当前位置：文档之家 › 交通方式划分模型举例

交通方式划分模型举例

  • 格式：ppt
  • 大小：130.50 KB
  • 文档页数：11

下载文档原格式

  / 11

合集下载

第三章 交通需求预测-重力模型

第三章 交通需求预测-重力模型
二、重力模型法
l 基本假设为：交通区i到交通区j的出行分布
1、无约束重力模型
l
万有引力模型
模型为：
F = K⋅
l
量与i区的出行发生量、j区的出行吸引量成正 比，与i区和j区之间的交通阻抗成反比。 根据对约束情况的不同分类，重力模型有三种 形式：无约束重力模型、单约束重力模型和双 约束重力模型。
X ij = k ⋅
可采用先考虑宏观因素预测其总比例，再考 虑微观因素预测各交通区间出行方式的分担率的 方法。 出行总比例预测 条件类方式：根据车辆拥有量进行预测。
l
竞争类方式 取决于需求的出行方式其总比例预测可根据有关的社 会经济发展目标，结合其发展实际状况，通过综合分 析求得。如出租车等。 取决于有关政策的出行方式其总比例预测可按照有关 的发展策略，根据已有基础进行规划确定，如公交车 出行等。 各交通区间的出行比例预测 各交通区间某种出行方式的出行比例取决于该出行方 式的总比例、出行目的结构和出行距离，通过前述模 型以及根据出行调查等资料统计分析拟合建立的现状 关系曲线进行预测。
其中, ｃ:汽车(car)；ｂ:公共汽车(bus)
l
∑∑ A
j m
其中Tijm——从交通区i到交通j，第 m种交通方 式的交通量；
4、 回归模型法——产生分担组合模型
l
二、交通方式的分类
l l l l l l l
该模型是通过建立交通方式分担率与其相关因素 间的回归方程，作为预测交通方式模型。
可分为：自由类、条件类和竞争类。 1、自由类交通方式 主要指步行交通，影响因素（内在因素）包括： 出行目的、出行距离、气候条件等 2、条件类交通方式 主要指单位小汽车、单位大客车、私人小汽车、摩托 车等交通方式 影响因素（外在因素）包括：有关政策、社会、经济 的发展水平。 影响因素（内在因素）包括：车辆拥有量、出行目的、 出行距离等。

四步骤交通需求预测模型概述与出行生成预测 PPT

四步骤交通需求预测模型概述与出行生成预测 PPT
假定各类家庭的出行率一直到规划年都是不变的
1 出行生成预测：出行产生量预测
类型分析法
（3）家庭类型划分
经分析发现，一个家庭有三大特性对其出行产生 量起主要决定作用：
人口（指6岁以上者）：人口越多，出行次数越大
收入：收入越多，越爱购物和消费，出行次数也 越多
车辆拥有量：车辆拥有量越大，出行越方便，出 行的可能性越大
6.1（0.25） 7.3(0.04)
6.5（0.13） 8.0(0.01)
≤2
5.8(0.00)
6.8(0.025)
7.5(0.025)
3
6.9(0.05)
7.7(0.03)
8.1(0.02)
≥4
7.8(0.09)
8.4(0.03)
9.0(0.03)
1 出行生成预测：出行产生量预测
类型分析法 [例题] 解：由题设知预测未来家庭总数Ni=8000，由类型 分析法模型得
1 出行生成预测：相关基本概念
（4）出行生成的两种量化表达
[例题]：分析图中交通小区的产生量、吸引量
和生成量
factory
home school
home
factory
factory
office
例1
school
例2
home
1 出行生成预测：出行产生量预测
预测方法 （1）类型分析法 （2）回归分析法 （3）增长率法
1 出行生成预测：出行吸引量预测
预测方法 1）原单位法
通常以就业岗位或用地面积为分析单位，即个人 原单位法或面积原单位法，吸引率单位分别为人 次/日.岗位和人次/日.万平米 2）回归分析法：多用于货物吸引量预测 3）增长率法：较为粗糙

