第三章四节_交通方式划分
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
q 水运 ij管道
出租、公共电汽车、客车、
qij
货车等） 轨道（地铁、轻轨等） 水运
qij =
qij轨道
行人
q非ij 机动 qij
q 机动 ij 水上
qij
qij摩托车
qij轿车
公共电汽车
qij
q货车 ij
qij出租车
交通方式分布交通量
➢基本概念：
1.方式划分/分担（modal split):一个地区（ Zone)的全部出行数中利用各种交通方式的人所 占的比例或数量。 2.划分交通量：每种交通方式所分担的量。 3.划分率：划分交通量在全部交通量中所占的比 例。
交通工具的可靠性和规律性； 交通工具的安全性。
好的方式选择模型应该包括上述重要特征。
？问题：用什么途径来综合反映上
述因素的特征。
表1 不同出行目的的交通方式利用情况(哈尔滨，2000年)
交通方式 上班
上学
自由
业务
回家
合计
公共汽车 46.37
单位班车 8.79
小 汽 车 1.64
出 租 车 0.55
交通现象的把握 方法
出行的发生与吸引 ↓
出行分布 ↓
交通方式划分 ↓
径路分配
出行频度
↓ 目的地选择
↓ 交通方式选择
↓ 径路选择
3.根据方式选择步骤分类
（1）二者择一法 把交通方式的选择分为两步的方法
徒步
全交通 方式
徒步，自行车
徒步以外
自行车
个人运输工具 公共运输工具
汽车
摩托车 公共汽车
（2）多项选择法
1、交通特性 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。
2、交通服务水平 行驶时间、费用、等待时间、舒适性、安全性、可
靠性…… 行驶时间的可靠性
3、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。 4、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。
划分率曲线法
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
时 间 差 （ 分 ）
距离差（英里）
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）
表示与时间比为1.0等价的点
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）
线性模型
➢函数模型中最早开发出来的模型。 ➢把影响交通方式划分的各种要素用线性函
基于模型预测行为的变化
“Random utility theory” is a key concept of TBA. 随机效用理论是TBA的关键理念。
随机效用理论：
Individuals belong to a homogeneous population 各个体属于同类母集合
Individual’s choice set is predetermined 各个体的选择集合事先给定
出行目的 出行时间分布
➢(上班、上学，自由，业 务，回家) ➢(白天和夜间)
划
出行距离
分
率
出行距离
与出行时间相关的因素： 如等车时间、车内时间、换乘时间等；
与出行费用相关的因素： 如运费、燃料费、票价等；
与交通设施是否完备相关的因素： 如是否有停车场、停车费用等；
此外，还有一些定性因素，如： 交通设施的舒适性和方便性；
Decision making process：决策过程
Generation of alternatives & choice set 替代方案的
产生和选择集 –个体环境、交通服务
Evaluation of attributes of alternatives 替代方案的
归类评价 – 替代方案归类的认识 – 效用评价
37.01 6.58 1.55 1.42 1.83 14.99 36.34 0.28 100
36.28 6.36 1.60 1.76 1.84 14.69 37.21 0.27 100
表2 日本大阪都市圈不同出行目的的交通方式利用情况
交通方式 上班 上学 自由 业务 回家 合计
城市铁路
37.78 21.49 10.40 11.18 20.85 19.83
5、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
6、区内人口密度
密度高
公共交通利用率高
例：北京S2号线调查结果
三 交通方式划分过程
➢划分率预测体系的分类
1.根据交通方式选择特性进行分类 （1）一阶段划分率模型
8
二 交通方式划分的影响因素
（1）出行者的特征 （2）出行特征 （3）交通设施的特征 （4）交通服务特征
9
1.是否拥有小汽车或者可以利用小汽车 2.是否有驾驶执照
3.家庭结构(年轻夫妇、有儿女家庭、退 休家庭、单身家庭等)
