【正文】 53854．交叉口交通量高峰特征交叉口的高峰小時(shí)時(shí)段、高峰小時(shí)交通量和全日交通量見表 3—7。表 37 交叉口機(jī)動車 交通特性表交叉口名稱 高峰時(shí)段高峰小時(shí)交通量( 輛／小時(shí))高峰小時(shí)系數(shù)全日交通量(輛／日)高峰小時(shí)流量比園丁路—琿春街 9：0010：00 536 6899 靖和路—琿春街 8：009：00 421 5385 5．交叉口交通量時(shí)間分布特性表 38 列出了各交叉口高峰小時(shí)各進(jìn)口交通量及較大進(jìn)口交通量。表 39 列出了全天二十四小時(shí)各交叉口各進(jìn)口交通量。23表 310 列出了高峰小時(shí)環(huán)形交叉口最大交織段交通量。表 38 交叉口高峰小時(shí) 各進(jìn)口交通量交叉口名稱 入口 1 入口 2 入口 3 入口 4較大入口交通量(輛／小時(shí))總交通量(輛／小時(shí))園丁路—琿春街 179 96 147 114 179 536靖和路—琿春街 143 89 151 38 151 421表 39 全日二十四小時(shí)各入口交通量(輛/日)交叉口名稱 入口 1 入口 2 入口 3 入口 4 總交通 量園丁路—琿春街 2194 1314 2022 1386 6899靖和路—琿春街 1828 979 2163 415 5385 機(jī)動車 OD 調(diào)查交通量預(yù)測工作的重點(diǎn)是交通需求與交通運(yùn)輸能力之間的關(guān)系。為研究這種關(guān)系和規(guī)律，對琿 春市市區(qū)進(jìn)行了機(jī) 動車 OD 調(diào)查，從而 獲得機(jī) 動車的出行規(guī)律。 交通調(diào)查方案1．調(diào)查內(nèi)容機(jī)動車 OD 調(diào)查的內(nèi)容包括車輛出行的起訖點(diǎn)、車輛類型、車輛歸屬、 額定噸( 客)位、實(shí)際載貨( 客)量，重點(diǎn)調(diào)查車輛出行的起訖點(diǎn)，以獲得各類車輛的流量、流向規(guī)律。2．調(diào)查時(shí)間和地點(diǎn)本項(xiàng)調(diào)查分兩次進(jìn)行。第一次調(diào)查于 2022 年 9 月 3 日(周三)進(jìn)行，在市區(qū)主要道路布設(shè) 8 個(gè)調(diào)查斷面，交通調(diào)查 分區(qū)采用中區(qū)；第二次調(diào)查于 2022 年 9 月 9 日(周二)進(jìn)行，在市區(qū)主要道路布設(shè) 5 個(gè)調(diào)查斷面，市區(qū) 5 條出入口道路布設(shè) 5 個(gè)調(diào)查斷面，交通調(diào)查分區(qū)采用小區(qū)，兩次調(diào)查斷面位置各不相同，時(shí)間均為晝 間 12 小時(shí)， 調(diào)查日天氣條件正常。3．調(diào)查方法機(jī)動車 OD 調(diào)查采用抽樣方式，由交通警察配合攔車，除特種車、公交 車及出租車外，其余各種車輛均可被作為調(diào)查對象。在各調(diào)查斷面同時(shí)進(jìn)行了機(jī)動車交通量 12 小時(shí)觀測，除獲得斷面流量資料外，也 獲得了機(jī)動車 OD 調(diào)查抽樣率。調(diào)查員按調(diào)查表中各項(xiàng)內(nèi)容向24駕駛員逐一詢問并記錄，對于貨車還調(diào)查了貨物類別，以便摸清貨物的流向規(guī)律。 調(diào)查結(jié)果分析1．資料的回收與整理兩次機(jī)動車 OD 調(diào)查資料的回收率為 100％，表格填寫完全符合要求，全部有效。對調(diào)查資料進(jìn)行了數(shù)據(jù)庫管理，以便進(jìn)行各項(xiàng)統(tǒng)計(jì)與分析。統(tǒng)計(jì)結(jié)果表明，第一次調(diào)查實(shí)際抽樣率為 ％，第二次調(diào)查實(shí)際抽樣率為 ％，與計(jì)劃抽樣率相符。2．