（交通运输规划与管理专业论文）城市居民出行生成预测方法研究.pdf

中文摘型 捅费 城市交通规划的核心问题是流量预测，而流量预测的基础数据是城市出行生 成量。城市交通出行生成预测模型，西方国家的研究起步较早，也形成了较为完 善的模型体系。国内对出行生成研究起步较晚，多以传统四阶段模型为主。常用 模型只顾及到其共性而忽略了其间的差异；若对所有分量单独建立预测模型，则 所有分量处于同等重要的地位，当分量较多时，建模工作量非常大。同时需要大 量调查数据支撑，本文根据我国的交通调查资料不完备的现状，建立了两个出行 生成预测模型： 第一个模型是基于主成分分析法的回归模型，它能够导出少数几个主成分分 量，使它们尽可能完整地保留原始变量的信息，且彼此间不相关，以达到分离数 据矢量之间的共性和差异性并简化数据的目的。对得到的含信息量最大的主要分 量建模来进行预测，大大减少了工作量，同时提高了模型的拟合度。 第二个模型是基于土地利用的出行生成模型，此模型建立的基本前提是关于 出行产生量和出行吸引量的总量平衡原则以及不同土地利用性质的出行吸引权 重不同的原则。第一次把交通小区的土地利用和出行生成通过模型联系起来，模 型充分考虑了交通小区区位系数对交通出行和吸引的影响，考虑到新老城区在土 地吸引权重指标的差别，在进行出行吸引量计算时，引进了改进的层次分析法计 算不同类型土地的吸引权重，为新城区出行生成量的预测提供了新思路。 对于新建模型的有效性和拟合精度，本文分别通过两个实例给验证。 关键词：出行生成；主成分分析；交通小区区位；土地利用；改进层次分析法 一茎壅塑塞 a b s t r a c t t r a f f i cf o r e c a s t i n gi st h ec e n t r a l p r o b l e mo fc i t i e s t r a f f i cl a y o u t ，a n dc i t y r e s i d e n t st r i pp r o d u c t i o ni st h eb a s a ld a t ao ft r a f f i cf o r e c a s t i n g w h i c ht r i pg e n e r a t e m o d e li sr e s e a r c h e di se a r l i e ri ne u r o p et h a ni nd o m e s t i c ，a n dm o d e li su s e dm o r e e f f e c t i v e l ya n dm o r es o u n d l yt r a d i t i o n a lm o d e lc a n ts h o wt h es a n 2 ep a r ta n dt h e d i f f e r e n tp a r to fv a r i a b l ea tt h es a m et i m e ，j u s tb e c a u s et r a f f i ci n v e s t i g a t ei sd e t a i l e d w h i c ht h ea r t i c l ei sw r i t t e ni sb a s e do no u rn a t i o n a la c t u a l i t y t h et w om o d e l sa r e b u i l t t h ef i r s tm o d e li sr e t u r nm o d e lw h i c hi sb a s e do nt h ec h i e fe l e m e m t h i sm o d e l h a v em a n ya d v a n t a g e st h a nt r a d i t i o n a lr e t u r nm o d e l f o re x a m p l e i tc a ns h o w a b s o l u t ei n f o r m a t i o nb ys e v e r a lc h i e fv a r i a b l e s ，a n dag o o dd e a lo fw o r k l o a di s d e c r e a s e d t h es e c o n dm o d e li sb a s e do nt h e c i t y l a n du s e b e c a u s ec i t yt e r r i t o r i a l u t i l i z a t i o ni sd i f f e r e n tb e t w e e nd e v e l o p e dd i s t r i c ta n dd e v e l o p i n ga r e a ，t h er e g i o n c o e f f i c i e n ti sf e t c h e do u t t h ea f f e c t i o no fr e g i o nc o e f f i c i e n tt ot r i pp r