3.

6 交通分配模型讲稿

1. （标题）交通需求分析——交通分配模型
2. 这一讲我们主要介绍交通规划四阶段法中的最后一个阶段——交通分配。交通

分配就是将之前前三个阶段交通生成、交通分布、方式划分所得到的不同小区 OD 对

之间的交通量分配到交通网络中的各条路径上去。在网络均衡分配中， Wardrop 提出了

两个准则。一个是用户均衡，假设不存在信息偏差和遗漏，出行者都确切知道网络的

交通状态并选择最短路出行。在 UE 用户均衡状态下，所有出行者都不会通过单方面改

变路径来降低其行程时间。这是个体在选择路径中会通常使用的策略。第二个是系统

最优， 在 SO 系统最优状态下，网络总出行成本（或平均出行成本）最小。交通管理

者当然更喜欢这种状态。
3. 当然在实际交通运行环境下，出行路径的选择是个体的决策。路径的选择是否

会受到道路拥挤程度的影响？出行者对距离、时间的感知是否相同、准确？考虑这些

因素的考虑与否会影响交通分配模型的选择。根据是否有存在感知误差和拥挤效应，

交通分配模型可以分成全有全无分配、随机交通分配、确定性用户均衡和随机用户均

衡四类。
4. 如果人们对于出行时间的感知准确，并且出行时间不会随着交通量的增加而增

加，那么就可以采用最简单的全有全无分配法，也就是基于最短路径的分配。全有全

无分配法是基于最短路径的分配，将所有流量分配在仅在最短路径上分配车辆，其他

路径上没有流量分配。这种分配方法计算非常简单，可以用 Dijkstra 算法等方法直接求

解，仅需一次分配。但没有考虑拥堵等因素对路段阻抗的影响，并且全部出行者都会

集中在最短路径上。这种特点就决定它适合用于路径选项比较单一的城市间流量较小

的非拥挤路网的交通分配。
5. 但根据之前讲的感知误差的概念，面对相同的路网交通状况，人不同个体的认

知是有区别的，因此路径选择并不是人人相同，所以说以概率的形式分配出行更加合

理。这样就引出了感知阻抗的概念，感知阻抗可以表示为实际阻抗与一个随机误差项

之和，出行者在选择中会选感知阻抗最小的路径。假设随机误差项互相独立，且服从

相同独立同分布的 Gumbel 分布，那么路径选择模型就是一个 logit 模型，选择概率就

可以这样表示。
6. 随机分配虽然考虑了感知误差，但还是没有考虑拥挤效应，不过这种方法还是
 3.6 交通分配模型讲稿

可以用在因此比较适用于非拥挤的网络中，比如说自行车车道、人行道。在寻找路径

选择集的时候，我们很难一一举出所有的路径。因此 Dial 提出了一种 STOCH 算法，能

够在网络上实现 Logit 交通分配模型，同时规避枚举或存储路径集合。算法提出了有效

路径的概念，即会被出行者考虑的路径。有效路径由有效路段组成。有效路段是中尾

节点比头节点离起点更近，并且头节点比尾节点离终点更近。由有效路段组成的路径

就是有效路径。当然，如果仅要求尾节点比头节点离起点更近，而不考虑和终点的关

系也可以得到一种简化的有效路径，这样表达在计算中也更加简单。
7. 例如在这个路网中，节点 1 代表起点，节点 6 代表终点。假设有 100 次出行从

起点出发，到达终点。经最短路到达某节点所消耗的出行时间叫做该节点的“势”。

节点 4 到节点 5 的路段是有效的，因为节点 5 的“势”高于节点 4。如果两个节点的

“势”相等，可运用节点 ID 顺序来打破相等的局面确定有效路段。因此，譬如，从节

点 5 到节点 6 的路段可以视为一条有效的路段。在最短路径上添加有效路段，就形成

了子网络。
8. 在得到有效路径后，Stoch 算法从初始节点开始依次向后计算每个节点的权重，

为所有汇入该节点的其它节点权重的路段阻抗加权求和。然后从最后节点反向向前依

