道路交通需求预测与分析
城市道路与交通规则之交通需求预测
2.家庭构成与大小 家庭构成出行的基础，上班及走亲访友，购物等多以家庭 为出发点；随着家庭规模的增大，人均出行数减少，如购 物可由一人代替。
T/人
规模(人/家)
3.年龄,性别 男性26-50岁出行多， 女性16-50岁出行多。
②公共设施用地包括行政办公用地、商业金融业用地、文 化娱乐用地、体育用地、医疗卫生用地、教育科研设计用 地、文物古迹用地等。该用地的发生与吸引交通量通常用 办公、营业面积、从业人口等指标表示。与公共设施有关 的出行有：上班、上学、购物、娱乐、业务等。
③工业用地是上班交通的主要吸引源。该用地的发生与吸 引的交通量通常用从业人口、产值等指标表示。与工业用 地相关的出行有：上班、业务等。
T-出行数； t：自由时间； a，b：系数和常数。
8.其他：气候与季节（春秋多，夏冬少），工作日（大而 集中）与周末（小而分散）。
预测方法
1.原单位法 2.类别生成率法（category analysis） 3.回归分析法(regression models) 4.类别回归分析法 5.时间序列法 6.弹性系数法
交通需求预测的一般过程 人口和就业的预测 出行生成预测 出行分布预测 方式划分预测 出行分配预测
交通网络中的交通量、 时间和费用等
交通需求预测的四个阶段
i
Oi发生交通量
tij
i
tij交通分布
j
Dj吸引交通量
j
tij(car)
i
j
tij(railway)
交通交通需求预测的一般内容
2 交通产生与吸引预测
基本概念
道路运输行业市场需求分析与预测
道路运输行业市场需求分析与预测道路运输作为交通运输体系的重要组成部分，在国民经济和社会发展中发挥着至关重要的作用。
它不仅是人员和货物流动的主要方式之一，也是连接生产与消费、城市与乡村的重要纽带。
深入分析道路运输行业的市场需求，并对其未来发展进行科学预测，对于相关企业制定战略规划、政府部门优化政策措施以及推动整个行业的可持续发展都具有重要意义。
一、道路运输行业市场需求现状1、客运需求随着人们生活水平的提高和出行方式的多样化，道路客运需求在总量上保持稳定增长。
长途客运方面，高铁的快速发展对其产生了一定的冲击，但中短途客运仍具有不可替代的优势，尤其是在一些交通不便的地区。
此外，城市公交和出租车作为城市客运的重要组成部分，其需求与城市的发展规模和人口密度密切相关。
2、货运需求近年来，我国经济持续快速发展，工业化和城市化进程不断加快，这带动了道路货运需求的大幅增长。
制造业、商贸流通业等对原材料和产品的运输需求旺盛，电商行业的崛起更是催生了大量的快递物流业务。
同时，冷链物流、危险品运输等专业化货运市场也在逐步扩大。
二、影响道路运输行业市场需求的因素1、经济发展水平经济的增长通常会带动人员和货物流动的增加，从而促进道路运输需求的上升。
不同地区的经济发展水平差异也会导致运输需求的不平衡，经济发达地区的运输需求相对较大。
2、产业结构调整产业结构的优化升级会改变货物的运输品类和流向。
例如，高新技术产业的发展可能增加对精密仪器等高附加值货物的运输需求，而传统制造业的转型则可能影响大宗原材料的运输量。
3、政策法规政府出台的交通运输政策、环保政策等对道路运输行业有着重要的影响。
例如，对超载超限的严格治理会规范货运市场，促进运输效率的提高；新能源汽车补贴政策则可能推动道路运输工具的更新换代。
4、技术进步信息技术的应用提高了运输组织效率和服务质量，降低了运输成本。
自动驾驶、车联网等新技术的发展也为道路运输行业带来了新的机遇和挑战。
高速公路交通流与车辆流量的分析与预测
高速公路交通流与车辆流量的分析与预测随着城市化进程的迅速发展，高速公路交通流和车辆流量的分析与预测成为了交通管理和规划的重要课题。
对交通流和车辆流量进行准确的分析和预测，可以帮助交通管理者和规划者制定更有效的交通控制措施和道路规划，提高交通运输系统的效率和安全性。
高速公路交通流是指在一段时间内通过高速公路的车辆数量。
而车辆流量则是指在某一路段上单位时间内通过的车辆数量。
为了进行交通流与车辆流量的分析和预测，我们可以借助于交通工程学中的一些方法和工具。
首先，我们可以通过交通流量观测点来收集实时的交通流数据。
