高低溫交變濕熱試驗箱我們將人口分為兩部分

　　原標(biāo)題：未來交通實驗臺︱紐約打造交通政策與新技術(shù)的虛擬實驗臺MATSim-NYC

　　面對近年來不斷涌現(xiàn)的新興城市出行方式，如何制定與修改相關(guān)交通政策，以及如何制定更優(yōu)的交通系統(tǒng)規(guī)劃，都成為了全球城市所面臨的重要問題。在不同環(huán)境下，政策、規(guī)劃和新出行服務(wù)之間又會產(chǎn)生哪些交互影響，并且如何來預(yù)測和分析這些影響呢？紐約大學(xué)Joseph Chow及其C2SMART團隊為此，基于多主體交通仿真平臺MATSim開發(fā)了MATSim-NYC這款交通政策與技術(shù)虛擬實驗臺。本文不僅著墨介紹了該實驗臺，還特別細致地介紹了其在紐約新交通政策與新出行服務(wù)推廣中扮演重要角色的五個案例，包括：①利用人工人口評估了大規(guī)模建成環(huán)境政策對城市既有及新興出行模式的影響，并評估了諸如共享單車的大規(guī)模擴張或者亞馬遜第二總部在紐約部署對全市交通出行的影響；②描述了MATSim-NYC的校準(zhǔn)和驗證過程，以及其如何應(yīng)用于美國擁堵收費政策的制定，特別是各種定價場景對交通出行影響以及系統(tǒng)整體收益分析；③之后還將實驗臺應(yīng)用與紐約布魯克林-皇后區(qū)有軌電車(BQX)的客流量預(yù)測分析工作；④進一步拓展至對布魯克林全域公交線網(wǎng)再設(shè)計的三種方案進行評估與優(yōu)化；⑤后也是的應(yīng)用是，將實驗臺用于研究COVID-19的交通影響及城市重新開放后公共交通運營的相關(guān)策略。

　　截止目前，我們已經(jīng)在期刊上發(fā)表了兩篇與MATSim-NYC項目相關(guān)的文章，我想借此機會簡要地介紹一下這項工作。本研究是C2SMART的一個為期兩年的項目，我們試圖開發(fā)一個仿真模型來評估運輸政策與技術(shù)對出行需求的影響。這是“Living Labs網(wǎng)絡(luò)”中個使用跨不同城市統(tǒng)一模擬平臺的項目，在不同的市場環(huán)境下，關(guān)于算法和運營政策的研究可以得到一致地評估和比較。

　　該工具是基于開源軟件MATSim構(gòu)建的，被用于已經(jīng)被規(guī)劃機構(gòu)使用的工具的補充，例如NYMTC使用NYBPM評估長期交通計劃。與那些主要的交通規(guī)劃工具不同的是，MATSim-NYC和“Living Labs網(wǎng)絡(luò)”其余部分的開發(fā)目的是成為針對不同新興技術(shù)或政策的快速響應(yīng)基準(zhǔn)測試工具。如果公共機構(gòu)想要測試某些公交路線，不同的交通擁堵收費方案，針對不同出行方式的服務(wù)區(qū)域，則該工具可以提供這些因素對城市影響的一致性的評估。該工具的主要優(yōu)勢是通過多主體仿真將動態(tài)交通和居民不同的活動行為結(jié)合在一起。這意味著該工具可以根據(jù)不同出行者在一天中不同時間段內(nèi)的出行路線和出發(fā)時間來體現(xiàn)全市范圍內(nèi)的交通擁堵情況。

　　用人工人口（synthetic population，是在計算機中對現(xiàn)實人口進行模擬而生成的虛擬人口數(shù)據(jù)集，它不保留真實個體信息，但自身情況執(zhí)行系統(tǒng)所允許的行為，不同個體間保留了某些重要的人口統(tǒng)計性質(zhì)）所體現(xiàn)城市結(jié)構(gòu)，其詳細信息發(fā)表在 Transportation Research Part A 的篇論文（參考文獻1，請后臺留言下載）。

