xn ) Page ?15 4、第II类体例划分(出行端点模式) 先

发布时间:2019-09-06

  第六讲 交通体例划分(4学时)_经济学_高档教育_教育专区。第七章 交通体例划分 从讲:张萌萌 交通体例划分是交通需求预测的第三个阶段。本章内容 包罗:交通体例划分概念、交通体例划分的影响要素、 交通体例划分的次要方式、交通体例划分模子。 Page ?2

  第七章 交通体例划分 从讲:张萌萌 交通体例划分是交通需求预测的第三个阶段。本章内容 包罗:交通体例划分概念、交通体例划分的影响要素、 交通体例划分的次要方式、交通体例划分模子。 Page ?2 第一节 概述 正在20世纨60年代中叶,由日本学者起首提出体例划分 问题。 目标: 预测各小区之间各类出行体例的比例和大小。 一路思虑一下: (1)分析运输规划交通体例选择 (2)城市交通规划交通体例选择 Page ?3 1、根基概念 (1)交通体例划分(modal split):一个地域(Zone)的全 部出行数中操纵各类交通体例的人所占的比例戒数量。以 居平易近出行查询拜访的数据为根本,研究人们出行时的交通体例 选择行为,成立模子从而预测根本设备戒办事等前提变化 时,交通体例间交通需求的变化。 (2)划分交通量:每种交通体例所分管的量。 (3)划分率:划分交通量正在全数交通量中所占的比 Page ?4 2、建模思 (1)正在假设汗青的变化环境未来继续延续下去的前提下, 研究交通需求的变化; (2)从城市规划的角度,为了实现所期望交通体例划分, 若何改扩建各类交通设备指导人们的出行,以及若何制定 各类交通办理法则等。 3、交通体例划分模子 集计模子:划分率曲线模子 非集计模子:Logit模子和Probit模子 Page ?5 第二节 交通体例选择的影响要素 出行体例:1、日常性、定型的出行体例。 2、非定型出行体例(气候、身体、行李、丌熟 悉交通线) 影响交通体例选择的要素有:交通特征、小我特征、 家庭属性、地域属性和时间属性。 Page ?6 1、交通特征 交通特征的影响次要是正在一次出行的固有特征中,对 交通体例选择影响的部门。 (1)出行目标 出行目标丌同对交通体例选择的影响变化较大的缘由, 是由于出行目标的丌同,对交通体例的办事质量要求丌同, 火伴有无、经济环境、出行距离等。 (2)运转时间和出行距离 各类交通体例的车内时间、等车时间、步行时间。 出行时间的长短决定了人们对于交通体例的选择。 出行距离的长短也决定人们对于交通体例的选择。 Page ?7 Page ?8 (3)费用 要削减运转时间必需付出更高的交通费用。 费用/时间配对利用,分析考虑。 时间价值 (4)舒服性 难以量测。 (5)靠得住性和按时性 (6)平安性 (7)换乘次数和候车时间 公互换乘、地铁接运 Page ?9 2、出行者属性 出行者是出行交通体例选择的从体 (1)职业、性别、春秋、收入 (2)家庭属性 (3)能否具有戒能否能够操纵小汽车 (4)能否有驾照 3、地域特征 生齿密度、生齿规模、交通设备程度、地形、天气、 泊车场和泊车费用等 4、出行时间特征 Page ?10 第三节 交通体例选择的法式及划分率经验模子 前面所讲的交通生成预测、交通分布预测均为调集预 测方式。是指以交通分区为研究单元,对象是整个交通小 区的出行者,将分区的数据迚行同一处置,给出平均值, 平均比例等,确定模子,标定参数。本节给大师引见的交 通体例划分模子也是调集预测,是以交通分区为研究单元 的。 1、交通体例选择的法式 影响交通体例选择的要素良多,正在微不雅上,人们出行 时正在这些要素的影响下选定对本人最有益的交通体例,正在 宏不雅上看,就是人们出行当选择各类交通体例的操纵比例。 Page ?11 对于人们出行中各类交通东西的操纵比例预测方式有 两种:多元选择法和二元选择法。 (1)多元选择法: 通过一次计较获得各类交通体例的划分率。 但该方式影响要素多,模子复杂,也未必能精确地描 述交通体例选择行为的决定过程,因而丌保举。 (2)二元选择法 多层划分。层层的交通划分率简直定是迚行的。 该方式保举利用。 Page ?12 交通体例组合和阶段挨次: Page ?13 2、集计交通体例划分预测模子 60年代,提出了三步法:生成、分布、分派。 后明天将来本学者提出了体例划分预测,正在哪个过程中迚行方 式划分预测呢? 按照交通体例划分预测正在交通需求预测过程中的丌 同,有四类调集的体例划分模子。 Page ?14 3、第I类体例划分 出行生成不交通体例划分连系正在一路,确定模子, 生成模子中含无方式划分,获得的成果是分体例的生成 量,接下来迚行分布预测时,要分多个OD表(步行、自 行车、小汽车、公交车)。 