平均噸(客)位和實(shí)載率 依據(jù)調(diào)查結(jié)果，計(jì)算各車型平均噸(客)位和實(shí)載率，計(jì)算結(jié)果見表 3—11。表 3－11 各車型平均噸（客）位和實(shí)載率車型 小客車 大客車 小貨車 中貨車 大貨車 拖掛車平均噸 (客)位 實(shí)載率 載運(yùn)系數(shù) 3．各調(diào)查斷面不同車型所占比例調(diào)查采用抽取車輛牌照尾數(shù)的方法，即抽取某幾個(gè)車牌尾數(shù)的車輛為調(diào)查對象，具有隨機(jī)性，調(diào)查到的車輛基本反映出整個(gè)路段上車輛的出行規(guī)律。根據(jù)調(diào)查結(jié)果，各路段斷面不同車型所占比例見表 312，各交叉口斷面不同車型所占比例見表 3—13。表 312 各路段調(diào)查斷面不同車型所占比例(％)斷面編號 小客車 大客車 小貨車 中貨車 大貨車 拖掛車1 81 8 7 2 1 12 76 4 12 5 2 13 6l 2 21 6 4 4表 313 各交叉口調(diào)查斷面不同車型所占比例(％)交叉口名稱組成種類 小客車 大客車 小貨車 中貨車 大貨車拖掛車1 5 —琿春街 2 79 1 —琿春街 2 77 注：組成種類中，l 代表自然 車的比例，2 代表標(biāo)準(zhǔn)車的比例。254．貨物流量分析將貨物種類分為 11 種。調(diào)查結(jié)果表明，建材及制品所占比例最大。各 類貨物流量比重見表 314。表 314 各類貨物流量比重貨物種類 貨物流量比重 (％) 貨物種類 貨物流量比重(％)燃料 食品及飲料 金屬及制品 糧食 機(jī)械及制品 農(nóng)副產(chǎn)品 建材及制品 礦石 紡織及制品 其他 化學(xué)及制品 合計(jì) 100 交通發(fā)展預(yù)測 路網(wǎng)路段交通量預(yù)測交通預(yù)測采用目前應(yīng)用最廣泛的四階段預(yù)測法。即交通生成預(yù)測、交通分布預(yù)測、交通方式劃分預(yù)測、交通分配 預(yù)測。考 慮到交通預(yù)測的目的之一是根據(jù)交通量對工程項(xiàng)目建成后（2022 年）的二十年作出經(jīng)濟(jì)評價(jià)。由于目前琿春市城市總體規(guī)劃的最遠(yuǎn)年份為 2020年，即沒有 2020 年以后的各 項(xiàng)規(guī)劃指標(biāo)，故 擬采用兩個(gè)階段、兩種方法 進(jìn)行交通發(fā)展預(yù)測。第一階段預(yù)測到 2020 年，第二階段從 2021 年至 2026 年。在第一階段采用四階段預(yù)測法，應(yīng)用目前國內(nèi)外最先進(jìn)的由美國 Caliper 公司新近開發(fā)的專業(yè)軟件 TransCAD。它是目前世界上唯一包括地理信息系統(tǒng) GIS 和強(qiáng)大的交通運(yùn)輸規(guī)劃模型功能，并且主要為交通規(guī)劃服務(wù)的軟件系統(tǒng)。它將應(yīng)用模型與 GIS 集成為一體，這種完美的結(jié)合使 TransCAD 軟件具有同類交通規(guī)劃軟件所無法比擬的優(yōu)點(diǎn)。它交互界面友好，數(shù)據(jù)接口功能強(qiáng)，模型 庫全，可視化強(qiáng)，適用于綜合交通運(yùn)輸規(guī) 劃和專項(xiàng)規(guī)劃。其交通預(yù)測部分各步驟所含模型較多，并且具有先進(jìn)性，例如在交通生成部分有交叉分類法，在交通分布部分有三重比例約束法，在交通分配部分有容量限制分配模型、增量加載分配模型、平衡分配模型等。在第二 階段，由于缺乏 TransCAD 要求輸 入的各項(xiàng)規(guī)劃指標(biāo)，故無法繼續(xù)應(yīng)用它進(jìn)行預(yù)測分析。為了最大限度地提高預(yù)測精度，綜合考 慮現(xiàn)有的所能獲得的各項(xiàng)資料，決定采用趨勢線擬合法。 趨勢線應(yīng)用于預(yù)測分析，也稱回 歸分析，它能 夠根據(jù)實(shí)際 數(shù)據(jù)生成趨勢線，并向前或向后模擬數(shù)據(jù)的走勢。