客流预测模型讲稿19页word
第六章 客流预测与分析
(6 一 1－1)
在以小时为单位计算断面客流量的情况下， 分时断面客流量最大的小时称为 高峰小时， 与高峰小时相对应的是低谷小时。城市轨道交通的高峰小时有早高峰 与晚高峰之分． 就行车组织的内容而言，高峰小时的最大断面客流量是一项重要 的基础资料， 在城市轨道交通运输方式中，通常还以车站的乘降或换乘人数衡量 或考核客运量的大小，客运量的统计以年、日或小时为单位。
-1-
为交通高峰时期，中午前后有 l～2 段低谷时期。 （4）政策决定性 轨道交通受城市人口政策和城市机动车政策等因素的影响。 城市交通的运输方式，除了轨道交通一类的地下铁道、轻轨铁路，独轨铁路 和地面有孰电车等外，公共汽车，出租汽车。专线车，区间车以及助动车，自行 车等均受城市交通政策的左右。 在市场竞争机制法则的影响下，其发展呈不均衡 发展态势， 在国内外的大城市， 这种态度表现结果时差异达到令人惊讶， 村程度， 以各类城市占主导的交通工具发展的巨大差异看是显面易见的。 城市轨道交通的发展受下述因素的约束： （1）运输方式规模与能力，通常的经济发展规律是交通应先行，一定程度 的交通网络，对城市交通的发展会起到促进作用。相反，设施规模小，与运量不 成比侧，则阻碍交通发展。 （2）运行速度。运行速度的高低与运价，乘坐舒适度密切相关，在城市轨 道交通领域，它有着一定的优越性，这是由于它的大运量、低成本和较膏的运营 速度所决定的。 （3）城市轨道交通的客流量。以断面客流量表示时，它是指单位时间内， 通过轨道线路某一点的客流量。这儿的单位时间一般指 1h 或 24h。面通过某— 点的客流量就是通过该断面所在区间的客流量。 断面客流量户的计算见下式： pi+1=pi－px+ps 式中： pi+1—— 第 i+1 个断面客流量(人)， pi——第 i 个断面客流量(人) px——在车站下车人数(人)， ps——在车站上车人数(人)， 断面客流量又可分为上行和下行断面客流量．在单位时间内，通过各个断面 的客流量是不相等的．其中，单向断面客流量大的断面称为最大客流断面，最大 客流断面的客流量称为最大断面客流量． 上下行的最大客流断面—般析
轨道交通系统客流预测要点课件
根据车辆类型、轨道类型、运营方式等因素，轨道交通系统可分为地铁、轻轨 、有轨电车、磁悬浮等不同类型。
轨道交通系统的特点和优势
01
02
03
04
大容量
轨道交通系统具有较高的运输 能力，能够满足城市交通的大
容量需求。
准时性
轨道交通系统运行在预定的轨 道上，受其他交通工具干扰较
小，具有较高的准时性。
节能环保
轨道交通系统的运营管理
客流预测是轨道交通系统运营管理的 基础，通过预测客流量的大小和变化 趋势，可以合理安排列车运行计划和 调度方案。
客流预测有助于优化轨道交通系统的 票价策略和服务质量，提高乘客满意 度和忠诚度。
客流预测有助于提高轨道交通系统的 运输效率和安全性，减少列车晚点、 拥堵等情况的发生。
探索多模式交通协同发展
强化国际合作与交流
研究轨道交通与其他交通方式的协同发展 ，实现多模式交通的优化配置和高效衔接 。
加强国际间的合作与交流，借鉴先进的技 术和管理经验，推动轨道交通系统的创新 发展。
THANKS
感谢观看
轨道交通系统件客流预测要点课
目 录
• 引言 • 轨道交通系统概述 • 客流预测的基本概念和方法 • 轨道交通系统客流预测的要点和难点 • 轨道交通系统客流预测的应用和实践 • 总结与展望
01
引言
目的和背景
目的
预测轨道交通系统的客流量，为运营 管理提供决策依据，提高运输效率和 服务质量。
背景
随着城市化进程加速，交通拥堵问题 日益严重，轨道交通作为大容量公共 交通方式，其客流量预测对解决城市 交通问题具有重要意义。
辅助决策支持
