TransCAD技巧图解教程(2)

PA to OD 把前面方式选择到的三个24hPA 转化成三个24小时OD，注意24小时时段分析，在转化成OD后再进行，转化后得到。

小汽车24hOD矩阵

公交车24hOD矩阵

其他交通工具24hOD矩阵

软件将会生成三个 PA2OD矩阵

transcad中的方式选择模块

方式选择是一个很有意思的数学问题，个体出行中不同目的，不同时间，天气等情况选择的交通工具会不同。这种差异性，随机性用数学方式表现比较复杂。选择交通工具如同选择商品一样，服从经济学中的效用原理，在这方面成果多的是经济学家和数学家，20世纪70年代以来，以Mcraddm为代表的一批人将经济学中的效用理论引用过来，并以概率论为理论基础，从非集计的角度对方式划分问题展开了研究。国内交通专业人士由于数学的欠缺，在刘灿齐专著之前，国内很少有专家介绍方式选择方便的先进理论，最早做这方面工作的是国内数学领域的专家，比如92年熊西文教授介绍了MNL等方式选择模型。早期的转移曲线算是比较好的定量分析，在国内被广泛应用，现在国内更多还是比较机械的分割，据说是按宏观和微观结合方法。transcad吸取了方式选择成熟适应的先进理论。主要有BNL（二元logit）、MNL（多元logit）、NL巢式logit等。以上非集理论是相对于集计理论来说的，研究的对象是个体，简单的说就是研究个体出行采用哪种交通方式。非集计模型建立的基础是效用（Utility）最大化，以及交通行为理论。在经济学中“效用”是指人们选择消费所获得的满足程度，出行者选择哪种交通方式出行也是一种消费行为，出行者也将追求效用最大化原则，选择其认知到选择枝（Alternative）中效用最大的一枝，在效用理论基础上扩展的随机效用理论，1974年麻省理工学院的Mc Fadden 导出MNL模型。后来发现MNL模型有不足（参考刘书上面的红蓝巴士问题）。问题在于随机效用理论的随机项问题，

随机项服从二重指数分布（Gumbel）可以推导出MNL模型

随机项服从服从多元正态分布(Multivariate Normal Distribution),则可以得出Probit模型。

国内中山大学数学系在概率论随机理论方面比较有成就概率论著述书上好像有二重指数分布介绍。多元正态分布介绍的很多。

transcad中关于MNL模型需要建立模型表格类似交叉分类表格，进行参数的标定。然后应用！假设只考虑三种类型，小汽车，和公交出行，其他方式（自行车摩托车等）。在进行交通产生吸引预测时诞生各个TAZ的各类出行HBW+HBNW+NHB等，组合成一个PA

矩阵，进行分布分析！方式选择在分布后，依据每个TAZ则PA矩阵化解成小汽车PA,公交PA，其他方式PA。

出行的“产生点”并不等价于“起点”，“吸引点”也不等价于“讫点”。 为什么在出行起、终点这两个简单的概念之外还要定义出行的产生点利吸引点这样较为复杂的概念呢！在早期的交通规划四阶段中，确实只有起、讫点的概念，没有产生点和吸引点的概念，由于一个分区的交通出行发生量主要是由这个分区的土地利用形态决定的，而起讫点的概念与用地形态没有关系：例如，就拿住宅用地来说（属于居住用地范畴），它既可以是出行的起点(从住宅用地旁边的道路上选择交通工具去班)，也可以是出行的讫点(下班回家)。可是从起讫点的概念出发，无法由分区未来的用地模式预测分区的交通出行发生量。现在的城市规划，普遍还是对土地功能划分成各类用地，比如商业用地，一类工业用地，居住用地，仓储用地等等。因此，后来交通学家们提出了产生点和吸引点的概念。那么如何预测出交通产生量，和和吸引量呢。这里需要引进，出行的发生范围，出行的时间范围，出行的分类，出行的度量单位。