　　本研究探討了評估建成環(huán)境政策所需的建模需求，特別是那些由新興的出行服務(wù)所驅(qū)動的需求。在可以通過智能手機使用共享單車和搭乘網(wǎng)約車的條件下，本研究建立了紐約市的人工人口，以及基于出行鏈的Nest Logit出行方式選擇模型。人工人口將城市中的每個個體模擬為具有仿真特征的獨立主體。因此，步入式高低溫試驗室我們可以量化出建成環(huán)境政策對不同人群的異質(zhì)效應(yīng)。研究結(jié)果表明，智能手機的擁有情況受收入水平的正面影響，受年齡的負面影響；反過來，相比其他交通方式，智能手機會對Citi Bike（紐約公共自行車系統(tǒng)）的出行產(chǎn)生負面影響。步入式高低溫試驗室人工人口被用來分析兩種城市規(guī)模的建成環(huán)境場景：假設(shè)亞馬遜總部部署和Citi Bike服務(wù)擴張。

　　場景一：如果亞馬遜成功在長島市建立總部（對應(yīng)交通小區(qū)362），往返于該區(qū)域的出行次數(shù)將增加239%，其中網(wǎng)約車（FHVs,for-hire vehicles, non-taxi）出行將增加441%，Citi Bike出行增加 456%，公交車出行將增加294%；早高峰出行次數(shù)將從5000提升至8000，晚高峰出行次數(shù)將從3000提升至6000。并且能夠預(yù)測如網(wǎng)約車（ride-hail）等不同出行方式下每日的出行時間分配。

　　圖二、2028年交通小區(qū)362內(nèi)網(wǎng)約車(FHV)進出量的日小時分布：(a)未部署亞馬遜總部，(b)部署亞馬遜總部。

　　場景二：若擴大Citi Bike（紐約有樁型公共自行車項目）的服務(wù)范圍，Citi Bike在每日總出行中的分擔(dān)率將從0.15%提升至0.30%，客流量將增加92％（假設(shè)在人口密度較低而服務(wù)水平很難保障的新地區(qū)保持合理的服務(wù)水平）；若能夠在整個紐約市內(nèi)有效擴張，Citi Bike在每日總出行中的分擔(dān)率將提升至0.48%，客流量將會比基準(zhǔn)水平增加210%。在擴張計劃下，Citi Bike早高峰出行次數(shù)將從基線次，如果能夠在整個城市范圍內(nèi)提供相同水平的服務(wù)，高峰出行次數(shù)將進一步增加到13000次。

　　圖三、每個出發(fā)小區(qū)內(nèi)Cite Bike的日出行密度：(a)初始服務(wù)范圍，(b)擴展Citi Bike服務(wù)范圍，(c)將服務(wù)范圍擴展至整個城市

　　這些應(yīng)用場景的實現(xiàn)即便是在不使用MATSim組件的情況下也能進行。我們在第二篇相關(guān)論文中還將交通模擬和日常行為反應(yīng)等要素考慮在內(nèi)，并將論文發(fā)表在Transport Policy上：（參考文獻2，請后臺留言下載）。

　　在這篇論文中我們描述了MATSim-NYC的校準(zhǔn)和驗證過程。該實驗臺通過加載前期研究中已校準(zhǔn)過的800萬以上的2016年人工人口數(shù)據(jù)，并將路網(wǎng)的不飽和流速和通行能力按照6個時間段以及2種道路類型都進行了調(diào)整。然后將其路網(wǎng)數(shù)據(jù)與INRIX（一家美國私營科技）的速度數(shù)據(jù)、步入式高低溫試驗室沿EastRiver交叉口的交通核查線年平均日交通以及地鐵乘客數(shù)據(jù)都進行了校準(zhǔn)。結(jié)果顯示，測試平臺與高速公路的平均車速差為7.2%，與干道的平均車速差為17.1%，而與交通核查線的平均單日車流量差僅為+1.8%。與全市10個大運量車站的地鐵日乘客量的平均相對誤差為8%；與平均交通量的平均相對差為39.8%，而與選定道路上計數(shù)的中位數(shù)則有29%的差異。以上這些差異，相對于一個市域級別的仿真模擬來說，已經(jīng)是一個比較好的結(jié)果了。

　　在這篇論文中，校準(zhǔn)后的虛擬實驗臺主要用于評估紐約市基于警戒線的擁堵定價政策影響，其中里面的時間價值是按照29美元/小時來計算的（根據(jù)He等人（2020）的人工人口估計得到）。我們將基線美元，基于區(qū)域規(guī)劃協(xié)會（RPA）的提案）和模式2（高峰時段14美元）進行了比較。

