6.運(yùn)輸需求分布預(yù)測模型

出行分布量:分區(qū)之間單位時(shí)間的出行交換量出行分布表(OD表Origin

Destination,PA矩陣ProducingAbsorbing)

小區(qū)i到小區(qū)j的交通量

小區(qū)i的發(fā)生交通量

小區(qū)j的吸引交通量滿足:交通總量雙約束條件約定:用小寫字母記基年的數(shù)據(jù),用大寫字母記預(yù)測年的數(shù)據(jù)。

6.1增長系數(shù)法

假設(shè):預(yù)測年的OD分布形式與基年的OD表分布形式相同已知:基年的OD分布表(tij),預(yù)測年的發(fā)生量Oi和吸引量Dj，求:預(yù)測年的OD表（Tij）方法:確定一個增長系數(shù)τij，使：

Tij=τijtij6.1.1統(tǒng)一增長系數(shù)法若只預(yù)測了預(yù)測年的總運(yùn)輸量T，要求Tij可求出區(qū)域總運(yùn)輸量的增長率τ：

增長率τ=預(yù)測年的總運(yùn)輸量T/基年的總運(yùn)輸量t

再令：

Tij=τtij即若所研究的區(qū)域只知道總交通的增長系數(shù)τ,則:Tij=τtij例:P107/6-16.1.2單約束增長系數(shù)法若已知當(dāng)前的運(yùn)輸需求量tij，預(yù)測的運(yùn)輸發(fā)生量Oi（或吸引量Dj），則可求得各小區(qū)的出行發(fā)生增長率αi或j區(qū)出行吸引增長率βj

：

Tij=αitij

或Tij=βjtij

由于統(tǒng)一增長系數(shù)法和單約束增長系數(shù)法的計(jì)算結(jié)果不滿足雙約束條件,在實(shí)際中用的較少。6.1.3平均增長系數(shù)法令增長系數(shù)為小區(qū)i的出行增長率與小區(qū)j吸引增長率的平均值，即：

Tij=τijtij

但在大多數(shù)情況下，所求得的Tij不滿足雙約束平衡條件，共n2個變量,2*n個約束,有無窮多個解。設(shè)計(jì)一個算法，經(jīng)多次迭代求近似解6.1.3平均增長系數(shù)法平均增長系數(shù)法算法：1)令：i,j=1,2,…,n2)令：

3)若對所有的i,j（=1,2,…,n），都有：

停止。否則，令：i,j=1,2,…,n（i,j=1,2,…,n）轉(zhuǎn)第一步。

6.1.3平均增長系數(shù)法例:解：迭代10次得：O-D1234sum(j)Oi155010020035540025051003004554603501005100255400410020025020570702sum(I)2053554556201635

Dj260400500802

19626.1.3平均增長系數(shù)法例:O-D1234sum(j)Oi

15.3144.3899.04253.17401.894000.99528245.793.8185.05328.52463.174600.99315377.46131.477.32183.47399.714001.000714132.56223.00310.1931.47697.227021.00685sum(I)261.11402.66501.60796.631962.00

Dj260400500802

1962

0.995740.99340.996811.00674

1收斂速度較慢！6.1.4弗尼斯(Furness)法Furness1956年提出：τij應(yīng)與i區(qū)的產(chǎn)生增長率αi和j區(qū)的吸引增長率βj成正比,即:

其中Ai,Bj是為了滿足雙約束條件的一個修正系數(shù).令:

得:ai、bj分別為i,j區(qū)的發(fā)生和吸引的增長率的一個修正系數(shù)。Tij=aibjtij

滿足：

6.1.4弗尼斯(Furness)法確定ai、bj的值的迭代法:可采用不動點(diǎn)算法6.1.4弗尼斯(Furness)法確定ai、bj的值的迭代法:1)令bj=1.0，求ai,滿足發(fā)送約束，即

i=1,2,…,n2)用最近的ai,求bj，滿足到達(dá)約束，即

j=1,2,…,n3)再用bj求ai,即

i=1,2,…,n重復(fù)第2)、3)步，直到ai,bj的值變化變得足夠小為止(接近1)。

6.1.4弗尼斯(Furness)法例：O-D1234sum(j)Oi155010020035540025051003004554603501005100255400410020025020570702sum(I)2053554556201635

