做了几年交通仿真我越来越觉得动态交通分配这个模块才是整个软件库里最值钱的部分。经常有同行问我静态分配不是也能得到路段流量吗为什么还要花大力气搭DTA模型我的回答通常是——静态分配能告诉你一条路一天平均跑了多少车但永远告诉不了你早高峰那一个小时里车辆是怎么在匝道上排队的、队尾又是怎么蔓延到相邻主干道的。而这恰恰是交通管理者最关心的东西。这篇是这个系列的第六篇前五篇把TransModeler的路网构建、基础数据准备、参数标定这些底子都打完了这次咱们集中把动态交通分配DTA模块聊透它和静态分配的本质区别、内部运行逻辑、建模时要准备哪些东西、跑完怎么判断结果能不能用最后再分享几个我调参过程中反复踩过又填平的坑。1. 动态交通分配和静态分配到底差在哪1.1 静态分配算的是全天平均DTA算的是时间怎么流动很多刚从宏观模型转到TransModeler的朋友第一个困惑就是我已经有了一套四阶段模型也用静态分配算出了每条路的流量为什么还要在仿真软件里再做一次DTA这里的关键是静态分配的输出本质上是一张长曝光照片。它把一整天的OD需求平均到一个分析时段里用容量限制迭代几次最终收敛到一个均衡状态。这个状态下所有路径的出行时间趋于相等路段流量反映的是全天平均意义上的交通强度。这样的结果用来做路网规划、用地评估、交通影响分析是完全够用的因为规划关心的是总量和分布不关心分秒之间的波动。但到了运营层就不一样了。信号配时优化、匝道控制、拥堵蔓延分析、公交优先、事件响应这些场景的核心变量都是时间。早高峰7点45分和8点25分的路网状态可能截然不同前者可能还通畅后者某个交叉口的排队已经回溢到了上游路段。静态分配完全无法表达这种动态过程它甚至不区分同一小时内前半段和后半段的差别。DTA做的事情是把OD需求按时间切片拆开让车辆在路网中随时刻移动遇到排队会产生延误延误会影响后续路径选择而路径选择又会反过来改变路段的流量负荷。整个系统是一个闭环的、随时间演化的过程。用一句话总结静态分配在看总量怎么分布DTA在看状态怎么演化。1.2 哪些项目非用DTA不可我见过不少项目明明用宏观模型就能交代过去最后却硬着头皮上了仿真。反过来也有一些项目一开始想省事用静态分配凑合结果汇报时被打回来重做。根据我的经验下面这类场景最好从一开始就规划好DTA模型第一类是信号协调和配时优化。交叉口群里的绿波带效果只有车辆在路段上真实地排队、释放、消散才能看出协调的效果。静态分配输出的流量只能作为配时计算的输入不能直接用来验证方案。第二类是快速路和地面主干路的衔接区域。匝道车流汇入主线的过程以及收费站、事故点造成的排队回溢这种瓶颈-回溢-蔓延的现象是DTA的典型应用对象。你需要看到队尾延伸到了哪个路段才能判断某个方案是否会引发上游连锁拥堵。第三类是区域性的交通管理策略比如错峰出行、尾号限行、货车限时通行。这些政策本质上是在改变某个时段内某些车辆的出行选择而不是改变总出行量。只有把时间维度纳入分析才能评估政策带来的效果。第四类是大型活动或临时管制的仿真预演。活动开始前和结束后的短时间高负荷需求会产生剧烈的路网状态变化DTA能在方案实施前就把可能崩溃的网络节点暴露出来。1.3 DTA对输入数据的要求比静态分配苛刻在哪静态分配只需要一套OD、一组通行能力和阻抗函数就能跑起来。DTA就没这么轻松了它对数据的要求是动态级的。首先是时变OD。静态分配的OD通常是全天或早晚高峰小时的总量而DTA需要把OD按5到15分钟一个切片切好每一片对应不同的出行强度。没有时变ODDTA就成了一个披着动态壳的静态模型。其次是信号配时方案。DTA模拟的是车辆在时间轴上的运动交叉口是否按固定周期放行、相位和绿信比是多少直接决定延误和排队长度。如果信号配时数据不准确输出结果会在特定路口出现完全不合理的延误。第三是通行能力和空间容量参数。