我点击一个单选框时另外一个单选框里的内容属性隐藏掉_一个交通工程专业硕士研究生的总结与独白（二）：交通生成预测及TransCAD操作...

上一次发表了我的第一篇知乎文章，后来也看了大家的评论，虽然评论不多，但好在大家都比较温柔，没有出现什么所谓的网络暴力，当然也有可能是我这个内容本身也没有太大的话题性。也有小伙伴私聊我说让我多讲讲交通工程这个专业，或者给出一些建议，虽然我很乐意交流，但是确实打心底里害怕误人子弟，而且自身水平也有限，所以一般都会加上一句”这只是我的个人看法，仅供参考。其实我在第一篇帖子里就讲了，我写这个东西，一方面是给需要的人一些可能的建议，另一方面也是对自我学习的总结与回顾，所以后续几篇帖子，我打算分几次总结和分享我学习交通需求预测的”四阶段法“的心得和总结，同时，最近也在学习TransCAD，所以也会结合软件进行总结，希望这篇帖子能够给需要的人一些帮助，当然了，如果有大神能够指出不足和缺点，我也是万分感谢。

“四阶段法”也叫“四步骤法”或者“四步骤模型”，不管名字怎么叫，内容都是差不多的。四步骤模型是用于交通需求预测的常用方法和模型。交通需求预测是交通规划的重要环节和组成部分，通俗而言，交通需求预测通过建立相关模型，利用交通调查（主要是居民出行调查）所得到的数据进行分析，对模型进行参数估计和校核，然后利用规划年的相关预测数据对规划年的交通出行产生量、吸引量及其在各交通小区之间的分布进行预测。在此基础上，对交通出行的所采用的交通方式进行预测和划分，得到各种交通出行方式的出行量。最后，通过相关模型和方法将规划年的交通出行量分配到相应的路网上，得到路网和路段未来的交通流量等信息，从而为未来的交通规划目标的制定提供依据。

因此，四步骤模型的具体内容基本也就出来了，即交通生成，交通分布，方式划分和交通分配。由于篇幅限制，本篇文章主要介绍四阶段法的前两阶段，即交通生成和交通分布预测，同时结合TransCad介绍相关的软件操作。

交通生成预测

交通生成预测也成为交通的发生和吸引预测，是交通需求分析工作中最基本的组成部分，同时影响后续预测过程的精度。在有的教材中，交通生成预测又被细分成了两部分，首先是交通需求总量预测，即得到一个交通大区域内的交通生成总量，即先得到各个交通小区的交通产生量的和或者吸引量的和，在此基础上再进行各个交通小区的出行产生量与吸引量。我个人人喂前一个步骤可以省略，直接对每个交通小区的出行产生量与吸引量进行预测即可，其实，在TransCAD软件中也是这样做的，在此基础上再进行产生总量与吸引总量的平很。

1.出行产生量预测

出行产生量预测的目标是按照出行目的估计每个交通小区产生的，或者说从该交通小区处发的出行总数。出行产生预测是建立出行数量或频率与出行者、交通小区以及交通网络特性（一般考虑较少）之间的练习。主要的方法有以下几种：

（1）交叉分类法

交叉分类法是将交通小区按照某些社会经济特征分成相对均匀的类别，然后通过经验或者相关研究得到每一类别的家庭的各类出行目的的平均出行量，从而产生一个用于预测出行产生量的查询表。在此基础上，根据每一个交通小区所属的类别，用对应的出行目的的平均出行量乘以该类家庭数量得到该交通小区该类家庭该类出行目的的出行量，即交通产生量。

上图即为TransCAD中利用交叉分类法进行交通产生预测的出行率查询表。在该表中，前面三列为交通小区中家庭的分类标准，该表中的分类标准是家庭的平均车辆拥有数、家庭平均人数和家庭收入。每个分类所包括的值为该分类参数的上限，下限则是列中下一个最小值。表的后面两列为对应分类条件下的两类出行目的的出行率，分别为基于家庭的工作出行和基于家庭的非工作出行。在TC中利用交叉分类法进行交通产生预测时，至少需要打开两张数据表，第一张是上图所示的交通出行率表，另一张就是基于交通小区的数据表（TC的基础操作在本贴中不做详细描述），该表中必须包含够成分类的所有字段或者特征。比如本例中，交通小区数据表中必须包含家庭拥有的车辆数，家庭人口数和家庭收入三个分类特征。下图所示的交通小区数据表就可以用上图所示的出行率表。

