演示文稿四步驟交通需求預(yù)測模型概述與出行生成預(yù)測

演示文稿四步驟交通需求預(yù)測模型概述與出行生成預(yù)測當(dāng)前1頁，總共39頁。（優(yōu)選）四步驟交通需求預(yù)測模型概述與出行生成預(yù)測當(dāng)前2頁，總共39頁?！八碾A段”交通需求預(yù)測模型出行生成（TripProduction）出行分布（TripDistribution）方式劃分（ModeSplit）交通分配（TrafficAssignment）當(dāng)前3頁，總共39頁?！八碾A段”模型發(fā)展背景從20世紀(jì)50年代，歐美發(fā)達(dá)國家為了滿足大規(guī)模城市道路交通規(guī)劃及其建設(shè)需要，開始研究城市交通需求預(yù)測技術(shù)20世紀(jì)70年代初形成了具有代表性的“四階段”城市交通規(guī)劃需求預(yù)測技術(shù)“四步驟”方法在當(dāng)時的歐美一些城市的交通規(guī)劃實踐中發(fā)揮了重要作用，例如底特律、芝加哥交通規(guī)劃當(dāng)前4頁，總共39頁?！八碾A段”模型內(nèi)容描述（1）出行生成（TripProduction）根據(jù)交通小區(qū)的經(jīng)濟(jì)、人口、就業(yè)崗位等屬性特征，將社會活動引發(fā)的交通需求量化為交通小區(qū)的交通出行生成量，包括出行產(chǎn)生和出行吸引兩部分，分別進(jìn)行遠(yuǎn)期預(yù)測出行生成出行分布方式劃分交通分配當(dāng)前5頁，總共39頁。“四階段”模型內(nèi)容描述（2）出行分布（TripDistribution）對每個交通小區(qū)，它所產(chǎn)生的這些出行量究竟到那個分區(qū)去了？它所吸引的這些出行量又究竟來自哪里？出行分布也就是要預(yù)測未來規(guī)劃年各個分區(qū)之間出行的交換量出行生成出行分布方式劃分交通分配當(dāng)前6頁，總共39頁。“四階段”模型內(nèi)容描述（3）方式劃分（ModeSplit） 方式劃分階段目的在于考察未來城市活動中產(chǎn)生和吸引的交通運輸需求對各種交通方式的可能利用情況，即預(yù)測各種交通方式上的交通量分擔(dān)率出行生成出行分布方式劃分交通分配當(dāng)前7頁，總共39頁?！八碾A段”模型內(nèi)容描述（4）交通分配（TrafficAssignment） 將各交通小區(qū)之間出行分布量分配到交通網(wǎng)絡(luò)的各條邊上去的過程，預(yù)測交通需求PA分布各組成部分流量具體在道路交通網(wǎng)絡(luò)上的交通流量出行生成出行分布方式劃分交通分配當(dāng)前8頁，總共39頁?！八碾A段”模型功能說明

“四階段”模型用于進(jìn)行交通需求預(yù)測，以用地和社會經(jīng)濟(jì)等相關(guān)數(shù)據(jù)作為輸入，通過“四階段”模型進(jìn)行處理，得到未來年每個路段的交通流量數(shù)據(jù)，以預(yù)測的未來年路段交通流量數(shù)據(jù)為基礎(chǔ)進(jìn)行新建道路或者道路拓寬等交通設(shè)施建設(shè)依據(jù)輸入：土地社會經(jīng)濟(jì)數(shù)據(jù)出行生成出行分布方式劃分交通分配輸出：未來年路段交通流量交通規(guī)劃當(dāng)前9頁，總共39頁。“四階段”模型實際運用過程描述交通小區(qū)現(xiàn)狀分布預(yù)測分布交通分配當(dāng)前10頁，總共39頁。1出行生成預(yù)測：相關(guān)基本概念出行相關(guān)的基本概念（1）出行分類 按出行端點屬性 由家出行——一個端點是家庭的出行，既可以是起點，也可以是訖點； 非由家出行——起、迄點都不是家庭的出行 按出行目的 工作、上學(xué)、購物、娛樂當(dāng)前11頁，總共39頁。1出行生成預(yù)測：相關(guān)基本概念（2）出行產(chǎn)生點和吸引點

