4 四步骤交通需求预测模型(1)概述与出行生成预测解析

交通规划理论与方法（4）——“四阶段”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“四阶段”交通需求预测模型出行生成（TripProduction）出行分布（TripDistribution）方式划分（ModeSplit）交通分配（TrafficAssignment）“四阶段”模型发展背景从20世纪50年代，欧美发达国家为了满足大规模城市道路交通规划及其建设需要，开始研究城市交通需求预测技术20世纪70年代初形成了具有代表性的“四阶段”城市交通规划需求预测技术“四步骤”方法在当时的欧美一些城市的交通规划实践中发挥了重要作用，例如底特律、芝加哥交通规划“四阶段”模型内容描述（1）出行生成（TripProduction）根据交通小区的经济、人口、就业岗位等属性特征，将社会活动引发的交通需求量化为交通小区的交通出行生成量，包括出行产生和出行吸引两部分，分别进行远期预测出行生成出行分布方式划分交通分配“四阶段”模型内容描述（2）出行分布（TripDistribution）对每个交通小区，它所产生的这些出行量究竟到那个分区去了？它所吸引的这些出行量又究竟来自哪里？出行分布也就是要预测未来规划年各个分区之间出行的交换量出行生成出行分布方式划分交通分配“四阶段”模型内容描述（3）方式划分（ModeSplit）方式划分阶段目的在于考察未来城市活动中产生和吸引的交通运输需求对各种交通方式的可能利用情况，即预测各种交通方式上的交通量分担率出行生成出行分布方式划分交通分配“四阶段”模型内容描述（4）交通分配（TrafficAssignment）将各交通小区之间出行分布量分配到交通网络的各条边上去的过程，预测交通需求PA分布各组成部分流量具体在道路交通网络上的交通流量出行生成出行分布方式划分交通分配“四阶段”模型功能说明“四阶段”模型用于进行交通需求预测，以用地和社会经济等相关数据作为输入，通过“四阶段”模型进行处理，得到未来年每个路段的交通流量数据，以预测的未来年路段交通流量数据为基础进行新建道路或者道路拓宽等交通设施建设依据输入：土地社会经济数据出行生成出行分布方式划分交通分配输出：未来年路段交通流量交通规划“四阶段”模型实际运用过程描述交通小区现状分布预测分布交通分配1出行生成预测：相关基本概念出行相关的基本概念（1）出行分类按出行端点属性由家出行——一个端点是家庭的出行，既可以是起点，也可以是讫点；非由家出行——起、迄点都不是家庭的出行按出行目的工作、上学、购物、娱乐家公司和饭店客户1出行生成预测：相关基本概念（2）出行产生点和吸引点出行产生点：由家出行，家庭端点就是该次出行的产生点；非由家出行或货物出行，那么其起点就是该次出行产生点出行吸引点：由家出行，非家庭端点是它的吸引点；非由家出行或货物出行，讫点就是其吸引点起讫点与产生吸引点的区别家公司和饭店客户ABC1出行生成预测：相关基本概念（3）区分出行产生点、吸引点与出行起讫点的意义由于一个交通小区的交通出行发生量主要是由这个小区的土地利用形态决定的，而起讫点的概念与用地形态没有关系例如：居住用地，其既可以是出行的起点（去上班），也可以是出行的讫点（下班回家）从起讫点的概念出发，无法由交通小区未来的用地模式预测该小区的交通出行发生量1出行生成预测：相关基本概念（4）出行生成的两种量化表达出行产生量（TripGeneration）单位时间内某一个交通小区的出行产生量等于家庭端点在这个分区的由家出行数，与起点在这个分区的非由家出行和货物出行的出行数之和出行吸引量（TripAttraction）单位时间内某一个交通小区的出行吸引量等于非家庭端点在这个分区的由家出行数，与终点在这个分区的非由家出行数和货物出行数之和1出行生成预测：相关基本概念（4）出行生成的两种量化表达[例题]：分析图中交通