城市道路可行性研究中交通量预测方法——以扬州南部快速通道为例
公路建设可行性研究交通量预测方法分析
１我国公路建设交通量预测现 状
后 。 是 公路建设投资 周期长 ， 价高 ， 但 造 必 量 预 测 呈 现 近 期 预 测 偏 高 ， 期 预 测 较 为 需 要 ， 州 市 决 定 实 施 某 县 级 公 路 改 建 工 中 达 须经 过 严 格 的 可 行 性 研 究 才 能开 工建 设 。 合理 ， 期 预 测 模 糊 的现 象 ， 其 是 对 诱增 程 。 可行 性 研 究 阶 段 ， 作 人 员 通过 连 续 远 尤 在 工 在计划 经济时 代 ， 国公路建设 项 目 我 交 通 量 不 能 很 好 的 把 握 ， 经 济 增 长 率 与 三 天 的 交 通 量 调 查 获 得 最 新 的 交 通 量 资 在
本 工 程 结 合 项 目 自 身 特 点 ， 合 采 用 综 研 究 中 ， 该 结 合 工 程 实 际 情 况 ， 合 考 虑 前 提 ， 方 法 对 于 国 外 社 会 经济 结 构 相 对 回 归模 型 与 弹 性 系 数 法 进 行 交 通 量 的 预 应 综 该 在 整 个 交 通 运 输 体 系 中 的 功 能 定 位 ， 用 稳 定 的 情 况 是 比 较 适 应 的 。 国 正 处 于 社 测 。 归模 型 主 要 是 对往 年 客 运 量 、 运 量 运 我 回 货 预 测 学 等先 进 的理 念 与方 法 做 好 交 通 量 预 会 经 济 变 革 关键 时期 ， 业 结 构加 速调 整 ， 与 国 内 生 产 总 值 进 行 关 联 性 分 析 ， 立 相 产 建 测 工 作 ， 能 保 证 公路 建 设 的 技 术等 级 与 经济 增 长 有 可 能 会 呈 现 跳 跃式 或者 波 浪 式 应 的 回 归模 型 ， 而 得 到 未 来 几 年 的 交 通 才 进 功 能 水 平 ， 科 学 地 进 行 技 术 经 济 比 较 分 的 发 展 轨 迹 ， 纯 地 采 用 四 阶 段 法 是 否 符 量 预 测 分 析 数 据 。 性 系 数 分 析 法 主 要 研 为 单 弹 析提供 依据 。 合 我 国 实 际 情 况 有 待 商榷 。 究 交 通 运 输 量 与 经 济 发 展 之 间 的 互 动 关 公 路 建 设 交 通 量 预 测 工 作 在 可 行 性 研 系， 通过 分 析 该 地 区 经 济 发 展 规 律 可 以 掌 究 中 占据 着 重 要 地位 ， 主要 表 现 在 ： 现状 交 ３对策与建议 握 交 通 量 的 变 化 规 律 ， 定 未 来 几 年 交 通 确 通 量为交通经济 评价提供 了重要依据 ； 根 我 国 应 该 加 强 对 相 关 交 通 模 型 的 研 运 输 量 的 大 小 。 项 目针 对 该 地 区 国 内生 本 据 远 景 交 通 量 可 以 确 定 公 路 建 设 的 技术 经 究 ， 借 鉴 国外 四 阶 段 法 的 同 时 ， 应 该 注 产 总值 增 长 率 分 别 与 客 车 、 车 交 通 增 长 在 更 货
城市道路交通流量预测方法
城市道路交通流量预测方法随着城市化进程的加速，城市道路交通流量的预测变得越来越重要。
准确预测交通流量可以帮助交通管理部门合理规划道路网络，优化交通流动，提高交通效率。
本文将介绍一些常见的城市道路交通流量预测方法，包括传统方法和基于人工智能的方法。
一、传统方法1.时间序列分析时间序列分析是一种常用的交通流量预测方法。
该方法基于历史交通数据，通过分析时间序列的趋势和周期性，预测未来的交通流量。
常用的时间序列分析方法包括自回归移动平均模型（ARIMA）和季节性自回归移动平均模型（SARIMA）等。
这些方法在一定程度上可以预测交通流量的长期趋势和季节性变化，但对于突发事件的影响预测能力有限。
2.回归分析回归分析是另一种常见的交通流量预测方法。
