交通方式划分
以交通小区为单位将出行者的方式选择集计； 集计(aggregate)：将数据进行平均、合计等处理的 过程。 以个人数据为单位来确定各交通方式选择概率。
非集计模型
–
第四节 交通方式分担率预测模型
线性回归模型； Logit模型； 分担率曲线模型。
第四节 交通方式分担率预测模型
一、多元回归模型 思路
–
Vin：出行者n选择方案i的效用函数中的固定项； εin ：出行者n选择方案i的效用函数中的概率项。
第四节 交通方式分担率预测模型
假设εin服从二重指数分布（Gumbel distБайду номын сангаасibution），可以得到下式：
Pin =
e
Vin V jn
Pin =
e
Jn j =1
Vin
∑e
j∈An
∑e
V jn
第二节 方式选择的影响因素
一、出行者个人属性 是否用于小汽车； 是否拥有驾照； 家庭结构； 收入； 其他（出行链结构等）。
第二节 方式选择的影响因素
二、出行者特征 出行目的； 一日中的出行时间。
第二节 方式选择的影响因素
三、交通设施 可测因素：
– – –
时间约束； 费用约束； 停车场等因素的约束。 舒适性； 可靠性、准时性； 安全性； 其他（文化等因素）。
G-MS G G G
MS
D
D
D-MS
D
MS
A
A
A
A
第三节 交通方式划分模型分类
分类 出行端模型(trip end model)
–
在各种计算前划分交通方式； 计算各小区的交通量，然后划分交通方式。
地区间模型(trip interchange model)
–
第三节 交通方式划分模型分类
集计模型
– –
不可测因素：
– – – –
第三节 交通方式划分模型分类
分类
–
– – –
G (Generation)-MS (Modal Split), D (Distribution), A (Assignment)； G, MS, D, A; G, D-MS, A; G, D, MS, A.
第三节 交通方式划分模型分类
第四节 交通方式分担率预测模型
非集计模型的2个假设
– –
出行者是交通行为意志决定的最基本单位； 出行者在特定的选择条件下，选择其所认知到的选 择方案(alternative)中效用最大的方案。
选择某方案的效用因该方案所具有的特性（如： 该交通方式的费用，所需时间等）、出行者的 特性（如：年龄、性别、职业等）等因素而异。
第四节 交通方式分担率预测模型
如果假设某出行者n的选择方案的集合为An， 选择其中的方案j的效用为Ujn，则该出行者n从 An中选择方案i的条件为：
U in > U jn
，
i≠ j
j ∈ An
第四节 交通方式分担率预测模型
假设出行者n选择方案i的效用为Uin则Uin可用下式表示。
U in = Vin + ε in
按不同方式分别建立回归模型。
U k = α 0 + α1 x1 + α 2 x2 ... + α K xK
第四节 交通方式分担率预测模型
二、logit模型 假设
–
消费者在选择时追求“效用(utility)”最大化 。
效用
–
效用的定义有多种。简单的说，效用是指消费者从 消费选择中获得的愉快，或者需求得到的满足。
交通方式划分
Modal Split Mode Choice Mode Usage
第一节 概述
重要性
– – – –
资源的有效利用； 缓解交通拥堵； 降低成本； 政策的核心目标等。
方式划分－规划的角度； 交通方式选择－出行者的角度。
第一节 概述
城市交通方式 轨道交通； 公共汽车； 乘用车（私家车）； 摩托车； 自行车、电动自行车等。
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。
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 ）
交通方式划分
a、出行时间
人们的活动，是以一天为一个周期，因此在某一时刻，人们具有类似交通目的的出行集中的倾向。相同性质 的出行集中的时间段有：早高峰上班时间段、平时时间段、晚高峰回家时间段。在进行交通规划时，应该根据规 划的性质选择合适的时间段。例如，进行交通管理规划时，应选择早晚高峰时间段。因为因时间段的不同道路的 交通阻塞和交通目的也比较集中，当然也应该分析因时间段不同交通方式选择的变化。另外，因平日和公休日的 交通目的差异很大，因此交通方式选择特性也就不同。
b、费用