次分配出行量。
9. 下面通过一个例子来解释一下这个算法。还是拿刚才计算有效路径给出的网络。

首先设起点节点的权重为 1，然后根据向前步骤计算其它节点的权重。
10. 然后从最后一个节点开始，依次分配流入节点的路段的流量，根据向后步骤计

算路段流量，并计算每个上游节点的流出流量。
11. 直到所有路段的流量被分配完成，最终起点节点的流出量也就是总的交通量。

这里由于小数位数的保留，计算的起点节点流量为 99.9，约等于 100。

12. 根据 logit 模型直接计算随机交通分配的结果，得到每条有效路径的流量。
13. 最后将流量求和，可以看到和 stoch 算法的结果是一样的。
14. 在介绍剩下的方法前，先来再回顾一下 BPR 函数。BPR 函数是美国公路局于

1964 年对大量路段进行交通调查后通过回归分析所得到的关系式，可基于自由流状态

道路通行时间、道路流量和道路通行能力计算拥挤状态下的道路通行时间。 BPR 函数
 3.6 交通分配模型讲稿

的表达式如下，其中 为实际通过该路段所需要的实际时间(阻抗)， 0为路段自由行驶

ta ta

时间， x a为当时通过该路段的流量，单位是 pcu/h，c a为路段的实际通行能力，单位也

是 pcu/h。其中 alpha 何 beta 是饰两个待定参数，根据道路等级来确定不同的道路需要

使用不同的值。常用参考值为: α =0.15， β =4。下图是α =0.88， β =9.8 时的 BPR 函数的

函数图像，横坐标是饱和度， x a ／ c a（路段流量和通行能力的比值），纵坐标是旅行行

程时间。可以看出，当路段流量小于路段通行能力时，旅行行程时间较小，当路段路

流量大于路段通行能力时 旅行行程时间将会“指数增 大长”。在交通分配软件如

TransCAD 中，会采用 BPR 函数来反应路段阻抗和路段流量的关系。

15. 用户均衡模型满足 Wardrop 第一准则，这条准则是给定一个拥挤的交通网络，

对于该网络中的每个 O-D 对，在用户均衡时，所有被使用的路径上的行驶时间均相等，

并且小于或等于任何未使用路径上的行驶时间。这个准则要满足以下两个假设，第一

个假设是：所有用户都准确知道各条道路所需的行驶时间，并首先选择最短路，最终

被利用的各条路径上的行驶时间会相等。第二个假设是：出行者有多条路径可以选择，

首先会选择最短路径，然而随着交通量增大，原最短路径上的行驶时间会因拥挤效应

而增加，于是一部分出行者会选择行驶时间更短的路径。
16. 针对 Wardrop 第一准则即用户均衡，Beckmann 等学者提出了等价的数学规划

表达式，奠定了交通分配理论的基础。该数学规划模型的解满足 Wardrop 用户均衡准

则，即所有使用路径的阻抗相等且最小，未被使用路径的阻抗都不小于使用路径的阻

抗。UE 用户均衡模型的 Beckmann 变换式如 ppt 所示下。可以证明，该数学规划模型

的解满足 Wardrop 用户均衡准则，即所有使用路径的阻抗相等且最小，未被使用路径

的阻抗都不小于使用路径的阻抗。Beckmann 模型的目标函数是系统中所有出行者的出

行时间之和最小。第一条约束是 OD 间流量守恒；第二个约束是路径流量守恒；第三

个约束是路径流量非负约束。通行时间和路段流量的关系用 BPR 函数表示。可以证明，

该数学规划模型的解满足 Wardrop 用户均衡准则，即所有使用路径的阻抗相等且最小，

未被使用路径的阻抗都不小于使用路径的阻抗。
17. 下面用一个简单的算例来展示用户均衡模型的求解过程。图中展示了由两条路
径构成的路网，进入路网的交通流为 8，路径一的出行时间为 t 1=4 +8 x 1；路径二的出
 3.6 交通分配模型讲稿

