交通运输系统规划课程设计0

《交通运输系统规划课程设计0》由会员分享，可在线阅读，更多相关《交通运输系统规划课程设计0（36页珍藏版）》请在装配图网上搜索。

1、第章人口预测经调查黑龙江省所得规划区域1980-1993年的历史数据如表11所示。 表11黑龙江省规划区域1980-1993年的历史数据附表1：黑龙江省历年人口、经济、客货运量情况表年份总人口/万人社会生产总值/亿元工农业总产值/亿元年客运量/万人年货运量/万吨19803318.80 718.90 594.34 10279.00 16250.00 19813354.30 753.87 606.31 10900.00 16700.00 19823393.10 806.94 642.79 11549.00 17170.00 19833396.20 876.33 705.97 12090.00 17

2、420.00 19843410.40 917.75 773.56 12630.00 18660.00 19853426.40 975.27 815.07 13330.00 19015.00 19863446.50 1060.03 888.71 14112.00 20321.00 19873479.00 1146.10 952.89 15026.00 21435.00 19883516.50 1239.32 1065.48 16146.00 22566.00 19893557.40 1337.45 1105.83 17277.00 23470.00 19903603.80 1403.32 117

3、7.79 18165.00 24383.00 19913625.70 1478.41 1224.50 18966.00 25414.00 19923723.20 1592.72 1305.11 20623.00 26470.00 19933755.00 1715.55 1376.55 21600.00 27893.00 表11黑龙江省规划区域1980-1993年的历史数据人口预测模型选择1线性模型图线性人口预测模型散点图与趋势线如上图可以看出，相关系数大于0.5，可以用线性模型进行预测。指数模型图指数人口预测模型散点图与趋势线如上图可以看出，相关系数大于0.5，可以用指数模型进行预测。 罗吉斯

4、曲线模型表罗吉斯人口预测模型罗吉斯曲线模型年份年次t总人口的环比（%）1980019811198222941983319844198551986619877347919888198991990101991111992121993133755表罗吉斯人口预测模型时间序列的倒数一阶差分的环比不近似于一常数，不能用罗吉斯曲线预测模型来预测。总结对线性曲线与指数曲线模型的相关性系数进行比较可得，指数曲线模型更准确。 应用指数模型进行人口预测过程指数模型r值的计算根据公式：（式）计算对应值，如表：表对应各年份值年份年次t总人口/万人r19800331981119822198331984419855198

5、66198771988819899199010199111199212199313计算平均值：用基年的人口数量来表示根据递推公式（）：（式）可得：第章经济预测社会生产总值预测社会生产总值预测模型确定原始数据如表所示表规划区社会生产总值历年数据年份社会生产总值/亿元19801981198219831984198519861987198819891990199119921993由原始数据做出散点图：图社会生产总值指数预测模型散点图与趋势线由图可知，相关系数大于0.5，可以使用指数平滑法进行预测。曲线的趋势比较陡，即时间序列具有明显的变动倾向，应选取较大的值，的取值范围为0.60.9.指数模型值的选

6、择对于社会生产总值指数模型中值的选择采用试算法。这是进行规划预测国际最常用的方法。计算各个对应的一次指数平滑值及均方差表=0.3对应的一次指数平滑值及均方差年份社会生产总值/亿元一次指数平滑差值差值平方均方差1980718.90 752.90 -34.00 1156.23 19799.68 1981753.87 753.19 0.68 0.46 1982806.94 769.32 37.62 1415.47 1983876.33 801.42 74.91 5611.34 1984917.75 836.32 81.43 6630.88 1985975.27 878.00 97.27 9460.5

7、1 19861060.03 932.61 127.42 16235.25 19871146.10 996.66 149.44 22332.71 19881239.32 1069.46 169.86 28853.41 19891337.45 1149.85 187.60 35191.90 19901403.32 1225.89 177.43 31479.82 19911478.41 1301.65 176.76 31244.41 19921592.72 1388.97 203.75 41513.90 19931715.55 1486.94 228.61 52260.58 表对应的一次指数平滑值及

8、均方差年份社会生产总值/亿元一次指数平滑差值差值平方均方差1980718.90 752.90 -34.00 1156.23 1120.38 1981753.87 753.58 0.29 0.08 1982806.94 790.93 16.01 256.26 1983876.33 850.71 25.62 656.35 1984917.75 897.64 20.11 404.49 1985975.27 951.98 23.29 542.40 19861060.03 1027.62 32.41 1050.72 19871146.10 1110.55 35.55 1263.48 19881239.3

