下载文档原格式
.复习题一一、选择题（本题满分20 分，共有10 道小题，每道小题2 分，每题只有一个正确答案）1、以下的哪个模型具有显著的IIA 特性：（）A. Probit 模型B. Logit 模型C. Fratar 模型D. 重力模型2、在下面的四种方法中，不能用于出行分布预测的方法是：( )A. 原单位法B. 平均增长系数法C. 佛尼斯法D. 重力模型法3、在下面的四个模型中，以开发费用和交通费用之和为目标函数的土地利用模型是：( )A. 汉森模型B. ITLUP 模型C. 劳瑞模型D. TOPAZ 模型4 、浮动车法不能获得：( )A. 交通量B. 行驶时间C. 出行吸引量D. 行驶车速5 、下面的哪一种城市交通网络结构的形成与城市的自然地理形式相关：（）A. 放射式B. 自由式C. 环形放射式D. 方格网式6 、随着出行距离的增加，自行车这种交通方式的分担（或划分）率：（）A. 单调升高B. 单调降低C. 先增大后减小D. 先减小后增大7 、以下说法中，（）不属于出行生成预测的聚类分析法的假定条件。
A. 一定时期内出行率是稳定的。
B. 每种类型中的家庭数量，可以使用相应于该家庭收入、车辆拥有量和家庭结构等数据资料所导出的数学分布方法来估计。
C. 家庭规模的变化很小。
D. 收入与车辆拥有量总是保持不变。
8、以下哪种分配方法假设路网上没有交通拥挤，路阻是固定不变的( )A. 全有全无分配B. 用户平衡分配C. 随机用户平衡分配D. 动态交通分配9、重力模型q= O D c-γ / ∑ D c-γ ，满足（）。
ij i j ij j ijjA.发生约束条件B.吸引约束条件C. 不满足发生吸引约束条件D.发生吸引约束条件均满足10、关于用户均衡分配模型（UE 模型）和随机用户均衡分配模型（SUE 模型）的关系，下面论述正确的是：（）A、用户均衡分配模型（UE 模型）和随机用户均衡分配模型（SUE 模型）是完全等价的。
客运专线客运量设计一、客运专线客运量设计的特点客运专线是专门运行旅客列车的线路，客车速度目标值达到每小时200公里以上。
根据国务院制定的《中长期铁路网规划》，2020年钱将规划修建“四纵四横”铁路快速客运通道及三个城际快速客运系统，客运专线总长度达到1.2万公里以上。
因此未来时期将是客运专线高速发展期。
客运专线与常规铁路相比，客运量预测在深度和广度上都有较大差别，其特点有以下几方面：（一）客运专线的诱发客流和转移客流量较大，因此需要对通道所在区域进行全社会客货运量预测，要组织进行相关运输方式的客流OD调查，各种运输方式的合理分工及承担客运量的份额，研究将更加深入；（二）预测方法和模型更加现代化，变化因素更多，经常需要多次迭代和反馈；（三）客运专线大多为繁忙干线旁边建设的第二双线，因此要深入研究新建客专和现有铁路的分工和客运组织方案；（四）客运专线与既有铁路网衔接，要研究跨流客流上下客专的列车运行方案。
二、“四阶段”法客流预测客运专线采用传统的预测方法（见第四节）有调研工作量小、出成果快、投入费用少的优点。
最大缺点是“就铁路论铁路”对未来客运市场的社会总需求及各种运输方式的合理分工的研究不够，对票价、舒适度、安全、速度等因素对客流的影响也无法做出定量计算，因此在客运专线客流预测倾向于“四阶段”法预测模型。
“四阶段”预测技术，起源于五、六十年代西方发达国家，在城市交通规划中得到广泛应用，通过不断总结、提高、完善，在综合交通规划中也被认为是一种可行的预测方法。
“四阶段”是以客流起终点调查为基础，把整个预测过程划分为四个阶段，即出行生成、出行分布、方式划分和交通分配四步，故又称“四步法”。
该预测技术以地区社会经济状况、土地利用分布、交通方式服务属性以及交通工具使用者的特征为基础，采用多种预测模型分析研究全社会交通运输需求，通过不同交通工具的效用进行方式选择，籍此，在特定运输方式中根据广义费用（或时间）进行流量分配。
基于R P/S P调查的非集计模型在交通方式分担率预测的应用刘志明邓 卫郭唐仪东南大学，交通学院，南京210096摘 要：实际调查RP数据（Revealed preference data）具有可靠性，而意向调查SP数据（Stated Preference data）具有灵活性。
为了更好地将两类数据结合起来，减少交通调查的工作量，提高调查的精确性，本文分析研究了RP/SP组和调查方案的设计，应用非集计模理论及调查所得石河子市组合数据，建立了交通方式划分的MNL模型，并应用spss13.0软件对模型参数进行了标定。
通过模型拟合度检验验证了模型的有效性，和利用该模型对石河子市交通方式分担率进行了预测。
结果表明，该模型能较全面地考虑居民出行选择的各方面影响因素，模型的预测精度和实用性较好。
