交通需求预测(二)

七、交通需求预测（二）交通方式划分预测交通分配预测（六）交通方式划分预测•出行产生和分布预测的研究对象是人或货物。交通预测的目的是为交通设施的规划设计提供定量的规模依据，交通设施直接承载的对象是各种交通工具。因为不同交通工具的承载率不同，就同一批人出行而言，对交通工具的不同选择结果将导致不同的车辆出行量，所以明确交通工具的选择，把以人或吨为单位的出行量转化成以交通工具为单位（车、车皮、集装箱等）的出行量是非常必要的。“交通方式划分(MS－ModeSplit)是出行者对交通工具的选择。（六）交通方式划分预测•就大交通而言，方式划分是指对铁路、公路、航空、水运、管道五种方式的选择，就城市交通而言，是指对公共交通与个体交通或机动车与非机动车等的选择。交通方式：1.城际间：铁路、公路、航空、水运、管道；2.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（六）交通方式划分预测客运运行速度(km/h)Co2排放(g/人km)能耗(千卡/人km)死亡人数(人/亿人km)运输能力(人/时单向)家庭轿车2344.66001.172200公共汽车1119.41540.0821.4-2.1万客轮3023.9---航空80030.2456--铁道30-2004.785.50.0058.3万高速铁路2005.60.08.3万地铁30-603770.0055.0-8.4万路面电车20-309-0.0050.5-1.4万新交通系统3071190.0050.84-2.5万各种交通方式的特性比较Step3：方式划分各种交通方式的OD矩阵0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%12345678910出行距离（km）公交汽车客车出租车摩托车自行车步行微观模型：各种方式距离转移曲线出行方式受出行者经济水平、年龄特征、各种交通方式出行成本和交通设施服务水平以及交通政策等诸多因素影响。宏观把握。即从战略、政策上确定各种交通方式发展方向及在城市交通中功能地位。微观模拟。在微观上建立合理的方式模型，以确定交通单元间交通活动量方式分担比例。结合宏观和微观综合分析，确定方式比例，并生成各公共交通方式的OD矩阵。公交出行OD矩阵（1）交通方式划分类型•1）多层或单层划分•多层划分（二者选一）等）轨道交通（地铁、轻轨车）常规公交（公共汽、电公共交通含出租车）小汽车摩托、助动车个人机动交通机动车自行车步行非机动车全方式(（1）交通方式划分类型•单层划分（多者选一）•将上述六种基本方式——步行、自行车、摩托车（含助动车）、小汽车、常规公交、轨道交通——作为选择对象。（1）交通方式划分类型•2）根据服务提供者划分•以城市交通的人员出行为例，可归结为两种：公交方式——直接服务者是公交公司，非公交方式——直接服务者是道路部门。我国目前的交通方式划分大多采用这种办法。出租车车、单位车—步行、自行车、私家—私人交通个人交通轻轨等）城市轨道交通（地铁、公共汽、电车公共交通全方式（2）影响出行方式选择的因素•1）出行者或分区特性•①家庭车辆拥有情况。主要指自行车、助动车、摩托车、小汽车。•②出行者年龄。不同年龄的出行者偏好于不同的交通工具，如老人、小孩偏好于公共交通。•③收入：高收入者偏向于小汽车，而低收入者偏向于公共交通或骑自行车。•④分区可达性。包括道路密度、公交网密度。（2）影响出行方式选择的因素•2）出行特性•①出行目的。上班、上学偏向于公交车，购物、社交等偏向于出租车或私人交通。•②出行距离。近者偏向于步行和非机动车。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、低附加值货物出行距离（2）影响出行方式选择的因素•3）交通设施的服务水平•①费用。对公共交通，指车票；对个人交通，指汽油费、车耗等。•②时间。含坐车、等车、转车以及上下车前后、换乘步行的时间。从这个角度来说，具有门对门特点个人交通优于公共交通。•③舒适度。包含坐与站的区别以及坐椅的舒适程度、站立的宽松程度•④可靠性。指车辆到离站的准时性。•⑤安全性。（2）影响出行方式选择的因素•4）地区特性•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•5）区内人口密度•人口密度高⇒公共交通利用率高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（2）影响出行方式选择的因素•城市交通中，货物出行基本上都是使用汽车，因此，一般不存在方式划分问题。•大交通中，影响货物交通方式划分的因素有：•①货物的类型。分笨重类（煤炭、矿石、钢铁、粮食、木材、建材等），一般工业品类，特殊类（危险品、冷藏品、鲜活品、贵重品）•②分区的可达性。•③出行特性。指出行距离和起讫点之间是否有陆路连通。•④交通设施服务水平。指费用、时间和安全性（3）方式划分方法•最早的交通规划理论没有研究交通方式划分，只研究出行生成、出行分布和交通分配。1960年代中叶，日本学者首先提出方式划分问题。早期主要从集计的角度研究该问题，1970年代以来以McFadden为代表的一批学者将经济学中的效用理论引用过来，并以概率论为基础，从非集计的角度对方式划分问题进行研究。相比而言，集计模型比较简单，非集计模型要复杂得多，到目前为止非集计模型仍是研究热点。（3）方式划分方法I类：II类：III类：IV类：V类：DAG—MSMSAGDD—MSAGDAGMSDA—MSG四种集计的方式划分模型•1、G-MS结合的方式划分•1）产生量——MS预测•与出行生成模型结合在一起，即开始就按不同的交通方式统计各自的出行生成量。