整理TransCAD技巧图解教程.docx

整理TransCAD技巧图解教程.docx

《整理TransCAD技巧图解教程.docx》由会员分享，可在线阅读，更多相关《整理TransCAD技巧图解教程.docx（27页珍藏版）》请在冰点文库上搜索。

整理TransCAD技巧图解教程

1.TransCAD中建立交通小区的两种方法

第一种方法：

用AutoCAD把交通小区先画成路网，并在每一个交叉口打断所有路段，然后打开TransCAD的导入CAD对话框，选择需要导入的图层，选择layertype为line，coordinates为Asia或者Gauss坐标（根据自己情况选择坐标），点OK执行导入。

在导入的线层上（需先检查连通性），点击菜单“Tools→GeographicUtilities→line/Areaconversion…”，在弹出的对话框中更改小区层名称，并把复选框Addlayertomap打钩，点击“OK”，保存“GeographicFile（*.dbd）”文件。

完成小区的建立。

（这里可能生成的小区数并不是现实中想划分的数量和位置，可以对小区进行合并得到新的小区）

第二种方法：

用AutoCAD把交通小区先画成路网，并在每一个交叉口打断所有路段，然后打开TransCAD的导入CAD对话框，选择需要导入的图层，选择layertype为Area，coordinates为Asia或者Gauss坐标（根据自己情况选择坐标），并把复选框preserve blocks as multi-polygon areas的打钩去掉，点OK执行导入。

完成小区图层的建立。

（可能会出现某个小区消失的情况，这时可能需要您重新在AutoCAD里删除该小区的线段，并重新画上，估计就没问题了。

）

第三种方法：

直接在transCAD里画小区，但是transCAD画图功能比较弱，可能会比较麻烦，不如前两种来的简便。

2.TransCAD导入OD矩阵

1、在TransCAD中打开小区层（使当前图层位于小区层），打开菜单file-new创建矩阵Matrix。

2、在Excel中建立小区的OD矩阵，格式为三列（第一列为O，第二列为D，第三列为流量），O和D的编号必须与先前建立的Matrix相同，将Excel另存为dbf4的格式文件。

3、在TransCAD中打开存储OD数据的dbf文件和建立的Matrix文件，当前层指导Matrix，选中Matrix中的一行或一列，选择Matrix中的Import，弹出MatrixImportWizard，选择如下：

单击next进行下一步，在DataviewtoUse中的name选择存储OD数据的dbf文件，RowID选择dbf文件的第一列列名即“O”,ColumnID择dbf文件的第二列列名即“D”，Matrixfiletoupdate选择需要更新的矩阵。

单击next进行下一步，选择updateMatrix的需要更新的Matrix1，在from里选择flow，单击finish完成。

3.TransCAD之TimeOfDayAnalysis和PA-OD方式选择模块

timeofdayanalysis

这一步很关键，很多的交通规划书籍并没有介绍，并且把交通调查，错误的称作OD调查，OD是难以调查得到的。

所以很多交通书籍上以讹传讹甚多，今天OD调查已经引深为交通调查的意思，大家要知道OD对，是难以调查得到的！

这是个很重要理论基础，因为这个理论基础才会有timeofdayanalysis即交通时段分析。

transcad理论基础完整，先进，科学。

软件PAtoOD模块，很好的把24小时PA转化成24小时OD要注意的是，交通产生吸引预测得到是PA矩阵，是有单位的单位是（人/小时，即一般为24小时，单位是人/天）。

而交通分配用到的OD对是车/小时。

所以要把24小时的PA转化成，24小时的OD，再由24小时OD转化成各个小时的OD，上面已经说了软件中PAtoOD模块转化成24小时的OD如果只有三种选择方式那么会产生三个OD矩阵，此时是人天为单位的。

我们用用timeofdayanalysis 模块（PAtoOD模块亦可），运用其中的（convertpersontripstovehicletrips）{这里大家理解成，折算比率即可,这里主要将方式选择结合进来},将基于个人的出行转化成基于车辆（标准车pcu）的出行率，三种选择方式的OD转化将生成

