基于广义出行成本的交通方式划分与随机分配组合模型研究

《基于广义出行成本的交通方式划分与随机分配组合模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于广义出行成本的交通方式划分与随机分配组合模型研究ResearchonCompositeModelCombiningMultimodeSplitandTrafficAssignmentBasedonGeneralizedTravelCost作者姓名：曹雄赳专业名称：交通运输规划与管理指导教师：贾洪飞教授学位类别：工学硕士答辩日期：2015年6月3日基于广义出行成本的交通方式划分与随机分配组合模型研究摘要随着我国城镇化和机动化出行水平的提高，城市交通拥堵状况不断加剧。交通拥堵以及由此引发的交通事故和环境污染问题已经影响到城市生活的效率和质量

2、。在拥堵治理策略上，多数国家已转向以管理交通需求为主，增加交通供给为辅。但无论何种策略，在实施前，模拟和预测策略实施效果、评价策略可行性都是十分必要的。其中，方案效果评价的两个重要指标是预测实施后的各交通方式分担率和交通网络分配流量。传统的“四阶段”法将交通方式划分和交通分配分为两个独立的阶段分别进行预测，弱化了两者之间的密切联系和相互依赖关系，存在一些明显不合理的地方，降低了预测的准确性。因此，十分有必要研究交通方式划分与分配组合模型，以提高预测精度，为交通行为分析与研究提供理论支持，为交通规划方案、管理政策的评估提供依据。为实现这一目的

3、，首先采用实际调查数据对影响居民出行选择的三方面因素（出行主体特性、出行特性和交通方式特性）的影响情况逐一进行了分析，并根据影响因素作用机理的不同进行分类，筛选出主要影响因素；其次，提出了城市交通超级网络的构造方法，描述了不同子网络层应具有的属性值，以此为基础，将各交通方式出行成本分解为出行时间、费用、舒适度三个方面，逐一讨论了各方式广义出行成本的表征；此后，给出了组合模型的基本假设、自变量、因变量和约束条件，引用Logit随机平衡理论给出了方式划分与分配组合模型的平衡条件，构造了变分不等式模型，并证明了模型的等价性及解的存在性，给出了具体

4、求解步骤；最后，以山东省中北部G县为例进行了实例分析，阐述了模型的具体应用方法，并将组合模型预测结果、传统分阶段模型预测结果及实际调查数据进行比较，分析了模型的优劣。结果表明，在交通方式划分方面，组合模型累计预测误差比Logit模型低13.2%；在道路断面车流量预测方面，组合模型的预测误差为15.32%，比随机用户平衡模型降低了6.35%；在公交站间断面客流量预测方面，组合模型的预测误差为18.05%，比随机用户平衡模型降低了4.36%。组合模型在三个方面的预测精度都有一定程度的提高，具有良好的应用价值。I关键词：交通需求预测；方式划分；交

5、通分配；广义出行成本；超级网络IIResearchonCompositeModelCombiningMultimodeSplitandTrafficAssignmentBasedonGeneralizedTravelCostAbstractWiththeimprovementonlevelofChineseurbanizationandmechanization,urbantrafficcongestiongetsmoreandmoreserious.Trafficcongestionandtheresultedaccidentsanden

6、vironmentalpollutionhaveaffectedtheefficiencyandqualityofurbanlife.Intermsofcongestionmanagementstrategies,mostcountrieshaveturnedmainlytotrafficdemandmanagementinsteadofincreasingtrafficsupply.Butnomatterwhatstrategyis,beforeimplementing,predictingtheeffectandassessingthe

7、feasibilityofstrategyareessential.Inthisprocess,twoimportantindicatorsofstrategyeffectivenessassessmentarepredictedmodesplitrateandtrafficnetworkflow.Thetraditionalfour-stepapproach,whichseparatesmodesplitandtrafficassignmentintotwoseparatephasesandweakensthecloselinkandin

8、terdependencebetweenthem,isobviousunreasonableandreducestheaccuracyofforecasts.Thusitisne