一种城市交通出行需求总量预测方法

摘要

本发明公开了一种城市交通出行需求总量预测方法，步骤：采集城市交通出行需求相关数据；构建交通系统协同演化模型；利用采集的数据，对交通系统协同演化模型中的参数进行标定；将标定完成的参数代入交通系统协同演化模型，进行城市交通出行需求总量预测。本发明适用于任意结构特征的城市，为城市交通的规划、交通发展政策的制定和交通网络的设计提供了依据与支持。

权利要求

1.一种城市交通出行需求总量预测方法，其特征在于，包括以下步骤：(1)采集城市交通出行需求相关数据；

(2)构建交通系统协同演化模型；

(3)利用步骤(1)采集的数据，对交通系统协同演化模型中的参数进行标定；

(4)将标定完成的参数代入交通系统协同演化模型，进行城市交通出行需求总量预测；

在步骤(1)中，所述城市交通出行需求相关数据包括历年的居民消费水平数据fi，居民消费水平未来发展可达到的最大值F0，历年的城市GDP数据gi，城市GDP未来发展能够达到的最大值G0，历年的城市家庭户数ni，家庭户数未来能够可达到的最大值N0，历年的城市人口数量pi，城市人口数量未来发展能够达到的最大值P0，历年的城市道路面积ci，城市道路面积未来发展能够达到的最大值C0，历年的交通出行需求总量qi，交通出行需求总量未来发展能够达到的最大值Q0；其中，下标i表示数据的年份；

在步骤(2)中，首先分别构建经济自演化模型、人口自演化模型和交通自演化模型，然后根据这三个自演化模型构建交通系统协同演化模型；

所述构建经济自演化模型如下：

其中，f和g表示某年份的居民消费水平数据和城市GDP数据，t表示时间，α11、α12、θ1、β1为待标定的参数；

所述人口自演化模型如下：

其中，n和p表示某年份的城市家庭户数和城市人口数量，t表示时间，α21、α22、θ2、β2为待标定的参数；

所述交通自演化模型如下：

其中，c和q表示某年份的城市道路面积和交通出行需求总量，t表示时间，α31、α32、θ3、β3为待标定的参数；

所述交通系统协同演化模型如下：

其中，μ12、μ13、μ21、μ23、μ31、μ32为待标定的参数。

2.根据权利要求1所述城市交通出行需求总量预测方法，其特征在于，在步骤(3)中，采用回归分析方法，对经济自演化模型、人口自演化模型、交通自演化模型和交通系统协同演化模型进行标定。

3.根据权利要求1所述城市交通出行需求总量预测方法，其特征在于，在步骤(4)中，对于第j年的城市交通需求总量qj预测，采用逐年预测的方法，具体过程如下：(401)搜索小于j且最大的年份k，满足gk、pk、qk均为已知数据；

(402)将第k年的数据带入标定好参数的交通系统协同演化模型，预测得到第k+1年的数据gk+1、pk+1、qk+1，循环该步骤，直到得到第j年的城市交通需求总量qj。

说明书

一种城市交通出行需求总量预测方法

技术领域

[0001] 本发明属于城市交通规划领域，特别涉及了一种城市交通出行需求总量预测方法。

背景技术

[0002] 交通出行需求预测是交通规划中的核心内容之一。交通发展政策的制定、交通网络设计以及方案评价都与交通出行需求预测有密切的关系。交通生成预测是交通需求四阶段预测的第一阶段，是交通需求分析工作中最基本的部分之一。而交通需求总量的预测作为交通生成预测的重要约束数据，其预测精度将直接影响后续预测阶段乃至整个预测过程的精度，因此与交通需求总量预测的方法具有较高的实际研究价值。

发明内容

[0003] 为了解决上述背景技术提到的技术问题，本发明提出了一种城市交通出行需求总量预测方法。

[0004] 为了实现上述技术目的，本发明的技术方案为：

[0005] 一种城市交通出行需求总量预测方法，包括以下步骤：

[0006] (1)采集城市交通出行需求相关数据；

[0007] (2)构建交通系统协同演化模型；

[0008] (3)利用步骤(1)采集的数据，对交通系统协同演化模型中的参数进行标定；

[0009] (4)将标定完成的参数代入交通系统协同演化模型，进行城市交通出行需求总量预测。

[0010] 进一步地，在步骤(1)中，所述城市交通出行需求相关数据包括历年的居民消费水平数据fi，居民消费水平未来发展可达到的最大值F0，历年的城市GDP数据gi，城市GDP未来发展能够达到的最大值G0，历年的城市家庭户数ni，家庭户数未来能够可达到的最大值N0，历年的城市人口数量pi，城市人口数量未来发展能够达到的最大值P0，历年的城市道路面积ci，城市道路面积未来发展能够达到的最大值C0，历年的交通出行需求总量qi，交通出行需求总量未来发展能够达到的最大值Q0；其中，下标i表示数据的年份。

[0011] 进一步地，在步骤(2)中，首先分别构建经济自演化模型、人口自演化模型和交通自演化模型，然后根据这三个自演化模型构建交通系统协同演化模型；

[0012] 所述构建经济自演化模型如下：

[0013]

[0014] 其中，f和g表示某年份的居民消费水平数据和城市GDP数据，t表示时间，α11、α12、θ1、β1为待标定的参数；

[0015] 所述人口自演化模型如下：

[0016]

[0017] 其中，n和p表示某年份的城市家庭户数和城市人口数量，t表示时间，α21、α22、θ2、β2为待标定的参数；

[0018] 所述交通自演化模型如下：

[0019]

[0020] 其中，c和q表示某年份的城市道路面积和交通出行需求总量，t表示时间，α31、α32、θ3、β3为待标定的参数；

[0021] 所述交通系统协同演化模型如下：

[0022]

