交通生成预测
合集下载
4 四步骤交通需求预测模型(1)概述与出行生成预测
出行生成 出行分布 方式划分
交通分配
“四阶段”模型内容描述（2）
出行分布（Trip Distribution）
对每个交通小区，它所产生的这 些出行量究竟到那个分区去了？ 它所吸引的这些出行量又究竟 来自哪里？出行分布也就是要 预测未来规划年各个分区之间 出行的交换量
出行生成 出行分布 方式划分
交通分配
根据以上划分可以看出，伦敦1963年规划把家庭 划分为6×6×3=108类
1 出行生成预测：相关基本概念
（4）出行生成的两种量化表达
出行产生量（Trip Generation）
单位时间内某一个交通小区的出行产生量等于家 庭端点在这个分区的由家出行数，与起点在这个 分区的非由家出行和货物出行的出行数之和
出行吸引量（Trip Attraction）
单位时间内某一个交通小区的出行吸引量等于非 家庭端点在这个分区的由家出行数，与终点在这 个分区的非由家出行数和货物出行数之和
起讫点与产生吸引点的区别
A B 公司和饭店
家
C 客户
1 出行生成预测：相关基本概念
（3）区分出行产生点、吸引点与出行起讫点的意义 由于一个交通小区的交通出行发生量主要是由这 个小区的土地利用形态决定的，而起讫点的概念 与用地形态没有关系 例如：居住用地，其既可以是出行的起点（去上 班），也可以是出行的讫点（下班回家） 从起讫点的概念出发，无法由交通小区未来的用 地模式预测该小区的交通出行发生量
将各交通小区之间出行分布量分 配到交通网络的各条边上去的过 程，预测交通需求PA分布各组成 部分流量具体在道路交通网络上 的交通流量
出行生成 出行分布 方式划分
交通分配
“四阶段”模型功能说明
“四阶段”模型用于进行交通需 求预测，以用地和社会经济等 相关数据作为输入，通过“四 阶段”模型进行处理，得到未 来年每个路段的交通流量数据， 以预测的未来年路段交通流量 数据为基础进行新建道路或者 道路拓宽等交通设施建设依据
第五讲交通生成预测
某地现状年人口数为800人，交通规划调查统计的
现状日出行总次数为2064次。已知未来年该地区预测
人口为1000人，试预测未来年该地区的日出行生成总
量。
解：
该地区现状年的人均出行次数为：
a=2064÷800=2.58（次/日）
假设未来年人均出行次数不变，则未来年该地区
的日出行生成总量为：
T=2.58×1000=2580 （次）
（2）例题3中预测出行吸引总量： D=800+790+1030=2620
吸引量调整系数： fd= 2580÷2620=0.9847
调整后的各小区出行吸引量为：
D’1=800×0.9847≈788 ； D’2=790×0.9847≈778 ；
D’3=1030×0.9847≈1014
【出行产生和吸引量平衡调整前后对照表】
5.3 发生与吸引量的预测
(二)调整系数法
在没有进行出行生成总量预测的情况下，可以用出
行产生量和吸引量二者中可靠性高的一方对另一方进行
校正。一般认为出行产生量的预测更为可靠，这是因为
该部分模型中往往包含一些可解释性较强的变量（如基
于家访调查的数据），因此多数情况下是用产生总量来
校正吸引量，公式如下：
52交通生成总量预测原单位法生成率法基本原理某类出行的生成量与某种社会经济指标如人口等成正比二者的比例称为出行生成率或称原单这种出行生成率能够通过对象地区的历史或现状数据推算出或者可以从其他类似地区移植
第五讲交通生成预测
本模板有完整的思路及框架，更贴近实用
汇报人： 时间：2020
5.2交通生成总量预测
此时必须采用一定方法对其进行调整。
5.3 发生与吸引量的预测
现状日出行总次数为2064次。已知未来年该地区预测
人口为1000人，试预测未来年该地区的日出行生成总
量。
解：
该地区现状年的人均出行次数为：
a=2064÷800=2.58（次/日）
假设未来年人均出行次数不变，则未来年该地区
的日出行生成总量为：
T=2.58×1000=2580 （次）