小汽车24hOD矩阵》》》24小时的pcu/天

公交车24hOD矩阵》》》24小时的pcu/天

其他交通工具24hOD矩阵》》》24小时的pcu/天

将以上三个24小时OD矩阵合并成一个24小时OD矩阵，然后乘以小时系数得到24小时中每一个小时的OD矩阵，即将24小时OD，拆分成24个能用于分配的OD矩阵！

此时的单位是pcu/h。

后面将进行交通分配分析。

关于OD调查和交通时段分析辨析！

很多交通书籍上说进行OD调查，晕那！

要坚决纠正这种错误！

交通调查不是OD调查，OD对难以调查，难以抽样，难以在一个时段完成！

因此要把transcad中的timeofdayanalysis 介绍给大家！

希望大家能领悟理解。

我看了一些报告，交通规划文本，很多混淆了OD和PA,上来就预测一天内的OD，这是错误的，前面以及探讨了很多，应该是预测PA，然后由PA转化成OD，转化后的OD是一天的，很多交通报告上得到的是一天的OD，而交通分配是一个时段的，分配的是高峰小时，并且在理论中还煞有介事的介绍OD调查！

既然是分配一个高峰小时，如何能调查得到该高峰小时的OD？

进行这样OD调查的准确性呢？

既然得不到高峰小时的OD，又如何分配高峰小时的OD呢？

也有人分配的是一天的流量，这个是错误的，因为在交通平衡分配理论基础是有时段限制的，在一个时段才有用户均衡现象。

所以说分配一天的流量是错误的！

很多交通书籍依然延续OD调查的说法，大家要坚决纠正这种错误！

交通调查不是OD调查。

transcad理论体系中，用小时系数（看中文说明手册翻译成时段对照表，我在这里称小时系数表），这个默认的HOURL表格是全美的平均水平（哎，进行交通需求预测需要很多表格比如交叉分类表格Vmt_crcl,比如方式选择表格MNLModeltable，比如小时系数表格HOURL，这些都需要交通调查得到，OD调查调查个鬼啊，那些人根本没有深入调查，也搞不懂抽样调查），美国是小汽车王国，作息制度，和车辆占有率都不一样，这个数据需要另外调查得到。

由于我国实行的是每周40小时工作制，多数居民休息日是周六和周日，因此在交通上存在一个以周为周期的交通流变化规律。

一年中的每个季节也存在不同的生产生活特点，交通流也随季节变化。

由于交通流在时间上存在日、周、月变化周期，而每个周期都有各自的高峰、平峰和低峰。

因此在交通调查中要注意选取一个比较有代表性的日期进行。

一般选择初夏或者秋初的一个工作日。

为了降低误差可以连续观测一周，对于小时系数应选择城市中有代表的线路，主干，次干线，支线。

分别做权重，得到HOURL表格。

transcad软件中的PAtoOD

软件中的PAtoOD和timeofdayanalysis模块可以同时进行。

现在分别分析。

PAtoOD大家都很熟悉了。

bengbeng网友翻译的很好：

这个是因为做TripGeneration时我们一般用TripProduction（P）和TripAttraction（A）Model.这样通过TripDistribution做出来的矩阵就是PA矩阵。

但是在做TripAssignment时需要的是Origin（O）Destination（D）矩阵，所以需要有PA2OD。

至于为什么两者会不一样，一个简单的规则就是所有的home-basedtrip的productionend都是home,所以即使是回家的trip也是以home作为productionend。

但是对于回家的trip，home是destination而不是origin，这就造成了PA和OD矩阵的不一致。

对于non-homebasedtrip,productionend就是origin。

一般来说，PA矩阵是24小时的，通常我们研究的是一天中某个时候（例如morningpeak）的交通情况，所以还需要进行time-of-day的转化，而这个通常是和PA2OD同时进行的。