Dj260400500802

1962解：由bj=1.0開始迭代，得：6.1.4弗尼斯(Furness)法例：a1=1.0706,a2=0.9239,a3=1.5713,a4=1.35029,b1=0.9806，b2=0.8241，b3=0.9176，b4=1.1874而由ai=1.0開始，迭代三次后得：

O-D1234sumOiai15.2279443.913897.8251254.166401.1334000.89066245.06483.7853684.325328.637461.8124600.76774376.8911129.177.19391186.910400.174001.309954132.816223.126310.65532.2855698.8837021.13136Sun2604005008021962

Dj260400500802

1962

bj1.173940.986091.098341.42684

6.1.4弗尼斯(Furness)法例：計(jì)算結(jié)果不相同，但都滿足雙約束條件。方程組為：

共有2*n個方程，2*n個未知參數(shù)ai,bj，但因?yàn)?/p>

所以解不唯一。

6.1.5底特律（Detroit）法（D法）

J.D.Carol在1956年底特律市規(guī)劃中提出并被應(yīng)用。認(rèn)為增長系數(shù)τij應(yīng)與i區(qū)的產(chǎn)生增長率αi成正比,而且與j區(qū)的吸引增長率βj占整個區(qū)域吸引量(總量)增長率的相對比例成正比,即:

可用迭代法計(jì)算，令：反復(fù)迭代，直到αi,

βj,F的變化值為足夠小為止。

6.1.5底特律（Detroit）法（D法）迭代5次后的結(jié)果為：

例：O-D1234sum(j)Oi

15.2744.3198.51252.98401.074000.997245.443.8285.01327.48461.754600.996377.28130.077.23185.65400.244000.9994132.82223.55310.6131.91698.897021.004sum(I)260.81401.76501.36798.021961.95

Dj260400500802

1962

0.99690.99560.99721.0049

1.000026.1.6佛萊特（T.J.Frator）法(F法)：1954年Frator提出了分別從產(chǎn)生區(qū)和吸引區(qū)兩個角度分析計(jì)算τij，然后平均的方法。Frator認(rèn)為τij應(yīng)與i區(qū)發(fā)生量中j區(qū)的相對吸引增長率成正比。在小區(qū)i基年發(fā)生交通量中,以小區(qū)j為目的地的出行量的比率為:在目標(biāo)年中，吸引交通量各自都將增長，此比率為:--i區(qū)出行量中j分區(qū)的相對吸引增長率6.1.6佛萊特（T.J.Frator）法(F法)：則:思路：對小區(qū)j的吸引出行量也可進(jìn)行同樣分析，得：

6.1.6佛萊特（T.J.Frator）法(F法)：如果把兩者平均值取為Tij,得Frator法公式：

思路：

Li,Lj分別稱為第k輪分區(qū)i的“產(chǎn)生位置系數(shù)”、分區(qū)j的“吸引位置系數(shù)”。

同理可通過迭代計(jì)算Tij，直到Tij值變化變得足夠小為止。由于Frator法收斂速度較快，因此是一種較常用的增長系數(shù)法。

6.1.6佛萊特（T.J.Frator）法(F法)：例:選代3次后得：

O-D1.0002.0003.0004.000sum(j)Oiarfa(I)Li15.30144.64699.188252.71401.85400.000.9950.997245.7823.85585.711327.61462.96460.000.9940.996377.511130.577.253184.74400.08400.001.0001.0004132.52223.39309.6331.539697.10702.001.0071.004sum261.12402.47501.78796.621962.0

Dj260.00400.00500.00802.00

1962.0

beta0.9960.9940.9961.007

Lj0.9980.9970.9981.004

6.1.6佛萊特（T.J.Frator）法(F法)：小結(jié)：1）“Furness法”、“平均增長系數(shù)法”、“D法”、“F法”的迭代方法相同，只是τij的值取法不同，都是二維方法。2)

增長系數(shù)法必須依賴于基年的OD表，任何出現(xiàn)在基年出行矩陣中的誤差將在計(jì)算過程被放大。3)增長系數(shù)法沒有考慮網(wǎng)絡(luò)中與廣義費(fèi)用有關(guān)的諸多影響交通分布的屬性，在新的交通方式，新的道路，新的收費(fèi)政策或新的小區(qū)出現(xiàn)時(shí)無法描述。當(dāng)tij=0時(shí)可能不收斂。作業(yè):運(yùn)輸需求分布作業(yè)46.2引力模型

