交通规划7共50页资料

第七章交通方式划分主要内容:第一节概述第二节交通方式选择的影响因素第三节交通方式选择的程序及划分率经验模型（重点）第四节非集计型交通方式划分模型21.09.2019邓建华第一节概述所谓交通方式划分(ModalSplit)就是出行者出行时选择交通工具的比例，它以居民出行调查的数据为基础，研究人们出行时的交通方式选择行为，建立模型从而预测基础设施或服务等条件变化时，交通方式间交通需求的变化。21.09.2019邓建华交通方式划分的建模思路有两种：一是在假设历史变化情况将来继续延续下去的前提下，研究交通需求的变化；二是从城市规划角度，为实现所期望的交通方式划分，如何改扩建各种交通设施引导出行，及如何制定交通管理规则等。新交通方式的交通需求预测问题属于后者。本章讲述几种常用的交通方式划分模型，包括划分率曲线模型、出行端点模型、出行转换模型和非集计模型。21.09.2019邓建华交通方式：城际间：铁路、公路、航空、水运、管道；城市范围：轨道（地铁、轻轨、独轨等）、水运、道路（行人、非机动车、摩托车、出租、公共电汽车、客车、货车）。??????????管道水运航空公路铁路ijijijijijijtttttt??????????水上机动非机动行人轨道ijijijijijijtttttt?????????出租车货车公共电汽车轿车摩托车ijijijijijttttt第二节交通方式选择的影响因素城市居民出行方式结构预测---无锡市居民出行方式结构16.7%13%57.8%53%6.7%19%1.6%3%11.9%7%3.7%3%1.7%2%00.20.40.6步行自行车公交车出租车摩托车单位车其它现状规划21.09.2019邓建华交通特性的影响主要是在一次的固有特性中，对方式选择影响的部分。1．出行目的上班、上学出行：汽车利用率低、公共交通利用率高。业务出行：因需要在多客户处停留，装卸货物等，所以汽车利用率高、公共交通利用率低。自由出行：汽车(出租)利用率高。一、交通特性21.09.2019邓建华2．出行时间和出行距离步行<3km自行车<5km摩托车<8km公共汽车<300km轿车<500km货车<500km铁路500-1000km、低附加值货物飞机>1000km、高附加值货物水运(内河)短途、捷径、观光水运(近海、远洋)旅游、散货、低附加值货物。各种交通方式的合理出行21.09.2019邓建华3．费用与运行时间相同，交通费用也是影响交通方式选择的主要因素之一。一般而言，要减少运行时间，必须付出更高的交通费用。交通费用常与运行时间配对使用而很少作为单独的原因使用。根据美国伊利诺工业大学研究所的研究成果，公共交通方式的乘客中，42％的人将交通费用作为选择的主要因素，而家用轿车的利用者中，仅不足１％。另外，交通费用作为主要原因考虑的没有因为年龄的不同而发生显著的变化。21.09.2019邓建华4．舒适性5.安全性6.准时性7.换乘次数和候车时间21.09.2019邓建华1.职业、性别、年龄、收入职业、年龄、性别、收入、驾照持有与否、汽车保有与否……。业务员、推销员汽车使用率高，20~40岁汽车利用率高，其它年龄段公共汽车利用率高，男性比女性汽车利用率高，收入高汽车利用率高。二、出行者属性21.09.2019邓建华2.家庭属性单身、夫妻、有否小孩、是否与老人同居。老人、小孩上医院机会多?汽车利用机会增多。3.地区特性人口规模、交通设施水平、地形、气候等。城市规模大?交通设施水平高?公共汽车利用率高21.09.2019邓建华人口密度、规模、交通设施水平、地形、气候等。密度高?公共交通利用率高。城市规模大?交通设施水平高?公共汽车利用率高山川、河流多?汽车、公共汽车利用率高雨天、雪天?公共交通方式利用率高停车设施舒适性和便利性。三.地区特性公共交通划分率区人口密度非汽车保有家庭1辆/户2辆/户21.09.2019邓建华四.出行时间特性人们的活动，是以一天为一个周期的，因此在某一时刻，人们具有类似交通目的的出行集中的倾向：早高峰上班时间段、平时时间段、晚高峰回家时间段。在进行交通规划时，应该根据规划的性质选择合适的时间段。因为时间段的不同，道路的交通阻塞和出行目的也比较集中，当然也应该分析交通方式选择因时间段不同的变化。