《新《交通规划年会交通分析模型》252-基于马尔科夫链的旅游交通需求预测》由会员分享，可在线阅读，更多相关《新《交通规划年会交通分析模型》252-基于马尔科夫链的旅游交通需求预测（8页珍藏版）》请在金锄头文库上搜索。
1、1 基于马尔科夫链的旅游交通需求预测 田关云 张云龙 李伴儒 【摘要】【摘要】 交通需求预测是城市交通规划的基本前提， 传统的预测方法在城市旅游交通需求预测中存在局限性。本文分析旅游交通基本特征，基于马尔科夫理论，应用魅力度模型以及重力模型，预测旅游交通出行规律。构建了基于马尔科夫链的旅游交通需求预测模型，并对相关参数标定做出了规定。 以海南国际旅游岛先行试验区旅游交通为例， 确定了海南国际旅游岛先行试验区规划年旅游交通分布规律。结果表明实验区旅游交通高峰小时出现在中午 12时至 13 时，城市交通高峰小时出现在下午 17 时至 18 时，并且得到交通出行 OD，可为海南国际旅游岛先行试验区综
2、合交通规划提供依据。 【关键词】【关键词】旅游；交通；需求预测；马尔科夫链；魅力度 0 引言引言 在世界经济萎靡的背景下， 国际旅游城市得到较大发展， 在这些国际旅游城市或者其他旅游业发达的城市， 旅游交通占据了城市交通出行较大比例。 由于旅游出行与普通居民出行特征的差异，传统“四阶段”法并不适用于旅游城市交通，沿用传统“四阶段”法规划的旅游城市遭遇严重交通问题，而对于旅游交通的研究滞后于旅游城市的发展。 目前， 国内外学者已对旅游交通需求预测方法进行了一些研究， 大多是宏观方面的理论研究：其中文献1分析了干线旅游交通需求和观光线旅游交通需求预测方法，并给出了基于传统四阶段法的相应模型；文献2
3、从年龄、职业和收入三个因素分析自驾车行为，并且采用 LOGIT 方法建立自驾车旅游交通分析模型；文献3通过分析国内外实践经验以及旅游交通基本特征， 提出我国旅游交通规划的目标体系， 并对旅游交通规划的方法体系做了探讨。本文将针对旅游城市中的旅游交通进行研究，考虑马尔科夫链与城市旅游漫游过程的类似性，探讨旅游交通需求预测模型。 1 旅游交通旅游交通 对于旅游城市而言，其交通出行可分为两类：普通居民出行和旅游交通出行，而两者交通特点截然不同。因此，在进行旅游城市交通规划时，需要分别进行预测。旅游交通是指以旅游休闲为主要目的出行的全过程，包括了城际间交通和在旅游城市内的漫游交通4。比较典型的旅游交通
4、形式如图 1 所示。对于旅游城市交通规划而言，更关心的是旅游城市市内漫游式交通出行特征，本文也将主要研究旅游交通中的市内漫游式交通出行需求。 旅游城市内漫游式交通出行是在初始状态下（旅游城市各功能分区初始旅游人口） ，随着时间的推移， 以某种特定的概率进行状态转移 （旅游城市各功能分区旅游人口部分从当前区内转移到其他功能分区） ，最终达到稳定状态，且与初始状态无关。马尔科夫链模型是动态的， 可以对近期状态进行预测也可用于远期状态预测， 旅游城市内漫游式交通在达到最终平衡状态前必然存在着一条马尔科夫链， 因此， 采用马尔科夫链研究旅游交通出行需求符合2 其发展规律。基于以上考虑，本文从动态角度，
5、借鉴马尔科夫链的理论思想，建立旅游交通需求预测模型， 并对模型进行了参数标定， 以海南国际旅游岛先行试验区 （以下简称试验区）为例，进行旅游交通需求预测。 图 1 典型的旅游出行链 2 基于马尔科夫链的旅游交通需求预测模型基于马尔科夫链的旅游交通需求预测模型 2.1 相关基本模型相关基本模型介绍介绍 （1）马尔科夫链预测模型马尔科夫链预测模型 马尔科夫链预测模型是一种无效性的随机预测过程， 在基于历史数据的基础上， 确定研究对象发展的转移概率， 根据上一时间研究对象的状态预测下一时间状态的计算过程。 其表达式过程为： (1) 式中 不同时间段研究对象的状态值； 一步转移概率，由它组成的矩阵为转
