交通需求预测(成都都市区为例).pptVIP

交通需求预测 交通需求量预测的技术路线 交通需求预测是交通规划的核心内容之一，是决定网络规模、断面结构等的依据。 需求预测是在综合分析现状人口、机动车出行特征与人口、岗位分布、土地利用布局之间关系的基础上，结合规划年土地利用布局，采用“四阶段法”分别对主城区的中心城区和各外围组团进行预测，得到规划年人口出行和机动车出行的相关预测结果。 总体结构框图 交通生成预测 交通出行生成模型综合考虑了社会经济特性和人口岗位分布，即采用双变量分类回归分析法。 交通出行预测结果 2020 年主城区全人口全方式出行量为 2875 万人次/日（包括流动），出行强度为 2.59 次/日。其中，中心城区全人口全方式出行量为 2120 万人次/日（包括流动），出行强度为 2.65 次/日。外围六个组团的总出行量为 755 万人次/日（包括流动），平均出行强度为 2.45 次/日。 交通出行分布预测 出行分布预测使用的是双约束重力模型。假定起点小区和终点小区的出行分别与起点小区的发生量以及终点小区吸引量成正比，与起点小区和终点小区之间的阻抗成反比。考虑居民出行选择的影响因素，将交通时间作为交通阻抗参数较为合适。 出行方式划分 成都市居民出行采用的交通方式包括步行、自行车、公交车、出租车、私人小汽车、单位车、摩托车等。比较各种方式的出行特征，分别对步行、自行车、公共交通（包括常规公交、快速公交和轨道交通）和自用车（包括私家车、单位车、摩托车）等出行方式进行预测。 方式划分预测结果 随着成都市的经济发展，居民收入增加，出行距离拉长，出行机动化程度将提高。受道路资源有限性约束以及大力发展公共交通政策的实施，公共交通将是未来成都市居民的主要出行方式。同时，成都地势平坦，步行和自行车将是居民出行的重要交通方式。 机动车出行分配预测 模型基本原理： 每位出行者都要寻找适合出行的最短路径；当某一路径由于所经路段上的流量增加而导致行驶时间增加，就会有一部分出行者去寻找新的最短路，而产生路径之间的流量转移。当所有出行者都使用最短路时，流量的转移就会停止，此时所有出行者得到的出行时间最短，路网系统的总出行时间也达到最小，出行者与路网系统之间达到平衡。 路阻函数 模型检验 将现状机动车 OD 矩阵模拟分配到现状路网上，经比较查核线的模型计算流量与调查值基本吻合，两者差值都在 16％以内，分配结果基本符合要求。 预测结果分析 2020 年主城区全人口全方式出行量 2875 万人次/日，出行强度 2.59 次/日。其中，中心城出行量 2120 万人次/日，出行强度 2.65 次/日；外围组团总出行量 755 万人次/日，平均出行强度 2.45 次/日。 中心城区的出行量、出行密度依旧处于首位，外围组团的发展没有改变中心城的核心区地位，反映出规划期主城区的出行仍然具有“向心”特征。 预测结果分析 主城区人口出行量主要集中于中心城三环路以内和外围组团的主城区，占总出行量的 78.4％。2020 年，二环出行密度已经接近现状一环的水平，三环路以外区域有相当程度的发展。 主城区各个方向交通分布呈现出较为明显的南北和东西轴向发展趋势，且南北轴向的交通量略大于东西轴向。 预测结果分析 各外围组团的对外出行量以到中心城为主，占组团整个对外出行量的 69.1％，中心城与新青组团之间的客流交换量最大，其次是郫县，温江最小。 各个外围组团的出行量主要分布于该组团的行政中心和大的城镇以及组团靠近中心城的一侧。 * * LOGO ——以成都都市区2020年需求预测为例 非平衡模型 交通生成 交通分布 方式划分 交通分配 增长系数模型 回归分析模型 增长系数模型 重力模型 二元选择模型 多元选择模型 平衡分配模型 四阶段法理论 TransCAD 具体实例 *