该方法通过建立交通流量与影响因素（如时间、天气、节假日等）之间的回归模型，来预测未来的交通流量。
常用的回归模型包括线性回归模型和多元回归模型等。
回归分析方法可以考虑多个因素对交通流量的影响，但需要准确选择和处理影响因素，否则预测结果可能不准确。
二、基于人工智能的方法1.神经网络神经网络是一种常用的人工智能方法，可以用于交通流量预测。
神经网络通过模拟人脑神经元之间的连接，学习历史交通数据的规律，并预测未来的交通流量。
常用的神经网络模型包括前馈神经网络（Feedforward Neural Network）和循环神经网络（Recurrent Neural Network）等。
神经网络方法可以自动提取数据中的特征，但需要大量的训练数据和计算资源。
2.支持向量机支持向量机是另一种常用的人工智能方法，可以用于交通流量预测。
支持向量机通过在高维空间中构建超平面，将不同类别的数据分开，从而预测未来的交通流量。
支持向量机具有较强的泛化能力，可以处理高维数据和非线性关系。
但支持向量机方法需要选择合适的核函数和调整参数，否则预测结果可能不准确。
3.深度学习深度学习是一种基于神经网络的人工智能方法，可以用于交通流量预测。
交通运输建设方案规划中的交通流量预测
交通运输建设方案规划中的交通流量预测引言交通运输建设方案的规划是一个复杂而关键的过程，其中交通流量预测是其中一个重要的环节。
交通流量预测的准确性对于规划者和决策者来说至关重要，它可以为交通基础设施的规划和设计提供依据，帮助合理分配资源，提高交通运输系统的效率和安全性。
本文将探讨交通流量预测的方法和技术，并讨论其在交通运输建设方案规划中的应用。
一、交通流量预测的方法1. 统计模型统计模型是最常用的交通流量预测方法之一。
它基于历史数据和统计分析，通过建立数学模型来预测未来的交通流量。
常见的统计模型包括线性回归模型、时间序列模型和灰色系统模型等。
这些模型可以根据不同的数据特点和预测需求进行选择和调整，以提高预测的准确性。
2. 仿真模型仿真模型是一种基于计算机模拟的交通流量预测方法。
它通过建立交通网络模型和交通行为模型，模拟交通流量在不同条件下的变化情况。
仿真模型可以考虑更多的因素和变量，如道路拓扑结构、交通信号控制、车辆行驶特性等，因此能够提供更为准确和全面的交通流量预测结果。
3. 智能算法智能算法是近年来发展起来的一种交通流量预测方法。
它基于人工智能和机器学习技术，通过对大量数据的学习和分析，自动发现数据中的规律和模式，并进行预测。
常见的智能算法包括神经网络、遗传算法和支持向量机等。
这些算法能够处理大规模和复杂的数据，提高预测的准确性和效率。
二、交通流量预测的数据需求交通流量预测的准确性很大程度上取决于所使用的数据。
以下是交通流量预测中常用的数据类型和需求：1. 历史交通流量数据历史交通流量数据是交通流量预测的基础。
它可以反映出交通流量的季节性、日变化和周变化等规律。
规划者和决策者可以通过对历史数据的分析，了解交通流量的趋势和变化，为未来的预测提供参考。
2. 道路网络数据道路网络数据包括道路的拓扑结构、长度、宽度、交叉口位置等信息。
这些数据对于交通流量的预测和分析至关重要，它们可以帮助确定交通流量的传播路径和影响因素，为交通基础设施的规划和设计提供依据。
城市规划中的交通流量预测与优化研究
城市规划中的交通流量预测与优化研究引言城市交通是现代城市运行的重要组成部分，也是城市规划中不可忽视的一个方面。
随着城市人口的增长和车辆数量的不断增加，交通拥堵问题日益突出。
因此，交通流量预测与优化成为了城市规划中的一项重要研究内容。
本文将探讨城市规划中的交通流量预测与优化的研究现状、挑战以及未来发展方向。
一、交通流量预测的研究现状1.1 传统的交通流量预测方法传统的交通流量预测方法主要基于历史数据和统计模型。
通过分析历史交通数据，如车流量、速度和密度等，可以建立统计模型，预测未来的交通流量。