另外，因平日和公休日的交通目的差异很大，因此交通方式选择特性也就不同。21.09.2019邓建华第三节交通方式选择的程序及划分率经验模型三个概念集计方法，就是以一批出行者作为分析对象，将有关他们的调查数据作统计处理，得出平均意义上的量；非集计模型则是以单个出行者为分析对象，求出的个体形为的概率值。21.09.2019邓建华转移曲线（分担率曲线）对如公共交通和个人交通的选择：上节共11个影响因素中，有些因素不起作用，如可靠性；有些作用不大，挑选主要的因素作为方式选择的决定参数，通过对这些因素与对应的两种方式的选择比例所构成的样本进行统计分析，得出的多条比例曲线，参照这些曲线可以确定选择方式的比例。21.09.2019邓建华一.交通方式划分方法影响交通方式选择的因素很多，人们出行时在这些原因的影响下选定对自己最有利的交通方式，而划分率是人们出行中各种交通方式的利用比例。考虑全部交通方式时的多元选择法(Multi-choiceMethod)以及通过各阶段的组合考虑两种交通方式时的二元选择法(BinaryChoiceMethod)。21.09.2019邓建华（1）多元选择法（Multi-ChoiceMethod）一次计算可以预测各种交通方式的划分率，但随着自变量的增加，模型变复杂。21.09.2019邓建华（2）二元选择法(BinaryChoiceMethod)该种方式一般多被采用。全交通方式步行、自行车步行以外步行自行车个性化交通工具公共交通工具汽车摩托车公共汽车轨道交通二元选择法示意图全交通方式公共交通个人交通公共汽、电车城市轨道交通私人交通：步行、自行车、私家车、单位车出租车根据服务提供者选择 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 示意图21.09.2019邓建华二.交通方式划分率模型1.全域模型全域模型考虑规划对象区域整体的交通方式划分情况，常用于宏观交通规划。由于涉及到全地区的划分率预测，故其影响因素当然是与全地区有关的城市规模、人口、土地使用状况、小汽车拥有率、公共交通及道路建设水平等指标。公共利用因子：(居民户数/小客车1辆)×(居住人口/平方英里)÷100021.09.2019邓建华2.出行端点模型出行端点模型利用对象区域内交通小区的固有性质说明其划分率，因此便于从交通的角度研究各交通小区的土地使用。此时划分率可从发生端或吸引端考虑，而多数属于发生端出行端点模型。此外，此模型的划分率不唯一给定，而是按出行端点(家庭和非家庭)、交通目的(出勤、上学、业务等)、交通方向(流向市中心的交通及其它)、土地开发强度(市中心地区及其他)等进行分类，再用聚类分析法详细预测。有时也有使用衡量出行方便性的可达性(AccessibilityIndex)指标的模型。区i的可达性指标用下式 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示，也称之为到达容易性指标。21.09.2019邓建华1/nijijjADC????式中－区j的出行吸引量；－OD交通i、j的所要时间；n－小区数；γ－系数。jDijc21.09.2019邓建华3.TI模型TI(TripInterchange)意味着OD交通量的相互转换。该模型推算给定OD表的交通方式划分率。通常，把各交通方式的利用时间、费用等的比率或差作为自变量。21.09.2019邓建华4.径路模型径路模型(RouteModel)为在考虑各种交通方式的径路的同时进行交通流分配的模型。由于该模型利用同一水准处理处于相互竞争位置的各种交通方式的径路交通量，故适用于研究各种交通方式的合理划分交通量。五种组合方式21.09.2019邓建华一、集计分析与非集计分析第四节非集计型交通方式划分模型类别项目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↓↓径路分配径路选择集计分析非集计分析交通现象的把握方法表7.4-1集计分析与非集计分析的区别21.09.2019邓建华二、非集计分析的概念可供选择的交通方式叫做“选择支”。根据前面的介绍，问题可简化为“二项”或“多项”选择。