基于四阶段法的城市轨道交通客流预测模型研究

基于四阶段法的城市轨道交通客流预测模型研究摘要关键词：轨道交通客流预测通过预测线路断面客流、换乘客流、车站出入口客流，为规划线网方案和轨道建设的评价提供重要的量化指标，对科学决策具有重要意义。轨道交通项目建设。本文主要内容如下：(1)阐述国外轨道交通预测研究的现状和发展趋势、研究背景和研究意义；（2）介绍传统四阶段法的基本原理和方法，指出传统四阶段法的不足，提出改进方法；（3）针对传统四阶段法的不足，根据出行目的和社区所在位置，建立改进的四阶段轨道交通预测模型；(4)以轨道交通网络为研究对象，采用改进的四阶段法进行客流预测。关键词：四阶段法；轨道交通；客流预测；流量分配模型；流量生成模型目录TOC\o"1-3"\h\z摘要二目录三1简介51.1研究背景及意义51.1.1研究背景51.1.2研究意义51.2国外研究现状51.2.1国外研究现状51.2.2国研现状61.3研究论文的主要内容62基于四阶段法的轨道交通客流预测研究72.1交通发生与吸引模型72.2流量分配模型82.3运输方式划分模型92.4流量分配模型102.5四阶段法的优缺点113改进的四阶段轨道交通客流预测方法133.1根据社区的出行目的和土地利用性质产生流量的方法133.1.1流量生成概念133.1.2流量生成模型133.2流量分配方式143.2.1细胞分裂和细胞间分布模型143.2.2改进的分布模型154实证分析174.1流量生成预测174.2流量分布预测184.3运输方式划分194.4流量分配264.5各路段服务水平分析33结论35至36参考文献371简介1.1研究背景及意义1.1.1研究背景随着我国经济的快速发展，城市化进程不断加快，城市规模不断扩大，大量人口进入城市，市民出行频繁，给城市交通带来严峻挑战。虽然城市道路数量和车辆保有量大幅增加，但交通拥堵、交通混乱等交通问题依然突出。大力发展城市轨道交通是解决现代城市交通问题的重要手段。城市轨道交通对城市发展模式和布局具有重要影响，因此对轨道交通客流预测具有重要的理论意义和实用价值。1.1.2研究意义城市轨道交通客流预测是城市轨道交通建设的重要组成部分，是确定城市轨道交通系统建设规模的重要依据，是城市轨道交通合理线网规划和初步运营的依据。一个模型，但与总则城市交通需求预测相比，城市轨道交通系统的需求预测有其自身的特点。“从中国主要城市的客流预测来看，目前使用最广泛的是传统的四阶段客流预测方法。广泛的客流预测方法”传统的四阶段客流预测已经被广泛应用在交通规划领域，为使用四阶段法预测轨道交通客流提供了很多参考”，但由于轨道交通本身的特点，在使用四阶段法进行客流预测时，“四阶段客流预测方法虽然是目前轨道交通客流预测应用最广泛的方法，但在学习和研究过程中都有自己的特点。”，发现还是有不足的，所以四阶段的客流预测方法可以更符合特征城市轨道交通在使用过程中的特点，使其更加实用和完善，具有重大的现实意义。预测是一个有机的统一体。在研究过程中，本文从四阶段客流预测方法的准备工作入手，合理调整预测步骤，多角度分析研究城市轨道交通客流预测的影响因素。将对我国城市轨道交通客流预测起到一定的参考作用"1.2国外研究现状1.2.1国外研究现状城市轨道交通客流预测方法主要有土地利用法和四阶段法。国外四阶段法的应用比较成熟。1950年代初，国外旅游生成预测模型主要采用线性回归和增长系数法，这些模型主要是基于家庭或社区旅游的现状。1960年代后期，国外出现了一种改进的预测算法——交叉分类法，后来成为客流预测的主要方法。增长系数法和重力模型是交通分布模型中最常用的数学模型，分别由Furness和Casey于1965年和1955年提出。重力模型根据旅行产生的吸引力总量可分为双约束模型和单约束模型，然后对模型进行合理解释。模式划分模型主要包括集聚模式和非集聚模式。共享率曲线法是最早的集聚模型，最早的非集聚模型主要由Lerman和Warner研究。该模型的理论基础是效用最大化，但与传统模型相比，该模型存在严重缺陷，限制了其应用。但1980年代以后，非集聚模式得到了长足的发展。后来，Domencich在最大效用理论的基础上提出了离散选择模型。根据概率分布函数模型的不同，分为Probit模型和Logit模型。后者使用更广泛。all-or-nothing分配法是最早的流量分配算法，其连续平均法、增量分配法和容量限制流量分配法都属于all-or-nothing分配法。1952年，Wardrop提出了Wardrop原理，并将其应用于平衡模型的求解；1956年，贝克曼等人。