城市道路与交通规则之交通需求预测.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,*,城市道路与交通规则之交通需求预测,目录,1.,交通需求预测概述,2.,交通产生与吸引预测,3.,交通分布预测,1,交通需求预测概述,交通需求预测,：是利用资料调查与分析的成果建立各种预测模型，并运用这些模型预测规划区域未来交通需求状况，其目的是为交通系统的规划、评价提供依据。,集计模型,：是目前交通预测中常用的一种模型，其基本思想是将集合区的出行作为研究对象，着眼于研究交通区出行总体的出行特征，建模基础是各交通区的出行总况。,基本概念,非集计模型,：着眼于研究出行者个体的出行行为。其核心是效用最大化理论，其宗旨是出行者将选择使其获得最大效用的出行。,交通需求分析的基本思路：,是根据分析，建立交通与土地利用之间的基本关系，结合土地利用资料，进而进行交通预测。一般由交通生成、分布、方式和交通分配四个阶段组成。,人口和就业的预测,出行生成预测,出行分布预测,方式划分预测,出行分配预测,交通网络中的交通量、,时间和费用等,交通需求预测的一般过程,i,j,O,i,发生交通量,D,j,吸引交通量,i,j,t,ij,t,ij,交通分布,交通需求预测的四个阶段,i,j,t,ij,(car),t,ij,(,railway,),i,j,交通方式划分,交通量分配,交通需求预测的一般内容,2,交通产生与吸引预测,发生与吸引交通量的预测,是交通需求预测中的第,1,阶段，本阶段的任务是求出对象地区的交通需求总量，即,生成交通量,（,Trip Gerneration,），然后，在此量的约束下，求出各小区的产生交通量（,Trip Production,）和吸引交通量（,Trip Attraction,）。,生成交通量是对象区域交通的总量,，,其与土地利用没有直接关系，常被作为总控制量,，用来预测和校核各个交通小区的产生量与吸引量。,基本概念,生成交通量包括出行产生量与吸引量,，或者说出行产生量和出行吸引量是出行生成的两种量化表现方式。,出行的产生点和吸引点,：对于一次出行，如果它是由家出行（指有一个端点是家的出行，可以是起点也可以是讫点）那么它的家庭端点就是该次出行的产生点，非家庭端点是它的吸引点；如果它是非由家出行或货物出行，那么其起点就是该次出行产生点，讫点就是其吸引点。,出行产生量,：,由家出行的全部家庭端点数和货物出行的全部起点数之和,。换句话来说，单位时间内某一分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：由家出行的全部非家庭端点数，与非由家出行和货物出行的全部终点数之和。,或者说，单位时间内某一个分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。,单位时间可以是一小时、一天、一周、一月、一年等等，也可以是指高峰小时。,从上述定义可以看出，,出行“产生点”并不等价于“起点”,“,吸引点”也不等价于“讫点”,。,在早期的交通规划理论中，只有起、讫点的概念，没有产生点和吸引点的概念。,由于一个分区的交通出行发生量主要是由这个分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。从起讫点的概念出发，无法由分区未来的用地模式预测分区的交通出行发生量。因此，后来交通学家们提出了产生点和吸引点的概念,.,产生、吸引交通量与生成交通量的关系,.,.,.,.,.,.,.,.,产生交通量,吸引交通量,生成交通量,1,、土地利用,城市土地利用分为,10,类，其中与交通发生吸引密切相关的用地为：居住用地、公共设施用地、工业用地和仓储用地。,住宅用地是交通的主要发生源和居民出行的主要起讫点。,该用地发生与吸引的交通量通常用居住面积、住户数、人口、住户平均人数等指标表示。与住宅用地的相关的出行为：上班、上学、购物、娱乐和回家。