o d u c t i o na n d t r i pa t t r a c t i o nc a n tb en e g l e c t e d a st h ed i v e r s i t ye x i s tb e t w e e nn e w s t y l ec i t ya n d o l d - s t y l ec i t y , i ti sn e c e s s a r yt h er e g i o nc o e f f i c i e n ti sc o n s i d e r e d a tt h es a l t l et i m e ，t h e i m p r o v e da h pm e a n sa n dg r e ym o d e la r ea p p l i e di n t h i sa r t i c l e t h er e l a t i o n s h i p b e t w e e nt r a f n cs e c t i o n sa n dt e r r i t o r i a lu t i l i z a t i o ni se r e c t e d t h ev a l i d i t ya n dp r e c i s i o no f t h em o d e li st e s t i f i e db yp r a c t i c a le x a m p l e s k e yw o r d s ：t r i pg e n e r a t i o n ；m e a n sb a s eo nc h i e fe l e m e n t ；t r a n s p o r t a t i o nz o n e s e c t i o n a lc o e f f i c i e n t ；l a n du s e ；i m p r o v e da h p 第一章绪论 第一章绪论 1 1 研究背景 1 11 选题背景 随着国民经济的持续高速发展及城市化进程的加快，城市交通日益紧张，城市交通 拥挤与阻塞现象日趋严重，“乘车难、行车难、停车难”成了大中城市普遍存在的社会 问题。为了缓解城市交通问题，不少城市不惜巨资进行了大规模的交通调查研究及初 步的城市交通规划工作，且已经 月见成效。所谓的城市交通规划，是通过对城市交通 需求量发展的预测，为较长时期内城市的各项交通用地、交通设施、交通项目的建设 与发展提供综合布局与统筹规划，并进行综合评价。它是解决城市交通问题的最有效 措施之一。自从城市规划纲领性文件雅典宪章规定城市的功能包括“居住、劳动、 休息、交通”四大功能之时。城市交通就是城市晶主要的功能之一。是实现其他功能 所必需的人和物的移动的载体。随着人类社会的1 s 速发展，城市交通的重要性日益凸 显。纵观世界城市发展史，可以得出城市发达与交通发展有密不可分的关系，同时交 通的发展也会改变城市土地利用的结构的结论。按照jm 汤姆逊的观点决定城市结 构的要素有四个：即地理特征、相对可达性、建设控制和动态作用。其中地理特征 是先天因素，非人力所致，而其余三个要素中，两个因素与交通有关。足见交通规划在 城市规划中的重要。从汤姆逊的观点我们同样也不难得出这样的结论：那就是城市交 通是城市发展和进步的决定性因素。另外纵观社会经济发展历史和交通的发展史，还 可以发现，交通与社会经济的发展总是不同步的。常常出现两种情形；一是交通超前 于社会经济的发展。近2 0 0 年来，美国的交通运输基本上保持超前于国民经济的发展， 这无疑是其经济长期快速发展的一个重要因素。面许多发展中国家，如我国，无论是 跨地区的大交通，还是城市内的交通，都面临着问题成堆的局面，交通已成为各级政 府和广大人民最关心和最头疼的问题，已成为了制约国民经济发展的主要瓶颈。正因 为城市交通的作用如此之大，做好城市交通量的预测，提高预测精度，对未来城市的 发展至关重要。 1 1 2 选题的目的和意义 交通预测是交通规划的关键，交通预测是否科学和符合实际将直接影响规划交通系 统的效益。然而有种舆论始终伴随中国的城市交通规划事业，这就是交通预测、交 统的效益。然而有一种舆论始终伴随中国的城市交通规划事业，这就是交通预测、交 河海人学埘f j 学位论文 通模型的“可有可无”论。其理由是交通预测的结果大多与实际情况相差较大，所以 他们认为不可信的“定量”就不值得依靠。实际上这是种错误的观点，因为预测技 术至今仍是门未被人类完全掌握的高难技术，由于受到多种因素的影响，交通预测 尤其困难，发展中国家与发展中城市的交通预测更加困难，对交通预测期望有很高的 精度实在是一种不切实际的苛求。出行生成预测是城市交通规划交通需求预测的首要 步骤，也是交通需求分析工作中最基本的组成部分，其精度的大小直接关系到城市道 路交通建设规划的合理程度和科学水平，乃至于整个城市未来的经济发展和人民生活 水平的改善。“。所谓出行生成，就是城市土地利用对城市居民出行意愿的作用结果。 交通生成预测包括出行产生和出行吸引，f 因为交通需求预测在交通规划中具有重要 作用，有必要深入研究出行生成预测技术。