《交通发生与吸引课件》由会员分享，可在线阅读，更多相关《交通发生与吸引课件（49页珍藏版）》请在金锄头文库上搜索。
1、交通需求预测,1,交通发生与吸引课件,一、 交通生成预测 二 、交通分布预测 三 、交通方式划分预测 四 、交通分配预测,预测四阶段,通过现状OD调查得到一张全人口全方式的现状OD表,o,D,1、根据现状OD表求未来交通出行需求,o,D,2、将总发生量和总吸引量分布到未来的全人口全方式OD表中,o,D,3、在出行方式上选择，进行新的划分,o,D,o,D,公交OD,自行车OD,4 、把两小区的交通交换量具体地落实到路网上,方法： 现状路网上分未来OD 现状路网上分现状OD 评价现状路网 未来路网上分未来OD 检验规划的方案是否合理,集聚分析（集合预测发）客观方法 非集聚分析 主观方法 因果分析（
2、其中最典型的是回归分析） 趋势外推（其中最典型的是交叉分类法）,预测的模式,居民 客运 流动人口 对外和过境人口 内容 市内 对外和过境,货运,城市交通需求预测,模式1 ： 居民OD 居民生成、分布、方式划分、 分配 流动人口OD 对外人口生成、分布、方式 划分、分配 过境，对外 生成、分布、方式划分、分配,基本步骤,模式2： 居民OD 流动人口OD 生成、分布、方式划分、分配 过境、对外,交通预测基本思路,预测前应获取的资料： 1 现状OD 2 现状和未来的社会经济 3 土地利用 4 交通及其交通设施,第一个阶段：出行的发生与吸引,影响出行生成的因素 生成交通量的预测 发生与吸引交通量的预测
3、,发生、吸引交通量与生成交通量的关系,.,.,.,.,.,.,.,.,发生交通量,吸引交通量,生成交通量,交通生成模型的目的,交通生成（Trip Production ）,目的： Zoning 根据 OD Study 资料收集 预测：Pi 、Aj (i,j=1,2,3n),出行土地使用、社会经济活动到出行过程生成 出行分类： 按Home 由家出行 （ 上班 、非上班） 非由家出行 按目的 工作，上学，购物，公务，旅游 按距离 按时间 按方式 出行生成的单位：人，车,出行发生量（Trip Generation） 住户的社会经济特征 人口特征 收入特征 车辆的拥有特征 出行发生率=出行的发生次数/
4、人.天,Pi(数量，形态),出行吸引量（Trip Attraction） 土地使用的形态 Aj 土地面积，性质 建筑面积，性质 (商业，办公，工厂，社会),1、回归分析 y=f(xi) 模型： y=+1 x1+ 2 x2+ n xn 多元线性回归 y=+1 x1a1+ 2 x2a2+ n xnan 多元非线性回归 应满足假设：变量与自变量连续，自变量对因变量是线性的、独立的变量 误差来源： 1 调查误差 2 自变量的变化分布不一定是正态的 3 个别抽样值离散 4 资料欠缺,出行生成的两类模型,2 、类别生成法(原单位法) 1） 构造方法 按住宅类兴分 按人口组成 a 家庭分类 按收入 按车辆拥
5、有 b 归类 c 计算每类的平均出行发生率，吸引率 d 计算各分区的发生量，吸引量,出行的影响因素,土地利用 住宅对交通的影响：住宅区面积、住户数、居住区总人口 单位面积的住户数和居民数等。 其它对交通的影响：单位面积的工作人员数、占用的土地 面积等。 其它指标： 学生人数等。,家庭,家庭规模、人口构成： 家庭规模大的出行次数多。 性别、年龄： 越年轻，出行次数越多。 汽车（自行车）拥有数：拥有数越大，出行越多。 职业、职务： 职业不同出行次数不同。 单位公房： 与工作地点相距很近的居住者出行较少。 自由时间： 自由时间=24-生活必需时间(睡眠、饮食) -约束时间（工作、学习） 其它： 家庭
6、收入、劳动时间、商店营业量等等。,年龄段,平均出行次数(男),不同年龄男性日人均出行次数（1986年北京市）,女性不同年龄的平均出行次数,年龄段,不同出行目的人均出行原单位（1986年北京市）,交叉分类或类型分析（按家庭）Cross-Classification or Category Analysis,以估计给定出行目的每户家庭的出行产生量为基础，建立以家庭属性为变量的函数。 突出家庭规模、收入、拥有小汽车数分类调查统计得出相应的出行产生率，由现状产生率得到现状出行量，由未来产生率得到未来出行量。,基本假定,一定时期内出行率稳定； 家庭规模变化很小，收入与小汽车拥有数增长； 家庭类型数量及各
