城市道路交通流预测
城市道路交通流预测
1交通流预测方法历程
在交通预测方法方面，上世纪60年代，国外就开始研究交通流预测模型，并逐渐将这些模型应用于短时交通流预测。早期的预测方法主要有时间序列法，自回归滑动平均模型(ARMA)、卡尔曼滤波预测模型等等。这些预测模型主要为线性模型，其考虑因素都较为简单，一般都用最小二乘法(LS)在线估计参数，利用历史数据线性变化趋势预测交通流参数。早期的方法具有计算简便，易于数据实时更新，便于数据量和规模较小的条件下应用的优点；但是由于这些模型不能体现交通流的非线性和随机性，很难克服随机因素对交通流量的干扰，所以随着预测时间隔的缩短，随机因素的作用也增强了，这些模型的预测精度和实时性也就变得达不到预期的效果。
伴随着交通流量预测研究的深入进行，学者们又提出了很多更复杂的、更高精度的预测方法和模型。从表现形式上大体可分成三类：第一类是早期以数理统计等传统数学方法为基础的线性预测模型；一类是以现代控制理论和科学技术(如模拟技术、神经网络、模糊控制)为主要方法和手段而形成的非线性预测模型，他们的特点是不需要精确的物理模型，在一定应用范围内却具有良好的鲁棒性、精确度；第三类主要是前两者的组合应用，第三类方法综合了的特性，克服前两者他们的缺点，使得前两者的优点互补，从而达到很好的预测效果。这类方法建模过程较为复杂，但为短时交通流预测研究开辟了新的路径，也是将来短时交通流预测方法的发展方向。
早在1994 年Hobeika, A. G 和Chang Kyun Kim 在文献中提出了根据截面历史数据、实时数据和上游交通流数据进行短时交通流预测。Brian L. Smith 和Miehael J. Demetsky(1997)在文献中对历史平均预测模型、时间序列预测模型、神经网络预测模型和非参数回归预测模型四种交通流预测模型进行了比较，结果非参数回归模型以其模型简单，精度高成为了小样本预测中最佳的
预测方法。Bart Van Arem(1997)等在文献中分析和阐述了短时交通流预测领域研究的相关进展和应用。2002 年，Sherif Ishak 和Haitham Al-Deek 在文献中应用实时交通流数据对几种短时交通预测模型进行了应用、比较和分析。
我国智能交通建设与国外发达国家相比起步较晚，在短时交通流预测方面的研究起步也稍微晚一点。从90 年代起，国内一些研究机构和高校的交通领域的学者开始着手研究交通信息采集和数据挖掘技术，并逐渐开始重视短时交通流预测这一领域的研究。针对短时交通流预测的研究，吉林大学、东南大学、同济大学等都进行了大量的研究工作并获得了一些成果和成功的应用案例。其中杨兆升教授是短时交通流预测领域的先行者，他较早提出了基于卡尔曼滤波技术的交通流量预测方法。王晓原，吴磊等在文献中利用非参数小波算法进行短时交通流预测，通过实际数据验证得到了良好的效果。李存军在文献中结合数据融合，神经网络等现代智能方法对交通流进行预测，并引入了路网中相关路口相关评价概念，从而有效利用路网中相关交叉口数据对交叉口流量进行预测。刘静，关伟(2004)在文献中介绍和评述了现有的交通流预测各种模型，并展望了今后可能的发展和研究趋势。
总之，目前国内对于交通流预测模型研究和应用已经做了大量的工作和实践，交通流量的预测研究也取得了飞速的发展，已由线性方法向非线性方法发展，交通流的随机性在预测中越来越得到重视；由单一的流量数据向多种数据融合的方法发展；由单一路口流量数据向综合考虑相关路口数据的方法发展。但目前的交通流预测精度和实时性还有待提高，预测的时间间隔大部分为15 分，主要应用只限于高速公路的交通流预测。
2交通流基本参数
交通流参数主要有交通流量、速度和密度三个基本参数，这三个参数信息是智能交通系统中实现交通控制和诱导的基础。下面分别介绍这三个参数。
（1）交通流量
交通流量又称流率，是指路网中某一地点或某一断面在单位时间内通过的车辆数。若道路上某一点在时间周期T 内通过的车辆数为N，则交通流量为：
q=N/ T
交通流量是交通流参数中尤为重要的参数，它最直接的反映了路段的交通状况，因此它是交通预测、交通状态判别等研究的基础。它的实际数据不仅能够很容易地测量到，而且能够最直观地反应道路交通的通行状况。
（2）车速
车辆速度种类较多，主要有地点车速、行驶车速、区间车速、时间平均车速和空间平均车速等。地点车速指：车辆驶过道路某一点或者某一截面时的瞬间速度；车辆行驶车速指：通过一定路段长度，在实际行驶时间中(不含停车时间)的可变车速；区间车速指：车辆在一定路段长度所行使的距离除以行驶的总时间所求得的速度；时间平均速度：指定道路某一点或者截面，通过的所有车辆的地点车速的平均值；空间平均车速指：在某指定时间周期里，某路段内通过的所有车辆的地点车速的平均值。本文主要通过预测流量、分析路段交通状况，以提高交通流实时控制和诱导的水平。
（3）密度和占有率
交通流(车流)密度：是指某一时刻单位道路长度上存在的车辆数目。
K=N/L
式中：N —路段内的车辆数(辆)；L—路段长度(km)。
由于密度是一个瞬时值，观测时间和路段区间长度的不同，其值变化可能比较大，且不能直接反映出路段上车辆数量和速度的关系即路段的饱和度。所以学者们引入了车道占有率的概念替换密度。车道占有率又分为空间占有率和时间占
有率。由于空间占有率难以检测，因此在工程实践中普遍使用时间占有率。
空间占有率：是指某一时刻，路段上所有车辆长度之和占路段长度的比例.
时间占有率：在道路的某一截面上，存在车辆通过的时间之和占检测时间周期的比例.
