四步驟交通需求預測模型概述與出行生成預測ppt課件

《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”模型內容描述（1）,出行生成（Trip Production） 根據交通小區(qū)的經濟、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”模型內容描述（2）,出行分布（Trip Distribution） 對每個交通小區(qū)，它所產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，以用地和社會經濟等相關數據作為輸入，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據，以預測的未來年路段交通流量數據為基礎進行新建道路或者道路拓寬等交通設施建設依據,8,“四階段”模型實際運用過程描述,交通小區(qū),現狀分布,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）出行產生點和吸引點 出行產生點：由家出行，家庭端點就是該次出行的產生點；非由家出行或貨物出行，那么其起點就是該次出行產生點 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 出行產生量（Trip Generation） 單位時間內某一個交通小區(qū)的出行產生量等于家庭端點在這個分區(qū)的由家出行數，與起點在這個分區(qū)的非由家出行和貨物出行的出行數之和 出行吸引量（Trip Attraction） 單位時間內某一個交通小區(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，與終點在這個分區(qū)的非由家出行數和貨物出行數之和,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)的產生量、吸引量 和生成量,14,1 出行生成預測：出行產生量預測,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，在相關數據很難獲取情況下使用,15,1 出行生成預測：出行產生量預測,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生量后再加總匯合成研究區(qū)域內總的出行產生量 （2）假設前提 在同一類型的家庭中，由于主要出行因素相同，各家庭的出行次數基本相等，將各類家庭單位時間內的平均出行次數稱作“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：出行產生量預測,類型分析法 （3）家庭類型劃分 經分析發(fā)現，一個家庭有三大特性對其出行產生量起主要決定作用： 人口（指6歲以上者）：人口越多，出行次數越大 收入：收入越多，越愛購物和消費，出行次數也越多 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）擁有車輛數劃分為3類 0輛，1輛，≥2輛 根據以上劃分可以看出，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生量 as——全市現年第s類家庭的出行率 Nsi——第i分區(qū)規(guī)劃年第s類家庭的數目 Ni——第i分區(qū)規(guī)劃年各類家庭的總數目 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：從調查樣本中統(tǒng)計出各類家庭每個單位時間的出行數，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中的家庭數的預測值Ni；Nsi = Ni γsi,22,1 出行生成預測：出行產生量預測,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)的出行產生量的預測值Pi,,23,1 出行生成預測：出行產生量預測,類型分析法 [例題] 解：由題設知預測未來家庭總數Ni=8000，由類型分析法模型得 例完,24,1 出行生成預測：出行產生量預測,類型分析法 （6）方法總結 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與現在出行率相比基本不變 2）該方法預測出來的產生量其實沒有包括非由家出行和貨物出行這兩部分，預測數據不全面 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出行產生量 ——分區(qū)i目的為m出行產生量 ——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類家庭數目的預測值,26,1 出行生成預測：出行產生量預測,回歸分析法 （1）方法描述 一個交通小區(qū)的出行產生量與多個因素有密切因果關系，主要有城市的經濟發(fā)展水平、分區(qū)的居民數、平均收入、平均車輛擁有量、其中各類職業(yè)的人口數、分區(qū)距市中心的距離、非住宅用地面積等，通過建立出行產生量與這些相關因素之間的函數關系進行預測 [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)的出行產生量 bk——是待定的系數（偏回歸系數） 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生量的綜合作用,28,1 出行生成預測：出行產生量預測,回歸分析法 （3）參數標定 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：出行產生量預測,回歸分析法 （5）模型說明 1）假定未來年的出行產生量P與各因素（自變量）的關系（這些關系由回歸系數bk（k=1，…，n）表現出來）與現年相同，這樣才能把由現年樣本數據標定出來的回歸系數用于預測未來規(guī)劃年的產生量 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出現誤差，使總吸引量不等于總產生量。修正后實際吸引量為： 其中，Pj——分區(qū)的產生量,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% 出行吸引特征數據：根據上海市綜合調查，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98年相關數據預測金茂大廈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）崗位數預測 每日出行總人次＝[(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 預測結果：99年底，吸引總人次＝[(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 每日出行總人次＝(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 預測結果：99年底，辦公吸引總人次＝ [(12287170%) ]0.13=11181人次/日 根據兩種預測方法結果相差不大，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 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,