第七章 非集计模型

四阶段法的局限性及未来的发展趋势摘要：在交通需求预测中,经典的四阶段法广泛应用于实际之中并被大家所认可。

但随着社会经济的不断发展,四阶段法的局限性也显现无疑。

非集计模型具有很多集计模型无法比拟的优点，开始引起人们的关注并发展起来。

可以预见，随着对非集计模型研究的深入，该模型将在包括交通在内的许多领域得到更广泛的应用。

关键词:交通需求预测四阶段局限未来发展正文：四阶段法的局限性四阶段法以居民出行调查（person trip survey）为基础，由发生／吸引交通量(trip generation／attraction）、分布交通量(trip distribution）、交通方式划分(modal split）以及交通量分配（traffic assignment）四个基本阶段组成。

在交通需求预测四个阶段的基础之上，各个阶段又都有具体的理论和相应的模型,其中较具代表性的研究有Fratar法、Furness法、最大熵法、最短路径探索法以及交通网络均衡理论等。

进入20世纪70年代，这些理论日益趋于成熟。

然而,随着上述理论和方法的广泛应用，四阶段预测法自身的问题日益显露出来，其中较为突出的问题为对交通方式划分方法存在争议，预测过程数据量大、耗时长，交通服务水平变量不协调，小区划分主观性大等。

1.1交通方式划分存在很大争议交通方式的划分方法一般是在求出分布交通量(OD交通量) ( ：出行的发生, 吸引点)后，再求出各种交通方式的小区间交通量 m(m:交通方式).在实际的交通规划中，人们根据已有的数据建立了时间差、时间比等交通方式划分曲线，并且假设未来交通方式的划分仍然保持不变，从而根据这些曲线来进行交通方式划分。

相比于四阶段法中的其他三个阶段．由于这些曲线整体缺乏可靠的理论依据，而且“交通方式划分保持不变”这一假设也不符合客观规律．因而遭到质疑和争议。

1．2 预测过程数据量大、耗时长一般地，为了更好地进行交通需求预测，四阶段法需要有初始的OD表(Origin—Destination Table）。

非集计模型1．1非集计模型研究发展历程1959年Luce首次对非集计理论中最典型的Lo西t模型进行推导，随后Marschsk和Suppes等人对Logit模型的理论基础进行了完善。

1974年McFadden对Logit模型及其特性进行完整的论述，逐步形成了非集计模型的理论体系，其中包括了多项Logit模型(Multinomial Logit Model，简称MNL)和Nested Logit模型(NestedLogit Model，简称NL)。

McFadden等人在非集计理论方面取得的成果，带动了美国一些学者对非集计理论的进一步研究。

70年代中期，Ben．Akiva(1973)、Lemman和Ben-Akiva(1975)，利用经济学的消费者行为理论，对非集计理论作了进一步完善，其中较为代表的是1 985年Ben．Akiva出版了(Discrete choice analysis>)一书。

在70年代后期，Manheim、Ben．Akiva和Lemman研究小组将非集计模型推向了实用化阶段，非集计的基本思想和理论开始用于实际交通预测，并得到了不断的改进，出现了物理意义上更丰富和更复杂的改进非集计模型。

例如，Chu(1981，1989)开发的PCL(paired combinatorial Logit)模型，Bunch(1 991)开发的MNP(Multinomial Probit)模型，Vovsha(1997)年开发的CNL模型(Cross-Nested Logit)等。

1．2．3国外研究现状随着居民出行调查和一些出行行为专项调查在许多城市的开展，以调查数据为基础，利用非集计理论，对个体出行行为特性的研究，取得丰硕的成果。

Grayson(1981)；Wilson(1990)；Forinash和Koppelman(1993)；Bhat(1997)；Enjian Yao(2005)等人开始利用非集计模型，对个体的出行的交通方式、出行目的等出行行为特征进行分析。

作为最新的交通需求分析方法，近几年，在西方国家，非集计模型得到了深入的研究和广泛的应用。

随着我国经济建设的深入发展，非集计模型的应用前景日益广阔。

非集计模型（disaggregate model）是强调其与集计模型（aggregate model）的不同而命名的，通常也叫非集计行为模型（disaggregate behavioral model）、个人选择模型（individual choice model）或离散（选择）模型（discrete（choice）model）等。