静态分配里的通行能力更多是一个阻抗函数的参数而DTA里的通行能力决定了排队消散速率和排队溢出的起点这个区别非常关键。我后面会专门讲这一块。最后是校核数据。动态模型的输出是时变的行程时间和排队长度校核数据也应该是同精度的比如每15分钟的路段速度检测数据、交叉口排队视频记录。只有这种级别的数据才能把DTA模型标定到能用。2. DTA的底层逻辑加载、路径选择、排队溢出2.1 宏观、中观、微观三种仿真DTA用的是哪条路线说到DTA不少同行会默认它就是微观仿真。其实在TransModeler里动态交通分配可以跑在宏观、中观和微观三种仿真引擎上这个选择会影响你的建模深度和计算成本。宏观引擎不追踪单个车辆它把交通流当作流体来处理路段流量和速度的关系用基本图来描述。速度由流量和密度推出来车辆沿路段均匀走。这类引擎的计算速度非常快适合做超大范围的动态分配但输出精度不足以支撑交叉口级的排队分析。中观引擎是DTA最常用的选择。它模拟每个车辆或车队的移动但在路段内部不刻画跟驰、换道等微观行为而是用通行能力和排队理论来近似处理车辆之间纵向关系。简单说宏观引擎是整批水流推进中观引擎是个体车辆在路网节点上出入路段里的运动用排队模型来算。精度高于宏观速度又远快于微观区域级路网首选。微观引擎则完整模拟每一辆车的跟驰、换道、信号灯响应。在TransModeler里你可以把某个重点关注区域指定为微观模拟比如个别复杂的互通立交其余路网保持中观。这种混合模式是我最常用的配置既照顾了重点区域的细节又控制了整体计算开销。2.2 路径选择模型从用户均衡到随机用户均衡DTA的路径选择不是随意设定的它内部有一套迭代博弈机制。理论上每个驾驶员都想选行程时间最短的路径可当所有人都这么选时最短路径会变得拥堵时间上升部分人转而选择次短路径。反复博弈之后进入一个均衡状态没有任何一个驾驶员能够单独换路来降低自己的行程时间。这就是Wardrop用户均衡原理在城市路网里的体现。但现实里驾驶员并不完全理性也不会对所有路径的行程时间了如指掌。所以TransModeler的DTA默认采用随机用户均衡模型在感知行程时间上引入随机误差项。这样一来并不是所有车都挤在单条最短路径上而是按概率分布在多条备选路径上这更贴合现实。实际操作时有一个参数很关键叫路径选择敏感度它控制了驾驶员对行程时间差异的感知程度。敏感度越高出行者越倾向于选择最短路径流量分配越集中敏感度低流量越分散。我在标定大城市路网时通常会把它调得低一些因为实际情况里有很多司机根本不看路况只走自己熟悉的路线。另一个容易被忽视的是重叠路径的处理。如果两条路径大部分路段重叠最后几百米才分开感知误差模型会把它们当成两条独立路径来分流量实际这是不合理的。TransModeler提供了路径重叠惩罚参数提前消除这类虚假绕路让长绕行路径不会吸引过多流量。还有一类是动态用户均衡它是DTA里更严格的均衡目标不仅是同一个时间切片内路径间均衡还要求整个动态过程中任何一个时间和位置的出行者都没有换路动力。TransModeler提供了相应的动态均衡求解算法但收敛通常比静态场景慢不少。做大型项目如果时间紧张跑随机用户均衡已经能得到可接受的结果。2.3 通行能力和排队模型是DTA最核心的变量在宏观静态分配里通行能力只是一个决定速度的参照量。但在中观DTA里通行能力直接扮演了闸门的角色。车辆到达路段末端后能不能通过瓶颈取决于瓶颈处单位时间内能放行多少辆车也就是通行能力。如果到达率持续高于放行能力排队就会形成。所以我在搭建DTA模型时对通行能力参数的谨慎程度远高于静态模型。每个节点处的转向车流都要有明确的车道数和对应的饱和流率每个路段的通行能力也要按实际车道数和限速来推算。有人嫌麻烦直接用软件默认值结果跑出来某条次干路排队回溢到三个路口之外明显失真。排队形成之后的下一个问题是排队溢出的建模。