交通规划设计课件 （二）出行产生吸引模型.pptVIP

交通产生与吸引预测模型 主要内容 概述 交通产生与吸引模型 一、出行发生预测方法 定性分析预测： Delphi，类比分析法等； 定量分析预测： 趋势预测：增长系数法；指数平滑法；灰色系统法；时间序列法等； 类别分析法：交叉分类法 因果预测：回归分析法等 单位系数法 二、交通产生与吸引预测模型 原单位法（出行率法） 聚类分析法（交叉分类法） 增长系数法 回归分析法 其它方法（生长曲线法、指数预测法等，见经济预测一节。） 思考题 （一） 原单位法 例题：P139，例题5-1。 （二） 聚类分析法（交叉分类法） （Cross-Classification） 模型机理 计算步骤 举例 模型优点缺点 1、模型机理 不同的家庭（人）类别，产生的出行率不同。 例如，影响出行生成率的三个变量：交通工具拥有量；家庭规模；家庭收入等。 适用条件： 一定时期内出行率稳定； 家庭规模变化小； 收入与车辆拥有量总是增长的； 每种类型的家庭数量可分析估计。 2、计算步骤 对家庭（人口）分类，列出各类出行率表格； 将区域内每个家庭（人口）归入相应的类别； 计算每类家庭（人口）的平均出行发生率； 计算各分区的出行发生。 3、举例 例1：求解生成量。 解：各区的出行量为户数与相应出行率乘积 4、模型优缺点 优点 直观、容易理解；资料的有效利用；适用范围广等 缺点 横向分类的小格间，住户之间的差异被忽略； 小格的样本数不同，精确性不同； 凭主观确定变量类别等级，有失客观性； 每个小格规划年的预测工作繁杂。 （三） 增长系数法 Ti=Fi·ti （四）回归分析法 建立回归模型步骤 一元线性回归分析 一元回归模型检验 一元回归模型例题 多元线性回归分析 应用实例（Excel） 1、建立回归模型步骤 建立模型阶段 模型检验阶段 （1）建立模型阶段。 收集整理资料； 确定回归分析的因变量和自变量，尤其是关键自变量； 对初步确定的因、自变量做出散点图； 根据观察，确定模型形式：线性？多元？ 计算模型参数； 计算标准误差和相关系数。 相关性的识别： （2）模型检验阶段。 初步检验：是否符合基本常识和公理？ 统计检验：离散系数（V=s/Y）、相关系数（r）、判定系数检验（r2） 、t（显著）检验、D－W检验等 预测实效检验：采用非样本数值进行检验。 2、一元回归模型 主要受一个相关因素影响的情况。 μi μi包含了其他因素对因变量的影响作用，这些因素主要包括： 回归方程中省略的与因变量有关的其他自变量； 自然灾害、偶然事件和随机事件的影响； 数学模型不准确的影响，如用线性方程近似非线性方程； 数据采集过程中测量误差的影响。 μi与X的关系假定 由于回归参数b0，b1一般采用最小二乘法求解，μi与Xi的关系必须服从下面假定： μi是一个随机实变量，其数值可正可负并有一定的概率； μi的平均值为零； μi的方差为一个常量； μi符合参数为N(0，σμ2)的正态分布； 不同观察值μi ，μj(i≠j)的是相互独立的； Xi是确定值，不是随机变量，但与μi相互独立。 3、一元回归模型检验 估计标准误差： D-W（杜宾一沃特森）检验 以一元线性回归方程为例： 一元线性回归真实关系：Yi=b0+biXi+ui 其中ui为随机扰动项。 由于用最小二乘法求回归系数时，假定各ui之间相互独立。若μi不相互独立，即存在自相关问题，则模型预测存在较大偏差。 D－W检验可以检验随机误差的自相关问题。 对随机项ui之间是否存在自相关进行检验，D-W计算公式为： 判别方式： D-W值在2附近时，不存在ui自相关问题。 dL，du怎样确定？ 根据样本数n，自变量个数K，显著性水平α，查D-W分布表得dL，du 。 图示法进行ui自相关检验 4、一元回归模型例题 根据原煤产量与铁路货运量进行回归分析。见文档。 5、多元回归分析模型 多元回归分析的解法：解线性方程组；方差求解法；矩阵求解法。 第一种解法：解线性方程组，用最小二乘法，使随机误差的平方和最小； 式中， 第二种解法：利用自变量和因变量的方差、标准差、协方差求解。（仅仅限于二元方程） 第三种解法：矩阵解法。 是第一种方法的矩阵表示。 5、Excel应用实例 以Excel为例。 （1）数据导入，确立自变量和因变量。 （2）做散点图。 （3）观察和确定模型的形式。 （4）计算模型参数 （5）估计误差和相关系数。 （6）初步检验 （7）统计检验 （五） 思考题 表6-1 威海市各交通区人口数量（万人） 表6-2 威海市常住人口职业构成（%） 其中，b，c：回归系数； 常使用的变量：平均收入、平均汽车保有率、家庭数、人口、就业人数、土地利用面积……。 存在问题：交通条件的改善 ，出行能力的增强没有得到充分考虑。 例: 户数 就业人