这种方法在一定程度上能够满足对交通流量的预测需求，但也存在一些问题。
首先，传统方法过于依赖历史数据，无法应对突发事件和城市发展的变化。
其次，统计模型在处理复杂的交通系统时存在局限性，无法充分考虑交通网络的复杂性和非线性特征。
1.2 基于智能交通系统的交通流量预测方法随着智能交通系统的发展，基于智能交通系统的交通流量预测方法逐渐成为研究热点。
智能交通系统通过传感器、摄像头等设备收集实时交通数据，并结合计算机视觉、机器学习等技术进行数据分析和预测。
相比传统方法，基于智能交通系统的方法能够更准确地预测交通流量，并能够实时调整预测结果以适应交通状况的变化。
然而，智能交通系统的建设和数据处理仍然面临一些挑战，如数据质量不稳定、数据处理复杂等问题。
二、交通流量优化的研究现状2.1 交通信号优化交通信号优化是交通流量优化的重要手段之一。
通过合理调整交通信号的配时方案，可以减少交通拥堵和排队长度，提高交通效率。
传统的交通信号优化方法主要基于经验和规则，如固定配时、感应控制等。
近年来，随着智能交通系统的发展，基于智能交通系统的交通信号优化方法逐渐兴起。
这些方法通过实时采集交通数据，并结合优化算法，自动调整交通信号的配时方案，以实现交通流量的优化。
2.2 路网优化除了交通信号优化，路网优化也是交通流量优化的重要内容。
传统的路网优化方法主要基于建筑物、道路等基础设施的规划和设计。
城市道路交通流量预测模型研究
城市道路交通流量预测模型研究一、课题研究背景城市路网中不断增长的交通出行需求，进一步导致道路交通流的高峰时段拥堵情况不断加剧。
如何有效利用交通流数据，建立合理、准确的道路交通流量预测模型，对于缓解交通拥堵，优化城市交通出行体验具有重要意义。
因此，本文将从理论与实践两个层面出发，全面介绍城市道路交通流量预测模型的研究现状和发展趋势。
二、城市道路交通流量预测模型概述1.概念定义城市道路交通流量预测模型是指通过建立数学模型，在给定区域内将未来的道路交通流量进行预测的一种方法。
该模型主要包括数据预处理、数据建模、模型验证与修正、预测结果评估等步骤。
2.建模思想城市道路交通流量预测模型的建模思想主要包括时间序列模型、回归分析模型、人工神经网络模型等。
它们可以在一定程度上反映城市道路交通流量的时空特征。
3.应用领域城市道路交通流量预测模型的应用领域主要包括智慧交通、城市交通规划等。
在智慧交通领域，该模型可以用于实现自动化交通控制和优化城市交通出行路线规划；在城市交通规划领域，该模型可以为交通出行提供科学依据，指导城市交通基础设施建设和改造。
三、城市道路交通流量预测模型的现状分析1.模型类型城市道路交通流量预测模型的类型越来越多，包括时间序列模型、回归分析模型、人工神经网络模型等。
其中，时间序列模型和人工神经网络模型应用较为广泛。
2.数据来源城市道路交通流量预测模型的数据来源多种多样，可以是交通信号控制系统数据、车辆定位数据、移动App出行数据等。
其中，车辆定位数据是交通流量预测的重要数据来源，其精度和实时性能够满足实时性较高的道路交通流量预测需求。
3.关键问题城市道路交通流量预测模型研究中存在着一些关键问题，如数据的缺失和质量问题、模型的选取和改进问题等。
因此，研究者需要利用先进的技术手段来克服这些问题。
四、城市道路交通流量预测模型的发展趋势1.数据挖掘技术与模型集成技术未来城市道路交通流量预测模型将结合数据挖掘技术和模型集成技术，充分利用不同类型的数据来源，提高预测精度和实时性。
调研报告 扬州交通
调研报告扬州交通扬州交通调研报告一、调查背景和目的本次调研旨在了解扬州市的交通状况，包括交通设施的建设和改善情况、交通拥堵程度以及市民对交通管控措施的满意度，为相关部门提供参考建议，促进交通运输系统的高效运行和城市交通管理的改善。
二、调研方法1. 数据收集：通过网络问卷和面对面访谈的方式收集相关数据和市民意见。
