交通模型

城市交通预测 对一个城市规划年的交通状况所作的定量预测。是城市交通规划、城市交通管理和城市交通工程设计的主要依据。主要有城市交通需求预测和城市交通供应预测。涉及技术、经济、社会、环境、人文、地理等，对城市交通宏观发展趋势的判断和不同交通系统规划方案的比选具有支撑作用。

供应预测 对城市未来年交通条件（包括车辆拥有量、交通设施、交通管理等）的规模和服务能力等所作的定量预测。对车辆拥有量的预测通常用时序分析法和相关分析法，缺乏历史资料的城市可用类比法，近年来国内不少城市采用结合政策选择法，并对车辆的未来拥有量作出上、下限的预估。对交通设施规模的预测通常是提出未来交通设施的规划方案以及一系列表征服务功能和质量的指标值，其中某些指标（如饱和度）需结合交通需求预测取得。对交通管理的预测主要包含未来年的交通组织方案（内容如供公交、多人合乘、机动车、非机动车使用的各种专用道，机非分隔设施、单向道路、变向道路等）以及交通控制方案（内容如点控制、线控制、面控制和其他监控、诱导）等。对上、下班错时以及对某些车种的限制或禁驶等属交通需求管理之列。

需求预测 对城市未来年将发生的交通出行需求的预测。内容包括流量、流向以及在时间、空间、方式上的分布等。广义还涉及静态交通需求和交通需求管理的预测。在城市发展形态预测、车辆保有总量预测、各交通小区的人口数预测、工作岗位数预测和土地使用（布局、功能与规模）的基础上进行。其步骤为：（1）选定预测模型；（2）由现状调查数据标定模型形态及参数；（3 ）预测自变量的未来值；（4）假定模型形态及参数不变，代入自变量的未来值并得到因变量的未来值。

客流预测 对城市未来年客运交通需求量的预测。考虑经济、社会发展，交通设施建设及相关因素，预计采用某种交通方式的客运交通需求量，为客运交通规划提供科学依据。

货流预测 对城市未来年货运交通需求量的预测。考虑经济、社会发展，交通设施建设及相关因素，预计货物运输需求量，为货物运输规划提供科学依据。

交通模型 城市交通现象各要素之间关系及交通现象与社会经济活动等因素相互关系的模型。用于交通分析和交通预测，是交通规划重要技术方法之一。其表达形式可以是一个或一组数学表达式、图表，一组数学处理程序。通过数理统计等数学方法建立。通常有输入端和输出端。输入端为已知因素，即自变量；输出端为拟推算或拟预测的交通现象，即应变量。正确的交通模型应能把握交通规律并重现交通现象，即输入已知的相关因素，便可在一定精度范围内得出和实际交通现象相符的交通数据。常用的有交通需求模型、交通流模型等。其建立通常经过模型生成、模型标定和模型验证等步骤。模型生成是根据历年和现状的交通数据及对其影响因素进行分析并建模。模型标定是用现场观测数据对交通模型模拟实际状态的能力的核定。模型验证是对标定的交通模型解释现状交通实际状况的能力的检验。

需求模型 交通需求与土地利用及交通网络关系的模型。根据居民出行调查资料和未来年交通小区的人口、职工以及社会经济的特征建立，用于交通需求预测和交通分析。“四阶段”交通需求模型为其代表，包括出行产生模型、出行分布模型、出行方式划分模型和交通分配模型。按模型描述的出行时段分为全天模型和高峰模型。按模型理论基础分为基于出行需求模型和基于活动需求模型。

基于出行需求模型 基于出行的需求预测模型。以单个出行作为基本分析单元，对所有出行按交通小区进行统计分析后建构。具有模型结构清晰、数据采集与建模技术成熟的特点，是工程领域最为流行的交通需求预测模型。存在如下缺陷：（1）对不同出行主体同一出行行为（如多人共同出行行为）相关性考虑不足；（2）对同一出行主体不同出行行为（如某人在工作途中发生的购物、接送小孩等次生出行）相关性考虑不足。

基于活动需求模型 基于活动的需求预测模型。以人的出行行为决策过程为理论基础，对人的日常活动按出行链形式进行统计分析后建构。剖析出行需求的微观激励，研究人的出行行为特征和个人、家庭关于活动和出行的决策特征。具有以下特点：参与活动的需求产生出行需求；研究核心是行为模式，而不是单一的出行；对出行的决策者进行分析；融入活动参与的时间、空间及个人之间的约束；根据活动需求的差异，对家庭或个人进行分类。20 世纪 70 年代由英国牛津大学的研究人员首次提出，在美国的旧金山、洛杉矶等城市已投入实际应用。

