当前位置：文章首页 >> 规划 >> “今年花胜去年红”
──浅说出行预测方法从出行模型到行为模型的变革
易汉文
(美国加州交通部，加利福尼亚 92110)
[摘要] 经过数十年的理论研究与探讨，特别是最近10年来在模型开发和实际应用方面所取得的长足进步，基于行为的出行预测方法已经具备了所有基本条件，来取代目前仍占主导地位的基于出行的方法和模型。本文首先对行为模型的一些基本概念作了必要的铺垫，进而在扼要介绍了欧美国家进行模型开发与实际应用情况的基础上，来揭示行为模型受到广泛重视的政策与技术背景，并剖析这种新一代模型的理论基础、技术框架和特有魅力。最后针对行为模型在我国的开发应用课题，提出了若干初步建议。
[关键词] 出行预测方法；行为模型；出行(4阶段)模型；模型开发与应用；变革
From Trip-Based To Activity-Based Approaches:
A Review of the Revolutionary Shift of Travel Forecasting Paradigms
YI Hanwen
(California Department of Transportation,
Abstract: After decades of theoretical research and experimental explorations, especially for the last 10 years, the activity-based approaches to travel forecasting have seen significant progress in operational model development and practical implementations, and become readily available to replace the traditional trip-based approaches currently dominating over the arena of travel analysis. Through an introduction of some basic concepts, this paper first identifies, from a perspective of policy and technical background, the key impetus that drives this new generation of travel modeling approaches to have been gaining more and more attentions across the world. Then the paper reviews the theoretical fundamentals, technical framework, data collection methods, as well as implementation procedures of the new approaches. Finally, the paper concludes with a brief discussion on model developments and practical applications of the new approaches in
Keywords: travel forecasting approaches; activity-based model; trip-based model (4SM); model development and implementation; revolutionary shift
世界各地的文明发展史无一例外地表明：一个城市或地区经济发展的活力在很大程度上取决于当地交通基础设施与运输服务系统的高效运行；一个与经济运作不相协调的交通运输系统势必是影响当地整个社区持续健康发展的致命因素。──这就是长期以来，人们孜孜不倦地寻求各种有效手段，来分析预测能够映射当地经济发展态势的交通需求的真正动因。当经济生产从以手工制作为主的作坊规模，进入到以机械化自动化为主的工厂流水线作业阶段后，高效通畅的交通运输系统对于经济发展的推动作用就显得尤其重要。科学地管理现有的交通运行网络，合理地预见和规划未来的交通运输系统，从而保障并促进当地经济的长期稳定与繁荣，便成为城市和交通规划师所面临的重大挑战。作为区域和城市交通规划的核心技术，出行预测的方法和模型正是城市和交通规划师们，根据当地社会经济发展的不同方案，来估计和测试当前以及未来交通运输系统运行状态的“不二法门”。
