第7章_交通方式划分

ú Ì ú Ì ú Ì ü ì Ë ¹ ² û ¹ Æ â û ×Æ Ë Î È ½
À µ µ ³ µ ³ µ ³
26.5
3.3 40
8.1 22.1
Ø ú µ Ì Ô ×Ð ³ µ « ² û µ ¹ ¹ Æ ³ ö â û µ ³ ×Æ ³ ½ Ë Î µ Ë È ½ ³
表6.1 各种交通方式的特性比较
源自文库
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 拥有量等。 缺点：难于考虑交通方式服务水平。
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。
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。 m：modal （出行端点）
(2)划分率模型
a. Logit模型(二元)
e pijc Zc Zb tij e e
tijc
Zc
Zc a0 a1x1c a2 x2c
其中, ｃ:汽车(car)；ｂ:公共汽车(bus) b.多项Logit模型
pijk
e
k
cijk cijk
e
4 径路模型
客运 运行速度 (km/h) Co2排放 (g/人km)
能耗 (千卡/人km) 死亡人数 (人/亿人km)
家庭轿车
公共汽车 客轮 航空
23
11 30 >800
44.6
19.4 23.9 30.2
600
154 456
1.17
0.082 -
运输能力 (人/时单向 ) 2200 1.4-2.1万 -
铁道
高速铁路 地铁 路面电车

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。
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
小汽车
j …

交通方式划分（Modal Split）
出行者出行时选择交通工具的比例。
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。
集计分析——四阶段法

以交通小区为单位将出行者的交通行动进行集 体统计分析，按照出行的发生与吸引、出行的 分布、交通方式划分和交通流分配的四阶段， 进行模型化预测的。可以说是首先预测总出行 数，然后将其按交通小区之间、交通方式之间、 径路之间利用某种经验规则计算的方式。因为 是将数据按照交通小区统计之后建立预测模型 而称之为集计分析。
铁路 tij 公路 tij 航空 tij tij t 水运 ij 管道 tij
摩托车 tij 轿车 tij 公共电汽车 tij t 货车 ij 出租车 tij
17.6% 3.9% 5.3%
21.3%
0.3% 23.4% 28.2%
Ø µ ú ¹ ½ Ë ä Æ « ¹ ö ³ ½ Ë

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 :
五、 Logit 模型的 IIA 特性
采用 Logit 模型时，两个方案间的选择概率关系可表示 如下。
两种方案间的相对优劣仅取决于这两种方案的特性， 而与其它方案的特性无关。把该性质称为 Logit 模型 的 IIA 特性 (Independence of Irrelevant Alternative 简称 IIA) ，属于 Logit 模型的弱点之一。

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
一、集计分析与非集计分析的区别

与集计分析相比，非集计分析在分析的单位、模型 预测方法、应用层面、政策体现、数据的效率和说 明变量等方面不同。
二、非集计分析的背景

非集计分析被用于交通需求预测并获 得较快发展的背景之一，是交通规划问 题多样化、新交通政策不断出台，需要 寻求与此适应的评价分析方法。

经典的四阶段法是为了评价长期交通 设施的建设或改建而开发的方法，将此 方法应用于短期交通管理规划的评价将 产生模型中的变量数限制和预测作业规 模大等问题。




方式划分率计算方法： 划分率曲线法（转移曲线法） 函数模型法������ 线性模型 Logit模型 ������ Probit模型：
(1)划分率曲线 tij t
100
m ij
非汽车保有
50
汽车保有
0.5 1.0 1.5 2.0
时间比
公共汽车与小轿车的划分率曲线
图1 上班目的的公共汽车划分率曲线
式中 V(k) —方案 k 的固定效益； e(k) —随机项。 固定效益可由行驶时间、费用等的方案特性， 以及年龄、职业等的个人属性表示。假设 e(k) 服从某种概率分布。由于随机效益是个人在选 择时所具有的感觉上的评价值，从而有时也称 为知觉效益。


当随机效益 U(k) 比其他任何方案大时，方案 k 被选择，因此，方案 k 的选择概率 p(k) 可 由下式表示。
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。
公 共 交 通 划 分 率
非汽车保有家庭 1辆/户 2辆/户
j 1 n
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)
在出行分布阶段进行方式划分。
区人口密度
第三节 模型
交通方式选择的程序及划分率经验
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。
1.多方式划分（Multi-Choice Method）
新交通系统
30-200
>200 30-60 20-30
4.7
5.6 3 9
85.5
0.005
0.0
8.3万
8.3万 5.0-8.4万 0.5-1.4万
77 -
0.005 0.005
30
7
119
0.005
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
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 <3km 自行车 <5km 摩托车 <8km 公共汽车 <300km 轿车 <500km 货车 <500km 铁路 500-1000km、低附加值货物 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。
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 交 通 利 用 率 % 收入水平（低）
30
收入水平（中）
20
收入水平（高）
10
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：
Ai Y j / tij
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、自行车
步行
自行车
全交通 方式
步行 以外
个性化交 通工具 公共交 通工具
汽车 摩托车 公共汽车 轨道交通
6.多项选择；
二、交通方式划分模型
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：
Oi
Di
O
m i m i
划分率曲线(出行端点)
D
O PmOi
m i

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。 把发生、吸引交通量分配给各种交通方式。


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。

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；
轨道 tij 2.城市范围：轨道（地 行人 铁、轻轨、独轨等）、 tij 水运、道路（行人、非 t t 非机动 ij ij 机动车、摩托车、出租 t 机动 、公共电汽车、客车、 ij 水上 货车）。 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
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 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。 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。
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)
区分固定阶层和选择阶层；
OD交通量
个人属性 轿车利用层 方式选择层 公交利用层
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
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；