交通的发生和吸引PPT课件

第一节总结了第二节产生和吸引交通量的影响因素，第三节产生和吸引交通量的预测重点，第四节产生和吸引交通量的预测重点，第五章产生和吸引交通量，土地利用(面积、住宅、就业人口等)产生和吸引交通量。)社区的交通调查社区，以及第1节中的总结，生成和吸引交通量的预测是交通需求四阶段预测的第一阶段，也是交通需求分析工作的最基本部分之一。该阶段的任务是找出目标区域的总交通需求，即生成的交通量。然后，在该量的约束下，计算每个交通区域的生成交通量和吸引交通量。交通小区及吸引交通流量图，第一节概述，5、交通和土地利用(LandUse)有着密不可分的关系，是影响交通的主要因素之一。根据国家标准城市用地分类与规划建设用地标准，城市土地利用分为10类：居住用地；(二)公共设施用地；(3)工业用地；(4)仓储用地；对外交通用地；道路广场用地；市政公共设施用地；绿地；特殊的土地；水域和其他土地。(1)土地利用，影响第二季度出行的因素，(6)许多私人出行，如探亲访友、购物等。很少有基于家庭的工作、商业和其他旅行。随着家庭规模的增加，人均出行次数减少。例如，购物可以被一个人代替。未来人口未来平均家庭人口，自由：T=F (AA)，1。家庭组成和规模，影响旅行的因素，见第2节。7，2。年龄，性别，男性，26-50岁，女性，16-50岁。年龄组，平均出行次数(男性)，第二季度出行影响因素。8、第二季度不同年龄、年龄组女性平均出行次数、出行影响因素。9，3。汽车拥有率汽车拥有率高，人均出行次数增加。原因是：(1)旅行需求高的人购买汽车，(2)汽车很容易引发旅行。4。自由时间自由时间=24-生活必需时间(睡眠、饮食)-约束时间(工作、学习)自由时间多次旅行机会大量自由旅行量：T=T in T=at b类型：私人旅行次数；t:空闲时间；a，b:系数和常数。职业、职位(如图5-3所示)和工作类型的差异是出行量差异的主要原因之一，这可以从各国居民的出行数据中看出。汽车司机、销售人员、买家和销售人员平均出行次数较多，而工人、学生、教师和行政人员平均出行次数较少。图5-3显示了1986年北京居民出行调查中不同专业人员平均每日出行时间的调查结果。外出率外出率是外出业务与工作中总业务的比率。它根据工作类型和年龄而变化。一般来说，企业的环境和性质都比较大，业务处理能力大，出货量大。家庭收入家庭收入也是影响旅行，尤其是免费旅行的主要因素之一。高收入家庭购车率高，购物和娱乐需求高，平均出行次数高。第二部分，影响旅游的因素。11，图5-3不同专业人员的平均每日旅行时间，9。其他天气、工作日、休息日和季节也会影响人们的出行。在雨雪天气，人们出行不方便，出行量小。从周一到周五，工作日的出行量大且集中，而在周六和周日等休息日，出行量小且分散。在炎热的夏天和寒冷的冬天，旅行的次数很少，春天和秋天的天气很宜人。第二部分，旅游的影响因素包括旅游生成和旅游吸引力。由于两者的影响因素不同，前者主要基于家庭的社会经济特征，而后者主要基于土地利用的形式。因此，有些方法需要分别预测出行的产生和吸引，以便准确并有利于下一阶段的出行分配工作。当家庭的社会经济特征和土地使用模式发生变化时，它也可以用来预测交通数据的变化图5.3-1在OD表中列出了生成交通量、吸引交通量和生成交通量之间的关系。第3节行程产生的交通量预测，第13节产生、吸引和产生的交通量之间的关系表，第3节行程产生的交通量预测，产生、吸引、产生的交通量，第14.1节。原始单位法通常有两个获得原始单位的原则。一种是个人原始单位法，使用每个居民或就业人口产生的平均交通量进行计算，另一种是面积原始单位法，使用土地面积或办公面积产生的平均交通量进行预测。不同方法选择的原始单位指标也有所不同，主要包括：(1)以每个出行目的地单位的出行次数为原始单位的基于人口属性的预测。(2)基于土地利用或经济指标的原单位，即基于单位土地面积或经济指标预测的原单位。第二，生成交通量的预测方法，第三季度生成交通量的预测，第三季度生成交通量的预测，第三季度生成交通量的预测，第三季度生成交通量的预测，第三季度生成交通量的预测，第二季度生成交通量的预测，第三季度生成交通量的预测， 第三季度生成交通量的预测，北京市不同出行目的的出行率(1986)，第三季度出行生成交通量的预测。 17、【例1】图5-6显示了划分为三个交通区域的某个目标区域，表5-1显示了每个区域当前的出行发生率和吸引力。