出行產(chǎn)生點：由家出行，家庭端點就是該次出行的產(chǎn)生點；非由家出行或貨物出行，那么其起點就是該次出行產(chǎn)生點

出行吸引點：由家出行，非家庭端點是它的吸引點；非由家出行或貨物出行，訖點就是其吸引點

起訖點與產(chǎn)生吸引點的區(qū)別ABC當(dāng)前12頁，總共39頁。1出行生成預(yù)測：相關(guān)基本概念（3）區(qū)分出行產(chǎn)生點、吸引點與出行起訖點的意義 由于一個交通小區(qū)的交通出行發(fā)生量主要是由這個小區(qū)的土地利用形態(tài)決定的，而起訖點的概念與用地形態(tài)沒有關(guān)系 例如：居住用地，其既可以是出行的起點（去上班），也可以是出行的訖點（下班回家） 從起訖點的概念出發(fā)，無法由交通小區(qū)未來的用地模式預(yù)測該小區(qū)的交通出行發(fā)生量當(dāng)前13頁，總共39頁。1出行生成預(yù)測：相關(guān)基本概念（4）出行生成的兩種量化表達(dá)

出行產(chǎn)生量（TripGeneration） 單位時間內(nèi)某一個交通小區(qū)的出行產(chǎn)生量等于家庭端點在這個分區(qū)的由家出行數(shù)，與起點在這個分區(qū)的非由家出行和貨物出行的出行數(shù)之和

出行吸引量（TripAttraction） 單位時間內(nèi)某一個交通小區(qū)的出行吸引量等于非家庭端點在這個分區(qū)的由家出行數(shù)，與終點在這個分區(qū)的非由家出行數(shù)和貨物出行數(shù)之和當(dāng)前14頁，總共39頁。1出行生成預(yù)測：相關(guān)基本概念（4）出行生成的兩種量化表達(dá)

[例題]：分析圖中交通小區(qū)的產(chǎn)生量、吸引量 和生成量homefactoryfactoryschooloffice例1homehomefactoryschool例2當(dāng)前15頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測預(yù)測方法（1）類型分析法（2）回歸分析法（3）增長率法 較為粗糙，在相關(guān)數(shù)據(jù)很難獲取情況下使用當(dāng)前16頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（1）方法描述

類型分析法是以家庭為分析單位的，根據(jù)對出行起決定作用的一些因素將整個對象區(qū)域的家庭劃分成若干類型，分別預(yù)測每種類型家庭的出行產(chǎn)生量后再加總匯合成研究區(qū)域內(nèi)總的出行產(chǎn)生量（2）假設(shè)前提 在同一類型的家庭中，由于主要出行因素相同，各家庭的出行次數(shù)基本相等，將各類家庭單位時間內(nèi)的平均出行次數(shù)稱作“出行率” 假定各類家庭的出行率一直到規(guī)劃年都是不變的當(dāng)前17頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（3）家庭類型劃分 經(jīng)分析發(fā)現(xiàn)，一個家庭有三大特性對其出行產(chǎn)生量起主要決定作用：

人口（指6歲以上者）：人口越多，出行次數(shù)越大

收入：收入越多，越愛購物和消費，出行次數(shù)也越多

車輛擁有量：車輛擁有量越大，出行越方便，出行的可能性越大當(dāng)前18頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（3）家庭類型劃分

[案例]：英國倫敦1963年交通規(guī)劃家庭類型劃分

1）年收入（英鎊）劃分為6級收入級別123456收入范圍<500500~10001000~15001500~20002000~2500>2500當(dāng)前19頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（3）家庭類型劃分