Casey1955年提出兩鎮(zhèn)購物出行量預(yù)測模型：其中：Pi,Pj為i,j區(qū)的人口數(shù)，dij為i至j的距離，α為比例系數(shù)引力公式

設(shè)i,j間的交通量Tij與小區(qū)i的產(chǎn)生交通量Oi和小區(qū)j的吸引交通量Dj成正比，與兩小區(qū)間的距離(費(fèi)用Cij)成反比，即：其中α、β、r、k為模型系數(shù)，經(jīng)驗(yàn)取值：α、β一般在0.5-1.0間取值，如α=β=1.0或α=β=0.5,r的取值范圍在0.6-3.5間，可取r=2等。k的值可根據(jù)某些調(diào)查值tij和預(yù)測值Tij綜合分析得到。由于引力模型可不使用基年OD表就可計(jì)算Tij的值。因此引力模型也稱為“綜合模型”。6.2.1標(biāo)準(zhǔn)引力模型可利用引力模型來完善一個不完整的基年OD表，再用增長系數(shù)模型確定目標(biāo)年的OD分布表。在已知Tij、Oi、Dj、Cij的情況下（如已知現(xiàn)狀OD表），可用最小二乘法等確定參數(shù)。對引力兩端取對數(shù)，得：

6.2.1標(biāo)準(zhǔn)引力模型可用多元線性回歸法確定系數(shù)α、β、l、k的值。例:P112/6-5例:已知小區(qū)間的旅行時(shí)間（費(fèi)用），OD分布及將來的產(chǎn)生、吸引交通量如下表所示，求規(guī)劃年的出行OD分布，并討論若規(guī)劃年小區(qū)1、2間的時(shí)間費(fèi)用縮短10分種，兩小區(qū)的交通量將是多少？（取α=β=1.0）6.2.1標(biāo)準(zhǔn)引力模型時(shí)間費(fèi)用及規(guī)劃年產(chǎn)生、吸引交通量表當(dāng)前交通量OD表

Cij123Oi1154350812431654102356651464Dj809172

tij123Σ1401210702205414963973458Σ697358224解：因?yàn)棣?β=1.0，此時(shí)回歸式變成如下形式：算出和的值，然后采用Y=a+bX來進(jìn)行回歸分析。得:a=-0.814756，b=-1.06231，相關(guān)系數(shù)為-0.89k=0.15319,r=1.06231,得引力模型：Tij123sumOi155.9020.7714.0090.6881223.0074.7716.25114.02102310.9010.5842.7864.2664sum89.80106.1373.03268.96

Dj809172

247上表不滿足雙約束條件!當(dāng)小區(qū)1、2間的時(shí)間費(fèi)用縮短10分種后:半鐘型“阻抗函數(shù)”為其它的降函數(shù)f(Cij):

6.2.2修正引力模型指數(shù)形式：

其中Fm為第m個費(fèi)用區(qū)的平均值

冪形式：

綜合形式：

離散形式：

狄拉克函數(shù)

指數(shù)型綜合型冪型半鐘形式：

exp(-0.3C)

6.2.2修正引力模型exp(-1.0C)

C-2

exp(-0.01C)

C0.5exp(-0.3C)

即：

6.2.3單約束引力模型設(shè):得:要求：

對一般的阻抗函數(shù)f(Cij)行約束系數(shù)6.2.3單約束引力模型同理:此模型的參數(shù)標(biāo)定問題要比前面少一個參數(shù)，無須單獨(dú)標(biāo)定K，只要標(biāo)定f(Cij)中的參數(shù)，可算出K來。列約束系數(shù)單約束引力模型式中，Ki、K’j分別為行約束系數(shù)、列約束系數(shù)。6.2.4雙約束引力模型可以證明:同時(shí)引進(jìn)行約束系數(shù)和列約束系數(shù)的引力模型叫雙約束引力模型。雙約束引力模型的形式是：選代公式：

