所谓发生、吸引交通量是指研究对象地区内由各个交通小区发生、吸引的交通量。通常把研究对象区域全体的交通总量叫做交通生成量，把研究对象区域内各个交通小区的交通发生量（trip generation）和交通吸引量（trip attraction）称为交通的发生与吸引。这就是四阶段法的第一阶段。 2.2.1 影响交通量产生的因素

影响交通量产生的因素根据不同的分类主要有以下10种。 （1） 土地利用。

（2） 家庭规模和家庭成员的构成。 （3） 年龄和性别。 （4） 汽车保有率。 （5） 自由时间。 （6） 职业和工种。 （7） 外出率。 （8） 企业规模、性质。 （9） 家庭收入。

（10） 其他，包括天气、工作日、休息日和季节等影响因素。 2.2.2 生成交通量的预测

生成交通总量的预测方法主要有增长率法、原单位法和函数法。除这三种方法之外，还有利用研究地区过去的交通量或经济指标的趋势法及函数法等。根据需要预测的精度、预测方法的合理性等要求，很多研究文献建议采用原单位法来进行生成交通总量的预测。

这里主要介绍原单位法，生成交通总量的原单位法是将每人或每户平均产生的交通量作为原单位，整个研究对象地区的总生成交通量既是此原单位与总人口数或总户数相乘而得到的结果。

到底是采用每人还是每户作为原单位呢？在日本，尽管有些人认为以户为原单位可以更合理地考虑不工作的家庭主妇的购物出行等，但是绝大多数情况下，用以个人为原单位的原单位法更好，尤其是用在将来的原单位的预测上它有更大的优点。而在美国，则多采用以户为原单位。

根据中国的社会结构形式与组成情况，个人的交通行为不像美国那样受家庭约束，多是按照个人的意志决定进行的，故以个人平均出行数作为生成原单位为宜。为反映所在区域的差别，以考虑所在区域特性为宜。也就是说

X???m?? （2.2.2.1） ??asNsm?s?m式中，X为研究对象地区的生成交通量；as为属性为s、目的为m的生成原单

5 / 24

位；Ns为属性为s的人口数。 2.2.3 发生、吸引交通量的预测

对不同区域的发生、吸引交通量进行预测时，要考虑到交通发生源的空间布局关系，从而按照区域进行预测。其预测方法与生成交通总量的预测方法基本一样，大致可以分为增长率法、原单位法、函数法3类。

（1）增长率法

把现在的不同分区的发生、吸引交通量Ti与到预测时点的增长率Fi相乘，从而求得各个分区的发生、吸引交通量Ti，即

T?FT （2.2.3.1）它的关键问题是如何确定F。通常可以用各个分区活动的指标的增长率作

iiii''为发生、吸引交通量的增长率。例如

i式中，?i、?分别是人口增加率、每人平均拥有小汽车数的增长率，即

F???iii （2.2.3.2）

?i?目标年度区域i的预测人口

基准年度区域i的人口目标年度区域i的每人平均拥有小汽车预测台数

基准年度区域i的每人平均拥有小汽车台数?i?（2）原单位法

其方法与2.2.2中介绍的生成原单位法完全一样。原单位的确定原则通常有：用居住人口或就业人口每人平均的交通发生量来进行推算的个人原单位法；以不同用途的土地面积或工作面积内，单位面积发生的平均交通量来预测的面积原单位法等。

（3）函数模型法

这种方法是预测交通分区的发生、吸引交通量最常用的方法。由于绝大部分研究都采用多元回归分析模型，故有时也直接称为多元回归分析法（regression analysis）。

函数模型法多采用以下3种模型作为模型公式：

T?a??aXi0kkik （2.2.3.3）

T?a?aXi0kki0kkik （2.2.3.4）

ikT?aexp?aX （2.2.3.5）

一般来说，这里的Xik是表示交通分区的活动的人口指标，如常住人口、各行业的就业人口等。Ti表示小区i发生或吸引交通量，a0、ak为待定系数。

6 / 24

2.2.4 有关发生交通量分析的新动向

最近几年有关分析交通量产生的新方法和新模型大多数基于出行链（trip chain）而进行分析的。所谓出行链是以某个基点（bsae，如自己的家）作为出发点，一直回到该基点或另一基点（如工作单位）时所形成的出行链，有时也称为环（cycle）或旅行（tour）。