用数学语言表达Wardrop原理；1982年，Florian和Fernandez提出了Wradrop模型的求解算法。上述模型和理论体系是在国外城市交通规划的发展和完善过程中建立起来的，并趋于基本完善。1.2.2中国研究现状目前国内客流预测方法主要有四阶段交通规划法、趋势延伸法和景点包围法。四阶段法以城市居民出行OD为基础，利用数学模型分析客流变化规律，实现轨道交通线路客流预测。后两种方法只考虑对沿线及景点周边客流变化趋势的预测。1987年，大学根据出行距离分布曲线求得不同交通方式的出行分担率。在此基础上，得到了不同交通方式的预测年份OD矩阵。结合Wardrop原理，建立了平衡流量分布数学模型。1990年，清华大学采用均衡分配的“用户最优”非线性互补变分不等式模型实现交通分配，并将其应用于地铁一期工程可行性研究的客流预测研究。同年，交通规划研究院提出了一种基于全模OD矩阵的联合方法，实现了对交通分布模型的划分，并将其应用于城市快速轨道网的规划建设中。1991年，我国城市规划利用交通阻力时间指数的交通方式实现了重力模型的划分，并将该模型应用于地铁工程可行性报告的客流预测研究和规划。1999年，东南大学提出了一种基于改进的四阶段法的客流预测方法和流程，并将其应用于轨道交通线路的规划布局中。2000年，第四次铁路调查提出“快速轨道客流预测流程”，实现珠三角快速轨道交通线路客流预测。1.3研究论文的主要内容本文主要内容如下：第一章阐述了国外轨道交通预测研究的现状和发展趋势、研究背景和研究意义；第二章介绍了传统四阶段法的基本原理和方法，指出了传统四阶段法的不足，提出了改进方法；第三章改进了传统四阶段法的不足，根据出行目的和社区位置建立了改进的四阶段轨道交通预测模型；第四章以轨道交通网络为研究对象，采用改进的四阶段法进行客流预测。2.基于四阶段法的轨道交通客流预测研究2.1交通发生与吸引模型交通需求生成预测由交通出行生成预测和交通出行吸引力预测组成。这一阶段的主要目的是获取各交通区在城市未来人口规模、社会经济发展规模和土地利用特征下所产生的潜力。总流量和吸引的总流量。主要方法有增长率法、回归分析法、交叉分类分析法和旅行率法。旅行产生和吸引力有两个基本规律：①在交通区域内，住宅数量越多，出行量越大；②非住宅数量越多，旅游吸引力越大。单位时间内，一个社区的交通量不等于旅游吸引量，但对于整个研究区域，单位时间的交通产生量应该等于单位时间的交通吸引量，或大致相同。(1)增长率模型增长率模型公式如下：(2-1)在公式（2-1）中，它代表了不同区域产生的吸引力，预测的年增长率，以及不同区域产生的吸引流量。增长率模型的关键是如何计算预测的年增长率。一般来说，每个社区的指数增长率被认为是吸引力的增长率：(2-2)式（2-2）中，表示目标年人口与基准年人口的比值，表示目标年人均自行车保有率与本年人均自行车保有率之比。基准年。(2)原单位法原单位法主要包括面积原单位法和个体原单位法。原有的面积单位法，通过不同类型的陆地面积所吸引的交通量，实现了出行量的预测。个体原始单元法通过吸引居住人口产生的交通量来预测交通出行次数。(2-3)式（2-3）中，表示第区的交通吸引力或发生量，该区的原始吸引单元或原始发生单元（个人），以及第区的总面积（总人口）。(3)函数模型法函数模型法主要利用同一区域的发生和吸引交通量进行预测。发生部分主要采用多元线性回归分析。常用型号如下：(2-4)(2-5)(2-6)公式，表示第th区的交通吸引或发生，第th变量的吸引或发生，以及第th区的第th变量的值。2.2流量分配模型出行分布的主要目的是掌握未来城市交通出行的空间分布，即各个交通区域之间的交通交换量。城市轨道交通分布预测的原则如下：①假设日总出行产生量与出行吸引力基本相等；②轨道交通建设将改变城市交通网络和城市空间结构的变化。(1)增长率法增长率法假设预测的分布形式与现有的分布形式一致，然后研究目标年份的OD表。该方法虽然操作简单，但无法考虑城市基础设施建设和城市布局对城市出行OD的影响。预测步骤如下：Step1：定义参数代表当前OD体积；代表当前社区的流量；表示当前吸引的流量；代表社区的预计年交通量；代表社区的预计年交通量；第二步：,;第三步：；Step4:，将sum替换为sum，实现第二次迭代；Step5：重复Step1~Step4，直到接近1。(2)重力模型法基本重力模型如下：(2-7)修正重力模型：(2-8)式（2-8）中，表示从交通区域到交通区域的交通分布；交通区域的交通量；交通区域的景点交通量；平衡系数；和阻抗函数。