基于非集计模型的居民出行方式开题报告.doc

淮 阴 工 学 院 毕业设计(论文)开题报告 学 生 姓 名： 陶燕燕 学 号： 1071501107 专 业： 交通运输 设计(论文)题目： 基于非集计模型的居民出行方式 选择行为 指 导 教 师: 栾琨 讲师 2011 年 01 月 10 日  毕 业 设 计（论 文）开 题 报 告 1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写 2000字左右的文献综述 文 献 综 述 1 课题研究的目的及意义 居民出行行为研究在交通管理和控制中有着非常重要的作用。居民的出行方式选择作为居民出行行为的一个方面，对于城市交通结构的构成有着重要的影响。集计模型和非集计模型是目前国内外交通领域进行出行需求预测所应用的最主要的两类模型。集计模型是指将每个人的交通活动按交通小区进行统计分析和处理，从而得到以交通小区为分析单位的模型，代表模型是 “四阶段”（Four-step Process）预测法。而“四阶段”预测模型顾名思义就是将出行需求的预测过程分为四个阶段，通过出行生成预测、出行分布预测、交通方式划分和交通分配，最终得出路网中各条道路上的交通流量。目前，对于交通设施建设、改建规划等具有一定规模的长期规划来说，“四阶段”模型依然是各城市采取的主要出行预测方法。然而，在出行行为分析和短期、小规模的交通需求管理策略评价方面，“四阶段”模型存在很多劣势，如需要进行大规模的出行数据调查、所考虑的出行需求影响因素少、预测精度不高等。因此，非集计模型应运而生。 “非集计模型”是强调其与“集计模型”的不同而命名，通常也称“非集计行为模型”或“个人选择模型”等，是以实际产生交通活动的个人为单位，对调查得到的数据不进行按交通小区统计等处理而直接用于建立模型。由于非集计模型是描述人们选择行为的模型，因此较集计模型更适合用于居民的出行时间、出行频率、出行方式、路线选择等决策行为的分析和预测，能够较为准确、全面地描述个人的出行决策过程，它在很大程度上能够满足不断变化的交通规划课题的新要求，可以广泛地应用于具有选择行为的社会各方面。 居民的出行方式选择影响着一个城市交通结构的构成。通过对人们的出行方式选择行为进行研究可以掌握居民对出行工具的偏好、了解交通系统的使用情况，对优化交通系统结构，制定规划年交通规划和各项交通政策、措施都起着重要作用。 进行交通方式划分是一项非常复杂的工作，出行者对交通工具的不同选择结果将会导致不同交通方式的出行，明确交通工具的选择把出行量转化成以交通工具为单位的出 毕 业 设 计（论 文）开 题 报 告 行量是非常必要的。交通方式选择模型正是完成这一任务的重要手段，也是传统“四阶段”模型中唯一可以采用非集计方法建立模型的部分。建立方式选择模型的意义在于根据出行者个人及家庭的社会经济属性预测出其选择某种方式的概率，得到各种交通方式总的分担率，进而对其分布的合理性进行评价和改进，为政府对交通运输方式的调整及规划提供定量的依据。建立合理、有效的交通方式选择模型，找出能够引起方式之间的交通量产生弹性转换的某种属性，采取有效的策略，尽可能地增大公共交通出行，以减少小汽车出行比例，更有效地利用道路空间，改善城市交通系统的拥挤现状是交通方式划分过程中的关键问题。 由于交通方式选择涉及的因素多，加之出行者的习惯、喜好等难以测定因素的存在，传统的集计建模方法难以准确描述出行者对交通方式选择的过程。经过几十年的开发与应用，非集计模型得到不断的改进。现在非集计模型已经包含了BNL（Binary-nomial Logit Model）、MNL、BCL、NL、CNL、PCL、GNL、HMNL、COVNL、MNP（The Multinomial Probit Model）等多种模型。 在以往，人们通常是根据个人出行记录中性别、年龄、收入等个人属性，以及交通方式、出行时间、出行距离、交通费用等出行属性，构造非集计模型用于交通方式分担率的预测，但这种基于选择调查数据（Revealed Preference Data，简称RP数据）的方法仅局限于未来交通方式不变的情况。当交通运输系统中引入新的交通方式时，该方法将不能满足应用的要求，这种情况下就需要构造基于意向调查数据（Stated Preference Data，简称SP数据）的非集计模型进行预测。SP调查主要是指为了获得人们对假定条件下的多个方案所表现出来的主观偏好而进行的实际调查。SP调查的主要优势在于计划人员可以有目的地设定交通方式（或交通政策）及交通设施服务水平，在新的交通方式开通（或交通政策实施）以前，可以很好地预测开通（实施）后的交通变化情况；利用所设计的不同方案，从一个被调查者（回答者）得到多个数据，从而提高调查的效率。主