大型体育赛事宏观交通模型研究

举办大型体育赛事对城市基础设施建设和旅游文化发展具有巨大的积极作用^[1-2]。但是，大型体育赛事在短时间内带来的大量集中交通需求，不仅对场馆周边的交通运行产生冲击，也给整个城市的交通运行带来严峻挑战。为了应对这些挑战，赛事交通规划有必要采取对应的基础设施建设、交通组织规划和赛事期间临时交通政策等措施。这些都需要面向城市的赛事宏观整体交通模型的定量化支撑。因此，有必要构建城市级或区域级的宏观交通模型，以全面掌握赛事交通与城市交通的各自特点及互动关系，定量分析大型体育赛事活动安排及其交通规划、组织方案以及赛事交通政策对城市交通运行及赛事交通保障的影响。

交通模型是反映交通系统内在规律的数学模型组合^[3]，是反映人、车及货物交通规律的数学模型，需要基于大量、全面的基础数据，并通过严谨的模型理论和数理算法实现^[4]。目前针对大型活动或赛事的交通预测，大多是面向单个场馆的观众和赛事注册人群的微观交通仿真^[5-7]。微观仿真的主要功能是模拟车流和人流的移动状态，面向大型体育赛事，通常对关键节点、重点设施及其周边道路进行建模，如场馆(群)及其周边、场馆内、重要赛事交通枢纽等，目的是评估不同群体的车流或人流服务水平，同时在仿真展示中发现问题，提出优化建议以辅助决策。可见，针对单个或少量节点及建筑的微观交通仿真无法满足城市范围的交通分析，更无法支撑城市宏观层面的赛事规划和运营组织。

常规城市宏观交通模型反映典型工作日的出行需求和交通运行态势，一方面缺少赛事期间周末、节假日等不同特征日的交通运行特征，另一方面未考虑赛事交通需求以及相应的交通设施变化，导致既有模型架构和技术流程无法完全满足赛事相关规划及政策测试等应用需求。因此，有必要开展面向大型体育赛事交通模型的专项研究。

交通模型的关键作用是进行特定场景的交通需求预测，并获得各类交通设施的运行状况，对相关的场景要素进行分析评估。针对大型体育赛事交通影响范围广、涉及因素多、服务水平要求高、交通组织相对复杂等特点，需要构建专项交通模型，分析交通设施与需求的供需关系，判断交通设施的服务标准，支撑赛事的交通规划、交通管理方案和运营组织等；同时对城市交通的各项保障政策和措施提供反馈，为赛事期间城市和赛事双向交通规划提供量化分析支撑。例如2002年的盐湖城冬季奥运会，考虑其规模和特殊性，美国犹他州交通局(Utah Department of Transportation, UDOT)开发了宏观交通模型来预测交通问题的位置、规模和持续时间^[8]，采用了宏观模型预测和微观模型仿真相结合的方法。又如2008年北京奥运会，为了把握奥运交通需求与城市交通需求的兼容性和差异性，做到两个交通系统和谐运转^[9]，构建了基于奥运活动的城市宏观交通模型，支撑了一系列涉及城市基础设施、交通政策、交通组织方案等决策，例如重大基础设施规划、部分机动车停驶、错峰上下班、赛时公共汽车线网优化、奥运专用车道设置等。再如2010年广州亚运会，依据详细的建设和组织规划，使用最新标定的交通规划模型对道路运行状况和亚运场馆可达性进行定量预测^[10]，为各项规划方案的制定提供了支撑。

总体而言，面向大型体育赛事的宏观交通模型的主要功能包括：

1）需求预测。预测不同场景下城市范围的交通运行状况，为赛事各类交通政策、组织方案的制定提供依据。

2）方案评估。评估赛事相关的交通设施规划、组织和管理方案，分析不同方案下场馆之间的交通运行时间等服务标准、赛时赛后交通设施运行压力、不同客户群的交通服务水平，为赛事交通各类方案的制定提供支撑。

3）政策分析。评估区域及城市层面的各项交通政策和需求管理措施，为政府决策提供数据支撑，如私人小汽车限行、错峰通勤、假期调整、公共交通票价优惠、设置赛事专用路或专用车道等。

4）风险识别。识别交通运行的主要风险点，同时为单个场馆的微观仿真提供需求支撑。

5）应急测试。开展交通应急预案测试，如恶劣天气、突发事故、公共事件等。

城市交通模型通常反映工作日的交通需求和特征，包括交通需求模型、交通网络模型、模型校核及验证三大部分，其中交通供给与交通需求相互作用，交通需求模型得到的OD需求在交通网络模型中分配，交通网络模型又为交通需求模型提供各类交通阻抗数据。在满足模型校核及验证条件后，形成基年交通模型，并在此基础上构建规划年交通模型。

