交通规划原理chap5.ppt

《交通规划原理chap5.ppt》由会员分享，可在线阅读，更多相关《交通规划原理chap5.ppt（72页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1第第5 5章章 出行的发生与吸引出行的发生与吸引 (Trip Origin&Destination)主要内容:第1节概述第2节发生与吸引交通量的影响因素第3节生成交通量的预测 第4节 发生与吸引交通量的预测23第节概述第节概述交通调查小区土地利用（面积、住宅、就业人口等）小区的发生与吸引交通量4第节第节 概述概述表5-1 发生、吸引交通量与生成交通量的关系 .发生交通量吸引交通量生成交通量6交通的发生与吸引预测模型的交通的发生与吸引预测模型的含义：含义：含义：含义：预测研究区域总的生成交通量和各个小区的交预测研究区域总的生成交通量和各个小区的交通发生量通发生量Oi和交通吸引量和交通吸引量Dj

2、。第节概述第节概述7第节发生与吸引交通量的影响因素第节发生与吸引交通量的影响因素1.土地利用土地利用 住住宅宅用用地地是是交交通通的的主主要要发发生生源源和和居居民民出出行行的的主主要要起起讫讫点点。该该用用地地的的发发生生与与吸吸引引交交通通量量通通常常用用居居住住面面积积、住住户户数数、人口、住户平均人数等指标表示。人口、住户平均人数等指标表示。公公共共设设施施用用地地包包括括行行政政办办公公用用地地、商商业业金金融融业业用用地地、文文化化娱娱乐乐用用地地、体体育育用用地地、医医疗疗卫卫生生用用地地、教教育育科科研研设设计计用用地地、文文物物古古迹迹用用地地等等。当当然然，也也是是交交通通

3、的的主主要要发发生生源源之之一一。该该用用地地的的发发生生与与吸吸引引交交通通量量通通常常用用办办公公、营营业业面面积积、从业人口等指标表示。从业人口等指标表示。81.土地利用 工业用地工业用地是工作日上班交通的主要发生是工作日上班交通的主要发生源。该用地的发生与吸引交通量通常用从业人源。该用地的发生与吸引交通量通常用从业人口、产值等指标表示。口、产值等指标表示。仓储用地仓储用地是货物的主要集散点，因此是是货物的主要集散点，因此是货物交通的主要发生源。该用地发生与吸引交货物交通的主要发生源。该用地发生与吸引交通量通常用仓库面积、货物吞吐量等指标表示。通量通常用仓库面积、货物吞吐量等指标表示。9

4、2.家庭构成与大小 家庭是构成人们出行的基础，上班、自由（走亲访友、家庭是构成人们出行的基础，上班、自由（走亲访友、购物等私人出行）多以家庭为出发点。购物等私人出行）多以家庭为出发点。家庭规模和成员构成是影响家庭出行的主要因素。随家庭规模和成员构成是影响家庭出行的主要因素。随着家庭规模的增大着家庭规模的增大,人均出行次数减少，如购物可由一人代人均出行次数减少，如购物可由一人代替。有老人和幼儿家庭的看病出行（自由）多，年轻夫妇替。有老人和幼儿家庭的看病出行（自由）多，年轻夫妇的购物、娱乐（自由）和上班等出行多。的购物、娱乐（自由）和上班等出行多。T/人A：将来人口a：将来家庭平均人口数规模(人/

5、家)自由：T=f(Aa)10不同居室数量家庭出行情况（北京城八区，2005年）居室数调查户数户出行率(次/户)出行率(次/人)06396.042.29158905.372.372223525.672.253101425.832.19413335.792.1252785.882.105以上5535.782.00113.年龄年龄,性别性别 男性男性1150岁出行多，岁出行多，女性女性1145岁出行多。岁出行多。年龄段平平均均出出行行次次数数(男男)年龄段平平均均出出行行次次数数(女女)4.汽车保有率汽车保有率高，人均出行次数增加。原因：(1)出行需求高的人买车，(2)有车后容易 诱发出行。户人口数

