大型活动期间，公共交通系统可根据服务对象的不同划分为日常公共交通系统与大型活动专用公共交通系统。日常公共交通系统包括轨道交通系统和常规公共交通系统，该系统同时为大型活动及日常交通服务。大型活动专用公共交通系统包括专供媒体、参与活动的大家庭成员及观众使用的穿梭巴士。根据实际情况，城市公共交通的构成方式可以分为：以轨道交通系统、快速公共交通系统为主，大型活动地点和换乘点之间的穿梭巴士为辅，出租车及租赁车辆作为有效补充。

大型活动期间，城市公共交通需求由两部分构成，分别为城市背景公共交通需求和大型活动公共交通需求。然而，大型活动期间城市公共交通需求并不是两部分需求的简单叠加。由于大型活动会对城市背景公共交通需求产生一定的影响，从而需要对其进行相应的修正。所以，先对大型活动对日常需求的影响进行机理分析，再对大型活动下的城市公共交通需求进行预测。

5.1.2.1　日常公共交通需求预测

传统的交通需求预测是以城市土地利用为基础的“四阶段”法，以此为前提，公共交通需求预测的思路可以从居民出行生成预测着手，至居民出行分布预测，再至居民的出行交通方式划分，从而得出规划年的公共交通出行分布OD矩阵。这样，既有利于保证城市综合交通系统合理的发展方向，又达到了综合协调城市各交通方式发展规模和水平的目的。按照上述思路，首先以预测出行生成、出行分布、出行方式划分的顺序分别对城市居民和流动人口的公共交通需求进行预测，然后进行对外公共交通需求的预测，最后将各部分结果汇总。然而，基于活动的公共交通需求预测，是将城市居民公共交通出行这一部分的预测建立在根据个人出行行为划分的居民分组基础上的需求预测方法。由于大型活动会对背景出行需求产生一定的影响，因此，根据居民日常出行的必要性及可调性，一般又将日常交通客流需求分为三个层次。

(1)非基本出行：主要指对日常生活影响及社会经济影响较小且易于调整的一类出行。

(2)基本出行：主要指对日常生活影响及社会经济影响较大且难以调整的上班、上学类和公务贸易类出行。

(3)基本保障出行：消防车、救护车和110警车等特殊社会保障车辆的出行。

1.城市背景的公共交通需求预测

城市背景的公共交通需求预测方法主要包括两类：传统的“四阶段”交通需求预测方法和基于活动的交通需求预测方法。

传统的“四阶段”交通需求预测方法是基于城市规划年社会经济发展预测、土地使用发展的变化和城市机动车发展规模的预测，以及大型活动举办时的需求管理规划等进行的。通过相关分析方法来确定各交通小区的出行产生吸引量，并通过当时交通基础设施建设的情况，对出行方式比例做出预测，并进行出行方式划分，进而通过重力模型完成出行分布计算，最终通过容量限制多路径的分配方法的多次迭代来完成路网流量的分配。

首先，在传统的“四阶段”交通需求预测方法中，城市背景的公共交通需求预测是在城市背景交通需求预测的基础上，通过出行分布和方式划分步骤得到公共交通的出行需求OD矩阵。然后，再将行人和自行车OD量在规划路网上进行分配，并根据公共交通线路及发车频率，把具有公共交通模式的路段进行公共交通流量预加载。

城市背景的交通需求预测模型是根据交通小区土地利用数据和供给模型计算的服务水平指标来进行预测的，模型根据个人出行行为划分的居民分组来模拟居民的出行活动和生成居民一日出行链来估计和预测分模式的OD矩阵。

1)出行生成阶段

在出行生成阶段，需求模型根据居民小区中居民分组数据和按出行行为划分的居民分组的一日出行的活动链(Activity Chains)概率计算出各个交通小区生成的与出行目的相关的一日活动链数据。活动链描述了一个人一天中与出行相关的活动次序，起点和终点都在家，这里活动(activity)的定义相当于一次有目的的出行(Trip Purpose)，即与出行行为相关的活动。例如，一个活动链：家(H)—工作(W)—购物(O)—回家(H)。那么活动链HWOH 代表着三次出行：HW，WO，OH。为了计算活动链，对于每条活动链都需要有一个根据居民分组的使用这条出行链的概率，这个值描述了这条活动链对于这个居民分组中的一个人平均每天使用这条活动链的频率。

