道路與交通二需求預測

什么是交通需求預的 一的制定、交通網(wǎng)絡設計以及方案評價都與交通需求預測有密的聯(lián)系。傳統(tǒng)交通需求預測的“四階段”模式是指在居民出行交通需求的產(chǎn)?布土地利用產(chǎn)生交通需求?布土地利用的性強布土地利用的性強布影響交通需求的強度和空動交通施交通需求的分析過1.土地利用性質與強度→交通需求的強2.土地利用布局→交通需求的空間分3.不同交通方式的特征→交通需求的分擔方4.交通網(wǎng)絡的特征→交通需求的作用結果（交通流量基本概交通生成預測是交通需求四階段預測中的第一階段，是交通出行的發(fā)生、吸引與土地利用性質和設施規(guī)模有著密切的。基本概交通生成預測是交通需求四階段預測中的第一階段，是交通需求析工作中最基本的部分之一，目標是求得研究對象地區(qū)的交通需求的發(fā)生與吸引交通量。出行的發(fā)生、吸引與土地利用性質和設施規(guī)模有著密切的關交通生成量的影響因土地利家庭規(guī)模和家庭成員的構和汽車保有自由時職業(yè)和工企業(yè)規(guī)模、性家庭收其 通量的預出行可分為由家出行與非由家出出行生成有兩種單位：一種是以車為單位；另一種是以人為。出行生成包括出行發(fā)生與出行吸引。前者以社會經(jīng)濟特性為者以土地利用的形態(tài)為出行 通量通常作為總控制量，用來預測和校核各個交通小的發(fā)生和吸引交通量OD表中發(fā)生交通量、吸引交通量和 通量三者之間的關。 通量的預

…...生…... 通 通 通量的預測方 通量的預測方法主要有原單位法、增長率法、交分類法和函數(shù)還有利用研究地區(qū)過去的交通量或經(jīng)濟指標等的趨勢回歸分析等方原單位原單位法（生成率法）基本原①某類出行的生成量與某種社會經(jīng)濟指標（如人口等）者的比例稱為出行生成率（或稱原單位）②這種出行生成率能夠通過對象地區(qū)的歷史或現(xiàn)狀數(shù)據(jù)推算出，者可以從其他類似地區(qū)移植③假定出行生成率在一定時期內是穩(wěn)定的，則可通過預測未來年應社會經(jīng)濟指標的變化，來預測未來年的出行生成原單位原單位法（生成率法）計式中T——交通生成as——第s類出行的生成Ns——第s類出行的人口原單位例題某地現(xiàn)狀年人口數(shù)為800人，交通規(guī)劃統(tǒng)計的現(xiàn)狀日出行總次數(shù)為次。已知未來年該地區(qū)預測人口為人，試預測未來解該地區(qū)現(xiàn)狀年的人均出行次數(shù)a=2064÷800=2.58（次/日假設未來年人均出行次數(shù)不變，則未來年該地區(qū)的日出行生總量T=2.58×1000=2580（次基于家庭的出行發(fā)生率①有關家庭的橫向分②把每個家庭定位到橫向類③對其所分的每一類，計算其平均出行④計算各小區(qū)的出行發(fā)式中Oi、Dj——交通發(fā)生、吸引x——某類屬性變量（用地面積、職位數(shù)、人口、家庭等bs——第s類屬性變量的平均發(fā)生率（出行數(shù)/日人）；—第s類屬性變量的平均吸引率（出行數(shù)/日人基于家庭的出行發(fā)生率例題某地在交通規(guī) 中，將區(qū)域內家庭按機動車擁有量和收入進行叉分類，共劃分為六種類型（見表1），各類家庭的平均出行次數(shù)分為a類家庭：12次/戶·日；b類家庭：10次/戶·日；c類家庭：6次/戶·；d類家庭：9次/戶·日；e類家庭：7次/戶·日；f類家庭：5次/戶·日預測該區(qū)域未來年各類家庭分布如表2所示。試根據(jù)以上數(shù)據(jù)預測未年各小區(qū)出行產(chǎn)生量基于家庭的出行發(fā)生率家庭類有機無機DFCE1555350 解·小區(qū)1出行產(chǎn)生量O1=25×12+30×10+5×6+5×9+15×7+15×5=855（次·小區(qū)2出行產(chǎn)生量O2=20×12+25×10+0×6+5×9+10×7+5×5=630（次·小區(qū)3出行產(chǎn)生量O3=30×12+40×10+5×6+0×9+20×7+20×5=1030（次基于土地利用的出行吸引率基本假設：城市中土地利用類型和強度的不同，導致人們的出行動的強度和規(guī)律有所不同?？梢酝? 