4.出行者的家庭总收入
5.其他决定因素，如工作、送孩子上学 时对小汽车的使用需要 6.住宅区人口密度
步行、自行 39.21 车、摩托
其它
0.00
65.50 68.15 49.10 14.41 36.64 0.00 0.04 0.13 0.01 0.05
合计
100.00 100.00 100.00 100.00 100.00 100.00
各种交通方式的合理出行距离
运 量
距离
小汽车
17
交通特性、交通服务水平、个人属性、家庭属性、 地区特性和区内人口密度等。
Choice 选择
– wenku.baidu.com机效用的优化: RUM
Implementation 交通工具
– 出行行为
41
utility
= systematic +
error
U j V j j
假定有2种可选方式。个人n选择方式1是因为方 式1的效用U1大于方式２的效用U2，即
观测现实/虚拟市场的个人行为
– to understand the decision making process
了解决策过程
– to describe the process in a simplified/generalized model
利用简化/一般化模型描述决策过程
– to forecast the changes in behavior based on the model
不分为固定阶层和选择阶层，而是一起来考虑。
（2）二阶段划分率模型
分固定阶层和选择阶层，不考虑地区间的交通 服务水平。
21
OD交通量qij 个人属性
小汽车利用 者固定阶层
交通手段选 择可能者
公共交通利用 者固定阶层
小汽车利用者
公共汽车利用者
二阶段划分交通量预测框架
2.根据方式选择的基本单位进行分类
摩 托 车 1.92
自 行 车 15.59
步
行 24.91
其
它 0.24
合
计 100
24.94 2.60 0.11 0.22 0.76 15.99 55.18 0.22 100
20.26 0.54 0.73 4.42 2.53 12.85 58.38 0.29 100
22.87 10.88 7.93 11.11 1.36 6.35 39.50 0.00 100
第四节 交通方式划分 (Modal Split)
主要内容: 一、 概述 二、 交通方式划分的影响因素 三、 交通方式划分过程 四、 交通方式划分模型
1
一 概述
在20世纪60年代中叶，由日本学者首先提出方式 划分问题。
目的： 预测各小区之间各种出行方式的比例和大小。
3
综合运输规划的方式选择：
铁路运输 公路运输 水运运输 航空运输 管道运输
铁路
用包含各种方式的选择率公式一次求出选择率的方法。
方法简单，但正确提取方式选择的要素十分困难。
25
a.二元方式划分(Binary Choice Method)
划分率1.0
方式 1
非随机型
方式2 随机 性线性模型
1.0
该种方式一般多被采用。
27
b.多元方式划分（Multi-Choice Method）
i
m
qmij qij
m
qmij Omi
j
qmij Dmj
i
qmijp qimj
qimj
p
出行互换方式选择模型
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。
出行端点方式选择模型
优点： • 能够考虑个体的特征，
Individuals act rationally and possess perfect information 各个体的行为理性、把握完备信息
在法律、社会、物理和约束下，始终谋求效用最大化。
There is disturbance related to “uncertainty”. 干扰与非确定性有关
表3 日本大阪市中心区不同出行目的的交通方式利用情况 交通方式 上班 上学 自由 业务 回家 合计
城市铁路 40.03 31.55 22.31 23.26 71.68 46.19
公共汽车 2.02
1.66 1.25 0.87 1.44 1.27
小汽车
18.74 1.29 8.26 26.64 12.46 15.85
比如收入、汽车拥有 量等。 缺点： • 难于考虑交通方式服 务水平的变化
31
出行互换方式选择模型计算方法
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：
➢重力模型的转换模型
➢线性模型
➢Logit模型
➢Probit模型
32
1、划分率曲线法（转移曲线法）
1 0.8 0.6 0.4 0.2
0 12345678 公共交通与小汽车的时间比
4
城市交通规划的方式选择：
驾车出行 乘公共汽车出行 乘地铁出行 乘出租车出行 骑自行车出行 骑摩托车出行 合乘出行 步行出行
5
交通方式： 1.城际间： 铁路、公路、航空、水运、管道； 2.城市范围： 道路（行人、非机动车、摩托车、
qij铁路 公路 qi航j 空 qij qij
