TransCAD“四階段”操作步驟上課講義

1、TransCAD四階段操作步驟2006.114.2 出行發(fā)生(Trip-Generation)居民出行發(fā)成預測分居民出行產(chǎn)生預測和居民出行吸引預測兩部分。其目的是通過建立小區(qū)居民出行產(chǎn)生量和吸引量與小區(qū)土地利用、社會經(jīng)濟特征等變量之間的定量關系，推算規(guī)劃年各交通小區(qū)的居民出行發(fā)生量、吸引量。出行發(fā)生有兩種單位：一種是以車位單位，另一種是以人為單位。在大城市中交通工具復雜，一般采用人的出行次數(shù)為單位，車輛出行于人的出行之間可以相互轉換。出行產(chǎn)生預測常用的有兩種方法：類型分析法、回歸分析法，另外還有增長率法，但由于增長率法過于粗糙已停止使用。下面簡要介紹一下回歸分析法和類型分析法?；貧w分析法是在分

2、析小區(qū)居民出行產(chǎn)生量、吸引量與其影響因素(如小區(qū)人口、勞動力資源數(shù)、土地利用、崗位數(shù)等指標)相關關系的基礎上，得出回歸預測模型。函數(shù)形式有一元回歸、多元回歸等。類型分析法是以某一類型為分析單位，根據(jù)對出行起決定作用的一些因素將整個對象區(qū)域的人劃分為諾干類型。在同一類型的人員中，由于主要出行因素相同，各人員的出行次數(shù)基本相同，將各類人員單位時間內的出行次數(shù)稱作“出行率”。并且假定各類人員的出行率到規(guī)劃年是不變的。這樣各類人員數(shù)與出行率相乘便得到出行量或吸引量。4.2.1 出行產(chǎn)生(Trip-Production)4.2.1.1 模型原理出行產(chǎn)生預測采用類型分析法居多，本次結合已有資料亦采用這種方

3、法。家庭分類法中的模型是：Pi=EAsNsi=NiEAs丫si(4-1)式中：Pi分區(qū)i規(guī)劃年每個單位時間出行產(chǎn)生量；As全市現(xiàn)年第s類人員的出行率；Nsi第i分區(qū)規(guī)劃年第s類人員的數(shù)目；Ni第i分區(qū)規(guī)劃年各類人員總數(shù)目；丫si第i分區(qū)規(guī)劃年第s類人員的比例。因此必須先確定出行率As、規(guī)劃年各小區(qū)人口總數(shù)Ni、各小區(qū)各類人員比例丫si。(1) 規(guī)劃年各小區(qū)人口總數(shù)Ni現(xiàn)在已由2.3.2人口預測算出2010年規(guī)劃區(qū)總人口數(shù)，因為本次分區(qū)無法從政府現(xiàn)有資料上取得各個小區(qū)的現(xiàn)有人口數(shù)，也無法得到各個小區(qū)的人口密度數(shù)據(jù)，且因本次課題不可能進行各小區(qū)的人口調查統(tǒng)計，因此，我們根據(jù)出行量與人口數(shù)的相關性，

4、據(jù)調查統(tǒng)計的各個小區(qū)的出行量占總出行量的百分比分配各小區(qū)的人口數(shù)，即各小區(qū)占總人口的百分比等于各小區(qū)出行量占總出行量的百分比，再由2.3.2人口預測算出2010年規(guī)劃區(qū)總人口數(shù)乘以這個百分比，即得個小區(qū)人口數(shù)。見下表4-12010各小區(qū)人口數(shù)預測小區(qū)123456789P5049.73714.84775.35611.32704.22003.55531.44997.32234.1比例0.070200.051640.0663890.078010.0375950.0278530.07690.0694740.03106小區(qū)人口668394917063208742723579326518732156614

5、529571小區(qū)101112131415161718P8748.17450.52238.53089.22459.72543.05006.53454.5318.3比例0.121620.103580.031120.0429480.0341950.0353540.0696020.0480260.004425小區(qū)人口115792986172962940889325573365966267457244212邯鄲市2010年各分區(qū)人口預測表表4-1（2）出行率As（假定到未來年不變）見表4-2不同收入人員的出行率表（2003年）表4-2收入分類（元/月）0-600600-12001200-18001800

