TransCAD技术图解教程.docx

TransCAD技术图解教程.docx

《TransCAD技术图解教程.docx》由会员分享，可在线阅读，更多相关《TransCAD技术图解教程.docx（26页珍藏版）》请在冰点文库上搜索。

TransCAD技术图解教程

中成立交通小区的两种方式

第一种方式：

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Gauss坐标（依照自己情形选择坐标），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”，保留“GeographicFile（*.dbd）”文件。

完成小区的成立。

（那个地址可能生成的小区数并非是现实中想划分的数量和位置，能够对小区进行归并取得新的小区）

第二种方式：

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Gauss坐标（依照自己情形选择坐标），并把复选框preserve blocks as multi-polygon areas的打钩去掉，点OK执行导入。

完成小区图层的成立。

（可能会显现某个小区消失的情形，这时可能需要您从头在AutoCAD里删除该小区的线段，并从头画上，估量就没问题了。

）

第三种方式：

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

导入OD矩阵

一、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。

二、在Excel中成立小区的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的编号必需与先前成立的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文件和成立的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。

之TimeOfDayAnalysis和PA-OD方式选择模块

timeofdayanalysis

这一步很关键，很多的交通计划书籍并无介绍，而且把交通调查，错误的称作OD调查，OD是难以调查取得的。

因此很多交通书籍上以谣传讹甚多，今天OD调查已经引深为交通调查的意思，大伙儿要明白OD对，是难以调查取得的！

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

transcad理论基础完整，先进，科学。

软件PAtoOD模块，专门好的把24小时PA转化成24小时OD要注意的是，交通产生吸引预测取得是PA矩阵，是有单位的单位是（人/小时，即一样为24小时，单位是人/天）。

而交通分派用到的OD对是车/小时。

因此要把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若是只有三种选择方式那么会产生三个OD矩阵，现在是人天为单位的。

咱们用用timeofdayanalysis 模块（PAtoOD模块亦可），运用其中的（convertpersontripstovehicletrips）{那个地址大伙儿明白得成，折算比率即可,那个地址要紧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矩阵归并成一个24小时OD矩阵，然后乘以小时系数取得24小时中每一个小时的OD矩阵，即将24小时OD，拆分成24个能用于分派的OD矩阵！

现在的单位是pcu/h。

后面将进行交通分派分析。

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 介绍给大伙儿！

希望大伙儿能领会明白得。

我看了一些报告，交通计划文本，很多混淆了OD和PA,上来就预测一天内的OD，这是错误的，前面和探讨了很多，应该是预测PA，然后由PA转化成OD，转化后的OD是一天的，很多交通报告上取得的是一天的OD，而交通分派是一个时段的，分派的是顶峰小时，而且在理论中还煞有介事的介绍OD调查！

既然是分派一个顶峰小时，如何能调查取得该顶峰小时的OD？

进行如此OD调查的准确性呢？

既然得不到顶峰小时的OD，又如何分派顶峰小时的OD呢？

也有人分派的是一天的流量，那个是错误的，因为在交通平稳分派理论基础是有时段限制的，在一个时段才有效户均衡现象。

因此说分派一天的流量是错误的！

很多交通书籍仍然延续OD调查的说法，大伙儿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，我在那个地址称小时系数表），那个默许的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取得，OD调查调查个鬼啊，那些人全然没有深切调查，也弄不懂抽样调查），美国是小汽车王国，作息制度，和车辆占有率都不一样，那个数据需要另外调查取得。

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转变规律。

一年中的每一个季节也存在不同的生产生活特点，交通流也随季节转变。

由于交通流在时刻上存在日、周、月转变周期，而每一个周期都有各自的顶峰、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。

