重点知识复习(29-30)

1、第一阶段第一阶段(1930-1950)1940年美国西雅图的交通拥挤目的目的: 消除交通拥挤方法方法: 交通量调查, 以机动车保有量为基础的交通量成长预测, 基于经验方法的交通量分配第二阶段第二阶段(1950-1960)目的目的: 消除交通拥挤方法方法: 交通量调查, 家庭访问调查家庭访问调查, 以社会经济指数和汽车保有量预测以社会经济指数和汽车保有量预测交通量交通量, 以高通行能力道路为对象的长期性道路规划以高通行能力道路为对象的长期性道路规划1959年建成的波士顿中央干道事故发生率上升，车辆停候浪费燃油、运输延迟，因交通拥堵而给驾车者带来的损失每年估计为5亿亿美元，并且阻断了波士顿北端、滨

2、海地区与市中心的联系，限制了这些地区参与城市经济生活的能力第三阶段第三阶段(1960-1970)目的目的: 通过综合交通规划和理分配交通(私人交通对公共交通)投资方法方法: 四阶段预测法（集计模型）四阶段预测法（集计模型）, 交通方式划分,停车收费以1962年美国芝加哥市发表的Chicago Area Transportation Study为标志，交通规划理论得以诞生。该阶段把交通规划中的交通需求分析分为交通发生、交通分布、交通方式划分和交通分配四个步骤进行，这就是交通规划的四阶段法理论。1962年美国制定的联邦公路法规定凡5万人口以上城市，必须进行城市交通规划，方可得到联邦政府财政补贴。本

3、课程核心内容本课程核心内容!芝加哥底特律第四阶段第四阶段(1970-1980)目的目的: 强调局部性, 注重短期规划, 低成本交通营运政策方法方法: 技术方法的多样性, 非集计模型DANIEL L. MC FADDEN 2000 Nobel Laureate in Economics环境污染城市噪音污染交通问题研究开始多样化交通问题研究开始多样化:交通拥堵公交衰退交通安全停车难Moshe Ben-Akiva第五阶段第五阶段(1980-)目的目的: 交通规划强调微观性，局部性，动态性，环境保护，公共交通复苏方法方法: 计算机仿真技术，智能交通技术，动态预测技术，GIS技术装有GPS的出租车行驶轨

4、迹，伦敦http:/ 交通服务设施（公共交通路线，运行状况，收费额，经营，企业事业单位，维持管理，交通法规，运营等）陆化普交通调查数据的内容交通调查数据的内容2.交通需求交通需求 人口,就业,产业,经济(人口,经济结构,空间分布,选址,开发政策,规划等) 土地利用(种类分布,土地利用功能划分,建筑物用途,开发,再开发政策,规划等) 交通需求特性(通过居民出行,公共交通需求特性,停车需求特性等调查获得) 主要设施(主要公共设施,民间文化,余暇,体育设施等的配置和利用,大型活动等)陆化普交通调查数据的内容交通调查数据的内容3.交通流交通流交通流(不同设施利用交通量,断面交通量,发生,吸引交通量,起

5、终点交通量等)交通服务(旅行时间,速度,交通密度,拥挤度,利用成本,安全性,舒适性以及方便性等)陆化普交通调查数据的内容交通调查数据的内容4. 影响和资源影响和资源 对环境的影响(噪声,振动,空气污染,日照障碍,地域隔断,自然生态平衡,水环境,地基沉降等) 对社会经济的影响(文化遗产,古迹,景观,公共环境,移动设施,建筑物,可达性,生活圈,群众活动,交流,产业,设施选址变化,再布局等) 资源(土地,空间,能量消耗,所需人员,建设费用,运营,维修管理费用,费用的负担等)5. 其他关联要素其他关联要素 社会经济动向(人口,社会结构,生活方式,价值观,产业结构,技术革新,国际环境等) 地域条件(气象

6、,地形,地势,地理,风俗,历史,文化,政治等)陆化普城市内所有人，车，货出行的叠加：城市内所有人，车，货出行的叠加：OD矩阵矩阵http:/ 居住用地 (R)2. 公共设施用地 (C)3. 工业用地 (M)4. 仓储用地 (W)5. 对外交通用地 (T)6. 道路广场用地 (S)7. 市政公用设施用地 (U)8. 绿地 (G)9. 特殊用地 (P)10. 水域和其他用地 (E)ijjijTSA/：i区对j区的某活动主体的可达性值；ijA：j区内某活动主体的规模，例如就业人口(employed population)；jS：i区与j区之间的时间距离；ijT：参数 (parameter)。ijji

