4四步骤交通需求预测模型(2.2)出行分布预测规范.ppt

2 出行分布预测 2.7 模型的理论解释 （1）概率论解释 使用Lagrange方法，其Lagrange函数为 式中，αi、βj是Lagrange系数，这些系数待定 让L对qij求偏导，并令这些偏导数为零，即 2 出行分布预测 2.7 模型的理论解释 （1）概率论解释 解得： 令： 弗尼斯法！ 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 “信息熵”概念的提出 1948年信息论创始人Shannon（香农）借用热力学中熵的概念提出了“信息熵”的概念： 设A={a1, a2,… , an}是某个信息系统X的符号表，A中各个符号出现的概率分布为{p1, p2,… , pn}，则信息系统X的熵为： 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 最大信息熵原理 1957年Jaynes提出了最大信息熵原理：在所有备选的概率分布中挑选这样的分布作为信息系统X的分布，它在某些约束条件下，是信息熵达到最大值的分布。这是因为信息熵取最大值时对应的那组概率分布出现的可能性占绝对优势 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 应用最大熵原理原理解决交通的出行分布问题，在交通分布中，一共有Q个出行，每个出行有n×n个选择，选择概率为{pij=qij/Q：i，j=1, 2, … ,n}，其熵为 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 交通分布的最大熵原理转化为数学规划问题来描述（略去常数项Q），可用于解释引力模型： 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 这个规划问题的Lagrange函数为 式中，αi、βj、γ是Lagrange系数（i、j=1，2，…，n），这（2n+1）个系数待定。让L对qij求偏导，并令这些偏导数为零，即 2 出行分布预测 2.7 模型的理论解释 （2）最大熵原理 谢 谢！ 交通运输学院 2 出行分布预测 2.6 双约束引力模型法 （1）模型推导 同时引进行约束系数Ki和列约束系数K’j 2 出行分布预测 2.6 双约束引力模型法 （2）模型标定 以 为例用迭代法讨论参数标定算法 步1：给参数γ取初值，可参照已建立该模型的类似城市的参数作为估计初值，此处令：γ=1 步2：用迭代法求约束系数Ki、K’ j 2-1、首先令各个列约束系数K’ j（j=1, …, n） 2-2、将各列约束系数K’ j（j=1, …, n）代入求各个行约束系数Ki 2 出行分布预测 2.6 双约束引力模型法 （2）模型标定 2-3、再将求得各个行约束系数Ki（i=1, …, n）代入求各个列约束系数K’j 2-4、比较前后两批列约束系数，考察：它们的相 对误差3%？若是，转至第3步；否则返回2-2步 步3：将求得的约束系数Ki、K’j代入，用现状Pi、Aj值求现状的理论分布表 2 出行分布预测 2.6 双约束引力模型法 （2）模型标定 步4：计算现状实际PA分布表的平均交通阻抗： 再计算理论分布表的平均交通阻抗： 求两者之间相对误差 2 出行分布预测 2.6 双约束引力模型法 （2）模型标定 步4：当 接受关于γ值的假设，否则执行下一步 步5：当 ，即 ，这说明理论分布量小于实际分布量，这是因为参数γ太大的缘故，因此应该减少γ值，令γ=γ/2；反之增加，γ值令γ=2γ，返回第2步 2 出行分布预测 2.6 双约束引力模型法 （2）模型标定 双约束引力模型中有两批参数需要标定：约束系数Ki、K’ j和f(Rij)中的参数。 在标定算法中用了两层循环，第2步是内循环，任务是求Ki、K’ j；外循环的任务是标定f(Rij)中的参数 均是采用试算法 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 有2个居住区（1、2号，作为出行产生区）和3个就业分区（3、4、5号，作为出行吸引区），它们的现状分布表和作为阻抗的出行阻抗表[Rij]，如表所示，试标定双约束引力模型 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 2 出行分布预测 2.6 双约束引力模型法 （3）模型标定例题 2 出行分布预测 2.6 双约束引力模型法 （4）[计算例题]：已知3个交通小区的