它還可以生成移動平均，消除數(shù)據(jù)的波動，更清晰地 顯示數(shù)據(jù)的趨勢。 第一階段交通發(fā)展預(yù)測1．居民出行產(chǎn)生預(yù)測居民出行產(chǎn)生預(yù)測的目的是建立小區(qū)居民發(fā)生量和吸引量與小區(qū)土地利用、社會經(jīng)濟(jì)特征等變量之間的定量關(guān)系，推算規(guī)劃年各交通小區(qū)的居民出行發(fā)生量、吸引量。出行產(chǎn)生包括出行發(fā)生與出行吸引。影響出行發(fā)生與出行吸引的因素不同，前者以居民的社會26經(jīng)濟(jì)特性為主，后者以土地使用的形態(tài)為主。故需將出行發(fā)生和吸引分別進(jìn)行預(yù)測，以增加其精確性，也利于下一階段出行分布預(yù)測工作。同時(shí)，當(dāng)居民的社會 經(jīng)濟(jì)特性和土地使用形態(tài)發(fā)生改變時(shí)，也可用來預(yù)測交通需求的變化。根據(jù)琿春市居民出行特征，出行發(fā)生量預(yù)測采用平均出行次數(shù)法，出行吸引量預(yù)測采用回歸分析法。(1)居民出行發(fā) 生量預(yù)測居民出行發(fā)生量是指家庭出行中全部家庭端點(diǎn)(包括起點(diǎn)和訖點(diǎn))與非家庭出行的起點(diǎn)的出行量。對各種預(yù)測方法的難易程度，所需 樣本量的大小，預(yù)測精度和可靠性等進(jìn)行綜合比較后，決定采用平均出行次數(shù)法進(jìn)行居民出行發(fā)生量預(yù)測。出行強(qiáng)度的估算：出行強(qiáng)度與預(yù)測區(qū)的人均收入、人口的年齡結(jié)構(gòu)和職業(yè)結(jié)構(gòu)有關(guān)。按2022 年琿春市居民出行調(diào)查成果，最高出行強(qiáng)度與最低出行強(qiáng)度相差不大，故采用Gompertz 模型，形式： 式中：Y tt 年出行強(qiáng)度值； K出行強(qiáng)度的最大 值； a、b參數(shù)。 琿春市 2022 年出行強(qiáng)度最大值為 次／人日，平均出行強(qiáng)度為 次／人日。參照國內(nèi)其它城市情況，模型參數(shù)采取類比估算，取 K=，a=，b=。 分別將 2022 年，t=2 和 2020 年 t=17 代入模型中，得到預(yù)測年出行強(qiáng)度估算結(jié)果，見表 3—15。表 315 琿春市出行 強(qiáng)度預(yù)測年份 2022 2020Yt(次 /日) 將人均出行強(qiáng)度的預(yù)測值與 2022 年琿春市的人均日出行次數(shù) 次相比，預(yù)測值比2022 年的出行強(qiáng)度值稍大， 這反映出了隨著社會的發(fā)展， 琿春市居民的經(jīng)濟(jì)水平和出行意愿的變化趨勢。估算結(jié)果基本正確。 2022 年對琿春市流動人口的調(diào)查結(jié)果反映出其出行強(qiáng)度為 次／人日。參考國內(nèi)一些同等人口規(guī)模城市的流動人口出行強(qiáng)度，并結(jié)合琿春市未來城市特征，琿春市規(guī)劃年2022 年和 2020 年的流動人口出行強(qiáng)度分別為 次／人日和 次／人日。各分區(qū)出行發(fā)生量預(yù)測：未來的出行總量可按人口的增長和工作崗位的增長，以及未來居民的人均出行強(qiáng)度的增(或減)來推求未來的居民出行總量。依據(jù)各分區(qū)規(guī)劃期的非農(nóng)業(yè)人口數(shù)乘以出行強(qiáng)度即可得出各分區(qū)總的出行發(fā)生量。即：出行發(fā)生量=非農(nóng)業(yè)人口數(shù)出行強(qiáng)度其具體計(jì)算值見表 316。