根据居民出行调查数据，统计城市居民个人出行行为特征，将居民人口划分为若干类行为相似的人群。例如，根据2005年北京市居民出行调查数据，统计居民个人出行行为特征，将居民人口划分为七类行为相似的人群：有车的就业人员、无车的就业人员、小学生、中学生、大学生、无职业者、退休人员。将居民活动链经由优化合并进行缩减，根据交通小区中不同人群的人口数量和相应人群选择出行方式的频率，即可预测由各交通小区的人口产生的出行总量和活动链数目。

2)出行分布阶段

目的地选择模型通过将各种活动分布到相应的目的地小区，从而将活动链数据转化为出行链数据。对于出行链中的活动目的地的选择，模型必须给每个活动都提供交通小区对这个活动出行的吸引度的结构化数据(如土地利用数据)。目的地交通小区的选择是由出行OD对之间的阻抗(如距离、出行时间、公共交通服务水平等)和各个居民分组及居民活动对于这些阻抗的敏感度共同决定的。通过目的地选择子模型进行目的地选择，计算出行链总数，这些出行链数据可以集计成总的出行需求矩阵。

出行目的地选择模型如下：

式中 Fij——小区i至小区j 的出行量；

Pij——以小区i为起点，选择至小区j 的概率；

Oi——小区i的出行产生量；

Dj——小区j 对出行的吸引强度；

B——小区的数量；

k——交通小区编号。

阻抗函数f(wij)的形式为

式中 wij——小区i至小区j 的阻抗；

α，β——校正参数。

在分布函数中，选择综合费用作为模型交通阻抗，其数值通过交通分配过程获得。

需要标定α，β的值由需求预测模型中人群分类和出行目的分类决定，可以通过VISEM 软件中的相应功能模块，建立α ≠0，β=0和α ≠0，β≠0两种分布模型。

根据标定的参数，可将模型运算得出的各人群分类出行的出行距离分布与实际居民出行调查的距离分布进行对比，最终决定选取哪类形式的分布模型。

3)总出行需求

经过出行生成和出行分布阶段，得到了总的出行需求，并以OD小区之间的出行链的形式表现。之后，总的出行需求需要分配到各种交通方式上，传统的方式划分模型根据集计的交通系统特性将总的出行需求细分到各种交通方式上，这种模型不能够反映个人的选择行为。在方式划分阶段，多维Logit方式选择模型考虑到可转换交通模式和不可转换交通模式的因素，将出行链分解为特定的交通模式。VISEM 软件应用了一个面向行为的方法(Behaviour-Orientated Approach)，这个方法在方式划分阶段考虑了三方面的因素：

(1)社会经济状况，特指决策人群的车辆拥有率(根据居民分组)。

(2)各种交通模式的服务指标(通过一个效用函数，这个效用函数考虑到了一些指标，如出行时间、进入和离开小区的时间、公共交通换乘次数等)。

(3)在一个出行链中的选择约束(这些约束被定义为可转换交通模式和不可转换交通模式)。方式选择模型采用了Logic方式选择模型，其形式为

式中 Fgij(m)——人群g 从小区i到小区j 采用交通方式m 的概率；

Ugij(m)——人群g 采用交通方式m 从小区i到小区j 的综合费用；

其中综合费用的函数形式为

式中 Tij(m)——采用交通方式m 时从小区i到小区j 的旅行时间；

Zij(m)——采用交通方式m 时出小区i和进小区j 的时间；

Dij(m)——采用交通方式m 时从小区i到小区j 的距离；

Cij(m)——采用交通方式m 时从小区i到小区j 的货币费用；

Aij(m)——采用交通方式m 时从小区i到小区j 的其他费用(如停车费用)；

P1gm，P2gm，P3gm，P4gm，P5gm，P6gm，P7gm——模型参数。

2.大型活动对日常交通需求的影响机理

如前所述，一般可将日常客流需求分为以下三个层次：非基本出行(文体休闲类、生活购物类等出行)、基本出行(上班、上学类出行)和基本保障出行(消防车、救护车、110警车等特殊社会保障车辆的出行)。其中，涉及公共交通出行的有：非基本出行(文体休闲类、生活购物类出行)、基本出行(上班、上学类等出行)。根据上述排列的次序，按照具体分类，分别进行日常公共交通客流的需求特征分析，梳理大型活动对日常交通需求产生的影响。