定义选择枝具有的令人满意的程度叫做“效用”，关于效用有下列假设，这是非集计模型的基础。个人在每次选择中总选择效用最大的选择枝；个人关于每个选择枝的效用值由个人自身特性和选择枝的特性共同决定。Utility21.09.2019邓建华三、Logit模型()()()UkVkek??式中V(k)—方案k的固定效益；e(k)—随机项。1.模型效用是由选择枝本身的特性和个人的社会经济特性两方面的因素决定的，但考虑到很难对因素进行量测，所以将效用看作随机变量。21.09.2019邓建华三、Logit模型假定两个选择枝，则选择1枝的概率为：由：有：()[()(),()]pkUkUjjkK?????121211222121121212(1)()()()(,)[(,)]VVyppUUpVeVepeVVepeyeVVydyfyzdzdy???????????????????????????????e1和e2联合密度函数21.09.2019邓建华三、Logit模型假定、相互独立，则：有：再假定、都服从二重指数分布，其概率（累积）分布函数和概率密度函数分别为：12(,)()()fyzfyfz??1212(1)()[()]VVypfyfzdzdy???????????1e2e1e2e()exp[exp()],()()exp()FybyfybFyby?????代入21.09.2019邓建华三、Logit模型1212121221(1)()[()]exp()()()()(),exp[exp()(1exp())]VVypfyfzdzdybbyFyFyVVdywFyFyVVwbybVbV?????????????????????????????令：则21.09.2019邓建华211102112112exp()[1exp()],exp(0)1;:,exp()0.exp()exp()exp()[1exp()]exp()11exp()exp()exp()dwbwbybVbVdyywandywsoPbwbydywbydwwbybVbVbVbVbVbVbV??????????????????????????????????when:二项logit模型（BNL）Binary-nomiallogit21.09.2019邓建华两种方案间的相对优劣仅取决于这两种方案的特性，而与其它方案的特性无关。把该性质称为Logit模型的IIA特性(IndependenceofIrrelevantAlternative简称IIA)，属于Logit模型的弱点之一。用交通方式选择的例子来说，意味着无论其它交通方式(如轨道交通方式)存在与否，选择小客车与选择公共汽车的相对优劣相等，而实际上并非如此。与小客车相比，轨道交通方式的存在对公共汽车的选择使用有很大影响。IIA的性质明显不成立时，可采用嵌套Logit模型或者Probit模型。21.09.2019邓建华四、Probit模型非集计模型，根据以下所示的备选方案的随机效益函数U(k)(RandomUtilityFunction)决定选择行为。()()()UkVkek??式中V(k)—方案k的固定效益；e(k)—随机项。21.09.2019邓建华固定效益可由行驶时间、费用等的方案特性，以及年龄、职业等的个人属性表示。假设e(k)服从某种概率分布。由于随机效益是个人在选择时所具有的感觉上的评价值，从而有时也称为知觉效益。当随机效益U(k)比其他任何方案大时，方案k被选择，因此，方案k的选择概率p(k)可由下式表示。(7-3)式中K--方案集。将(7-1)式代入(7-2)式，可得式。(7-3)式中，F(x)–概率分布函数；fk(x)-概率变量x=e(k)的概率密度函数。上式的含义是:首先，假设e(k)固定，求方案j相对应的e(j)的同时概率分布函数值；其次，e(k)概率变化时，与其概率密度相乘，再进行积分。21.09.2019邓建华上式中，如假设随机项e(k)服从于平均值为0，具有有限的方差协方差矩阵的多变量正态分布MVN(Multi-varianceNormalDistribution)，可得到Probit模型。21.09.2019邓建华五、Probit模型与Logit模型的差异Logit模型假设径路的随机误差相互独立，而Probit模型假设随机误差具有相关关系。