（1）出行的发生范围，对城市分区域分析，划分交通分析小区(TAZ)，影响划分方式因素很多，应该综合考虑，土地形态，道路网络，行政单位，以及对这些交通小区抽样调查的方便程度。这一步很关键。

（2）出行的时间范围，人群，个体出行是个时空范畴，遵循生物节律性，个体一般在一天内完成工作，上学等等目的的出行行为，进行预测时间范围是一天（24h），当然也可以是一段时间内的预测（数学表现上比较复杂，很难以掌握精确程度）。出行范围定制在一天，还考虑到，方便对前面划分交通小区进行交通的抽样调查，另外能保证产生吸引预测精确，保证预测不重叠，因为如果把一天中个体的出行轨迹描绘出来，将会是一个出行链条。交通小区的划分，分割了出行链条，产生点和吸引点被划分在不同范围内。因此为了保证预测不重叠，还需要进行出行分类分析。

（3）在完善的交通需求预测中，出行分类一般划分成四类HBW (基于家庭的工作出行)，HBNW(基于家庭的非工作出行) HBO(基于家庭其他目的出行) ，NHB(非由家出行)。这种划分方式是交通产生吸引（PA）预测的精华所在。对交通小区的调查一般以家庭为单位。得到的是家

庭中个体，或者家庭的出行抽样数据，然后对该小区总体出行数目，用数学方法放大。上面说过了在个体出行中，以一天为单位完成出行，并且是一个轨迹链条，这个出行的轨迹依赖于几个关键点家庭 工作地点 出行的目的地，对出行分类进行上述四类划分，能很好避免出行链被分割在不同小区，由此造成的重复预测。

（4）出行的度量单位，交通预测最终预测的是TAZ总体的出行数目，这个数目是有单位的！是人/天，有些人直接进行OD预测并且得到的结果单位是（车/时间）,很让人诧异，既然预测是车，那么车如何去进行方式选择呢？？然后还煞有介事的进行方式划分，要纠正这种错误观点，土地形态不同产生的交通量是有单位的，PA预测单位是（人/时间），不是（车/时间）。因为是人决定了要去那里（出行分布），是人决定了选择哪种交通工具（方式选择），最中选择的交通工具对路网产生如何影响（交通分配）。出行的产生和吸引是其他几个需求预测的基础，行为的主题是人！行为主体是人，在会有后面交通分布，以及对交通工具选择，最终引发随机效用理论在交通选择中的应用，开创了应用数学和经济学等理论交叉发展新局面，从而诞生许多新兴离散选择模型。在交通分配中，因为行为主体是人，由此发展了，随机用户均衡先进模型，有些人把一天的OD（PA要进行OD转化，以后再扯）拿来分配！晕那，还是用户均衡模型，一天范围内如果均衡法呢？

4.对transcad中交通分布和平衡的理解

从出行发生预测可以得知TAZ出行产生量和出行吸引量，下面的问题是：就某个TAZ分区而言，它所产生的这些出行量究竟到那个分区去了?它所吸引的这些出行量又究竟来自哪里?也就是要预测未来规划年各个分区之间出行的交换量。我们把分区之间的出行的交换量叫做“出行分布”出行分布量是指：分区A与分区B之间平均单位时间内的出行量．单位时间可以是一天、一周、一月等，也可以是专指高峰小时。前面所论述一样这里认为分布量为一天。按照交通分布的定义，A区至B区的分布量为Q(ab) 和B区至A区的分布量Q(ba) 是有方向的。Q(ab)，Q(ba)是基于产生点和吸引点，因此对于分析区都是住宅用地的TAZ将会出行无吸引量问题，即其他交通小区到该区域分布量为0，transcad中的交通平衡分析很好的把回程出行进行分离解决这个问题。 出行分布矩阵是一个二维表(矩阵)，行坐标为吸引分区号，列坐标为产生分区号，元素为出行分布量。前面的交通平衡后PA一致，实际上TAZ的PA并不一定一致，尤其是分析一个时段的PA分布问题。

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说公务员考试TransCAD技巧图解教程(2)在线全文阅读。