资源描述
,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,),“,四步骤,”,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,2,出行分布预测,2.4,简单引力模型法,(,1,)简单引力模型的提出,增长函数法的缺陷:两个交通小区之间的交通阻抗发生较大变化的情况?,1955,年,,Casey,受物理学中牛顿万有引力定律的启发提出引力模型法用于出行分布预测,万有引力定律,:两物体间的引力与两物体的质量之积成正比,与它们之间距离的平方成反比,2,出行分布预测,2.4,简单引力模型法,(,2,)模型描述,最早提出的模型,其中:,q,ij,i,、,j,分区之间的出行量预测值,R,ij,两分区间的交通阻抗,可以是出行 时间、距离、油耗等因素的综和,P,i,、,A,j,分别为分区,i,的出行产生量、分,区,j,的吸引量,K,系数,2,出行分布预测,2.4,简单引力模型法,(,2,)模型描述,早期模型在形式上太拘泥于万有引力公式了,在实际应用中发现也有较大的误差,改进模型,其中:,、,、,、,K,是待定系数,假定它们不随时间和地点而改变,据经验,,、,取值范围,0.51.0,,多数情况下,可取,=1,2,出行分布预测,2.4,简单引力模型法,(,3,)模型标定,采用线性回归方法标定,在改进后的引力模型两边取自然对数得到:,(,P,i,,,A,j,,,R,ij,,,q,ij,)可从现状调查数中取若干个分区作为样本,待标定的参数有,lnK,、,、,、,-,2,出行分布预测,2.4,简单引力模型法,(,3,)模型标定,设定:,Y=lnq,ij,X=(1,X,1,X,2,X,3,)=(1,lnP,i,lnA,j,lnR,ij,),b,0,=lnK,b,1,=,b,2,=,b,3,=-,2,出行分布预测,2.4,简单引力模型法,(,4,)模型讨论,A.,模型误差,与实际相比误,差较大,其原因是这类模型本质上存在以下不足,此模型的系数无法保证:和 ,即对系数,K,没有约束范围,2,出行分布预测,2.4,简单引力模型法,(,4,)模型讨论,B.,交通阻抗,对于一个分区内的出行,当,R,ij,0,时,,q,ij,对,“,内内出行,”,的出行分布量将会产生偏大估计,应对办法,:,1,)对,q,ij,不用引力模型,而改用回归分析法,以分区规模和交通服务条件作自变量,2,)修改阻抗函数,2,出行分布预测,2.4,简单引力模型法,(,4,)模型讨论,B.,交通阻抗,1,)幂型,2,)指数型,3,)复合型(幂与指数),4,)半钟型,5,)离散型,2,出行分布预测,2.4,简单引力模型法,(,4,)模型讨论,B.,交通阻抗,阻抗函数的选用:,实际,选用哪种类型的阻抗函数要视具体情况决定,可以先用一些调查数据在坐标系上标出散点图,,看其与哪类函数的曲线吻合程度较好,,然后决定选用哪类阻抗函数,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:已知,3,个交通小区的现状,PA,表、规划年各小区的产生量和吸引量以及现状和规划年的各小区间的出行时间,试用,无约束引力模型法,求解规划年,PA,矩阵。,现状,PA,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:已知,3,个交通小区的现状,PA,表、规划年各小区的产生量和吸引量以及现状和规划年的各小区间的出行时间,试用,无约束引力模型法,求解规划年,PA,矩阵。,现状行驶时间,将来行驶时间,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,1,)用以下无约束引力模型进行求解,2,)划归为线性回归问题求解,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,2,)划归为线性回归问题求解,此方程为二元线性回归方程,为待标定系数用,最小二乘法,进行标定,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,2,)划归为线性回归问题求解:样本数据,P,i,A,j,P,i,A,j,R,ij,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,2,)划归为线性回归问题求解,采用最小二乘法利用,9,个样本数据进行标定得到,则二元线性回归方程为,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,2,)划归为线性回归问题求解,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,3,)利用已标定引力模型预测规划年,PA,矩阵,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,3,)利用已标定引力模型预测规划年,PA,矩阵,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,3,)简单引力模型预测规划年,PA,矩阵与预测量比较,无约束引力模型预测结果,与第一阶段规划预测总量差距很大!,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,4,)利用增长函数法进行,PA,矩阵,修正,,使通过引力模型所计算出各小区产生、吸引总量逼近预测值,以下用,平均增长率法,进行修正,设收敛条件为,1%,第,1,次修正,P,A,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,4,)用,平均增长率法,进行修正,收敛条件,1%,第,2,次修正,P,A,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,:,4,)用,平均增长率法,进行修正,收敛条件,1%,产生、吸引增长系数均满足收敛条件,第,3,次修正,P,A,2,出行分布预测,2.4,简单引力模型法,(,5,),例题,小结:,1,)首先通过将问题简化为线性回归问题,2,)用,现状,PA,矩阵以及,现状,各小区产生量,P,i,和吸引量,A,j,标定模型参数,3,)用,标定后的模型,和,规划年,各小区预测的产生量,P,i,、吸引量,A,j,计算出规划年,PA,矩阵,4,)计算结果反映出分别预测计算的规划年,qij,与第一阶段出行生成预测中所预测的各小区的产生量、吸引量差别很大,无法满足约束守恒条件,2,出行分布预测,2.5,单约束引力模型法,(,1,)模型推导,系数,K,满足 