传统的交通规划预测这一关键环节中， 般是按照土地利用一出行生成相关因素一交通需求预测的三步程序进行，这种方法比 较注重各种出行量与其影响因素之间的关系，存在的弊端就是过程过于复杂。传统方 法中通过土地利用得到各小区的相关因素的定量指标，这就必然要求在具体的规划项 目中收集大量与其相关的数据，包括小区人口数、劳动力资源数、学生数、就业岗位 数等 1 2 刚。在由各小区的土地利用量化相关因素过程中，很难保证其精度。本文所 建立的模型对土地的量化过程只需要土地利用类型、面积及人口数，并且对传统方法 很难完成的城市新建区的交通预测问题提供预测思路。利用合理并且数据容易获得的 模型来预测交通分区的交通生成量和吸引量，应该是交通需求预测的一个发展趋势， 本文正是在继承传统模型优点的基础上简化预测程序。本文建立的模型力求提高交通 量预测的精度，同时也不单一的追求精度而放弃模型实际应用意义，即追求模型的实 用性和提高预测精度相统一。 1 2 研究现状： 城市交通规划的核心问题是流量预测，而流量预测的基础数据是城市出行生成量a 现阶段国内外城市交通规划仍采用较为成熟的四阶段预测方法，近年来也又针对各自 城市特点建立的个性化模型，但都不是很成熟。出行生成预测是采用四阶段法进行交 通预测的第一步，其预测精度直接影响交通需求预测的精度。四阶段中如果前三个阶 段按照出行生成、出行分布、方式划分的顺序进行，则每一阶段结果的平均不可靠性 是逐渐增加的，虽然在最后的交通分配阶段若采用平衡处理可以降低该阶段结果的不 可靠性，但仍然不会低于模型最初输入值的不可靠性”。 第章绪论 1 2 。1 国外的交通生成模型研究动态 国外的交通生成预测模型研究起步较之我国早一些，其模型也基本上适用于发展已 经趋于稳定的西方国家。以下是其常用的预测模型及研究动态： 欧美发达国家目前通常使用传统的预测模型，如：方法简单、预测值粗略的生成 率模型；能考虑多个影响因素、目前广为通用的类别生成率模型；只能考虑影响 因素为连续变量的回归分析模型；与上述几种模型相比，有更多优点、既能考虑定 量因素也能考虑非定量因素的类别回归分析模型。上述传统预测方法对交通生成的预 测是以现状为基础进行模型参数标定并预测未来的交通需求。这种预测方法的特点是 通用性强，尤其是对发展已经趋于稳定的欧美城市比较有效；但该方法中城市交通调 查需耗费大量的人力、物力、财力，而且需要较长的时间( 一般2 3 年) ，这使调查 所得数据具有滞后性。 值得一提的是以上所叙述的传统方法，都忽略了出行链间的相互影响。所谓出行链 是以某个基点为出发点，一直到回到该基点或另一基点时所形成的出行的链。在最近 国外的研究中，在第一代马尔科夫链的基础上，又有许多基于出行链的模型被开发出 来：如首先对出行链进行分类，而后利用树状分对数模型进行选择的模型和综合分析 交通发生、交通分布交通分担的非集计模型。非集计模型是伴随着开始考虑采用交通 需求管理政策( t d m ) 和出行控制措施( t c m ) 的城市区域数量逐渐扩大而产生的， 由于最早基于四阶段程序基础上发展起来的传统预测模型及规划无法解决通过实行 t d m 、t c m 措施而引发更为复杂的问题，人们出行行为模式与决定这些模式的态度、 价值观念等关系在本质上都是极其复杂的。传统的预测方法不能在令人信服的理论框 架下清楚的解释这些关系，而非集计模型是它的主要计算模块【4 j 。 非集计模型从分析具体的个人出行行为入手研究交通现象，建立在效用最大化假说 基础上，也就是浼假定作为行为决策的单位的个人( 或家庭或某组织) 在一个可以选 择的选择分肢是相互独立的集合中，会选择他认为对自己来说效用最大的选择分肢。 这里的效用通常被认为是随机的，在理论上有两种解释，第一种主要来自心理学上的 离散模型，认为个人的效用在同一条件下本质上也是随机的；第二种则是来自计量经 济学上的离散选择模型，认为尽管在同一条件下个人的效用是确定的，但由于观测者 ( 分析者) 不可能观测出影响效用的全部影响因素。不管是基于哪种解释的效用建立 的出行生成非集计模型，都是用概率模型来分析研究选择问题。 河海大学坝j ：学位论文 非集计模型是直接以调查的个人样本为分析单元，所需的调查样本数比集计模型要 少，它选用许多与个人决策相关的因素作为自变量，与集计模型相比，有较好的时间 转移性和地区转移性，但是它需要的数据性质和详细程度一般要远远高于集计模型， 特别是需要广泛的社会经济信息和所观察到的出行者所经历的服务水平变量更详细的 代表值，这为该种方法的广泛适用增加了困难。随着研究区域对基于行为研究成果的 逐步积累、调查统计估计方法的改进、计算机技术发展以及软件应用( 数据库、g i s 等) 等辅助技术水平的提高，在对多种交通规划、交通政策的效果评价、利用者的使 用效果评价等方面的应用将会逐步扩大，但由于方法本身尚处于学术研究与初步应用 阶段，使用稳定性还有待于实际验证，目前在实际项目中若选择该种方法仍有一定风 险【5 4 】。 1 2 2 国内研究研究现状 在近几年来，由于我国城市建设和发展日新月异，即使是同一个城市，相隔几年应 用同一个模型计算结果都不尽如人意，同样的，不同城市的出行的具有各自的个性化 特点，即使采用同类方法标定出来的出行生成模型中选取的参数都有较大的差异，而 且我国绝大多数城市的交通数据积累都不如国外完备，而交通条件却远比国外复杂， 需要考虑的不确定因素更多，所以我们不可能直接照搬国外相关的城市交通研究成果， 而只能充分结合我国城市的特性来建立模型。