交通需求预测方法
08级交通工程2班陈刚 0803030218
第一章短时（微观）交通需求预测
短时（微观）交通预测，与中观和宏观意义上的以小时、天、月甚至是以年计算的基于交通规划的战略预测有着本质区别。
短于15分钟的交通流预测称为短时交通流预测。现阶段的预测方法如下：
一、非参数回归模型
非参数回归模型是近几年兴起的一种适合非线性的、不确定的动态系统的非参数建模方法。它不需预备知识, 只需足够的历史数据, 寻找历史数据中与当前交通特征相似点, 并用那些相似点预测现阶段交通下一时刻值。因此,特别是在有突发性事件时, 预测结果要比参数建模的方法精确。
非参数回归作为一种无参数，可移植、高预测精度的算法, 它的误差比较小, 且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进, 使其可以真正达到实时交通流预测的需求。并且这种方法便于操作实施, 能够应用于复杂环境, 可在不同的路段上进行方便地预测。
二、历史平均模型法
算法定义为
()(1)()
V new AV A V old
=+-。式中，()
V new代表某路段在一定时间间
隔内新的交通流量；
()
V old代表该路段在相同时间间隔内旧的交通；V为交通流量；A为
平滑系数。
历史平均模型算法简单, 参数可用最小二乘法进行估计计算, 可以在一定程度内解决不同时间、不同时段里的交通流变化问题。但它不能反映动态交通流基本的不确定性与非线性的特点,尤其无法克服随机干扰因素的影响, 没有办法应对交通系统中的突发性事故。
三、神经网络模型
先进的交通控制系统不仅应当具备已有系统的优点, 更为重要的是要能充分利用不断积累的经验,有效地产生控制策略, 使模型具有根据历史数据进行学习、经验积累和不断完善的能力。鉴于这样的发展思路和要求, 神经网络由于其自身特有的自适应性和自学习的优势, 在实时交通流预测领域的应用变得非常活跃。其是在交通流量预测方面很有潜力的一种模型。
其中比较有代表性的有：BP神经网络模型（及其改进模型）、单元神经网络模型、基于谱分析的神经网络模型、高阶广义神经网络模型、模糊神经网络模型等。
四、时间序列模型
Ahmed和Cook于1979年首次在交通流预测领域提出了时间序列模型。经过一定的发展，其中比较有代表性的有ARIMAO模型、ARIMA模型、（0,1,1）模型等。下面重点介绍ARIMA 模型。
ARIMA模型假定数据序列是由某个随机过程产生的，它把事物在某一固定时刻的状态视
为一个随机过程，利用随机过程去分析描述事物的发展趋势。ARIMA模型又称为自回归求积移动平均模型。
ARIMS模型预测未来观测值可以按照以下步骤进行：一是识别时间序列的平稳性；二是数据进行平稳化处理；三是根据时间序列模型的识别规则，建立相应的模型；四是进行参数估计，估计暂定的模型参数，检验是否具有统计意义；五是进行假设检验，诊断白噪声。
ARIMA 模型特别适用于稳定的交通流, 但是当交通状况变化过大时, 由于计算量过大, 该模型将在预测延迟方面暴露出明显的不足。此外, 该模型基本上是从纯时间序列分析的角度进行预测, 并没考虑上下游路段之间的流量关系。
五、卡尔曼滤波模型
卡尔曼滤波理论是Kalman于1960年提出的，是一种在现代控制理论中广泛应用的先进方法。它在很多领域得到了应用，如统计学、经济学等。随后，有学者将其运用到交通领域，用于预测交通流。
卡尔曼滤波模型具有预测因子选择灵活、精度较高等优点, 是最好的预测方法之一。且模型的预测精度随预测时间间隔的变化不大, 这说明方法的强壮性很好。但是, 由于模型的基础是线性估计模型, 所以当预测间隔小于5min 时, 交通流量变化的随机性和非线性性再强一些时, 模型的性能是否会变差, 还没有得到进一步的确认。此外, 由于在每次计算时都要调整权值, 需要作大量的矩阵和向量运算, 导致算法较为复杂, 难以用于实时在线预测, 预测输出值有时要延迟几个时间段。
在卡尔曼滤波理论的基础上，又衍进了多种理论，如：线性滤波、非线性滤波、自适应滤波、粗正交小波网络以及各种简化的滤波方法。
六、自适应权重模型
它的基本思想是：给交通流状况的各个影响因素分配权重。定义可以实时监测到的路况指标，比如预测间隔时间、突发事件、与天气有关的因素、道路占有率、平均路网行驶时间等，作为权重选择的依据。此方法由于以线性回归模型为基础，所以相对来说计算简单，易于实现，从而便于大规模应用；而且采集路况指标用以改变权重的方法也简单易行，实时性较强。指标选择灵活是这种预测模型的一个特点，但是却不可避免地增加了主观性。
比较有代表性的如：基于神经网络的自适应权重模型等。
第二章宏观交通需求预测
一、马尔科夫预测法
新建一条公路，将必然吸引部分交通量。从相关道路转移到新建公路上的交通量一般构成了新建公路的基本交通量。因此确定转移交通量对新建公路的交通量分析和预测起着十分重要的作用，不可低估或忽视。转移交通量常根据OD调查资料来计算。公路新建项目的OD 调查由于人力、资金、时间等原因，往往只能在一个较短的时间内进行。因此只好采用静态分析以转移状态去确定今后的转移交通量。但因未考虑转移交通量的变化及其发展，在很大程度上影响了新建公路远景交通量预测的准确性和实际效果。如果使用马尔科夫预测法即可以解决这一问题。
马尔科夫预测法是一种动态随机数学模型，它把预测对象作为一个系统，利用“状态”和“状态转移”进行预测。这里的状态是指系统的初始状态；状态转移是指状态转移概率，它是系统内部机制的表现，决定系统预测的结果。而新建公路一般缺少调查年以前的OD资料，有时有一些资料也因时间、地点、方式等不同而无法取用。当利用调查年的OD资料计
算状态转移概率时，就会缺乏计算初始状态的数据。模型的一个显著特点解决了这一难题。这个特点是预测过程在较长时间下逐渐趋于稳定，而与原始条件无关。根据上述实际情况，在应用马尔科夫预测法预测转移交通量时仅考虑状态转移概率，而不考虑初始状态。具体的使用步骤如下：
1 计算状态转移概率矩阵；
2 OD分区交通量转移率的预测；
3 相关道路交通量转移系数的确定
确定相关道路交通量转移系数时一般分为两种情况，一是不考虑OD分区中本区内的交通量转移；二是考虑。当考虑OD分区中本区内的交通量转移时，可不必经过下面3.1,3.2两步，而直接进行第3.3步计算。
3.1 OD分区转移比重
此比重是指每一起点区发生的交通量占全部OD区总交通量的比重。这一步计算是为第3.2步计算相关道路交通量转移系数做准备。
3.2 相关道路交通量转移系数矩阵
3.3 确定相关道路交通量转移系数
