交通方式划分
第7章 交通方式划分
45
将来
将来OD分布表
O\D 1 2 3 计
1
22.819 11.226 5.427 39.471
2
11.080 70.585 7.995 89.660
3
5.270 9.462 22.637 37.369
计
39.169 91.273 36.058 166.500
47
解：
（1）利用现状数据确定未知常量
距离比
美国底特律高速公路划分率曲线
（与其它并行公路相比）
线性模型
这是函数模型中最早开发出来的模型。 它把影响交通方式分担的各种要素用线性函
数的形式表现，从而推求交通方式分担率。
但用这种方法求出的分担率Pi无法保证分担
率必须满足（0，1）之间的条件。
为了解决这个问题开发了Logit模型和Probit
9
第2节 交通方式划分的影响因素
（1） 出行者的特征 （2） 出行特征 （3）交通方式的特征
10
（1） 出行者的特征
1. 2. 3.
是否拥有小汽车或者可以利用小汽车 是否有驾驶执照 家庭结构(年轻夫妇、有儿女家庭、退 休家庭、单身家庭等) 出行者的家庭总收入 对小汽车的使用需要,如工作、送孩子上学时 住宅区人口密度
红巴士—蓝巴士问题
如果某人选择小汽车和巴士（假设所有公共汽车 都被漆成红色）的概率各为0.5，两者的选择概率之 比为1：1。现在设原模型中加入一半巴士漆成蓝色 的选择枝。因为通常人们在进行选择时与巴士的颜 色无关，故蓝巴士的效用与红巴士完全相同，都为 Vj，从而它们的选择概率之比为1：1。所以加入蓝 巴士后，小汽车、红巴士、蓝巴士的选择概率之比 为1：1：1，概率值都为1/3。
交通规划理论知识点
交通规划原理一、交通调查1. 交通小区划分原则(1)同质性。
区内的土地利用、经济、社会等特性应该相同。
(2)以轨道交通、河流等作为天然屏障作为分区的边界。
(3)配合行政区的划分。
(4)分区中考虑路网。
(5)保持分区的完整，避免同一用途的土地被分开。
(6)分区越小，数据越多，成果越准确。
2. 期望线：连接各个小区质心的直线，代表小区之间的出行，其宽度通常根据出行量的大小而定。
3. 核查线：为校核起讫点调查结果的精度，在调查区域内设置的分隔线，普通借用天然或者人工障碍，河流、铁路等。
可设一条或者多条，将调查区分为几个部份，在穿过改线的所有道路断面上进行交通流调查，将通过该线的实测交通量同起讫点调查所得到通过该线的OD 量进行比较。
4. 居民出行调查的主要内容：(1)个人特征信息：性别、年龄、职业、收入、文化程度、工作地址等，上班或者上学的交通工具，每年旅游出行次数等。
(2) 家庭特征信息：家庭地址。
居住和在籍人口情况、车辆拥有情况、房屋面积、家庭收入等，还包括家庭收入情况、上学情况等。
(3)一次出行特征信息：出行目的、出行起讫点、出行时间、采用的交通方式。
(4)其它特征信息。
5. RP 调查，行为调查，即揭示嗜好调查，是对实际行动或者已完成的选择性行为进行地调查。
针对某些已经实施的政策或者已经存在的设施进行相关调查，根据出行者实际出行行为，获得实际使用或者接受的概率，在此基础上建立相关的概率模型或者其它模型，是交通出行行为特征调查的常用方法。
优点：经过实际数据标定，较高的可靠度和精度。
缺点： (1) 变量之间存在相关性，信息冗余过多，工作量大，被调查者有反感情绪； (2) 变量选择范围有限； (3) 选择行为、特性以及服务可能在发生变化。
(4) 选择方案的信息含糊，被调查者因记忆含糊而导致调查失真； (5) 替代方案信息含糊。
(6)调查成本高，无法充分预测未发生的措施或者因素。
6. SP 调查，意向调查，即表明嗜好调查，在一定假定条件下，选择主体对备选方案如何选择的以及如何考虑的选择意向调查。
TransCAD中交通方式划分方法
TransCAD学习—交通需求预测之方式划分预测1、方式划分是将各个小区之间的OD量分配到各种交通方式上去。
