本文介紹兩種新興交通規(guī)劃工具——包含動態(tài)交通分配（Dynamic TrafficAssignment, DTA）的多層次交通模型和探索性建模和分析（Exploratory Modeling and Analysis, EMA）集成，RTCSNV如何使用這些工具以改善決策經(jīng)驗(yàn)。

1、DTA和應(yīng)對不確定性的EMA

與靜態(tài)交通分配相比，DTA使規(guī)劃者能夠以更大的操作敏感性和更高的時(shí)間分辨率來評估項(xiàng)目。靜態(tài)分配是規(guī)劃者分析擁堵模式的傳統(tǒng)工具，但它們與DTA不同，沒有考慮到時(shí)變需求、排隊(duì)和隊(duì)列溢出的影響。

EMA為規(guī)劃者提供了在決策和政策制定過程中處理深度不確定性的技術(shù)路線。深度不確定性是指圍繞一個(gè)或多個(gè)變量的不確定性，這些變量在預(yù)測模型中的影響是至關(guān)重要的，但其數(shù)值的確定很難，或者不能達(dá)成共識，也不能從經(jīng)驗(yàn)數(shù)據(jù)中得到參考。EMA利用現(xiàn)有的模型，如RTCSNV目前使用的預(yù)測模型，探索一系列可能的結(jié)果，并從中找出有助于決策的模式或趨勢。

例如，如果洛杉磯和拉斯維加斯之間的高速鐵路建成并全面投入使用，可能會出現(xiàn)區(qū)域交通模式的轉(zhuǎn)變，具體情況很難預(yù)計(jì)。有多少出行將通過高速鐵路，或者將通過汽車或哈里-里德國際機(jī)場到達(dá)？燃油價(jià)格將發(fā)生什么變化，它們將如何改變出行者的方式選擇計(jì)算？此外，如果聯(lián)網(wǎng)和自動駕駛車輛（CAVs）的接受度和市場份額增加，自動駕駛車輛的出行是否會變得比高速鐵路服務(wù)更具競爭力？不確定性是任何學(xué)科的預(yù)測所固有的，但要回答這樣的問題，需要做出某些假設(shè)，這些假設(shè)不能有把握地做出，或難以達(dá)成共識。

EMA不是做一個(gè)假設(shè)，而是探索從一個(gè)特定的分布中提取的許多假設(shè)。EMA提供了一種分析一個(gè)或多個(gè)政策策略的方法，以減輕不確定性變量的不利影響。這些政策杠桿可能只在孤立的情況下有效，或者只在相互結(jié)合的情況下有效，或者只在不確定變量的某些數(shù)值范圍內(nèi)有效。相比傳統(tǒng)情景規(guī)劃方法的局限性，EMA的凸顯的優(yōu)勢是不確定性變量和政策杠桿的組合效應(yīng)。

2、EMA簡介

2.1 TMIP-EMAT

TMIPEMA工具箱，或TMIP-EMAT，是在聯(lián)邦公路局（FHWA）出行模型改進(jìn)計(jì)劃（TMIP）的管理和資助下開發(fā)的，它是一個(gè)開源軟件工具箱。

TMIP-EMAT是一種探索性建模和分析的方法。它為嚴(yán)格的分析方法提供了一個(gè)框架，以處理不確定性，并利用所有類型的出行預(yù)測模型做出明智的決策。TMIP-EMAT與現(xiàn)有的交通模型或工具相結(jié)合，并增強(qiáng)其功能，對一系列可能的情況進(jìn)行探索性分析。我們將現(xiàn)有模型或工具稱為“核心模型”。

TMIP-EMAT的工作流程是：

（1）將任何數(shù)量的分析因素（包括不確定性變量和政策杠桿）的假設(shè)值組織成核心模型的輸入。

（2）通過調(diào)用核心模型來執(zhí)行模型實(shí)驗(yàn)。

（3）整理模型產(chǎn)生的輸出測度指標(biāo)，以便進(jìn)行可視化和分析。

TMIP-EMAT提供了以下功能，以增強(qiáng)基礎(chǔ)核心模型的功能：

（1）以適合將 "XLRM "魯棒決策框架的抽象性轉(zhuǎn)化為具體的、特定應(yīng)用形式的方式，將探索性范圍正規(guī)化并加以提煉的結(jié)構(gòu)。