（4）交通流参数间关系
交通流量、速度和密度这三个参数既相互联系而又相互制约。在实际的道路交通运行中，无论三个因素中哪一个因素达到一定的量变都会引起交通流状态的质变。三者之间的关系可以表示为：Q=KV
式中：Q 表示流量(辆/h)；V 表示速度(区间平均速度)(km/h)；K 表示密度(辆/km)。
尽管三个参数可以在三维坐标中同时表示，但为了研究和工程应用的方便通常采用速度—流量模型、速度—密度模型以及流量—密度模型这三个二维模型的来分别表示它们彼此间的关系。速度—密度模型可以作为基础模型，利用它再推导出其它两个模型。Greenshields 最早于1935 年提出的速度—密度线性模型；后来Greenberg 又建立了表示速度—密度关系的对数模型；Underwood 在1961 年相继建立了表示速度—密度关系的指数模型；在对数模型与指数模型的基础上，同年Edie结合两者的特性建立了两端模型；1967 年，May 根据跟驰理论推导出了各向同性的四参数单段连续模型。
三个交通流参数的关系还可以描述为：当交通流量不大即密度很小时，车辆畅通行驶，平均车速较高，但是此时交叉口单位时间通过的车辆也不多；随着交通流量不断增大，虽然车辆仍然能自由通行，但车辆行驶速度有随之降低；当交通密度增加到最佳密度时即路段交通流处于近饱和状态，此路段交通流量达到最大值，即道路的通行能力，交通流形成了车辆跟驰现象，车速仍然较高但很均衡；当交通密度继续增大，即交叉口处于过饱和状态下，此时交通流量反而下降，车速明显降低直到接近于零，道路交通出现阻塞现象，此时交通密度也逼近极限值——阻塞密度。
3目前主要采用的方法
据相关资料统计，目前已经有３００多种的预测方法应用于交通流量预测研巧领域（屈凡，２０１２）。下面介绍几种在国际交通流量预测中常用的方法。
（1）
历史平均预测方法原理是：基于历史交通数据和目前实时数据建立相关预测
Q(t+1)= ?*Q（t）+（1-?）*Q（t-1）
其中：
一Q(t+1)
一Q（t）代
一Q（t-1）
一?
历史平均预测方法的优点是：计算相对简单，基于线性计算；缺点是：若交
（2）
卡尔曼滤波模型同样也是基于线性统计的回归原理。自从卡尔曼滤波理论被创立，就被各个行业大量应用，例如：航空航天，雷达信号处理，取得Ｉ很多实际成果。它的主要原理是：假设对每个时刻的系统扰动和噪声进行线性统计，通过对含有噪声的信号处理，依据最小均方差估计原则，求得误差最小的真实信号的估计值。卡尔曼滤波的优点是：具有不错的鲁棒性，可以进行实时处理，预测精度高；缺点是：由于是线性估计，若交通流量的非线性变化大，其结果准确性
（3）非
非参数回归预测方法不同于上述的历史平均预测法和卡尔曼滤波模型的线性统计，它是对非线性、不确定的动态系统进行非参数建模（ＨｏｂｅｉｋａＡＧ，１９９４；Ｓｍith ＢＬ，２００９）。该方法仅仅基于大量的历史交通流数
据，旨在计算和历史交通数据相近点来预测未来某时刻的交通流量（樊娜，２０
且当数据量越大，预测越准；缺点是：由于交通系统本身很复杂，故交通流量的
（4）
灰色理论的基础是：看似杂乱无章的世界，其实是有序的，具有整体功能性。灰色理论预测方法的原理是：从海量数据中挖掘出数据内部存在的关联关系，继而生成具有某种关联关系的数据序列，然后建立相应的数学公式，从而预测未来的交通流量。研究的主要对象是贫信息、小样本系统。所谓贫信息可Ｗ简单理解为只能获取样本的局部信息。灰色理论预测交通流量的缺点是：对于突发状况引
（5）综合模型(ln
由于交通流量具有高度的复杂性和随机性，单一的交通流量预测方法只能适用于某一指定领域，加么多重非线性因素的干扰，急需发展综合模型来预测交通流量。综合模型预测方法顾名思义，就是将多种单一预测模型进行融合使用，扬
常见的综合模型预测方法有：基于小波理论的综合模型和基于神经网络的综合模
现如今，已有互联网地图服务公司，例如：国外的ＧｏｏｇｌｅＭａｐ，国内的百度地图、高德地图，都提供了更加实用的通勤交通信息：实时路况查询，用户可以查询到当前以及未来一周内任意时刻的交通流量，这无疑为人们的出行提供准确的交通指导和帮助。各地图服务公司提供的路况查询，基本原理都是基于浮动车的ＧＰＳ数据，依据相关算法推算出当前乃至未来某时刻的交通拥堵程度。截止至现在，上文介绍交通流量预测方法共性是都基于己存在的交通流数据进行预测，若不存在交通流量数据，上述预测模型皆行不通。这就需要另换思路来预测交通流量，技术创新或许是个不错的预测交通流量的新思路（赵鹏军，２
０１４）。交通流量预测可以不需要单纯基于交通流量数据进行分析，基本人口数据、公共交通数据，出租车ＧＰＳ轨迹数据等多源数据为交通流量准确预测创
城市道路交通流预测
城市道路交通流预测 1交通流预测方法历程 在交通预测方法方面，上世纪60年代，国外就开始研究交通流预测模型，并逐渐将这些模型应用于短时交通流预测。早期得预测方法主要有时间序列法，自回归滑动平均模型(ARMA)、卡尔曼滤波预测模型等等。这些预测模型主要为线性模型，其考虑因素都较为简单，一般都用最小二乘法(LS)在线估计参数，利用历史数据线性变化趋势预测交通流参数。早期得方法具有计算简便，易于数据实时更新，便于数据量与规模较小得条件下应用得优点；但就是由于这些模型不能体现交通流得非线性与随机性，很难克服随机因素对交通流量得干扰，所以随着预测时间隔得缩短，随机因素得作用也增强了，这些模型得预测精度与实时性也就变得达不到预期得效果。 伴随着交通流量预测研究得深入进行，学者们又提出了很多更复杂得、更高精度得预测方法与模型。从表现形式上大体可分成三类：第一类就是早期以数理统计等传统数学方法为基础得线性预测模型；一类就是以现代控制理论与科学技术(如模拟技术、神经网络、模糊控制)为主要方法与手段而形成得非线性预测模型，她们得特点就是不需要精确得物理模型，在一定应用范围内却具有良好得鲁棒性、精确度；第三类主要就是前两者得组合应用，第三类方法综合了得特性，克服前两者她们得缺点，使得前两者得优点互补，从而达到很好得预测效果。这类方法建模过程较为复杂，但为短时交通流预测研究开辟了新得路径，也就是将来短时交通流预测方法得发展方向。 早在1994 年Hobeika, A、G 与Chang Kyun Kim 在文献中提出了根据截面历史数据、实时数据与上游交通流数据进行短时交通流预测。Brian L、Smith 与Miehael J、Demetsky(1997)在文献中对历史平均预测模型、时间序列预测模型、神经网络预测模型与非参数回归预测模型四种交通流预测模型进行了比较，结果非参数回归模型以其模型简单，精度高成为了小样本预测中最佳得预测
交通量分析与预测
