【文章內(nèi)容簡介】 性質(zhì) 一般來說，企業(yè)大，業(yè)務(wù)處理量大，外出率高。 九、家庭收入 家庭收入也是影響出行，尤其是自由出行的主要因素之一。高收入家庭，汽車購買率高，購物、娛樂等需求也高，平均出行次數(shù)多。 70 十、其他 天氣、工作日、休息日和季節(jié)等的不同也影響人們的出行。雨雪天氣人們出行不便，出行量小；周一至周五工作日出行量大且時間集中，周六、周日等休息日出行量小且分散；炎熱的夏天和寒冷的冬天出行量小，春秋天氣候宜人出行多。 71 七、熟悉交通量的預(yù)測方法 ? 交通量的預(yù)測方法主要有原單位法、增長率法、聚類分析法和函數(shù)法。除此之外，還有利用研究地區(qū)過去的交通量或經(jīng)濟(jì)指標(biāo)等的趨勢法、時間序列方法、彈性系數(shù)法和回歸分析等方法。 72 出行生成的單位 ? 出行生成有兩種單位：一種是以 車 為單位；另一種是以 人 為單位。在大城市中，交通工具復(fù)雜，一般都用人的出行次數(shù)為單位，小城市交通工具較為簡單，英、美等國家就以小汽車為單位。車輛出行和人的出行之間可以相互換算。 73 （平均生成交通量法） 原單位的求得原則通常有兩種： ? （ 1）根據(jù) 人口屬性 以不同出行目的單位出行次數(shù)為原單位進(jìn)行預(yù)測。 ? （ 2）以 土地利用 或經(jīng)濟(jì)指標(biāo)為基準(zhǔn)的原單位，即以單位用地面積或單位經(jīng)濟(jì)指標(biāo)為基準(zhǔn)對原單位進(jìn)行預(yù)測。 74 ?? KTTElklK NaT .??K： 出行目的； l： 人口屬性 ； 的平均出行生成量；某出行目的和人口屬性:kla：某屬性的人口；eN成量。：某出行目的的出行生kT預(yù)測方法 75 不同出行目的的人均出行原單位 01上班 下班 上學(xué) 放學(xué) 回家 生活文化娛樂 工作外出回程 其他出行目的人均出行次數(shù)76 原單位指標(biāo)值的確定 ? 對于預(yù)測生成交通量來說，怎樣決定生成原單位的將來值是一個重要的課題。根據(jù)以往的研究成果，通常有以下幾種 做法 ： ① 直接使用現(xiàn)狀調(diào)查中得到的原單位數(shù)據(jù)。 ② 將現(xiàn)狀調(diào)查得到的原單位乘以其他指標(biāo)的增長率來推算，即增長率法。 ③ 最常用的也是最主要的為函數(shù)法。通常按照不同的出行目的預(yù)測不同出行目的的原單位。其中，函數(shù)的影響因素多采用性別、年齡等指標(biāo)。 77 【例 1】 在某對象區(qū)域常住人口平均出行率不變的情況下，求其將來的出行生成量。 O \ D 1 2 3 合計(jì) 人口 ( 萬1 1 1 . 0 / 1 5 . 02 2 0 . 0 / 3 6 . 03 1 0 . 0 / 1 4 . 0 合計(jì) 4 1 . 0 / 6 5 . 0（單位：萬出行數(shù)／日） 78 出行生成量： T=++=++= 現(xiàn)狀常住人口： N=++= 將來常住人口： ++= 平均出行率 T/N： (出行數(shù) /日 、 人 ) 將來的生成交通量： X=M* (T/N )=*=(萬出行數(shù) /日 ) 79 2．聚類分析法 聚類分析（ CrossClassification or Category Analysis）是出行生成預(yù)測的另一個可選用的模型，英國人稱其為類型（別）分析，美國人則稱其為交叉分類方法，它突出以家庭作為基本單元，用將來的出行發(fā)生率求得將來的出行量。它與原單位法有很多相似之處，但又存在很大不同。 把家庭按類型分類，從而求得不同類型家庭的平均出行率。該研究認(rèn)為 小汽車擁有量 、 家庭規(guī)模 和 家庭收入 是決定交通發(fā)生的三個主要影響因素。因此，根據(jù)這些變量把家庭橫向分類，并且由家庭訪問調(diào)查資料計(jì)算每一類的平均出行生成率，預(yù)測時以將來同類型家庭的預(yù)測值乘以相應(yīng)的出行率。 80 （ 1）聚類分析法必須服從的假定 ? ① 一定時期內(nèi)出行率是穩(wěn)定的。 ? ② 家庭規(guī)模的變化很小。 ? ③ 收入與車輛擁有量總是增長的。 ? ④ 每種類型內(nèi)的家庭數(shù)量，可用相應(yīng)于該家庭收入、車輛擁有量和家庭結(jié)構(gòu)等資料所導(dǎo)出的數(shù)學(xué)分布方法來估計(jì)。 81 （ 2）構(gòu)造聚類分析模型的步驟 ? ① 有關(guān)家庭的橫向分類。 