(1)文体休闲类

根据调查数据，居民进行文化娱乐活动时，采用的出行方式中占前三位的是步行、自行车和公共交通。也就是说，选择这三种出行方式进行文化娱乐的居民占大多数，并且其中步行和自行车出行又占了大部分。步行一般距离较近，再加上目的是文化娱乐，所以出行范围一般在居住地附近，故对全市路网影响不大。

在大型活动期间，一般通过文化娱乐设施建设的完善，使居民可就近进行文化娱乐活动，从而减少了骑自行车和乘坐公共交通出行。

(2)生活购物类

生活购物类出行即居民出行调查中的生活出行和购物出行。生活出行包括探亲访友、外出就餐、参观浏览等出行，其所占比例较大。所以，大型活动期间的交通需求管理会对这部分出行产生较大影响。

大型活动举办期间，针对该类出行的需求管理主要可采用大型活动前宣传、大型活动时信息发布，从而引导人们就近购物、就近就餐，即便是进行必需的远距离生活购物出行，也尽可能采用公共交通方式，少用或不用私家车等私人交通工具。

(3)上班、上学类

日常交通中的上学出行主要是由小学生和中学生，即由基础教育在校学生产生的。大型活动期间，可以利用空中课堂等形式，采取网络教学，减少学生的上学出行。

上班出行交通量在背景交通量中占的比例较大，如果可以对其进行适当削减，必将在很大程度上保障大型活动交通的畅通。国外的多次大型活动，如历次奥运会也曾采取过类似措施，但需要注意的是，与我国不同，欧美等国在奥运会召开的季节，多为各公司暑期休假时节，而且国外年假制度也较为灵活。因此，国外对这段时间内的上班出行管理相对简单。但在我国并无此传统，因此应尽量减少奥运会对居民日常行为的干扰，并不提倡大规模的实行赛时放假策略，但可以在高峰日采取部分市民放假或调休的方式，以减少背景交通量，也可以为市民提供实地或居家观看开、闭幕式及精彩赛事的机会。

根据以上分析，总结出大型活动引起的背景出行特征的变化包括以下三部分：

(1)大型活动期间学生放假，从而引起学生出行特征的变化。

(2)一部分人员由于参加大型活动或作为大型活动的工作人员、志愿者而引起的角色变化，从而导致的出行特征的转变。

(3)由于大型活动而诱增的旅游需求。

3.大型活动期间城市日常公共交通需求

大型活动期间，城市日常公共交通需求会发生如下变化。

1)学生放假引发出行特征变化

在大型活动期间学生会放假，学生的主要出行目的由上学的通勤出行转变成一般的娱乐出行，出行强度和出行方式均发生了相应的变化。

2)作为大型活动工作人员、志愿者引发出行特征变化

工作人员、志愿者出行行为特征由日常出行转变为大型活动出行。

3)大型活动诱增旅游需求

现状城市旅游人员的出行总量在城市背景交通模型中已经体现。假设大型活动期间旅游人数为现状的n 倍，出行特征和现状旅游人员的出行特征一致，出行率为m 人次/日，则新增旅游出行(n×m)人次/日。

4)交通需求管理政策影响下的日常公共交通需求

被限行之后，小汽车使用者将转而使用其他出行方式，主要为公共交通和出租车方式。

5.1.2.2　大型活动专用公共交通需求预测

大型活动专用公共交通需求预测建立在大型活动的全方式交通需求预测(以下简称大型活动交通需求预测)的基础上。大型活动交通需求预测不同于常规交通预测，这里只关注由于活动的举办而诱增的交通需求。大型活动交通需求的影响因素包括：①大型活动参与团队交通需求及数量；②住宿位置；③活动场馆位置；④关键非活动场馆位置，包括机场、新闻中心、训练场馆、酒店等；⑤大型活动时刻表和活动频率。

