转载 分类： 专业

第三节生成交通量的预测 　 　

一、概述

所谓出行生成，就是从土地利用到出行这一过程中的一种过渡产物。如用地建造住宅或商场等，就会有出行生成，接着也就会有出行的开始。

出行可分为由家出行与非由家出行。前者又可分为上班与非上班。如按出行目的细分，则又有上班、上学、自由（购物、社交）、业务等出行之别。出行生成有两种单位：一种是以车为单位；另一种是以人为单位。在大城市中，交通工具复杂，一般都用人的出行次数为单位，小城市交通工具较为简单，英、美等国家就以小汽车为单位。车辆出行与人的出行之间可以互相换算。

出行生成包括出行产生与出行吸引。由于两者的影响因素不同，前者以住户的社会经济特性为主，后者以土地利用的形态为主，故有些方法需将出行产生和出行吸引分别进行预测，以求其精确，也利于下一阶段出行分布的工作。当住户的社会经济特性和土地利用形态发生改变时，也可用来预测交通需求的变化。而出行生成交通量通常作为总控制量，用来预测和校核各个交通小区的发生和吸引交通量。图 5.3-1列出了 OD 表中发生交通量、吸引交通量和生成交通量三者之间的关系。下面首先介绍出行生成的预测方法。

图 5.3-1 　发生与吸引交通量、生成交通量示意图

二、生成交通量的预测方法

生成交通量的预测方法主要有原单位法、增长率法、聚类分析法和函数法。除此之外，还有利用研究地区过去的交通量或经济指标等的趋势法和回归分析等方法。

1 ．原单位法

原单位的求得原则通常有两种，一是用居住人口或就业人口每人平均的交通生成量来进行推算的个人原单位法，另一种就是以不同用途的土地面积或单位办公面积平均发生的交通量来预测的面积原单位法。不同方法对应的选取的原单位指标也不同，主要有：

（ 1）根据人口属性以不同出行目的单位出行次数为原单位进行预测。

（ 2）以土地利用或经济指标为基准的原单位，即以单位用地面积或单位经济指标为基准对原单位进行预测。

在居民出行预测中经常采用的是以单位出行次数作为原单位，预测未来的居民出行量的方法，所以也称为单位出行次数预测法。单位出行次数为人均或家庭平均每天的出行次数，它由居民出行调查结果统计得出。因为人口单位出行次数比较稳定，所以人口单位出行次数预测法是进行生成交通量预测时最常用的方法之一。日本、美国多使用该方法。在日本，人日均单位出行次数约为 2.7。不同出行目的有着不同的单位出行次数，图5.3-2中所示的就是根据1986年北京市调查得到的不同出行目的的人均出行次数。

图 5.3-2 不同出行目的的人均出行原单位

预测不同出行目的生成交通量可以采用如下方法：

（5.3-1）

式中 ——某出行目的和人口属性的平均出行生成量；

——某属性的人口；

——出行目的为 时的生成交通量；

T——研究对象地区总的生成交通量；

l——人口属性（常住人口、就业人口、工作人口、流动人口）；

k——出行目的。

原单位法预测的出行生成量除由人口属性按出行目的的不同预测外，还可以以土地利用或经济指标为基准预测。从调查中得出单位用地面积或单位经济指标的发生与吸引交通量，如假定其是稳定的，则可根据规划期限内各交通区的用地面积（人口量或经济指标等）进行交通生成预测。

根据交通调查可得到交通预测所需的原单位指标值，但像北京、上海、广州、南京等这样的大城市，大规模的居民调查几年甚至十几年才能进行一次，小城市这方面的数据就更是匮乏，这种情况容易造成预测所需要的数据比较缺乏或陈旧。在数据资料不足的情况下，也可以采用下述简易方法对研究区域进行数据采集或标定。若有一个 1000户的分区，可以在其唯一的出入口放置一两个计数器或人工计数器，测出每天进出该区的车辆数或人数，然后除以1000户，就是每天产生的出行次数。如果知道住户数或土地利用的建筑面积，将其与相应的原单位相乘及将分区所有的项目相加，则可求得该区总的出行生成量。