9、2 1200.69 38.63 1492.25 19891337.45 1296.42 41.03 1683.29 19901403.32 1371.25 32.07 1028.44 19911478.41 1446.26 32.15 1033.48 19921592.72 1548.78 43.94 1930.49 19931715.55 1665.52 50.03 2503.02 结论比较各个取值的均方差可以看出，当=0.7时，均方差最小，因此，用平滑系数=0.7进行预测，结果比较准确。运用三次指数平滑法对2010年社会生产总值进行预测三次指数平滑法的计算公式St(3)=St(2)+(1-

10、)St-1(3)（2-1）式中：St(3)第t周期的三次指数平滑值； St(2)第t周期的二次指数平滑值； St-1(3)第t-1周期的三次指数平滑值； 平滑系数（）. 三次指数平滑建立的非线性预测模型为：Yt+T=at+btT+ctT2（2-2）式中：t目前的周期序号; Yt+T第t+T周期的预测值；T预测超前周期数。其中：at bt ct的计算公式为： at=3St(1)-3St(2)+St(3)bt=/2(1-)2(6-5)St(1)-2(5-4)St(2)+(4-3)St(3)ct=2/2(1-)2(St(1)-2St(2)+St(3)（2-3）计算结果如表所示表三次指数平滑预测根据（

11、式）（式）代入数值计算可得：工农业总产值预测工农业总产值预测模型确定表规划区工农业总产值历年数据年份工农业总产值/亿元19801981198219831984198519861987198819891990199119921993由规划区工农业总产值历年数据做出散点图如下图图工农业生产总值数据散点图及趋势线由图可知，相关系数大于0.5，可以使用指数平滑法进行预测。曲线的趋势比较陡，即时间序列具有明显的变动倾向，应选取较大的值，的取值范围为0.60.9.指数模型值的选择对于社会生产总值指数模型中值的选择采用试算法。这是进行规划预测国际最常用的方法。计算各个对应的一次指数平滑值及均方差表=0.3对

12、应的一次指数平滑值及均方差年份工农业总产值/亿元一次指数平滑差值差值平方均方差1980594.34 607.48 -13.14 172.66 13495.71 1981606.31 607.13 -0.82 0.67 1982642.79 3 24.96 623.14 1983705.97 644.27 61.70 3806.88 1984773.56 683.06 90.50 8190.78 1985815.07 722.66 92.41 8539.43 1986888.71 772.48 116.23 13510.42 1987952.89 826.60 126.29 15949.17 1

13、9881065.48 898.26 167.22 27961.20 19891105.83 960.53 145.30 21110.99 19901177.79 1025.71 152.08 23128.13 19911224.50 1085.35 139.15 19363.43 19921305.11 1151.28 153.83 23664.83 19931376.55 1218.86 157.69 24866.66 表对应的一次指数平滑值及均方差年份工农业总产值/亿元一次指数平滑差值差值平方均方差1980594.34 607.48 -13.14 172.66 677.27 1981606

14、.31 606.66 -0.35 0.12 1982642.79 631.95 10.84 117.48 1983705.97 683.76 22.21 493.09 1984773.56 746.62 26.94 725.69 1985815.07 794.54 20.53 421.67 1986888.71 860.46 28.25 798.20 1987952.89 925.16 27.73 768.94 19881065.48 1023.38 42.10 1772.07 19891105.83 1081.10 24.73 611.76 19901177.79 1148.78 29.01

15、 841.47 19911224.50 1201.78 22.72 515.99 19921305.11 1274.11 31.00 960.85 19931376.55 1345.82 30.73 944.41 结论比较各个取值的均方差可以看出，当=0.7时，均方差最小，因此，用平滑系数=0.7进行预测，结果比较准确。运用三次指数平滑法对2010年社会生产总值进行预测：表.三次指数平滑社会生产总值预测结果根据（式）（式）代入进行计算得第章年客货运量预测客运量预测客运量与总人口和社会生产总值的线性相关性判断1. 客运量与总人口相关性规划区客运量与总人口历史数据表所示表规划区客运量与总人口数据年

16、份总人口/万人年客运量/万人198010279198110900198211549198312090198412630198513330198614112198715026198816146198917277199018165199118966199220623199321600根据表做出散点图和趋势线如下图1所示年客运量与总人口散点图和趋势线2. 客运量与社会生产总值相关性规划区客运量与社会生产总值历史数据表3所示表2规划区客运量与总人口数据年份社会生产总值/亿元年客运量/万人1980102791981109001982115491983120901984126301985133301986