出行预测的方法和模型真正用于协助交通运输系统的规划决策仅有半个多世纪的时间。这半个多世纪恰好是人类社会逐步摆脱大规模战争动乱，而进入一个社会相对稳定和经济快速发展的历史阶段。半个多世纪以来，随着社会经济发展条件和侧重点的改变，尤其是这种改变对交通运输系统要求的变化，出行预测的方法和模型也经历了一个不断改进和变革的过程。目前，以四阶段模型(4-step model，4SM)为代表的基于出行(trip-based)的模型(以下简称为出行模型)是占主导地位的出行预测方法。然而，在出行模型得到开发和推广应用的同时，基于行为(activity-based)的模型(以下简称为行为模型①)也得到许多学者长期的关注和不懈的探索。一方面，这是由于出行模型自身弱点而招致广泛批评的原因；另一方面，也是因为行为模型具有许多出行模型所无法兼备的优点。特别是最近10年来，行为模型在实用开发方面取得了长足的进步，基本具备了取代出行模型的所有理论与技术条件。因此普遍认为，行为模型将是新一代占主导地位的出行分析和预测方法，标志着出行分析理论和技术的一个划时代的变革。
本文对行为模型的理论基础，分析手段与技术框架，以及模型得以开发的政策与技术背景作了一个综合而力求浅显的诠释，对行为模型在欧美国家最近10年来的研究开发和实际应用情况进行了扼要的介绍，最后针对行为模型在我国的开发应用课题提出了若干初步的建议。希望本文在加深对行为模型的认识与理解，从而在促进这种新的出行预测方法为规划建设适应我国经济快速发展需要的现代化城市交通运输系统服务等方面有所裨益。
基本概念
虽然最终目标都是“求解”某一特定网络上所负荷的交通量，但在行为模型和出行模型之间，却存在着理论和方法上的本质区别。这种区别导致了这两种模型的最终“解”在解的本身、在对现象的解释、进而在用途等方面的不一致。简言之，出行模型主要是以数理统计理论为主(statistically-oriented)，以单一出行作为基本统计单元的出行预测方法。这种以4SM模型为代表的方法只注重结果的获得，而不理睬产生结果的内在原因(不幸的是，这也许正是这种方法得以推广应用的主要原因)。首先，4SM模型在出行生成阶段就根据出行率这一统计指标来分别“集计”(aggregate)交通分区的出行发生和吸引量。这一集计过程不外乎采用回归方程、交叉分类(cross-classification)等统计分析方法。在出行分布阶段，任一特定分区的出行发生量是依据其他分区的出行吸引量以及反映其间出行特性的另一统计特征值──平均出行阻抗──来加以分布的。方式划分则使用以各种统计手段所得的比例系数(factors)，来估计各种出行方式所承担的出行量份额。以上是4SM模型估计出行需求及其空间分布的三个关键阶段。值得注意的是，交通运输系统(交通网络及其运行特性) 在以上三个阶段均没有被真正地加以考虑。也就是说，4SM模型的出行需求预测过程与交通运输系统特性基本上是相互无关的。只有到了交通分配的最后阶段，各种方式的出行需求量才得以加载到属于运输供应方面的交通网络上。这样，所谓的供需平衡却不得不通过反馈循环的方式来实现。
相反，行为模型的一个最突出也是最具魅力的特点就是寻求人们出行的内在原因。因此，行为模型主要以研究人类行为(特别是出行行为)的理论为基础(behaviorally-oriented)，紧紧抓住“人们为什么要出行”这一内在的实质性问题，来揭示出行只是人们日常活动的许多属性中的一种特有属性。进而，行为模型将人们的活动需求或参与活动的愿望看作是产生出行的真正原因，并认为对出行行为的任何理解都应从属于对活动参与的先行认识。由于视活动与出行是一种直接的因果联系，行为模型就有可能把出行行为放在一个更宽阔的社会经济背景、但同时又受到时间空间限制的条件下来加以研究。概括起来，行为模型的开发一般遵循了以下基本原则。
第一原则(支配/关联性原则) ──出行决策受一系列活动参与行为的支配，这些活动参与行为构成了出行者一天(或多天)的活动日程(agenda)。出行者的活动日程决定着出行选择(包括时间、地点、方式和线路)；同时出行者在活动参与过程中的一系列出行行为是相互关联的。这样，出行决策过程只能置于整个活动日程中来加以分析与模拟。
人们的日常活动一般可分为三种基本类型，一是生计(subsistence)活动，包括上班、上学、睡觉(基本生理需要)等；二是家务(maintenance)活动，包括购物、去银行、操持家务等；三是自由(discretionary)活动，包括社交、娱乐、餐饮等。
行为模型的支配/关联性原则清楚地表明了出行源于人们对参与活动的需求，这就是为什么要把出行决策放在一个更全面的活动日程的安排过程中来加以考虑的原因。Chapin(1974)[1]进一步指出，人们参与活动的需求来源于作为人的基本愿望，如生存(survival)、社会交往(social encounters)、自我价值(ego-gratification)等。而这些愿望又受到诸如责任感、能力、健康等多种因素的制约。虽然还不能将这些因素都反映在活动日程的安排过程中，行为模型却力求考虑社会、家庭以及个人能力等限制条件对活动行为的影响。这种考虑则导致了以下限制性原则。
第二原则(限制性原则) ──出行者的活动参与行为受到社会制度性、人际协作性和人体生理性的限制，而出行行为还受到时空物理性的限制。这些限制条件制约着出行者的日常活动安排和出行选择的决策行为。