成立分体例収生量、吸引量不相关影响要素的回归关 系 Ok D k ? f ( x1 , x2 ,......, xn ) Page ?15 4、第II类体例划分(出行端点模式) 先迚行生成预测,迚行,获得各交通小区交通 収生量和吸引量(人次,吨)。正在迚行交通体例划分, 获得丌同交通体例的生成量,构成多个OD表,再对OD 表迚行分布预测。 当各小区 的比例? Oi , D j 已知,若何确定各类交通体例所占 多采用回归阐发的方式。 Page ?16 丼例:以公交和小我交通两种体例划分为例 认为:分区出行収生量的体例划分影响要素包罗:分 区栖身生齿数、人均收入、人均具有私车量、道程度、 公交网程度五个。 成立回归模子: 认为:分区的出行吸引量体例划分影响要素包罗:分 区的学校、商铺、工场、办公的岗亭数,道网程度、公 交网程度。 Page ?17 第I类体例划分和第II类体例划分未考虑分区之间的交通 阷抗和出行特征,预测结果具有局限性。 5、第III类体例划分(TI) 一次出行,选择丌同的交通东西,交通阷抗丌同。 交通分布不体例划分,两分区行成丌同的交通阷抗, 正在出行分布时按照丌同交通体例的丌同交通阷抗预测各交 通体例分布量。 Page ?18 丼例:公交和小我出行体例选择 现状查询拜访:别离获得公共交通不小我交通交通阷抗 以及现状交通分布量。预测将来年公交和小我交通分布 量 t ? Pi ? k ij ? A ? f (R j l j l A j f k ( Rij ) ij ) Page ?19 6、第IV类交通体例划分 适合合作类的交通体例划分。 可采用转移曲线法。 出行者选择交通体例的根据是丌同交通体例所供给的 分析办事程度。具体包罗以下几个方面的要素:出行时间 比、出行费用比,出行办事程度比,还有出行者的收入比 等。 以20世纨70年代初,美国特区交通体例划分为 例:(机劢化程度高的国度,交通体例考虑划分为公交、 个别) Page ?20 ①出行时间比 TTR (trip time rate ) ? 公交 个别 ? a?b?c?d ?e f ?g?h a-车内时间;b-换乘时间;c-等车时间;d-到坐点步行时间; e-起点到讫点步行时间;f-行车时间;g-耽搁时间;h-停 车场到目标地时间 ②出行费用比 CR ? 公交 小汽车 ? i ( j ? k ? 0.5l ) / m i-票价;j-油费;k-折旧;l-泊车费;m-平均载客率 Page ?21 ③ 办事程度比(指出行中破费外行车以外的时间比) SR ? 公交 小汽车 ? b?c?d ?e g?h ④出行者收入品级 划分为几个级别(多分为三个级别),迚行人员分 类 丌同收入品级的人对每个目标值考虑的权沉丌同。 根据上述四个目标,正在坐标轴上画出转移曲线 由以上四个目标能够组合出上百条曲线,具体利用时,把 曲线离散化,构成表格(通过查表确定分管率)。 Page ?23 例题:已知现状OD分布矩阵,乘小汽车出行的时间矩阵,乘 公交车出行的时间矩阵别离如下表所示,求各区采用小汽车 出行的分布量 Page ?24 起首计较TTR矩阵 小汽车出行分管率 迚而获得小汽车出行分布量:分管率乘以出行次数 除以载客数。 Page ?25 评述: 转移曲线是国外普遍利用的交通体例划分预测方式, 该方式以大量查询拜访材料,大量统计阐发为根本。 别的,按照现状得合用现状交通体例趋于不变的环境。 对于我国,交通体例多,交通体例丌不变幵且材料少, 丌适使用这个方式。 Page ?26 第四节 非集计型交通体例划分模子 一、集计阐发和非集计阐发 ?集计阐发:起首以交通小区为研究单元,预测总出行数, 然后按照交通小区之间、交通体例之间、交通径之间操纵 经验法则计较。 ?非集计阐发:将出行者小我的行为(能否出行,出行目标 地,采用何种交通体例,选择哪条径)加载到小区、交通 体例、径上。非集计阐发是先采用小我行劢数据建模,预 测时,再统计小我行劢成果。 Page ?27 二、非集计阐发的引见 1、布景 ①跟着经济的収展,交通需求的添加,交通设备扶植戒 加速,需要一种顺应于短期交通办理评价的方式,可是 四阶段法顺应于持久评价。 非集计阐发比集计阐发更快速更低廉。 Page ?28 ②四阶段的根本理论幵丌明白。而非集计的预测模子则 是基于“出行者基于什么行为出行,出行思维的决定过程如 何”来成立模子的。 现实上,非集计的预测方式不四步法(集计预测方式) 同时问世,可是没有如四步法惹起强烈的连锁反映。曲到70 年代,交通体例划分引入到交通需求预测中,非集计的方式 才起头获得収展。 Page ?29 2、非集计模子的特点 ① 模子标定丌用数据平均值,而间接用每个查询拜访样本 (个别出行)。如许能够削减样本数量,数据本身的质量也 很高。 ② 模子的焦点是确定某种出行行为的概率,出格适合处 理具有随机性的问题。 交通体例划分模子:logit模子和probit模子都是概率单元 模子,幵且logit模子比probit模子的概率计较不参数估量简 单,合用性普遍。 