用地结构熵的熵重力模型范文

本站小编为你精心准备了用地结构熵的熵重力模型参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《长安大学学报》2014年第三期

1阻抗函数性质与区内出行预测的不适用性

由于阻抗函数是重力模型输出结果的主要控制。因此，为了进一步研究重力模型应用中的结构性偏移机理，首先要了解阻抗函数与出行距离的关系，负指数函数的关系如图1所示。从图1中可以看出，当出行距离在（0．5，1．0）km范围内变化时，阻抗函数的取值在（0．38，1）范围内变化。但事实上，在这样的出行距离范围以内，绝大多数人将会采用步行出行方式。而从国内外城市居民出行结构上来看，步行出行的比例一般在［0．20，0．25］范围以内［10］。这就说明至少负指数函数阻抗型的重力模型对短距离出行存在明显的高估。而这一问题单凭参数估计技术是难以解决的。这就意味着，Hyman法中的参数标定结果将会由于短距离出行的高估而整体偏小。出现这一问题的原因在于Wilson（1967）、Ortuzar等（1994）利用信息熵理论推导重力模型的过程中，对初始熵模型的等概率假设和定常条件∑ijtijcij＝c的引入（c为常数）［11］。而上述假设和条件在重力模型的推导过程中具有核心作用，因此这样的系统误差难以避免。除非对区内出行采用非重力模型的方法进行估计。

2基于用地结构熵的广义熵重力模型

由于重力模型对区内出行的估计值往往过高，一种可行解决办法就是采用非重力模型的方法来对区内出行进行另行估计，例如用相关因素进行回归分析。在估计区内出行量的基础上，再应用重力模型反推区内阻抗，最后将该区内阻抗作为区内出行分布的重力模型阻抗估计初值，再重新应用到重力模型中，对其进行整体标定［12］。但假如遵循这样的分析方法，出行分布模型就难以取得一致的表达形式，同时还存在区内出行和区间出行2个系统的总量平衡问题。另外，如果按通常做法对区内出行量进行人为控制，将消减出行分布估计的客观意义和理论价值。为此，本文从重力模型的原始假设入手，构建能够一致估计区内、区间出行分布的新重力模型。综合重力模型的假设条件来看，重力模型的建立关注了出行量大小以及出行成本在出行目的地选择过程中的作用，然而却忽略了不同目的出行对于目的地的指向性。而事实上，现代城市的用地差异化布局（例如功能分区和大型商业综合体的出现），必然导致这种指向性随着城市的演化越来越显著。一般而言，人们在出行目的地选择的决策过程中，首先需要考虑出行目的，在出行目的考察的基础上才估计出行的成本，按照效用最大化的原则选择最终目的地。比如，以就学为目的的通勤出行难以与办公用地的吸引能力大小产生关系。这就意味着原始重力模型中以出行产生（吸引）规模、出行成本（即阻抗）为影响因素的模型本身没有将相关因素涵盖完备。为了描述用地布局差异性所造成的目的地选择制约现象，不妨引入新的参数来表达不同性质用地构成差异性对出行目的地选择的作用。

2．1土地结构差异性的熵函数表达从一般系统科学的角度来看，系统只要满足叠加原理，总可以利用形如式（4）的概率测度熵函数来唯一确定系统的构成状态。假如将构成交通小区i和j的用地类型划分为n种，那么就可以定义其中k类型用地出现的概率测度为pij，k，表征交通小区i与j中属于类型k的用地在2个交通小区总用地构成中的比例，计算公式为式中：Hij为交通小区i与j间的联合用地结构熵，表征2个交通小区之间出行产生（吸引）量相互平衡的可能性大小；K1为参数，与相关变量的采用单位有关。联合用地结构熵根据参数变化如图2所示。

2．2广义熵重力模型的形式假如认为交通小区i与j之间的出行量主要受出行产生（吸引）量、出行成本和用地混合程度的影响，那么可以构建广义熵重力模型的一般形式为2．3出行阻抗的标定广义熵重力模型在应用之前应进行参数的标定，对式（8）两端取自然对数，得到

3模型验证

为了判断上述广义熵重力模型的适用性，采用2008年西安市居民出行调查实际数据进行验证。作为一种可行的办法，不妨采用广义熵重力模型中的相关参数来验证估计结果。为了较为系统地说明该问题，下面的应用研究中分别对区内出行矩阵和全体出行矩阵作应用研究，以验证模型的适用性。

3．1区内出行估计的可用性在2008年西安市居民出行调查数据库中提取相关数据如表1所示。参照式（9），应用SPSS软件对前17组数据进行多元线性回归分析，结果如表2所示。应用式（10）对后16组数据进行估计，估计结果的误差分析如表3所示。从表3误差分析的结果来看，NG模型的平均估计误差为23．41％，GG模型为14．88％，精度提高了36．44％。这充分说明了式（8）对区内出行的适用性。

3．2整体估计的可用性由下页表4，可得到NG模型的表达式为分别应用式（11）和式（12）对居民出行数据进行估计，对估计结果的误差分析如表6所示。从分析结果上来看，两者的拟合效果还是有一定差异的，NG模型的平均估计误差为23．74％，GG模型为19．10％，精度提高了19．56％。总的来看，参变量Hij的引入对总体重力模型的改善有效果，但不如对区内出行估计的改善效果明显。

4结语

（1）引入用地结构描述性指标以后，出行分布模型能够用一致地形式逻辑来表达区内和区间出行，这对重力模型理论本身是极大的完善。（2）尽管本文提出的模型对区间出行量的分布预测精度只提高了19．56％，但对区内出行预测精度提高了36．44％，十分显著。（3）提出模型的意义绝不仅仅在于提高预测精度，更为重要的是，该模型将城市规划阶段的用地分布特征指标直接引入交通四阶段法中的交通分布阶段之中，从而对于用地结构控制和交通需求管理具有重要的理论意义和应用价值。

作者：马静林贵宝罗小强单位：长安大学公路学院长安大学建筑学院