第三章交通量分析及预测 3.1现状交通调查及分析 3.1.1项目影响区的确定 项目影响区根据对项目的影响程度，分为直接影响区和间接影响区，一般按行政区域划分。根据对各地区经济和交通的影响程度以及区域内物流和车流集散的特点，结合各地区社会经济、交通运输现状和路网状况，本项目直接影响区为彭山区，间接影响区包括眉山市、新津县等。 3.1.2交通现状分析 1、交通现状 随着城市建设用地的变化及产业结构的调整，步行和自行车出行仍然是居民的主要交通方式，但重要性有所下降，两轮电动车的出行比例已上升至10.1%，汽车出行增长较快，达到12.5%，公交车比例仅为14.7%。彭山区私家车发展势头强劲，将成为未来城市机动车增长的主要因素。 2、项目影响区交通现状及规划条件 城市交通状况的恶化和城市规模不断扩大、人口不断增加关系十分密切，当然这也是城市发展过程中必然会遇到的问题。当前我们正处在快速城市化和快速机动化交织的历史时期，城市交通压力急剧增加，过去五年彭山区机动车每年以10.8%的速度增长，而同期道路的增长速度远低于此。彭山区城范围内现状主次干道路网密度2.44公里/平方公里，城市支路路网密度更低，而城市主干道和支路的平均容积率要达到规划水平，还存在有很大差距。因此加大路网建设力度仍然是解决城市交通问题的重要途径。 3.2 交通量预测方法 交通量预测分析的目的是通过对片区路网的分析，研究项目建设给片区经济发展所带来的交通影响及其程度，判断在当前这种交通路网的承载能力下的影响，能否在可接受的范围内，并确定合理的项目出入口位置。道路断面的设置形式是否合理，满足交通功能的要求是最基本的条件。设计通行能力低于设计交通量的道路形式是不合适的，因为它容易造成片区路网的交通拥挤，甚至发生交通堵塞，要求设计通行能力必须大于设计交通量。另一方面，通行能力也不能过大，否则使道路资源不能充分利用，必然造成大量的浪费。
基于神经网络的交通流预测研究
河北工业大学 硕士学位论文 基于神经网络的交通流预测研究 姓名：彭进 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：赵晓安 20081101
河北工业大学硕士学位论文 基于神经网络的交通流预测研究 摘要 作为智能交通系统的核心内容之一，智能交通控制与诱导系统一直是智能交通研究的热门课题。城市交通流控制与诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。而实时、准确的交通流量预测正是这些系统实现的前提及关键，交通流量预测结果的好坏直接关系到交通控制与诱导的效果。交通控制与诱导系统需要在做出控制(诱导)变量决策的时刻对下一决策时刻乃至以后若干时刻的交通流量做出实时预测。 目前，我国普遍采用遥感微波检测器或环形线圈检测器检测实时交通流量。但是，对于一个完善的交通流诱导系统而言，采用实时检测设备检测的交通流信息具有滞后性。因此，实现城市交通流诱导系统的关键是道路交通状况的预测，也就是采用相应的技术，以有效地利用实时交通数据信息滚动预测未来一段时间内的交通状况。根据预测的交通流信息实现交通流的诱导，以避免交通拥挤，实现交通的畅通。 本文主要研究人工神经网络在实时交通流预测中的应用。在应用人工神经网络预测交通流量方面提出了有效的途径。本论文的主要研究工作为： (1)介绍了交通流预测系统基本概念及理论框架，并提出了路段短时交通流预测 模型； (2)利用BP神经网络的优势，提出了一种改进型BP网络算法。实验结果表明 该算法在路段短时交通流预测方面有着优良的效果； (3)结合递归Elman网络和BP网络的优点，提出了一种综合型交通流预测算法。 该算法具有较强的非线性函数逼近能力和学习能力，为路段短时交通流预测 提供了一种有效的途径。 关键词: 交通流，人工神经网络，BP网络，Elman网络，预测 i
道路项目交通量预测方案
1、交通量预测依据的确定，预测思路和方法的撰写； ①明确本项目的开工时间、建成时间以及投入运营的时间； 2、现状交通调查及分析； ①确定交通小区：明确道路沿线周围的区、城镇、县等的行政管辖界限以及这些地区的大概用地性质，以便于道路影响交通小区的划分和影响范围的确定； ②制定交通调查的表格（客车和货车的调查表格）； ③确定调查点（主要以城市出入口、快速路与快速路以及主干路等的大流量交叉口、主要人流量和车流量产生与吸引点） ④调查车流量的统计分析； ⑤本道路现状交通量的调查与分析（项目历年来的交通量统计、如果有分段的历年流量统计最好，还有分车型）； ⑥与本道路相交的每条道路的历年流量统计（尽量包括所有相交道路历年来的分车型流量统计）； ⑦确定本项目内是否有其他运输方式（比如铁路、航空等，如果有确定每个方式的规模和年运输量） 3、基年OD表的计算分析 ①评价年的确定; ②基年影响范围内交通小区OD的计算,根据OD公式来计算（分别统计出客车、货车的OD以及总的OD）; ③对基年OD的交通特性进行分析；
4、交通量预测； ①各影响交通小区发生、集中交通量预测（本项目应用弹性系数模型来进行交通量预测，为了确定相关弹性系数，需要提供的数据主要有：各个影响范围内各个城镇、县、区等历年来的人口、GDP、（近一二十年来第一产业、第二产业、第三产业所占比重）、人均GDP等）； ②各影响交通小区弹性系数预测（各个影响范围内各个城镇、县、区等历年来公路运输情况：包括客运量、客运周转量（亿人公里）、货运量、货运周转量（亿吨公里））； ③各影响交通小区国内生产总值预测和交通增长率预测 5、趋势交通量 ①应用“弗莱特”模型进行交通量分布； ②确定未来年的趋势OD交通量； ③结合各小区未来年趋势OD交通量总结出本项目路段未来年的总趋势交通量； 6、转移交通量； 确定本项目影响范围内是否有其他交通方式，如果有确定好每种其他方式未来年的转移交通量，然后总结出未来年总的转移交通量。 7、诱增交通量 对拟建项目各特征年份诱增交通量增长率进行预测。 8、未来交通量预测 未来各影响区之间的交通量包括三个部分，即趋势型交通量、转移交通量和诱增交通量。一般说来，诱增交通量和转移交通量主要分
交通流预测方法
交通流预测方法 随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成了全球共同关注的问题。那么对于交通流的预测不仅是城市交通控制与诱导的基础，还是解决道路拥堵问题的关键。如果能精确的预测交通网中各个支路上的汽车流量，那么我们可以运用规划方法对交通流进行合理的优化，从而使得道路的利用率达到最大，也可以解决部分拥堵问题。在新建道路的前期也需要对兴建道路的车流量进行一个长期的交通预测，从而对道路的经济效益进行评估，对论证道路修建的可行性研究提供依据。由此可见，对交通流的预测是必要的，在本课题中我对四公里立交车流作一个最优函数估计，旨在对四公里立交的车流进行精确预测。 交通流理论是研究交通随时间和空间变化规律的模型和方法体系。多年来交通流理论有了较快的发展，众多学者在这一研究方向做出了许多优秀的成果，将交通流理论运用于交通运输工程的许多研究领域，如交通规划、交通控制、道路与交通设施设计等。 预测方法从大体上可分为定性预测与定量预测。定性预测中主要有相关类比法、德尔菲法等；定性预测则分为因果分析、趋势分析智能模型。