交通区 城市交通规划和居民及车辆出行调查时，将规划或调查区域划分成的若干地区单元。为便于整理居民和车辆出行的数据，显示其空间分布规律。划分的原则应考虑区内土地使用功能的一致性或有一种突出的使用功能，社会经济特性相对独立，以及符合地形、河流、铁路等自然界线的阻隔。具体划分时常以各级行政区为边界。划分的数量和大小视需要而定。划分数量少，工作量少，但面积大，不利于揭示交通分布规律以及土地利用与交通现象之间的关系。划分数量多，工作量大。在市区的面积可小些，在郊区的面积可大些。其人口规模宜与同类地区的交通区相类。交通区宜相对固定，以便于历史资料的对比。对城市的一些特殊用地，如火车站、汽车站、港口等应划为单独的交通区。交通区一般有交通小区及由其归并而成的交通中区和交通大区。

交通区编码 用计算机对交通区进行的编码。是交通规划软件中交通模型的重要组成部分。各交通区具有唯一标识。

基本路网编码 用计算机对路网进行的编码。是交通规划软件中交通模型的重要组成部分。路网的基本构成要素是节点和连线。节点表示交叉口，各交叉口赋以节点号，并利用坐标进行定位。连线表示连接两个交叉口的路段，利用路段两端的节点来表示，具有唯一的标识。路段的方向性用节点号的排列顺序指定。此外，连线通常还具有交通分配所需的连线属性。

公共交通线网编码 用计算机对城市公共交通网络进行的编码。公共交通网络属性文件包括线路走向、发车间隔、车辆类型及容量、车速等。在上下客停车的节点有一个大于零的滞留时间，不停车的节点滞留时间为零。

出行距离 一次出行从起点至终点的实际路径长度。反映居民出行空间特征和城市空间结构特征的指标，也是城市交通系统规划的依据。出行距离越长，一般表明城市用地的空间范围越大，越需要速度更快、容量更大的交通系统为城市发展提供支撑。

居民出行 亦称“人的出行”、“人员出行”。人从出发地到目的地有目的的位移活动。一个地区的居民出行包括区域内全体人员的出行，不论其是否为本地户籍、常住或暂住。其特点包括：（1）出行率，即一定时间（通常为一日）内个人的出行次数；（2 ）出行目的；（3 ）出行方式；（4）出发地点和到达地点；（5）出发时间和到达时间；（6）出行距离；（7 ）出行耗用时间。有时为了建立出行发生模型，还要了解出发地和到达地的土地利用性质或是否本人家庭所在地。居民出行情况通过居民出行调查获取。

人员出行 即“居民出行”。

出行量 完成一次有目的出行的总出行次数。统计单位为人次。是交通模式统计常用统计内容。若一次出行包括多种交通方式时，按优先级别计入最主要的交通方式。反映出行优先级交通方式的构成和规模，但对次要级交通方式有所忽略。其统计在国际上存在较大差异，如夫妻两人带一个孩子出门，先一起送孩子到楼下幼儿园，接着丈夫开车将妻子送到离家 400 米的银行，然后继续开车至 30 千米外的公司上班。按上海统计标准，步行单程时间在 5 分钟或单程在 400 米以上计 1次出行，上述一系列活动共计 3 次出行；按巴黎统计标准，只要有目的的出行，无论距离长短均计为 1 次出行，上述一系列活动共计 6 次出行。

乘行量 亦称“客运量”。全市交通方式（工具）的上客总量。统计单位为乘次。主要反映各交通系统服务的客流规模。如某一居民由家前往工作地上班，先由家步行至公交车站，乘坐 2 路公交车到达轨道车站，换乘轨道交通 1 号线再换乘 2 号线，到达终点车站后步行至工作单位。这一出行过程仅有 1 次出行量，但形成了 3个乘次的乘行量（包括 1 乘次的公交车乘行量，2 乘次轨道乘行量）。

客运量 即“乘行量”。

车辆出行 车辆（一般指机动车）从出发地到目的地有目的的位移活动。一个地区的车辆出行，包括本地注册车辆和外地进入车辆的出行。其特点与居民出行基本相同（参见“居民出行”），但无交通方式划分。现状车辆出行情况通过车辆出行调查获取，一般采用抽样或全样（车辆拥有量不大时）调查。国外大多不进行家用小汽车的出行调查，只进行营业用车的调查，抽样率 25％~50％。调查内容除该车一日的出行情况外，还包括车辆特征，如车型、车龄、载质量或客位数等。家用小汽车出行情况通过居民出行调查获取，一般在居民出行方式调查中以增加“搭车”或“自驾车”来区别。预测年的车辆出行情况，通过车辆出行发生模型据车辆拥有量预测和土地利用规划计算获取。