客流预测为轨道交通系统的规划、建 设和运营管理提供数据支持，辅助决 策者做出科学决策。
城市轨道交通客流预测
城市轨道交通客流预测一、客流预测模式1、非基于出行分布的客流预测模式。
将相关公交线路和自行车出行的现状客流向轨道交通线路转移，得到虚拟的轨道交通基年客流。
然后根据相关公交线路的客流增长规律确定轨道交通客流的增长率，并据此推算轨道交通的远期客流。
这种客流预测模式又称为趋势外推客流预测模式。
趋势外推客流预测模式能较好地反映近期客流量的增长情况，但由于未考虑土地利用形态等客流影响因素，远期客流预测结果的精度较低，并且在预见未来出行分布变化上可靠性较差。
该客流预测模式操作简单，常用于其他模式预测后的比较验证，或作为定性分析的辅助手段。
2、基于出行分布的客流预测模式。
以市民出行交通起讫点调查（origin-d estination survey，OD调查）为基础，得到现状全方式出行分布，在此基础上预测规划年度的全方式出行分布，然后通过方式划分得到轨道交通的站间OD客流。
这种客流预测模式包括出行生成、出行分布、方式划分与出行分配四个阶段，因此又称为四阶段客流预测模式或方法。
四阶段客流预测模式以现状OD调查为基础,结合未来城市发展及土地利用规划预测，因此客流预测结果的精度较高。
该客流预测模式对于基础数据的要求较高、操作复杂。
此外，在城市发展未能按规划实现时，预测的客流分布就会存在较大的差异。
近年来，国内许多城市的轨道交通客流预测采用了四阶段客流预测模式。
但在实践过程中，各个建设项目在方式划分阶段的位置、预测模型及参数标定，以及交通规划软件选用等方面存在不同的情形。
3、三次吸引客流预测模式。
三次吸引客流预测模式认为，可以确定一个轨道交通车站对客流的吸引范围，车站吸引范围是一个以车站为圆心，以合理的到达车站时间或到达车站距离为半径的圆形区域。
在分析车站吸引范围内的土地利用性质，以及确定合理步行区与接运交通区的基础上，可以预测通过步行、自行车和常规公交三种方式到站乘车的人次，它们分别称为一次吸引客流、二次吸引客流和三次吸引客流，并在车站客流量的基础上进一步推算线路的断面客流量。
教案2 客流预测
教案头课次2授课日期编号基本课题客流预测教学目的掌握城市轨道交通需求的基本特征、掌握客流预测方法重点客流预测方法难点客流预测方法课型讲授课学时2教学过程时间分配教学方法能力培养旧课回顾认识城市轨道交通系统10mins课堂提问Ⅵ新课讲授任务一城市轨道交通需求的基本特征一、城市轨道交通的基本特征二、城市轨道交通发展的制约因素任务二客流预测一、客流预测概述二、客流预测模式三、客流预测方法10mins10mins10mins20mins20mins讲授、案例分析作业布置10mins 课后记：项目二 城市轨道交通客流预测与分析任务一 城市轨道交通需求的基本特征客流不仅是规划城市轨道交通网络、安排工程项目建设顺序、设计车站规模和选择车站设备容量的依据，也是轨道交通系统合理安排运力、编制运输计划、组织行车和分析运营效果的基础。
一、城市轨道交通的基本特征•城市轨道交通的基本特征•普遍存在性 •复杂多样性 •时空集散性 •政策决定性二、城市轨道交通发展的制约因素 （一）运输方式规模与能力 （二）运行速度（三）城市轨道交通的客流量断面客流量间P 计算见下式：P i+1=P i - P x + P s 式中：P i+1——第i+1个断面客流量（人）； P i ——第i 个断面客流量（人）； P x ——在车站下车人数（人）； P s ——在车站上车人数（人）。
任务二 客流预测客流预测是一门科学，它是在现在从已知过去发生的事物有关因素基础上和假定未来的发展基础上进行 推断得到的。
一、客流预测概述根据城市轨道交通系统规划与设计的不同阶段，需要开展三次需求分析与预测工作。
