从仿真结果到决策图表：TransModeler交通数据分析与可视化全流程

做了这么多年交通仿真咨询，我越来越确定一件事：仿真模型跑完，只是整个项目的上半场。真正决定方案能不能被甲方采纳的，是下半场——数据分析与可视化。TransModeler这套交通仿真软件，在路网建模和微观仿真上确实能打，但如果不会从仿真结果里提炼指标、不会把指标变成一张张看得懂的图和报表，那再好的模型也白搭。这篇《TransModeler_（11）.交通数据分析与可视化》，就把我从数据准备、结果提取、指标分析到可视化出图的完整链路整理一遍，给正在搞交通仿真项目的同行做个参考。不管你是刚接触仿真、还在摸菜单，还是已经能跑通模型、正卡在“怎么把结果讲清楚”这一关，这篇都值得收藏。

1. 交通数据分析与可视化在仿真流程里的位置

1.1 仿真跑完只是上半场：分析才是交付物

先说一个我自己的经历。第一次做完整的TransModeler仿真项目时，我花了两周调模型、跑仿真，觉得大功告成，结果一到评审会，甲方拿着我导出的Excel表问：“哪条路排队最长？排队排多长时间？方案改了之后能改善多少？”我当场愣住，因为我的输出文件里有几千行路段数据，但我并没有把它们变成一句话就能回答的结论。

从那以后我就养成了一个习惯：仿真跑完，先想清楚“这个模型要回答什么问题”，再谈“怎么出数据”。交通仿真的本质是决策支持工具，不是炫技。TransModeler能输出大量的原始数据，包括每个时间步长下每条路段的流量、平均速度、排队长度、停车延误，还有车辆轨迹数据。这些数据直接看根本没有意义，必须经过聚合处理。

聚合通常有三个维度。空间上，可以按路段、按路径、按交通分区聚；时间上，可以按5分钟、15分钟、1小时聚；指标上，可以聚成总量、均值、峰值、标准差。做方案对比的时候，这些聚合结果才是决策者能看懂的语言。我见过太多新人把仿真原始输出直接甩给甲方，结果被反问“你到底想说明什么”。所以说，模型跑通不等于项目做完，把数据加工成结论，才是真正的交付。

1.2 TransModeler的分析能力边界：算得动，也要懂得精加工

TransModeler和TransCAD同属Caliper产品线，最大的特点是仿真引擎和GIS深度集成。你可以在一个环境里完成路网编辑、OD分配、微观仿真、结果分析，不需要把数据搬来搬去。它还同时支持宏观、中观、微观三个层次的仿真，在项目里我一般把它当“中观跑方案、微观跑瓶颈”的组合工具，效率确实高。

但TransModeler不是万能的。它的统计功能比较“工程化”，可以输出规范的报表和基础图表，但要做复杂的统计学分析、自定义指标、批量对比多方案，还是得把数据导出来，交给Python或R去处理。可视化方面，它内置了主题图工具和动画回放，不过如果你想要那种交互式的Web可视化大屏，比如用ECharts做可拖动的方案对比图，还是得自己在外面加工。

所以我的建议是，从项目一开始就想清楚分工：TransModeler负责“算”，外部工具负责“精加工”。这个分工越早想明白，后面越省时间。不要指望一个工具包打天下，也不要因为嫌麻烦就不把分析深度做够，否则最后吃亏的还是项目本身。

2. 数据准备：让仿真结果从一开始就可信

2.1 OD矩阵与路网拓扑：连接器对位是第一步

很多人没有意识到，交通数据分析的质量从输入数据阶段就定了。TransModeler里最常用的需求输入是OD矩阵，矩阵的行列对应交通分区（Zone），每个Zone通常与路网中的某个节点或连接器绑定。你会发现有的项目路网和OD矩阵明明都对，但仿真一跑就有大量车辆找不到路径，车在路边乱转然后消失，十有八九是Zone的连接器（Connector）没有接好。