根据相关道路交通的预测，乘以相应的转移系数，就可以计算出各预测的转移交通量。
二、基于D—S证据理论的交通拥堵预测方法
D—S证据理论是由A.P.Dempster于1967年提出，后由G.Shafer加以扩充和发展的一种信息融合方法。D—S证据理论可处理由不知道所引起的不确定性。它采用信任函数而不是概率作为度量，通过对一些事件加以约束以建立信任函数而不必说明精确的难以获得的概率，具有较大的灵活性。理论中，为了描述和处理不确定性，引入了概率分配函数、信任函数及似然函数等概念。
在D—S理论中，由一个证据可确定一个基本概率指派，从而确定一个信念函数。因此Dempster组合规则又称为证据的组合规则，D—S理论又称为证据理论。
三、PECAS——城市用地和交通集成化模型系统
PECAS是生产、交易和消费分派系统。该模型系统建立在一个综合的供求平衡的结构下，运用不同的技术参数以及购销两情的市场机制，来模拟各行业活动生产和消费的各种产品从生产市场到消费市场的各自流通过程。这些产品包括商品、服务、劳工、用地等。产品从生产市场到交易市场，再从交易市场到消费市场的交通量时根据产品的供求关系、区位、交通（负）效用等，运用NL模型加以分派/分布的。产品加载到交通（道路或公交）网络上，进而确定网络加载条件下的交通负效用。另一方面，在购销平衡条件下确定的各类用地数量及其交易价格则被输入到用地开发模型中，用来模拟开放商的反应行为。系统可以对每一年度的生产、交易和消费等活动进行模拟，再通过交通负效应和用地区位效用的相应变化，来影响下一年度的各类活动，包括出行行为。
PECAS在实际应用中的困难之一是数据的的收集和模型参数的估计和标定。PECAS模型系统考虑的变量很多，这有利于更加真实的反映现实世界，但也引入了很多待以标定的参数。这些参数既相互影响，也影响其他的模型变量，其间的影响机制是十分复杂的。由此，PECAS 运用贝叶斯的系列估计方程式，来从统计学上估计模型的一些统计参数。在模型的标定过程中，则使模型的另一些技术参数指标与一系列目标值相符。同时，通过实践应用的过程，来积累数据，优化参数标定方法，规范参数的通用值，以减轻模型标定的难度。
在应用方面，美国的很多州正在使用该模型建立州域范围内的用地分析和交通预测模型。
四、Gompertz模型
居民出行发生量预测是交通需求预测的一个重要组成部分，通常用Gompertz模型进行模拟，其是交通需求预测中的经典模型。
目前在交通需求预测方面，Gompertz 模型因具有简单适用的特点得到了广泛使用，但使用Gompertz 模型估算居民交通出行时，其系数通常依据相关城市情况类比估算得到，缺乏理论依据和数据基础，在一定程度上影响了交通需求预测结果的可信度。
第三章结语
基于确定的数学模型的预测方法越来越不能满足实际精度的要求。鉴于道路交通系统的非线性、复杂性和不确定性的基本特点，许多无模型的预测算法被应用到交通需求预测中来，取得了较好的实际效果。同时，由于各种高新技术学科之间的穿插，各种组合预测模型，如神经网络理论与遗传算法、模糊理论、小波理论、谱分析理论等的结合也必将会得到越来越广泛的应用。
由于交通是一门综合性、纯应用型的学科，除了基本的预测理论，计算机技术、人工智能、系统工程等系统预测支持系统将成为越来越多科学技术的综合体，针对复杂变化的交通状态，系统将会自行选择一种合理的预测模型或者组合预测方法，将会成为ITS行业发展的方向。
注：作业虽为打印稿，但因本人习惯，却是自己查阅众多资料写成的，无ctrl+C与ctrl+V的现象，望老师理解。
河北工业大学 硕士学位论文 基于神经网络的交通流预测研究 姓名：彭进 申请学位级别：硕士 专业：模式识别与智能系统 指导教师：赵晓安 20081101
河北工业大学硕士学位论文 基于神经网络的交通流预测研究 摘要 作为智能交通系统的核心内容之一，智能交通控制与诱导系统一直是智能交通研究的热门课题。城市交通流控制与诱导系统的实现将有效地减少交通拥挤和城市环境污染，提高道路通行能力和改善交通安全状况。而实时、准确的交通流量预测正是这些系统实现的前提及关键，交通流量预测结果的好坏直接关系到交通控制与诱导的效果。交通控制与诱导系统需要在做出控制(诱导)变量决策的时刻对下一决策时刻乃至以后若干时刻的交通流量做出实时预测。 目前，我国普遍采用遥感微波检测器或环形线圈检测器检测实时交通流量。但是，对于一个完善的交通流诱导系统而言，采用实时检测设备检测的交通流信息具有滞后性。因此，实现城市交通流诱导系统的关键是道路交通状况的预测，也就是采用相应的技术，以有效地利用实时交通数据信息滚动预测未来一段时间内的交通状况。根据预测的交通流信息实现交通流的诱导，以避免交通拥挤，实现交通的畅通。 本文主要研究人工神经网络在实时交通流预测中的应用。在应用人工神经网络预测交通流量方面提出了有效的途径。本论文的主要研究工作为： (1)介绍了交通流预测系统基本概念及理论框架，并提出了路段短时交通流预测 模型； (2)利用BP神经网络的优势，提出了一种改进型BP网络算法。实验结果表明 该算法在路段短时交通流预测方面有着优良的效果； (3)结合递归Elman网络和BP网络的优点，提出了一种综合型交通流预测算法。 该算法具有较强的非线性函数逼近能力和学习能力，为路段短时交通流预测 提供了一种有效的途径。 关键词: 交通流，人工神经网络，BP网络，Elman网络，预测 i
由于经济和人口因素发生变化，道路整改后，这个区域内的交通量会发生一定的增长，对这种增长的交通量预测称为趋势交通量预测。预测时，以路段交通量的增长与其影响区的经济增长之间的关系，采用多元回归法进行预测。 1、影响区系数 影响交通量变化的相关指标有人均国民生产总值、人均国民收入、车辆拥有量等，利用数理统计知识，将各交通区经济指标与相应交通区的客货运量进行回归分析总结，得出各指标的相关系数，取最大相关系数对应的指标作为最相关指标，根据相关指标增长率确定路段的影响区系数。 影响区系数： ij ak k L m L m /)(∑= 式中，k L ：路段在影响区内的里程 ak m ：为影响区域内的最相关指标增长率 ij L ：路段的总里程 2、正常交通量预测模型 m A A i i Q Q y y n n 101+==- 式中，n Q ：远景第n 年的路段交通量 1 -n Q ：远景第1-n 年的路段交通量，当1=n 时为基年交通 量 y i ：交通量增长率 A ，1A ：待定参数，根据历史年份的y i ，m 用最小二乘法 确定