,影响出行产生和吸引的主要因素,公共设施用地包括行政办公用地、商业金融业用地、文化娱乐用地、体育用地、医疗卫生用地、教育科研设计用地、文物古迹用地等,。该用地的发生与吸引交通量通常用办公、营业面积、从业人口等指标表示。与公共设施有关的出行有：上班、上学、购物、娱乐、业务等。,工业用地是上班交通的主要吸引源,。该用地的发生与吸引的交通量通常用从业人口、产值等指标表示。与工业用地相关的出行有：上班、业务等。,仓储用地是货物的主要集散点。是货物交通的主要发生源。,该用地发生与吸引交通量通常用仓库面积、货物吞吐量等指标表示,2.,家庭构成与大小,家庭构成出行的基础，上班及走亲访友，购物等多以家庭为出发点；随着家庭规模的增大，人均出行数减少，如购物可由一人代替。,T/,人,规模,(,人,/,家,),3.,年龄,性别,男性,26-50,岁出行多，女性,16-50,岁出行多,。,年龄段,平均出行次数,(,男,),不同年龄的平均出行次数（女）,年龄段,4.,职业、职务：司机、市场开拓人员多，教师出行少。,5.,收入：收入高，出行机会多。,6.,汽车保有率：汽车保有率高，人均出行数增加。,(1),出行需求高的人买车，,(2),有车后容易诱发出行。,7.,自由时间,=24-,生活必需时间,(,睡眠、饮食,)-,约束时间（工作、学习）,自由时间多,出行机会大,自由出行量：,T=a,t,+b,T,-,出行数；,t,：自由时间；,a,，,b,：系数和常数。,8.,其他：气候与季节（春秋多，夏冬少），工作日（大而集中）与周末（小而分散）。,1.,原单位法,2.,类别生成率法（,category analysis,）,3.,回归分析法,(regression models),4.,类别回归分析法,5.,时间序列法,6.,弹性系数法,预测方法,1.,原单位法,/,生成率法,该方法的基本思想是：从,OD,调查中，可得出单位用地面积（单位人口或单位经济指标等）交通生成量，如假定其是稳定的，则根据规划期限各交通区的用地面积（人口量或经济指标等）便可进行交通生成预测。,其中,T,研究对象地区总的生成交通量,;,T,k,为出行目的为,k,时的生成交通量,;,a,k,l,为某出行目的和人口属性的平均出行生成量,.,在某对象区域常住人口平均出行率不变的情况下，求其将来的出行生成量。,（单位：万出行数日）,2.,类别分析法,/,聚类分析法,/,交叉分类方法,是考虑对交通生成影响较大的某些因素，如人口、职业结构、用地面积、不同性质用地的结构等，有这些因素组合城有不同生成率的类别，根据现状调查资料，统计不同类别单位指标的交通生成量，进而进行预测。,优点：能考虑多个影响因素,缺点：影响因素很多，关系复杂时，由于此时组合会很多，因此，该法运用困难。另外，当各影响因素变化较大时，现状资料不能反映，此时该模型也不适用。,最典型的为,家庭类别分析方法,该模型方法的基本描述为：,把家庭按家庭规模、家庭收入以及汽车拥有量的不同来分类,，再依据居民出行,OD,调查统计的各种类型家庭平均出行率和家庭总户数来计算其出行量。,基本假设为,:,一定时期内出行率是稳定的,;,家庭规模的变化小,;,收入与车辆拥有量总是增长的,;,每种类型内的家庭数量可用数学分布方法来估计,.,实施步骤,:,将家庭进行分类,如澳大利亚按照家庭大小,家庭收入各分为六类,家庭拥有小汽车分为三类,;,把每个家庭定位到横向类别,就是对家庭访问资料进行分类,将每个家庭归入所属类别,;,对其所分的每一类计算其平均出行率,用调查的每类出行发生量除以每类的家庭总数,则可以分别得出每类家庭的平均出行率,;,计算各分区的交通生成量,把每类家庭数乘以该类的出行生成率,并全部相加得到生成总量,.,在国内的规划实践中，认为该方法的基本单元应是个人而非家庭，因此有研究提出采用,基于个人的分类方法,;,与家庭分类方法相比,个人分类方法同经典的交通需求模型更兼容,(,都是基于出行者,),也可以采用交叉分类方法,建立个人分类模型需要的样本数要远少于基于家庭的分类方法,很容易考虑人口统计的变化,未来年各类个人的预测更加容易,.,3.,回归分析方法,回归分析法时根据调查资料，建立生成量与其主要影响因素之间的回归方程，利用所建立的回归方程，通过对主要影响因素的预测，进而预测交通生成量,.,回归的形式有多种，自变量有一元也有多元，函数关系有线性也有非线性。