上海、杭州、大连等城市都作过这方面 的尝试，也形成了自己的一套预测效果较好的方法体系，但也存在着许多不足之处， 至今也没有一套统一的使大家在理论上都能接受并且实际预测效果较好的方法体系。 我国对城市交通规划及交通需求预测的研究起步较晚，到目前为止，四阶段分析模 式( 即交通生成、交通分布、交通方式划分、交通分配) ，仍是我国城市交通规划中交 通分析的主流模式，并在实践中不断的完善和深化。较常用的基本方法是通过引用国 外的回归分析法和类型分析法，建立满足一定精度要求的函数关系，只有少量城市对 城市出行模型进行了修正，但模型对发展已相对成熟的城市比较适用，对我国城市发 展较为迅速的情况已逐渐不适应。尤其是空间拓展过程中未来种种不确定性的增加， 必将会降低使用效果。我国交通学者一直致力于对出行生成基本方法的改进研究，见 诸报端的主要文章如下：吴家友等对交通生成预测模型在基于区位势能的基础上进行 了改进从而克服了新城区与建成区在交通特性上的差异性无法量化这一难题；易汉文 1 9 9 6 年提出了按交通分区类别建模的思路。即在依据用地性质对交通分区进行分类的 第一章绪论 基础上分别建立各类分区的出行生成模型，能够有效地改善模型的拟合度。刘安等 1 9 9 8 年基于居民个体出行决策行为的解释，通过周边小区势能的定义，建立了一个新 的出行生成预测模型，该模型建立了居民出行效用函数，综合考虑了交通小区的社会 经济发展水平、路网服务水平以及周边小区的经济发展水平对出行生成的影响。在出 行生成模型预测的研究中把社会经济变量、路网服务水平的变化对交通生成的影响作 为主要的影响因素。余继东、吴瑞麟的新城区居民出行生成和分布预测模型研究，文 中模型针对传统四阶段交通需求预测模型难以适应新城市交通规划的需要而建立的。 总体来说，我国城市社会经济基础数据、城市居民出行调查资料以及相关交通参数 等基础资料的积累与发达国家相比还很欠缺。城市出行生成研究尚属起步阶段，主要 还是采用基于出行的分析方法，关于人们出行行为的研究还未开展。但是无论是上述 哪一种方法对交通生成的预测都有一些共同的研究趋势： 试图寻找一种更加适合自己城市的预测方法，同时也在研究有同种类型城市信息 可共享，指标可互比，模型可借用，软件可通用的条件。 虽然国内现行的出行生成预测均和小区人口或职工岗位数有关，且有越做越细的 趋势，但是在考虑影响生成量的因素时，力求找出主要影响因素，而不是考虑因素越 多预测结果越准确，在不会造成交通生成预测失真的情况下简化交通生成预测模型势 必成为一个主要的研究趋势。 1 3 本文研究的主要内容及技术路线 1 3 1 本文的研究思路 目前，对于交通生成预测模型的研究，国内主要采用的是多元回归分析模型，然而 回归分析若对所有分量采用同一个模型进行预测，则只顾及到其共性而忽略了其间的 差异；若对所有分量单独建立预测模型，则所有分量处于同等重要的地位，当分量较 多时，建模工作量非常大。针对上述问题，本文建立了基于主成分分析方法建立的预 测模型，它能够导出少数几个主成分分量，使它们尽可能完整地保留原始变量的信息， 且彼此间不相关，以达到分离数据矢量之间的共性和差异性并简化数据的目的。对得 到的含信息量最大的主要分量建模来进行预测，大大减少了工作量，同时提高了模型 的拟合度。另外，本文对基础数据缺乏的城市新区或新兴城市建立了以土地利用为基 础的交通生成预测模型，为该类地区的交通生成预测提供了思路。该模型具有如下特 点： 埘姆人学颂l 岸位论文 l 、以土地利用变量为自变量，解释性强。土地使用种类( 用地性质分类) 决定了 出行目的，土地使用面积决定了出行数量，土地区位决定了被选择作为起讫点的概率。 对城市规模迅速扩大、用地调整较大的城市，可在现状标定的土地使用和出行生成关 系基础上，根据最终的土地使用规划进行预测远景城市交通出行生成量，精度较高。 2 、直接建立土地使用和出行生成的关系，过程简单【5 4 】。 3 、所需数据量不多，而且相对传统模型来说比较容易获得。同时由于交通分区的 区位系数对交通出行生成的影响很大，并且其随时间的变化不是特别显著，所以考虑 小区的区位条件来预测出行生成量有其合理性。同时所建模型提高了拟合度，具有很 强的实际应用价值。研究思路框图如图1 1 所示： 绪论 研究背景 ，国内，啊烈日睨 研究趋势 一i l 型墅堡燮一l l 些! 至坠塑垂型妻困一一叫蕉王圭堕堂笪塑螋j t 幽一一一一j t 一 一一一、 寸j 也矛o h 抒霓滏4 模犁参数l j 标定 卜匡佩系数 一1 里鲨 。拙蛾日1 权重一! 堕塑 一一一i一一 一 l _ 型蜂崾舅噬掣的辔鞫拦瞬 ， 结论与展望l 。，：趣夔麴圄匠圈 图1 i 本文研究思路框图 1 3 2 本文的主要工作 i 、对国内外关于出行生成模型的历史及现状进行了较为详细的阐述，对本文选题的目 的和实际意义进行了分析。 2 、分析现有模型的应用范围及其存在的弊端，在此基础上就如何建立新模型提出思路。 