（2）一個(gè)設(shè)計(jì)實(shí)驗(yàn)的系統(tǒng)化過程，以使用核心模型進(jìn)行評估，并支持自動運(yùn)行這些實(shí)驗(yàn)。

（3）一個(gè)數(shù)據(jù)庫結(jié)構(gòu)，用于組織和存儲大量實(shí)驗(yàn)的結(jié)果。

（4）一個(gè)從實(shí)驗(yàn)結(jié)果中自動創(chuàng)建元模型的工具，該工具使用機(jī)器學(xué)習(xí)技術(shù)，快速接近核心模型的輸出，而不需要對每一個(gè)相關(guān)的輸入組合實(shí)際運(yùn)行。

（5）一套分析和可視化工具，以探索模型的輸入和輸出之間的關(guān)系，并制定強(qiáng)大的政策策略，可能在一系列可能的未來情況下有效。

TMIP-EMAT本身不是一個(gè)獨(dú)立的模型或工具，它必須與一個(gè)單獨(dú)的核心模型相結(jié)合。此外，用TMIP-EMAT進(jìn)行的任何分析的質(zhì)量取決于基礎(chǔ)核心模型的質(zhì)量和能力。例如，核心模型不包含交通網(wǎng)絡(luò)詳細(xì)建模，那么TMIP-EMAT將不允許分析人員研究取決于交通擁堵的微觀細(xì)節(jié)的政策問題。

TMIP-EMAT是作為一種靈活的、適用于許多不同核心模型的方法。它不是一個(gè)完全開發(fā)的軟件解決方案。正因?yàn)槿绱耍_發(fā)一個(gè)新的TMIP-EMAT實(shí)施方案來連接一個(gè)新的核心模型，至少需要一個(gè)具有一定技術(shù)專長的開發(fā)人員。它需要對核心模型的技術(shù)操作有詳細(xì)了解的人，至少有基本的Python技能，將需要在核心模型和TMIP-EMAT工具之間寫一個(gè)連接器。

2.2 核心模型

核心模型不需要用Python語言，它可以用任何計(jì)算機(jī)語言創(chuàng)建和運(yùn)行。它應(yīng)該接受一系列的輸入，并產(chǎn)生一個(gè)或多個(gè)輸出，或 "測度指標(biāo)"。輸入可以包括變量輸入（例如，燃料成本）以及模型參數(shù)輸入（例如，車輛行駛對燃料成本的彈性）。核心模型的例子包括，但不一定限于以下內(nèi)容：

（1）區(qū)域或全州的出行需求模型；

（2）基于活動的出行需求模型；

（3）基于出行鏈的出行需求模型；

（4）草圖規(guī)劃或戰(zhàn)略模型；

（5）微觀仿真模型；

（6）走廊級出行需求模型。

TMIP-EMAT可用于系統(tǒng)地探索輸入變量和模型參數(shù)的不確定性，以及這些不確定性對性能指標(biāo)的影響。它有助于將模型預(yù)測作為模型結(jié)果的范圍而不是單一的結(jié)果進(jìn)行研究，它提供了一個(gè)定義不確定性和可視化輸出的機(jī)制。

TMIP-EMAT也可用于了解不確定性與政策決策（如延長一條公交線）的相互作用，其中不確定性與決策者無法控制的模型輸入和變量有關(guān)，而政策杠桿是決策者可以控制的模型輸入。

如果現(xiàn)有的工具或模型運(yùn)行起來計(jì)算成本很高，TMIP-EMAT可以生成核心模型的元模型，描述一組模型輸入如何影響特定的測度指標(biāo)。這些元模型被表述為核心模型輸出的回歸模型，運(yùn)行速度非常快（微秒級），并允許系統(tǒng)地探索模型輸入的不確定性，同時(shí)限制計(jì)算昂貴的核心模型運(yùn)行數(shù)量。

