南宁报告二-交通模型报告.docx

专题报告之二

南宁市城市交通模型建立及应用

上海市城市综合交通规划研究所

南宁市城市规划设计研究院

南宁市公安局交通工程科研所

委托单位：
南宁市城市规划管理局 南宁市交通警察支队
编制单位：
上海市城市综合交通规划研究所 南宁市城市规划设计研究院
南宁市公安局交通工程科研所
参编单位：
南宁市交通局 南宁市建设局
南宁市公共汽车总公司
项目总负责人：
陈必壮（上海市城市综合交通规划研究所总工程师 高级工程师）上海市城市综合交通规划研究所
所长： 陆锡明
总工程师： 陈必壮
项目负责人： 陈必壮
项目研究人员： 吴元祥 杨立峰 周文毕
王 祥 赵鸥来 刘 伟
南宁市城市规划局
局长：黄善武
项目研究协作人员：黄善武 朱 沫 廖 波 宁 茜 何 岩 阮明煜 梁奕卫 张 斌
南宁市交通警察支队
支队长： 杨少康
项目研究协作人员：杨少康 李秋生 罗义学 肖 煌 李子龙 谭守义
南宁市城市规划设计研究院
院长：封 宁
项目研究协作人员：朱炜宏 李 虹 涂海江
1. 综合交通规划模型建立与检验
1.1 人员出行模型建立及检验
1.1.1模型框架
图1－1 综合交通规划及模型框架图。
1.1.2交通分区说明
本次南宁市综合交通规划范围为三环公路以内区域，即南宁市总体规划界定的中心城区范围，区域面积374.2平方公里，目前城市用地面积112平方公里。依据交通小区划分原则，将所辖区域划分成165个交通小区，14个交通大区，6个地带。再考虑对外交通，另加10个道口点，共计175个交通小区，具体划分情况见现状分析报告。为便于现状与规划对比，以及交通预测分析，我们在交通小区划分时，已将城市未来发展方向和用地规划考虑进去，因此，现状交通小区与规划交通小区是一致的。
大区是结合现状南宁市城区行政区划和城市总体规划分区划分的。1～6个大区基本与目前城区各分区的名称和范围一致，其中将新城区拆分成两个大区，即南湖分区和新城区；7～14个大区基本属于目前郊区范围，按照南宁市总体规划分区划分界定的，如7大区为总体规划中沙井片区、8为凤岭分区。
为更显著反映不同区域出行特征，根据各地区地理位置和土地使用特征及开发强度，将南宁市区分成6个地带。地带1为南宁市中心区，相当于中央商务区(CBD)，商业和人口密集区，界域为邕江北一环内；地带2为邕江北仅次于中心区密集区，界域为邕江北一环与二环之间地区；地带3为邕江南中心区，界域为邕江南二环以内地区；地带4为邕江北二环与三环间属于发展空间大的新区；地带5为邕江南二环与三环间发展区；地带6为部战略目标、政策

中远期综合交通规划
u 道路网络系统规划
u 公共交通系统规划
u 对外交通系统规划
u 交通管理系统规划
u 停放车系统规划
交通预测模型
u 出行生成模型
u 出行分布模型
u 方式划分模型
u 车辆分配模型
u 客流分配模型

外部环境条件

u 社会经济发展规划
u 城市总体规划
u 有关发展政策规划
土地使用分布预测
u 用地特征分析
u 人口分布预测
u 岗位分布预测
现状基础资料
u 社会经济
u 人口岗位
u 车辆拥有
u 对外运输量
u 交通设施
u 交通管理
u 政策、法规

交通调查
u 居民出行调查
u 车辆出行调查
u 流动人口调查
u 公交客流调查
u 道路流量调查
u 吸引点调查
u 停放车调查

现状交通分析
u 居民出行特征
u 车辆出行特征
u 道路系统分析
u 公共交通系统分析
u 停放车系统分析
u 对外交通系统分析

参数标定
问题诊断
国内外城市比较

u 交通政策
u 交通特征
u 交通系统发展状况
交通发展预测
u 车辆发展预测
u 道路交通需求预测
u 客流需求预测
u 对外交通需求预测
u 停放车需求预测