或,行,约,束,系,数,列,约,束,系,数,2,出行分布预测,2.5,单约束引力模型法,(,2,)模型标定,引进行约束系数后,引力模型变成,模型参数标定时无须单独标定靠,K,,只要标定,f(R,ij,),中的参数则可计算出,K,2,出行分布预测,2.5,单约束引力模型法,(,2,)模型标定,标定思路,:,用,“,试算法,”,的算法以 为例说明单约束引力模型的参数的标定步骤,首先试探性地给参数,b,取一个初值,用,现状,PA,表,和,阻抗矩阵,进行检验,若不合乎精度要求,分析其原因是因为,b,值太大还是太小,据此调整,b,值,进一步再作检验,直到合乎精度要求为止,2,出行分布预测,2.5,单约束引力模型法,(,2,)模型标定,标定算法,:,步,1,:给,b,一个初值,如,b=1,步,2,:从模型 得现状的出行量,“,理论值,”,(现状,PA,表中的,q,ij,被称为实际值),得现状理论分布表,2,出行分布预测,2.5,单约束引力模型法,(,2,)模型标定,标定算法,:,步,3,:计算现状实际,PA,分布表的平均交通阻抗:,再计算理论分布表的平均交通阻抗:,求两者之间相对误差,2,出行分布预测,2.5,单约束引力模型法,(,2,)模型标定,标定算法,:,步,3,:当 接受关于,b,值得假设,否则执行下一步,步,4,:当 ,即 ,这说明理论分布量小于实际分布量,这是因为参数,b,太大的缘故,因此应该减少,b,值,令,b=b/2,;反之增加,b,值,令,b=2b,,返回第,2,步,2,出行分布预测,2.6,双约束引力模型法,(,1,)模型推导,同时引进行约束系数,K,i,和列约束系数,K,j,2,出行分布预测,2.6,双约束引力模型法,(,2,)模型标定,以 为例用,迭代法,讨论参数标定算法,步,1,:给参数,取初值,可参照已建立该模型的类似城市的参数作为估计初值,此处令:,=1,步,2,:用迭代法求约束系数,K,i,、,K,j,2-1,、首先令各个列约束系数,K,j,(,j=1,n,),2-2,、将各列约束系数,K,j,(,j=1,n,)代入求各个行约束系数,K,i,2,出行分布预测,2.6,双约束引力模型法,(,2,)模型标定,2-3,、再将求得各个行约束系数,K,i,(,i=1,n,)代入求各个列约束系数,K,j,2-4,、比较前后两批列约束系数,考察:它们的相对误差,3%,?若是,转至第,3,步;否则返回,2-2,步,步,3,:将求得的约束系数,K,i,、,K,j,代入,用现状,P,i,、,A,j,值求现状的理论分布表,2,出行分布预测,2.6,双约束引力模型法,(,2,)模型标定,步,4,:计算现状实际,PA,分布表的平均交通阻抗:,再计算理论分布表的平均交通阻抗:,求两者之间相对误差,2,出行分布预测,2.6,双约束引力模型法,(,2,)模型标定,步,4,:当 接受关于,值的假设,否则执行下一步,步,5,:当 ,即 ,这说明理论分布量小于实际分布量,这是因为参数,太大的缘故,因此应该减少,值,令,=/2,;反之增加,,值令,=2,,返回第,2,步,2,出行分布预测,2.6,双约束引力模型法,(,2,)模型标定,双约束引力模型中有两批参数需要标定:约束系数,K,i,、,K,j,和,f(R,ij,),中的参数。,在标定算法中用了两层循环,第,2,步是内循环,任务是求,K,i,、,K,j,;外循环的任务是标定,f(R,ij,),中的参数,均是采用试算法,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,有,2,个居住区(,1,、,2,号,作为出行产生区)和,3,个就业分区(,3,、,4,、,5,号,作为出行吸引区),它们的现状分布表和作为阻抗的出行阻抗表,R,ij,,如表所示,试标定双约束引力模型,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,2,出行分布预测,2.6,双约束引力模型法,(,3,)模型标定例题,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:已知,3,个交通小区的现状,PA,表、规划年各小区的产生量和吸引量以及现状和规划年的各小区间的阻抗,试用,双约束引力模型法,求解规划年,PA,矩阵。阻抗 ,收敛条件,3%,现状,PA,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:已知,3,个交通小区的现状,PA,表、规划年各小区的产生量和吸引量以及现状和规划年的各小区间的阻抗,试用,双约束引力模型法,求解规划年,PA,矩阵。阻抗 ,收敛条件,3%,现状行驶时间,将来行驶时间,R,ij,R,ij,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,A.,先假设,=1,,用迭代法求约束系数,B.,令,K,1,=K,2,=K,3,=1,,代入公式求,3,个行约束系数,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,C.,进行第,1,轮迭代,求列约束系数,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,D.,进行第,1,轮迭代,求行约束系数,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,E.,第,1,轮迭代约束系数,K,值精度检验,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