第7篇_交通方式划分.pptVIP

第一节 概述 交通方式划分（Modal Split） 出行者出行时选择交通工具的比例。 1 以居民出行调查数据为基础， 2 研究人们出行时的交通方式选择行为， 3 建立模型预测基础设施变化或交通服务水平等条件变化时 交通方式间交通需求的变化。 建模思路分为两种： 1 假设历史的变化情况将来继续延续下去； 2 从规划的角度，期望将来达到的交通方式结构。 研究交通方式划分的意义 城市 缓解城市道路交通拥堵； 城市公共交通资源的有效利用； 城际 降低总社会成本； 实现总经济政策目标等。 城市交通的代表性交通方式 轨道交通； 公共汽车； 小汽车； 摩托车； 自行车、电动自行车； 步行 2.二元方式划分(Binary Choice Method) 二、交通方式划分模型 1 全域模型 各种交通方式的服务水平的差异是决定交通方式分担的主要因素。 预测步骤如下： 2 出行端点模型 根据居民的特性，从一开始就把交通量分配给各种交通方式的预测模型。 简单，但无法考虑交通服务水平变化的影响。因此使用较少。 划分率从发生端或吸引端考虑，多数属于发生端出行端点模型； 端点方式划分率不是唯一的，按出行端点（家庭和非家庭）、交通目的、交通方向、土地开发强度进行分类，再用聚类分析法详细预测。 把发生、吸引交通量分配给各种交通方式。 案例：1956年美国芝加哥地区交通规划时曾经使用过该类模型。 其中，可达性计算方法如下： Ai：小区i的可达性； Yj：小区j的出行吸引量； tij：小区i，j之间的出行所需时间； r：系数。 优点：简单 缺点： 不包含交通服务水平因素，因而无法分析这些因素改善后对出行方式选择的影响。 3 出行相互转换模型(Trip Interchange Model) 在出行分布阶段进行方式划分。 方式划分率计算方法： 划分率曲线法（转移曲线法） 函数模型法?? 线性模型 Logit模型 ?? Probit模型： 4 径路模型 比较两种模型 1.出行端点方式选择模型 在研究总量后即探讨分担率的方法（即在出行生成预测后即进行方式划分） 优点：能够考虑个体的特征，比如收入、汽车拥有量等。 缺点：难于考虑交通方式服务水平。 2.出行互换方式选择模型 在出行分布后进行方式划分（目前较多采用的方法） 优点：??便于考虑出行特征和可用出行方式的特征。 缺点：??难以考虑出行者的特征，因为它们已被集计到出行矩阵中。 第四节 非集计交通方式划分模型 一、集计分析与非集计分析的区别 与集计分析相比，非集计分析在分析的单位、模型预测方法、应用层面、政策体现、数据的效率和说明变量等方面不同。 集计分析——四阶段法 以交通小区为单位将出行者的交通行动进行集体统计分析，按照出行的发生与吸引、出行的分布、交通方式划分和交通流分配的四阶段，进行模型化预测的。可以说是首先预测总出行数，然后将其按交通小区之间、交通方式之间、径路之间利用某种经验规则计算的方式。因为是将数据按照交通小区统计之后建立预测模型而称之为集计分析。 非集计分析 非集计分析交通需求预测，表现出行者个人（或家庭）是否出行、出行目的地、采用何种交通方式、选择哪条径路等的形式，从选择可能的被选方案集合中如何选取的问题，将得到的个人行动结果加载到交通小区、交通方式、径路上而进行交通需求预测。 在非集计分析时，采用先使用调查的个人行动数据建模，预测时，再统计个人行动结果。 二、非集计分析的背景 非集计分析被用于交通需求预测并获得较快发展的背景之一，是交通规划问题多样化、新交通政策不断出台，需要寻求与此适应的评价分析方法。 经典的四阶段法是为了评价长期交通设施的建设或改建而开发的方法，将此方法应用于短期交通管理规划的评价将产生模型中的变量数限制和预测作业规模大等问题。 此外，对于四阶段法预测的基础理论不明确，需要根据交通小区的土地利用性质开发不同的预测模型等问题也是促使新分析方法开发的主要原因之一。为了更加科学地分析预测，需要反映“出行者基于什么行为出行、出行思维的决定过程如何”的行为模型。 三、Probit模型 非集计模型，根据以下所示的备选方案的随机效益函数 U(k)决定选择行为。 式中 V(k) —方案 k 的固定效益； e(k) —随机项。 固定效益可由行驶时间、费用等的方案特性，以及年龄、职业等的个人属性表示。假设 e(k) 服从某种概率分布。由于随机效益是个人在选择时所具有的感觉上的评价值，从而有时也称为知觉效益。 当随机效益 U(k) 比其他任何方