交通费用与运行时间相同，也是影响交通方式选择的主要因素之一。一般而言，要减少运行时间，必须付出 更高的交通费用。因此，交通费用的大小是交通方式选择的主要因素，常与运行时间配对使用而很少作为单独的 原因使用，根据美国伊利诺工业大学研究所的研究成果，公共交通方式的乘客中，42%的人将交通费用作为选择 的主要因素，而家用轿车的利用者中，仅有不足1%。另外，交通费用作为主要原因考虑的没有因为年龄的不同而 发生显著的变化。
b、家庭属性
出行者都是来自各自的家庭，因此应该受着家庭的行动约束。于是，人们会自然想到，以个人为基础的规划， 不如以家庭为基础的规划更加稳固。家庭属性主要包括家庭支出额的多少，家用轿车的保有，家庭构成，家族数、 驾驶人员数，居住结构形式等。
①家庭支出额
家庭支出额越高，家庭用车的保有率增高，公共交通方式的利用率减少。
b、出行目的
出行目的不同对交通方式选择的影响变化较大的原因，是因出行目的的不同，对交通方式的服务质量要求不 同（例如，上班出行时间最重要，旅游时舒适性最重要），同伴的有无，经济情况，出行距离等。一般而言，上 班、上学出行的汽车利用率低、公共交通方式高；业务出行因需要在多客户处停留，装卸货物等，所以汽车利用 率高、公共交通方式低；自由出行的汽车(出租)利用率高。步行率也因出行目的不同而异。购物等短距离的出行 的步行率高，上班的步行率低。
6.交通方式划分
4.安全性 安全性是交通方式选择的主要原因，无论多好的
交通工具，如果它的安全性差，乘客的人身安全 得不到保障，不会有人利用它。 因为交通事故具有突发性，因此人们在选择交通 工具时，明确地考虑安全性的比较少。
2012年死于机动车辆交通事 故的有166906人，比交管部 门的数据多出107262人，是
缺少对人的选择行为的分析 各阶段之间相对独立，缺少一致性 没有反馈机制 缺少严密的统计方法 难以评价交通管理对于交通需求的影响
非集计分析
表现出行者个人（或家庭）是否出行、出行目的地 、采用何种交通方式、选择哪条路径等的形式，从 选择可能的被选方案集合中如何选取的问题，将得 到的个人行动结果加载到交通小区、交通方式、路 径上而进行交通需求预测。
十年前的两倍多
5.准时性 在交通方式选择时，到达的准时性对于交通方式
选择的影响很大。 比如对于公交出行而言，公交出行比例低，其中
有一个很重要的影响因素就是准点率低 6.换乘次数和候车时间 与准时性一样，都对公共交通方式选择有很大的
影响。
6.出行目的
上班、上学、回家出行：汽车利用率低、公共
能耗 (千卡/人km)
死亡人数 (人/亿人km)
23
44.6
600
1.17
11
19.4
154
0.082
30
23.9
-
-
>800
30.2
456
-
30-200
4.7
85.5
0.005
>200
5.6
0.0
30-60
3
77
0.005
20-30
9
-
0.005
30
城市道路与交通规划5-交通需求预测2
交通方式选择的影响因素
影响交通方式划分的因素主要有四大类： 一.交通特性：交通供给特性; 二.出行者属性： 家庭属性和个人属性—出行主体特性; 三.地区属性：外界大环境; 四.出行时间特性. 五.交通政策
①G与MS相结合的方法 主要有类型分析方法和回归分析方法。
类型分析方法又可以分为简化模型和一般模型，简化模型 中不含目的的分类：
式中：
一般模型中包含目的的分类： 式中：
与简化模型相比，一般模型加入目的因素，因此预测效果 要好一点。
②先进行交通生成预测再进行方式划分 因为此时尚未进行出行分布量的预测，方式划分仍只能以 出行者或家庭，或分区的特性为依据，采用线性回归分析 方法进行。 以公共交通为个人交通两种方式为例，分区的出行产生量 的方式划分比例主要与居民人口数，人均收入水平，人均 小汽车拥有量，道路网水平，公交网密度相关。 出行吸引量的方式分担率主要与分区的学校，商店，工厂， 办公的岗位数，公交网密度相关。 由此得到产生量和吸引量的分担率回归模型：
kin 是与个人n的特有的喜好与平均的个人喜好之间的
差的参数，也被假定服从某种概率分布
in的方差是随着Xkin 值不同而不同的,为方便，假定其与
Xkin 选择选择肢Cn中分肢i的概率是：
Pin P(Uin U jn )j Cn
Pin P(Vin in Vjn jn )j Cn Pin P( jn in Vin Vjn )j Cn
交通分布与交通方式划分相结合的方法：