6、有车无车户出行率(次/户)出行率(次/人)户出行率(次/户)出行率(次/人)12.522.522.632.6324.752.374.662.3336.872.296.592.2048.562.148.102.03510.022.009.611.92合计6.192.275.512.23145.自由时间自由时间 自由时间自由时间=24-生活必需时间生活必需时间(睡眠、饮食睡眠、饮食)-约束时间约束时间(工工作、学习作、学习)自由时间多自由时间多出行机会大出行机会大 自由出行量：自由出行量：T=at+b t：自由时间；自由时间；a，b：系数和常数。系数和常数。6.职业和工种汽车司机、推销员、采购员、

7、业务员的平均出行多 工人、学生、教师、行政管理人员的平均出行少 16北京市2000年日平均出行次数17187.外出率因工种、年龄的不同而异。8.企业环境企业大，外出率高。9.收入 收入高，出行机会多。10.其他 天气、周日、季节等。19第节生成交通量的预测第节生成交通量的预测一、概述一、概述出行可分为由家出行与非由家出行。出行可分为由家出行与非由家出行。出行生成有两种单位：一种是以车为单位；另一种是以人为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。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，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

8、单，英、美等国家就以小汽车为单位。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。车辆出行与人的出行之间可以互相换算。出行生成出行生成包括出行产生与出行吸引。包括出行产生与出行吸引。20 生成交通量的预测方法主要有生成交通量的预测方法主要有原单位法原单位法、增长增长率法率法、聚类分析法聚类分析法和和函数法函数法。除此之外，还有。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。势法和回归分析等方法。二、生成交通量的预测方法二、生成交通量的预测方法211.原单位法（平均生成交通量法）原单位

9、法（平均生成交通量法）原单位的求得原则通常有两种：原单位的求得原则通常有两种：l（1）根据）根据人口属性人口属性以不同出行目的单位出行次以不同出行目的单位出行次数为原单位进行预测。数为原单位进行预测。l（2）以）以土地利用土地利用或经济指标为基准的原单位，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。位进行预测。22K：出行目的；l：人口属性；预测方法根据人口属性，按出行目的的不同预测。北京市不同出行目的的出行率(1986)24出行目的和性别、居民身份的关系(2000)25原单位指标值的确定l对于预测生成交通量来说，怎

10、样决定生成原单位的将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，通常有以下几种有以下几种做法做法：直接使用现状调查中得到的原单位数据。直接使用现状调查中得到的原单位数据。将现状调查得到的原单位乘以其他指标的增长率来推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。算，即增长率法。最常用的也是最主要的为函数法。通常按照不同的出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，函数的影行目的预测不同出行目的的原单位。其中，函数的影响因素多采用性别、年龄等指标。响

11、因素多采用性别、年龄等指标。26【例1】在某对象区域常住人口平均出行率不变的情况下，求其将来的出行生成量。（单位：万出行数日）出行生成量：Tp=28.0+51.0+26.0=28.0+50.0+27.0=105.0现状常住人口：N=11.0+20.0+10.0=41.0将来常住人口：15.0+36.0+14.0=65.0现状平均出行率T/N：105.0/41.0=2.561(出行数/日、人)将来的生成交通量：Tn=M*(T/N)=65.0*2.561=166.5(万出行数/日)282聚类分析法 聚类分析（聚类分析（Cross-Classification or Category Analysi

12、s）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（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。与原单位法有很多相似之处，但又存在很大不同。把家庭按类型分类，从而求得不同类型家庭的平均出行率。把家庭按类型分类，从而求得不同类型家庭的平均出行率。该研究认为该研究认为小汽车拥有量小汽车拥有量、家庭规模家庭规模和和家庭收入家庭收入是决定交通