2.3 終端用戶要求

首先，需要有一個(gè)現(xiàn)有的核心模型，而且應(yīng)該有一個(gè)系統(tǒng)地探索該模型的愿望，以更好地了解不確定性及其對未來潛在結(jié)果的影響。

在與TMIP-EMAT整合之前，核心模型應(yīng)該完全校準(zhǔn)和驗(yàn)證。由于TMIP-EMAT使用核心模型作為分析的基礎(chǔ)，核心模型的任何缺陷都會傳播到TMIP-EMAT的結(jié)果，并可能導(dǎo)致用戶得出不適當(dāng)?shù)慕Y(jié)論。

強(qiáng)烈建議能夠以編程方式而不是手動方式運(yùn)行核心模型。盡管有可能從手動操作核心模型開始進(jìn)行這種分析，但這個(gè)過程往往容易出錯(cuò)，而自動執(zhí)行核心模型將減少錯(cuò)誤并提高整體建模效率。

如上所述，在可編程執(zhí)行的核心模型上部署TMIP-EMAT需要存在或開發(fā)一個(gè)應(yīng)用編程接口（API）到現(xiàn)有的核心模型。該API使TMIP-EMAT能夠以編程方式定義場景，啟動和運(yùn)行核心模型，檢索錯(cuò)誤和狀態(tài)，并從核心模型導(dǎo)入指標(biāo)。這個(gè)API還必須有一個(gè)面向Python的接口，以便與TMIP-EMAT連接，即使核心模型本身不使用Python。

最后，核心模型應(yīng)該對所研究的政策直接敏感，或者能夠以某種方式調(diào)整為對這些政策敏感。例如，一個(gè)傳統(tǒng)的出行需求模型可以通過調(diào)整車輛可用性、高速公路容量或車內(nèi)出行時(shí)間的價(jià)值等參數(shù)，使其對引入自動駕駛汽車的某些影響敏感。

2.4 模型的輸入、輸出和配置

2.4.1 輸入

核心模型。核心模型使用一個(gè)API與TMIP-EMAT接口。API使TMIP-EMAT能夠以編程方式定義場景、啟動、檢索錯(cuò)誤和狀態(tài)，并從核心模型導(dǎo)入指標(biāo)。API應(yīng)該允許配置所有的不確定因素和輸入到系統(tǒng)的政策杠桿，以及配置所需的性能指標(biāo)。核心模型應(yīng)該得到很好的驗(yàn)證，以確保模型的敏感度是合理的。

不確定性的定義。不確定性的定義包括為分析而選擇的風(fēng)險(xiǎn)變量的總體范圍、相關(guān)性和分布。不確定性代表影響核心模型預(yù)測的外生輸入，可能包括輸入變量、模式參數(shù)或模式結(jié)構(gòu)。輸入到TMIP-EMAT的不確定因素集通常小于核心模型的全部輸入域。應(yīng)根據(jù)變量在分析范圍內(nèi)的重要性（考慮政策杠桿和感興趣的指標(biāo)）以及變量對相關(guān)性能指標(biāo)的相對影響來選擇不確定性。

政策杠桿的定義。政策杠桿的定義包括在分析中測試的具體策略/選擇，包括潛在的杠桿選擇范圍。杠桿（即政策杠桿）代表對核心模型的輸入，影響模型的預(yù)測，但可由規(guī)劃者或決策者控制。它們可以包括對模型的單個(gè)變量輸入（例如，收費(fèi)價(jià)格），也可以代表對模型的組合變化（例如，一條公交線的延伸）。

測度指標(biāo)的定義。必須定義將被分析的一組指標(biāo)。一個(gè)測度指標(biāo)是核心模型的一個(gè)輸出，代表了一個(gè)可以衡量不確定性和杠桿變化的影響的標(biāo)尺。通常情況下，核心模型會有大量的中間和最終輸出，這里可以考慮。應(yīng)根據(jù)它們與分析和決策者的相關(guān)性來選擇指標(biāo)。