（2）例题3中预测出行吸引总量： D=800+790+1030=2620
吸引量调整系数： fd= 2580÷2620=0.9847
调整后的各小区出行吸引量为：
D’1=800×0.9847≈788 ； D’2=790×0.9847≈778 ；
D’3=1030×0.9847≈1014
【出行产生和吸引量平衡调整前后对照表】
5.3 发生与吸引量的预测
(二)调整系数法
在没有进行出行生成总量预测的情况下，可以用出
行产生量和吸引量二者中可靠性高的一方对另一方进行
校正。一般认为出行产生量的预测更为可靠，这是因为
该部分模型中往往包含一些可解释性较强的变量（如基
于家访调查的数据），因此多数情况下是用产生总量来
校正吸引量，公式如下：
52交通生成总量预测原单位法生成率法基本原理某类出行的生成量与某种社会经济指标如人口等成正比二者的比例称为出行生成率或称原单这种出行生成率能够通过对象地区的历史或现状数据推算出或者可以从其他类似地区移植
第五讲交通生成预测
本模板有完整的思路及框架，更贴近实用
汇报人： 时间：2020
5.2交通生成总量预测
此时必须采用一定方法对其进行调整。
5.3 发生与吸引量的预测
交通生成预测
原单位法
计算公式：
∑ T = as Ns
式中：
s
T——交通生成量；
as——第s类出行的生成率；
Ns——第s类出行的人口数。
5.2 交通生成总量预测
原单位法（生成率法） 基本原理
①某类出行的生成量与某种社会经济指标（如人口 等）成正比，二者的比例称为出行生成率（或称原 单位） ；
1
O1
发
2
O2
生
…...
…...
交
i
…...
Oi
…...
通 量
m
Om
合计 D1 D2 …... Di …... Dn T
吸引交通量
生成交通量
5.1.3 交通生成量的影响因素
1.土地利用 2.家庭规模和人员的构成 3.年龄、性别 4.汽车保有率 5.自由时间 6.职业和工种 7.外出率 8.企业规模、性质 9.家庭收入 10.其他
Oi' =
T
n
⋅ Oi
∑ Oi
i =1
D
' j
=
T
n
⋅ Dj
∑ Dj
j =1
例题5-4
假设例题5-1~5-3中的规划对象为同一区域，试对出行 生成预测结果进行整理。
解： 预测出行生成总量： T=2580 预测出行产生总量： O= 855+630+1030=2515 产生量调整系数 ： fo =2580÷2515≈1.0258
式中：
ห้องสมุดไป่ตู้
s
Oi、Dj——交通发生、吸引量；
x——某类属性变量（用地面积、职位数、人口、家庭等）；
第3章交通需求预测
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。
2. 交叉分类法
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。
平均每人的出行次数；Ti 表示i小区各类居民 的总出行数；Ni 为i小区的居民总数；aij 为 i 小区的 j 类居民的百分率。则 i 小区的出行发 生量为：
T i N i aij t j
j
3. 个人分类方法
与基于家庭的类别分析法相比具有如下优点：
同经典的交通需求模型的其他部分完全兼容。 也可采用交叉分类方法。 建立模型所需要的样本数比基于家庭模型少几倍。 很容易考虑人口统计的变化。 个人分类较家庭分类预测起来更容易。
生成原单位的将来值确定：
直接使用现状调查中得到的原单位数据。 将现状调查得到的原单位乘以其它指标的增
长率来推算，即增长率法。 最常用的也是最主要的为函数法。通常按不
同的出行目的来预测不同出行目的的原单位。 函数的影响因素（或称自变量）多采用性别、 年龄等指标。
【例3-1】
在某对象区域常住人口平均出行次数不变的情况下， 采用单位出行次数预测其将来的出行生成量。
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。
2. 交叉分类法
