四步骤交通需求预测模型概述与出行生成预测课堂

1、交通规划理论与方法,4,四阶段”交通需求预测模型,西南交通大学交通运输学院,杨,飞,博士、讲师,交通工程本科课程,交通运输学院,四阶段”交通需求预测模型,出行生成,Trip Production,出行分布,Trip Distribution,方式划分,Mode Split,交通分配,Traffic Assignment,四阶段”模型发展背景,从,20,世纪,50,年代，欧美发达国家为了满足大规模,城市道路交通规划及其建设需要，开始研究城市,交通需求预测技术,20,世纪,70,年代初形成了具有代表性的“四阶段,城市交通规划需求预测技术,四步骤”方法在当时的欧美一些城市的交通规,划实践中发挥了重要

2、作用，例如底特律、芝加哥,交通规划,四阶段”模型内容描述,1,出行生成,Trip Production,根据交通小区的经济、人口,就业岗位等属性特征，将社会,活动引发的交通需求量化为交,通小区的交通出行生成量，包,括出行产生和出行吸引两部分,分别进行远期预测,出行生成,出行分布,方式划分,交通分配,四阶段”模型内容描述,2,出行分布,Trip Distribution,对每个交通小区，它所产生的这,些出行量究竟到那个分区去了,它所吸引的这些出行量又究竟,来自哪里？出行分布也就是要,预测未来规划年各个分区之间,出行的交换量,出行生成,出行分布,方式划分,交通分配,四阶段”模型内容描述,3,方式划

3、分,Mode Split,方式划分阶段目的在于考察,未来城市活动中产生和吸引,的交通运输需求对各种交通,方式的可能利用情况，即预,测各种交通方式上的交通量,分担率,出行生成,出行分布,方式划分,交通分配,四阶段”模型内容描述,4,交通分配,Traffic Assignment,将各交通小区之间出行分布量分,配到交通网络的各条边上去的过,程，预测交通需求,PA,分布各组成,部分流量具体在道路交通网络上,的交通流量,出行生成,出行分布,方式划分,交通分配,四阶段”模型功能说明,四阶段”模型用于进行交通需,求预测，以用地和社会经济等,相关数据作为输入，通过“四,阶段”模型进行处理，得到未,来年每个路

4、段的交通流量数据,以预测的未来年路段交通流量,数据为基础进行新建道路或者,道路拓宽等交通设施建设依据,输入：土地,社会经济数据,出行生成,出行分布,方式划分,交通分配,输出：未来年,路段交通流量,交通规划,四阶段”模型实际运用过程描述,交通小区,现状分布,预测分布,交通分配,1,出行生成预测：相关基本概念,出行相关的基本概念,1,出行分类,按出行端点属性,由家出行,一个端点是家庭的,出行，既可以是起点，也可以是,讫点,非由家出行,起、迄点都不是,家庭的出行,按出行目的,工作、上学、购物、娱乐,家,公司和饭店,客户,1,出行生成预测：相关基本概念,2,出行产生点和吸引点,出行产生点,由家出行，家

5、,庭端点就是该次出行的产生,点；非由家出行或货物出行,那么其起点就是该次出行产,生点,出行吸引点,由家出行，非,家庭端点是它的吸引点；非,由家出行或货物出行，讫点,就是其吸引点,起讫点与产生吸引点的区别,家,公司和饭店,客户,A,B,C,1,出行生成预测：相关基本概念,3,区分出行产生点、吸引点与出行起讫点的意义,由于一个交通小区的交通出行发生量主要是由这,个小区的土地利用形态决定的，而起讫点的概念,与用地形态没有关系,例如：居住用地，其既可以是出行的起点（去上,班），也可以是出行的讫点（下班回家,从起讫点的概念出发，无法由交通小区未来的用,地模式预测该小区的交通出行发生量,1,出行生成预测：

6、相关基本概念,4,出行生成的两种量化表达,出行产生量,Trip Generation,单位时间内某一个交通小区的出行产生量等于家,庭端点在这个分区的由家出行数，与起点在这个,分区的非由家出行和货物出行的出行数之和,出行吸引量,Trip Attraction,单位时间内某一个交通小区的出行吸引量等于非,家庭端点在这个分区的由家出行数，与终点在这,个分区的非由家出行数和货物出行数之和,1,出行生成预测：相关基本概念,4,出行生成的两种量化表达,例题,分析图中交通小区的产生量、吸引量,和生成量,home,factory,factory,school,office,例,1,home,home,fact

7、ory,school,例,2,1,出行生成预测：出行产生量预测,预测方法,1,类型分析法,2,回归分析法,3,增长率法,较为粗糙，在相关数据很难获取情况下使用,1,出行生成预测：出行产生量预测,类型分析法,1,方法描述,类型分析法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,分成若干类型，分别预测每种类型家庭的出行产,生量后再加总汇合成研究区域内总的出行产生量,2,假设前提,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等，将各类家庭单位时,间内的平均出行次数称作“出行率,假定各类家庭的出行率一直到规划年都是不变的,1,出行生成预测：出行产生量

