基于场景模拟评估复杂移动系统中交通法规的影响

《Transport Policy》：Evaluating impacts of traffic regulations in complex mobility systems using scenario-based simulations

　　

摘要
城市交通监管政策越来越被用于解决城市中的拥堵、排放和可达性问题，但由于城市流动系统的社会技术复杂性，其影响难以评估。数据可用性和计算能力的最新进展使得能够采用新的模型驱动、基于模拟的决策支持形式来设计交通政策。本文提出了一种模拟范式，用于对直接和间接影响（涵盖交通状况、拥堵和排放）进行事前评估。该方法整合了一个多层城市流动模型，将包含流动流和排放的物理层与捕捉行为响应及适应政策变化的社会层相结合。使用真实数据来实例化当前的现状情景，而政策替代方案和行为假设则作为模型参数编码以生成多个假设情景。该范式支持通过分析与政策干预引起的模拟结果变化来跨情景进行系统比较。所提出的方法通过一个案例研究进行了说明，该研究旨在评估引入广泛城市交通限制方案的影响。结果表明，该范式能够探索替代监管设计、用户响应和建模假设，支持对城市交通政策进行知情和前瞻性的评估。

引言
用于感知和观察城市系统的数据可用性以前所未有的速度增长。泛在感知、移动设备、联网车辆和数字平台的进步，现在提供了具有越来越精细的空间、时间和社交分辨率的城市数据访问权限（Zheng, 2019）。与此同时，计算能力的快速进步也大幅扩展。这些发展共同使得公共当局和城市决策者能够采用新颖、强大的数据驱动范式，允许对政策干预进行系统评估，其程度超出了以往可行的范围。

这些技术进步使人们重新关注了城市研究和交通科学中的核心研究前沿之一：城市流动系统的复杂性（Batty, 2008, McPhearson 等人，2016 年，Luca 等人，2024 年）。交通网络不仅仅是支持车辆流动的实体基础设施；它们由个体和集体行为、经济激励、监管框架和社会实践塑造，并反过来塑造这些因素（McFadden, 2007）。交通监管、准入限制、定价方案或基础设施变化等干预措施可能会触发个体和社会响应以及行为适应，从而显著影响出行选择和运输系统性能（Dingil 等人，2021 年）。

本文通过提出一种模型驱动、基于模拟的城市流动政策设计决策支持范式，为这条研究线索做出了贡献。核心贡献不在于任何特定的流动模型，而在于一种通用的方法学流程，允许决策者定义、模拟和比较替代流动模型，支持对政策选项的系统评估。目标是能够事前评估直接影响（如交通状况、拥堵、方式转换和排放）以及在关联领域产生的间接影响。通过在实施前支持对政策替代方案进行系统探索，所提出的方法使决策者能够预见监管选择的后果并降低代价高昂的干预风险。

许多研究表明，交通结果受到人类行为响应的强烈影响，忽视这些适应的模型可能会提供不切实际的交通政策影响估计（Goodwin, 1996, Hymel, 2019）。然而，许多经典的交通优化和规划模型主要关注物理层，将人类行为视为固定或基于历史数据参数化（例如，McNally, 2007, Zhong 等人，2015 年）。本文提出的范式属于考虑这种行为复杂性的科学研究，因此需要明确整合物理层（包括流动交通流和污染物排放）和社会层（捕捉个体和集体行为、适应机制以及不同程度的行为刚性）的城市流动模型。

该方法本质上是基于模拟的，允许表示流动系统的当前现状状态以及对应于替代交通政策和城市流动结构性变化的多个假设情景。这使得能够对政策选项进行受控实验，而这些选项在现实世界环境中进行测试将是不切实际、代价高昂或存在伦理问题的。在此，“模拟”一词表示通过对代表政策干预、外生变化和行为响应假设的模型参数进行受控操纵，系统探索替代情景——这种方法是对微观或基于智能体的交通模拟的补充（Wu 等人，2025 年，Melkonyan 等人，2020 年，Daniel 等人，2021 年）。所提出的范式在宏观层面运作，将整个流动系统作为一个整体，并明确将人口中的异质性行为响应作为参数编码。这使得它特别适合事前政策评估，其主要需求不是对交通动态的精细再现，而是对替代监管情景及其预期人口水平行为后果的系统探索。

基于情景的探索建立在经过观察数据校准的基线之上：现状情景是使用直接从可用数据源（例如，来自交通传感器的交通量，来自起讫点矩阵的车辆量）测量和估计的量值实例化的。然后通过模型参数定义政策替代方案，这些参数编码了内生事件（例如，公共当局监管）、外生事件（例如，基础设施中断、车辆车队变化）以及关于用户响应和行为适应的假设。因此，模拟输出表征了每个假设情景下的系统行为，使得能够跨情景以及与基线现状条件进行系统比较。

任何此类基于情景的评估本质上都会受到不确定性的影响。输入数据、建模假设和行为响应的变异性可能会以点估计无法完全捕捉的方式影响现状和假设情景的结果（Ashley, 1980, Antoniou 等人，2014 年，Mannucci 等人，2023 年）。所提出的范式解决了这些形式的不确定性：虽然许多模拟研究报告单一的确定性输出，但它明确关注不确定性并允许跨情景量化其影响；虽然标准做法仍锚定于单一的模型结构，但该范式的模块化支持跨替代、同等可能的模型进行事前评估，超越了依赖单一模型结构，从而实现了对基于模型的不确定性的更全面表征。由于篇幅限制，本文未能专门深入探讨这一方面；尽管如此，该范式原生支持跨情景预测和模型规范的不确定性量化，我们将更全面的探索留待未来工作。

