交通分布预测.ppt

交通分布预测.ppt

《交通分布预测.ppt》由会员分享，可在线阅读，更多相关《交通分布预测.ppt（51页珍藏版）》请在冰豆网上搜索。

交通分布预测,第三章交通需求预测,交通分布预测,图3-1四阶段预测法示意图,Step1,Step2,Step3,Step4,交通分布预测,交通生成研究的进一步延伸：

出行链TripChainModeling,2、交通分布预测（Tripdistribution）,交通分布预测是交通规划四阶段交通预测模型的第二步，是把交通的发生与吸引量预测获得的各小区的出行量转换成小区之间的空间OD量，即OD矩阵。

交通分布预测,出行分布预测,交通分布预测,OD矩阵,交通分布预测,常用出行分布预测方法,

（一）增长系数法假定将来年的出行OD分布模式与现在相同

（二）综合法用数学模型表述OD分布规律，用实测数据标定模型，用标定模型预测未来OD分布,

（一）增长系数法

（二）综合法,交通分布预测,

（一）增长系数法,其基本假定是：

交通分布的模式在规划期保持不变特点：

构造简单、易于理解、应用方便,交通分布预测,增长系数法需事先给定一个先验的OD矩阵（历史的、抽样调查的或是按某一种数学方法计算的），假设未来的OD矩阵与先验的OD矩阵具有基本相同的分布形式。

交通分布预测,S1,S2,S3,S4收敛判别,交通分布预测,1、常增长率法2、平均增长率法3、Detroit法（底特律法）4、Fratar法（福莱特法）5、Furness法（佛尼斯法）,增长系数法可分为：

差别在哪？

在于增长函数构造的不同,交通分布预测,1、常增长率模型：

数学模型为：

常增长系数法假定qij的增长仅与i小区的发生量增长率有关，或仅与j小区的吸引量增长率有关，或仅与生成量的增长率有关，是一个常量,交通分布预测,例37：

利用基础年的OD矩阵和目标年发生交通量的预测值求目标年OD矩阵,交通分布预测,乘以Fo1,交通分布预测,2、平均增长率法,平均增长系数法假设i，j小区之间的交通分布量qij的增长系数是i小区出行发生量增长系数和j小区出行吸引量增长系数的平均值,交通分布预测,现状OD表,将来的发生吸引量,步骤一：

求发生增长系数和吸引增长系数步骤二：

计算将来的交通分布量步骤三：

重新计算发生增长系数和吸引增长系数步骤四：

进行收敛判定，如收敛则结束;不收敛转步骤二，循环进行,3、Detroit模型（底特律法）,底特律法假设i，j小区间交通分布量qij的增长系数与i小区出行发生量和j小区出行吸引量增长系数之积成正比，与全规划区出行生成总量的增长系数成反比,交通分布预测,P59例39已知现状OD、将来的发生与吸引交通量运用底特律法求将来的交通分布量步骤一：

求发生增长系数和吸引增长系数步骤二：

求交通生成总量增长系数步骤三：

计算将来的交通分布量步骤四：

重新计算发生增长系数和吸引增长系数步骤五：

进行收敛判定，如收敛则结束;不收敛转步骤二，循环进行,4、Fratar模型福莱特法,福莱特法假设i，j小区间分布交通量qij的增长系数不仅与i小区的发生增长系数和j小区的吸引增长系数有关，还与整个规划区域的其他交通小区的增长系数有关。

交通分布预测,P62例310已知现状OD、将来的发生与吸引交通量运用福莱特法求将来的交通分布量步骤一：

求发生增长系数和吸引增长系数步骤二：

求小区位置系数步骤三：

计算将来的交通分布量步骤四：

重新计算发生增长系数和吸引增长系数步骤五：

进行收敛判定，如收敛则结束;不收敛转步骤二，循环进行,交通分布预测,5、Furness模型佛尼斯法,佛尼斯法假设i，j小区间交通分布量的增长系数与i小区的发生增长系数和j小区的吸引增长系数都有关系。

此模型首先令吸引增长系数为1，求满足条件的发生增长系数，接着用调整后的矩阵重新求满足条件的吸引增长系数，完成一个循环迭代过程；然后重新计算发生增长系数，再用调整后的矩阵求吸引增长系数，经过多次循环，直到发生和吸引交通量增长系数满足设定的收敛标准为止。

