4四步骤交通需求预测模型交通方式划分预测

交通规划理论与方法（4）——“四步骤”交通需求预测模型西南交通大学交通运输学院杨飞（博士、讲师）交通工程本科课程交通运输学院主要内容交通方式划分方法影响交通方式选择的主要因素交通方式划分研究历程集计方法和非集计方法的概念与对比交通方式划分的非集计模型：Logit模型、Probit模型非集计结果的最后集计化交通方式划分的集计模型3方式划分预测3.1基本问题（1）完成交通分布预测后，需要将每两个小区之间的分布量按照不同交通方式进行区分（2）方式划分预测就是要确定出给定的预测分布量条件下各类交通方式之间的分配比例（3）不同交通方式选择可能对交通状况造成不同程度的压力3方式划分预测3.2交通方式划分（1）是否机动化（2）交通服务提供者等）轨道交通（地铁、轻轨车）普通公交（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(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3方式划分预测3.3基本概念（1）交通方式分担一个交通小区的全部出行中利用各种交通方式的人次占总出行人次的比例（2）方式分担交通量每种交通方式所分配的出行量称为该交通方式的分担量（3）方式划分率每种交通方式的分担交通量占总出行量的比例3方式划分预测3.4交通方式划分影响因素影响交通方式选择的因素主要包含四类：（1）出行者本身特性（2）出行特性（3）交通设施服务水平（4）城市土地开发密度3方式划分预测3.4交通方式划分影响因素（1）出行者本身特性家庭车辆拥有情况：主要指小汽车、自行车、助动车、摩托车出行者年龄：不同年龄阶段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，而较少骑车收入：高收入者偏向于坐出租车，而低收入者偏向于公共交通或骑自行车3方式划分预测3.4交通方式划分影响因素（2）出行特性出行目的：上班、上学偏向于公交车，购物、社交等偏向于出租车或私人小汽车出行距离：出行距离近，偏向于步行和非机动车；出行距离远，则倾向于选择出租车、轨道交通等3方式划分预测3.4交通方式划分影响因素（3）交通设施服务水平费用：对公共交通，指车票；对个人交通，指汽油费等时间：含坐车、等车、换乘步行时间等舒适度：包含坐与站的区别，以及坐椅的舒适程度、站立的宽松程度可靠性：指车辆到离站的准时性，显然准时准点的轨道交通优于一般公共汽车分区可达性：包括两个方面，道路密度、公交网密度3方式划分预测3.4交通方式划分影响因素（4）城市土地开发密度高密度开发区域：客流密集、出行量较大，公共交通运行效益较好，适宜采用公共交通出行。例如香港低密度开发区域：客流较为分散，公共交通运行效益较差，适宜采用私人交通出行。例如洛杉矶3方式划分预测3.5研究历程（1）最早的交通规划理论没有研究交通方式划分，只研究交通发生、交通分布、交通分配（2）1960年代中叶，日本首先提出方式划分问题（3）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，并以概率论为理论基础，从非集计的角度对方式划分问题展开了研究3方式划分预测3.6集计方法和非集计方法（1）集计方法（aggregatemethod）以交通小区为研究单位的，将小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交通发生、分布、方式划分模型中的参数在这个过程中关于个人和家庭的原始数据在统计时被集中处理，即被集计化，因此被称为集计方法，得出的模型称为集计模型3方式划分预测3.6集计方法和非集计方法（2）非集计方法（disaggregatemethod）发展背景：1960年代，日本提出交通方式划分的“非集计模型方法”概念和模型，借用微观经济学中的效用理论，在这个问题上开创了交通方式划分的非集计模型的研究，至今仍是交通规划理论中的一个热点问题方法描述：以个体为分析对象，将个体的原始数据不作任何统计处理直接用来构造模型，充分地利用每个调查样本的数据，求出的描述个体行为的概率值3方式划分预测3.6集计方法和非集计方法（3）方法特点集计方法A.要求相当规模的样本容量以保证模型的精度B.存在信息浪费，即在统计求和过程中没有充分利用各个个体（个人和家庭）的全部调查数据非集计方法A.要求的样本容量较小B.充分运用调查的个人数据，模型精度较高3方式划分预测3.7Logit模型（1）非集计模型发展开发出来的非集计模型种类很多。例如，期早提出了Logit模型和Probit模型，这两种模型都有明显的不足为弥补其不足提出了多种改进的Logit模型通过讨论Logit模型提供建立各类非集计模型的基础3方式划分预测3.7Logit模型（2）效用理论（UtilityTheory）如何在有限的时间和资金条件下做出选择？