交通规划理论分析.ppt

1、交叉口与分布，四阶段预测的第二阶段，I，j，qij，qji，交通分布预测是交通规划四阶段预测模型的第二步，它将预测交通发生和吸引得到的各单元的出行量转化为单元间的出行交换量(即出行分布量)，通常用PA矩阵1表示。出行分布是指分区I和分区J之间每单位时间的出行量.也就是齐集和齐集。出行分布矩阵的二维表格(矩阵)。图矩阵中的元素及其关系。第一节总结、综合方法：从分布式交通量的实际分析出发，分析od分布规律，用数学模型表达出来，然后用实测数据标定模型参数，最后用标定模型预测分布式交通量。(方法包括重力模型法、干预机会模型法、最大熵模型法等。具有更广泛的应用范围。)第一节总结，第二节增长系数法包括两大

2、类：增长函数法和Furness约束法。1.已知OD表(qij0、Oi0、Dj0)、计划年度Oi和景点Dj。让k0 2。计算每个分区的第K次出现增长率和吸引增长率3。设f(FOi，FDj)为增长函数，计算第(k1)个预测值。第二节，增长系数法。4.检查预测结果，计算新的输出Oik 1和景点Djk 1，并计算新的增长率：看看它是否满足误差范围。如果是这样，奇克1就是你想要的；如果不是，让k=k 1，转到步骤3并迭代。第二，各种增长系数法根据不同类型的增长函数，提出了各种具体的增长系数法。1.用恒增长系数法(constant growth coefficient METHoD)计算qij的增长只与I

3、区的发电量增长率或j区的发电量增长率或吸引力增长率有关，增长函数为：计算未来OD分布交通量(单位：万次)。设定收敛标准=3%，发生增长率20/8=2.5；20/12=1.67；25/8=3.125，增长率不满足收敛需求。第二节：增长系数法。1.恒增长系数法的特点：由于出现量和吸引量之间的不对称性，预测精度不高，是最粗糙的方法，甚至不能保证迭代过程收敛。2.平均增长率法I区和J区之间分布交通量的增长系数是I区出行发生率增加和J区出行吸引力增加的平均值，即：特点：公式简洁，易于计算；然而，迭代步骤多、收敛慢、计算精度低，但仍被广泛使用；它可以用计算机计算。增长率，第一次迭代，第二次迭代，平均增长率

4、法，第六次迭代的最终结果，第二节增长系数法，3，底特律法，这种方法于1956年在底特律首次开发和使用，是由美国疾病控制与预防中心提出的。但是，收敛速度也很慢，需要多次迭代才能得到未来的分布式流量。找出未来OD分布的交通量(单位：万次)。设定收敛标准=3%，增长率，第一次迭代，第二次迭代，第三次迭代结果，第二节增长系数法，4。弗莱特方法(Follette方法)，由弗莱特于1954年提出。分布式交通量增长率是出行发生误差修正和出行吸引误差修正的组合平均值。出现/吸引位置系数的特点：收敛速度快，在相同精度条件下迭代次数少，适用范围广；然而，计算过程是复杂的，这通常是通过计算机编程或特殊的交通规划软件

5、来实现的。、求未来OD分布交通量(单位：万次)。设定收敛标准=3%，增长率和位置系数，F法，第二次迭代的最终结果，第二节增长系数法，2。各种生长系数法。Furness约束法(Furness method)假设I、J小区间的分布式交通量增长系数qij与I小区的发生增长系数ui和J小区的吸引增长系数vj相关。但是这两个系数并不等于产出或吸引力的增长率。采用循环迭代方法求解uik和vjk，直到系数满足设定的收敛准则。特点：该方法计算相对简单，收敛速度快，也适合编程获得预测结果。第二节增长系数法6。增长系数法的特点和优点是：1)结构简单实用，不需要交通小区之间的距离和时间；2)适用于预测小时交通量或日

6、交通量，也可以获得各种交通目的的od交通量；3)适用于短期和局部预测(成本低，缺点：1)必须有所有小区的od交通量；2)难以考虑网络或网络结构变化对出行的影响；3)当稀疏矩阵、部分矩阵和业务单元之间的业务量较小时(即空元素或零元素)，适用性相对较差。4)未来交通量仅用一个增长系数来表示，缺乏合理性。第三部分，重力模型方法，最早的重力模型是由凯西于1955年提出的。1.简单模型(无约束重力模型)1。两个交通区的交通分布与两个交通区的出行量和吸引量成正比，与交通区之间的交通阻抗成反比。改进：通常称为潜力系数，一般取值在0.51.0之间；在大多数情况下，可以采用1或0.5的经验值。广义成本(也称为交

7、通阻抗)可以是行驶时间、距离、油耗或指标的组合。(模型构建不能保证预测值满足交通节约约束。)，成本可以用距离，时间或货币来表示。一般来说，它可以用一个统一的度量来表示，这个度量通常被称为广义旅行成本。它是旅行属性的典型线性函数，该函数的系数代表属性的重要性(权重)。例如，运输方式k的广义成本的一个可能表达式是：其中：twij到达或离开车站的步行时间；Ttij在车站的等待时间；从tviji到j的汽车旅行时间；tniji和j之间的传输时间；斐济和日本之间的旅行费用；从ji到J的节点成本(尤其是停车)；随机变量，表示不包括的属性，如安全性、舒适性和便利性；a1、a2和a6的每个成本要素的权重；它们将

