交通規(guī)劃與設(shè)計(劉樹義) 方式劃分 (三)預(yù)測模型_第1頁
交通規(guī)劃與設(shè)計(劉樹義) 方式劃分 (三)預(yù)測模型_第2頁
交通規(guī)劃與設(shè)計(劉樹義) 方式劃分 (三)預(yù)測模型_第3頁
交通規(guī)劃與設(shè)計(劉樹義) 方式劃分 (三)預(yù)測模型_第4頁
交通規(guī)劃與設(shè)計(劉樹義) 方式劃分 (三)預(yù)測模型_第5頁
已閱讀5頁,還剩39頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

第三節(jié)預(yù)測模型主要內(nèi)容

模型分類

實用集計模型

非集計模型

一、預(yù)測模型分類

根據(jù)模型所處階段

根據(jù)數(shù)據(jù)集合程度

根據(jù)模型結(jié)構(gòu)層次〔1〕根據(jù)模型所處階段出行末端模型〔TripEndModel〕

在交通分布前,即發(fā)生階段方式選擇;

無法考慮地區(qū)間交通狀況和方式競爭。地區(qū)間模型〔TripInterchangeModel〕

在交通分布之后進(jìn)行方式劃分預(yù)測;

應(yīng)用廣泛,是四階段法的組成局部?!?〕根據(jù)數(shù)據(jù)集合程度集計模型〔AggregateModel〕

以交通小區(qū)為研究單位;

用于四階段法,評價長期交通建設(shè)。非集計模型〔DisaggregateModel〕

以出行個體為研究單位;

考慮交通競爭關(guān)系,評價短期交通管理。集計模型與非集計模型的區(qū)別集計模型非集計模型調(diào)查單位各次出行各次出行分析單位交通小區(qū)個人(或家庭)因變量小區(qū)統(tǒng)計值(連續(xù)量)個人的選擇(離散量)自變量各小區(qū)的數(shù)據(jù)各個人的數(shù)據(jù)預(yù)測方法回歸分析等最大似然法適用范圍預(yù)測交通小區(qū)任意政策體現(xiàn)交通小區(qū)代表值變化個人變量值的變化交通現(xiàn)象的把握方法出行發(fā)生出行發(fā)生出行分布目的地選擇交通方式劃分交通方式劃分交通分配交通分配全方式出行步行自行車摩托車小汽車常規(guī)公交軌道交通