2. 样本选择：随机选择扬州市内不同区域的居民作为调研样本，共计500人。
3. 调研内容：调研内容包括交通设施的状况、出行方式、交通拥堵情况、交通管理措施的满意度等。
三、调研结果分析1. 交通设施状况：根据调研结果显示，扬州市内的道路建设得到了较好的改善，道路宽度和质量得到了市民的认可，但在部分繁华地区仍存在交通拥堵、停车位不足的问题。
2. 出行方式：大部分市民选择使用私家车出行，因此道路交通压力较大，公共交通工具的使用率相对较低。
3. 交通拥堵程度：调查显示，在早晚高峰时段和部分主干道上，扬州市的交通拥堵问题较为突出，特别是市区周边的高速路段。
4. 交通管理措施满意度：多数受访者对交通管理措施的执行较为满意，但仍有部分市民表示对交通执法力度的加强和交通设施的进一步完善有一定期待。
四、调研结论和建议1. 交通设施建设与改善：针对繁华地区的交通拥堵、停车位不足问题，建议加大对交通设施的建设和改善投入，优化道路交通流动性和停车管理。
2. 公共交通改进：鼓励市民使用公共交通工具，加大对公交服务的宣传和改进，提高公交的便利性和舒适度，降低私家车出行压力。
3. 交通执法力度加强：增加交通管理执法人员的数量和巡逻频率，加强对违法行为的处罚力度，提高市民对交通秩序的遵守度。
4. 交通信息发布：提供实时的交通信息和路况预测服务，方便市民出行规划。
5. 积极开展公众参与：举办交通安全宣传活动，提高市民对交通管理的参与度和责任感。
综上所述，通过本次调研，我们可以了解到扬州交通存在的问题和改进的方向，希望相关部门能够根据调研报告中的建议，采取有效措施，进一步改善扬州市的交通状况，提高市民的出行体验。
城市道路规划中的交通流量预测方法探究
城市道路规划中的交通流量预测方法探究引言随着城市化进程的加速，城市交通问题日益凸显。
为了有效解决交通拥堵、提高交通流畅度，城市道路规划中的交通流量预测方法成为研究的热点之一。
本文将探究不同的交通流量预测方法，并分析其优缺点，以期为城市道路规划提供参考。
一、传统交通流量预测方法传统的交通流量预测方法主要基于历史数据和统计模型。
通过对历史交通数据的分析，可以找出交通流量的规律和趋势，进而进行预测。
常用的统计模型包括回归模型、时间序列模型等。
回归模型是一种常用的预测方法，它通过建立交通流量与各种影响因素之间的关系模型，来进行预测。
例如，可以建立交通流量与时间、天气、经济指标等因素之间的回归模型，从而预测未来的交通流量。
回归模型的优点是简单易懂，适用于大规模数据的处理。
然而，回归模型忽略了交通流量之间的相互影响，无法准确预测交通拥堵情况。
时间序列模型是一种基于时间序列数据的预测方法。
它通过对历史交通流量数据的分析，找出其中的周期性和趋势性，进而进行预测。
时间序列模型的优点是能够考虑交通流量的时序性，适用于短期预测。
然而，时间序列模型无法考虑其他影响因素，对于长期预测效果有限。
二、基于机器学习的交通流量预测方法随着机器学习技术的发展，基于机器学习的交通流量预测方法逐渐兴起。
机器学习通过对大量数据的学习和分析，可以自动发现数据中的规律和模式，从而进行预测。
常用的机器学习方法包括支持向量机、神经网络、随机森林等。
支持向量机是一种常用的机器学习方法，它通过在高维空间中构建一个最优的超平面，将不同类别的数据分开。
在交通流量预测中，可以将历史交通数据作为输入，将交通流量作为输出，通过支持向量机进行学习和预测。
支持向量机的优点是具有较好的泛化能力，适用于非线性问题。
然而，支持向量机需要大量的计算和存储资源，对于大规模数据的处理效率较低。
神经网络是一种模拟人脑神经系统的机器学习方法，它通过建立多层神经元之间的连接关系，来进行学习和预测。
交通量预测的方法
交通量预测的方法
交通量预测是指利用历史交通数据、相关环境因素和算法模型来预测未来某一时段的交通流量水平。
以下是一些常用的交通量预测方法：
1. 统计方法：利用历史交通数据进行统计分析，如时间序列分析、回归分析等。
