收藏 分销(赏)

交通规划模型试卷讲课教案.doc

上传人:人****来 文档编号:3829524 上传时间:2024-07-22 格式:DOC 页数:14 大小:375.04KB 下载积分:8 金币
下载 相关 举报
交通规划模型试卷讲课教案.doc_第1页
第1页 / 共14页
交通规划模型试卷讲课教案.doc_第2页
第2页 / 共14页


点击查看更多>>
资源描述
交通规划模型试卷 《交通规划模型》试卷 (A卷) 统考( ) 单考( ) 工程硕士( ) 同等学历( ) 姓名:          学号:     成绩: 第一部分:简答题(10分) 1. 传统的交通模型的基本步骤及各步骤中的主要方法。(5分) 答:四阶段预测法的基本步骤: 1) 交通生成预测,主要方法有:增长率法、原单位法、函数模型法、弹性系数法、移动平均法、指数平滑法、专家预测法等。 2) 交通分布预测,主要方法有:增长率法、重力模型法。 3) 方式划分预测,主要方法有:集计分析模型和非集计分析模型。 4) 交通分配,主要方法有:均衡模型和非均衡模型。 均衡模型有:用户均衡模型、随机用户平衡法、系统优化法。 非均衡模型有:全有全无分配法、概率分配法、增量加载分配法、容量限制法。 2.交通调查的分类及主要方法。(5分) 答:交通调查分为SP调查和RP调查;主要方法有家庭访问法、访问留置法、邮送调查、电话调查、现场调查、现场分发问卷调查、现场分发问卷邮寄回收、SP数据的调查方法。 第二部分:论述题(60分) 1. 交通规划的四阶段预测法及其存在的问题。(15分) 答:四阶段预测法:交通规划的四阶段预测法是指在居民出行OD调查的基础上,开展现状居民出行模拟和未来居民出行。其内容包括交通的发生和吸引预测、交通分布预测、交通方式划分预测、交通流分配预测。 第一阶段:交通发生与吸引预测。其目的是通过建立小区居民出行发生量和吸引量与小区土地利用、社会经济特征等变量之间的定量关系,推算规划年各交通小区的居民出行发生量、吸引量。 第二阶段:交通分布预测。它是将各交通小区规划年的出行发生量和吸引量转化成为各小区之间的出行交换量的过程,即要得出由出行生成模型所预测的各出行端交通量与区间出行交换量的关系。 第三阶段:交通方式划分预测。确定出行量中各交通方式所占比例,方式划分通常在出行分布结束后进行,也可以在出行生成后、出行分布前进行。 第四阶段:交通分配预测。它是将已经预测出的OD交通量按照一定的规则分配到道路网的各条道路上,并预测各条道路的交通量。 四阶段预测法存在的问题: (1)交通方式的划分问题 实际的交通规划中,人们根据现存的数据建立了时间差,时间比等交通方式划分曲线,并且假设未来的交通方式的划分保持不变,根据这些曲线来建立交通方式的划分。这些曲线不仅整体缺乏明确的理论依据。而且,“交通方式划分保持不变”这一假设也存在明显的问题。 (2)模型内的交通服务水平变量不协调 一般认为,交通需求是人们为了进行社会、经济或其他活动而派生出来的需求。因此,交通需求量及交通行为同时受到交通设施或交通系统服务水平的影响。 四阶段预测法中一般不包含反映交通服务水平的变量。另外,虽然在有些分布交通量,交通方式划分和交通量分配等阶段中包含有各个区的交通服务水平(如:各小区之间的需要时间等)变量,但是,这些交通服务水平变量并非在各个阶段都能相互协调,难以整合。 (3)预测需要大量的数据和时间 通常,为了确保预测的精度,四阶段预测法需要有现存的OD表(Origin-Destination table)。为得到OD表,就需要进行大规模的调查。同时,处理这些调查数据需要花费大量的时间和费用,而且,运用这些数据建立的集计模型难以对多个代替方案进行讨论。例如:在日本进行个人出行调查,从调查到提出规划方案的评价报告,标准时间为3年,而且,每次最多也就能提出5~6个方案。 (4)以小区(群体)为单位 传统的四阶段预测法是以OD表为基础进行的。为此,尽管小区具有空间上的广度,但被假设成为一个点。由此将会产生两个问题。一是由于数据的集计而使数据产生的偏差(Bias),关于这一点将在下面提到。另一个问题,是如果以小区为单位,建立预测模型时必须亦以小区为单位推算出与各个小区有关的参数。尽管在进行小区划分时,有许多公认的基本原则,但是在实际操作中,小区的划分结果还是会因人而异。而那些参数将因小区划分的不同而不同。因此,得到的预测模型以及预测结果也将因规划者主观决定发生改变,从而使预测的结果失去客观性。 2. 非集计分析的概念,并比较集计分析与非集计分析。(15分) 答: 非集计分析 (Disaggregate Analysis)是与交通需求预测中的四阶段法集计分析(Aggregate Analysis)相对应而命名的,又称为非集计行为分析(Disaggregate Behavioral Analysis)或非集计选择分析(Disaggregate Choice Analysis)。非集计分析交通需求预测,表现出行者个人(或家庭)是否出行、出行目的地、采用何种交通方式、选择哪条径路等的形式,从选择可能的被选方案集合中如何选取的问题,将得到的个人行动结果加载到交通小区、交通方式、径路上而进行交通需求预测。非集计分析认为交通方式选择是出行者个人实施的行为,是基于如下两个假设建立的:1出行者是交通行为意志决定的最基本单位。2出行者在特定的选择条件下,选择其所认知到的选择方案中效用最大的方案。 在交通方式划分过程中,集计分析是将每个人的交通活动按进行统计处理、分析,从而得到以交通小区为分析单位的模型。而非集计分析以实际产生交通活动的个人为单位,对调查得到的数据不进行按交通小区统计等处理而直接从个体的选择决策行为入手,以非集计的分析方法建立方式选择模型。 模型化预测时,可以说是首先预测总出行数,然后将其按交通小区之间、交通方式之间、径路之间利用某种经验规则计算的方式。因为是将数据按照交通小区统计之后建立预测模型而称之为集计分析。例如,利用交通小区的人口数和人口密度的函数表示交通小区的出行发生量。 与集计分析相比,非集计分析在分析的单位、模型预测方法、应用层面、政策体现、数据的效率和说明变量等方面不同。二者都是以每个出行为调查单位;集计分析分析单位、被说明变量、说明变量是小区、小区集计数据(连续量)、分小区数据,而非集计分析则是个人(家庭)、个人选择(离散量)、个人数据;前者采用回归分的预测方法,后者采用极大似然估计;前者只适用于小区,后者适用于任意情况;在政策表现上,前者反映小区代表值的变化,后者反映个人的说明变量值的变化;前者在交通现象的描述上是发生、吸引、分布交通流、交通方式划分、交通分配,后者是出行频率、目的地选择、交通方式选择、路径选择。具体区别如下表所示: 集计分析 非集计分析 调查单位 各次出行 各次出行 分析单位 交通小区 个人(或家庭) 因变量 小区统计值(连续量) 个人的选择(离散量) 自变量 各小区的数据 各个人的数据 预测方法 回归分析等 最大似然法 适用范围水平 预测交通小区 任意 政策的体现 交通小区代表值的变化 个人变量值的变化 交通现象的把握方法 出行的发生与吸引 ↓ 出行频率 ↓ 出行分布 ↓ 目的地选择 ↓ 交通方式划分 ↓ 交通方式选择 ↓ 径路分配 径路选择 3. 以问卷调查停车场选择行为为例,试设计交通选择行为调查问卷(提示:应包括RP调查项和SP调查项)。(15分) 答XX地区地铁交通服务水平相关调查问卷 2010年11月 日 地点: 各位乘客: 您好!为了更好地提升轨道交通的舒适性及服务水平,需要您填写有关您乘坐地铁的相关问题,您的答案对我们的调查非常重要,请您如实回答下列问题。 此次调查的数据保证不会给您带来任何麻烦。谢谢您的合作! 调查负责人:XXX 您的个人信息 (1)您的性别 1.