对于预测生成交通量来说，怎样决定生成原单位的将来值是一个重要的课题。根据以往的研究成果，通常有以下几种做法：

(1) 直接使用现状调查中得到的原单位数据。

(2) 将现状调查得到的原单位乘以其他指标的增长率来推算，即增长率法。

(3) 最常用的也是最主要的为函数法。通常按照不同的出行目的预测不同出行目的的原单位。其中，函数的影响因素（或称自变量）多采用性别、年龄等指标。

【例题 5-1】图5.3-3是分有3个交通小区的某对象区域，表5.3-1是各小区现状的出行发生量和吸引量，在常住人口平均出行次数不变的情况下，采用单位出行次数法预测其将来的出行生成量。

图 5.3-3 某对象区域小区划分示意图

表 5.3-1 各区现在的出行发生量和吸引量 单位：万出行数/日

D

1

2

3

合计

人口 (万人)(现在/将来）

O

1

28.0

11.0/15.0

2

51.0

20.0/36.0

3

26.0

10.0/14.0

合计

28.0

50.0

27.0

105.0

41.0/65.0

【解】根据上表中的数据，可得：

现状出行生成量 T=28.0+51.0+26.0=28.0+27.0+50.0=105.0万次

现状常住人口 N=11.0+20.0+10.0=41.0万人

将来常住人口 =15.0+36.0+14.0=65.0万人

人均单位出行次数 T/N=105.0/41.0=2.561次/(日·人)。

因此，将来的生成交通量 X=M×(T/N )=65.0×2.561=166.5万次/日

由于人们在对象区域内的出行不受区域内小区划分的影响，所以生成交通量的单位出行次数与发生 /吸引的单位出行次数比较，具有时序列安定的特点。

如上所述，将单位出行次数视为不随时间变动的量，而直接使用居民出行调查结果。然而，单位出行次数因交通参与者的个人属性（年龄、性别、职业、汽车拥有与否等）不同而变动。

2．聚类分析法

聚类分析 （ Cross-Classification or Category Analysis ）是出行生成预测的另一个可选用的模型，英国人称其为类型（别）分析，美国人则称其为交叉分类方法，它突出以家庭作为基本单元，用将来的出行发生率求得将来的出行量。它与原单位法有很多相似之处，但又存在很大不同。

20世纪70年代后，出行生成分析产生了从应用交通分区统计资料的回归分析转移到个体（非集计）资料的聚类分析的趋势。聚类分析首先在美国的普吉湾（ Puget Sound ）区域交通调查中，是一个基于土地利用的出行生成模型。其基本思想是把家庭按类型分类，从而求得不同类型家庭的平均出行率。该研究认为小汽车拥有量、家庭规模和家庭收入是决定交通发生的三个主要影响因素。因此，根据这些变量把家庭横向分类，并且由家庭访问调查资料计算每一类的平均出行生成率，预测时以将来同类型家庭的预测值乘以相应的出行率。

（ 1）聚类分析法必须服从的假定

①一定时期内出行率是稳定的。

②家庭规模的变化很小。

③收入与车辆拥有量总是增长的。

④每种类型内的家庭数量，可用相应于该家庭收入、车辆拥有量和家庭结构等资料所导出的数学分布方法来估计。

（ 2）构造聚类分析模型的步骤

①有关家庭的横向分类。澳大利亚根据其中西部的交通调查，规定家庭大小、家庭收入各分为 6类，家庭拥有小汽车数分为3类。我国家庭中自行车使用比较广泛，可以考虑作为分类的项目，上海曾以住宅类型、家庭人口及自行车拥有量作为分类项目研究出行发生模型。

②把每个家庭定位到横向类别。就是对家庭访问调查资料进行分类，把每个家庭归入其所述类别。

③对其所分的每一类，计算其平均出行率。用调查的每类出行发生量除以每类的家庭总数，则可分别得出每类家庭的平均出行率。

④计算各分区的出行发生。把分区每一类的家庭数乘以该类的出行发生率，并将分区中所有类别的家庭总加起来，得到出行总量。

（5.3-2）

式中——i 区出行产生数的计算值；

——C类家庭的平均出行率；

——i 区内的C类家庭数。

【例题 5-2】澳大利亚城市类别产生率。根据家庭规模、收入及家庭拥有小汽车数可将研究对象内的家庭分成不同的类别，表 5.3-2给出的就是根据调查得到的不同类别家庭的平均出行率。