因果分析主要方法有线性回归、非线性回归等模型；趋势分析主要有时间序列模型、趋势回归模型等；智能模型主要包括神经网络模型和非参数回归模型。 短期交通流的预测方法较早期的有：自回归模型（AR）、滑动平均模型（MA）、自回归滑动平均模型（ARMA）、历史平均模型（HA）和Box-Cox法等，随着该领域的发展，预测方法不断趋于精确，在大批学者的共同努力下出现了许多更加复杂、精度更高的预测模型。大体来说可分为两类：一类是以数理统计和微积分等传统的数学方法为基础的预测模型，主要包括：时间序列模型、卡尔曼滤波模型、参数回归模型等；第二类是以现代科学技术和方法（如模拟技术、神经网络、模拟技术）为主要研究手段而形成的短期预测模型，该种方法不追求严格意义上的数学推导和明确的物理意义，更加重视与现实交通流量的拟合接近程度，该种方法主要包括非参数回归模型、KARIMA算法、基于小波理论的方法、谱分析和多种与神经网络相关的复合预测模型等。现阶段广泛应用的主要有以下四种模型。 历史平均模型Stepehanedes于1981年将此方法应用于城市交通控制系统中。其特点有算法简单，参数可用最小二乘法进行估计，操作简单，速度快，但其由于它是一种静态的预测方法，不能反映动态交通流基本的不确定性和非线性性，无法克服随即干扰因素的影响。 时间序列-ARIMA模型由Ahmed和Cook于1979年首次在交通领域提出。在大量连续数据的基础上，此模型没有较好的预测精度，但需要复杂的参数估计，且其对历史数据的依赖性较高，成本较高。该方法技术比较成熟，特别适用于稳定的交通流。该模型只是单纯从时间序列分析的角度进行预测，没有考虑上下游路段之间的流量关系。 神经网络模型人工神经网络诞生于20世纪40年代，Schin 于1992年用之于长期的交通预测，1993年1994年Dougherty 和Clark 分别将其应用于短期交通预测。该方法在一定程度上摆脱了建立精确数学模型的困扰，为研究工作开辟了新的思路。应用较广泛的有BP神经网络-误差反传神经网络模型、单元神经网络模型、基于谱分析的神经网络模型、高阶神经网络模型和模糊神经网络模型等方法 非参数回归模型，由Davis和Smith于1991年应用到交通预测领域，该预测方法是一种适合不确定性、非线性的动态系统的非参数建模方法。无需先验知识，只需足够的历史数据。 鉴于道路交通系统的非线性、复杂性和不确定性等特征，许多无模型的预测方法被应用到短期的交通流预测当中，且取得了良好的效果，研究发现，考虑上下游道路流量的关系的预测方法更能反映实际情况，比起单纯的时间序列预测方法更加贴合实际，有更大的发展空间。
可研交通量分析
由于经济和人口因素发生变化，道路整改后，这个区域内的交通量会发生一定的增长，对这种增长的交通量预测称为趋势交通量预测。预测时，以路段交通量的增长与其影响区的经济增长之间的关系，采用多元回归法进行预测。 1、影响区系数 影响交通量变化的相关指标有人均国民生产总值、人均国民收入、车辆拥有量等，利用数理统计知识，将各交通区经济指标与相应交通区的客货运量进行回归分析总结，得出各指标的相关系数，取最大相关系数对应的指标作为最相关指标，根据相关指标增长率确定路段的影响区系数。 影响区系数： ij ak k L m L m /)(∑= 式中，k L ：路段在影响区内的里程 ak m ：为影响区域内的最相关指标增长率 ij L ：路段的总里程 2、正常交通量预测模型 m A A i i Q Q y y n n 101+==- 式中，n Q ：远景第n 年的路段交通量 1 -n Q ：远景第1-n 年的路段交通量，当1=n 时为基年交通 量 y i ：交通量增长率 A ，1A ：待定参数，根据历史年份的y i ，m 用最小二乘法 确定
本项目建成后，线路通行能力提高，从而导致部分交通量从其他路线转移到本项目路线上来。这部分交通量是由于道路的建成而产生的，同时也构成了这一路网的基本交通量。因此合理地确定转移交通量对道路交通量分析和预测具有重要作用。 1、交通阻抗 确定交通阻抗是转移交通量和诱增交通量预测的关键步骤之一，交通阻抗是指路网中路段或路径的运行距离、时间、费用、舒适度或者这些因素的综合。我们这里针对城市里居民出行考虑的首要因素，选取平均行驶时间作为路段的交通阻抗。 3 321)/(])/(1/[/C Q C Q U U U L t x ααβαβ+=+== 式中，t ：交通阻抗 U ：车辆平均行驶速度，h km / x U ：道路的设计车速，h km / 1α，2α，3α：回归参数 Q ：交通量，辆/h 2、相关路段转移交通量预测 （1）转移交通量计算公式 ro r r r Q Q Q P Q P Q t t c t t c c t c t c t P c t c t c t P -=?=+=+=-+--=-+--=0011100111111000000/2/)(2/)()]/exp()//[exp()/exp()]/exp()//[exp()/exp(σσσσσσ 式中，0t ，1t ：道路建成前、后的交通阻抗
城市轨道交通客流预测与分析方法
城市轨道交通客流预测与分析方法 摘要：随着时代的发展，我国人民群众出行的需求量越来越大，城市轨道交通 也就得到了良好的发展，对城市轨道交通进行客流预测有利于对城市轨道交通进 行更好的建设，以保障其能够尽可能的满足我国人民群众的出行需求，所以接下 来在本文中，笔者将主要对城市轨道交通客流预测与分析方法进行探究。 关键词：城市轨道交通；客流预测、分析方法 自1965年我国北京第一条地铁建设至今，我国城市轨道交通的发展已经具有了 半个世纪的历史，当今我国已经全面建成小康社会，并积极推动社会主义现在化 的发展，同时发展城市轨道交通已经被列入了国民经济的计划发展之中，其有利 于促使我国城市化率不断得到提高，并且为了保障我国人民群众的出行需求得到 满足，我们需要采取相应的方式，促使我国城市轨道交通得到快速健康的发展[1]。 一、进行城市轨道交通客流预测的重要性 所谓客流预测，就是在城市总体规划和综合交通规划的基础上，对未来的交 通需求状态进行一个量化的描述。在我国城市轨道交通项目的规划和建设之中， 有诸多的问题需要通过对客流预测所得到的数据进行支持。就目前为止，我们面 临的主要需要通过客流预测进行判断和解决的问题如下：第一，对于城市轨道交 通工程进行建设具有一定的必要性和迫切性；第二，对城市轨道交通的车辆选型 以及交通制式的选择进行确定；第三，对城市轨道交通的系统设计运能、行程密度、行车交路等进行确定；第四，对车站的基本规模以及站台的长度、宽度、出 入口的宽度等进行确定；第五，对机电设备系统进行选择；第六，对售票检票系 统的制式和规模进行选择，并对票价进行拟定；第七，对运营成本以及经济效益 进行核算。 所以说，进行客流预测工作对于城市轨道交通的规划、设计以及各方面的前 期工作来说具有重要的意义，甚至我们可以说，对城市轨道交通进行客流预测， 并对其结果进行相应的分析和应用，能够为城市轨道交通的设计工作以及建设工 作打下重要的基础，所以目前我们已经对国内城市轨道交通线网规划、建设规划 以及轨道交通项目工程的可行性进行研究。 二、进行城市轨道交通预测的主要内容 根据我国城市轨道交通相关的工程项目建设标准，在对城市总体进行规划和 对轨道交通线网进行规划的前提下，我们对不同的设计年限以及不同的城市轨道 交通进行客流预测的成果主要如下： （一）全网客流 各条线路全日客流总量；各条线路高峰小时客流总量。 （二）全线客流 全日客流量；各小时段的客流量；全日的平均运距；高峰小时的平均运距； 全日各级运距的乘客量。 （三）车站客流 全日各车站的乘降量；早高峰小时各车站的乘降量；晚高峰小时各车站的乘 降量；全日站间断面流量；早高峰小时站间断面流量；晚高峰小时站间断面流量；超高峰系数；突发客流。 （四）OD客流