男 2.女 (2)您的年龄段: A.青年 B.中年 C.老年 (3)您的职业: ①公务员 ②公司职员 ③个体业主或经营者 ④医生 ⑤教师 ⑥学生 ⑦企业主 ⑧自由职业者 ⑨兼职 ⑩退休人员 ⑾工人 ⑿农民 ⒀其他 (4)您是由( )交通方式换乘到_(由调查人员填写) A.出租车 B.自行车 C.私家车 D.步行 E.公交车 F.地铁 (5)您在此枢纽进行换乘的频率: A.第一次 B.偶尔 C.经常 和您此次乘车有关的问题 (1)您到达目的需要换乘几次? A不用换乘 B 1次 C 2次 D 3次以上 (2)你对此次换乘距离满意吗? A 满意 B不满意但能容忍 C不满意不能容忍 (3)你对此枢纽换乘过程中上下楼次数满意吗? A 满意 B不满意但能容忍 C不满意不能容忍 如果您对此不满意,那么减少到现在的__后是您的满意值。 A3/4 B1/2 C1/3 (4) 你对此枢纽换乘通道的转弯次数满意吗? A 满意 B不满意但能容忍 C不满意不能容忍 如果您对此不满意,那么减少到现在的__后是您的满意值。 A3/4 B1/2 C1/3 4. 举一个非集计模型应用于交通需求分析的例子,并说明非集计模型在该问题中如何应用。(15分) 《交通规划模型》试卷 (B卷) 统考( ) 单考( ) 工程硕士( ) 同等学历( ) 姓名      学号         成绩      第三部分:计算题(30分) 题目:已知交通方式为公共汽车(i=1)和私家汽车(i=2)。影响因素如下: (1) 时间; (2) 费用(公共汽车票费,私家汽车为燃料费和停车费用); (3) 私家汽车(有自己专用汽车为1,否则为0)。 试用下列数据标定logit模型。 个人代号 选择 对象i 选择 结果δin 时间 Xin1 费用 Xin2 私家汽车 Xin3 1 1 2 0 1 23 10 5 50 1 2 1 2 0 1 35 10 3 60 1 3 1 2 1 0 43 12 5 60 0 4 1 2 1 0 33 15 3 40 0 5 1 2 1 0 42 26 5 40 1 6 1 2 0 1 41 20 3 57 0 7 1 2 0 1 54 34 3 88 1 8 1 2 0 1 42 12 5 41 1 9 1 2 0 1 45 32 2 42 1 10 1 2 1 0 32 10 2 42 0 个人代号 选择 对象i 选择 结果δin 时间 Xin1 费用 Xin2 私家汽车 Xin3 11 1 2 0 1 18 7 3 48 1 12 1 2 0 1 16 5 3 25 0 13 1 2 1 0 26 12 3 47 0 14 1 2 0 1 46 21 4 98 1 15 1 2 0 1 15 3 3 21 1 16 1 2 0 1 28 13 5 38 1 17 1 2 1 0 42 20 3 61 1 18 1 2 1 0 27 7 5 46 0 19 1 2 0 1 39 20 5 46 1 20 1 2 0 1 35 9 5 68 1 21 1 2 0 1 32 10 2 42 0 22 1 2 0 1 44 20 4 41 1 23 1 2 1 0 29 8 3 55 0 24 1 2 1 0 48 26 4 61 0 25 1 2 1 0 19 10 2 28 0 答: 1、 确定效用函数和特性变量 考虑的选择对象为公共汽车(=1)与私家汽车(=2),效用函数的形式为线性函数,特征变量为出行时间、出行费用和是否有私家车三个,因此,的形式如下: 公共汽车: 私家汽车: 这里的,,为未知参数,为交通方式的出行时间,为交通方式的出行费用,为是否有私家车。因此,选择交通方式的概率如下: 说明:题中本应该考虑固有哑元变量,但利用计算机软件计算得出固有哑元变量是没通过t检验,由于考虑计算过程复杂,只写出三个特征变量的情况的计算过程。 