《交通生成预测》由会员分享，可在线阅读，更多相关《交通生成预测（13页珍藏版）》请在金锄头文库上搜索。
1、城市公共交通规划交通工程112班 卢明交通生成预测交通生成预测是交通生成预测是“四阶段四阶段”交交通需求预测法的通需求预测法的第一阶段第一阶段，是，是交通需求分析工作中最基本的交通需求分析工作中最基本的组成部分。组成部分。出行生成是城市土地利用对城出行生成是城市土地利用对城市居民出行意愿的作用效果。市居民出行意愿的作用效果。出行可分为由家出行与非由家出行可分为由家出行与非由家出行。出行。出行生成有两种单位。出行生成有两种单位。出行生成包括出行发生与出行出行生成包括出行发生与出行吸引。前者以住户的社会经济吸引。前者以住户的社会经济特性为主，后者以土地利用的特性为主，后者以土地利用的形态为主。形态
2、为主。交通交通生成预测以交通小区为基生成预测以交通小区为基本单位，分别预测交通小区的本单位，分别预测交通小区的出行产生量和吸引量。出行产生量和吸引量。概述居民出行产生量预测影响出行产生量的因素：影响出行产生量的因素： 土地利用土地利用 家庭规模和人员的构成家庭规模和人员的构成 年龄、性别年龄、性别 汽车保有率汽车保有率 自由时间自由时间 职业和工种职业和工种 外出率外出率 企业规模、性质企业规模、性质 家庭收入家庭收入 其他其他居民交通出行产生量的预测方法：居民交通出行产生量的预测方法： 类型分析法类型分析法 （聚类分析法、（聚类分析法、 交叉分类法）交叉分类法） 回归分析法回归分析法 （函数
3、法）（函数法） 增长率法增长率法 以以家庭家庭作为分析单位，用将来的出行发生率求得将来的出行量。作为分析单位，用将来的出行发生率求得将来的出行量。基本思想是把家庭按类型分类（小汽车拥有量、家庭规模和家庭基本思想是把家庭按类型分类（小汽车拥有量、家庭规模和家庭收入收入 ），从而求得不同类型家庭的平均出行率。预测时以将来同），从而求得不同类型家庭的平均出行率。预测时以将来同类型家庭的总户数乘以相应的出行率。类型家庭的总户数乘以相应的出行率。居民出行产生量预测类型分析法交通小区第k类家庭的总户数n 划分的家庭类别总数第k类家庭的平均出行率交通小区i的出行产生量步骤步骤：基本步骤：基本步骤： 对研究对
4、象区域内对研究对象区域内的家庭进行分类的家庭进行分类 把每个家庭定位到把每个家庭定位到各类别中；各类别中； 计算每类家庭的平计算每类家庭的平均出行率；均出行率； 预测各分区每类家预测各分区每类家庭的数量；庭的数量； 预测各分区的出行预测各分区的出行产生量。产生量。【例题例题】某地在交通规划调查中，将区域内家庭按机动车拥有量和收入进行某地在交通规划调查中，将区域内家庭按机动车拥有量和收入进行分类，共划分为六种类型（见表分类，共划分为六种类型（见表1），各类家庭的平均出行率分别为：），各类家庭的平均出行率分别为： a类家庭：类家庭：12次次/户户日；日；b类家庭：类家庭：10次次/户户日；日；c类
5、家庭：类家庭：6次次/户户日；日；d类家庭：类家庭：9次次/户户日；日；e类家庭：类家庭：7次次/户户日；日；f类家庭：类家庭：5次次/户户日。日。 预测该区域未来年各类家庭分布如表所示。试根据以上数据预测未来预测该区域未来年各类家庭分布如表所示。试根据以上数据预测未来年各小区出行发生量。年各小区出行发生量。居民出行产生量预测类型分析法【解解】小区小区1出行产量出行产量=2512+3010+56+59+157+155=855 （次（次/日）日）小区小区2出行产生量出行产生量=2012+2510+06+59+107+55=630 （次（次/日）日）小区小区3出行产生量出行产生量=3012+401
6、0+56+09+207+205=1030 （次（次/日）日） 运用该模型时需要注意：运用该模型时需要注意：假设前提：一定时期内出行率是稳定的，家庭规模的变化很小。假设前提：一定时期内出行率是稳定的，家庭规模的变化很小。计算各类家庭的平均出行率时应该抽取足够多的家庭样本以保证模型的计算各类家庭的平均出行率时应该抽取足够多的家庭样本以保证模型的精度。精度。出行目的不同（刚性或弹性）。由此，进行细致的分类，出行目的的类出行目的不同（刚性或弹性）。由此，进行细致的分类，出行目的的类型分析模型为型分析模型为:居民出行产生量预测类型分析法交通小区i目的为m的出行产生量规划年该交通小区中的s类家庭数目的预测