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。
平均每人的出行次数；Ti 表示i小区各类居民 的总出行数；Ni 为i小区的居民总数；aij 为 i 小区的 j 类居民的百分率。则 i 小区的出行发 生量为：
T i N i aij t j
j
3. 个人分类方法
与基于家庭的类别分析法相比具有如下优点：
同经典的交通需求模型的其他部分完全兼容。 也可采用交叉分类方法。 建立模型所需要的样本数比基于家庭模型少几倍。 很容易考虑人口统计的变化。 个人分类较家庭分类预测起来更容易。
生成原单位的将来值确定：
直接使用现状调查中得到的原单位数据。 将现状调查得到的原单位乘以其它指标的增
长率来推算，即增长率法。 最常用的也是最主要的为函数法。通常按不
同的出行目的来预测不同出行目的的原单位。 函数的影响因素（或称自变量）多采用性别、 年龄等指标。
【例3-1】
在某对象区域常住人口平均出行次数不变的情况下， 采用单位出行次数预测其将来的出行生成量。
3-1第三章 交通生成预测
上学出行吸引量
Yi= a + b Xi Xi--- i小区就学岗位数
无锡市居民上学出行吸引模型
Y= 27.00 + 1.281 X
20000 15000 10000 5000 0
1000 2000 3000 4000 5000 6000 7000 8000 9000 1000 1100 1200 1300 1400 0 0 0 0 0
问题与讨论：
• 1、 • 2、 • 3、 • 4、 • 5、
• ……
(R=.9061)
作业：
1、篇，了解中国不同用地生成率的研究
2、搜索美国ITE trip generation的有关资料， 对美国不同土地利用出行生成率要点进行总结 3、查找统计分析的有关参考书，熟悉回归分析 法原理和判断回归好坏的检验方法
（1）现状出行量
（2）增长系数（按汽车保有率）
（3）未来出行量
交叉分类法
产生背景：发生率和吸引率需要进行市场细分 假设规划调查区的土地利用特性如表3-9 所示，以小区1 为抽 样点，在不同小汽车占有的情况下，上班出行1h 的原单位计 算如表3-10。以小区1 为抽样点，得到上班出行1h 内，出行 吸引量与职位数的关系如表3-11，计算出行的发生与吸引量。 （1）计算发生率与吸引率 （2）计算发生量与吸引量 （3）总量平衡（计算调整系数） （4）修正吸引量
两种原单位： 居住人口或就业人口人均交通生成量的
个人原单位法（一般针对不同出行目的进行）
不同用途的土地面积或单位办公面积平均发 生的交通量的面积原单位法
面积原单位
如：某交通区规划有10000人，根据现状居民 出行调查资料统计，人均出行次数为2.53次， 则采用个人原单位（生成率）法计算，规划 期的交通产生量为25300次。
交通需求预测四阶段法概述
基础数据： 基础数据：
未来年各小区间的全方式交通分布量； 未来年各小区间的全方式交通分布量； 小区间各种交通方式的距离、费用矩阵。 小区间各种交通方式的距离、费用矩阵。 方式选择的样本数据（标定模型参数用） 方式选择的样本数据（标定模型参数用）
常用方法： 常用方法：
转移曲线法 概率模型
P = e / ∑e
现状年各小区的发生与吸引交通量； 现状年各小区的发生与吸引交通量； 社会经济与土地利用基础资料。 社会经济与土地利用基础资料。
常用方法： 常用方法：
s ∑ Oi = ∑ D j 原单位法 i =1 j =1 D j = ∑ cs x js 交叉分类法 s 回归分析法 Y = a + m a X ∑ i i 0
交通需求预测四阶段法
石家庄铁道大学 交通运输学院 闫小勇 kaiseryxy@
提纲
1 2 3 4 5 交通生成预测 交通分布预测 交通方式划分 交通分配 总结
1 交通生成预测
预测目的： 预测目的：
未来年各小区的发生与吸引交通量。 未来年各小区的发生与吸引讲到此结束
谢谢各位网友！ 谢谢各位网友！