表 316 琿春市常住人口規(guī)劃年份出行 產(chǎn)生量tbt aKY??27年份 2022 2020分區(qū) 人口 發(fā)生量 人口 發(fā)生量1 16897 36159 18984 429032 14460 30944 16498 372853 9545 20426 14697 332154 11304 24190 15643 353535 9516 20364 13640 308266 10664 22821 13973 315787 9271 19840 12593 284608 8356 17882 13784 311529 6284 13448 12622 2852510 3196 6839 12176 2751711 3594 7691 11567 2614112 1844 3946 10655 2408013 2137 4573 10735 2426114 1425 3050 9784 2211115 824 1763 10622 2400516 4399 9414 13957 3154217 4532 9698 12793 2891218 2456 5256 11784 2663119 3786 8102 9578 2164620 3876 8295 10545 2383121 2567 5493 9542 2156422 1098 2349 8744 1976123 1056 2259 9454 2136624 8562 1935025 6245 14113合計(jì) 133087 284802 299177 676128流動人口數(shù)出行發(fā)生量計(jì)算公式為：出行發(fā)生量=流動人口數(shù)出行強(qiáng)度其具體計(jì)算值見表 317。表 317 琿春市流動人口規(guī)劃年份出行產(chǎn)生量28年份 2022 2020分區(qū) 人口 發(fā)生量 人口 發(fā)生量1 410 873 2746 58482 400 852 3125 66563 392 834 3674 78254 387 824 3910 83285 305 649 4410 93936 300 639 4493 95707 280 596 5148 109658 282 600 5446 115999 180 383 6155 1311010 243 517 6044 1287311 125 266 7891 1680712 7033 7663 1632213 7683 1636414 7446 1585915 7655 1630516 572 1218 7122 1516917 325 692 7761 1653018 200 426 6325 1347219 100 213 10515 2239620 2549 11870 2528321 12501 2662722 14209 3026523 13801 2939624 15242 3246525 16291 34699合計(jì) 4501 9582 199126 424126(2)居民出行吸引量預(yù)測居民出行吸引量是指家庭出行中全部非家庭端點(diǎn)(包括起點(diǎn)和訖點(diǎn))與非家庭出行中的訖點(diǎn)的出行量。琿春市居民出行吸引量預(yù)測采用回歸分析方法，即利用居民出行調(diào)查統(tǒng)計(jì)所得各交通區(qū)對各目的的出行的吸引，以及現(xiàn)狀各交通區(qū)的用地情況，通過逐步回歸分29析，建立各種出行目的出行吸引與土地利用的基本關(guān)系。利用計(jì)算機(jī)程序，得下述基本關(guān)系： ①上班目的： Y 班 =154+429X1+1257X2+2078X3 式中： Y 班 ——上班目的居民出行吸引量； X1——交通區(qū)公共建筑用地面積； X2——交通區(qū)工業(yè)用地面積； X3——交通區(qū)居住、科研 辦公、 倉儲及特殊用地面積。 相關(guān)系數(shù)：R= ②上學(xué)目的： Y 學(xué) ＝33+240X 1+1099X2 式中： Y 學(xué) —上學(xué)目的居民出行吸引量； X1——交通區(qū)公共建筑用地面積； X2——交通區(qū)居住用地面積。相關(guān)系數(shù)：R=③生活目的： Y 生 =145+1656X1+832X2+1135X3 式中 Y 生 ——生活目的居民出行吸引量； X1——交通區(qū)公共建筑用地面積； X2——交通區(qū)居住用地面積； X3——交通區(qū)綠地面積。 相關(guān)系數(shù)：R= ④公務(wù)目的：