城市道路交通分析
第一章城市道路交通分析 §1、城市道路交通流特性 1、1 概述 ①城市交通分为两类：一类就是市际交通（对外交通）；另一类就是城市内部交通，（城市交通）。市际交通就是指城市与城市、城市与城市以外地区之间得交通，由设在市区内得市际交通设施，如铁路站场、港口码头、机场、长途客货运车站及出入城市得道路系统来完成；城市内部交通就是指城市市区内部交通，主要由各种交通设施如城市道路、地下铁道、高架桥以及交通控制设施等完成。 ②一个城市得交通运输系统，就是由各种相对独立得交通形式相互协调组成得，城市道路只就是其中一部分。城市交通，要高效率、低消耗地为城市服务，必须对城市交通统一规划、统一建设、统一管理，用系统工程得理论与方法解决城市交通问题，诱导与促进城市得发展。 ③城市内部交通又可分为客运交通与货运交通。客运交通又可分为公共客运交通、私人个体客运交通以及地铁交通等形式，货运交通亦可分为专业运输单位与私人个体运输等形式。 ④道路交通就是由人、车、路及环境组成得一个大系统，现代城市得道路交通问题，需要综合研究在道路上行驶得车辆特征、行人及驾驶员得心理生理状况、道路得技术标准以及交通管理与控制等多方面得问题，以便协调解决。 ⑤与此相关得专门学科“交通工程学”，就就是描述道路交通体系中所容纳得车流与人流得定性与定量特征。本节着重介绍交通量、车速、交通密度以及三者之间得关系，这对城市道路交通规划、设计及管理工作就是必不可少得基础知识。 1、2 有关概念 交通体系——道路、在道路上通行得车辆与行人以及道路交通所处环境得统称。 交通流——某一时段内，连续通过道路某一断面得车辆或行人所组成得车流或人流得统称。 交通流特性——某一交通体系中，交通流得定性或定量特征，以及在不同时空条件下得变化规律与它们之间得关系。亦称为交通流特征或交通流性质。 交通参数一－描述与反映交通流特性得一些物理量。如交通量、车速、交通密度、通行能力、行程时间、车头时距等。能从不同角度说明交通流得性质，交通流特性得变化均能从这些交通参数数值上得变化反映出来。其中交通量、车速与交通密度可以反映交通流得基本性质，称它们为基本交通参数。 1、3 交通量 1、3、1交通量得定义与分类 ①交通量就是指单位时间内通过道路某一断面(一般为往返两个方向)得车辆数或行人数。又称交通流量或流量。 ②按研究得目得不同，交通量可分为以下四类： ▲按交通组成分为： 1)机动车交通量。包括汽车、摩托车、拖拉机等各类机动车辆。 2)非机动车交通量。这就是目前我国交通得重要组成部分。一般有自行车、人力车与畜力车。 3)折算交通量。将机动车交通量(或非机动车交通量)按一定得折算比例换算成某种标准车型得交通量。 4)混合交通量。机动车折算交通量与非机动车折算交通量之与。 5)行人交通量。 ▲按单位时间分，有最常用得小时交通量(辆/小时)，日交通量(辆／日)等。 ▲按交通量变化分类：由于交通量时刻在变化，为了表示代表性交通量，一般常用平均交通量、最大交通量、高峰小时交通量与第30位小时交通量等表示方法。 1)平均交通量：取某一时间间隔内交通量得平均值作为某一期间交通量得代表。如平均日交通量(ADT)、周平均日交通量(WADT)，月平均日交通量(MADT)，年平均日交通量(AADT)，年平均月交通量(AAMT)等；
交通量分析及预测
交通量分析及预测 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
第三章交通量分析及预测 公路交通调查与分析 3.1.1调查综述 交通调查的目的是了解现状区域路网的交通特性，掌握路段交通量及其特征。通过交通调查来分析路段交通量及车种组成、时空分布特征等，了解区域交通发生、集中及分布状况。 本项目有关的交通调查主要是交通量调查。 交通量调查是收集沿线主要相关道路的历年交通量状况，交通量的车种构成以及有关连续式观测站点的交通量时空变化特征等资料。 相关运输方式的调查与分析 拟建项目X922荔波县翁昂至瑶山（捞村至瑶山段）公路改扩建工程路线起点位于荔波县捞村，顺接X922翁昂至捞村段，终点位于荔波县瑶山与X418平交，终点桩号K20+。路线推荐方案全长公里。 根据贵州省公路局及地方观测点提供的交通量统计资料，现有与该项目相关的公路主要有X922翁昂至捞村段（原Y101乡道），X418线。公路沿线历年的交通量观测值见表3-1。 表3-1 X922捞村至瑶山段（原Y007乡道）公路历年平均交通量单位：辆 /日
注：表中数据除混合车折算值为按小客车为标准的折算值外，其余均为自然车辆数。 预测思路与方法 3.3.1 交通量预测的总体思路 公路远景交通量的预测，是为正确制定公路修建计划提供分析基础，为项目的决策提供依据。 根据对项目所在地区社会经济和交通运输调查的资料分析，计划建设的荔波县瑶山至捞村改扩建公路工程是荔波县境内的重要公路项目。本项目的建设，将有力地促进公路沿线工业和乡镇的社会经济及交通运输发展、为精准脱贫提供交通保障。 预测远景交通量一般由趋势交通量、诱增交通量和转移交通量三部分组成。 趋势交通量是指现有公路交通量按照它固有的发展规律、自然增长的交通量。 诱增交通量是指公路的开通，使它所覆盖的影响区内经济和交通体系的深刻变化，诱使经济、产业迅猛增长，则会新产生交通量。 转移交通量是指公路建成后，由于竞争关系而从其它运输方式（铁路、水运和航空）转移过来的交通量。对本项目而言，由于没有与本项目有竞争关系的其它运输方式存在，因此本项目不考虑转移交通量。 根据分析，本项目的远景交通量主要由趋势交通量和诱增交通量组成。 3.3.2 交通量预测方法及步骤 由于该项目属于老路改造工程，大部分为改造路段，且公路沿线均设有交通观测点，因此该项目不作OD调查，采用沿线历年断面交通量与影响区社会经济的发展情况及规划，进行相关分析，预测未来特征年的远景交通量。 交通量预测 3.4.1 预测年限和特征年确定 根据交通运输部交规划发[2010]178号文件发布的《公路建设项目可行性研究报告编制办法》的规定，公路建设项目交通量的预测年限为调查年到项目建成后20年；