基于家庭的OD=[PA+（PA）^T]/2。

PAtoOD把前面方式选择到的三个24hPA转化成三个24小时OD，注意24小时时段分析，在转化成OD后再进行，转化后得到。

小汽车24hOD矩阵

公交车24hOD矩阵

其他交通工具24hOD矩阵

软件将会生成三个PA2OD矩阵

transcad中的方式选择模块

方式选择是一个很有意思的数学问题，个体出行中不同目的，不同时间，天气等情况选择的交通工具会不同。

这种差异性，随机性用数学方式表现比较复杂。

选择交通工具如同选择商品一样，服从经济学中的效用原理，在这方面成果多的是经济学家和数学家，20世纪70年代以来，以Mcraddm为代表的一批人将经济学中的效用理论引用过来，并以概率论为理论基础，从非集计的角度对方式划分问题展开了研究。

国内交通专业人士由于数学的欠缺，在刘灿齐专著之前，国内很少有专家介绍方式选择方便的先进理论，最早做这方面工作的是国内数学领域的专家，比如92年熊西文教授介绍了MNL等方式选择模型。

早期的转移曲线算是比较好的定量分析，在国内被广泛应用，现在国内更多还是比较机械的分割，据说是按宏观和微观结合方法。

transcad吸取了方式选择成熟适应的先进理论。

主要有BNL（二元logit）、MNL（多元logit）、NL巢式logit等。

以上非集理论是相对于集计理论来说的，研究的对象是个体，简单的说就是研究个体出行采用哪种交通方式。

非集计模型建立的基础是效用（Utility）最大化，以及交通行为理论。

在经济学中“效用”是指人们选择消费所获得的满足程度，出行者选择哪种交通方式出行也是一种消费行为，出行者也将追求效用最大化原则，选择其认知到选择枝（Alternative）中效用最大的一枝，在效用理论基础上扩展的随机效用理论，1974年麻省理工学院的McFadden导出MNL模型。

后来发现MNL模型有不足（参考刘书上面的红蓝巴士问题）。

问题在于随机效用理论的随机项问题，

随机项服从二重指数分布（Gumbel）可以推导出MNL模型

随机项服从服从多元正态分布（MultivariateNormalDistribution）,则可以得出Probit模型。

国内中山大学数学系在概率论随机理论方面比较有成就概率论著述书上好像有二重指数分布介绍。

多元正态分布介绍的很多。

transcad中关于MNL模型需要建立模型表格类似交叉分类表格，进行参数的标定。

然后应用！

假设只考虑三种类型，小汽车，和公交出行，其他方式（自行车摩托车等）。

在进行交通产生吸引预测时诞生各个TAZ的各类出行HBW+HBNW+NHB等，组合成一个PA矩阵，进行分布分析！

方式选择在分布后，依据每个TAZ则PA矩阵化解成小汽车PA,公交PA，其他方式PA。

出行的“产生点”并不等价于“起点”，“吸引点”也不等价于“讫点”。

为什么在出行起、终点这两个简单的概念之外还要定义出行的产生点利吸引点这样较为复杂的概念呢！

在早期的交通规划四阶段中，确实只有起、讫点的概念，没有产生点和吸引点的概念，由于一个分区的交通出行发生量主要是由这个分区的土地利用形态决定的，而起讫点的概念与用地形态没有关系：

例如，就拿住宅用地来说（属于居住用地范畴），它既可以是出行的起点（从住宅用地旁边的道路上选择交通工具去班），也可以是出行的讫点（下班回家）。

可是从起讫点的概念出发，无法由分区未来的用地模式预测分区的交通出行发生量。

现在的城市规划，普遍还是对土地功能划分成各类用地，比如商业用地，一类工业用地，居住用地，仓储用地等等。

因此，后来交通学家们提出了产生点和吸引点的概念。

那么如何预测出交通产生量，和和吸引量呢。

这里需要引进，出行的发生范围，出行的时间范围，出行的分类，出行的度量单位。

（1）出行的发生范围，对城市分区域分析，划分交通分析小区（TAZ），影响划分方式因素很多，应该综合考虑，土地形态，道路网络，行政单位，以及对这些交通小区抽样调查的方便程度。

