TransCAD“四阶段”操作步骤

TransCAD四阶段操作步骤

2006．11

1

4.2 出行发生（Trip-Generation）

居民出行发成预测分居民出行产生预测和居民出行吸引预测两部分。其目的是通过建立小区

居民出行产生量和吸引量与小区土地利用、社会经济特征等变量之间的定量关系，推算规划年各交通小区的居民出行发生量、吸引量。出行发生有两种单位：一种是以车位单位，另一种是以人为单位。在大城市中交通工具复杂，一般采用人的出行次数为单位，车辆出行于人的出行之间可以相互转换。

出行产生预测常用的有两种方法：类型分析法、回归分析法，另外还有增长率法，但由于增长率法过于粗糙已停止使用。下面简要介绍一下回归分析法和类型分析法。

回归分析法是在分析小区居民出行产生量、吸引量与其影响因素（如小区人口、劳动力资源数、土地利用、岗位数等指标）相关关系的基础上，得出回归预测模型。函数形式有一元回归、多元回归等。

类型分析法是以某一类型为分析单位，根据对出行起决定作用的一些因素将整个对象区域的人划分为诺干类型。在同一类型的人员中，由于主要出行因素相同，各人员的出行次数基本相同，将各类人员单位时间内的出行次数称作“出行率”。并且假定各类人员的出行率到规划年是不变的。这样各类人员数与出行率相乘便得到出行量或吸引量。 4.2.1 出行产生（Trip-Production） 4.2.1.1 模型原理

出行产生预测采用类型分析法居多，本次结合已有资料亦采用这种方法。 家庭分类法中的模型是：

Pi=∑AsNsi=Ni∑Asγsi （4-1）

式中：Pi －－分区i规划年每个单位时间出行产生量； As －－全市现年第s类人员的出行率； Nsi－－第i分区规划年第s类人员的数目； Ni －－第i分区规划年各类人员总数目； γsi－－第i分区规划年第s类人员的比例。

因此必须先确定出行率As、规划年各小区人口总数Ni、各小区各类人员比例γsi。 （1）

规划年各小区人口总数Ni

现在已由2.3.2人口预测算出2010年规划区总人口数，因为本次分区无法从政府现有资料上取得各个小区的现有人口数，也无法得到各个小区的人口密度数据，且因本次课题不可能进行各小区的人口调查统计，因此，我们根据出行量与人口数的相关性，据调查统计的各个小区的出行量占总出行量的百分比分配各小区的人口数，即各小区占总人口的百分比等于各小区出行量占总出行量的百分比 ，再由2.3.2人口预测算出2010年规划区总人口数乘以这个百分比，即得个小区人口数。见下表4-1

2

邯郸市2010年各分区人口预测表 表4-1

2010各小区人口数预测 小区 P 比例 小区人口 小区 P 比例 1 2 3 4775.3 63208 12 2238.5 0.03112 29629 4 5611.3 74272 13 3089.2 40889 5 2704.2 35793 14 2459.7 32557 6 2003.5 26518 15 2543.0 33659 7 5531.4 73215 16 5006.5 66267 8 4997.3 66145 17 3454.5 45724 9 2234.1 0.03106 29571 18 318.3 4212 5049.7 3714.8 66839 10 49170 11 0.07020 0.05164 0.066389 0.07801 0.037595 0.027853 0.0769 0.069474 8748.1 7450.5 0.12162 0.10358 98617 0.042948 0.034195 0.035354 0.069602 0.048026 0.004425 小区人口 115792 （2） 出行率As（假定到未来年不变）见表4-2