6、以上出行率（次/天）2.492.7752.572.58（3）各小區(qū)各類收入人員比例丫si（由于規(guī)劃年限較短，假定到未來年不變）各小區(qū)不同收入人員比例（2003年）表4-3小區(qū)123456789人0-6000.020.020.050.010.10.030.020.010.01員600-12000.210.130.310.140.110.240.130.140.14比1200-18000.350.220.220.150.250.320.220.150.15例1800以上0.420.630.420.70.540.410.630.70.7小區(qū)101112131415161718人0-6000.20.2

7、0.450.450.320.250.250.20.2員600-12000.320.320.260.260.210.120.120.320.32比1200-18000.280.280.210.210.330.310.310.280.28例1800以上0.20.20.080.080.140.320.320.20.2軟件流程（1）數(shù)據(jù)準備（輸入） 規(guī)劃年各小區(qū)人口數(shù)（見“deteview2-分區(qū)”之字段2010人口數(shù)） 出行率表（已乘以各小區(qū)不同收入人員比例，注意：字段名必須以“R_”開頭）見下圖4-2:(3區(qū)ttDatoESa藤年polp躡年Fg=l|l而1fUnftm|R.OrfiCifl|FL

8、Gtt-12DRJMlH上157AM,47IMiEGB391oni收n對1HR?3T1*ABM傾7D7005D驀0571R33iibas4774IU4E32DB3017D麟ne1HR4a?W1147167177?4007D3?nw1HI511(147fi27M41DI3579350?5Dlln&tII39312HJ3IIRIOnansfi007067n&?1DB71心2ESI5111THIS70050%0571E3ft礎花4知的50S1fl002033n1Bl9isasZ7J4HHB329571S0iD2039n1Bl101榮57074877OT115732liflHE。08307203211

9、I31G1745JI74209S&I711OJD0890720S212i&27JJMi374班心u1120.7?1)540!l13W9M捋碩的13112072Ok02114mnI?ma3HS7uoao.。的03&15M7432543I9H33B!BIS0LG2OBoao0B3略492快5006tanBB2DIt。成33uotm17145431314572417OLSDD890-?05218由忘2ia4ZU18o.5ni.aaw圖4-2(見下圖4-3)出行產(chǎn)生cross-classification法窗口數(shù)據(jù)準備圖(2) 操作過程菜單命令：PlanningTripproductionscross

10、-classification出行產(chǎn)生cross-classification對話框圖4-3(3) 運行結果見圖4-4DatavievS-分區(qū)+crosclasE區(qū)阪皿Ar盹1年PCU_P|S年PCU_A2O1QA口靠口暄扇IDP)-GN)|1200)|(1200-1300)|M11201Op(le_P|15(.925M347XGt8391H28.5839950.43mzi.fifi724261710272G4.E43714496449170224486717738.08?78C07273920.921273B0347754G4463208378G9405W7t6a3573780CMS2.13

11、1GG474498.32.56114716im41M9L17288M67囹631ffi131135.2319M7I5ininmi410135W358312461M25.81I22WOO4MGG.6132702G20*3181D2(51WGmas17EG0.39占現(xiàn)84028050.74695011181.52553111173占57364611ZM12J141395,?119t0lGt190457can49176550E614581M70123E37.332545390119457.87172301918.M22341蝴295?19Z3&3211488.3311399.6253405.2377

12、02910974B77M1157921106766+428332153537W.67加拓即1111161745D74209SS171114911127875711.90*48050888.372505341218Z7.20Z23BZ37423525112331992921377321599077和5.437GG8213嶇9830892S45n4581&1229501.412MCT73M39.4910562414I73&87245324703255711425341.421BI72J59276115911759.59網(wǎng)515307.432543151033659115209527311208.4

13、5湖IE1327786.878t?E&1E492.65SOK4393652G71161251212206.3152湖32550.04170823173S9.543(5(51JI457241722771554K02.9132902S923533.581138701B316.3231日21042121920975B37UL2630%?173.3911324.2.2 出行產(chǎn)生cross-classification預測結果圖4-4出行吸引(Trip-Attract)出行吸引與發(fā)生類似，可用類型分析法和回歸分析法，有些學者認為出行吸引用類型分析法會得到較為理想的結果，因兩者都是可行的，交通吸引方面也用

