四步骤交通需求预测模型(3.2)交通方式划分预测(课堂PPT).ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,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,1,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,2,3,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。,3,3,方式划分预测,3.7 Logit,模型,实际例题：,假设的,Logit,模型,4,3,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,5,3,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,6,3,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,7,3,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,P/A,8,3,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,9,3,方式划分预测,3.7 Logit,模型,实际例题,（,1,）模型参数标定,10,3,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,11,3,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,12,3,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,13,3,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,14,3,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,预测公共汽车,PA,预测小汽车,PA,15,3,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,1,与,2,联合服从二维的正态分布,BVN,（,，,）时，选择概率模型就叫二项,Probit,模型，简记为,BNP,（,Binary-nomial Probit,）,其中,=(,1,，,2,),是,(,1,2,),的数学期望向量，,是,(,1,2,),的协方差矩阵,16,3,方式划分预测,3.8 Probit,模型,（,1,）模型推导,=,2,-,1,的概率分布,17,3,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,18,3,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,19,3,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,20,3,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,21,3,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,22,3,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,23,3,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人数，所以还要将个人的选择概率值转化成全体分区居民的选择概率值，这仍然是一个集计问题，当然在这个集计过程中可能出现,“,集计误差,”,集计方法有多种，常用的有三种：,概率集计、特性集计、混合集计,24,3,方式划分预测,3.9,非集计模型的最后集计化,（,1,）概率集计,就是将各样本关于某个选择枝的选择概率,P,ni,求平均值,特点：方法很简单，但比较粗糙,25,3,方式划分预测,3.9,非集计模型的最后集计化,（,2,）特性集计,不是在最后概率值的基础上求均值，而是追索到问题的跟本质一层,个体的特性变量。将样本的各个特性变量分别求均值，作为分区全体居民相应的特性变量,特点：由于在选择概率模型的表达式中，选择概率不是特性变量的线性函数，这可能会带来较大的误差,26,3,方式划分预测,3.9,非集计模型的最后集计化,（,3,）混合集计,这种方法是作为上述两种方法的中和提出来的。具体步骤是,1）首先将分区中的全体居民进行分组（设分成M组），将比较同质的分在同一组,2）对各组采用特性集计方法求出该组居民对选择枝i的选择概率P,mi,(m=1，,，M),3）最后再将各组的选择概率按其人数加权平均求出全分区对选择枝j的选择概率,27,3,方式划分预测,3.10,集计模型,根据交通发生、交通分布、交通分配各自的功能特性，这三个工作项段的时间顺序不能改变。