用地变量
交通战略研究
u 交通战略目标
u 交通战略功能
u 交通战略措施
u 交通战略协调机制

交通可达性
交通规模
战略指导
战略调整
交通评价系统
近期交通建设计划
u 道路改善
u 公共交通改善
u 交通管理改善
u 重大交通项目排序
近期交通政策研究
u 公共交通发展政策
u 车辆发展政策
u 合理交通结构
u 停车系统政策
u 交通与环境政策

政策影响
模型应用
方案调整
用地和目标调整
外部影响
分新区和郊区，界线为三环与高速公路环间地区，包括邕宁县的大沙田开发区。

1.1.3出行生成模型及检验
根据南宁市居民出行调查结果分析，南宁市和国内许多城市一样，基于家的出行占很大比例。同时，随着社会经济发展、生活水平提高，非基于家活动将会较大增加。为此，将出行目的分为三类，即基于家的工作出行（HBW）包括上学(HBWS)、基于家的其它出行(HBO)和非基于家的出行(NHB)，分别进行出行产生量和出行吸引量的预测。
1.1.3.1出行产生模型及验证
出行产生量预测采用交叉分类中产生率法，具体公式见1－1。根据2000年居民出行调查，得到现状居民分目的出行情况。见表1－1。出行模型现状检验情况，见表1－2。
Pi=ΣRikTik (1-1)
式中：Pi—i区的出行产生量；
Rik—i区第k种出行目的的出行率；
Tik—i区第k种出行目的人口数。
表1-1 现状居民日出行发生率
人均出行发生率
核心区(地带1)
一环与二环间
二环与三环间
三环外
全市
基于家工作出行
1.21
1.27
1.05
0.70
1.07
基于家的其他出行(包括上学)
1.51
1.15
1.13
1.04
1.15
非基于家的出行
0.43
0.19
0.17
0.12
0.19
全目的出行
3.15
2.61
2.35
1.86
2.41

表1-2 出行模型检验情况(绝对误差)
分目的出行
核心区(地带1)
一环与二环间
二环与三环间
三环外
全市
基于家工作出行(包括上学)
8.5%
7.7%
9.4%
10.2%
8.9%
基于家的其他出行
9.6%
10.1%
9.7%
8.4%
9.6%
非基于家的出行
11.3%
12.1%
12.8%
11.9%
12.0%
从模型检验结果，见表1－2，绝对误差在8～13％范围内，达到交通预测精度要求，相对而言，非基于家的出行预测误差较大些，主要与目前该出行样本少有关。另外，通过实际调查值与模拟值，进行回归分析表明，预测模型也达到检验标准要求。
1.1.3.2出行吸引模型及检验
根据居民出行特征和未来可能得到相关用地资料，将出行模型划分成如下三种出行目的：
u 基于家的工作出行；
u 基于家的其它出行(包括上学)；
u 非基于家的出行。
对于出行吸引模型，我们采用多元回归方法。不同出行目的的吸引量，是与城市用地特征和工作岗位密切相关。而不同区位、不同交通可达性，其相同用地性质和同样岗位数，出行吸引量有显著差异。为此，根据不同区域用地和出行特征，进行相应回归分析。对回归变量，采用逐步回归和相关变量统计检验方法，进行组合和筛选。最终得到分区位和分目的出行吸引模型，检验误差见表1－3。