制度性限制(authority constraints)是指与社会机构和制度相关的限制，如规定的办公或营业时间，以及公用设施的一些规章制度。出行者只能在规定的时间，并按照规章制度来安排自己的活动行为。
协作性限制(coupling constraints)是指出行者的活动行为一般需要他人相伴或合作才能完成，如外出就餐一般需要厨师和服务人员合作，学生上课需要有教师和其他同学共同参与等。特别地，家庭成员之间的相互依赖关系对家庭日常活动安排和出行选择有着显著的影响。这种影响的显著程度取决于家庭类别、大小，家庭成员的性别、年龄和相互关系。例如，家庭是否有儿童在很大程度上影响着家庭日常活动安排和出行选择的决策过程。此外，协作性限制的另一层含义是指设施条件和地点的限制，如办公、商务、娱乐、道路交通等设施。离开这些设施，活动(包括出行)则无从开展。
生理性限制(capability constraints)则与人的体能相关，即人不可能不间断地参与活动。因此每个人都需要有一个家，以便在经过一段时间的活动后，能返家休息和恢复体能(personal maintenance)。
时空性限制(time-space constraints)由以上三种限制派生而来，是指出行者的日常活动行为一般在一定的时间和地点进行，日常出行也一般在一定的线路上来回，并最终以家为归宿(home base)。现实中，个人的家庭住所和工作/上学地点是相对稳定的，平时购物、娱乐、休憩等场所也是有一定偏好的，这些都决定了个人日常活动和出行的时空范围。
虽然存在上述普遍的以及其他因人而异的种种限制，日常活动安排和出行选择的决策过程还是非常复杂的，面临的选择也很多。这就需要借助一些规则来指导最终的决策。
第三原则(规则性原则) ──出行者的日常活动安排和出行选择的决策过程遵守一定的规则，包括“非最佳” 选择规则。
日常活动安排和出行选择过程牵涉到许多方面的因素，如活动的目的、重要性、前后次序、时间、地点、出行的方式和线路等等，是一个十分复杂的决策过程。这一决策过程至少与三个方面的因素相关，即决策者、方案和规则。普通出行者作为决策者获取并分析信息以及作出正确决策的能力均有限。当面临的方案多且复杂时，应允许采用多种可能的规则来选择最终方案，包括仅考虑部分方案的选择、按习惯选择、适应性选择(根据情况的变化来调整选择)、基于满意规则的选择、有限的理性选择(仅针对部分方案的效用“最大”化选择)等。因此，(个人)选择的最终方案不一定是最佳方案。
基于上述原则，行为模型以家庭日常活动-出行模式(activity-travel patterns)为基本分析对象。家庭日常活动-出行模式一般分为通勤和其他两种模式[2](见图1)。通勤模式适用于对工作者(worker)和学生在一般工作日的活动-出行行为的分析；而其他模式则适用于对非工作者(non-worker)在一般工作日和对所有出行者在节假日的活动-出行行为的分析。具体而言，行为模型对以家庭为单元的出行需求的模拟，主要是基于对以下几个关键方面(themes)的分析:
• 活动生成和分派(activity generation & allocation) 根据家庭类别、结构(大小和组成──成员、性别、年龄、关系等)来生成所有可能的日常事务(episodes)，并将其分派在家庭成员之间。
• 活动排序(sequencing) 根据事务的重要性(priority)，并按照日常活动的不同目的，来区分主导和次要活动，并确定活动参与(activity participation)的次序以及出行类别。
• 活动安排(scheduling) 根据家庭所面对的各种限制条件，来安排活动时间(time-of-day)，活动地点，包括中驻点(stop)和目的地(destination)，以及活动时长(duration)，并为每一出行的家庭成员生成出行链(trip-chain)②。
• 出行方式/线路选择(mode/route choice) 根据家庭的交通工具(如小汽车)拥有情况，来选择出行方式和线路。
上述几个方面基本上形成了行为模型的关键技术路线，构成了行为模型系统的主体技术框架，是行为模型分析家庭日常活动-出行模式，并模拟出行需求不仅沿空间数轴同时沿时间数轴分布的几个核心模块。
由上可见，行为模型十分注重模拟人的社会行为。人有理性的一面(包括行为规律性和思维逻辑性)，也受外界因素和自身能力的制约；即人跳不出其赖以生存的社会经济环境。行为模型最本质的特点就是按照人的一般行为规律和思维模式(考虑并允许在出行决策过程中的偶尔失误)，将日常出行行为置于社会经济环境和时空限制下加以模拟分析。这听起来的确不错，但做起来绝非易事。其中涉及的变量多而杂; 社会经济现象的定量化分析也较难。这些都使得行为模型的结构系统变得十分庞杂而难以驾驭。既然如此，为什么仍要开发这种模型来取代已经相对成熟的4SM模型呢? 与4SM模型相比，这种模型究竟有什么优点呢?