实操经验是，在编辑路网时，每个Zone必须生成至少一个连接器接入路网，连接器要接到实际可达的路段上，而不是直接连到被物理隔离的道路。检查方法很简单：跑一次最短路径，看车辆能否从每个Zone到达任意目标Zone。如果你发现某些组合的出行时间异常大，大概率是连接器走位不对。

OD矩阵的格式也要注意。TransModeler可以导入CSV、矩阵文件，行列必须对应Zone的ID。我接过一个项目，Excel里的OD表看起来正常，导入后列名大小写或者ID类型一变，模型直接变成“零出行需求”，排查了半天才发现是表头多了一个空格。这种小坑最磨人，建议导入后用“需求总量核对”做一次快速校验，确保矩阵总量和实测进入路网的车流量在一个量级。

2.2 标定数据与检测器布设：别让指标失真

仿真结果要可信，必须用实测数据标定。我一般会设置三类检测器：路段流量检测器，测某个断面的流量；排队检测器，测交叉口进口道的排队长度；行程时间检测器，测某条路径的行驶时间。检测器布设的时候要注意，不要只选畅通路段，一定要覆盖拥堵瓶颈段，否则标定出来的模型在常态下还行，一到高峰就失真。

标定输入数据的采集窗口要和仿真时段对齐。比如早高峰仿真用7:00-9:00的实测数据，别拿全天平均值去标定高峰模型。这个道理说起来简单，做的时候特别容易偷懒：找到一个旧的流量调查报告就用了，结果年份还对不上。交通数据有时效性，三年前的路网流量放在今天就是错的，模型标定得再好也是自欺欺人。

还有一件经常被忽略的事：信号配时数据。TransModeler的微观仿真里，信号配时直接影响延误和排队的输出，你的输入信控方案必须是当下实际运行的方案，而不是规划方案。我有一次给一个老城区交叉口做仿真，用了规划方案的信控参数，结果输出的“现状延误”比实测高一倍，甲方直接不认账。后来换成现场调查的配时数据，误差一下就回到了合理范围。

2.3 仿真参数设定：给输出数据定好“容器”

在跑仿真之前，有几个参数会直接影响后续数据分析的可靠性，必须在Output设置里提前定好。

第一是随机种子（Random Seed）。同一个路网和需求，不同种子会得到不同波动结果。做方案对比分析时，一定要固定种子，或者做多次重复取平均。不固定种子的话，你看到的差异可能是随机波动，而不是方案本身带来的改善。

第二是仿真时长。路网要进入稳态之后的数据才有分析价值，前面那段预热期的数据应该剔除。我一般会预留10到15分钟的暖机时间，正式统计时段从仿真稳定后开始。

第三是输出间隔。默认5分钟或15分钟都可以，太细了数据量大、处理慢，太粗了看不到高峰期内部的波动。做排队分析时我倾向于5分钟间隔，做宏观总量对比时15分钟就够。

提示：做方案对比前，先把随机种子固定下来，否则结论可能经不起推敲。

3. 仿真结果数据提取与深度分析

3.1 选对指标：KPI要跟着评价目标走

仿真输出的数据很多，但并不是每一个都要用。项目汇报时我的经验是，指标选择跟着“评价目标”走，否则很容易被数据淹没。

评价路网整体运行效率，看路网平均速度、总行驶时间、总延误时间；评价瓶颈路段，看平均排队长度、排队持续时间、饱和度（V/C）；评价方案对比，看行程时间节省量、停车次数减少量、排放变化；评价公共交通，看站台滞留时间、公交旅行时间。这些指标不是越多越好，而是越贴合目标越好。

打个比方，甲方问的是“这个路口改了渠化之后，左转车会不会好走一点”，那你的核心指标就是左转车流的延误和排队长度，而不是整个路网的平均速度。你辛辛苦苦跑了几十个指标，最后汇报时候挑错重点，反而让甲方觉得你没抓住问题。