小区的产生量、吸引量和生成量homefactoryfactoryschooloffice例1homehomefactoryschool例21出行生成预测：出行产生量预测预测方法（1）类型分析法（2）回归分析法（3）增长率法较为粗糙，在相关数据很难获取情况下使用1出行生成预测：出行产生量预测类型分析法（1）方法描述类型分析法是以家庭为分析单位的，根据对出行起决定作用的一些因素将整个对象区域的家庭划分成若干类型，分别预测每种类型家庭的出行产生量后再加总汇合成研究区域内总的出行产生量（2）假设前提在同一类型的家庭中，由于主要出行因素相同，各家庭的出行次数基本相等，将各类家庭单位时间内的平均出行次数称作“出行率”假定各类家庭的出行率一直到规划年都是不变的1出行生成预测：出行产生量预测类型分析法（3）家庭类型划分经分析发现，一个家庭有三大特性对其出行产生量起主要决定作用：人口（指6岁以上者）：人口越多，出行次数越大收入：收入越多，越爱购物和消费，出行次数也越多车辆拥有量：车辆拥有量越大，出行越方便，出行的可能性越大1出行生成预测：出行产生量预测类型分析法（3）家庭类型划分[案例]：英国伦敦1963年交通规划家庭类型划分1）年收入（英镑）划分为6级收入级别123456收入范围500500~10001000~15001500~20002000~250025001出行生成预测：出行产生量预测类型分析法（3）家庭类型划分[案例]：英国伦敦1963年交通规划家庭类型划分2）家庭就业构成分为6类无就业者：1人无就业者：1人就业人1，无业人≤1就业人1，无业人≥2就业人2，无业人≤1就业人2，无业人≥21出行生成预测：出行产生量预测类型分析法（3）家庭类型划分[案例]：英国伦敦1963年交通规划家庭类型划分3）拥有车辆数划分为3类0辆，1辆，≥2辆根据以上划分可以看出，伦敦1963年规划把家庭划分为6×6×3=108类1出行生成预测：出行产生量预测类型分析法（4）模型式中：Pi——分区i规划年单位时间出行产生量as——全市现年第s类家庭的出行率Nsi——第i分区规划年第s类家庭的数目Ni——第i分区规划年各类家庭的总数目γsi——第i分区规划年第s类家庭的比例ssisissisiaNNaP1出行生成预测：出行产生量预测类型分析法（5）工作步骤1）家庭分类：将整个对象区域的家庭根据其特性（人口、收入、车辆拥有量等）分成若干类2）确定出行率as：从调查样本中统计出各类家庭每个单位时间的出行数，可采用“分层随机抽样”法；as是不分分区的，全市统一的3）计算家庭数目预测值Nsi：一般是由概率分布模型计算出每一分区中不同类型家庭的比例γsi；再求出分区i中的家庭数的预测值Ni；Nsi=Ni×γsi1出行生成预测：出行产生量预测类型分析法[例题]我国某城市的交通规划将家庭分作3×3×3=27类，出行率as如表所示，某分区各类家庭的比例如表括号中的数值γsi，预测该分区未来规划年份将有8000户居民，用类型分析法求该分区的出行产生量的预测值Pi出行率（括号中是各类家庭比例）情况人均收入水平拥有车辆数人口低中高≤22.5（0.02）2.9（0.05）3.1（0.03）33.4（0.03）3.7（0.024）3.9（0.006）≤1≥44.9（0.028）5.0（0.012）5.1（0.00）≤24.1（0.00）4.8（0.075）5.4（0.0755）35.5（0.1）6.1（0.25）6.5（0.13）2≥46.9（0.05）7.3(0.04)8.0(0.01)≤25.8(0.00)6.8(0.025)7.5(0.025)36.9(0.05)7.7(0.03)8.1(0.02)≥3≥47.8(0.09)8.4(0.03)9.0(0.03)1出行生成预测：出行产生量预测类型分析法[例题]解：由题设知预测未来家庭总数Ni=8000，由类型分析法模型得例完34678)03.00