交通规划与设计(刘树义)第七章 方式划分 (三)预测模型

交通规划与设计(刘树义)第七章 方式划分 (三)预测模型

jk
exp
expV
(k)
V
(
j)
xexdx
j
expex expV( j) V(k)exdx
j
eV (k) eV ( j)
j
从阻抗Cij 角度考虑，结合阻抗控制参数β， 上述公式演化为：
ecij (k)
p(k)
ecij (k)
k
上式即为常用多项式LOGIT模型公式。
2、多项式LOGIT模型（MNL）
例2：上海某区1995年居民出行调查使用
公交、步行、自行车的比例为22%、
21%、55%，2005年轨道线路通车后区
内设站，使得原来使用自行车的出行有
48%转移到公交，其它方式间转换见矩
阵值：
公交 步行 自行车
求解转移后的公交、步行、自行车分担率。
解：
公交 步行 自行车
即公交出行比例从1995年的22%增加至2005 年的50%，步行下降2个百分点，而自行车的 出行比例则从55%减至29%。
100 80 60 40 20 0
出行距离（公里）
距离 步行（％） 自行车（％） 摩托车（％） 公交（％） 出租车（％） 客车（％）
5、径路模型
在进行方式划分预测时，同时考虑各交 通方式选择的路径，相当于方式划分与 交通分配结合。
6、回归模型
方式分担量与社会经济人口变量建立函数关 系，例如：
例如：人口、土地、私车拥有量等因子。
100
公
交 划
50
分
率
全域交通
人口密度 小汽车拥有率
%
10
20
30 （公交利用因子)
3、转移曲线模型
根据调查资料，绘出各交通方式分担率与影 响因素关系曲线（转移曲线诺模图），利用 该曲线查出目标年份的交通方式划分比例。

城市交通系统规划_08-交通方式划分

城市交通系统规划_08-交通方式划分

多元Logit模型
例
已知两小区间有公交和小汽车两种出行方式，其中公交的 出行时间为15分钟，费用1元；小汽车出行时间为5分钟， 费用5元，计算两种交通方式的分担率。（已知Logit模型 参数α= -0. 1，β= -0.5，忽略舒适性等因素。） ������ 解：

V1=-0.1x15-0.5x1=-2 V2=-0.1x5-0.5x5=-3 P1=exp(-2) / (exp(-2)+exp(-3)) =0.135/(0.135+0.049)=0.733 P2=1-P1=0.267


出行距离
出行时间分布（白天、夜间）

与出行费用相关的因素（如运费、燃料费、票 价等）
不同出行目的的交通方式利用情况(哈尔滨，2000年)
交通方式
公共汽车 单位班车 小 汽 车
上班
46.37 8.79 1.64
上学
24.94 2.60 0.11
自由
20.26 0.54 0.73
业务
22.87 10.88 7.93
基本假设： 宏观因素和微观因素共同影响交通方式选择。 宏观因素如社会经济发展水平、车辆拥有量、 交通政策等，决定着出行方式的总结构。 微观因素如出行目的和出行时间，则决定着各 交通小区之间出行的具体选择。
宏观预测

������ 在宏观上，考虑该城市现状居民出行方式 结构及其内在原因，定性分析城市未来布局、 规模变化趋势，交通系统建设发展趋势，居民 出行方式选择决策趋势，并与可比的有关城市 进行比较，初步估计规划年城市交通结构可能 的取值。


作业
某地区居民采用公交车和小汽车两种交通方式出行，公交车 的运营速度为0.25 km/min，公交票价全程1元。小汽车速度 为1 km/min，平均使用费用为2元/km。已知三小区间全方 式出行分布量和出行距离矩阵如表所示，请计算三小区间小 汽车方式的出行分布量（交通方式的效用函数为k ）