3 、提出利用主成分分析法对交通分区出行生成进行预测，并以长春市1 9 9 7 年的调查 数据为基础对新建模型进行验证。 4 、基于士地利用原理，建立依托土地利用的模型，其中利用区位势能法确定小小区的 第一章绪论 区位系数，引进改进的层次分析法计算小区土地类型的交通吸引权重。采用灰色预测 方法对目标年的人口进行预测。并以某市2 0 0 0 年的数据为基础对模型进行验证，对模 型的精度和实用性进行验证。 1 4 、本章小结 在大量阅读文献的基础上，本章主要做了以下工作： l 、阐述了本文课题研究的背景、选题的目的以及研究的意义和价值所在。 2 、对本文课题的国内外研究现状进行了较为详细的介绍，并对近年来我国学者的文献 著作做了简要的分析与评述。 3 、结合本文的研究目的以及目前的研究现状，进一步对本文的主要工作及技术路线进 行了详细的介绍，并给出了研究思路框图，使得本文的研究思路一目了然。 河海大学硕：学位论文 第二章城市居民出行生成预测模型 出行生成预测是四阶段交通需求预测法的第一阶段，其包含发生交通量与吸引交通 量的预测，也是交通需求分析工作中最基本的组成部分。由于误差的传递性，出行生 成预测精度直接制约着四阶段法的后三个步骤( 交通分布、交通方式划分、交通分配) ， 所谓发生( 或吸引) 交通量是指研究对象地区内由各交通小区发生( 或吸引) 的交通 量。也可以定义为在某确定的时间段内( 如高峰小时) 城市各交通小区的居民平均总 出行次数。对交通小区域的发生、吸引交通量的预测，要考虑到交通发生源的空间布 局关系，从而按区域进行发生、吸引交通量的预测。 2 1 常用的出行生成预测方法及模型 2 1 1 常用的出行生成模型 国内外较常采用的出行生成集计预测方法包括生成率模型、类别生成率模型、回归 分析模型等【”。 ( 1 ) 生成率模型 该模型的基本思想是：从o d 调查中，可得出单位用地面积( 单位人口或单位经 济指标等) 交通产生、吸引量，如假定其是稳定的，则根据未来各交通区的用地面积 ( 人1 ：3 数量或经济指标等) 便可进行交通生成预测。公式如下： g f = s g x a ( 2 1 ) 式中：g 广各个交通小区未来交通生成量； s 厂交通小区未来土地使用面积； 口一现状年单位土地面积交通产生、吸引交通量。 ( 2 ) 类型分析模型 类型分析模型是以家庭为分析单位的，根据对出行起决定作用的一些因素将整个对 象区域的家庭划分为若干类型。类型分析法认为：在同一类型的家庭中，由于主要出 行因素相同，各家庭的出行次数基本相同，将各类家庭单位时间内的平均出行次数称 作“出行率”。并且假定各类家庭的出行率直到规划年都是不变的。于是剩下的就是 确定各类家庭的出行率和预测未来规划年每个分区中各类家庭的数目了。其公式如下： 尸，= d ，。= ：f 吼， ( 2 2 ) p 厂分区i 规划年每个单位时间出行产生量； 第二章城市居民l j l , i i 生成预测模型 吼一全市规划年第s 类家庭的出行率； m 广第i 分区规划年第s 类家庭的数目； 厂第i 分区规划年各类家庭的总数目； ，。广第i 分区规划年第5 类家庭的比例。 ( 3 ) 回归分析模型 4 1 回归分析模型是根据调查资料，建立交通产生或吸引与其主要影响因素之间的回归 方程，利用所建立的回归方程进行交通生成预测。回归分析模型以交通小区的出行生 成量为被说明变量，以其相应的社会、经济变量如交通小区的土地面积、人i z l 数量、 职工人数、学生人数以及各类车辆拥有量等为说明变量，试图建立被说明变量和说明 变量之间的线性关系，然后将这一关系外推，进行预测。 这种方法是交通小区的发生、吸引交通量预测上最常用的方法。作为模型公式，多 采用以下三个模型 正一a o + 吼h ( 2 3 ) t j = a o 兀吼 t , = a f j e x p 叩m ( 2 4 ) ( 2 5 ) 这里的x m 大多是表示交通小区的活动的人口指标，如常住人口、各行各业的就业 人口等。 国外的研究表明，综合预测精度、简单、方便等多方面因素，类型，即多元一次 函数( 2 3 ) 式是较为理想的模型。 众所周知，回归分析是为了求得对象区域的因变量( 如个人的出行次数) 与相关的 说明变量面。之间的关系。表示这一关系的关系式中的回归系数a a ，a ，岛通常用最 小二乘法算出。 回归分析模型能考虑交通生成与其主要影响因素之间较为复杂的关系，影响因素的 变化可较大，但其考虑的影响因素只能是连续变量，而且是定量指标，对于非定量指 标的影响，回归分析模型则无法考虑。 ( 4 ) 类别回归分析模型 根据以上分析，现行交通生成预测的实用模型各有特点，有其一定的适用条件，同 时，这些模型还不能满足各种情况的交通生成预测的需要，因此，特提出如下类别回 型塑盔兰坐! ! 堂些堡塞 一 归分析模型。 在大多数情况下，影响交通生成的因素均是复杂的，既有定量因素，也有非定量因 素，如果我们考虑非定量影响因素，将它们组合成不同的类别，对各种类别分别建立 交通生成与其它定量影响因素间的回归方程，则既可以考虑定量因素，也可考虑非定 量因素，这即是类别回归分析模型。 ( 5 ) 其它模型6 】 交通小区的居民交通发生量的预测方法还有：增长率法、时间序列法等等。 