行时间为t 2=8+2 x 2。根据 Wardrop 第一准则，在用户均衡时，所有被使用的路径上的

¿ ¿
行驶时间均相等。因此可以列出以下两个方程： x 1 + x 2 =8 ，路径一和路径二的路段流
¿ ¿
量 总 和 为 8 ， t 1 =t 2 路 径 一 和 路 径 二 的 出 行 时 间 相 等 。 联 立 两 个 方 程 解 得 ：
x 1¿=2 ; t 1¿ =20 ， x 2¿=6 ; t 2¿ =20。

18. 当路网比较复杂时，则不能通过简单的解方程求解 Beckmann 数学规划。因此

Frank-Wolfe 算法被提出用于求解用户均衡模型。Beckmann 等价数学规划变换式于

1956 年被提出，直到 1975 年才由 LeBlanc 等学者将 Frank-Wolfe 算法应用于求解该用

户均衡模型，已并在交通规划实践中得到广泛采用。Frank-Wolfe 算法分为六个步骤。
❑
第一步：初始化，按照路段流量为 0 时的阻抗函数值，❑❑ ❑❑( )，进行全有全无交通分
❑
配，得到各路段流量 { ❑❑ }，令 n=1 ；第二 步： 根据阻抗 函数 ， 更新 各路段阻抗 ：

；第三步，寻找迭代方向。按照更新后的路段阻抗{ ❑❑ }，执行全有全无分
t na=t a ( x na ) , ∀ a ❑

配，得到一组附加流量
{ y na }；第四步确定移动步长；第四步：寻找迭代方向。: 确定移
动步长。求解满足如下一维线搜索问题的最优 λ，可以采用黄金分割法或者二分法求解，

确定最优移动步长；第五步：确定新的迭代点： n ；第六步：收敛性
x n+1 n n
a =x a + λ ( y a−x a )

检验，如果两次迭代的结果之差小于收敛标准则停止计算，如果不满足收敛标准则返

回第二步。
19. 下面用 Frank-Wolfe 求解一个由三条路径组成的简单 O 网络，每条路径只包含

一个路段，其阻抗函数如图。第一步：将各路段按流量为 0 计算阻抗，分别为
10、20、25，进行全有全无交通分配，路段 1 的阻抗最小，得到各路段流量 x 1=10，
x 2=x 3=0 ；第二 步： 通过 BPR 函数 更 新各个路段的阻抗，得到 t 1=947.5， t 2=20，