6、移概率矩阵 从上述模型可以看出，研究对象的第 t+1 状态值仅仅和第 t 次的状态值有关系，由其状态值和转移概率乘积决定. （2）魅力度模型魅力度模型 魅力度是影响旅游交通行为的重要因素之一，是旅游区域的自然资源、历史资源、知名度、设施环境的服务水平以及交通便利性的一项综合指数4。 魅力度计算模型： （2） 其中： y1表示区域自然资源 ； 3 y2表示历史资源 ； y3表示知名度 ； y4表示设施环境的服务水平 ； y5表示交通便利性 ； y6票价 ； Yi表示第 i 功能分区的魅力度计算值。 （3）重力模型重力模型 重力模型基于牛顿的重力法则， 它指出出行分布与功能大区的产生量、 吸引量和
7、功能大区之间的交通方便程度等因素相关。重力模型法基本计算公式： （3） 其中： Ti为功能分区 i 的旅游交通产生概率； Ui为功能分区 j 的旅游交通吸引概率； tij为小区 i 与小区 j 之间的旅游交通阻抗参数； f( tij )为旅游交通阻抗函数 旅游交通产生概率依据功能分区内景点的数量、景点类型、确定，旅游交通阻抗参数的标定主要由功能分区的魅力度、一般旅游出行习惯以及到该景区的交通便利条件决定。 2.2 模型假设条件模型假设条件 基于马尔科夫链构建的旅游交通需求预测模型做出如下假设： 1）旅游城市总体发展规划在规划年内得到较好执行，旅游资源、产业布局、对外交通规划等都将按城市总体规划
8、得以实施， 城市居民人口、 预计吸引旅游人口等发展与城市总体发展规划相吻合。 2）旅游城市的旅游交通量全部分布于旅游城市各功能大区，假定某一时段 t，各功能大区分布的游客人数分别为，其中，m 表示各功能大区的编号。 3）旅游城市到达游客人数 d 随时间变化符合某种变化规律： d=f(t); (4) 且 t 时段到达游客在旅游城市各功能分区的初始分布可以魅力度函数进行计算。将各功能大区魅力度计算值作归一化处理后得到魅力度矩阵： (5) (6) 4 (7) (8) 表示 t 时段到达游客在旅游城市第 i 功能分区的初始分布。 4）旅游城市离开游客人数 e 随时间变化符合某种变化规律： e=g(t)
9、； (9) 且 t 时段离开游客在旅游城市各功能分区的分布主要根据 t 时段各功能分区的游客人数在旅游城市总游客人数的所占比例决定。t 时段从第 i 功能大区离开的游客数可用下式计算： (10) 5）旅游城市能划分为旅游资源、功能特征鲜明的功能分区，各功能分区能够适应不同层次游客的需求， 并且在竞争中发挥自身优势， 促使旅游城市旅游交通在各功能分区之间进行重新分配。如，第 i 个功能分区从某一时段 t 向下一时段 t+1 中的第 j 功能分区的转移运量为，可获得旅游交通变化等式为： (11) (12) 式（11）表明了第 i 功能大区从时段 t 到时段 t+1 将其在 t 时段的旅游人数以一定
10、的概率转移到时段 t+1 的 m 个功能大区；式（12）中的 t+1 时段第 i 功能大区的游客数量是从 t时段的 m 个功能大区转移到第 i 功能大区、在 t 时段到达旅游城市且初始分布在 i 功能大区和在 t 时段从 i 功能大区离开旅游城市的旅游人数三者的代数和。 6）假定时段 t 第 i 功能大区的游客人数与同一时段其他功能大区的游客人数没有相互联系，仅和上一时段的各功能大区的游客人数有关。那么可以得到下式： (13) 式中一步转移概率，其值得大小对游客转移人数 2.3 旅游交通需求预测模型构建旅游交通需求预测模型构建 将是（13）代入式（11）和式（12）当中，得到旅游交通需求预测模