@非集计模型的定义非集计模型（Disaggregate Model）：以个人为单位出发研究用户对交通方式的选择，并构造模型来确定各交通方式的选择概率，然后再将每个人的方式选择结果集计起来，进而预测各方式分担量的模型。

该模型始于20世纪60年代，70年代之后应用于实际。

常见的有多元Logit模型（MNL）、多元Probit（MVN）模型，模型较于复杂。

@非集计模型的产生交通需求预测是进行交通规划乃至城市规划、地区规划必不可少的前提，是确保交通规划符合未来发展状况的重要条件。

长期以来，人们为有效地预测交通需求进行了不懈的努力，并基于多种理论开发了为数众多的交通求量预测模型。

在当今交通需求预测方法中，应用最广的理论及模型当属于20世纪50年代开发的四阶段预测法。

进入60年代，随着生产力水平的日益提高，世界上一些较早实现工业化的国家（如：美国、西欧国家以及日本等），相继出现了社会需求多样化，进而导致交通需求多样化的趋势。

为此，交通规划的目的、限定的时间范围以及对象范围也呈现多样化的趋势。

尽管人们为了适应这种交通需求的多样化，对传统的规划方法以及交通需求预测方法进行了多方面的修正和改进，但是，在理论或逻辑方面，以往那些以集计模型为基础的交通需求预测方法本身的缺陷还是越来越多地表现出来。

在这种背景下，人们开始了用新的理论来代替四阶段预测法的研究工作，直到今天这种努力仍然在继续着。

交通规划试题类型与综合练习题本课程考试常见题型有名词解释、问答、计算及证明题等。

一、名词解释：第一章交通规划:道路交通规划指经过调查分析、预测未来的道路交通需求，规划道路网络，并加以实施和修正的全过程。

第二章出行: 出行指居民或车辆为了某一目的从一地向另一地移动的过程，可以分为车辆出行和居民出行。

出行作为计测单位，具备三个基本属性：1.每次出行有起、讫两个端点；2.每次出行有一定的目的3.每次出行采用一种或几种交通方式。

小区形心 :指小区内出行端点密度分布的重心位置（中心点），不一定是该小区的几何面积重心。

期望线：期望线指连接各个小区质心的直线，代表了小区之间的出行，其宽度通常根据出行数大小而定。

核查线：核查线指为校核起讫点调查结果的精度，在调查区域内设置的分隔线，一般借用天然的或人工障碍，如河流、铁道等。

主流倾向线：综合期望线，若干条流向相近的期望线合并汇总而成，突出交通的主要流向。

第三章城市土地利用：“城市土地利用”的一般意义是指城市功能范畴（如居民区、工业区、商业区、零售区、政府机关空间、休闲区等）的空间分布或地理类型土地利用模型：土地利用模型是指描述地域内部经济活动的选址行动以及作为结果的实际土地利用的空间分布的数学模型。

区位：区位就是自然地理位置、经济地理位置和交通地理位置在空间地域上的结合（1）自然地理位置发生作用往往通过经济地理位置得以实现。

（2）交通地理位置一般又是自然地理位置与经济地理位置的综合反映和集中体现。

（3）三种地理位置有机联系，相辅相成，共同作用于地域空间，形成一定的土地区位。

可达性：某交通小区所具有的与其它交通小区发生某种联系的可能性的大小。

关于可达性，Hansen1959年提出了如下的定义：潜能：1940年，提出了“连接两城市中心线相互作用力的大小与两城市人口的乘积成正比，与距离的平方成反比”。

Stawart 引入了人口潜能的概念，作为度量相互作用可能性的尺度。

即“城市（或小区） i 中的 人因城市 j 的人口诱发的相互作用的可能性随着城市 j 的人口增加而增高，随着 ij 间距离的增加而降低”。

集计与非集计模型的关系文档编制序号：[KKIDT-LLE0828-LLETD298-POI08]集计与非集计模型的关系Wardrop第一.第二平衡原理集计模型在传统的交通规划或交通需求预测中，通常首先将对象地区或群体划分为若干个小区或群体等特定的集合体，然后以这些小区或群体为基本单位，展开问题的讨论。