多項選擇:〔Multi-NominalMethod〕多項選擇法是利用預(yù)測模型一次性預(yù)測所有交通方式分擔(dān)率的方式。〔3〕根據(jù)模型結(jié)構(gòu)層次多層選擇:全方式交通非機(jī)動出行機(jī)動出行步行自行車私人機(jī)動出行公共機(jī)動出行汽車摩托車公共汽車軌道交通〔NestedMethod〕BinaryChoiceMethod多層選擇法是考慮各種交通方式間存在內(nèi)在聯(lián)系,從而分層次預(yù)測各方式分擔(dān)率。二、實用集計模型介紹類比法〔經(jīng)驗法〕全域模型轉(zhuǎn)移曲線模型〔TI〕距離曲線模型組合回歸模型馬爾科夫鏈模型〔AggregateModel〕1、類比法〔經(jīng)驗法〕借鑒國內(nèi)外可比城市/區(qū)域的交通分擔(dān)開展?fàn)顩r,結(jié)合本區(qū)域的開展趨向,考慮交通方式間的競爭關(guān)系,結(jié)合交通政策導(dǎo)向,憑借經(jīng)驗進(jìn)行定性的判斷。例如:威??深惐惹鄭u、煙臺,或者珠三角、遼東半島的城市,或北歐某些城市。2、全域模型將全區(qū)出行方式比例與某個因子建立函數(shù),全區(qū)采用統(tǒng)一的方式劃分比例。例如:人口、土地、私車擁有量等因子?!补焕靡蜃?公交劃分率%10203010050全域交通3、轉(zhuǎn)移曲線模型根據(jù)調(diào)查資料,繪出各交通方式分擔(dān)率與影響因素關(guān)系曲線〔轉(zhuǎn)移曲線諾模圖〕,利用該曲線查出目標(biāo)年份的交通方式劃分比例。優(yōu)點:國外廣泛使用,簡單、方便。缺點:繪制曲線需要大量資料,我國目前缺乏足夠的資料。步行與機(jī)動車公交與小汽車軌道交通與常規(guī)公交出行距離公交時間/汽車時間軌道交通時間/公共汽車時間例1制作分擔(dān)率曲線需要有大量的統(tǒng)計資料,我國在這方面積累少,只有一些大城市繪制了公共交通和自行車交通的分擔(dān)率曲線。4、距離曲線模型例:青島市2003年距離曲線模型5、徑路模型在進(jìn)行方式劃分預(yù)測時,同時考慮各交通方式選擇的路徑,相當(dāng)于方式劃分與交通分配結(jié)合。6、回歸模型方式分擔(dān)量與社會經(jīng)濟(jì)人口變量建立函數(shù)關(guān)系,例如:Gim——交通區(qū)i交通方式m的交通產(chǎn)生/吸引量。Xi——相關(guān)因素,如人口、土地、收入等;α,β——回歸系數(shù),根據(jù)現(xiàn)狀資料用最小二乘法確定。7、馬爾科夫鏈交通方式之間存在此消彼長的關(guān)系,例如某一個地區(qū)修通了軌道線路,原來公共汽車或自行車出行會局部轉(zhuǎn)移到軌道交通。例2:上海某區(qū)1995年居民出行調(diào)查使用公交、步行、自行車的比例為22%、21%、55%,2005年軌道線路通車后區(qū)內(nèi)設(shè)站,使得原來使用自行車的出行有48%轉(zhuǎn)移到公交,其它方式間轉(zhuǎn)換見矩陣值:求解轉(zhuǎn)移后的公交、步行、自行車分擔(dān)率。公交步行自行車即公交出行比例從1995年的22%增加至2005年的50%,步行下降2個百分點,而自行車的出行比例那么從55%減至29%。解:公交步行自行車三、非集計模型

概述

MNL模型

NL模型

Probit模型

習(xí)題與思考〔DisaggregateModel〕1、概述理論根底:出行者遵循效用極大化原理,來選擇交通出行方式。效用是人們希望最大化的東西,表示方案的吸引力〔效用U=V+ε〕。出行者總希望選擇效用最大〔即費用最小〕的出行方案。非集計模型〔DM〕預(yù)測結(jié)果:概率值Pi∈〔0,1〕。隨機(jī)效益函數(shù)〔RandomUtilityFunction〕式中,V(k)——方案k的固定效益,不受出行者感知影響;

e(k)——隨機(jī)項,出行者主觀感覺評價值,服從一定分布。方案k的選擇概率p(k)由下式表示:概率分布函數(shù)概率密度函數(shù)假設(shè)e(k)相互獨立,且服從同一的Gumbel分布〔極值分布〕,用概率變量x表示e(k),θ作為參數(shù),隨機(jī)項分布函數(shù)表示為:那么:從阻抗Cij

