交通需求预测模型与方法
第三章 交通需求预测-重力模型
l 基本假设为：交通区i到交通区j的出行分布
1、无约束重力模型
l
万有引力模型
模型为：
F = K⋅
l
量与i区的出行发生量、j区的出行吸引量成正 比，与i区和j区之间的交通阻抗成反比。 根据对约束情况的不同分类，重力模型有三种 形式：无约束重力模型、单约束重力模型和双 约束重力模型。
X ij = k ⋅
可采用先考虑宏观因素预测其总比例，再考 虑微观因素预测各交通区间出行方式的分担率的 方法。 出行总比例预测 条件类方式：根据车辆拥有量进行预测。
l
竞争类方式 取决于需求的出行方式其总比例预测可根据有关的社 会经济发展目标，结合其发展实际状况，通过综合分 析求得。如出租车等。 取决于有关政策的出行方式其总比例预测可按照有关 的发展策略，根据已有基础进行规划确定，如公交车 出行等。 各交通区间的出行比例预测 各交通区间某种出行方式的出行比例取决于该出行方 式的总比例、出行目的结构和出行距离，通过前述模 型以及根据出行调查等资料统计分析拟合建立的现状 关系曲线进行预测。
其中, ｃ:汽车(car)；ｂ:公共汽车(bus)
l
∑∑ A
j m
其中Tijm——从交通区i到交通j，第 m种交通方 式的交通量；
4、 回归模型法——产生分担组合模型
l
二、交通方式的分类
l l l l l l l
该模型是通过建立交通方式分担率与其相关因素 间的回归方程，作为预测交通方式模型。
可分为：自由类、条件类和竞争类。 1、自由类交通方式 主要指步行交通，影响因素（内在因素）包括： 出行目的、出行距离、气候条件等 2、条件类交通方式 主要指单位小汽车、单位大客车、私人小汽车、摩托 车等交通方式 影响因素（外在因素）包括：有关政策、社会、经济 的发展水平。 影响因素（内在因素）包括：车辆拥有量、出行目的、 出行距离等。
城市交通需求预测与预测模型研究
城市交通需求预测与预测模型研究随着城市化进程的加速推进，城市人口数量不断增加，城市交通问题也越来越突出。
如何准确预测城市交通需求，并针对这些需求制定合理的规划和措施，成为了城市规划者和交通部门的重要任务。
本文将探讨城市交通需求预测的意义，并简要介绍一些常见的预测模型。
城市交通需求预测的意义城市交通需求预测是指通过对已有数据的分析和对未来发展趋势的研究，预测出未来一段时间内城市交通的需求情况。
这对于城市规划和交通规划至关重要。
首先，准确的交通需求预测可以帮助城市规划者制定科学合理的交通规划。
通过预测得出的数据，可以确定新的道路建设需求，确定公共交通线路以及站点的合理设置，以及制定拥堵缓解措施等。
如果没有准确的预测数据，城市规划者很难制定出针对未来交通需求的有效规划。
另外，交通需求预测也对交通部门运行和管理具有指导作用。
通过预测数据，交通部门可以合理调配交通资源，提前做好交通组织和管理准备，以应对未来可能出现的交通瓶颈和压力。
这对于缓解交通拥堵、提高交通效率至关重要。
常见的交通需求预测模型1. 时间序列分析模型时间序列分析模型是通过分析历史交通数据的趋势和周期性规律，预测未来的交通需求。
这种模型适用于预测短期和中期交通需求，且数据量较大的情况下效果较好。
例如，通过对历史一周内交通流量的数据进行时间序列分析，可以推测未来一周内交通流量的变化趋势。
2. 回归分析模型回归分析模型是通过分析交通需求与各种影响因素之间的关系，建立数学模型，从而预测未来的交通需求。
这种模型适用于多变量影响的情况下，可以将多个相关因素考虑在内。
例如，通过分析城市人口数量、经济发展水平和用地规划等因素，建立回归模型，预测未来交通需求的增长趋势。
3. 神经网络模型神经网络模型是一种通过模拟人脑神经网络的工作原理，预测未来交通需求的模型。
这种模型适用于非线性关系比较复杂的情况下，能够学习和发现隐含在数据中的规律。