在一定目标区域内常住人口平均出行率不变的情况下，利用出行数法预测未来出行生成。第三节出行生成交通量预测，表5-1各地区当前出行生成量和吸引力，18，出行生成量T:T=28 . 051 . 026 . 0=28 . 050 . 027 . 0=105.0，当前常住人口N: N=11.020.010.0=41.0，未来常住人口M: M=15.036.014.0=65.0，当前平均出行率T/N:T/N=15.0，19，2。聚类分析，聚类分析(交叉分类)是出行生成预测的另一个可选模型。英国人称之为类型(类别)分析，而美国称之为交叉分类方法。它突出家庭作为基本单位，并使用未来出行发生率来获得未来出行量。它与原始的单位法有许多相似之处，但又大不相同。在一定时期内，旅行速度是稳定的。(2)家庭规模的变化很小。(3)收入和车辆拥有量总是增加。每种类型的家庭数量可以通过从家庭收入、车辆所有权和家庭结构数据中得出的数学分配方法来估计。(1)聚类分析必须遵循的假设是第三节出行产生的交通量预测。20、和第三节中对出行产生的交通量的预测，21，【例5-2】澳大利亚城市阶层产生率。根据家庭规模、收入和家庭拥有的汽车数量，研究中的家庭可以分为不同的类别。根据调查，表5.3-2显示了不同类别家庭的平均出行率。第三节出行产生的交通量预测，表5.3-2不同家庭的平均出行率，称为：低收入，无车，每户3人，100户；低收入，无车，200户，每户4人；中等收入，1辆车，300户，每户4人；高收入，2辆车，每户5人，50户。则总行为：1003.4 2004.9 3008.3 5012.9=4455人次/天。22，(3)聚类分析的优缺点：直观易懂。(2)数据的有效利用。(3)易于检查和更新。可应用于各种研究领域。缺点：在每个水平分类单元中，忽略了居民之间的差异。(2)由于每个单元的样本数不同，所获得的跳闸率在用于预测时将失去其一致的精度。(3)同一类变量的类别和等级的确定取决于第3节出行生成交通量预测，第23节出行生成交通量预测，第24节出行生成交通量预测，第4节出行生成和吸引交通量预测，第25节出行生成和吸引交通量预测，第4节出行生成和吸引交通量预测，第26节出行生成和吸引交通量预测，第27节出行生成和吸引交通量预测， 第4节出行生成和吸引交通量预测，第27节示例5-3假设每个社区的平均出行生成和吸引交通量不变，示例5-1的数据用于计算未来的出行生成和吸引交通量。 第四节交通量的发生和吸引预测，交通量的平均发生和吸引，28，165.975，166.375，第四节交通量的发生和吸引预测，未来交通量的发生和吸引预测(调整前)，29，第四节交通量的发生和吸引预测，30，第四节交通量的发生和吸引预测，未来交通量的发生和吸引预测(调整后)，31，第四节交通量的发生和吸引预测，第二节增长系数法32第32节发生和吸引交通量预测，第33节发生和吸引交通量预测，第4节发生和吸引交通量预测，第34节第3节聚类分析法，在交通量生成预测中研究了聚类分析法。它不仅可以预测交通量的产生，而且是预测发生和吸引交通量的常用而有效的方法。(例5-6)假设规划调查区域的土地利用特征如表5-6所示，以地块1为采样点，不同车辆占用情况下，一小时工作行程的原始单位计算如表5-7所示。以图1为采样点，得出出行吸引力与上班一小时内的工作数量之间的关系，如表5-8所示，并计算出行的发生和吸引力。第4节发生和吸引交通量预测，第5-6节规划区土地利用特征，第35节，第4节发生和吸引交通量预测，第5-7节发生和吸引交通量预测，第5-8节发生和吸引交通量预测，第36节发生和吸引交通量预测，第5-9节发生和吸引交通量预测，第37节发生和吸引交通量预测， 第5-10节发生和吸引交通量预测，第38节，第4节发生和吸引交通量预测，第39节，当使用多元回归分析时，应注意自变量之间的独立性。 该方法也不能反映土地利用变化引起的人们出行行为的变化和交通条件改善引起的人们出行能力的提高。回归预测的规范步骤可分为三个阶段：建立模型、检验模型和实施预测。1.建模阶段(1)准备和整理必要的数据，这些数据应该全面和完整。(2)确定因变量和自变量，尤其是自变量。(3)根据数据制作散点图。(4)确定模型形式，即选择线性、非线性、一维或多维方程。(5)求解回归系数，计算估计误差和相关系数。第四节发生和吸引交通量预测。40，2。测试模型阶段(1)初步经验测试，即检查模型是否符合基本常识和公认的理论。(2)统计检验包括离散系数(V=S/Y