一个交叉口的排队长度如果超过了上游路段的长度队尾就会堵住上游交叉口导致相关转向无法放行形成区域性锁死。TransModeler里处理溢出有两种方式一种是通过路段的存储容量参数直接限制排队长度另一种是设置溢出阻断逻辑当路段填满后上游车辆无法进入该路段。这里我要强调一个容易翻车的地方如果你把路段的存储容量设成无限大系统不会报错但你永远看不到真实世界中的回溢现象反过来如果你把存储容量设得偏小又会频繁产生完全可以不存在的死锁。这两个方向都值得花时间做敏感性分析找到一个和实测数据吻合的值。3. 在TransModeler里准备DTA建模的实操步骤3.1 路网和交叉口数据检查清单比想象中更重要很多人以为DTA建模的难点在OD数据和处理算法上路网随便画一画就行。我踩过几次坑之后现在的习惯是先把路网数据过一遍检查清单再谈后面的事。别小看这一步路网质量决定了后续所有标定工作是否白费。首先检查路段的连通性。在TransModeler里两条路段是否真正连接取决于它们是否共享同一个节点而不是几何位置上看起来碰没碰到。不少从其他软件导进来的路网会出现看起来是十字路口实际上各走各的的问题车辆直接穿行而过。这种问题在DTA里很难被发现因为流量分配仍然能跑通但结果根本没法看。其次是转向禁限和车道功能。左转待转区、禁止直行的节点、只允许公交车进入的车道这些信息必须在路网属性里体现。中观仿真虽然不模拟车道级换道但转向功能是靠节点属性控制的。如果没有设定好仿真车辆会找到一条现实中根本不存在的捷径。再就是信号配时。DTA的精度上限就是信号控制数据的精度。我在做具体项目时会从信号机那里拉取配时方案核对周期、相位、全红时间再导入到TransModeler的信号模块中。需要特别注意时段方案同一个路口早晚高峰可能用完全不同的配时方案DTA需要按时间切片切换信号方案而不是一天只用一个配时。3.2 时变OD矩阵的切分与导入没有时变ODDTA免谈。这里的时变OD不是简单地把全日OD乘以一个高峰小时系数就完事而是需要按15分钟一个切片求出每个切片内各个OD对之间的出行需求量。这件事的本质是把一天的需求总量拆成时间的函数。如果没有实测断面流量数据我一般先按道路检测器的流量分布规律把24小时的需求拟合成一条曲线再按曲线积分到各个切片里。有项目需要更精细的那就需要手机信令、浮动车轨迹等辅助数据。TransModeler里导入时变OD的操作路径不复杂准备一个OD矩阵文件每个矩阵对应一个时间切片然后在需求管理工具里按切片加载。需要注意的细节是软件对时段的定义要和仿真时长对齐否则最后一个切片的需求可能被截断或重复计算。OD切片的粒度也要讲究。15分钟内某条路径上的流量波动已经不小了通常够用路网规模特别大、路网负载高的5分钟切片效果更好但计算量和收敛难度都会显著上升。具体做的时候可以先跑15分钟切片等模型收敛性和稳定性都没问题后再加细。3.3 交叉口控制参数与DTA仿真参数协同配置路网和OD就绪后还要把交叉口的控制方式和DTA的仿真引擎参数协同起来。交叉口的节点类型要明确信号控制、让行、环岛等。这个属性影响车辆通过节点的优先逻辑在DTA中更是如此——一个忘记设置信号方案的关键交叉口会让排队长度计算结果严重失真。我习惯在跑正式DTA之前先做一次畅通检验把所有需求降为10%跑一遍看路网上有没有明显排队。如果有说明路网结构本身存在瓶颈问题比如车道数不对、转向禁限设置错误这时候标定信号配时是没有意义的应该先修路网。DTA仿真参数里还有一个时间切片步长需要谨慎设置。默认值往往按绝对仿真秒来处理对大型路网来说步长太长会导致排队和释放过程被粗化延误被低估步长太短则会明显拖慢计算速度。我一般从2秒或5秒起步逐步加密观察结果差异找到一个既稳定又省时间的平衡点。4. 