第7章交通方式划分

ttti非jii轨行jj 机道人动

ti机j 动
货车）。
ti水j 上
tij tttiii公铁航jjj 路路空 ti水j 运 ti管j 道
ti公jtti摩共ji轿j 电托车车汽车

ti货j 车

t出租车 ij
3.9% 5.3%
17.6%
0.3%
式中 K--方案集。
式中， F(x) –概率分布函数；
f k （x） --概率变量 x=e(k) 的概率密度函数
。
四、 Logit 模型
Logit 模型假设 (7.4-1) 式中效益函数的随机项 e(k) 相互独立，且服从同一的干贝尔 (Gambel) 分布。 用概率变量 x 表示 e(k) ， θ 作为参数，随机项的 分布函数可表示如下 :
日本广岛公交与小客车的划分率
日本广岛轨道与公共电汽车的划分率
美国加利福尼亚高速公路划分率曲线 （与其它并行公路相比）
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）
比较两种模型
1.出行端点方式选择模型 在研究总量后即探讨分担率的方法（即在出行
生成预测后即进行方式划分） 优点：能够考虑个体的特征，比如收入、汽车
1 以居民出行调查数据为基础， 2 研究人们出行时的交通方式选择行为， 3 建立模型预测基础设施变化或交通服务水平等条 件变化时 交通方式间交通需求的变化。
建模思路分为两种： 1 假设历史的变化情况将来继续延续
下去； 2 从规划的角度，期望将来达到的交
通方式结构。
研究交通方式划分的意义 – 城市 缓解城市道路交通拥堵； 城市公共交通资源的有效利用； – 城际 降低总社会成本； 实现总经济政策目标等。
1 全域模型 – 各种交通方式的服务水平的差异是决 定交通方式分担的主要因素。
预测步骤如下：
设定交通网络 设定交通服务水平 计算交通方式分担率 计算各种交通方式的交通量
2 出行端点模型
根据居民的特性，从一开始就把交通量分配给 各种交通方式的预测模型。
– 简单，但无法考虑交通服务水平变化的影响。 因此使用较少。
拥有量等。 缺点：难于考虑交通方式服务水平。
2.出行互换方式选择模型
在出行分布后进行方式划分（目前较多采用的 方法）
优点：������ 便于考虑出行特征和可用出行方式 的特征。
缺点：������ 难以考虑出行者的特征，因为它们 已被集计到出行矩阵中。
第四节 非集计交通方式划分模型
23.4%
3.3 26.5
8.1 22.1
21.3% 28.2%
µØ Ìú ¹ú Ìú ˽ Ìú Æä Ëü ¹ì µÀ ¹« ¹² Æû ³µ ³ö × â Æû ³µ ˽ ÈË ½Î ³µ
µØ Ìú
× Ô Ð ³µ
40
¹« ¹² Æû ³µ
³ö × â Æû ³µ
˽ ÈË ½Î ³µ
客运
四、家庭属性 单身、夫妻、有否小孩、是否与老人同居。 老人、小孩上医院机会多汽车利用机会增多。
五、地区特性 人口规模、交通设施水平、地形、气候等。 城市规模大 交通设施水平高 公共汽车利用率高 山川、河流多 汽车、公共汽车利用率高 雨天、雪天 公共交通方式利用率高 停车设施 舒适性和便利性。 六、区内人口密度 密度高 公共交通利用率高。
2 出行端点模型 在出行发生与吸引阶段进行出行方式划分。
Oi
Oim m：modal
（出行端点）
划分D率i 曲线(出行Di端m 点)
Oim PmOi
划分率从发生端或吸引端考虑，多数属于发生 端出行端点模型；
端点方式划分率不是唯一的，按出行端点（家 庭和非家庭）、交通目的、交通方向、土地开 发强度进行分类，再用聚类分析法详细预测。
城市交通的代表性交通方式 – 轨道交通； – 公共汽车； – 小汽车； – 摩托车； – 自行车、电动自行车； – 步行
交通方式：
1.城际间：铁路、公路 、航空、水运、管道；
2.城市范围：轨道（地 铁、轻轨、独轨等）、 水运、道路（行人、非 机动车、摩托车、出租 、公共电汽车、客车、
tij