常用的方法是多项Logit 模型，是一种非集计模型。
在该模型中，可供选择的交通方式叫做选择枝，某个选择枝具有令人满意的程度叫做效用函数。
2、TransCAD中应用MNL进行方式划分。
1）数据准备假设有两种出行方式car和bus。
①两种方式的出行时间矩阵和出行费用矩阵；②交通方式离散表。
即选中car和bus方式的OD对。
③小区间的OD矩阵。
2）创建出行方式表。
以小汽车出行方式的出行时间变量为例。
打开出行时间、出行费用矩阵，随便打开任意bin文件。
菜单Planning----model split----specify a multinomial logit model，创建方式。
在“specify alternatives”中添加car 和bus 两个变量，在“specify paraments”中添加time 和cost两个变量，确定保存。
然后弹出“fill mnl model table”对话框，在“number of alternatives”中选择2，在“specify utility for”中选择“car”，在“change information”中选择“time”，勾选下方的“matrix”，然后选择“time matrix”，继续选择“car time”，就完成了小汽车的出行时间设置。
参照同样的方法，继续完成小汽车的成本设置、公交车的时间/成本设置。
3）logti模型的参数估计，即完成每种方式的效用函数的估计。
打开出行时间、出行费用矩阵、步骤2）建立好的bin文件，以及交通方式离散选择表。
菜单planning---model split ---multinomial logit estimation，弹出“mnl estimation”对话框，在“ID field”中选择“ID”，在“Choice field”中选择“choice”，在“origin”中选择“ORIGIN （离线表中的字段）”，在“destination”中选择“DEST”，点击确定，即可完成每种方式效用函数的估计。
四阶段法 交通方式划分
四阶段法交通方式划分交通方式的划分可以按照四个阶段进行，即步行阶段、动物交通工具阶段、人力车和轮船阶段以及现代交通工具阶段。
下面将分别介绍这四个阶段的交通方式。
一、步行阶段在人类文明刚刚起步的时候，人们只能依靠自己的双脚进行出行。
步行是最原始、最基本的交通方式，也是人类最早使用的交通方式之一。
通过步行，人们可以在短距离内进行出行，同时也可以锻炼身体。
步行的优点是简单方便，不需要额外的交通工具和能源。
然而，步行的速度较慢，距离较远的地方需要花费较长的时间，因此在交通需求增加的情况下，步行逐渐无法满足人们的出行需求。
二、动物交通工具阶段随着人类社会的发展，人们开始驯养动物，并将其用作交通工具。
最早被驯养用于交通的动物是马匹，人们可以骑马进行长距离的出行。
马匹的速度快、耐力强，可以迅速地将人们带到目的地。
此外，人们还使用其他动物如驴、骆驼等进行短距离的交通。
动物交通工具的优点是速度较快，能够满足人们的长距离出行需求。
然而，动物交通工具也存在一些缺点，如需要额外的饲养成本、受动物状态影响较大等。
三、人力车和轮船阶段随着人类对交通工具的需求的增加，人们开始发明和使用人力车和轮船等交通工具。
人力车是一种由人力推动的交通工具，通过人的力量来驱动车辆。
人力车的优点是速度较快，适用于中短距离的出行，同时也可以创造就业机会。
轮船是一种水上交通工具，通过船体浮力和推进力来进行出行。
轮船的优点是能够在水上进行长距离的出行，同时还可以运输大量的货物。
人力车和轮船的出现极大地提高了人们的出行效率，满足了不同距离和场景的出行需求。
四、现代交通工具阶段随着科技的进步和工业化的发展，人们发明了各种现代交通工具，如汽车、火车、飞机等。