,在交通生成预测中一般以土地利用强度指标为自变量，如交通区人口数、劳动力资源数、就业岗位数、各类土地利用面积等。,线性回归模型,线性回归模型的主要优点是函数关系明确,可以统计检验模型精度,其缺点是常用的,Y=a+bx,形式方程具体应用时，有时出现相关系数较高但其常数项（,a,）值较大的情况，这样就使出行率出现虚假的上升、下降现象。,线性回归预测模型的基本形式为：,式中，,Y,交通区的出行生成量；,Xi,第,i,种土地利用强度指标；,a,、,bi,回归系数。,例如通过分析建立的合肥市的城市居民上班出行为：,Y,上班,550.26X,1,+84.44X,2,+97.39X,3,+3.57X,4,Y,上班,上班目的地单位用地面积基本吸引权；,X,1,交通区公共建筑用地面积；,X,2,交通区工业用地面积；,X,3,交通区对外交通用地面积；,X,4,交通区居住、科研办公、仓储及特殊用地面积,无锡各种目的出行生成的回归模型：,非线性回归模型,非线性回归模型有多种形式，常见的有对数函数、指数函数和幂指数等，应针对具体情况采用不同形式的函数。,4.,增长系数法,增长率法是将现状各交通,区交通生成量乘以现状年到预测年这段时间的增长率,从而得到预测年的交通生成量,.,式中，G,i,第i交通区的出行生成量；,G,(0),i,第i交通区的现状出行生成量；,F,i,第i交通区的出行发生量增长率。,该方法中增长率,F,的确定，通常可以用各交通区的一些特征指标的增长率来反映。如交通区的人口增长率、劳动力增长率等。,式中，,F,i,第,i,交通区的发生量增长率；,P,ik,第,i,交通区各特征指标的增长率；,n,特征指标的总个数。,5.,类别回归分析法,考虑非定量影响因素组成不同的类别，对各种类别分别建立交通生成与定量影响因素之间的回归方程，以此，即考虑定量因素的影响，也考虑非定量因素的对交通出行产生吸引的影响,。,6.,时间序列法,按时间序列预测交通增长，即用现在和过去的交通生成资料，对交通生成与时间的关系进行回归，并用此回归方程预测未来交通生成。,例题,:,表中的数据是一次交通规划中某些分区的货运产生量与其工业总产值,农业总产值,基建投资量的数据,试建立货运出行产生量的回归模型,:,由表大致可以判断货运产生量基本与各个自变量呈线性关系,有样本矩阵,:,计算得到回归系数,:,回归模型为,:,各系数,t,统计量为,:,各检验统计量为,:,从所得的回归模型来看工业总产值和农业总产值的,t,统计量都比较显著，而基建投资的,t,统计量不仅很小，而且估计参数的符号与时间情况不相符。因为基建投资越大，基建规模也就越大，所需要的基建材料也就越多，导致货运量增加。这意味着基建投资量与货运出行量成正关系，,X,3,的系数应该为正值。这说明模型是不正确的，应该加以修改。进行相关性分析，计算多重相关系数后,选择,X,1,和,X,2,舍弃,X,3,重新计算回归系数,得到新的模型,:,得到相关矩阵,:,可见，删除掉,X,3,后，除,R,略有下降外（统计分析表明，,R,随自变量数目的减少而下降，随自变量数目的增加而提高与模型的优劣无直接关系），其余各项统计量都比前一个模型有所改进。如样本的标准残差由,24.229,降为,22.895,，这说明在同一检验水平下，缩小了预测区间的宽度，提高了预测的准确性。,回归模型的基本假定，那就是假定未来年的出行产生量,P,与各因素（自变量）的关系与现年相同,，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。,应用回归模型的基本条件：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。就前面提到的分区人口数、人均收人水平、非住宅用地面积，他们都可以由第三章的有关模型和方法求得。