【正文】 ormed 29 Calibrated Inverse Power = pow(t,b) b = OD_Base : Mean Cost Error = Mean: Var: SDEV: RMSE: Execution Time was 00:00:. 報告中 b= 是軟件運行得出的參數(shù)結(jié)果，在下面運行重力模型的時候需要該參數(shù)。 運行重力模型 標定后的重力模型可以用于預測未來年的出行分布矩陣，運行重力模型前，需要準備的基礎(chǔ)數(shù)據(jù)包括： 一個現(xiàn)狀小區(qū)間阻抗矩陣。 一個未來年出行產(chǎn)生量和吸引量。 重力模型阻抗函數(shù)的參數(shù)。 在 TransCAD 中，打開練習數(shù)據(jù)中的現(xiàn)狀阻抗矩陣文件“ ”和未來年出行產(chǎn)生量和吸引量表“ ”。選擇“ Planning Trip Distribution Gravity Evilcation”菜單項，此時彈出“ Gravity Evilcation”對話框來，如下圖 在該對話框的“ General”選項卡中，“ Productions”后的下拉列表選擇“ O”，“ Attractions”后的下拉表選擇“ D”，在“ Friction Factors”選項卡中，“ Factors Come form”下勾選“ Inverse”，“ b”后的文本框中輸入前面 標定的模型參數(shù)。點擊“ OK” ，此時系統(tǒng)提示將生產(chǎn)的文件保存，該文件就是中力模型預測得到的未來年 OD矩陣，生產(chǎn)的報告 及 結(jié)果如下： 30 Starting Procedure Linear Model Estimation with Regression Model on January 01, 2020 (09:21 PM) Regression Model of P_Base for TripsGen (All Records) Field Name Mean Std Dev People_Base GDP_Base P_Base Dependent field is P_Base Source df SS Mean SS F Ratio Model 2 Error 2 Total 4 R Squared = Adj R Squared = Field Name Estimate Std. Error t stat CONSTANT People_Base GDP_Base Execution Time was 00:00: 報告中的參數(shù) R Squared= 的意義同上所述，即說明模型自變量與因變量之間的相關(guān)程度是比較高的，可以用于預測 。 5 方式劃分預測 數(shù)據(jù)準備 方式劃分預測用到的是 Logit 模型，運行該模型前需要準備的數(shù)據(jù)有：一組 31 矩陣是兩種交通方式的出行費用矩陣，即練習數(shù)據(jù)中的“ ”文件，另一組矩陣式兩種交通方式的出行時間矩陣，即練習數(shù)據(jù)中的“ ”文件。最后，還需要準備一個全方式的出行矩陣，即練習數(shù)據(jù)中的“ ” 文件。準備好這些數(shù)據(jù)，就可以允許 Logit 模型了。 創(chuàng)建出行方式表 啟動 TransCAD，打開練習數(shù)據(jù)中“ ”和“ ”矩陣文件。在隨便打開一個 bin 為擴展名的數(shù)據(jù)表文件。選擇“ Planning→ ModeSplit → Specify a Mulitnomial Logit Model”菜單項，彈出對應的對話框如下 在對話框中填好如圖中的選項，點擊“ OK”即可生成 bin 數(shù)據(jù)文件 及報告 如下 注意保存該數(shù)據(jù)文件的途徑，在以下運行 Logit 模型時需要用到。 報告 ： 32 Valid Cases: 13 Choice Distribution Car 7 Bus 6 Maximum likelihood reached at iteration 4 Parameter Estimate Std. Err. t Test Time Cost Loglikelihood at zero: Loglikelihood at end: 2 (LL(zero) LL(end)): Asymptotic rho squared: Adjusted rho squared: Total Running Time 385812:56:. 模型參數(shù)估計 打開練習數(shù)據(jù)中的“ ”和“ ”矩陣文件、上 一步建立的“ ”數(shù)據(jù)表以及一個交通方式離散選擇表“ ” 文件，然后選擇“ Planning → Model Spilt Multinomial Logit Estimation”菜單項，此時彈出 “ MNL Estimation”對 話框如下 33 在該對話框中，“ ID Field”后選擇“ ID”，“ Choice Field”后選擇“ Choice” ,“ Origin Field”后選擇“ Origin”，“ Destination Field”后選擇“ DEST”，然后點擊“ OK”。 具體選擇哪些因素作為效用函數(shù)的變量，需要在模型 參數(shù)估計的過程中反復嘗試，并借鑒模型運行報告中的 t 檢驗值進行判定。一般來說，如果某個變量的t 檢驗絕對值小于 2，那么這個變量很可能就無關(guān)緊要，應該在效用函數(shù)中移去。 模型在分布預測中的應用 打開練 習數(shù)據(jù)中的“ ”和“ ”矩陣文件、包含參數(shù)估計值的“ ”數(shù)據(jù)表以及一個包含著個小區(qū)編號的數(shù)據(jù)表文件“ ” (該數(shù)據(jù)在第二章 )，然后選擇“ Planning → Model Split → Multinomial Logit Evilication”彈出如下對話框 在該對話框中的“ ID Field”后選擇“ ID”，然后點擊“ OK”，系統(tǒng)提示保存文件，將該文件命名為“ ”的矩陣文件。這個矩陣是兩種交通方式在個 小區(qū)之間的分擔率矩陣，它包含“ Car”和“ Bus”兩個子矩陣，生成結(jié)果如下 34 Bus 分擔 率 子矩陣 Car 分 率 擔子矩陣 報告： Regression Model of A_Base for TripsGen (All Records) Field Name Mean Std Dev People_Base GDP_Base A_Base 將分擔率矩陣轉(zhuǎn)換為分擔方式矩陣 TransCAD 有矩陣相乘功能，將全方式出行分布矩陣分別與兩個分擔率矩陣相乘，可得到兩種方式的出行分布矩陣。在 TransCAD 中打開聯(lián)系數(shù)據(jù)中的全方 35 式出行矩陣文件“ ”和上一步中生成的分擔率矩陣文件“ ”，然后再“ ”矩陣的單元格上點擊鼠標右鍵，在彈出的快捷菜單中選擇“ Contents”。此時 TransCAD 彈出“ Matrix Filed Contents” 對話框，如下 在該對話框中，無需做任何修改直接點擊“ Close”關(guān)閉此對話框。然后，點擊頂部工具欄中的下拉表，選擇“ TripsCar”，然后在“ ”矩陣的單元格上點擊鼠標右鍵，在彈出的快捷菜單中選擇“ Fill”。此時 TransCAD 彈出“ Fill Matrix”對話框如下 36 在對 話框中按要求填好相應的選項，這樣就將全方式出行分布矩陣與小汽車分擔率矩陣進行了相乘，結(jié)果填充在“ TripsCar” 子矩陣中。 用同樣的方法，可以將全方式出行分布矩陣與公交車分擔率矩陣相乘，并將結(jié)果填充到“ TripsBus” 子矩陣中，得到的數(shù)據(jù)結(jié)果如下截圖 TripsCar 子矩陣 TripsBus 子矩陣 37 6 交通分配與 OD 反推 數(shù)據(jù)準備 用 TransCAD 進行交通分配之前，需要準備一下三種數(shù)據(jù)： 出 行分布矩陣； 交通網(wǎng)絡地理文件； 小區(qū)圖層； 創(chuàng)建小區(qū)質(zhì)心地理文件 在 TransCAD 中打開練習中“ ”地理文件，選擇“ Tools → E