Q1：买一辆新车VS修理旧车Q2：买品牌货品VS一般货品Q3：将收入储蓄VS进行投资经济学对消费选择行为解释的基本假定：人们倾向于选择在他们看来具有最高满意度的那些物品和服务，并采用“效用”来描述选择的可能性3方式划分预测3.7Logit模型（2）效用理论（UtilityTheory）效用：满意的程度，消费者从消费一种物品或服务中得到的主观上的享受和有用性，经济学上可以用以解释理性的消费者如何将其有限的资源分配在能给他们带来满足的各种商品上3方式划分预测3.7Logit模型（3）选择枝的概念（Alternative）可供选择的交通方式称为选择枝如果一共只有两个选择枝可供选择，就是一个二项选择问题，否则就是多项选择问题实际中较多的是多项选择问题，而且往往不同的出行者可选择的范围不同，即有不同的选择枝集合，如有私家车的人就多了一个私家车的选择枝3方式划分预测3.7Logit模型（4）非集计模型两点假设基于人们通常的心理选择行为进行建模假定，这是非集计模型的基础：①个人在每次选择中总选择效用值最大的选择枝②个人关于每个选择枝的效用值由个人自身的特性和选择枝的特性共同决定在这两个基本假定的基础上借助随机效用理论推导非集计模型3方式划分预测3.7Logit模型（4）模型推导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，不能对影响效用的全部因素进行量测，将效用看作随机变量：Unj=Vnj+εnjUnj——个人n关于选择枝j的效用Vnj——能够观测到的因素构成的效用确定项εnj——不能够观测到的因素构成的效用随机项3方式划分预测3.7Logit模型（4）模型推导在推导过程中假设一共只有两个选择枝，根据效用理论的基本假定，出行者选择选择枝1的概率为)Pr()Pr()Pr(12122211211VVVVUUPdydzzyfdyyVVyyVV21),(),Pr(1221213方式划分预测3.7Logit模型（4）模型推导f12(y,z)是ε1和ε2的联合概率密度函数，如果假定ε1和ε2相互独立且具有相同的概率分布，其密度函数为f，则其联合分布密度函数f12(y,z)=f(y)f(z)dydzzyfdyyVVyyVV21),(),Pr(122121)Pr()Pr()Pr(12122211211VVVVUUPdydzzfyfPVVy21)()(1进一步假定ε1和ε2都服从Gumbel分布，其概率分布函数和概率密度函数分别为：F(y)=exp[-exp(-by)]f(y)=bF(y)exp(-by)3方式划分预测3.7Logit模型（4）模型推导dyVVyFyFbybdydzzfyfPVVy)()()exp()()(21121令：w=F(y)F(y+V1-V2)，则))exp(1()exp(exp12bVbVbyw)]exp(1)[exp(12bVbVbybwdydwdyVVyFyFbybdydzzfyfPVVy)()()exp()()(211213方式划分预测3.7Logit模型（4）模型推导由于当y=时,w=exp(0)=1；当y=-时,w=exp(-)=0。故有dwbVbVbywbywdybywbP10121)]exp(1)[exp()exp()exp(dwbVbVbywbywdybywbP10121)]exp(1)[exp()exp()exp()exp()exp()exp()exp(1121112bVbVbVbVbV)exp()exp()exp()exp(1121112bVbVbVbVbV二项Logit模型：BNL（Binary-nomialLogit）3方式划分预测3.7Logit模型（4）模型推导选择枝确定：如果有多个选择枝，由于一般各人根据自己的实际情况可选择的范围不一定相同，设个人n选择枝的集合为An，令A为全体出行者所有可能选择枝的集合NnnAA13方式划分预测3.7Logit模型（4）模型推导选择枝确定：统一进行表达，设每个人的选择枝集合都为A，并用J表示A中选择枝的数目例如A={公交车，出租车，小汽车，地铁}，J=4如果某个人n根本不可能选择选择枝j，如没有摩托车的人不可能采用摩托车出行，就设Unj=一个明显小于所有选择枝效用的值，如-100003方式划分预测3.7Logit模型（4）模型推导同理可得多项Logit模型，即MNL（Multi-nomialLogit），某人选择选择枝j的概率为jijiJiijjVVbbVbVP)](exp[11)exp()exp(13方式划分预测3.7Logit模型（5）确定效用值V计算概率Pi的关键就是要求出其中的效用确定项Vj（j∈A）A.常用简化方法对城市交通出行的交通方式，定义效用确定项Vj为费用/收入、车内时间、步行时间这三个可量测值的线性组合：joojttjccjjXXXV03方式划分预测3.7Logit模型（5）确定效用值VA.常用简化方法Xjc、Xjt、Xjo——分别表示选择枝j的费用/收入之比、选择枝j的车内时间、车外时间θc、θt、θo——分别表示相应的参数θj0——为常数项（j=1，2，…，J）[注意]：不同的选择枝的常数项不同，因此这里共有J个常数项（J为全体选择枝的数目）joojttjccjjXXXV03方式划分预测3.7Logit模型（5）确定效用值VB.全面综合考虑方法效用确定项Vj取为个人特性和选择枝的特性的线性函数Xj=（Xj1，…，XjK）是个人和选择枝的特性向量θ=（θ1，…，θK）是待标定的参数向量常数项问题？jKKjjjXXXV22113方式划分预测3.7Logit模型（5）确定效用值VB.全面综合考虑方法选择枝特性变量可分为：选择枝固有常数项0-1变量、选择枝固有变量和共通变量或部分共通变量特性变量确定实例[例]：设选择枝集合中共有三个选择枝：A={j=1（自行车），j=2（公共汽车），j=3（出租车）}，尝试定义特性变量3方式划分预测选择枝特性个人特性变量意义常数项变量费用时间自行车年龄性别收入变量Xnj1Xnj2Xnj3Xnj4xnj5Xnj6Xnj7Xnj8Xnj9Xnj10Xnj11自行车：Vn1100实际值有：1无：0实际值0男:1女:00实际值0公共汽车：Vn201票价实际值00实际值0男:1女:00实际值选择枝出租车：Vn300票价实际值0000000参数θ1θ2θ3θ4θ5θ6θ7θ8θ9θ10θ11特性变量确定实例3方式划分预测3.7Logit模型（5）确定效用值VB.全面综合考虑方法--特性变量确定原则①对