交通量预测模板
3.3 交通预测及分析 3.3.1 预测的总体思路 3.3.1.1 概述 路网交通量预测分析是城市交通规划和城市道路建设规模和标准的主要依据，预测结果将直接影响到项目建设的决策。本项目交通预测可划分为以下两个部分，预测过程也相应分别进行，最后累加得到总的预测交通量。 背景交通量预测——由两部分构成，其一为背境交通量，即相关道路上的穿越交通量，起止点均在项目范围之外，主要由项目相关道路的现有交通量在研究期限内相应增长而得到；其二为研究区域内其它新建项目的交通量，由交通影响范围内其它建设项目所产生的交通量，在道路网上分配而获得。背景交通量预测采用国际通用的四步骤预测法，并利用国际上较为流行的交通规划软件（TransCAD）作为计算工具。通过对现状与规划资料（土地、人口、社会、经济、交通）的调查研究，通过进行交通小区的划分，并据此建立交通模型。通过社会经济发展预测、城市土地使用规划，得到交通生成量；采用重力模型进行收敛计算，得到小区分布交通量；通过交通方 式划分，得到机动车的出行量；采用均衡分配法进行分配，得到拟建项目的路段及交叉口流量。 拟建项目交通量预测——根据项目的建设性质及规模，预测目标年的项目交通生成量，即交通产生量与吸引量。在此基础上进一步对其进行交通分布和交通分配，将因项目而产生的交通量分配到周围道路上，得到拟建项目交通量。交通需求预测主要根据该项目的开发强度及不同用地类型出行发生和吸引率，预测该开发项目目标年内部生成的交通需求。 图3-24 交通量预测流程图 3.3.1.2 预测依据 预测的主要依据如下： 1）《珠江三角洲地区改革发展规划纲要（2008-2020）》 2）《眉山城市空间发展战略（眉山2030）》 3）《眉山市国民经济和社会发展十一五规划纲要》 3）《眉山市城市总体规划（2009-2030）》 4）《眉山市城市规划条例》 5）《眉山市城市规划技术标准与准则》 6）《眉山市城市交通规划》（1999-2020） 7）《横琴新区城市总体规划（2009-2020）》广东省城乡规划设计研究院8）《横琴新区控制性详细规划》（广东省城乡规划设计研究院） 9）《眉山市统计年鉴2009》 10）《眉山重大交通基础设施布局集疏运网络规划》
城市轨道交通客流预测方法
精心整理城市轨道交通客流预测方法 目前, 对城市轨道交通线路客流预测尚处于探索阶段。中国城市轨道交通客流预测模式主要分为3 类:1、非基于现状OD(起点) 客流的预测模式, 将相关的公交线路客流和自行车流量向轨道交通线路转移, 得到轨道交通客流; 2、基于现状OD , ,轨 , 并 考虑到高峰小时与全日出行分布规律的差异性, 建议分别构建全日客流O D 矩阵和高峰小时客流OD 矩阵,然后通过相应的分配过程, 得到轨道交通线路的全日客流指标和高峰小时客流指标 2 全日出行的发生( 吸引) 和分布预测
2. 1 各交通小区全日出行的发生( 吸引) 预测交通小区的日发生量与人口数相关、吸引量与就业岗位数相关, 并服从指数关系。 其计算式为： i , j=1,2,…,n 式中: G i为交通小区i的发生量; A j为交通小区j的吸引量; P i为交通小区i的人口数; W j为交通小区j的就业岗位数; a i 、b i 、cj 、d j 均为模型参数, 反映了交通小区i的土地利用性质; n为交通小区数。 2. 2全日出行分布预测 全日出行分布预测可采用双约束重力模型 其中， i , j=1,2,…,n 式中: Q ij 为从交通小区i 到j 的全日出行总量; 、分别为行约束系数和列约束系数; f ( cij ) 为交通小区i 到j 的阻抗函数; cij 为交通小区i 到j 的出行阻抗。
3高峰小时的生成-分布共生模型 调查结果显示: 在高峰小时时段内, 以工作和上学为主的通勤出行所占比例很大, 一般为80% ~90% 。由于工作、上学是工作日所必须的, 且时间性强。因此, 分别建立工作和上学的出行生成分布共生模型, 并根据这 2 种出行目的, 以及在高峰小时出行中所占的比例进行调整, 从而预测得到高峰小时的出行发生( 吸引) 及分布。 工作出行模型为 i , j=1,2,…,n 上学出行模型为 i , j=1,2,…,n 式中: 为高峰小时交通小区i到j的工作出行人次数; 为高峰小时交通小区i到j的上学出行人次数; a w 、b w 、cw 、d w 均为高峰小时工作出行的生成分布共生模型参数; a s、b s 、cs 、d s均为高峰小时上学出行的生成分布共生模型参数。 其中,和有以下关系式 式中: 为高峰小时交通小区i 到j 的总出行人次数; 为高峰小时工作出行所占的比例; 为高峰小时上学出行所占的比例。 4 方式划分与分配组合模型 4.1组合出行 组合出行是指居民一次出行, 从起点到终点采用了多种出行方式联合完成。居民由起点到终点的一次组合出行如图所示。 图2组合出行
交通预测模型【对各种交通流预测模型的简要分析】
交通预测模型【对各种交通流预测模型的简要分析】 摘要:随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。多年来，世界各国的城市交通专家提出各种不同的方法，试图缓解交通拥堵问题。交通流预测在智能交通系统中一直是一个热门的研究领域，几十年来，专家和学者们用各种方法建立了许多相对精确的预测模型。本文在提出交通流短期预测模型应具备的特性的基础上，讨论了几类主要模型的结果和精确度。 关键词:交通流预测;模型;展望 20世纪80年代，我国公路建设项目交通量预测研究尚处于探索成长阶段，交通量预测主要采用个别推算法，又可分为直接法和间接法。直接法是直接以路段交通量作为研究对象；间接法则是以运输量作为研究对象，最后转换为路段交通量。 进入90年代后，我国的公路建设项目，特别是高速公路建设项目的交通量分析预测多采用“四阶段”预测，该法以机动车出行起讫点调查为基础，包括交通量的生成、交通分布、交通方式选择和交通量分配四个阶段。
几十年来，世界各国的专家和学者利用各学科领域的方法开发出了各种预测模型用于短时交通流预测，总结起来，大概可以分为六类模型：基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。这些模型各有优缺点，下面分别进行分析与评价。 一、基于统计方法的模型 这类模型是用数理统计的方法处理交通历史数据。一般来说统计模型使用历史数据进行预测，它假设未来预测的数据与过去的数据有相同的特性。研究较早的历史平均模型方法简单，但精度较差，虽然可以在一定程度内解决不同时间、不同时段里的交通流变化问题，但静态的预测有其先天性的不足，因为它不能解决非常规和突发的交通状况。线性回归模型方法比较成熟，用于交通流预测，所需的检测设备比较简单，数量较少，而且价格低廉，但缺点也很明显，主要是适用性差、实时性不强，单纯依据预先确定的回归方程，由测得的影响交通流的因素进行预测，只适用于特定路段的特定流量范围，且不能及时修正误差。当实际情况与参数标定时的交通状态相差较远时，