这一步很关键。

（2）出行的时间范围，人群，个体出行是个时空范畴，遵循生物节律性，个体一般在一天内完成工作，上学等等目的的出行行为，进行预测时间范围是一天（24h），当然也可以是一段时间内的预测（数学表现上比较复杂，很难以掌握精确程度）。

出行范围定制在一天，还考虑到，方便对前面划分交通小区进行交通的抽样调查，另外能保证产生吸引预测精确，保证预测不重叠，因为如果把一天中个体的出行轨迹描绘出来，将会是一个出行链条。

交通小区的划分，分割了出行链条，产生点和吸引点被划分在不同范围内。

因此为了保证预测不重叠，还需要进行出行分类分析。

（3）在完善的交通需求预测中，出行分类一般划分成四类HBW（基于家庭的工作出行），HBNW（基于家庭的非工作出行）HBO（基于家庭其他目的出行），NHB（非由家出行）。

这种划分方式是交通产生吸引（PA）预测的精华所在。

对交通小区的调查一般以家庭为单位。

得到的是家庭中个体，或者家庭的出行抽样数据，然后对该小区总体出行数目，用数学方法放大。

上面说过了在个体出行中，以一天为单位完成出行，并且是一个轨迹链条，这个出行的轨迹依赖于几个关键点家庭  工作地点出行的目的地，对出行分类进行上述四类划分，能很好避免出行链被分割在不同小区，由此造成的重复预测。

（4）出行的度量单位，交通预测最终预测的是TAZ总体的出行数目，这个数目是有单位的！

是人/天，有些人直接进行OD预测并且得到的结果单位是（车/时间）,很让人诧异，既然预测是车，那么车如何去进行方式选择呢？

？

然后还煞有介事的进行方式划分，要纠正这种错误观点，土地形态不同产生的交通量是有单位的，PA预测单位是（人/时间），不是（车/时间）。

因为是人决定了要去那里（出行分布），是人决定了选择哪种交通工具（方式选择），最中选择的交通工具对路网产生如何影响（交通分配）。

出行的产生和吸引是其他几个需求预测的基础，行为的主题是人！

行为主体是人，在会有后面交通分布，以及对交通工具选择，最终引发随机效用理论在交通选择中的应用，开创了应用数学和经济学等理论交叉发展新局面，从而诞生许多新兴离散选择模型。

在交通分配中，因为行为主体是人，由此发展了，随机用户均衡先进模型，有些人把一天的OD（PA要进行OD转化，以后再扯）拿来分配！

晕那，还是用户均衡模型，一天范围内如果均衡法呢？

4.对transcad中交通分布和平衡的理解

从出行发生预测可以得知TAZ出行产生量和出行吸引量，下面的问题是：

就某个TAZ分区而言，它所产生的这些出行量究竟到那个分区去了?

它所吸引的这些出行量又究竟来自哪里?

也就是要预测未来规划年各个分区之间出行的交换量。

我们把分区之间的出行的交换量叫做“出行分布”出行分布量是指：

分区A与分区B之间平均单位时间内的出行量．单位时间可以是一天、一周、一月等，也可以是专指高峰小时。

前面所论述一样这里认为分布量为一天。

按照交通分布的定义，A区至B区的分布量为Q（ab）和B区至A区的分布量Q（ba）是有方向的。

Q（ab），Q（ba）是基于产生点和吸引点，因此对于分析区都是住宅用地的TAZ将会出行无吸引量问题，即其他交通小区到该区域分布量为0，transcad中的交通平衡分析很好的把回程出行进行分离解决这个问题。