如同出行产生量预测，可采用类型分析法和线性回归法。四种集计的方式划分模型•2）吸引量——MS预测•式中：——分区i第k方式出行产生量理论值•——i分区第s类用地的岗位数；•——i分区第s类用地岗位弹性系数；•——全市s类用地每个岗位对第k方式出行的吸引率（平均吸引量）。∑=sisksiskiwdBρkiBisdisρksw四种集计的方式划分模型•2、生成后的方式划分模型•因尚未进行出行分布预测，方式划分仍只能主要以出行者或家庭或分区的特性为依据，多采用线性回归模型。•已知一个分区总的出行产生量和出行吸引量，现只要预测各种方式的比例。如以公共交通和个人交通两种方式划分为例，分区出行产生量的方式划分比例由：分区的居民人口数、人均收入水平、人均私车拥有量、道路服务水平、公交服务水平决定。回归模型为：四种集计的方式划分模型•分区出行吸引量的比例由：分区的学校、商店、工厂、办公的岗位数、道路网水平、公交网水平决定。回归模型为•公公道道私私收收人人公xbxbxbxbxbb+++++=γ公个γγ−=1公公道道办办自自商商学学公xcxcxcxcxcxcc++++++=δ公个δδ−=1四种集计的方式划分模型•3、D－MS结合的方式划分•把方式划分作为出行分布的一部分同时进行。•其中，——分区i、j之间采用方式k的出行分布量，k=1表示公共交通，k=2表示个人交通；•——采用方式k的交通阻抗。∑∑×=jlijljijkjikijdfAdfAPT)()(kijT)(ijkRf四种集计的方式划分模型•4、分布后的方式划分•即在出行分布和交通分配之间进行交通方式划分。在求出出行分布量后再进行方式划分，可以综合考虑各方面的影响因素来确定出行者选择各种交通方式的比例。1960年代日本学者提出“转移曲线方法(shiftcursemethod)”，该方法在六、七十年代得到了广泛的应用。四种集计的方式划分模型•这里仍以公共交通和个人交通两种方式为例，挑选几个主要的因素作为这两种交通方式选择的决定参数。通过对这些因素取值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，得出多条比例变化曲线，在作方式划分时就可参照这些曲线来确定选择各方式的比例。这些曲线叫做“转移曲线”或“分担率曲线”公共交通划分率区人口密度非汽车保有家庭1辆/户2辆/户四种集计的方式划分模型公交百分比（%）公交百分比（%）100工作出行，服务水平比1.25，费用比1/4收入等级3，费用比1/4低收入服务水平比：1.25中收入2.50高收入7.00012345012345公交/个人交通出行时间比公交/个人交通出行时间比（1）华盛顿市（2）多伦多市四种集计的方式划分模型•转移曲线是根据大量调查统计资料绘出各种交通方式分担率与其影响因素间的关系曲线。从这些转移曲线可以看出，选择不同交通方式的比例是由出行者的收入、公共交通/个人交通的出行时耗比、费用比、服务水平比等参数决定，方式选择比例在坐标系上用曲线表示。这种方法简单直观，但决定参数往往被分成若干离散的等级，所以比较粗糙。四种集计的方式划分模型•例如，某规划区的出行分布矩阵（不含步行）如表3－4所示，各交通小区间的自行车和公共交通出行时耗矩阵分别见如表3－5和表3－6。•表3-4出行分布矩阵终点区起点区123Pi15463528197925111303172198634175949621973Aj1474224912154938四种集计的方式划分模型表3-5自行车出行时耗矩阵（分钟）终点区起点区12317.515502152.5403403515表3-6公共交通出行时耗矩阵（分钟）终点区起点区123112.525302257.5303302515四种集计的方式划分模型•应用自行车与公共交通出行时耗之比的转移曲线得到的一组离散值如表3-7所示•表3－7转移曲线的一组离散值TTR0∼0.250.26∼0.500.51∼0.750.76∼1.001.01∼1.251.26∼1.501.51∼1.751.76∼自行车(%)1008060403020100四种集计的方式划分模型•从表3－5和表3－6得到的TTR（自行车出行时耗/公共交通出行时耗）见表3－8•表3-8TTR矩阵终点区起点区12310.600.601.6720.600.331.3331.331.401.00四种集计的方式划分模型•由TTR矩阵对照表3－7之转移曲线的离散值，查得自行车出行百分比，再乘以表3－4中OD相应值，便得自行车出行分布矩阵（表3－9）表3-9自行车出行分布矩阵终点区起点区123Pi1328211854723071043341384383119385587Aj71813734272518四种集计的方式划分模型•用表3－4的出行分布矩阵减去表3－9的自行车出行分布矩阵，便得公交出行分布矩阵（表3－10）。•表3-10公交出行分布矩阵终点区起点区123Pi121814173432220426013860233344755771386Aj7568767882420非集计方式划分方法——Logit模型•所谓集计方法，就是以一批出行者作为分析对象，将有关他们的调查数据先作统计处理，得出平均意义上的量，然后对这些量作进一步的分析和研究，像前面的出行产生、出行分布都属于集计模型。而非集计模型则是以单个出行者做为分析对象，充分利用每个调查样本的数据，求出的描述个体行为的概率值。非集计方式划分方法——Logit模型•集计方法是以交通分区为研究单位的，将分区中个人或家庭的调查数据进行统计处理，如求平均值、求比例等；再用这些统计值来标定出行产生、分布、方式划分模型中的参数。集计方法的缺点是：为了保证模型的精度，要求相当规模的样本容量；而且在统计求和过程中没有