13、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。率，预测时以将来同类型家庭的预测值乘以相应的出行率。29（1）聚类分析法必须服从的假定l一定时期内出行率是稳定的。一定时期内出行率是稳定的。l家庭规模的变化很小。家庭规模的变化很小。l收入与车辆拥有量总是增长的。收入与车辆拥有量总是增长的。l每种类型内的家庭数量，可用相应于该家庭每种类型内的家庭数量，可用相应于该家庭收入、车辆拥

14、有量和家庭结构等资料所导出的收入、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。数学分布方法来估计。30（2）构造聚类分析模型的步骤l有关家庭的横向分类。有关家庭的横向分类。澳大利亚根据其中西部的交通调澳大利亚根据其中西部的交通调查，规定家庭大小、家庭收入各分为查，规定家庭大小、家庭收入各分为6类，家庭拥有小汽类，家庭拥有小汽车数分为车数分为3类。我国家庭中自行车使用比较广泛，可以考类。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。车拥有量作为分类项目研究出行

15、发生模型。l把每个家庭定位到横向类别。把每个家庭定位到横向类别。就是对家庭访问调查资料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。进行分类，把每个家庭归入其所述类别。l对其所分的每一类，计算其平均出行率。对其所分的每一类，计算其平均出行率。用调查的每类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。的平均出行率。31（2）构造聚类分析模型的步骤l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。32（3）类型的划分）类型的划分 在在2020世

16、世纪纪6060年年代代，英英国国伦伦敦敦进进行行交交通通规规划划。经经分分析析发发现现，一一个个家家庭庭有有三三大大特特性性对对其其出出行行产产生生量量起起主主要要决决定定作作用用：人人口口(指指6 6岁岁以以上上者者)、收收入入、车车辆辆拥拥有有量量。显显然然，人人口口越越多多，出出行行次次数数越越大大；收收入入越越多多，越越爱爱购购物物和和消消费费，因因此此出出行行次次数数也也越越多多；车车辆辆拥拥有有量量越越大大，出出行行越越方方便便，出出行行的的可可能能性性也也就就越越大大。类类型型分分析析法法是是根根据据家家庭庭的的特特性性对对家家庭进行分类。庭进行分类。33具体类型分法具体类型分法

17、(1)年收入(英镑)分6级34(2)家庭构成分6类：无就业者：1人；无就业者：1人；就业人1，无业人1；就业人1，无业人2；就业人2，无业人1；就业人2，无业人2。(3)汽车拥有量分3类：0辆，1辆，主2辆。这样共分成了6*6*3=108个类型的家庭。35（4）应用聚类分析法的注意问题）应用聚类分析法的注意问题(1)(1)运用聚类分析模型的关键前提是：假定未来规划年运用聚类分析模型的关键前提是：假定未来规划年 各类家庭的出行率与现在的出行率相比基本不变。各类家庭的出行率与现在的出行率相比基本不变。因为模型中的因为模型中的Q Qikik其实是用现实调查数据求得的，其实是用现实调查数据求得的，是现

18、年的出行率。是现年的出行率。(2)(2)为保证模型具有一定的精度，在计算各类家庭的平为保证模型具有一定的精度，在计算各类家庭的平 均出行率时应该抽取足够多的家庭样本。均出行率时应该抽取足够多的家庭样本。36【例2】l某小区作交通调查时，把居民分成某小区作交通调查时，把居民分成1818类，其类别产生率为：类，其类别产生率为：小汽车拥有率小汽车拥有率 低收入低收入 中等收入中等收入 高收入高收入 1-3 41-3 4人以上人以上 1-3 4 1-3 4人以上人以上 1-3 41-3 4人以上人以上 0 3.4 4.9 3.7 5.0 3.8 5.1 0 3.4 4.9 3.7 5.0 3.8 5.

