运输规划调查与运输需求预测模型(ppt 110页).ppt

1、2.运输规划调查,2.1运输规划所需主要数据,有关社会经济系统的数据(区域性)国民生产总值,国民收入,产业结构,土地及其利用,人口,就业,资源有关运输系统的数据运量,周转量,线路,站场枢纽,停车场,运载工具,运输能力,运行控制,速度,运价,安全性,舒适性,便利性等有关运输流的数据客货流的构成,流量,流向,断面运输量,起圪点,运输量,车辆流.有关对社会,环境,资源的数据城市布局,古迹,景观,公共环境,居住区,气象,习惯等,2.运输规划调查,2.1运输规划所需主要数据,交通调查的工作过程包括两个阶段：数据的调查和收集；数据整理和简单的统计分析。,2.2运输调查的种类,社会经济调查运输系统调查运输流

2、的调查,2.3运输调查的方法,现场观测A人工B设备询问借助调查表(家访,电话,邮递,车内,路侧,车牌,指定地点)资料检索上网查询,数据共享现代化技术GPS系统,移动通讯设备,监视器等不同方法的优缺点:回答率,有效率,费用,范围,完成时间等(参看P41表3-1:3种调查方式的简单比较),抽样方法与抽样数据确定边界,分区,小区,集计,非集计调查表的设计客运,货运,城市,区域,综合,单项,2.4运输调查的若干技术问题,基本概念和术语:出行出行是指交通元（人、货、车）从出发地到目的地移动的全过程。人员出行、货物出行、车辆出行。相应的调查称作客流调查、货流调查、车流调查。城市交通的出行是指：交通元在城市

3、道路上的移动，而在机关、团体、企事业内部、住宅小区内和公园中的移动不叫出行；并且还往往给移动距离规定一个下限，如规定：步行单程5Min，自行车单程400m，才叫出行（其它交通工具不限）。,2.4运输调查的若干技术问题,基本概念和术语:出行出行是指交通元（人、货、车）从出发地到目的地移动的全过程。,2.4运输调查的若干技术问题,出行端点出行的出发地和目的地，又分别叫作起点和终点，或O、D点。调查区整个被调查的区域，一般是规划的整个对象区域。调查区域界限：包围整个调查区的一条假象的边界线，又叫境界线。分区及其质心规划时将调查区分成若干个分区(Zone)，分区是调查的基本单元，以分区为单位的交通调查

4、又叫起讫点调查。在每一分区内，选其几何中心或出行量最大的地点作为它的质心，近似地将质心看作是分区内所有出行端点的。境内出行起迄点都在调查区范围之内的出行。过境出行起迄点都在调查区范围之外的出行。,基本概念和术语:境内外出行起迄点一个在调查区范围之内、另一个在调查区之外的出行。区内出行起迄点都在同一个分区内的出行。区间出行起迄点分别在两个不同分区的出行。,2.4运输调查的若干技术问题,交通分区的划分:,2.4运输调查的若干技术问题,地区交通规划中的分区划分一般与行政区划是一致的，但有时也按交通节点的吸引范围来划分。,交通分区的划分:,2.4运输调查的若干技术问题,原则：同质性分区内土地使用、经济

5、、社会等特性尽量使其一致；尽量以铁路、河川等天然屏障作为分区界限；尽量不打破行政区的划分，以便能利用行政区政府现成的统计资料；考虑路网的构成，区内质心可取为路网中的结点；分区数量适当，中等城市一般不超过50个，大城市最多不超过100150个，数量太多将加重规划工作量，而太少又会降低调查和分析的精度；分区中人口适当，约1000020000人，靠市中心的分区面积小些，靠市郊的面积大些。例如，上海1995年进行的全市交通调查设置了100个分区，北京所进行的交通调查所设置的分区的平均面积为4Km2。,抽样方法与抽样数据确定边界,分区,小区,集计,非集计调查表的设计客运,货运,城市,区域,综合,单项(设

6、施、交通量、起讫点、停车、社会经济、人口、交通影响),2.4运输调查的若干技术问题,抽查数据的处理建库,共享,数理统计分析A采用线性回归拟合和自变量的关系(建立回归方程)B采用残差分析方法判别异常的数据值C模型,起讫点调查分析:调查项目有：,2.4运输调查的若干技术问题,起讫点调查分析:调查抽样方法：,2.4运输调查的若干技术问题,总体原来调查范围内调查对象；总体容量总体中个体数目；样本总体中被抽取的那部分；样本容量样本中个体的数目；样本率样本容量与总体容量之比。一般取2%20%，总体越大，样本率取值越小。美国、日本的居民出行调查中，10万人口的城市样本率取15%左右，100万人口城市则取4%