3.2 数据导出：从仿真引擎到分析环境

TransModeler的优势是分析结果可以直接在软件内做图做表，但为了更深入的分析，我通常会把数据导出来。这里以“路段流量+平均速度”为例，说一下常见的导出流程。

仿真运行完成后，打开分析面板（不同版本的菜单名称略有差异，常见的是Results by Link或Network Analysis），选择要分析的输出时间范围，数据类型选Flow和Speed，然后导出CSV或表格文件。字段一般包括Link ID、方向、时间间隔、流量值、平均速度等。

导出后我一般用Python做进一步清洗。比如按方向和时段聚合成小时流量，再计算饱和度。数据量一大，Excel明显吃力，pandas几秒钟搞定。代码很简单，核心就是分组聚合：

import pandas as pd df = pd.read_csv("link_flow_output.csv", encoding="gbk") df["hour"] = df["timestamp"].str[:13] hourly = df.groupby(["link_id", "direction", "hour"])["flow"].sum().reset_index() # 计算饱和度：流量 / 通行能力 capacity_df = pd.read_csv("link_capacity.csv") merged = hourly.merge(capacity_df, on="link_id", how="left") merged["v_ratio"] = merged["flow"] / merged["capacity"]

如果你的项目还要出空间分布图，可以把路网要素导出成Shapefile，然后用QGIS加载、按字段分级着色。TransModeler在这点的好处就是GIS一体，导出的路网几何和仿真结果可以直接挂接，不用自己再画一遍路网。

3.3 数据质量校验：出图之前先验数

分析前一定要做数据校验，否则后面所有图表都是空中楼阁，而且出了错很难回头找。

我每次会做三个校验。第一，流量守恒校验。对所有内部路段，流入量应该等于流出量，如果差异超过5%，就要检查OD有没有分配完整、有没有断头路。第二，时间稳定性校验。对比仿真最后几个周期的数据，看是不是已经进入稳态。如果数据还在明显上升或下降，说明暖机时间不够，取出来的平均值没有代表性。第三，对实测值校验。把仿真流量和实测流量做散点图，算相对误差，误差在±15%以内算合格，超过的要么是OD不准，要么是路径选择参数需要调整。

这一套校验做完，拿到的数据才是可以放心上图的。我自己的习惯是每轮分析前先跑一个小的校验脚本，输出一张校验汇总表，省得后面反复怀疑“这个数到底能不能信”。

4. 可视化呈现：让交通数据说话

4.1 路网主题图与带宽图：颜色分级要讲科学

交通可视化最经典的就是路网分色图。设置思路很简单：选中Link图层，打开图层主题设置，属性类型选择流量或饱和度，然后分级方式选等间距、分位数或手动阈值，颜色从绿到红表示从低到高。

但我发现一个高频问题——很多人直接用默认分级，结果一张图出来红彤彤一片，甲方以为整个路网全堵死了。原因其实很简单：流量分布往往是偏态的，大部分路段流量不高，少数路段特别高。等间距分级会被极端值拉偏，中间那些正常路段反而全挤在同一个低级别里。这个时候用分位数分级更合理，每级包含大致相同数量的路段，颜色分布更接近真实状态。

带宽图也常用：把每小时的流量画成带宽，路的粗细表示流量大小。这种图表达“哪条路流量最大”非常直观，特别适合对比不同方案的流量转移效果。不过带宽图要注意宽度比例，太粗了糊成一团，太细了看不出差异。

4.2 仿真动画：动态问题用动态方式看

动画是TransModeler最有冲击力的可视化输出之一。运行时可以看到车辆在路网上行进，拥堵时排队慢慢向后延伸，信号灯变灯时车辆走走停停。动画不只是展示成果，很多时候我自己调试模型也依赖动画：车辆堆积在某个路口，往往一眼就能看出是转向比例设置不合理，还是路径选择参数有问题。