不同收入人员的出行率表(2003年) 表4-2

收入分类（元/月） 出行率（次/天） 0-600 2.49 600-1200 2.775 1200-1800 2.57 1800以上 2.58 （3）

各小区不同收入人员比例（2003年） 表4-3

小区 人 员 比 例 人 员 比 例 0-600 600-1200 1200-1800 1800以上 小区 0-600 600-1200 1200-1800 1800以上 1 0.02 0.21 0.35 0.42 10 0.2 0.32 0.28 0.2 2 0.02 0.13 0.22 0.63 11 0.2 0.32 0.28 0.2 3 0.05 0.31 0.22 0.42 12 0.45 0.26 0.21 0.08 4 0.01 0.14 0.15 0.7 13 0.45 0.26 0.21 0.08 5 0.1 0.11 0.25 0.54 14 0.32 0.21 0.33 0.14 6 0.03 0.24 0.32 0.41 15 0.25 0.12 0.31 0.32 7 0.02 0.13 0.22 0.63 16 0.25 0.12 0.31 0.32 8 0.01 0.14 0.15 0.7 17 0.2 0.32 0.28 0.2 9 0.01 0.14 0.15 0.7 18 0.2 0.32 0.28 0.2 各小区各类收入人员比例γsi（由于规划年限较短，假定到未来年不变）

4.2.1.2 软件流程

（1）数据准备（输入）

①规划年各小区人口数（见“deteview2-分区”之字段[2010人口数]）

②出行率表（已乘以各小区不同收入人员比例，注意：字段名必须以“R_”开头）

见下图4-2：

3

出行产生cross-classification法窗口数据准备图 图4-2

（2）操作过程

菜单命令：Planning—Trip productions—cross-classification?（见下图4-3）

说明 Zone View : 分区 Unit Field : [2010人口数] Trip Rate View : 不同收入人员出行率（已含收入比? Number of Trip Purposes : 4 Trip Purpose Field : [R_0-600] Trip Purpose Field : [R_600-1200] Trip Purpose Field : [R_1200-1800] Trip Purpose Field : [R_1800以上] Number of Classifications : 1 Trip Unit Fields : 1 Classification Field : ID 出行产生cross-classification对话框 图4-3

对话框 4

（3）运行结果 见图4-4

出行产生cross-classification预测结果 图4-4

4.2.2 出行吸引（Trip-Attract）

出行吸引与发生类似，可用类型分析法和回归分析法，有些学者认为出行吸引用类型分析法会得到较为理想的结果，因两者都是可行的，交通吸引方面也用上述方法，所以我们规划过程中假设未来交通吸引和交通生成一致，即各区未来年P和A相等。

4.3 方式划分（Mode Split）

4.3.1 概述

城市中，居民在交通小区之间的出行时通过采用不同的交通方式实现的。目前，城市居民采用的交通方式有步行、自行车、公交系统、出租车、单位车、摩托车、私家车及其他等几类。交通方式分担预测即指在进行了出行分布预测得到全方式OD矩阵之后，确定不同交通方式在小区间OD量中所承担的比例。

从目前国内城市交通预测的实践来看，在居民出行方式划分的预测中，一个普遍的趋势是定性和定量分析相结合，在宏观上依据未来国家经济政策、交通政策及相关城市对比较来对未来城市交通结构作出估计，然后在此基础上进行微观预测。因为影响居民出行方式结构，其演变规律很难用单一的数字模型或表达式来描述。尤其是在我国经济水平和居民的物质生活水平还相对落后，居民出行以非弹性出行占绝大部分，居民出行方式可选择余地不大的情况下，传统的单纯的

5

转移曲线法或概率选择法等难于适用。所以在居民出行方式的划分的预测中，一般采用这样的思路：宏观与微观相结合，宏观指导微观预测。

首先在宏观上考虑该城市现状居民出行方式结构及其内在原因，定性分析城市未来布局、规模变化趋势，交通系统建设发展趋势，居民出行方式选择决策趋势，并与可比的有关城市进行比较，初步估计规划年城市交通结构的可能取值。

其次在微观上，根据城市居民出行调查资料统计计算出不同距离下各种方式分担率，然后，考虑各交通方式特点、优点、缺点、最佳服务距离，不同交通方式之间的竞争转移的可能性以及居民出行选择行为心理等因素，对现状分担率进行修正，以若干次试算，使城市总体交通结构分布值落在第一步所估计的可能取值范围之内。 4.3.2 出行方式划分

（1）按选择的对象分为： 全方式

（2）按服务提供者划分分为： 全方式

4.3.3 影响出行方式的因素

不同国家或地区饮食及情况千差万别，出行者的出行方式选择的比例结构也就不同，也就是说，影响出行方式划分的因素因国家而异。就我国的实际情况而言，城市交通中，影响人员出行方式选择的主要因素11个，这些因素可归纳为三个方面的特性。 （1） 出行者或分区特性