数的形式表现，从而推求交通方式划分率。 ➢用这种方法求出的分担率Pi无法保证划分率必须满 足（0，1）之间的条件。 ➢为了解决这个问题开发了Logit模型和Probit模型。
38
4、概率模型法 随机效用理论：
理论基础: Travel behavior analysis --TBA – to observe the individual behavior in real/virtual market
在出行分布后进行方式划分 （目前较多采用的方法）
28
两种出行方式选择模型的比较：
出行生成
出行生成
出行分布
互
换 方式划分
方式划分 出行分布
交通流分配
交通流分配
29
Oi Dj T
i
j
qij Oi
j
qij D j
m
m
mOi Oi Oi Oi Pm
Dmj D j Dmj D j Pm
公共汽车
3.36
3.97 3.66 1.82 3.36 3.28
小汽车
32.33 2.52 21.70 48.81 23.22 25.81
步行、自行 车、摩托
其他
26.50 0.03
72.00 64.18 37.92 52.52 51.01 0.02 0.05 0.27 0.05 0.07
合计
100.00 100.00 100.00 100.00 100.00 100.00
划分率1.0
方式1
方式3
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。
26
四 交通方式划分模型
1.出行端点方式选择模型（trip end model） 在给出总量后即探讨划分率的方法
（即在出行生成预测后即进行方式划分） 2.出行互换方式选择模型 （trip interchange model）
（1）集计模型(Aggregate Model) 以交通小区为单位将利用者的方式选择集 计起来进行说明的模型。
（2）非集计模型(Disaggregate Model, Activity Based)
以个人为单位构造模型来确定各交通方式 的选择概率，然后再将每个人的方式选择结 果集计起来，预测划分交通量的模型。
23
表7.4-1 集计分析与非集计分析的区别
指标
集计分析
非集计分析
调查单位
各次出行
各次出行
分析单位
交通小区
个人（或家庭）
因变量
小区统计值（连续量） 个人的选择（离散量）
自变量
各小区的数据
每个人的数据
预测方法
回归分析等
最大似然法
适用范围水平 预测交通小区
任意
政策的体现
交通小区代表值的变化 个人变量值的变化
出租、公共电汽车、客车、
qij
货车等） 轨道（地铁、轻轨等） 水运
qij =
qij轨道
行人
q非ij 机动 qij
q 机动 ij 水上
qij
qij摩托车
qij轿车
公共电汽车
qij
q货车 ij
qij出租车
交通方式分布交通量
➢基本概念：
1.方式划分/分担（modal split):一个地区（ Zone)的全部出行数中利用各种交通方式的人所 占的比例或数量。 2.划分交通量：每种交通方式所分担的量。 3.划分率：划分交通量在全部交通量中所占的比 例。
交通工具的可靠性和规律性； 交通工具的安全性。
好的方式选择模型应该包括上述重要特征。
？问题：用什么途径来综合反映上
述因素的特征。
表1 不同出行目的的交通方式利用情况(哈尔滨，2000年)
交通方式 上班
上学
自由
业务
回家
合计
公共汽车 46.37
单位班车 8.79
小 汽 车 1.64
出 租 车 0.55
交通现象的把握 方法
出行的发生与吸引 ↓
出行分布 ↓
交通方式划分 ↓
径路分配
出行频度
↓ 目的地选择
↓ 交通方式选择
↓ 径路选择
3.根据方式选择步骤分类
（1）二者择一法 把交通方式的选择分为两步的方法
徒步
全交通 方式
徒步，自行车
徒步以外
自行车
个人运输工具 公共运输工具
汽车
摩托车 公共汽车
（2）多项选择法
1、交通特性 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。
2、交通服务水平 行驶时间、费用、等待时间、舒适性、安全性、可
靠性…… 行驶时间的可靠性
3、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。 4、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。
划分率曲线法
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
时 间 差 （ 分 ）
距离差（英里）
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）
表示与时间比为1.0等价的点
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）
线性模型