2.3运输方式划分模型运输方式划分模型主要分为聚合模型和非聚合模型。前者基于分区聚合模型，后者基于随机效用理论和个人旅行最大效用理论。(1)聚合模型聚合模型主要包括线性回归法和共享率曲线法。本文主要采用线性回归方法。在出行的过程中，出行方式的选择受很多因素的影响。这些因素包括出行者的出行特征、交通方式特征、出行时间段特征、性格和家庭特征、城市自然环境和人文环境等。不同的影响因素会对交通方式的选择产生不同的影响，因此很难寻找合适的运输方式划分模型。常见的流量模式划分模型如图2-1所示：图2-1运输方式划分模型在图2-1中，G代表行程生成；MS代表流量模式划分；D代表行程分布；A代表行程分布。在多元线性回归中，以影响因素为自变量，因变量为出行次数，因此单位时间内第一个交通区域内产生的出行次数估计值可表示为：(2-9)单位时间第一交通面积可表示为：(2-10)式（2-9）和（2-10）中，表示起点区域的土地利用变量；表示目的地区域的土地使用量；表示回归参数；表示偏回归系数；,代表区域数；表示运输方式的数量。(2)分解模型分解模型主要使用随机效用理论。通常，假设旅行者选择效用最大的选项。在本文中，我们选择旅行者的满意度作为效用最大的选项。效用方程：(2-11)式(2-11)中，表示选择对出行者的效用值；它代表了选择对旅行者的可确定效用；它代表了选择对旅行者的不确定效用；(2-12)表示旅行者对选择分支的效用；旅行者到选择分支的特征向量；选择分支的属性向量；旅行者特征与选择分支特征的交叉变量；旅行者选择域；假设它们相互独立且服从相同的极值分布，则(2-13)式(2-13)中表示选择了分支项。2.4流量分配模型流量网络的分布需要遵循均衡原则，即Wardrop原则，其中包括两个原则：Wardrop的第一原则：当旅行者知道路网的情况，并且可以选择路网的最短路径时，网络就会达到平衡状态。Wardrop的第二个原理：在平衡状态下，系统的总行程时间最短。用户在出行者充分了解路网信息的情况下处于均衡状态，因此出行者可以选择最短路径，忽略了出行者自身和外界因素造成的路径选择的随机性，所以有以下点不合理的地方：①出行者必须充分了解路网信息。②可以实现最小阻抗路径的计算。③所有出行者的交通行为具有高度的一致性。由于上述假设与实际情况存在较大差异，随机均衡分配模型在实际交通规划方面更具实用性。旅行者从点到点选择的有效路径应满足以下公式：(2-14)式中，表示判断误差；它代表了路径的实际流量阻抗。分配给有效路径的OD点对之间的交通量应满足下式：(2-15)式中，表示点对点的交通量；,是无量纲参数。2.5四阶段法的优缺点(1)传统四阶段法中，不同目的出行的交通产生量和交通量分布规律存在较大差异，但目前的预测方法并未考虑该因素的影响。单独建模，可以更好地描述居民出行规律，从而提高轨道交通预测的准确性。(2)虽然重力模型具有结果简单、使用范围广的优点，但是当交通单元划分紧密、区间行程时间短时，重力模型对交通分布的影响较差。如果分别对区域交通分布和路段交通分布建模，同时加入区域间交流程度分析，调整预测交通区域中区域和路段出行的比例，计算结果预测的年度交通状况将更加准确。（3）现有的所有交通分配模型都首先获得公共交通的OD，在此基础上，采用一定的分摊率划分模型对轨道交通的OD进行划分进行分配。如果合理考虑不同交通方式向轨道交通的换乘规律，轨道交通总出行次数的预测结果会更加全面。3改进的四阶段轨道交通客流预测方法3.1根据社区的出行目的和土地利用性质产生流量的方法根据出行目的对交通产生和吸引模型进行建模，并考虑社区的土地利用性质，计算社区就业人数、社区人口、交通发生和交通吸引力。交通社区。3.1.1流量生成的概念不同的旅行目的有非常不同的分配规律。按出行目的计算流量产生和分布，建立的预测模型会更加准确。在城市交通规划中，将明确的规划划分为若干个交通区，每个交通区有多种不同性质的土地利用，用土地利用强度来衡量开发强度。不同交通区域之间各种土地利用强度指标不一致，交通区域可以根据交通区域的土地利用性质进行分类。在此基础上，根据交通区域建立出行生成模型。3.1.2流量生成模型首先计算每个规划年度的就业人数和常住人口，然后用原单位法计算社区居民产生和吸引的交通量。（1）计算规划年度交通区域就业人数和常住人口数(3-1)式(3-1)，表示规划年度交通区人口；它代表规划年度交通区的总人口；它代表计划年度人口的就业率；代表住宅用地容积率；不同类型的土地利用；表示社区的就业率。