14、上述方法，所以我們規(guī)劃過程中假設未來交通吸引和交通生成一致，即各區(qū)未來年P和A相等。方式劃分(ModeSplit)4.3.1概述城市中，居民在交通小區(qū)之間的出行時通過采用不同的交通方式實現(xiàn)的。目前，城市居民采用的交通方式有步行、自行車、公交系統(tǒng)、出租車、單位車、摩托車、私家車及其他等幾類。交通方式分擔預測即指在進行了出行分布預測得到全方式OD矩陣之后，確定不同交通方式在小區(qū)間OD量中所承擔的比例。從目前國內城市交通預測的實踐來看，在居民出行方式劃分的預測中，一個普遍的趨勢是定性和定量分析相結合，在宏觀上依據(jù)未來國家經(jīng)濟政策、交通政策及相關城市對比較來對未來城市交通結構作出估計，然后在此基礎上進

15、行微觀預測。因為影響居民出行方式結構，其演變規(guī)律很難用單一的數(shù)字模型或表達式來描述。尤其是在我國經(jīng)濟水平和居民的物質生活水平還相對落后，居民出行以非彈性出行占絕大部分，居民出行方式可選擇余地不大的情況下，傳統(tǒng)的單純的轉移曲線法或概率選擇法等難于適用。所以在居民出行方式的劃分的預測中，一般采用這樣的思路：宏觀與微觀相結合，宏觀指導微觀預測。首先在宏觀上考慮該城市現(xiàn)狀居民出行方式結構及其內在原因，定性分析城市未來布局、規(guī)模變化趨勢，交通系統(tǒng)建設發(fā)展趨勢，居民出行方式選擇決策趨勢，并與可比的有關城市進行比較，初步估計規(guī)劃年城市交通結構的可能取值。其次在微觀上，根據(jù)城市居民出行調查資料統(tǒng)計計算出不同距

16、離下各種方式分擔率，然后，考慮各交通方式特點、優(yōu)點、缺點、最佳服務距離，不同交通方式之間的競爭轉移的可能性以及居民出行選擇行為心理等因素，對現(xiàn)狀分擔率進行修正，以若干次試算，使城市總體交通結構分布值落在第一步所估計的可能取值范圍之內。4.3.2出行方式劃分（1）按選擇的對象分為：機動車全方式Y】機動車r步行自行車一小汽車（含出租車）汁人機動交通J1摩托、助動車r普通公交（公共汽、電車）虹公共交通L軌道公交（地鐵、輕軌等）（2）按服務提供者劃分分為：廠r公共汽、電車公共交通1,、，一,，城幣軌道交通（地鐵、輕軌等）全方式項人交通私人交通步行、自行車、私家車、單位車出租車4.3.3影響出行方式的因

17、素不同國家或地區(qū)飲食及情況千差萬別，出行者的出行方式選擇的比例結構也就不同，也就是說，影響出行方式劃分的因素因國家而異。就我國的實際情況而言，城市交通中，影響人員出行方式選擇的主要因素11個，這些因素可歸納為三個方面的特性。（1）出行者或分區(qū)特性 家庭車輛擁有情況。主要指自行車摩托車，以后將會加入小汽車，如意分區(qū)為分析單位時，則應采取車輛擁有量的平均值，下同。 出行者年齡。不同年齡階段的出行者偏好于不同的交通工具，如老人和小孩偏好于公共交通，而較少騎車。 收入：高收入者偏向于坐出租車，而低收入者偏向于公共交通或騎自行車。 分區(qū)的可達性。包括兩個方面：道路密度和公交網(wǎng)密度。(2) 出行特性 出行

18、目的。上班和上學偏向于公交車，購物和社交等偏向于出租車或私人交通。 出行距離。近者偏向于步行和非機動車。(3) 交通設施的服務水平 費用。對公共交通，指車票；對個人交通，指汽油費、車耗等。 時間。含座車等車轉車以及上下車前后換乘步行的時間。從這個角度來說，具有門對門特點個人交通優(yōu)于公共交通。 舒適度。包含坐與站的區(qū)別，以及座椅的舒適程度站立的寬松程度。 可靠性。指車輛到離站的準時性，顯然準時準點的軌道交通優(yōu)于一般公交汽車。 安全性。4.3.4方式劃分的位置分類根據(jù)交通發(fā)生、交通分布、交通分配各自的功能特性，這三個工作項段的時間順序必須依次是：交通發(fā)生一一交通分布一一交通分配，不能改變。方式劃分

