旅行需求预测（分析）
旅行需求预测涉及以下因素：
一种。旅行生成
行程生成模型努力预测区域生成的旅行数量。这些模型尝试在数学上描述顺序需求分析程序的决定 - 旅行阶段，因此有助于旅行需求预测。这里可以提到，通常，术语术语一代用于均衡行程生产 - 通常是由家庭制成的旅行和旅行吸引力 - 对特定城市位置或活动进行的旅行。然而，有人认为，旅行景点的分析不应在旅行生成模型的范围内，这试图量化人口的冲动或旅行倾向。相反，旅行景点是旅行行为的目的地选择阶段的结果。在保持这种情况下，本节讨论了主要在旅行制作背景下的旅行生成。假设旅行景点是目的地选择阶段的结果，并在旅行分布模型的一节中讨论。
基本上有两种不同的跳闸生成模型结构结构 - 交叉分类模型和回归模型。然而，这两个模型结构都包含影响区域的行程的相同基本因素;该模型只有不同的对这些因素的表征。
影响区域行程的因素（适用于任何特定的旅行目的）是：
- 该区域的潜在旅行制造商的数量;这可以被住宅密度，平均家庭入住，年龄分布等的变量捕获。
- 潜在的旅行制造商的倾向进行旅行;这与汽车所有权，公共交通的可访问性等有关。例如，拥有汽车的人比不拥有汽车的人提供更多非工作旅行。
- 特定旅行用途满意度的区域可访问潜在目的地;像潜在目的地的距离一样的变量可以捕获这个因素。例如，靠近各种娱乐设施的人可能比生活在附近娱乐设施的地区的人员更多的娱乐旅行。
湾旅行分布
旅行需求预测需要确定行程分布模式。行程分布模型努力预测将在特定跳闸目的的一对区域之间进行的跳频。这些模型尝试数学地描述了顺序需求分析程序的目的地选择阶段。有各种各样的旅行分布模型。但是，大多数模型都包含相同的基本因素，这些因素影响起源区和目标区域之间的跳频数。这些模型在它们对这些因素的表征中的表征和这些因素被认为影响行程分布的方式。
影响两个区域之间的旅行数量的因素（适用于任何特定的旅行目的）是：
- 原点区域产生的旅行数量。
- 目的地区的原位属性吸引旅行制造商的程度。增强重要性的属性随着跳闸目的而变化。例如，如果一个是建模吸引到区域的购物行程的数量，那么假设重要性的区域的类型将是总购物楼面积，零售店数量等等，另一方面，如果一个是建模吸引到区域的工作行程然后是假设重要性的区域的类型将是办公室的数量，办公室的类型等。
- 抑制一对区域之间行驶的因素。这些因素可以是，旅行时间，旅行距离，旅行成本等。
这里提出了四种不同的模型。这些是：
- 重力模型
- 干预机会模型
- 选择模型，和
- 熵模型。
C。模式选择
在本节上，我们研究了某种旅行可用的不同模式以及哪些因素影响特定旅行的模式选择。
天。路线选择/流量分配
分配给指定运输系统的给定行程交换一组的过程通常被称为交通分配。交通分配过程的基本目的是在运输系统上繁殖，当满足被分配的跳闸矩阵或矩阵所代表的旅行需求时，将观察到的车辆运动模式。交通分配程序的主要目标是：
- 估计网络链接上的流量并获得聚合网络措施。
- 估计间间旅行成本。
- 分析每个来源的旅行模式到目的地（O-D）对。
- 识别拥塞链接并收集有用的交通数据，用于设计未来的连接。
交通分配是交通需求建模的最后阶段。有不同类型的流量分配模型。全无或多个，用户平衡和系统最佳分配模型是常用的模型。全无或多种模型是一个不切实际的模型，因为仅使用了每个O-D对之间的一条路径，并且只有在网络最不拥塞时才可以提供令人满意的结果。用户均衡任务基于Wardrop的第一个原理，其条件基于某些假设。Wardrop的第二个原则是通过系统最佳方法使用的，并且它试图通过向驾驶员提供关于要选择的各个路线的司机来最小化拥塞。