第07章 交通方式分担

第07章 交通方式分担


IV 类：

V 类：
长沙理工大学交通运输工程学院 A－MS
6.2 影响方式选择的因素
出行主体（出行者）的特性
职业、年龄、性别
是否拥有或是否可以利用小汽车 是否拥有驾驶执照 家庭结构（年轻夫妇？、夫妇加小孩？、退休人员？、 单身？、家庭人口构成、年龄构成、性别构成等） 收入 其他方面的因素
交通方式划分的阶段 交通方式划分依据其在四阶段模型中所处阶段位置的不同，有如 下的5种分类。
方式划分阶段可以单独解决，也可以与某个子问题中的任何一个 结合起来共同解决。
MS
G
I 类：
D
D MS D D－MS D D MS
A
A A A A
G－MS G G G G

II 类：

III 类：
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。
（trip interchange model）两大类。
出行末端模型：将各个交通小区的发生交通量（集中交通量） 在交通分布计算之前就分配到各方式上。 地区间模型：先计算各交通小区间的分布量，然后再推算方 式分担量。
长沙理工大学交通运输工程学院
6.3.2 方式分担的预测模型 出行末端模型 （Trip End Model）
长沙理工大学交通运输工程学院
OD交通量 个人属性 小汽车用户 固定阶层 交通方式 选择可能者 方式分担率 公共交通用 户固定阶层

交通形式的评价模型

交通形式的评价模型

交通形式的评价模型一、摘要居民出行，不同的选择方式对居民的出行质量有关、对环境的危害程度也有关系，不同选择方式，对居民的办事效率，甚至是经济发展也有关系。

为此，我们建立数学评估模型，来评估我们居民平时出行的最佳方式。

二、问题重述现在居民出行常有的方式有走路、有走路结合打车、走路结合公交车、走路结合打车公交车、开车、骑电动车，通过建立数学模型，从而得到出行时候选择的最佳方式。

三、模型假设居民出行方式只有以上六种男女选择方式相同四、符号说明C1、C2、C3、C4分别代表影响居民选择出行方式的因素即，费用、时间、环保程度、安全程度；B1、B2、B3、B4、B5、B6分别表示六种出行方式即走路、走路结合打车、走路结合公交车、走路结合打车公交车、开车、骑电动车；A、B k表示矩阵五、评估模型建立如图，表示选择方式和各种因素的关系。

通过相互比较得到各个准则对于目标的权重，即得到成对比矩阵AA=1354 1/3143 1/51/411/2 1/41/321A的一致阵为A’A’=1374 1/3153 1/71/511/2 1/41/321A的最大特征根为4.11，CI=（4.11-4）/（4-1）=0.037 CR=CI/RI=0/037/0.90=0.041<0.1由比较可知，A满足一致检验。

对居民选择出行方式影响最大的是费用，其次是路途所用时间，再者是能够实施所要选择方式的安全程度，最后是环保程度。

A的权向量w=(0.412 0.294 0.117 0.176 )T用同样的方法，构造出行方式对影响因素的成对比矩阵，不妨设为B1=173592 1/717581/3 1/31/71591/2 1/51/51/5181/2 1/91/81/91/811/3 1/232231B2=11/71/31/51/91/3 71321/31/2 31/311/21/71/5 51/2211/51/3 937516 32531/61B3=173592 1/711/31/21/51/2 1/331371/2 1/521/3131/3 1/91/51/71/311/2 1/222321B4=11/31/51/41/51 31321/31/2 51/311/21/51/5 41/2211/21/3 535212 12531/21六、模型求解分别计算B k的最大特征根λk，特征向量w k和一致性指数，列入下面表格：由检验可知，均通过一致性检验。