一样选择初夏或秋初的一个工作日。

为了降低误差能够持续观测一周，关于小时系数应选择城市中有代表的线路，骨干，次干线，支线。

别离做权重，取得HOURL表格。

transcad软件中的PAtoOD

软件中的PAtoOD和timeofdayanalysis模块能够同时进行。

此刻别离分析。

PAtoOD大伙儿都很熟悉了。

bengbeng网友翻译的专门好：

那个是因为做TripGeneration时咱们一样用TripProduction（P）和TripAttraction（A）Model.如此通过TripDistribution做出来的矩阵确实是PA矩阵。

可是在做TripAssignment时需要的是Origin（O）Destination（D）矩阵，因此需要有PA2OD。

至于什么缘故二者会不一样，一个简单的规那么确实是所有的home-basedtrip的productionend都是home,因此即便是回家的trip也是以home作为productionend。

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

关于non-homebasedtrip,productionend确实是origin。

一样来讲，PA矩阵是24小时的，通常咱们研究的是一天中某个时候（例如morningpeak）的交通情形，因此还需要进行time-of-day的转化，而那个一般是和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小不时段分析，在转化成OD后再进行，转化后取得。

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

方式选择是一个很成心思的数学问题，个体出行中不同目的，不同时刻，天气等情形选择的交通工具会不同。

这种不同性，随机性用数学方式表现比较复杂。

选择交通工具犹如选择商品一样，服从经济学中的效用原理，在这方面功效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，最先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。

初期的转移曲线算是比较好的定量分析，在国内被普遍应用，此刻国内更多仍是比较机械的分割，听说是按宏观和微观结合方式。

transcad吸取了方式选择成熟适应的先进理论。

要紧有BNL（二元logit）、MNL（多元logit）、NL巢式logit等。

以上非集理论是相关于集计理论来讲的，研究的对象是个体，简单的说确实是研究个体出行采纳哪一种交通方式。

非集计模型成立的基础是效用（Utility）最大化，和交通行为理论。

在经济学中“效用”是指人们选择消费所取得的知足程度，出行者选择哪一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那么，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。

后来发觉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散布（Gumbel）能够推导出MNL模型

随机项服从服从多元正态散布（MultivariateNormalDistribution）,那么能够得出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绩概率论著述书上仿佛有二重指数散布介绍。

多元正态散布介绍的很多。

transcad中关于MNL模型需要成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，进行散布分析！

方式选择在散布后，依据每一个TAZ那么PA矩阵化解成小汽车PA,公交PA，其他方式PA。

出行的“产生点”并非等价于“起点”，“吸引点”也不等价于“讫点”。

什么缘故在出行起、终点这两个简单的概念之外还要概念出行的产生点利吸引点如此较为复杂的概念呢！

在初期的交通计划四时期中，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若是由那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，就拿住宅用地来讲（属于居住用地范围），它既能够是出行的起点（从住宅用地隔壁的道路上选择交通工具去班），也能够是出行的讫点（下班回家）。

可是从起讫点的概念动身，无法由分区以后的用地模式预测分区的交通出行发生量。

此刻的城市计划，普遍仍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。

那个地址需要引进，出行的发生范围，出行的时刻范围，出行的分类，出行的气宇单位。

（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），阻碍划分方式因素很多，应该综合考虑，土地形态，道路网络，行政单位，和对这些交通小区抽样调查的方便程度。

这一步很关键。

（2）出行的时刻范围，人群，个体出行是个时空范围，遵循生物节律性，个体一样在一天内完成工作，上学等等目的的出行行为，进行预测时刻范围是一天（24h），固然也能够是一段时刻内的预测（数学表现上比较复杂，很难以把握精准程度）。

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准，保证预测不重叠，因为若是把一天中个体的出行轨迹刻画出来，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，出行分类一样划分成四类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样以家庭为单位。

取得的是家庭中个体，或家庭的出行抽样数据，然后对该小区整体出行数量，用数学方式放大。

上面说过了在个体出行中，以一天为单位完成出行，而且是一个轨迹链条，那个出行的轨迹依托于几个关键点家庭  工作地址出行的目的地，对出行分类进行上述四类划分，能专门好幸免出行链被分割在不同小区，由此造成的重复预测。