动画输出时可以设置仿真速度倍率、车辆着色方式（按速度、按路径、按车型）、显示图层（信号灯、检测器、拥堵热力）。做汇报的时候，我建议“先全景、再局部”：先让甲方看整个路网运行情况，再放大到重点瓶颈交叉口单独展示，节奏感很重要。

但动画永远代替不了数据。动画是“定性”的，你要告诉甲方“排队长度从120米降到45米”，还是得靠精确的定量分析。所以我的习惯是动画放在PPT前面吸引注意力，数据表和图表放在后面支撑结论。

4.3 图表与交互可视化：离开TransModeler之后怎么加工

项目交付时我一般会做三类图：对比条形图，用于基准方案和改善方案的流量或延误对比；时间序列图，用于展示排队长度或路网速度随时间的变化；路网Web图，用ECharts或Leaflet做轻量交互地图。

这里以ECharts为例，数据处理链路是：TransModeler导出CSV，pandas清洗聚合，生成JSON，前端加载渲染。ECharts做方案前后对比特别方便，做一个滑块切换基准方案和改善方案，甲方自己拖着看，体验远好过一张静态图。这个思路也适合做“可视化大屏”，虽然大屏有时候形式大于内容，但在汇报场景里确实能加分。

如果你更习惯GIS生态，用QGIS叠加仿真结果图层来出专题图也很方便。关键是灵活组合，不要让工具限制表达。

4.4 可视化避坑清单：配色、分级、图例一个都不能少

做可视化这么多年，我踩过的坑不少。总结几个原则。第一，颜色选择要注意色盲友好，红绿对比尽量配合辅助形状或文字标注，不要纯靠颜色区分。第二，分级数量不要超过7类，人眼一次能分辨的颜色层次有限，分级太多反而看不出规律。第三，一定要标图例和单位，流量是veh/h还是pcu/h，速度是km/h还是mph，单位错了整个图就废了。第四，地图投影要统一，TransModeler里导出的Shapefile和底图对不上，往往是坐标系没有对齐，加载到QGIS里先检查CRS。

另外还有一个容易被忽略的小细节：导出的图表字体。仿真报告里图表很多，字体不统一会显得很业余。我一般会在Python里统一设置中文字体和字号：

import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False

5. 常见问题速查与排坑心得

5.1 高频问题速查表

数据分析阶段遇到的问题，八九成集中在下面这些场景，我整理成了速查表：

5.2 我的五条排坑经验

第一条，不要迷信默认值。TransModeler的默认参数是“通用型”的，不是“你的城市”的。国内道路上常见的非机动车混行、电动自行车穿行，微观仿真模型没法完全模拟，参数必须结合实际调研修正。

第二条，输出数据前先归档。仿真项目迭代次数非常多，我今天跑版本12，明天可能跑版本15。每轮输出结果加个日期标签，项目名加方案名，否则一个月后你根本分不清哪个文件对应哪个方案。

第三条，养成写仿真运行记录的习惯。哪怕只写几行字：路网版本、OD版本、随机种子、核心参数，将来复查问题时能省一半时间。这个习惯在和同事交接项目的时候特别有用。

第四条，方案对比一定用同一套基准数据。不要A方案用周一的数据标定，B方案用周三的数据标定，最后对比出来的差异全是噪声。数据的同源性是方案对比有效性的前提。

第五条，做可视化之前，先问一句“这张图给谁看”。给决策者看的图，突出结论；给技术人员看的图，保留细节。我见过很多好数据被烂图表毁了，不是工具不行，而是没有站在读者角度设计表达。

我在实际项目中最常用的一个技巧是：跑动画的时候把关注的瓶颈点放大，录屏的同时用语音备注，把“这里排队延伸到主干道”“这个相位清空时间不够”讲清楚。然后对着录屏写分析报告，思路异常清晰，比对着表格硬憋效率高得多。这个方法也推荐给你们，尤其适合多方案比选阶段。交通数据分析与可视化说到底是手段，帮决策者看清问题、找到对策，才是这一整套流程的最终价值。