本项目建成后，线路通行能力提高，从而导致部分交通量从其他路线转移到本项目路线上来。这部分交通量是由于道路的建成而产生的，同时也构成了这一路网的基本交通量。因此合理地确定转移交通量对道路交通量分析和预测具有重要作用。 1、交通阻抗 确定交通阻抗是转移交通量和诱增交通量预测的关键步骤之一，交通阻抗是指路网中路段或路径的运行距离、时间、费用、舒适度或者这些因素的综合。我们这里针对城市里居民出行考虑的首要因素，选取平均行驶时间作为路段的交通阻抗。 3 321)/(])/(1/[/C Q C Q U U U L t x ααβαβ+=+== 式中，t ：交通阻抗 U ：车辆平均行驶速度，h km / x U ：道路的设计车速，h km / 1α，2α，3α：回归参数 Q ：交通量，辆/h 2、相关路段转移交通量预测 （1）转移交通量计算公式 ro r r r Q Q Q P Q P Q t t c t t c c t c t c t P c t c t c t P -=?=+=+=-+--=-+--=0011100111111000000/2/)(2/)()]/exp()//[exp()/exp()]/exp()//[exp()/exp(σσσσσσ 式中，0t ，1t ：道路建成前、后的交通阻抗
交通流预测方法 随着社会经济和交通运输业的不断发展，交通拥挤等交通问题越来越凸现出来，成了全球共同关注的问题。那么对于交通流的预测不仅是城市交通控制与诱导的基础，还是解决道路拥堵问题的关键。如果能精确的预测交通网中各个支路上的汽车流量，那么我们可以运用规划方法对交通流进行合理的优化，从而使得道路的利用率达到最大，也可以解决部分拥堵问题。在新建道路的前期也需要对兴建道路的车流量进行一个长期的交通预测，从而对道路的经济效益进行评估，对论证道路修建的可行性研究提供依据。由此可见，对交通流的预测是必要的，在本课题中我对四公里立交车流作一个最优函数估计，旨在对四公里立交的车流进行精确预测。 交通流理论是研究交通随时间和空间变化规律的模型和方法体系。多年来交通流理论有了较快的发展，众多学者在这一研究方向做出了许多优秀的成果，将交通流理论运用于交通运输工程的许多研究领域，如交通规划、交通控制、道路与交通设施设计等。 预测方法从大体上可分为定性预测与定量预测。定性预测中主要有相关类比法、德尔菲法等；定性预测则分为因果分析、趋势分析智能模型。因果分析主要方法有线性回归、非线性回归等模型；趋势分析主要有时间序列模型、趋势回归模型等；智能模型主要包括神经网络模型和非参数回归模型。 短期交通流的预测方法较早期的有：自回归模型（AR）、滑动平均模型（MA）、自回归滑动平均模型（ARMA）、历史平均模型（HA）和Box-Cox法等，随着该领域的发展，预测方法不断趋于精确，在大批学者的共同努力下出现了许多更加复杂、精度更高的预测模型。大体来说可分为两类：一类是以数理统计和微积分等传统的数学方法为基础的预测模型，主要包括：时间序列模型、卡尔曼滤波模型、参数回归模型等；第二类是以现代科学技术和方法（如模拟技术、神经网络、模拟技术）为主要研究手段而形成的短期预测模型，该种方法不追求严格意义上的数学推导和明确的物理意义，更加重视与现实交通流量的拟合接近程度，该种方法主要包括非参数回归模型、KARIMA算法、基于小波理论的方法、谱分析和多种与神经网络相关的复合预测模型等。现阶段广泛应用的主要有以下四种模型。 历史平均模型Stepehanedes于1981年将此方法应用于城市交通控制系统中。其特点有算法简单，参数可用最小二乘法进行估计，操作简单，速度快，但其由于它是一种静态的预测方法，不能反映动态交通流基本的不确定性和非线性性，无法克服随即干扰因素的影响。 时间序列-ARIMA模型由Ahmed和Cook于1979年首次在交通领域提出。在大量连续数据的基础上，此模型没有较好的预测精度，但需要复杂的参数估计，且其对历史数据的依赖性较高，成本较高。该方法技术比较成熟，特别适用于稳定的交通流。该模型只是单纯从时间序列分析的角度进行预测，没有考虑上下游路段之间的流量关系。 神经网络模型人工神经网络诞生于20世纪40年代，Schin 于1992年用之于长期的交通预测，1993年1994年Dougherty 和Clark 分别将其应用于短期交通预测。该方法在一定程度上摆脱了建立精确数学模型的困扰，为研究工作开辟了新的思路。应用较广泛的有BP神经网络-误差反传神经网络模型、单元神经网络模型、基于谱分析的神经网络模型、高阶神经网络模型和模糊神经网络模型等方法 非参数回归模型，由Davis和Smith于1991年应用到交通预测领域，该预测方法是一种适合不确定性、非线性的动态系统的非参数建模方法。无需先验知识，只需足够的历史数据。 鉴于道路交通系统的非线性、复杂性和不确定性等特征，许多无模型的预测方法被应用到短期的交通流预测当中，且取得了良好的效果，研究发现，考虑上下游道路流量的关系的预测方法更能反映实际情况，比起单纯的时间序列预测方法更加贴合实际，有更大的发展空间。
交通量分析及预测 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
第三章交通量分析及预测 公路交通调查与分析 3.1.1调查综述 交通调查的目的是了解现状区域路网的交通特性，掌握路段交通量及其特征。通过交通调查来分析路段交通量及车种组成、时空分布特征等，了解区域交通发生、集中及分布状况。 本项目有关的交通调查主要是交通量调查。 交通量调查是收集沿线主要相关道路的历年交通量状况，交通量的车种构成以及有关连续式观测站点的交通量时空变化特征等资料。 相关运输方式的调查与分析 拟建项目X922荔波县翁昂至瑶山（捞村至瑶山段）公路改扩建工程路线起点位于荔波县捞村，顺接X922翁昂至捞村段，终点位于荔波县瑶山与X418平交，终点桩号K20+。路线推荐方案全长公里。 根据贵州省公路局及地方观测点提供的交通量统计资料，现有与该项目相关的公路主要有X922翁昂至捞村段（原Y101乡道），X418线。公路沿线历年的交通量观测值见表3-1。 表3-1 X922捞村至瑶山段（原Y007乡道）公路历年平均交通量单位：辆 /日