增长率法是将现状年的各交通小区居民交通发生量乘以从现状年到规划年的出行 增长率，从而得到规划年各交通小区的居民交通发生量。该方法有利于确定规划区以 外的区域的发生、吸引量，因为在对规划区域进行预测时，对规划区以外交通区域的 发生、吸引量也要进行预测。利用该增长率法，可以将发生、吸引量的增长率按照某 些特征指标的增长率来加以计算。 时间序列法是按时间序列预测交通增长，即用现在和过去的交通资料，对交通生成 与时间的关系进行回归，并用此回归方程预测未来交通生成。该方法的缺点在于需要 多年的交通发生或吸引的资料，而且对于远景预测一般其精度较差。 ( a ) 居民出行产生预测方法 居民出行产生预测方法在老城市和新城市之间的应用是有区别的，这是由于新、老 城市的各自特点决定的，老城市是指经历了较长一段时间发展之后的城市，即除新建 城市以外的城市，大多数城市均属此类。老城市的发展经历了较长的一段时间后，城 市居民的职业结构必然趋于稳定，各城市居民职业构成差别较小。因此对上班( 学) 出行次数预测时不需要考虑职业结构的影响，只需考虑工作( 学习) 时间制度，对生 活、文娱、公务出行次数预测时，只需考虑社会发展水平。之后通过回归分析建立居 民生活、文化娱乐、公务目的的出行产生预测模型。 新建城市是指正在迅速发展或网建不久的城市。当城市处于新建时期时，城市居民 职业结构处于发展变化的状态。因此，对新建城市居民出行产生的预测应充分考虑职 业结构的影响。 显然，上述居民出行产生预测方法中，老城市居民上班( 学) 出行次数预测采用的 是生成率模型，生活、文娱、公务目的的出行次数预测采用的是回归分析模型。新建 城市上班( 学) 出行次数预测采用的是类别生成率模型，生活、文娱、公务目的的出 第二章城市居民行生成颅测模型 行次数预测采用的类别回归分析模型。 ( b ) 居民出行吸引预测方法 交通吸引为所有以家为端点的出行和非以家为端点的终点出行。与居民交通发生预 测类似，城市居民交通吸引量预测也是按照上班、上学、回程、弹性四类目的的分别 建模，其他的方法如回归法、吸引率法、时间序列法等，由于精度比较差，采用相对 较少。 上班、上学和回程交通吸引的回归模型的因变量一般采用交通小区的人口数、各类 就业岗位数、各类用地面积及就学岗位数等。一般来说，由于各交通小区的弹性交通 吸引量的影响因素非常复杂，很难找到合适的模型来表示，因此通常根据交通取得商 业、文体、医疗及旅游等用地面积，采用土地利用类别吸引率法确定。 国内外现行居民出行吸引预测方法主要有两种：一是直接用用的面积等代替吸引情 况：二是首先预测各交通区的就业岗位，再利用单位就业岗位的吸引率进行吸引预测。 这两种方法中，第一种方法简单，第二种方法较为复杂，而它们共同的不足是不能充 分反应各交通区吸引的特点，因为实践表明即使有同样的用地、同样的就业岗位，不 同交通区的吸引率仍可能有很大差异【5 j 。 影响居民出行吸引的因素包括用地情况、交通区所处区位以及建筑情况、传统地位 等特性，而且关系复杂，定性因素多。居民出行吸引预测可采用如下步骤和方法： 建立出行吸引与土地利用的基本关系 利用居民出行调查统计所得各交通区对各目的出行的吸引，以及现状各交通区的用 地情况，通过逐步回归分析，建立各种出行目的出行吸引与土地利用的基本关系。 确定区位系数 由于出行吸引会受到交通区所处区位的较大影响，因此，引入了反应交通区所处区 位吸引特点的区位系数。根据各交通区所处区位，可将交通区划分成若干区域，如将 交通区划分成中心区、中间区及外围区3 种区域，通过比较不同区域交通的实际出行 吸引权与基本吸引权，可得出不同区位交通区的区位系数。 确定交通区特性系数 由于居民出行吸引会受到建筑情况、传统地位、交通区用地的具体安排等各种因素 的影响，因此，除考虑用地面积、区位等一般因素对出行吸引的影响之外，还应考虑 交通区特性的影晌，因此引入反应交通区特性对出行吸引影响的交通区特性系数。 !堕查堂堡!：兰堡堡兰 交通区特性系数可通过比较交通区实际出行吸引与考虑用的面积和区位等般因 素的一般出行吸引，综合考虑交通区建筑情况、传统地位、交通区用地的具体情况等 确定。 交通区居民出行吸引预测 根据交通区未来用地规划、交通区所处区位以及交通取的特性，确定交通区未来的 基本吸引权、区位系数及特性系数后，利用下式即可预测出各交通区各目的的吸引量 5 1 ： 4 尸拦麓莩g ， 眨s ， 式中爿广某种目的、交通区i 的出行吸引量； y 厂某种目的、交通区i 的基本吸引权； 蜀厂某种目的、交通区i 的区位系数； 墨抒一某种目的、交通区i 的特性系数： y g ，一某种目的的居民出行产生量。 2 1 2 出行生成预测模型的使用前提和不足 1 、模型对说明变量的变化是敏感的。在居民出行回归分析中经常会得到截距非常 大的回归生成模型。这表明回归生成模型的远景预测能力一般比较弱。运用类型分析 模型的关键前提是：假定未来规划年各类家庭的出行率a s 与现在的出行率相比基本不 变。 2 、模型具有是时间上的稳定性。 类型分析模型是根据家庭的特性确定出行产生量的，其特点是可解释性强，因为分 析过程基本上都是解析的。