2.4.2輸出

TMIP-EMAT的一個(gè)主要輸出是模型的模擬運(yùn)行數(shù)據(jù)庫，包括每個(gè)模擬的相關(guān)不確定性和政策杠桿輸入以及每個(gè)運(yùn)行的性能指標(biāo)輸出。TMIP-EMAT使用Monte Carlo或Latin Hypercube方法從其定義的分布中對不確定性輸入進(jìn)行采樣，并對每個(gè)杠桿的潛在值進(jìn)行采樣。對于每次模擬，模型輸入的集合與核心模型（或核心模型的元模型代表）一起使用，以產(chǎn)生該模擬的測度指標(biāo)輸出集合。用戶有能力指定所進(jìn)行的模擬數(shù)量。

為描述不確定性、杠桿和測度之間的關(guān)系而開發(fā)的元模型本身就是TMIP-EMAT的輸出（這只適用于使用元模型的情況）。元模型可作為 EMA 工作臺的直接輸入，以支持有指導(dǎo)意義的探索性分析，并可用于驗(yàn)證核心模型的運(yùn)行（例如，驗(yàn)證模型對輸入變量和/或參數(shù)的敏感性是否合理和適當(dāng)）。

TMIP-EMAT中內(nèi)置了多種工具，可用于生成可視化和表格，以更好地理解輸出。這些工具包括以下內(nèi)容：

風(fēng)險(xiǎn)分析可視化

可以生成性能指標(biāo)的表格，顯示每個(gè)指標(biāo)的百分位數(shù)范圍。表格可以根據(jù)分析中包含的杠桿的不同值進(jìn)行細(xì)分。

可以生成模型運(yùn)行結(jié)果的雙向散點(diǎn)圖，顯示不確定性對不同政策杠桿的性能指標(biāo)的影響。

可以繪制出不確定因素對總體指標(biāo)范圍的相對重要性/貢獻(xiàn)，以了解哪些不確定因素的影響最大。

開放式探索性分析的可視化

TMIP-EMAT中的互動工具可用于檢查測度指標(biāo)和政策杠桿之間的關(guān)系。交互式滑動和切換功能可用于將探索性分析細(xì)化到特定的模擬運(yùn)行集。

條件不確定性分布圖可用于說明在不同政策下，不確定性變量對實(shí)現(xiàn)指標(biāo)的特定目標(biāo)的重要性（或缺乏重要性）。

引導(dǎo)探索性分析的可視化

病人規(guī)則歸納法（PRIM）的權(quán)衡曲線和性能表說明了滿足特定測度指標(biāo)標(biāo)準(zhǔn)的方案發(fā)現(xiàn)的數(shù)量。

其他PRIM可視化顯示了算法所確定的不確定因素和杠桿的限制范圍。

3、RTCSNV的DTA和EMA整合實(shí)例

越來越多的研究和一些實(shí)際應(yīng)用已經(jīng)確定了將TMIP-EMAT與出行需求預(yù)測模型相結(jié)合的前景。作為FHWATMIP贊助的項(xiàng)目的一部分，Caliper與南內(nèi)華達(dá)州區(qū)域交通委員會 (RTCSNV) 合作，展示TMIP的探索性建模分析工具 (EMAT) 工具與TransCAD和TransModeler的集成使用。例如與RTCSNV的TransCAD模型一起使用，以探討COVID后訪客水平和電子商務(wù)的不確定性等問題。在TransModeler中，它被用于探索對體育賽事的不同需求水平以及交通流量的某些方面。

TMIP-EMAT是一個(gè)開源Python 程序，用于支持不確定性下的分析。Caliper開發(fā)了一個(gè)API，允許用戶從GISDK調(diào)用EMAT函數(shù)，并有助于在TransCAD和TransModeler中運(yùn)行大量模型實(shí)驗(yàn)。該API還有助于輕松創(chuàng)建TransCAD儀表板，以可視化EMAT結(jié)果，例如模型實(shí)驗(yàn)和要素得分的散點(diǎn)圖。新的API允許TransCAD和TransModeler用戶從GISDK訪問EMAT函數(shù)，因此不需要單獨(dú)的Python腳本。