汽车是一种自驾式的交通工具，可以自由选择行驶的路线和速度。
汽车的优点是灵活便捷，适用于各种出行场景。
火车是一种通过轨道进行行驶的交通工具，可以进行长距离的出行，同时还可以运输大量的乘客和货物。
飞机是一种通过发动机提供的推力在空中飞行的交通工具，可以实现全球范围内的快速出行。
交通方式划分率转移曲线法
交通方式划分率转移曲线法
交通方式划分率转移曲线法是一种用于评估城市交通方式分配的经验方法。
这种方法将城市中人口和劳动力根据交通方式进行划分，然后根据交通方式选择的分布模式，预测未来的交通方式选择。
具体步骤包括以下几个方面：
1. 数据收集：收集城市的人口、就业和交通方式选择的数据。
这些数据可以来自于统计局、交通部门以及相关调查和研究。
2. 交通方式划分：根据收集的数据，将城市人口和劳动力按照交通方式进行划分。
常见的交通方式包括公共交通、私家车、步行和骑行等。
3. 划分率计算：计算每种交通方式的划分率，即该交通方式占总人口或劳动力的比例。
划分率可以通过人口或劳动力总数除以每种交通方式的人数或劳动力数来计算。
4. 转移曲线计算：根据历史数据和趋势分析，确定每种交通方式的转移曲线。
转移曲线表示在不同交通方式划分率下，未来交通方式选择的分布模式。
5. 预测未来交通方式：使用转移曲线来预测未来的交通方式选择分布。
根据预测结果，可以评估不同交通政策和规划对交通方式选择的影响。
交通方式划分率转移曲线法是一种相对简单和经济的方法，可以在缺乏详细数据和复杂模型的情况下，对城市交通方式进行初步评估和规划。
然而，由于其简化的方法和基于历史数据的预测，可能存在一定的不确定性，需要结合实际情况和其他方法进行综合评估。
交通方式划分
城市 类型
我国不同类型城市的 居民出行方式结构比例划分建议
体力型 交通方式
机动化交通方式
步行 自行车 摩托车 出租车 单位车 私家车 公交
私人 大城市 25～ 20～ 3～5 2~5
小汽 车发
与特大 城市
35
30
展的 初期 阶段
中小 30～ 30～ 5～8 1~3
城市
40
45
私人 大城市 20～ 10～
城市交通规划的方式选择 单独开车出行 乘公共汽车出行
乘地铁出行
乘出租车出行 骑自行车出行 骑摩托车出行 步行出行 组合出行
1、研究背景和意义
私家车
自行车
多模式城市交通
城市轨道交通
城市公共汽车
出租汽车
航拍1
航拍2
1.从城市规划的角度，未来实现所期望的交通 方式划分，如何改扩建各种交通设施引导人们 的出行，以及如何制定各种交通管理规则等. 2.在假设历史的变化情况将来继续延续下去的 前提下，研究交通方式间交通需求的变化；
以交通小区为研究单位的，将小区中个人或家庭 的调查数据进行统计处理，如求平均值、求比例
等；再用这些统计值来标定交通发生、分布、方 式划分模型中的参数
在这个过程中关于个人和家庭的原始数据在统计 时被集中处理，即被集计化，因此被称为集计方 法，得出的模型称为集计模型
（2）非集计方法（disaggregate method）
如何在有限的时间和资金条件下做出选择？
Q1：买一辆新车 VS 修理旧车
Q2：买品牌货品 VS 一般货品
Q3：将收入储蓄 VS 进行投资
经济学对消费选择行为解释的基本假定：
人们倾向于选择在他们看来具有最高满意度的那 些物品和服务，并采用“效用”来描述选择的可
交通方式划分方法
0.0
参数标定
设有N 次观测，对于第n 次观测中的交通方式k ，其解释变量样本是 ， 是待定参数向量；方式的总效用是 。设第n 次观测的结果为：出行者选择了方式k ，可表达为 。
极大似然估计法来估计参数 ，对于第n 次观测，解释变量取值为 ，这种取值服从概率密度函数
选择概率为
通过四次调查，有关时间差和方式选择的样本值列于下表中，因此可构造问题的似然函数如下：
观察次数
样本值 ( )
选择结果