在TC界面，依次点击Planning-Trip Production-Cross-Classification, 得到如下图所示的界面。在该界面中，Zone Data为包含交通小区的数据的数据库或数据表，在Records中选择要进行出行产生预测的交通小区选择集，默认为所有小区。Zone or Subzone Side(s)表示区域大小的字段，也就是用来跟对应的出行率相乘的字段，常用的有家庭数。在Trip Rate Table中选择要使用的出行率表，然后，在表中定义的出行目的就会自动显示在出行目的（Trip Purposes）滚动列表中，分类参数会自动显示在匹配字段（Match Fields）外框中。在Trip Purpose中选择要进行出行产生预测的出行目的。在Urban Area Population中输入城镇人口数，注意是以1000为单位。最后，TC还需要用到分类字段的平均数据，在本例中即为家庭的平均人口数，平均拥有车辆数和平均收入，这些特征也应该事先存储在交通小区数据表中，并在下拉菜单中选择相应的字段。参数设置完成后，点击OK即可得到利用交叉分类法生成的交通小区的出行产生量。

（2）回归方法

回归方法可以在出行数目和个人、地区及交通网络特性之间建立统计关系。

常使用的回归方法有两类。第一类使用交通小区水平上的集计数据，用小区中每户出行的平均数作为因变量、用平均小区特征作为自变量；第二类使用家庭或个人水平上的离散数据，用家庭或个人产生的出行数作为因变量、用家庭或个人特征作为自变量。

当然，最好的情况是可以获得研究区域的有关数据，包括相关自变量（如社会经济因素 和通达性因素）和不同出行目的的出行次数数据。在这种情况下，就可以建立适用于当前研究小区的回归模型。

利用回归方法进行出行产生预测大体上可以分为两步。第一步，利用通过居民出行调查所得到的居民出行数据和家庭特征等自变量数据，通过参数估计得到相应的回归模型；第二步，将估计好的回归模型应用于规划年的数据中，即以规划年的家庭特征等数据作为自变量，利用模型得到规划年的交通出行量。

在利用TC进行模型的估计是，首先要打开用于模型估计的数据表，一般是交通小区数据表，数据表中包含了各个交通小区的相关特征以及现状出行量。然后依次点击Statistics-Model Estimation显示模型估计对话框，如下图所示。在Method中选择Regression，在Usiing中选择用于模型估计的交通小区选择集，默认为使用所有交通小区数据。在Dependent和Independent选项卡中分别选择因变量（各种出行目的的出行量）和自变量（各种家庭特征变量）。点击OK即可对模型进行参数估计并保存模型文件。

模型估计好之后就可以拿来用了，首先打开要用于交通产生估计的数据表，依次点击Planning-Trip Production-Apply a Model从而打开模型选择对话框，如下图所示。

在Apply to下拉列表中选择要应用模型的数据表，在Results in下拉列表中选择保存预测结果的字段，在Using下拉列表中选择数据表中要应用模型的具体小区选择集，默认为所有小区。在Model File中点击选择之前估计好的回归模型的路径，表示要将该模型应用的相关数据上。在Independent Variable中选择数据表中表示相应自变量的字段，同时可以在Settings中对自变量的参数进行修改，点击回归（Regression）单选框，点击OK，TransCAD 进行预测，并将预测值填入（Results in中所选择的）字段。至此，利用回归方法完成对交通小区出行生成的预测。

（3）离散选择方法

由于用户选择的是出行与否，所以可使用诸如二元 logit 的离散选择模型来预测出行产生量。如果用二元 logit模型，出行（相对于不出行）的概率可表示为（公式太难敲了，直接截图了）：

通过估计参数了解自变量如何影响个人出行发生的概率。另外，还可综合离散的概率数据，以获得进行这类出行的人口百分比率，从而得到一个交通小区的总出行量。在TC中用离散选择模型进行出行产生预测的大致步骤与回归方法类似，即首先进行模型的估计，再将估计好的模型应用与未来的预测数据中得到预测结果。至于说在TC中的具体操作，也只不过是将勾选Regression变成了勾选Binary Logit。

