目前,据小编经验觉得,我国交通影响评价的工作中仍有很多问题未得到很好的解决,主要表现在:交通需求预测模型有待进一步精细、交通的影响程度评价内容与指标不够明确、报告中提出的交通改善措施很难落实到位等方面。本文从交通需求方面入手,针对不同交通预测方法进行简单梳理和对比,望同行们在日后的交通需求预测问题上进行更深入的探索和创新。

交通预测中包含背景交通预测和新生成交通预测:

一、背景交通预测方法

背景交通预测方法包括趋势分析法、类比法、回归分析、调查增量法、四阶段法和其他方法。预测时应根据数据资料收集情况、建设项目规模和区域位置、技术条件等综合判断选择合适的预测方法。整理相关对比内容如下:

01

方法介绍

02

特点

03

数据要求

04

适用区域

05

适用条件

06

适用建设项目建模

07

预测步骤

08

注意问题

二、新生成交通预测方法

新生成交通即项目交通需求预测,一般采用四阶段法。四步分别为:1、交通生成  2、交通分布  3、交通方式划分  4交通量分配。其中交通分布预测常用的方法主要有:类比分析发、OD调查法和重力模型法。

1)    类比分析法

类比分析法就是通过类比相似已建成并投入使用的项目的交通分布特征,对建设项目交通分布进行预测。类比分析法的假设前提是:建设项目的交通分布模式可能会与已建的类似项目的出行分布相似,可通过收集类似项目的交通分布规律及数据,来预测建设项目的交通分布情况。

此方法的使用条件较严格,有一定局限性。为了保证预测结果的准确性与科学性,在选取类似项目时,必须保证其与建设项目的区位条件、用地性质、建筑规模、周边用地条件等一致,当找不到适宜条件的类似项目时,此方法不宜使用。

2)    OD调查法

类比分析法就是通过类比相似已建成并投入使用的项目的交通分布特征,对建设项目交通分布进行预测。类比分析法的假设前提是:建设项目的交通分布模式可能会与已建的类似项目的出行分布相似,可通过收集类似项目的交通分布规律及数据,来预测建设项目的交通分布情况。

此方法同类比分析法,需要选定附近同类已建成项目进行调查,通过 OD 抽样调查获得其出行分布数据。例如对住宅类建设项目,可以选取类似区位条件、项目规模的已建成并投入使用的居住区项目,按照某项抽样标准来对居住区的住户进行 OD 数据的抽样调查。

运用此方法的关键是要选取一个区位条件、规模、性质相似的同类已建成项目展开调查,抽样调查的样本要具有代表性与普遍性,并且调查要在高峰时段进行。同类比法同样具有局限性。

3)    重力模型法

类比分析法就是通过类比相似已建成并投入使用的项目的交通分布特征,对建设项目交通分布进行预测。类比分析法的假设前提是:建设项目的交通分布模式可能会与已建的类似项目的出行分布相似,可通过收集类似项目的交通分布规律及数据,来预测建设项目的交通分布情况。

根据对约束条件的满足情况,重力模型可分为无约束重力模型、单约束重力模型和双约束重力模型。其主要优点是:考虑的因素较全面,对交通阻抗参数的变化能敏感地反应,在没有完整的现状 OD 调查资料时也能使用。由于重力模型的计算工作量较大,现在一般均借助于计算机进行计算。

重力模型法是目前交通影响评价工作中运用最多的方法,也是目前较成熟的方法,但也具有一定的局限性,其缺点在于:当交通阻抗趋于零时,出行分布量会趋近于无穷大,因此这种方法不适用于短距离的出行分布计算。该方法是物理定律对社会现象的应用,有类似性,但不一定完全立足于人的行动来分析,其结果可能会存在误差。

结语

建设项目开发建成投入使用后,必定会吸引和产生新的交通需求,对一定范围内的城市交通带来一定影响,会增加城市交通的压力,影响道路服务水平。而交通影响评价的作用就是评判建设项目投入使用后,新生成的交通量对评价范围内城市交通系统是否有显著影响。因此,交通需求预测是交通影响评价中的工作重心,其预测结果的科学性和准确性直接影响交通影响评价的结果。

目前交通需求预测部分的内容并不完善,要求各异,评判标准更是主观臆断难统一。小编列举出目前已有的不同交通预测方法和其特性,只有应用正确的预测方法,对建设项目进行合理的交通需求预测,随后的交通影响评价才有意义。

本公众号现举办赠书活动,详情请点击链接:交通筑梦 赠书留香

▲撰稿:leeo     编辑:张家丽

综合评价模型的缺点_浅谈交通影响评价中不同交通预测方法的特性相关推荐

  1. 综合评价模型的缺点_【必备】目标检测中的评价指标有哪些?