19、1 1 5.2 6.9 7.3 8.3 8.0 10.2 1 5.2 6.9 7.3 8.3 8.0 10.22 and more 5.8 7.2 8.1 11.8 10.0 12.92 and more 5.8 7.2 8.1 11.8 10.0 12.9l已知：已知：低收入、无小汽车、每户低收入、无小汽车、每户3 3人：人：100100户；户；低收入、无小汽车、每户低收入、无小汽车、每户4 4人：人：200200户；户；中等收入、有中等收入、有1 1小汽车、每户小汽车、每户4 4人：人：300300户；户；高收入、有高收入、有2 2小汽车、每户小汽车、每户5 5人：人：100100户。户。

20、37【例2】若在五年后：若在五年后：“低收入、无小汽车、每户低收入、无小汽车、每户3 3人人”中有中有5050户转变为户转变为“中等收入、无小汽车、每户中等收入、无小汽车、每户3 3人人”；“低收入、无小汽车、每户低收入、无小汽车、每户4 4人人”中有中有100100户转变为户转变为“中等收入、有中等收入、有1 1小汽车、每户小汽车、每户4 4人人”；从其他小区迁进从其他小区迁进“高收入、有高收入、有1 1小汽车、每户小汽车、每户3 3人人”5050户。户。求：本小区五年后的总出行次数？求：本小区五年后的总出行次数？出行次数的增长率？出行次数的增长率？38解：解：（1）现状条件下的总出行次数：

21、）现状条件下的总出行次数：1003.4+200 4.9+300 8.3+100 12.9=5100次次（2）五年后本小区的居民状况：）五年后本小区的居民状况：低收入、无小汽车、每户低收入、无小汽车、每户3 3人：人：（100-50100-50）户；）户；中等收入、无小汽车、每户中等收入、无小汽车、每户3 3人：人：50 50 户；户；低收入、无小汽车、每户低收入、无小汽车、每户4 4人：人：（200-100200-100）户；）户；中等收入、有小汽车、每户中等收入、有小汽车、每户4 4人：人：（300+100300+100）户；）户；高收入、有高收入、有2 2小汽车、每户小汽车、每户5 5人：

22、人：100 100 户；户；高收入、有高收入、有1 1小汽车、每户小汽车、每户3 3人：人：50 50 户。户。39（3 3）五年后的总出行次数：）五年后的总出行次数：50 503.4+50 3.7+100 4.9+400 8.3+100 12.9+50 8.0=5855次；次；（4）出行次数的增长率：）出行次数的增长率：40（5）聚类分析的优缺点l该方法的主要优点有：该方法的主要优点有：l直观、容易了解。直观、容易了解。人们容易接受出行发生与住户特性关系的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。观念，不像回归分析那样必须了解相关性、参数值等因素

23、。l资料的有效利用。资料的有效利用。从现有的从现有的OD调查中就可获得完整的资料，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。即使没有，也可通过小规模调查得到。l容易检验与更新。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。小区的特性分析而校核其正确性。l可以适用于各种研究范围。可以适用于各种研究范围。由于出行发生基于住户的特性，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

24、新发展区。用于各种范围研究，如区域规划、运输通道规划和新发展区。41（5）聚类分析的优缺点l该方法的缺点有：该方法的缺点有：l每一横向分类的小格中，住户彼此之间的每一横向分类的小格中，住户彼此之间的差异性差异性被忽略。被忽略。l因各小格样本数的不同，得到的出行率用于预测时，会因各小格样本数的不同，得到的出行率用于预测时，会失去其失去其一致一致的精确性。的精确性。l同一类变量类别等级的确定是凭同一类变量类别等级的确定是凭个人主观个人主观，失之客观。，失之客观。l当本方法用于预测时，每一小格规划年的资料当本方法用于预测时，每一小格规划年的资料预测预测将是将是一项繁杂工作。一项繁杂工作。423个人分

25、类方法43个人分类方法的优点l（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）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。全兼容，它们都是基于出行者而不是基于家庭。l（2）也可采用交叉分类方法。）也可采用交叉分类方法。l（3）个人分类模型所需要的样本数比基于家庭模型少几倍。）个人分类模型所需要的样本数比基于家庭模型少几倍。l（4）很容易考虑人口统计的变化。如在基于家庭的模型中无）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法兼顾某些关键的人口变量(如年龄如年龄)。l（5）个人分类较家庭分类预测起来更容易。因为后者