19、既可以單獨解決，也可以與上述某各子問題中任何一個結合起來同時解決。根據(jù)方式劃分在整個交通預測過程中的位置分為五類，如圖4-5:II類m類W類GGG方式劃分的位置分類圖圖4-54.3.5方式劃分的模型、方法方式劃分早期主要從集聚的角度研究該問題。所謂集聚方法就是以一批出行者作為分析對象，將有關他們的調查數(shù)據(jù)先作統(tǒng)計處理，得出平均意義上的量，然后對這些量作進一步的分析研究，如前面的交通發(fā)生、交通分布都屬于集聚模型。所謂非集聚模型，則是以單個出行者作為分析對象，充分地利用每個調查樣本的數(shù)據(jù)，求出描述個體行為的概率值。非集聚方法要比集聚方法復雜的多，但其有要求樣本小、預測精度高的特點。有關方式劃分的模

20、型方法見圖GMSG后MSr集計方法*D-MSD后MS/Logit方式劃分/I仿真類（Monte-Carlo法）Probit（合并法（Clark法）逼近類I非集計方法J.分裂法（Langdon法）廣LogitBCL直接類*BCD|Lgl改進Logit合并法（NL）I分層類4分裂法（Langdon法）下面簡要介紹常用方法的模型原理：（1）G-MS結合的方式劃分G-MS方法是在與出行發(fā)生的同時進行方式劃分，因此只能主要考慮其中出行者和分區(qū)特性的4個因素（最多還加出行目的因素）作為方式劃分的主要依據(jù)。這里同樣要分出行產(chǎn)生量預測和出行吸引量預測，即分產(chǎn)生量一MS預測、吸引量一MS預測。1)產(chǎn)生量-MS預

21、測如同出行發(fā)生量預測，仍可采用類型分析法和線性回歸法。類型分析法模型Pki=aksNsi(4-2)其中：Pki-分區(qū)|的第K方式出行產(chǎn)生量aks全市第s類家庭第k類方式的出行率Nsi分區(qū)i第s類家庭的數(shù)目，規(guī)劃年預測值線性回歸模型pik=+blkXil+-.+bskXin(4-3)其中：Xili分區(qū)第j個因素規(guī)劃年預測值bjk-第j因素相對于方式k的回歸系數(shù)，用xij現(xiàn)狀調查數(shù)據(jù)經(jīng)線性回歸獲得2)吸引量-MS預測Bik=diswskpis(4-4)式中：Bik分區(qū)i的第k方式出行產(chǎn)生量理論值disi分區(qū)第s類用地的崗位數(shù)Pisi分區(qū)第s類用地崗位彈性系數(shù)wsk全市s類用地每個崗位對第k方式出行

22、的吸引率(2) 生成后的方式劃分模型因為尚未進行出行量的分布預測，方式劃分仍主要以出行者或家庭或分區(qū)的特性為依據(jù)，多采用線性回歸模型。由于已經(jīng)知道的一個分區(qū)總的出行量和吸引量現(xiàn)在就只要預測個方式的比例。例如，以公共交通和個人交通兩種方式劃分為例，分區(qū)的出行產(chǎn)生量由下式?jīng)Q定，回歸模型為：丫公=b+b人x人+x收+b私x私+b道x道+b公x公(4-5)丫個=1-丫公式中：丫公丫個-分別為對象分區(qū)公共交通和個人交通方式出行產(chǎn)生量的比例x人、x收、x私、x道、x公分別為對象分區(qū)規(guī)劃年人口數(shù)、分均收入、人均私車擁有量、道路網(wǎng)密度、公交網(wǎng)密度b、b人b收b私、b道、b公分別為常數(shù)項及相應各因素回歸系數(shù)分區(qū)

23、的出行吸引量可由下式?jīng)Q定，模型為：a公=c+c學x學+c商x商+c自x自+c辦x辦+c道x道+c公x公a個=1-a公式中：a公a個分別為對象分區(qū)公共交通和個人交通方式出行產(chǎn)生量的比例x學、x商、x自、x辦、x道、x公分別為對象分區(qū)規(guī)劃年學校、商店、工廠、辦公崗位數(shù)、道路網(wǎng)密度、公交網(wǎng)密度c學、c商、c自、c辦、c道、c公分別為常數(shù)項及相應各因素回歸系數(shù)由于前面兩種方式劃分所依據(jù)的因數(shù)內有考慮到分區(qū)之間的服務水平和出行本身的特性，預測結果有一定的局限性。(3) D-MS結合的方式劃分很顯然，對一次出行而言，使用不同交通工具的出行時間和費用不同，即交通阻抗不同。如果在分析出行分布的同時還考慮交通方