出行端点 居民或车辆出行的出发点和到达点。因每次出行必有且仅有两个端点，故其总数应是出行总量的两倍。根据每次出行的两个端点是否在同一交通分区内，可判定该次出行为区内交通或区间交通。

家基出行 亦称“基于家出行”。出发点和到达点中有一端为家庭的出行。包括由家出发或回家。占居民出行的绝大部分。

基于家出行 即“家基出行”。

非家基出行 亦称“非基于家出行”。出发点和到达点中无一端为家庭的出行。占居民出行的比重较小。

非基于家出行 即“非家基出行”。

起讫点矩阵 亦称“OD矩阵”。以所有交通分区按行（起点区）与列（讫点区）排序，以任意两分区之间的居民或车辆出行量（OD量）为元素的矩阵。按形式分为矩形矩阵和三角形矩阵，前者可区分两区间不同方向的出行量，后者只表示两区间两个方向出行量之和。按内容分为分出行目的、分出行方式、不分出行目的（“全目的”）、不分出行方式（“全方式”）的各种矩阵。

期望线 亦称“愿望线”、“起讫线”。连接各交通分区中心的直线连线。显示不受实际交通路线限制下各交通分区间的交通需求，同实际行走路线无关。常以连线的宽度表示相应两分区之间居民或车辆出行的次数。

起讫线 即“期望线”。

出行生成 亦称“出行发生”。专指车辆出行时，称“交通生成”、“交通发生”。一定地区、一定时间内人或车出行的出发数与到达数之和。表征一个地区的出行活动总量，其单位通常是人次／日或车次／日。其量由土地使用所决定。现状出行生成量由出行调查获得，未来出行生成量由出行生成预测模型计算获得。根据出行生成地点（出发地或到达地）是否为出行者的家庭，分为出行产生和出行吸引。

出行产生 居民家基出行中全部家庭端点（包括起点和讫点）数量与非家基出行中的起点数量之和。主要发生在城市的居住地区。其影响因素主要有人口数、人口特性、收入水平、车辆拥有量等。一些欧洲国家及日本等国不使用这一术语，而直接使用起点和讫点的分类，把全部出行起点数作为出行产生。

出行吸引 居民家基出行中全部非家庭端点（包括起点和讫点）数量与非家基出行中的讫点数量之和。主要发生在城市的经济社会活动地区。其影响因素主要有土地使用的类型、开发强度、工作岗位数等。一些欧洲国家和日本等国不使用这一术语，直接使用起点和讫点的分类，把全部出行到达数作为出行吸引。

出行目的 出行活动发生的原因。人的出行按单目的分类有：（1）工作出行；（2）上学出行；（3）业务出行；（4）购物出行；（5 ）生活出行；（6 ）文娱、游憩；（7）回程等。其中，业务出行又称“公务出行”，指以处理公私业务为目的的出行，但不包括上班出行。生活出行包括文娱游憩、社交、就医等。按复合目的分类有：“家基出行”和“非家基出行”两大类。上海综合交通模型体系细分为：（1）家基工作出行；（2）家基上学出行；（3 ）家基业务出行；（4）家基其他出行；（5 ）非家基工作出行；（6）非家基其他出行等。客车的出行目的与人的出行目的相同。货车的出行目的分为：取货、送货、回场和其他等。

出行时间 亦称“出行时耗”。完成一次出行所用的时间。是城市交通质量的主要评价指标。由出行距离和行程速度决定。机动化交通方式的出行时间分为车内时间和车外时间。车内时间与所使用的交通工具的行驶距离和其行程车速有关。车外时间包括从出发地到乘上交通工具、离开交通工具到目的地以及不同交通工具之间转换的步行时间和等候时间等。

出行分布 出行产生量在各出行吸引区的分布。一般由产生区的出行产生量、吸引区的出行吸引量以及两区间的交通阻抗决定。常用出行矩阵或起讫点矩阵表示。现状出行分布由起讫点（OD）调查获得，未来出行分布由出行分布预测模型计算获得。在不采用出行产生和出行吸引概念时，为出行出发量在各到达区的分布。后者即调查或规划区域内各交通分区之间的人或车的出行次数。专指车辆出行时称“交通分布”。

交通量分配 出行起讫点在交通网络中的交通流量分布。其最主要的为公交客流分配和道路车流分配。公交客流分配是计算公交出行起讫点在公交网络中所形成的客流分布情况，统计指标一般包括公交线路的客运总量、各公交站点的上下客量、各公交断面的通过量等。道路车流分配是计算车辆起讫点在道路网络中所形成的车流分布情况，统计指标一般包括道路断面通过量和交叉口流量等。此外，还有步行交通、非机动车交通的流量分配。