 出行分布矩阵是一个二维表（矩阵），行坐标为吸引分区号，列坐标为产生分区号，元素为出行分布量。

前面的交通平衡后PA一致，实际上TAZ的PA并不一定一致，尤其是分析一个时段的PA分布问题。

transcad中有两大类方法实现分布预测  增长率法和引力模型法

（1）增长率法，增长率按系数放大，未来规划年土地形态剧烈变动时预测误差比较大，软件中有统一增长率法，单约束增长系数模型，双约束增长率法fratar方法。

（2）引力模型法，很多人都翻译成重力模型，感觉翻译成汉语的引力，事实行为更容易理解。

每个TAZ的PA量相互吸引犹如万有引力一样，如图

（1）所示

此主题相关图片如下美国大区域交通图.jpg：

 PA好像一个小星球一样相互直接吸引,很形象。

Q（ab）=K[PA]/R（ab）^2这是单纯意义上的引力公式，R（ab）为阻抗，缺少约束造成预测分布量和PA不一致问题。

后来发展成带约束的引力模型。

transcad中的引力模型主要有单约束双约束还有K因子模型。

公式1/R（ab）^2系数是阻抗平方反比倒数形式 称阻抗函数，f[R（ab）]=1/R（ab）^2换一种写法f（x）=1/x^2 x=R（ab）,对于双约束引力模型公式就变化成，Q（ab）=a*A*b*B*f（x）ab是产生量和吸引量的约束因子。

目前被开发出来的阻抗函数主要有

指数函数型  f（x）=exp^（-cx）

幂函数型    f（x）=x^-b

符合型      f（x）=a*x^-b*exp^（-cx）

指数倒数形式 f（x）=1/（a+dx^-b）

其函数图形如下

此主题相关图片如下指数型.jpg：

此主题相关图片如下幂函数型.jpg：

此主题相关图片如下复合型-b.jpg：

此主题相关图片如下复合型-c.jpg：

此主题相关图片如下半钟型.jpg：

软件中只有前三种函数最后一种函数没有采纳，我个人觉得最后一种函数不好！

阻抗函数阻抗很宽泛，假设只考虑距离阻抗，那么阻抗函数中自变量x（距离），x距离越近阻抗函数值应该大，x越大阻抗函数值应该越小。

从图中看出指数倒数型阻抗函数不符合这种分布，这种函数比较适合市中心不明显，距离较远和较近TAZ分布量变化不大的情况。

简单探讨一下阻抗函数选择问题，我觉得应该首先选择复合型阻抗函数，能够应付很多情况，a可以修正初始值对TAZ距离很近造成的分布量过大有很好的调控能力，另外b，c很灵活能很好的调控相距较远TAZ小区不至于分布量为0，对各类城市都很适合，比如兰州大连偏带状型城市，以及南京多新街口湖南路夫子庙等多中心组团的城市，不过复合型参数标定比较麻烦。

指数幂函数型比较适合城市中心很明显。

参数标定很方便。

对transcad中交通平衡的理解

出行分类一般划分成四类HBW（基于家庭的工作出行），HBNW（基于家庭的非工作出行）HBO（基于家庭其他目的出行），NHB（非由家出行）。

对于NHB（非由家出行），PA矩阵基本上就等同OD（数量上相等）。

问题的核心在于一个端点是家庭的出行。

按照PA的定义，只要是由家出行，那么家庭端点就是产生点，所以一个交通小区所有由家出行的家庭端点总数就是它的产生量。

很多人都产生一个疑问。

如果现在假设一个小区全部为居住用地，那么，这个小区就只有产生量，而无吸引量了，那么在做交通分布的时候其他小区到这个小区的分布量都为零了（用重力模型）。

与事实不符的。

对于PA中基于家庭的出行概念，我很赞同oaka网友计数精度解释，即把回程的出行计入到出行产生中，因为出行产生用交叉分类方法精确程度高，（transcad理论体系中交通产生多用交叉分类方法，交通吸引多用回归预测）。