11、型： （14） 5 在满足一定精度要求的情况下， 可以运用转移矩阵进行旅游交通需求预测， 上述模型可以表述为： (15) 2.4 相关模型标定相关模型标定 （1）魅力度模型标定魅力度模型标定 魅力度模型在旅游交通需求预测模型中主要应用于旅游城市到达游客的初始分布确定，其标定过程如下： 第一步 应用德尔菲法，确定魅力度模型中参数的值； 第二步 根据根据旅游城市游客结构、各功能大区景区资源，知名度，交通等因素确定各未知参数 的值，从而得到各功能分区的魅力度值； 第三步 对各功能大区的魅力度值作归一化处理，得到旅游城市功能大区的魅力度矩阵。 （2）转移矩阵标定转移矩阵标定 马尔科夫链模型应用于旅游交
12、通需求预测， 关键步骤是对转移矩阵进行参数标定， 而转移矩阵中的的确定，本文采用的是重力模型法，因此转移矩阵的参数标定关键在于对重力模型进行标定。 第一步：计算各功能大区 t 时段的旅游交通产生概率，可以根据各功能大区的旅游资源特点、景区类型、景区数量来确定游客在该功能大区的旅游时间，并由此确定各功能大区 t时段的旅游交通产生概率。 第二步：计算各功能大区 t 时段的旅游交通吸引概率，可以根据功能大区自身的魅力度值、 与其他功能大区相对地理位置和交通便利程度来确定各功能大区 t 时段的旅游交通吸引概率。 第三部： 确定各功能大区之间的交通阻抗函数， 本模型中交通阻抗函数影响因素主要包括魅力度值
13、、功能大区定位及景点类型、游客游玩习惯、功能大区的相对地理位置和交通便利性等因素。 第四步：计算旅游交通从第 i 功能大区转移到第 j 功能大区的概率，进而确定旅游交通转移矩阵。 3 案例分析案例分析 试验区规划形成“三心、六片区”的总体空间结构，以旅游业为主导，以文化创意、健康体育、商贸流通为支撑，以现代服务业为基础的低碳、高端、融合特色产业体系。将形成多主题、多品牌的主题公园的区域集聚，共同打造世界级的主题公园旅游目的地；发展邮轮游6 艇产业、文博艺术产业、体育彩票产业、新媒体产业、免税购物项目、高端康体产业5。 试验区城市功能分区如图 1 所示。 本文中， 根据城市功能分区将试验区划分为
14、 5 个交通大区， 同时将进出试验区的 4 个主要出入口节点作为本次研究中的虚拟交通大区， 用于计算试验区游客到达和离开。 图 2 试验区城市功能分区 3.1 基础资料基础资料 规划年实验区人口、旅游人口、土地利用、景区规划等基础数据可根据城市总体规划报告得到，相关数据如下表所示6： 表 1 人口结构 实验区规划年人口结构 一日游 短期度假 长期度假 原住居民 就业人员 36000 36000 44000 34900 65100 图 3 游客到达离开分布图 3.2 实验区旅游交通需求预测实验区旅游交通需求预测 （1）魅力度计算魅力度计算 根据魅力度计算方法计算得到实验区各功能大区的魅力度矩阵：
15、 X=（0.141 , 0.532, 0.111, 0.161，0.055） （16） （2）转移矩阵的标定转移矩阵的标定 通过运用重力模型法，计算得到转移矩阵为： 7 （17） 可以看出第 5 功能区旅游交通出行比率较高， 而第 2 功能区出行比率最低， 这主要跟其区内景点类型相关， 第 5 功能区旅游资源主要是猴岛及高尔夫休闲， 而第 2 功能区规划为主题公园；第 1 和第 5 功能大区分别有 21.5%和 24.5%的旅游人口转移到了第 4 功能大区，从各功能大区到达第 5 功能大区的旅游交通概率最小。 上述规律基本城市总体规划， 故此转移矩阵具有实际意义。 3.3 预测结果预测结果 通