城市道路交通流预测系统研究
城市道路交通流预测系统研究* 李瑞敏1马宏亮2陆化普1郭敏3 (清华大学交通研究所1北京100084)(清华大学土木工程系2北京100084) (北京市公安局公安交通管理局3北京100037) 摘要城市道路交通流实时预测是未来城市智能交通系统的重要支撑,近年来受到较多的关注。文中结合国内城市交通状况,分析了城市道路交通流实时预测系统的系统需求,包括功能需求和性能需求,在此基础上提出了系统的逻辑结构和物理结构。逻辑结构主要包括基础数据层、数据处理计算层以及应用层,提出了物理结构中的4个核心功能服务器:数据库服务器、计算服务器、GIS服务器和Web应用服务器。提出了系统的主要功能和4个主要功能模块,研究了系统的数据流过程,给出了系统实施的技术方案。经过实施检验,所提系统结构与技术方案具有良好的可行性。 关键词交通流预测;系统结构;功能模块;数据流 中图分类号:U491文献标志码:A DOI:10.3963/j.ISSN167424861.2010.01.001 随着智能交通系统的逐步发展,智能交通管理系统和先进的旅行者信息系统在城市交通管理中发挥着越来越重要的作用,而城市道路交通流的实时预测是上述2个系统的重要基础,因此,近年来其关注程度日益增加。 欧盟在其CAPIT ALS plus项目中选择了巴黎、罗马、马德里等城市作为示范城市,将交通预测工具的开发作为其中的重要内容[1]。英国在其未来10a IT S项目T raffic England中开发了交通预测的功能,可以给出主要道路未来时段的预测参数[2]。德国Bavarian州政府发起的Bayern Online的项目开发了BayernInfo的网站,其主要功能之一就是为出行者提供长、中、短期的交通流预测信息,采用了1个名为/ASDA2FOT O0的交通模型[3]。美国有一些州、市正在研究和建立交通预测系统[4],如佛罗里达州奥兰多市在I-4州际高速公路上[5]。国内学者对交通流短期预测模型进行了一定的研究,但目前尚无成功的应用案例[628],本文结合实际实施需求对城市道路交通流预测系统进行研究,并提出了实施方案,实施结果表明本方案具有良好的可行性。 1需求分析 城市道路交通流预测系统是城市智能交通系统的重要组成部分,亦是城市道路交通管理工作的重要辅助决策支持工具,系统建设的需求主要包括如下方面: 1.1功能需求 1)能够集成城市现有和未来安装的各类检测器的信息和数据。 2)能够实现对城市道路网络交通流状态的实时预测以及交通状况中长期预测。 3)可以对城市道路交通综合态势进行在线综合评价、非常态交通状态预警与交通拥挤识别等。 4)能够对路口、路段、区域的道路交通服务水平给出实时评价,为道路交通管理决策提供支持。 5)能够实现与其他系统的进一步集成,为其他系统提供预测数据。 1.2性能需求 1)实时性。对事务的响应时间一般在5s以内,对于大量的交通流数据统计应该在30s以内。 2)可靠性。系统具有双机热备的基本功能,具有良好系统安全功能。在高负荷情况下,能够实现降级模式,满足50%的可访问率。 3)可扩展性。系统应具有灵活的接口功能, 收稿日期:2009203217修回日期:2009211220 *国家高技术研发局计划(863计划)(批准号:2007AA112233)、北京市科委绿色通道项目(批准号:D07020601400705)资助作者简介:李瑞敏(1979),博士.研究方向:交通信息与控制.E2mail:lrm in@https://www.360docs.net/doc/725150673.html,
交通量分析与预测模板
一交通量预测 1.1 交通调查现状 新开北路北延（源兴路~通沪大道）位于南通市经济技术开发区西北部，南起源兴路，北至通沪大道，全场约2.6Km，道路规划宽50m，是一条南北方向的城市主干道，是中心城区规划形成“二十一横二十二纵”的主干路布局中的一条纵向主干路，也是连通崇川区、通州区的重要道路。 新开北路北延建成后将在一定程度上缓解兴富路、东快速路等道路的交通压力，提高了开发区与崇川区的连通性，提升南通市的城市面貌，拉动城市经济的快速增长，带动沿线地区的经济发展，改变附近的交通需求，项目建成后将产生大量的旅游交通量和沿线居民的出行产生交通量。 规划道路附近用地布局及道路流量图 1.2 远期交通量需求分析 本道路建成后交通量表现为旅游交通运输产生和沿线居民出行产生的交通量等，拟建项目预测的远景交通量构成有以下三部分组成： （1）基于现状路网条件下而发展的趋势型交通量
（2）本项目建成后产生的诱增交通量 （3）本项目建成后本地出行交通量 1.3 预测思路和方法 1.3.1 预测思路 本研究预测的主要思路为：以交通调查为基础，在分析XX市路网现状状况、交通量现状和路网规划的基础上，结合XX市城市总体规划、经济产业发展的布局规划，根据研究路网的地位和交通功能，对未来交通量进行预测。 1.3.2 预测方法 交通预测方法主要有两类：一类是基于增长弹性系数直接进行预测的交通增长率预测法或基于总体发展规划的总量控制法；另一类是基于土地利用的四阶段法，即出行发生、出行分布、交通方式划分和交通量分配。本研究综合考虑两种方法，并结合TransCAD软件对目标年的交通量进行预测。 1.4 道路交通量预测 通过对现状道路交通量进行调查，通过拟建道路临近的第二条主干路或者快速路围合的范围建立道路交通网络，划分交通小区，运用Transcad软件和OD反推技术计算出该道路路段及相交道路未来年高峰小时交通量。 交通小区划分 充分考虑区域内土地使用性质，路网构成等因素，根据交通小区的划分原则，对现状道路网络进行交通小区划分。
城市交通量预测
HUNANUNIVERSITY 设计题目：交通规划与设计学生姓名：何炜立 学生学号：201301010720 专业班级：道路1302班 学院名称：土木工程学院 指导老师：李硕 学院院长：陈仁朋 2016 年11月15日 城市交通量预测
一、补充数据 根据要求不全所缺数据，然后对Travel Data 里面的Origins person by car, Origins person by transit 和Destinations person by car, Destinations person by transit分别求和得到 Traffic Production 和Traffic Attraction. 如图所示. 二、运用Excel进行数据回归分析 一、分析三个自变量Population, Households, Employment 与因变量Traffic Production之间 的回归线性关系，得出结果如下： 得出方程： y=-0.131a+1.763b-0.048c+84.201 其中 y:Trip Production, a: Population, b : Households， c : Employment.
