第十章 交通宏观仿真.ppt

Chapter 10 Traffic macro simulation第十章交通宏观仿真
"Four-phase" Transportation Planning Model
Trip Generation
Trip Distribution
Mode Selection
Traffic Assignment
Trip Generation / attraction model(出行产生/吸引模型)
Regression analysis model(回归分析模型):普遍采用两种回归分析模型。第一种,使用以交通小区为标准的集计数据,将每个家庭的平均出行量作为因变量,小区特征属性的平均值作为说明变量(自变量)。第二种,使用以单个的家庭或出行者为标准的非集计数据,以每个家庭或出行者的出行量作为因变量,家庭和出行者的特征属性作为说明变量(自变量)
Discrete Choice model(离散选择法): 离散选择法是使用非集计的家庭或单个出行者的数据估算它们的出行概率。再将所得的结论集计起来即为预测的出行产生量。
Generation / attraction balance model(产生/吸引平衡模型)
保持出行产生量不变:保持出行产生量不变,调整出行吸引量,使得吸引总量与产生总量相等。
保持出行吸引量不变:保持出行吸引量不变,调整出行产生量,使出行产生总量与吸引总量相等。
总量系数:同时调整出行产生量和出行吸引量,使产生量和吸引量之和等于出行总量乘以用户给定系数之积。
用户指定的出行总量:同时调整出行产生量和吸引量,使产生量和吸引量之和等于用户给定的值。
Trip distribution model(出行分布模型)
增长系数法:是通过对现有的矩阵乘以系数实现的(增长系数由未来的出行产生量除以出行现状的产生量计算得出的)。在无法获悉路网交通小区间距离、出行时间或综合费用等信息时,常常使用该方法。
重力模型:主要的原理——两个地区之间的空间交流量与出行产生量/吸引量的乘积成正比,与两地之间的交通阻抗成反比。该模型需要流量矩阵、阻抗矩阵(反映小区间的距离、时间或出行费用等),还有估算的未来出行产生量和吸引量。重力模型较清楚地表达了空间交流量与交通小区间阻抗的相互关系。
Mode Split model(方式划分模型)
回归模型:用于预测集计的方式分担率。一般地,回归模型用于预测一种出行方式的出行率和出行数量。该模型建立出行比率(或出行量)与出行者社会经济特性、各种可择方式特性之间建立统计关系。
Logit模型:将出行决策者(个人、家庭等)选择一种出行方式的概率表述为各种运输方式的效用值分式,
Logit model:
第i种运输产品的效用值通常表示为包括在乘时问、非在乘时间、票价等因素的线性组合,即
This is the basic form of Logit Model
全有全无分配法(AON):将O-D对间的所有交通流量都分配到O-D对间最短路径上。
STOCH 分配法:将每个O-D对间的交通流量分配到O-D对间的多条可选路径上。分配到某条路径上的流量比例是选择该路径的概率,路径的选择概率是由logit路径选择模型计算的。
递增分配法(Incremental assignment method) :逐步分配交通流量。在每一步分配中,根据全有全无分配法分配一定比例的总流量。每步分配后,根据路段流量重新计算出行时间。当采用多次递增法时,该分配法类似于平衡分配法。
容量限制法:是一种近似的平衡法,首先进行全有全无流量分配,再根据拥挤函数(反映路段的能力)重新计算路段的出行时间,并且进行多次迭代。
Traffic assignment Model(网络分配模型)
Traffic assignment Model(网络分配模型)
用户平衡法(UE):通过多次迭代过程达到收敛结果,即使出行者改变路径也不可能再改进出行时间。在每次迭代中,计算路网的路段流量,当路段通行能力不足时,将限制路段流量和出行时间(依赖于流量)。
随机用户平衡法(SUE):是一种综合的用户平衡法,假定出行者没有较完整的路网属性信息,对出行费用的理解方式也不尽相同。SUE允许使用吸引小的路径上也加载流量。
系统优化分配(SO):是一种使整个路网的出行时间达到最小的分配方法。
Transportation planning simulation software introduction(交通规划仿真软件介绍)
EMME/2
TRIPS
Transtar 交运之星
VISSUM and VISSIM
AIMSUN NG
PARAMICS
TransCAD