TransCAD“四阶段”操作步骤.doc
《TransCAD“四阶段”操作步骤.doc》由会员分享,可在线阅读,更多相关《TransCAD“四阶段”操作步骤.doc(31页珍藏版)》请在冰豆网上搜索。
TransCAD四阶段操作步骤
2006.11
4.2出行发生(Trip-Generation)
居民出行发成预测分居民出行产生预测和居民出行吸引预测两部分。
其目的是通过建立小区居民出行产生量和吸引量与小区土地利用、社会经济特征等变量之间的定量关系,推算规划年各交通小区的居民出行发生量、吸引量。
出行发生有两种单位:
一种是以车位单位,另一种是以人为单位。
在大城市中交通工具复杂,一般采用人的出行次数为单位,车辆出行于人的出行之间可以相互转换。
出行产生预测常用的有两种方法:
类型分析法、回归分析法,另外还有增长率法,但由于增长率法过于粗糙已停止使用。
下面简要介绍一下回归分析法和类型分析法。
回归分析法是在分析小区居民出行产生量、吸引量与其影响因素(如小区人口、劳动力资源数、土地利用、岗位数等指标)相关关系的基础上,得出回归预测模型。
函数形式有一元回归、多元回归等。
类型分析法是以某一类型为分析单位,根据对出行起决定作用的一些因素将整个对象区域的人划分为诺干类型。
在同一类型的人员中,由于主要出行因素相同,各人员的出行次数基本相同,将各类人员单位时间内的出行次数称作“出行率”。
并且假定各类人员的出行率到规划年是不变的。
这样各类人员数与出行率相乘便得到出行量或吸引量。
4.2.1出行产生(Trip-Production)
4.2.1.1模型原理
出行产生预测采用类型分析法居多,本次结合已有资料亦采用这种方法。
家庭分类法中的模型是:
Pi=∑AsNsi=Ni∑Asγsi(4-1)
式中:
Pi--分区i规划年每个单位时间出行产生量;
As--全市现年第s类人员的出行率;
Nsi--第i分区规划年第s类人员的数目;
Ni--第i分区规划年各类人员总数目;
γsi--第i分区规划年第s类人员的比例。
因此必须先确定出行率As、规划年各小区人口总数Ni、各小区各类人员比例γsi。
(1)规划年各小区人口总数Ni
现在已由2.3.2人口预测算出2010年规划区总人口数,因为本次分区无法从政府现有资料上取得各个小区的现有人口数,也无法得到各个小区的人口密度数据,且因本次课题不可能进行各小区的人口调查统计,因此,我们根据出行量与人口数的相关性,据调查统计的各个小区的出行量占总出行量的百分比分配各小区的人口数,即各小区占总人口的百分比等于各小区出行量占总出行量的百分比,再由2.3.2人口预测算出2010年规划区总人口数乘以这个百分比,即得个小区人口数。
见下表4-1
邯郸市2010年各分区人口预测表表4-1
2010各小区人口数预测
小区
1
2
3
4
5
6
7
8
9
P
5049.7
3714.8
4775.3
5611.3
2704.2
2003.5
5531.4
4997.3
2234.1
比例
0.07020
0.05164
0.066389
0.07801
0.037595
0.027853
0.0769
0.069474
0.03106
小区人口
66839
49170
63208
74272
35793
26518
73215
66145
29571
小区
10
11
12
13
14
15
16
17
18
P
8748.1
7450.5
2238.5
3089.2
2459.7
2543.0
5006.5
3454.5
318.3
比例
0.12162
0.10358
0.03112
0.042948
0.034195
0.035354
0.069602
0.048026
0.004425
小区人口
115792
98617
29629
40889
32557
33659
66267
45724
4212
(2)出行率As(假定到未来年不变)见表4-2
不同收入人员的出行率表(2003年)表4-2
收入分类(元/月)
0-600
600-1200
1200-1800
1800以上
出行率(次/天)
2.49
2.775
2.57
2.58
(3)各小区各类收入人员比例γsi(由于规划年限较短,假定到未来年不变)
各小区不同收入人员比例(2003年)表4-3
小区
1
2
3
4
5
6
7
8
9
人
0-600
0.02
0.02
0.05
0.01
0.1
0.03
0.02
0.01
0.01
员
600-1200
0.21
0.13
0.31
0.14
0.11
0.24
0.13
0.14
0.14
比
1200-1800
0.35
0.22
0.22
0.15
0.25
0.32
0.22
0.15
0.15
例
1800以上
0.42
0.63
0.42
0.7
0.54
0.41
0.63
0.7
0.7
小区
10
11
12
13
14
15
16
17
18
人
0-600
0.2
0.2
0.45
0.45
0.32
0.25
0.25
0.2
0.2
员
600-1200
0.32
0.32
0.26
0.26
0.21
0.12
0.12
0.32
0.32
比
1200-1800
0.28
0.28
0.21
0.21
0.33
0.31
0.31
0.28
0.28
例
1800以上
0.2
0.2
0.08
0.08
0.14
0.32
0.32
0.2
0.2
4.2.1.2软件流程
(1)数据准备(输入)
①规划年各小区人口数(见“deteview2-分区”之字段[2010人口数])
②出行率表(已乘以各小区不同收入人员比例,注意:
字段名必须以“R_”开头)
见下图4-2:
出行产生cross-classification法窗口数据准备图图4-2
(2)操作过程
菜单命令:
Planning—Tripproductions—cross-classification…(见下图4-3)
说明
对话框
ZoneView:
分区
UnitField:
[2010人口数]
TripRateView:
不同收入人员出行率(已含收入比?