6.交通方式划分

6.交通方式划分

4.安全性 安全性是交通方式选择的主要原因，无论多好的
交通工具，如果它的安全性差，乘客的人身安全 得不到保障，不会有人利用它。 因为交通事故具有突发性，因此人们在选择交通 工具时，明确地考虑安全性的比较少。
2012年死于机动车辆交通事 故的有166906人，比交管部 门的数据多出107262人，是
缺少对人的选择行为的分析 各阶段之间相对独立，缺少一致性 没有反馈机制 缺少严密的统计方法 难以评价交通管理对于交通需求的影响
非集计分析
表现出行者个人（或家庭）是否出行、出行目的地 、采用何种交通方式、选择哪条路径等的形式，从 选择可能的被选方案集合中如何选取的问题，将得 到的个人行动结果加载到交通小区、交通方式、路 径上而进行交通需求预测。
十年前的两倍多
5.准时性 在交通方式选择时，到达的准时性对于交通方式
选择的影响很大。 比如对于公交出行而言，公交出行比例低，其中
有一个很重要的影响因素就是准点率低 6.换乘次数和候车时间 与准时性一样，都对公共交通方式选择有很大的
影响。
6.出行目的
上班、上学、回家出行：汽车利用率低、公共
能耗 (千卡/人km)
死亡人数 (人/亿人km)
23
44.6
600
1.17
11
19.4
154
0.082
30
23.9
-
-
>800
30.2
456
-
30-200
4.7
85.5
0.005
>200
5.6
0.0
30-60
3
77
0.005
20-30
9
-
0.005
30

城市道路与交通规划5-交通需求预测2

城市道路与交通规划5-交通需求预测2
2.从城市规划的角度，未来实现所期望的交通方式划分， 如何改扩建各种交通设施引导人们的出行，以及如何制定 各种交通管理规则等;比如新交通方式(新型交通工具)的交 通需求预测,其难点在于如何量化出行行为因素及其具体 运用.
交通方式选择的影响因素
影响交通方式划分的因素主要有四大类： 一.交通特性：交通供给特性; 二.出行者属性： 家庭属性和个人属性—出行主体特性; 三.地区属性：外界大环境; 四.出行时间特性. 五.交通政策
①G与MS相结合的方法 主要有类型分析方法和回归分析方法。
类型分析方法又可以分为简化模型和一般模型，简化模型 中不含目的的分类：
式中：
一般模型中包含目的的分类： 式中：
与简化模型相比，一般模型加入目的因素，因此预测效果 要好一点。
②先进行交通生成预测再进行方式划分 因为此时尚未进行出行分布量的预测，方式划分仍只能以 出行者或家庭，或分区的特性为依据，采用线性回归分析 方法进行。 以公共交通为个人交通两种方式为例，分区的出行产生量 的方式划分比例主要与居民人口数，人均收入水平，人均 小汽车拥有量，道路网水平，公交网密度相关。 出行吸引量的方式分担率主要与分区的学校，商店，工厂， 办公的岗位数，公交网密度相关。 由此得到产生量和吸引量的分担率回归模型：
kin 是与个人n的特有的喜好与平均的个人喜好之间的
差的参数，也被假定服从某种概率分布
in的方差是随着Xkin 值不同而不同的,为方便，假定其与
Xkin 选择选择肢Cn中分肢i的概率是：
Pin P(Uin U jn )j Cn
Pin P(Vin in Vjn jn )j Cn Pin P( jn in Vin Vjn )j Cn
交通分布与交通方式划分相结合的方法：

《交通方式划分》PPT课件

《交通方式划分》PPT课件

89.8 81.02 87.1 94.04 95.6 84.8
94.0 87.02 93.3 96.37 96.8 96.5
96.8 94.02 96.9 97.5 97.7 97.4
2、搜索美国ITE trip generation的有关资料， 对美国不同土地利用出行生成率要点进行总结
3、查找统计分析的有关参考书，熟悉回归分析 法原理和判断回归好坏的检验方法
精选ppt
7
交流与讨论：
1、美国ITE（交通工程师协会）《Trip Generation》编制过程及编制办法
2、《北京市建设用地出行生成率研究》及中 美的比较
80
R2 = 0.9325
70
60
50
40
30
20
10
0
0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5 12.5 13.5 14.5
距离
精选ppt
31
➢自行车
✓我国城市自行车拥有量经历了一个由快速增长到平稳增长的发 展时期
✓伴随着居民生活水平提高带来的出行机动化进程的加快，我国 一些城市的自行车出行比例已开始显著下降
精选ppt
26
（1）城市交通方式主要包括哪些？
步行、自行车、摩托车、公交、小汽车、出租车、 轨道交通等
精选ppt
27
（2）什么是交通方式结构？
——各种交通方式所承担的出行量 占出行总量的比例
步行、自行车、 公交车、小汽车
15%
5%
50%
精选ppt
30% 步行 自行车 公交车 小汽车
28
（3）交通方式结构的获取
qij
K