大型活动交通需求预测以活动场馆为核心，首先运用场馆上座率需求预测模型分析场馆观众人数，其次分析需求的时间分布特征，再次进行交通方式预测，最后进行出行分布的预测。

1.大型活动交通特性

以下从交通需求和出行两方面对大型活动的交通特性进行说明。(www.daowen.com)

1)交通需求

(1)城市居民交通出行需求的变化

学生放假、工作时间调整等交通需求管理措施会引起城市居民出行需求的变化，需要对这部分变化进行计算。根据以往大型活动的经验，该计算可以在类似Excel的电子表格程序中完成计算过程并对矩阵进行相关操作。建立的计算方法要方便后续进一步调整和修改。

(2)活动参与成员的需求

活动参与成员的需求可以从活动举办方提供的活动参与成员的交通服务计划中得到，只要将其需求、交通方式、出发时间和行驶路线输入相应的预测模型即可。

(3)观众和游客的需求

根据经验，大型活动的观众来源有两种：本地观众和外地观众。本地观众包括市区观众和郊县观众；外地观众包括国外及国内非本地观众。观众来源不同，则交通出行的产生点也不同。

其中，本地观众的交通出行起点为居民的居住地点，终点为各活动场馆，其OD 关系相对固定，主要受各交通小区的人口数量、人口构成及区域年内生产总值、从业人员年均收入、区域恩格尔指数等因素的影响。以各交通小区到达不同场馆的交通分布比例为基础，根据各个交通小区的地理位置和各种交通方式的优势，以及预测出的各个小区的观众人数和经济水平，可得出到达不同场馆本地观众的交通方式划分比例。

2)出行

出行主要包括两类：①大型活动，以及和大型活动有关的文化娱乐活动(大型活动期间举办的文化娱乐活动)的出行；②与大型活动无关的旅游(举办城市旅游景点)出行。

其中，和大型活动无关的旅游出行，在城市背景模型中已经包括一部分，只需要乘以扩大系数就可以得到新的矩阵。

另外，和大型活动有关的文化娱乐活动，以及大型活动的出行，是通过出行活动考虑的，其分类如下：①待在住所(家里、宾馆)；②在单位工作；③参加与大型活动相关的娱乐活动；④参加大型活动(由活动举办方提供计划)；⑤在旅游景点逗留。

根据国内外举办大型活动的经验和相关调查，在交通需求预测中给定如下假设：

(1)活动观众从住地、工作地、文化娱乐地去看大型活动，然后回到住地或前往其他文化娱乐地。从工作地去看比赛，然后回到工作地的概率为0。

(2)大型活动工作人员的出行均是在住地和活动工作地点之间的出行。

(3)当天没有观看活动而参加相关文化娱乐活动的市民和游客的出行是基于住地、工作地或其他文化娱乐地。

2.大型活动交通生成预测

1)大型观众出行链分析

由于大型活动交通需求的情况比较复杂，不同类别的观众在不同时段的出行需求发生的规律有所不同，所以需要对出行需求产生的源头进行细致分析。

出行需求产生的源头不同，发生量的计算方法也就不同，这里考虑将出行需求产生的源头按照观众的空间来源进行划分，空间来源分为五类：家、宾馆、工作地点、其他活动场馆以及火车站或机场等特殊吸引点。这样分类是基于以下原因考虑的：观众主要来自本地、国内的外省市及国外。本地观众主要从家和工作单位前往活动场馆；国内的外省市观众来参加活动，主要居住在宾馆，也可能住在亲友家里，或者周边的观众可能一天往返，即观众的空间来源是宾馆、居民家或火车站及机场；国外观众来参加活动主要居住在宾馆，空间来源主要是宾馆。此外，会有部分观众连续参加多场活动，即从一个活动场馆赶赴另一个活动场馆，这类出行空间的来源即为其他场馆。