这些观测点可以是车辆感应器、摄像头或人工采集。
通过这些数据，我们可以获取到不同时间段、不同路段的车辆流量情况。
同时，我们还可以根据这些数据推断出车辆的速度、密度和流量等指标，并进一步分析交通拥堵及其原因。
在分析交通流和车辆流量时，我们还可以借助于交通模型，如宏观模型和微观模型。
宏观模型主要用于对整个交通网络的分析和预测，而微观模型则更加关注个别车辆和道路的交互作用。
这些模型可以帮助我们理解交通系统的运行规律，并进行交通流量的预测和优化。
除了交通模型，数据挖掘和机器学习技术也可以用于交通流与车辆流量的分析与预测。
通过对大量历史交通数据的分析和建模，我们可以发现交通流量的一些规律和趋势，从而进行未来的流量预测。
同时，我们还可以利用这些模型来识别交通拥堵的原因，并制定相应的交通管理措施。
在进行交通流与车辆流量的分析和预测时，我们还需要考虑一些因素。
首先是交通需求的变化，如人口增长、城市发展、工业布局的变化等。
这些因素都会对交通流量产生影响，并需要在分析与预测中加以考虑。
其次是天气因素的影响，如雨雪天气、大风等都可能导致交通拥堵和车辆流量的变化。
最后是交通基础设施的变化，如道路改建、路段限行等都会对交通流量产生影响。
为了准确分析和预测交通流与车辆流量，我们还需要进行数据验证和模型校正。
通过与实际情况的比对，我们可以评估模型的准确性，并对其进行修正和改进。
区域交通规划的需求预测和优化分析
区域交通规划的需求预测和优化分析随着城市化进程的不断加快，区域交通规划成为了一个至关重要的议题。
合理的交通规划可以有效缓解交通拥堵、提高交通效率，进而促进经济发展和社会进步。
本文将对区域交通规划的需求预测和优化分析进行探讨，以期为相关决策提供参考。
一、需求预测需求预测是区域交通规划的基础，准确的预测可以为后续的规划和优化提供依据。
需求预测主要包括人口预测、出行行为预测和交通需求预测。
1.1 人口预测人口是交通需求的基础，因此准确的人口预测对于交通规划至关重要。
人口预测可以通过统计数据和模型预测相结合的方式进行。
统计数据可以通过人口普查、户籍数据等途径获取，而模型预测则可以利用社会经济发展趋势、人口迁移模式等因素进行预测。
此外，还可以借助地理信息系统等技术手段对人口分布进行可视化分析，以更好地理解人口分布的特点和规律。
1.2 出行行为预测出行行为预测是指对人们的出行行为进行预测，包括出行目的、出行方式、出行距离等方面。
出行行为预测可以通过调查问卷、移动定位数据等方式进行。
调查问卷可以通过抽样调查的方式获取出行行为数据，而移动定位数据则可以通过手机定位等技术手段获取人们的出行轨迹数据。
通过对这些数据的分析，可以揭示出行行为的规律，为交通规划提供依据。
1.3 交通需求预测交通需求预测是指对未来某一时期的交通需求进行预测，包括交通流量、交通组织形式等方面。
交通需求预测可以通过交通流量调查、交通模型等方式进行。
交通流量调查可以通过交通摄像头、车牌识别等技术手段获取，而交通模型则可以通过建立数学模型对交通需求进行预测。
通过对这些数据的分析，可以预测未来交通需求的变化趋势，为交通规划提供依据。
二、优化分析优化分析是指对已有交通网络进行优化，以提高交通效率和减少交通拥堵。
优化分析主要包括交通网络优化、交通信号优化和出行路径优化。
2.1 交通网络优化交通网络优化是指对已有的道路网络进行优化，以提高交通的流动性和效率。
交通需求预测
本次交通需求预测包括两个部分：背景交通需求预测和项目交通需求预测。
根据建设单位项目进度安排，预计2025年新建项目投入使用，综合判断为：选取投用后第 5 年，区域交通量趋于稳定，交通规律基本形成。
因此，本次交通影响评价确定以地块投用 5 年后即 2030 年的稳定期作为项目分析年限。
背景交通一般由两部分组成：通过性交通和到达性交通，通过性交通主要取决于研究区域的区位特点，到达性交通则与研究区域的建设开发情况直接相关。
➢年增长率法预测模型如下：Qd = Q(1+ K)n式中：Q d——目标年 (2029 年) 交通量；Q0—基年(2024 年)交通量；K ——年增长率；n——预测目标年相对于基年的年数。
➢通行能力反算法适用于道路通行能力趋于饱和或现状流量较少(或无现状流量) 、而将来可能发生突变的情况。