料，按照用地類城市中的土地利用類型繁多，反映不同類型用地規(guī)模的指標各有常用指標：職員數(shù)量、用地面積基于土地利用的出行吸引率例題某區(qū)域由三個交通小區(qū)構成，各小區(qū)未來年的土地利用特征如下表。在現(xiàn)狀抽 基礎上，計算得到該區(qū)域工業(yè)用地的出行吸引率為2/雇員·日，商業(yè)用地的出行吸引率為7次/雇員·日。試根據(jù)以上數(shù)據(jù)預未來年各小區(qū)出行吸引小區(qū)編工業(yè)用地雇員商業(yè)用地雇員123解小區(qū)1出行吸引量：D1=120×2+80×7=800（次）小區(qū)2出行吸引量：D2=80×2+90×7=790（次）小區(qū)3出行吸引量：D3=60×2+130×7=1030（次）發(fā)生與吸引交通量的平在出行生成預測階段，要求預測得到的所有小區(qū)的出行產(chǎn)生總量等于出行吸引總量，并與對象區(qū)域的出行生成總量相等，即下式嚴但實際預測過程中，各交通小區(qū)出行量的誤差是不可避免的，從造成其總和的誤差量。此時必須采用一定方法對其進行調總量一般認為，基于人均出行率預測得到的出行生成總量T更為可靠為該值的預測不受對象區(qū)域小區(qū)劃分的影響。因此，可以其為依據(jù)各個小區(qū)的產(chǎn)生、吸引量進行校正 如下總量例題假設例題5-1~5-3中的規(guī)劃對象為同一區(qū)域，試對出行生成預測結行整解預測出行生成總量：預測出行產(chǎn)生總量：O= 產(chǎn)生量調整系數(shù)fo調整后的各小區(qū)出行產(chǎn)生量為：O1=855×1.0258≈877O2=630×1.0258≈646預測出行吸引總量： 吸引量調整系fd調整后的各小區(qū)出行吸引量為：D1=800×0.9847≈788D2=790×0.9847≈778調整系數(shù)在沒有進行出行生成總量預測的情況下，可以用出行產(chǎn)生量和吸量二者中可靠性高的一方對另一方進行校正。一般認為出行產(chǎn)生量的如基于家訪），吸引量，如下：其他方法——增長率基 應用這種方法的關鍵是確定增長系數(shù)Fi。通常可以用各交通小區(qū)主會經(jīng)濟活動指標的增長率作為出行生成量的增長率（如人口增長率）增長系數(shù)法的優(yōu)點是所需基礎資料少，模型計算比較簡單。一般采用長系數(shù)法預測外部小區(qū)的出行生成其他方法——函數(shù)法（回歸分析基 步驟：建立模型、參數(shù)估計、模型檢驗、實施預綜交通分布預測是交通需求預測四階段法的第二階段。在交通生成預測量綜增長系數(shù)基本假設：未來的出行分布量是在現(xiàn)狀（或歷史的）出行分布量的基上，乘以相應的增長系數(shù)得到的。兩小區(qū)之間出行分布量的增長系，與兩小區(qū)出行發(fā)生量與吸引量的增長率有關，可表示為如下形該方法認為，qij的增長僅與i區(qū)的發(fā)生量增長或j區(qū)的吸引量增長有。增長函數(shù)為這種方法只考慮了發(fā)生量增長率和吸引量增長率中的一個因素的影響，一種最粗糙的方法，預測精度不高。同時由于OD矩陣的不對稱性，不保證算法迭代過程收例題解：常增長系數(shù)fo1=6/2=3,fd1=4/2=2,q11=1x3=3,q21=1x4=4,該方法認為：qij的增長與i區(qū)發(fā)生量的增長及j區(qū)吸引量的增長同時相，而且相關的程度也相同。增長函數(shù)為平均增長系數(shù)法考慮的因素較之常增長系數(shù)法更為全面，但收斂速度。例題fo1=6/2=3,fo2=8/2=4,fd1=4/2=2,q11=1x(3+2)/2=2.5,q21=1x(4+2)/2=3,fo1=6/6.5=0.92,fd1=4/5.5=0.73,例題解：平均增長系數(shù)fo1=6/2=3,fo2=8/2=4,fd1=4/2=2,q11=1x(3+2)/2=2.5,q21=1x(4+2)/2=3,q11=2.05,q21=2.71,該方法認為，qij的增長與i、j分區(qū)出行量增長成正比，而且還與整個域出行量增長成反比。增長函數(shù)底特律法考慮的因素較為全面，收斂速度也較快例題解：底特律fo1=6/2=3,fd1=4/2=2,該方法認為，qij的不僅與i、j兩區(qū)的增長有關，而且還與整個對象區(qū)內其它區(qū)的增長有關。