我个人理解是这样的，假定一个人从A区（家庭所在地）到B区上班，早上上班，晚上下班回家休息，不再出门，那么一天中个体总共有两次出行行为，两对OD。

其产生的渊源都源于家庭端点，出门工作和回家都是由家庭端引起的。

交通吸引渊源在于工作地点。

用PA计数方法，A区（家庭所在地）只有产生量就是1+1＝2，B区（工作区域）只有吸引量1＋1＝2。

为什么要用这种计数方法，而不是直接采用OD的计数方法呢？

前面所讲土地利用形态问题，OD对（起讫点）难以和土地等用地形态建立回归等预测模型，规划年土地形态变化，依赖土地形态预测结果比较精确。

PA预测的是未来规划年，假设是2050年小区土地形态变迁，引起的产生，吸引变化情况。

前例子中A区的产生量A为2，B区的吸引量为2，问题是其他交通小区TAZ到A区的分布量问题，由于A区域只有产生量，没有吸引量，其他交通小区到A区的分布量为零，不符合实际情况，transcad中用交通平衡方法比较好的解决这个问题，A区域P=2A=0平衡后A区的PA=（2+0）/2 ，（也有其他权重方法）这样把计入交通产生的回程交通量很好的分离出来。

便于后面的交通分布分析。

5.TransCAD分层导入路网

假如你的道路网有2000段道路，你需要对每条道路赋予相应的属性，比如录入通行能力，录入速度，那这么多路段怎么一个个输入呢，怎么办？

首先，在AutoCAD里分层建立起路网，可以分为快速路层、主干道层、次干道层和支路层，共四个层，每层对应相应的路网，存为DBF文件。

然后，在TransCAD里导入路网DBF文件，打开导入对话框，在对话框中同时选择快速路、主干道、次干道和支路四个层，然后选择导入即可。

最后，在路网dataview表格里面可以看到一个layer属性，其值分别为快速路、主干道、次干道和支路，因此可以通过各种不同属性分类的道路网输入其通行能力，等等。

6.TransCAD之手动添加/删除质心连杆

1、在路网层上，点击Tools→mapediting→toolbox，出现地图编辑工具栏：

此工具栏的使用说明如下：

注：

此工具箱的使用可参考TransCAD说明书《Personguide》的第24章《创建和编辑地理文件》，文本第578页，PDF文件第10页，同时此工具箱分为点编辑、线编辑工具两种。

2、通过“添加”按钮可以添加新的连杆。

起点最好能够定位到圆心处（这样TC会自动连接到其最近的点），如果偏离质心太远，会连接不到质心；终点也最好能够定位到连接点处（TC也能够自动与其最近的点相连）。

这里的定位，手动定位，用肉眼观察觉得很靠近了就可以了。

这样就能够添加新的连杆。

通过“删除”按钮可以删除觉得不合理的质心连杆。

3、连杆的数量可以再Tools→mapediting→connet...里面设置，如下：

Maximumconnections即为最多连杆数量。

7.TransCAD通行能力取值

很多是快速路1000-1200主干道900次干道600支路400-300（一个车道）即使乘了车道、交叉口折减系数觉得还是偏大，一般灯控交叉口右转600直行500左转300考虑到渠化的话取的路段通行能力大于交叉口的通行能力。

般取快速路1200-1400，主干道1000-1200（1150），次干道600-800（700），支路400.括号内为推荐值。

按照规范肯定是偏大现在大多数是按照规范再乘以一个折减系数包括车道折减系数和交叉口折减系数，快速路取值是按照饱和度0.7取的，保证快速路饱和度在0.7左右。

“老拳”网友的经验值为：

快速路：

1350，主干路：

900，次干路600-700，支路：

300-400。

这个是我用的经验值

”Blee中山规划院“网友的经验值为：

快速路1100～1200，主干路800～900，次干路650～750，支路500～600

8. TransCAD最短路矩阵为0的解决方法

今天在用TransCAD的multiplepaths做最短路矩阵的阻抗矩阵求解时，出现生成的矩阵全都为0，而且更改矩阵不能有小数点，只能是整数，因为我分配完后的矩阵都是零点几的小数，没有超过1的，所以想想可能是哪里的设置问题，而不是分配问题，找找看更改设置就完成了。

选择菜单Edit--Preferences...弹出对话框，在对话框选择“Matrix”选项卡