t 3=25；第三步：按照更新后的路段阻抗，再进行一次全有全无分配，得到一组附加流

量： y 1=0 ， y 2=10 ， y 3=0；第四步：将 x 1=10， x 2=x 3=0 ， y 1=0 ， y 2=10 ， y 3=0带

入目标函数求 λ 值，用二分法求得最优的 λ=0 .5965

20. 第五步：确定新的迭代点，得到 ， ， ；第六步：收敛
x '1=4.0346 x '2=5.9654 x '3=0
 3.6 交通分配模型讲稿

性检验，选择常用的收敛标准 10-4，计算两次结果的误差为0.8436 ，大于10 -4 。因此返

回第二步，重新迭代计算。 收敛：当进行到第 13 次循环时，各路段的阻抗分别为

t 1=25.4514 ， t 2=25.4590， t 3=25.4556 ，各路段上的流量分别为 x 1=3.5834 ， x 2=4.6455 ，

x 3=1.7711，满足上述收敛标准，终止计算。此时 t 1 ≈ t 2 ≈ t 3 ，满足 Wardrop 第一准则，达

到用户均衡。
21. 用户均衡给模型中要求假设出行者是理性人，其的选择行为一定是合理的，并

且知道拥有路网的所有完全信息，并且所有影响个人的行为的因素可以观测。但是此

种这些假设并不完全符合实际，在实际生活中个人行为不一定完全符合‘合理选择行

为’，出行者个人并不掌握完全信息，并且影响个人效用的某些因素不可观察，因此

提出了由此提出的随机用户均衡模型（SUE）它比用户均衡（UE）模型更具有普适性。

参考 3.6.2 种的随机分配法，随机用户均衡模型中路段阻抗随流量而改变， 切且要加入

随机误差项 rs，当随机误差项 rs服从 Gumbel 分布时为 Logit 型 SUE，当 rs服从 Normal

εk εk εk

分布时为 Probit 型 SUE，。UE 可被看作是 SUE 的一种特殊情形，即感知误差 rs为 0 时

εk

的情况；出行者选择某条路径的概率是其感知阻抗在所有可能路径的感知阻抗中为最

小的概率；路径流量等于 OD 出行量与该路径选择概率的乘积。路径流量 与路径选

f rsk

择概率 有关，而路径选择概率与路径感知阻抗有关，路径感知阻抗是实际阻抗（与
Prsk

流量相关）与感知误差的和，实际阻抗根据阻抗函数计算，与路径流量有关。如此循

环反馈，达到随机用户均衡状态，这个关系式也被称为 SUE 条件。

22. 下面计算一个 Logit 型 SUE 的简单算例，网络由两条路径组成，流入流量为
4，阻抗函数如图。选取离散参数θ=¿1，咸泽选择路径 1 的概率 p1为 logit 型表达式，

路径一 1 的流量等于流入流量和概率的乘积，将t 1和t 2带入式子，解方程求得 x 1 ≈ 1.51，

t 1 ≈ 4.01， x 2 ≈ 2.49，t 2 ≈ 3.51。

23. Logit 型随机平衡分配用户均衡交通分配可表达为如下的无约束非线性规划问

 3.6 交通分配模型讲稿

题，其中 E min {Crs } c rs ( X )¿是最小感知阻抗的数学期望，这个式子是一个无约束的极

[
k |

小值问题，可以证明它的解满足 SUE 条件、流量非负约束和流量守恒条件，并且该模

型具有唯一解。
24. 连续平均法是用来求解随机用户均衡模型的常用方法，通常分为五个步骤求解。

第一步：初始化。利用 Stoch 算法，得到各路段流量

{ x 1a }，令 n=1；第二步：用新的路

段流量计算路段阻抗；第三步：寻找迭代方向。按照更新后的路段阻抗
{t na }，执行 Stoch

算法，得到一组附加流量
{ y na }；第四步：确定新的迭代点 x n+1 n n n ；第五步：
a =x a +1/n ( y a−x a )

收敛性检验，当两次计算的结果满足收敛准则，的则停止计算，否则返回第二步。
25. 下面，用连续平均法计算刚刚的简单案例。第一步：用 Stoch 算法初始化路段
流量。在 Stoch 算法中，首先要用自由流（即 x 1=x 2=0）生成初始阻抗t 1=1 ，t 2=2，根

据网络拓扑结构对所有节点进行排序 r r =0，r s=1，所以路径一和路径二都是有效路径；

然后用向前步骤计算路网节点中的转移概率w j，得到w r =1，w s=¿ 0.5032。再使用向

后步骤，根据 x =q × w ／ w ×exp −θ t 分配出行量。从 s 点向前分配，得到路径一的

ij j r s ( ij )

流量 1＝ ，路径二的流量 1＝ 。
x 1 2.92 x 2 1.08

26. 第二步：用 更新路段阻抗，得到 1 ；第三步：

x 11=2.92 ; x12=1.08 t 1=6.84 ， t 12=3.08

寻找迭代方向。按照更新后的 1, 1，执行 Stoch 算法，得到一组附加流量 1 ；

t1 t2 y 1 ＝ 0.09

。第四步：确定新的迭代点 ； ；第五步：检验收敛性，
, y 12=3.91 得到 x 21=0.09 x 22=3.91

两次迭代的误差为0.98，大于10−4。未能达到收敛标准，令 n=n+1 返回第二步。直至达

到收敛标准。
27. 接下来介绍系统最优模型。首先回忆一下 Wardrop 第二准则：在系统最优模型
 3.6 交通分配模型讲稿

中，在给定的拥挤交通网络中，平均出行时间最少（即总出行时间时间最少）。在系

统最优条件下，所有用户在选择其路径时应协同行动，以确保最有效地使用整个网络；

拥挤路网上的交通流应该按照平均或总的出行成本最小为依据来分配。系统最优模型

的数学表达如 ppt 下所示。其目标函数为使得出行总成本最小。与用户最优模型相同，

三个约束分别为第一条约束是 OD 间流量守恒；第二个约束是、路径流量守恒；第三

个约束是和路径流量非负约束。通行时间和路段流量的关系用 BPR 函数表示。

28. 用系统最优模型求解用户均衡模型中的简单算例，图中展示了由两条路径构成
的路网，进入路网的交通流为 8，路径一的出行时间为 t 1=4 +8 x 1；路径二的出行时间