(1) 地带
地带一：核心区，调查报告中地带１
地带二：二环以内核心区以外区域，调查报告中地带２和地带３
地带三：二环与三环之间区域，调查报告中地带４和地带５
地带四：新区及郊区，调查报告中地带６
(2) 居民出行吸引模型
l 基于家的工作出行（HBW）
地带一：
Y＝2.09×(商业用地＋金融用地＋医疗卫生)＋4.73×(行政用地＋科研用地)＋1.23×(居住人口)
(R2=0.55)
地带二：
Y＝0.99×（工业岗位用地＋仓储＋市政用地）＋0.83×(商业用地＋金融用地＋医疗卫生)+3.33×(行政用地＋科研用地)+0.78*(居住人口)
(R2=0.69)
地带三：
Y＝0.98×（工业岗位用地＋仓储＋市政用地）＋0.09×(商业用地＋金融用地＋医疗卫生)+1.21×(行政用地＋科研用地)+0.76*(居住人口)
(R2=0.58)
地带四：
Y＝0.29×（工业岗位用地＋仓储＋市政用地）＋1.22×(商业用地＋金融用地＋医疗卫生)+0.47×(行政用地＋科研用地)+0.36*(居住人口)
(R2=0.58)
l 基于家的其他出行（HBO）
地带一：
Y＝2.15×(商业用地＋金融用地＋科研教育用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋1.70×(居住人口)
(R2=0.57)
地带二：
Y＝1.33×(商业用地＋金融用地＋科研教育用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.81×(居住人口)
(R2=0.54)
地带三：
Y＝0.04×(商业用地＋金融用地＋科研教育用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.88×(居住人口)
(R2=0.55)
地带四：
Y＝0.94×(商业用地＋金融用地＋科研教育用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.60×(居住人口)
(R2=0.67)
l 非基于家的出行（NHB）
地带一：
Y＝0.38×(行政用地+商业用地＋金融用地＋文化娱乐用地＋医疗卫生用地＋科研教育用地)＋0.22×(居住人口)
(R2=0.52)
地带二：
Y＝0.19×(行政用地+商业用地＋金融用地＋文化娱乐用地＋医疗卫生用地＋科研教育用地)＋0.14×(居住人口)
(R2=0.59)
地带三：
Y＝0.001×(行政用地＋医疗卫生用地＋科研教育用地)＋0.16×(居住人口)
(R2=0.67)
地带四：
Y＝0.41×(行政用地+商业用地＋金融用地＋文化娱乐用地＋医疗卫生用地＋科研教育用地)＋0.06×(居住人口)
(R2=0.70)
(3) 模型检验
表1-3 出行吸引模型检验误差表
地带
基于家工作（HBW）
基于家其他（HBO）
非基于家（NHB）
地带一
7％
－1％
1％
地带二
3％
1％
－1％
地带三
－4％
－10％
－4％
地带四
－6％
－1％
3％
合计
1％
－3％
－1％
1.1.4出行分布模型建立及检验方法
1.1.4.1出行分布模型基本原理
出行分布模型常用有增长系数法如FRATA法等和重力模型法。南宁是快速发展中城市，未来用地发展变化很大，因此，分布模型宜采用重力模型法。出行分布模拟中各交通小区间出行时间，取各种方式中最少时间值，而且，对自行车和摩托车及其他机动车考虑不同存取车的端点时间。
重力分布模型函数形式见公式1－2。
(1－2)
式中： Tij是i交通小区至j交通小区的出行量;
Pi是起点小区i的出行产生量；
Aj点小区j的出行吸引量；
tij是小区i至小区j的出行时间；
F(tij)为阻抗函数，有各种函数形式。本模型采用Gamma函数，该函数具有可避免重力模型出现短距离出行比重过大的优点，具体函数形式见式1－3。
(1－3)
式中：a、b、c是需要标定的模型参数。
1.1.4.2 HBW出行分布模型标定及检验
经迭代计算和回归分析，最终标定了HBW的Gamma函数中三个参数值，见表1－4。
表1-4 HBW的Gamma函数中三个参数标定值
a
b
C
223.24
-2.632
-0.0278
(R2=0.985)
模型检验除以上阻抗函数标定中回归分析检验外，还通过最终使模型计算OD表与调查OD表在平均出行时间、出行时段频度分布、区内出行比例等指标差异度在可接受范围内为检验标准。表1－5为模型检验情况。
表1-5 HBW分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
282102
18.6
10.0
观测值
435469
18.3
10.2
1.1.4.3 HBO出行分布模型标定及检验
经迭代计算和回归分析，最终标定了HBO的Gamma函数中三个参数值，见表1－6。
表1-6 HBO的Gamma函数中三个参数标定值
A
b
C
340.91
-2.788
-0.0334
(R2=0.988)
表1－7为模型检验情况。
表1-7 HBO分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
334632
18.2
10.0
观测值
402182
17.9
10.1
1.1.4.4 NHB出行分布模型标定及检验
经迭代计算和回归分析，最终标定了NHB的Gamma函数中三个参数值，见表1－8。