17、14112198715026198816146198917277199018165199118966199220623199321600根据表做出散点图和趋势线如下图2所示年客运量与总人口散点图和趋势线结论由上图可知，年客运量与总人口和社会生产总值有强正相关性。因此选用二元线性回归模型。客运量预测过程应用软件进行二元线性回归预测结果如下：表3.3线性回归年份总人口/万人X1社会生产总值/亿元X2年客运量/万吨Y19803318.8 10279-413.7400 19813354.3 10900-378.7700 19823393.1 11549-325.7000 19833396.2 1209

18、0-256.3100 19843410.4 12630-214.8900 19853426.4 13330-157.3700 19863446.5 14112-72.6100 19873479.0 1502613.4600 19883516.5 16146106.6800 19893557.4 17277204.8100 19903603.8 18165270.6800 19913625.7 18966345.7700 19923723.2 20623460.0800 19933755.0 21600582.9100 平均值1115192（）2（）2（）*（）（）*（）L1(）*(）L2（）2

19、17331.72 171180.79 54468.87 580924.43 1825686.86 -4412.64 19471417.01 9244.82 143466.71 36418.74 364566.46 1436160.57 -3791.64 14376555.58 3289.02 106080.49 18678.90 180230.57 1023558.78 -3142.64 9876204.15 2943.06 65694.82 13904.82 141139.13 666827.08 -2601.64 6768545.57 1604.00 46177.71 8606.34 82

20、568.80 443026.43 -2061.64 4250371.28 578.40 24765.32 3784.75 32747.51 214281.74 -1361.64 1854071.28 15.60 5272.21 286.81 2289.59 42087.87 -579.64 335985.85 815.10 181.17 384.28 9545.90 4500.45 334.36 111794.70 4362.60 11380.62 7046.21 96060.29 155150.82 1454.36 2115154.69 11438.30 41947.14 21904.43

21、276503.95 529507.00 2585.36 6684071.54 23516.22 73267.66 41508.78 532639.32 940168.31 3473.36 12064209.82 30712.56 119556.89 60596.19 749081.09 1477944.47 4274.36 18270128.96 74392.56 211673.61 125486.82 1617777.66 2728898.79 5931.36 35180997.52 92750.70 339784.07 177525.24 2103940.17 4026950.46 690

22、8.36 47725398.37 以上二元线性回归经过离散系数检验、相关系数检验、判定系数检验、t检验等，符合二元线性回归模型，可以用此模型进行预测。 货运量预测年份社会生产总值/亿元工农业总产值/亿元年货运量/万吨1980594.34 162501981606.31 167001982642.79 1717019837 174201984773.56 186601985815.07 190151986888.71 203211987952.89 2143519881065.48 2256619891105.83 2347019901177.79 2438319911224.50 254141

23、9921305.11 2647019931376.55 27893货运量与社会生产总值和工农业总产值的线性相关性判断1货运量与社会生产总值相关性规划区客运量与总人口历史数据表5所示表5规划区货运量与社会生产总值数据年份社会生产总值/亿元年货运量/万吨198016250198116700198217170198317420198418660198519015198620321198721435198822566198923470199024383199125414199226470199327893根据表5做出散点图和趋势线如下所示年货运量与社会生产总值散点图和趋势线3. 货运量与工农业总产值表

24、6规划区货运量与工农业总产值数据年份工农业总产值/亿元年货运量/万吨1980594.34 162501981606.31 167001982642.79 171701983705.97 174201984773.56 186601985815.07 190151986888.71 203211987952.89 2143519881065.48 2256619891105.83 2347019901177.79 2438319911224.50 2541419921305.11 2647019931376.55 27893根据表6做出散点图和趋势线如下表所示年货运量与工农业生产总值散点图和趋势

25、线结论由上图可知，年货运量与社会生产总值和工农业总产值有强正相关性。因此选用二元线性回归模型。货运量预测过程应用软件进行二元线性回归预测结果如下：年份总人口/万人X1社会生产总值/亿元X2年货运量/万吨Y198016250-413.74 -341.01 -3976.21 198116700-378.77 -329.04 -3526.21 198217170-325.70 -292.56 -3056.21 198317420-256.31 -229.38 -2806.21 198418660-214.89 -161.79 -1566.21 198519015-157.37 -120.28 -12

26、11.21 198620321-72.61 -46.64 94.79 19872143513.46 17.54 1208.79 198822566106.68 130.13 2339.79 198923470204.81 170.48 3243.79 199024383270.68 242.44 4156.79 199125414345.77 289.15 5187.79 199226470460.08 369.76 6243.79 199327893582.91 441.20 7666.79 平均值（）2（）2（）*（）（）*（）L1(）*(）L2（）2171180.79 116287.82