（2）计算规划年度交通区域的交通发生和吸引力(3-2)式(3-2)，表示计划年度总人口；表示交通区数；代表旅行目的的人均旅行率；原单位发生量；以社区出行为目的的原单位出行发生率；旅游目的的总交通吸引量；3.2流量分配方式3.2.1细胞分裂和细胞间分布模型综合考虑社区部门出行交通量的主要因素，产生交通量，吸引交通量，社区面积为产品，则区部门的出行公式为：(3-3)式（3-3）中，表示小区的交通流量；它代表社区的交通量；它代表社区的区域；它代表了社区的吸引流量；它代表参数。小区间车流量采用有约束的重力模型：(3-4)表3-1、表3-2和表3-3分别为样地面积、样品外径和平均行程时间。表3-1社区面积（平方公里）细胞数量12345区域19.4520.3417.7739.8722.65表3-2平均行程时间12345189.112.3525.4320.1212815.6624.3二十一320.4516.69820.1114.21418.6617.8511.2818.66511.3532.5617.819.588表3-3样本OD（人次）123451652323426856321321278927801456312052103410160823420350478955231199122814632036043566788911668351009324456178652312160712207358311125821790129443.2.2改进的分销模式根据公式（3-3）的电池模型和公式（3-4）的电池间模型模拟样品OD，模拟结果如表3-4、表3-5和表3-6所示：表3-4区域模型参数校准表区模式参数值-10.110.9310.9630.718-2.9852.0124.2554.6350.2520.3120.1360.128表3-5区间模型参数标定表区间模型参数值-25.3691.6991.8920.518-3.6963.1595.0070.44200.01900.691表3-6改进样品OD（人次）1234516291.678321.5669871158.314836.4626932.55128789.013325.952016695.41315202105889.23620.893210.568345.6847120.141402.3120.36700.157206.316549.255496.231178563.078520.871198.4711956.6422360.479891.32683.2320154.8113293.634实证分析为了验证本文算法的有效性，以图4-1中的轨道交通网络为研究对象。交通节点1、3、7、9分别为A、B、C、D四个交通区域的动作点，边上的数据为路段的行驶时间（单位：min）。图4-1轨道交通网络示意图4.1流量生成预测表4-1为不同月收入的家庭出差率调查表：表4-1出差率表收入分类（元/月）0～600600～12001200～18001800以上出差率（人/天）2.5_2.8_3.03.2当前情况和目标年份各社区的住户数和不同收入的住户比例见表4-2：表4-2社区住户数社区一个乙CD目前住户数9000800095008500目标年份家庭数101009100111009900部分0-6000.020.030.10.02600-12000.130.240.110.211200-18000.220.320.250.351800以上0.630.410.540.42使用交叉分类方法，计算每个地区在当前和目标年份的交通量。当前流量生成：交通区A：9000×0.02×2.5+9000×0.13×2.8+9000×0.22×3.0+9000×0.63×3.2=27810交通区B：8000×0.03×2.5+8000×0.24×2.8+8000×0.32×3.0+8000×0.41×3.2=24152流量社区C11100×0.1×2.5+11100×0.11×2.8+11100×0.25×3.0+11100×0.54×3.2=28842交通区D：8500×0.02×2.5+8500×0.21×2.8+8500×0.35×3.0+8500×0.42×3.2=25772目标年流量生成：交通区A：10100×0.02×2.5+10100×0.13×2.8+10100×0.22×3.0+10100×0.63×3.2=31209交通B区：9100×0.03×2.5+9100×0.24×2.8+9100×0.32×3.0+9100×0.41×3.2=27472.9交通区C：9500×0.1×2.5+9500×0.11×2.8+9500×0.25×3.0+9500×0.54×3.2=33699.6交通区D：9900×0.02×2.5+9900×0.21×2.8+9900×0.35×3.0+9900×0.42×3.2=30016.84.2流量分布预测已知当前流量分布的OD矩阵如表4-3所示：表4-3OD矩阵DDO一个乙CD一个06180618015450乙61800154503090C61801545007725D15450309077250使用增长因子方法计算目标年份的OD矩阵。