用交通方式选择的例子来说，意味着无 论其它交通方式 ( 如轨道交通方式 ) 存 在与否，选择小客车与选择公共汽车的 相对优劣相等，而实际上并非如此。与 小客车相比，轨道交通方式的存在对公 共汽车的选择使用有很大影响。
六、 Probit 模型与 Logit 模型的差异
假设有两条选择径路，各径路的固定效益及其 方差、协方差矩阵由下式给定。
飞机
>1000km、高附加值货物
水运(内河) 短途、捷径、观光
水运(近海、远洋) 旅游、散货、低附加值货物。
二、交通服务水平 行驶时间、费用、等待时间、运到期限、舒适性、安源自全性、可靠性……。 行驶时间的可靠性
三、个人属性 职业、年龄、性别、收入、驾照持有与否、汽车保有 与否……。 业务员、推销员汽车使用率高，20~40岁汽车利用率 高，其它年龄段公共汽车利用率高，男性比女性汽车 利用率高，收入高汽车利用率高。
非集计分析
非集计分析交通需求预测，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、选择哪条径路 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、径路 上而进行交通需求预测。
在非集计分析时，采用先使用调查的 个人行动数据建模，预测时，再统计个 人行动结果。
轿车
公交车
划分率1.0
方式 1
非随机型
方式2 随机性 线性模型
0.0
该种方式一般多被采用。
3.集计选择：以交通小区为单位；
4.非集计选择：以个人为单位；
5.二者择一：
步行
步行、自行车
全交通 方式
步行 以外
自行车
个性化交 汽车 通工具 摩托车
公共交 公共汽车 通工具 轨道交通
6.多项选择；
二、交通方式划分模型
n
Ai Y j / tij j 1
Ai：小区i的可达性； Yj：小区j的出行吸引量； tij：小区i，j之间的出行所需时间； r：系数。
优点：简单 缺点：
不包含交通服务水平因素，因而无法分析这些 因素改善后对出行方式选择的影响。
3 出行相互转换模型(Trip Interchange Model)
上班、上学出行：汽车利用率低、公共交通利
用率高。
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、公共交通利用率低。
自由出行：汽车(出租)利用率高。
b．出行距离
步行 自行车 摩托车
<3km <5km <8km
公共汽车 <300km
轿车
<500km
货车
<500km
铁路 500-1000km、低附加值货物
此外，对于四阶段法预测的基础理论不 明确，需要根据交通小区的土地利用性 质开发不同的预测模型等问题也是促使 新分析方法开发的主要原因之一。为了 更加科学地分析预测，需要反映“出行 者基于什么行为出行、出行思维的决定 过程如何”的行为模型。
三、Probit模型
非集计模型，根据以下所示的备选方案的随机 效益函数 U(k)决定选择行为。
把发生、吸引交通量分配给各种交通方式。
案例：1956年美国芝加哥地区交通规划时曾经使用 过该类模型。
公
共
30
交
通
20
利
用
率
10
%
收入水平（低） 收入水平（中） 收入水平（高）
0.2
0.4
0.6
0.8
1.0
可达性比例(A1/A2)
A1：小汽车可达性；A2：公共交通可达性。
其中，可达性计算方法如下：
第7章 交通方式划分模型(Modal Split Model)
主要内容:
第1节 概述
第2节 影响交通方式划分的因素
第3节 交通方式划分过程及划分率
经验模型
重点
第4节 非集计交通方式划分模型 重点
第一节 概述
交通方式划分
轨道
i
j
小汽车
…
交通方式划分（Modal Split）
出行者出行时选择交通工具的比例。
公
共 交
非汽车保有家庭
通 划
1辆/户
分
2辆/户
率
区人口密度
第三节 交通方式选择的程序及划分率经验
模型
一、划分率预测体系的分类——根据交通方式选
择特性进行分类 （1）单阶段多元选择划分率模型 不分为固定阶层和选择阶层，而是一起来考虑。 （2）二阶段二元选择划分率模型 分固定阶层和选择阶层，不考虑地区间的交通 服务水平。
4.7
85.5
0.005
>200
5.6
0.0
30-60
3
77
0.005
20-30
9
-
0.005
30
7
119
0.005
运输能力 (人/时单向
) 2200 1.4-2.1万
-
8.3万 8.3万 5.0-8.4万 0.5-1.4万 0.84-2.5万
第二节 影响交通方式划分的因素
出行特性、交通服务水平、个人属性、家庭属性 和地区特性等。 一、出行特性 a．出行目的
1.多方式划分（Multi-Choice Method） 划分率1.0
方式1
方式4
0.0 一次计算可以预测各种交通方式的划分率，但随着自
变量的增加，模型变复杂。
2.二元方式划分(Binary Choice Method)