k ij k
Vijk
Vijk
Vijk = α ⋅ Tijk + β ⋅ Fijk + γ k
4 交通分配
预测目的： 预测目的：
将各种方式的分布量分配到交通网络上， 将各种方式的分布量分配到交通网络上，求出各路 段上的交通流量等。 段上的交通流量等。
基础数据： 基础数据：
未来年各小区间某种交通方式的分布量； 未来年各小区间某种交通方式的分布量； 交通网络拓扑结构与阻抗函数； 交通网络拓扑结构与阻抗函数； 现状年路段观测流量（标定模型参数用） 现状年路段观测流量（标定模型参数用）
交通生成预测
PDF 文件使用 "pdfFactory Pro" 试用版本创建 ÿ
习题－1
n 发生、吸引交通量预测 §规划年发生吸引平衡
§将来的发生总量：∑O=57.45+165.06+51.1=273.61（万次/日） §将来的吸引总量：∑D=57.45+162.36+53.2=273.01（万次/日） §由交通生成总量预测知：将来的生成交通量X=270.6（万次/日）
PDF 文件使用 "pdfFactory Pro" 试用版本创建 ÿ
习题－1
n 发生、吸引交通量预测
§发生交通量预测 §现状小区1的发生原单位：38.3/10.0=3.83（次/(日·人)） §现状小区2的发生原单位：91.7/20.0=4.59（次/(日·人)） §现状小区3的发生原单位：36.5/10.0=3.65（次/(日·人)） §规划年小区1的发生交通量：15.0×3.83=57.45（万次/日） §规划年小区2的发生交通量：36.0×4.585=165.06（万次/日） §规划年小区3的发生交通量：14.0×3.65=51.1（万次/日）
平均增长系数法
n 第一次迭代OD表 D O 1 2 3 合计 将来值 1 8 4 6 18 16 2 4 16 12 32 28 3 6 12 16 34 40 合计 18 32 34 84 84 将来值 16 28 40
PDF 文件使用 "pdfFactory Pro" 试用版本创建 sÿ
习题课
交通生成预测 交通分布预测
PDF 文件使用 "pdfFactory Pro" 试用版本创建 觌ª
交通生成总量预测
n 交通生成预测： § 求得各个对象地区的交通需求总量，即交通生 成量（Trip Generation) ； § 在生成总量的约束下，求出各交通小区的发生 （Trip Production）与吸引交通量（Trip Attraction）。
交通生成量预测简介
就业状况
就业状况包括就业人口数量、就业类型、就业地点等，这些因素都会影响交通生 成量。例如，就业类型中，工业和服务业的比重不同，交通生成量也会有所不同 。
经济发展水平
地区生产总值
地区生产总值是衡量一个地区经 济发展水平的重要指标，通常与 交通生成量呈正相关关系。
人均收入
人均收入水平越高，人们对出行 方式、频率和距离等方面的需求 也会发生变化，从而影响交通生 成量。
主成分分析
01
主成分分析是一种统计学方法，通过分析多个变量之间的 关系来提取出主要的特征和因素。在交通生成量预测中， 主成分分析可以用来提取出影响交通生成量的主要因素。
02
主成分分析的主要方法包括标准化处理、计算协方差矩阵 、计算特征值和特征向量、选择主成分等。这些步骤可以 用来提取出影响交通生成量的主要因素，并利用这些因素 来预测未来的交通生成量。
03
主成分分析在交通生成量预测中的应用主要集中在城市交 通生成量预测、交通需求预测等方面。通过分析历史交通 生成量数据和其他相关因素数据，可以提取出影响交通生 成量的主要因素，并利用这些因素来预测未来的交通生成 量。
04
基于机器学习的交通生成量预测
神经网络
要点一
总结词
神经网络是一种模拟人脑神经元连接方式的计算模型，能 够根据历史数据学习并预测未来的交通生成量。
重要性
交通生成量预测是城市规划、交通工程和交通管理等领域的重要基础，对于制 定合理的交通政策和措施、优化交通网络布局和运输效率具有重要意义。