1
-3.0
方式1
2
-0.50
方式2
3
-2.0
方式2
4
-1.0
方式1
简化似然函数得
1.0
2.0
3.0
4.0
5.0
1.0
徒步，自行车
徒步以外
徒步
自行车
全交通方式
个人运输工具
公共运输工具
汽车
摩托车
公共汽车
铁路
交通方式划分模型
线性模型
这是函数模型中最早开发出来的模型。它把影响交通方式 分担的各种要素用线性函数的形式表示，从而推求交通方 式分担率。 不过，用这种方法求出的分担率P无法保证满足0<P<1。
Logit模型
-1.04
2
-0.86
-0.78
-1.14
3
-1.04
-1.14
-0.46
1
2
3
1
0.14
-0.27
-0.43
2
-0.27
-0.19
-0.52
3
-0.43
-0.52
0.14
城市交通系统规划_08-交通方式划分
多元Logit模型
例
已知两小区间有公交和小汽车两种出行方式，其中公交的 出行时间为15分钟，费用1元；小汽车出行时间为5分钟， 费用5元，计算两种交通方式的分担率。（已知Logit模型 参数α= -0. 1，β= -0.5，忽略舒适性等因素。） ������ 解：
V1=-0.1x15-0.5x1=-2 V2=-0.1x5-0.5x5=-3 P1=exp(-2) / (exp(-2)+exp(-3)) =0.135/(0.135+0.049)=0.733 P2=1-P1=0.267
出行距离
出行时间分布（白天、夜间）
与出行费用相关的因素（如运费、燃料费、票 价等）
不同出行目的的交通方式利用情况(哈尔滨，2000年)
交通方式
公共汽车 单位班车 小 汽 车
上班
46.37 8.79 1.64
上学
24.94 2.60 0.11
自由
20.26 0.54 0.73
业务
22.87 10.88 7.93
基本假设： 宏观因素和微观因素共同影响交通方式选择。 宏观因素如社会经济发展水平、车辆拥有量、 交通政策等，决定着出行方式的总结构。 微观因素如出行目的和出行时间，则决定着各 交通小区之间出行的具体选择。
宏观预测
������ 在宏观上，考虑该城市现状居民出行方式 结构及其内在原因，定性分析城市未来布局、 规模变化趋势，交通系统建设发展趋势，居民 出行方式选择决策趋势，并与可比的有关城市 进行比较，初步估计规划年城市交通结构可能 的取值。
作业
某地区居民采用公交车和小汽车两种交通方式出行，公交车 的运营速度为0.25 km/min，公交票价全程1元。小汽车速度 为1 km/min，平均使用费用为2元/km。已知三小区间全方 式出行分布量和出行距离矩阵如表所示，请计算三小区间小 汽车方式的出行分布量（交通方式的效用函数为k ）
- 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)。
由数学中的概率论知，第 次观测出解释变量为 式 被选中的联合概率密度应为
和方
次观测结果的似然就是
似然仅是 的函数，因为通过调查， 已知样本。取对数，得
和
，
n，均是
令上式取极大，就可获得的 值。由于右边第二项不是 的函数，故在求极大问题时，可以去掉第二项。
例子1
设有一个方式选择问题，某O-D之间有两种方式供出行者进 行选择，令 和 分别为第一种方式与第二种方式的广 义效用， 和 分别为两种方式的行驶时间，按照Logit 模型的定义有
2
0.338 0.356 0.348
3
0.353 0.348 0.354
2
0.662 0.644 0.652
3
0.647 0.652 0.646
（3）利用将来的OD分布表，求出将 来的按不同出行方式的OD分布表
公共汽车的OD表
1
1
6.30
2
5.51
3
1.51
计
13.31
2 3
计
5.86
1.39 13.55
唯一极大点
＝1.44
例子2