[案例]：英國倫敦1963年交通規(guī)劃家庭類型劃分

2）家庭就業(yè)構(gòu)成分為6類 無就業(yè)者：1人無就業(yè)者：>1人 就業(yè)人1，無業(yè)人≤1就業(yè)人1，無業(yè)人≥2

就業(yè)人2，無業(yè)人≤1就業(yè)人2，無業(yè)人≥2當(dāng)前20頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（3）家庭類型劃分

[案例]：英國倫敦1963年交通規(guī)劃家庭類型劃分

3）擁有車輛數(shù)劃分為3類

0輛，1輛，≥2輛

根據(jù)以上劃分可以看出，倫敦1963年規(guī)劃把家庭劃分為6×6×3=108類當(dāng)前21頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（4）模型 式中：Pi——分區(qū)i規(guī)劃年單位時間出行產(chǎn)生量

as——全市現(xiàn)年第s類家庭的出行率

Nsi——第i分區(qū)規(guī)劃年第s類家庭的數(shù)目

Ni——第i分區(qū)規(guī)劃年各類家庭的總數(shù)目

γsi——第i分區(qū)規(guī)劃年第s類家庭的比例當(dāng)前22頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（5）工作步驟

1）家庭分類：將整個對象區(qū)域的家庭根據(jù)其特性（人口、收入、車輛擁有量等）分成若干類

2）確定出行率as：從調(diào)查樣本中統(tǒng)計出各類家庭每個單位時間的出行數(shù)，可采用“分層隨機(jī)抽樣”法；as是不分分區(qū)的，全市統(tǒng)一的

3）計算家庭數(shù)目預(yù)測值Nsi：一般是由概率分布模型計算出每一分區(qū)中不同類型家庭的比例γsi；再求出分區(qū)i中的家庭數(shù)的預(yù)測值Ni；Nsi=Ni×γsi當(dāng)前23頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法

[例題]

我國某城市的交通規(guī)劃將家庭分作3×3×3=27類，出行率as如表所示，某分區(qū)各類家庭的比例如表括號中的數(shù)值γsi，預(yù)測該分區(qū)未來規(guī)劃年份將有8000戶居民，用類型分析法求該分區(qū)的出行產(chǎn)生量的預(yù)測值Pi當(dāng)前24頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法

[例題]

解：由題設(shè)知預(yù)測未來家庭總數(shù)Ni=8000，由類型分析法模型得 例完當(dāng)前25頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法（6）方法總結(jié)

1）運用類型分析模型的關(guān)鍵前提是：假定未來規(guī)劃年各類家庭出行率as與現(xiàn)在出行率相比基本不變

2）該方法預(yù)測出來的產(chǎn)生量其實沒有包括非由家出行和貨物出行這兩部分，預(yù)測數(shù)據(jù)不全面

3）為保證模型具有一定的精度，在計算各類家庭的平均出行率時應(yīng)該抽取足夠多的家庭樣本

4）現(xiàn)在在國外的交通規(guī)劃理論中，對于城市交通提出一種更為細(xì)致的分類分析模型，即分出行目的的類型分析模型當(dāng)前26頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測類型分析法 分出行目的的類型分析模型 其中：Pi——分區(qū)i出行產(chǎn)生量

——分區(qū)i目的為m出行產(chǎn)生量

——第s類家庭目的為m的出行率

Nsi——規(guī)劃年分區(qū)i中第s類家庭數(shù)目的預(yù)測值當(dāng)前27頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測回歸分析法（1）方法描述 一個交通小區(qū)的出行產(chǎn)生量與多個因素有密切因果關(guān)系，主要有城市的經(jīng)濟(jì)發(fā)展水平、分區(qū)的居民數(shù)、平均收入、平均車輛擁有量、其中各類職業(yè)的人口數(shù)、分區(qū)距市中心的距離、非住宅用地面積等，通過建立出行產(chǎn)生量與這些相關(guān)因素之間的函數(shù)關(guān)系進(jìn)行預(yù)測