① 家庭车辆拥有情况。主要指自行车摩托车，以后将会加入小汽车，如意分区为分析单位时，则应采取车辆拥有量的平均值，下同。

6

个人交通

------步行、自行车、私家车、单位车 私人交通 出租车

公共交通

公共汽、电车

城市轨道交通（地铁、轻轨等） 公共交通

机动车 非机动车

步行 自行车

小汽车（含出租车）

个人机动交通 摩托、助动车

普通公交（公共汽、电车） 轨道公交（地铁、轻轨等）

② 出行者年龄。不同年龄阶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，而较少骑车。

③ 收入：高收入者偏向于坐出租车，而低收入者偏向于公共交通或骑自行车。 ④ 分区的可达性。包括两个方面：道路密度和公交网密度。 （2） 出行特性 ① ②

出行目的。上班和上学偏向于公交车，购物和社交等偏向于出租车或私人交通。 出行距离。近者偏向于步行和非机动车。

（3） 交通设施的服务水平 ① ②

费用。对公共交通，指车票；对个人交通，指汽油费、车耗等。

时间。含座车等车转车以及上下车前后换乘步行的时间。从这个角度来说，具有门对门特点个人交通优于公共交通。 ③ ④ ⑤

舒适度。包含坐与站的区别，以及座椅的舒适程度站立的宽松程度。

可靠性。指车辆到离站的准时性，显然准时准点的轨道交通优于一般公交汽车。 安全性。

4.3.4 方式划分的位置分类

根据交通发生、交通分布、交通分配各自的功能特性，这三个工作项段的时间顺序必须依次是：交通发生——交通分布——交通分配，不能改变。方式划分既可以单独解决，也可以与上述某各子问题中任何一个结合起来同时解决。根据方式划分在整个交通预测过程中的位置分为五类，如图4-5：

G D A MS Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类

G D 方式划分的位置分类图 图4-5

G—MSD A G MS D A G D—MSA G D MS A D—MS7

4.3.5 方式划分的模型、方法

方式划分早期主要从集聚的角度研究该问题。所谓集聚方法就是以一批出行者作为分析对象，将有关他们的调查数据先作统计处理，得出平均意义上的量，然后对这些量作进一步的分析研究，如前面的交通发生、交通分布都属于集聚模型。所谓非集聚模型，则是以单个出行者作为分析对象，充分地利用每个调查样本的数据， 求出描述个体行为的概率值。非集聚方法要比集聚方法复杂的多，但其有要求样本小、预测精度高的特点。有关方式划分的模型方法见图

G—MS

G后MS

集计方法 D—MS

D后MS

Logit

方式划分 仿真类（Monte-Carlo法）

Probit 合并法（Clark法）

逼近类

非集计方法 分裂法（Langdon法） Logit

BCL 直接类 BCD

GL 改进Logit

合并法（NL）

分层类

分裂法（Langdon法）

下面简要介绍常用方法的模型原理： (1)G-MS结合的方式划分

G-MS方法是在与出行发生的同时进行方式划分，因此只能主要考虑其中出行者和分区特性的4个因素（最多还加出行目的因素）作为方式划分的主要依据。这里同样要分出行产生量预测

8

和出行吸引量预测，即分产生量—MS预测、吸引量—MS预测。

１）产生量-MS预测

如同出行发生量预测，仍可采用类型分析法和线性回归法。 ①类型分析法模型

Pki=?aksNsi （4-2）

s其中：Pki------分区I的第K方式出行产生量

as------全市第s类家庭第k类方式的出行率 Nsi------分区i第s类家庭的数目，规划年预测值

②线性回归模型

pik= +b1kxi1+…..+bskxin （4-3）

其中：xi1-------i分区第j个因素规划年预测值

bj------第j因素相对于方式k的回归系数，用xij现状调查数据经线性回归获得

２）吸引量-MS预测

Bik=?diswskρ

sk

k

is （4-4）

式中：Bi---------分区i的第k方式出行产生量理论值 dis----------i分区第s类用地的岗位数

ρis---------i分区第s类用地岗位弹性系数

ws---------全市s类用地每个岗位对第k方式出行的吸引率

(2) 生成后的方式划分模型

因为尚未进行出行量的分布预测，方式划分仍主要以出行者或家庭或分区的特性为依据，多采用线性回归模型。由于已经知道的一个分区总的出行量和吸引量现在就只要预测个方式的比例。例如，以公共交通和个人交通两种方式划分为例，