政策与技术背景
第二次世界大战后，美国步入了一个各行业全面恢复和经济快速发展的历史时期。当时美国城市面临的主要问题是：人口迅速增多(baby booming)；小汽车拥有量迅速攀升；用地开发迅速郊区化(suburban sprawling)。这些问题给交通基础设施带来了前所未有的压力。从20世纪50年代开始，为了配合以州际高速公路(interstate freeway)为骨架的交通基础设施重大工程的规划设计，4SM模型在区域和都市交通规划的实践中得到逐步开发，并在一开始就将其基本功能定位于对中长期交通需求的估计，以便据此来测试不同规划方案在规划末年的运行特性，从而确定道路走向和车道数。在这一政策与技术背景下，4SM模型便有可能把社会、经济、人口(social，economical and demographical，SED)数据简单地处理成外生变量，使之独立于交通运输系统之外。这种简单直接的规划要求，导致了4SM模型一些“粗糙程式”(coarse procedures)的形成。虽然到了20世纪70年代，由于随机效用理论和离散选择模型的提出，4SM模型开始了从集计型向非集计型转换，其理论与技术均得到了跳跃式的充实与发展。但是，4SM模型仍停留在以数理统计理论为基础的技术框架内，始终未能在SED和交通系统之间建立起直接联系。这使得该模型不可避免地形成了诸多限制和缺点，其中主要方面有:
• 以中长期交通需求预测为主，对近期政策变化不敏感。4SM模型无法考虑诸如道路拥挤收费、停车收费、公交补贴等近期交通需求管理措施的影响。例如某出行者以前每天早上7:30开车上班，下午4:40下班，途中购物后返家。因单位实施公交补贴，改为每天早上7:00乘公交车上班(通勤时间有所增加)，下午4:40下班直接返家。由于购物点不在公交线上，需再开车外出购物。4SM模型对处理此类因政策引起的出行在时间空间上转移的现象而显得无能为力[3]。
• 以单一出行为分析对象，不考虑出行之间的各种关系，包括时空关系、人际关系、方式选择关系等。如早上乘公交车上班，在后续的出行中就不太可能改为驾车方式；或者早上驾车上班，后续出行都极有可能采用驾车方式。另外，在主导出行(如上班)途中，会产生购物、接送小孩等次生出行。出行之间的这些关系在4SM模型中都很难得到合理的反映。
• 以一天为周期来统计出行次数，忽视了出行的时间变量(time dimension)。4SM模型对高峰小时的出行预测只能借助于高峰小时系数，而无法考虑出行者根据高峰期延长、交通拥挤、停车条件等情况来对出行时间作出选择。
• 以SED数据为外生变量，不能有效地描述土地使用和可达性的相互关系。4SM模型本身不具备分析新建道路/公交设施对土地使用、可达性(交通拥挤)对出行发生和吸引、以及土地使用综合开发项目对出行需求的影响等功能。
• 以相互独立的分析步骤(阶段)为模型构件，缺乏系统内部的一致性。4SM模型在出行发生和吸引量之间、在人车出行量转换之间、在内部和外部出行量之间、以及出行阻抗(时间或费用)在出行分布和交通分配之间都存在不同程度的不一致。
随着交通基础设施大规模建设的完成，美国城市交通规划的侧重点出现了一系列的调整变化。从20世纪70年代的交通系统管理(transportation systems management，TSM)，到80年代的出行需求管理(travel demand management，TDM)，再到90年代并持续至今的交通控制措施(transportation control measures，TCM)概念，均体现了城市交通规划从中长期的基础设施规划布局，转向对近期乃至现状交通系统运行管理和控制的重视。这些调整变化给4SM模型带来了严峻的挑战。
当初，在美国开发应用4SM模型的同时，行为模型则受到西欧学者的青睐。其实早在1962年，出行源于活动参与这一基本概念就已提出并被一些学者所接受。作为一种独立的出行分析方法，行为模型的创立可以追溯到由美国北卡大学(Univ. of
概而言之，与4SM模型相比，行为模型具有以下主要优点:
• 理论基础──从理论上强调是活动需求生成了出行需求，与4SM模型的本质区别是，出行分析和模拟是基于变量之间的行为关系(behavioral relationships)而不是统计联系(statistical associations)。