,以上海临港物流园区保税港交通需求预测中第,1,阶段为例进行分析,.,一、,临港物流园区保税港（一期位于临港新城重装备产业区和物流园区内，北靠物流园区、南临东海大桥，东依主城区，西靠重装备产业区，直接通过东海大桥和洋山深水港相连，主要发展保税仓储物流产业和出口加工业，总面积,6,平方公里。,预测案例,预测范围与位置：,临港物流园区保税港（一期）布局特点：,保税港陆域部分主要功能包括：国际中转、国际配送、国际采购、国际转口贸易、出口加工和综合服务等。,根据海关对该区域的监管模式，结合该特定区域的六大功能，洋山保税港陆域部分一期规划分为四大功能区块。出口加工、仓储物流、港口辅助用地、综合服务区,预测内容：路段及交叉口交通量,临港物流园区保税港（一期）区内的主要道路的路段交通量及各主要交叉口的转向交通量；包括,12,小时交通量、高峰小时交通量。预测年限：,2008,年、,2015,年、,2025,年。,交通小区划分：,序列,用地代码,用地性质,面积（公顷）,比例（）,1,C,公共设施,46.3,7.8,2,W,仓储物流,182.3,30.8,3,M,出口加工,42.6,7.2,4,U,辅助设施用地,26.1,4.4,5,W,港口辅助用地,35.8,6.1,6,C,海关查验区,46.6,7.9,7,U,汽车清洗检修,2.1,0.4,8,U,市政设施用地,5.9,1.0,9,S,道路用地,162.9,27.5,10,G,绿地,40.8,6.9,小计,城市建设用地,591.4,100,开发进度分析,：,按照洋山保税港结构规划和临港新城的总体规划的实施要求，从保税港建设的实际情况出发，借鉴上海外高桥保税区、深圳盐田保税港以及宁波保税港建设的经验，经建设单位、规划设计单位的专家领导分析：,认为至,2008,年，保税港所有基础设施建设全部实施到位，一期的招商开发计划完成,70%,；,2015,年在完成一期的基础上完成二期开发计划的,50%,；,2025,年整个保税港将全部开发完毕。,人口岗位分析,：,对于出口加工用地、仓储物流用地、港口辅助用地，建议采用岗位指标为,2000,个,/,平方公里，这部分就业岗位数大约在,5200,个左右；,对于综合服务用地（主要有金融贸易和展示等功能），其岗位指标采用,15000,个,/,平方公里，其就业岗位数为,5550,个左右。由此，临港物流园区保税港（一期）规划用地将产生,10750,个工作岗位。,交通量产生与吸引预测,：,货运产生量,=,吸引量,=,货运生成量,=,集装箱处理能力,保税港货运交通总量的生成可依据各开发用地集装箱年处理能力来决定。,1,）不同功能用地上的单位面积集装箱年处理能力,出口加工地块采用,0.04TEU/,年的标准。,仓储物流区块,2005,年采用,0.5TEU/,年的标准，随着物流管理水平的提高到,2025,年，采用,1.1TEU/,年。,港口辅助用地从,2005,年到,2025,年，平均处理能力将由,0.75TEU/m2/,年提高到,1.65TEU/m2/,年。,按照上述的单位面积集装箱年处理能力和保税港不同功能用地的开发量计算出来的各小区年货运生成量，通过调研分析论证几个系数的折算，包括月变系数（采用,1.3,）、周变系数（采用,1.4,）以及高峰小时流量比（采用,0.09,）、空车率（采用,40%,），得到保税港的路网的货运的产生与吸引量。,客运吸引量的预测：,保税港一期（临港物流园区一期）就业岗位数为,10750,个。关于人均出行次数，考虑到海关监管的特点，相比城市的人均出行次数要低，参考调研资料，拟采用人均日出行次数为,2.2,次。在总的客运生成量中，根据类比资料采用,10%,小汽车，,80%,公共汽车，,10%,其他的比重。以此来测算客运的机动车交通量。