关键词：实际调查数据；意向调查数据；交通方式划分；MNL模型；spss13.0中图分类号：U491 文献标识码：A 文章编号：1672-4747（2008）03-0059-06Application of Disaggregate Model Based onRP/SP Survey to Transportation PlanningLIU Zhi-ming DENG Wei GUO Tang-yiTransportation CollegeSoutheast University，Nanjing 210096，ChinaAbstract：RP data were more reliable, while SP data were more flexible. In order to join the two types of data together to reduce the traffic survey work volume and improve the accuracy of the survey, and based on the analysis of the design of RP/SP survey scheme, the application disaggregate model theory and the survey data of Shihezi city, a multinomial logit (MNL) model for predicting the traffic mode choice was developed, and spss13.0 was used to calibrate its parameters. After testifying the validity of the model by fitting收稿日期：2007-09-06.基金项目：“十一五”国家科技支撑计划项目（编号：2006BAJ18B03）。
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。
非集计模型下公交规划的调查工作研究史志法同济大学交通运输规划与管理2003级硕士研究生摘要：本文就非集计模型下进行公交规划进行了详细分析，主要阐述了其中的调查工作原理、内容、要求及方案实施，对于应用非集计模型进行公交规划的客流预测有较好的理论分析和实践指导，并且通过理论和实例详细介绍了其中的实绩选择数据调查和假设意向问讯调查。
关键词：非集计模型公交规划客流预测实绩选择数据调查假设意向问讯调查Research on the Survey for Public Transport Planning Based on Disaggregating ModelAbstract:This paper mainly discusses the demand survey for public transport planning based on disaggregating model. It mainly analyzes the theory, process, require and method of the survey. It’s a important work and a good guide for the appliance of disaggregating model in the forecast of public transport demand in the public transport planning. It also introduces the revealed preference data survey and stated intension data survey which are the two most important part of the survey in detail and very practically.Keywords: Disaggregating Model; Public Transport Planning; demand survey for public transport planning; revealed preference data survey; stated intension data0 引言城市公共交通体系包括定时定线的公共汽车、无轨电车、有轨电车、轻轨交通、地下铁道、轨道缆车、索道缆车以及定线和不定线行驶的小公共汽车、出租汽车和客运轮渡等交通工具及其配套设施。
基于四阶段法的城市轨道交通客流预测模型研究摘要关键词：轨道交通客流预测通过预测线路断面流量、换乘流量、车站出入口流量为规划线网方案的评价、轨道建设提供重要的量化指标，其对于轨道交通项目的科学决策具有重要的意义。
本文主要内容如下：（1）阐述国内外轨道交通预测研究现状和发展趋势，研究背景和研究意义；（2）介绍传统四阶段法基本原理和方法，并指出传统四阶段法存在的不足，并提出了改进方法；（3）针对传统四阶段法的不足进行了改进，按出行目的和小区区位建立改进的四阶段法轨道交通预测模型；（4）以某轨道交通网络为研究对象，运用改进的四阶段法进行客流预测。