角度考慮,結(jié)合阻抗控制參數(shù)β,上述公式演化為:上式即為常用多項式LOGIT模型公式。2、多項式LOGIT模型〔MNL〕特性:1、曲線形式為“S〞曲線;2、V1=..=Vk,那么P1=P2=1/k;3、V1>>Vi,P11.0;4、ε服從Gumbel分布。5、β控制離散〔聚合〕度,與Gumbel變量的標(biāo)準(zhǔn)差有關(guān)。或方式4方式1劃分率1.00.0例題:假設(shè)小汽車和公交車的效用相同,預(yù)測兩個交通小區(qū)間小汽車和公交車對機(jī)動車的分擔(dān)率。解:根據(jù)MNL公式得:MNL模型的局限性〔紅-藍(lán)巴士問題〕實際上,小汽車的比例Pc應(yīng)保持0.5不變,紅色和藍(lán)色巴士平分其余的0.5.為何會出現(xiàn)上面的預(yù)測結(jié)果?例題3-2:假設(shè)公共汽車公司經(jīng)理決定把一半公交車刷成紅色,一半刷成藍(lán)色,公交和小汽車的效勞水平均保持不變,那么根據(jù)MNL公式得到了有趣的預(yù)測:紅藍(lán)巴士間不獨立!前述問題的原因在于:MNL根本假設(shè)是各方案是相互獨立的〔IIA特性〕,如果方案之間不獨立,那么預(yù)測結(jié)果不合理,需采用嵌套LOGIT模型〔NL〕或NP模型。嵌套模型考慮到交通方式間的關(guān)聯(lián)性和層次性,可用于交通方式間有聯(lián)系的分層預(yù)測。MNL模型須滿足方案間的IIA特性〔IndependenceofIrrelevantAlternative〕,假設(shè)IIA不成立,那么需要用NL或NP預(yù)測。3、嵌套LOGIT模型〔NL〕根據(jù)交通方式間附屬關(guān)系進(jìn)行分層。第一次分擔(dān)將有共性的交通方式集合分開;第二次劃分再細(xì)分;依此類推,可以進(jìn)行多層次劃分….紅藍(lán)巴士問題可以得到很好的解決。BinaryNominalLogit模型例4:求解前面紅藍(lán)公交車問題。第一層第二層二項LOGIT參數(shù)標(biāo)定〔BL〕兩種方式的概率比為:對公式〔8-3〕兩邊取對數(shù):δ=〔ε1-ε2〕/λ(8-3)例5:區(qū)對P1(%)P2(%)C1C2C2–C1Ln[P1/(1-P1)]151.04921.018.0-3.00.04257.04315.813.1-2.70.29380.02015.914.7-1.21.39471.02918.216.4-0.80.90563.03711.08.5-2.50.53令x=C2-C1,Y=Lg[P1/(1-P1)],求得回歸方程為:因此,

λ=,δ=/4、Probit模型Probit模型認(rèn)為隨機(jī)項e(k)服從平均值為0的多變量標(biāo)準(zhǔn)正態(tài)分布,e(k)可相互關(guān)聯(lián)。Probit理論上比Logit模型有優(yōu)勢。與LOGIT模型類似,Probit模型分為MNP和NP兩類,公式詳見P163~164。Logit模型與Probit模型相比,過小的估算了概率小的路徑,過大的估算了概率大的路徑。見課本P166頁7-19。Probit模型有理論優(yōu)勢,可以求解各種關(guān)系的交通方式劃分,但是求解多方案困難〔尤其超過3種選擇方式時〕。對于多方案求解方法,目前一般采用兩種近似求解方法:仿真方法和逼近方法,具有代表性的仿真方法是Monte-Carlo仿真法和McFadden仿真法;代表性的逼近方法有合并逼近法和分裂逼近法。5、習(xí)題與思考思考題1思考題2tijBUS1231511132101212314167tijCAR1231381028711310113cijBUS123113014018021401302203180220130cijCAR123121455824542603586019pijBUS12310.2730.2650.25320.2820.2480.25530.2390.1920.244pijCAR12310.7270.7350.74720.7180.7520.74530.7610.8080.756課本P167頁,例題7-1。解:ΔtijΔcijΔtij1231-2-3-32-2-5-13-4-5-4Δcij1231-109-95-1222-95-88-1603-122-160-111ln(Pc/Pb)12310.979451.020141.0826820.934561.109311.0721231.158171.437071.13087由此得:解得,α,β,γ通過常識檢驗,統(tǒng)計檢驗,D-W檢驗等,符合要求。將未來年份的公共汽車、小汽車的行駛時間和票價代入到公式,可得到未來年份的公共汽車和小汽車的出行比例矩陣。將未來出行分布矩陣乘以相應(yīng)的比例矩陣,可得到未來年份的出行OD矩陣。例6:以廣島城市圈綜合交通規(guī)劃為例。根據(jù)交通調(diào)查資料,繪制

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論