8、预测,类型分析法,3,家庭类型划分,经分析发现，一个家庭有三大特性对其出行产生,量起主要决定作用,人口,指,6,岁以上者）：人口越多，出行次数越大,收入,收入越多，越爱购物和消费，出行次数也,越多,车辆拥有量,车辆拥有量越大，出行越方便，出,行的可能性越大,1,出行生成预测：出行产生量预测,类型分析法,3,家庭类型划分,案例,英国伦敦,1963,年交通规划家庭类型划分,1,年收入（英镑）划分为,6,级,收入级别,1,2,3,4,5,6,收入范围,500,500,1000,1000,1500,1500,2000,2000,2500,2500,1,出行生成预测：出行产生量预测,类型分析法,3,家庭

9、类型划分,案例,英国伦敦,1963,年交通规划家庭类型划分,2,家庭就业构成分为,6,类,无就业者,1,人,无就业者,1,人,就业人,1,无业人,1,就业人,1,无业人,2,就业人,2,无业人,1,就业人,2,无业人,2,1,出行生成预测：出行产生量预测,类型分析法,3,家庭类型划分,案例,英国伦敦,1963,年交通规划家庭类型划分,3,拥有车辆数划分为,3,类,0,辆,1,辆,2,辆,根据以上划分可以看出，伦敦,1963,年规划把家庭,划分为,6,6,3=108,类,1,出行生成预测：出行产生量预测,类型分析法,4,模型,式中,P,i,分区,i,规划年单位时间出行产生量,a,s,全市现年第,

10、s,类家庭的出行率,N,si,第,i,分区规划年第,s,类家庭的数目,N,i,第,i,分区规划年各类家庭的总数目,s,i,第,i,分区规划年第,s,类家庭的比例,s,si,s,i,s,si,s,i,a,N,N,a,P,1,出行生成预测：出行产生量预测,类型分析法,5,工作步骤,1,家庭分类,将整个对象区域的家庭根据其特性,人口、收入、车辆拥有量等）分成若干类,2,确定出行率,a,s,从调查样本中统计出各类家庭,每个单位时间的出行数，可采用“分层随机抽样,法,a,s,是不分分区的，全市统一的,3,计算家庭数目预测值,N,si,一般是由概率分布模,型计算出每一分区中不同类型家庭的比例,si,再,求

11、出分区,i,中的家庭数的预测值,N,i,N,si,N,i,si,1,出行生成预测：出行产生量预测,类型分析法,例题,我国某城市的交通规划,将家庭分作,3,3,3=27,类，出行率,a,s,如表所示,某分区各类家庭的比例,如表括号中的数值,si,预测该分区未来规划年,份将有,8000,户居民，用,类型分析法求该分区的,出行产生量的预测值,P,i,出行率（括号中是各类家庭比例）情况,人均收入水平,拥有车,辆数,人口,低,中,高,2,2.5,0.02,2.9,0.05,3.1,0.03,3,3.4,0.03,3.7,0.024,3.9,0.006,1,4,4.9,0.028,5.0,0.012,5.

12、1,0.00,2,4.1,0.00,4.8,0.075,5.4,0.0755,3,5.5,0.1,6.1,0.25,6.5,0.13,2,4,6.9,0.05,7.3(0.04,8.0(0.01,2,5.8(0.00,6.8(0.025,7.5(0.025,3,6.9(0.05,7.7(0.03,8.1(0.02,3,4,7.8(0.09,8.4(0.03,9.0(0.03,1,出行生成预测：出行产生量预测,类型分析法,例题,解：由题设知预测未来家庭总数,N,i,8000,由类型,分析法模型得,例完,03,0,0,9,05,0,9,2,02,0,5,2,34678,8000,s,si,s,i,

13、s,si,s,i,a,N,N,a,P,1,出行生成预测：出行产生量预测,类型分析法,6,方法总结,1,运用类型分析模型的关键前提是：假定未来规,划年各类家庭出行率,a,s,与现在出行率相比基本不变,2,该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，预测数据不全面,3,为保证模型具有一定的精度，在计算各类家庭,的平均出行率时应该抽取足够多的家庭样本,4,现在在国外的交通规划理论中，对于城市交通,提出一种更为细致的分类分析模型，即分出行目,的的类型分析模型,1,出行生成预测：出行产生量预测,类型分析法,分出行目的的类型分析模型,其中,P,i,分区,i,出行产生量,分区,i,目的

