第6章 出行的发生与吸引.pptVIP

第3讲 交通的发生与吸引 Trip Generation,Trip Origin Destination 回顾上节内容 交通小区划分原则（5条） 交通网络与布局 1、城市交通网络的基本形式（5） 2、城市交通网络形式与城市类型 （1）城市规模与路网形式 （大城市、中等城市、小城市） （2）城市性质与路网形式（中心、工业，交通枢纽、特殊功能旅游） （3）城市在区域交通网中的位置与路网形式 （枢纽、尽头、穿越） （4）城市发展形态与路网形式 （中央组团式（放射、放射环形）、分散组团式（环形放射状、带状）、带状（带状）、棋盘式（方格式）、自由式） 回顾上节内容 交通网络与布局 评价指标： 道路网密度：单位城市用地面积内道路长度； 干道网间距：两条干道之间的间隔； 路网结构：城市快速路、主干路、次干路、支路 道路面积率：道路用地面积占城市建设用地面积的比例； 人均道路面积率：城市人均占有的道路面积； 道路网的可达性：所有交通小区中心到达道路网最短距离的平均值； 道路网连接度：道路网中路段之间的连接程度。 交通网络的拓补建模 路段—径路的连接矩阵 在处理交通网络时，首先必须把交通网络抽象化，即把交通网络抽象为点（交叉口）与边（路段）的集合体。 一、邻接矩阵 邻接矩阵表示点与点之间的一般邻接关系，它的元素l(i,j) 二、权矩阵 点与点之间的数量关系通过权矩阵（D）来反应。权矩阵的元素d（i，j）的就确定： 三、邻接目录法 该方法采用两组数组表示网络的邻接关系，一组为一维数组R(i)，表示与i节点相连接 的边的条数，另一组为二维数组V(i,j)，表示与i节点相邻接的第j个节点的节点号。 第３节　出行生成交通量的预测 2、原单位指标的选取 （1）根据人口属性以不同出行目的单位出行次数为原单位进行预测。 （2）以土地利用或经济指标为基准的原单位法，即：以单位用地面积或单位经济指标为基准对原单位进行预测。 第３节　出行生成交通量的预测 2、聚类分析法（Cross-Classification or Category Analysis Method ）：又称交叉分类(美国)或类型分析法（英国） 原理：以家庭作为出行单元，用将来的出行发生率求得将来的出行量。 基本思想：把家庭按类型进行分类，从而求得不同类型家庭的平均出行率。 该研究认为：小汽车拥有量、家庭规模和家庭收入是决定交通发生的三个主要因素。 算法：根据这些变量把家庭横向分类，并且由家庭访问调查资料计算每一类的平均出行率，预测时以将来同类型的预测值乘以相应的出行率。 第３节　出行生成交通量的预测 2、聚类分析法 聚类分析必须服从的假定 （1）一定时期内出行率是稳定的； （2）家庭规模的变化很小； （3）收入与车辆拥有量总是增长的； （4）每种类型的家庭数量，可用相应于该家庭收入、车辆拥有量和家庭结构等资料所导出的数学分布方法来估计。 构造聚类分析模型的步骤 （1）有关家庭的横向分类。 第３节　出行生成交通量的预测 2、聚类分析法 构造聚类分析模型的步骤 （2）把每个家庭定位到横向类别。（家庭访问，归类） （3）对其所分的每一类，计算其平均出行率。（每类出行发生量/每类家庭数）。 （4）计算各分区的出行发生。把分区每一类家庭数*该类的出行发生率，并将分区中所有类别的家庭总加起来，得到出行总量。 第３节　出行生成交通量的预测 例：澳大利亚城市类别产生率。根据家庭规模、收入及家庭拥有小汽车数可将研究对象内的家庭分成不同的类别，下表给出的就是根据调查得到的不同类别家庭的平均出行率。 已知：低收入、无小汽车、每户3人100户；低收入、无小汽车、每户4人200户；中等收入、有1辆小汽车、每户4人300户；高等收入、有2辆小汽车、每户5人50户。求出行总量。 第３节　出行生成交通量的预测 解：出行总量为： 100*3.4+200*4.9+300*8.3+50*12.9=4455（人次/日） 聚类分析的优缺点： 优点： （1）直观、容易理解。 （2）资料的有效利用。 （3）容易检验与更新。 （4）适用于各种研究范围 第３节　出行生成交通量的预测 3、个人分类方法（Person-Category Approach） 个人分类方法是基于家庭的分类模型的一种替代方法。 第３节　出行生成交通量的预测 3、个人分类方法 与聚类分析相比具有如下优点： （1）个人出行产生模型同经典的交通需求模型的其他部分完全兼容，它们都是基于出行者而不是基于家庭。 （2）也可以采用交叉分类法。 （3）建立个人分类模型所需要的样本数比基于家庭模型少几倍。 （4）很容易考虑人口统计的变化。 （5）个人分类较家庭分类预测起来更容易。 第4节 发生与吸引交通量的预测 第4节 发生与吸引交通