例如，通过输入历史交通流量、道路容量等数据，训练神经网络模型，预测未来交通需求的变化。
交通流量模型建立与预测方法优化
交通流量模型建立与预测方法优化交通流量模型是研究交通运行状态和预测未来交通流量变化的重要工具。
通过建立准确的交通流量模型，可以为城市交通规划和管理提供有价值的参考和决策支持。
针对交通流量模型的建立与预测方法，本文将介绍常见的建模方法和预测技术，并探讨了优化模型的方法。
一、交通流量模型的建立交通流量模型的建立是对交通流量变化的描述和分析过程。
常见的建模方法包括传统方法和基于机器学习的方法。
1. 传统方法传统方法包括基于概率统计的方法和基于经验规则的方法。
基于概率统计的方法通过采集实际交通流量数据，进行统计分析和建模，以描述交通流量的分布和特征。
常用的方法包括回归分析、时间序列分析等。
基于经验规则的方法则是基于经验和专家知识进行模型的建立，常用的方法有交通工程师的经验模型和规则。
2. 基于机器学习的方法基于机器学习的方法利用人工智能技术，通过对交通流量数据的学习和训练，构建交通流量模型。
常见的方法包括人工神经网络、支持向量机、决策树等。
这些方法可以通过学习数据中的交通流量模式和规律，识别交通流量的变化趋势和影响因素。
二、交通流量预测方法的优化交通流量的预测是对未来一段时间内交通流量变化的估计和预测。
准确的交通流量预测可以帮助交通管理部门制定合理的交通控制策略和规划交通设施。
针对交通流量预测方法，本文将介绍两种常见的优化方法。
1. 数据优化数据优化是保证交通流量预测准确性的基础。
首先，需要对交通数据进行采集，包括车辆流量、速度和密度等信息。
然后，对数据进行预处理和清洗，去除异常值和噪声。
接下来，利用数据挖掘和特征提取方法，提取与交通流量相关的特征。
最后，选取合适的预测模型进行训练和应用。
2. 模型优化模型优化是提高交通流量预测准确性的关键。
一种常见的模型优化方法是参数调整和模型选择。
通过调整模型的参数，可以提高模型的拟合效果。
同时，根据实际情况和预测需求，选择合适的模型，可以提高预测的准确性。
另一种常见的模型优化方法是特征选择和模型集成。
城市交通拥堵状况预测与优化模型
城市交通拥堵状况预测与优化模型随着城市人口的增加和汽车数量的增加，城市交通拥堵问题日益凸显，给人们的出行带来了很大的不便。
为了更好地解决城市交通拥堵问题，提高交通运行效率，研发了许多城市交通拥堵状况预测与优化模型。
一、城市交通拥堵状况预测模型城市交通拥堵状况预测模型是通过对历史交通数据的分析和建模，结合实时交通数据的监测与采集，预测未来一段时间内城市交通拥堵状况的模型。
常见的交通拥堵预测模型包括基于时间序列方法、基于统计回归方法、基于人工神经网络方法等。
1. 基于时间序列方法基于时间序列方法是根据历史交通数据的特征和规律，建立数学模型来预测未来的交通拥堵状况。
常用的时间序列方法包括ARIMA模型、指数平滑模型等。
ARIMA模型基于时间序列的自相关性和移动平均性，能够较好地预测一定时间范围内的交通拥堵情况。
指数平滑模型则是基于时间序列中的平滑系数，通过调整权重来预测未来的交通状况。
2. 基于统计回归方法基于统计回归方法是通过建立交通拥堵状况与影响因素之间的关系模型，来预测未来的交通拥堵状况。
通常采集的影响因素包括交通流量、路网结构、道路限制条件等。
通过对这些因素的统计分析和回归建模，可以预测未来一段时间内的交通拥堵情况。
3. 基于人工神经网络方法基于人工神经网络方法是通过模拟人脑神经网络的工作原理，建立交通拥堵状况与影响因素之间的复杂非线性关系模型。
人工神经网络模型能够自动学习和提取交通数据中的隐藏信息并进行模式识别，从而准确预测未来的交通拥堵状况。
二、城市交通优化模型城市交通优化模型是为了减少交通拥堵，提高交通效率，设计出合理的交通规划和控制策略的模型。
