交通规划方案专业课程设计方案报告小城市交通规划方案设计x
时间:2020-11-23 00:53:37 来源:勤学考试网 本文已影响 人
<交通运输系统计划>课程设计汇报
学生姓名:____***____
学 号:____*** ___
指导老师:____***____
吉林大学交通学院
20XX.09.0220XX.09.15
目录
TOC \o "1-3" \h \z \u 第一章 绪论 1
1.1 设计目的与任务 1
1.2 设计内容 1
1.3 设计方法 1
第二章 交通发生量与吸引量的预测 2
2.1 交通发生量的预测 2
2.1.1 多元线性回归方程的建立 2
2.1.2 规划年各小区交通发生量的预测 5
2.2 交通吸引量的预测 5
2.2.1 初步预测 5
2.2.2 调整计算 6
第三章 交通分布预测 6
3.1 重力模型的标定 6
3.2 交通分布量预测 8
第四章 交通分配 11
4.1 交通量的转换 11
4.2 交通分配 11
第五章 结果分析 13
5.1 各小区土地利用的变化情况 13
5.2 结果分析 15
结语 16
附录:福莱特法源程序代码 17
第一章 绪论
设计目标和任务
交通运输计划课程设计是交通工程专业教学计划中实践教学关键组成部分,是落实理论联络实际、培养高素质人才关键实践步骤:
1.设计题目:《小城市交通计划设计》。
2.目标:经过交通计划设计工作,培养学生理论联络实际、实事求是良好作风,并深入明确本专业学习宗旨和任务,增强学生完整交通计划设计概念及强化计划意识。
3.任务:经过对现有路网进行分析划出交通影响区和关键节点,并在未来估计年经济、社会发展估计基础上,采取四阶段法进行对应交通计划设计,使学生掌握交通计划大致步骤、基础技术方法和未来发展趋势。
设计内容
1.交通现实状况分析
关键对现有道路网络、交通影响区及关键节点进行分析。
2. 计划区域道路交通量估计
1) 建立小区交通发生、吸引模型;
2) 完成交通发生、吸引量估计。
3. 交通分布
选择适宜交通分布模型,完成计划区内估计年份交通分布,给出OD矩阵。
4. 交通分配
选择适宜交通分配方法,完成计划区内估计年份交通分配工作,为对应道路设计提供依据。
5. 对估计结果进行分析
设计方法
1.交通量估计
(1)交通发生量估计
利用现实状况各交通分区人口数据和调查现实状况出行生成量进行分析,得出交通发生量估计模型(如多元线性回归模型,自变量自选,但最少包含人口原因)。
(2)交通吸引量估计
依据现实状况调查不一样出行目标百分比和影响出行各类土地面积,得到不一样土地利用类型出行吸引率(数据已给出),从而得到计划年各交通分区交通吸引量。
(3)交通分布估计
在交通分布阶段,能够采取任何一个模型进行交通分布估计,要求给出充足选择依据。推荐采取重力模型结合佛尼斯法或福来特法进行交通分布估计。
(4)交通分配估计(选做)
选择适宜交通分配模型,通常能够采取全有全无法进行交通分配估计。(因为没有具体路网,选做这部分内容同学需要先构建适宜路网)
第二章 交通发生量和吸引量估计
2.1 交通发生量估计
2.1.1 多元线性回归方程建立
对各小区现实状况交通发生量进行回归分析,得表2.1。则各小区交通发生量和土地利用、人口情况线性回归方程为:
(2-1)
其中,y表示各小区总交通发生量,——分别表示居民用地、工业仓储、商业设施用地、政府团体用地、旅游体育用地公顷数和人口总数。
经过表2.1能够看出,调整后多重判定系数(Adjusted R Square)=098.686461%,表示在用样本量和模型中自变量个数进行调整后,在交通发生量取值变差中,能被土地利用和人口情况多元线性回归方程所解释百分比为98.686461%。在给定显著性水平时,Significance F值(即P值)为0.,大于0.05,所以交通发生量和土地利用和人口情况之间整体线性关系不显著,六个回归系数各自对应P值也均未经过检验。下面对六个变量之间多重共线性进行判别。相关关系矩阵如表2.2所表示。各相关系数检验统计量如表2.3所表示,能够看出,全部检验统计量均大于临界值,说明这六个自变量之间两两全部有显著相关关系,即在回归模型中六个自变量之间存在多重共线性问题,下面采取向前选择法进行变量选择和逐步回归。
