《四步驟交通需求預測模型概述與出行生成預測ppt課件》由會員分享，可在線閱讀，更多相關《四步驟交通需求預測模型概述與出行生成預測ppt課件（40頁珍藏版）》請在裝配圖網(wǎng)上搜索。

交通規(guī)劃理論與方法（4）—— “四階段”交通需求預測模型,,交通工程本科課程,1,“四階段”交通需求預測模型,,,出行生成（Trip Production）,,,出行分布（Trip Distribution）,方式劃分（Mode Split）,,交通分配（Traffic Assignment）,2,“四階段”模型發(fā)展背景,從20世紀50年代，歐美發(fā)達國家為了滿足大規(guī)模城市道路交通規(guī)劃及其建設需要，開始研究城市交通需求預測技術 20世紀70年代初形成了具有代表性的“四階段”城市交通規(guī)劃需求預測技術 “四步驟”方法在當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,3,“四階段”模型內(nèi)容描述（1）,出行生成（Trip Production） 根據(jù)交通小區(qū)的經(jīng)濟、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，分別進行遠期預測,出行生成,出行分布,方式劃分,交通分配,,,,4,“四階段”模型內(nèi)容描述（2）,出行分布（Trip Distribution） 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,,,,5,“四階段”模型內(nèi)容描述（3）,方式劃分（Mode Split） 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，即預測各種交通方式上的交通量分擔率,出行生成,出行分布,方式劃分,交通分配,,,,6,“四階段”模型內(nèi)容描述（4）,交通分配（Traffic Assignment） 將各交通小區(qū)之間出行分布量分配到交通網(wǎng)絡的各條邊上去的過程，預測交通需求PA分布各組成部分流量具體在道路交通網(wǎng)絡上的交通流量,出行生成,出行分布,方式劃分,交通分配,,,,7,“四階段”模型功能說明,“四階段”模型用于進行交通需求預測，以用地和社會經(jīng)濟等相關數(shù)據(jù)作為輸入，通過“四階段”模型進行處理，得到未來年每個路段的交通流量數(shù)據(jù)，以預測的未來年路段交通流量數(shù)據(jù)為基礎進行新建道路或者道路拓寬等交通設施建設依據(jù),8,“四階段”模型實際運用過程描述,交通小區(qū),現(xiàn)狀分布,預測分布,交通分配,,,,9,1 出行生成預測：相關基本概念,出行相關的基本概念 （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、購物、娛樂,10,1 出行生成預測：相關基本概念,（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,A,B,C,11,1 出行生成預測：相關基本概念,（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)未來的用地模式預測該小區(qū)的交通出行發(fā)生量,12,1 出行生成預測：相關基本概念,（4）出行生成的兩種量化表達 出行產(chǎn)生量（Trip Generation） 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（Trip Attraction） 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,13,1 出行生成預測：相關基本概念,（4）出行生成的兩種量化表達 [例題]：分析圖中交通小區(qū)的產(chǎn)生量、吸引量 和生成量,14,1 出行生成預測：出行產(chǎn)生量預測,預測方法 （1）類型分析法 （2）回歸分析法 （3）增長率法 較為粗糙，在相關數(shù)據(jù)很難獲取情況下使用,15,1 出行生成預測：出行產(chǎn)生量預測,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,16,1 出行生成預測：出行產(chǎn)生量預測,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,17,1 出行生成預測：出行產(chǎn)生量預測,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,18,1 出行生成預測：出行產(chǎn)生量預測,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≥2,19,1 出行生成預測：出行產(chǎn)生量預測,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663=108類,20,1 出行生成預測：出行產(chǎn)生量預測,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,21,1 出行生成預測：出行產(chǎn)生量預測,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)的預測值Ni；Nsi = Ni γsi,22,1 出行生成預測：出行產(chǎn)生量預測,類型分析法 [例題] 我國某城市的交通規(guī)劃將家庭分作333=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)生量的預測值Pi,,23,1 出行生成預測：出行產(chǎn)生量預測,類型分析法 [例題] 解：由題設知預測未來家庭總數(shù)Ni=8000，由類型分析法模型得 例完,24,1 出行生成預測：出行產(chǎn)生量預測,類型分析法 （6）方法總結(jié) 1）運用類型分析模型的關鍵前提是：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致的分類分析模型，即分出行目的的類型分析模型,25,1 出行生成預測：出行產(chǎn)生量預測,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)目的預測值,26,1 出行生成預測：出行產(chǎn)生量預測,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系，主要有城市的經(jīng)濟發(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)生量與這些相關因素之間的函數(shù)關系進行預測 [注]：該方法還用于其他領域的預測問題，有成熟的軟件輔助計算(Matlab),27,1 出行生成預測：出行產(chǎn)生量預測,回歸分析法 （2）模型 Pi=b0+b1X 1+b2X 2+…+bnX n+ 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，是一個隨機變量，表示其它影響因素對產(chǎn)生量的綜合作用,28,1 出行生成預測：出行產(chǎn)生量預測,回歸分析法 （3）參數(shù)標定 P=XB X’P=(X’X)B 其中可以證明： 當各變量Xi線性無關時，矩陣（X’X）可逆,29,1 出行生成預測：出行產(chǎn)生量預測,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）相關性檢驗 計算相關矩陣，剔出相關變量，確保矩陣（X’X）可逆,30,1 出行生成預測：出行產(chǎn)生量預測,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）的關系（這些關系由回歸系數(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)標定出來的回歸系數(shù)用于預測未來規(guī)劃年的產(chǎn)生量 2）應用回歸模型要有一個基本條件：模型中各自變量的規(guī)劃年預測值要容易求得，它們應該由別的可靠性較高的預測模型求得,31,1 出行生成預測：出行吸引量預測,預測方法 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測 3）增長率法：較為粗糙,32,1 出行生成預測：出行吸引量預測,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”,33,1 出行生成預測：出行吸引量預測,原單位法：建設部規(guī)范參考指標情況,34,1 出行生成預測：出行吸引量預測,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,35,1 出行生成預測：出行吸引量預測,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%，預測99年底將達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，一般為15平米/人 ；每崗位吸引的人次，為2.31人次；每平方米辦公建筑面積所吸引的出行人次為0.13人次/ 平米 試根據(jù)98年相關數(shù)據(jù)預測金茂大廈99年底辦公吸引量,36,1 出行生成預測：出行吸引量預測,原單位法： [例題解析] 1）崗位數(shù)預測 每日出行總?cè)舜危絒(AmL)/Bm]Rm Am：辦公樓建筑面積，為122871平米 L：辦公樓租售率，98年底取35%，99年底70% Bm：每崗位所需的辦公樓面積，一般取15平米/人 Rm：每崗位吸引的人次，為2.31人次 預測結(jié)果：99年底，吸引總?cè)舜危絒(12287170%) /15]2.31=13246人次/日,37,1 出行生成預測：出行吸引量預測,原單位法： [例題解析] 2） 建筑面積預測 每日出行總?cè)舜危?AmL)rm Am：辦公樓建筑面積，為122871平米 rm：每平方米辦公建筑面積所吸引的出行人次，為0.13人次/ 平米 預測結(jié)果：99年底，辦公吸引總?cè)舜危?[(12287170%) ]0.13=11181人次/日 根據(jù)兩種預測方法結(jié)果相差不大，取平均值為12214人次/日,38,1 出行生成預測：出行吸引量預測,原單位法 （3）工作步驟總結(jié) 第一步：將全市用地分類，例如商業(yè)、服務業(yè)、學校、制造業(yè)、辦公樓等，預測規(guī)劃年各分區(qū)中各類用地的面積或崗位數(shù)dik 第二步：估算分區(qū)i第k類用地的單位面積或單位崗位的吸引率wik(是現(xiàn)狀值，假定不隨時間變化) 第三步：計算理論吸引量Bi 第四步：計算全市理論吸引量之和，并將之與總產(chǎn)生量比較，若相差超過3%，修正吸引量,39,謝 謝！,交通運輸學院,40,