另外，在不同时间段内，观众在各类空间来源所占的比重会有所不同：上午的活动，观众主要从家和宾馆出发；中午的活动，除了从家和宾馆出发外，还有部分上班人员请假从工作单位前往活动场馆参加活动的，也可能有观众从上午的活动场馆赶来的；晚上的活动，上班人员不需要请假就可以前去参加活动，所以从单位出发观众的比例数可能会有所增加。根据经验，观众参加完活动再回到工作地的概率基本为零。

2)大型活动吸引交通量预测

对于大型活动交通出行来说，观众以大型活动场馆为出行目的地，场馆需求量即为大型活动交通吸引量。

由于活动项目不同，以及观众对各项目的关注热点不同，导致各场馆内不同活动的关注热点不同，各场馆不同活动的保留座位数也会有一定的差异。

场馆观众人数预测以独立的活动或竞赛单元为预测单位，对单个场馆、单场活动的观众人数进行预测是整个需求预测工作的基础。

场馆观众人数由场馆观众座席数和上座率决定，是二者的乘积，即

式中 N——场馆观众人数；

C——场馆观众座席数；

θ——场馆上座率。

场馆观众座席数C 由场馆容量、制证人员预留座席、安保预留座席、应急预留座席决定：

式中 C应急——场馆应急预留座席；

C0——场馆容量；

C制证——场馆制证人员预留座席；

C安保——场馆安保预留座席。

3)大型活动发生交通量预测

大型活动交通发生量和吸引量的预测是大型活动交通空间分布预测的前提和基础。这里提到的发生量和吸引量都是针对观众参加大型活动的出行，不包括其他目的的出行。

这类出行的发生量和吸引量之间相互平衡。然而，由于吸引量相对容易把握，这里以吸引量(即场馆的需求量)作为发生量和吸引量平衡的条件。

(1)发生量的预测

根据不同类型人员在不同时间内的出行特征进行预测，首先将出行需求按照不同类型进行比例划分，然后对各种类别采用相应的模型进行计算。

(2)发生量的计算模型

对于从居民家、宾馆、单位和其他场馆出行的观众分别运用相应的发生量计算模型。

需要说明的是，由于在进行OD 分布预测时一般采用以吸引量为约束的单约束重力模型法，发生量的数量不要求非常准确，只要能反映出交通小区的产生强度就可以了，所以这里的“发生量”，也并非实际意义上的发生量，而是反映产生强度的一个指标。

①居民家发生量模型

以小区的人口数作为发生量计算的主要依据，并考虑收入水平、男女比例、年龄结构等的影响。

式中 Qi居民家——第i小区的以居民家为出行源头的发生量指标；

ai——第i小区的人口数；

ηi收入水平——第i小区的收入水平修正系数；

ηi男女比例——第i小区的男女比例修正系数；

ηi年龄结构——第i小区的年龄结构修正系数。

②宾馆饭店发生量模型

以小区的宾馆可用客房数作为发生量计算的主要依据。

式中 Oi宾馆——第i小区的以宾馆为出行源头的发生量指标；

Bi——第i小区的可用客房数。

③岗位数发生量模型

以小区的工作岗位数作为发生量计算的主要依据。

式中 Oi单位——第i小区的以工作单位为出行源头的发生量指标；

Ci——第i小区的工作岗位数。

④场馆间发生量模型

以预测时段其他场馆观众人数作为发生量计算的主要依据。

式中 Oi其他场馆——第i小区的以大型活动场馆为出行源头的发生量指标；

Ci——第i小区在预测时段的观众人数。

3.大型活动交通分布预测

按照观众源头的不同分别进行预测，然后将需求进行叠加。

式中 Tij——第i小区与第j 小区之间因大型活动产生的额外交通分布量；

Tij居民家，Tij宾馆，Tij单位，Tij其他场馆——分别表示以居民家、宾馆、单位和其他场馆为源头的两小区之间因大型活动产生的额外交通分布量。

分布预测采用以吸引量为约束条件的单约束重力模型法。

式中 Oi，Dj——小区i，j 的产生交通量与吸引交通量；

K——模型参数。

其中

式中 Wij——小区i，j 间的出行阻抗(距离、时间、费用等)；

a，b——模型参数。

根据经验，对不同场馆采用不同的模型参数。