计算过程如表4-4所示：表4-4OD矩阵计算过程一个乙CD全部的预测值一个061806180154502781031209乙618001545030902472027472.9C618015450077252935533699.6D154503090772502626530016.8全部的27810247202935526265108150(1)求每个细胞的出现增长系数FOA=UA/OA=31209/27810=1.1222FOB=UB/OB=27472.9/24720=1.1114FOC=UC/OC=33699.6/29355=1.1480FOD=UD/OD=30016.8/26.265=1.1428(2)上表为基础矩阵，每一项乘以流量生成增长系数，得到未来几年的流量分布。最终结果如表4-5所示：表4-5计算结果DDO一个乙CDΣ一个06935.33336935.333317338.333331209乙6868.2250017170.56253434.112527472.9C7094.652617736.631608868.315833699.6D17656.94123531.38828828.4706030016.8Σ31619.818828203.353132934.366429640.7616122398.3该OD表满足出行产生的约束，因此是所需的未来年份分布矩阵。4.3交通方式划分出行方式如下：运输（％）轨自行车公共汽车走车出租车其他全部的状态(2010)354010753--100目标年份（2020）模式一302527585--100模式二3028207105--100模式三30301210135--100平均载客量112011.21.5(1)选择模式1作为目标年份的流量划分方法，可以得到该分配方法的目标年份流量分布矩阵。轨道模式OD矩阵：D○一个乙CD小号一个02080.62080.65201.59362.7乙2060.467505151.16881030.23388241.87C2128.39585320.989502660.494736810109.88D5297.08241059.41652648.541209005.04小号9485.94568461.00599880.30998892.228536354.18自行车道OD矩阵：D○一个乙CD小号一个01733.83331733.83334334.58337802.25乙1717.056304292.6406858.52816868.225C1773.66324434.157902217.07898424.9D4414.2353882.84712207.117607504.2小号7904.95477050.83838233.59167410.190430599.575总线模式OD矩阵：D○一个乙CDΣ一个01872.541872.544681.358426.43乙1854.420804636.0519927.21047417.683C1915.55624788.890502394.44539098.892D4767.3741953.47482383.687108104.536Σ8537.35117614.90538892.27898003.005633047.541行走方式OD矩阵：D○一个乙CDΣ一个0346.7667346.7667866.91671560.45乙343.41130858.5281171.70561373.645C354.7326886.83160443.41581684.98D882.8471176.5694441.423501500.84小号1580.99091410.16771646.71831482.03816119.9150车模OD矩阵：D○一个乙CD小号一个0554.8267554.82671387.06672496.72乙549.458001373.645274.72902197.832C567.57221418.93050709.46532695.968D1412.5553282.5111706.277602401.344小号2529.58552256.26832634.74932371.26099791.864滑行道OD矩阵：D○一个乙CDΣ一个0346.7667346.7667866.91671560.45乙343.41130858.5281171.70561373.645C354.7326886.83160443.41581684.98D882.8471176.5694441.423501500.84小号1580.99091410.16771646.71831482.03816119.915(2)OD矩阵再根据每种交通方式的平均载客量，转化为每种交通方式的“车辆/天”矩阵。