这些方法通常假设未来交通流量与过去的交通流量存在一定的关联性。
2. 基于模型的方法：通过建立数学或统计模型来预测交通量，常用的模型包括传统的线性模型（如线性回归模型）和非线性模型（如支持向量机、神经网络等）。
3. 基于时空关系的方法：考虑空间和时间上的相关性，如基于地理位置和交通网络拓扑结构的影响因素，利用相邻区域或路段的交通数据来预测目标区域或路段的交通量。
4. 基于机器学习和深度学习的方法：利用大量的历史交通数据进行训练，通过学习数据之间的特征和模式来预测未来交通量。
常用的机器学习方法包括决策树、随机森林等，深度学习方法主要是指神经网络模型。
5. 基于传感器数据的方法：通过各种交通传感器（如交通摄像头、车载传感器等）获取实时交通数据，并利用这些数据进行交通量预测。
这种方法通常比较准确，但对数据采集设备要求较高。
综合使用上述方法，可以提高交通量预测的准确性和可靠性。
不同的方法适用于不同的交通场景和数据特点，需要根据具体情况选择合适的方法。
- 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)。
城市道路可行性研究中交通量预测方法——以扬州南部快速通道为例陈秋燕中设设计集团股份有限公司摘要：交通量预测是道路可行性研究的重要组成，当下，各类规范均未对城市道路交通量预测有明确规定，实际操作多参考公路预测方法。
本文针对城市道路的特殊性，结合项目实例分析“四阶段法”在城市道路交通量预测中的运用，旨在为城市道路交通量预测提供思路和借鉴。
关键词：城市道路；可行性研究；交通量预测；四阶段法1引言城市道路建设项目可行性研究通过对项目的建设必要性、经济合理性、技术可行性、实施可能性、对环境的影响性进行综合研究和论证[1]，为项目决策提供依据。
交通量预测结果是确定道路建设标准、工程技术方案的基础，是估算建设规模、进行经济评价的必要条件，但现状有关规范中均为明确规定城市道路交通量预测方法。
因此，本研究充分考虑城市道路交通特点，以扬州南部快速通道为例，对“四阶段法”在城市道路交通量预测中的应用进行详细分析。
2预测思路通过基础资料调研，了解项目影响区社会经济发展、土地利用、道路交通现状及规划状况，分析得出现状人口分布、岗位分布、小汽车保有量、居民出行特征以及现状路网、公共交通、货运交通等基础信息，建立基年交通模型，然后以规划前景为依据建立特征年交通模型，预测项目路未来各特征年的道路交通量[2]。
3预测范围本项目为扬州市规划快速路，贯穿主城南侧，是组团间的快速联系通道、中心城区对外出行的重要联络通道。
充分考虑项目区位、功能及行政区划，将扬州市区及仪征市作为交通预测的研究范围，其中由扬溧高速、启扬高速、京沪高速、长江及夹江合围的中心城区作为重点研究范围。
4交通量预测分析城市快速路交通组成较为复杂，本项目可分为居民交通、货运交通以及出入境与过境交通三大类。
由于交通性质不同，预测方法存在差异，需分别进行预测。
其中出入境与过境交通预测方法按传统的公路交通量预测方法即可，下文仅对具有城市交通特殊性的居民交通和货运交通预测方法进行详细阐述。
4.1交通生成预测交通生成预测包括出行发生与出行吸引，前者以区域社会经济特性为主，后者以土地利用形态为主。
交通生成预测时通常对发生量和吸引量分别预测，通过控制交通生成总量，校核各交通小区的发生量和吸引量，以获得更为准确的预测结果。
4.1.1居民交通综合考虑城市经济发展对人均出行次数、分目的出行比率的弹性影响，根据人口分布、出行目的，可得出各小区的交通发生量；根据就业岗位分布、不同就业岗位的吸引率，得出各小区的交通吸引量。
S i=∑i S m i,A i=∑i A m i式中：m为出行目的，可划分为家-单位出行（HBW）、家-学校出行（HBS）、家-其他出行（HBO）、非家-其他出行（NHB）以及商务出行（EB）；S i（A i）为i小区交通发生（吸引）总量；S m i（A m i）为i小区基于m目的出行发生（吸引）量。