6.2.4雙約束引力模型滿足:可用Furness法，先令Bj=1.0，求出Ai，代入第2式，求出Bj

對于指數(shù)形式和冪形式，有一個參數(shù)β（或r）需標(biāo)定，對于綜合形式，有β和r兩個參數(shù)需標(biāo)定，而離散型式，有m個參數(shù)Fm需標(biāo)定。這些參數(shù)均可由出行長度分區(qū)（TLD）來確定。而Ai,Bj由雙約束確定。

6.2.5三維方法對于離散形式的引力模型：

有三個參數(shù)需要標(biāo)定:ai,bj,Fm(阻抗函數(shù))設(shè)已知目標(biāo)年的出行產(chǎn)生量Oi和吸引量Dj，以及出行長度分布(TDL)lm，則Tij應(yīng)滿足三組約束：其中l(wèi)m為TLD中第m區(qū)的交通量。用三維選代法對參數(shù)進(jìn)行標(biāo)定。6.2.3三維方法1）令

得重復(fù)以上步驟，直至相對變化滿足精度為止。2）令

得得令

6.3機(jī)會模型法（介入概率方法）

假設(shè)：

①人們總是希望自己的出行時(shí)間較短。②人們選擇目的地小區(qū)時(shí)，按照合理的標(biāo)準(zhǔn)確定目的地小區(qū)的優(yōu)先順序。③人們選擇某一小區(qū)作為目的地的概率與該小區(qū)的活動規(guī)模(潛能)成正比。

對某個起點(diǎn)小區(qū)i，按照與其距離的遠(yuǎn)近把可能成為目的地的小區(qū)j排成一列。把起點(diǎn)小區(qū)i到第j-1個目的地小區(qū)為止所吸引的出行量之和用X表示，第j個目的地小區(qū)的吸引交通量用dX表示，在小區(qū)i發(fā)生的出行到第j-1個目的地小區(qū)為止被吸引的概率用P(X)表示。各個小區(qū)吸引出行的概率為α。設(shè)在小區(qū)i發(fā)生的出行被第j個小區(qū)吸引的概率為dP,則：

6.3機(jī)會模型法因此,順序?yàn)閙的小區(qū)(即小區(qū)j)被選為目的地的概率可表示為：

其中Xm表示小區(qū)i到小區(qū)j為止以前的累積的吸引出行量.6.3機(jī)會模型法則從小區(qū)i到小區(qū)j的分布交通量Tijm可用下式表示：

為使成立，將上式兩邊對j求和并令其等于Oi,則得下式6.3機(jī)會模型法決定各小區(qū)順序的方法：

1)小區(qū)間距離：大多數(shù)使用所需時(shí)間。選擇構(gòu)成此項(xiàng)目的影響要素時(shí)可同重力模型。2)可達(dá)性：即使距離近，如果在該小區(qū)能使其成為目的地的潛能(活動規(guī)模)小的話，也不一定成為目的地。此潛能和易接近性的乘積稱為可達(dá)性。若用Qj表示小區(qū)j的潛能(用目的地設(shè)施量等來描述)，用Rij表示ij間的距離，立足于小區(qū)i看小區(qū)j的可達(dá)性Aij可表示為:2.0<r<3.06.3機(jī)會模型法常數(shù)α的確定方法:α即是訪問機(jī)會模型的參數(shù)，可以使用現(xiàn)狀OD表，通過最小二乘法求解。

使用現(xiàn)狀OD表的數(shù)據(jù)得到上式中的X和1-P(X)，對于各交通小區(qū)求解，標(biāo)定未知參數(shù)α。α值也可用圖解法求得。取ln[l-P(X)]為縱軸，X為橫軸畫圖，則斜率即為α值。

6.4最大熵理論熵：系統(tǒng)有序化程度的量度，孤立系統(tǒng)從有序到無序的方向變化。熵函數(shù)：概率論中用來刻劃一個不肯定性程度的量。如射擊：Shannon找到一個滿足連續(xù)、等概n增、可加條件的唯一的量：C>0熵函數(shù)如:H甲>H丙>H乙6.4最大熵理論若測得一組數(shù)據(jù)，要求其各概率Pi，則相當(dāng)于在滿足測得數(shù)據(jù)的某些約束條件下，求各Pi，使H最大——最大熵理論。對于交通分布量Tij，其熵函數(shù)為：若已知發(fā)生量Oi，吸引量Dj以及費(fèi)用分布Cm或Cij，則：6.4最大熵理論s.t.i=1,2,…,nj=1,2,…,n6.4最大熵理論用Largrange乘數(shù)法可求上模型