由于步行和骑自行车与机动车道分开，不再考虑。总线模式OD矩阵：D○一个乙CDΣ一个093.62793.627234.0675421.3215乙92.72100231.802646.3605370.8842C95.7778239.44450119.7223454.9446D238.368747.6737119.18440.0000405.2268小号426.8676380.7453444.6139400.15031652.3771车模OD矩阵：D○一个乙CD小号一个0462.3556462.35561155.88892080.6乙457.881701144.7042228.94081831.5267VS472.97681182.44210591.22112246.64D1177.1294235.4259588.564702001.12Σ2107.98791880.22352195.62441976.05088159.8867滑行道OD矩阵：D○一个乙CDΣ一个0231.1778231.1778577.94441040.3乙228.94080572.3521114.4704915.7633C236.4884591.22110295.61051123.32D588.5647117.7129294.282401000.56小号1053.9940940.11181097.8122988.02544079.9433将公交车、汽车、出租车的数量换算为标准车辆数量，换算系数为：公交车2.5辆，汽车1辆，出租车1辆；转换后，OD矩阵的单位变为pcu/day。由于汽车和出租车的换算系数为1，OD矩阵没有变化。总线模式OD矩阵：D○一个乙CDΣ一个0234.0675234.0675585.16881053.3038乙231.80260579.5065115.9013927.2104C239.4445598.61130299.30571137.3615D595.9218119.1844297.960901013.067Σ1067.1689951.86321111.53491000.37574130.9426行走方式OD矩阵：D○一个乙CDΣ一个0277.4133277.4133693.53331248.36乙274.72900686.8225137.36451098.916C283.7861709.46530354.73261347.984D706.2776141.2555353.138801200,672小号1264.79281128.13411317.37471185.63054895.932叠加各模式的OD矩阵（步行和骑行除外），得到的OD矩阵为：D○一个乙CD小号一个01205.01421205.01423012.53545422.5638乙1193.354102983.3852596.67704773.4164C1232.69593081.739701540.86995855.3055D3067.8935613.57871533.946805215.419小号5493.94354900.33265722.34625150.082321266.7046(5)最后根据高峰时段系数取0.18，将全天交通量转化为高峰时段交通量OD矩阵。单位变为(pcu/h)。D○一个乙CDΣ一个0216.9026216.9026542.2564976.0615乙214.80370537.0093107.4019859.2149C221.8853554.71320277.35661053.9550D552.2208110.4442276.11040938.7754Σ988.9098882.05991030.0223927.01483828.0068将这个OD矩阵中的交通量四舍五入如下：D○一个乙CDΣ一个0217217542976乙2150537107859C22255502771054D5521102760938小号989882103092638274.4流量分配该道路网络上的机动车交通量使用容量限制的分配方法进行分配。