项目影响区内人口分布以规划人口规模为基础，采用居住面积人口密度来推算；就业岗位分布以土地利用性质为基础，按人口比例和产业政策所预测的各类就业岗位数进行平衡。
4.1.2货运交通货运出行的基本目的是载货，货运交通预测通过将货物总量按货运车型及相应实载率转化为货车发生吸引量。
城市的货源分布具有很强的离散性，受到用地类型、交通管理、城市布局等多因素影响，但以用地类型为最主要影响因素，货运相关用地类型主要有工业用地、物流仓储用地以及公共设施用地[3]。
货运出行的发生、吸引可采用权重法（相关因素法）来预测，为提高预测模型的精度，可将货车分车型分别预测。
TS i=∑j L ij r ij,TA i=TP i式中：TS i（TA i）为交通小区i的货车出行发生（吸引）量；L ij 为交通小区i用地类型j的面积；r ij为交通小区i单位面积用地类型j货车出行发生率。
4.2交通分布预测交通分布预测旨在通过出行分布模型描述各交通小区间的交通交换量以及内部出行量，形成OD矩阵。
4.2.1居民交通考虑到扬州正处于快速发展阶段，用地性质变化较大，居民交通分布预测采用双约束重力模型法，通过建立交通小区之间各出行方式加权阻抗，体现土地使用变化以及交通设施对出行分布的影响。
Q m ij=K i·K j·P m i·A m j/F m ij式中：Q m ij为i小区到j小区之间目的m的出行量；F m ij为i 小区到j小区之间目的m的交通阻抗函数；K i、K j为调整系数；其余同上。
F m ij=a m·T b m ij·e c m T ij式中：T m ij为i小区和j小区之间各方式加权出行时间（单位：分钟）；a m、b m、c m为目的m的待定系数；其余同上。
通过现状居民出行调查模型标定的出行分布参数，并参考其他城市重力模型参数标定过程，标定五类出行目的的分布参数如下。
将不同目的的出行分布矩阵叠加后，便可得到居民全方式的OD矩阵。
4.2.2货运交通货运交通出行分布预测模型与居民交通类似，需注意货运阻抗的特殊性，由于高峰时段城区道路禁止货车通行，因此货运阻抗是其可通行道路的出行时耗。
4.3交通方式划分交通方法划分一方面需考虑国家战略、政策对交通方式发展方向的影响，另一方面需通过现状区域调查，了解各交通方式分担比例，最终综合确定出行方式比例。
本项目将出行方式划分为步行、非机动车、公交（含常规公交、轨道交通）、非公交机动车（含出租车）四种方式。
综合考虑出行者经济水平、年龄、出行成本和交通设施服务水平以及交通政策等因素，采用距离分布曲线和效用函数结合的方法进行应用、校核和总量控制，建立出行方式模型。
步行出行的主要影响因素是距离，在一定的距离内，随距离的增大，步行出行比例下降。
P walk=x1+a·e b·L，P non-walk=1-P walk式中：P walk为两个交通小区之间选择步行出行的概率；P non-walk是两个交通小区之间除步行之外交通方式的概率；L为两个小区之间步行的出行距离（公里）；x、a、b为标定参数。
（下转第130页）DOI:10.16767/ki.10-1213/tu.2019.06.092 126非机动车、公交和非公交机动车处于竞争发展状态，出行成本包括出行时间和出行费用，可通过构建三者竞争模型来进行预测。
本项目分别建立各出行方式的道路网络，得出各出行方式的时间最短路矩阵，并考虑公交票价、候车时间和两端步行时间，换算为价值后，采用改进的Logit 模型来确定。
P kij =e -θ·c k ij/c ij ∑m =13e -θ·c k ij/cij（k =1,2,3……）式中：P kij 是交通小区i ，j 间k 方式的出行比例；c ij 为交通小区i ，j 间的平均出行费用；c kij 为小区i ，j 间k 方式的出行费用；θ为待定参数，一般取3.0-4.0。