27、 141089.48 1645117.13 1355927.37 -3976.21 15810280.08 143466.71 108267.32 124630.48 1335622.56 1160264.14 -3526.21 12434187.22 106080.49 85591.35 95286.79 995407.60 894124.80 -3056.21 9340445.79 65694.82 52615.18 58792.39 719259.69 643688.45 -2806.21 7874838.64 46177.71 26176.00 34767.05 336562.87 2

28、53397.12 -1566.21 2453027.20 24765.32 14467.28 18928.46 190608.12 145684.34 -1211.21 1467040.06 5272.21 2175.29 3386.53 -6882.70 -4421.01 94.79 8984.33 181.17 307.65 236.09 16270.31 21202.18 1208.79 1461162.89 11380.62 16933.82 13882.27 249608.80 304476.87 2339.79 5474597.17 41947.14 29063.43 34916.

29、01 664360.63 553001.32 3243.79 10522145.73 73267.66 58777.15 65623.66 1125159.92 1007772.17 4156.79 17278867.44 以上二元线性回归经过离散系数检验、相关系数检验、判定系数检验、t检验等，符合二元线性回归模型，可以用此模型进行预测。第章2010年交通发生量与吸引量的预测41 原始数据黑龙江省基年各大区间公路旅客运输流表（年） 单位：万人终点起点123456789101112131415总计总计450919041937212951812011828473466502252667512698

30、942120447哈尔滨24483721016398761150467119039431843918松花江95114525200360253881802580牡丹江1711841204110102200261916鸡西4012118201651927100110032099七台河7511219225018819000107646双鸭山37144519970578310110031663佳木斯74124213518184310610131061288鹤岗13112511633345000001526伊春3910301353722011714449黑河1700000101379175704431齐

31、齐哈尔82301003014222774890582524大庆12010110010151915568010391绥化4456110043151531205762051493大兴安岭130000000033068219126省外138433751211118898166211397黑龙江省基年各大区间公路货物运输流表（年） 单位：万吨终点起点123456789101112131415总计总计5942116519082149940914271863162690332501263189199119425593哈尔滨419055174553630133141802081193034985527692

32、3松花江313438721018411331810048876牡丹江56815704453164102860711794鸡西357721411218396811013330181889七台河2516610541652177410580020312324双鸭山18024455684331401030121091佳木斯8341916132418751572534640331483鹤岗1643100370421470313015884伊春655112166236111132014382黑河131000011234172306278齐市547132000161432723722761523206大庆2

33、40134401882654604751526831134绥化2411064326040253519610480521668大兴安岭720000000014412772607294641省外295511272451243143479152964010381020同时已知2010年客运量和货运量的预测值： 66030.455万人、62633.27万辆。4.2 预测方法的选择及确定预测值1，公路客运的发生量和吸引量，将各路径上的客运量折算成车辆：轿车（4人）、微型客车（7人）、轻型客车（20、10、30、10计算，满载系数为0.8。计算公式:折算车辆=（2010年的客运量的预测值*各种车型所占的百

34、分）/（人数*满载系数吸引量车辆数加和折算成轿车微型客车轻型客车中型客车大型客车产生量吸引量4712732，公路货运的发生量和吸引量，将各路径上的货运量折算成车辆：微型货车（吨）、轻型货车（2.5吨）、中型货车（5吨）、重型货车（14吨），所承担的货运量的概率分别按5%、10%、50%、35%计算，满载系数为0.98. 计算公式:折算车辆=（2010年的货运量的预测值*各种车型所占的百分）/（吨数*满载系数）3，产生量和吸引量的车辆数加和客运产生量货运产生量产生量加和客运吸引量货运吸引量吸引量加和235第5章 2010年的交通量分布预测 根据上一章2010年客货运量折算成车辆的预测值，利用双约

35、束重力模型进行交通量分布预测。51 双约束重力模型的介绍同时因进行约束系数和列约束系数的引力模型叫做双约束引力模型。公式：Tij=KiKjOiDjRij-Ki=(KjDjRij-)-1Kj=(KiOiRij-)-152 阻抗的确定应用AUTO CAD 以及TRANS CAD根据已知黑龙江省第一层次公路网建设规划示意图，求出各节点间的最短路径，如下表所示：最短路径表节点哈尔滨牡丹江鸡西七台河双鸭山佳木斯鹤岗伊春黑河齐市大庆绥化哈尔滨牡丹江鸡西七台河双鸭山3佳木斯鹤岗伊春38黑河齐市大庆绥化（注：地图上没有松花江、大兴安岭及省外的具体位置，所以本章以后的数据均没有上述三个地点的数据）根据所求的最短