通行能力反算法是根据道路的通行能力、道路的功能等级、在城市中的区位、道路两侧开发建设情况等综合确定道路的背景饱和度。
考虑到本项目地块位于下中坝片区，区域内现状道路除主干路外交通量较小，区域交通运行状况良好；区域土地利用强度的增大和现有住宅的入驻强度加大，区域路网未来的交通量将会有一定的增加。
因此，结合各条道路的实际情况，采用年增长率法和通行能力反算法对背景流量进行预测。
考虑到区域城市建设不断加快，区域主要道路将承担更大量的到发交通和过境交通，作为商业功能区，该区域的交通高峰期将会与现有城市高峰期基本一致。
综合考虑上述情况，并根据道路服务求的土地利用开发强度、道路功能和性质，以及南充市近年不同道路的交通流量增长的统计规律，确定区域道路背景流量增长规律。
背景增长率确定主要依据项目区域土地利用现状、路网现状流量、嘉陵区土地利用规划，并结合《南充市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》、《南充市“十四五”综合交通规划》确定。
四川南充市公安局交警支队发布，截至2023年6月，南充市机动车保有量1222937辆, 位于成都、绵阳之后，居全省第三。
第3章交通需求预测
交叉分类法必须服从的假定： 一定时期内出行率是稳定的。 家庭规模的变化很小。 收入与车辆拥有量总是增长的。 每种类型内的家庭数量，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。
2. 交叉分类法
构造交叉分类模型的步骤： ①有关家庭的横向分类。 ②把每个家庭定位到横向类别。 ③对其所分的每一类，计算其平均出行率。 ④计算各小区的出行发生。
发生、吸引交通量与生成交通量的关系
…...
…...
…...
…...
…...
…...
…...
…...
发生交通量
吸引交通量
生成交通量
3.2.2 生成交通量的预测
生成交通量的预测方法主要有原单位法、增长率法、交叉分类法和函数法。 还有利用研究地区过去的交通量或经济指标等的趋势法及回归分析等方法。
六、职业和工种
职业和职务或工作性质的不同是造成出行量不同的主要原因之一，各国的居民出行数据都表明了这一点。 汽车司机、采购员、推销员、业务员的平均出行多，工人、学生、教师、行政管理人员的平均出行少。
七、企业规模、性质
企业大、业务量大，外出率也就越高。
八、家庭收入
家庭收入也是影响出行，尤其是弹性出行的主要因素之一。 高收入家庭，汽车购买率高，购物、娱乐等需求也高，平均出行次数多。
1. 原单位法
在交通需求预测时，要求各小区的发生交通量之和 与吸引交通量之和相等，并且各小区的发生交通量 或吸引交通量之和均等于交通生成总量。如果它们 之间不满足上述关系，则可以采用总量控制、调整 系数法进行调整。
1）总量控制
用研究区域的生成交通量对推算得到的各个小区的发生量 进行校正。 假设生成交通量T由全人口P与生成原单位p得到，则 T=pP 若生成交通量T与总发生交通量 有明显误差，则将 修正为： 为保证T与总吸引交通量 也相等，需将 修正为：
交通量分析及预测
第3章交通量分析及预测公路交通调查及分析3.1.1调查综述3.1.1.1调查内容按照交通规划的研究对象，本项目分别对公路客货运输量、年平均交通流量进行调查。
按照调查的方式，又大致分为以道路上的车辆为对象的实测调查和为明确人的活动和货物的移动性质而进行的问卷调查。
前者的调查有道路交通量调查和运行车速调查，具体的调查事项及观测方法，因表示交通流特性所采用的要素不同而有所不同，通过它可掌握汽车行驶状态有关的各种特性，为道路上实现畅通交通流而进行适当的交通控制及建立交通规划发挥作用。
后者的调查有居民出行调查、机动车OD调查和物流调查。
3.1.1.2调查方法交通调查是公路建设项目可行性研究的一个重要环节，是采集所需基础数据的最基本手段。
其目的是了解项目影响区域公路交通运输的特性、构成以及客货运输的流量、流向，使后续的交通量预测建立在客观、可靠的基础上，为公路建设项目的计划、建设规模、建设标准等提供科学的依据。
(1)交通量调查点的布设交通量调查点的选择，对调查数据、区域路网流量分析、拟建项目交通量预测有着直接的影响，是整个交通量调查的关键。