7、5%；我国几大城市的调查的样本率大都取3%。,起讫点调查分析:调查抽样方法：,2.4运输调查的若干技术问题,（1）简单随机抽样：这是数理统计中的抽样方法，此方法是从一大批人名或户口名中，在不知个体（个人或家庭）任何特性的前提下，任意抽取样本。这是最简单的抽取方法，误差分析也比较容易，但要求较大的样本容量，且不适合个体差异很大的情况。（2）顺序抽样：将总体中各元素按某种规则（如年龄的大小或收入的多寡）排成一列，以相同的间隔取样，这也叫“等距抽样”。其优点是使总体的各部分能均匀地被抽到，因而适合个体差异很大的情况。缺点是抽样前先要进行排序，这对于大容量的总体来说，即使有计算机帮忙，工作量也是比较大

8、的。（3）分层随机抽样按某种规则，将总体分成多个子群（如以收入分群），再从每个子群中随机抽样。此法的优点是通过划分子群，使子群中各个个体的差异缩小，这就不怕出现个体差异较大的情况了，弥补了简单随机抽样的缺陷。（4）整群抽样：将总体根据时间或地域分成许多个组，从这些组中用上述三种抽样方法中的一种方法抽取一些组（叫样本组）；再对各样本组内所有的个体进行调查。此法的优点是组织简单，缺点是代表性差。,起讫点调查分析:调查的工作步骤：,2.4运输调查的若干技术问题,（1）建立调查机构需要多个单位和大量的人员参加。建立专门的机构，统一负责指挥、协调工作。（2）物质准备设计、印刷调查表格。还要配备专用的调查

9、用车辆、通讯工具。（3）确定样本率和抽样方法。（4）人员训练选用责任心强、组织纪律好、身体健康、有一定文化程度、并且人地熟悉的人员。（5）制定计划确定调查内容、调查对象、以及调查实施的时间。家庭访问应选在非工作时间，路边的调查和观测应选择工作日，一般以星期二星期四为宜。特别要注意的是，无论对象区域范围多大，一定要在同一天同一个时段同时展开调查。（6）典型实验在调查全面展开之前，应先作小范围的调查实验，以暴露一些预先没能估计到的问题，进一步及时改进、完善工作计划。典型实验可以与人员培训结合起来进行。（7）实地调查实地调查的过程中，及时抽查，以便随时发现和纠正问题。,起讫点调查分析:调查资料的整理

10、分析与直观表达形式：,2.4运输调查的若干技术问题,（1）OD表：分矩形表和三角形表两种,起讫点调查分析:调查资料的整理分析与直观表达形式：,2.4运输调查的若干技术问题,（1）OD表：分矩形表和三角形表两种（2）期望线图：用两分区之间的连线粗细大致代表出行量的大小。,起讫点调查分析:调查资料的整理分析与直观表达形式：,2.4运输调查的若干技术问题,（1）OD表：分矩形表和三角形表两种（2）期望线图：用两分区之间的连线粗细大致代表出行量的大小（3）统计图：用立柱体表示各分区中的出行量,起讫点调查分析:调查资料的整理分析与直观表达形式：,2.4运输调查的若干技术问题,（1）OD表：分矩形表和三角

11、形表两种（2）期望线图：用两分区之间的连线粗细大致代表出行量的大小（3）统计图：用立柱体表示各分区中的出行量（4）相关曲线：根据调查资料整理出不同因素与OD出行量的相关关系,北京市于1986年进行了第一次居民出行调查。全市共分65个交通分区，151个交通小区。调查区域内总户数150万，人口约582万人。调查抽样以户为单位，抽样率为5。共抽得样本75万户，26万人。调查期间为1986年6月3日一6月9日，采用家访调查，由调查员在约定时间内到居民家中当面了解户中6岁以上成员全天的出行情况。,2.5居民出行调查实例,出行的定义为:为了某一个目的并有明确去向；经由有路名的市区或市郊区街、巷或道路；移动