　　在模式1（Schema 1）中，區(qū)域規(guī)劃協(xié)會（RPA）提案中的方案與另一個試點方案一同實施，并且擁堵收費根據(jù)不同路段和時間的影響進行了評估。結(jié)果顯示，即使在同一方案以及每年收入相似的情況下，汽車出行量的減少仍是RPA提案的兩倍。另外，從實驗臺中可以觀察到很多現(xiàn)象，而這些現(xiàn)象只能通過采用多主體模型來進行分析。個觀察到的現(xiàn)象是消費者盈余的變化。雖然37%-40%的人群因擁堵造成出行成本增加，但是其余人群的獲得的收益遠遠超過了那些人的損失。這就使得兩種人群的平均消費者盈余得到改善，而這一結(jié)果也為擁堵收費政策提供了支撐。上述研究之所以能夠?qū)崿F(xiàn)，是因為多主體模型能夠很好地模擬擁堵收費對多種不同類別形式的影響，而這也正好體現(xiàn)了MATSim-NYC這個工具的優(yōu)勢。

　　通過收費相關(guān)區(qū)域與其他區(qū)域在收益上進行比較，我們發(fā)現(xiàn)前者的收益是后者的兩倍以上，而這也揭示出了通行收費的收入分配會對外部區(qū)域的公共交通能產(chǎn)生積極的影響。

　　當(dāng)收費價格從模式1（Schema 1）提高到模式2（Schema 2）時，全市范圍內(nèi)的消費者盈余變化略有下降，但與收費相關(guān)區(qū)域的收益反而在繼續(xù)上升。這不僅說明了14元的收費標(biāo)準(zhǔn)過高，同時也說明了較高的收費價格使得曼哈頓區(qū)本地人受益的同時，也犧牲了整個城市的利益。

　　不僅如此，我們還可以量化這兩部分人群每天不同時間的汽車出行次數(shù)變化情況。通過對不同出發(fā)時間的觀察，我們發(fā)現(xiàn)擁堵收費前后的發(fā)車時間變化可按模式來確定。兩種不同人群（收費區(qū)內(nèi)和收費區(qū)外）出發(fā)時間分布如圖1所示。在收費相關(guān)路段的汽車出行數(shù)量全天顯著減少，特別是當(dāng)擁堵費較高且又在高峰時段時(早上6-10點，下午2-8點)，而其他區(qū)域的影響則時升時降。當(dāng)收取交通擁堵費后，汽車出行分布總體趨于平緩。有趣的是，非收費路段的汽車出行數(shù)量主要在非高峰時段增加，而這可能是因為收費路段的汽車出現(xiàn)數(shù)量的減少給城市其他地區(qū)帶來更多的道路空間。我們的分析表明，這里存在這么一個收費價格的峰值，當(dāng)價格超過這個峰值時，曼哈頓當(dāng)?shù)厝说男б婢蜁�被城市中其他出行的成本所抵消�?

　　圖四、(a)與擁堵收費相關(guān)路段(b)與擁堵收費無關(guān)路段的汽車行程出發(fā)時間分布

　　綜上所述，定價政策對曼哈頓內(nèi)出行的人口群體和曼哈頓外出行的人口群體產(chǎn)生不同的影響：減少交通擁堵帶來的好處使前者受益，并且比后者多出約110%以上。通過多主體模型我們可以看出，高低溫交變濕熱試驗箱每日基于出行的消費盈余相對于模式1下基本情景的變化累積分布（如圖2所示），并且37.3%曼哈頓內(nèi)出行人群和39.9%曼哈頓外出行人群將受到定價的負面影響，而這些將會對擁堵費收入的再分配產(chǎn)生影響。當(dāng)擁堵定價從9.18元提高到14元時，即便將與收費相關(guān)人群的擁堵定價提高，全市的出行消費者盈余仍會減少。也就是說，當(dāng)擁堵定價從9.18美元提高到14美元，雖然曼哈頓區(qū)本地人將受益，但也犧牲掉了城市其他區(qū)域群眾的利益。

　　除了以上應(yīng)用之外，還有其他更多應(yīng)用場景。在一份項目報告中，詳細介紹了一項關(guān)于布魯克林-皇后區(qū)有軌電車(BQX)的應(yīng)用。（參考文獻3，請后臺留言下載）。

　　圖六、魯克林-皇后區(qū)有軌電車（BQX）平面示意圖（source: BQX, 2019）

　　該市經(jīng)濟發(fā)展和紐約市交通局計劃將在2023年前發(fā)布該項目的終設(shè)計，并于2029年完成建設(shè)（Robbins，2020）。有軌電車（BQX）是預(yù)計使用初年日乘客量為5萬人次，經(jīng)過幾十年后將達到9萬人次。

