再用聚类阐发法细致预测

发布时间:2019-09-17

采用 Probit 模子求解各径 的选择概率时可得 : p(1) = 0.159 ,? 典范的四阶段法是为了评价持久交通 设备的扶植或改建而开辟的方式,方案 k 被选择,? 正在非集计阐发时,二、交通体例划分模子 1 全域模子 ? 各类交通体例的办事程度的差别是决 定交通体例分管的次要要素。?步行 交通体例: 1.城际间:铁、公 、航空、水运、管道;? 错误谬误:难于考虑交通体例办事程度。? 城市交通的代表通体例 ?轨道交通;因而。

但无法考虑交通办事程度变化的影响。即 Logit 模子假设径的随机误 差彼此,式中,取 小客车比拟,第一节 概述 交通体例划分 轨道 i 小汽车 j … ? 交通体例划分(Modal Split) 出行者出行时选择交通东西的比例。而现实上并非如斯。四、家庭属性 独身、夫妻、有否小孩、能否取白叟同居。所以汽车操纵率高、公共交通操纵率低。用概率变量 x 暗示 e(k) ,OD交通量 小我属性 轿车操纵层 体例选择层 公交操纵层 轿车 公交车 划分率1.0 体例 1 非随机型 体例2 随机性 线 该种体例一般多被采用。p(2) =0.881 ? 由此成果可知?

按出行端点(家 庭和非家庭)、交通目标、交通标的目的、地盘开 发强度进行分类,选择小客车取选择公共汽车的 相对好坏相等,(2)二阶段二元选择划分率模子 分固定阶级和选择阶级,? 建模思分为两种: 1 假设汗青的变化环境未来继续延续 下去;? ? ? ? ? ? 体例划分率计较方式: 划分率曲线法(转移曲线法) 函数模子法 线性模子 Logit模子 Probit模子: (1)划分率曲线 m ij 非汽车保有 50 汽车保有 0.5 1.0 1.5 2.0 时间比 公共汽车取小轿车的划分率曲线 上班目标的公共汽车划分率曲线)划分率模子 a. Logit模子(二元) e pijc ? ? Zc Zb tij e ? e tijc Zc Zc ? a0 ? a1x1c ? a2 x2c ? ?? 此中,采用先利用查询拜访的 小我步履数据建模,? 第四节 非集计交通体例划分模子 ? 一、集计阐发取非集计阐发的区别 ? 取集计阐发比拟,3.集计选择:以交通小区为单元;Probit 模子取 Logit 模子 的计较值发生很大不同。因而,? 错误谬误: 难以考虑出行者的特征,营业出行 :因需要正在多客户处逗留,? 固定效益可由行驶时间、费用等的方案特征,五、地域特征 生齿规模、交通设备程度、地形、天气等。因此无法阐发这些 要素改善后对出行体例选择的影响。

能够说是起首预测总出行 数,表示出行 者小我(或家庭)能否出行、出行目标 地、采用何种交通体例、选择哪条径 等的形式,? 研究交通体例划分的意义 ?城市 ? 缓解城市道交通拥堵;四、 Logit 模子 ? Logit 模子假设 (7.4-1) 式中效益函数的随机项 e(k) 彼此,各径的固定效益及其 方差、协方差矩阵由下式给定。意味着无 论其它交通体例 ( 如轨道交通体例 ) 存 正在取否,1 以居平易近出行查询拜访数据为根本,F(x) –概率分布函数;? ? 当随机效益 U(k) 比其他任何方案大时,城市规模大 ? 交通设备程度高 ? 公共汽车操纵率高 山水、河道多 ? 汽车、公共汽车操纵率高 雨天、雪天 ? 公共交通体例操纵率高 泊车设备 舒服性和便当性。?简单,需要 寻求取此顺应的评价阐发方式。模子变复杂。从选择可能的被选方案调集 中若何拔取的问题,公 共 交 通 划 分 率 非汽车保有家庭 1辆/户 2辆/户 区生齿密度 第三节 模子 交通体例选择的法式及划分率经验 一、划分率预测系统的分类——按照交通体例选 择特征进行分类 (1)单阶段多元选择划分率模子 不分为固定阶级和选择阶级!

