4-四步骤交通需求预测模型(1)概述与出行生成预测优秀PPT.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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,1,“,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,）,2,“,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作用，例如底特律、芝加哥交通规划,3,“,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,4,“,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,5,“,四阶段,”,模型内容描述（,3,）,方式划分（,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,6,“,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,7,“,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,8,“,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,9,1,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,10,1,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,A,B,C,11,1,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,12,1,出行生成预测：相关基本概念,（,4,）出行生成的两种量化表达,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,13,1,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,factory,school,例,2,14,1,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,15,1,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,16,1,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,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,17,1,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,2500,18,1,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,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,2,19,1,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,20,1,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,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,21,1,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,；再求出分区,i,中的家庭数的预测值,N,i,；,N,si,=N,i,si,22,1,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,23,1,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,24,1,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,25,1,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,26,1,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),27,1,出行生成预测：出行产生量预测,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,28,1,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,29,1,出行生成预测：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,30,1,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较高的预测模型求得,31,1,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,32,1,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,”,33,1,出行生成预测：出行吸引量预测,原单位法,：建设部规范参考指标情况,34,1,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,35,1,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,试根据,98,年相关数据预测金茂大厦,99,年底办公吸引量,36,1,出行生成预测：出行吸引量预测,原单位法：,例题解析,1,）岗位数预测,每日出行总人次,(A,m,L)/B,m,R,m,A,m,：办公楼建筑面积，为,122871,平米,L,：办公楼租售率，,98,年底取,35%,，,99,年底,70%,B,m,：每岗位所需的办公楼面积，一般取,15,平米,/,人,R,m,：每岗位吸引的人次，为,2.31,人次,预测结果：,99,年底，吸引总人次,(122871,70%)/15,2.31=13246,人次,/,日,37,1,出行生成预测：出行吸引量预测,原单位法：,例题解析,2,）建筑面积预测,每日出行总人次,(A,m,L),r,m,A,m,：办公楼建筑面积，为,122871,平米,r,m,：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,预测结果：,99,年底，办公吸引总人次,(122871,70%),0.13=11181,人次,/,日,根据两种预测方法结果相差不大，取平均值为,12214,人次,/,日,38,1,出行生成预测：出行吸引量预测,原单位法,（,3,）工作步骤总结,第一步,：将全市用地分类，例如商业、服务业、学校、制造业、办公楼等，预测规划年各分区中各类用地的面积或岗位数,d,ik,第二步,：估算分区,i,第,k,类用地的单位面积或单位岗位的吸引率,w,ik,(,是现状值，假定不随时间变化,),第三步,：计算理论吸引量,B,i,第四步,：计算全市理论吸引量之和，并将之与总产生量比较，若相差超过,3%,，修正吸引量,39,谢 谢！,交通运输学院,40,