2、整理数据 随机抽取的25个样本,整理后的形式如下: 个人代号 选择 选择 时间 费用 私家汽车 对象i 结果δin Xin1 Xin2 Xin3 1 1 0 23 5 1 2 1 10 50 2 1 0 35 3 1 2 1 10 60 3 1 1 43 5 0 2 0 12 60 4 1 1 33 3 0 2 0 15 40 5 1 1 42 5 1 2 0 26 40 6 1 0 41 3 0 2 1 20 57 7 1 0 54 3 1 2 1 34 88 8 1 0 42 5 1 2 1 12 41 9 1 0 45 2 1 2 1 32 42 10 1 1 32 2 0 2 0 10 42 11 1 0 18 3 1 2 1 7 48 12 1 0 16 3 0 2 1 5 25 13 1 1 26 3 0 2 0 12 47 14 1 0 46 4 1 2 1 21 98 15 1 0 15 3 1 2 1 3 21 16 1 0 28 5 1 2 1 13 38 17 1 1 42 3 1 2 0 20 61 18 1 1 27 5 0 2 0 7 46 19 1 0 39 5 1 2 1 20 46 20 1 0 35 5 1 2 1 9 68 21 1 0 32 2 0 2 1 10 42 22 1 0 44 4 1 2 1 20 41 23 1 1 29 3 0 2 0 8 55 24 1 1 48 4 0 2 0 26 61 25 1 1 19 2 0 2 0 10 28 3、 确定对数似然函数 4、 确定及 5.用NR方法计算估计值 用NR解当时的、和。 计算过程: 步骤1:设,m=0。由于是手工计算,将计算精度要求由μ1=10-4降低到μ1=10-3,μ2=10-2。 步骤2:设m=0,时,, =(0-0.5)(23-10)+(0-0.5)(35-10)+(1-0.5)(43-12)+(1-0.5)(33-15)+…+(1-0.5)(48-26)+(1-0.5)(19-10)=46 =(0-0.5)(5-50)+(0-0.5)(3-60)+(1-0.5)(5-60)+(1-0.5)(3-40)+…+(1-0.5)(4-61)+(1-0.5)(2-28)=132.5 =5 其次,计算 = =67.75 =171.75 =-3.5 经过计算得,, 而 最后根据式(3-20)求出 于是,m=0的步骤2结束。 步骤3:将、及代入书上(3.21a)式及(3.21b)式中计算便可得到: 由于上式的计算结果大于10-3,于是设循环计算次数m=1,返回步骤2; 设m=1……以此类推; 解得最终参数的估计值为: 6、 计算协方差 将代入书上(3.13)公式可得: 7、 计算t值 8、 整理各统计量的计算结果 样本量=25; 根据各公式求得,而; 于是, Hit R1=80%,Hit R2=80%,Hit R3=80%, 优度比 ,模型适合度 ; 可知,ρ2与均大于0.2,模型精度较高,满足模型精度要求。所以,效用函数为:U=Vbus-Vcar=-2.794*car
展开阅读全文

开通  VIP会员、SVIP会员  优惠大
下载10份以上建议开通VIP会员
下载20份以上建议开通SVIP会员


开通VIP      成为共赢上传

当前位置:首页 > 教育专区 > 其他

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        抽奖活动

©2010-2026 宁波自信网络信息技术有限公司  版权所有

客服电话:0574-28810668  投诉电话:18658249818

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :微信公众号    抖音    微博    LOFTER 

客服