12、单程距离超过500m或步行时间8分钟以上的即构成次出行。,2.5居民出行调查实例,调查内容:出行的家庭信息,2.5居民出行调查实例,家庭住址家庭人口拥有自行车数摩托车数家庭月人均收入户总出行次数,个人特征信息,2.5居民出行调查实例,性别年龄职业文化程度有无月票公休日班制工作单位名称,调查内容:出行的家庭信息,调查内容:出行的家庭信息个人特征信息,2.5居民出行调查实例,出行目的出行方式出发时间到达时间出发地点到达地点经过路口,居民出行行为信息,调查内容:出行的家庭信息个人特征信息居民出行行为信息,2.5居民出行调查实例,出行目的出行方式出发时间到达时间出发地点到达地点经过路口,上班上学下班放

13、学生活娱乐公务回程其它,调查内容:出行的家庭信息个人特征信息居民出行行为信息,2.5居民出行调查实例,出行目的出行方式出发时间到达时间出发地点到达地点经过路口,步行自行车公共交通单位自备车摩托车出租车,调查部分结果:全市抽样总人数为257110人，其中无出行总人数为96911人，占抽样总人数的37.69，北京市居民平均出行次数为1.61次人日，有出行行为者的平均出行次数为2.64次人日。,2.5居民出行调查实例,作业:1.自学教材第三章内容，掌握运输规划调查的内容和方法。2.试设计一张上海-北京间旅客出行意向调查表。了解各种不同旅客（职业、收入、年龄、时间、目的等）对各种运输方式的需求。,2.

14、5居民出行调查实例,3.运输需求预测(发生)模型,3.1运输需求,需求消费者对商品购买能力,指有购买力的需求运输需求是位移需要和购买能力的统一(时间,空间分布),指潜在的运输流,与运量区分开来.运量已经实现的运输需求.,3.运输需求预测(发生)模型,3.1运输需求,(1)影响运输需求的因素社会经济发展水平(生产量,消费量,贸易量)收入水平运输服务的价格人口的数量与结构区域功能的规划运输网的分布运输服务的质量生活方式政府的运输政策,3.运输需求预测(发生)模型,3.1运输需求,(2)运输需求的函数D=f(a,b,c,d,n)简化模型:D=f(p)p为价格,如：D=a-bp(线性)D=ap-(非线

15、性a,b,是正常数),3.运输需求预测(发生)模型,3.1运输需求,(3)预测方法的分类：定性：逻辑思维，分析，判断，推理创造定量：数学、统计学、数理逻辑、控制论、运筹学、计算机模拟仿真(4)评价预测模型的准则：精度优先准则简洁性原则适应性原则实用性原则,2000-2020间人口将增长22%:,同期间货运将增长:,洛杉矶都会区未来增长趋势,16.7,18.9,21.5,2000,2010,2020,0,5,10,15,20,25,Millions,91,319,2.2,309,527,8.9,0,100,200,300,400,500,600,Rail,Truck,Air,1995,2020,

16、240%Increase,65%Increase,304%Increase,MillionsofTons,Source:SouthernCaliforniaAssociationofGovernments,Source:CaliforniaDept.ofFinance,3.2人口预测模型,3.2人口预测模型,3.2.1线性增长模型假设每年人口增长数量为一个常数a(人年)，那么第n年的人口数量为:PnP0+na式中：P0为基年的人口数量；,模型过于简单,只适用于短期规划或人口增长率不高的情形.,若已知有n年的人口数据y0,y1,yn-1,则:a=(yn-1-y1)/(n-1),例:已知上海市近十

17、五年来人口（户籍）的统计数据如下表所示,试用线性增长模型预测上海市人口(2010年和2015年):,其中a=4.928,yn=y1990+a*(n-1990),例:已知上海市近十五年来人口（户籍）的统计数据如下表所示,试用线性增长模型预测上海市人口(2010年和2015年):,y2010=1381.6,y2015=1406.2,平均相对误差为-0.0053,3.2.2（Malthus）指数增长模型十八世纪，英国人口学家马尔萨斯(Malthus)根据百余年的人口统计资料，于1798年提出了著名的人口增长规律：人口的增长速度与当时人口数量成正比,假设某地区的人口增长率为r，则：,即,若已知有n年的