表1-8 NHB的Gamma函数中三个参数标定值
A
b
C
24.1
-1.941
-0.0258
(R2=0.966)
表1－9为模型检验情况。
表1-9 NHB分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
34529
20.9
10.9
观测值
45250
20.7
11.0
1.1.5出行方式模型
1.1.5.1出行方式模型建立方法
方式划分预测难度相当高，国内外经验表明，应从宏观上进行总量把握，即从战略、政策上确定各种交通方式发展方向及在城市交通中功能地位，微观上建立合理的方式模型，以确定交通单元间交通活动量方式分担比例，最后结合宏观和微观综合分析，确定方式比例。本次预测中，方式划分分为步行、自行车、摩托车、公交、出租车、客车六种方式。机动车方式(包括摩托车、出租车、客车)出行比例，还要从车辆发展趋势、政策导向等因素，结合车辆交通预测模型，进行平衡匹配，以确定出行比例结构，其理由目前南宁机动车出行以公务车为主，以居民用地出行比例还很低，单从人员出行得到机动车出行情况，特别是客车，往往准确程度相对较低。
出行方式模型建立是一项复杂技术，受出行者经济水平、年龄特征、各种交通方式出行成本和交通设施服务水平以及交通政策等诸多因素影响。目前出行方式微观预测有多种方法很多，如转移曲线法、转移点法、马尔柯夫概率转移、LOGIT和距离曲线法。从国内大量研究表明，采用距离曲线较符合我国城市交通特征，即一般短距离出行以非机动化方式为主，如步行、自行车，中等距离以摩托车、出租车为主，长距离出行以客车、公交出行为主的特征，图1-2为南宁市区现状各种方式距离分布曲线。本次方式划分采用距离分布曲线，在预测中再结合政策分析、交通设施变化、出行成本费用及现状距离分布曲线进行应用和校核。

表1-10 不同距离分布下方式结构比例
距离分布
公交
客车
出租车
摩托车
自行车
步行
小计
0-1
2.63%
3.57%
1.15%
19.12%
24.61%
48.93%
100.00%
1-2
2.98%
5.11%
1.78%
25.13%
31.04%
33.96%
100.00%
2-3
5.95%
8.57%
3.83%
37.14%
33.83%
10.68%
100.00%
3-4
7.90%
11.74%
4.14%
40.76%
28.18%
7.29%
100.00%
4-5
9.33%
13.26%
3.34%
43.62%
24.22%
6.23%
100.00%
5-6
10.16%
13.97%
3.25%
47.84%
22.11%
2.66%
100.00%
6-7
12.83%
12.38%
3.05%
53.36%
16.37%
2.01%
100.00%
7-8
12.42%
14.13%
3.80%
49.88%
17.49%
2.28%
100.00%
8-9
14.12%
10.01%
3.49%
52.13%
17.27%
2.97%
100.00%
9-10
19.94%
20.62%
5.28%
42.74%
8.57%
2.85%
100.00%
10-11
17.93%
17.94%
2.94%
41.53%
16.29%
3.36%
100.00%
11-12
9.98%
23.62%
9.10%
42.79%
13.70%
0.81%
100.00%
>12
14.31%
28.18%
4.85%
41.98%
9.39%
1.29%
100.00%
小计
5.84%
8.07%
2.56%
31.68%
26.57%
25.28%
100.00%

1.1.5.2出行方式模型标定
模型基本函数形式如下：
Pkij＝a*exp(b*(tij－c)) (1-4)
式中：Pkij表示I交通小区至j小区第k种方式承担比例，tij表示距离成本，a、b、c参数。
u 步行划分模型标定
标定结果如下：
Pwij＝0.727exp(-0.49tij) (R2=0.77)
u 自行车划分模型标定
标定结果如下：
Pbij＝0.192exp(-0.089*(tij－2.5)) (R2=0.69)
u 摩托车划分模型标定
标定结果如下：
Pmij＝0.198exp(0.035(tij－3)) (R2=0.89)
u 出租车划分模型标定
标定结果如下：
Pxij＝0.047exp(0.058(tij－3.5)) (R2=0.67)
u 客车划分模型标定
标定结果如下：
Pcij＝0.085exp(0.125(tij－4)) (R2=0.59)
u 公交划分模型标定
标定结果如下：
Ptij＝0.091exp(0.144(tij－5)) (R2=0.73)
模型应用时，还必须对每一交通小区间方式比例进行归一化，因为按照模型计算得到的，比例总和可能不等于100%。同时，规定出行距离都在500米以上。表1-11～表1-20为主要交通方式划分检验情况。从表中可见，模型计算值与调查值误差基本在－15％～15％之间，但出租车、客车误差相对较大，需要结合车辆模型校核使用。
表1-11 地带间自行车出行比重模拟值与计算值误差表
地带P
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
1
1
7.14%
2
-4.23%
3
9.21%
4
6.90%
5
-6.79%
6
9.10%
2
1
-3.90%
2
2.16%
3
2.00%
4
8.08%
5
6.66%
6
8.70%
3
1
9.90%
2
9.30%
3
7.80%
4
-5.06%
5
8.88%
6
11.50%
4
1
7.77%
2
1.14%
3
-5.70%
4
5.89%
5
9.81%
6
-7.33%
5
1
8.03%
2
5.27%
3
1.18%
4
-7.60%
5
12.16%
6
-9.60%
6
1
6.70%
2
7.60%
3
-5.70%
4
-8.60%
5
-6.55%
6
-3.07%