8、各种属性转换成适当的度量单位，如货币或时间。第3节重力模型方法，1。简单模型(无约束重力模型)2。参数校准线性回归方法用于校准模型中的参数。取两边的自然对数：这里Oi、Dj、Rij、qij可以从当前的调查数据中取几个分区作为样本，用多元线性回归方法标定的参数为lnK、-。如果预先选择1，问题简化如下：参数k和k只能用线性回归方法校准。1步骤：建立模型；2、校准：中的模型参数；通过增长系数法的迭代计算，可以认为所得到的qij是第一近似值，两者是一致的。3步骤：使用校准的模型来预测交通分布。第3节重力模型方法，1。简单模型(无约束重力模型)3。错误解释、2)阻抗问题：在分区中行进时，很难确定阻抗。

9、如果Rij接近0，旅行分布将产生一个大的估计；解决方法如下：(1)主要原因是这种模型不符合交通守恒约束；解决方法是添加约束。首先，qii不使用重力模型，而是使用回归分析方法，如以分区规模和交通服务条件为自变量建立模型；第二是修改阻抗函数。常见的交通阻抗函数如下：第3节重力模型法；公共交通指数型更常用；复合型是用于特定交通方式的出行分布；离散型：m是成本水平r，平均阻抗mij是0，1。如何选择阻抗函数？第3节重力模型方法，第2节，单约束重力模型1。Ulrich重力模型使用上述阻抗函数代替阻抗项，假设=1，那么：考虑到分布之和与产生的交通量一致，模型为：所有满足k的重力模型称为单约束重力模型。同样

10、，可以定义柱约束系数：第3节重力模型方法，2。单约束重力模型2。美国公路局重力模型公式：_ _ _ _ _ _ _ _ _调整系数，其计算公式为：-、I至j的实际和计算分布交通量之和。重力模型参数的标定一般来说，由于研究区的广义成本Rij不完整，阻抗参数必须单独标定；如果使用组合阻抗函数，还应考虑参数的灵活性。第三节，重力模型法，参数标定的过程(大多采用试算法):假设参数的初始值；利用当前数据和模型，得到理论交通分布；利用交通分布，计算出某一控制指标的理论值；利用当前交通分布，计算控制指标的当前值，如平均交通阻抗；计算理论值和实际值之间的相对误差，看其是否满足一定的误差范围(如3)；满足误差范

11、围，初始值是可取的；否则，分析理论值和实际值之间关系，调整初始值，并返回步骤2。参数校准结束。以f(Rij)Rij-为例，介绍了双约束重力模型的参数标定方法。1参数取初始值，可参考已建立模型的类似城市的参数进行估算。让1在这里。2.用迭代法求约束系数Ki和Kj1)求每列的约束系数Kj1(j1，2，n)；2)找出每行的约束系数ki；3)将得到的每行约束系数Ki(i1，2，n)代入公式，得到kj；4)比较前后两组Kj，如果相对误差小于3，进入第三步；否则，返回步骤2)。3.将计算的Ki和Kj代入模型，用当前Oi和Dj值计算当前理论分布表。4计算实际OD分布表的平均交通阻抗和理论分布表的平均交通阻抗

12、；找到两者之间的相对误差，如3，则=1是可取的，否则进入下一步；5.调整参数。第三节：重力模型法；第五部分：模型特点：(1)直观易懂。(2)可以考虑路网和土地利用变化对人们出行的影响。(3)无需进行大规模OD调查，几乎不受稀疏矩阵的影响。(4)它能敏感地反映不同交通区域之间出行时间的变化。缺点：(1)由于细胞类型不同，细胞间的吸引机制可能不同，重力模型在整个网络中没有考虑这种差异；(2)出行时间随不同的交通方式和时间段而变化，而重力模型使用相同的时间；在计算内部交通量时，很难给出行驶时间。(3)阻抗函数通常不是线性的。如果业务单元之间的距离很小，就有可能夸大预测。(3)引力模型法(4)虽然该模

13、型可以考虑路网的变化和土地利用对出行的影响，但缺乏对人们出行行为的分析，这在一定程度上偏离了实际情况。(5)一般来说，人们的出行距离分布在整个区域内不是一个固定值，但引力模型将其视为一个固定值。(6)用最小二乘法标定的重力模型计算的分布交通量必须用其他方法收敛。第三节重力模型法；6.预测的基本思想；过去，现在，采样数据，模型和参数校准，有效性检验，预测，估计期内无使用数据，交通分布预测模型选择，城市居民和货物出行分布重心模型预测城市流动人口出行分布重心方法预测城市对外和过境客(货)交通分布重心模型或平均增长率模型预测区域交通分布重心模型，机会模型， 基本理念：来自某个地区的旅行机会的数量与到达机会的数量成正比，并且按照从近到远的距离顺序到达目的地。 它是随机概