　　根據(jù)有軌電車（BQX）的設(shè)計報告（BQX，2018），該項目的服務(wù)時間從早上5點到晚上11點，高峰時段發(fā)車頻次是每5分鐘一趟(上午6:30-9:30；下午4:30-7:30)，平峰時段發(fā)車頻次為每10分鐘一趟。我們在臺式機上通過虛擬測試平臺對有軌電車（BQX）進行了模擬，假設(shè)有軌電車（BQX）的行駛速度為8英里/小時，該臺式機采用Intel(R) Xeon(R) CPU E5-2637 v4 @ 3.50GHz處理器和128GB內(nèi)存的配置，計算時間約為13小時。

　　結(jié)果顯示，有軌電車（BQX）的模擬日乘客量為112,775人，是推薦日乘客量（50,000人）的兩倍多。高低溫交變濕熱試驗箱模擬結(jié)果表明，有軌電車（BQX）的吸引力可能會比預(yù)計要更大。圖4顯示了所有車站的模擬量和推薦量。

　　模擬車流量的分布與推薦車流量相似，但變化幅度更大。早高峰北行車輛的載客量分布如圖8所示。

　　結(jié)果顯示，該線th Ave-Vernon Blvd站附近。通過跟蹤調(diào)查，我們在圖6可以觀察到有軌電車（BQX）乘客出行方式的轉(zhuǎn)變。

　　大部分的有軌電車（BQX）乘客從其他公交出行轉(zhuǎn)化過來的，而僅有約16%的乘客是從小汽車出行方式轉(zhuǎn)化為有軌電車（BQX）出行的。這也說明了有軌電車（BQX）主要吸引的是公共交通出行用戶，因為他們是發(fā)現(xiàn)有軌電車（BQX）能提高他們的出行品質(zhì)。而約16%的小汽車用戶的出行方式轉(zhuǎn)變也可以看到，有軌電車（BQX）每天能讓約1.8萬出行者放棄乘坐小汽車出行，轉(zhuǎn)而乘坐公共交通工具出行。

　　此外，我們也應(yīng)用這個實驗臺工具對Morran研究所重新設(shè)計的布魯克林公交線網(wǎng)進行了評估。我們使用MATSim-NYC設(shè)計了另一種服務(wù)頻率方案，這種方案可以使成本回收率（乘客通過票價支付的總營業(yè)收入的百分比）從現(xiàn)有的0.22% 提高到0.35%，其中74%的新公交出行由原私家車出行轉(zhuǎn)變而來，具體研究如下：

　　通過將Goldwyn和Levy（2020）的設(shè)計（場景二）與現(xiàn)有方案（場景一）進行比較，會發(fā)現(xiàn)他們的設(shè)計可以使乘客量增加23％，而運營成本卻降低6％。但是，通過我們的基于仿真的頻率設(shè)置方法，可以進一步降低運營成本（與場景一相比降低25％），同時，與場景一相比，我們的載客量將保持20％的增長。因此，基于仿真的優(yōu)化方法可以對場景二的網(wǎng)絡(luò)進行改進，以此將成本回收率從現(xiàn)有方案的30％提高到60％。

　　仿真軟件會輸出每個個體的出行選擇，我們可以確定場景二和場景三新增的載客量來自于哪種交通方式。這會幫助我們解決在網(wǎng)約車服務(wù)或其他出行模式的影響下該如何設(shè)計公交線所示，在這兩種方案下，新的公交出行人數(shù)主要來自于原私家車出行人數(shù)，這是一個令人鼓舞的結(jié)果。在重設(shè)的公交線次出行）來自網(wǎng)約車服務(wù)，這表明這兩種模式之間沒有太多競爭。將近12%的出行來自步行，這表明重新設(shè)計的公交線網(wǎng)為原本步行的人們提供了更便捷的選擇。高低溫交變濕熱試驗箱

　　近期，我們已將該實驗臺工具用于評估COVID-19的影響及重新開放運營的策略，其中我們的分析表明，微出行方式將發(fā)揮更大的作用，具體內(nèi)容如下：

　　使用COVID情況下的出行數(shù)據(jù)，我們重新校準(zhǔn)了效用模型，以反映人們?nèi)找嬖鲩L的對使用公共交通等共享出行方式的抵觸與厭惡。我們首先使用Dingel和Neiman（2020）的研究數(shù)據(jù)確定了無法在家工作（WFH）的人口比例，并根據(jù)紐約州重新開放階段計劃，根據(jù)NAICS就業(yè)行業(yè)制定了WFH比例表。