    在人工智能领域,机器学习的效果需要用各种指标来评价.当一个目标检测模型建立好了之后,即模型训练已经完成,我们就可以利用这个模型进行分类识别.那么该如何去评价这个模型的性能呢? 上期我们一起学习了全卷积 ...

  2. python语法中infile语句_浅谈pymysql查询语句中带有in时传递参数的问题

    直接给出例子说明: cs = conn.cursor() img_ids = [1,2,3] sql = "select img_url from img_url_table where i ...

  3. python查询数据库带逗号_浅谈pymysql查询语句中带有in时传递参数的问题

    直接给出例子说明: cs = conn.cursor() img_ids = [1,2,3] sql = "select img_url from img_url_table where i ...

  4. laytpl语法_浅谈laytpl 模板空值显示null的解决方法及简单的js表达式

    浅谈laytpl 模板空值显示null的解决方法及简单的js表达式 laytpl 模板语法 {{ d.field }} 输出一个普通字段,不转义html 官方的说明 但d.field 为空时会显示nu ...

  5. 综合评价模型的缺点_一种项目经理素质的综合评价模型

    摘 要:根据对项目经理素质的分析, 建立了未确知测度模型, 对项目经理的素质进行综合评价, 提供了一种定量.定性 相结合的项目经理素质综合评价的新途径, 并用实例说明此模型的应用, 总结得出了该综合评 ...

  6. mysql 用户通配符_浅谈mysql通配符进行模糊查询的实现方法

    在mysql数据库中,当我们需要模糊查询的时候 ,我们会使用到通配符. 首先我们来了解一下2个概念,一个是操作符,一个是通配符. 操作符 like就是SQL语句中的操作符,它的作用是指示在SQL语句后 ...

  7. 综合评价模型的缺点_视频/图像质量评价综述(一)

    1. 概述 视频/图像质量评价(Video/Image Quality Assessment)是指通过主客观的方式对两幅主体内容相同的图像信息的变化与失真进行感知.衡量与评价. 视频/图像质量评价包括 ...

  8. 3. 机器学习中为什么需要梯度下降?梯度下降算法缺点?_浅谈随机梯度下降amp;小批量梯度下降...

    机器学习三要素 上次的报告中,我们介绍了一种用于求解模型参数的迭代算法--梯度下降法.首先需要明确一点,即"梯度下降算法"在一个完整的统计学习流程中,属于什么?根据<统计学习 ...

  9. 一致 先验分布 后验分布_浅谈Loki分布式架构中的一致性哈希

    云原生小白 看到上面蓝色字了么?关注下吧! Loki在分布式部署的模式下,保存Ingester服务的状态主要有3个渠道,分别是etcd.consul和基于gossip协议的memberlist.不管L ...

最新文章

  1. 简单好听的id_一位妈妈给孩子的10大家规,简单实用,值得所有父母借鉴!
  2. 黄聪:使用srvany.exe将任何程序作为Windows服务运行
  3. 高级编程学习笔记day01(知识点篇)
  4. 测试并发应用(三)监控Executor框架
  5. el-table 树形表格 自定义展开图标_耍好控件 | 产品图标体系是如何炼成的?
  6. wordpress主题部署到github pages(调研+具体操作-还没有完成)
  7. 程序员面试金典 - 面试题 05.06. 整数转换(位运算)
  8. python优雅编程_Python优雅地可视化数据
  9. 关于MultiActionController异步请求Ajax,pc端正常,手机端报error错误;此问题一般是通过setInterval,seTimeout,做Ajax轮询时会产生此问题;
  10. ssm提交post_SSM中get和post乱码笔记
  11. BZOJ1101 [POI2007] Zap
  12. 关于程序员的面试于自我介绍模板
  13. 常用数列总结性质记录
  14. 使用mysql语句进行多表联查(以三个表为例)
  15. 第一篇:微信公众平台开发实战Java版之了解微信公众平台基础知识以及资料准备
  16. linux 解压参数 zxvf,在linux下面解压用的zxpf是什么意思,它跟zxvf有啥区别
  17. 跨端融合!探索前沿科技无限可能,深圳腾讯2018TLC大会再度来袭,早鸟票最后一天...
  18. 立创开源 | 基于ESP-01的桌面小彩灯
  19. 如何保存网页上的图片原图,大图
  20. vi两个文件之间复制

热门文章

  1. 手动制作自己想的语谱图
  2. dearpygui-0.6.6 以前的蛇变回了应该有的样子
  3. RNN神经网络的输入输出维度的关系
  4. 使用pytorch最关键的几个点
  5. JavaScript判断是否是手机mobile登录
  6. android 的unregisterReceiver报错处理
  7. Linux上常用的安全技术iptables与squid代理服务器
  8. Spring Boot常见企业开发场景应用、自动配置原理结构分析
  9. hadoop集群配置与启动
  10. Find Code for Research Papers