城市轨道交通网络规划阶段 线路建设项目可行性研究阶段e an dA线路建设项目总体设计阶段二、客流预测模式（一）“四阶段”客流预测模式交通四阶段段法以居民出行调查(person trip survey)为基础，由交通生成(tripgeneration/attraction)、交通分布(trip distribution)、交通方式划分(model split)、交通量分配(traffic assignment)四个阶段组成。
城市地铁客流量预测模型构建与应用
城市地铁客流量预测模型构建与应用随着城市人口的不断增加和交通压力的不断增加，地铁成为了现代城市中必不可少的交通工具之一。
准确预测地铁客流量对于城市交通系统的运营和规划至关重要。
本文将探讨城市地铁客流量预测模型的构建与应用。
一、背景介绍随着城市的发展和人口的增长，城市地铁客流量逐年增加。
如何准确预测地铁客流量成为城市交通规划、运营和管理的重要问题。
精确地预测地铁客流量可以帮助城市交通部门合理安排列车班次、优化线路规划、提供准确的运营服务，提高城市交通系统的效率和便利性。
二、地铁客流量预测模型的构建1. 数据收集地铁客流量预测的首要任务是收集相关的数据。
常用的数据源包括车站进出站数据、乘客出行数据、天气数据等。
这些数据可以通过现场调查或者使用现有的数据平台进行收集。
2. 特征选择在构建地铁客流量预测模型时，需要选择合适的特征来进行建模。
常用的特征包括时间特征（如日期、时间段）、节假日特征、天气特征、地点特征等。
合理选择特征可以提高模型的预测准确性和可解释性。
3. 模型选择地铁客流量预测可以使用多种模型进行建模，包括传统的时间序列模型（如ARIMA模型）、机器学习模型（如随机森林、支持向量回归）、深度学习模型（如循环神经网络）。
根据实际情况选择合适的模型进行建模。
4. 数据预处理在进行地铁客流量预测之前，需要对数据进行预处理。
常见的预处理方法包括缺失值填充、异常值处理、数据平滑等。
通过预处理可以使数据更具有可靠性和一致性，提高模型的预测精度。
5. 模型训练与评估在预处理完成后，可以利用历史数据进行模型训练。
训练过程中可以使用交叉验证来评估模型的性能，并进行参数调优以提高模型的准确性。
常用的评估指标包括均方根误差（RMSE）、平均绝对误差（MAE）等。
6. 模型应用与调优在模型训练完成后，可以将模型应用于实际的地铁客流量预测中。
通过与实际数据的比较，可以对模型进行调优以提高预测精度。
三、地铁客流量预测模型的应用1. 运营调度准确的地铁客流量预测可以帮助地铁运营部门进行合理的列车调度。
客流预测
5.1 客流预测概述
根据城市轨道交通系统规划与设计的不同阶段，需要开展三次需求分析与预测 工作：
城市轨道交通网络规划阶段——主要进行全网客流估算，重点分析线网总体规 模和各线路的需求规模量级。
线路建设项目可行性研究阶段——根据线路具体情况，研究提出线路各运营期 限的客流预测结果，重点要确定与相关工程建设规模有关的预测结果。
5.1.1客流预测的主要内容
• 3.不同建设方案下不同方式分担结构及网络分配结果
根据不同网络建设方案，选择相关的需求分配参数．结合客流预测结果研究综合网络上 的流量分配状况，按规划与建设的具体需要给出不同年度各种运输方式的客流分担比例及城 市轨道交通线网上的ＯＤ分布，包括各具体路段上的ＯＤ构成，平均运距等参数．
5.1.3我国城市轨道交通客流预测方法现状
目前国内客流预测的基本特点包括： １）预测程序，技术和方法日趋完善，预测工作质量不断提高． ２）预测结果对系统建设规模的量级宏观控制比较成功，但其成功的内涵
仍依赖于城市轨道交通网线的稳定．可用于财务分析的预测结果尚难以满足质 量要求．
5.1.4不同阶段客流预测工作的要点
• 1.线网规划阶段