Binary Logit模型预测的结果是每个人出行的概率，要得到交通小区的出行产生量，还需要将每个人的出行概率进行集计，从而得到交通小区的平均出行概率，并进一步得到出行产生量。

2.出行吸引量预测

出行吸引的目的，是预测吸引到每一区域或特定用途之地块的交通出行流量。预测出行吸引量的方法与预测出行发生量的方法非常类似。出行产生预测中描述的所有方法，也可以用来预测出行吸引量。

在很多方面，估计出行吸引量与估计出行发生量类似，因为它们的问题是相同 的：通过将出行个体的性质、区域和交通网络与出行吸引量的数目或频率关联起来， 进而预测出行的数目和频率。因此在出行发生量一章中的交叉分类、回归和离散选择 等方法，也可以用于预测吸引到某个区域内的出行数量。

在出行预测模型中，出行估计通常是在交通小区人口统计数据的基础上进行的。但对于吸引流量模型，那些基于土地使用的变量具有更强的解释功能，例如办公室和零售商店或区域各种劳动力就业数量。与出行产生模型一样，出行吸引模型也几乎很少使用交通网络的特性，这意味模型不能直接反映由交通网络可达性的改变而对出行吸引量的影响。然而模型中通常包括诸如 CBD 0/1虚拟变量或与 CBD的距离等在内的一些间接变量。由于具体的方法与出行产生预测十分相似，故在此不再赘述。TC中出行吸引的入口为：Planning-Trip Attraction。

3.出行平衡

在出行产生过程中，出行产生量和吸引量分别采用不同的模型预测得到，这必然会导致一个地区的出行产生量和吸引量有差别。为了确保所得出行结果的一致性，我 们使用出行平衡方法来保证出行吸引量和产生量相等。

在TransCad中进行出行平衡十分方便。当然，首先还是要将需要用到的数据表打开，主要是交通小区数据表，在这张表中，通过前面的交通产生和交通吸引预测，已经得到了规划年哥哥交通小区各出行目的的交通产生量和吸引量。而这一步的目的就是让各出行目的的交通产生量和吸引量平衡。在TC中进行出行平衡的方法主要有四种：（1）保持出行产生量不变，通过调整出行吸引量来与之相等；（2）保持出行吸引量不变，通过调整出行产生量来与之相等；（3）对出行产生量和吸引量都进行调整，使他们的加权和等于用户指定的加权后的出行产生量和吸引量；（4）调整出行产生量和吸引量，使它们各自的总和等于用户规定值。

在准备好相关数据表后，点击Planning-Balance打开对话框，从Dataview下拉列表中选择要进行出行平衡的数据表，在Records选择要进行出行平衡的交通小区选择集，默认选择全部；然后在下面的框中分别选择数据表中用来表示不同出行目的的各交通小区出行产生量和吸引量的字段，单击Add按钮可以增加一条记录，集增加一种出行目的的出行产生量和吸引量。在Method下拉列表中可以为每一种出行目的的出行产生量和吸引量选择上述的四种平衡方法中的一种，并根据选择的具体方法对相关的参数进行设置，比如设置产生量与吸引量的总和值，设置出行产生量和吸引量的相加权重以及加权综合等。相关参数设置完成后，即可点击OK得到出行平衡结果。

到此为止，四阶段法的第一阶段，交通生成预测全部结束。

需要说明的是，本篇文章的内容是我在学习完交通生成预测的相关基础知识和TC软件的交通需求预测手册的基础上进行的总结，文中的图片都是从手册中截的图。当然，手册中还有很多更细节的内容我在这篇文章中省略了，如果大家有兴趣，或者想要学习TC软件但是没有资料的话都可以联系我，我这里有TransCAD软件的用户手册和交通需求预测手册。当然，如果大家想通过视频学习的话，也可以在评论当中告诉我，要是人数比较多的话，我看能不能录一个TransCAD入门系列教程，因为我看了一下网上好像没有比较系统的教程。

好了，本篇文章写到这就差不多了，下一篇文章继续讲四阶段法的第二阶段，交通分布预测。各位看官如果有什么好的意见或者建议，或者对内容有什么样的期待都可以在评论区留言告诉我，希望大家都能Good Good Study，Day Day Up。