第7讲 交通方式分担预测(30分钟)

第7讲 交通方式分担预测(30分钟)
2010
成都
第7讲 交通方式分担预测
二、交通方式划分的四类模型
① 判别式分析 判别式分析主要是对影响交通工具选择概率的客运效用，建立线性组 合的函数关系。
图2.3 交通工具选择的判别式函数 2010 成都
第7讲 交通方式分担预测
二、交通方式划分的四类模型
以公式表示即： P（交通方式2/Z‘）=A/(A+B) （交通方式2 A/(A+B)
第7讲 交通方式分担预测
二、交通方式划分的四类模型
1.Ⅰ类交通方式划分模型 1.Ⅰ类交通方式划分模型 这类模型可看成交通生成之线性回归模型或类别分析模型的特例。即：
Pi(m) = α + β1Lo1i + β2Lo2i +... + βz Lozi
^
（2-1）
^ 式中： i(m) ——单位时间内由i分区以交通方式m产生的出行量计算值； P ——单位时间内由i分区以交通方式m
2010 成都
第7讲 交通方式分担预测
二、交通方式划分的四类模型
（1）相对出行时间：以出行时间比率（TTR）表示 ）相对出行时间：以出行时间比率（TTR）表示
TTR = a +b +c + d +e f + g +h
（ 2-4）
式中：a——公共交通的行车时间； 式中：a——公共交通的行车时间； b——使用公共交通的换乘时间； ——使用公共交通的换乘时间； c——使用公共交通的等车时间； ——使用公共交通的等车时间； d——从起点（家）步行至公交车站的时间； ——从起点（家）步行至公交车站的时间； e——下车后至讫点的步行时间； ——下车后至讫点的步行时间； f——个体交通（指小汽车）的行车时间； ——个体交通（指小汽车）的行车时间； g——使用个体交通在停车处的延滞时间； ——使用个体交通在停车处的延滞时间； h——从停车处至讫点间的步行时间。 ——从停车处至讫点间的步行时间。 （2）相对出行费用：以出行费用的比率（CR）表示 ）相对出行费用：以出行费用的比率（CR）表示

08 交通方式划分

08 交通方式划分
前讲回顾
道路交通规划
第八讲 交通方式划分
增长系数法与重力模型对比
0502310
方法 建模难度 基年OD矩阵 网络费用数据 适用范围
增长系数法 较简单 需要 不需要 短期预测
重力模型 标定复杂 预测不需要（标定需 要部分矩阵） 需要 长期预测（土地利用与交
通网络有较大变化的情况）
石家庄铁道学院 交通工程分院 yanxy@
第八讲 交通方式划分
8.1 8.2 8.3 8.4 概述 转移曲线法 概率模型 宏、微观相结合的预测方法
8.1 概述
交通方式划分是交通需求预测四阶段法的第三阶段， 任务是将各小区间的交通分布量划分为各种交通方式 的分布量。交通方式划分阶段研究的重点是出行者的 交通方式选择行为，建立模型预测基础设施或服务等 条件变化时，交通方式间交通需求的变化。
效用函数
效用=负费用
多元Logit模型
V k = −C k
典型的效用函数：
P =
k ij
k ij
e
k
Vijk Vijk
Vijk = α ⋅ Tijk + β ⋅ Fijk + γ k
T F 其中： 为i,j小区间方式k的旅行时间， 为i,j γk 小区间方式k的货币费用， 为方式k的舒适性、 安全性等属性。 α / β 为时间价值 （VOT）。
现状全方式OD分布矩阵（单位：千人次） 三小区间出行距离矩阵（单位：km）
qij
1 2
0 2 4 6 8 10 12 距离（km）
1Leabharlann 23dij
1 2 3
1
2
3
0 10 20
10 0 15
20 15 0
0 4 5