线网规划阶段需要把握全网客流估算．此阶段有四项工作需要客流资料的支撑：一是规划，建设 城市轨道交通系统的必要性论证；二是各规划线的运量等级，系统规模和相关的用地控制；三是 线网方案的评价和选择；四是线网的分期发展实施方案制订．
• 2.可行性研究阶段
可行性研究阶段的客流预测成果是可行性研究报告的支持条件，它可以为线路建设的必要性，紧 迫性和工程分期计划，设备系统类别的选择和各子系统规模的确定，线路方案，车站设置的比选， 各期车辆购置数量的确定，运营设计及经济评价与财务分析提供依据．
铁路客流预测模型的研究与应用
铁路客流预测模型的研究与应用在当今社会，交通工具是现代社会中最不可或缺的基础设施之一。
尤其是铁路交通，作为一种高效的快速公共交通方式，其在现代社会交通体系中的地位越来越重要。
但同时，随着全国人口的不断增长，铁路客流量不断攀升，如何有效地预测和规划铁路客流，成为当前亟待解决的问题。
这里介绍一种铁路客流预测模型——时间序列模型。
这种模型是一种可用于预测未来时间点上发生的事件的数学方法。
根据时间序列模型的原理，历史上的每一个客流数量都是由各种因素所决定的，如节假日、天气变化、经济状况等等。
基于历史数据，时间序列模型可以预测出未来的客流量，并且通过历史数据来研究客流规律，为客流管理提供基础数据。
时间序列模型是基于有限的自回归时间序列和移动平均时间序列的分析方法而得到的。
通过将有限的自回归时间序列和移动平均时间序列组成的数学模型，来延续现有的时间序列数据，进而预测未来的客流。
具体而言，时间序列模型分为以下四个步骤：第一步，进行数据清洗和预处理，将原始数据进行分析和整合，并找到数据中的异常值和异常数据。
这一过程非常重要，因为数据的质量是影响预测精度的关键因素。
第二步，基于历史数据建立时间序列模型。
这个过程包含模型的选择，以及如何拟合其参数。
了解哪种模型更适合当前的数据以及如何确定模型的参数，可以声明预测的准确性。
第三步，在时间序列模型的基础上，利用最小二乘法和曲线拟合等方法进行参数调整，以达到最佳的客流预测结果。
第四步，利用预测结果进行铁路客流安排和优化。
根据预测结果，在旅客需求最为旺盛的时段，增加车次，提高列车运行速度，提供更好的乘车服务，以提高铁路客流量公共交通的安全和便利性。
时间序列模型的优势在于其对时间序列数据的分析能力，及对周期、趋势和季节性变化的预测能力。
通过时间序列模型对客流进行预测，可以为铁路客流提供有益的售票预测，为财务、行车调度等方面的决策提供有力的支持，同时还可以对铁路客流进行更好的规划和管理。
大型超市中的顾客流量预测模型研究
大型超市中的顾客流量预测模型研究随着日益繁荣的经济，大型超市在我们的日常生活中起着越来越重要的作用。
在大型超市中，每天都会迎来大量的顾客，这带来了很大的商机，但也给商家带来了很大的管理难题。
如何在人流量多的时候及时调整资源，安排更多人手来服务，成为大型超市经营者所关注的重要问题。
本文将探讨大型超市中的顾客流量预测模型研究，从而帮助超市管理者更好地进行资源分配和管理。
一、预测模型的应用在大型超市中，顾客的数量是时时刻刻变化的。
如何及时了解顾客数量的变化，并根据变化来调整人力资源的分配，是超市管理者需要重视的问题。
为此，预测模型的应用显得尤为重要。
预测模型可以用来分析顾客数量的变化情况，根据过去的数据、现在的环境和未来的预期，对将来的顾客数量进行预测，并对人力资源进行合理安排。
通过分析超市中不同时间段的客流情况，可以制定出畅销品在什么时间段应该安排多少人手来服务的策略。
通过对顾客数量的掌握，可以有效降低超市的运营成本，提高经济效益。
二、预测模型的构建顾客数量是由多个因素决定的，包括天气、节假日、周末、商品促销以及超市的位置等等。
因此，构建预测模型需要考虑到不同的因素。
下面将具体探讨如何构建顾客流量预测模型。
1、数据的收集在构建预测模型之前，需要收集大量的数据来作为训练集。