关键词：四阶段法；轨道交通；客流预测；交通分布模型；交通生成模型ABSTRACTPassenger Volume Forecast by predicting the flow line sections, transfer traffic flow evaluation station entrances, rail line network construction planning programs provide important quantitative indicators as having important implications for scientific decision-making rail transportation projects.The main contents are as follows:(1) domestic and international rail traffic forecasting study describes the current situation and development trend of the research background and significance;(2) describes the traditional four-stage method of basic principles and methods, and to point out the shortcomings of the traditional four-stage method, and proposes an improved method;(3) for the shortcomings of traditional four-stage method has been improved, the establishment of an improved method of rail traffic forecasting model four-cell stage by trip purpose and location;(4) to a rail network for the study, carried out using the improved passenger flow forecast four-stage method.KEYWORDS:four stagemethod;rail transit;passengerflow forecast;traffic distribution model;traffic generation model目录摘要 (ii)ABSTRACT (iii)目录 (iv)1绪论 (6)1.1研究的背景及意义 (6)1.1.1研究背景 (6)1.1.2研究意义 (6)1.2国内外研究现状 (7)1.2.1国外研究现状 (7)1.2.2国内研究现状 (7)1.3论文研究的主要内容 (8)2基于四阶段法轨道交通客流量预测研究 (9)2.1 交通发生和吸引模型 (9)2.2 交通分布模型 (10)2.3 交通方式划分模型 (11)2.4 交通分配模型 (13)2.5 四阶段法的缺点和改进 (14)3改进的四阶段法轨道交通客流量预测研究 (15)3.1 按出行目的和小区土地利用性质的交通生成方法 (15)3.1.1交通生成构想 (15)3.1.2交通生成模型 (16)3.2 交通分布方法 (17)3.2.1 小区内部、小区间分布模型 (17)3.2.2 改进的分布模型 (18)4实证分析 (19)4.1 交通生成预测 (20)4.2交通分布预测 (21)4.3交通方式划分 (22)4.4 交通分配 (29)4.5 各路段服务水平分析 (36)结论 (38)致谢 (39)参考文献 (40)1绪论1.1研究的背景及意义1.1.1研究背景随着我国经济快速发展，城市化进程日趋加快，城市规模日益扩大，大量人口进入城市，市民出行的次数频繁，对城市交通构成严重挑战。
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0D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。
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”。