分区的出行产生量由下式决定，回归模型为：

γ

γ式中： γ

公

k

k

=b+b人x人+ x收+b私x私+b道x道+b公x公 （4-5） =1-γ公

公

个

γ

个

------分别为对象分区公共交通和个人交通方式出行产生量的比例

x人、 x收、

x私、 x道、 x公------分别为对象分区规划年人口数、分均收入、人均私车拥有量、 道路网密度、公交网密度

9

b、b人、 b收

b私、 b道、 b公------分别为常数项及相应各因素回归系数

分区的出行吸引量可由下式决定，模型为：

δ公=c+c学x学+c商x商+c自x自+c办x办+c道x道+c公x公 δ个=1-δ公

式中： δ公δ个--------分别为对象分区公共交通和个人交通方式出行产生量的比例

x学、 x商、 x自、

x

办、

x道、 x公-------分别为对象分区规划年学校、商店、工厂、办公岗位数、

道路网密度、公交网密度 c

c

学、 办、

cc

商、 道、

c

自、

c公-------分别为常数项及相应各因素回归系数

由于前面两种方式划分所依据的因数内有考虑到分区之间的服务水平和出行本身的特性，预测结果有一定的局限性。

(3) D-MS结合的方式划分

很显然，对一次出行而言，使用不同交通工具的出行时间和费用不同，即交通阻抗不同。如果在分析出行分布的同时还考虑交通方式的选择，那么两分区就会根据方式划分成若干种不同的交通阻抗，在出行分布时就根据各自阻抗预测个方式的分布量。 D-MS结合的单约束模型为： tijk= PiAifk(Rij)/?Aj

?fk(Rij) （4-6）

式中：tijk---------分区i、j之间采用k方式的出行分布量， k=1表示公共交通，k=2表示个人交通 Pi---------分区的出行产生量 Ai---------分区的出行吸引量

Rij 、fk(Rij) ---------分区i、j之间的距离和采用方式k的交通阻抗

(4) 分布后的方式划分

交通方式划分预测现行的常用方法有转移曲线法、回归模刑法和概率模型法等方法。 ①转移曲线法

在大量的统计调查资料的基础上，所得出城市各种交通方式的分担比例与其影响因素之间的关系曲线，被称为转移曲线。影响因素包括交通小区之间的距离、行程时间或合交通方式所需的时间差等。利用转移曲线法可以直接查得各种交通方式在城市交通小区之间出行量中所占的比例。缺点是由于该转移曲线是由现状调查资料绘出，因此无法反映出在未来情况下，特别是当影

10

响因素发生改变时的交通方式分担率的变化。

计算公式如下：

Tijk = Tij × Pk(tij) （4-7）

式中：Tijk——交通小区i到就第k种出行方式的出行量； Tij——同前；

Pk(tij) ——在出行时间为tij时，居民采用第k种出行方式的出行比例（从距离曲线上得到）。

②回归模型法

通过建立交通方式分担率与其相关因素之间的函数关系，得出回归方程的方法即回归模型法。一般采用的是线性回归模型。该方法简单易行但粗略，且由于由该方法得出的分担率不能保证在0-1之间。因此使用范围有限。