NumberofTripPurposes:
4
TripPurposeField:
[R_0-600]
TripPurposeField:
[R_600-1200]
TripPurposeField:
[R_1200-1800]
TripPurposeField:
[R_1800以上]
NumberofClassifications:
1
TripUnitFields:
1
ClassificationField:
ID
出行产生cross-classification对话框图4-3
(3)运行结果
见图4-4
出行产生cross-classification预测结果图4-4
4.2.2出行吸引(Trip-Attract)
出行吸引与发生类似,可用类型分析法和回归分析法,有些学者认为出行吸引用类型分析法会得到较为理想的结果,因两者都是可行的,交通吸引方面也用上述方法,所以我们规划过程中假设未来交通吸引和交通生成一致,即各区未来年P和A相等。
4.3方式划分(ModeSplit)
4.3.1概述
城市中,居民在交通小区之间的出行时通过采用不同的交通方式实现的。
目前,城市居民采用的交通方式有步行、自行车、公交系统、出租车、单位车、摩托车、私家车及其他等几类。
交通方式分担预测即指在进行了出行分布预测得到全方式OD矩阵之后,确定不同交通方式在小区间OD量中所承担的比例。
从目前国内城市交通预测的实践来看,在居民出行方式划分的预测中,一个普遍的趋势是定性和定量分析相结合,在宏观上依据未来国家经济政策、交通政策及相关城市对比较来对未来城市交通结构作出估计,然后在此基础上进行微观预测。
因为影响居民出行方式结构,其演变规律很难用单一的数字模型或表达式来描述。
尤其是在我国经济水平和居民的物质生活水平还相对落后,居民出行以非弹性出行占绝大部分,居民出行方式可选择余地不大的情况下,传统的单纯的转移曲线法或概率选择法等难于适用。
所以在居民出行方式的划分的预测中,一般采用这样的思路:
宏观与微观相结合,宏观指导微观预测。
首先在宏观上考虑该城市现状居民出行方式结构及其内在原因,定性分析城市未来布局、规模变化趋势,交通系统建设发展趋势,居民出行方式选择决策趋势,并与可比的有关城市进行比较,初步估计规划年城市交通结构的可能取值。
其次在微观上,根据城市居民出行调查资料统计计算出不同距离下各种方式分担率,然后,考虑各交通方式特点、优点、缺点、最佳服务距离,不同交通方式之间的竞争转移的可能性以及居民出行选择行为心理等因素,对现状分担率进行修正,以若干次试算,使城市总体交通结构分布值落在第一步所估计的可能取值范围之内。
4.3.2出行方式划分
(1)按选择的对象分为:
步行
自行车
非机动车
小汽车(含出租车)
全方式
摩托、助动车
个人机动交通
普通公交(公共汽、电车)
机动车
公共交通
轨道公交(地铁、轻轨等)
(2)按服务提供者划分分为:
公共汽、电车
城市轨道交通(地铁、轻轨等)
公共交通
全方式
私人交通------步行、自行车、私家车、单位车
个人交通
出租车
4.3.3影响出行方式的因素
不同国家或地区饮食及情况千差万别,出行者的出行方式选择的比例结构也就不同,也就是说,影响出行方式划分的因素因国家而异。
就我国的实际情况而言,城市交通中,影响人员出行方式选择的主要因素11个,这些因素可归纳为三个方面的特性。
(1)出行者或分区特性
①家庭车辆拥有情况。
主要指自行车摩托车,以后将会加入小汽车,如意分区为分析单位时,则应采取车辆拥有量的平均值,下同。