跑完DTA先看这4个输出指标4.1 网络总旅行时间、总延误和总行驶里程DTA跑完的第一件事我建议不要急着画流量图先看网络级的三个总量指标总旅行时间、总延误、总行驶里程。这三个数能让你快速判断这次运行结果是否在合理范围内。总旅行时间是所有车辆在路网中消耗时间的总和单位通常是车辆小时。总延误是车辆受排队和信号影响额外消耗的时间。总行驶里程是所有车辆行驶里程的总和。这三个指标配合起来可以在宏观层面判断模型是否正常。具体怎么看假设你把早高峰某个时段的OD矩阵加倍总行驶里程大约也会翻倍但总旅行时间可能涨得更多因为拥堵导致速度下降。如果你看到某次调整之后总行驶里程没变总旅行时间却断崖式下降那几乎可以肯定是路网里出现了非现实的捷径需要回头检查路网的连通性或者转向设置。我通常还会留一份基准方案的这三个指标作为对照每次修改参数之后只跑一遍把结果和基准对比。这样做的好处是调参方向错了能迅速发现不用等全部指标看完才知道。4.2 路段行程时间和速度曲线和实测数据对表总量指标正常不代表每条路都对。下一步选一批关键路段导出它们的行程时间曲线和速度曲线和实测的检测器数据做对比校准。选路段的时候有一个原则不要只挑拥堵路段也要选几条平均运行正常、比较畅通的路段作为对照。如果模型里的畅通路段速度都远低于实测那可能是通行能力设小了或者信号延误被高估了如果拥堵路段速度比实测快得多说明需求可能没加载够或者排队的瓶颈没有在模型里体现。我在具体项目里习惯做一张校准表把每条校核路段的实测平均速度、仿真平均速度、误差百分比列出来。误差在15%以内就可以接受超过20%就要排查原因。注意速度曲线不应该只看全天平均值还要对比早晚高峰各自的峰值段因为DTA模型最大的价值就是还原这些峰值时段的动态过程。如果发现某条路段仿真速度曲线和实测曲线形状一致但整体偏低说明该路段通行能力或邻接节点的信号配时需要微调。如果曲线形状都对不上就要怀疑OD切片的需求时间分布是不是偏了尤其是出行高峰出现的时间点是否有偏移。4.3 排队长度和溢出事件最容易暴露参数问题的出口DTA输出里最有价值、同时也是最能暴露问题的就是排队长度和溢出事件。TransModeler可以把每个路段末端和每个节点的排队长度按时间导出也能标记出溢出事件发生的时刻和地点。我一般会把溢出事故事件列表单独拉出来看一遍。如果溢出事件密集出现在某几个固定的交叉口几乎每次都发生在同一时段那说明这几个节点的通行能力或者存储容量设置有问题。比如说某个交叉口进口道的转向车道明显较窄但模型中给了过高的饱和流率结果现实中早就溢出的地方模型里还在勉强运行。另一个需要警惕的情况是溢出位置不断迁移。如果这次运行溢出发生在A路口下次微调参数后溢出跑到B路口而且两个路口相距很远那说明可能有某种全局性因素被遗漏了最常见的就是某个主路的OD需求切片分配不合理导致流量集中在错误的位置。4.4 迭代收敛曲线DTA结果不是跑一遍就算完DTA的求解是一个迭代过程而迭代的关键是看收敛曲线。TransModeler提供的收敛指标通常是各次迭代之间路径流量或行程时间的变化幅度曲线越平缓稳定说明越收敛越振荡说明需求加载或路径选择参数有问题。很多新手在操作时跑一遍就导出结果完全忽视了收敛曲线。实际上如果迭代还没收敛报告里的路径流量和路段流量都是错误的中间状态用结果去汇报会有很大风险。我自己判断收敛的经验是看最后三次迭代之间的总旅行时间变化如果变化幅度连续小于1%到2%就认为基本收敛了。如果一直振荡常见原因是OD需求在时间切片边界处变化太陡峭相邻切片的需求跳变太大。处理方法我后面会讲简单说是把时间切片加细或者调整迭代步长。有些项目比较急实在来不及等完全收敛那至少要保证曲线不呈现持续单向漂移否则结果没法用。5. DTA调参的实测心得参数怎么动才能让结果更像真实城市5.1 通行能力、饱和流率和路径选择灵敏度怎么配合着调DTA参数的调整不是单打独斗它们之间相互关联。