14、为,m,出行产生量,第,s,类家庭目的为,m,的出行率,N,si,规划年分区,i,中第,s,类家庭数目的预测值,m,m,i,i,s,si,m,s,m,i,P,P,N,a,P,m,i,P,m,s,a,1,出行生成预测：出行产生量预测,回归分析法,1,方法描述,一个交通小区的出行产生量与多个因素有密切因,果关系，主要有城市的经济发展水平、分区的居,民数、平均收入、平均车辆拥有量、其中各类职,业的人口数、分区距市中心的距离、非住宅用地,面积等，通过建立出行产生量与这些相关因素之,间的函数关系进行预测,注,该方法还用于其他领域的预测问题，有成熟,的软件辅助计算,Matlab,1,出行生成预测：出行产生

15、量预测,回归分析法,2,模型,P,i,b,0,b,1,X,1,b,2,X,2,b,n,X,n,式中,P,i,是某分区的出行产生量,b,k,是待定的系数（偏回归系数,X,k,是被选出的自变量，例如收入,残差项，是一个随机变量，表示其它影,响因素对产生量的综合作用,1,出行生成预测：出行产生量预测,回归分析法,3,参数标定,P=XB,X,P=(X,X)B,其中可以证明,当各变量,X,i,线性无关时，矩阵,X,X,可逆,P,X,X,X,b,b,b,B,T,T,m,1,1,0,m,p,p,p,P,2,1,mn,m,n,n,x,x,x,x,x,x,X,1,2,21,1,11,1,1,1,1,出行生成预测

16、：出行产生量预测,回归分析法,4,模型的统计检验,1,显著性检验,检验自变量对因变量（我们这里的因变量就是,出行产生量”）的显著水平（影响程度）。残,方差、拟合度,R,值,F,值,2,相关性检验,计算相关矩阵，剔出相关变量，确保矩阵,X,X,可逆,1,出行生成预测：出行产生量预测,回归分析法,5,模型说明,1,假定未来年的出行产生量,P,与各因素（自变量,的关系（这些关系由回归系数,b,k,k=1,n,表现出来）与现年相同，这样才能把由现年样本,数据标定出来的回归系数用于预测未来规划年的,产生量,2,应用回归模型要有一个基本条件：模型中各自,变量的规划年预测值要容易求得，它们应该由别,的可靠性

17、较高的预测模型求得,1,出行生成预测：出行吸引量预测,预测方法,1,原单位法,通常以就业岗位或用地面积为分析单位，即个人,原单位法或面积原单位法，吸引率单位分别为人,次,日,岗位和人次,日,万平米,2,回归分析法：多用于货物吸引量预测,3,增长率法：较为粗糙,1,出行生成预测：出行吸引量预测,原单位法,1,模型,式中,B,i,分区,i,的理论吸引量,d,ik,分区,i,的第,k,类岗位数或第,k,类用地的面,积,w,ik,分区,i,每个第,k,类岗位或第,k,类用地的单,位面积的单位时间平均出行吸引量，即“吸引率,k,ik,ik,i,w,d,B,1,出行生成预测：出行吸引量预测,原单位法,建设

18、部规范参考指标情况,T51,行政机关,社会团体,新闻出版、广播电视,等,1.0-3.0,T52,商业写字楼,2.0-5.5,办公,T5,T53,企事业单位、科研设,计院所、研发中心等,1.5-3.5,人次,百,M,2,建筑,面积,高峰小时,T61,电影院、剧场等,0.6-1.8,人次,座位,高峰,小时,T62,图书馆、博物馆、展,览馆、美术馆、科技,馆、会展中心等,1.5-3.5,人次,百,M,2,建筑,面积,高峰小时,T63,体育馆、体育场、体,育训练基地等,0.2-0.8,人次,座位,高峰,小时,场馆与公园,T6,T64,城市公园,休憩广场,游乐场、旅游区等,10-100,人次,万,M,2

19、,占地,面积,高峰小时,大类,建筑物类型,分类代码,中类,出行率,参考值,出行率单位,1,出行生成预测：出行吸引量预测,原单位法,2,实际吸引量修正,理论吸引量公式中的各类岗位的吸引率,w,ik,是统计,出来的，可能导致,B,i,出现误差，使总吸引量不等于,总产生量。修正后实际吸引量为,其中,P,j,分区的产生量,j,j,i,i,i,i,P,B,B,A,1,出行生成预测：出行吸引量预测,原单位法,例题,上海金茂大厦交通影响分析办公功能吸引量计算,开发基础资料,办公楼建筑面积为,122871,平米,办公楼租售率,98,年底确定为,30,40,取为,35,预测,99,年底将达,70,出行吸引特征数据,根据上海市综合调查，每岗,位所需的办公楼面积，一般为,15,平米,人,每岗位,吸引的人次，为,2.31,人次；每平方米办公建筑面,积所吸引的出行人次为,0.13,人次,平米,