③Logit模型法

概率模型中最常用的是Logit模型，其函数形式为：

Pijk = eijk

U

/?k?1ne

U

ijk

（4-8）

式中： Pijk——交通小区i到交通小区j的出行量中，交通方式可k的分担率； Uijk——交通小区i到交通小区j的交通方式k的效用函数； n——交通方式的个数。 其中，Uijk的计算公式为：

c

Uijk =

?amxijkm （4-9）

m?1式中： am ——待定系数；

xijkm ——出行者在从交通小区i到交通小区j采用交通方式k时的影响因素m c ——影响因素的个数。

除了上述模型以外，还有Probit模型、牺牲量模型等其他模型，由于各有缺陷，模型的应用还十分有限。

4.3.6 模型应用

在居民出行方式划分的预测中，一个普遍的趋势是定性和定量分析相结合，一般采用这样的思路：宏观与微观相结合，宏观指导微观预测。因为邯郸系中大城市，为发展中的古城，居民出行方式选择不大，考虑到这次交通规划的目的，且本次ＯＤ调查主要为机动车ＯＤ调查，本课题将采用集聚模型的第Ⅱ类方法，即Ｇ

ＭＳ方法。因为本次规划的年限为２０１０年，规划

11

时间较短，居民的出行习惯，出行方式不会发生大的变化，因此我们采用同济大学２００２年在邯郸交通研究中所著的《现状分析报告》中的出行方式比例，见表4-4。

邯郸市主城区出行方式构成 表4-4

出行方式 公共汽车 单位公交车 出租车 摩托车 小汽车 其他机动车 自行车 比例 5.6 0.01 1.56 5.57 3.22 0.6 45.81 其他非机动车 步行

1.33 36.3 将４．２出行发生中所求得的２０１０年各小区的出行量乘以各出行方式比例即得各小区各出行方式的出行量，见表4-5，至此方式划分结束。

各小区各出行方式的出行量 表4-6 OD 比例% 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 2010出行量 （人次/天） 174827 127908 166474 193471 92702 69501 190458 172301 77029 303560 258534 76682 105824 84285 86766 170823 119870 11042 公共 汽车 5.6 9790 7163 9323 10834 5191 3892 10666 9649 4314 16999 14478 4294 5926 4720 4859 9566 6713 618 单位 公交 0.01 17 13 17 19 9 7 19 17 8 30 26 8 11 8 9 17 12 1 出租 车 1.56 摩托 车 5.57 小汽 车 3.22 其他机 动车 0.6 自行 车 45.81 80088 58595 76262 88629 42467 31838 87249 78931 35287 其他非 机动车 1.33 2325 1701 2214 2573 1233 924 2533 2292 1024 步行 36.3 63462 46431 60430 70230 33651 25229 69136 62545 27962 110192 93848 27836 38414 30595 31496 62009 43513 4008 2727 9738 5629 1049 1995 7124 4119 767 2597 9273 5360 999 3018 10776 6230 1161 1446 5164 2985 556 1084 3871 2238 417 2971 10609 6133 1143 2688 9597 5548 1034 1202 4291 2480 462 4736 16908 9775 1821 4033 14400 8325 1551 1196 4271 2469 460 1651 5894 3408 635 1315 4695 2714 506 1354 4833 2794 521 2665 9515 5501 1025 1870 6677 3860 719 172 615 356 66 139061 4037 118434 3439 35128 48478 38611 39748 78254 54912 5058 1020 1407 1121 1154 2272 1594 147 此阶段未很好结合，请高手删改添加！！！（最好能添些虚拟数据，在分布后进行。）

12

4.4 出行分布（Trip-Distribution）

出行分布预测是将４．２求得的各交通小区规划年的出行产生和吸引量转化为各小区之间的出行交换量的过程，即要得出由出行生成模型所预测的各出行端交通量与区间出行交换量的关系。

4.4.1 模型原理

分布预测方法大体上分为：

目前主要用Fratar法、重力模型法，且其中又以重力模型法居多。下面重点介绍上述两种方法。

(1) 佛莱特法

Tij=tijaibj（Li+Lj）/2 （4-10）

佛莱特法认为两交通小区之间的未来出行()分布量不仅与这两区的增长系数有关，而且还与整个调查区内的增长系数有关，这较平均增长系数法有所改进。

它基于两个假设：1.未来的出行空间分布与ai和bj均成正比关系；

2.未来的出行空间分布与两地间的出行阻挠因素成反比关系，此处出行的

阻挠因素可表示为（Li+Lj）/2，其中Li、Lj为地区性因素。

增长系数法

概率模型 重力模型

单约束增长系数法 双约束增长系数法

平均增长系数法 弗尼斯法（furness） 弗莱特法（Fratar）

?t

Li=

jijjij?t

jij?tb Lj=

i?taiji （4-11）

i佛莱特法需用迭代方法反复修正和计算，直到收敛在误差范围之内为止。弗莱特法属于增长率法，其最大的一个缺点是没有引入各个分区之间的交通阻抗因素。他对近期或肯定至规划年整个交通网络上的家庭阻抗都没有什么变化的出行分布问题时可用的。但一般对象区域的交通阻抗都会因交通设施的改进货流量的增加而不断变化，这就要求在进行分布预测时加入交通阻抗的因素。