表 5.3-2 不同类别家庭的平均出行率

收入

家庭规模

小汽车拥有率

低收入

中等收入

高收入

1～3人

4人及以上

1～3人

4人及以上

1～3人

4人及以上

无

3.4

4.9

3.7

5.0

3.8

5.1

1辆

5.2

6.9

7.3

8.3

8.0

10.2

2辆及以上

5.8

7.2

8.1

11.8

10.0

12.9

已知：低收入、无小汽车、每户 3人100户；低收入、无小汽车、每户4人200户；中等收入、有1小汽车、每户4人300户；高收入、有2小汽车、每户5人50户。

则总出行为：

100×3.4+200×4.9+300×8.3+50×12.9=4455人次/日

在 20世纪60年代伦敦进行的交通规划中，采用的就是聚类分析法，按照地理条件和家庭属性，分了108个类型。根据调查求得各类型的平均出行率。用这些平均出行率和各类型家庭数的将来预测值，分别按3种不同交通方式（驾车者、坐车者、利用公共交通系统者）和6个不同出行目的（上班、业务、上下学、购物、社交活动、非以家为出发地的出行）进行了预测。

根据聚类分析法来预测居民的出行生成的方法，在 FHWA (美国联邦公路管理局)的出行预测模型中已被采用。该模型由连续的四个子模型组成，其应用程序可从美国交通部城市交通规划的计算机程序中查到。

对聚类分析法而言，说明变量在统计学意义上的检验方法的欠缺是一个主要问题。当然如何正确地预测 108个类型的户数的将来值也是一个不可忽视的问题。

（ 3）聚类分析的优缺点

该方法的主要优点有：

①直观、容易了解。人们容易接受出行发生与住户特性关系的观念，不像回归分析那样必须了解相关性、参数值等因素。

②资料的有效利用。从现有的 OD 调查中就可获得完整的资料，即使没有，也可通过小规模调查得到。

③容易检验与更新。出行发生率很容易通过小规模抽样调查与小区的特性分析而校核其正确性。

④可以适用于各种研究范围。由于出行发生基于住户的特性，出行吸引基于土地利用特性。因此，其出行生成、吸引率可以用于各种范围研究，如区域规划、运输通道规划和新发展区。

该方法的缺点有：

①每一横向分类的小格中，住户彼此之间的差异性被忽略。

②因各小格样本数的不同，得到的出行率用于预测时，会失去其一致的精确性。

③同一类变量类别等级的确定是凭个人主观，失之客观。

④当本方法用于预测时，每一小格规划年的资料预测将是一项繁杂工作。

综上所述，聚类分析法以估计给定出行目的每户家庭的出行产生量为基础，建立以家庭属性为变量的函数。

并且突出家庭规模、收入、拥有小汽车数分类调查统计得出相应的出行产生率，由现状产生率得到现状出行量，由未来产生率得到未来出行量。

3．个人分类方法

个人分类方法 (Person-Category Approach) 是对基于家庭的分类模型的一种替代方法。如果 令 tj 表示出行率，即在某一段时间内 j 类人中平均每人的出行次数； Ti 表示 i 小区各类居民的总出行数； Ni 为 i 小区的居民总数； aji为 i 小区的 j 类居民的百分率。从而可得到 i 地区的出行发生量的为：

（ 5.3-3）

它与前述的基于家庭的类别分析法相比具有如下优点：

（1）个人出行产生模型同经典的交通需求模型的其他部分完全兼容，它们都是基于出行者而不是基于家庭。

（2）也可采用交叉分类方法。

（3）建立个人分类模型所需要的样本数比基于家庭模型少几倍。

（4）很容易考虑人口统计的变化。如在基于家庭的模型中无法兼顾某些关键的人口变量(如年龄)。

（5）个人分类较家庭分类预测起来更容易。因为后者需要预测家庭构成、大小等。

个人分类模型的主要限制是很难兼顾家庭间的相互影响、家庭的花费和预算。

2022每天车祸发生率

你好 动力底盘故障：如发动机，变速箱故障等

电子电器故障：如仪表，大灯故障等

车身及车身附件故障: 如门板变形等

一般电器故障，发动机故障较常见！

为什么黑色汽车发生交通事故率更高？

2022每天车祸发生率为50％。根据查询相关公开资料得知，在意外事故中，以车祸占首位，占意外死亡总数的50％以上。中国每5分钟有一人因车祸死亡，每一分钟有一人因车祸伤残，每天死亡280多人，每年死亡10万多人，汽车数量占世界1.9%，车祸死亡人数占世界15%，且每年增加4.5%。