对6各自变量分别拟合对因变量一元线性回归模型,其中F统计量最高是交通发生量和人口一元线性回归模型(表2.4),于是将人口首先引入模型。然后在该模型中增加一个自变量,进行二元线性回归,其中交通发生量和人口和政府团体用地组成二元线性回归模型F统计量最高(表2.5),所以将政府团体用地引入模型。同理,再增加一个自变量进行三元线性回归,即使增加工业仓储三元线性回归模型中F统计量值最大(表2.6),但此模型中工业仓储P值为0.>,未经过检验,说明增加一个自变量对交通生成量作用已经不大,且增加自变量不能造成SSE显著增加,运算过程终止。则最终确定自变量为人口和政府团体用地,二元线性回归方程为:
(2-2)
表2.1 多元线性回归结果
表2.2 相关系数矩阵
表2.3 各相关系数检验统计量
表2.4 人口和交通发生量一元线性回归分析
表2.5 政府团体用地和人口和交通发生量二元线性回归分析
表2.6 工业仓储、政府团体用地和人口和交通发生量三元线性回归分析
2.1.2 计划年各小区交通发生量估计
利用式2-2 对计划年个小区交通发生量进行估计,结果如表2.7所表示。
表2.7 各小区计划年交通发生量估计值(次/日)
小区编号
政府团体用地
人口
计划年交通发生量
1
5.5583
38416
108113
2
28.8677
28510
127422
3
21.9887
51334
167794
4
2.1793
45400
118158
5
3.3616
35600
97613
6
0
23400
63278
7
0
10000
32256
8
4.6012
65345
168720
2.2 交通吸引量估计
2.2.1 初步估计
利用土地类型出行吸引率和土地面积数进行各小区吸引交通量初步估计,结果如表2.8所表示。
表2.8 各小区计划年交通吸引量估计值(次/日)
因为表2.7和表2.8中全部小区交通发生量总和和吸引量总和不相等,即
所以需要对估计值进行调整。
2.2.2 调整计算
通常认为出行发生总量可靠些,用调整系数法对交通吸引量进行调整,调整系数计算公式为式2-3,各小区调整后交通吸引量计算公式为式2-4。调整后交通吸引量如表2.9所表示。
(2-3)
(2-4)
表2.9 调整后交通发生量和吸引量(次/日)
第三章 交通分布估计
3.1 重力模型标定
采取无约束重力模型:
(3-1)
两边取对数得:
(3-2)
式中:,,——已知常数;
,,——待标定参数。
令,则式(3-2)转换为:
(3-3)
此方程为二元线性回归方程,为待标定系数,样本数据如表3.1所表示。其中为两小区间距离。
表3.1 样本数据
续表3.1 样本数据
采取最小二乘法对64个样本数据进行标定,得出,
剪标3.2。则取得二元线性回归方程为。
表3.2 二元线性回归统计表
经过可得,即标定无约束重力模型为:
(3-4)
3.2 交通分布量估计
利用式(3-4)求解分布交通量,结果如表3.3所表示。重新计算增加率和,计算公式为:
(3-5)
其中m=1,2,3……,取值即为表2.9中。计算结果如表3.4所表示。
表3.3 第一次计算得到OD表
表3.4 第一次计算增加率
设定收敛标准为,经过表3.4能够看出表3.3不满足出行分布约束条件,所以需要继续迭代,此处采取福莱特法进行迭代计算。计算过程采取C语言编程(源程序见附录),输出结果图3.1-3.3。
图3.1 第一次迭代计算后OD和增加率
图3.2 第二次迭代计算后OD和增加率
图3.3 第三次迭代计算后OD和增加率
经过无约束重力模型和福莱特法,最终估计出分布交通量见表3.5。
表3.5 各小区估计年份OD表(次/日)
第四章 交通分配
4.1 交通量转换
将以出行者个人为单位OD数据换算为标准小客车小时交通量OD数据,假定每辆车平均载客2人。结果如表4.1所表示。
表4.1 各小区交通发生量和吸引量(pcu/h)
4.2 交通分配
采取TransCAD进行交通分配,自定义路网结构图4.1,各小区发生和吸引交通量采取表4.1中当量交通量,图4.2。采取重力模型进行交通分布,其中各小区间摩擦因数采取公式(4-1)进行计算,结果图4.3所表示。
(4-1)
其中:——i小区和j小区之间摩擦因数;
——i小区人口数,j小区人口数;
——i小区和j小区之间距离。
图4.1 路网结构及小区划分
图4.2 各小区基础参数
图4.3 各小区间摩擦因数
利用重力模型进行交通分布结果图4.4所表示。