注：表中数据除混合车折算值为按小客车为标准的折算值外，其余均为自然车辆数。 预测思路与方法 3.3.1 交通量预测的总体思路 公路远景交通量的预测，是为正确制定公路修建计划提供分析基础，为项目的决策提供依据。 根据对项目所在地区社会经济和交通运输调查的资料分析，计划建设的荔波县瑶山至捞村改扩建公路工程是荔波县境内的重要公路项目。本项目的建设，将有力地促进公路沿线工业和乡镇的社会经济及交通运输发展、为精准脱贫提供交通保障。 预测远景交通量一般由趋势交通量、诱增交通量和转移交通量三部分组成。 趋势交通量是指现有公路交通量按照它固有的发展规律、自然增长的交通量。 诱增交通量是指公路的开通，使它所覆盖的影响区内经济和交通体系的深刻变化，诱使经济、产业迅猛增长，则会新产生交通量。 转移交通量是指公路建成后，由于竞争关系而从其它运输方式（铁路、水运和航空）转移过来的交通量。对本项目而言，由于没有与本项目有竞争关系的其它运输方式存在，因此本项目不考虑转移交通量。 根据分析，本项目的远景交通量主要由趋势交通量和诱增交通量组成。 3.3.2 交通量预测方法及步骤 由于该项目属于老路改造工程，大部分为改造路段，且公路沿线均设有交通观测点，因此该项目不作OD调查，采用沿线历年断面交通量与影响区社会经济的发展情况及规划，进行相关分析，预测未来特征年的远景交通量。 交通量预测 3.4.1 预测年限和特征年确定 根据交通运输部交规划发[2010]178号文件发布的《公路建设项目可行性研究报告编制办法》的规定，公路建设项目交通量的预测年限为调查年到项目建成后20年；
交通预测模型【对各种交通流预测模型的简要分析】 摘要:随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。多年来，世界各国的城市交通专家提出各种不同的方法，试图缓解交通拥堵问题。交通流预测在智能交通系统中一直是一个热门的研究领域，几十年来，专家和学者们用各种方法建立了许多相对精确的预测模型。本文在提出交通流短期预测模型应具备的特性的基础上，讨论了几类主要模型的结果和精确度。 关键词:交通流预测;模型;展望 20世纪80年代，我国公路建设项目交通量预测研究尚处于探索成长阶段，交通量预测主要采用个别推算法，又可分为直接法和间接法。直接法是直接以路段交通量作为研究对象；间接法则是以运输量作为研究对象，最后转换为路段交通量。 进入90年代后，我国的公路建设项目，特别是高速公路建设项目的交通量分析预测多采用“四阶段”预测，该法以机动车出行起讫点调查为基础，包括交通量的生成、交通分布、交通方式选择和交通量分配四个阶段。
几十年来，世界各国的专家和学者利用各学科领域的方法开发出了各种预测模型用于短时交通流预测，总结起来，大概可以分为六类模型：基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。这些模型各有优缺点，下面分别进行分析与评价。 一、基于统计方法的模型 这类模型是用数理统计的方法处理交通历史数据。一般来说统计模型使用历史数据进行预测，它假设未来预测的数据与过去的数据有相同的特性。研究较早的历史平均模型方法简单，但精度较差，虽然可以在一定程度内解决不同时间、不同时段里的交通流变化问题，但静态的预测有其先天性的不足，因为它不能解决非常规和突发的交通状况。线性回归模型方法比较成熟，用于交通流预测，所需的检测设备比较简单，数量较少，而且价格低廉，但缺点也很明显，主要是适用性差、实时性不强，单纯依据预先确定的回归方程，由测得的影响交通流的因素进行预测，只适用于特定路段的特定流量范围，且不能及时修正误差。当实际情况与参数标定时的交通状态相差较远时，
城市道路交通流预测 1交通流预测方法历程 在交通预测方法方面，上世纪60年代，国外就开始研究交通流预测模型，并逐渐将这些模型应用于短时交通流预测。早期得预测方法主要有时间序列法，自回归滑动平均模型(ARMA)、卡尔曼滤波预测模型等等。这些预测模型主要为线性模型，其考虑因素都较为简单，一般都用最小二乘法(LS)在线估计参数，利用历史数据线性变化趋势预测交通流参数。早期得方法具有计算简便，易于数据实时更新，便于数据量与规模较小得条件下应用得优点；但就是由于这些模型不能体现交通流得非线性与随机性，很难克服随机因素对交通流量得干扰，所以随着预测时间隔得缩短，随机因素得作用也增强了，这些模型得预测精度与实时性也就变得达不到预期得效果。 伴随着交通流量预测研究得深入进行，学者们又提出了很多更复杂得、更高精度得预测方法与模型。从表现形式上大体可分成三类：第一类就是早期以数理统计等传统数学方法为基础得线性预测模型；一类就是以现代控制理论与科学技术(如模拟技术、神经网络、模糊控制)为主要方法与手段而形成得非线性预测模型，她们得特点就是不需要精确得物理模型，在一定应用范围内却具有良好得鲁棒性、精确度；第三类主要就是前两者得组合应用，第三类方法综合了得特性，克服前两者她们得缺点，使得前两者得优点互补，从而达到很好得预测效果。这类方法建模过程较为复杂，但为短时交通流预测研究开辟了新得路径，也就是将来短时交通流预测方法得发展方向。 早在1994 年Hobeika, A、G 与Chang Kyun Kim 在文献中提出了根据截面历史数据、实时数据与上游交通流数据进行短时交通流预测。Brian L、Smith 与Miehael J、Demetsky(1997)在文献中对历史平均预测模型、时间序列预测模型、神经网络预测模型与非参数回归预测模型四种交通流预测模型进行了比较，结果非参数回归模型以其模型简单，精度高成为了小样本预测中最佳得预测
第三章交通量分析及预测 3.1现状交通调查及分析 3.1.1项目影响区的确定 项目影响区根据对项目的影响程度，分为直接影响区和间接影响区，一般按行政区域划分。根据对各地区经济和交通的影响程度以及区域内物流和车流集散的特点，结合各地区社会经济、交通运输现状和路网状况，本项目直接影响区为彭山区，间接影响区包括眉山市、新津县等。 3.1.2交通现状分析 1、交通现状 随着城市建设用地的变化及产业结构的调整，步行和自行车出行仍然是居民的主要交通方式，但重要性有所下降，两轮电动车的出行比例已上升至10.1%，汽车出行增长较快，达到12.5%，公交车比例仅为14.7%。彭山区私家车发展势头强劲，将成为未来城市机动车增长的主要因素。 2、项目影响区交通现状及规划条件 城市交通状况的恶化和城市规模不断扩大、人口不断增加关系十分密切，当然这也是城市发展过程中必然会遇到的问题。当前我们正处在快速城市化和快速机动化交织的历史时期，城市交通压力急剧增加，过去五年彭山区机动车每年以10.8%的速度增长，而同期道路的增长速度远低于此。彭山区城范围内现状主次干道路网密度2.44公里/平方公里，城市支路路网密度更低，而城市主干道和支路的平均容积率要达到规划水平，还存在有很大差距。因此加大路网建设力度仍然是解决城市交通问题的重要途径。 3.2 交通量预测方法 交通量预测分析的目的是通过对片区路网的分析，研究项目建设给片区经济发展所