得：

——引力模型

對于不同的約束條件，利用最大熵原理可推得不同的分布模型，如Furness模型：6.5從路段觀測量求OD表有選擇地直接調(diào)查一些路段上的斷面車流量,設(shè):Va為路段a的交通量，a=1,2,…,mPija為ij間的OD交通量中利用路段a的比例（路段選擇率）tij為ij間的OD交通量則:一般線性方程的個數(shù)m比OD未知量數(shù)(n2)少，不能求唯一解，需追加假定和其它信息，如OD分布為引力模型或OD分布形式不變。

6.5從路段觀測量求OD表1)OD滿足引力模型的最大似然法其中：uij為相互獨(dú)立隨機(jī)變量，且服從正態(tài)分布c,k,r,l為待標(biāo)定參數(shù)。可以認(rèn)為實(shí)際的OD分布是各種可能的分布中最容易出現(xiàn)的那一組，即最大似然函數(shù)的那一組，似然函數(shù)為：

取對數(shù)：數(shù)學(xué)規(guī)劃模型為:構(gòu)造Lagrange函數(shù):

令:得若已知參數(shù)(c,k,r,l),由上第二式可確定λa,再由上第一式確定tij,反過來,又可通過模型的目標(biāo)函數(shù)確定新的參數(shù)(c,k,r,l),可設(shè)計(jì)相應(yīng)的迭代算法,見教材P122。

2)OD形式不變的最小變差法使理論的分布量與實(shí)際的分布量的偏差最小，數(shù)學(xué)規(guī)劃模型為：

化為無非負(fù)約束的非線性規(guī)劃問題：其中R(s)為罰函數(shù)，可設(shè)計(jì)迭代算法進(jìn)行求解，每次迭代若不滿足非負(fù)約束，則s=s+1,在迭代中罰函數(shù)可取為R(1)=10,R(s+1)=10R(s).見教材P123解析方法s.t優(yōu)化模型(偏差最小)(S法)模型的求解1)松馳非負(fù)約束

作Lagrange函數(shù)模型的求解記:模型的求解令:模型的求解得:或:模型的求解則:i,j=1,2,…,n

非負(fù)調(diào)整方法閉回路法：在OD表上尋找一個包含負(fù)值的閉回路，并適當(dāng)選取一個調(diào)整量，從該負(fù)值為起點(diǎn)，將奇數(shù)頂點(diǎn)的Tij值增加一個調(diào)整量，偶數(shù)頂點(diǎn)的Tij值減去一個調(diào)整量，使得每次調(diào)整至少消去一個負(fù)值。該調(diào)整方法顯然可保證滿足雙約束條件，但目標(biāo)值卻增長較大。非負(fù)調(diào)整方法解析調(diào)整法：

設(shè)分布表（Tij）中的某個Ti1j1值小于零，記Ti1j1=-δ<0,δ>0。首先確定一張調(diào)整表B，B是由（Tij）中某些行和列的交叉元素組成的子表，B包含Ti1j1，但不包含第i1行中Ti1j<δ/(n2-1)的列及不包含j1列中Tij1<δ/(n1-1)的行，設(shè)表B的行數(shù)和列數(shù)分別為n1和n2,對于B中的元素Tij，令：

非負(fù)調(diào)整方法對于不在B中的元素，保持其值不變：調(diào)整后的分布表（T’ij）一定滿足雙約束條件，并且其目標(biāo)值的變化較小。算例分析tij1234oiOi155010020035540025051003004554603501005100255400410020025020570702dj205355455620t=1635

Dj260400500802

T=1962原交通分布表算例分析優(yōu)化預(yù)測分布表Tij1234sum(j)Oi19.56352.063102.063236.313400.000400.000244.563-2.93892.063326.313460.000460.000379.563127.06332.063161.313400.000400.0004126.313223.813273.81378.063702.000702.000sum(i)260.000400.00500.000802.0001962.000