　　隨后，使用隨機選擇方法調(diào)整了MATSim-NYC中的人工人口，以適應(yīng)在COVID情況下的比例。之后，調(diào)整出行選擇效用模型參數(shù)，以使所得的非WFH出行模式適合所觀察的數(shù)據(jù)，從而得到重新校準(zhǔn)后的行為模型。我們稱其為MATSim-NYC-COVID模型。

　　這些變動也存在于其他出行方式中，這意味著居民更偏愛私家車出行，步行和騎車這三種模式，而選擇公共交通的人會更少，更別提出租車、共享單車了。此外，我們將人口分為兩部分，結(jié)果表明其趨勢相同，但對曼哈頓和非曼哈頓居民的影響卻不同。

　　使用公交站點數(shù)據(jù)對模型進行驗證，對于11％的站點乘車數(shù)據(jù)樣本，MATSim-NYC模型在預(yù)測站點水平行程中僅存在13％的平均差異，而在COVID期間則只有24％的差異。

　　然后，我們使用該模型來分析重新開放運營的場景，假設(shè)用戶的行為存在慣性，即他們不會立即恢復(fù)到先前的行為（他們對共享使用的運輸方式保持相同的風(fēng)險規(guī)避行為）。

　　MTA正在考慮不同的策略，并在重新開放的階段采取某些策略。我們還從中國其他城市了解到，他們正在采用將公共交通能力限制為50％的政策。首先，我們分析行為慣性下的第四階段完全重新開放，以了解道路交通和公交出行的變化。下圖場景1中可以看到，其中CB是Citi Bike，而Ride是拼車模式。這些值表示在COVID期間每個出行方式每日行程總數(shù)，在各個重新開放的階段，除以COVID之前的日行程總數(shù)。1-3階段是在假設(shè)運輸尚未完全開放的情況下進行建模的。

　　即使到了第4階段，也沒有運輸能力的限制，我們可以看到，公共交通乘車率可能僅返回到COVID之前水平的73％，而乘用汽車出行可能超過這些水平的142％。這表明如果存在出行行為慣性，則對重新運營后交通流量會變大。

　　圖十三：疫情模型得到的出行比例與疫情之前的模型比較，其中對第四階段進行不同仿真：（a）有運輸能力約束，（b）沒有運輸能力約束

　　對于場景2，該場景將載客量上限設(shè)置為50％。在第4階段中，總體的公共交通乘客率可能會進一步下降到COVID之前水平的64％，但私家車可能不會進一步上升（從142％上升到143％）。乘客轉(zhuǎn)向非汽車模式似乎可以支持容量限制，特別是像共享單車（Citi Bike）這樣的微出行方式可能從COVID之前的水平的0.92上升到1.84。

　　這一結(jié)果對于采用通行能力限制是令人鼓舞的，因為相對于已經(jīng)增加的行為慣性而言，它可能不會顯著增加私家車交通量（這是主要問題）。同時，相關(guān)負責(zé)人應(yīng)當(dāng)注意，并將公共交通能力限制策略與對微型出行選擇的充分支持相結(jié)合。

　　現(xiàn)在CTECH/Cornell的研究人員合作使用該工具，研究在不同公交系統(tǒng)重新運營情況下，如何權(quán)衡COVID疫情風(fēng)險與環(huán)境影響之間的利害關(guān)系。

　　MATSim-NYC文件通過Zenodo（我們的開放數(shù)據(jù)存儲庫（需注冊））對公共機構(gòu)和研究人員開放：

　　“Living Labs網(wǎng)絡(luò)”將被集成到我們中心的城市數(shù)據(jù)觀測站中，以此來隨著時間的推移，匯總不同的方案結(jié)果。我們現(xiàn)在正在進一步改善其性能，以更好地整合城市配送，并考慮服務(wù)人員的不足。
以上信息由無錫瑪瑞特科技有限公司整理編輯，了解更多高低溫試驗箱,高低溫交變濕熱試驗箱,步入式高低溫試驗室,復(fù)合鹽霧試驗箱信息請訪問http://www.xrcixiu.cn