缺点是不全面，根据出行产生点和产生量的定义，非由家 出行和货物出行的产生量与家庭无多大关系，因此由上述方法预测出来的产生量其实 没有包括非由家出行和货物出行这两部分。 回归分析模型的缺点是影响因素过多的情况下，对模型的检验计算量比较大，剔除 相关因素，同时考虑不同因素间的差异性考虑较少。 2 2 基于主成分分析的改进的回归分析模型 在进行交通量预测时，常常使用过去若干年的交通量，而交通量的获得有时极其困 第_ 二章城市居茂j l 行生成预测模型 难的，这就要求从影响交通量的相关因素入手，如土地、人口、经济、交通区位、平 均车辆拥有量等，这些因素与出行产生量的关系一般都是非常复杂的，想要用非常精 确的数学函数来表达它们之间的关系几乎是不可能的。而且除了上面所列一些因素外， 还有一些难以观测或不能量化的因素也影响着产生量。对于这种情况，比较好的方法 是回归分析。然而传统的回归分析若对所有分量采用同一个模型进行预测，则只顾及 到其共性而忽略了其间的差异；若对所有分量单独建立预测模型，则所有分量处于同 等重要的地位，当分量较多时，建模工作量非常大。本文下面引进基于改进主成分分 析的城市交通出行量预测的方法，并将此方法与传统的回归预测模型进行比较。 主成分分析法是多元统计学中研究多个数值变量间相关性的一种数学方法，可以有 效地解决上述问题，它能够导出少数几个主成分分量，使它们们尽可能完整地保留原 始变量的信息，且彼此间不相关，以达到分离数据矢量之间的共性和差异性并简化数 据的目的。对得到的含信息量最大的主要分量建模来进行预测，大大减少了工作量 4 ”。为了避免数据量纲和数量级的影响，主成分分析法需要对各维数据进行标准化， 传统的标准化方法使各维的方差变成l ，即相关矩阵的对角元素均为l ，消除了各维指 标在变异程度上的差异。但提取的主成分不能准确地反映原始数据所包含的全部信息， 因而在使用主成分进行预测时精度会受到一定影响。本文使用改进的主成分分析法对 影响数据进行处理，不仅消除了数据量纲与数量级的影响，还能包含原始数据的全部 信息，提高预测精度。本文通过实例验证了本文方法的有效性。 2 2 1 主成分分析法的原理及步骤 主成分分析法是研究多个数值变量间相关性的一种多元统计方法。在基本保持原变 量信息不变的前提下，能通过原变量的少数几个线性组合来代替原变量并揭示原变量 之间关系。主成分求解步骤如下： ( 1 ) 对原始数据片 xx12 x 2 1x 2 2 为p x 2 进行标准化处理。式中n 是样本个数：p 是每 个样本维数；研为第i 个样本的第j 维取值。用x ，x n 如分别表示矩阵x 的各列矢量n 有 x j = x j e ( x j ) v a x ( x 3 m ，0 = 1 ，2 ，p ) ( 2 - 7 ) 式中e ( x j ) * e l 隐阮j 分别表示x j 的均值和方差。 1 3 一塑塑查堂婴! 堂些堡苎 一 ( 2 ) 计算样本各维问相关系数矩阵r = 矗jp 印 r u 2 c o v ( x | x p v a r ( x o v a r ( x ) m - 1 n x ?= j 2 一，彩 k = l 式中c d v 阢桫表示数据矩阵中第i 列与第，列之间的协方差。 式( 2 ) 等价于 r 一1 nt 砭) t ( r ) ( 2 8 ) ( 2 9 ) 式中f 是将x 标准化后的数据矩阵，可以看出，r 为半正定实对称矩阵。 ( 3 ) 求正交矩阵p ，使得 p r r p = d i a g ( a ， 2 1 ( 2 1 0 ) 式中 1 2 。是r 的p 个特征值，d i a g 表示对角阵。 令y = ( 矿jp ，则有 e ( p y ) = e i p ( 趸p ( 誓) p 】= h ( 出a g ( xl j a2 j x 0 1 q 。1 吣 靴卢 苫蓦 ( 2 1 2 ) 式中y ，表示矩阵王，的第i 列。所以，y 与计是不相关的。 ，+ 2 + 。代表了的平均能量。 令87 = ，f ai + a2 + a 0 又令p j + p 2 + + 口m = 8 * 设定o 。1 ，选取前四个鼻，使得口，。0 ，则y ，y 2 , ，y m 所携带的能量的 比重已超过ad ，因此，可以把+ ，帅看成是随机扰动。一般m 远小于p 。 称y ，y 2 ，y m 为显著性水平为口。的m 个主成分，每个主成分集中了随机变量z 的各个分量不同的共同特征，这样维数将由p 个减少为m 个 4 3 1 1 5 2 。 2 2 2 对主成分分析法的改进 原始数据中一般包含两部分信息：一是反映各维指标变异程度的差异信息，由各维 指标的方差大小反映：二是反映各指标问相互影响程度的相关信息，由相关矩阵体现。 传统的标准化方法使各维指标的方差变成1 ，即相关矩阵的对角元素均为1 ，消除了各 维指标在变异程度上的差异。但从中提取的主成分，只包含了各维指标间的相互影响 这一部分信息，不能准确反映原始数据所包含的全部信息，为此作者使用均值标准化 方法加以改进，即用各维指标的均值除以与它们相应的原始数据来标准化数据 x i = x i 挹扛o j ( i = i ? 2 j ，n j = 1 ，2 ，。