➢函数模型中最早开发出来的模型。 ➢把影响交通方式划分的各种要素用线性函
基于模型预测行为的变化
“Random utility theory” is a key concept of TBA. 随机效用理论是TBA的关键理念。
随机效用理论：
Individuals belong to a homogeneous population 各个体属于同类母集合
Individual’s choice set is predetermined 各个体的选择集合事先给定
出行目的 出行时间分布
➢(上班、上学，自由，业 务，回家) ➢(白天和夜间)
划
出行距离
分
率
出行距离
与出行时间相关的因素： 如等车时间、车内时间、换乘时间等；
与出行费用相关的因素： 如运费、燃料费、票价等；
与交通设施是否完备相关的因素： 如是否有停车场、停车费用等；
此外，还有一些定性因素，如： 交通设施的舒适性和方便性；
Decision making process：决策过程
Generation of alternatives & choice set 替代方案的
产生和选择集 –个体环境、交通服务
Evaluation of attributes of alternatives 替代方案的
归类评价 – 替代方案归类的认识 – 效用评价
37.01 6.58 1.55 1.42 1.83 14.99 36.34 0.28 100
36.28 6.36 1.60 1.76 1.84 14.69 37.21 0.27 100
表2 日本大阪都市圈不同出行目的的交通方式利用情况
交通方式 上班 上学 自由 业务 回家 合计
城市铁路
37.78 21.49 10.40 11.18 20.85 19.83
5、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
6、区内人口密度
密度高
公共交通利用率高
例：北京S2号线调查结果
三 交通方式划分过程
➢划分率预测体系的分类
1.根据交通方式选择特性进行分类 （1）一阶段划分率模型
8
二 交通方式划分的影响因素
（1）出行者的特征 （2）出行特征 （3）交通设施的特征 （4）交通服务特征
9
1.是否拥有小汽车或者可以利用小汽车 2.是否有驾驶执照
3.家庭结构(年轻夫妇、有儿女家庭、退 休家庭、单身家庭等)
4.出行者的家庭总收入
5.其他决定因素，如工作、送孩子上学 时对小汽车的使用需要 6.住宅区人口密度
步行、自行 39.21 车、摩托
其它
0.00
65.50 68.15 49.10 14.41 36.64 0.00 0.04 0.13 0.01 0.05
合计
100.00 100.00 100.00 100.00 100.00 100.00
各种交通方式的合理出行距离
运 量
距离
小汽车
17
交通特性、交通服务水平、个人属性、家庭属性、 地区特性和区内人口密度等。
Choice 选择
– wenku.baidu.com机效用的优化: RUM
Implementation 交通工具
– 出行行为
41
utility
= systematic +
error
U j V j j
假定有2种可选方式。个人n选择方式1是因为方 式1的效用U1大于方式２的效用U2，即
观测现实/虚拟市场的个人行为
– to understand the decision making process
了解决策过程
– to describe the process in a simplified/generalized model
利用简化/一般化模型描述决策过程
– to forecast the changes in behavior based on the model
不分为固定阶层和选择阶层，而是一起来考虑。
（2）二阶段划分率模型
分固定阶层和选择阶层，不考虑地区间的交通 服务水平。
21
OD交通量qij 个人属性
小汽车利用 者固定阶层
交通手段选 择可能者
公共交通利用 者固定阶层
小汽车利用者
公共汽车利用者
二阶段划分交通量预测框架
2.根据方式选择的基本单位进行分类
摩 托 车 1.92
自 行 车 15.59
步
行 24.91
其
它 0.24
合
计 100
24.94 2.60 0.11 0.22 0.76 15.99 55.18 0.22 100
20.26 0.54 0.73 4.42 2.53 12.85 58.38 0.29 100
22.87 10.88 7.93 11.11 1.36 6.35 39.50 0.00 100
第四节 交通方式划分 (Modal Split)
主要内容: 一、 概述 二、 交通方式划分的影响因素 三、 交通方式划分过程 四、 交通方式划分模型
1
一 概述
在20世纪60年代中叶，由日本学者首先提出方式 划分问题。
目的： 预测各小区之间各种出行方式的比例和大小。
3