常见的交通优化模型包括交通信号优化模型、路网优化模型、出行路线选择模型等。
1. 交通信号优化模型交通信号优化模型是通过对交通信号灯的控制策略进行优化设计，来提高交通流量和驶过路口的效率。
常用的交通信号优化模型包括传统的固定周期控制模型、感应控制模型、自适应控制模型等。
交通规划及需求预测
交通规划及需求预测引言交通规划是现代城市发展中的重要方面之一。
随着城市人口的增加和交通需求的不断增长，合理的交通规划变得尤为重要。
在交通规划过程中，需求预测是一项关键任务，它能够为城市交通规划者提供决策支持，帮助他们制定合理的交通发展策略。
本文将探讨交通规划及需求预测的重要性，并介绍一些常用的需求预测方法。
交通规划的重要性交通规划对于城市的可持续发展至关重要。
合理的交通规划可以提高交通效率，减少拥堵问题，降低能源消耗，改善环境质量。
在城市发展过程中，交通规划需要综合考虑人口分布、经济发展、土地利用等多个因素，以确保城市交通系统的可持续发展。
另外，交通规划还可以提高城市的生活质量。
通过合理规划交通网络，人们可以更方便、快捷地到达目的地，减少出行时间，提高出行效率。
此外，合理规划交通系统还能提供更多的交通选择，方便行人、骑行者和公共交通出行，减少对私人汽车的依赖，促进城市可持续发展。
需求预测的方法需求预测是交通规划中的一个重要环节。
通过对未来交通需求的预测，交通规划者可以制定相应的交通政策和规划，以满足未来的交通需求。
下面介绍几种常用的需求预测方法：1.基于历史数据的统计方法：这种方法利用历史交通数据，通过统计学模型来预测未来的交通需求。
常用的方法有回归分析、时间序列分析等。
这种方法适用于历史数据较为完整且特征明显的情况。
2.基于交通模型的仿真方法：这种方法利用交通仿真模型来模拟城市交通系统，并预测未来的交通需求。
常用的模型有四阶段交通模型、微观交通仿真模型等。
这种方法适用于对交通系统有较深入了解的情况。
3.基于机器学习的方法：随着大数据技术的发展，越来越多的研究者开始探索利用机器学习方法来进行交通需求预测。
通过对大量的交通数据进行训练和学习，机器学习模型可以自动发现数据中的规律，并进行预测。
常用的机器学习方法有决策树、神经网络、支持向量机等。
需要注意的是，不同的方法在不同的场景下有着不同的适应性。
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。
需求预测方法及模型总结
需求预测方法及模型总结学院：交通运输工程学院专业：交通工程班级学号：071412127学生姓名：刘学鹏指导教师：秦丹丹完成时间：2015-11-26需求预测方法及模型总结交通需求预测是交通规划中的核心内容之一。
交通发展政策的制定、交通网络设计以及方案评价都与交通需求预测有密切的关系。
现代交通规划理论中的交通需求预测习惯上被分为四个阶段，即交通产生预测、交通分布预测、交通方式分担预测及交通网络分配。
下面就对交通需求预测的四阶段法以及其各自的模型进行总结。
一、交通生成预测Ⅰ、增长率法增长率法是根据预测对象（如客货运量、经济指标等）的预计增长速度进行预测的方法。
预测模型的一般形式为： Qt =Q（1+α）t增长率法的关键在于确定增长率，但增长率随着选择年限及计算方法的不同而存在较大的差异。
所以增长率法一般仅适用于增长率变化不大且增长趋势稳定的情况，其特点是计算简单，但预测结果粗略，较适用于近期预测。
Ⅱ、乘车系数法乘车系数法又称为原单位发生率法，类似于城市交通预测中的类别发生率法，它用区域总人口与平均每人年度乘车次数来预测客运量。
模型的形式为：Q t =Ptβ乘车系数可以根据指标的历年资料和今后变化趋势确定，但是乘车系数本身的变动有时难以预测，各种偶然因素会使其发生较大波动。