因此，在建立模型或将样本放大时，需要以这一类的集合体为单位对数据进行集计处理。

通过上述集计处理得到的数据称为集计数据，而用集计数据所建立的模型称为集计模型。

非集计模型概述1.非集计模型（DisaggregateModel）是强调其与集计模型（AggregateModel）的不同而命名的，通常也称为非集计行为模型（DisaggregateBehavioral Model）、个人选择模型（IndividualChoice Model）或离散选择模型（DiscreteChoice Model）。

2.非集计模型的基本假设是当出行者面临选择时，他对某种选择的偏好可以用被选择对象的“吸引度”或“效用值”来描述，效用是被选择对象的属性和决策者的特征的函数。

3.非集计模型（离散选择模型）是基于效用最大和随机效用（random utility theory）两个概念建立起来的，最常见的两个离散选择模型为：多元Logit模型、多元Probit模型。

4.非集计模型在交通领域的交通方式划分和交通分配阶段有着十分广泛的应用。

交通需求预测中的集计与非集计分析1.交通需求预测的集计模型通常是将每个人的交通活动按交通小区进行统计处理、分析，从而得到以交通小区为单位的分析模型。

2.需求预测的非集计模型则以实际产生交通活动的个人为单位，调查得到的数据不按交通小区进行统计等处理而直接用于建立模型。

3.与集计分析相比较，非集计分析在分析的单位、模型预测方法、应用层面、政策体现、数据的效率和说明变量等方面有着明显的差异。

Wardrop第一平衡原理：每个OD对的各条被使用的径路具有相等而且最小的行驶时间；没有被使用的径路的行驶时间大于或等于最小行驶时间。

第一章绪论1交通需求的分类：本源性交通需求，例如：上学、访友、观光、度假、看病。

派生性交通需求，例如：业务、工作。

2交通规划的定义：是有计划的引导交通的一系列行动，即规划者如何制定交通发展目标，又如何将发展目标付诸实施的办法。

3交通规划的分类：1按位移对象的分类:旅客交通规划、货物交通规划2按交通方式分类：综合交通规划、城市道路交通规划、公路交通规划、铁路交通规划、港湾交通规划、空港交通规划3按交通设施分类：交通网络规划、交通节点规划4按交通服务分类：公共交通规划、特定户交通规划、特定交通服务规划5按交通服务对象空间规模分类：国际交通规划、全国交通规划、区域交通规划、城市交通规划、地区交通规划6按规划目标时期分类：近/短期交通规划、中期交通规划、远/长期交通规划、远景交通规划4四阶段预测法：1交通发生与吸引2交通分布3交通方式划分4交通流分配5四阶段法中每一阶段的内容、作用、目的和常用方法?第一阶段交通生成预测：内容：求出对象地区的交通需求总量，然后在此量的约束下，求出各个交通小区的发生与吸引交通量。

目的：未来各小区的发生与吸引交通量。

常用方法：原单位法、增长率法、聚类分析法、函数法第二阶段分布交通量预测：内容：是把交通的发生与吸引量预测获得的各小区的发生与吸引交通量转化成各小区之间的空间OD量即OD矩阵。

目的：预测各小区之间的。

qij常用方法：增长系数法（常增长系数法、平均增长系数法、底特律法、福莱特法、佛尼斯法）综合法（重力模型法）第三阶段交通方式划分内容：将各小区间的全方式分布量划分为分方式分布量常用方法：全域模型、TI模型、出行端点模型、径路模型probit模型法、logit模型法第四阶段交通流分配内容：就是将预测得出的交通小区i和交通小区j之间的分布（或OD）交通量qij。