本报告交通量调查路段及其地点的选择，主要考虑了以下因素：1) 根据拟建项目特点及其区域路网交通流特性，选择有代表性的路段布点；2) 调查点远离城镇，尽量避免城镇内部交通及短途交通的影响；3) 调查点选择在路基较宽、视距远的路段上，同时要保证上行与下行调查点之间留有不少于150m的距离，以免造成交通阻塞；4) 附近有收费站的，尽量将调查点设在收费站中，以减少对车辆通行的影响。
由于交通流量观测是在具体的某一天进行的，有的是24小时流量观测点，有的是12小时流量观测点，所以在交通流量分析时根据各流量观测点所在路段历年交通量观测资料对其进行年月、周日、昼夜不均匀性调整，并以次推算出年均日交通量。
调整公式如下：Q ijk＝q ijk·αi·βi·γi式中：Q ijk――i地点、j方向、k类车的年平均日交通量；q ijk――i地点、j方向、k类车的观测交通量交通量；αi――i地点交通量年月不均衡系数；βi――i地点交通量周日不均衡系数；γi――i地点交通量昼夜比。
城市道路与交通规划5-交通需求预测2
交通方式选择的影响因素
影响交通方式划分的因素主要有四大类： 一.交通特性：交通供给特性; 二.出行者属性： 家庭属性和个人属性—出行主体特性; 三.地区属性：外界大环境; 四.出行时间特性. 五.交通政策
①G与MS相结合的方法 主要有类型分析方法和回归分析方法。
类型分析方法又可以分为简化模型和一般模型，简化模型 中不含目的的分类：
式中：
一般模型中包含目的的分类： 式中：
与简化模型相比，一般模型加入目的因素，因此预测效果 要好一点。
②先进行交通生成预测再进行方式划分 因为此时尚未进行出行分布量的预测，方式划分仍只能以 出行者或家庭，或分区的特性为依据，采用线性回归分析 方法进行。 以公共交通为个人交通两种方式为例，分区的出行产生量 的方式划分比例主要与居民人口数，人均收入水平，人均 小汽车拥有量，道路网水平，公交网密度相关。 出行吸引量的方式分担率主要与分区的学校，商店，工厂， 办公的岗位数，公交网密度相关。 由此得到产生量和吸引量的分担率回归模型：
kin 是与个人n的特有的喜好与平均的个人喜好之间的
差的参数，也被假定服从某种概率分布
in的方差是随着Xkin 值不同而不同的,为方便，假定其与
Xkin 选择选择肢Cn中分肢i的概率是：
Pin P(Uin U jn )j Cn
Pin P(Vin in Vjn jn )j Cn Pin P( jn in Vin Vjn )j Cn
交通分布与交通方式划分相结合的方法：
交通量分析及预测
交通量分析及预测交通量分析及预测是交通规划和交通管理的重要组成部分，通过对历史交通数据的分析，可以了解交通流量的变化规律，并为未来交通规划提供决策参考。
本文将从交通量分析的必要性、常用的分析方法以及交通量预测的方法进行探讨。
首先，交通量分析是为了了解城市交通系统的状况、交通流量的变化规律和交通问题的发生原因，对于制定有效的交通管理措施和交通规划具有重要意义。
通过交通量数据的分析，可以了解交通流量的高峰期、拥堵路段、交通事故多发地点等情况，从而有针对性地制定相应的交通疏导措施和交通信号优化方案。
此外，交通量分析还可以发现交通问题的根源，比如交通规划不合理、道路设施不完善等，为改善交通状况提供参考。
其次，常用的交通量分析方法有多种。
最简单的方法是直接观察和人工计数法，通过人工站点观测和手动计数来获得交通量数据。
然而，这种方法在数据的收集工作量和精确度方面存在问题。
因此，现代交通量分析方法主要使用传感器技术和自动化监测设备，如交通流量监测器、摄像头和车辆感应器等。
这些设备可以实时采集交通数据，并通过计算机系统进行数据处理，提高数据收集的准确性和效率。
同时，可以采用数据挖掘和统计分析技术，对交通量数据进行分析，如平均交通速度、车流密度和交通流量等指标。
最后，交通量预测是基于历史数据和相关变量来预测未来交通流量的趋势和变化。
交通量预测的目的是为了规划者和决策者提供准确的交通信息，以便有效地制定适应未来交通需求的交通规划和管理措施。
常用的交通量预测方法包括时间序列分析、机器学习和模型模拟等。