此外，人口、职业、年龄的变化也使系数很难符合一定规律。
Ⅲ、产值系数法产值系数法是根据预测期国民经济指标值（如工农业总产值、社会总产值、国民收入等）和确定的每单位指标值所引起的货运量或客运量进行预测的方法。
模型的形式为：Q t =MtβⅣ、弹性系数法弹性系数法是通过研究单位社会经济指标产生的小区交通出行量，预测将来吸引、发生量的一种方法。
此法是综合考虑我国经济发展水平和产业结构和发展趋势，参考O、D调查区域社会经济有关文献资料，确定弹性系数的大致范围，结合所得出的历史弹性系数及所处区域位置及相关运网历史交通量与直接影响区历史经济量的回归分析作为进一步的分析手段，确定出项目影响区的交通增长弹性系数，依此进行发生、吸引交通量预测。
5 四步骤交通需求预测模型(4.1)交通分配
交通规划理论与方法（4）——
“四步骤”交通需求预测模型
西南交通大学交通运输学院
杨 飞 （博士、讲师）
交通运输学院
主要内容
交通分配的基本问题描述
交通分配作用 基本概念： 路径与最短路径、交通阻抗、交通均衡问题、非均衡 问题、交通网络的数学化表示
非均衡分配方法
如全有全无分配法、单路径分配法等 B-L均衡分配法（重点）
4.3 基本概念
（4）交通阻抗 A.路段阻抗的函数关系确定 通过实测数据进行回归分析或者理论研究两种方 式对于公路走行时间函数研究
其中被广泛应用的是由美国道路局（BPR –Bureau of Public Road）开发的函数，被称为BPR函数
4 交通分配
4.3 基本概念 （4）交通阻抗 A.路段阻抗的函数关系确定 时间-流量函数曲线变化特征猜想
如果两点之间有很多条路线可供出行者选择那每个出行者自然都选择最短路径随着这两点之间交通量的增大其最短路径上的交通流量也会随之增加增加至一定程度之后这条最短路径的走行时间就会因为拥挤或堵塞而变长以至长过次短路径的走行时间于是就有一部分道路利用者会选择次短的道路随着两点之间的交通量继续增加两点之间的所有道路都有可能被利用特大城市支路的利用4交通分配45交通均衡基础问题道路网均衡状态特征如果所有的道路利用者都准确知道各条道路所需的行走时间并选择走行时间最短的道路最终两点之间被利用的各条道路的走行时间会相等没有被选择的道路的走行时间会更长两点之间被利用的各条道路的走行时间会相等没有被选择的道路的走行时间会更长这种状态被称之为道路网的均衡状态1952年wardrop给这种均衡状态下了准确定义4交通分配45交通均衡基础问题wardrop第一原理在道路网利用者都知道网络的状态并试图选择最短路径时网络会达到这样一种均衡状态
- 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)。
6
哈尔滨工业大学
P(人) Pn
P0
a
n-1
n
直线
y
1
k
Pn (人) Pr0
P0 n(年）
（r>0）
指数曲线
（r<0） n（年）
1 k+a
0
t
Logistic曲线
曲线人口预测模型
交通规划理论-Transportation Planning Theory
14
哈尔滨工业大学
交通规划理论-Transportation Planning Theory
15
哈尔滨工业大学
四、城市市内货运交通生成预测
通常先对城市总的货运情况进行预测，再分配到各交通区。 1、货运总量预测
影响因素通常包括：工农业产值、产业结构 2、交通区货运量分配预测
影响因素为交通区的地理位置、用地性质、用地面积等。
9
哈尔滨工业大学
一、基本方法 交通生成(Trip Generation)预测方法包括：生成率法、
类别生成率法、回归分析法等多种。 1、生成率法(Traffic Rate Method )
从OD调查中，可得出单位用地面积(单位人口或单位 经济指标等)交通产生、吸引量，如假定其是稳定的，则根 据规划期限各交通区的用地面积(人口量或经济指标等)， 便可进行交通生成预测。