而根据交通方式与其结合的位置不同可以分为五类,28,3,方式划分预测,3.10,集计模型,应用集计方法的交通方式划分预测模型,（,1,）,G-MS,结合的方式划分预测模型,（,2,）生成后的方式划分预测模型,（,3,）,D-MS,结合的方式划分预测模型,（,4,）分布后的方式划分预测模型,（,5,）分配后的方式划分预测模型（后续讨论）,注：交通方式结合的顺序不同，考虑的影响方式划分的因素不同,29,3,方式划分预测,3.10,集计模型,（,1,）,G-MS,结合的方式划分预测模型,A.,产生量,MS,预测,类型分析法,30,3,方式划分预测,3.10,集计模型,（,1,）,G-MS,结合的方式划分预测模型,A.,产生量,MS,预测,类型分析法：,考虑目的分类的因素的细分模型,31,3,方式划分预测,3.10,集计模型,（,1,）,G-MS,结合的方式划分预测模型,A.,产生量,MS,预测,线性回归法,32,3,方式划分预测,3.10,集计模型,（,1,）,G-MS,结合的方式划分预测模型,B.,吸引量,MS,预测,33,3,方式划分预测,3.10,集计模型,（,2,）,生成后,的方式划分预测模型,尚未进行出行量的分布预测，无法考虑出行阻抗等因素，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,已知条件：一个分区总出行产生量和出行吸引量,求解问题：预测各种方式的比例,34,3,方式划分预测,3.10,集计模型,（,2,）,生成后,的方式划分预测模型,以公共交通和个人交通两种方式划分为例，分区的,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、人均私人车辆拥有量、道路网密度、公交网密度决定。回归模型为：,35,3,方式划分预测,3.10,集计模型,（,2,）,生成后,的方式划分预测模型,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、道路网密度、公交网密度决定。回归模型为,36,3,方式划分预测,3.10,集计模型,（,3,）,D-MS,结合的方式划分预测模型,由于前两种方式划分所依据的因素没有考虑到分区之间的交通服务水平和出行本身的特性，预测的效果有一定的局限性,在分析出行分布的同时还考虑交通方式的选择，那么两分区就会根据方式划分成若干种不同的交通阻抗，在出行分布时就根据各自阻抗预测各方式的分布量,37,3,方式划分预测,3.10,集计模型,（,3,）,D-MS,结合的方式划分预测模型,公共交通和个人交通共两种方式为例，阻抗矩阵和分布矩阵都是,2n,n,个元素,38,3,方式划分预测,3.10,集计模型,（,3,）,D-MS,结合的方式划分预测模型,D,MS,结合的单约束模型为,39,3,方式划分预测,3.10,集计模型,（,3,）,D-MS,结合的方式划分预测模型,D,MS,结合的双束模型为,40,3,方式划分预测,3.10,集计模型,（,4,）分布后的方式划分预测模型,前面三个模型都是从部分影响方式划分的因素出发确定各方式的出行量或比例，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,年代日本学者提出了,“,转移曲线方法,（,shift curse method,）,”,，在六、七十年代得到了广泛的应用,41,3,方式划分预测,3.10,集计模型,（,4,）分布后的方式划分预测模型,选择几个主要的影响因素作为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，得出的多条比例变化曲线，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,”,42,3,方式划分预测,3.10,集计模型,（,4,）分布后的方式划分预测模型,案例,1,：,1970,年代初，美国华盛顿市的交通方式划分确定五个指标作为决定参数：收入等级、出行目的、两方式的费用比、服务水平比、出行时间比。在坐标系上共描出了近百条曲线,43,3,方式划分预测,3.10,集计模型,（,4,）分布后的方式划分预测模型,案例,2,：,加拿大多伦多市所做发生方式划分时的转移曲线是以收入等级、两方式的费用比、服务水平比、出行时间比四个指标作为决定参数,44,3,方式划分预测,3.10,集计模型,（,4,）分布后的方式划分预测模型,转移曲线法特点评价,：,转移曲线是从调查观测的数据经统计计算得到的。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,/,个人交通的行时比、费用比、服务水平比等参数决定的，方式选择比例在坐标系上用曲线的表示出来,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，比较粗糙,45,3,方式划分预测,3.10,集计模型,集计方法内各种模型的比较,G,MS,和,G,后,MS,两个模型的划分方式的主要依据是出行者特性或家庭特性，这两种特性是端点的特性，这两个模型统称作,“,端点类方式划分模型,”,D,MS,和,D,后,MS,两个模型的划分依据主要是分出之间的交通阻抗，统称为,“,阻抗类方式划分模型,”,或,“,区间类方式划分模型,”,，意指依据分区间的交通条件来划分方式,46,3,方式划分预测,3.10,集计模型,集计方法内各种模型的比较,端点类方式划分模型,与,区间类方式划分模型,各有特点和使用范围,如果与基本年相比，未来规划年交通设施无多大改变，但分区的居民结构、用地结构可能发生较大变化情况，选择,“,端点方式类方式划分模型,”,较好,如果到未来规划年分区之间交通设施将发生较大改进，而分区的特性没有太大变化的情况，则最好选用,“,区间类方式方式划分模型,”,47,3,方式划分预测,3.11,集计分析与非集计分析对比总结,（,1,）两种方法对比,集计分析,非集计分析,调查单位,各次出行,各次出行,分析单位,交通小区,个人或家庭,因变量,小区统计值（连续）,个人选择（离散）,自变量,各小区数据,各人数据,求解方法,回归分析等,最大似然法,适用范围,预测交通小区,任意,政策的体现,交通小区代表值变化,个人变量值变化,48,3,方式划分预测,3.11,集计分析与非集计分析对比总结,（,2,）两种方法特点对比,49,3,方式划分预测,50,3,方式划分预测,3.11,集计分析与非集计分析对比总结,（,3,）,Logit模型与Probit模型的比较,51,谢 谢！,交通运输学院,52,