为 t 2=8+2 x 2。求解目标为用户总出行成本最小，路径流量之和等于 输入流量，将

t 1=4 +8 x 1，和t 2=8+2 x 2带入后，解二次方程，得到 x 1¿∗¿=1.8;t ； 。

¿∗¿=18.4 ¿ ¿∗¿=20.4 ¿

x 2¿∗¿=6 .2;t
1 ¿ 2 ¿

29. 将用户均衡模型的计算结果与和系统最优模型的计算结果对比，在相同的路网

下，用户均衡模型求解的出行总成本为 160，系统最优模型的出行总成本为𝟏𝟓𝟗.𝟔。从

出行者的角度出发由于出行时间存在差异，出行者倾向于转向更快的路径，使系统离

开系统最优状态而进入用户均衡状态。
30. 为了能更简洁的求解系统最优模型，将系统最优模型进行数学转换，等式两边

分别对路径流量 x 求偏导，得到下式，其中加号右边 x ∂ t x ／ ∂ x 可以理解为新增一

a a( a( a) a)

个用户给系统中的既有用户带来的增量。通过数学变换，系统最优的目标变为：
xa
∂ Z ( x)
min Z ( x )=∑ ∫ dx
a 0
∂ xa

xa
对比用户最优模型： ，可以看出数学变换后的系统最优模型
min Z ( x )=∑ ∫ t a ( ω ) dω
a 0

与用户最优均衡模型相似，其求解方法与用户均衡模型相似，依然用可以采用 Frank-

Wolfe 算法求解。
31. 用 Frank-Wolfe 算法求解系统最优问题可以分为六个不走步骤。第一步：初始
 3.6 交通分配模型讲稿

化。按照 0
∂ t a ( xa ) ，进行全有全无交通分配，得到各路段流量 1 ，令
t a=t a ( 0 ) + x a ,∀a { xa }
∂ xa

n=1；第二步：根据更新后的路径流量更新各路段阻抗；第三步：寻找迭代方向。按照

更新后的路段阻抗
{t na }，执行全有全无分配，得到一组附加流量{ y na }；第四步：确定移动

步长，将 n和 n带入后求解是目标函数最小的 λ 值，该值就是移动步长；第五步：通过

xa ya

n 确定新的迭代点；第六步：计算两次迭代结果的误差，当误差小于
x n+1 n n
a =x a + λ ( y a−x a )

收敛标准时，停止计算，
{ x na +1 }就是最优解，当不满足收敛标准时令 n=n+1，返回第二
步。
32. 最后，总结一下用户均衡模型和系统最优模型的关系。在同一个路网中，使用

用户均衡模型求解的总出行成本为t UE ( x ¿ )；系统最优模型求解的总出行成本为t SO ¿，总

户最优用户均衡模型中的出行成本总是大于或等于系统最优模型总的出行成本。其中

二者之差 p 被成称为无管理状态的代价。两个模型的目标函数有所不同，用户均衡模

型的目标函数时是的是出行者的出行时间总和最小；系统最优模型的目标函数时是的

是系统中的总出行成本最小。用户均衡模型满足 Wardrop 第一准则，当达到均衡后所

有用户的出行时间均相等；系统最优模型满足 Wardrop 第二准则，在达到平衡后系统

总出行时间最少。在用户均衡模型中每个用户追求个人费用最小化的平衡，每个用户

独立选择路径，用户与用户直接时之间是非合作关系；在系统最优模型中出行者需要

服从统一调度，用户与用户之间是合作关系，追求系统总费用最小化的平衡。两种模

型都假设出行者知道路网的拥有完全路网信息。