求一篇5000字以上的毕业论文有关交通规划的

颜色在人们视觉中的亮度是不同的，可分为明色和暗色。红、黄为明色，明色的视觉效果较好。暗色的车型看起来觉得小一些、远一些和模糊一些，更容易发生交通事故。从安全角度考虑，轿车最好使用视觉效果较好的颜色。

买车的时候挑选什么颜色好？大多数人会根据自己的喜好来选，而疏忽了车身颜色与交通事故发生频率之间的联系。可能有车友会很疑惑，这两者之间还有联系？

澳大利亚最大的汽车保险公司对汽车颜色与交通事故发生频率间的关系进行了一番研究，结果表明：撞车等交通事故的发生，与汽车颜色有着密切的联系。其中，黑色汽车是最容易发生事故的。在白天，黑色汽车发生事故的可能性比白色汽车高12%，而在凌晨和傍晚，这一数字竟然高达47%。灰色和银色汽车的危险性仅次于黑色汽车，然后是红色、蓝色和绿色汽车，再其次是黄色，而白色汽车最安全。

有关方面专家指出，这是因为色彩特性与安全性有一定关系。首先，颜色具有进退性，进退性就是所谓前进色和后退色。例如，有红色、黄色、蓝色、绿色共4部轿车与你保持相同的距离，你就会觉得红色车和黄色车要离自己近一些，而蓝色和绿色的轿车看上去较远。这说明红色和黄色是前进色，而蓝色和绿色就是后退色。一般来讲，前进色的视觉效果较好。将相同车身涂上不同的颜色，会产生体积大小不同的感觉。如黄色感觉大一些，有膨胀性，称膨胀色；而同样体积的蓝色、绿色感觉小一些，有收缩性，称收缩色。膨胀色与收缩色视觉效果不一样，据日本和美国的车辆事故调查，在发生事故的轿车中，蓝色和绿色的最多，黄色的最少，因此可见，膨胀色的视认性较好。此外，颜色在人们视觉中的亮度是不同的，可分为明色和暗色。红、黄为明色，明色的视觉效果较好。暗色的车型看起来觉得小一些、远一些和模糊一些。从安全角度考虑，轿车最好使用视觉效果较好的颜色。

据2010年6月英国《每日邮报》在《安全科学》杂志上的报告指出，尽管白色最安全，但如果所有消费者都使用白色汽车，那么汽车色彩的单一化将导致白色汽车的事故率增加，因为如果满眼都是白色汽车，白色的对比度优势将降低。

研究者说，虽然不同颜色的汽车事故率不同，但汽车颜色并非导致公路交通事故的主要因素，相比酒后驾车或超速行驶，汽车颜色直接导致事故的几率极低。所以，只要正确使用灯光，小心驾驶，避免酒驾等仍是可以大大减少事故发生率的。

城市道路交通管理规划与研究

摘要：城市道路交通管理规划是城市可持续性发展的前提和基础，本文分析介绍了我国城市道路交通管理规划的现状，阐述了交通管理规划的目的、内容、层次及过程，论述了交通需求预测的分析方法及其相应交通需求模型在交通管理规划中的应用。

关键词：城市道路交通 管理规划 交通需求

1.道路交通管理规划现状

西方国家城市交通系统发展经历了两个阶段，即建设阶段：二战后至二十世纪70年代；管理阶段：二十世纪80年代至现在。重点在公共交通系统、小汽车发展、单项交通、交通信号控制以及道路的有效利用等多方面进行交通管理规划。

目前我国城市交通发展的历程相当于西方国家的60～70年代，与发达国家相比，城市机动车密度还比较低。尽管如此，由机动车引发的环境污染问题和城市交通堵塞问题也很严重。这充分说明了我国在道路交通管理方面还存在体制上、行政上和技术上的问题。