往返行程 亦称“出行链”。按先后顺序依次连接起来的一系列有序的出行。总是由某地点出发，经过一系列的出行后又回到此出发点。是基于活动的交通需求模型的基础。

出行链 即“往返行程”。

活动 城市交通中指为某种目的而采取的行动。是基于活动的交通需求模型的基础。包括：（1）生计活动，主要指工作、上学和与工作有关的商务活动；（2）维持活动，包括购物、接送小孩、个人和家庭商业活动等；（3）娱乐休闲活动，包括探亲访友、文体活动等；（4）“居家”活动，包括在家中进行的各种活动、户外活动返程归家至下一次户外活动之间的活动。各种活动引发了出行，同时也影响了目的地、时间等出行要素。

交通与用地关系模型 城市交通需求增长与城市用地开发关系的模型。包括用地开发带动交通需求增长以及交通需求增长刺激用地开发等。基于不同的数学方法，有最优策略模型、回归模型、空间关系模型、空间输入输出模型、随机效用模型、微观仿真模型等。可与交通需求模型（如“四阶段”交通需求模型）结合使用。

私人小汽车保有量模型 城市私人小汽车保有量的预测模型。将家庭小汽车拥有率作为研究对象。其内容包括时间序列模型、回归模型、人工智能算法、分析判断法等。私人小汽车拥有率通常呈S形曲线的发展特性。私人小汽车保有量与城市人口、人均收入、城市经济发展水平、公共交通服务水平、道路容量与运行状态、土地利用状况、燃油价格、停车规模、交通政策等因素相关。如上海交通模型体系中建有机动车保有量与人均GDP的回归模型。

私人小汽车保有量分布模型 城市私人小汽车拥有者人口分布的预测模型。为人口的交叉分类提供基础数据。将不同地域的家庭私人小汽车拥有率作为研究对象。私人小汽车分布与不同区域的收入、在职人口比例、公交可达性、人口密度等因素相关。私人小汽车保有量模型、分布模型可与“四阶段”交通需求模型整合，作为交通生成、交通分布、交通方式划分的模型输入。如上海交通模型体系中将人口分为“有车人口”与“无车人口”，以私人小汽车保有量模型与分布模型作为两类人口预测的模型输入，并分别预测两类人口出行的生成、分布、方式划分等特征。

需求多因素关联预测 通过城市交通历史数据和其他城市相关数据的分析，对城市交通需求所作的宏观预测。相关因素包括城市的经济、人口分布、用地布局、交通设施等。

“四阶段”交通需求模型 亦称“交通需求顺序预测”、“四步骤交通模型”。按交通需求顺序的四阶段预测交通需求的模型。四阶段为：出行生成、出行分布、出行方式划分和交通量分配。出行方式划分置于出行分布之后的称“后划分方法”；反之称“预划分方法”。其形成以 1962 年美国芝加哥市发表的《芝加哥区域交通研究》为标志。

交通需求顺序预测 即“‘四阶段’交通需求模型”。

出行产生模型 表达交通出行中产生端点出行量的模型。其输入因素为人口规模及其年龄结构、职业分类、收入水平、拥有交通工具情况等。常用方法为回归分析法和交叉分类法（又称类别分析法）。回归分析法将离散的调查数据按交通区进行归并后研究交通生成关系。交叉分类法是将出行对象作为基本单元划分为不同类型（目的、人员），确定各交叉类别的出行率，并用经过调整的将来出行率预测将来的出行量。上海综合交通模型体系中出行产生模型的形成分两阶段：第一阶段采用交叉分类法，确定全市不同目的（六种目的）、分有无车（两种情况）、分年龄段（四个年龄段）的各交叉分类的人员出行产生率平均值；第二阶段采用多元回归法，以交通可达性和土地利用强度为自变量来反映不同区域人员出行产生率的差异性。

出行吸引模型 表达交通出行中吸引端点出行量的模型。其输入因素为出行目的、非居住类型建筑面积、就业岗位数、特殊用地规模等。常用方法为回归分析法和交叉分类法（又称类别分类法）。须针对不同区域用地和出行特征进行相应回归分析，采用逐步回归和相关变量统计检验方法对回归变量进行组合和筛选，最终形成地带出行吸引模型和目的出行吸引模型。上海综合交通模型中将出行目的分为五类，将用地类型岗位分为七类，按不同出行目的吸引量与相应岗位关系建立回归分析模型。

出行分布模型 亦称“交通分布模型”。预测未来年出行分布的模型。分为增长系数法和综合分布模型两大类。前者基于出行起点与终点区出行量的增长特性，由现状分布推算将来分布，包括常增长系数法、平均增长系数法、弗拉塔法、底特律法和弗纳斯法等。后者是将出行空间交通阻抗与地区增长特性一并考虑的模拟分析方法，包括重力模型、机会模型（介入机会模型和竞争机会模型）和最大熵模型。在实际模型应用中，一般应根据不同目的和其他属性分别建立分布模型或标定参数，如上海综合交通模型中按出行目的（家基工作、家基上学、家基业务、家基其他、非家基工作、非家基其他）和家庭机动车拥有（有车、无车）分别建立了 12 套分布模型。