其主要有Logit模型、Probit模型。
交通规划理论-Transportation Planning Theory
27
哈尔滨工业大学
四、交通方式分类 可分为：自由类、条件类和竞争类。
1.自由类交通方式 主要指步行交通方式。
2.条件类交通方式 主要指单位小汽车、单位大客车、私人小汽车、摩托
车等交通方式。 3.竞争类交通方式
交通规划理论-Transportation Planning Theory
10
哈尔滨工业大学
2、类别生成率法
类别生成率法是考虑对交通产生或吸引影响较大的某 些因素，如人口、职业结构、用地面积等，由这些因素组 合成有不同生成率的类别，根据现状调查资料、统计不同 类别单位指标的交通产生、吸引量，进而进行交通生成预 测。
4
哈尔滨工业大学
3、交通预测的步骤 居民出行预测—居民出行生成预测，分布预测，方式预测。 流动人口出行预测—流动人口出行生成预测，分布预测，
方式预测。 对外及过境客运交通预测—对外及过境客运生成预测，分
布预测，方式预测。 城市市内货运预测—城市市内货运交通生成预测，分布预
测。 对外及过境货运交通预测—对外及过境货运交通生成预测，
城市市内货运交通预测和城市对外及过境货运交通预 测两部分。
交通规划理论-Transportation Planning Theory
3
哈尔滨工业大学
居民出行预测
客运交通预测
流动人口出行预测
城 市 交 通 预 测
货运交通预测
对外及过境客运交通预测 市内货运交通预测
对外及过境货运交通预测
交通规划理论-Transportation Planning Theory
20
哈尔滨工业大学
1.双约束重力模型(Double Constraint)
模型形式为：
X ij Ai B j Ti U j f tij
1
Ai B j U j f tij
j
Bj
Ai Ti
f
tij
1
i
该模型结构满足
Xij U j及 Xij Ti
i
j
两个约束条件，故为双约束重力模型。
包括：自行车、公共汽车、出租车、卡车等。
交通规划理论-Transportation Planning Theory
28
哈尔滨工业大学
城市 伦敦 巴黎 纽约 莫斯科 柏林 维也纳 东京 新加坡 北京
部分国外城市交通方式列表
城市铁路
地铁
公共汽车
14
24
35
17
25
15
6.5
44
24
11
28
55
3.3
31
预测模型，并运用这些模型预测规划区域未来交通需求状 况，其目的是为交通系统的规划、评价提供依据。
交通规划理论-Transportation Planning Theory
2
哈尔滨工业大学
2、交通需求预测的内容 客运交通预测
城市居民出行预测、城市流动人口出行预测、城市对 外及过境客运交通预测等三部分。 货运交通预测
分布预测，方式预测。 交通分配预测。
交通规划理论-Transportation Planning Theory
5
哈尔滨工业大学
§3.2社会经济发展预测(Social Economy)
1、人口预测 人口增长回归预测法； 曲线人口预测模型； 人口预测参数变动模型。 2、经济预测 类推预测法； 时间序列预测方法。
Vjg
M jg M
Aj jg Aj
Tg
j
交通规划理论-Transportation Planning Theory
16
哈尔滨工业大学
五、城市对外及过境客(货)运交通量生成预测
与市内货运交通生成预测类同方法，可先根据城市发展 状况预测其总量的增长情况，再考虑用地等状况将总量分 配到各交通区。
交通规划理论-Transportation Planning Theory
居民出行生成预测
居民出行分布预测
居民出行方式预测 流动人口出行生成预测