表1-12 地带间公交出行比重模拟值与计算值误差表
地带P
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
1
1
7.14%
2
-4.23%
3
9.40%
4
9.21%
5
6.90%
6
9.10%
2
1
-3.90%
2
2.16%
3
8.70%
4
2.00%
5
8.08%
6
8.70%
3
1
9.90%
2
9.30%
3
10.20%
4
7.80%
5
-5.06%
6
11.50%
4
1
7.77%
2
1.14%
3
12.40%
4
-5.70%
5
5.89%
6
-7.33%
5
1
8.03%
2
5.27%
3
-3.70%
4
1.18%
5
-7.60%
6
-9.60%
6
1
6.70%
2
7.60%
3
9.80%
4
-5.70%
5
-8.60%
6
-3.07%
表1-13 地带间摩托车出行比重模拟值与计算值误差表
地带P
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
1
1
7.75%
2
-7.18%
3
-8.80%
4
-4.93%
5
-6.56%
6
-1.84%
2
1
-6.87%
2
1.22%
3
-7.99%
4
-2.54%
5
-1.55%
6
-7.35%
3
1
-7.45%
2
-7.11%
3
10.90%
4
-5.06%
5
0.80%
6
-3.01%
4
1
-3.65%
2
-1.37%
3
-6.89%
4
5.11%
5
-5.79%
6
4.36%
5
1
-6.46%
2
-2.45%
3
0.87%
4
-9.78%
5
3.41%
6
8.45%
6
1
-0.16%
2
-6.97%
3
-1.65%
4
4.18%
5
6.61%
6
7.90%
表1-14 地带间出租车出行比重模拟值与计算值误差表
地带P
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
1
1
-7.70%
2
-9.20%
3
-10.10%
4
-10.20%
5
-7.10%
6
15.30%
2
1
-11.20%
2
-5.00%
3
16.30%
4
-3.20%
5
6.10%
6
-3.98%
3
1
4.00%
2
10.20%
3
17.30%
4
-13.00%
5
17.30%
6
16.70%
4
1
-9.90%
2
-8.40%
3
-12.40%
4
11.70%
5
-13.10%
6
15.10%
5
1
-1.89%
2
9.80%
3
15.40%
4
1.51%
5
17.30%
6
11.10%
6
1
18.20%
2
-2.90%
3
4.80%
4
12.30%
5
17.90%
6
16.80%