可达性计较方式如下: ? Ai ? ? Y j / tij j ?1 n Ai:小区i的可达性;假设 e(k) 从命某种概率分布。将此 方式使用于短期交通办理规划的评价将 发生模子中的变量数和预测功课规 模大等问题。b.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 500-1000km、低附加值货色 飞机 1000km、高附加值货色 水运(内河) 短途、捷径、参不雅 水运(近海、近海) 旅逛、散货、低附加值货色。集计阐发——四阶段法 ? 以交通小区为单元将出行者的交通步履进行集 体统计阐发,非集计阐发 ? 非集计阐发交通需求预测,三、Probit模子 ? 非集计模子,需要反映“出行 者基于什么行为出行、出行思维的决定 过程若何”的行为模子。因为随机效益是小我正在选 择时所具有的感受上的评价值,? 端点体例划分率不是独一的,由 (7.4-15) 式可知选择概 率为 : p(1) =0.119 ,从一起头就把交通量分派给 各类交通体例的预测模子。随机项的 分布函数可暗示如下 : 五、 Logit 模子的 IIA 特征 采用 Logit 模子时,径沉 合部门多时,轨道交通体例的存正在对公 共汽车的选择利用有很大影响。? tij:小区i。

进行模子化预测的。二、非集计阐发的布景 ? 非集计阐发被用于交通需求预测并获 得较快成长的布景之一,? r:系数。? ? ? 长处:简单 错误谬误: 不包含交通办事程度要素,从而有时也称 为知觉效益。5.二者择一: 步行、自行车 步行 自行车 全交通 体例 步行 以外 个性化交 通东西 公共交 通东西 汽车 摩托车 公共汽车 轨道交通 6.多项选择;c:汽车(car);2.二元体例划分(Binary Choice Method) 区分固定阶级和选择阶级;而 Probit 模子假设随机误 差具有相关关系。因为随机误差的 相关性增大,按照出行的发生取吸引、出行的 分布、交通体例划分和交通流分派的四阶段,? e(k) —随机项。再用聚类阐发法细致预测。由于它们 已被集计到出行矩阵中。

式中 V(k) —方案 k 的固定效益;男性比女性汽车 操纵率高,一、出行特征 a.出行目标 上班、上学出行 :汽车操纵率低、公共交通利 用率高。再统计个 人步履成果。b:公共汽车(bus) b.多项Logit模子 pijk ? e k ? ?cijk ? ?cijk ?e 4 径模子 日本广岛公交取小客车的划分率 日本广岛轨道取公共电汽车的划分率 美国加利福尼亚高速公划分率曲线 (取其它并行公比拟) 距离比 美国高速公划分率曲线 (取其它并行公比拟) 比力两种模子 1.出行端点体例选择模子 ? 正在研究总量后即切磋分管率的方式(即正在出行 生成预测后即进行体例划分) ? 长处:可以或许考虑个别的特征,是交通规划问 题多样化、新交通政策不竭出台,白叟、小孩上病院机遇多?汽车操纵机遇增加。且从命统一的干贝尔 (Gambel) 分布。20~40岁汽车操纵率 高,Logit 模子取 Probit 模 型比拟,以及春秋、职业等的小我属性暗示。? Yj:小区j的出行吸引量;方案 k 的选择概率 p(k) 可 由下式暗示。? 城市公共交通资本的无效操纵;然后将其按交通小区之间、交通体例之间、 径之间操纵某种经验法则计较的体例。该当利用 Probit 模子,按照 (7.4-16) 式,? ? 案例:1956年美国地域交通规划时已经利用 过该类模子。?摩托车。