交通需求模型构建的方法主要有基于出行(Trip-Based)的交通模型和基于活动(Activity-Based)的交通模型。现阶段，中国城市交通模型构建仍以“四阶段”模型为主，包括出行生成、出行分布、方式划分和交通分配。个别大城市开始了基于活动的交通模型的建设，例如北京开发的基于出行链(Tour-Based)的交通模型，武汉、无锡也在进行出行链交通模型的搭建工作。在出行链模型中，研究对象从单次出行变成个人的出行链，出行链为从家出发去往一个或多个目的地然后返回家的所有行程总和^[11]，模型过程包括出行链生成、目的地选择和方式选择融合模型以及交通分配。

为了使模型更贴近实际，通常根据出行特征进行人群组和出行目的的划分，如人群组通常按家庭小汽车保有量、年龄、职业、居住地等单个或多个维度组合进行分类，出行目的则依据目的地用地类型、出行强度、出行方式、出行时间分布等特征进行归纳分析。

目前，中国有能力承担大型活动的城市，如北京、上海、广州、深圳、南京、杭州、武汉、天津、成都等，都建立了本地的城市交通模型，这为构建大型体育赛事交通模型奠定了较好的基础。

与一般的城市交通模型相比，面向大型体育赛事的交通模型具有4个显著特征。

1）模型构建以赛事具体应用为导向：相比于一般城市交通模型，大型赛事交通模型的应用目标更为具体和明确。因此，模型框架和技术路线的设计应以具体的应用为导向，满足主要交通政策以及赛事交通规划组织方案的测试评估要求。

2）模型覆盖赛事期间的不同交通特征日：由于大型体育赛事持续时间较长，可能覆盖工作日、周末、节日、寒暑假等不同时期，城市交通特征变化大；以不同时期高峰时段交通指数为例，出行总量和时间分布在不同时期存在明显差异(见图1)，仅反映工作日交通运行特征的城市交通模型无法满足各比赛日交通需求预测的需要。因此，需要分析赛事同期城市背景交通特征，建立一组不同特征日的城市背景交通模型。

图1 北京市2019 年不同日期早晚高峰交通指数

3）模型涉及的人群组类别多：大型体育赛事交通模型中除城市常态交通涉及的人群组外，还包含赛事交通涉及的各类客户群，如观众、运动员、技术官员、贵宾、媒体、赞助商、工作人员、志愿者等。不同的客户群体在人员规模、交通优先等级、交通服务标准以及入退场时间分布等方面存在较大差异，各客户群均须单独预测。目前的综合性赛事对各客户群的交通服务及交通优先等级都有系统的指导意见，如奥林匹克运动会、亚洲运动会。

4）模型分析的时空范围广：一般交通模型着重分析高峰时段重点道路的交通运行状况，赛事交通模型除关注城市交通高峰时段外，对赛事单个场馆、场馆群、整个赛区的高峰需求时段，需叠加相应时段的城市背景需求开展交通分析，时空覆盖范围更为广泛，以发现可能产生的市级、区域级及场馆周边的交通问题。

大型体育赛事宏观交通模型作为交通模型的延伸，整体框架遵循一般的城市交通模型构建流程(见图2)，包括交通需求、交通网络、模型校核及验证三个部分，三者相互作用，形成循环。然而，其与一般的城市交通模型也存在明显的不同。为了达到模型的应用要求，整个模型框架从具体应用出发，在模型构建完成后回归模型应用，其框架如图3所示。

图2 宏观交通模型典型构建流程

图3 大型体育赛事宏观交通模型框架

包括城市背景交通需求和赛事交通需求两部分。根据分析的范围和目的，两部分需求既可单独分析，也可合并后分析。将同时段、同方式的交通需求进行叠加，即可获得总的交通需求。

1）城市背景交通需求包括居民出行需求、流动人口出行需求、外部交通需求、特殊吸引点交通需求以及货运交通需求等。在工作日模型的基础上，根据赛事同期的交通特征，构建不同特征日交通模型，以满足赛事期间的交通预测需求。

2）赛事交通需求指赛事各客户群的出行需求。客户群的人员规模、时空分布以及提供的交通服务都存在明显区别，因此各客户群均需按赛事安排分别预测。

指交通设施及其服务能力相关的属性，包括道路网、公共交通网(轨道交通和公共汽车交通)、交通枢纽、赛事年规划设施以及与赛事相关的交通设施和交通服务等。针对赛事，需要考虑赛事专用车道、服务专线、安保封闭区、专用停车场等设施的规划与安排。