在該項(xiàng)目之前，Caliper已經(jīng)具有使用DTA的探索性建模分析 (EMA) 的經(jīng)驗(yàn)。2018 年，作為FHWA TMIP資助項(xiàng)目的一部分，Caliper將佛羅里達(dá)州杰克遜維爾地區(qū)的ABM-DTA模型和EMA集成到一起。研究聯(lián)網(wǎng)/自動駕駛汽車 (CAV) 和拼車的影響。

3.1 組織模式

由FHWA/TMIP牽頭，RTCSNV提供項(xiàng)目管理和模型，Caliper負(fù)責(zé)軟件開發(fā)和應(yīng)用研究。

探索性建模與分析EMA+RTCSNV仿真模型DTA模式包括：

（1）探索性建模與分析EMAT

? 是一種分析框架

? 假設(shè)存在深度不確定性時(shí)管理假設(shè)情景的方法

? 以新的、不同的方式利用現(xiàn)有模型的決策工具

? 當(dāng)可能的結(jié)果數(shù)量太多時(shí)，作為傳統(tǒng)情景分析的替代方法

（2）區(qū)域交通規(guī)劃的RTCSNV仿真模型DTA

? 出行需求預(yù)測

? 項(xiàng)目優(yōu)先級

? 項(xiàng)目評估

? 備選方案分析

3.2 核心模型

包括RTCSNV之前開發(fā)的三個(gè)區(qū)域模型：

3.2.1TransCAD交通需求模型

主要特征：

?基準(zhǔn)年和長期預(yù)測；

?四階段和高級范式；

?易于使用的流程圖界面；

?先進(jìn)的公共交通、交通分配方法；

?用于數(shù)據(jù)分析、可視化的本地地理信息系統(tǒng)（GIS）；

?高效的計(jì)算性能。

潛在的場景應(yīng)用：

?人口結(jié)構(gòu)和就業(yè)變化導(dǎo)致的需求變化；

?由于新交通方式、運(yùn)營變化而導(dǎo)致的交通方式轉(zhuǎn)換；

?收費(fèi)、票價(jià)、服務(wù)參數(shù)（如行車間隔）；

?擬建公路項(xiàng)目的影響；

?容量增加，速度限制改變；

?新設(shè)施建設(shè)。

3.2.2TransDNA中觀DTA模型

主要特征：

?中觀仿真；

?遵循容量限制；

?捕捉交通動態(tài)；

?在TransCAD線圖層上運(yùn)行；

?比其他DTA解決方案更快的設(shè)置；

?快速運(yùn)行。

潛在的場景應(yīng)用：

?可靠性分析→流量指標(biāo)的可變性；

?需求模式變化的影響→特別活動，惡劣天氣等；

?由于容量減少而路徑變更→施工區(qū)域，事件等；

?因通行收費(fèi)而選擇的路徑；

?公交流量增加的影響。

3.2.3TransModeler微觀DTA

主要特征：

?車道級幾何圖形和操作；

?信號的精確建模；

?延誤、服務(wù)水平（LOS）的詳細(xì)報(bào)告；

?模擬ITS解決方案/策略的范圍；

?模擬管理車道、聯(lián)網(wǎng)和自動駕駛車輛（CAV）等。

潛在的應(yīng)用場景：

?工作區(qū)的影響，交通維護(hù)；

?服務(wù)水平，擁堵收費(fèi)對收入的影響；

?交通控制優(yōu)化；

?事件響應(yīng)計(jì)劃；

?CAV市場滲透的效率。

3.2.4多解析度的地區(qū)交通規(guī)劃模型

3.3 不確定性變量

3.4 交通政策措施

3.5 輸出數(shù)據(jù)和可視化

審核編輯：劉清