澳大利亞根據(jù)其中西部的交通調(diào)查，規(guī)定家庭大小、家庭收入各分為 6類，家庭擁有小汽車數(shù)分為 3類。我國家庭中自行車使用比較廣泛，可以考慮作為分類的項(xiàng)目，上海曾以住宅類型、家庭人口及自行車擁有量作為分類項(xiàng)目研究出行發(fā)生模型。 ? ② 把每個家庭定位到橫向類別。 就是對家庭訪問調(diào)查資料進(jìn)行分類，把每個家庭歸入其所述類別。 ? ③ 對其所分的每一類，計(jì)算其平均出行率。 用調(diào)查的每類出行發(fā)生量除以每類的家庭總數(shù)，則可分別得出每類家庭的平均出行率。 82 （ 2）構(gòu)造聚類分析模型的步驟 ? ④ 計(jì)算各分區(qū)的出行發(fā)生。 把分區(qū)每一類的家庭數(shù)乘以該類的出行發(fā)生率，并將分區(qū)中所有類別的家庭總加起來，得到出行總量。 ?????nccici NQP1類家庭數(shù)。區(qū)內(nèi)的——類家庭的平均出行率；——；區(qū)出行產(chǎn)生數(shù)的計(jì)算值——式中CiNCQiPcici??83 （ 3）類型的劃分 在 20世紀(jì) 60年代 ， 英國倫敦進(jìn)行交通規(guī)劃 。經(jīng)分析發(fā)現(xiàn) ， 一個家庭有三大特性對其出行產(chǎn)生量起主要決定作用：人口 (指 6歲以上者 )、 收入 、車輛擁有量 。 顯然 ， 人口越多 ， 出行次數(shù)越大；收入越多 ， 越愛購物和消費(fèi) ， 因此出行次數(shù)也越多；車輛擁有量越大 ， 出行越方便 ， 出行的可能性也就越大 。 類型分析法是根據(jù)家庭的特性對家庭進(jìn)行分類 。 84 具體類型分法 (1)年收入 (英鎊 )分 6級 倫敦家庭年收入分類 收入級別 1 2 3 4 5 6 收入范圍 ﹤5 0 0 5 0 0 ～1 0 0 0 1 0 0 0 ～1 5 0 0 1 5 0 0 ～2 0 0 0 2 0 0 0 ～2 5 0 0 ﹥ 2 5 0 0 85 (2)家庭構(gòu)成分 6類： 無就業(yè)者： 1人； 無就業(yè)者： 1人； 就業(yè)人 1， 無業(yè)人 ≤ 1； 就業(yè)人 1， 無業(yè)人 ≥ 2； 就業(yè)人 2， 無業(yè)人 ≤ 1； 就業(yè)人 2， 無業(yè)人 ≥ 2。 (3)汽車擁有量分 3類： 0輛 ， 1輛 ， 主 2輛 。 這樣共分成了 6*6*3=108個類型的家庭 。 86 （ 4）應(yīng)用聚類分析法的注意問題 (1)運(yùn)用聚類分析模型的關(guān)鍵前提是：假定未來規(guī)劃年 各類家庭的出行率與現(xiàn)在的出行率相比基本不變 。 因?yàn)槟Ｐ椭械?Qik其實(shí)是用現(xiàn)實(shí)調(diào)查數(shù)據(jù)求得的 ， 是現(xiàn)年的出行率 。 (2)為保證模型具有一定的精度 ， 在計(jì)算各類家庭的平 均出行率時應(yīng)該抽取足夠多的家庭樣本 。 87 【例 2】 ? 某小區(qū)作交通調(diào)查時，把居民分成 18類，其類別產(chǎn)生率為： 小汽車擁有率 低收入 中等收入 高收入 13 4人以上 13 4人以上 13 4人以上 0 1 2 and more ? 已知： 低收入、無小汽車、每戶 3人： 100戶； 低收入、無小汽車、每戶 4人： 200戶； 中等收入、有 1小汽車、每戶 4人： 300戶； 高收入、有 2小汽車、每戶 5人： 100戶。 88 【例 2】 若在五年后： “低收入、無小汽車、每戶 3人”中有 50戶轉(zhuǎn)變?yōu)? “中等收入、無小汽車、每戶 3人”； “低收入、無小汽車、每戶 4人”中有 100戶轉(zhuǎn)變?yōu)? “中等收入、有 1小汽車、每戶 4人”； 從其他小區(qū)遷進(jìn)“高收入、有 1小汽車、每戶 3人” 50戶。 求：本小區(qū)五年后的總出行次數(shù)？ 出行次數(shù)的增長率？ 89 解： （ 1）現(xiàn)狀條件下的總出行次數(shù)： 100 +200 +300 +100 =5100次 （ 2）五年后本小區(qū)的居民狀況： 低收入、無小汽車、每戶 3人： （ 10050）戶； 中等收入、無小汽車、每戶 3人： 50 戶； 低收入、無小汽車、每戶 4人： （ 200100）戶； 中等收入、有小汽車、每戶 4人： （ 300+100）戶； 高收入、有 2小汽車、每戶 5人： 100 戶； 高收入、有 1小汽車、每戶 3人： 50 戶。 