图4.4 交通分布表
假设全部交通量全部为小客车交通量,直接进行交通分配,分配结果图4.5所表示。
图4.5 交通流量图
第五章 结果分析
5.1 各小区土地利用改变情况
交通和土地利用互为因果关系,交通设施建设拉动沿线土地利用,相反,土地利用改变带来大家出行活动改变,从而诱发交通生成,促进交通设施建设。图采取柱状图进行分析,结果图5.2所表示。联合图5.1和图5.2进行分析,不难看出,各小区居民用地增加后,交通发生量全部对应增加。
图5.1 各小区土地利用改变情况
图5.2 各小区生于吸引量对比图
5.2 结果分析
小区1:因为居民用地增加,居民出行所提出交通需求就会对应增加,即发生交通量会显著增加。由图5.2显示,小区1吸引量交通并没有增加很大值,原因一可能是因为政府团体用地降低,使得来小区1处理政治事物人降低,造成交通吸引量降低;原因二可能是因为增加居民用地占用了其它性质土地,而工业仓储、商业设施用地、政府团体用地等正是产生交通吸引关键原因。
小区2:该小区交通发生量和吸引量增加较为平稳,可见居民用地和政府团体用地增加直接造成了交通发生量和吸引量增加;因为商业设施用地面积比重较小,其降低许并没有对交通吸引量增加产生显著影响。
小区3:同小区1一样,人口显著增加造成小区3居民用地对应增加,且除了商业设施用地和旅游用地有所降低以外,政府团体用地和工业仓储用地均增加,所以交通发生量和吸引量全部显著增加,且在全部小区中值最大。
小区4:由小区4土地利用情况来看,能够推测该小区关键是居民区,所以交通吸引量会比较少。由图5.2能够看出,估计年交通发生量有所上涨,不过交通吸引量上涨幅度很大。造成该估计结果原因可能是在发生量交通估计时,只采取人口和政府团体用地两原因进行二元线性回归,没有使用其它土地利用情况,而该小区估计年份政府团体用地显著降低,可能造成估计年份交通发生量偏小。
小区5:该小区可能是工业区和居民区,因为该小区人口只有略微增加,土地利用情况无显著改变,故估计前后小区发生量和吸引量无相对稳定,且发生交通量和吸引交通量全部相对较小。
小区6:该小区居民用地增加可能造成交通吸引量降低,工业仓储用地降低可能造成前来该小区运货送货次数显著降低,成为其交通吸引量快速降低最关键原因。
小区7:由图5.1看出,在估计年份该小区变为纯工业区,交通发生量应该增加,而吸引量应该降低,这和图5.2中结果不太一致。分析原因可能和交通发生量和吸引量估计模型建立相关。也可能是因为降低居民用地发生交通量要比增加工业仓储用地发生交通量大,造成整体交通发生量降低。
小区8:该小区估计前后全部属性土地面积全部对应降低,但人口数量增加,顾交通发生量和吸引量将对应增加。
结语
经过此次交通运输系统计划课程设计,我受益匪浅。
首先,此次课程设计使我对交通运输系统计划书本知识进行系统而全方面地复习。为了能愈加好地完成此次课程设计,又对上课时没有讲过知识进行了自学。其次,此次设计覆盖了交通计划四步骤:交通发生和吸引、交通分布、方法划分和交通分配,在进行小城市交通计划时,将所学知识和实践进行很好地结合,增强了自己把理论应用于实践能力。再次,在进行交通分布估计时,对福莱特法进行了C语言编程,增强了自己编程能力。最终,对交通计划软件TransCAD进行了系统学习和应用,掌握了应用TransCAD进行交通计划四步骤操作方法。
总而言之,此次课程设计既加深了自己对专业知识了解,又提升了自己对办公软件和专业软件操作能力。
附录:福莱特法源程序代码
#include<stdio.h>
#include<math.h>
int main()
{
double qij[8][8]={{3414.45,3984.11,5045.69,110.359,1135.33,1833.89,537.32,893.20},
{3694.32,682.98,5826.878,126.058,1292.01,20.63,599.10,1001.17},
{3732.31,4648.25,6322.41,133.73,1337.28,2077.89,616.08,1030.34},
{5305.86,6536.02,8692.20,203.71,1917.90,2971.97,883.54,1473.61},
{5407.46,6636.42,8610.65,189.99,2084.26,3056.48,895.74,1481.83},