18、人口数据y0,y1,yn-1,则r的值可取为:r=(rn-1+r1)/(n-1),例:已知上海市近十五年来人口（户籍）的统计数据如下表所示,试用指数增长模型预测上海市人口(2010年和2015年):,其中r=0.00375,yn=y1990(1+0.00375)(n-1990),例:已知上海市近十五年来人口（户籍）的统计数据如下表所示,试用指数增长模型预测上海市人口(2010年和2015年):,y2010=1382.75,y2015=1408.88,平均相对误差为-0.0051,3.2.3罗吉斯曲线预测模型又称为生长理论曲线(Logistic阻滞增长模型)。一般人口增长曲线应是先慢后快,最后又

19、减慢(也适合经济增长的变化).,令,其中:k0,a0,1b0为参数,t为时间在t=0时,当t-时,y=0,当t+时,y=1/k,拐点为,曲线过此点由向上凹变为向下凹。,3.2.3罗吉斯曲线预测模型,修正指数曲线,参数的标定：,由修正指数曲线趋势外推法,若y1,y2,y3n是一组观察值,则参数k,a,b的估计值为:,这里n为总数据的l/3，1,2,3分别为总数据三等分后的各部分和。若1/yt为小数时，可乘以10的适当乘方化为整数，以利计算。,使用罗吉斯曲线预测模型的条件：,根据修正指数曲线预测模型的特点，可知罗吉斯曲线预测模型的特征是其倒数一阶差分的环比为一常数。因此，当时间序列yt的倒数一阶差

20、分的环比近似一常数时,可用罗吉斯曲线预测模型来预测。即:,例:P61/4-1,3.2.3罗吉斯曲线预测模型,例:试用Logistic预测模型预测上海市人口(2010年和2015年):,其中b=1.1261,a=-87.2970,k=7806.84,不能用来预测远期数据,例:试用Logistic预测模型预测上海市人口(2010年和2015年):,yn=107/(k+ab(n-1990)y2010=1445.97,y2015=1626.93,平均相对误差为0.0000,例:北京1986年6月居民出行调查,日平均出行次数与性别和年龄有关:,3.2.4参数变动预测模型(Roger.A群体生存模型),3

21、.2.4参数变动预测模型(Roger.A群体生存模型),(1)符号与假设(已知数据),假设出生率和迁移率不变的情况下，着重考虑生存率的变化，利用参数变动方法，给出一个单区域分年龄的人口预测模型。,T年为一个年龄段(如T=1,5,10),将年龄分为R+1个段;Pr(0)-0时刻(基年)第r段的人口数量,r=1,2,R+1;Br(0,T)-0到T时间内第r段的婴儿出生率,r=c,c+1,d;(r段生的婴儿数除r段人数,c,d分别为可生育妇女年龄段的上下限)Sr,r-1(0,T)-0时刻r-1段人到T时刻进入r段的生存率(r-1段生存人数除r-1段人数)mr,r-1(0,T)-0到T时间内迁入的r-

22、1段人并进入到r段的净迁入率(0到T内r-1段迁入减迁出人数除r-1段人数,不准,有可能迁入后又迁出或死亡,也有可能迁出后又迁入.),3.2.4参数变动预测模型(Roger.A群体生存模型),(2)单区域群体生存模型,T时刻各段人口数:,各时刻各段人口数:,(2)单区域群体生存模型,K=1,2,n,3.2.4参数变动预测模型(Roger.A群体生存模型),各时刻各段人数递推公式:令,(2)单区域群体生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),各时刻各段人数递推公式:,(2)单区域群体生存模型,则:,当Bi,Si,Mi各段都不变时,有:,3.2.4参数变动预测模型(Rog

23、er.A群体生存模型),设Bi=B,Mi=M,Sr+1,r的最大预测值为ar+1,r,01(权,Si到Si+1的增长幅度),显然,(3)参数Si变化的群体生存模型,为使生存率有所提高,令,记,3.2.4参数变动预测模型(Roger.A群体生存模型),则:,其中S1=S,有:,表示Si到Si+1的增长幅度,它对生存率的增大起到平滑作用.,(3)参数Si变化的群体生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),设：r0时刻第r年龄段的男性比例SMr+1,r，SFr+1,r在第一周期(0,T)内男性和女性的第r年龄段生存率；aMr+1,r，aFr+1,r在第一周期(0,T)内男性