24、式的選擇，那么兩分區(qū)就會根據(jù)方式劃分成若干種不同的交通阻抗，在出行分布時就根據(jù)各自阻抗預測個方式的分布量。D-MS結合的單約束模型為：tijk=PiAifk(Rij)/Ajfk(Rij)(4-6)式中：tijk分區(qū)i、j之間采用k方式的出行分布量，k=1表示公共交通，k=2表示個人交通Pi分區(qū)的出行產(chǎn)生量Ai分區(qū)的出行吸引量Rij、fk(Rij)分區(qū)i、j之間的距離和采用方式k的交通阻抗(4) 分布后的方式劃分交通方式劃分預測現(xiàn)行的常用方法有轉移曲線法、回歸模刑法和概率模型法等方法。 轉移曲線法在大量的統(tǒng)計調查資料的基礎上，所得出城市各種交通方式的分擔比例與其影響因素之間的關系曲線，被稱為轉移

25、曲線。影響因素包括交通小區(qū)之間的距離、行程時間或合交通方式所需的時間差等。利用轉移曲線法可以直接查得各種交通方式在城市交通小區(qū)之間出行量中所占的比例。缺點是由于該轉移曲線是由現(xiàn)狀調查資料繪出，因此無法反映出在未來情況下，特別是當影響因素發(fā)生改變時的交通方式分擔率的變化。計算公式如下：Tijk=TijXPk(tij)(4-7)式中：Tijk交通小區(qū)i到就第k種出行方式的出行量；Tij同前；Pk(tij)在出行時間為tij時，居民采用第k種出行方式的出行比例(從距離曲線上得到) 回歸模型法通過建立交通方式分擔率與其相關因素之間的函數(shù)關系，得出回歸方程的方法即回歸模型法。一般采用的是線性回歸模型。該

26、方法簡單易行但粗略，且由于由該方法得出的分擔率不能保證在0-1之間。因此使用范圍有限。 Logit模型法概率模型中最常用的是Logit模型，其函數(shù)形式為：Pijk=eUijk/eUijk(4-8)k1式中：Pijk交通小區(qū)i到交通小區(qū)j的出行量中，交通方式可k的分擔率；Uijk交通小區(qū)i到交通小區(qū)j的交通方式k的效用函數(shù)；n交通方式的個數(shù)。其中，Uijk的計算公式為：cUijk=amXijkm(4-9)m1式中：am待定系數(shù)；Xijkm出行者在從交通小區(qū)i到交通小區(qū)j采用交通方式k時的影響因素mc影響因素的個數(shù)。除了上述模型以外，還有Probit模型、犧牲量模型等其他模型，由于各有缺陷，模型的

27、應用還十分有限。4.3.6模型應用在居民出行方式劃分的預測中，一個普遍的趨勢是定性和定量分析相結合，一般采用這樣的思路：宏觀與微觀相結合，宏觀指導微觀預測。因為邯鄲系中大城市，為發(fā)展中的古城，居民出行方式選擇不大，考慮到這次交通規(guī)劃的目的，且本次OD調查主要為機動車OD調查，本課題將采用集聚模型的第類方法，即GMS方法。因為本次規(guī)劃的年限為2010年，規(guī)劃時間較短，居民的出行習慣，出行方式不會發(fā)生大的變化，因此我們采用同濟大學2002年在邯鄲交通研究中所著的現(xiàn)狀分析報告中的出行方式比例，見表4-4。邯鄲市主城區(qū)出行方式構成表4-4出行方式比例公共汽車5.6單位公交車0.01出租車1.56摩托車

28、5.57小汽車3.22其他機動車0.6自行車45.81其他非機動車1.33步行36.3將4.2出行發(fā)生中所求得的201。年各小區(qū)的出行量乘以各出行方式比例即得各小區(qū)各出行方式的出行量，見表4-5,至此方式劃分結束。各小區(qū)各出行方式的出行量表4-6OD2010出行量（人次/天）公共汽車單位公交出租車摩托車小汽車其他機動車自行車其他非機動車步行比例5.60.011.565.573.220.645.811.3336.311748279790172727973856291049800882325634622127908716313199571244119767585951701464313166474