交通分布预测,P63例311已知现状OD、将来的发生与吸引交通量运用佛尼斯法求将来的交通分布量步骤一：

令吸引增长系数为1，求满足约束的发生增长系数步骤二：

判断收敛条件步骤三：

第二次迭代，先求吸引增长系数步骤四：

判断收敛条件步骤五：

循环进行,比较各种增长率模型的基本假设、计算方法和应用条件。

常增长率模型？

平均增长率模型？

Detroit模型（底特律法）？

Fratar模型（福莱特法）？

Furness模型（佛尼斯法）？

交通分布预测,当土地利用、交通源布局等有较大变化、预测区域交通设施状况有较大变化时，误差较大。

特别是要求有基础年的完整的OD表。

增长系数法的特点：

交通分布预测,现状的O-D分布,增长系数法预测未来的O-D分布,思考：

这种增长模式是否合理？

交通分布预测,增长系数法应用范围一般针对交通源布局或交通设施布局等变化不大的情况或短期规划，多用于简略的交通分布预测。

交通分布预测,常用出行分布预测方法,

（一）增长系数法假定将来年的出行OD分布模式与现在相同

（二）综合法用数学模型表述OD分布规律，用实测数据标定模型，用标定模型预测未来OD分布,交通分布预测,

（二）重力模型法,交通分布预测,万有引力模型,交通分布预测,重力模型法：

基本假设为：

交通区i到交通区j的出行分布量与i区的出行发生量、j区的出行吸引量成正比，与i区和j区之间的出行阻抗成反比。

交通分布预测,Casey在1955年提出最早出现的重力模型：

qij交通区i到交通区j的出行分布量；Oi交通区i的出行发生量；Dj交通区j的出行吸引量；f（cij）交通区i、j之间的出行阻抗函数；k、模型参数,交通分布预测,重力模型综合考虑了影响出行分布的地区社会经济增长因素和出行空间、时间阻碍因素。

与增长系数法相比，重力模型考虑的因素较为全面，尤其是强调了交通分布与交通系统之间的相互作用，比较符合实际情况。

与增长系数法相比，重力模型法有什么特点？

现状的O-D分布,增长系数法预测,重力模型法预测,即使没有完整的现状OD表也能进行预测。

（其基本假设为交通区i到交通区j的出行分布量与i区的出行发生量O（i）、j区的出行吸引量D（j）成正比，与i区和j区之间的出行阻抗成反比。

）重力模型法是交通规划中使用最广泛的交通分布预测模型。

交通分布预测,现状OD表,将来的发生吸引量,例312利用重力模型法计算OD分布,cij,cij,现状行驶时间,将来行驶时间,要求标定参数,重力模型,根据是否满足以下约束条件，重力模型有3种形式：

1-无约束重力模型2-单约束重力模型3-双约束重力模型,无约束重力模型,万有引力模型,qij交通区i到交通区j的出行分布量；Oi交通区i的出行发生量；Dj交通区j的出行吸引量；f（cij）交通区i、j之间的出行阻抗函数；k、模型参数,交通分布预测,无约束重力模型是早期的重力模型，其模型结构不满足约束条件中的任何一个，因此称为无约束重力模型。

交通分布预测,无约束重力模型的标定，即参数K、的确定是通过拟合现状OD调查资料，用最小二乘法确定，交通阻抗参数应为现状交通网络的参数。

经验值：

、0.51.0一般令

（1）

（2）0.5或1.0通常事先取上述经验值进行回归分析，以简化为一元回归分析。

交通分布预测,单约束重力模型,乌尔希斯重力模型,美国公路局重力模型（B.P.R.模型）,交通分布预测,美国公路局重力模型可以满足,单约束模型,交通分布预测,双约束重力模型：

增加平衡系数ai、bj，保证出行分布预测得到的OD矩阵满足约束条件。

出行阻抗是对交通区间交通设施状况和交通工具状况的综合反映，作为反映交通区之间交通便利程度的指标，其值的大小直接关系着交通区之间出行量的多少。

出行阻抗指标如何选用？

出行阻抗应选用交通区之间有代表性的能反映交通区之间交通便利程度差异的指标。

以私人交通为主，或以公交为主且公交的方式和线路比较均匀，同时道路网布局也较为均匀的城市，可使用交通距离作为交通阻抗参数。

出行阻抗应选用交通区之间有代表性的能反映交通区之间交通便利程度差异的指标。

当城市路网布局不均，或市内公交方式或线路布局不均匀，特别是有地铁等快速、大运量交通系统时，采用交通时间作为阻抗参数较为合适，此时的交通时间应采用各交通区之间主要的交通方式的交通时间。

目前，采用行程时间函数作为出行阻抗函数最为常见，以行程时间函数为出行阻抗函数的形式有多种，常用的有以下3种：

重力模型的检验问题：

如果利用模型计算得到的交通分布量为Xij，而实际调查值为，则,将计算得到的2值与其临界值比较，如果计算得到的2值比临界值小，说明模型拟合良好。

临界值可以根据自由度和显著水平查2的临界值分布标准表得到。

优点：

能考虑土地利用和路网变化对人们出行产生的影响能考虑交通小区出行阻抗对出行分布的作用缺点：

缺乏对人的出行行为的分析短距离区内出行比例被夸大预测,讨论：

重力模型的优缺点？

交通分布预测,大作业准备1、以小组为单位设计校内OD调查或校外衔接OD调查表格和方案2、11月1日班长利用课堂时间组织讨论形成一套较为完善的方案（两个班单独教室）3、上交各个小组制定的原始调查表格和方案，班长提供讨论的会议纪要,