随着全国城市道路交通畅通工程的深入开展，许多城市的交通状况得到了很大的改观，而且一系列先进的交通管理设备和先进的管理模式被采用，取得了很好的效果。如厦门、大连、南京、青岛、济南、杭州等城市的交通管理工作均很有成效，先后被评为畅通工程“优秀管理水平”。

取得成绩的同时，我们还要清楚地认识到，目前我国城市交通管理总体水平与畅通工程要求还有一定差距。在2000年全国“畅通工程”工作组检查的138个城市中，42个城市的交通管理规划工作只达到畅通工程11项要求中的5项要求，20个城市仅满足4项要求。由此可见，我国在城市交通管理规划方面远远滞后于现代道路交通发展的要求。

城市网络很复杂，交通的运行很复杂，产生交通问题的因素也很复杂，相应制定的城市交通管理方案往往由多个管理策略、管理措施组合而成，任何一个建设或管理措施的实施都会引起整个城市路网上交通运行情况的改变。如将一条路的某个路段改为单行道或单双号通行、将交叉口的类型改变（无控制改为信号控制）、将某路段改为公交专用道、打通某条路或拓宽某条路等，都会引起整个城市80%～90%以上的主要道路交通流量和车速的改变。因此，交通管理问题是一个系统工程，必须用科学的方法解决，常用的经验性的方法是不能完全解决的。因此交通管理需要做规划，实际上，目前一些城市所实施的有些管理措施，都是做过规划的，只是不太系统、全面而已。

为了改变当前城市交通管理规划滞后的局面，哈尔滨工业大学、清华大学、同济大学和东南大学等高校以及公安部交通科学研究所、中国城市规划设计研究院等部门正致力于部分城市的道路交通规划编制工作，为提高我国道路交通管理水平作出应有的贡献。

2.道路交通管理规划基本内容与方法

2.1 道路交通管理规划的目的

道路交通管理规划的目的是解决要不要管、什么时间管、怎么管、管什么地方等问题。通过规划，人们能预先知道管理策略实施后的效果，避免由于盲目管理而带来政策上的失衡和经济上的巨大损失。

2.2 道路交通管理规划的基本内容

道路交通管理规划的工作内容主要包括：

（1）城市道路交通现状调查

应调查、搜集的资料包括：交通小区划分及小区经济、土地利用资料、交通网络结构及道路几何要素资料、历史道路交通量及流向资料、居民出行特征资料、机动车出行特征资料、货物出行特征资料、现有交通管理设施及效果资料等。在这方面，由于交通调查面广，调查工作量大，资金投入多，因此，有的城市交通规划编制单位，甚至有关政府部门领导对基础数据调查工作不够重视，认为只要在原有交通规划资料搜集的基础上，作些补充调查即可，以致于规划方案与现实脱节，其针对性和可操作性差。这是一种极为错误和片面的观点，应引起有关部门的高度重视。

（2）现状分析与问题的诊断

从道路基础设施状况、土地利用与公共交通、交通管理设施及现代化程度、交通秩序、交通质量及交通安全以及交通管理体制、政策、规划及宣传教育等方面对城市道路交通及管理现状进行分析、诊断。

（3）城市交通需求分析

通过交通需求模型的建立和计算（具体模型及方法将在下一节讨论），获得交通管理规划方案实施（评价）年份的各车种（客车、摩托车、公交车、出租车、货车、自行车）的OD矩阵，为后期交通规划提供规划依据和参数。

（4）城市交通管理方案的制定

一个城市的交通管理方案，往往是由多种管理策略和数种管理措施组合而成的。一般包括交通需求管理策略，如优先发展策略、限制发展策略、禁止出行策略、经济杠杆策略；交通系统管理策略，如结点交通管理、干线交通管理、区域交通管理。

（5）城市交通管理方案的评价

通过方案评价，分析交通管理措施是如何影响交通流的，预测交通管理措施实施下的交通运行指标，分析是否达到了管理目标。

交通管理方案的评价可按道路网络抽象化、交通管理方案抽象化、交通流重分布模拟以及管理效果分析四个步骤进行。

3.交通需求模型的建立及发展预测

交通需求预测是城市道路交通管理规划工作的基础，要做好一个城市的交通管理规划，首先要对出行进行定量预测，并对某一交通设施或系统进行分析、论证，各个路段、路口以及整个路网的通行能力都必须满足现状、近期或远期出行的交通需求，因此只有搞好流量预测才能了解该路网能否满足该城市的出行需求，并由此加以改善。