数据包括输入参数和输出参数。
输入参数是指影响顾客流量的因素，如时间、天气、超市的位置等等。
输出参数是指顾客数量，即需要预测的结果。
数据可以通过超市自身的系统来收集，如门禁系统、交易系统等。
此外，也可以通过第三方公司提供的数据服务来获得相关数据。
2、数据的预处理在收集到数据后，需要对数据进行预处理。
预处理包括数据清洗、数据整合、数据归一化等步骤。
数据清洗是指去除无效数据和异常数据，数据整合是指将多个数据集进行整合，数据归一化是指将不同的数据转化成同一标准的量纲。
3、特征工程特征工程是指将原始的数据转换成特征向量的过程。
特征向量的长度和维度可以根据实际需要进行调整。
- 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)。
1.4.3 轨道交通客流预测模型与算法(摘自《城市轨道交通规划的研究与实践》)1. 概述(1) 客流预测的意义和目的轨道交通客流预测是指在一定的社会经济发展条件下科学预测城市各目标年限轨道交通线路的断面流量、站点乘降量以及站间OD、平均运距等反映轨道交通客流需求特征的指标。
轨道交通线路客流量是城市快速轨道交通可行性研究和设计的重要依据。
在规划线网时，不同的轨道交通线网方案的客流分析结果是进行线网优选的主要内容，如发现有不当之处，要重新调整布线方案，并重作客流分析，如此反复直至满意为止；在工程可行性研究阶段，客流量是工程修建必要性和可行性的主要依据；在工程设计中，其系统运输能力、车辆选型及编组、设备容量及数量、车站规模以及工程投资和经济效益分析等，都要依据预测客流量的大小来确定。
因此，轨道交通客流预测在城市轨道交通规划中占据相当重要的地位。
轨道交通客流预测应提交以下预测和分析结果：1) 规划年居民全方式出行OD。
2) 规划年居民全方式出行期望路线图。
3) 规划年居民公交方式出行OD。
4) 规划年居民公交方式出行期望路线图。
5) 规划年各线路全日站点乘降量及断面客流量表。
6) 规划年各线路早晚高峰站点乘降量及断面客流量表。
7) 规划年各线路的全日站间OD表。
8) 规划年换乘站各方向的客流换乘量表。
9) 规划年各线路的平均运距，线路平均负荷强度，直达率与一次换乘率，规划年各线路客运量占公交客运量比例，各线路客运量的年递增率等分析结果。
（2）客流预测的基本方法和工作流程①客流预测年限预测年限也就是设计年限，是控制工程规模和投资的重要因素，其合理与否，将直接影响工程建成后的效率和效益。
按照《城市快速轨道交通工程项目建设标准（试行本）》的规定，客流预测年限分为初期、近期和远期。
初期为建成通车后的第3年，近期为交付运营后的第10年，远期为交付运营后的第25年。
②轨道交通客流预测的基本方法城市交通需求预测起源于美国，并且在全世界范围内得到了迅速发展。
60年代称为“Chicago Area Transportation Study”的芝加哥都市圈交通规划开发了包括交通方式划分在内的四阶段交通需求预测法，开了城市综合交通需求预测的先河。
四阶段预测法按照交通生成预测、交通分布预测、交通方式划分和交通分配四阶段来分析城市现状和未来的交通状况，是目前交通规划领域应用最广的方法。
虽然近几十年来，对四阶段中预测模型的研究不断深入，也出现了将两个或几个阶段合并进行预测的方法，但从宏观的角度把握城市居民的出行特点，然后分阶段预测分析的思路仍是一致的。
国内外轨道交通客流预测通常采用四阶段法。
运用该法进行客流预测时，首先要对研究对象城市划分交通小区，进行城市人口、就业、土地利用等资料的调查和居民出行调查，在此基础上进行居民出行产生预测、出行分布预测、交通方式划分预测和交通分配，以获得所需的轨道交通需求数据。
利用非集计模型（Discrete Choice Model）进行居民出行的分析和预测是继四阶段法后出现的构造交通需求预测模型的新方法。