预测方法与技术
基于历史数据的回归分析
利用历史交通数据，采用回归分析方法，建立交通生成量与影响因素之间的数学模型，从而预测未来交通生成量。
基于调查数据的分析
就业状况包括就业人口数量、就业类型、就业地点等，这些因素都会影响交通生 成量。例如，就业类型中，工业和服务业的比重不同，交通生成量也会有所不同 。
经济发展水平
地区生产总值
地区生产总值是衡量一个地区经 济发展水平的重要指标，通常与 交通生成量呈正相关关系。
人均收入
人均收入水平越高，人们对出行 方式、频率和距离等方面的需求 也会发生变化，从而影响交通生 成量。
主成分分析
01
主成分分析是一种统计学方法，通过分析多个变量之间的 关系来提取出主要的特征和因素。在交通生成量预测中， 主成分分析可以用来提取出影响交通生成量的主要因素。
02
主成分分析的主要方法包括标准化处理、计算协方差矩阵 、计算特征值和特征向量、选择主成分等。这些步骤可以 用来提取出影响交通生成量的主要因素，并利用这些因素 来预测未来的交通生成量。
03
主成分分析在交通生成量预测中的应用主要集中在城市交 通生成量预测、交通需求预测等方面。通过分析历史交通 生成量数据和其他相关因素数据，可以提取出影响交通生 成量的主要因素，并利用这些因素来预测未来的交通生成 量。
04
基于机器学习的交通生成量预测
神经网络
要点一
总结词
神经网络是一种模拟人脑神经元连接方式的计算模型，能 够根据历史数据学习并预测未来的交通生成量。
重要性
交通生成量预测是城市规划、交通工程和交通管理等领域的重要基础，对于制 定合理的交通政策和措施、优化交通网络布局和运输效率具有重要意义。
预测方法与技术
基于历史数据的回归分析
利用历史交通数据，采用回归分析方法，建立交通生成量与影响因素之间的数学模型，从而预测未来交通生成量。
基于调查数据的分析
- 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)。
◆ 增长率法
居民出行产生量预测
类型分析法
■以家庭作为分析单位，用将来的出行发生率求得将来的出行量。 ■基本思想是把家庭按类型分类（小汽车拥有量、家庭规模和家
庭收入 ），从而求得不同类型家庭的平均出行率。预测时以将来 同类型家庭的总户数乘以相应的出行率。
Gi Rk Fik
k 1
n
Gi ——交通小区i的出行产生量
2 3 4
Ai
yi
——某种目的、交通小区i的出行吸引量
——某种目的、交通小区i的基本吸引权
yiKi位Ki特 Ai Gi yiKi位Ki特 i
i
Ki特
i
Ki位 ——某种目的、交通小区i的区位系数
——某种目的、交通小区i的特性系数
i
G ——某种目的的居民出行产生量
居民出行吸引量预测
其他预测方法
居民出行吸引量预测
类型分析法
影响居民出行吸引的因素：用地情况、交通小区所处区位、建 筑情况、传统地位等等，定性因素多。
1
利用居民出行调查所得数据，通过逐步回归分析，建立各 种出行目的的出行吸引与土地利用的基本关系。 确定区位系数。交通小区区位划分：中心区、中间区、外 围区。吸引权不同，可得出不同区位系数。 确定交通小区特性系数。反映交通小区除一般因素以外的特性 对出行吸引影响。综合考虑交通小区各种具体状况确定。 交通小区居民出行吸引预测。
模型的 检验
◇初步检验：模型在整体上是否与公认的常识相矛盾。 ◇统计检验：自变量对因变量的显著性、相关性检验。 ◇预测效果测定
居民出行吸引量预测
方法：
● 类型分析法（主要用于人员出行的吸引量预测） ● 回归分析法（主要用于货物出行的吸引量预测） ● 其他预测方法
WHY？
个人认为仅供参考：货物出行与分区的 经济活动特性密切相关，而各个经济指标 不一定能统一，不便用类型分析法。
【解】小区1出行产量=25×12+30×10+5×6+5×9+15×7+15×5=855 （次/日） 小区2出行产生量=20×12+25×10+0×6+5×9+10×7+5×5=630 （次/日） 小区3出行产生量=30×12+40×10+5×6+0×9+20×7+20×5=1030 （次/日）
