交通方式划分方法.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,*,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,*,交通方式划分,(,Mode Split,),概述,方式分担：,一个出行与一种交通方式相对应，一个地区的全部出行数中利用该种交通方式的人所占的比例分担交通量：,每个交通方式所分担的量叫做该交通方式的,分担交通量,分担率：,分担交通量在全部交通量中所站的比例叫做分担率（或选择率）城市交通规划的方式选择,单独开车出行,乘公共汽车出行,乘地铁出行,乘出租车出行,骑自行车出行,骑摩托车出行,步行出行,混合出行,综合运输规划的方式选择,公路运输,铁路运输,水运运输,航空运输,管道运输,客运,运行速度,(km/h),Co,2,排放,(g/,人,km),能 耗,(,千卡,/,人,km),死亡人数,(,人,/,亿人,km),运输能力,(,人,/,时单向,),家庭轿车,23,44.6,600,1.17,2200,公共汽车,11,19.4,154,0.082,1.4-2.1,万,客轮,30,23.9,-,-,-,航空,800,30.2,456,-,-,铁道,30-200,4.7,85.5,0.005,8.3,万,高速铁路,200,5.6,0.0,8.3,万,地铁,30-60,3,77,0.005,5.0-8.4,万,路面电车,20-30,9,-,0.005,0.5-1.4,万,新交通系统,30,7,119,0.005,0.84-2.5,万,表,1,各种交通方式的特性比较,截至,2007,年,5,月,26,日，北京市机动车突破,300,万辆，机动化出行方式从,38%,提高到,61%,。

小汽车在出行方式构成中所占比例由,1986,年的,5%,上升到,2000,年的,23.2%,，而公共交通方式份额由,28%,下降到,26.5%,城市交通机动化,城市交通结构不合理,交通投资与交通发展不协调,“,八五,”,期间道路（含公路）投资与公交（含地铁）投资的比例为,7:3,，,“,九五,”,期间这个比例达到,8.2:1.8,交通方式选择的影响因素,一、交通特性,上班、上学出行：,汽车利用率低、公共交通利用率高出行目的：,旅游、公务等，出租车出行距离：,长距离，乘坐轨道交通；短距离，自行车出行二、交通服务水平,时间、费用、等待时间、舒适性、安全性、可靠性等三、个人属性,职业、年龄、性别、收入、驾照持有与否、汽车保有与否等等业务员、推销员汽车使用率高，,2040,岁汽车利用率高，其它年龄段公共汽车利用率高，男性比女性汽车利用率高，收入高汽车利用率高四、家庭属性,单身、夫妻、有否小孩、是否与老人同居老人、小孩上医院机会多,汽车利用机会增多五、其他因素,出行距离,步行,3km,自行车,5km,摩托车,8km,公共汽车,300km,轿车,500km,货车,1000km,、高附加值货物,水运,(,内河,),短途、捷径、观光,水运,(,近海、远洋,),旅游、散货、低附加值货物。

1,）,区域模型：,用以规划区域全体为对象的变量说明交通方式选择特性的方法；,（,2,）,出行终端模型：,将规划对象区域划分为若干个交通小区时，以交通小区的固有特性说明交通方式选择的方法；,（,3,）,OD,对模型：,针对各,OD,对的交通特性，给各,OD,对间的交通方式分配交通量的方法；,（,4,）,路径模型：,依次考虑到达目的地的路径选择决定交通方式的方法交通方式划分模式,交通方式划分的模式,G ,交通生成 （,Generation),D ,交通分布 （,Distribution),MS,交通方式划分（,Mode Split),A ,交通分配 （,Assignment),G-MS,D,A,G,MS,D,A,G,D-MS,A,G,D,MS,A,根据交通方式选择特性进行分类,（,1,）一阶段分担率模型,不分为固定阶层和选择阶层，而是一齐来考虑2,）二阶段分担率模型,分固定阶层和选择阶层，不考虑地区间的交通服务水平OD,交通量,个人属性,小汽车利用者固定阶层,交通手段选择可能者,公共交通利用者固定阶层,小汽车利用者,公共汽车利用者,二阶段分担交通量预测框架,根据方式选择的基本单位进行分类,(1),集计模型,以交通小区为单位将利用者的方式选择集计起来进行说明的模型。