24、和女性的第r年龄段生存率上界；,(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),设H不随周期变化,(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),令下一周期（T，2T）男性和女性的生存率分别为：,其中M，F为0，1的实数,递推得：,(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),由于H不随周期变化，所以：,得变动参数的群体生存模型：,

25、(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),即各时刻各段人口数:(k=1,2,n),(4)分性别、年龄变化的生存率变化生存模型,3.2.4参数变动预测模型(Roger.A群体生存模型),例:P66/4-2各种预测方法对上海市人口增长趋势预测结果比较:,作业:试用参数变动法预测上海市2030年各年龄段的人口数,并对预测结果进行分析.,上海市各年龄段人口数变化趋势图,上海市各年龄段人口数变化趋势图,3.3经济预测模型,(时间序列平滑预测法),3.3.1简单滑动预测法,也称为一次移动平均值法思路:对原时间序列按一定的时间跨度逐项移动，计算一系

26、列的时间序列平均值，形成一个新的时间序列，以消除短期的、偶然的因素引起的变动，显现出长期趋势。在移动平均值的计算中包括的过去观察值的实际个数，必须从一开始就明确规定。每出现一个新观察值，就要从移动平均中减去一个最早观察值，再加上一个最新观察值，计算移动平均值，这一新的移动平均值就作为下一期的预测值。因而，移动平均从数列中所取数据点数一直不变，只是包括最新的观察值。,3.3经济预测模型,3.3.1简单滑动预测法,例:取三个最近的值来预测未来值.,3.3经济预测模型,3.3.1简单滑动预测法,设时间序列为X1,X2,，则简单滑动预测法的计算公式可表示为：,式中：Xt为最新观察值；Ft+1为下一期的

27、预测值。,递推计算公式：,认为各期数据对将要发生的数据的影响是同等的,预测精度较差。适合数据变化不大的近期预测。,3.3.2加权滑动预测法,思路:距预测期较近的数据，对预测值的影响也较大，因而，其权值也较大；距预测期较远的数据，对预测值的影响也较小，因而，其权值也较小。,设t是t时期与实际观察值Xt相对应的权值，满足:,则加权滑动预测计算公式为：,且,3.3.2加权滑动预测法,例:取三个最近的值来预测未来值.其中a1=1/6,a2=1/3,a3=1/2,3.3.3一次指数平滑预测,思路:赋予近期数据更大的权值,一次指数平滑预测的计算公式为：,其中Ft是t期一次指数平滑预测值，Xt是t期实际观察

28、值,是平滑常数即权系数,02时,若4-D-Wdu，ui无自相关，中间不能确定。D-W值等于2时为最好，一般在1.5-2.5之间就可认为没有显著自相关问题。,二、一元线性回归预测,4)评定预测效果,可把不包括在样本期内的某期已知量与预测量进行比较。,例:P93,由煤产量预测铁路总货运量,例:用Excel软件的回归预测功能预测上海总货运量,三、多元线性回归预测,1)回归方程,设主要因素为x1,x2,xm,抽取样本（yi,x1i,x2i,xmi）(i=1,2,n),(m个因素，n个样本)。若散点图(y,xi)呈线性，则作多元线性回归函数：,2)确定参数,可用最小二乘法确定回归系数b0,b1,b2,b

29、m。令：,求Q的极小值，对b0,b1,b2,bm求偏导并令为零,得正则方程:,三、多元线性回归预测,其中:,三、多元线性回归预测,解m+1个线性方程组。与一元线性回归分析一样，对已经确定的多元线性回归分析模型能否较好地反映事物之间的内在规律仍然要进行相关性检验和置信区间估计。也可用Excel软件求解，散点图、添加趋势线、t检验或F检验。,三、多元线性回归预测,3)变量标准化,令:,有:,三、多元线性回归预测,3)变量标准化,回归方程：,四、逐步线性回归预测,1)取样本,对所有待选的自变量，按其对因变量作用的程度由大到小依次引入回归方程，作显著性检验，剔除无显著性作用的变量。,2)标准化,其中x1,xn-1为自变量，xn为因变量。,令:,其中:,四、逐步线性回归预测,3)回归方程,由上方程可化为:,其中:,四、逐步线性回归预测,4)参数估计,正则方程组:,其中:,令:,四、逐步线性回归预测,4)参数估计,作变换:,