非机动车：c 1ij =μ·t 1ij /δ1公交：c 2ij =[]μ·()t 1ij +t +f /δ2非公交机动车：c 3ij =[]μ·t 3ij +o·t 4ij +cv·p /δ3式中：t 1ij 是非机动车的时间最短路矩阵；t 2ij 是公交系统的时间最短路矩阵；t 3ij 是非公交机动车的时间最短路矩阵（车内时间）；t 4ij 是非公交机动车的与时间最短路矩阵相应的距离矩阵；t 是公交的平均车外时间，包括两段步行时间、换乘时间和候车时间；f 是各类公交的平均票价；o 是非公交机动车的平均油价；cv 是非公交机动车的起始费用，包括车价及相关税费；p 是停车系数，因起讫点而异；δ为广义舒适度，是反映出行舒适性、方便性、安全性等特征的综合指标；μ是时间价值。
4.4交通分配预测交通分配预测是在考虑路网阻抗的基础上，将交通量分布预测得到的特征年交通需求（OD 矩阵）分配到具体路网上的过程。
由此可得到所研究项目上的交通量，据此确定技术标准，使设计路段通行能力与交通量相匹配，并保持一定的服务水平[3]。
在计算机技术迅速发展的今天，众多交通仿真软件提供了模型技术支持，本项目使用交通分析软件TRANSCAD 的平衡分配模型。
5结束语本文以扬州市南部快速通道为例，介绍了在城市道路可行性研究中交通量预测的步骤与方法，针对城市交通的特殊性，详细论述了不同于公路交通构成的居民交通、货运交通的预测方法，为规范城市道路交通量预测方法提供参考。
参考文献：[1]住房城乡建设部工程质量安全监管司.市政公用工程设计文件编制深度规定(2013年版)[S].中国建筑工业出版社,2013.[2]肖鹏.城市道路设计交通分析及预测[J].青海交通科技,2018(1):26~28.[3]高慧.基于“四阶段法”的江北新区路网交通量预测[J].公路,2018(6):200~203.（上接第126页）（上接第128页）钢梁焊接质量是保证钢梁质量的关键，所以钢梁的焊接应严格遵照本桥验收规则和根据工艺评定编制的焊接工艺规程实施。
定位焊必须距设计焊缝端部35mm 以上，其长度为60mm~100mm ，焊脚小于1/2设计焊脚，定位焊不允许存在缺陷，如定位焊缝出现裂缝或其它严重缺陷时，应清除焊接缺陷，再行焊接；板厚大于25mm 构件的焊缝两侧50mm~80mm 范围内预热80~120℃；对接焊缝必须有引熄弧板。
焊缝外观检查严格按技术规范的质量标准执行，焊缝不得有裂纹、未熔合、焊瘤、夹渣、未填满弧坑等外观缺陷；焊缝无损检验在外观检验合格后24小时进行；厚度大于30mm 的钢板焊接接头在施焊后48小时进行无损检测。
3.7钢箱梁的卸载钢箱梁卸载方案为整体卸载，卸载时，将千斤顶顶至临时支墩高度，与箱梁底部紧密贴实，再将临时支墩进行拆除。
拆除完毕后，让全部千斤顶同时并缓慢下降，钢箱梁落在球形支座焊接垫板上，其全部荷载转化为桥墩自身承受，卸载完成。
4钢箱梁安全控制措施（1）吊装前，进行安全防护设施的检查和验收，验收合格方可进行高空作业。
（2）高处作业人员必须系好安全带，安全带高挂低用，且必须系在固定物上。
头上必须佩戴安全帽，脚穿安全劳保鞋。
对于焊接作业人员，必须佩戴护目镜。
（3）安装的钢箱梁必须预先在工厂设置过人孔和通风孔,焊接钢箱梁内部焊缝时安装大马力排风机及时排除焊接烟气。
5结语施工完成后，通过探伤机超声波检测，钢箱梁的焊缝质量良好，完全符合设计和规范要求。
安全防护工作得到有效保证，优质、高效、安全、文明地完成本项目钢箱梁的安装施工，在类似工程施工中具有良好的借鉴意义。
参考文献：[1]JTG/T F50—2011.公路桥涵施工技术规范[S].[2]CJJ 2-2008.城市桥梁工程施工质量验收规范[S].[3]GB 50661—2011.钢结构焊接规范[S].[4]GB 11345—89.钢焊缝手工超声波探伤方法和探伤结果分级[S].[5]JK 19—99.建筑施工安全检查标准[S].比与实际的施工情况相适应。