高速铁路客运量预测方法选择_图文(精)

65

YUNSHUSHICHANG 2007/

7

高速铁路客运量预测是项目规划和建设的依据, 也是经济效益计算的基础。目前常用的高速铁路客运量预测方法是四阶段法,其中最主要的方式划分预测又基本采用了Logit 模型。但由于Logit模型存在的某些特性会在一定程度上影响预测的准确性,因此在应用四阶段法进行预测时,必须分析和掌握这种特性, 以便选择适当的高速铁路客运量预测方法。

目前大部分高速铁路客运量预测所采用的预测方法(包括京沪高速铁路客运量预测主要由以下两部分内容组成:

一是以社会经济变量(各交通小区的GDP或人口和阻抗变量(各交通小区间的广义价格作为自变量预测研究区域内特征年度总的旅客 OD 交流量,预测一般采用重力模型;

二是用一个涉及多种运输方式的选择模型确定现有运输方式和新的高速铁路的出行份额和出行量,而且所有方式的出行份额加总为 100%。典型地,用于方式选择的是一个多元的 Logit 模型。

然而,由于 Logit 模型的非相关选择方案独立特性(IIA, 高速铁路的预测运量必须直接与现有方式间的运量份额比值成正比关系,因而使预测结果的准

确性降低, 这也是该方法最主要的缺陷。如果不进行改进, 该方法的模型运行结果就会出现如下情况:当一种现有运输方式本身占有较高的份额时,高速铁路从中得到的转移到运量份额也随之较高。例如,假设任意两个区域间的出行 50%是由小

汽车完成的,则采用该方法预测将会得到 50%的高速铁路运量份额是从小汽车转移过来的。分析我国现状的客流组成,这一情况实际上是不可能发生的。

为了减少非相关选择方案独立特性所产生的问题,某些预测采用了另外一种方法。该方法也是首先预测各种运输方式的合计 OD 客流量,然后用一个多层的 Logit 模型(NL来确定高速铁路和其他相关方式的市场份额。多层 Logit 模型

高速铁路客运量预测方法选择

□张康敏刘晓青

66

YUNSHUSHICHANG

2007/

7

通过一种树状结构将选择方案分为若干层次, 其中同一层次的方案类似性较大, 而不同类型的方案则作为不同层次, 这样就解决了模型误差项的独立同分布性,即 IIA 问题。该方法的另一个特点是可以根据选择方案对高速铁路的影响分别进行处理。例如, 小汽车的份额较低, 可以将其从常用的运输方式中分离出来作为独立的选择方案子集。此外,这种模型结构还可以分析不同运输方式在时间和票价

上的优势。例如,乘坐长途公共汽车和常规铁路的旅客对票价的敏感度高于对时间的敏感度, 而民航乘客则相反,对时间的敏感度更高。将这些运输方式放入不同的选择集, 即可准确预测各自的市场份额, 并避免彼此间的相互影响。

由此看出, 采用这一方法首先必

须建立合理的选择树, 即确定对高速铁路影响较大的现有运输方式, 例如民航和常规铁路, 而这又是与影响最小的方式例如小汽车发生相互作用的。然后通过计算不同层的广义价格变量(或 log-sum 变量得到运输方式

的市场份额,其中 log-sum 变量是由

各运输方式的服务水平组成的。但该方法的应用主要有两个问题:

1.log-sum 的函数形式比较复

杂,故其参数标定不易得到准确结

果, 而多层的选择方案又增加了构造log-sum 变量和参数标定的难度。虽

然也可采用较为简单的全有全无法,

特别是在计算小汽车向高速铁路的转移率时,但受方法本身原理的限制,

有时会得到来自小汽车的高速铁路转移率为 0,致使高速铁路运量的预测

结果偏低。

2. 用log-sum变量计算运输方式

的转移率时,各层选择方案的嵌套系

数并没有改变旅行时间和费用组成部分的基本关系,而这些组成部分的数

值又决定了人们对不同运输方式的偏好。例如, 如果出行时面临小汽车、民航、长途公共汽车或常规铁路等运输方式,人们要在这些方式的时间、费

用和方便性之间做出不同的选择,因

此必须采用不同的模型预测从这些现有方式上转移到高速铁路的出行量。

总之, 第二种方法基本解决了非

相关选择方案独立特性问题, 因而总

体上优于第一种方法, 但在处理运输

方式选择的多样性方面还存在一定缺

陷。

随出行目的(例如公务和非公务出行而变化,这一方法也注意到:面对高速铁路的出现人们也会表现出不同的选择行为。这是因为现有方式,例如小汽车和其他常用运输方式的出行具有广泛的时间价值和需求弹性, 而且对方便性和灵活性的处理也不相同。由于本方法认为现有的出行者已经揭示或表现出了他们选择可能的运输方式的偏好, 因此对于每一种方式和出行目的的市场份额, 惟一需要做的是确定出行者在给定服务水平条件下转移到高速铁路的百分比。此外,这种

针对以上两种方法的不足, 本文

提出了一种高速铁路客运量预测方

法。它的主要过程是首先预测每一种

现有运输方式的出行量, 然后用不同

的方式选择模型确定每一现有运输方

式转移到高速铁路上的出行份额, 即

这一份额是高速铁路和现有运输方式

的相对服务特征和其他因素的函数。

正如人们普遍意识到个体选择行为会

方法还可以检查函数形式和区别每一市场划分的变量定义, 而前两种方法是做不到这一点的。在非相关选择方案独立特性上, 由于这一方法没有用一个统一的模型描述所有选择方案, 而是将每一方案与高速铁路进行比较,然后分别计算转移运量,因而不受非相关选择方案独立特性的影响。本文提出的高速铁路客运量预测方法包括以下 3个步骤:

1.首先应用直接需求模型预测

特定时间段每一现有方式的总出行

67

YUNSHUSHICHANG 2007/7

量,预测模型需要输入的变量包括 O 点和 D 点的人口水平或社会经济发展水平以及 OD 点之间每一出行者所能够选择的现有运输方式的服务水平。