Dj260.000400.000500.000802.000

T=1962.0目標(biāo)值為z=13491.438，該值為所有滿足雙約束條件分布的最小值算例分析非負(fù)調(diào)整分布表Tij1234sum(j)Oi19.88951.083102.389236.639400.000400.000243.5830.00091.083325.333460.000460.000379.889126.08332.389161.639400.000400.0004126.639222.833274.13978.389702.000702.000sum(i)260.000400.000500.000802.0001962.000

Dj260.000400.000500.000802.000

T=1962.0算例分析目標(biāo)值為z=13506.778，相對于最小值13491.438，其目標(biāo)值僅增加了0.1%。本模型的計(jì)算無需多次選代，計(jì)算速度快，計(jì)算效果好，適用于動態(tài)系統(tǒng)交通分布的預(yù)測。小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

增長系數(shù)法:

優(yōu)點(diǎn):(1)構(gòu)造簡單易懂。(2)

不需要小區(qū)間出行所需時(shí)間。(3)

小時(shí)交通量，日交通量的預(yù)測都可以適用。(4)

對全部交通目的OD預(yù)測都適用。(5)

當(dāng)OD表的周邊分布變化較小時(shí)特別有效。(6)

計(jì)算鐵道旅客的站間OD分布很有效。小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

增長系數(shù)法:

缺點(diǎn):(1)

要求有基準(zhǔn)年完整的OD表。(2)

當(dāng)預(yù)測對象區(qū)域有下述較大變化時(shí)不能使用：a)未來小區(qū)劃分變化時(shí)；b)小區(qū)間所需時(shí)間及小區(qū)間的緊密程度變化時(shí)(交通設(shè)施新建或改良);c)土地利用方式發(fā)生很大變化時(shí)(大規(guī)模住宅建設(shè)時(shí))。(3)

現(xiàn)狀OD交通量如果是0，將來的OD交通量也是0。小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

引力模型法：

優(yōu)點(diǎn):

(1)可以將土地利用對交通的發(fā)生、吸引的影響考慮進(jìn)去。(2)

對由于交通設(shè)施建設(shè)等帶來的小區(qū)間所需時(shí)間的變化反應(yīng)敏感。(3)

模型構(gòu)造簡單，對任何地區(qū)都適用。(4)即使沒有完全的OD表，也能對將來OD交通量進(jìn)行預(yù)測。

小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

引力模型法：

缺點(diǎn)：(1)是物理定律對社會現(xiàn)象的應(yīng)用，有類似性，但不一定完全立足于人的行動來分析，這是該模型存在的問題。(2)出行距離分布在研究對象區(qū)域不是一個定值，關(guān)于出行距離的系數(shù)不一定是常數(shù)，但重力模型卻認(rèn)為是常數(shù)。(3)小區(qū)間所需時(shí)間隨交通方式和時(shí)間變化而變動，但引力模型僅采用了所需時(shí)間一個因素。(4)隨著小區(qū)間的距離趨向于0，交通量趨于無限大。這一點(diǎn)和實(shí)際不符。當(dāng)距離較小時(shí)，有預(yù)測值過高的危險(xiǎn)。(5)為求解小區(qū)內(nèi)交通量，要給定小區(qū)內(nèi)的出行所需時(shí)間，這很困難。(6)為使預(yù)測結(jié)果同將來的發(fā)生、吸引交通量一致(雙約束)，要用增長率法進(jìn)行迭代計(jì)算。小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

介入機(jī)會法：

優(yōu)點(diǎn):

(1)模型的使用與小區(qū)及區(qū)域的邊界無關(guān)。(2)計(jì)算相對簡單。(3)以距離的使用為標(biāo)準(zhǔn)決定優(yōu)先順序，距離的精度高低不像引力模型那樣對出行影響那么大。(4)機(jī)會的定義和小區(qū)順序的決定都由使用者完成，所以具有很大的彈性。小結(jié)：交通分布三種預(yù)測方法優(yōu)缺點(diǎn)比較

介入機(jī)會法：

缺點(diǎn):(1)對未使用過的人來說用起來困難。(2)α值的確定非常難。(3)α值作為一個常數(shù)來決定比較主觀武斷，另外也未充分考慮地域各部分的特性。(4)很難使預(yù)測值與吸引交通量一致。(5)很難獲得表示機(jī)會的合理標(biāo)準(zhǔn)。7.交通方式選擇(分擔(dān),劃分)模型7.1基本概念