2,）非集计模型,以个人为单位构造模型来确定各交通方式的选择概率，然后再将每个人的方式选择结果集计起来，预测分担交通量的模型根据方式选择步骤来分类,（,1,）二者择一法,把交通方式的选择分为两步的方法,（,2,）多项选择法,用包含各种方式的选择率公式一次求出选择率的方法方法简单，但正确提取方式选择的要素十分困难徒步，自行车,徒步以外,徒步,自行车,全交通方式,个人运输工具,公共运输工具,汽车,摩托车,公共汽车,铁路,交通方式划分模型,线性模型,这是函数模型中最早开发出来的模型它把影响交通方式,分担的各种要素用线性函数的形式表示，从而推求交通方,式分担率不过，用这种方法求出的分担率,P,i,无法保证满足,0P,i,1,Logit,模型,OD,对之间某种交通方式的分担率可以表示为：,式中的符号表示：,：第,i,种交通方式的交通分担率；,：第,i,种交通方式的效用函数；,：交通方式的总数；,：待定参数；,：第,i,种交通方式的第,k,个属性值（时间、费用等）；,在,Logit,模型中，满足：,在这个模型中，参数 是通过个人出行调查的结果标定的方式,4,方式,1,划分率,1.0,0.0,参数标定,设有,N,次观测，对于第,n,次观测中的交通方式,k,，其解释变量样本是 ，是待定参数向量；方式的总效用是 。

设第,n,次观测的结果为：出行者选择了方式,k,，可表达为 极大似然估计法来估计参数 ，对于第,n,次观测，解释变量取值为 ，这种取值服从概率密度函数,出行者已知 时选择方式 的概率为 ，由,Logit,选择模型，有,由数学中的概率论知，第 次观测出解释变量为 和方式 被选中的联合概率密度应为,次观测结果的似然就是,似然仅是 的函数，因为通过调查，和 ，,n,，均是已知样本取对数，得,令上式取极大，就可获得的 值由于右边第二项不是 的函数，故在求极大问题时，可以去掉第二项例子,1,设有一个方式选择问题，某,O-D,之间有两种方式供出行者进行选择，令 和 分别为第一种方式与第二种方式的广义效用，和 分别为两种方式的行驶时间，按照,Logit,模型的定义有,选择概率为,通过四次调查，有关时间差和方式选择的样本值列于下表中，因此可构造问题的似然函数如下：,观察次数,样本值,(),选择结果,1,-3.0,方式,1,2,-0.50,方式,2,3,-2.0,方式,2,4,-1.0,方式,1,简化似然函数得,1.0,2.0,3.0,4.0,5.0,1.0,0.0,-1.0,-2.0,-3.0,-4.0,唯一极大点 ,1.44,在仅有公共汽车和私人汽车两种交通方式的地区，假设有下述,Logit,交通方式选择模型，试用下表所示行驶时间和费用以及划分率，求出这两种交通方式的将来分布（,OD,）交通量。

例子,2,1,2,3,1,0.273,0.265,0.253,2,0.282,0.248,0.255,3,0.239,0.192,0.244,1,2,3,1,0.727,0.735,0.747,2,0.718,0.752,0.745,3,0.761,0.808,0.756,划分率（公共汽车）,划分率（汽车）,现状,OD,1,2,3,Oi,1,17.78,16.30,4.28,38.36,2,16.46,63.09,12.12,91.67,3,3.95,11.08,21.44,36.46,Dj,38.19,90.47,37.83,166.50,将来,OD,分布表,解：,（,1,）利用现状数据确定参数值,回归得出：,=-0.0796;=-0.00387;=0.390,（,2,）利用,，和给定的将来行程时间和费用值，计算将来的交通方式划分率,将来的时间和费用,1,2,3,1,-0.46,-0.94,-1.04,2,-0.86,-0.78,-1.14,3,-1.04,-1.14,-0.46,1,2,3,1,0.14,-0.27,-0.43,2,-0.27,-0.19,-0.52,3,-0.43,-0.52,0.14,公共汽车的效应值,汽车的效应值,将来,1,2,3,1,0.354,0.338,0.353,2,0.356,0.356,0.348,3,0.353,0.348,0.354,1,2,3,1,0.646,0.662,0.647,2,0.644,0.644,0.652,3,0.647,0.652,0.646,公共汽车的划分率,汽车的划分率,将来,（,3,）利用将来的,OD,分布表，求出将来的按不同出行方式的,OD,分布表,1,2,3,计,1,6.30,5.51,1.51,13.31,2,5.86,22.49,4.22,32.56,3,1.39,3.85,7.59,12.83,计,13.55,31.85,13.31,58.71,公共汽车的,OD,表,1,2,3,计,1,11.49,10.79,2.77,25.05,2,10.61,40.61,7.90,59.11,3,2.55,7.23,13.85,23.63,计,24.64,58.63,24.52,107.79,汽车的,OD,表,3.Probit,模型,此模型只适合只有两种交通方式的情况，交通方式被选择的,概率用下式计算：,：表示两种交通方式的线性函数值的差。

这种模型应用在多种方式的选择非常困难，其优点是两种,交通方式特性即使不独立也可以使用。