综合运输规划的方式选择：
铁路运输 公路运输 水运运输 航空运输 管道运输
铁路
用包含各种方式的选择率公式一次求出选择率的方法。
方法简单，但正确提取方式选择的要素十分困难。
25
a.二元方式划分(Binary Choice Method)
划分率1.0
方式 1
非随机型
方式2 随机 性线性模型
1.0
该种方式一般多被采用。
27
b.多元方式划分（Multi-Choice Method）
i
m
qmij qij
m
qmij Omi
j
qmij Dmj
i
qmijp qimj
qimj
p
出行互换方式选择模型
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。
出行端点方式选择模型
优点： • 能够考虑个体的特征，
Individuals act rationally and possess perfect information 各个体的行为理性、把握完备信息
在法律、社会、物理和约束下，始终谋求效用最大化。
There is disturbance related to “uncertainty”. 干扰与非确定性有关
表3 日本大阪市中心区不同出行目的的交通方式利用情况 交通方式 上班 上学 自由 业务 回家 合计
城市铁路 40.03 31.55 22.31 23.26 71.68 46.19
公共汽车 2.02
1.66 1.25 0.87 1.44 1.27
小汽车
18.74 1.29 8.26 26.64 12.46 15.85
比如收入、汽车拥有 量等。 缺点： • 难于考虑交通方式服 务水平的变化
31
出行互换方式选择模型计算方法
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：
➢重力模型的转换模型
➢线性模型
➢Logit模型
➢Probit模型
32
1、划分率曲线法（转移曲线法）
1 0.8 0.6 0.4 0.2
0 12345678 公共交通与小汽车的时间比
4
城市交通规划的方式选择：
驾车出行 乘公共汽车出行 乘地铁出行 乘出租车出行 骑自行车出行 骑摩托车出行 合乘出行 步行出行
5
交通方式： 1.城际间： 铁路、公路、航空、水运、管道； 2.城市范围： 道路（行人、非机动车、摩托车、
qij铁路 公路 qi航j 空 qij qij
数的形式表现，从而推求交通方式划分率。 ➢用这种方法求出的分担率Pi无法保证划分率必须满 足（0，1）之间的条件。 ➢为了解决这个问题开发了Logit模型和Probit模型。
38
4、概率模型法 随机效用理论：
理论基础: Travel behavior analysis --TBA – to observe the individual behavior in real/virtual market
在出行分布后进行方式划分 （目前较多采用的方法）
28
两种出行方式选择模型的比较：
出行生成
出行生成
出行分布
互
换 方式划分
方式划分 出行分布
交通流分配
交通流分配
29
Oi Dj T
i
j
qij Oi
j
qij D j
m
m
mOi Oi Oi Oi Pm
Dmj D j Dmj D j Pm
公共汽车
3.36
3.97 3.66 1.82 3.36 3.28
小汽车
32.33 2.52 21.70 48.81 23.22 25.81
步行、自行 车、摩托
其他
26.50 0.03
72.00 64.18 37.92 52.52 51.01 0.02 0.05 0.27 0.05 0.07
合计
100.00 100.00 100.00 100.00 100.00 100.00
划分率1.0
方式1
方式3
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。
26
四 交通方式划分模型
1.出行端点方式选择模型（trip end model） 在给出总量后即探讨划分率的方法
（即在出行生成预测后即进行方式划分） 2.出行互换方式选择模型 （trip interchange model）
（1）集计模型(Aggregate Model) 以交通小区为单位将利用者的方式选择集 计起来进行说明的模型。
（2）非集计模型(Disaggregate Model, Activity Based)
以个人为单位构造模型来确定各交通方式 的选择概率，然后再将每个人的方式选择结 果集计起来，预测划分交通量的模型。
23
表7.4-1 集计分析与非集计分析的区别
指标
集计分析
非集计分析
调查单位
各次出行
各次出行
分析单位
交通小区
个人（或家庭）
因变量
小区统计值（连续量） 个人的选择（离散量）
自变量
各小区的数据
每个人的数据
预测方法
回归分析等
最大似然法
适用范围水平 预测交通小区
任意
政策的体现
交通小区代表值的变化 个人变量值的变化