表1-15 地带间客车出行比重模拟值与计算值误差表
地带P
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
地带A
误差
1
1
10.50%
2
-9.86%
3
-8.50%
4
6.75%
5
12.60%
6
7.40%
2
1
-10.69%
2
11.20%
3
-12.70%
4
-12.11%
5
4.59%
6
-8.85%
3
1
-13.20%
2
-11.50%
3
14.50%
4
8.31%
5
-10.70%
6
-12.90%
4
1
0.56%
2
-6.80%
3
6.50%
4
4.14%
5
13.70%
6
2.79%
5
1
15.20%
2
4.23%
3
-12.70%
4
11.90%
5
5.20%
6
9.20%
6
1
3.60%
2
-5.17%
3
-11.80%
4
7.80%
5
9.80%
6
-3.70%
1.1.6公交分配模型
1.1.6.1公交分配模型
(1) 基本原理
国际上通用公交客流分配模型有动态多路径概率法和最优战略分配法。动态多路径概率法较适合车流分配，往往难以考虑诸如影响客流分配的上车、下车、候车和步行等时间因之综合因素，而且，其分配机理常与客流路径选择有差异。因此，本项目中我们采用最优战略分配法。其基本原理概述如下：
u 目标函数
l∈L
i∈I
MIN ∑tlvl + ∑W(Li)Vi (1－10)
式中：tl－路段上公交运行时间；
vl－路段上断面客流量；
W(Li)－线路节点i上乘客等待综合时间；
Vi－线路节点i上客量。
目标函数涵义即寻求线路上的总人小时和节点站台上的总候车人小时的总和最小的路径选择方案。
算法分为寻找最佳乘车方案和分配乘客流量两部分。算法过程在此不作阐述。
u 模型特点
1)采用加权的综合时间因子，包括候车、上下车、步行和乘车等多个因素。
2)采用多线路概率计算，按乘客综合时间最少的原则选择可乘线路，按线路行车间隔等因素决定线路的优先级别。
3)公交站点上的上下客与公交车进出站的情况差别很大，可以区别大型集散点与一般站点。
(2) 客流分配模型参数标定
主要分配参数标定如下：
上车时间(从车站到车内的时间)＝0.1分
上车时间权重＝15
候车时间因子＝0.5，即取实际行车间隔时间的50%
候车时间权重＝1.2
步行时间权重＝1.15
(3) 客流分配模型检验
为检验模型精度，我们选择越邕江的桥梁、跨铁路的道路及骨干道路部分断面的分配客流量和实测客流量进行对比，结果见表1－16、表1－17所示。
从检验结果可见，分配模拟绝对误差基本在10％以内，越江及跨铁路客流总误差仅为2.19％，道路断面客流总误差为-3.33%，满足客流模拟分配精度要求。另外，对主要支路也进行对照分析，其绝对误差也基本控制在10％以内。
表1-16 越邕江桥梁及跨铁路断面公交客流分配误差表（人次）
　桥名
模拟值
实测值
误差
邕江大桥
57656
58002
0.60%
邕江二桥
7150
7199
0.69%
白沙大桥
7242
6460
-10.80%
北大路
41495
45885
10.58%
新阳路
15018
13171
-12.30%
五一路
11963
10803
-9.70%
北爱路
35656
39326
10.29%
北湖路
17124
16266
-5.01%
望州路
6191
6761
9.21%
合计
199495
203873
2.19%

表1-17 骨干道路部分断面公交客流分配误差表（人次）
范围
模拟值
实测值
误差
民族大道(朝阳路－新民路)
20329
22112
-8.06%
东葛路（新民路－古城路)
14647
16212
-9.65%
古城路（建政路－东葛路)
11194
12537
-10.71%
园湖北路(建政路－东葛路)
6886
7788
-11.57%
民主路（思贤路－园湖北路)
21721
22690
-4.27%
人民东路（民主路－友爱南路)
38402
40954
-6.23%
朝阳路（济南路－华东路)
62391
58932
5.87%
中华路(朝阳路－友爱南路)
40350
38836
3.90%
明秀东路（北湖北路－友爱南路)
9441
10312
-8.44%
西乡塘路(西大大门)
28664
30641
-6.45%
江南路(平西路－福建路)
38935
42042
-7.39%
合计
292960
303056
-3.33%