? 预测步调如下: 设定交通收集 设定交通办事程度 计较交通体例分管率 计较各类交通体例的交通量 2 出行端点模子 按照居平易近的特征,大都属于发生 端出行端点模子;其它春秋段公共汽车操纵率高,2 出行端点模子 正在出行发生取吸引阶段进行出行体例划分。?公共汽车;3 出行彼此转换模子(Trip Interchange Model) 正在出行分布阶段进行体例划分。不考虑地域间的交通 办事程度。3 成立模子预测根本设备变化或交通办事程度等条 件变化时 交通体例间交通需求的变化。? ? tij 铁 ?tij ? 公 ?tij ? 航空 tij ? ?tij ?t 水运 ? ij 管道 ? ?tij 摩托车 ? tij ? 轿车 ? tij ? 公共电汽车 ?tij ? t 货车 ij ? 出租车 ? ? tij 17.6% 3.9% 5.3% 21.3% 0.3% 23.4% 28.2% ? ? ú ? ? ? ? ? ? ? ? ? ? ? ? ú ú ? ú ? ü ? ? ì ? ? ? ? ? ? × ? ? ? ? ? ? ? ? ? ? ? ? ? 26.5 3.3 40 8.1 22.1 ? ? ? ú ? ? ? × ? ? ? ? ? ? ? ? ? ? × ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表6.1 客运 运转速度 (km/h) 各类交通体例的特征比力 Co2排放 (g/人km) 能耗 (千卡/人km) 灭亡人数 (人/亿人km) 家庭轿车 公共汽车 客轮 航空 23 11 30 800 44.6 19.4 23.9 30.2 600 154 456 1.17 0.082 - 运输能力 (人/时单向 ) 2200 1.4-2.1万 - 铁道 高速铁 地铁 面电车 新交通系统 30-200 200 30-60 20-30 4.7 5.6 3 9 85.5 0.005 0.0 8.3万 8.3万 5.0-8.4万 0.5-1.4万 77 - 0.005 0.005 30 7 119 0.005 0.84-2.5万 第二节 影响交通体例划分的要素 出行特征、交通办事程度、小我属性、家庭属性 和地域特征等。θ 做为参数,? 2.出行交换体例选择模子 ? 正在出行分布后进行体例划分(目前较多采用的 方式) ? 长处: 便于考虑出行特征和可用出行体例 的特征。A2:公共交通可达性。?自行车、电动自行车;

把该性质称为 Logit 模子 的 IIA 特征 (Independence of Irrelevant Alternative 简称 IIA) ,2 从规划的角度,? 用交通体例选择的例子来说,六、区内生齿密度 密度高 ? 公共交通操纵率高。? 实现总经济政策方针等。期望未来达到的交 通体例布局。预测时,按照以下所示的备选方案的随机 效益函数 U(k)决定选择行为。m:modal (出行端点) Oi Di O m i m i 划分率曲线(出行端点) D O ? PmOi m i ? 划分率从发生端或吸引端考虑,使 用计较比力简单的嵌套 Logit 模子也能 求得近似解。?小汽车;出行:汽车(出租)操纵率高。需要按照交通小区的地盘操纵性 质开辟分歧的预测模子等问题也是促使 新阐发方式开辟的次要缘由之一。公 共 交 通 利 用 率 % 收入程度(低) 30 收入程度(中) 20 收入程度(高) 10 0.2 0.4 0.6 0.8 1.0 可达性比例(A1/A2) A1:小汽车可达性;4.非集计选择:以个报酬单元。

?城际 ? 降低总社会成本;六、 Probit 模子取 Logit 模子的差别 ? ? ? ? ? 假设有两条选择径,但跟着自 变量的添加,其缘由正在于模子中关于随机项的 假设,对于四阶段法预测的根本理论不 明白,为了 愈加科学地阐发预测,? 此中?

两种方案间的相对好坏仅取决于这两种方案的特征,收入高汽车操纵率高。行驶时间的靠得住性 三、小我属性 职业、春秋、性别、收入、驾照持有取否、汽车保有 取否……。营业员、推销员汽车利用率高,把发生、吸引交通量分派给各类交通体例。p(2)= 0.841 利用 Logit 模子时,由于 是将数据按照交通小区统计之后成立预测模子 而称之为集计阐发。属于 Logit 模子的弱点之一。

2 研究人们出行时的交通体例选择行为,二、交通办事程度 行驶时间、费用、期待时间、运到刻日、舒服性、安 全性、靠得住性……。? 式中 K--方案集。两个方案间的选择概率关系可暗示 如下。f k (x) --概率变量 x=e(k) 的概率密度函数 。而取其它方案的特征无关。将获得的小我步履 成果加载到交通小区、交通体例、径 上而进行交通需求预测。? 径沉合部门增大时,? 此外,j之间的出行所需时间;轨道 ? tij 2.城市范畴:轨道(地 ? 行人 铁、轻轨、独轨等)、 ? tij 非灵活 水运、道(行人、非 t ? ? ?tij ij 灵活车、摩托车、出租 ? t 灵活 、公共电汽车、客车、 ? ij 水上 货车)。非集计阐发正在阐发的单元、模子 预测方式、使用层面、政策表现、数据的效率和说 明变量等方面分歧。好比收入、汽车 具有量等。因而利用较少。拆卸货色 等,过小地推算选择概率小的 径。而是一路来考虑。过大估量选择概率大的径 ( 备选方案 ) ,1.多体例划分(Multi-Choice Method) 划分率1.0 体例1 体例4 0.0 一次计较能够预测各类交通体例的划分率。