7、jjiTSA/,小区的可达性：汉森汉森(Walter G. Hansen)模型模型可达性(Accessibility)：表示某区所具有/产生与他区相互作用机会的可能性。汉森模型研究城市中某小区作为住宅开发时其可达性对住户数的影响。汉森模型的解释和意义：汉森模型的解释和意义：AB可达性小可达性小可达性大可达性大可达性对住户数的影响：可达性对住户数的影响：各小区可以利用的住宅开发土地面积比任意时点小区间住宅开发可能比住宅开发率: Di=住宅开发现状比住宅开发可能比例如，雇用的可达性与住宅开发率Di的关系：7 .2iiAKD假设，每户的居住面积一定，那么，住宅开发现状比：jjjijjjjiitiOA

8、OAODODPP7.27.2：i区的新增户数；iP：全市在时刻t的新增户数；tP：区i的住宅开发可能比。iO模型的特征：模型的特征：自区的可达性不能在其所在区考虑；时间距离不明确；适用于短期预测。12456738单向通行(One Way)交叉口(Road Intersection)节点(Node)发生/吸引点Trip Generation/Attraction Node匝道(Ramp)路段(Road Segment)边/链接(Link)高速公路(highway/freeway/expressway)Topology of Road Network路网拓扑结构道路网络：道路网络：12345678

9、9101112131415161718192021交叉口的拓扑结构：交叉口的拓扑结构：生成交通量(Trip Production)预测生成交通量(Trip Production)吸引交通量(Trip Attraction)发生交通量 (Trip Generation)OD 矩阵矩阵(1) 原单位法(2) 增长率法(3) 聚类分析法(4) 函数法主要预测方法：m：出行目的；s：人口属性；ssmsmNaTmmTT的单位出行次数；某出行目的和人口属性:msa某属性的人口；:sN量。某出行目的的出行生成:mT(1) 基于居住人口或就业人口的每人平均的交通生成量；根据人口属性以不同出行目的单位出行次数为

10、原单位进行预测。(2) 基于不同用途的土地面积或单位办公面积的交通生成量；以土地利用或经济指标为基准的原单位。原单位法：原单位法：1.14 1.141.50 1.571.300.501.001.502.00上班下班上学放学回家生活文化娱乐工作外出回程其它根据人口属性，按出行目的的不同预测。北京市不同出行目的的出行率(1986)msa计获取。由个人出行调查数据统聚类分析法聚类分析法(Cross-Classification or Category Analysis)类家庭数小区的类家庭的平均出行率值小区出行产生数的计算CiNCQiPNQPCicin

11、CCici:_1_（1）有关家庭的横向分类(小汽车拥有量，家庭规模与收入)（2）把每个家庭定位到横向类别（3）求解所分的每一类的平均出行率（4）计算各分区的出行发生聚类分析法聚类分析法(Cross-Classification or Category Analysis)优点：缺点：(1)直观，容易了解(2)资料的有效利用(3)容易检验与更新(4)适用于各种研究范围(1)每一横向分类的小格中，住户彼此之间的差异性被忽略(2)各小格样本数不同，会失去一致的精确性(3)同一类变量类别等级的确定是不客观的(4)工作繁杂其中，i, j：小区；x：属性变量（土地利用类别、面积、常住人口、白天人口，工作人口

12、等）；b：某出行目的的平均发生量（出行数/日人）；c：某出行目的的平均吸引量（出行数/日人）。iibxO jjcxD 调整方法：总量控制iNiiiOTOO/jNjjjDTDD/调整方法：调整系数jNjiNiDOf发生与吸引原单位法发生与吸引原单位法聚类分析法聚类分析法(Cross-Classification or Category Analysis)类家庭数小区的类家庭的平均出行率值小区出行产生数的计算CiNCQiPNQPCicinCCici:_1_（1）有关家庭的横向分类(小汽车拥有量，家庭规模与收入)（2）把每个家庭定位到横向类别（3）求解所分的每一类的平均出行率（4）计算各分区的出行发

13、生函数函数模型法模型法其中，b，c：回归系数；常使用的变量：区内平均收入、平均汽车保有率、家庭数、人口、就业人数、土地利用面积。多元回归分析(Regression Analysis)模型pkipkkppixbbO0pkjpkkppjxccD0问题：交通条件的改善 出行能力的增强没有得到充分考虑。例:户数就业人口数汽车保有量距市中心的距离上下班出行数pkipkkppixaaO0pkipkkppixaaOexp01126 .3988. 074. 059. 04321iiiiixxxxO小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13

14、.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.012.0现状男性的常住人口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)小区小区123O(i)?D(i)?小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.