1.2 车辆模型建立
1.2.1车辆发生模型建立
（1）地带
地带一：核心区，调查报告中地带１，二环以内核心区以外区域，调查报告中地带２和地带３
地带二：二环以外区域，调查报告中地带4.5.6。
（2）车辆发生模型
1) 大客车
全市：
Y＝0.0237×(商业用地＋金融用地＋医疗卫生)＋0.0165×(行政用地＋科研用地)＋0.0237×(居住人口)
（R2=0.52） 误差18.5%
2) 小客车
地带一：
Y＝0.0925×(商业用地＋金融用地＋医疗卫生)+0.487×(行政用地＋科研用地)+0.0334*(居住人口)
（R2=0.55) 误差6.2%
地带二：
Y＝0.009×（工业岗位用地＋仓储＋市政用地＋对外交通用地）＋0.0274×(商业用地＋金融用地＋医疗卫生)+0.194×(行政用地＋科研用地)+0.013*(居住人口)
（R2=0.51） 误差10.1%
3) 出租车
地带一：
Y＝0.3351×(商业用地＋金融用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.869×(行政用地＋科研用地)＋0.0549*(居住人口)
（R2=0.63） 误差2.1%
地带二：
Y＝0.0575×(商业用地＋金融用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.0378×(居民用地)
（R2=0.57） 误差1.3%
4) 摩托车
地带一：
Y＝0.846×(商业用地＋金融用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋4.258×(行政用地＋科研用地)＋0.553×(居民用地)
（R2=0.71） 误差6.3%
地带二：
Y＝0.708×(商业用地＋金融用地＋科研教育用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.473×（工业岗位用地＋仓储＋市政用地＋对外交通用地）＋0.285×(行政用地＋科研用地) ＋0.25×(居民用地)
（R2=0.62） 误差 8.7%
5) 大货车
全市：
Y＝0.0294×(商业用地＋金融用地＋体育用地＋医疗卫生用地＋文化娱乐用地)＋0.086×（工业岗位用地＋仓储＋市政用地＋对外交通用地）
（R2=0.49） 误差 11.2%
6) 小货车
Y＝0.0346×(商业用地＋金融用地＋体育用地＋医疗卫生用地＋文化娱乐用地) ＋0.0422×（工业岗位用地＋仓储＋市政用地＋对外交通用地）＋0.096×(居住)
（R2=0.52） 误差 8.3％
1.2.2车辆分布模型建立
分布模型函数形式与人员出行分布模型相同。
1.2.2.1 大客车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了HBW的Gamma函数中三个参数值，见表1－18。
表1-18 大客车的Gamma函数中三个参数标定值
A
b
C
3.935
-1.231
-0.0129
(R2=0.58)
模型检验除以上阻抗函数标定中回归分析检验外，还通过最终使模型计算OD表与调查OD表在平均出行时间、出行时段频度分布、区内出行比例等指标差异度在可接受范围内为检验标准。表1－19为模型检验情况。
表1-19 大客车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
1344
26.0
12.5
观测值
948
27.1
12.6
1.2.2.2 小客车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了小客车的Gamma函数中三个参数值，见表1－20。
表1-20 小客车的Gamma函数中三个参数标定值
A
b
C
3.917
-1.541
-0.006
(R2=0.79)
表1－21为模型检验情况。
表1-21 小客车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
3285
22.6
11.1
观测值
3775
24.1
11.9
1.2.2.3 出租车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了出租车的Gamma函数中三个参数值，见表1－22。
表1-22 出租车的Gamma函数中三个参数标定值
A
b
C
0.0689
-0.354
-0.0476
(R2=0.90)
表1－22为模型检验情况。

表1-22 出租车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
4784
20.1
7.8
观测值
2608
20.1
7.5
1.2.2.4 摩托车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了摩托车的Gamma函数中三个参数值，见表1－23。
表1-23 摩托车的Gamma函数中三个参数标定值
a
b
C
1.536
-0.923
-0.032
(R2=0.97)
表1－24为模型检验情况。
表1-24 摩托车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
46508
22.9
12.2
观测值
77753
23.2
12.1
1.2.2.5 大货车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了大货车的Gamma函数中三个参数值，见表1－25。
表1-25 大货车的Gamma函数中三个参数标定值
a
b
C
0.006
-0.633
-0.004
(R2=0.62)
表1－26为模型检验情况。
表1-26 大货车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
1409
41.2
26.2
观测值
721
44.4
25.8

1.2.2.6 小货车出行分布模型标定及检验
经迭代计算和回归分析，最终标定了小货车的Gamma函数中三个参数值，见表1－27。
表1-27 小货车的Gamma函数中三个参数标定值
a
b
C
0.0018
-0.0264
-0.017
(R2=0.73)
表1－28为模型检验情况。
表1-28 小货车分布模型的检验结果
指标
区内出行量
平均出行时间(分钟)
有效出行区间(分钟)
模拟值
575
38.0
21.2
观测值
552
40.7
22.3

1.2.3车辆分配模型
1.2.3.1 分配技术
道路交通分配采用国际上最新的多车种平衡分配法(Multiclass Assignment)。平衡分配法以Wardrop 用户最优原则(Use Optimal Principle)为基础。Wardrop用户最优原则的核心为道路的使用者不会因改变行驶路径而缩短出行时间(广义)。因此，平衡分配的结果将使任意一对OD间在其所选择的可能路径上得到相同的出行时间(广义)，这样，当网络车流达到平衡状态时，每组OD对在各条被利用的路径具有相等而且最小的出行时间；没有被利用的路径的所需出行时间应大于或至