在仅有公共汽车和私人汽车两种交通方 式的地区，假设有下述Logit交通方式 选择模型，试用下表所示行驶时间和费 用以及划分率，求出这两种交通方式的 将来分布（OD）交通量。
现状
划分率（公共汽车）
1 2
0.265
0.248 0.192
划分率（汽车）
1 2
0.735
0.752 0.808
出行距离 步行 <3km 自行车 <5km 摩托车 <8km 公共汽车 <300km 轿车 <500km 货车 <500km 铁路 500-1000km、低附加值货物 飞机 >1000km、高附加值货物 水运(内河) 短途、捷径、观光 水运(近海、远洋) 旅游、散货、低附加值货物。
交通方式划分模式
此模型只适合只有两种交通方式的情况，交通方式被选择的 概率用下式计算：
：表示两种交通方式的线性函数值的差。 这种模型应用在多种方式的选择非常困难，其优点是两种 交通方式特性即使不独立也可以使用。
3
0.253
0.255 0.244
3
0.747
0.745 0.756
1
2 3
0.273
0.282 0.239
1
2 3
0.727
0.718 0.761
将来OD分布表
O\D
1 2
1
17.78 16.46
2
16.30 63.09
3
4.28 12.12
Oi
38.36 91.67
3
Dj
3.95
38.19
11.08
i i
Logit模型
OD对之间某种交通方式的分担率可以表示为：
式中的符号表示： ：第i种交通方式的交通分担率； ：第i种交通方式的效用函数； ：交通方式的总数； ：第i种交通方式的第k个属性值（时间、费用等）； ：待定参数；
在Logit模型中，满足：
在这个模型中，参数
是通过个人出行调查的结果标定的。
(1)集计模型
以交通小区为单位将利用者的方式选择集计起 来进行说明的模型。 （2）非集计模型
以个人为单位构造模型来确定各交通方式的选 择概率，然后再将每个人的方式选择结果集计 起来，预测分担交通量的模型。
根据方式选择步骤来分类 （1）二者择一法
把交通方式的选择分为两步的方法
徒步
徒步，自行车 全交通 方式
（1）区域模型：用以规划区域全体为对象的变量说明交通 方式选择特性的方法；
（2）出行终端模型：将规划对象区域划分为若干个交通小 区时，以交通小区的固有特性说明交通方式选择的方法； （3）OD对模型：针对各OD对的交通特性，给各OD对间 的交通方式分配交通量的方法； （4）路径模型：依次考虑到达目的地的路径选择决定交通 方式的方法。交通方式划分(MoFra biblioteke Split)
概述
方式分担：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。 分担交通量：每个交通方式所分担的量叫做该 交通方式的分担交通量。 分担率：分担交通量在全部交通量中所站的比 例叫做分担率（或选择率）。
城市交通规划的方式选择
二、交通服务水平 时间、费用、等待时间、舒适性、安全性、可靠性等。
三、个人属性 职业、年龄、性别、收入、驾照持有与否、汽车保有与 否等等。 业务员、推销员汽车使用率高，20~40岁汽车利用率高， 其它年龄段公共汽车利用率高，男性比女性汽车利用率 高，收入高汽车利用率高。 四、家庭属性 单身、夫妻、有否小孩、是否与老人同居。 老人、小孩上医院机会多汽车利用机会增多。 五、其他因素
家庭轿车
公共汽车 客轮 航空
23
11 30 >800
44.6
19.4 23.9 30.2
600
154 456
1.17
0.082 -
运输能力 (人/时单向 ) 2200 1.4-2.1万 -
铁道
高速铁路 地铁 路面电车
新交通系统
30-200
>200 30-60 20-30
4.7
5.6 3 9
85.5
0.005
交通方式划分的模式