(2) 重力模型

顾名思义，重力模型借鉴了牛顿万有引力定律来描述城市居民的出行行为，他考虑了两个小

13

区的吸引强度和吸引阻抗因素。他的基本假设为：交通小区i到交通小区j的出行分布量与小区i的出行发生量、小区j的出行吸引量成正比，与小区i和小区j之间的出行阻抗成反比。重力模型是综合分布模型中采用最广泛的一种。所谓综合模型，就是对现有的交通资料进行分析，希望得到出行产生和出行吸引以及出行阻抗的综合关系。

交通阻抗可表示为：出行距离的长短、行程时间的快慢及费用的大小等。其考虑了出行费用是前面的模型所不能达到的。

重力模型法有三类：无约束重力模型、单约束重力模型和双约束重力模型。无约束重利模型形式简单、便于计算，但精度不够，所以也很少采用。单约束重力模型它考虑的因素较增长系数法更全面，对交通阻抗参数的变化能敏感地反应，在没有完整的现状OD调查资料时也能使用，计算、精度间于但约束和双约束重力模型之间。双约束重力模型，要求数据较多，计算复杂，精度高。运用TransCAD，本阶段采用双约束重力模型。

(1)模型表达：

Tij=K Loi LDj /f(Rij) （4-12）

式中： Loi LDj------表土地使用 f(Rij) -------摩擦因子

用出行产生量Pi和吸引量Aj表达土地使用，得：

Tij=K PiAj/f(Rij)

（4-13）

式中

Rije

β

b

幂函数

指数函数

β

f(Rij)=

Rij

复合型函数

本课程采用双约束重力模型，摩擦因子函数采用幂函数（Inverse power function），

Rije

b

Rij

即用Ki Kj代替K，f(Rij)= Rijb得：

Tij= KiKj PiAj

式中 St. Ki=〔?j / Rij （4-14）

b

(KjAj/Rij)〕

b

-1

------①

Kj=〔?i (KiPi/Rijb)〕------②

-1

(2)模型标定

1）给b一个初值，令b=1

14

2）用迭代法求Ki， Ki

①令列约束系数Kj=1

②将列约束Kj代入式① 求各行约束系数Ki ③将列约束Ki代入式① 求各行约束系数Kj

④比较先后两次的行约束系数、列约束系数变化，要求相对误差<3%. 否则继续迭代。

3）将求得的约束Ki Ki代入模型用现状分布表求的理论分布表 4）计算实际分布表的平均交通阻抗R实和理论分布表的平均交通阻抗R理

求δ

5）当δ<0 即R理

令b=b/2

当δ<0 即R理>R实时，可推出：理论分布量>实际分布量，b值偏小。

令b=2b

返回步骤2>.

4.4.2 居民出行转换为车辆出行

因为本次ＯＤ调查主要成果为机动车ＯＤ表，而上面出行预测出的是2010年的各小区每天人口总出行次数，所以在进行交通分布前须将2010年的各小区每天人口总出行次数转换为各小区的高峰小时标准汽车出行量。邯郸市各交通方式分担比例如下表“比例”一行所列（资料来源：现状分析报告）；早高峰小时交通量占一天交通量19.63%（资料来源：现状分析报告） 按下式计算各值：

各区各交通方式所承担出行量（人次）=各区出行量*方式比例

各区出行的标准汽车数（PCU/天）=∑（各交通方式*相应换算系数）见表4-7 各区高峰小时出行量（PCU/PH）=各区出行的标准汽车数（PCU/天）*19.63% 计算结果见表4-8：