36、路径的走向，以及基本路网的速度，根据各路段的不同速度确定一个平均速度，从而确定道路的最终速度，如下图所示：速度表速度哈尔滨牡丹江鸡西七台河双鸭山佳木斯鹤岗伊春黑河齐市大庆绥化哈尔滨牡丹江鸡西七台河双鸭山佳木斯鹤岗伊春黑河齐市大庆市绥化根据最短距离和速度，确定阻抗，阻抗=最短距离/速度，如下表所示：阻抗表阻抗哈尔滨牡丹江鸡西七台河双鸭山佳木斯鹤岗伊春黑河齐市大庆绥化哈尔滨牡丹江鸡西七台河双鸭山佳木斯鹤岗伊春黑河齐市大庆市绥化53 将1993年的客货运量折算成车辆数 将1993年的客货运量折算成车辆数的方法如第4章的相同，结果如下表：1993年的客货运量折算成车辆数表车辆数123456789101

37、112总计哈尔滨0牡丹江0鸡西0七台河0双鸭山0佳木斯0鹤岗0伊春0黑河0齐市0大庆0绥化0合计54 采用计算机编程对模型中的系数进行标定一、确定的值：利用VB进行编程，对1993年（现有数据）的数据进行预测，从而确定准确的值，程序如下：Sub diedaiqiujie()Dim i, j, k, ga, flag As IntegerDim count As IntegerDim sum As DoubleDim ODSUM As Doublei = 0j = 0flag = 0Dim R(1 To 12, 1 To 12) As DoubleDim KJ0(1 To 12) As Doub

38、leDim KJ1(1 To 12) As DoubleDim KJ2(1 To 12) As DoubleDim KI0(1 To 12) As DoubleDim KI1(1 To 12) As DoubleDim KI2(1 To 12) As DoubleDim DJ(1 To 12) As DoubleDim OI(1 To 12) As DoubleDim KJbai(1 To 12) As DoubleDim KIbai(1 To 12) As DoubleDim Rbai As DoubleDim ODIJ1(1 To 12, 1 To 12) As SingleDim ODI

39、J2(1 To 12, 1 To 12) As SingleDim R_1 As SingleDim R_2 As SingleODSUM = Sheet1.Cells(16, 15).Valuega = Sheet1.Cells(2, 1).ValueFor i = 1 To 12 For j = 1 To 12 ODIJ1(i, j) = Sheet1.Cells(i + 44, j + 2).Value Next j Next iFor i = 1 To 12 For j = 1 To 12 R(i, j) = Sheet1.Cells(i + 3, j + 2).Value Next

40、j Next i For k = 1 To 12 KJ0(k) = Sheet1.Cells(17, k + 2).Value Next k For k = 1 To 12 DJ(k) = Sheet1.Cells(16, k + 2).Value Next k For k = 1 To 12 OI(k) = Sheet1.Cells(k + 3, 15).Value Next k Do For i = 1 To 12 sum = 0 For j = 1 To 12 If R(i, j) 0 Then sum = sum + DJ(j) * KJ0(j) / R(i, j) ga End If

41、 Next j KI0(i) = sum (-1) Next i For k = 1 To 12 KI2(k) = KI0(k) KJ2(k) = KJ0(k) Next k count = 1 Do count = count + 1 For i = 1 To 12 sum = 0 For j = 1 To 12 If R(j, i) 0 Then sum = sum + OI(j) * KI2(j) / R(j, i) ga End If Next j KJ1(i) = sum (-1) Next i For i = 1 To 12 sum = 0 For j = 1 To 12 If R

42、(i, j) 0 Then sum = sum + DJ(j) * KJ2(j) / R(i, j) ga End If Next j KI1(i) = sum (-1) Next i For k = 1 To 12 KJbai(k) = Abs(KJ2(k) - KJ1(k) / KJ2(k) KIbai(k) = Abs(KI2(k) - KI1(k) / KI2(k) Next k For k = 1 To 12 If (KJbai(k) 0.03) Or (KIbai(k) 0.03) Then flag = 1 Exit For End If Next k If flag = 0 Then Exit Do End If flag = 0 For k = 1 To 12 KI2(k) = KI1(k) KJ2(k) = KJ1(k) Next k Loop For k = 1 To 12 Sheet1.Cells(18, k + 2).Value = KJ1(k) Sheet1.Cells(19, k + 2).Value = KJ1(k) Sheet1.Cells(20, k + 2).Value = KJbai(k) Next k For k = 1 To 12 Sheet1.Cells(k + 3, 16).Value = KI0(k)