对基年城市背景交通需求模型进行校核是保证模型精度的关键，尤其是针对非正常工作日，由于缺少相应的居民出行调查数据，需开展多方校核。针对赛事交通需求模型，往届赛事和相似比赛的交通特征经验分析可作为合理性验证的重要依据。因此，交通模型的校核主要针对基年的城市背景交通以及赛事年的赛事交通。模型验证的目的是保证模型在修改输入条件后能获得合理的输出，提高模型测试的准确性。

模型应用是构建大型体育赛事交通模型的目的，也是模型构建的出发点。以具体应用为导向，对既有城市交通需求模型的技术路线和流程进行审阅，如人群分组、目的分类、交通方式选取等；对交通网络模型中各类设施的设置，核实能否满足交通政策及规划组织方案的评估测试，如果不满足则进行修正。

城市背景交通需求模型构建流程遵循以应用为导向的设计思路，形成与赛事同期对应的一组不同特征日而非单独典型工作日模型。基年各特征日交通模型的构建主要基于既有城市交通模型进行，前提是拥有一定的城市数据基础，在此基础上进行参数调整和模型校核。在“互联网+交通大数据”广泛应用的今天，利用大数据对赛事同期的出行特征及交通运行状况进行详细分析，确定特征日的数量和类别，构建不同特征日的城市交通需求模型，其模型框架如图4所示。

图4 大型体育赛事基年城市背景交通需求模型构建流程

对城市既有的反映工作日的交通需求模型框架和技术流程进行审阅，评估其是否能满足后续的具体应用。例如测试错峰上下班政策，需检查人群分组中是否将工作人员单独归类，出行目的中是否将通勤出行单独列出；测试延迟开学则需单独区分学生人群及上学出行目的等。如不满足则需进行修正，修正后的模型仍需开展校核和验证。

赛事同期通常从赛事交通服务开始起至赛事交通服务结束为止。赛事交通服务通常包含抵离交通服务，即从大型体育赛事注册人员开始抵达起，至所有比赛结束注册人员离开为止。交通特征日划分的主要依据包括：

1）日出行总量及时间分布：可通过手机信令数据获取，并以工作日实际调查数据为基准进行修正。

2）城市交通运行指标：如全日及分时段的交通指数、车速、路况、流量监测等数据。

3）各方式的日客运总量及时间分布：如公共交通刷卡数据、共享单车数据、出租汽车及网络约租车数据等。

4）出行特征的变化：包括出行目的、出行方式、出行时间等，在上述各类数据分析的基础上制定调查方案，开展持续的问卷调查，了解个体的出行特征及其变化。

赛事同期典型的特征日包括工作日、周末、节假日等情况。

在特征日确定后，依据出行特征变化，构建能反映每类特征日交通特征的一组背景交通模型，时段选择上，各类特征日均需包含早晚高峰时段，其他时段依据赛事交通的入退场高峰时间选择，需涵盖单场馆(场馆群)的入退场高峰和赛区的入退场高峰时段。

构建赛事年城市背景交通需求模型时，要对应更新模型输入，包括用地数据、交通设施规划、人口总量及分布场景、机动车保有量等关键数据。由于赛事对城市常住人口和流动人口总量的影响难以准确估计，同时受各项政策的影响，如杭州G20峰会期间采取休假政策，并联合省内及周边省市景点门票优惠等措施鼓励市民外出旅游，因此在进行赛事年各特征日交通预测时，要充分考虑可能的人口情景，进行多场景预测。

此外，由于赛事吸引的非观众游客以及观众在举办城市除观看比赛以外的出行，需要在流动人口出行子模型、对外交通子模型和特殊吸引点子模型中进行考虑。

赛事交通需求模型主要预测赛事相关客户群由于赛事需要而产生的交通需求，即考虑至少有一端在场馆的出行。赛事吸引的观众及旅游者在市内的其他活动出行均在城市背景交通中预测。

赛事各客户群的交通需求预测方法为四阶段法，单场赛事交通需求预测的具体流程见图5。影响预测结果的重要因素包括赛程、各客户群的人员需求、入退场时间分布、驻地分布以及提供的交通服务，这些因素的确定与赛事经验、赛事交通设施规划和交通组织方案密切相关，需与其他业务领域配合，当其中的任何因素发生变化，均对赛事需求产生影响。因此，赛事交通需求预测需随赛事筹办进度不断更新，并同步开展各项测试工作和结果反馈。