根据已知的道路网描述，按照一定的规则符合实际的分配道路网中的各条道路上去，进而求出路网中各路段a的交通量xa。

目的：求出径路交通量和路段交通量。

非参数概率模型是一种广泛应用于统计学和概率论中的模型，它主要关注数据的分布但不提供参数化假设。

非参数模型的关键在于它不要求数据的分布符合某个已知的数学分布，而是根据实际数据集构建模型。

这样的模型更灵活，更适用于不确定或未知的数据分布的情况。

非参数模型的核心是核密度估计(KDE)，这是通过核函数来估计概率密度函数的方法。

这种方法的关键在于选择合适的核函数，并使用该核函数在数据点周围进行多项式逼近，以生成数据的局部密度估计。

此外，核密度估计是一种非参数方法，这意味着它不需要预设参数或分布假设，而只需利用输入数据的信息即可进行估计。

另一种常见的非参数模型是多项式回归，这种模型的基本思想是利用多项式来拟合数据，并利用平滑项来抑制噪声。

这种模型允许参数的数量和形状在处理过程中变化，使得它比线性回归等其他更复杂的模型更容易适应各种数据集。

非参数回归方法也具有强大的优点，它们可以提供更准确和更灵活的预测结果，尤其是在处理高度非线性的数据时。

除了以上两种常见非参数模型，还有许多其他非参数概率模型，如自适应过滤、支持向量机、决策树等。

这些模型在许多领域都有广泛的应用，包括金融、生物信息学、图像处理、自然语言处理等。

非参数概率模型的优势在于其灵活性和适应性。

它们不需要预设特定的分布或假设数据服从特定的分布，而是根据实际数据集构建模型。

这使得非参数概率模型在处理不确定或未知的数据分布时特别有用。

此外，非参数概率模型的稳健性和泛化能力也很强，它们可以在数据上表现出很好的性能，并且在未见过的数据上也有良好的表现。

然而，非参数概率模型也有一些限制和挑战。

它们可能受到局部极值、噪声和边缘性影响，尤其是在大规模数据集上。

此外，选择合适的核函数和模型参数也是非参数概率模型中的一项重要任务。

因此，在使用非参数概率模型时，需要仔细选择模型和方法，并进行适当的调优和验证。

总之，非参数概率模型是一种非常灵活和有效的统计工具，它们在许多领域都有广泛的应用。

集计与非集计模型的关系Wardrop第一.第二平衡原理集计模型在传统的交通规划或交通需求预测中，通常首先将对象地区或群体划分为若干个小区或群体等特定的集合体，然后以这些小区或群体为基本单位，展开问题的讨论。

因此，在建立模型或将样本放大时，需要以这一类的集合体为单位对数据进行集计处理。

通过上述集计处理得到的数据称为集计数据，而用集计数据所建立的模型称为集计模型。

非集计模型概述1.非集计模型（DisaggregateModel）是强调其与集计模型（AggregateModel）的不同而命名的，通常也称为非集计行为模型（DisaggregateBehavioral Model）、个人选择模型（IndividualChoice Model）或离散选择模型（DiscreteChoice Model）。

2.非集计模型的基本假设是当出行者面临选择时，他对某种选择的偏好可以用被选择对象的“吸引度”或“效用值”来描述，效用是被选择对象的属性和决策者的特征的函数。

3.非集计模型（离散选择模型）是基于效用最大和随机效用（random utility theory）两个概念建立起来的，最常见的两个离散选择模型为：多元Logit模型、多元Probit模型。

4.非集计模型在交通领域的交通方式划分和交通分配阶段有着十分广泛的应用。

交通需求预测中的集计与非集计分析1.交通需求预测的集计模型通常是将每个人的交通活动按交通小区进行统计处理、分析，从而得到以交通小区为单位的分析模型。

2.需求预测的非集计模型则以实际产生交通活动的个人为单位，调查得到的数据不按交通小区进行统计等处理而直接用于建立模型。

3.与集计分析相比较，非集计分析在分析的单位、模型预测方法、应用层面、政策体现、数据的效率和说明变量等方面有着明显的差异。

Wardrop第一平衡原理：每个OD对的各条被使用的径路具有相等而且最小的行驶时间；没有被使用的径路的行驶时间大于或等于最小行驶时间。