3.1 出行生成预测

居民出行产生预测的目的是建立小区居民出行发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。出行产生包括出行发生与出行吸引。居民出行产生预测的方法很多，常用的方法有交叉分类法、回归分析法、生成率法、吸引率法及平均出行次数法等。

居民出行分布预测是将预测的各分区出行发生量、吸引量转化为未来交通分区之间的出行交换量的过程。预测方法大体分为三类，即：增长率法、概率模型法和重力模型法。其中，双约束重力模型法在国内外交通规划中使用最为广泛。

3.2 交通分配预测

在掌握各分区出行产生、出行吸引，以及出行分布情况后，即知道了各分区之间有多少出行交换量后，就可着手进行交通分配。交通分配就是把各分区之间的空间 O-D量分配到具体的交通网络上。通过交通分配所获得的路段、交叉口交通量资料是检验道路规划网络是否合理的主要依据之一。目前，道路交通管理规划中应用较广泛的交通分配是随机用户平衡模型(Stochastic User Equilibrium)。该模型建立了路段行驶时间与路段交通量之间的函数关系，并考虑了通行能力的限制，通过反复迭代计算，直至达到要求的精度为止，最后分配出各路段上的交通量。

3.3 停车需求预测

世界上许多大城市均对停车需求预测进行过深入研究，由于各国国情不同、城市发展形态不同、经济增长不同，停车预测模式也不同，其计算方法差异较大。常用的预测模型有：停车生成率模型、用地与交通影响分析模型、相关分析模型、机动车OD预测模型、交通量-停车需求模型、静态交通发生率模型。下面对应用较为广泛的静态交通发生率模型和交通量-停车需求模型作一简要介绍。

（1）静态交通发生率模型

根据停车调查数据汇总可得到各交通小区的日停车数，再根据停放车辆车型比例换算为标准车，利用综合交通规划中社会经济与土地利用现状及发展预测所提供的现状和近、远期规划年的就业岗位数，抽取一定的样本，可建立静态交通发生率模型：

Pij=∑aiLij （i=1，……，m j=1，……，n） （1）

式中：Pij为预测年第j交通小区的基本日停车需求（标准车次/日）；ai 为第i类用地的静态交通发生率（标准车次/100工作岗位·日）；Lij为预测年第j交通小区第i类用地的就业岗位数（人）；n为小区数；m为用地分类数。

对模型的求解采用非线性优化的方法，即建立非线性优化模型：

式中参数意义同前。

（2）交通量-停车需求模型

通过对几种停车需求预测方法的比较可知，该模型虽不能具体得到区域内每一土地使用的停车设施需求量，但由于它与动态交通的预测方法相结合，因此比较适用于对交通小区的宏观停车需求分析。因此该模型可用来检验静态交通发生率模型的计算结果。

模型表达式为：

logPi=Ao+A1·logVki+A2·logVhi （3）

式中：Pi为预测年第i交通小区的日停车需求量（标准车次/日）；Vki为预测年第i交通小区的客车日出行吸引量（标准车次/日）；Vhi为预测年第i交通小区的货车日出行吸引量（标准车次/日）；Ao、A1、A2为回归系数。

参考文献：

1.庄严、罗辑.促进城市交通发展、走城市交通可持续发展之路. 交通工程通讯，2000（2）

2.盖春英、裴玉龙.基于公路网的路段交通量预测方法研究. 交通工程通讯，2001（2）

3.王炜、徐吉谦、杨涛、李旭宏.城市交通规划理论及其应用. 南京:东南大学出版社,1998.

4.TransCAD Transportation GIS Software (Travel Demand Modeling with TransCAD 3.2)，1999.

5.Meyer D. Urban Transportation Planning. McGraw-Hill Book Company，1984.

以上就是关于什么叫做出行发生、量出行吸引量 麻烦用通俗易懂的语言解释 谢谢了 另外还有什么叫回程（交通学的角度）全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！