增長函數(shù)福萊特法計算過程較為繁瑣，但收斂速度快，是實際規(guī)劃工作應多 法例題?fd1=4/2=2,q11=1x3x2x2/7=12/7=1.71,q21=1x4x2x2/7=16/7=2.29,該方法交替使用發(fā)生量增長率與吸引量增長率進行迭代計算，增長函為佛尼斯法收斂速度較快，計算也較為簡例題例題解：佛尼斯fo1=6/2=3,fo2=8/2=4,fd1=4/2=2,q11=1x3=3,q12=1x3=3,q21=1x4=4,fo1=6/6=1,fo2=8/8=1,fd1=4/7,q11=3x4/7=12/7=1.71,q21=4x4/7=16/7=2.29,增長系數(shù)法的優(yōu)缺增長系數(shù)法結構簡單，易于理解，且直接使用觀測出行矩陣來預測行增長，不需要其它額外的數(shù)據(jù)但該方法也有許多缺點，包括①增長系數(shù)法要求有完整的現(xiàn)狀出行分布矩陣，無法預測與未來年新加小區(qū)相關的出行分布②增長系數(shù)法對于基年出行矩陣精度的依賴性較大，任何出現(xiàn)在基年行矩陣中的誤差將在計算過程中被放③如果基年矩陣中有零元素，那么預測矩陣中對應部分也為重力模型基本原重力模型考慮了兩個交通小區(qū)的吸引強度和它們之間的阻力，認為兩交通小區(qū)的出行分布與兩個交通小區(qū)的出行發(fā)生量與吸引量成正比，與交通小區(qū)之間的交通阻抗成反無約束重力模一般的重力模型具有如下形式中qij——i、j分區(qū)之間的出行分布量預測cij——兩分區(qū)間的阻抗Oi、Dj——發(fā)生、吸引量α——參數(shù)f(cij)——阻抗函阻抗函常見的阻抗函數(shù)有以下幾指數(shù)函數(shù)冪函數(shù)組合函數(shù)例題某區(qū)域由三個交通小區(qū)構成，已知各小區(qū)出行發(fā)生量、吸引量（：人次）和各小區(qū)之間出行阻抗，使用重力模型計算出行分布（參數(shù)例題解：根據(jù)重力模型計算各小區(qū)出行分布量，列表如下有約束重力模從上例可以看出，直接使用無約束重力模型計算得到的未來分并不滿足行、列約束條件，一般不能直接用于出行分布預測，必須用增長系數(shù)法對無約束重力模型初始計算結果進行迭代計在這里我們可把無約束重力模型的計算結果qij看作是增長系數(shù)法基年矩陣qij0，如果采用常增長系數(shù)法對其進行約束，則這就是所謂 （Voorhees）重力模型，它是一種單約束重力型，只能滿足行約束條雙約束重力模如果采用佛尼斯法對無約束重力模型同時進行行列約束，則可得雙約束重力模型（過程略雙約束重力模型可以同時滿足行列約束條件，是目前使用較多的重力模型雙約束重力模型的標雙約束重力模型中的Ai與Bj是在計算過程中產(chǎn)生的，不是固定的參，因而對于雙約束重力模型只有阻抗函數(shù)中的參數(shù)需要標定。在取數(shù)型阻抗函數(shù)時，需要標定的就是參數(shù)β如果參數(shù)β的取值能使得由重力模型計算結果中得到的出行長度分，與實際得到的出行長度分布最大程度地吻合，則該值就作為模根的問題?？梢杂梅?、差商法等數(shù)值方法求解。重力模型的優(yōu)缺優(yōu)點模型形式直觀，可解釋性強，易被規(guī)劃人員理解和接能比較敏感地反映交通設施變化對出行的影響，適用于中長期求預不需要完整的基年ODD特定交通小區(qū)（如新開發(fā)區(qū)）之間的分布量為零時，也能進行測重力模型的優(yōu)缺缺點重力模型最主要的缺陷是難以準確預測小區(qū)內出行分布量解決這一問題的方法有兩種：一是采用更為靈活的阻抗函數(shù)型，如復合型和離散型阻抗函數(shù)，但這會帶來模型標定上 另 法是區(qū)內出行不參加重力模型的運算，而采用其他法（如增長系數(shù)法）來單獨處增長系數(shù)法與重力模型對概

Modal主要方法包括：轉移 、重力模型的化方法、回歸模型法、概率模型法