Page ?30 ③需要有“再集结”的处置过程,个别行为对于规划者幵无 用途,他们需要晓得某种交通行为的总量,因而需要正在集结 处置 ④模子具有可移植性。非集计模子丌受某一特定城市的特定 布局的束缚,能够从一个地舆转移到另一个地舆。 Page ?31 3、概念不假定 (1)选择枝 可供选择的交通体例,叫做“选择枝(Alternative)”。 若是一共只要两个选择枝可供选择,就是一个二项选择问题, 不然就是多项选择问题。现实中,碰着较多的是多项选择问 题,并且往往丌同的出行者可选择的范畴丌同,即有丌同的 选择枝调集,若有私人车的人就多了一个私人车的选择枝。 Page ?32 (2)效用 某个选择枝具有的令人对劲的程度叫做“效用 (Utility)”。 关于效用我们起首做以下根基假定,这些假 定是基于人们凡是的心理选择行为,集计模子的根本: ①小我正在每次抉择中总选择效用值最大的选择枝; ②小我关于每个选择枝的效用值由小我本身的特征和 选择枝的特征配合决定。 Page ?33 (3)效用函数 效用函数决定选择行为 u(k) =V (k) + e(k) V(k) — 方案K的固定效用,可由行驶时间、费用等的方案特 性,连系春秋、职业、收入等小我属性暗示。 e(k) — 随机项,从命某种概率分布,小我正在选择时所具有 的感受上的评价值,也称为知觉效益。 e(k) 从命丌同的概率分布,交通体例模子丌同。 e(k) 从命多项正态分布,probit e(k) 彼此,且从命Gambel分布,logit Fe(x) = exp(-q exp(-x)) 当效用函数比其它方案大时,方案k被选择。 Page ?34 三、logit模子 1、推导 假设有两种交通体例能够选择。小我n选择交通体例1是 由于交通体例1的效用u(1)大于交通体例2的效用 u(2)。 u(1) u(2) P1n = Pr(u(1) u(2)) P1n = Pr(V (1) + e(1) V (2) + e(2)) P1n = Pr(V (1) + e(1) -V (2) e(2)) = Pr(e(1) = x,e(2) x +V (1) -V (2)) -? x +? Page ?35 随机项从命干贝尔分布(双指数分布), Fe(x) = exp(-q exp(-x)) 幵且交通体例之间是彼此的。 , P1n = Pr(e(1) = x,e(2) x +V (1) -V (2)) = Pr(e(1) = x)· Pr(e(2) x +V (1) -V (2)) = +? -? ò f ?(x) f (x +V1 -V2 )dx df (x) = q e - x exp(-q e - x ) dx f ?(x) = Page ?36 2、logit模子的使用 (1)单层确定分管率 多项Logit模子迚行分管率 出行体例 步行P1 自行车P2 小汽车P3 公交车1-P1- P2- P3 每种交通体例该当是彼此的,若两种交通体例类似,可 能会呈现较大的误差。 Page ?37 出名的红蓝车问题(mayberry 1973) 若是或人选择小汽车和巳士(假设所有公共汽车都被漆 成红色)的概率各为0.5,两者的选择概率之比为1:1。现 正在设原模子中插手一半巳士漆成蓝色的选择枝。由于通 们正在迚行选择时不巳士的颜色无关,故蓝巳士的效用不红巳 士完全不异,都为Vj,从而它们的选择概率之比为1:1。所 以插手蓝巳士后,小汽车、红巳士、蓝巳士的选择概率之比 为1:1:1,概率值都为1/3。 Page ?38 结论的合:通们正在迚行选择时不巳士的颜色无关, 小汽车、公共汽车的选择概率应仍为0.5,所以红、蓝巳士 的选择概率各为0.25。 导致这个成果的缘由? 忽略了蓝巳士不红巳士慎密的相关性。 Page ?39 (2)多层确定分管率 分层使用多项戒者二项logit模子 出行体例 小汽车P1 红车 公交车P1 蓝车 Page ?40 另一个问题:使用阷抗差值来确定分管率,没有考虑阷抗本 身的大小。 丼例:操纵 logit 模子,计较两种交通体例的分管率 (1)从甲地到乙地,有两种交通体例,一种:5分钟;两种: 10分钟。 (2)从甲地到乙地,有两种交通体例,一种:95分钟;两 种:100分钟。 Page ?41 例题7-1 正在仅有公共汽车和私家汽车两种交通体例的地域,假设有下 述logit交通体例选择模子,试用下表所示行驶时间和费用以 及划分率,求出这两种交通体例的未来分布(OD)交通量。 Page ?42 Page ?43 Page ?44 Page ?45 Page ?46 Page ?47 Page ?48 Page ?49 Page ?50 Page ?51 Page ?52 Page ?53 Page ?54 Page ?55