G ——交通生成 （Generation) D ——交通分布 （Distribution) MS——交通方式划分（Mode Split) A ——交通分配 （Assignment) Ⅱ Ⅲ Ⅳ G MS D A G D-MS A G D MS A
Ⅰ G-MS D A
根据交通方式选择特性进行分类
（1）一阶段分担率模型
不分为固定阶层和选择阶层，而是一齐来考虑。
（2）二阶段分担率模型
分固定阶层和选择阶层，不考虑地区间的交通服务水平。
二阶段分担交通量预测框架
OD交通量
个人属性
小汽车利用 者固定阶层 交通手段选 择可能者 公共交通利用 者固定阶层
小汽车利用者
公共汽车利用者
根据方式选择的基本单位进行分类
划分率1.0 方式1 方式4 0.0
参数标定
设有N 次观测，对于第n 次观测中的交通方式k ，其解释 变量样本是 ， 是待定参数向量；方式的总效用 是 。设第n 次观测的结果为：出行者选择了方式 k ，可表达为 。
极大似然估计法来估计参数 解释变量取值为 概率密度函数 出行者已知 时选择方式 Logit选择模型，有 ，对于第n 次观测， ，这种取值服从 的概率为 ，由
单独开车出行 乘公共汽车出行 乘地铁出行 乘出租车出行 骑自行车出行 骑摩托车出行 步行出行
混合出行
综合运输规划的方式选择
铁路运输 公路运输 水运运输 航空运输 管道运输
表1 各种交通方式的特性比较
客运 运行速度 (km/h) Co2排放 (g/人km)
能耗 (千卡/人km) 死亡人数 (人/亿人km)
22.49
3.85 31.85
4.22
7.59 13.31
32.56
12.83 58.71
汽车的OD表
1 1
11.49
2
10.79
3
2.77
计
25.05
2
3 计
10.61
2.55 24.64
40.61
7.23 58.63
7.90
13.85 24.52
59.11
23.63 107.79
3. Probit模型
90.47
21.44
37.83
36.46
166.50
解： （1）利用现状数据确定参数值
回归得出： = -0.0796; = -0.00387; =0.390
（2）利用，， 和给定的将来行程时间 和费用值，计算将来的交通方式划分率
将来的时间和费用
将来
公共汽车的效应值
1 1 2 3
-0.46 -0.86 -1.04
选择概率为
通过四次调查，有关时间差和方式选择的样本值列于下表中， 因此可构造问题的似然函数如下：
观察次数 ( 1
样本值 ) -3.0 -0.50 -2.0 -1.0
选择结果 方式1 方式2 方式2 方式1
简化似然函数得
2 3 4
1.0 0.0 -1.0 -2.0 -3.0 -4.0 1.0 2.0 3.0 4.0 5.0
0.0
8.3万
8.3万 5.0-8.4万 0.5-1.4万
77 -
0.005 0.005
30
7
119
0.005
0.84-2.5万
26.5
3.3 40
地铁 自行车 公共汽车 出租汽车 私人轿车
8.1 22.1
城市交通机动化
截至2007年5月26日，北京市机动车突破300万辆，机 动化出行方式从38%提高到61%。小汽车在出行方式构 成中所占比例由1986年的5%上升到2000年的23.2%，而 公共交通方式份额由28%下降到26.5%。
城市交通结构不合理
交通投资与交通发展不协调
“八五”期间道路（含公路）投资与公交（含地铁）投 资的比例为7:3，“九五”期间这个比例达到8.2:1.8。
交通方式选择的影响因素
一、交通特性 上班、上学出行：汽车利用率低、公共交通利用率高。 出行目的：旅游、公务等，出租车。
出行距离：长距离，乘坐轨道交通；短距离，自行车出行。
徒步以外
自行车
个人运输工具
汽车
摩托车 公共汽车
公共运输工具
（2）多项选择法
铁路
用包含各种方式的选择率公式一次求出选择率的方法。 方法简单，但正确提取方式选择的要素十分困难。