26、需要预）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。测家庭构成、大小等。l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。的花费和预算。44第4节 发生与吸引交通量的预测l与生成交通量的预测方法相同，发生与吸引交与生成交通量的预测方法相同，发生与吸引交通量的预测方法也分通量的预测方法也分原单位法原单位法、增长率法增长率法、聚聚类分析法类分析法和和函数法函数法。45一、原单位法 l利用原单位法预测发生与吸引交通量时，首先需要分利用原单位法预测发生与吸引交通量时，首先需要分别计算发生原单位和吸引原单位

27、，然后根据发生原单别计算发生原单位和吸引原单位，然后根据发生原单位和吸引原单位与人口、面积等属性的乘积预测得到位和吸引原单位与人口、面积等属性的乘积预测得到发生与吸引交通量的值。发生与吸引交通量的值。l一般，在交通需求预测时，要求各小区的发生交通量一般，在交通需求预测时，要求各小区的发生交通量之和与吸引交通量之和之和与吸引交通量之和相等相等，并且各小区的发生交通，并且各小区的发生交通量或吸引交通量之和均等于生成交通量。如果它们之量或吸引交通量之和均等于生成交通量。如果它们之间不满足上述关系，则可以采用如下方法进行间不满足上述关系，则可以采用如下方法进行调整调整。46调整方法调整方法1 总量控制

28、法总量控制法发生交通量和吸引交通量都以生成交通量为目标发生交通量和吸引交通量都以生成交通量为目标进行调整，直到发生交通量之和等于吸引交通进行调整，直到发生交通量之和等于吸引交通量之和等于生成交通量。量之和等于生成交通量。2 调整系数法调整系数法一般以发生交通量为目标，调整出行吸引量，满一般以发生交通量为目标，调整出行吸引量，满足发生交通量之和等于吸引交通量之和。足发生交通量之和等于吸引交通量之和。47【例3】在某对象区域常住人口平均出行率不变的情况下，求其将来的出行发生与吸引量。（单位：万出行数日）48解：首先求出行的发生与吸引的原单位：165.975166.375调整方法：总量控制(Cont

29、rol Total)因为，T=166.5 万次日，所以，【例4】某某小小区区有有172家家独独户户住住宅宅，287家家集集体体住住宅宅，550家家公公寓寓房房屋屋，其产生率为：其产生率为：2.38,2.38,2.31车次车次/户；户；另另有有40000平平方方米米商商业业中中心心，平平均均每每1000平平方方米米有有2.2个个雇雇员员，其吸引率为其吸引率为1.82车次车次/雇员。雇员。用原单位法计算该小区的用原单位法计算该小区的出行发生量出行发生量与与吸引量吸引量。出行产生量出行产生量 O1=2.38*(172+287)+2.31*550=2363（车次（车次/日）日）出行吸引量出行吸引量 D

30、1=2.2*(40000/1000)*1.82=160（车次（车次/日）日）多个小区时：如果多个小区时：如果 Oi Dj 令令f为调整系数：为调整系数：f=Oi/Di 可得：可得：Dj=Dj*f二、增长率法（Growth Factor Method）：发生、吸引交通量增长率，例如，54【例【例5】增长系数法增长系数法 一个区域共有500户家庭，250户有1辆小汽车，另外250户没有小汽车。假设有汽车家庭出行发生率为6.0次/天，无汽车家庭为2.5次/天。假设未来所有家庭都有1辆小汽车，家庭收入和人口数不变，用增长率法求出规划年的出行发生量 Ti。解：根据出行发生率，易得：该区域现在出行量：t=

31、250*2.5+250*6=2125次/天55 假设未来所有家庭都有1辆小汽车，家庭收入和人口数不变，则增长系数为：Fi=Cid/Cic=500/250=2.0 最后得该区域未来出行量Ti=2*2125=4250次/天。增长系数法比较简单，是早期城市规划所采用的方法之一。该方法计算的结果偏大，西方一些规划专家们推荐用此方法预测研究区域外部的出行。【例5】增长系数法56三、聚类分析法l【例6】假设规划调查区的土地利用特性如表5-6所示，以小区1为抽样点，在不同小汽车占有的情况下，上班出行1h的原单位计算如表5-7。以小区1为抽样点，得到上班出行1h内，出行吸引量与职位数的关系如表5-8，计算出行

