随着经济的发展,我国大中城市机动化水平不断提高,私人机动车保有量迅速攀升,北京市城市交通需求持续增长,而城市土地资源的供给日趋紧张,道路供需矛盾突出。单纯依靠扩展路网、加大道路建设力度已不能满足人们日益增长的出行需求。合理分配道路资源,提高道路资源利用率,是国内外各大中城市交通发展的普遍规律。 公共交通系统作为城市交通系统的主体,在世界各发达国家的城市交通中发挥着举足轻重的作用。轨道交通具有运输能力大、运营速度高、污染少的优点,是今后我国各大城市交通发展的重点。轨道交通客流预测是进行轨道交通投资决策的基础,也是确定轨道交通系统路网基本结构和规模的重要依据。然而,从整体上来看,我国的轨道交通需求预测的结果不尽如人意。其中,需求预测方法本身的问题令人瞩目。 针对传统预测方法存在的由于数据集计产生的问题,非集计模型是以出行者的效用为基础描述出行者行为的模型,以出行者个体为研究单位,减少了传统方法的集计预测误差,可以得到更为有效的需求预测结果。本论文的研究依托国家自然科学基金“基于非集计模型的城市轨道交通需求预测方法研究”,探讨适合于我国的轨道交通需求预测方法,研究工作以建立基于出行行为调查和分析的轨道交通客流预测模型为目标,结合非集计模型和四阶段预测的基本理论,以北京市实际调查数据为基础,主要研究了基于目的地魅力度的出行生成/分布联合模型、基于多项Logit模型和分层Logit模型的交通方式划分模型以及基于广义公交网络的轨道交通客流分配模型的建立和标定方法。 出行生成/分布预测是轨道交通客流需求预测的第一步,其目的是确定每一个OD对间的客流量。论文首先对出行者的目的地选择行为进行了分析,按照目的地是否可选将出行行为划分为固定出行和弹性出行,将对出行目的地选择有影响的变量划分为出行者特性、出行特性、交通服务水平、目的地特性,结合北京市调查数据初步统计分析和相关分析结果,得到对出行者目的地选择有影响的变量,并对各变量进行了合理分段。在此基础上,建立出行生成/分布联合模型。通过模型验证,证明本文所构建的模型能够很好地描述出行目的地选择行为,使出行生成和分布预测的精度显著提高。 交通方式划分的目的是确定各种交通方式的客流量。在调查过程中,根据出行行为是否发生将调查分为行为调查和意向调查。本文根据交通方式的特点和适用范围,基于问卷调查结果,以出行者自身效用最大化为目标,分别建立了基于行为数据和意向数据的交通方式选择ML模型。为了提高预测准确性,按照交通方式的服务对象不同将交通方式划分为公共交通和私人交通两大类,建立了基于NL模型的交通方式划分模型。通过比较发现NL模型具有更高的精度。在客流分配阶段,通过调查分析,得到对轨道线路选择有影响的变量。提出轨道线路对于出行者的效用与出行者自身属性、出行特性以及轨道线路的服务水平有关,轨道线路的服务水平包括出行时间、费用、停靠车站数目、轨道线路周边商业完善程度、候车时间、排队购票时间、换乘步行距离等,并建立了轨道线路选择模型。根据轨道站点对于出行者的吸引力,给出轨道站点的吸引范围模型。在此基础上,以轨道交通为基准,按照与轨道交通方式是否构成竞争将交通方式划分为三类,即完全竞争类、非竞争类和合作竞争类。以合作竞争类各种方式为对象建立广义共交网络,以追求公交系统整体运营效率最优为目标,建立了联合方式划分/交通分配模型。 本论文充分利用现有的调查数据,采用非集计预测的基本思想,以效用最大化为目标,分析了出行者对于目的地、交通方式、出行线路的选择行为,分别建立了基于目的地魅力度的出行生成/分布联合模型、基于ML/NL模型的交通方式划分模型、基于广义共交网络的轨道交通客流分配模型。本文的研究为利用行为分析的手段建立预测模型提供了理论支持,为轨道交通规划、建设、布局、运营管理和站点内部设计、管理提供了依据。