29、932317259792735360999762622214604304193471108341930181077662301161886292573702305927025191914465164298555642467123333651669501389271084387122384173183892425229719045810666192971106096133114387249253369136817230196491726889597554810347893122926254597702943148120242912480462352871024279621030356016999

30、304736169089775182113906140371101921125853414478264033144008325155111843434399384812766824294811964271246946035128102027836131058245926111651589434086354847814073841414842854720813154695271450638611112130595158676648599135448332794521397481154314961617082395661726659515550110257825422726200917119870

31、671312187066773860719549121594435131811042618117261535666505814740084.3 此階段未很好結合，請高手刪改添加?。ㄗ詈媚芴硇┨摂M數(shù)據(jù)，在分布后進行。）出行分布(Trip-Distribution)出行分布預測是將4.2求得的各交通小區(qū)規(guī)劃年的出行產(chǎn)生和吸引量轉化為各小區(qū)之間的出行交換量的過程，即要得出由出行生成模型所預測的各出行端交通量與區(qū)間出行交換量的關系。4.4.1模型原理分布預測方法大體上分為：增長系數(shù)法f單約束增長系數(shù)法i雙約束增長系數(shù)法5概率模型重力模型平均增長系數(shù)法弗尼斯法(furness)弗萊特法(Fratar)目

32、前主要用Fratar法、重力模型法，且其中又以重力模型法居多。下面重點介紹上述兩種方法。佛萊特法Tij=tijaibj(Li+Lj)/2(4-10)佛萊特法認為兩交通小區(qū)之間的未來出行()分布量不僅與這兩區(qū)的增長系數(shù)有關，而且還與整個調查區(qū)內的增長系數(shù)有關，這較平均增長系數(shù)法有所改進。它基于兩個假設：1.未來的出行空間分布與ai和bj均成正比關系；2.未來的出行空間分布與兩地間的出行阻撓因素成反比關系，此處出行的阻撓因素可表示為(Li+Lj)/2,其中Li、Lj為地區(qū)性因素。tjtijjiLi=Lj=(4-11)ji佛萊特法需用迭代方法反復修正和計算，直到收斂在誤差范圍之內為止。弗萊特法屬于增

33、長率法，其最大的一個缺點是沒有引入各個分區(qū)之間的交通阻抗因素。他對近期或肯定至規(guī)劃年整個交通網(wǎng)絡上的家庭阻抗都沒有什么變化的出行分布問題時可用的。但一般對象區(qū)域的交通阻抗都會因交通設施的改進貨流量的增加而不斷變化，這就要求在進行分布預測時加入交通阻抗的因素。(1) 重力模型顧名思義，重力模型借鑒了牛頓萬有引力定律來描述城市居民的出行行為，他考慮了兩個小區(qū)的吸引強度和吸引阻抗因素。他的基本假設為：交通小區(qū)i到交通小區(qū)j的出行分布量與小區(qū)i的出行發(fā)生量、小區(qū)j的出行吸引量成正比，與小區(qū)i和小區(qū)j之間的出行阻抗成反比。重力模型是綜合分布模型中采用最廣泛的一種。所謂綜合模型，就是對現(xiàn)有的交通資料進行分

34、析，希望得到出行產(chǎn)生和出行吸引以及出行阻抗的綜合關系。交通阻抗可表示為：出行距離的長短、行程時間的快慢及費用的大小等。其考慮了出行費用是前面的模型所不能達到的。重力模型法有三類：無約束重力模型、單約束重力模型和雙約束重力模型。無約束重利模型形式簡單、便于計算，但精度不夠，所以也很少采用。單約束重力模型它考慮的因素較增長系數(shù)法更全面，對交通阻抗參數(shù)的變化能敏感地反應，在沒有完整的現(xiàn)狀OD調查資料時也能使用，計算、精度間于但約束和雙約束重力模型之間。雙約束重力模型，要求數(shù)據(jù)較多，計算復雜，精度高。運用TransCAD,本階段采用雙約束重力模型。(1)模型表達：Tij=KLoiLDj/f(Rij)(