32、的发生与吸引量。57小区发生特征C（小汽车拥有户数）吸引特征C(职位数)0123基础工业服务行业110302015400300225604030500600315505030250350表5-6 规划区域的土地利用特征 58表5-7 出行发生情况小汽车拥有(辆/户)上班出行1h发生次数户数发生原单位(次/h)055105.513603012.023102015.532551517.059表5-8 出行吸引情况行业上班出行1h 吸引次数职位数吸引原单位 基础工业9004002.25服务业5253001.7560由于出行生成量是土地利用、社会经济特征的函数，正确把握它们之间的关系，便可预测出行生成

33、量。以聚类分析法为例，由假设条件表5-6与表5-7，应用计算小区出行发生公式可算出该规划调查区内各交通小区上班出行1h的发生量，如表5-9所示。【解】：61表5-9 出行发生量6263表5-10 出行吸引量四、函数法其中，b，c：回归系数；常使用的变量：区内平均收入、平均汽车保有率、家庭数、人口、就业人数、土地利用面积。回归预测的规范步骤可分为建立模型、检验模型和实施预测三个阶段。651.建立模型阶段l(1)准备和整理必要的资料数据，资料应该全面、完整。l(2)确定因变量和自变量，尤其是自变量。确定时采用定性和定量相结合的方式，更能体现水平。l(3)根据资料数据作出散点图。直观分析其相关程度，

34、例如强弱、正负相关,非线性关系等。l(4)确定模型形式，即选择方程的线性、非线性，一元或多元。l(5)求解回归系数，计算估计误差和相关系数。662.检验模型阶段 l(1)初步经验检验，即考察模型是否符合基本常识和公认的理论，如交通量随经济发展反而下降等，对于此类情况则必须检查原因。l(2)统计检验包括离散系数（V=S/Y*，标准差/因变量实际均值一般在10%15%之间）、相关系数R（一般0.7）等检验，以及t检验和F检验。l(3)判定预测效果。简易的方法是把非样本期内的因变量实际值与同期的预测值比较，如果误差不大，说明模型的预测功效良好，反之，则需重新修订该模型。673.实际预测阶段 l 通过

35、上述检验后，进入实际预测，提供有价值的信息。交通需求预测的其他方法：弹性系数法时间序列分析基于出行链的交通需求研究68一元线性回归（实例）回归方程为：a、b回归系数。回归系数通过最小二乘法估计得到，计算公式如下：回归系数公式：69一元线性回归l标准差S计算公式：l式中n-2为自由度，因为a,b是由实际资料计算的，所以自由度比n少2。相关系数r计算公式：l相关系数r的值在-1,1，当r0为正相关；r0为负相关。R的绝对值越接近1，相关程度越高。l可决系数r2（也称判定系数），数值上等于相关系数的平方。它与相关系数提供相互补充的信息。当r2=1，说明离差为零，Yi完全在回归直线上；当r2=0，说明

36、因变量与自变量完全不相关；若r2=0.95，说明回归方程可以解释总离差的95%，只有5%未被解释。71【例7】l某城市有六个区，各区2002年机动车拥有量与人口之间的关系如下，试用一元线性回归分析技术建立预测模型。分区号 1 2 3 4 5 6机动车（百辆）300 240 430 310 220 200人口（万人）12 8 20 12 7 6解：b=16.286;a=106.901所以，Yi=106.901+16.286Xi72本章小结本章小结1.影响出行生成的因素2.出行生成、出行发生量与吸引量的含义3.出行生成预测的目的、约束条件4.交通的发生与吸引预测的常用方法5.出行生成、发生与吸引交通量的计算