它以出行者个人而非交通小区作为研究对象，以随机效用理论（Random Utility Theory，Manski 1977）、出行效用最大化理论为研究基础，避免了四阶段法数据利用率低、无法探讨众多的影响因素、预测精度差等缺点，曾一度成为交通规划领域的研究热点，目前国内非集计模型的研究和使用还未系统展开。
国外的研究始于70年代，此后研究开发了MNL、MNP、HL、NL 等一系列模型，代表人物有Ben-Akiva，Lerman，Manheim等。
但非集计方法的研究成果还无法使其在工程界完全取代四阶段法，目前非集计模型多应用于方式划分领域。
四阶段法仍是使用最为普遍的交通需求预测方法。
在本节中，结合轨道交通客流预测的技术需求，对四阶段法的各个阶段即交通产生阶段、交通分布阶段的方法和模型作基本介绍，并编写了相应的算法。
对技术复杂和现存问题较多的方式划分阶段和线网分配阶段的模型和算法进行了研究和探讨，重点探究和介绍了交通方式划分方法，以及方式划分和线网分配联合模型在轨道交通客流预测中的应用。
此外，还有土地利用法等一些其他方法，在本节的最后，简要介绍土地利用法。
③ 轨道客流预测工作流程建议城市轨道客流预测按图1.4.3.1所示的流程进行。
2. 交通发生和吸引的模型研究和算法实现发生交通量和吸引交通量的预测是四阶段交通需求预测法的第一阶段，也是交通需求分析工作中最基本的组成部分。
所谓发生或吸引交通量是指研究对象地区内由各交通小区发生（Trip Generation ）或吸引（Trip Attraction ）的交通量。
目前国内交通发生和吸引的预测技术已趋成熟，工作中所受的限制主要在于基础资料积累不足，影响了预测的精度。
下面对较常用的几个模型和相应的算法作简要介绍。
（1）增长率法（Growth －Factor Modeling ）① 模型说明 这种方法就是把现在的不同分区的发生（或吸引）交通量i T 与到预测时点的增长率i F 相乘，从而求得各分区的发生（或吸引）交通量i T '，即 城市总体城市道路、常规公交及轨道城市人口、就业及土地居民出行i i i T F T ⋅=' （1.4.3.1）这种方法的关键问题是如何确定i F 。
通常可以用表示各分区活动的指标的增长率作为发生（或吸引）交通量的增长率。
例如：i i i F βα⋅= （1.4.3.2）式中：i α、i β分别是人口增加率，每人平均拥有自行车数的增长率。
（2）原单位法① 模型说明原单位有用居住人口或就业人口员每人平均的交通发生（或吸引）量来进行推算的个人原单位法，和以不同用途的土地面积或工作面积单位面积平均发生（或吸引）的交通量来预测的面积原单位法。
pi pi i Z E P ⨯= i ：第i 个小区 （1.4.3.3）式中：i P 为第i 小区的交通发生（或吸引）量；pi E 为个人发生（或吸引）原单位（或面积发生（或吸引）原单位）；pi Z 为第i 小区的总人口数（或总面积）。
（3）函数模型法① 模型说明这种方法是分区的发生、吸引交通量预测上最常用的方法。
由于绝大部分研究是采用多元回归分析模型，故也有时直接被称为多元回归分析法（Regression analysis ）。
作为模型公式，多采用以下三个模型：∑+=k ik k i X F F P 0（1.4.3.4）∏=k ik k i X F F P 0 （1.4.3.5）∑=k ik k i X F F P ex p 0（1.4.3.6） 式中：P i 为第i 小区的交通发生（或吸引）量；F i （j = l ～ k ）为第j 个变量的发生（或吸引）影响因子；X ij （i = 1 … N ， j = 1 … K ）为对应第i 小区，第j 个变量的取值，大多是表示分区的活动的人口指标，如常住人口、各行业的就业人口等。
