502书库

交通预测（第2页）

Y'=α+β·X'

根据最小二乘法，则有：

β=（n∑XY-∑X∑y）／［n∑x2-（∑x）2］≈2．48

α=（∑y）／n-β（∑X）／n≈89。9

则回归方程为：

y'=89．9+2．48X'

利用回归方程，将规划年的自变量值代入回归方程，就可得到规划年分区的出行生成量。实际上，交通发生与多种因素有关，如职业、收入、年龄等，因此一般采用多元线性回归分析。具体公式为：

Y=α0+α1X1+α2X2+…+αmXm

式中：Y——分区出行生成或吸引量；

X1，X2，…Xm，——自变量；

α0，α1，…，αm——回归系数；

m——自变量个数。

多元回归分析的原理与一元回归分析相类似。例如，进行居民出行发生预测时，首先考虑居民的性别、年龄、职业、生活水平、所在区域和公休情况等因素，经分析研究，最后确定几个主要因素作为分析变量。

交通分布预测

交通分布就是交通区间的交通流。现状的交通分布可从OD表中体现出来。交通分布预测的目的就是根据现状OD分布及各区因经济增长、土地开发而形成的交通量的增长，来推算未来各交通区之间的交通分布。预测方法有很多，大体上可分为两类：一类是增长系数法，包括均衡增长率法、平均增长率法、底特律法、福雷特法等数种；另一类为重力模型法，包括无约束重力模型、乌尔希斯模型、美国公路局模型等。另外，还有线性回归法、介入机会法等。

交通方式划分预测

交通方式划分预测就是预测各种交通方式承担的交通量。根据现状的交通方式划分、居民出行特征和各种交通方式的运营特性建立交通方式划分模型。

交通方式分担是指所采用的某种交通方式的出行占一个地区全部出行数的比例，把每种交通方式所分担的交通量称作该交通方式的分担交通量。将某种交通方式承担的分担交通量占全部交通量的比率称作分担率或选择率。

交通方式的选择模型是交通规划中的经典模型之一。公共交通方式的分担如果合理，能够使得城市优先的交通空间得到合理利用，能够缓解城市交通拥挤。据测算，公共汽车占用道路和停车用地是最经济的，以每平方米每小时通行人数的多少为标准衡量道路的使用效率，公共汽车是小汽车的10～15倍。有关测算还表明，运送同样数量的乘客，公共交通（包括公共电汽车、地铁、轻轨等）与私人小汽车相比，分别节省土地资源3／4、建筑材料4／5、投资5／6；私人小汽车产生的空气污染是公共汽车的10倍；交通事故比公交高100倍。因此，如果能够引导部分私人小汽车使用者去使用公共交通，那么其余的小汽车使用者将会从交通服务水平的改善中受益。

由于影响出行者选择的因素有很多，如可靠性、舒适性和安全性、方便性，出行者的社会经济特征、出行类型等。因此，可以从不同角度考虑交通方式选择问题，建立各种各样的交通方式划分模型。

根据各模型在预测过程中的阶段不同可以分为以下4类。

①方式划分与出行生成同时进行预测；

②方式划分在出行生成和出行分布之间进行预测；

③方式划分与出行分布同时预测；

④方式划分在出行分布与交通分配之间进行预测。

一般来说，最常用的是第4类模型。

交通规划中在建立交通方式划分模型时，需考虑的因素有地理环境、交通系统服务水平、出行目的、出行距离、公交车辆实载情况等。

因此，交通方式选择问题是交通规划和政策制定中的重要组成部分。它影响着在城市中的出行效率、城市交通用地数量及能否向出行者提供更多的选择的可能性。对这一问题的研究在世界各个城市异常活跃，提出了各种有针对性的方法和措施。而研究交通方式分担的目的就在于对现状和未来进行分析，从而建立起一个合理的分担关系。由于建模者从不同的角度来考虑交通方式选择问题，因此建立了各种各样的交通方式划分模型。