交通规划-7.4待改

交通规划-7.4待改
式中，Yi表示两种方式特性的线性函数值的差。
第四节 非集计交通方式划分模型
第四节 非集计交通方式划分模型
当交通方式为 3 种时，方式 3 被选择的概率为： p(3) = P{max[U(1),U(2)]>U(3)}
这时，分布函数式将相当复杂。 对一般情况，有，
max[U(1),U(2),……,U(k)]=max{max……max[max(U(1), U(2),…… 因为，Probit 模型对 3 种以上的方式划分将非常复杂，所以， 一般多使用 Logit 模型近似处理。
第四节 非集计交通方式划分模型
Logit 模型与 Probit 模型的差异： 假设 A.B 间有 2 条径路可供选择，各自的固定效用和其方差、 协方差分别为：
a.用 Logit 模型时，划分率分别为：
b.使用模型时，划分率为:
第四节 非集计交通方式划分模型
第四节 非集计交通方式划分模型
例题： 在仅有公共汽车和私人汽车两种交通方式的地区，假设 有下述Logit交通方式选择模型，试用下表所示行驶时间 和费用以及划分率，求出这两种交通方式的将来分布 （OD）交通量。
日本广岛轨道与公共电汽车的划分率
第四节 非集计交通方式划分模型
美国加利福尼亚高速公路划分率曲线 （与其它并行公路相比）
第四节 非集计交通方式划分模型
距离比
美国底特律高速公路划分率曲线 （与其它并行公路相比）
第四节 非集计交通方式划分模型
线性模型： 1、这是函数模型中最早开发出来的模型。 2、它把影响交通方式分担的各种要素用线性函数的形式 表现，从而推求交通方式分担率。 3、但用这种方法求出的分担率Pi无法保证分担率必须满 足（0，1）之间的条件。 4、为 了 解 决 这 个 问 题 开 发 了 Logit模型和Probit模 型。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

