交通的发生和吸引PPT课件

.,1,第1节概述第2节发生与吸引交通量的影响因素第3节生成交通量的预测重点第4节发生与吸引交通量的预测重点,第五章交通的发生与吸引,.,2,交通调查小区土地利用（面积、住宅、就业人口等）小区的发生与吸引交通量,第一节概述,.,3,影响,.,4,发生与吸引交通量的预测是交通需求预测四阶段预测中的第一阶段，是交通需求分析工作中最基本的部分之一。在本阶段的任务是求出对象地区的交通需求总量，即生成交通量(TripProduction)。然后，在此量的约束下，求出各个交通小区的发生与吸引交通量。,交通小区的发生与吸引交通量示意图,第一节概述,.,5,交通与土地利用(LandUse)有着不可分割的关系,是影响交通产生的主要因素之一。按照我国国家标准城市用地分类与规划建设用地标准规定，城市土地利用分10大类，分别为：居住用地；公共设施用地；工业用地；仓储用地；对外交通用地；道路广场用地；市政公共设施用地；绿地；特殊用地；水域及其他用地。,一、土地利用,第二节出行的影响因素,.,6,走亲访友，购物等私人出行多；以家庭为单位的工作、业务等出行几乎没有。随着家庭规模的增大，人均出行数减少，例如，购物可由一人代替。,A：将来人口a：将来家庭平均人口数,自由：T=f(Aa),1.家庭构成与大小,第二节出行的影响因素,.,7,2.年龄，性别男性2650岁出行多，女性1650岁出行多。,年龄段,平均出行次数(男),第二节出行的影响因素,.,8,女性不同年龄的平均出行次数,年龄段,第二节出行的影响因素,.,9,3.汽车保有率汽车保有率高，人均出行数增加。原因：(1)出行需求高的人买车，(2)有车后容易诱发出行。,4.自由时间自由时间=24-生活必需时间(睡眠、饮食)-约束时间（工作、学习）自由时间多出行机会大自由出行量：T=at+b式中T：私用出行数；t：自由时间；a，b：分别为系数和常数。,第二节出行的影响因素,.,10,5.职业、职务（如图5-3所示）职业和工种的不同是造成出行量不同的主要原因之一，各国的居民出行数据都表明了这一点。汽车司机、推销员、采购员、业务员的平均出行多，工人、学生、教师、行政管理人员的平均出行少。图5-3给出了北京市1986年的居民出行调查不同职业人员日平均出行次数调查结果。,6.外出率外出率是工作中外出业务占总业务的比率。因工种、年龄的不同而异。,7.企业环境、性质一般来说，企业大，业务处理量大，外出率高。,8.家庭收入家庭收入也是影响出行，尤其是自由出行的主要因素之一。高收入家庭，汽车购买率高，购物、娱乐等需求也高，平均出行次数多。,第二节出行的影响因素,.,11,图5-3不同职业人员日均出行次数,9.其他天气、工作日、休息日和季节等的不同也影响人们的出行。雨雪天气人们出行不便，出行量小；周一至周五工作日出行量大且时间集中，周六、周日等休息日出行量小且分散；炎热的夏天和寒冷的冬天出行量小，春秋天气候宜人出行多。,第二节出行的影响因素,.,12,一、概述,出行生成包括出行产生与出行吸引。由于两者的影响因素不同，前者以住户的社会经济特性为主，后者以土地利用的形态为主，故有些方法需将出行产生和出行吸引分别进行预测，以求其精确，也利于下一阶段出行分布的工作。当住户的社会经济特性和土地利用形态发生改变时，也可用来预测交通需求的变化。而出行生成交通量通常作为总控制量，用来预测和校核各个交通小区的发生和吸引交通量。图5.3-1列出了OD表中发生交通量、吸引交通量和生成交通量三者之间的关系。,第三节出行生成交通量的预测,.,13,发生、吸引交通量与生成交通量的关系表,第三节出行生成交通量的预测,发生交通量,吸引交通量,生成交通量,.,14,1.原单位法,原单位的求得原则通常有两种，一是用居住人口或就业人口每人平均的交通生成量来进行推算的个人原单位法，另一种就是以不同用途的土地面积或单位办公面积平均发生的交通量来预测的面积原单位法。不同方法对应的选取的原单位指标也不同，主要有：（1）根据人口属性以不同出行目的单位出行次数为原单位进行预测。（2）以土地利用或经济指标为基准的原单位，即以单位用地面积或单位经济指标为基准对原单位进行预测。,二、生成交通量的预测方法,第三节出行生成交通量的预测,.,15,第三节出行生成交通量的预测,.,16,根据人口属性，按出行目的的不同预测。,北京市不同出行目的的出行率(1986),第三节出行生成交通量的预测,.,17,【例1】图5-6是分有3个交通小区的某对象区域，表5-1是各小区现状的出行发生量和吸引量，在某对象区域常住人口平均出行率不变的情况下，采用出行次数法预测其将来的出行生成量。