交通分布模型 即“出行分布模型”。

增长系数法 亦称“现在模式法”。出行分布模型根据现状出行分布和给定各交通区出行发生增长系数推算将来出行分布的方法。增长系数由各交通区的社会经济发展情况确定，或根据出行发生模型计算获得。基于交通运输系统没有明显变化的假设，故适用于表征小范围地区、区域之出行只受生成量特性影响的分布形态以及发展相对成熟的城市。主要方法有常增长系数法、平均增长系数法、弗拉塔法、底特律法和弗纳斯法等。第一种方法的公式简明，但精度差，已很少使用；后四种方法虽计算过程不同，但最终结果完全一致，其中弗纳斯法公式最简单，计算量最小。

现在模式法 即“增长系数法”。

常增长系数法 “增长系数法”之一。设定各交通区出行发生增长系数相同。基于现有的和未来的交通方式没有变化，各交通区交通量都以均匀状态增长的假设。适用于范围较小、地区特性变化不大的调查区，预测年限短。因精度差，已很少使用。

平均增长系数法 “增长系数法”之一。设定各交通区出行发生增长系数，取出行的起端和终端增长系数的平均值。

弗拉塔法 “增长系数法”之一。设定各交通区将来的出行发生量，等于各交通区现在的出行发生量乘以给定的增长系数。

底特律法 “增长系数法”之一。设定两交通区间的交通量不仅与产生区的增长系数成正比例增长，也与吸引区的增长系数成正比例增长。因在美国底特律地区首先使用，故称。

弗纳斯法 “增长系数法”之一。计算方法是：第一步只考虑出发区出行产生量的变化，计算两区之间新的出行分布量。第二步再对到达区的出行吸引量进行平衡。以此反复计算，达到所需精度为止。

综合分布模型 综合出行空间交通阻抗与地区增长特性以预测未来出行分布的模拟分析方法。反映不同的规划对策和各种交通系统对出行分布的影响。适用于城市地区出行空间分布形态受空间阻扰因素影响的出行分布预测。主要包括重力模型、机会模型和最大熵模型。

重力模型 “综合分布模型”之一。设定两区间内的出行次数与出发区的出行产生量成正比，与两区间的交通阻抗的某一乘方数成正比。将据此计算所得到的分布曲线，与起讫点调查所得的现状出行时间分布曲线比较后得出修正系数，逐次迭代，直至两条分布曲线比较接近，满足给定精度要求为止。标定的工作量较大。优点是考虑的因素较全面，突出了局部与整体的相互作用，比较切合实际。即使没有完整的起讫点调查资料，也可推算出行分布。缺点是当行程时间越短，交通量会越趋于无穷大，不适用于短路程出行分布的计算。常用的有一维约束重力模型和二维约束重力模型。

一维约束重力模型 满足一维空间约束条件的重力模型。预测得到的起讫点矩阵（T _ij ）中，从任一小区（ i ）出发至其他各个小区的出行吸引量之和应等于 i 区的出行总发生量。

二维约束重力模型 满足二维空间约束条件的重力模型。预测得到的起讫点矩阵（T _ij ）中，从任一小区（ i ）出发至其他各个小区的出行吸引量之和应等于i区的出行总发生量；与此同时，从其他各小区出发至任一小区（ j ）的出行发生量之和也应等于j区的出行总吸引量。

机会模型 “综合分布模型”之一。设定所有的出行量都在尽可能短的距离内找到适合的目的地，距离越近，吸引力越大。不受分区界限影响，计算较为简单，但概率常数的确定需大量起讫点调查资料。按出行概率，分为介入机会模型和竞争机会模型。

介入机会模型 “机会模型”之一。出行终止于小区的概率是一个常数，由起讫点调查求得或假定。该模型在芝加哥地区交通调查中首次应用。

竞争机会模型 “机会模型”之一。出行终止于一个交通区的概率是两个独立的概率的乘积。

最大熵模型 “综合分布模型”之一。因借用热力学中“熵”的概念并以最大熵为求解目标而得名。设定起讫点分布形式应是使其发生的概率达到最大的一种。适用于以有限数据描述系统行为的情况。