流动人口出行分布预测
流动人口出行方式预测
对外及过境客运交通生成预测 交
通
对外及过境客运交通分布预测
分
配
对外及过境客运交通方式预测
预
测
市内货运交通生成预测
市内货运交通分布预测
对外及过境货运交通生成预测
对外及过境货运交通分布预测
对外及过境货运交通方式预测
13
哈尔滨工业大学
三、城市流动人口出行生成预测
流动人口按目的可分为：劳务、出差、旅游、探 亲、过路等，按逗留的时间可分为：长住、暂住、当 日进出等。 1、出行产生预测—可采用生成率法； 2、出行吸引预测—可同居民出行吸引类同的方法。
交通规划理论-Transportation Planning Theory
17
哈尔滨工业大学
六、交通生成预测案例 建立TransCAD路网 TransCAD应用于交通生成量预测
交通规划理论-Transportation Planning Theory
18
哈尔滨工业大学
§3.4交通分布预测(Trip Distribution)
一、 增长系数法(Growth Factor Method) 包括均衡增长率法、平均增长率法、底特律法、弗雷
3、回归分析法(Regression Analysis Method )
根据调查资料，建立交通产生或吸引与其主要影响因 素之间的回归方程，利用所建立的回归方程，通过对主要 影响因素的预测，进而预测交通产生量或吸引量。
交通规划理论-Transportation Planning Theory
11
哈尔滨工业大学
的交通产生量、交通区j的交通吸引量成正比，与交通区i 和j之间的交通阻抗参数成反比。
交通阻抗参数：反映交通区间交通便利程度的指标， 是对交通区间交通设施状况和交通工具状况的综合反映。 可用距离、时间或费用等表示。
分类：无约束、单约束和双约束模型三类。
交通规划理论-TransportatBiblioteka on Planning Theory
包括：社会发展水平、职业、工作(学习)时间制度等。可 分别就上班(学)出行产生预测和 生活、文娱、公务出行产 生预测。
2、居民出行吸引预测
根据分析，影响居民出行吸引的因素包括用地情况、交 通区所处区位，以及建筑情况、传统地位等特性。
交通规划理论-Transportation Planning Theory
交通规划理论-Transportation Planning Theory
21
哈尔滨工业大学
2.用双约束重力模型预测的步骤： 将预测的交通产生量、吸引量及阻抗代入双约束重力模型； 假定Bj的初始值为1，计算Ai； 将Ai代入计算Bj，并迭代至收敛； 将所得Ai、Bj代入求得Xij，即为交通分布预测量。
交通规划理论-Transportation Planning Theory
22
哈尔滨工业大学
3.重力模型的特点 优点： 考虑因素全面； 对交通阻抗参数的变化能敏感地反应； 没有完整的现状OD资料也可采用。 缺点： 计算复杂； 当交通阻抗趋于零时，误差较大。
交通规划理论-Transportation Planning Theory
7
哈尔滨工业大学
§3.3交通生成预测(Trip Generation)
交通规划理论-Transportation Planning Theory
8
哈尔滨工业大学
2 8
7
3
1
6
5 4
区号
1 2 3 4 5 6 7 8
产生量P
吸引量A
Production Attraction
交通规划理论-Transportation Planning Theory
26
哈尔滨工业大学
§3.5交通方式预测(Modal Split)
一、影响方式选择的因素 影响方式选择的因素可以分为三类，即出行者特征、出
行特征及交通方式特征。 二、交通方式预测的集计模型
交通方式集计模型主要包括转移曲线法和回归模型法。 三、离散选择模型