,F.,经过反复迭代,在,=1,条件下收敛约束系数为,约束系数,K,值迭代计算结束,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,G.,求现状的理论分布,PA,矩阵,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,H.,平均阻抗进行检验,实际平均阻抗,现状,PA,R,ij,现状,R,ij,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,H.,平均阻抗进行检验,R,ij,现状,R,ij,理论,PA,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,1,)标定阻抗函数参数,H.,平均阻抗进行检验,误差为,0.095,,不满足,3%,的精度,,=1,不可接受,调整,(,0,2,),经过多轮迭代试算,,=1.6,可接受,也可以尝试通过线性回归法确定参数,以下以,=1.6,进行规划年,PA,矩阵的预测计算,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,2,)标定约束系数,K,i,、,K,j,A.,令,K,1,=K,2,=K,3,=1,,代入公式求,3,个行约束系数,经过多轮迭代,收敛时的约束系数,K,值为,2,出行分布预测,2.6,双约束引力模型法,(,4,),计算例题,:求解过程,3,)计算预测,PA,矩阵,2,出行分布预测,2.7,模型的理论解释,两类出行分布预测方法,即增长率法、引力模型法都是来源于实践中直观经验和感性认识,直观上缺乏理论依据,作为一个完整的理论体系,这显然是一个缺陷,从,概率论和信息论,的角度,应用数学理论探讨其理论基础问题,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,已知条件:,现状,PA,矩阵 、现状出行总量,规划年各个分区的产生量,P,i,和吸引量,A,j,规划年出行总量,对现状而言,个出行量中有 个是从分区,i,到分区,j,的出行比率,即分区,i,到,j,的出行量占总出行量的比率(,出行概率,),p,ij,为,作为规划年的,先验概率,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,问题,:,规划年有,Q,个出行总量,它将分,n,n,份,分区,i,到分区,j,的概率是,p,ij,,要求各分区之间的出行量分布,p,ij,:,i=1,,,2,,,,,n,,并且这个出行量分布必须满足约束条件:,根据概率论,这是一个多项概率分布,其联合概率函数为,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,多项分布,:,多项分布是二项分布的再推广,热力学中常涉及某随机实验如果有,k,个可能结局,A,1,,,A,2,,,,,A,k,,它们的概率分布分别是,p,1,,,p,2,,,,,p,k,,那么在,N,次采样的总结果中,,A,1,出现,n,1,次,,A,2,出现,n,2,次,,,,A,k,出现,n,k,次的这种事件的出现概率,P,有下面公式,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,规划年真正出现的出行量分布,p,ij,:,i=1,,,2,,,,,n,应该是其中取,最大概率,值的那种情况,简化问题,联合概率函数两边取自然对数有:,再借用,Stirling,近似公式:,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,概率问题转化为求解数学规划问题,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,使用,Lagrange,方法,其,Lagrange,函数为,式中,,i,、,j,是,Lagrange,系数,这些系数待定,让,L,对,q,ij,求偏导,并令这些偏导数为零,即,2,出行分布预测,2.7,模型的理论解释,(,1,)概率论解释,解得:,令:,弗尼斯法!,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,“,信息熵,”,概念的提出,1948,年信息论创始人,Shannon,(香农)借用热力学中熵的概念提出了,“,信息熵,”,的概念:,设,A=a1,a2,an,是某个信息系统,X,的符号表,,A,中各个符号出现的概率分布为,p,1,p,2,p,n,,则信息系统,X,的熵为:,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,最大信息熵原理,1957年Jaynes提出了最大信息熵原理:在所有备选的概率分布中挑选这样的分布作为信息系统X的分布,它在某些约束条件下,是信息熵达到最大值的分布。这是因为信息熵取最大值时对应的那组概率分布出现的可能性占绝对优势,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,应用最大熵原理原理解决交通的出行分布问题,在交通分布中,一共有,Q,个出行,每个出行有,n,n,个选择,选择概率为,p,ij,=q,ij,/Q,:,i,,,j=1,2,n,,,其熵为,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,交通分布的最大熵原理转化为数学规划问题来描述(略去常数项,Q,),可用于解释引力模型:,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,这个规划问题的,Lagrange,函数为,式中,,i,、,j,、,是,Lagrange,系数(,i,、,j=1,,,2,,,,,n,),,这(,2n+1,)个系数待定。让,L,对,q,ij,求偏导,并令这些偏导数为零,即,2,出行分布预测,2.7,模型的理论解释,(,2,)最大熵原理,谢 谢!,交通运输学院,
展开阅读全文