15、012.0现状男性的常住人口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)现状出行生成量 T=15+13+27+24+14+12=15+13+26+24+15+12=105(万次)现状常住人口 N=5.6+4.4+10.2+9.8+5.0+5.0=41(万人)将来常住人口 M=7.9+7.1+18.1+17.9+7.2+6.8=65(万人)人均单位出行次数 T/N=105/41=2.561次/(日*人)将来的生成交通量 X=M*(T/N)=65*2.561=166.5(万次/日

16、)小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.012.0现状男性的常住人口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)小区1男性的发生原单位: 15/5.6=2.679 次/(日*人)小区1女性的发生原单位: 13/4.4=2.955 次/(日*人)小区1的发生交通量: 2.67

17、9*7.9+2.955*7.1=21.164+20.981=42.145(万次/日)小区1男性的吸引原单位: 15/5.6=2.679 次/(日*人)小区1女性的吸引原单位: 13/4.4=2.955 次/(日*人)小区1的吸引交通量: 2.679*7.9+2.955*7.1=21.164+20.981=42.145(万次/日)小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.012.0现状男性的常住人

18、口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)小区2男性的发生原单位: 27/10.2=2.647 次/(日*人)小区2女性的发生原单位: 24/9.8=2.449 次/(日*人)小区2的发生交通量: 2.647*18.1+2.449*17.9=47.911+43.837=91.748(万次/日)小区2男性的吸引原单位: 26/10.2=2.549 次/(日*人)小区2女性的吸引原单位: 24/9.8=2.449 次/(日*人)小区2的吸引交通量: 2.549*18.1+2.

19、449*17.9=46.137+43.837=89.974(万次/日)小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.012.0现状男性的常住人口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)小区3男性的发生原单位: 14/5.0=2.8 次/(日*人)小区3女性的发生原单位: 12/

20、5.0=2.4 次/(日*人)小区3的发生交通量: 2.8*7.2+2.4*6.8=20.16+16.32=36.48(万次/日)小区3男性的吸引原单位: 15/5.0=3.0 次/(日*人)小区3女性的吸引原单位: 12/5.0=2.4 次/(日*人)小区3的吸引交通量: 3.0*7.2+2.4*6.8=21.6+16.32=37.92(万次/日)小区小区123现状男性的出行发生量(万出行数/日)15.027.014.0现状女性的出行发生量(万出行数/日)13.024.012.0现状男性的出行吸引量(万出行数/日)15.026.015.0现状女性的出行吸引量(万出行数/日)13.024.01

21、2.0现状男性的常住人口(万人)5.610.25.0现状女性的常住人口(万人)将来男性的常住人口(万人)7.918.17.2将来女性的常住人口(万人)123Total142.145291.748336.48Total42.14589.97437.92OD373.170iiO039.170iiDX=M*(T/N)=65*2.561=166.5(万次/日)(万次/日)123Total142.145291.748336.48Total42.14589.97437.92OD039.170iiDX=M*(T/N)=65*2.561=166.5(万次/日)(万次/日)

22、131.37039.170/5 .16692.37101.88039.170/5 .166974.89268.41039.170/5 .166145.42651.35373.170/5 .16648.36662.89373.170/5 .166748.91187.41373.170/5 .166145.42321321DDDOOO373.170iiO增长系数法(现状分布交通量给定):1. 令计算次数 m=0mmjmimijTDOq,2. 给定现状OD表中 以及将来OD表中的XVUji,3. 求出各小区的发生与吸引交通量的增长率miimOiOUF/mjjmDjDVF/4. 求第m+1次分布交通量