带来的交通影响及其程度，判断在当前这种交通路网的承载能力下的影响，能否在可接受的范围内，并确定合理的项目出入口位置。道路断面的设置形式是否合理，满足交通功能的要求是最基本的条件。设计通行能力低于设计交通量的道路形式是不合适的，因为它容易造成片区路网的交通拥挤，甚至发生交通堵塞，要求设计通行能力必须大于设计交通量。另一方面，通行能力也不能过大，否则使道路资源不能充分利用，必然造成大量的浪费。 交通量预测是一项综合技术，涉及因素很多，把握预测方向和提高预测精度，一值是世界各国交通研究重要课题，同时，也是一切交通问题研究的基础。本可研报告对交通量预测按照国际上业已成熟的四阶段模式，即交通生成、方式划分、交通分布和交通量分配进行的。是在城市发展和城市规划及土地使用分析的基础上，对道路网络整体进行交通模拟。交通模拟中各种模型建立，都是进行相应统计检验后得到，模型精度一般在15%以内。 3.3 交通量预测内容及结论 3.3.1交通量的组成 本项目属于新建道路，对此情况，远景交通量一般只包括诱增交通量和转移交通量二类。 1、诱增交通量 由于拟建道路的建成通车，其道路基础设施的完善将有效提升片区路网服务水平，与相邻道路之间具有较好的竞争优势，其诱发潜在的交通需求量较大。诱增交通量预测，目前采用的方法很多，一般以相邻路网的趋势交通量为基数预测诱增交通量，这种方法主要考虑的因素是区域间的运行时间、距离，按照“有无对比法”的原则，采用重力模型的思想，预测诱增交通量。这种方法计算工作繁杂，而且模型中的某些假定与实际情
第三章交通量分析及预测 交通量分析和预测是公路建设项目前期工作的重要内容，本章首先在交通量观测及其他交通调查的基础上，分析本项目相关线路及其影响区域的公路交通发展水平和特征，然后结合社会、经济、技术调查与分析，使用公路可行性研究通用的预测技术和方法，分析预测远景年交通量发展规模和水平，为确定本项目的技术等级、工程设施标准规模和经济评价等提供重要的依据。 3.1公路交通调查与分析 本项目采用交通量观测为交通调查方法。 3.1.1 调查综述 调查的目的、方法及内容： 公路交通调查是公路项目可行性研究的重要环节，为全面了解项目所在地区公路交通量的特性和构成，掌握公路交通流量流向、车辆构成、货物种类等资料，为未来拟建公路交通量预测提供基础数据，本项目公路交通调查主要包括相关公路观测交通量、汽车保有量、交通事故等方面内容，调查范围主要是针对拟改建项目所属区域及沿线所经区域进行调查。 3.1.2 调查资料的分析 1.历年相关公路交通量 表3-1 正镶白旗杨白音敖包嘎查测站历年交通量
2.交通量观测调查车辆构成分析 通过资料整理，可以得到各调查点断面交通量情况。详见下表。 3.2 预测思路与方法 3.2.1预测思路 交通量预测是公路建设项目可行性研究的重要内容之一，是确定项目技术等级、建设规模及标准的依据，也是项目经济评价的基础。 根据研究项目白旗伊克淖苏木白音敖包嘎查至乌兰胡吉尔浩特至陶苏图浩特公路周边地区的公路项目，路段历史交通量能反映该路段上交通量的发展趋势。因此，可以利用周围路段的历史交通量用基于运输通道的交通量预测法来进行预测。基于运输通道的交通量预测法的大致思路如下： （1）获取项目所在运输通道内各条道路的历史交通量； （2）根据运输通道历史交通量找出其发展趋势，运用相关趋势模型求出运输通道交通量的增长率，并计算出运输通道未来年总交通量； （3）根据项目运输通道内各条道路的历史交通量发展趋势，结合相关各条道路在未来年的等级、车道数和通行能力等因素，采用Lgoti概率模型来确定未来年各条道路在运输通道内所分担的交通量比例，最后计算出本项目未来年的交通量。 3.2.2 交通量预测方法及步骤 该项目为正镶白旗明安图镇三面井嘎查敦廷高勒浩特至白生图浩特公路，是白旗通往外界的重要通道之一，由于公路交通是白旗唯一交通方式，因此本项目具有重要的地位和作用。通过对正镶白旗明安图镇三面井嘎查敦廷高勒浩特至白生图浩特公路线上的观测点交通量调查分析得出，现有道路的交通量比较大，由于省道的服务水平、道路路况等影响，在未来年单一的通道已经无法满足交通量的需求。 交通量预测：主要是在现状交通量观测调查的基础上，依据项目区未来年经济发展及项目所属通道运输方式发展趋势，测算公路通道的运输量，利用合理的预测方法进行
第3章交通量分析及预测 3.1公路交通调查及分析 3.1.1调查综述 3.1.1.1调查内容 按照交通规划的研究对象，本项目分别对公路客货运输量、年平均交通流量进行 调查。按照调查的方式，又大致分为以道路上的车辆为对象的实测调查和为明确人的 活动和货物的移动性质而进行的问卷调查。前者的调查有道路交通量调查和运行车速 调查，具体的调查事项及观测方法，因表示交通流特性所采用的要素不同而有所不同， 通过它可掌握汽车行驶状态有关的各种特性，为道路上实现畅通交通流而进行适当的 交通控制及建立交通规划发挥作用。后者的调查有居民出行调查、机动车OD调查和物 流调查。 3.1.1.2调查方法 交通调查是公路建设项目可行性研究的一个重要环节，是采集所需基础数据的最基本手段。其目的是了解项目影响区域公路交通运输的特性、构成以及客货运输的流量、流向，使后续的交通量预测建立在客观、可靠的基础上，为公路建设项目的计划、建设规模、建设标准等提供科学的依据。 (1)交通量调查点的布设 交通量调查点的选择，对调查数据、区域路网流量分析、拟建项目交通量预测有 着直接的影响，是整个交通量调查的关键。本报告交通量调查路段及其地点的选择， 主要考虑了以下因素： 1) 根据拟建项目特点及其区域路网交通流特性，选择有代表性的路段布点； 2) 调查点远离城镇，尽量避免城镇内部交通及短途交通的影响； 3) 调查点选择在路基较宽、视距远的路段上，同时要保证上行与下行调查点之间 留有不少于150m的距离，以免造成交通阻塞； 4) 附近有收费站的，尽量将调查点设在收费站中，以减少对车辆通行的影响。 由于交通流量观测是在具体的某一天进行的，有的是24小时流量观测点，有的是12小时流量观测点，所以在交通流量分析时根据各流量观测点所在路段历年交通量观 测资料对其进行年月、周日、昼夜不均匀性调整，并以次推算出年均日交通量。调整 公式如下： Q ijk＝q ijk·αi·βi·γi