35、4-12)式中：LoiLDj表土地使用f(Rij)摩擦因子用出行產(chǎn)生量Pi和吸引量Aj表達土地使用，得：Tij=KPiAj/f(Rij)(4-13)廣Rijb藉函數(shù)式中f(Rij)=eRij指數(shù)函數(shù)LRijbeRij復合型函數(shù)本課程采用雙約束重力模型，摩擦因子函數(shù)采用藉函數(shù)(Inversepowerfunction),即用KiKj代替K,f(Rij)=Rijb得：Tij=KiKjPiAj/Rijb(4-14)式中St.Ki=(KjA/Rb)Kj=(KP/Rj)(2)模型標定1)給b一個初值，令b=12）用迭代法求Ki,Ki令列約束系數(shù)Kj=1將列約束Kj代入式求各行約束系數(shù)Ki將列約束Ki代入

36、式求各行約束系數(shù)Kj比較先后兩次的行約束系數(shù)、列約束系數(shù)變化，要求相對誤差3%.否則繼續(xù)迭代。3）將求得的約束KiKi代入模型用現(xiàn)狀分布表求的理論分布表4）計算實際分布表的平均交通阻抗R實和理論分布表的平均交通阻抗R理求a5）當a0即R理R實時，可推出：理論分布量實際分布量，b值偏大。令b=b/2當a0即R理R實時，可推出：理論分布量實際分布量，b值偏小。令b=2b返回步驟2.4.4.2居民出行轉換為車輛出行因為本次OD調查主要成果為機動車OD表，而上面出行預測出的是2010年的各小區(qū)每天人口總出行次數(shù)，所以在進行交通分布前須將2010年的各小區(qū)每天人口總出行次數(shù)轉換為各小區(qū)的高峰小時標準汽車

37、出行量。邯鄲市各交通方式分擔比例如下表“比例”一行所列（資料來源：現(xiàn)狀分析報告）；早高峰小時交通量占一天交通量19.63%（資料來源：現(xiàn)狀分析報告）按下式計算各值：各區(qū)各交通方式所承擔出行量（人次）=各區(qū)出行量*方式比例各區(qū)出行的標準汽車數(shù)（PCU/天）=習（各交通方式*相應換算系數(shù)）見表4-7各區(qū)高峰小時出行量（PCU/PH）=各區(qū)出行的標準汽車數(shù)（PCU/天）*19.63%計算結果見表4-8:城市道路交通量調查小汽車為標準的換算系數(shù)表表4-7車輛類型換算系數(shù)小汽車1.0小型載重車1.535載重車2.05以上載重汽車2.5中、小型公共汽車2.5大型公共汽車、無軌電車3.0摩托車0.8三輪車0

38、.5自行車0.4OD2010出行量(人次/天)公共汽車單位公交車出租車摩托車小汽車其他機動車自行車其他非機動車步行PCU慶PCU/PH比例(覽5.60.01.65.63.20.645.81.336.3合乘系數(shù)1231.5222111174827.09790.317.52727.39737.95629.41049.080088.22325.263462.233548.465862127908.07162.812.81995.47124.54118.6767.458594.71701.246430.624544.948183166474.09322.516.62597.09272.65360.59

39、98.876261.72214.160430.131945.562714193471.010834.419.33018.110776.36229.81160.888629.12573.270230.03712605191.39.31446.25163.52985.0556.242466.81232.933650.81778903892.17.01084.23871.22237.9417.031838.4924.425228.913336.926187190458.010665.619.02971.110608.56132.71142.7872

40、48.82533.169136.336547.971748172301.09648.917.22687.99597.25548.11033.878931.12291.662545.333063.76490977029.04313.67.71201.74290.52480.3462.235287.01024.527961.514781.5290210303560.016999.430.44735.516908.39774.61821.4139060.84037.3110192.358251.61143511258534.014477.925.94033.114400.38324.81551.21

41、18434.43438.593847.849611.497391276682.04294.27.71196.24271.22469.2460.135128.01019.927835.614714.9288913105824.05926.110.61650.95894.43407.5634.948478.01407.538414.120307.139861484285.04720.08.41314.84694.72714.0505.738611.01121.030595.516173.931751586766.04858.98.71353.54832.92793.9520.639747.5115

42、4.031496.116650.0326816170823.09566.117.12664.89514.85500.51024.978254.02271.962008.732780.1643517119870.06712.712.01870.06676.83859.8719.254912.41594.343512.823002.545151811042.0618.41.1172.3615.0355.666.35058.3146.94008.22118.9416居民出行與車輛出行轉換表表4-8規(guī)劃年各小區(qū)的預測出行量即為表4-8中PCU/PH一列，將這列值填至TransCAD分區(qū)層的數(shù)據(jù)data