出行分布反推模型 亦称“OD反推”。由路段交通流量推算出行分布（即OD表）的模型。20 世纪 70 年代出现于国外的研究成果中，在已获得相对可靠OD矩阵的基础上，对OD矩阵进行更精确的推算，能减少OD调查所耗费的大量人力、财力和时间。设定从分配OD表得到路段交通量的计算步骤可逆向进行。模型的形态是数学规划问题。其目标函数是推算出的OD量分配后所得总出行时间（或路段交通量）与观测的总出行时间（或路段交通量）偏差最小。为使求解值唯一，需有约束及假设条件，采取不同的附加约束及假设，构成不同推算模型。OD反推的模型与算法相对成熟。为保证反推结果的准确度，应尽可能保证所有OD对的合理路径都有一个观测流量。

OD反推 即“出行分布反推模型”。

出行方式划分模型 表示个人出行采用某种交通方式的概率比重与出行特性参数相互关系的模型。根据规划年限交通设施的建设情况、交通需求状况、交通出行特征、社会经济水平、交通政策措施等相关因素，预测未来交通出行的方式结构比例。常用模型包括转移曲线模型和分对数模型。转移曲线模型通过多组曲线，反映两种或三种交通方式承担的出行百分率随行程时间、支付费用、服务水平、收入情况、出行目的等参数的变动而变化的状况。分对数模型反映出行选择某种交通方式的概率与出行者选取这种方式所付出的综合成本（如费用、服务水平、出行时间等）之间的关系。

非集计模型 在几个互斥的选项中进行选择的模型。假设决策者将选择效用最大的选项。其理论基础源于消费者需求微观经济理论和随机效用理论。可分为决定论类型和概率论类型。决定论类型包括数量化理论和判别分析等，除日本外应用很少。概率论类型的代表性模型为对数单位模型，在交通模型中，主要用于方式选择模型，以效用最大化原则为基础，以实际产生交通活动的个体为决策单元，并强调作为行为决策单元的个体在一个可以选择的、选择肢又是相互独立的集合中，将选择效用最大的选择肢。

交通分配模型 “‘四阶段’交通需求模型”中的最后一步。通过交通设施网络寻找各出行起讫点之间的路径，并将出行量加载到交通网络的每个设施上。设定每个出行个体在选择路径时在时间、费用、距离上基于最小的出行成本。可分为平衡分配模型和非平衡分配模型。

平衡分配模型 “交通分配模型”之一。通过出行者最优和系统最优得到交通分配结果的模型。结构严谨，适合宏观研究，但约束条件多，求解计算量大、难度高。包括固定需求分配法、弹性需求分配法和组合平衡分配法。

固定需求分配法 “平衡分配模型”之一。设定交通量计算进入交通系统设施时，出行起讫点矩阵固定不变。交通系统设施的容量对先计算的起讫点影响小，对后计算的影响大，计算结果会形成一定误差。

弹性需求分配法 “平衡分配模型”之一。设定起讫点矩阵在分配过程中随出行时间变化而变化。常被归结为一个维数很大的凸规划问题或非线性规划问题。

组合平衡分配法 “平衡分配模型”之一。设定交通量分配与出行分布或方式划分同步。简化了交通量的预测过程，但引入了分配与出行分布或方式划分之间的相互影响，计算复杂。通常是一个凸规划问题。

非平衡分配模型 “交通分配模型”之一。通过对交通分区、交通网络、交通阻抗和交通量的模拟得到交通分配结果的模型。结构简单、概念明确、计算简便。包括最短路径分配法、多路径概率分配法、容量限制分配法等。

最短路径分配法 亦称“全有全无分配法”。“非平衡分配模型”之一。按所有出行者从出发点到目的地都选取最短路径的原则分配交通量。是其他各种交通分配方法的基础。设定每一路段长度（两交叉口之间的距离）上的出行时间均为常数。其步骤为：（1）选定连通各对起讫点的最短路径；（2）将各对起讫点交通量分配到相应的最短路径上；（3）每个路段上每次被分配到的交通量的总和即为最后的分配交通量。为解决交通量集中在最短路径上致使某些路径上交通量可能为零的问题，可使用多路径概率分配法和容量限制分配法。随道路建设的发展，该法中的最短出行距离已被最短交通阻抗取代。

全有全无分配法 即“最短路径分配法”。

多路径概率分配法 “非平衡分配模型”之一。在最短路径分配法基础上引入随机因素和路径选择概率来分配交通量。出行路径选择概率与其阻抗的负指数函数成正比。入选出行路线的条数与路网结构有关，可按“每经过一个节点都离起点愈远”的原则确定入选路线。

容量限制分配法 “非平衡分配模型”之一。在最短路径分配法基础上引入容量（通行能力）限制规则来分配交通量。其技术关键是建立路阻函数动态反映路段交通阻抗和路口、路段交通负荷之间的函数关系。包括容量限制增量加载分配法和容量限制迭代平配法。