一個出行(trip,人或貨)與一種交通方式(mode,各種運(yùn)輸方式或車,車皮,集裝箱,)相對應(yīng)，一個地區(qū)(zone)的全部出行數(shù)中利用該種交通方式的人所占的比例叫做交通方式的分擔(dān)(率)，或簡稱為方式分擔(dān)MS(modalsplit)。其中每個交通方式所分擔(dān)的量叫做該交通方式的分擔(dān)交通量。影響旅客出行的交通方式選擇因素:（自學(xué)P126）

1)出行者或分區(qū)特性:家庭車輛擁有情況,年齡,收入(貨物的類型),分區(qū)的可達(dá)性2)出行特性:目的.距離3)交通設(shè)施的服務(wù)水平:費(fèi)用,時(shí)間,舒適度,可靠性,安全性7.交通方式選擇(分擔(dān),劃分)模型7.1基本概念影響貨物出行的交通方式選擇因素:1）貨物的類型。如：笨重類（煤炭、礦石、鋼鐵、糧食、木材、建材、機(jī)械等），一般工業(yè)產(chǎn)品類，特殊類（危險(xiǎn)品、冷藏品、鮮活品、貴重品）。2）分區(qū)的可達(dá)性。3）出行特性，主要指出行距離和起訖點(diǎn)之間是否有陸路連通。4）交通運(yùn)輸設(shè)施的服務(wù)水平，主要指費(fèi)用、時(shí)間和安全性。不同類型貨物對這三個指標(biāo)的要求程度各不相同。7.2方式選擇(分擔(dān)率)模型四類模型:1)

與出行生成模型結(jié)合在一起,即一開始就按不同的交通方式統(tǒng)計(jì)各自的出行生成量.2)

在出行生成與出行分布之間進(jìn)行交通方式分擔(dān),即出行生成量與交通方式暫時(shí)沒有關(guān)系,而在計(jì)算出行分布之前要完成分擔(dān)工作.3)

與出行分布結(jié)合在一起,即把交通方式分擔(dān)作為出行分布程序的一部分同時(shí)進(jìn)行,這種程序可以從出行分布的結(jié)果中對比不同交通方式的效果.4)在出行分布與交通分配之間進(jìn)行交通方式分擔(dān),即在交通分配之前先要完成交通方式分擔(dān).這在國外較普遍采用,因?yàn)樗梢园研谐藤M(fèi)用、服務(wù)水平等作為交通方式分擔(dān)的評價(jià)指標(biāo)。

7.2方式選擇(分擔(dān)率)模型四類模型:DAGMSDAG—MSMSAGDD—MSAGDAGMSI類：II類：III類：IV類：G表示交通發(fā)生、D表示交通分布、MS表示方式劃分、A表示交通分配7.2方式選擇(分擔(dān)率)模型設(shè)有兩種運(yùn)輸方式,根據(jù)引力模型有(僅考慮費(fèi)用因素):則第一種運(yùn)輸方式的分擔(dān)率為:

————分對數(shù)形式(二項(xiàng)Logit模型)其中Tijk為第k種運(yùn)輸方式的交通量，Cijk為對應(yīng)的費(fèi)用（廣義）顯然當(dāng)Cij1=Cij2時(shí)，Pij1=Pij2=0.5當(dāng)Cij2>>Cij1時(shí),Pij1

1.0Pij1與Cij2-Cij1產(chǎn)生S形曲線(分對數(shù)曲線)7.2方式選擇(分擔(dān)率)模型設(shè)有兩種運(yùn)輸方式,根據(jù)重力模型有(僅考慮費(fèi)用因素):則第一種運(yùn)輸方式的分擔(dān)率為:Cij2-Cij10.517.2方式選擇(分擔(dān)率)模型推廣到n種運(yùn)輸方式的情況：

-------多項(xiàng)Logit模型又被簡記為：MNL（Multi-nomialLogit）其中參數(shù)β需由觀察值標(biāo)定（取若干個特殊值用回歸法確定）,如：用線性回歸標(biāo)定參數(shù)β,λ，則：7.2方式選擇(分擔(dān)率)模型例(p132/7-4)：下表的前四列是五個小區(qū)間的方式選擇數(shù)據(jù),后兩列提供的是