosterism, and the platitudes of some politicians. Where at all possible we must seek out the evidence base for policy and always bear in mind Andreas Schleicher’s wise words that pertain to us all Without Data, You are just another person with an opinion.”
参考文献：
[1]Boyce D., Williams H.. Forecasting Urban Travel: Past, Present and Future [M]. Edward Elgar Publishing, London, 2015.
[2]Willumsen L.. Customer Reviews [EB/OL]. Amazon, https://www.amazon.co.uk/Forecasting-Urban-Travel-Present-Future/product-reviews/1848449607, 2018-01-21.
[3]NUTC. Special Symposium and Book Launch [EB/OL]. http://www.transportation.northwestern.edu/news-events/2015/10.22.forecasting.urban.travel.html, 2018-01-21.
[4]Liu C.. Reviews of ‘Forecasting Urban Travel: Past, Present and Future’ [J]. Journal of the American Planning Association, 2017, 83(1): 107-108.
[5]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.
[6]Levinson D.. Review of ‘Forecasting Urban Travel: Past, Present and Future’ [J]. Journal of Regional Science, 2016, 56(3): 548-550.
[7]Boyce D., Williams H.. Urban Travel Forecasting in the USA and UK [M]. Chapter 3, Methods and Models in Transport and Telecommunications, Reggiani A., Schintler L., Springer, Berlin, 2005.
[8]Boyce D.. A Silver Jubilee for Urban Transportation Planning [J]. Environment and Planning A: Economy and Space, 1980, 12(4): 367-368.
[9]Zhang J.Y., Acker V.V. Life-Oriented Travel Behavior Research: An Overview [J]. Transportation Research Part A: Policy and Practice, 2017, 104: 167-178.
[10]Boisjoly G., Ei-Geneidy A.M.. How to Get There? A Critical Assessment of Accessibility Objectives and Indicators in Metropolitan Transport Plans [J]. Transport Policy, 2017, 55: 38-50.
[11]TFL. Assessing Transport Connectivity in London [R]. Transport for London, Mayor of London, London, 2015.
[12]Nguyen H., Howes P.. Strategic Modelling [C]. Transport for London, TFL Strategic Analysis, 2017.
[13]Mayor of London. The London Plan: The Spatial Development Strategy for London [R]. Greater London Authority, London, 2016.
[14]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.
[15]Bliemer M.C.J., Raadsen M.P.H., Brederode L.J.N., Bell M.G.H., Wismans L.J.J., Smith M.J.. Genetics of Traffic Assignment Models for Strategic Transport Planning [J]. Transport Reviews, 2017, 37(1): 56-78.
[16]Hartgen D.T..2013. Hubris or Humility? Accuracy Issues for the Next 50 Years of Travel Demand Modeling [J]. Transportation, Vol.40, No.6, pp.1133-1157.
[17]Ran B., Jin P.J., Boyce D., Qiu T.Z., Cheng Y.. 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.
[18]Wei H., Song S.J., Idris J.. TIS: An Outlook for the Future Mobility [R]. 2017 BMW Next Mobility Youth Camp, Hangzhou, China, 2017.
[19]Jones P.. The Role of an Evolving Paradigm in Shaping International Transport Research and Policy Agendas Over the Last 50 Years [C]. 12th International Conference on Travel Behaviour Research, Keynotes, 2009, India.
[20]FHWA. A Practical Guide on DTA Model Applications for Regional Planning [R]. Federal Highway Administration, FHWA-HEP-16-078, 2016.
[21]TRB. Dynamic Traffic Assignment: A Primer [R]. Transportation Research Board, Transportation Network Modeling Committee, Circular E-C153, 2011.
[22]SHRP2. Activity-Based Travel Demand Models: A Primer [R]. The Second Strategic Highway Research Program, SHRP 2 Report S2-C46-RR-1, 2015.
[23]TMIP. TMIP Webinar Summaries [EB/OL]. https://www.fhwa.dot.gov/planning/tmip/community/webinars/summaries/index.cfm, 2018-01-23.
[24]NCHRP. Travel Demand Forecasting: Parameters and Techniques [R]. National Cooperative Highway Research Program, NCHRP Report 716, 2012.
[25]NCHRP. Travel Estimation Techniques for Urban Planning [R]. National Cooperative Highway Research Program, NCHRP Report 365, 1998.
[26]Waddell P.. Integrated Land Use And Transportation Planning and Modelling: Addressing Challenges in Research And Practice [J]. Transport Reviews, 2011, 31(2): 209-229.
[27]Lee Jr. D. B.. Requiem for Large-Scale Models [J]. Journal of the American Institute of Planners, 1973, 39(3): 163-178.
[28]Wegener M.. The Future of Mobility in Cities: Challenges for Urban Modelling [J]. Transport Policy, 2013, 29: 275-282.