{6620.04,7905.25,10140.36,223.13,2316.53,3939.74,1095.20,1790.06},
{6961.14,8370.32,10790.18,238.07,2436.45,3930.56,1278.25,1950.38},
{9513.86,11500.46,14836.61,326.45,3313.86,5281.87,1603.54,2844.70}};
double Oi[8]={16954.33,19253.12,19898.28,27984.80,28362.82,34030.31,35955.35,49221.37},
Dj[8]={44649.44,54263.81,70.97,1551.49,16.61,25123.02,7508.76,12465.29};
int Ui[8]={108113,127422,167794,118158,97613,63278,32256,168720},
Vj[8]={133717,203971,283202,41640,63069,10986,27947,118822}; //定义初始OD表及计划年各小区交通发生量和吸引量
int i,j,times=0;
double f[8][8],Li[8],Lj[8],sum,Fi[8],Fj[8],E=0;
for(i=0,j=0;i<8&&j<8;i++,j++)//计算增加率并判定是否收敛
{
Fi[i]=Ui[i]/Oi[i];
Fj[j]=Vj[j]/Dj[j];
E=E>fabs(1-Fi[i])?E:fabs(1-Fi[i]);
E=E>fabs(1-Fj[j])?E:fabs(1-Fj[j]);
}
printf("收敛系数为E=%7.5f\n",E);
for(;E>0.01;)//循环迭代
{
printf("第%d次计算OD表不满足出行分布约束条件,需要继续进行迭代计算。\n",times);
times+=1;
for(i=0;i<8;i++)//计算i小区位置系数
{
sum=0;
for(j=0;j<8;j++)
{sum+=qij[i][j]*Fj[j];}
Li[i]=Oi[i]/sum;
}
for(j=0;j<8;j++)//计算j小区位置系数
{
sum=0;
for(i=0;i<8;i++)
{sum+=qij[i][j]*Fi[i];}
Lj[j]=Dj[j]/sum;
}
printf("采取福莱特法第%d次迭代计算得到OD表以下:\n",times);
for(i=0;i<8;i++)//计算新qij和Oi值
{
sum=0;
for(j=0;j<8;j++)
{
f[i][j]=Fi[i]*Fj[j]*(Li[i]+Lj[j])/2;//计算增加系数
qij[i][j]=qij[i][j]*f[i][j];sum+=qij[i][j];//计算新qij值
printf("%10.3f",qij[i][j]);
}
printf("\n");
Oi[i]=sum;
}
for(j=0;j<8;j++)//计算新Dj值
{
sum=0;
for(i=0;i<8;i++)
{sum+=qij[i][j];}
Dj[j]=sum;
}
E=0;
for(i=0,j=0;i<8&&j<8;i++,j++)//重新计算增加率,并判定是否收敛
{
Fi[i]=Ui[i]/Oi[i];
Fj[j]=Vj[j]/Dj[j];
E=E>fabs(1-Fi[i])?E:fabs(1-Fi[i]);
E=E>fabs(1-Fj[j])?E:fabs(1-Fj[j]);
}
printf("增加率为:\n");//输出增加率
printf("Fi[i]: ");
for(i=0;i<8;i++)
{
printf("%10.5f",Fi[i]);
}
printf("\nFj[j]: ");
for(j=0;j<8;j++)
{
printf("%10.5f",Fj[j]);
}
printf("\n收敛系数为E=%7.5f\n",E);
}
printf("第%d次迭代后满足设定收敛条件E<1%%,停止迭代。\n第%d次迭代计算后OD表就为最终估计OD表。",times,times);
return 0;
}