发生分布.ppt

1.5Furness约束条件法（双约束条件增长率法） Furnessl956年提出另一种增长率法。他认为，两个分区之间出行分布量Tij的预测值与此两个分区之间出行分布的现状值T0ij成正比，还与产生分区的规划年产生量预测值、吸引分区的规划年吸引量预测值有关，这种关系可用两个系数ui、vj表示(分别称之为产生系数、吸引系数)，即: 两个约束条件 Furness模型的具体形式 Furness模型算法步骤 步3：用vkj代入方程组（b）求解{uk+1i}，这仍是一个解线性方程组的问题。 步1：初始化。令所有的u0i =1.0，k=0。 步2：用方程组（a）求解vj。此时方程组简化为 这其实是一个线性方程组，用线性代数的知识不难求解，设所得的解为{vkj：(j=1, 2, …, n) }。 步4：再用新求出的uk+1i，代入方程组（a）求解{vk+1j}。 步5：检验收敛性。对所有的i、j，考察ukj与uk+1j、vkj与vk+1j的相对偏差3%？若是，{ukj}与{vkj}为之所求，停止；否则返回第3步。 出行发生预测 出行分布预测 交通方式划分预测 交通分配 交通需求预测的四阶段法 出行发生预测 1 出行产生量预测 2 出行吸引量预测 1出行产生量预测 出行产生量——由家出行的全部家庭端点数，与非由家出行和货物出行的全部起点数之和。换句话来说，单位时间内某一个分区的出行产生量等于家庭端点在这个分区的由家出行数，与起点在这个分区的非由家出行和货物出行的出行数之和。 常用方法为类型分析法和回归分析法 1.1类型分析法(Category analysis) 思路 以家庭为分析单位的，根据对出行起决定作用的一些因素将整个对象区域的家庭划分成若干类型。 在同一类型的家庭中，由于主要出行因素相同，各家庭的出行次数基本相等，将各类家庭单位时间内的平均出行次数称作“出行率”。并且假定各类家庭的出行率一直到规划年都是不变的。 前提 确定各类家庭的出行率和预测未来规划年每个分区中各类家庭的数目，其中后一个工作可用前面的有关人口和家庭的预测方法来解决。 方法 （1）类型的划分 经分析发现，一个家庭有三大特性对其出行产生量起主要决定作用：人口(指6岁以上者)、收入、车辆拥有量。 显然，人口越多，出行次数越大；收入越多，越爱购物和消费，因此出行次数也越多；车辆拥有量越大，出行越方便，出行的可能性也就越大。类型分析法是根据家庭的特性对家庭进行分类。 (1)年收入(英镑)分6级。 1963年伦敦交通规划的分类方法 (2)家庭构成分6类： 无就业者：1人； 无就业者：1人； 就业人1，无业人≤1； 就业人1，无业人≥2； 就业人2，无业人≤1； 就业人2，无业人≥2。 (3)汽车拥有量分3类：0辆，1辆，2辆及以上。 预测模型 1）对i 分区按照模型确定的各个影响因素，将分区中所有家庭分成ｍ类。 2）统计出分区中各类家庭的总数记为 3）通过实证调查，推测出各类家庭的平均出行率 4）计算ｉ分区中总的出行生成量 我国某城市出行率 1.2回归分析法 一个分区的出行产生量与多个因素有密切因果关系。主要有：城市的经济发展水平、分区的居民数、平均收入、平均车辆拥有量、其中各类职业的人口数、分区距市中心的距离、非住宅用地面积等。 这些因素与出行产生量的关系一般都是非常复杂的，想要用精确的数学函数来表达它们之间的关系几乎是不可能的。而且除了上面所列的一些因素外，还有一些难以观测或不能量化的因素也影响着产生量。 对于这种情况，比较好的方法就是回归分析 例：某些分区的货运出行产生量与其的工业总产值、农业总产值、基建投资量的数据，试建立货运出行产生量的回归模型 样本号 i 工业总产值（亿元） X1 农业总产值（亿元） X2 基建投资量（亿元） X3 货运出行产生量（万吨） Y 1 20.5 19.8 0.51 780 2 21.2 20.4 0.53 861 3 22.8 21.1 0.64 873 4 18.2 23.6 0.45 787 5 20.3 24.9 0.63 842 6 21.8 26.7 0.76 894 7 25.2 28.9 0.83 1043 8 30.7 31.3 1.00 1164 9 36.1 35.8 1.05 1385 10 44.3 38.2 1.24 1578 Y’=[780 861 873 787 842 894 1083 1164 1385 1578] 回归模型为： Y =67.28 + 12.33X1 + 25.67X2- 65.78X3 各系数的t统计量为： (1.468) (2.979) (8.407)