交通量需求预测方法

在可行性研究阶段，预测交通需求量有多种方法，例如趋势类推法、弹性分析法、OD调查法、专家调查法以及四阶段模型系统法（出行生成模型、交通分布模型、方式分担模型、交通量分配模型）。

本报告主要在介绍建设建立在区域经济学分区理论基础上，预测精度较高，技术难度较大的四阶段模型系统法。

一、出行生成模型
出行生成模型作为交通需求预测的第一步，其主要任务是对研究地区的每个分区的出行量进行估计。

首先将研究区域进行分区，并对每个分区的社会经济性质、土地利用特点进行研究，建立以分区为基础的联合出行生成模型，从而导出研究区域的交通出行生成总量。

由于每个分区及时出行的起始点，优势出行的目的地，因此出行生成由出行产生和出行吸引两部分组成。

相应的就是出行产生量O i 和出行吸引量D j两种度量方法。

二者的影响因素是不同的。

出行产生的主要影响因素是交通用户（出行者）的社会经济性质，如人口、收入、小汽车拥有量等；出行吸引的主要影响因素是地区的土地利用性质，如土地利用类型（商业企业、工业区等）、土地利用密度、就业水平、可达性等。

由于出行产生和出行吸引二者的影响因素不同，一般情况下应分别建立模型进行分析。

出行生成通常采用两种传统的模型方法：回归模型和分类模型。

①回归模型
回归模型是计量经济学中重要的方法之一，它以社会经济作为分析基础，属于经验性定量模型，在交通需求预测中有广泛的应用。

出
行生成回归模型的一般表达公式为：
Y=a0+a1X1+a2X2+⋯+a k X k+u
式中：Y——地区出行生成量；
X1、X k——地区出行生成主要影响因素；
a0、a k——回归系数；
U——随机变量。

出行生成回归模型的输入是地区影响因素的量化值和出行生成量的时间序列历史数据。

模型建立以后，利用常见的最小二乘等参数估计方法对模型进行标定。

单元回归模型的标定过程比较简单，多远回归模型的最小二乘计算公式要通过解k+1个联立方程得出，比较复杂，但现在有许多方便的计算机软件可供使用。

当完成对模型标定并通过检验后，即可用于预测未来年度出行生成的变化趋势。

回归模型所需数据均为地区性的总量数据或平均数据，分析方法比较完善和简单易行，应用比较广泛。

回归模型的缺点是使用这种方法要有严格的前提条件，即模型必须满足一系列统计基本架设，因而是模型的应用受到一定的局限性。

而且，模型中所使用的地区性总量数据，可能会使某些突出的社会经济特点变得模糊。

比如，某地区家庭收入的特点是贫富不均，模型采用平均收入指标后，地区的这种收入特点被中和淡化，无法反映到出行生成预测中去，影响力估计结果的真实性。