讲 2 1 3 ) 4 箱二章城市居民m 行生成预测模型 由式( 2 1 3 ) ，可以推导出在均值标准化后，相关系数矩阵的对角元素为 7 i 。i ，a x f ) 移，( e ( 劫) 2f i 勺)q ，1 式( 2 1 3 ) 反映了各维指标变异程度上的差异，所以经过均值标准化后的相关矩阵不 仅消除了指标量纲与数量级的影响，还能包含原始数据的全部信息。 作为主成分的少数主成分分量已经携带了数据几乎全部的能量，而其余的分量完全 可以视之为随机扰动，因此，在进行交通量预测建模时，可以首先将历史数据采用前 述方法计算正交变换矩阵和特征值，按照显著性水平确定主成分的个数， 每个主成分乃是m 个石4 的线性组合。 弓一c 。x ? 2 f ，z 铆 ( 2 1 5 ) _ 1 乙一第，个主成分： c 厂第j 个主成分的+ 的系数。 之后，在求得的主成分值与交通出行生成量之间建立回归分析模型并对交通分区的 交通生成量进行预测。回归分析模型考虑到了土地利用、人口等诸多因素，是相对成 熟的方法，因此本文采用的交通生成预测方法为多元回归分析，即采用交通生成与土 地利用状况、人口、岗位等相关因素建立回归关系式，预测未来年份的交通生成量 ( 4 3 i “1 。 2 3 基于上述方法对长春市交通生成量进行预测( 新模型的验证) 对长春市1 9 9 7 年交通生成量进行预测，并且与传统的回归模型的预测值进行对比， 验证改进模型的实用性，影响交通生成量的因素本文只考虑以下五种：人口、建成区 面积、中小学生人数、车辆拥有量、经济发展情况。以及长春市各个行政区的交通生 成与吸引量，以1 9 9 7 年为例【5 5 i f 7 1 ： ! ! 盘查堂型：! ：兰垡堡苎 表2 1 长春市1 9 9 7 年影n 向出行生成基础数据表 三= 卷三 南关区宽城区朝阳区二道区绿园区 影响因素、 人口( 人)5 7 6 6 0 5 3 9 7 3 3 56 2 4 0 4 33 4 9 0 2 14 5 1 6 4 1 建成区( k r n 2 )1 9 6 3 5 52 8 9 1 8 92 7 7 1 0 22 3 6 2 8 14 2 5 6 1 5 职工人数( 人)2 5 9 4 7 21 6 8 2 3 22 5 5 8 5 81 4 7 7 7 51 8 4 3 2 5 中小学生人数( 人) 5 2 1 6 44 9 9 1 l6 7 9 0 44 6 6 4 25 7 9 1 摩托车拥有量( 辆)8 9 2 2 6 1 8 8 3 9 6 2 0 4 4 4 91 8 5 1 6 9 1 8 9 8 4 8 表2 21 9 9 7 年长春市各行政区发生吸引量单位：人次 南关区宽城区朝阳区二道区绿园区 发生量 1 0 1 8 8 1 37 6 0 5 0 01 2 7 0 5 1 65 2 7 5 8 59 0 0 8 9 5 吸引量 9 3 7 5 9 08 4 1 2 9 91 2 4 7 4 7 45 5 0 6 2 29 0 0 0 l l 上述数据经过主成分分析法的( 2 7 ) ( 2 1 4 ) 式的计算，可以建立如下的相关系 数矩阵： c 0 ，9 4 5 00 8 3 7 711 2 7 70 ，7 4 8 90 ，9 7 9 7 0 8 3 7 70 8 8 7 311 0 8 608 0 1 31 0 4 4 7 11 2 7 71 1 0 8 614 3 5 31 0 0 1 71 2 8 9 2 0 7 4 8 90 8 0 1 31 0 0 1 70 7 2 7 00 9 3 5 3 0 9 7 9 71 0 4 4 71 2 8 9 20 9 3 5 31 2 5 6 1 通过m a t l a b 软件计算得到上述矩阵的特征值丑和特征向量c i j 分别如下 五，2 4 ，9 8 4 4 ，o 5 5 3 2 ，o 2 6 4 6 ，一o 2 2 9 9 ，- 0 3 9 5 】 0 5 8 7 50 1 2 7 90 2 5 7 70 6 0 4 9 0 4 5 4 1 0 1 6 7 2 0 8 6 10 1 4 7 90 0 5 80 4 5 3 l 一0 4 5 5 9 0 4 6 0 50 5 0 8l一0 2 5 2 50 5 0 81 0 3 8 9 40 1 4 70 7 3 0 2 03 4 3 90 ，4 18 6 o 517 20 0 9 2 90 3 4 6 8 0 6 6 9 8 0 3 9 3 8 f 2 1 6 ) f 2 1 7 ) 主成分的解释作用每个主成分的贡献率由其方差占总方差的比率表示为 p l ： i ， ( 2 1 8 ) 本例的特征值、方差贡献率、累计贡献率见表2 3 6 第章城市居民行生成预测模型 表2 3 方差贡献率及累计贡献率表单位： 特征值方差贡献率( )累计贡献率( ) 4 9 8 4 4 9 6 2 79 6 2 7 0 5 5 3 21 0 6 81 0 6 9 5 0 2 6 4 6 5 1 11 1 2 0 6 0 2 2 9 94 4 41 0 7 6 2 0 3 9 5 7 6 21 0 0 从表2 3 可知，如果只要求方差累计贡献率大于9 0 ，则取第一主成分就足够了。 第一主成分