轨道交通客流预测非集聚模型应用初探马鹤龄;郭志勇【摘要】客流预测是轨道交通投资决策的依据,也是项目评估的基础.介绍了基于随机效用理论的非集聚模型的基本公式和基于非集聚模型基本公式MNL客流预测模型及其参数标定方法,探讨了出行的各阶段的选择肢集合和特性变量的选择,最后提出了非集聚模型需要进一步深入研究的几个问题.【期刊名称】《土木工程与管理学报》【年(卷),期】2002(019)001【总页数】4页(P65-67,72)【关键词】轨道交通;客流预测;非集聚模型【作者】马鹤龄;郭志勇【作者单位】华中科技大学,交通学院,湖北,武汉,430074;华中科技大学,交通学院,湖北,武汉,430074【正文语种】中文【中图分类】U491.1+4建立以快速轨道交通为骨架，以常规公交为主体，多种交通方式相互协调的综合客运交通体系是解决我国大城市普遍存在的客运交通需求与交通供给之间矛盾的根本出路.城市轨道交通建设的模式和规模既要适应近期城市交通需求，又要适应远期城市交通发展的要求.因此，在研究城市当前客流特点和规模的基础上，对轨道交通远景交通需求进行预测是十分必要的.远景预测客流量决定了轨道交通发展的模式、路网规模、线路走向、枢纽设置及其内部空间的布局，是轨道交通项目投资决策的依据和项目评估的基础.目前，我国轨道交通预测多采用传统的四阶段预测法，它存在着缺少明确的行为假说、模型的一致性差、预测所需调查样本大、处理样本时间长及模型的可转移性差等缺陷，其最根本的缺陷是模型系统本质上并非有关行为的，即它不是与出行行为相一致的.与之相比，非集聚模型的优势是有明确的行为假说、模型的一致性好、模型标定所需调查样本少、模型有较好的时间和地区可转移性.四阶段预测法存在的上述缺陷和非集聚模型的优势，促进了非集聚模型的发展.非集聚模型又称交通特征模型，它以实际产生交通活动的个人为单位，对个人是否进行出行、去何处、利用何种交通工具以及选择哪条路线等活动分别进行预测，并按出行分布、交通方式和交通线路分别进行统计，得到交通需求总量的一类模型.这一模型在理论上利用了现代心理学的成果，引入了随机效用的概念，其核心是效用最大化理论.它着眼于研究出行者个体的出行行为，基本假设为：个人将在可能的、选择肢相互独立的集合中，选择使其获得最大效用的出行选择肢，即个人首先选择“可利用的选择肢群”，然后选择“对其效用最大的选择肢”.1 非集聚模型的基本方程式首先定义非集聚模型基本方程式中的几个基本参数：N 用于函数标定所调查的样本个数；n为个人序向量，n=1，2，…，N；Jn为个人n的所有可利用的选择肢群集合；Un为个人n的效用函数.非集聚模型的基本方程式是由随机效用函数理论推导而来.一般来说，个人n对选择肢i的效用Un是随着选择特性和个人的社会经济特性的不同而变动的，因为不可能对影响效用的全部因素进行观测，则可认为效用为随机变量，表示为Uin=Uin(SEn,Ain),式中,SEn为个人n的社会经济特性向量；Ain为对个人n来说选择肢i的特性向量.根据以随机效用理论为基础的离散选择模型，Uin可以表示为Uin= Vin+εin，式中,Vin表示由可以观测到的影响因素构成的效用确定项；εin表示由不可以观测到的影响因素构成的效用随机项.个人n之所以在Jn中选择选择肢i，是由于个人n认为选择肢i的效用Uin大于其它选择肢的效用，即Uin>Ujn；∀j≠i∈Jn.如果Uin按概率变化，则n的选择分肢i的概率Pin应与选择肢i的效用比其它所有选择肢j(∀j≠i∈Jn)的效用都大时的概率相等，即Pin=Pr[Uin>Ujn,∀j≠i∈Jn]=Pr[Vin+εin>Vin+εjn,∀j≠i∈Jn]=Pr[εjn<Vin+εin-Vjn,∀j≠i∈Jn].假设效用的概率变动项向量εn=(ε1n，ε2n，…，εjn)，服从由下式的联合分布函数F(ε1，ε2，…,εjc)来表示的多元概率分布F(ε1，ε2, …,εJ)=Pr[ε1n≤ε1,ε2n≤ε2,ε3n≤ε3,…,εjn≤εJ]=式中，f(x1,x2,…, xJ)是εn的联合分布密度函数,则[1，2]Pr[Uin=max(Ujn)Iε<εin≤ε+dε]=[…f(x1,…,ε,…,xj)dx1…dxj-1dxj+1…dxj]dε.(1)式(1)即为非集聚模型的基本公式.由式(1)可知，对于εn的不同概率分布假设，可以得到不同的基于非集聚模型基本公式的预测模型,在交通预测中多采用MNL(Multionmial Logit Model)模型.MNL模型假设每个出行者对于不同选择单元的效用函数的随机部分εin是相互独立的，并服从相同的分布函数为F(ε)=exp{-exp(-ε)}的Gumbel分布[3]，则得到如下MNL模型(2)2 MNL模型的建立运用MNL模型进行轨道交通需求预测时，在预测的各个阶段，通过建立不同的选择肢集合J(如交通方式选择时，J={步行、自行车、小汽车、常规公交、轨道交通})和特性变量集合，建立各个阶段的模型，通过对模型得到的预测结果进行求和计算得到轨道交通流量和流向的预测值.下面，以交通方式选择阶段为例介绍MNL模型的建立过程和参数标定方法.2.1 效用函数的定义设有n=1，2，…，N个被观测的出行者，他们的出行方式的选择肢集合为J={j1, j2, j3, j4, j5}={步行、自行车、小汽车、常规公交、轨道交通}, 取Vin为线形形式，则有式中，θ=(θ1，θ2，…，θK)T是未知参数向量；Xin=(xin1，…，xink，…，xinK)是个人n的选择肢i的特性向量,则式(2)可表示为[2](3)在预测过程中，不同阶段对应的选择肢集合是不同的，各阶段的选择肢集合见表1. 