每个点对之间的OD量分布叠加，分为两个分布，每个分布为50%。每次分配采用最短分配模型，每次分配修改一次路权。通行权修正计算方法采用美国联邦公路管理局的道路阻力函数模型。to，V为机动车通行量，C为路段通行能力，为2000（pcu/h）。α=0.15，β=4。分配初始流量的50%(1)确定路段的行驶时间。使用最短路径法分配流量时，首先要确定路段的行驶时间t(i,j)，在该方法中，t(i,j)取为常数。本例确定的路段时间t(i,j)如下图所示图4-2网络图(2)确定最短路径。每个OD量的作用点之间的最短路径可以通过各种求最短路径的方法来确定。在本例中，最短路径如下：最短路线OD点对点最短路径节点号OD点对点最短路径节点号AB1-2-3加州7-4-1交流电1-4-7CB7-4-5-6-3广告1-4-5-6-9光盘7-8-9文学学士3-2-1达9-6-5-4-1公元前3-6-5-4-7DB9-6-3BD3-6-9直流9-8-7分配OD量每个OD点对的OD量分配给OD点对对应的最短路径，并累加。一个。首先计算AB的最短路径，分别分配AB和108.5之间交通量的1-2、2-3一半，然后使用美国联邦公路管理局的道路阻力函数模型的道路权校正法计算时间。1-2路的时间修正为：t=4×[1+0.15×(108.5/2000)4]≈4.0000052-3路时间修正为：t=4×[1+0.15×(108.5/2000)4]≈4.000005图4-3流量分布图图4-4修正后的时序图湾。将调整后的时间代入路段时间图上的原时间，计算出AC的最短路径，分别分配1-4、4-7各AC之间的交通量的一半，108.5，然后使用美国联邦公路管理局道路阻力功能模型的通行权校正方法执行时间计算。并在时间表上反映更正的时间。图4-5流量分布图1-4路的时间修正为：t=4×[1+0.15×(108.5/2000)4]≈4.0000054-7路时间修正为：t=4×[1+0.15×(108.5/2000)4]≈4.000005图4-6修正后的时序图C。使用相同的方法，直到计算并调整为DC。由于V/C比太小，t到t0的变化很小，所以变化累加后的最终结果如下：图4-7流量分布图图4-8时间校正图（2）重新分配50%的流量重复步骤（1），使用上述两个表作为初始数据。(1)确定路段的行驶时间。使用最短路径法分配流量时，首先要确定路段的行驶时间t(i,j)，在该方法中，t(i,j)取为常数。本次确定的路段时间t(i,j)如下图4-9组网图(2)确定最短路径。每个OD量的作用点之间的最短路径可以通过各种求最短路径的方法来确定。在本例中，最短路径如下：最短路线OD点对点最短路径节点号OD点对点最短路径节点号AB1-2-3加州7-4-1交流电1-4-7CB7-4-5-6-3广告1-4-5-6-9光盘7-8-9文学学士3-2-1达9-6-5-4-1公元前3-6-5-4-7DB9-6-3BD3-6-9直流9-8-7分配OD量每个OD点对的OD量分配给OD点对对应的最短路径，并累加。一个。首先计算AB的最短路径，分别分配AB和121之间交通量的1-2、2-3一半，然后使用美国联邦公路的道路阻力函数模型的通行权修正方法管理计算时间。1-2路的时间修正为：t=4×[1+0.15×(217/2000)4]≈4.000082-3路时间修正为：t=4×[1+0.15×(217/2000)4]≈4.00008图4-10流量分布图图4-11校正时间图湾。将调整后的时间代入路段时间图上的原始时间，计算出AC的最短路径，分别分配1-4、4-7AC121之间的交通量的一半，然后使用美国联邦公路管理局道路阻力功能模型的通行权校正方法执行时间计算。并在时间表上反映更正的时间。C。使用相同的方法，直到计算并调整为DC。最终流量分配结果如下：图4-12流量分布图修正后的时序图如下：（保留小数点后两位）图4-13校正时间图4.5各路段服务水平分析v/c分析每个路段的服务水平。路段总流量V/C1-24320.2162-34320.2161-415330.76653-613090.65454-521861.0935-621861.0934-715310.76556-913110.65557-88300.4158-98300.415从上表可以看出，1-2和2-3的V/C比均小于0.34，说明该路段对于当前交通来说有足够的能力，服务水平比较高，属于