城市道路交通量调查小汽车为标准的换算系数表 表4-7

车辆类型 小汽车 小型载重车 3～5载重车 5以上载重汽车 中、小型公共汽车 大型公共汽车、无轨电车 摩托车 三轮车 自行车 换算系数 1.0 1.5 2.0 2.5 2.5 3.0 0.8 0.5 0.4

15

2010年OD矩阵 图4-23

4.5 交通分配(Traffic Assignment)

在传统交通规划中交通分配曾是四阶段交通预测的最后一步，在现代交通规划中它是方案设计的理论基础。最优化理论、图论、计算机技术的发展，为交通分配模型和算法的研究和开发提供了坚实的基础。通过几十年的发展可以说，交通分配是交通规划的诸问题中被国内外学者研究的最深入、取得研究成果最多的内容。

所谓交通分配是指将各分区之间出行量分配到交通网络的各条边上去的工作过程。 具体地，有以下几项交通分配工作：

（1）可以是将现状PA量在现状交通网络上分配，以分析目前交通网络的运行状况，如果有某些路段的交通量观察值，还可以将这些观测值与在相应路段的分配结果进行比较，以检验四阶段预测模型的精度。

（2）也可以是规划年PA分布预测值在现状交通网络上分配，以发现对规划年的交通需求来说，现状交通网络的缺陷，为后面交通网络的规划设计提供依据。

（3）还可以使规划年PA分布预测值在规划交通网络上分配，以评价交通网络规划方案的优劣。

就交通分配的工作特点来说，可以分作两类：交通工具的运行线路固定类型和运行线路不固定类型。前者有：城市公共交通网、城市轨道交通网，这些是集体旅客运输；后者有：城市道路网、公路网、高速公路网，这一般是指个体旅客运输或货物运输，这类网络中，车辆是自由选择运行路径的。对于前者，虽然交通工具（如公共汽车）的线路是限定的，但作为个体的旅客来说，如果某两点之间有多条线路或多种交通工具，他可以选择不同线路上的交通工具、或同一线路上的运行素的或交通费用不同的交通工具。因此，如果将旅客看作是交通元的话，这仍然是一个自由选择运行“路径”的问题，只不过这里的交通元指旅客，“路径”的意义也广泛一些而已，其

26

中包含着对交通工具的选择。

对于城市道路网来说，这里要特别指出的三点：1）由于道路的主要承载对象是车辆，交通分配中的出行分布量一般是指机动车，以标准小汽车（pcu）为单位。交通预测的第一步是预测交通产生量和吸引量，这个预测值一般是以人为单位的，后来经过方式划分将以人为单位的出行量转化成了以车为单位的出行量。2）由于公共汽车是按固定路线行驶的，不能自由选择行驶路径，故交通分配不包括这部分车辆，交通分配的对象只是走行线路不固定的机动车分布量。3）上述的分配方法也适用于人员对固定线路的公共交通路径和工具的选择。

4.5.1 模型原理

如果两点之间有很多条路线可供出行者选择，那每个出行者自然选择最短路径。但随着这两点之间交通量的增大，其最短路径上的交通流量也会随之增加，增加至一定程度之后这条最短路径的走行时间就会因为拥挤或堵塞而变长，以致尝过次短路径的走行时间，于是就有一部分道路利用者会选择次短路径。随着两点之间的交通量继续增加，两点之间的所有道路都有可能被利用。

如果所有的道路利用者都准确知道各条道路所需的行走时间，并选择走行时间最短的道路，最终两点之间被利用的各条道路的走行时间会相等。没有被利用的道路的走行时间会更长，这种状态被称之为道路网的均衡状态。1952年，Wardrop给这种均衡状态下了准确定义。

实际道路网的每对PA点都有很多条路径。另外，各队PA点的路径也互相重叠。因此，实际道路网的均衡状态时非常复杂的。

Wardrop的道路网交通均衡的准确定义是：

在道路网的利用者都知道网络的状态并试图选择最短路径时，网络会达到这样一种均衡状态，每对PA点之间各条被利用的路径的走行时间都相等而且是最小的走行时间，而没有被利用的路径的走行时间都大于或等于这个最小的走行时间。这条定义通常被称为Wardrop的第一原理。