图5 单场赛事交通需求预测流程

由于各类客户群在总需求、时间空间分布以及出行方式上都存在较大差异，预测过程中需要对每类客户群单独分析。比赛涉及多个场馆的，需将各场馆同时段、同方式的交通需求叠加。由于赛事交通需求具有显著的时效性，需求计算的时间颗粒度不宜过大，建议设置为30 min或15 min，以体现短时最不利情况下的交通状态。

预测过程中，观众与注册人员的不同点主要体现为：

1）人员需求总量考虑因素不同。观众的人员总量主要受场馆容量和上座率影响，而注册人员的需求总量与比赛项目类型和等级(如预赛、半决赛、决赛等)密切相关，不同类别注册人员的需求量也不同。

2）抵离场馆的时间分布不同。注册人员抵离场馆的时间分布与观众区别明显，出行需求对应的时段不同，如工作人员和志愿者一般要求赛前3 h抵达、赛后1 h之后离场，而赞助商和贵宾则与观众的入退场时间分布相似，具体时间分布一般以往届赛事情况作为参考。

3）出行的空间分布不同。注册人员的出行分布主要受住宿分配方案的影响，其与赛事相关的出行集中在驻地与场馆、场馆与场馆之间，空间分布相对集中；而观众的空间分布范围相对较大，主要受城市居住用地和宾馆酒店分布的影响。

4）供选择的交通服务不同。注册人员的交通方式以提供的交通服务为主，按照赛事交通服务标准和交通组织方案，各类人群的出行方式相对固定；而观众的出行方式选择较为复杂，不同地区受基础设施供给、交通服务和居民出行特征的影响较大，需要根据城市具体情况构建方式选择模型。

赛事交通网络模型基于既有城市交通网络，以开展赛事交通分析为目标，评估交通网络设置是否符合模型的应用目标，同时在模型中区分现状设施和规划设施。调整的对象主要涉及：

1）交通小区。依据赛事交通分析的对象，将赛事涉及的场馆或场馆群、驻地、交通枢纽、P&R场站、安检点等重要节点，依据应用要求设置为独立交通小区。同时调整或设置交通小区的连接线，使其与道路的连接符合实际。

2）路段。细化赛事相关的道路网，尤其是场馆和驻地周边、可能的赛事专用路、专用车道、优先路、单行路等设施。测试赛事专用路，需增加赛事专用的交通方式，并设置相应的道路类型和流量延误函数。

3）节点转向。赛事期间通常会对城市交通的关键节点采取临时交通措施，尤其在场馆和客户群集中的居住区周边，对部分交叉口采取禁止某个转向的措施。

4）公共交通网络，包含公共汽车交通和轨道交通。核实赛事相关地点周边的车站、线路以及运营相关属性，在增加赛事专用交通方式的基础上，增加赛事公共交通网络，为后期赛事专线方案提供测试。

交通模型的本质为数学模型，模型能否准确地描述具体事物，需通过校核和验证，对于未达到要求的，需对模型结构和参数进行调整。校核和验证的主要目的是确保模型的合理性、准确性和真实性。

模型的校核及验证在大型体育赛事交通模型构建流程中的位置见图4和图5。对正常工作日的城市背景交通，模型的校核及验证与构建普通城市交通模型的方法一致。其余特征日因缺乏完善的居民出行调查数据，校核通常采用统计监测数据和调查数据。校核的内容主要包括出行分布、交通结构、交通量、道路运行状况等，同时需对不同特征日的模型结果进行比较，以保证模型能体现各特征日的主要交通特征。

模型的验证主要指真实性检验和对关键变量的敏感性分析，如不符合要求则需对模型进行调整。各特征日的交通模型均需进行验证，且不同特征日模型的验证结果需进行对比，分析其合理性，互为验证。

大型体育赛事宏观交通模型中的城市背景交通需求模型和赛事交通需求模型相对独立，根据模型应用目的，既可单独分配也可合并分配，运行效率和灵活性高。

与城市交通模型重点分析高峰时段类似，赛事交通模型也需关注高峰运行状况。其高峰同时受背景交通和赛事交通的影响，分别确定两者的高峰时段，将同时段、同方式的OD叠加后进行交通分配。因此，对每种特征日，通常需要叠加的高峰情况包括：1)城市背景交通早晚高峰叠加同时段赛事交通需求；2)单场馆或场馆群赛事入场高峰叠加同时段城市背景交通；3)单场馆或场馆群赛事退场高峰叠加同时段城市背景交通；4)赛区入场高峰叠加同时段城市背景交通；5)赛区退场高峰叠加同时段城市背景交通。

