[工学]第八讲 交通方式划分预测.ppt

交通模型 任 乐 上海海事大学交通运输学院 办公电话：86-212415 Email: renlele1109@163.com 第八讲 交通方式划分预测 §8.1 概述 §8.2 四种集计的方式划分模型 §8.3 非集计方法概述 §8.4 Logit模型 §8.1 交通方式划分预测概述 出行者对交通工具的选择叫做“交通方式划分”。 对大交通，方式划分是指对铁路、公路、航空、水运、管道五种运输方式的选择。 对城市交通 从结构层次划分 根据服务提供者划分 二、影响出行方式选择的因素 出行者或分区特征 家庭车辆拥有情况 出行者年龄 收入 分区的可达性 出行特征 出行目的 出行距离 交通设施的服务水平 费用 时间 舒适度 可靠性 安全性 大交通中货物出行方式划分的影响因素 货物的类型：笨重型，一般工业产品类，特殊类； 分区的可达性； 出行特征； 交通运输设施的服务水平：费用、时间、安全性。 集计与非集计方法 集计方法：以一批出行者作为分析对象，将有关他们的调查数据先作统计处理，得出平均意义上的量，然后对这些量作进一步分析研究； 非集计方法：以单个出行者作为分析对象，充分利用每个调查样本的数据，求出描述个体行为的概率值。相对于集计方法，非集计方法要求样本小、预测精度高，模型复杂的特点。 二、集计的方式划分模型 §8.2 四种集计的方式划分模型 G-MS结合的方式划分模型 生成后的方式划分模型 D-MS结合的方式划分模型 分布后的方式划分模型 一、 G-MS结合的方式划分模型 G-MS方法考虑出行者和分区特征的四个因素以及出行目的的因素作为方式划分的主要依据。 产生量-MS预测 吸引量-MS预测 1、产生量—MS预测 类型分析法模型 简单模型： 一般模型： 线性回归模型 2、 吸引量—MS预测 类型分析模型 二、 生成后的方式划分模型 线性回归模型 分区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、道路网水平、公交网水平决定。 分区吸引量的比例由分区的学校、商店、工厂、办公的岗位、道路网水平、公交网水平决定。 三、 D-MS结合的方式划分模型 D-MS结合的单约束引力模型 D-MS结合的双约束引力模型 三、 分布后的方式划分模型 转移曲线（分担率曲线）：是根据大量的调查统计资料汇出的各种交通方式的分担比例与其影响因素之间的关系曲线。 §8.3 非集计方法概述 集计方法存在的缺点是：为了保证模型的精度，要求相当规模的样本容量，而且在统计求和过程中没有充分利用各个个体的全部调查数据，存在信息浪费，调查费用大。 非集计方法将个体的原始数据不做任何统计处理直接用来构造模型，特点是：调查所得的个人数据能够得到充分的运用，要求的样本容量小。 一、非集计模型的类型 Logit模型 Probit模型 分层类Logit改进模型 合并Logit模型 分裂Logit改进模型 直接类Logit改进模型 Dogit模型 Box-Cox Logit模型 Box-Cox Dogit模型 广义Logit模型 二、概念与假定 可供选择的交通方式，叫做“选择枝”。 有两个选择枝可供选择的问题是二项选择问题，否则是多项选择问题。 根据不同出行者可选择的范围不同，有不同的选择枝集合。 某个选择枝具有的令人满意的程度叫做“效用”。 关于效用的两个基本假定（是基于人们通常的心理选择行为，是非集计模型的基础）： 个人在每次抉择中总选择效用值最大的选择枝； 个人关于每个选择枝的效用值由个人自身的特性和选择枝的特性共同决定。 §8.4 Logit模型 第九讲 非集计模型1 §9.1 Logit模型效用值的确定 §9.2 参数的标定 §9.3 Logit模型存在的问题 §9.4 Probit模型 §9.1 Logit模型效用值的确定 求解效用确定项Vj的两种方法 一种简单的、常用的定义和计算Vj的方法。 效用确定项Vj取为个人特性和选择枝特性的线性函数。 一、第一种方法 对于城市交通：效用确定项Vj为费用/收入比、车内时间、步行时间这三个可量测值的线性组合。 对于大交通：效用确定项Vj为费用/收入比、车内时间、发车频率这三个可量测值的线性组合。 上面的方法中： 个人特性只考虑个人收入一项。 其他考虑因素均来自选择枝的特性。 注意： 为常数项，不同选择枝的常数项不同，因此共有J个常数项（J为全体选择枝的数目）。 二、第二种方法 效用确定项Vj取为个人特性和选择枝特性的线性函数。 是待标定的参数向量。