23、的近似值1mijq),(1mDjmOimijmijFFfqq5. 收敛判别1/11/111111111mjjmDjmiimOiimijmjjmijmiDVFOUFqDqO常增长系数法:(Unique Growth Factor Method)ijq 的增长仅与i小区的发生量增长率有关，或仅与j小区的吸引量增长率有关，或仅与生成量的增长率有关，是一个常量。平均增长系数法:(Average Growth Factor Method)ijq 的增长系数是i小区出行发生量增长系数和j小区的出行吸引量增长系数的平均值。底特律法:(Detroit Method)ijq 的增长系数与i小区出行发生量增长系数

24、和j小区的出行吸引量增长系数之积成正比，与出行生成量的增长系数成反比:mmDjmOimmDjmOimDjmOiDTXFFXTFFFFf/),()(21),(mDjmOimDjmOiFFFFF平常量常),(DjOiFFf单约束重力模型:ijijOq 1. 乌尔希斯重力模型jijjijjiijcfDcfDOq)(/ )(ijijccf)(交通阻抗函数：ijijijijijqcqc/ )(确定参数 ：%)3(|ccc满足约束条件：a出行出行目的目的上班、上学出行：上班、上学出行：汽车利用率低、公共交通利用率高。业务业务出行：出行：因需要在多客户处停留，装卸货物等，所以汽车利用率高、公共交通利用率低。

25、自由出行：自由出行：汽车(出租)利用率高。b出行距离出行距离 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。一、出行特性一、出行特性交通方式选择的影响因素交通方式选择的影响因素二、交通服务水平二、交通服务水平 行驶时间、费用、等待时间、运到期限、舒适性、安全性、可靠性。 行驶时间的可靠性。三三、个人属性、个人属性职业、年龄、性别、收入、驾照持有与否、汽车保有与否。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

26、女性汽车利用率高，收入高汽车利用率高。四四、家庭属性、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、地区特性五、地区特性 人口规模、交通设施水平、地形、气候等。 城市规模大 交通设施水平高 公共汽车利用率高 山川、河流多 汽车、公共汽车利用率高 雨天、雪天 公共交通方式利用率高 停车设施 舒适性和便利性。六、区内人口密度六、区内人口密度 密度高 公共交通利用率高。公共交通划分率区人口密度非汽车保有家庭1辆/户2辆/户划分划分率模型率模型 a. Logit模型模型(二元二元)其中, :汽车(car)；:公共汽车(bus)b.多项多项Logit模型模

27、型bccZZZijijcijceeettpcccxaxaaZ22110kccijkijkijkeepDijkstra最短路径算法基本思路：最短路径算法基本思路：铁道学院世纪楼铁道学院世纪楼B005火车南站火车南站如果P是从vs到vj的最短路径， vi是P上的一个节点，那么从vs沿P到vi的路径是从vs到vi的最短路径。雨花区政府雨花区政府Dijkstra最短路径计算方法 (标号法, Label-correcting Method)Edsger Wybe Dijkstra1930-2002 荷兰计算机科学家，毕业于荷兰莱顿大学，早年钻研物理及数学，而后转为计算学。曾在1972年获得过素有计算机科

28、学界的诺贝尔奖之称的图灵奖，之后，他还获得过1974年AFIPS Harry Goode Memorial Award、1989年ACM SIGCSE计算机科学教育教学杰出贡献奖。算法步骤123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)道路阻抗: w(vi, vj) , 例: w(v5, v6) =1标号l(v): 从起点vs沿当前的最短路径到节点v的距离，前点p(v): 在当前的最短路径上节点v前面的那个节点。算法步骤（1）123456789222222222211节点: vs (v1 v2 v3 v

29、4 v5)节点vs标号: l(vs)节点vs前点: p(vs)道路阻抗: w(vi, vj) , 例: w(v5, v6) =1l=0, p=0l=, p=0l=, p=0l=, p=0l=, p=0l=, p=0l=, p=0l=, p=0l=, p=0算法步骤（2）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=, p=0l=2, p=1l=, p=0l=, p=0l=, p=0l=, p=0l=, p=0道路阻抗: w(vi, vj) , 例: w(v5, v6

30、) =1以以 v1为起点的路段终点为起点的路段终点v2 v4l(v2)=l(v1)+ w(v1, v2)=0+2=2l(v2) l(v1)+ w(v1, v2)所以l(v2)=l(v1)+ w(v1, v2)=2p(v2)=1l(v4)=l(v1)+ w(v1, v4)=0+2=2l(v4) l(v1)+ w(v1, v4)所以l(v4)=l(v1)+ w(v1, v4)=2p(v4)=1l(v2)=l(v4)=2, 都是最小的，任选其一算法步骤（3）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=