简单地说，表示概率分布值的(7-7)式的分母中，协方差在Logit模型中为0，而在Probit模型中为2。但是，更确切地说，由于Logit模型与Probit模型的随机项的概率分布形式不同，其选择概率的差别不是仅仅由于协方差的有无而引起的。其他说明请看 书 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf 21.09.2019邓建华六、例题【例题7-1】在只有公共汽车和家用轿车出行的两区域之间，假设如下Logit模型适用，试用表7-5～表7-10示现状数据拟合参数，并利用表7-11～表7-14示将来数据，结合例题6-2中将来OD表计算结果，计算交通方式划分率和交通方式OD表。21.09.2019邓建华六、例题exp()exp()exp()1BUSijBUSijBUSCARijijCARBUSijijBUSBUSBUSijijijCARCARCARijijijVpVVppVttVtt??????????????????令b=1,不影响结果无常数项不影响结果，留下3个参数需要标定21.09.2019邓建华在非集计分析中，为了预测交通参与者个人的选择行为，需要输入个人的数据。即在进行交通需求预测时，需要对象区域的个人数据，但是利用抽样结果预测个人的将来值尚有困难。因此，对于非集计分析，从实用角度还需要模型的集计化处理。【解】：21.09.2019邓建华其选择因素数据为集计数据。这里，由式(7-20)-式(7-23)得如下线性回归方程式。(1)参数拟合对上式代入表7-5～表7-10中的数值并利用最小二乘法拟合参数α、β和γ值如下：α=-0.0796(-13.173),β=-0.00387(-12.200),γ=0.390(16.449)其中，()内数据为t值，拟合相关系数为0.98。21.09.2019邓建华(2)将来划分率和交通方式OD表用上步拟合Logit模型和表中的数据，分别计算公共汽车和汽车的效用，得表7-15和表7-161111111111110.07965.00.003871601.0170.07963.00.00387260.3900.0506BUSBUSBUSCARCARCARVttVtt????????????????????????????21.09.2019邓建华(2)将来划分率和交通方式OD表将表7-15和表7-16中的值分别代入式（7-20）,再利用式(7-21)可得表7-17和表7-18示交通方式划分率。12312310.25580.25540.246410.74420.74460.753620.27080.27540.207120.72920.72460.792930.24640.20710.254430.75360.79290.7456exp()exp(1.017)0.2558exp()exp()exp(1.017)exp(0.0506)BUSijBUSijBUSCARijijVpVV???????110.25580.7442CARBUSijijpp?????21.09.2019邓建华(2)将来划分率和交通方式OD表进而，将表7-17和表7-18应用于表6-7中的将来OD表，分别得两种交通方式的OD表如下：123计123计15.842.831.39.97116.988.253.9729.223.0419.441.9624.4428.1951.147.566.8331.341.665.768.7534.096.3416.8827.31计10.2223.939.0243.16计29.2665.7328.35123.3411111122.819*0.25585.837BUSBUSqqp????21.09.2019邓建华通过例题7-1可以看出，我们利用交通方式划分从现状交通方式OD表获得了将来OD表，为交通流分配提供了基础数据。另外，例题中直接给定了各自交通方式的现状OD表，然而，由居民出行调查得到的数据是以出行者个人为单位的，通常在进行交通调查结果的数据统计处理时，需要将出行者个人OD表换算为车辆OD表，即公共交通车辆OD表、出租车OD表和小客车OD表等。换算方法是用相应车辆的额定载荷乘以平均载荷率。谢谢！