设路段的阻抗为常数，即假定走行时间不受路段上流量的影响，一次将一个PA点对的出行分布量全部分配到它们之间的最短路径上去的方法叫做全有全无分配法。该法又称为最短路径分配法，或0—1分配法。这是一种最简单的分配方法，是其他分配方法的基础。

全有全无分配法认为出行时间与流量没有关系，即交通流量对阻抗没有影响。对于另一些交通网络，如公路网和城市道路网，情况恰好相反，由于路段上容量（通行能力）是有限的，路段上行驶的车辆越多，拥挤程度越大，车辆速度降低，从而行驶时间就会增加。这样一来，流量越大，阻抗越大。交通流量对阻抗存在的影响的交通分配问题称为“阻抗可变分配”问题。有两种分配方法：增量分配法、迭代加权法。

(1) 增量分配法

将PA分布矩阵分成若干份，各份比重由大到小，具体比重可以人为任意确定；从大份开始，每次取一份进行全有全无分配，每次分配前根据前一次的分配结果用走行时间公式修正各路段的阻抗值。

(2) 迭代加权法

27

每次都将全PA分布量按全有全无法分配到路网上去，得到了各路段上的分配量，叫“附加量”。这一次分配所得附加量与原路段上的交通量加权平均值作为新的路段上的交通量，再由这个两计算出各路段的交通阻抗，作为下一次分配的依据。当前后两次分配结果近似相等时，停止迭代。

阻抗为常数的多路径分配方法

全有全无分配法假定出行者对这个交通网络的结构和各条路段的阻抗非常清楚，因此在假定阻抗为常数的前提下，每对PA点之间的出行者都同时选择该点对之间的最短路径。但实际上，由于交通网络的复杂性和路段上交通状况的多变性，以及各个出行者主观判断的多样性，某PA点对之间不同出行者所感知的最短路径将是不同的、随机的，因此这些出行者所选择的最短路径不一定是同一条，从而出现多路径选择的现象。关于它的交通分配叫做“多路径分配”，或“随机加载”。阻抗为常数的多路径分配方法有两个：Logit法和Probit法。

最短路径（全有全无）分配（单路径）

非容量限制分配方法 Logit方法（Dail算法）

（阻抗不变） 多路径分配

Probit方法 非均衡模型 增量分配方法

单路径分配方法

容量限制分配方法 迭代分配方法 （阻抗可变） 增量分配方法

多路径分配方法 迭代分配方法 Beckman模型（B-L均衡分配方法）

UE（User Equilibrium） 非线性互余

Wardrop第一准则 变分布等式 均衡模型 SO（System Optimization） Wardrop第二准则

本次规划应用TransCAD进行预测，在算法上比较容易实现，因此我们采用与实际交通较为吻合的模型:UE（User Equilibrium）Wardrop第一准则。

28

4.5.2 程序流程

（1）数据准备 ①路网（已创建）

②2010年OD分布矩阵（由4.4已求得）见图4-23

因为交通分配是在路网层上分配，因此2010年OD分布矩阵的索引值必须与路网节点的ID匹配，所以必须将4.4求得的2010年OD分布矩阵的索引进行转换，使之与路网节点选择集的ID匹配。步骤流程二已详述。转换后见图4-24

2010年OD矩阵ID转换 图4-24

（2）操作过程

在路网层上：Planning—Traffic Assignment… 调出其对话框，见图4-25

在Method里选用户平衡模型 User Equilibrium，在连接字段LINK FIELDS 的 Time里选: [相对行程时间]Capacity 选: [ 通行能力]。 点击路网设置Network，出现图（） 对话框，在Info里钩上Centroids在 Other Setting卡:Centroids are in selection set里选selection。这样分 配时不经过过质心点。如图（） 点击选项Option创建主题，钩上 creat theme。如图（） 29

Traffic Assignment对话框 图4-25

（3）运行结果

规划区路网各路段分配流量见图4-26 ，

流量分配后路网V/C、V主题图4-27，彩图见附图6。

30

规划区路网各路段分配流量 图4-26

流量分配后路网V/C、V主题图 图4-27

31

本文来源：https://www.bwwdw.com/article/ps57.html