7、值第s类家庭目的为m的出行率交通小区i出行产生量讨论讨论 类型分析法的优缺点有哪些？类型分析法的优缺点有哪些？居民出行产生量预测类型分析法 直观、容易了解。直观、容易了解。 资料的有效利用。资料的有效利用。 容易检验与更新。容易检验与更新。 可以适用于各种研可以适用于各种研究范围。究范围。 每一分类中，住每一分类中，住户彼此之间的差异性户彼此之间的差异性被忽略。被忽略。 同一类变量类别同一类变量类别等级的确定是凭个人等级的确定是凭个人主观，失之客观。主观，失之客观。 不全面：不包括不全面：不包括非由家出行的产生量非由家出行的产生量 不足优势居民出行产生量预测回归分析法1确定模确定模型形式型形式
8、选取主要的且近似相互独立的因素作为自变量，根据选取主要的且近似相互独立的因素作为自变量，根据样本值标示出散点图，用数学函数拟合每个自变量与样本值标示出散点图，用数学函数拟合每个自变量与产生量大致系产生量大致系。2标定参标定参数数包括计算方程式中的回归常数和回归系数的数值。包括计算方程式中的回归常数和回归系数的数值。3模型的模型的检验检验初步检验：模型在整体上是否与公认的常识相矛盾。初步检验：模型在整体上是否与公认的常识相矛盾。统计检验：自变量对因变量的显著性、相关性检验。统计检验：自变量对因变量的显著性、相关性检验。预测效果测定预测效果测定居民出行吸引量预测方法：方法： 类型分析法（主要用于类
9、型分析法（主要用于人员人员出行的吸引量预测）出行的吸引量预测） 回归分析法（主要用于回归分析法（主要用于货物货物出行的吸引量预测）出行的吸引量预测） 其他预测方法其他预测方法 个人认为仅供参考：货物出行与分区的经济活动特性密切相关，而各个经济指标不一定能统一，不便用类型分析法。WHYWHY？居民出行吸引量预测居民出行吸引量预测影响居民出行吸引的因素：用地情况、交通小区所处区位、建筑影响居民出行吸引的因素：用地情况、交通小区所处区位、建筑情况、传统地位等等，定性因素多。情况、传统地位等等，定性因素多。类型分析法某种目的、交通小区i的出行吸引量某种目的、交通小区i的基本吸引权某种目的、交通小区i的
10、区位系数某种目的、交通小区i的特性系数某种目的的居民出行产生量利用居民出行调查所得数据，通过逐步回归分析，建立各利用居民出行调查所得数据，通过逐步回归分析，建立各种出行目的的出行吸引与土地利用的基本关系。种出行目的的出行吸引与土地利用的基本关系。确定区位系数。交通小区区位划分：中心区、中间区、外确定区位系数。交通小区区位划分：中心区、中间区、外围区。吸引权不同，可得出不同区位系数。围区。吸引权不同，可得出不同区位系数。确定交通小区特性系数。反映交通小区除一般因素以外的特性确定交通小区特性系数。反映交通小区除一般因素以外的特性对出行吸引影响。综合考虑交通小区各种具体状况确定。对出行吸引影响。综合
11、考虑交通小区各种具体状况确定。交通小区居民出行吸引预测。交通小区居民出行吸引预测。4321居民出行吸引量预测其他预测方法 回归模型中的自变量本身在未来规划年的值也需要预测。自变量中回归模型中的自变量本身在未来规划年的值也需要预测。自变量中经济指标涉及因素多且复杂，多采用时间序列分析方法进行预测。经济指标涉及因素多且复杂，多采用时间序列分析方法进行预测。时间序列预测法时间序列预测法移动平均法移动平均法指数平滑法指数平滑法以历史数据的算术平均数、加权算术平以历史数据的算术平均数、加权算术平均数和几何平均数等直接作为预测值均数和几何平均数等直接作为预测值只需要本期的实际值和本期的预测值便只需要本期的
12、实际值和本期的预测值便可预测下一期的数据，不需要保存大量可预测下一期的数据，不需要保存大量的历史数据。的历史数据。指数平滑法包括一次、二次、三次指数指数平滑法包括一次、二次、三次指数平滑。平滑。居民出行吸引量预测ARMA模型 自回归滑动平均模型（自回归滑动平均模型（Auto-Regressive and Auto-Regressive and Moving Average Model , ARMA)Moving Average Model , ARMA)是研究时间序列的是研究时间序列的重要方法。将预测指标随时间推移而形成的数据序重要方法。将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。常用于存关系体现着原始数据在时间上的延续性。常用于长期追踪资料的研究。长期追踪资料的研究。 摘自百度百科摘自百度百科谢谢大家！谢谢大家！