同时段指两类交通需求在交通网络上重叠的时间，如果场馆距离市区较远，赛事的入退场高峰需求在市区内的时段会有提前和延后，则城市背景交通需求的时段需做相应调整。

筹办阶段的众多交通政策、组织管理方案均需开展模型测试，将量化分析结果作为方案比选的重要依据之一。利用交通模型进行方案测试评估，总体流程如图6所示。无特殊政策和方案条件下，按常用情景设置基础模型，即不采取任何改变策略的模型条件，例如保持既有的交通需求政策、初始的交通规划方案、当前的赛事安排和交通组织方案等。

图6 赛事交通政策及方案测试评估流程

交通模型通常需要对最不利情况进行测试，测试时需覆盖以下情形：1)观众上座率最高的情景，无特殊情况按100%上座率计算；2)单个场馆或场馆群的入场高峰和退场高峰；3)赛区的入场高峰和退场高峰(针对多场馆、场馆群比赛)；4)赛事的开幕式和闭幕式；5)赛事抵离交通；6)赛事对游客吸引力的高、中、低情景设置，影响城市背景交通中的流动人口出行需求、特殊吸引点出行需求以及对外交通需求；7)本地居民出行需求不变的情景。

另外，赛事年城市背景交通受一些不确定因素的影响，需开展多情景预测，同时，考虑可能的突发状况(如天气、交通事故等)，以应对可能面临的挑战，提前做好预案。

方案的测试评估是一个循环的过程，评估除考虑交通效果外，还需结合政策方案的实际情况，分析其影响程度、可实施性、社会风险以及经济性等因素(见图7)。交通效果评估可根据测试方案的类别、影响范围、测试目的，单独分析交通需求或交通运行评估指标。

图7 赛事交通宏观模型测试主要评估指标

2008年北京奥运会期间共测试3个机动车停驶方案(见表1)，制定方案时，预计2008年北京市机动车保有量约为330万辆。

表1 2008 年北京奥运会机动车停驶方案

不同方案下道路交通负荷情况见图8。其中方案一的实施效果最好，其次是方案三。为满足市区快速路高峰时段的平均车速达到35~50 km·h^-1、一般干路平均车速达到20 km·h^-1的目标，方案二不能作为建议方案。方案三条件下，快速路平均车速约为40 km·h^-1、主干路平均车速约为25 km·h^-1。

a 无措施

b 方案一

c 方案三

d 方案四

图8 不同方案下路网负荷度示意

从实施效果、可操作性、影响程度和公共交通转移量等方面对各方案进行综合评估(见表2)。确定奥运会期间的停驶方案以方案三单双号限行为主，分阶段实施：第一阶段从7月20日至8月27日，在市域范围内实施单双号限行政策；第二阶段从8月28日至9月20日，在五环快速路主路以内道路及主要放射线道路实施单双号限行政策。在满足奥运交通目标的基础上缩小范围，降低对居民出行的影响。

表2 车辆停驶方案评估

大型体育赛事交通模型与一般的城市交通模型相比，具有应用要求高、覆盖不同交通运行特征、涉及人群类型多以及分析时空范围广等特征。

1）大型体育赛事交通模型的构建以具体应用为目的和出发点，梳理可能的测试方案，制定和优化模型框架和技术路线。

2）大型体育赛事交通网络模型应以分析赛事交通为目标，调整空间分析单元、更新细化交通网络并完善交通方式。

3）大型体育赛事交通需求模型包含城市背景交通需求和赛事交通需求两大部分，两者既相对独立又相互联系。城市背景交通覆盖赛事同期不同交通特征，利用各类交通数据对赛事同期的交通特征进行全面分析，对交通特征日合理分类，依托“互联网+大数据”构建一组不同特征日的城市背景交通模型；赛事交通模型需充分考虑不同客户群的规模、出行时空分布以及交通服务，分别开展交通需求预测，并结合赛事筹办进度不断更新。

4）大型体育赛事交通模型可为各类交通政策、交通规划及赛事交通组织方案等提供测试和评估。交通需求和交通运行指标旨在从交通的角度提供参考，具体政策的确定需结合多方因素综合考虑。

随着越来越多的大型体育赛事在中国城市举办，许多城市也将面临赛事交通模型的构建任务。目前宏观交通模型的构建相对复杂，赛事宏观交通模型更要面向多种交通特征日。如何利用大数据和人工智能对其框架和技术路线进行优化，提高模型构建的效率和精确度，提升模型快速反应的能力，是需要探索和研究的重要方面。

《城市交通》2021年第4期刊载文章