轉移 較為簡單、直觀的交通方式預測是用轉移曲線諾模轉移轉移曲 是目前國外廣泛使用的交通方式分擔預測方法，在國 通方式較為單、影響因素相對較少的情況，該方法使用簡單、方便，應用效果較。在我國交通方式眾多、影響因素復雜的情況下，繪制出全面反映各交方式之間轉移關系的轉移曲線，其工作量十分巨大，且資料收集較。同時，由于它是根據(jù)現(xiàn)狀資料繪出的，只能反映相關因素變化相對較小的情況，即超過現(xiàn)狀所反映的范圍不能較大。這使得該方法的應轉移轉移曲 是目前國外廣泛使用的交通方式分擔預測方法，在國 通方式較為單、影響因素相對較少的情況，該方法使用簡單、方便，應用效果較。在我國交通方式眾多、影響因素復雜的情況下，繪制出全面反映各交方式之間轉移關系的轉移曲線，其工作量十分巨大，且資料收集較。同時，由于它是根據(jù)現(xiàn)狀資料繪出的，只能反映相關因素變化相對較小的情況，即超過現(xiàn)狀所反映的范圍不能較大。這使得該方法的應概率模型概率模型是非集計分析模型中的一種比較實用的模交通方式選擇本質是一個離散的選擇行為，即從各種交通方式中選“效用”最大的一種廣泛應用的是多項Logit模型（MNL）概交通流分配是交通需求預測四階段法的第段，任務是將各種出行方式的OD矩陣按照的路徑選擇原則分配到交通網(wǎng)絡中的各條，求出各路段上的流量及相關的交通指標，從為交通網(wǎng)絡的設計、評價等提供依據(jù)

Modal交通流分配的作OD矩OD矩陣反映了各種方式的交通需求在不同時段的空間分布形態(tài)，這D（如出行次數(shù)轉換為車輛數(shù)）（如全日OD矩陣轉換為小時OD矩陣）。路徑選擇原路徑選擇原則 行者在選擇出行路徑時所遵循的行為準。交通網(wǎng)絡的實際狀態(tài)是每個出行者路徑選擇的結果，能否準確描述出行者路徑選擇行為，是交通分配問題 出行者往往以出行成本（阻抗）最小作為標準來選擇路徑。對。路網(wǎng)抽象與路阻函交通網(wǎng)絡是交通需求作用的載體。在交通分配前，需要將現(xiàn)狀（劃）的交通網(wǎng)絡抽象為數(shù)學中的有向圖模型，以表達交通網(wǎng)絡的拓關系和交通供給的各種特常用的交通網(wǎng)絡抽象方鄰接矩鄰 權矩路段阻抗函BPR（BureauofPublicRoads）阻抗函BPR函數(shù)基本參數(shù)的確平衡分配方網(wǎng)絡平衡：假設從一個OD對的出行者都選擇同一條路徑（它時是阻抗最小的），，即所謂的平衡狀態(tài)Wardrop平衡原Wardrop（1952）對以上平衡現(xiàn)象進行了分析，提出了關于交通絡平衡的第一原理和第二原理，奠定了交通分配的基Wardrop第一原D路徑具有相等的時間，并不大于未被使用路徑的時間。Wardrop第二原在系統(tǒng)平衡條件下，擁擠路網(wǎng)上的交通流應該按照平均或總的出成本最小為依據(jù)來分Wardrop平衡原第一原理反映了用戶選擇路線的一種準則。按照第一原理分配出來結果是路網(wǎng)上用戶實際路徑選擇的結果。而第二原理則反映了一種標，即按照什么樣的方式分配是最好用戶平衡（UsersEquilibrium，UE）模系統(tǒng)最優(yōu)（SystemOptimum，SO）模簡單UE問題的求例題求解下圖網(wǎng)絡中的用戶平衡分配結2+x1=1+2x2=1+2(5-x1)=11-路徑流量：x1=3,x2=5-路段阻抗：t1=5非平衡分配方交通網(wǎng)絡平衡模型是一個維數(shù)大、約束多的NLP問題。在1975由LeBlanc等將Frank-Wolfe算法用于求解UE模型獲得成功之技術，研究分配的近似算法依然是交通分配中的一個重要課題。由此得到了有別于尋求UE分配最優(yōu)解的一些算法，通常稱其為非衡分配算法。這些算法在一定程度上是對真正的平衡分配算或者特殊化1、全有全無（AllorNothing）分對于任意一個OD對，將全部出行量都加載到連接這個ODa，令ta=ta(0),然后搜索最短路徑，將交通量全部加載到最短全有全無分配不考慮流量變化對路段阻抗的影響，因此只能于非擁擠交通網(wǎng)絡的分全有全無分配法是其他分配方法的基礎，其他方法分配過中均需反復調用全有全無分配方例求解下圖網(wǎng)絡中的全有全無分配結增量分配方增量分配法的基本思想是將OD量分成N份，然后分N次用全有全無配法分配OD量，每次分配一個OD分表；每分配一次，用當前路段阻抗函數(shù)，直到把N個OD分表全部分配到網(wǎng)絡上一般來說N越大，增量分配法的結果就越接近平衡解，但計算工作量應增加，況且非常大的N時，這個方法就是全有全無分配法。實際工作中，可