16、过多次迭代计算， 得到试验区旅游交通全日变化规律。 其中旅游交通高峰小时出现在中午 12 点至 13 点，该时段内，停留在旅游城市中的旅游总人数为 45480 人，具体在各区的分布为 A4=(7729，18006，7517，10900，1328),旅游交通分布 OD 如下表所示： 表 2 高峰时段（12-13 点）OD 表 OD 表 1 2 3 4 5 6 7 8 9 1 4815 1078 1474 2098 351 40 6 4 7 2 1552 18318 1434 1580 194 110 17 12 19 3 1706 704 5713 1794 113 38 6 4 7 4 224
17、6 593 1372 8982 461 54 9 6 10 5 132 425 356 447 523 8 1 1 1 6 261 1199 261 209 156 0 0 0 0 7 41 190 41 33 25 0 0 0 0 8 27 126 27 22 16 0 0 0 0 9 46 210 46 37 27 0 0 0 0 将旅游城市旅游交通数据与城市居民出行数据叠加后即可得到城市交通出行分布规律。通过计算， 可以得到试验区日高峰小时交通出现在下午 17 时至 18 时。 在该时段旅游城市中旅游人口总数为 25440 人，在各区的具体分布为 A9=(5088，6974，5024，7
18、613，742)，旅游交通分布 OD 如图 3 所示： 图 4 试验区日交通高峰小时旅游交通分布 8 4 结语结语 本文根据对旅游城市旅游交通类型做了分析并切分类， 根据其特点， 基于马尔科夫随机过程对旅游交通变化规律进行了相应分析和研究， 建立旅游交通需求预测模型， 对模型各参数进行了标定， 并且构建魅力度模型、 转移概率矩阵。 将其应用于试验区旅游交通需求预测，计算结果得到实验区旅游人口在各功能区的实时分布以及各个时段实验区各功能大区之间的交通转移量，进而得到实验区高峰 OD 分布矩阵。结果表明该模型能较好的应用于旅游城市旅游交通需求预测。 对比传统交通需求预测模型， 基于马尔科夫链的旅游
19、交通需求预测模型具有模型构建相对简单、 计算速度较快、 预测结果较为符合旅游城市旅游交通特点等优点。但是，该模型也存在一些不足之处，比如模型中部分参数标定还有待更进一步的研究。 【参考文献】【参考文献】 1何美玲，陈菊旅游交通需求预测方法.物流科技J，2006，第 29 卷(总第 129 期)：83-85. 2关宏志，邵洁等自驾车旅游交通需求的基础研究.北京工业大学学报J，2005，第 31 卷(第 2 期)：151-154. 3张艳玲城市旅游交通规划若干关键技术研究D.南京：南京林业大学，2007. 4邵洁旅游交通需求预测的基本研究D.北京：北京工业大学，2005. 5 海南国际旅游岛先行试验区管理委员会. 海南国际旅游岛先行试验区总体规划 （20122030） R, 海南国际旅游岛先行试验区：2012. 6海南省旅游局.历年旅游统计数据EB/OL.2013 年 5 月 7 日. http:/ 【作者简介作者简介】 田关云，男，本科，兰州交通大学交通运输学院，硕士研究生。电子邮箱： 张云龙，男，本科，深圳市城市交通规划设计研究中心，规划三所所长，副总工程师，高级工程师。电子邮箱： 李伴儒，男，硕士，深圳市城市交通规划设计研究中心，高级工程师。电子邮箱：
