第七章方式划分三预测模型(1971KB).pptVIP

例4：求解前面红蓝公交车问题。 第一层 第二层 0.25 0.25 二项LOGIT参数标定（BL） 两种方式的概率比为： 对公式（8-3）两边取对数： δ = （ε1-ε2）/λ (8-3) 例5： 区对 P1（％） P2（％） C1 C2 C2 – C1 Ln[P1/(1-P1)] 1 51.0 49 21.0 18.0 -3.0 0.04 2 57.0 43 15.8 13.1 -2.7 0.29 3 80.0 20 15.9 14.7 -1.2 1.39 4 71.0 29 18.2 16.4 -0.8 0.90 5 63.0 37 11.0 8.5 -2.5 0.53 令x=C2-C1，Y= Lg[P1/(1-P1)]，求得回归方程为： Y=0.4748x+1.5986 因此， λ＝0.4748，δ＝1.5986／0.4748＝3.3668 4、Probit模型 Probit模型认为随机项e(k)服从平均值为0的多变量标准正态分布, e(k) 可相互关联。Probit理论上比Logit模型有优势。 与LOGIT模型类似，Probit模型分为MNP和NP两类，公式详见P163~164。 Logit模型与Probit模型相比，过小的估算了概率小的路径，过大的估算了概率大的路径。见课本P166页7-19。 Probit模型有理论优势，可以求解各种关系的交通方式划分，但是求解多方案困难（尤其超过3种选择方式时）。 对于多方案求解方法，目前一般采用两种近似求解方法：仿真方法和逼近方法，具有代表性的仿真方法是Monte-Carlo仿真法和McFadden仿真法；代表性的逼近方法有合并逼近法和分裂逼近法。 5、习题与思考 思考题1 思考题2 tijBUS 1 2 3 1 5 11 13 2 10 12 12 3 14 16 7 tijCAR 1 2 3 1 3 8 10 2 8 7 11 3 10 11 3 cijBUS 1 2 3 1 130 140 180 2 140 130 220 3 180 220 130 cijCAR 1 2 3 1 21 45 58 2 45 42 60 3 58 60 19 pijBUS 1 2 3 1 0.273 0.265 0.253 2 0.282 0.248 0.255 3 0.239 0.192 0.244 pijCAR 1 2 3 1 0.727 0.735 0.747 2 0.718 0.752 0.745 3 0.761 0.808 0.756 课本P167页，例题7-1。 解： Δtij Δcij Δtij 1 2 3 1 -2 -3 -3 2 -2 -5 -1 3 -4 -5 -4 Δcij 1 2 3 1 -109 -95 -122 2 -95 -88 -160 3 -122 -160 -111 ln(Pc/Pb) 1 2 3 1 0.97945 1.02014 1.08268 2 0.93456 1.10931 1.07212 3 1.15817 1.43707 1.13087 由此得： 解得，α=-0.0796，β=0.00387，γ=0.390 通过常识检验，统计检验，D-W检验等，符合要求。 将未来年份的公共汽车、小汽车的行驶时间和票价代入到已知公式，可得到未来年份的公共汽车和小汽车的出行比例矩阵。 将未来出行分布矩阵乘以相应的比例矩阵，可得到未来年份的出行OD矩阵。 例6：以广岛城市圈综合交通规划为例。根据交通调查资料，绘制了步行分担率曲线、公共交通分担率曲线和轨道交通分担率曲线。求解各交通方式分担率的方法如下： 解： 第一步，根据步行-机动车诺模图，查出步行与机动车出行的比例。如图1（a） 图1 第二步，利用公共交通分担率曲线，将公共交通分担量与私人小汽车交通分担量区别开来如图1（b）所示）。 图1 第三步，利用轨道交通分担率曲线从公共交通分担量中分离出轨道交通的分担交通量如图1（c）所示。 图1 谢 谢！ 第三节 预测模型 主要内容 模型分类 实用集计模型 非集计模型 一、预测模型分类 根据模型所处阶段 根据数据集合程度 根据模型结构层次 （1）根据模型所处阶段 出行末端模型（Trip End Model）在交通分布前，即发生阶段方式选择；无法考虑地区间交通状况和方式竞争。 地区间模型（Trip Interchange Model） 在交通分布之后进行方式划分预测；应用广泛，是四阶段法的组成部分。 （2）根据数据集合程度 集计模型（Aggregate Model）以交通小区为研究单位；用于四阶段法，评价长期交通建设。 非集计模型（Disaggregate Model）以出行个体为研究单位；考虑交通竞争关系，评价短期交通管理。 集计