4四步骤交通需求预测模型(3.2)交通方式划分预测材料.pptVIP

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 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 3.7 Logit模型 实际例题 假设各交通小区之间仅存在公共汽车和小汽车两种出行方式，假设下述Logit模型适用，并已知现状的公共汽车和小汽车的出行时间和出行费用矩阵和方式划分率以及规划年的两种交通方式的出行时间和费用矩阵，还已知规划年出行分布矩阵。试计算规划年两个小区之间的方式划分率及分方式的出行分布矩阵。 3 方式划分预测 3.7 Logit模型 实际例题：假设的Logit模型 3 方式划分预测 3.7 Logit模型 实际例题：已知现状出行时间和费用矩阵 3 方式划分预测 3.7 Logit模型 实际例题：已知现状交通方式划分率 3 方式划分预测 3.7 Logit模型 实际例题：已知规划年出行时间和费用矩阵 3 方式划分预测 3.7 Logit模型 实际例题：已知规划年出行分布矩阵 3 方式划分预测 3.7 Logit模型 实际例题 在非集计分析中，为预测交通参与者个人的选择行为，需要利用个人的数据，即对象区域的个人调查数据，但利用抽样结果预测个人规划值尚有难度 从实用角度来看，可以将模型集计化处理简化 3 方式划分预测 3.7 Logit模型 实际例题 （1）模型参数标定 3 方式划分预测 3.7 Logit模型 实际例题 （1）模型参数标定 根据现状数据，用最小二乘法标定参数为 则公共汽车和小汽车的效用函数分别为 3 方式划分预测 3.7 Logit模型 实际例题 （2）计算规划年效用矩阵 用标定Logit模型以及规划年的出行时间和费用矩阵计算规划年效用矩阵 规划年的合交通方式效用计算 3 方式划分预测 3.7 Logit模型 实际例题 （2）计算规划年效用矩阵 3 方式划分预测 3.7 Logit模型 实际例题 （3）计算规划年方式分担率 3 方式划分预测 3.7 Logit模型 实际例题 （4）计算规划年不同交通方式出行分布矩阵 3 方式划分预测 3.8 Probit模型 （1）模型推导 根据效用理论，选择交通方式1的条件是 假设效用函数中随机项ε1与ε2联合服从二维的正态分布BVN（μ，Σ）时，选择概率模型就叫二项Probit模型，简记为BNP（Binary-nomial Probit） 其中μ=(μ1，μ2) 是(ε1,ε2) 的数学期望向量，Σ是(ε1,ε2) 的协方差矩阵 3 方式划分预测 3.8 Probit模型 （1）模型推导 ε=ε2-ε1的概率分布 3 方式划分预测 3.8 Probit模型 （1）模型推导 BNP模型根据概率计算为 3 方式划分预测 3.8 Probit模型 （1）模型推导 BNP模型根据概率计算 3 方式划分预测 3.8 Probit模型 （1）模型推导 Logit模型和Probit模型计算例题 假设A、B两小区之间有两种交通方式可供选择，随即效用服从均值为0、具有方差和协方差的多变量正态分布Multivariate nomal distribution，MVN概率分布。试用Logit模型和Probit模型分别计算两种交通方式的选择概率 3 方式划分预测 3.8 Probit模型 （1）模型推导 Logit模型和Probit模型计算例题 Logit模型计算概率为 Probit模型计算概率为 3 方式划分预测 3.8 Probit模型 （2）多项Probit模型MNP（Multi-nomial Probit） 当选择枝数目J=3时，方式3被选择的概率为 一般情况，当J=k（2）时，方式1的选择概率 这是一个不能解析化的多重积分式，当维数J较高时其复杂程度很高，Probit模型计算相当复杂 3 方式划分预测 3.8 Probit模型 （3）模型讨论 当选择枝数目超过3个，Probit模型计算十分复杂 1970年代以来，一些学者对这个问题展开了研究，提出了多种近似求解的方法。归纳起来，可分为两大类：仿真方法和逼近方法。有代表性的仿真方法有：Monte—Carlo 仿真法和McFadden仿真法；逼近方法有合并逼近法和分裂逼近法 一般当选择枝超过2个时多用Logit模型实用计算 3 方式划分预测 3.9 非集计模型的最后集计化 非集计模型只求出个人的选择概率值，预测问题真正需要的是分区中全体居民做出某中选择的