• 时间变量──引入了时间变量，认为活动-出行行为既受空间限制，也受时间限制，从而能分析出行需求在任意时间周期(如一天)内随时间的变化，反映出行者随交通拥挤情况和其他有关信息(如停车)来选择出行时间的属性。
• 现实性──考虑了活动-出行行为的各种限制和关联性，便于不同方案的分析比较，给出的结果更接近实际。
• TCM测试──能评估TCM等各种交通运行管理措施对全天任意时段出行需求的影响。
• 灵活性──针对不同政策，可以对各种方案进行专题研究，如延长公交服务时间或改变服务线路等。
• 精度控制──在数据允许的条件下，几乎可以按任意时空精度(spatial–temporal resolutions) 输出分析结果。
• 综合性──行为模型模拟全天整个日常活动-出行行为模式，不仅能针对一项政策来分析其对通勤出行的影响，也能分析其对其他出行的影响，从而有助于甄别和筛选更好的综合性TCM措施。
理论基础和方法
与4SM模型比较，行为模型这种出行分析方法带有更浓厚的交叉边缘学科色彩；把支撑这一方法的基础理论体系形容为“五花八门”，“各有千秋”则毫不过分。其中社会行为学(social/behavioral theory)和时间地理论(time geography)是其核心理论基础，而计算过程模型(computational process models，CPM)、机运时长模型(hazard-based duration models)、结构方程模型(structural equation models，SEM)、离散选择模型(discrete choice models)等则是其主要的分析模拟手段。此外，虚拟偏好(stated preferences，SP)、时间使用(time-use)等社会调查方法也会用作对常规OD调查的补充，来进一步收集行为模型所需的分析数据。
在方法上，计算过程模型被认为是行为模型的最具潜力的一个发展方向。计算过程模型最早由Newell和Simon[14]提出并用于心理学方面的研究，是计算机程式化的(决策)生成系统模型(production system model)。这种模型试图通过一系列规则来模拟决策过程。不同于效用最大化决策对个人在信息收集、分析、处理和决策过程中的“超人”化假设，计算过程模型考虑了决策过程中个人处理信息的能力限制。其主要优点是允许个人视情况而采取不同的规则进行决策，非常适用于对日常活动安排(决策)过程的模拟分析。机运时长模型可用来模拟某一事件在某一时刻“终止”(terminate)的几率，假设在此时刻之前该事件一直保持运行状态[15]。这种模型最早见于医疗统计学中对疾病周期的分布模拟，后来广泛地应用于市场经济学(主要在劳工经济学方面)以及工业工程等领域，从20世纪80年代起被引入到交通运输学科，用来对交通事故清理时间的分析，现又用在行为模型中来模拟活动/出行时长的分布。结构方程模型属于隐变量模型(latent variable models)的一种[16]，很早就被分析社会学家(clinical sociologist)和心理学家用于对复杂事件中的不可测(隐含)变量的分析，最近才用于对日常活动-出行行为中的一些不可测事件的模拟。例如出行者对公交的态度影响其出行选择行为。这里，“对公交的态度”属于隐含变量，必须通过其他显含变量，如一周内日均乘公交次数等，来间接地对其进行测度。至于离散选择模型，主要是应改善4SM模型中出行方式/路径选择的需要而提出，是基于效用最大化原理的计量分析模型[17]，在行为模型中用于对有限或部分选择方案的决策过程模拟。此外，有些行为模型还用到马尔可夫随机过程等其他手段，这里不再一一枚举。
在传统的OD调查数据的基础上，行为模型还需要收集与人们在活动-出行过程中所面临的各种选择相关的数据，以便为真实地模拟活动-出行决策过程提供输入。虚拟偏好调查就是针对此目的的数据收集方法[18]之一。所谓虚拟偏好调查是要求被调查者在假设的一系列选择偏好中，指出自己的偏好。与现行偏好(revealed preferences，RP)调查──针对已经通过一段时间身体力行而表现出的偏好的调查──相比较，这种调查所收集的数据特别适用于测试人们对拟实行的TCM措施的行为反应。行为模型所需的另一项调查是时间使用调查，主要用来收集人们在特定周期(如一天)内如何使用时间的数据[19]<