为了说明所提出的范式，我们将其应用于意大利博洛尼亚市的一个案例研究，这是一个具有大量常住人口和复杂多模态流动系统的主要城市中心。该案例研究是一个更广泛倡议的一部分，旨在通过开发市民数字孪生（Luca 等人，2024 年）为博洛尼亚市提供决策支持工具，这里提出的与流动相关的模型构成了其中一个组成部分。基于该市历史中心现有的限行区，我们模拟了在更大范围内应用的额外通行限制。案例研究侧重于评估这一假设性交通政策对指定城市区域内车辆通行监管的直接和间接影响。这一设置使我们能够展示所提出的范式构建、分析和比较多个假设情景的能力，反映替代监管设计和异质性用户响应，并在实施前支持对交通监管政策的知情评估。为了支持透明度，模拟输出与底层建模假设和参数之间的联系被明确化，允许结果追溯到产生它们的假设；可用性则由交互式仪表板支持，该仪表板向广泛利益相关者（从技术专家到政策制定者）展示输入、假设和输出。

总之，本文做出了以下贡献：（i）一种通用的、模型无关的事前城市流动政策评估范式，提供方法学流程以定义、模拟和比较替代流动模型以支持决策；（ii）演示了范式的灵活性，不仅容纳具有不同输入参数的替代模拟，还容纳替代建模假设和公式；（iii）原生支持跨现状和假设情景的不确定性量化；（iv）在意大利博洛尼亚市的现实应用，演示了范式耦合物理层和社会层以及构建、比较和分析替代交通监管情景的能力。

论文的其余部分结构如下。第 2 节呈现了现状回顾，突出了交通政策和标准评估方法，并解释了流动系统建模中的挑战。第 3 节概述了所提出范式的总体架构及其在意大利博洛尼亚市案例研究中的实例化。第 4 节形式化了为案例研究构建的数学模型。第 5 节详细介绍了模型的实现和应用，报告了评估结果。最后，第 6 节总结了主要发现并讨论了未来研究的局限性和挑战。

章节片段

政策应用与评估
近几十年来，在平衡交通外部性与经济增长、社会公平、可达性和环境目标需求的驱动下，交通政策在国际政治议程中占据了核心地位（Lindsey 和 Santos, 2020）。文献已确定了各种类型的交通政策干预，反映了应对交通挑战的不同战略方法（Santos 等人，2010a, Santos 等人，2010b）。在操作层面，这些

动机案例：交通监管定价政策
驱动本研究的说明性案例考虑了一个在高峰时段反复出现拥堵和显著水平大气排放的城市区域。在这种背景下，实施交通监管政策至关重要，但由于用户行为、网络特征和监管参数之间的复杂交互，其评估被证明具有挑战性。
在本论文范围内，所研究政策侧重于特定的监管行动，即，

情景定义
分析聚焦于一个城市区域，其中一部分兴趣区域被指定用于政策实施，其他外部区域环绕在其周围。分析考虑了一个参考工作日，在一天 24 小时内采取措施，采样频率为 ??（例如，每 5 分钟）。假设政策在指定时间槽内应用，开始时间为 ????，结束时间为 ????。一部分车辆被免除其作用，以下记为 ????，而

应用：意大利博洛尼亚案例
所提出的范式在意大利博洛尼亚市的一个现实世界案例研究中进行了测试，这是一个具有大量常住人口和复杂多模态流动系统的主要城市中心。该市已经在历史中心具有限行区的特征。出于实验目的，我们模拟了在更大区域内应用的额外通行限制：其北部边界由环路和 A1-A14 高速公路界定，而南部边界遵循

结语
在本研究中，我们提出了一种模型驱动、基于模拟的城市交通监管政策事前评估范式，能够捕捉直接与间接影响，例如与流动相关的交通状况和环境效应。该范式的核心贡献在于支持对政策替代方案和建模假设的系统探索，而不是任何特定模型。将该范式应用于博洛尼亚的现实案例研究，

CRediT 作者贡献声明
Arianna Burzacchi: 写作 – 初稿，可视化，软件，方法论，调查，概念化。Marco Pistore: 写作 – 审查与编辑，可视化，软件，项目管理，方法论，概念化。

关于手稿准备过程中生成式人工智能和人工智能辅助技术的声明：
在本工作的准备过程中，作者使用了 Claude (Anthropic) 和 Grammarly 以支持语法纠正和文本修订。使用该工具后，作者根据需要审查和编辑了内容，并对出版文章的内容承担全部责任。

财务披露
这项工作得到了“数字孪生：数据资产的治理与增值”（项目 BO1.1.2.1.a）项目的支持，该项目属于国家计量加计划（National Metro Plus Program）和南部中型城市 2021-2027 计划范围，以及“国家高性能计算、大数据和量子计算研究中心 ICSC"（CN00000013），由 NextGenerationEU 资助的 NRRP MUR 计划支持。

致谢
作者感谢博洛尼亚市政府提供数据和实际专业知识。我们也要感谢 Thomas Louf 在估算排放计算中使用的参数方面的贡献。

Arianna Burzacchi|Marco Pistore
社会技术系统的建模与模拟，布鲁诺·凯斯勒基金会，Via Sommarive 18, 38123, Trento, Italy