第22卷第1期2008年1月 济南大学学报(自然科学版) J OURNAL OF UN I VERSITY O F JI NAN (Sc.i &T ech ) Vo.l 22 No .1 Jan.2008 文章编号:1671-3559(2008)01-0088-07 收稿日期:2007-05-21 基金项目:国家自然科学基金(60674062);济南大学博士基金 (B0608);济南大学科研基金(Y0601)。 作者简介:高 慧(1982-),女,山东德州人,硕士生;赵建玉 (1966-),女,山东临沂人,副教授,硕士生导师。 短时交通流预测方法综述 高 慧1 ,赵建玉1 ,贾 磊 2 (1.济南大学控制科学与工程学院,山东济南250022;2.山东大学控制科学与工程学院,山东济南250061) 摘 要:以交通流预测研究的步骤为主线,对短时交通流预测的方法进行研究。对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于新兴技术的预测方法。将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;基于非线性理论的预测方法有较好的发展前景。 关键词:智能交通;数据采集;数据预处理;交通流预测中图分类号:U 491.112 文献标识码:A 交通系统 [1] 是支持社会经济发展的基础设施 和 循环系统 ,在社会经济系统中占有重要的地位。交通问题解决的好与坏,直接影响着国民经济 的发展与人民生活质量的提高。当今世界各国的大城市无不存在着交通拥挤问题。交通问题在一定程度上已经成为制约经济、社会稳定发展的 瓶颈 问题。然而有限的土地和经济制约等使得道路建设不可能达到相对满意的里程数,所以就需要在不扩张路网规模的前提下,综合运用现代信息与通讯技术等手段来提高交通运输的效率,以提高交通路网的通行能力。于是,运用各种高新技术系统地解决道路交通问题的思想就应运而生了,这就是智能交通系统I TS(intelligent transport syste m ) [2-3] 。 交通控制与诱导系统是I T S 研究的热门核心课 题,而实现交通流诱导系统的关键问题是实时准确的交通流量预测,即如何有效地利用实时交通数据信息去滚动预测未来几分钟内的交通状况。其结果可以直接送到先进的交通信息系统(ATIS)和先进的交通管理系统(ATM S)当中,给出行者提供实时有效的信息,帮助他们更好地进行路径选择,实现路 径诱导,以缩减出行时间,减少交通拥挤。这种预测称为短期预测(short-ter m forecasting),它是微观意义上的,与中观和宏观意义上的以小时、天、月甚至 是年计算的基于交通规划的战略预测(strateg ic fore -casting)是有本质区别的 [4-5] 。 1 数据采集 最初的交通参数信息采集方法都是非自动的人工采集方法,包括人工观测法和摄影法等。自20世纪30年代美国研制出 声控 式感应式交通信号控制机以来,交通量检测器技术得到了迅速发展,特别是近20年来出现了大量的新型交通量检测器。交通量检测器的种类很多,主要有:环形线圈检测器,超声波检测器,磁感应式检测器,光辐射式检测器,雷达检测器,视频检测器等。目前应用较多的是环形线圈检测器、超声波检测器和视频检测器。1.1 环形线圈检测器方法 环形线圈检测器 [6] 出现于20世纪60年代,是 目前交通控制中应用最广的交通量检测器。该检测器是一种基于电磁感应原理的车辆检测器,它的传感器是一个埋设在路面下、通有一定交变电流的环 形线圈。当车辆通过线圈或停在线圈上时,车辆引起线圈回路电感量的变化,检测器可检测出该变化,基于此原理采集交通量。1.2 超声波检测器方法 超声波检测器 [1] 是通过接收由超声波探头发 出并经过车辆反射的超声波来检测车辆的。超声波检测器的工作原理可分为两种:传播时间差法和多普勒法。 传播时间差法,超声波检测器的探头向路面发射超声波然后接受其反射波,当有车辆时,超声波会经车辆反射提前返回。多普勒法,超声波探头向空间发射超声波同时接收信号,如果有移动物体,那么接收到的反射波信号就会呈现多普勒效应。
简述交通量预测方法与步骤 一、交通调查与分析 1.调查综述 道路交通量与项目影响区的交通出行分布是交通量预测的基础资料。为了对公路建设项目未来年的交通量发展情况进行预测，需要调查了解项目影响区交通发展状况，相关路网交通现状，各类车辆的起讫点分布，交通组成等基础数据资料。 交通调查的内容包括两个方面，一是相关公路的道路状况和交通状况调查，另一方面是车辆出行分布调查，据此分析项目影响区的车辆出行分布状况。相关公路道路与交通状况调查主要包括相关公路历史流量发展分析，交通组成分析，用于分析项目影响区交通发展规律；车辆出行分布调查主要调查车辆出行的起讫点，即OD调查，用于分析项目影响区及相关路网车辆的空间、时间分布特征，掌握交通现状。 2、交通量OD调查及分析 OD调查和交通量观测主要是为了全面掌握项目影响区内各方向公路运输通道的交通流量、流向、车型构成等交通特性，为拟建项目所在通道的运输需求特点分析和交通量预测工作提供了可靠的基础数据。 OD调查点位置布设原则为: ⑴在能够把握交通流量分布特性和不影响调查目的及精度的前提下，尽量减少OD调查点个数，以节省人力、物力和财力； ⑵OD点应尽量远离城区（一般为10公里左右）； ⑶为了和历年的交通量调查资料相互检验、补充，在不影响调查目的的前提下，调查地点尽量与历年交通量观测点一致或靠近。 以OD调查和交通量观测数据为基础，按照调查所采用的抽样率，根据主要相关公路历年交通量计算得到的月不均匀系数和周日不均匀系数将每个调查点的OD交通量进行扩大、修正，形成单点年平均日OD交通量（AADT），并得到单点OD表。交通量换算采用小客车为标准，各代表车型和车辆折算系数规定如下表所示。 各汽车代表车型与车辆折算系数
短时交通流预测研究综述 摘要：道路交通流预测预报是智能交通系统关键技术之一,短时预测是交通控制、车辆导航的技术基础。本文概述了道路交通流预测方法的发展历程,分析比较了各预测模型的优点、缺点及适用情况,给出了道路交通预测的一般流程。对现存预测方法进行了分类分析:基于统计理论的方法、基于神经网络的方法、基于非线性理论的方法以及基于检测器优化选择的短时交通流预测算法的预测方法。将人工神经网络模型与其他领域的研究相结合的综合预测模型要比单一神经网络预测模型、常规预测模型的预测效果好;以预测的均方误差最小为目标函数，通过遗传算法优化选择合适的检测器，以小波神经网络作为预测算法进行短时交通流预测具有很高的精度和适用性。 