[0023] 其中，μ12、μ13、μ21、μ23、μ31、μ32为待标定的参数。

[0024] 进一步地，在步骤(3)中，采用回归分析方法，对建经济自演化模型、人口自演化模型、交通自演化模型和交通系统协同演化模型进行标定。

[0025] 进一步地，在步骤(4)中，对于第j年的城市交通需求总量qj预测，采用逐年预测的方法，具体过程如下：

[0026] (401)搜索小于j且最大的年份k，满足gk、pk、qk均为已知数据；

[0027] (402)将第k年的数据带入标定好参数的交通系统协同演化模型，预测得到第k+1年的数据gk+1、pk+1、qk+1，循环该步骤，直到得到第j年的城市交通需求总量qj。

[0028] 采用上述技术方案带来的有益效果：

[0029] 本发明综合考虑了多种影响城市交通出行需求的因素，构建了交通系统协同演化模型，通过该模型可以迭代预测出城市交通出行需求总量，适用于任意结构特征的城市，为城市交通的规划、交通发展政策的制定和交通网络的设计提供了依据与支持。

附图说明

[0030] 图1是本发明的方法流程图。

具体实施方式

[0031] 以下将结合附图，对本发明的技术方案进行详细说明。

[0032] 本发明设计了一种城市交通出行需求总量预测方法，如图1所示，包括以下步骤：

[0033] 步骤1：采集城市交通出行需求相关数据；

[0034] 步骤2：构建交通系统协同演化模型；

[0035] 步骤3：利用步骤1采集的数据，对交通系统协同演化模型中的参数进行标定；

[0036] 步骤4：将标定完成的参数代入交通系统协同演化模型，进行城市交通出行需求总量预测。

[0037] 优选地，在步骤1中，所述城市交通出行需求相关数据包括历年的居民消费水平数据fi，居民消费水平未来发展可达到的最大值F0，历年的城市GDP数据gi，城市GDP未来发展能够达到的最大值G0，历年的城市家庭户数ni，家庭户数未来能够可达到的最大值N0，历年的城市人口数量pi，城市人口数量未来发展能够达到的最大值P0，历年的城市道路面积ci，城市道路面积未来发展能够达到的最大值C0，历年的交通出行需求总量qi，交通出行需求总量未来发展能够达到的最大值Q0；其中，下标i表示数据的年份。

[0038] 优选地，在步骤2中，首先分别构建经济自演化模型、人口自演化模型和交通自演化模型，然后根据这三个自演化模型构建交通系统协同演化模型；

[0039] 所述构建经济自演化模型如下：

[0040]

[0041] 其中，f和g表示某年份的居民消费水平数据和城市GDP数据，t表示时间，α11、α12、θ1、β1为待标定的参数；

[0042] 所述人口自演化模型如下：

[0043]

[0044] 其中，n和p表示某年份的城市家庭户数和城市人口数量，t表示时间，α21、α22、θ2、β2为待标定的参数；

[0045] 所述交通自演化模型如下：

[0046]

[0047] 其中，c和q表示某年份的城市道路面积和交通出行需求总量，t表示时间，α31、α32、θ3、β3为待标定的参数；

[0048] 所述交通系统协同演化模型如下：

[0049]

[0050] 其中，μ12、μ13、μ21、μ23、μ31、μ32为待标定的参数。

[0051] 优选地，在步骤3中，采用回归分析方法，对建经济自演化模型、人口自演化模型、交通自演化模型和交通系统协同演化模型进行标定。

[0052] 优选地，在步骤4中，对于第j年的城市交通需求总量qj预测，采用逐年预测的方法，具体过程如下：

[0053] 401、搜索小于j且最大的年份k，满足gk、pk、qk均为已知数据；

[0054] 402、将第k年的数据带入标定好参数的交通系统协同演化模型，预测得到第k+1年的数据gk+1、pk+1、qk+1，循环该步骤，直到得到第j年的城市交通需求总量qj。

[0055] 本实施例中，选择城市O作为测试对象，定量分析并预测该城市的交通出行需求总量。城市O历年城市GDP、居民消费水平、城市人口、家庭户数、城市道路面积及交通出行需求总量数据如下表1：

[0056] 表1

[0057] 年序 GDP 居民消费水平 人口 家庭户数 出行需求 道路面积1 435.3435 5011 317.12 99.93 262510 807
2 536.5443 5519 321.92 102.16 293370 1147
3 578.1757 6166 325.98 106.95 333030 1231
4 625.3391 6808 330.29 110.84 379780 1338
5 669.855 7109 335.86 112.08 451640 1559
6 777.5256 7498 341.52 145.23 519380 2222
7 1007.366 7812 439.79 152.6 663270 2941
8 1144.295 8565 452.57 159.69 830000 4602
9 1351.034 9472 464.54 168.31 648060 4780
10 1517.656 10329 482.07 174.54 806700 5320
11 1923.486 11981 497.15 178.26 849810 4775
12 2091.944 13527 502.71 183.3 1194690 4919
13 2738.393 14447 510.15 190.14 1082710 5379
14 3139.862 16260 520.86 199.88 1198610 6289
15 3932.469 18968 535.15 205.37 1164000 6460
16 4782.558 20759 544.8 210.62 1455150 6715
17 5731.731 22583 554.2 216.55 1580060 7441
18 6481.551 24508 564.9 226.01 1646410 7444
19 7332.654 26413 581.6 271.28 1808530 7404
20 8460.016 28600 698.14 301.59 1729500 7710

[0058] 根据上述数据得到标定后的交通系统协同演化模型：

[0059]

[0060] 实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。