[论文解读] Architecture for Modular Microsimulation of Real Estate Markets and Transportation

Paul G. Waddell, Ignacio Garcia‐Dorado+5 more|arXiv (Cornell University)|Jun 29, 2018

Transportation Planning and Optimization被引用 8

一句话总结

本文提出了一种模块化、开源的微观仿真架构，整合了土地利用、出行需求与交通分配模型，用于城市规划。通过结合UrbanSim、ActivitySim以及GPU加速的交通微观仿真器，该框架实现了对出行模式与拥堵的高分辨率、全代理人仿真，与SUMO的平均占有率一致性达到6%，并支持交通与土地利用政策的年度反馈分析。

ABSTRACT

Integrating land use, travel demand, and traffic models represents a gold standard for regional planning, but is rarely achieved in a meaningful way, especially at the scale of disaggregate data. In this paper, we present a new architecture for modular microsimulation of urban land use, travel demand, and traffic assignment. UrbanSim is an open-source microsimulation platform used by metropolitan planning organizations worldwide for modeling the growth and development of cities over long (~30 year) time horizons. ActivitySim is an agent-based modeling platform that produces synthetic origin-destination travel demand data, developed from the UrbanSim model and software framework. For traffic assignment, we have integrated two approaches. The first is a static user equilibrium approach that is used as a benchmark. The second is a traffic microsimulation approach that we have highly parallelized to run on a GPU in order to enable full-model microsimulation of agents through the entire modeling workflow. This paper introduces this research agenda, describes this project's achievements so far in developing this modular platform, and outlines further research.

研究动机与目标

• 开发一个模块化、高分辨率的微观仿真平台，整合土地利用、出行需求与交通分配模型，以支持城市规划。
• 通过完整建模工作流模拟个体代理人，实现出行与土地利用政策的年度反馈分析。
• 支持复杂政策评估，包括以公共交通为导向的发展、停车政策，以及TNCs和自动驾驶汽车等新兴技术。
• 通过GPU并行化与模块化设计提升计算性能，实现快速模型迭代。
• 通过真实世界数据与SUMO等成熟仿真器的输出结果对集成模型进行验证。

提出的方法

• 该架构利用UrbanSim在地块与建筑层面进行长期土地利用与开发模拟。
• ActivitySim基于基于代理的建模与行为选择模型，生成合成的起讫点出行需求数据。
• 采用GPU并行化的交通微观仿真模型，处理详细本地道路与公共交通网络中的个体车辆移动。
• 系统使用模板化编排管道集成模型步骤，确保模块化与可扩展性。
• 同时实现静态用户平衡与动态微观仿真用于交通分配，支持基准测试与性能评估。
• 模型校准基于真实世界出行时间与道路利用率数据，并与SUMO输出结果进行验证。

实验结果

研究问题

• RQ1 如何通过模块化微观仿真架构在微观层面有效整合土地利用、出行需求与交通分配模型？
• RQ2 GPU加速的交通微观仿真在性能与准确性方面在多大程度上可与SUMO等成熟仿真器相媲美？
• RQ3 在年度仿真周期中，土地利用开发、出行需求与拥堵之间的反馈效应如何体现？
• RQ4 在全代理人城市模型中，模型粒度与仿真性能之间的计算权衡是什么？
• RQ5 集成模型在多大程度上能再现真实世界的交通模式与利用率指标？

主要发现

• GPU并行化的交通微观仿真器在相同情景下与SUMO的平均占有率一致性达到6%，验证了其准确性。
• 大多数车辆在仿真中行驶的路段数少于45条，表明出行距离较短且具有局部化特征。
• 大多数车辆行驶距离较短，峰值频率集中在0–10公里区间，燃油消耗与行驶距离强相关，且因拥堵与停驶而增加。
• 通过将采样时刻的车辆数除以每条路段的理论最大通行能力，对道路路段利用率进行分析，识别出拥堵热点。
• 模型成功利用基于频率直方图的随机分桶方法模拟了个体出发时间。
• 模块化流水线实现了土地利用、出行与交通反馈的年度间隔全代理人仿真，支持复杂政策的情景分析。