版权归原作者所有,如有侵权,请联系我们

[科普中国]-交通预测分配

科学百科
原创
科学百科为用户提供权威科普内容,打造知识科普阵地
收藏

交通预测分配亦可称为交通预测。根据过去和现在的变化规律,预测道路网规划区各路段的远景交通量。

简介交通预测分配亦可称为交通预测。根据过去和现在的变化规律,预测道路网规划区各路段的远景交通量。

内容内容包括远景年的道路网总发生交通量,各节点之间的分布交通量,以及任意两节点之间所有路段的分配交通量。

常用方法目前常用的方法有日本人提出的“四段推算法”框图(图a),和中国交通部提出的道路网规划框图(图b)。预测方法有定基预测和定标预测两类数学模型。分布方法有增长率模型、重力模型和熵模型等。分配方法主要有或全或无、容量限制和最短途径等。

符合规定各级公路设计交通量的预测应符合下列规定:

1.高速公路和具干线功能的一级公路的设计交通量应按20年预测;具集散功能的一级公路,以及二、三级公路的设计交通量应按15年预测;四级公路可根据实际情况确定。

2.设计交通量预测的起算年应为该项目可行性研究报告中的计划通车年。

3.设计交通量的预测应充分考虑走廊带范围内远期社会、经济的发展和综合运输体系的影响。

预测方法交通量预测具有代表性的方法有遗传算法、神经网络、数据挖掘、支持向量机、灰色理论等。

(1)遗传算法:比较先进的参数寻优算法,对于不容易建立数学模型的场合算实用价值较为突出;

(2)神经网络:当系统为线性时,神经网络不优于传统方法,当系统具有较强的非线性时,则经过适当地设置结构之后,神经网络往往优于传统方法;

(3)数据挖掘:一种从大型数据库成效据仓库中提取隐藏的预测性信息的新技术。它能开发出潜在的模式,找出最有价值的信息,指导商业行为或辅助科学研究;

(4)灰色理论:用来对时间序列作预测,不是直接针对原始数据,而是针对生成数据使用的,可以有效地处理贫信息和离乱数据,在一定时间段内具有良好的预测精度;

(5)支持向量机:一种数据驱动式”黑箱”建模方式,它不需要对象有很多的先验知识,对模型函数形式、误差分部类型也无需很多先验设定,对未来样本具有较好的泛化性能。

模型比较(1)增长率模型

优点:计算简单,预测结果粗略,较适用于近期预测;

缺点:当多个因素影响交通生成量时、预测但误差较大。

适用范围:城市道路、区域公路

(2)回归分析

优点:模型可以解决多个;

缺点:影响交通生成因素的问题,无法考虑非定量指标因素对于交通生成的影响。

适用范围:城市道路、区域公路

(3)类别生成率模型

优点:能考虑多个交通生成;

缺点:影响因素影响因素过多或变化较大时,该模型不适用。

适用范围:城市道路

(4)时间序列

优点:预测法省略变量的筛选、自变量的预测、参数检验、显得较为简单、直观;

缺点:要求数学知识深奥、计算复杂,需要借助计算机。

适用范围:区域公路。

增长系数法增长系数法基本依赖于各交通小区间基年的交通分布情况, 把预测年的交通发生量和吸引量按基年交通分布的比例分布到路网中。该方法适应于宏观交通量的分布,不限于个别因素的影响,着重于总的趋势,适应性较强。但基年交通分布的稍有偏差,对未来交通分布有较大影响。它以平均增长系数法、Fratar法、Furness法和底特律法等方法为主1。

平均系数法平均系数法(average factor method)是指用现状交通分布和平均增长来估算未来交通分布的方法。交通分布预测是交通预测4阶段(交通生成、交通分布、交通方式和交通分配预测)方法中的重要阶段,其任务是预测交通的空间流布局——OD分布,为交通分布预测提供基础资料也是现状OD调查的主要目的。

重力分布模型重力分布模型仿效牛顿万有引力定律,认为交通小区间的交通量与交通小区各自的交通发生量和吸引量成广义的正比关系, 而与交通小区间的交通阻抗(距离、时间、费用)成广义的反比。

重力分布模型是一个非常有用的交通分布模型, 它适用于运输网络出现较大变化时的未来交通出行分布预测。但该模型应用时,需要标定模型的参数2。

本词条内容贡献者为:

石季英 - 副教授 - 天津大学