90 （ 3）五年后的總出行次數(shù)： 50 +50 +100 +400 +100 +50 =5855次； %%1 0 05 1 0 05 1 0 05 8 5 5 ???（ 4）出行次數(shù)的增長率： 91 （ 5）聚類分析的優(yōu)缺點(diǎn) ? 該方法的主要優(yōu)點(diǎn)有： ? ① 直觀、容易了解。 人們?nèi)菀捉邮艹鲂邪l(fā)生與住戶特性關(guān)系的觀念，不像回歸分析那樣必須了解相關(guān)性、參數(shù)值等因素。 ? ② 資料的有效利用。 從現(xiàn)有的 OD調(diào)查中就可獲得完整的資料，即使沒有，也可通過小規(guī)模調(diào)查得到。 ? ③ 容易檢驗(yàn)與更新。 出行發(fā)生率很容易通過小規(guī)模抽樣調(diào)查與小區(qū)的特性分析而校核其正確性。 ? ④ 可以適用于各種研究范圍。 由于出行發(fā)生基于住戶的特性，出行吸引基于土地利用特性。因此，其出行生成、吸引率可以用于各種范圍研究，如區(qū)域規(guī)劃、運(yùn)輸通道規(guī)劃和新發(fā)展區(qū)。 92 （ 5）聚類分析的優(yōu)缺點(diǎn) ? 該方法的缺點(diǎn)有： ? ① 每一橫向分類的小格中，住戶彼此之間的 差異性 被忽略。 ? ② 因各小格樣本數(shù)的不同，得到的出行率用于預(yù)測時，會失去其 一致 的精確性。 ? ③ 同一類變量類別等級的確定是憑 個人主觀 ，失之客觀。 ? ④ 當(dāng)本方法用于預(yù)測時，每一小格規(guī)劃年的資料 預(yù)測 將是一項(xiàng)繁雜工作。 93 3．個人分類方法 個人分類方法 ( P e rson C a te g or y A ppro a c h ) 是對基于家庭的分類模型的一種替代方法。如果 令jt表示出行率，即在某一段時間內(nèi)j類人中平均每人的出行次數(shù)； iT表示 i 小區(qū)各類居民的總出行數(shù)；iN為 i 小區(qū)的居民總數(shù)；jia為 i 小區(qū)的j類居民的百分率。從而可得到 i 地區(qū)的出行發(fā)生量的為： jjjiii taNT ?? 94 個人分類方法的優(yōu)點(diǎn) ? （ 1）個人出行產(chǎn)生模型同經(jīng)典的交通需求模型的其他部分完全兼容，它們都是基于出行者而不是基于家庭。 ? （ 2）也可采用交叉分類方法。 ? （ 3）個人分類模型所需要的樣本數(shù)比基于家庭模型少幾倍。 ? （ 4）很容易考慮人口統(tǒng)計(jì)的變化。如在基于家庭的模型中無法兼顧某些關(guān)鍵的人口變量 (如年齡 )。 ? （ 5）個人分類較家庭分類預(yù)測起來更容易。因?yàn)楹笳咝枰A(yù)測家庭構(gòu)成、大小等。 ? 個人分類模型的主要限制是很難兼顧家庭間的相互影響、家庭的花費(fèi)和預(yù)算。 95 一、原單位法 ? 利用原單位法預(yù)測發(fā)生與吸引交通量時，首先需要分別計(jì)算發(fā)生原單位和吸引原單位，然后根據(jù)發(fā)生原單位和吸引原單位與人口、面積等屬性的乘積預(yù)測得到發(fā)生與吸引交通量的值。 ? 一般，在交通需求預(yù)測時，要求各小區(qū)的發(fā)生交通量之和與吸引交通量之和 相等 ，并且各小區(qū)的發(fā)生交通量或吸引交通量之和均等于生成交通量。如果它們之間不滿足上述關(guān)系，則可以采用如下方法進(jìn)行 調(diào)整 。 96 【例 3】 在某對象區(qū)域常住人口平均出行率不變的情況下，求其將來的出行發(fā)生與吸引量。 O \ D 1 2 3 合計(jì) 人口 ( 萬1 1 1 . 0 / 1 5 . 02 2 0 . 0 / 3 6 . 03 1 0 . 0 / 1 4 . 0 合計(jì) 4 1 . 0 / 6 5 . 0（單位：萬出行數(shù)／日） 97 解： 首先求出行的發(fā)生與吸引的原單位： 平均出行發(fā)生與吸引量O \ D 1 2 3 合計(jì)1 2. 5452 2. 5503 2. 600合計(jì) 2. 545 2. 500 2. 700 TDOjjii?? ??D 1 2 3 合計(jì) O 1 2 3 合計(jì) 調(diào)整方法 ：總量控制法 (Control Total) ???iNiii OTOO /39。???jNjjj DTDD /39。因?yàn)椋?T= 萬出行數(shù)／日 所以， 100 D 1 2