“其他”方式的相对效用。
模型结果分析
表10为统计软件SPSS得出的各方式参数估计结果。
其中 V 列为参数估计结果， t 列为各参数的 t 检验值。根
据统计学理论，如果t的绝对值大于1.65，而且参数的符 号正确，那么这个变量对选择肢产生影响的置信度是
95%，表示该变量对结果影响显著。
模型结果分析
非集计模型举例
交通方式划分模型
数据调查
2003年长春市城区居民日出行调查 此次出行调查主要是为了把握一日间居民的行动全体和 搜集城市综合交通规划的基础数据，针对调查对象地域内 的居住者（6岁以上）进行的一次大规模的家庭访问调查 。共包括长春市5101户家庭的14655个人的37288次出行。 数据处理后，最终有14616个出行者的数据合格，抽样合 格率为99.73％。 本次出行调查内容主要包括出行者的个人和家庭属性， 以及一日间每一次出行从出发地到目的地所用的交通方式 、出行目的、时间以及其他出行特性，具体内容及分类如 下表所示。
出行信息
模型变量的确定
出行者在出行前要考虑起迄点之间的各种可用的出
行方式，通过判断，选出自己最满意的一种方式。因此
方式选择模型应该能够尽量贴切的模仿出行者的判断过 程，即要求我们尽量考虑到所有影响出行者方式选择的 因素。下表给出根据长春市调查数据统计得出的影响居 民交通方式选择的具体因素。
影响因素类别 个人属性
2.51
1.68
0.15
0.16
0.62
100.00
数据分析
从统计结果可以看出，长春市居民市内出行采用较多的
交通方式分别是步行、公共汽车和自行车，其中步行方式
占接近出行总数的一半。包括公共汽车、有轨电车和轻轨 在内的公共交通共占全方式的22.66％。如果考虑换乘，则 公交出行方式占全方式的24.72％，比1997年的23.0％增加 了1.72％。而国外大城市的公交分担率一般在40％以上。可 见，经过近几年公交系统的建设，长春市的公交出行分担 率有所增加，但为了满足日益增长的出行需求，缓解交通 压力，实现城市出行方式的合理分配，鼓励和发展公交仍 然势在必行。
长春市居民日出行调查项目表
家庭编号、住址、月总收入、家中人口数、6岁 以上成员数、拥有交通工具（小汽车、摩托车 、自行车）等。
家庭基本 信息
个人基本 信息
成员编号、年龄、性别、职业、有无驾照、有 无出行等。
出行目的、出发和到达时间、出发和到达详细 地址、交通方式、上车前步行或骑车时间、候 车时间、乘车时间、换乘信息、停车信息等。
lห้องสมุดไป่ตู้(
k pi i ) i ki xk Vi p11 k 1
模型结构
模型应用Logit模型进行建模，以最后一种方式，即“其 他”方式为参考选项。则前10种方式的分担率可表示为：
k pi i i ln( ) ki xk Vi p11 k 1
i 其中 i 是第i种方式的常数项， ki 是相应变量的系数，xk 表示选择第i种交通方式的第k个变量。 V i 表示各种方式对
选择肢的确定
本次出行调查对交通方式的划分较细，分为步行 、自行车、公共汽车、单位班车、单位小汽车、摩 托车、出租车、私人小汽车、有轨电车、轻轨和“ 其他”等十一种方式，分别用1到11表示。由于样本 量较大，本模型只考虑每次出行过程中第一次采用 的交通方式，没有考虑换乘。那么模型的样本量与 总出行量一致，为37164。经统计得出各方式占全方 式的百分比如下表所示。
模型的参数估计值可以这样理解：以单位小汽车为例，
变量AGE A的参数估计值为-1.47，表示当出行者年龄小于 20岁时，选择乘坐单位小汽车的可能性是选择其他方式的 Exp(-1.47)＝0.229倍。而同理当出行者年龄在20到40岁之间 时（AGE B），乘坐单位小汽车的可能性为Exp(-0.52)＝ 0.596。说明20岁以下的出行者可以乘坐单位小汽车的可能 性比20到40岁之间的出行者小。用这种方法，我们可以对 其他的变量进行分析。
影响因素 性别 <20岁 年 龄 20-40岁 40-60岁 0-500 501-1000 家庭月总收入（元 1001-2000 ） 2001-3000 3001-5000 家中儿童情况 有否6岁以下儿童？ 有无小汽车？ 家中车辆拥有情况 有无摩托车？ 是否有两台以上的自行车？ 在早高峰之前 出发时间 在早高峰时段内 一阶活动 primary 二阶活动 secondary 中途驻停 Intermediate 工作子往返 subtour 上车前步行时间 候车时间 乘车时间 20分钟以内 总行程时间 20到40分钟 40到60分钟
出行者 特性 家庭属性
出行特性
交通设施特性
变量 Gender AGE A AGE B AGE C INC A INC B INC C INC D INC E Child6 Car Motor Bike Be am In am Pri Sec Inter Sub Walk Wait Ride Time A Time B Time C
方式统计表
交通方式 代码 样本量 百分数（ %） 交通方式 代码 样本量 百分数（ %） 步行 17755 47.77 出租车 934 自行车 6254 16.83 私人小汽 车 623 公共汽车 8307 22.35 有轨电车 55 单位班车 1527 4.11 轻轨 58 单位小汽 车 756 2.03 其他 231 摩托车 664 1.79 Total 37164