表1 各阶段的选择肢集合预测阶段选择肢集合A出行选择{出行、不出行}目的地选择{所有可能的出行目的地集合}交通方式选择{步行、自行车、摩托车、小汽车、常规公交、轨道交通}路径选择{所有可能路径集合}2.2 特性变量Xink的选择特性变量可以分为选择肢特性和个人特性，前者包括选择肢固有常数项变量、选择肢固有变量和共同变量，后者包括年龄、性别、职业、家庭情况及交通工具拥有情况等(表2).a. 社会经济特性变量必须以固有变量的形式出现，至少在诸个选择肢中的某一个选择肢的效用函数中不能包含社会经济特性变量.b. 选择肢固有常数项变量的个数为选择肢集合A中选择肢个数J减去1，即有(J-1)个，个人特性变量的个数也应遵循此原则.c. 选择肢之间必须相互独立，无相似性，否则将会过高评价具有相似性的选择肢而错误地标定参数，出现类似“红-蓝巴士”那样的IIA问题.表2 各阶段特性变量的选择预测阶段选择选择肢集合特性变量集合选择肢特性个人特性出行出行、不出行出行目的、出行时间、社会发展水平年龄、职业、交通工具拥有情况、家庭情况目的地个人n所有可能的出行目的地集合土地利用性质、开发强度、交通可达性年龄、职业、出行目的交通方式步行、自行车、摩托车、小汽车、常规公交、轨道交通所需时间、费用年龄、职业、交通工具拥有情况、家庭情况、收入路径所有可能路径集合所需时间、费用、换乘方便程度年龄、职业、性别、出行目的、收入交通方式的选择，可以采用表3的特性变量.表中，Xin1，Xin2，Xin3及Xin4依序表示选择自行车、小汽车、常规公交及轨道交通时的选择肢常数；Xin5为完全共同变量所需时间(min);Xin6为部分共同变量车费(元)；Xin7,Xin8,Xin9及Xin10依序表示个人特性有无小汽车、有无自行车、是否去市中心以及家庭情况.表3 特性变量的选择选择肢选择肢常数选择肢特性个人特性Xin1Xin2Xin3Xin4Xin5Xin6Xin7Xin8Xin9Xin10步行0000Xin5000Xin9是:1否:0Xin10自行车1000X2n500X2n8是:1否:0X2n9是:1否:0X2n10小汽车0100X3n5X3n6X3n7是:1否:00X3n9是:1否:0X3n10常规交通0010X4n5X4n600X4n9是:1否:0X4n10轨道交通0001X5n5X5n600X5n9是:1否:0X5n10未知参数θ1θ2θ3θ4θ5θ6θ7θ8θ9θ102.3 数据的整理在建立交通方式选择模型时，由于每个人每次出行的选择肢集合不一定相同，因此，在数据处理时应以出行为单位进行，而不是以个人为单位.在本例中，对用于模型标定的N次出行观测数据的整理可得到表4.表4 模型标定数据的整理个人选择肢选择结果选择肢特性个人特性Xin1Xin2Xin5Xin6Xin7Xin8Xin9Xin10112410010X115X116010X21600X415X 416001X110011X2110000X1440参数θ1θ2θ5θ6θ7θ8θ9θ102～N个人的调查数据参考个人1的数据整理方式可得出各自的数据表，形式同上表.2.4 参数的标定对N个人同时做出如表3所示的选择结果的概率的似然函数为令L对θk求一次偏导数和二次偏导数，可得到如下梯度矩阵(4)令式(4)为0，得到联立的非线性k元方程组用NR(Newton·Raphson)法求解此方程组得到的解即为最优估计值2.5 t检验为了判断由样本数据标定的参数值与理论数值是否一致，须对所有参数进行t检验.令式中，为θ的第k个最优估计值；为方差协方差矩阵中的第k个对角元素.在显著性水平5%下，当|tk|>1.96时，可以有95%的把握认为xink是影响个人n 选择概率的主要因素之一；当|tk|<1.96时，可以有95%的把握认为xink对个人n没有影响，应去掉该因素，重新标定参数向量[1].2.6 模型方程的建立将代入式(3)可得到Pin的具体计算公式，至此交通方式选择的MNL模型建立.采用同样的方法，选择不同的选择肢集合和特性变量集合，可以分别得到交通分布、交通方式及线路选择等不同阶段的MNL模型，通过这些模型可以进行轨道交通流量和流向预测.3 结语非集聚模型虽然设定自变量和参数标定工作量大，计算复杂，但是它有明确的行为假说支持，操作性强，建立模型所需样本量少，效率高，模型的可转移性和时间稳定性强，适用于轨道交通这类建设周期长的系统工程的远景交通需求预测.但是，常用的MNL模型所具有的IIA特性在一定程度上限制了其应用.因此，在模型建立时如何避免选择肢间的相似性和δin不相互独立的情况，值得进一步深入研究.另外，如何通过εn的概率分布函数的选择，建立更能反映出行行为过程的非集聚模型，更精确地预测远景轨道交通需求，也值得深入研究.参考文献[1] 叶霞飞，顾保南.城市轨道交通规划与设计[M].北京：中国铁道出版社，1999.[2] 陆化普等.交通规划理论与方法[M].北京：清华大学出版社，1998.[3] 李旭宏等.道路交通规划[M].南京：东南大学出版社，1997.。