第一代出行链研究绝大多数是利用马尔可夫链来进行的。不采用马尔可夫链而开辟新领域的研究者是美国麻省理工学院（MIT）的Adler和Ben-Akiva，其基本思路是对出行链进行分类，确定可选择集合，然后根据出行费用、活动效用、时间效益等计算各家庭的选择分肢的概率效用，通过对此效用最大化，找出具有最大化效用的分肢。 2.3 交通分布预测

在交通发生分析阶段，主要是预测各个交通小区的发生和吸引交通量。而在交通分布分析阶段，则要预测这些吸引、发生交通从哪里来，到哪里去，即推求出各个小区间的交通分布量。

交通分布中最基本的概念之一是OD表，O表示出发地（Origin），D表示目的地（Destination）。交通分布通常用一个二维矩阵表示。

分布交通量的预测方法，可以分为两大类。

（1）增长率法。此法假定要预测的OD交通量的分布形式和现在已有的OD表的分布形式相同，在此假定的基础上预测研究对象区域目标年的OD表。

（2）构造模型法。此法从分布交通量的实态分析中，剖析OD交通量的分布规律，并将此规律用数学模型来表现，然后用实测数据标定模型中的各个系数，最后根据所标定的模型预测分布交通量。构造模型法的模型，最主要且广泛使用的有重力模型（gravity model）和机会模型（intervening opportunity model）。特别是重力模型，有各种各样的修正模型和发展模型，目前对此模型的研究仍然非常广泛。除上述模型外，还有熵最大化模型、概率模型等其他模型。 2.3.1 增长率法

增长率法分为平均增长率法、Detroit法和F法等。 （1）平均增长系数法

f（2）Detroit法

?m，m??1?m?m? （2.3.1.1） ????平?FOiFDj?2?FOiFDj?m???F?T?FO，?f?FFOD?DX?mmmmDijij （2.3.1.2）

7 / 24

（3）Fratar法

f?Lj?Li?m，m??m?m?????? FFFFF?? （2.3.1.3）OiOiDj?Dj?2??Li?2.3.2 重力模型法

O?q?FDimmjijm，Lj?jD ?q?FOjmmiijim重力模型是模拟物理学中万有定律而开发出来的交通分布模型。此模型假定小区i、j之间的分布交通量tij与小区i的发生交通量和小区j的吸引交通量成正比，与两小区间的距离成反比，即

GA （2.3.2.1）

?R式中，G为小区i的发生交通量；A为小区j的吸引交通量；R为小区i、j

tij?Kijiji??jij之间的距离或一般化费用。 2.3.3 机会模型法

该模型是由Schneider提出的。基本思想是把从某一个小区发生的出行选择某一小区作为目的地的概率进行模型化，所以属于概率模型。除此之外，也有人把Tomazinis提出的机会模型和佐佐木及Wilson提出的熵最大化模型归类为概率模型。

此模型以下面3个基本假定为前提： （1）出行者总是希望自己的出行时间较短；

（2）出行者从某一小区出发，根据上述想法选择目的地小区时，按照合理的标准确定目的地小区的优先顺序；

（3）出行者选择某一小区作为目的地的概率与该小区的活动规模（潜能）成正比。

2.4 交通方式划分预测

让一个出行与一种交通方式相对应，一个地区的全部出行数中利用该种交通方式的人所占的比例叫做该交通方式的分担，或简称为方式分担（modal solit）。其中每个交通方式所分担的量叫做交通方式的分担交通量。

交通方式的分担交通量还可以从交通主体的立场来定义。利用者在考虑交通目的、交通方式的服务特性（包括容量）、地区特性的基础上选择交通方式，集计起来的选择结果叫交通方式分担交通量，而它在全交通量中所占的比例叫分担率（或称选择率）。

8 / 24