【交通规划】交通生成(trip generation&attraction)

该博客探讨了如何预测特定区域内的交通出行量,包括出行发生和吸引量。影响因素涉及人口、家庭、就业、土地利用等多个层面,数据收集采用RP和SP方法。通过多元回归和聚类分析建立预测模型,以预测未来交通流量变化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目标:

预测未来年对象地区内发生的总出行量及各交通小区的发生、吸引交通量。Estimate the number of trip ends of person or vehicular travel in a particular location by trip purpose and time of the day or peak hour.

出行发生production、出行吸引attraction:
出行的发生与吸引是指研究对象区域内各交通小区的交通发生与吸引量,与土地利用(人口、工作岗位)和设施有着密切的关系。

影响因素impact factors:

production出行发生:

  • At the Zone level(人口,家庭,就业,汽车保有量,居民密度等);
  • At the Household Level(家庭规模,家庭就业人数,家庭收入等);
  • At the Person Level(年龄,性别,收入,职业);

attraction出行吸引:土地类型,密度和位置;

需要调查得到的数据:

社会经济特征、人口特征、收入特征、车辆保有量等特性。
土地类型、面积、性质、建筑面积、性质。

建模需求数据获得方法Data Collection methods:

RP(Revealed preference)方法为实测意愿,SP(Stated preference)方法为陈述意愿。SP数据需要与RP数据进行核对。
SP法(陈述得到)包话针对PA/OD改据的居民出行调查、路边询问、意愿调查等:
RP法(观测得到的):1)车速、设施状况与通行量等:2)通过车辆/出租/公交/自行车/GIS数据推断,货流OD调查,刷卡信息推断的PA/OD量;
核查线(screen line)
交通流量数据:包活小汽车,公共交通、出租车等:

计算

我们已经知道近年来的影响因素数据和交通发生与吸引数据,于是可以通过多元回归方法、交叉分类法(聚类分析) 等得到影响因素和发生吸引量之间的预测方程,然后通过预测未来的影响因素的变化来预测未来的交通发生和吸引。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值