[注]：該方法還用于其他領(lǐng)域的預(yù)測問題，有成熟的軟件輔助計算(Matlab)當(dāng)前28頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測回歸分析法（2）模型

Pi=b0+b1X1+b2X2+…+bnXn+ε

式中：Pi——是某分區(qū)的出行產(chǎn)生量

bk——是待定的系數(shù)（偏回歸系數(shù)）

Xk——是被選出的自變量，例如收入

ε——殘差項，是一個隨機(jī)變量，表示其它影響因素對產(chǎn)生量的綜合作用當(dāng)前29頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測回歸分析法（3）參數(shù)標(biāo)定

P=XBX’P=(X’X)B

其中可以證明：當(dāng)各變量Xi線性無關(guān)時，矩陣（X’X）可逆當(dāng)前30頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測回歸分析法（4）模型的統(tǒng)計檢驗

1）顯著性檢驗 檢驗自變量對因變量（我們這里的因變量就是“出行產(chǎn)生量”）的顯著水平（影響程度）。殘方差、擬合度、R值、F值

2）相關(guān)性檢驗 計算相關(guān)矩陣，剔出相關(guān)變量，確保矩陣（X’X）可逆當(dāng)前31頁，總共39頁。1出行生成預(yù)測：出行產(chǎn)生量預(yù)測回歸分析法（5）模型說明

1）假定未來年的出行產(chǎn)生量P與各因素（自變量）的關(guān)系（這些關(guān)系由回歸系數(shù)bk（k=1，…，n）表現(xiàn)出來）與現(xiàn)年相同，這樣才能把由現(xiàn)年樣本數(shù)據(jù)標(biāo)定出來的回歸系數(shù)用于預(yù)測未來規(guī)劃年的產(chǎn)生量

2）應(yīng)用回歸模型要有一個基本條件：模型中各自變量的規(guī)劃年預(yù)測值要容易求得，它們應(yīng)該由別的可靠性較高的預(yù)測模型求得當(dāng)前32頁，總共39頁。1出行生成預(yù)測：出行吸引量預(yù)測預(yù)測方法1）原單位法 通常以就業(yè)崗位或用地面積為分析單位，即個人原單位法或面積原單位法，吸引率單位分別為人次/日.崗位和人次/日.萬平米2）回歸分析法：多用于貨物吸引量預(yù)測3）增長率法：較為粗糙當(dāng)前33頁，總共39頁。1出行生成預(yù)測：出行吸引量預(yù)測原單位法（1）模型 式中，Bi——分區(qū)i的理論吸引量

dik——分區(qū)i的第k類崗位數(shù)或第k類用地的面積

wik——分區(qū)i每個第k類崗位或第k類用地的單位面積的單位時間平均出行吸引量，即“吸引率”當(dāng)前34頁，總共39頁。1出行生成預(yù)測：出行吸引量預(yù)測原單位法：建設(shè)部規(guī)范參考指標(biāo)情況當(dāng)前35頁，總共39頁。1出行生成預(yù)測：出行吸引量預(yù)測原單位法（2）實際吸引量修正 理論吸引量公式中的各類崗位的吸引率wik是統(tǒng)計出來的，可能導(dǎo)致Bi出現(xiàn)誤差，使總吸引量不等于總產(chǎn)生量。修正后實際吸引量為：

其中，Pj——分區(qū)的產(chǎn)生量當(dāng)前36頁，總共39頁。1出行生成預(yù)測：出行吸引量預(yù)測原單位法：

[例題]

上海金茂大廈交通影響分析辦公功能吸引量計算

開發(fā)基礎(chǔ)資料：辦公樓建筑面積為122871平米；辦公樓租售率，98年底確定為30～40%，取為35%，預(yù)測99年底將達(dá)70%

出行吸引特征數(shù)據(jù)：根據(jù)上海市綜合調(diào)查，每崗位所需的辦公樓面積，一