,3,交通分布预测,出行分布量是指分区,i,和分区,j,之间平均单位时间内的出行量，单位时间可以一天，一周，一月等，也可以是高峰小时，就一对分区,i,和,j,而言，它由两部分组成，,q,ij,和,q,ji,：,q,ij,是指以分区,i,为产生点,(,不一定是出行的起点,),，以分区,j,为吸引点,(,不一定是出行的终点,),的出行量,;,q,ji,是指分区,j,为产生点,分区,i,为吸引点的出行量,;,在全日,PA,表中,q,ij,不一定等于,q,ji,.,基本概念,思考,:,在以上图中,i,区和,j,区之间有,6,次出行,其中,h,表示家,s,表示学校,f,表示工厂,分析,q,i,j,和,q,ji,:,q,ij,=4,出行,1,2,5,6,q,ji,=2,出行,3,4,但是以,i,为起点的出行数,=3,出行,1,4,5,以,j,为起点的出行数,=3,出行,2,3,6,PA,表,.,.,.,产生交通量,吸引交通量,.,.,.,.,.,2.,出行分布矩阵,(PA,表,),出行分布矩阵是一个二维表,满足,A,i,=,P,j,=T,但是矩阵本身不是对称的。,出行分布预测：,在前一阶段得出的各个分区产生量和吸引量的基础上,求,PA,矩阵中的各个元素,q,ij,即已知,PA,表中的小计列和小计行中各元素值,求其他元素的值,.从数学上来说,这是用,2n,个方程求,nn,个未知数的问题,而当,n2,时,这是没有唯一解的,为此必须借助其他一些条件,来求近似解,.,进行出行分布预测的方法主要有增长率法,重力模型法,机会模型法和最大墒模型,.,(1),常增长系数法（,Unique Growth Factor Method,）,(2),平均增长率法,(Average Growth Factor Method,）,(3),底特律法（,Detroit Method,）,(4),福莱特法（,Fratar Method,）,(5),佛尼斯法（,Furness Method,）,各种增长率法,已知现在,PA,表,目标,PA,表,（,1,）常增长率法,此法假定,q,ij,的增长仅与,i,区的产生量增长率有关，或仅与,j,区的吸引量增长率有关,是一个常量,:,f,常,=(,F,pi,F,aj,)=,U,i,/,P,i,或,V,j,/,A,j,该方法只考虑将来的产生量或吸引量或生成量当中的某一个量的增长率对分布量的影响,是一种最粗糙的方法,.,（,2,）平均增长率法,此法假定,q,ij,的增长与,i,区的产生量增长以及与,j,区的吸引量增长同时有关,而且相关的程度也一样,即,q,ij,的增长系数是,i,区产生量增长系数和,j,小区增长系数的平均值,:,f,平,=(,F,pi,F,aj,)=0.5(,F,pi,+,F,aj,),该方法明显比第一种方法合理,也是最常用的一种方法,但在实际运用时,因迭代步数较多,计算速度稍慢,.,见,P129,例题,6-2,（,3,）,Detroit(,底特率,),法,此法假定,q,ij,的增长与,i,区的产生量增长率,F,pi,以及,j,分区吸引量,F,aj,的乘积成正比,与出行生成总量的增长系数成反比,:,f,D,=(,F,pi,F,aj,)=,F,pi,F,aj,T/X,该方法考虑的因素更多,在底特率,1956,年的规划中首次被运用,相对平均增长系数法收敛速度要快,.,（,4,）,Fratar(,福莱特,),法,1954,年，,Fratar,提出分别从产生区和吸引区两个角度分析计算q,ij,，然后平均的方法,:,（,5,）,Fueness(,佛尼斯,),法,1956,年，,Fueness,提出两个小区之间出行分布量,q,ij,的预测值与此两个分区之间出行分布的现状值,q,0,ij,成正比，还是小区,i,的产生增长系数,u,i,和,j,小区的吸引增长系数,v,j,有关,增长系数法的优缺点,(,1,),优点,：,结构简单,；,不需要交通小区之间的距离和时间；,时间交通量，日交通量的预测都可以用；对全部交通目的的,PA,预测都可以用；,对于变化较小的OD表预测非常有效；,计算铁道旅客的转站间,PA,分布很有效。