31、0, p=0l=2, p=1l=4, p=2l=2, p=1l=4, p=2l=, p=0l=, p=0l=, p=0l=, p=0道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v2为起点的路段终点为起点的路段终点v3 v5l(v3)=l(v2)+ w(v2, v3)=2+2=4l(v3) l(v2)+ w(v2, v3)所以l(v3)=l(v2)+ w(v2, v3)=4p(v3)=2l(v5)=l(v2)+ w(v2, v5)=2+2=4l(v5) l(v2)+ w(v2, v5)所以l(v5)=l(v2)+ w(v2, v5)=4p(v5)=2l(v4)最小，选

32、v4。算法步骤（4）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=, p=0l=4, p=4l=, p=0l=, p=0道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v4为起点的路段终点为起点的路段终点v5 v7l(v5)=4l(v4)+ w(v4, v5)=2+1=3l(v5) l(v4)+ w(v4, v5)所以l(v5)=l(v4)+ w(v4, v5)=3p(v5)=4l(v7)=l(

33、v4)+ w(v4, v7)=2+2=4l(v7) l(v4)+ w(v4, v7)所以l(v7)=l(v4)+ w(v4, v7)=4p(v7)=4l(v5)最小，选v5。算法步骤（5）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4, p=4l=5, p=5l=, p=0道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v5为起点的路段终点为起点的路段终点v6 v8l(v6)=

34、l(v5)+ w(v5, v6)=3+1=4l(v6) l(v5)+ w(v5, v6)所以l(v6)=l(v5)+ w(v5, v6)=4p(v6)=5l(v8)=l(v5)+ w(v5, v8)=3+2=5l(v8) l(v5)+ w(v5, v8)所以l(v8)=l(v5)+ w(v5, v8)=5p(v8)=5l(v3)=l(v7)=l(v6)=4最小，任选其一。算法步骤（6）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3,

35、 p=4l=4, p=5l=4, p=4l=5, p=5l=, p=0道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v3为起点的路段终点为起点的路段终点v6 l(v6)=4l(v3)+ w(v3, v6)=4+2=6l(v6)l(v6)+ w(v6, v9)所以l(v6)= l(v6)+ w(v6, v9)p(v6)=6l(v7) 最小，选v7 。算法步骤（8）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3

36、, p=4l=4, p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v7为起点的路段终点为起点的路段终点v8 l(v8)=5l(v7)+ w(v7, v8)=4+2=6l(v8)l(v7)+ w(v7, v8)所以l(v8)=5不变p(v8)=5不变l(v8) 最小，选v8 。算法步骤（9）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4,

37、p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v8为起点的路段终点为起点的路段终点v9 l(v9)=6l(v8)+ w(v8, v9)=5+2=7l(v9) l(v8)+ w(v8, v9)所以l(v9)=6不变p(v9)=6不变l(v9) 最小，选v9 。算法步骤（10）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4,

38、p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v9为起点的路段终点为起点的路段终点无无 节点节点1123456789l024234456p112145456算法步骤（10）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v9为起

39、点的路段终点为起点的路段终点无无 节点节点1123456789l024234456p112145456算法步骤（10）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v9为起点的路段终点为起点的路段终点无无 节点节点1123456789l024234456p112145456算法步骤（10）

40、123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v9为起点的路段终点为起点的路段终点无无 节点节点1123456789l024234456p112145456算法步骤（10）123456789222222222211节点: vs (v1 v2 v3 v4 v5)节点vs标号: l(vs)节点vs前点: p(vs)l=0, p=0l=2, p=1l=4, p=2l=2, p=1l=3, p=4l=4, p=5l=4, p=4l=5, p=5l=6, p=6道路阻抗: w(vi, vj) , 例: w(v5, v6) =1以以 v9为起点的路段终点为起点的路段终点无无 节点节点1123456789l024234456p112145456几种常用的交通分配方法：几种常用的交通分配方法：非平衡分配：非平衡分配：1. 全有全无分配法全有全无分配法 (All or Nothing Traffic Assignment)2. 增量分配