我需要专门说一下我调试时的顺序能帮助少走弯路。第一个动手调的是通行能力。不要一上来就同时调十个参数要一个因素一个因素地动看看影响哪些路段、哪些指标。某条快速路实测速度偏低模型速度偏高我会先把相关路段的通行能力降低5%到15%跑一遍看排队是否会在正确的位置出现。通行能力是最接近物理现实的数据它有实测依据可以依赖不要拍脑袋改太多。第二个调的是饱和流率。它对交叉口排队消散速率影响巨大。直行车道饱和流率我一般按每车道每小时1800到2000辆来设左转和右转车道再打折。有些地方左转半径很小实际流通率远低于标准值需要用视频过车数据反推。这里有一个很容易犯的错误把饱和流率当成一个想要多快就多快的参数去调结果路口的信号延误被严重低估。记住饱和流率是现实观测值不是配平的旋钮。第三是路径选择灵敏度和重叠路径惩罚。我常遇到的情况是仿真结果里某条常规路线负荷偏高而相邻的平行道路几乎没有流量。这时候先别急着调整OD很可能是路径选择灵敏度过高所有车辆都被吸到那条感知最短的路径上了。把灵敏度调低让流量摊开很多时候问题自动就解决了。实际城市里司机路线选择非常分散有些人只会走大路有些人宁可绕远走小路避开红绿灯。5.2 时间切片边界处的突变怎么让收敛更稳定我在多个项目里碰到过同样的问题DTA迭代曲线会一直小幅振荡怎么调都压不下去。仔细排查之后发现问题出在时间切片的边界处。假设早高峰OD在7点45分到8点之间突然增长40%而OD切片恰好是每30分钟一刀那8点整那个切片的开始一瞬间路网上会突然涌入大量车辆形成虚假的冲击波。这种冲击波会让排队长度和行程时间产生剧烈波动迭代收敛自然困难。解决办法有两类。第一类是加细时间切片把30分钟切成15分钟让需求的增长变得更平滑第二类是对OD切片之间的过渡做平滑处理而不是让需求跳崖式突变。TransModeler支持在不同时段切片之间定义插入的过渡时间段让需求按线性方式渐变。这个功能一旦用上收敛稳定性提升非常明显。还有一种情况是某个OD对的流量本身就忽高忽低波动特别大。我会回到OD构建阶段检查数据来源有些运营商数据在小时级别的粒度上稀疏直接切到15分钟会产生很多零值和峰值。这种情况下需要做时间方向上的平滑滤波尤其注意别因为个别切片数据跳变制造出根本不存在的出行潮汐。5.3 区域级路网跑不快混合仿真和批次处理来救场最后一个实际问题大路网的DTA计算时间问题。很多城市级或区域级项目路网节点动辄数千个需求时段长、切片细整个模型跑起来非常耗时。我在项目里通常用两个手段来对抗计算压力。第一个是中观与微观混合仿真。把一个区域拆成两块普通路网用中观引擎重点关注区域用微观引擎。典型配置是核心拥堵片区和关键立交用微观外围路网和次要道路用中观。这样既能保住关键区域的细节精度又能把总计算时间降到可接受的范围。第二个手段是合理划分DTA需求时段。如果分析对象只是早高峰就没有必要把全天的路网状态都仿真出来。让模型从早上6点开始加载预分配流量作为初始状态到9点停止中间3个小时的仿真比全天24小时仿真快得多。需要特别注意的是初始加载的预分配阶段要给足预热时间否则正式时段一开始路网里的车辆数量就不符合实际。TransModeler支持批处理和并行运行的选项如果有条件我一般会定义多个不同方案在几台机器上并行求解效率能提升好几倍。最后再分享一个我自己的习惯不管参数怎么调任何DTA项目我都会保留一份初始参数文件、一份完整的校准过程记录和每一轮迭代的输出结果。后续方案调整或审计回溯时这套记录能让所有改动都变得可解释。动态交通分配模型的魅力正在于此——它不是一次跑完就结束的静态图纸而是能跟着需求和路网一起演化的活工具。希望这篇关于TransModeler DTA模块的实战解读能帮你少走我当年走过的弯路。下一期我想专门聊聊DTA结果如何应用到信号配时优化和交通影响评价报告里到时候见。