时间序列分析方法通过对历史数据进行分析和建模，可以预测未来交通量的趋势和季节性变化。
机器学习方法基于大量的历史数据，训练模型预测未来交通量，并根据实时数据进行实时调整。
模型模拟方法是建立交通量模型，模拟交通网络中的交通流动以及交通流量的变化，根据模型输出进行预测和分析。
总之，交通量分析及预测是交通规划和交通管理中不可或缺的工具。
第三章交通量分析及预测
第三章交通量分析与预测交通量分析与预测是公路建设项目前期工作的重要内容，首先在OD 调查、交通量观测调查与其他交通调查的基础上，分析本项目相关线路与其影响区域的公路交通发展水平与特征，然后结合社会、经济、技术调查与分析，进行远景年交通量预测。
交通量预测结果为确定本项目的技术等级、标准、规模与经济评价等提供重要的依据。
3.1 公路交通调查与分析3.1.1 交通调查综述公路交通调查是公路项目可行性研究的重要环节，为全面了解项目所在地区公路交通量特性与构成，掌握公路交通流量流向、车辆构成、货物种类等资料，为未来拟改建公路交通量预测提供基础数据。
本项目公路交通调查主要包括公路客货运量与周转量、汽车保有量、交通事故、相关公路观测交通量等方面内容，并采用OD调查与交通量观测相结合的方法进行，其中OD调查借鉴《神木-盘塘公路改扩建工程可行性研究报告》（简称神盘路改建工可）数据进行统计分析（由于本路段东接神盘路，主要承担店塔-盘塘方向的煤炭外运交通，且神盘路改建工可与本项目同期进行，具有可借鉴性）。
调查范围主要是针对拟改建项目所属区域与沿线所经区域进行调查。
1）交通运输发展的调查根据《陕西省统计年鉴》，本项目影响区公路交通运输情况如表3-1、表3-2：榆林历年客货运量与周转量表3-1神木县历年客货运量与周转量表3-2注：数据来源于神木统计局统计年鉴资料。
从表3-1中可以看出，项目所在地区公路运输指标总体上呈上升趋势，公路运输以较快的速度发展，这与其经济高速发展是相适应的。
据调查统计，榆林市客货运量与周转量在全省中所占比例较高，2008年榆林公路客运量占全省的6.95%；客运周转量占全省的10.23%；公路货运量占全省的8.34%；货运周转量占全省的29.48%。
在综合运输方式中，公路客、货运量所占比例较高，可见公路运输在榆林市综合运输方式中占据着举足轻重的地位。
从表3-2可以看出，神木县公路运输也以较快的速度发展，各项指标变化相对稳定，各别点起伏较大，这与近几年区域内路网改造，交通政策变化、城镇大力度的改造有关。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
无锡市上班出行产生预测模型
Y= - 55.36 + 1.104 X
20000 15000 10000 5000 0
2000 4000 6000 8000 10000 12000 14000 16000 18000 20000
（2）上学出行预测
上学出行产生量 Yi=a+bXi Xi--- i小区学生数 (R=.9968)
无锡市居民上学出行产生预测模型
Y= 1.396 - 4.83 X
12000 10000 8000 6000 4000 2000 0
500 1000 1500 2000 2500 3000 3500 4000 4500 5000
方式划分预测
交通需求量中公交、自行车、其他车辆的比例
交通分配预测
交通需求量发生时选择的道路
“四阶段”法各阶段成果
生成预测—各交通区发生、吸引总量
分布预测—各交通区相互之间OD量（OD总量矩阵）
方式划分预测—各交通区相互之间不同交通方
式的OD量（分方式OD矩阵）
交通分配—各路段、交叉口（道路网）交通流量
就业岗位分布预测主要根据各小区的工业,商业,公共事业用地面积及密度 确定。 就学岗位分布一般根据各交通区的教学科研用地面积及密度按比例确定。
第三节 城市客运交通需求预测 交通生成预测
各交通区发生、吸引交通需求量
目前常用的城市客运交通需求发展预测方法是“四阶段”法。
交通分布预测
交通需求量的来源及去向
如：
苏州市2000年居民出行目的中，生存性出行比例为79.93%
蚌埠市2002年居民出行目的中，生存性出行比例为82.24% 反映出蚌埠市的居民的生活水平比苏州市低，人们出行更 多是“为了生活，四处奔波”