.905.09.202.05.2(8000ssisissisiaNNaP34678)03.00.905.09.202.05.2(8000ssisissisiaNNaP1出行生成预测：出行产生量预测类型分析法（6）方法总结1）运用类型分析模型的关键前提是：假定未来规划年各类家庭出行率as与现在出行率相比基本不变2）该方法预测出来的产生量其实没有包括非由家出行和货物出行这两部分，预测数据不全面3）为保证模型具有一定的精度，在计算各类家庭的平均出行率时应该抽取足够多的家庭样本4）现在在国外的交通规划理论中，对于城市交通提出一种更为细致的分类分析模型，即分出行目的的类型分析模型1出行生成预测：出行产生量预测类型分析法分出行目的的类型分析模型其中：Pi——分区i出行产生量——分区i目的为m出行产生量——第s类家庭目的为m的出行率Nsi——规划年分区i中第s类家庭数目的预测值mmiissimsmiPPNaP)()()()(miP)(msa1出行生成预测：出行产生量预测回归分析法（1）方法描述一个交通小区的出行产生量与多个因素有密切因果关系，主要有城市的经济发展水平、分区的居民数、平均收入、平均车辆拥有量、其中各类职业的人口数、分区距市中心的距离、非住宅用地面积等，通过建立出行产生量与这些相关因素之间的函数关系进行预测[注]：该方法还用于其他领域的预测问题，有成熟的软件辅助计算(Matlab)1出行生成预测：出行产生量预测回归分析法（2）模型Pi=b0+b1X1+b2X2+…+bnXn+ε式中：Pi——是某分区的出行产生量bk——是待定的系数（偏回归系数）Xk——是被选出的自变量，例如收入ε——残差项，是一个随机变量，表示其它影响因素对产生量的综合作用1出行生成预测：出行产生量预测回归分析法（3）参数标定P=XBX’P=(X’X)B其中可以证明：当各变量Xi线性无关时，矩阵（X’X）可逆PXXXbbbBTTm110)(mpppP21mnmnnxxxxxxX12211111111出行生成预测：出行产生量预测回归分析法（4）模型的统计检验1）显著性检验检验自变量对因变量（我们这里的因变量就是“出行产生量”）的显著水平（影响程度）。残方差、拟合度、R值、F值2）相关性检验计算相关矩阵，剔出相关变量，确保矩阵（X’X）可逆1出行生成预测：出行产生量预测回归分析法（5）模型说明1）假定未来年的出行产生量P与各因素（自变量）的关系（这些关系由回归系数bk（k=1，…，n）表现出来）与现年相同，这样才能把由现年样本数据标定出来的回归系数用于预测未来规划年的产生量2）应用回归模型要有一个基本条件：模型中各自变量的规划年预测值要容易求得，它们应该由别的可靠性较高的预测模型求得1出行生成预测：出行吸引量预测预测方法1）原单位法通常以就业岗位或用地面积为分析单位，即个人原单位法或面积原单位法，吸引率单位分别为人次/日.岗位和人次/日.万平米2）回归分析法：多用于货物吸引量预测3）增长率法：较为粗糙1出行生成预测：出行吸引量预测原单位法（1）模型式中，Bi——分区i的理论吸引量dik——分区i的第k类岗位数或第k类用地的面积wik——分区i每个第k类岗位或第k类用地的单位面积的单位时间平均出行吸引量，即“吸引率”kikikiwdB1出行生成预测：出行吸引量预测原单位法：建设部规范参考指标情况T51行政机关、社会团体、新闻出版、广播电视等1.0-3.0T52商业写字楼2.0-5.5办公T5T53企事业单位、科研设计院所、研发中心等1.5-3.5人次/百M2建筑面积.高峰小时T61电影院、剧场等0.6-1.8人次/座位.高峰小时T62图书馆、博物馆、展览馆、美术馆、科技馆、会展中心等1.5-3.5人次/百M2建筑面积.高峰小时T63体育馆、体育场、体育训练基地等0.2-0.8人次/座位.高峰小时场馆与公园T6T64城市公园、休憩广场、游乐场、旅游区等10-100人次/万M2占地