增量分配法 将起讫点交通量分成若干部分，逐次向路网加载的交通量分配方法。大多配合容量限制分配法使用。每分配一部分后，需根据路阻函数（即延误函数）修正路网中各路段的阻抗值，再进行下一部分分配，直到全部出行量分配完毕。分解出行量可用等分法或不等分法。不等分法愈先分配的部分，比重愈大，以更接近于平衡分配。

道路车流分配模型 通过模拟驾车人选择自己路径的心理和习惯获得道路车流分配结果的模型。按分配方法，分为平衡分配法、最短路径分配法、多路径概率分配法、容量限制分配法等；按不同车种分配次序，分为单车种分配法和多车种分配法。上海综合交通模型采用平衡分配法，分配顺序上采用多车种分配，实现多个车种同时在网络上进行流量平衡分配。

公交客流分配模型 通过模拟公交乘客出行路径选择的心理和习惯获得公交客流分配结果的模型。按公交网络的处理方法，分为超级网络分配法和物理网络分配法。超级网络分配法一般有最优策略分配法、随机用户分配法等。物理网络分配法包括K短路分配法、多路径动态分配法等。上海综合交通模型使用最优策略分配法，通过共线公交线路的发车频率来分配客流量。

道路车流尾气排放模型 亦称“机动车排放因子模型”。表示机动车污染排放物与道路交通状况、环境等因素之间关系的模型。分为平均速度模型和行驶工况模型。前者以平均速度为污染表征参数，通过修正后的排放因子乘以车千米数得到污染物的排放总量，适用于宏观和中观尺度。后者通过某一测试工况即时的速度、加速度等参数，计算中观或微观的每秒污染物的排放和油耗。其研究趋向与交通需求模型耦合，从而揭示机动车在实际道路交通流中的排放特征。

机动车排放因子模型 即“道路车流尾气排放模型”。

速度密度模型 表示道路上车流速度与车流密度之间关系的模型。为速度流量模型和流量密度模型的基础。随着研究条件和目标的变更，另有对数模型、单状态模型、多状态模型等，在跟车理论中都有应用。

流量密度模型 表示车流量和车密度之间关系的模型。基于交通流模型和速度密度模型推导建立。有抛物线模型、对数模型、间断态模型等。（1 ）当 k →0 时 q ＝0。（2） k ＝ k _j （阻塞密度）时 q ＝0，表征严重阻塞，车流完全停滞。（3）两个零流量之间必有一个或数个（间断态）最大流量，此时的车密度称临界密度。（4）相应曲线上任一点的斜率表征空间平均车速，其最大斜率等于自由行驶车速。在交通流模型中应用最广，尤其适用于瓶颈路段车流的疏导和高速道路匝道入口的控制。

速度流量模型 表示车流速度和车流量之间关系的模型。其特征是：（1）车流量随车速提高而增大。（2）当车流量增大至最大流量后，由于车间距随车速的继续提高会拉长，车流量即相应减少，直至为零，此时相应的车速为自由速度。用于道路服务水平的定量划分。

交通稳定性 跟踪行驶的车间距与车速的均衡程度。在跟踪行驶中的后车驾驶者反复进行加速或减速操作，以求得同前车间距相适合的车速；但因有反应时间的滞后，当该车速达到时，与前车的间距又有变化。这一现象存在于道路上的整个车队。其有关研究成果，可合理确定连续撞尾事故的发生概率和设置信号的间隔距离等。

交通规划软件 预测区域出行需求变化和交通系统使用变化的软件。应用较广的包括美国的TransCAD、Cube，加拿大的Emme、德国的Visum等。一般包括道路网络、公交网络、矩阵、需求预测模型等交通模块，分别用于模型中交通设施网络建立、矩阵数据计算、交通需求分析预测等。以“四阶段”交通需求模型为理论基础，增入离散选择模型、更丰富的交通分配模型集以及基于活动的出行需求模型等。大都与地理信息系统（GIS）紧密结合，TransCAD甚至基于地理信息系统平台开发，提高了交通规划数据的地理信息数据的处理与图形输出。一般都留有与交通仿真软件的接口，以支持更全面、系统的交通需求分析。通常也保留编程语言接口，以方便用户开发和运行自定义的预处理和后处理程序，也允许用户控制高级多阶段的模型运行。为城市交通需求预测和交通规划方案评估优化提供支撑。

交通仿真软件 模拟交通网络中车辆驾驶行为的软件。应用较广的包括德国的Vissim，美国的Transmodeler、Cube，英国的Paramics等。以交通流的相关理论为基础。在遵守道路规则的基础上，通过一定规则来研究道路中驾驶人的相互作用。可重现和预测道路交通运行中的各种现象，并对这些现象进行解释、预测和分析，测试交通设施布置、交通组织、交通信号控制等方案的合理性，为交通系统的优化改善提供支持。微观交通仿真软件能够实时显示可视化的输出结果。一般包括路网描述模型、车辆产生模型、交通事件管理模型、车辆行为模型、信号控制模型等。部分交通仿真软件还将微观分析与宏观规划结合，建立了与交通规划软件的接口。