43、view中，字段名為2010PCU_P。4.4.3程序流程流程一：求阻抗矩陣Rij(ImpedanceMatrix)交通阻抗可表示為：出行距離的長短、行程時間的快慢及費用的大小等。為更真實地反映交通阻抗，本次規(guī)劃交通阻抗采用相對行程時間表示。小區(qū)之間的阻抗一相對行程時間越小表示小區(qū)之間阻抗越小，越大表示小區(qū)之間阻抗越大，因此以相對行程時間為路權值求各小區(qū)之間的最短路徑(ShortestPath)其值即為小區(qū)之間的阻抗Rj。（1）數(shù)據(jù)準備創(chuàng)建路網(wǎng)步驟：（已建路線層和分區(qū)層）創(chuàng)建小區(qū)質心。在分區(qū)層上，ToolExport調出圖4-6對話框框中各選擇如圖示，注意：格式選standardgeograp

44、hic,點OK保存。質心繼承分區(qū)所有屬性。Export對話框圖4-6a. 加載。在路網(wǎng)（.dbd）層上，加載分區(qū)層、質心層。b. 建索引（Index）。在Connect之前一定要在路網(wǎng)Endpoint”層的Dataview上新加一字段取名為index，保存。因為連接后質心作為路網(wǎng)Endpoint（lineendpoint）層上的一個普通的點。建立Index以便路網(wǎng)Endpoint層上的質心點ID與質心層的質心ID對應，用以ID轉換。c. 連接（Connect）。將質心點連接到路網(wǎng)。在質心層上ToolsMapEditingConnect調出其對話框圖4-7Setting卡上：如圖。Fill卡：N

45、odefield里選index;Fillwith里選IDsfrom質心layer.（這便將質心層上質心ID填充進index,以便和路網(wǎng)Endpoint層上的質心點ID建立對應關系。）點OK質心連接完成。路網(wǎng)（dbd）已顯示連接。Connect調出其對話框圖4-7aConnect調出其對話框圖4-7be.填充連接后新增路段的值。將其通行能力設為無窮大（大數(shù)即可）,通行時間設CreateNetworks對話框圖4-8為很小的值。f.創(chuàng)建路網(wǎng)（Create）。在路網(wǎng)層上，Networks/PathsCreate-調出其對話框，圖4-8readlengthfrom下拉菜單選擇Travel_time字段

46、合適將OptionalFields內的內容全選，連接后的路網(wǎng)將繼承這些屬性。點OK保存Networko至此，路網(wǎng)創(chuàng)建完成！ 做選擇集。點工具欄（tools）的選擇圖標（selectbypointing）或在dataview里選擇質心點，將其作為一個選擇集。以便下一步輸入，讓軟件找到這些質心點。 路網(wǎng)上各路段的相對行程時間相對行程時間=Length/平均車速（2）操作過程Networks/PathsMultiplepaths調出其對話框圖4-9,在Minimize里選相對行程時間；From、點Network，調出其對話框：在Info卡:鉤上Centroids,在OtherSetting卡：Cen

47、troidsareinselectionset里選selection。這樣最短路徑不過質心點。點OKTo里選SelectionFileD泣J&觀nttBacedon。:，交通魂刻曲網(wǎng)dtdDesciipitonD.攻匣規(guī)囂IntotjTumPenlti辨|Qlhair|NdwnikFieldsLiiekkIDDiij南行as加viGen臼ml221Linki72+Coritcrit1uiiiliifDimdliuriDptiurisirk由色I。Centioid?Ld.iludtinrfiHCtntradf00Li仙PenalUM*NoneFTurnTmiferriKGnmlIHrl=,iFM

48、ultiplepaths對話框圖4-9運行結果(即為阻抗矩陣)各分區(qū)間最短路徑(阻抗矩陣)圖4-10流程二：重力模型標定(校準)(Gravitycalibration)(1)數(shù)據(jù)準備 基年OD巨陣。 阻抗矩陣(ShortestPaths)itrixlShortestPath(ShortestPath-相對行程時間J)22G22G|0.0(2270.32220|7422910.202311L56292|1.062331a0.&4227229福-摹年QDlatrizFile(FLOW)匚IlM2292312|389.40M4.5O538.20128.40391.4123223328178285.82*3+1.00234507.33ir7tILabels.28900290.002B4.00242.00140.00135.00421.Qi413.0143