7、参数分布可用数学方法导出。,模型说明： 假设tp(h)是由h类家庭产生的、出行目的为p的平均出行数，类型可按照选择的层次来定义。 计算出行率的标准方法是将标定数据所涉及的家庭分成多组，然后，按出行目的汇总观测到的总出行量。按家庭h计算的出行率tp(h)就是将总出行量除以相应的家庭数量H(h)。,其技术关键在于如何选择分类方式，使得的标准差最小。,优点： 1 能够利用已知信息估计家庭类型数量； 2 从其他调查取得出行产生率； 3 计算简单 缺点： 高收入、拥有小汽车数量多的住户在现状与预测两阶段中的作用不均衡。,实例：20世纪60年代伦敦交通规划。,按照地理条件和家庭属性，分了108个类型。 该
8、研究的基本假定为： 一个独立的家庭是交通发生的基本单位； 每个家庭的生成交通量是由其地理位置（如工作地点） 及其家庭属性决定的； 具有某些同样特点的家庭可以作为基准求出各种类型家 庭的平均出行率； 只要各家庭的外部因素与最初调查时点是相同的，就可 以认为其出行率不变。,按照年收入、汽车拥有数、家庭规模等3个特征对家庭分类：,年收入（英镑）：不足500、500-1000、1000-1500 1500-2000、2000-2500、2500以上 汽车拥有数：0、1、1以上 家庭构成：无就业者，无业成人1人；无就业者，无业成人 1人以上；就业者1人，无业成人1人及以下； 就业者1人，无业成人2人及以
9、上；就业者2人， 无业成人1人及以下；就业者2人，无业成人2人 及以上；,在某对象区域常住人口平均出行率不变的情况下，求其将来的出行生成量。（单位：万出行数日）,出行生成量：T=105.0 现状常住人口：N=41.0 将来常住人口：65.0 平均出行率T/N：105.0/41.0=2.561(出行数/日、人) 将来的生成交通量： X=M* (T/N )=65.0*2.561=166.5(万出行数/日),发生与吸引交通量的预测,（1）增长率法； （2）原单位法； （3）函数法,对交通小区的发生、吸引交通量的预测，要考虑到交通发生源的空间布局关系，从而按区域进行发生、吸引交通量的预测。,增长率法（
10、Growth Factor Method）,把现在的不同分区的发生、吸引交通量 与到预测时点的增长率 相乘，即,：发生、吸引交通量增长率，通常可以用表示 各交通小区活动的指标的增长率来表示。,人口增长率,汽车拥有数的增长率,一个区域共有500户家庭，250户有1辆小汽车，另外250 户没有小汽车。假设有汽车家庭出行发生率为6.0次/天 ，无汽车家庭为2.5次/天。假设未来所有家庭都有1辆 小汽车，求规划年的出行发生量Ti。 解：该区域现在出行量：t=250*2.5+250*6=2125次/天 增长系数为： Fi=Cid/Cic=500/250=2.0 该区域未来出行量：Ti=2*2125=42
11、50次/天。,假设各小区的平均出行发生量与吸引量不变，试用例1的数据求出将来的出行发生与吸引量。,原单位法（交叉分类法）,166.0,166.4,总量控制(Control Total),T=166.5 万出行数日,函数法（回归法）,这种方法是交通小区的发生、吸引交通量预测上最常用的方法，由于绝大部分研究是采用多元回归分析模型，故也被称为多元回归分析法（Regression analysis）。,1.,2.,3.,：表示校正系数； ：表示交通小区的影响出行的社会经济指标，例如区内平均收入、平均汽车保有率、 家庭数、人口、就业人数、 土地利用面积等等。,准备和整理必要的资料数据； 确定因变量和自变
12、量，尤其是自变量； 根据资料数据作出散点图; 确定模型形式； 求解回归系数。,1、建立模型,初步经验检验。 统计检验包括离散系数、相关系数、可决系数等检验，从数学上考察模型； 判定预测效果。,2、检验模型,通过上述检验后，进入实际预测，提供有价值的信息。,3、实施预测,一元线性回归,只有一个变量的一元回归模型： a、b回归系数。 回归系数公式：,标准差S计算公式： 式中n-2为自由度，因为a,b是由实际资料计算的，所以 自由度比n少2。,例题,某城市有六个区，各区2002年机动车拥有量与人口之间 的关系如下，试用一元线性回归分析技术建立预测模型。 分区号 1 2 3 4 5 6 机动车 300 240 430 310 220 200 人口 12 8 20 12 7 6,解：b=16.286; a=106.901 所以，Yi=106.901+16.286Xi,回归分析方法的缺陷：,不能保证使用了真正有效的说明变量； 即使得到了公式，也不能保证一定是合理的描述了交通现象。,计算结果通过总量控制法进行修正。,