TransCAD交通规划软件 美国公司开发的交通规划软件。含有系统的需求建模的程序工具、内嵌式交通地理信息系统和能够处理海量数据的关系数据库。支持所有重要的出行需求建模方式，包括建立规划方案、“四阶段”交通需求模型、非集计模型技术、多出行模式同步选择模型、丰富的交通分配模型集。基于地理信息系统平台开发，将出行需求建模与设计数字化地图、地理数据库管理、图形表达以及交通运输、运筹学及统计学模型整合，具有很强的交通规划与模型的可视化能力、数据处理能力、空间分析能力。还配有一套地理信息系统应用开发工具库，用户可据此制定自己的界面和其他需要扩充的功能。

Emme交通规划软件 加拿大公司开发的交通规划软件。应用于城市、区域和国家的交通规划。提供特有的灵活开放的建模思路，允许用户自由利用现有技术或创造新方法以满足各自需要。核心模块包括私人交通、公共交通、需求模型、分析自动化等。

Visum交通规划软件 德国公司开发的交通规划软件。应用于大都市规划、区域规划、城市规划，适用于交通规划、交通需求建模及其网络数据管理。把各种交通方式融入统一的网络模型中，并提供各种交通分配运算程序以及“四阶段”交通需求模型要素，包括基于出行链和活动链的分析方法。留有微观仿真模型的数据接口，可与该公司开发的微观仿真软件结合使用。

Transtep交通规划软件 澳大利亚交通咨询公司于 20 世纪 70 年代开发的交通规划软件。纳入“四阶段”交通需求模型，建立了土地使用和交通供应动态反馈分析机制，能在循环计算过程中不断对供需平衡水平作出预测和评估。

Cube交通规划与仿真集成软件 美国公司开发的交通规划与仿真集成软件。特点是具有综合性的交通系统建模功能的易用性。可应用于交通规划、交通工程。融合了交通软件和地理信息系统（GIS），可以直接应用ArcGIS的数据文件，为用户提供强大的图形界面。以最先进的交通规划和控制理论为基础，可用于建立“四阶段”交通需求模型，还可用于新一代的activity-based或tourbased的模型。由八个模块构成，Cube Base是其界面软件。在Cube Base的基础上，Citilabs提供一系列的附加软件，包括Voyager客流预测软件、Cargo货流预测软件、Avenue中观模拟软件、Dynasim交通控制和仿真软件、Analyst矩阵分析软件、Land土地使用分析软件、Cluster多处理器并发运行模块等。

Vissim交通仿真软件 德国公司基于时间间隔和驾驶行为开发的交通仿真软件。可准确仿真城市和高速公路交通，包括行人、骑自行车者、机动车辆等交通主体的行为。可分析各种交通条件（车道设置、交通构成、交通信号、公交站点等）下，城市交通和公共交通的运行状况。

Transmodeler交通仿真软件 美国公司基于地理信息系统开发的交通仿真软件。提供交通仿真和交通工程设计所需的各种分析功能。集成了宏观、中观、微观三种仿真模型，在同一路网中可针对不同区域要求分别运用，方便用户灵活解决项目中的不同需求。建立了与TransCAD宏观交通规划软件中出行需求模型的数据调用模块和接口标准，实现了两者间的无缝衔接和数据调用，使用户可在宏观模型和微观模型间交互应用。提供一套地理信息系统应用开发工具库，用于系统二次开发，尤其是提供了地理分析功能，使用户可以开发自己所需要的用户界面和桌面应用程序，以服务器的方式来调用该交通仿真软件，在自己的应用程序中增加地图和交通仿真功能。

Paramics交通仿真软件 英国公司开发的交通仿真软件。其建模器可生成用户需要的所有数据，分析器可帮助用户处理生成的大量数据信息。S Paramics软件可应用于各种主次干路和城乡地区的道路项目，能模拟公交优先措施、车辆废气排放管理、交通宁静设计等复杂的交通状况，并设有与智能交通系统和城市交通控制管理系统的接口，可供在大地域范围内对模拟的精确交通流实施动态车辆路径选择。

Aimsun交通仿真软件 西班牙公司开发的交通仿真软件。将宏观、中观、微观模型集成于单个软件的交通建模系统，为静态建模和动态建模提供了一个完整的平台。可处理各种类型的交通网络，包括城市街道、高速公路和一般公路；处理环形道路、干线道路以及混合道路网络；模拟自适应交通控制系统、先进的交通管理系统、车辆引导系统和公交车辆行程安排和控制系统；对环境污染和能源消耗进行评估等。