关键词：交通工程；交通流理论；短时交通流；预测模型;神经网络算法 Research on Short-Time Traffic Flow Forecasting Methods LIU Jia-tong (1. Department of Bridge Engineering, School of Highway, Chang’an Unversity) Abstract:Prediction of road traffic flow is one of the key technologies of intelligent transportation system. This paper summarizes the development of road traffic flow forecasting methods, analyzes and compares the advantages, disadvantages and application of each forecasting model. The existing prediction methods are classified based on the method of statistical analysis: Based on the theory and methods of nonlinear theory and traffic detector based on the optimal selection of flow prediction algorithm based on prediction method and neural network method. The prediction effect of comprehensive prediction model of artificial neural network model and other fields combined than single neural network prediction model and the conventional prediction; to minimize the mean squared error as the objective function, the genetic algorithm to choose the appropriate detector with the wavelet neural network as prediction algorithm of short term traffic flow forecasting high precision and applicability. Keywords:Transportation Engineering; Traffic Flow Theory; Short-termTraffic Flow; Prediction Model; Neural Network Algorithm
在可行性研究阶段，预测交通需求量有多种方法，例如趋势类推法、弹性分析法、OD调查法、专家调查法以及四阶段模型系统法（出行生成模型、交通分布模型、方式分担模型、交通量分配模型）。本报告主要在介绍建设建立在区域经济学分区理论基础上，预测精度较高，技术难度较大的四阶段模型系统法。 一、出行生成模型 出行生成模型作为交通需求预测的第一步，其主要任务是对研究地区的每个分区的出行量进行估计。首先将研究区域进行分区，并对每个分区的社会经济性质、土地利用特点进行研究，建立以分区为基础的联合出行生成模型，从而导出研究区域的交通出行生成总量。 由于每个分区及时出行的起始点，优势出行的目的地，因此出行生成由出行产生和出行吸引两部分组成。相应的就是出行产生量O i 和出行吸引量D j两种度量方法。二者的影响因素是不同的。出行产生的主要影响因素是交通用户（出行者）的社会经济性质，如人口、收入、小汽车拥有量等；出行吸引的主要影响因素是地区的土地利用性质，如土地利用类型（商业企业、工业区等）、土地利用密度、就业水平、可达性等。由于出行产生和出行吸引二者的影响因素不同，一般情况下应分别建立模型进行分析。出行生成通常采用两种传统的模型方法：回归模型和分类模型。 ①回归模型 回归模型是计量经济学中重要的方法之一，它以社会经济作为分析基础，属于经验性定量模型，在交通需求预测中有广泛的应用。出
行生成回归模型的一般表达公式为： Y=a0+a1X1+a2X2+?+a k X k+u 式中：Y——地区出行生成量； X1、X k——地区出行生成主要影响因素； a0、a k——回归系数； U——随机变量。 出行生成回归模型的输入是地区影响因素的量化值和出行生成量的时间序列历史数据。模型建立以后，利用常见的最小二乘等参数估计方法对模型进行标定。单元回归模型的标定过程比较简单，多远回归模型的最小二乘计算公式要通过解k+1个联立方程得出，比较复杂，但现在有许多方便的计算机软件可供使用。当完成对模型标定并通过检验后，即可用于预测未来年度出行生成的变化趋势。 回归模型所需数据均为地区性的总量数据或平均数据，分析方法比较完善和简单易行，应用比较广泛。回归模型的缺点是使用这种方法要有严格的前提条件，即模型必须满足一系列统计基本架设，因而是模型的应用受到一定的局限性。而且，模型中所使用的地区性总量数据，可能会使某些突出的社会经济特点变得模糊。比如，某地区家庭收入的特点是贫富不均，模型采用平均收入指标后，地区的这种收入特点被中和淡化，无法反映到出行生成预测中去，影响力估计结果的真实性。
交通量分析与预测 LG GROUP system office room 【LGA16H-LGYY-LGUA8Q8-LGA162】
第三章交通量分析及预测 现状交通调查及分析 3.1.1项目影响区的确定 项目影响区根据对项目的影响程度，分为直接影响区和间接影响区，一般按行政区域划分。根据对各地区经济和交通的影响程度以及区域内物流和车流集散的特点，结合各地区社会经济、交通运输现状和路网状况，本项目直接影响区为彭山区，间接影响区包括眉山市、新津县等。 3.1.2交通现状分析 1、交通现状 随着城市建设用地的变化及产业结构的调整，步行和自行车出行仍然是居民的主要交通方式，但重要性有所下降，两轮电动车的出行比例已上升至%，汽车出行增长较快，达到%，公交车比例仅为%。彭山区私家车发展势头强劲，将成为未来城市机动车增长的主要因素。 2、项目影响区交通现状及规划条件 城市交通状况的恶化和城市规模不断扩大、人口不断增加关系十分密切，当然这也是城市发展过程中必然会遇到的问题。当前我们正处在快速城市化和快速机动化交织的历史时期，城市交通压力急剧增加，过去五年彭山区机动车每年以%的速度增长，而同期道路的增长速度远低于此。彭山区城范围内现状主次干道路网密度2.44公里/平方公里，城市支路路网密度更低，而城市主干道和支路的平均容积率要达到规划水平，还存在有很大差距。因此加大路网建设力度仍然是解决城市交通问题的重要途径。 交通量预测方法 交通量预测分析的目的是通过对片区路网的分析，研究项目建设给片区经济发展所带来的交通影响及其程度，判断在当前这种交通路网的承载能力下的影响，能否在可接受的范围内，并确定合理的项目出入口位置。道路断面的设置形式是否合理，满足交通功能的要求是最基本的条件。设计通行能力低于设计交通量的道路形式是不合适的，因为它容易造成片区路网的交通拥挤，甚至发生交通堵塞，要求设计通行能力必须大于设计交通量。另一方面，通行能力也不能过大，否则使道路资源不能充分利用，必然造成大量的浪费。