,第三节出行生成交通量的预测,表5-1各区现状的出行发生量和吸引量,.,18,出行生成量T：T=28.0+51.0+26.0=28.0+50.0+27.0=105.0,现状常住人口N：N=11.0+20.0+10.0=41.0,将来常住人口M：M=15.0+36.0+14.0=65.0,现状平均出行率T/N：T/N=105.0/41.0=2.561(出行数/日、人),将来的生成交通量X：X=M*(T/N)=65.0*2.561=166.5(万出行数/日),第三节出行生成交通量的预测,.,19,2.聚类分析法,聚类分析（Cross-ClassificationorCategoryAnalysis）是出行生成预测的另一个可选用的模型，英国人称其为类型（别）分析，美国人则称其为交叉分类方法，它突出以家庭作为基本单元，用将来的出行发生率求得将来的出行量。它与原单位法有很多相似之处，但又存在很大不同。,一定时期内出行率是稳定的。家庭规模的变化很小。收入与车辆拥有量总是增长的。每种类型内的家庭数量，可用相应于该家庭收入、车辆拥有量和家庭结构等资料所导出的数学分布方法来估计。,（1）聚类分析法必须服从的假定,第三节出行生成交通量的预测,.,20,第三节出行生成交通量的预测,.,21,【例题5-2】澳大利亚城市类别产生率。根据家庭规模、收入及家庭拥有小汽车数可将研究对象内的家庭分成不同的类别，表5.3-2给出的就是根据调查得到的不同类别家庭的平均出行率。,第三节出行生成交通量的预测,表5.3-2不同类别家庭的平均出行率,已知：低收入、无小汽车、每户3人100户；低收入、无小汽车、每户4人200户；中等收入、有1小汽车、每户4人300户；高收入、有2小汽车、每户5人50户。则总出行为：1003.4+2004.9+3008.3+5012.9=4455人次/日,.,22,（3）聚类分析的优缺点优点：直观、容易了解。资料的有效利用。容易检验与更新。可以适用于各种研究范围。缺点：每一横向分类的小格中，住户彼此之间的差异性被忽略。因各小格样本数的不同，得到的出行率用于预测时，会失去其一致的精确性。同一类变量类别等级的确定是凭个人主观，失之客观。当本方法用于预测时，每一小格规划年的资料预测将是一项繁杂工作。,第三节出行生成交通量的预测,.,23,第三节出行生成交通量的预测,.,24,第四节发生与吸引交通量的预测,.,25,第四节发生与吸引交通量的预测,.,26,第四节发生与吸引交通量的预测,.,27,【例5-3】假设各小区的平均出行发生量与吸引量不变，试用例5-1的数据求出将来的出行发生与吸引量。,第四节发生与吸引交通量的预测,平均出行发生与吸引量,.,28,165.975,166.375,第四节发生与吸引交通量的预测,将来出行发生与吸引量(调整前),.,29,第四节发生与吸引交通量的预测,.,30,第四节发生与吸引交通量的预测,将来出行发生与吸引量(调整后),.,31,第四节发生与吸引交通量的预测,二、增长率法（GrowthFactorMethod）,.,32,第四节发生与吸引交通量的预测,.,33,第四节发生与吸引交通量的预测,.,34,三、聚类分析法,在交通生成预测中，学习了聚类分析法。它不仅可以预测交通生成，本身也是发生与吸引交通量预测中的一种常用且有效的方法。（例题5-6）假设规划调查区的土地利用特性如表5-6所示，以小区1为抽样点，在不同小汽车占有的情况下，上班出行1h的原单位计算如表5-7。以小区1为抽样点，得到上班出行1h内，出行吸引量与职位数的关系如表5-8，计算出行的发生与吸引量。,第四节发生与吸引交通量的预测,表5-6规划区域的土地利用特征,.,35,第四节发生与吸引交通量的预测,表5-7出行发生情况,表5-8出行吸引情况,.,36,第四节发生与吸引交通量的预测,表5-9出行发生量,.,37,第四节发生与吸引交通量的预测,表5-10出行吸引量,.,38,第四节发生与吸引交通量的预测,.,39,选用多元回归分析法时，应该注意自变量之间的相互独立性。该方法也不能表现因土地利用的变化带来的人们出行行为的变化以及由于交通条件的改善引起人们出行能力的增强。回归预测的规范步骤可分为建立模型、检验模型和实施预测三个阶段。1.建立模型阶段(1)准备和整理必要的资料数据，资料应该全面、完整。(2)确定因变量和自变量，尤其是自变量。(3)根据资料数据作出散点图。(4)确定模型形式，即选择方程的线性、非线性，一元或多元。(5)求解回归系数，计算估计误差和相关系数。,第四节发生与吸引交通量的预测,.,40,2.检验模型阶段(1)初步经验检验，即考察模型是否符合基本常识和公认的理论。(2)统计检验包括离散系数（V=S/Y*，标准差/因变量实际均值一般在10%15%之