一般认为，生存性出行比例在80%以下，则代表该城市有
较高的生活水平
（1）上班出行预测
上班＋上学＋回程＝92.2％
图3－1 鞍山市居民出行目的结构图（1994年）
50% 40% 30% 20% 10% 0%
上班 上学 公务 购物 文体 访友 看病 回程 其他
上班＋上学＋回程＝86.7％
图3－3 无锡市居民出行目的结构图（1996年）
50% 40% 30% 20% 10% 0%
上班 上学 公务 购物 文体 访友 看病 回程 其他
第二节 城市社会经济分析与发展预测
城市社会经济预测的内容包括对现状土地利用状况的
分析研究以及在此基础上对与城市交通需求预测密切相关 的土地利用未来情况进行的预测。
一、社会经济发展总指标预测
1、城市人口 2、劳动力资源及就业岗位数 3、在校学生数与就学岗位总数 4、车辆拥有量 5、城市规模和布局 6、其它
一、出行生成预测
出行生成预测分出行发生预测和出行吸引预测两部分。 所谓出行生成，就是城市土地利用对城市居民出行意愿的 作用结果。
出行生成有两种单位：一种是以车为单位，另一种是以人 为单位。城市中交通工具复杂，一般都用人的出行次数为 单位，车辆出行与人的出行之间可以相互换算。
1、出行发生预测
Y= 0.8990 X (R=.9998)
2、出行吸引预测
与出行发生预测类似，出行吸引量预测也是 按照上班、上学、弹性、回程四类出行目的分别 建模，并采用相同的基本模型方法。
ቤተ መጻሕፍቲ ባይዱ
（1）上班出行吸引预测
上班出行吸引量 Yi=a+bXi Xi--- i小区就业岗位数 (R=.9982)
无锡市上班出行吸引预测模型
Y= 128.5 + 1.0437 X
25000 20000 15000 10000 5000 0
（3）弹性出行预测
弹性出行产生量 Yi = a + bXi Xi--- i小区居住人口数
无锡市居民弹性出行产生预测模型
Y= 17.-7 + 0.6461 X (R=.8395)
（4）回程出行预测
回程出行产生量 Yi = a + bXi Xi--i小区非回程出行吸引量
无锡市居民回程出行产生预测模型
二、人口、劳动力总资源及学生居住分布预测
Pi Ai P总
Li Pi r
（3-1） （3-2）
式中：Pi——预测特征年第 i 交通区的居住人口； P 总——预测特征年城市总人口； Li——预测特征年第 i 交通区的劳动力资源数； Ai——预测特征年第 i 交通区居住人口的分布吸引权； r——预测特征年劳动力比例系数。
三、就业、就学岗位分布预测
就业、就学岗位分布是社会经济预测中的难点和重点，就业、就学 岗位在各交通区的分布直接关系到交通吸引点的数量及其空间分布。
城市就业岗位总量中，各行业就业岗位的总量可用下式预测：
E i( 0 ) E i E总 Ri Ri( 0 ) Ri Ri( 0 )
E
i
(0) i
出行发生预测按出行目的分类进行。通常，居民出行目的 分为上班、上学、公务、购物、文体、访友、看病、回程及其
他等九类。出行发生预测可相应分为：上班出行产生预测 、上
学出行产生预测、弹性出行产生预测 、回程出行产生预测。
50% 40% 30% 20% 10% 0%
上班 上学 公务 购物 文体 访友 看病 回程 其他
第三章
道路交通需求预测与分 析
第一节 概 述
道路交通需求分析预测的内容，主要是根据道路交通 系统及其外部系统的过去和现状预测未来，根据历史经验、 客观资料和逻辑判断，寻求交通系统的发展规律和未来演 变趋势的过程。
道路交通需求预测可以划分为城市交通需求预测和区 域交通需求预测两大类。 城市交通需求分析与发展预测包括城市社会经济分析 及发展预测、城市客运交通分析及发展预测和城市货运交 通分析及发展预测三大部分。 区域交通需求分析与发展预测包括区域客运交通分析 及发展预测和区域货运交通分析及发展预测两大部分。
上班＋上学＋回程＝79.9％
图3－3 苏州市居民出行目的结构图（2000年）
上班、上学、回程合计为生存性出行 生存性出行比例的高低代表城市的生活质量 生存性出行比例低表示城市居民生活质量高 生存性出行比例高表示城市居民生活质量低
生存性出行与弹性出行的要求有很大的不同， 突出地表现在出行方式上。