二、分析三个自变量Population, Households, Employment 与因变量Traffic Attraction之间的 回归线性关系，得出结果如下： 得出方程： y=-0.275a+0.843b+0.757c+192.553 其中 y : Trip Attraction, a : Population, b : Households, c : Employment. 三、将所得的模型对某一个特点的区域Trip Production和Trip Attraction 进行验算, 现取1 号区域分析如图： 由计算结果可知，模型计算所得的TP和TA值，与实际的相近，认为该模型可靠
第三章_道路规划及交通量预测
第三章道路规划及交通量预测 第一节道路路网现状及道路服务水平评价 庐山区道路主要由十里大道、长江大道、外环路、学府路、学府二路，前进东路，并与周边的城市外围主干道长虹大道、庐山大道、芳兰大道、金凤路，九莲南路联系。 由于现有主要道路兼有区内交通、对外交通、以及生活性、交通性多重功能，虽在目前区域交通量并非十分巨大，但作为XX市区的规划范围，随着土地开发利用，规划道路应按城市道路“人车分离、机非分离”的原则规划设计。随着土地的开发利用，对道路运输能力也提出了更高的要求，但路网的不完善，将制约了经济的发展，现状道路的服务水平将无法满足经济发展的需要。 第二节区域路网规划 一、交通运输规划调查 道路系统历来被称为城镇的动脉和骨架，是一个城市能否规划合理的重要因素。因此道路的布局合理与否，直接关系到城镇能不能经济合理的发展。 道路规划本着“快速、顺畅、通达”的原则，合理调整布局，合理布置集镇道路网络。规划道路等级分为三级，即主干道、次干道和支路。主干道间距大于500米，红线30—60米；次干道间距为250—500米，红线宽度为20—40米；支路间距150—250米，红线宽度为9—20米以下。 二、路网规划
项目建设区域道路等级分为主干道、次干道和支路三个等级。其中主干道有十里大道、庐山大道、濂溪大道、芳兰大道、长江大道、欣荣路、外环路，道路宽度为30—50m；次干道学府路、学府二路，前进东路，道路宽度20—30 m；支路道路宽度15—20 m。 三、道路新建必要性论证 交通建设对土地利用有导向作用，土地的开发利用，必须以道路的修建为基础。濂溪大道为XX市庐山区道路骨架中最重要的一条主干道，本工程（濂溪大道延伸线）是濂溪大道的一部分。它的建设是城区土地资源使用开发的前提和必要条件。 随着城市化水平的不断提高，城市经济发展对加强人居环境的开发建设提出了更高的要求。良好的居住环境离不开道路等基础设施的建设。城市基础设施的建设也将直接服务于经济建设。为了能更好地改善XX市投资环境，改善人居生活环境，提高经济发展水平，不断加快基础设施的建设开发就成为必然。 道路建设不可避免地征集土地，拆迁房屋，造成建设区人口动迁，劳动力重新安置等社会问题。对农村居民而言，由于道路建设占用一定农田，菜地等耕地，由此会使农民的生存和生活最基本的生产资料受到影响；且对农民的劳作带来不便。但随着城镇建设发展，农民也将从务农为主转变成服务、务工、务商为主，故由此所造成的社会影响是在可承受范围内的。从长远来看，道路的建设有利于提高居民的生活质量，有利于推进XX的城市化建设进程。 本次工程沿线地势较起伏，因土地、规划部门工作到位，全线道
《城市交通规划》课程设计任务书
《城市交通规划》课程设计任务书 任务书（07级） 1设计目的 通过课程设计使学生对《城市交通规划》课程的基本概念、基本原理以及模型与方法得到全面的复习与巩固，并且能在系统总结和综合运用本课程专业知识的课程设计教学环节中，掌握和熟悉城市交通规划预测的操作程序和具体方法，从而为毕业设计和将来走上工作岗位从事专业技术工作打下良好的基础。 课程设计是一个重要的教学环节，在指导教师的指导下，训练学生严谨求实、认真负责的工作作风和独立思考、精益求精的工作态度。 2设计题目 A市城市交通预测与未来路网规划设计方案。 3设计内容 3.1运用城市交通预测理论与模型，进行道路网交通流量预测。包括： （1）道路网编码并简化； （2）未来出行分布预测,采用福莱特法和Transcad软件两种方法计算出行分布； （3）未来交通分配预测。（这里只考虑对高峰小时的小汽车交通量进行分配） 3.2在对现在路网进行加载测试的基础上，根据小汽车高峰小时饱和度调整未来路网。包括： ⑴通行能力的提高； ⑵路段阻抗的降低。 调整路网的具体措施包括提高道路等级、新建道路等。将调整后的路网重新进行OD分布和流量分配，然后根据调整后的路网饱和度大小决定是否要继续优化道路网络。最终得到的路网饱和度应在合理范围内。 4设计成果 4.1说明书 包括设计步骤、计算过程、说明简图、计算表格。 4.2图纸（图幅297×420mm） (1)未来出行分布（期望线图）； (2)未来路网流量分配图； (3)未来路网规划设计方案图。 5设计资料
5.1A市基本情况 A市是某省政治、经济、文化中心城市，规划年（1995年）有人口107万，市区面积为352km2，平均人口密度3040人/km2。1995年工农业总产值为32亿元，人均国民收入为630元。该城市按功能分为五个大区：老市区、新市区、北工业区、南工业区和河西文教区。交通规划调查统计区域的面积为106.32km2，道路长度约120.48km，公共汽车线路为111.88km，平均道路密度为1.13km/km2，平均公汽线路密度为1.05km/km2。全市出行总流量为165.1万人次/d，平均每人每天出行达1.54次以上。全市机动车数量为11964辆，其中货车6800辆、客车3412辆、摩托车1752辆。公共汽车数量1982年为425辆，运营客量可达到70.1万人次/d。建议小汽车方式出行的客流量比例取10%，高峰小时流量比取0.12，该市小汽车的平均载客人数为1.5人。（小汽车方式出行的比例可以根据需要，自行设定。）详细情况见表1~表4。 表1 A市经济发展情况统计表 表2 市区内土地利用分布表