交通預測分配

交通預測分配亦可稱為交通預測。根據過去和現在的變化規律，預測道路網規劃區各路段的遠景交通量。

基本介紹

• 中文名：交通預測分配
• 外文名：assignment of traffic predication
• 學科：交通工程
• 領域：工程技術

簡介

交通預測分配亦可稱為交通預測。根據過去和現在的變化規律，預測道路網規劃區各路段的遠景交通量。

內容

內容包括遠景年的道路網總發生交通量，各節點之間的分布交通量，以及任意兩節點之間所有路段的分配交通量。

常用方法

目前常用的方法有日本人提出的“四段推算法”框圖(圖a)，和中國交通部提出的道路網規劃框圖(圖b)。預測方法有定基預測和定標預測兩類數學模型。分布方法有增長率模型、重力模型和熵模型等。分配方法主要有或全或無、容量限制和最短途徑等。

符合規定

各級公路設計交通量的預測應符合下列規定：

1.高速公路和具幹線功能的一級公路的設計交通量應按20年預測；具集散功能的一級公路，以及二、三級公路的設計交通量應按15年預測；四級公路可根據實際情況確定。

2.設計交通量預測的起算年應為該項目可行性研究報告中的計畫通車年。

3.設計交通量的預測應充分考慮走廊帶範圍內遠期社會、經濟的發展和綜合運輸體系的影響。

預測方法

交通量預測具有代表性的方法有遺傳算法、神經網路、數據挖掘、支持向量機、灰色理論等。

（1）遺傳算法：比較先進的參數尋優算法，對於不容易建立數學模型的場合算實用價值較為突出；

（2）神經網路：當系統為線性時，神經網路不優於傳統方法，當系統具有較強的非線性時，則經過適當地設定結構之後，神經網路往往優於傳統方法；

（3）數據挖掘：一種從大型資料庫成效據倉庫中提取隱藏的預測性信息的新技術。它能開發出潛在的模式，找出最有價值的信息，指導商業行為或輔助科學研究；

（4）灰色理論：用來對時間序列作預測，不是直接針對原始數據，而是針對生成數據使用的，可以有效地處理貧信息和離亂數據，在一定時間段內具有良好的預測精度；

（5）支持向量機：一種數據驅動式”黑箱”建模方式，它不需要對象有很多的先驗知識，對模型函式形式、誤差分部類型也無需很多先驗設定，對未來樣本具有較好的泛化性能。

模型比較

（1）增長率模型

優點：計算簡單，預測結果粗略，較適用於近期預測；

缺點：當多個因素影響交通生成量時、預測但誤差較大。

適用範圍：城市道路、區域公路

（2）回歸分析

優點：模型可以解決多個；

缺點：影響交通生成因素的問題，無法考慮非定量指標因素對於交通生成的影響。

適用範圍：城市道路、區域公路

（3）類別生成率模型

優點：能考慮多個交通生成；

缺點：影響因素影響因素過多或變化較大時，該模型不適用。

適用範圍：城市道路

（4）時間序列

優點：預測法省略變數的篩選、自變數的預測、參數檢驗、顯得較為簡單、直觀；

缺點：要求數學知識深奧、計算複雜，需要藉助計算機。

適用範圍：區域公路。

增長係數法

增長係數法基本依賴於各交通小區間基年的交通分布情況， 把預測年的交通發生量和吸引量按基年交通分布的比例分布到路網中。該方法適應於巨觀交通量的分布，不限於個別因素的影響，著重於總的趨勢，適應性較強。但基年交通分布的稍有偏差，對未來交通分布有較大影響。它以平均增長係數法、Fratar法、Furness法和底特律法等方法為主。

平均係數法

平均係數法(average factor method)是指用現狀交通分布和平均增長來估算未來交通分布的方法。交通分布預測是交通預測4階段(交通生成、交通分布、交通方式和交通分配預測)方法中的重要階段，其任務是預測交通的空間流布局——OD分布，為交通分布預測提供基礎資料也是現狀OD調查的主要目的。

重力分布模型

重力分布模型仿效牛頓萬有引力定律，認為交通小區間的交通量與交通小區各自的交通發生量和吸引量成廣義的正比關係， 而與交通小區間的交通阻抗(距離、時間、費用)成廣義的反比。

重力分布模型是一個非常有用的交通分布模型， 它適用於運輸網路出現較大變化時的未來交通出行分布預測。但該模型套用時，需要標定模型的參數。