居民出行产生量预测
Rk ——第k类家庭的平均出行率
n ——划分的家庭类别总数
Fik ——交通小区第k类家庭的总户数
步骤： 基本步骤： ①对研究对象区域内 的家庭进行分类 ②把每个家庭定位到 各类别中； ③计算每类家庭的平 均出行率； ④预测各分区每类家 庭的数量； ⑤预测各分区的出行 产生量。
பைடு நூலகம் 居民出行产生量预测
类型分析法
类型分析法
运用该模型时需要注意：
■假设前提：一定时期内出行率是稳定的，家庭规模的变化很小。 ■计算各类家庭的平均出行率时应该抽取足够多的家庭样本以保证模型 的精度。 ■出行目的不同（刚性或弹性）。由此，进行细致的分类，出行目的的 类型分析模型为: Pi ——交通小区i出行产生量
Pi ( m ) as ( m ) Nsi Pi Pi
交通工程112班 卢明
城市公共交通规划
交通生成预测
概述
●交通生成预测是“四阶段” 交通需求预测法的第一阶段， 是交通需求分析工作中最基本 的组成部分。 ●出行生成是城市土地利用对 城市居民出行意愿的作用效果。 ●出行可分为由家出行与非由 家出行。 ●出行生成有两种单位。 ●出行生成包括出行发生与出 行吸引。前者以住户的社会经 济特性为主，后者以土地利用 的形态为主。 ●交通生成预测以交通小区为 基本单位，分别预测交通小区 的出行产生量和吸引量。
指数平滑法
居民出行吸引量预测
ARMA模型
自回归滑动平均模型（Auto-Regressive and Moving Average Model , ARMA) 是研究时间序列的 重要方法。将预测指标随时间推移而形成的数据序 列看作是一个随机序列，这组随机变量所具有的依 存关系体现着原始数据在时间上的延续性as ( m )——第s类家庭目的为m的出行率
N si ——规划年该交通小区中的s类家庭数目的
预测值
Pi
m
( m) a s Nsi
Pi
(m)
——交通小区i目的为m的出行产生量
s
居民出行产生量预测
类型分析法
讨论——
类型分析法的优缺点有哪些？？
□ 每一分类中，住 户彼此之间的差异性 被忽略。 □ 同一类变量类别 等级的确定是凭个人 主观，失之客观。 □ 不全面：不包括 非由家出行的产生量 „„
【例题】某地在交通规划调查中，将区域内家庭按机动车拥有量和收入进行 分类，共划分为六种类型（见表1），各类家庭的平均出行率分别为： a类家庭：12次/户· 日；b类家庭：10次/户· 日；c类家庭：6次/户· 日； d类家庭：9次/户· 日；e类家庭：7次/户· 日；f类家庭：5次/户· 日。 ������ 预测该区域未来年各类家庭分布如表所示。试根据以上数据预测未来 年各小区出行发生量。
不足
优势
□ 直观、容易了解。 □ 资料的有效利用。 □ 容易检验与更新。 □ 可以适用于各种研 究范围。 „„
居民出行产生量预测
回归分析法
1 2
3
确定模 型形式
选取主要的且近似相互独立的因素作为自变量，根 据样本值标示出散点图，用数学函数拟合每个自变 量与产生量大致系。
标定参 数
包括计算方程式中的回归常数和回归系数的数值。
回归模型中的自变量本身在未来规划年的值也需要预测。自变量中 经济指标涉及因素多且复杂，多采用时间序列分析方法进行预测。
移动平均法
时间序列预测法
以历史数据的算术平均数、加权算术平 均数和几何平均数等直接作为预测值
只需要本期的实际值和本期的预测值便 可预测下一期的数据，不需要保存大量 的历史数据。 指数平滑法包括一次、二次、三次指数 平滑。
居民出行产生量预测
影响出行产生量的因素：
居民交通出行产生量的预测方法：
◆ 土地利用 ◆ 家庭规模和人员的构成 ◆ 年龄、性别 ◆ 汽车保有率 ◆ 自由时间 ◆ 职业和工种 ◆ 外出率 ◆ 企业规模、性质 ◆ 家庭收入 ◆ 其他
★ ◆ 类型分析法
（聚类分析法、 交叉分类法）
◆ 回归分析法 （函数法）
谢谢大家！