,(,2,),缺点,：,必须有,基年完整,PA,表,；对象地区发生很大规模变化时，该方法不适用,：,比如交通小区的行驶时间发生变化,出现了新开发区等,;,如果现状交通小区之间的交通量为0，那么将来预测值也为0；对于可靠性较低的OD交通量，将来的预测误差将被扩,大,;,将来交通小区之间交通分布仅考虑一个增长系数缺乏合理性,.,重力模型又叫引力模型，由,Casey1955,年提出，当时是受物理学中牛顿万有引力定律的启发，其形式也很象万有引力公式，最初的形式如下：,该模型在形式上太拘泥于万有引力公式，在实际应用中误差太大，后人将其形式变换，得到比较实用的模型。,重力模型法,重力模型的一般形式：,其中，,P,i,，,A,j,：,小区,i,，,j,的,发生与吸引交通量；,k,：系数。假定它们不随时间和地点改变，为减小工作量，一般取,=,=1,R,：小区,i,，,j,间的距离或一般费用；可以是时间，距离，费用，也可以是各种因素的综合。,简介：,模拟物理学的万有引力定律，是目前交通分布预测最常用的方法。,重力模型进行交通分布预测主要考虑两个因素：两个交通小区的吸引强度；两个交通小区之间的阻力。,重力模型法进行分布预测，认为两个交通小区的出行吸引与两个交通小区的出行发生量与吸引量成正比，而与两个交通小区之间的交通阻抗成反比。,重力模型参数的标定：,采用线性回归方法标定模型参数，对上述模型两边取自然对数：,此处,P,i,，,A,j,，,R,ij,，,q,ij,可从现状调查数据中取若干个分区作为样本,则待标定的参数有,:,lnK,-,令,1.,无约束重力模型（一般形式）,常见的交通阻抗函数有以下几种形式：,幂型：,指数型：,组合型：,半钟型：,幂型和指数型都只含有一个参数,比较容易标定,较常使用,另外两种含两个参数,使用较少,但在特定的交通方式的分布中,有其优势,如城市中自行车的出行,很短距离和很长距离的出行数量都比较少,而中等距离的出行数量较多,这时这种特定交通工具的分布量用这种阻抗函数比较好,.,具体选用哪种类型的阻抗函数视具体情况而定,可以先用一些调查数据在坐标系上标出散点图,看其与哪类函数曲线拟和较好,.,无约束重力模型的参数标定,:,（,1,利用现状,OD,数据，以及两小区之间的交通阻抗，用最小二乘法标定模型；,（,2,）利用建立的模型，根据交通生成和吸引预测得出未来交通小区的产生量和吸引量，预测未来各交通小区的分布量；,（,3,）进行收敛性的计算，通常利用平均增长系数法；,无约束重力模型计算出来的交通分布量，不满足上述约束的任何一个，通常要进行收敛迭代。,交通守恒约束：,2.,单约束重力模型,为满足上式,将 代入上式,有,从而得到,:,无约束重力模型，无法满足,:,对于其他形式阻抗函数,为,:,此时有,:,(,乌尔希斯重力模型,),乌尔希斯重力模型参数标定：,乌尔希斯重力模型比无约束重力模型少了一个参数,取,=,=1,此时只有,一个参数需要标定,一般用试算法计算,:,先假定一,值，如,1,利用现状,PA,调查资料可以得出各个交通小区出行产生量和吸引量,P,i,和,A,j,；现状各交通小区之间出行时间,c,ij,；利用乌尔希斯重力模型计算所得出交通分布,.,3.,双约束重力模型：,双约束重力模型，满足出行产生和吸引量约束,重力模型的算例：,有,2,个居住区,(1,2,小区作为出行产生区,),和,3,个就业分区,(3,4,5,号小区,作为出行吸引小区,它们的现状分布表和出行阻抗表如下,求其双约束重力模型,:,双约束重力模型优点,:,1.,直观上容易理解,2.,能考虑土地利用和交通供给设施变化（主要是路网）对人们的出行产生的影响,3.,特定交通小区之间的现状,OD,交通量为零，也能预测；,4.,能比较敏感的反映交通小区之间行驶时间变化的情况,重力模型法的优缺点,(,1,),优点,：可以将交通设施服务水平的变化对交通分布预测的影响考虑进去；模型构造简单，对任何地区都适用；即使没有完整的,PA,表，也能对未来交通分布进行预测；可考虑未来土地利用的变化。,(,2,),缺点,：缺乏对人的出行行为的分析，与实际情况存在一定的偏差；实际上人们的出行距离在全区域内不是定值，而重力模型视为定值,.,重力模型主要考虑路网的出行时间，难以考虑其它交通方式内内交通两的行驶时间难以给出；当交通阻抗趋近于零时，交通分布量会趋近于无穷大，因此它不适用于短距离的交通分布计算。,