高速公路交通量预测方法研究 发表时间：2018-05-18T11:18:01.283Z 来源：《基层建设》2018年第3期作者：杨芳1 丛啸2 [导读] 摘要：本文简要阐述目前国内外高速公路交通量预测方法研究现状，并介绍了基于非集计模型的交通量预测方法，以及对未来研究的简要展望。 云南省交通规划设计研究院 摘要：本文简要阐述目前国内外高速公路交通量预测方法研究现状，并介绍了基于非集计模型的交通量预测方法，以及对未来研究的简要展望。 关键词：高速公路；交通量预测；非集计模型 0引言 随改革开放以来，我国基础建设大力发展，高速公路不断修建，人们对道路的要求也越来越高，尤其是在接受国外时间就是金钱的观念后。因此人们不论是在出行还是网上购物都希望速度能越快越好，对交通运输的方式也更倾向于高速的航空、高铁以及高速路等。而随着现代社会经济不断发展，国内车辆数不断增长，交通堵塞问题日益凸显，例如北上广大城市早已要求单双号出行，对此做好相关合理的交通规划是首要解决方案，而对于高速公路段在高速行驶下更需要做好交通规划。其中，作为交通规划建设项目的首要研究内容，交通量预测直接影响到高速公路的一系列建设，其是确定道路建设技术等级、道路等级、工程规模以及经济评价的最主要和最基础指标，是对修建道路的交通状况评价、全方面考虑分析具体道路项目修建的必要性和可行性的前提，准确的交通量预测将直接影响项目方案的科学合理性。目前国内外应用最多的交通量预测方法为四阶段法，但随着实际工程的不断应用，其设计上的缺陷不断凸显，其中主要问题有：数据采集中的总计数不准确、需要大量的处理调查数据完成精确预测以及小区域划分不明确等。在此背景下，对高速公路的交通量预测方法的研究十分必要，也迫在眉睫。 1国内外研究现状 国外专家学者主要研究了高速公路交通量预测的方法和具体应用办法，Park，Bunky在《模糊神经网络在短期高速公路交通量预测中的应用》研究中将模糊神经网络模型分为RBF神经网络和FCM方法，与以前的动态线性模型比较，采用此种模型方法可较好的解决预测时间后滞问题；Iskander，Wafik在《美国高速公路交通量预测》中提出将聚类分析与多元线性回归方法相结合，且其模型中将社会经济学因素考虑其中；之后最具有代表意义的非集计模型在上世纪60年代被开发出来，其模型的提出主要参考经济学理论基础，十年后美国麻省理工学院Mcfdden等人将其改进，并将改进非集计模型的研究推向具体工程实践阶段，其应用十分广泛（表1），包括：车辆使用寿命问题、城市间货运需求预测、车辆需求预测、城市公共客运方式、交通方式选择等。 表1 美日对非集计模型应用领域 国内对高速公路交通量预测方法也进行了大量研究，李峰等人针对国内复杂的铁路、高速公路、低等级道路、山区道路，在《高速公路需求预测方法》中预测了我国未来公路交通交通量以及提出相应方法；赵朋宾等人针对高速公路的自身特点，应用区域经济学分区理论方法，研究了其在具体建设项目中的可行性； 罗莉采用风险分析方法，通过识别并分类交通量的风险因素，具体解释交通量风险产生的原因以及特征，并估计各类风险的发生概率，为今后高速公路建设规模的合理计算与制定投资决策提供可靠依据；最近几年，随着国外对非集计模型的大量研究，其作为集计模型的代替及补充者，在国内也已开始大量应用。关宏志在其书《非集计模型交通行为分析的工具》中主要介绍非集计模型的基础理论以及相应的应用方法。 2基于非集计模型的交通量预测方法 非集计模型又叫非集计行为模型、个人选择模型或离散模型，主要为强调其与集计模型的不同而命名。集计模型采用交通小区将个体的交通活动范围进行数据统计计算并分析而得到相应模型；非集计模型则以个体的实际交通活动为单位，不采用交通小区建模。具体差别如表2。 表2 非集计模型与集计模型差别比较 通过以上比较得非集计模型优点如下： （1）具有明确的行为假说基础，且逻辑性较强； （2）在较少的样本下就可计算出模型系数，并可检验参数所用统计学方法； （3）允许以与个人决策相关性的多个因素作为自变量，以便于对多种类型的交通规划、交通政策进行效果评价；（4）具有较好的地区、时间转移性； （5）使用者对项目评价方便快捷。
第三章交通量分析及预测 3.1 公路交通调查与分析 3.1.1调查综述 交通调查的目的是了解现状区域路网的交通特性，掌握路段交通量及其特征。通过交通调查来分析路段交通量及车种组成、时空分布特征等，了解区域交通发生、集中及分布状况。 本项目有关的交通调查主要是交通量调查。 交通量调查是收集沿线主要相关道路的历年交通量状况，交通量的车种构成以及有关连续式观测站点的交通量时空变化特征等资料。 3.2 相关运输方式的调查与分析 拟建项目X922荔波县翁昂至瑶山（捞村至瑶山段）公路改扩建工程路线起点位于荔波县捞村，顺接X922翁昂至捞村段，终点位于荔波县瑶山与X418平交，终点桩号K20+762.250。路线推荐方案全长20.762公里。 根据贵州省公路局及地方观测点提供的交通量统计资料，现有与该项目相关的公路主要有X922翁昂至捞村段（原Y101乡道），X418线。公路沿线历年的交通量观测值见表3-1。 表3-1 X922捞村至瑶山段（原Y007乡道）公路历年平均交通量单位：辆/日 车型年份小型货 车 中型货 车 大型货 车 中小型 客车 大型客 车 拖挂车其它车 混合车 折算值 2006 32 16 7 86 3 31 193 2007 42 21 8 114 4 40 251 2008 48 24 11 130 5 46 290 2009 59 31 13 164 5 58 361 2010 74 38 15 200 6 70 444 2011 94 48 20 255 8 90 566 2012 101 51 21 274 8 96 605 2013 105 54 23 288 9 102 639 2014 121 61 24 328 11 114 725 2015 133 68 28 364 12 128 805 注：表中数据除混合车折算值为按小客车为标准的折算值外，其余均为自然车辆数。