国外的研究表明，综合预测精度、简单、方便等多方面因素，多元一次函数式（1.4.3.4）是较为理想的模型。
关系式中的回归系数0F 、1F 、…、k F 通常用最小二乘法算出。
3. 交通分布的模型研究和算法实现在交通发生阶段，主要是预测各交通小区的发生和吸引交通量。
在交通分布阶段，则要预测这些吸引、发生交通从哪里来，到哪里去，即在给定发生交通量G和吸引i交通量A（i，j为交通小区号码）下，对全部OD推求i，j 间的交通分布量ij t。
i目前在国内的交通规划领域，交通分布阶段遇到的问题主要在于参数的标定，这一方面是由于规划者的标定技术研究还有待提高，另一方面是由于居民出行调查等基础资料搜集有欠缺，不能正确反映城市居民出行OD的结构，给标定带来困难，从而影响了预测精度。
分布交通量的预测方法，可以分为两大类：增长率法和构造模型法。
下面分别加以介绍。
（1）增长率法此法假定要预测的OD交通量的分布形式和现在已有的OD表的分布形式相同，在此假定基础上预测研究对象区域目标年的OD表。
增长率法的优点是操作简单，缺点是无法考虑城市布局、城市基础设施建设改变等对城市出行OD的影响，而且现状年OD调查中存在的问题也会带入预测中。
（2）构造模型法构造模型法是从分布交通量的实态分析中，剖析OD交通量的分布规律，并将此规律用数学模型来表现，然后用实测数据标定模型中的各系数，最后根据所标定的模型预测分布交通量。
由上可知，增长率法的应用前提是要求被预测地区有完整的现状OD表。
但对于构造模型法来说，如果模型已经标定好了的话，就不需要现状OD了。
但模型参数的标定要用研究对象区域的实际数据，也就是说OD表仍是十分重要的基础数据。
只是即使没有完整的OD表也可以进行模型系数的标定。
同增长率法相比，构造模型法有更广阔的应用范围，同时构造模型法可以考虑更多城市布局等因素对出行OD的影响作用。
作为构造模型法，最主要的有重力模型法（Gravity Model）和机会模型法（Intervening Opportunity Model）法，其他还有熵（商）最大化模型和概率模型等。
其中重力模型法应用研究广，有各种各样的修正模型和发展模型，工程可操作性强。
4. 交通方式划分的模型研究和算法实现（1）交通方式划分概述我们让一个出行与一种交通方式相对应，一个地区的全部出行数中利用该种交通方式的人所占的比例叫做交通方式的分担，或简称为方式分担（Modal Split）。
其中每个交通方式所分担的量叫做该交通方式的分担交通量。
客运交通一般区分为两种方式：公共交通和个体交通。
公共交通一般指公共电汽车和轨道交通；个体交通，国外主要是小汽车，而国内目前自行车交通和步行交通在居民出行中占据相当大的比重。
在做方式分担分析时，对于两种以上的方式被使用的话，从工程的惯例可按铁道——公共汽车——小汽车——摩托车——自行车——步行的优先顺序来决定这个出行的代表交通方式。
据此，两个地区间的交通方式分担，其比例则根据各个交通服务水平（即所需时间、费用、舒适性、安全性、可信赖性等）和交通的利用者对于他们所持的价值标准（最小费用、最大效益等）来变化。
交通方式划分在四阶段预测过程中所处的位置具有很大的灵活性，四阶段法也因交通方式划分的位置不同而出现不同的组合。
按交通方式划分在四阶段模型中的组合位置，可分为五种组合。
第一种组合是将交通方式划分与交通生成模型结合在一起，即在出行生成阶段就按不同的交通方式统计各自的出行量，这一类交通方式划分称为直接生成法。
第二种组合将方式划分置于交通生产和交通分布之间，根据交通分区的土地使用以及社会经济特征，模型可以确定在总出行生成量中将要使用的各种不同交通方式所占的百分比。
由于这种模型划分的是出行端点（即产生和吸引），而非划分交通流，故又称为出行端点模型（Trip End Model）。