（4）出行的气宇单位，交通预测最终预测的是TAZ整体的出行数量，那个数量是有单位的！

是人/天，有些人直接进行OD预测而且取得的结果单位是（车/时刻）,很让人惊讶，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/时刻），不是（车/时刻）。

因为是人决定了要去那里（出行散布），是人决定了选择哪一种交通工具（方式选择），最当选择的交通工具对路网产生如何阻碍（交通分派）。

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，在会有后面交通散布，和对交通工具选择，最终引发随机效用理论在交通选择中的应用，开辟了应用数学和经济学等理论交叉进展新局面，从而诞生许多新兴离散选择模型。

在交通分派中，因为行为主体是人，由此进展了，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）拿来分派！

晕那，仍是用户均衡模型，一天范围内若是均衡法呢？

4.对transcad中交通散布和平稳的明白得

从出行发生预测能够得知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?

也确实是要预测以后计划年各个分区之间出行的互换量。

咱们把分区之间的出行的互换量叫做“出行散布”出行散布量是指：

分区A与分区B之间平均单位时刻内的出行量．单位时刻能够是一天、一周、一月等，也能够是专指顶峰小时。

前面所论述一样那个地址以为散布量为一天。

依照交通散布的概念，A区至B区的散布量为Q（ab）和B区至A区的散布量Q（ba）是有方向的。

Q（ab），Q（ba）是基于产生点和吸引点，因此关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散布量为0，transcad中的交通平稳分析专门好的把回程出行进行分离解决那个问题。

 出行散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，元素为出行散布量。

前面的交通平稳后PA一致，事实上TAZ的PA并非必然一致，尤其是分析一个时段的PA散布问题。

transcad中有两大类方式实现散布预测  增加率法和引力模型法

（1）增加率法，增加率按系数放大，以后计划年土地形态猛烈变更时预测误差比较大，软件中有统一增加率法，单约束增加系数模型，双约束增加率法fratar方式。

（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，事实行为更易明白得。

每一个TAZ的PA量彼此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仿佛一个小星球一样彼此直接吸引,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，缺少约束造成预测散布量和PA不一致问题。

后来进展成带约束的引力模型。

transcad中的引力模型要紧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）,关于双约束引力模型公式就转变成，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要紧有

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：

此主题相关图片如下复合型：

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，我个人感觉最后一种函数不行！

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散布，这种函数比较适合市中心不明显，距离较远和较近TAZ散布量转变不大的情形。

简单探讨一下阻抗函数选择问题，我感觉应该第一选择复合型阻抗函数，能够应付很多情形，a能够修正初始值对TAZ距离很近造成的散布量过大有专门好的调控能力，另外b，c很灵活能专门好的调控相距较远TAZ小区不至于散布量为0，对各类城市都很适合，比如兰州大连偏带状型城市，和南京多新街口湖南路夫子庙等多中心组团的城市，只是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中交通平稳的明白得

出行分类一样划分成四类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）。

关于NHB（非由家出行），PA矩阵大体上就等同OD（数量上相等）。

问题的核心在于一个端点是家庭的出行。

依照PA的概念，只若是由家出行，那么家庭端点确实是产生点，因此一个交通小区所有由家出行的家庭端点总数确实是它的产生量。

很多人都产生一个疑问。

若是此刻假设一个小区全数为居住用地，那么，那个小区就只有产生量，而无吸引量了，那么在做交通散布的时候其他小区到那个小区的散布量都为零了（用重力模型）。

与事实不符的。

关于PA中基于家庭的出行概念，我很赞同oaka网友计数精度说明，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式精准程度高，（transcad理论体系中交通产生多用交叉分类方式，交通吸引多用回归预测）。

我个人明白得是如此的，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，再也不出门，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发的。

交通吸引渊源在于工作地址。

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

什么缘故要用这种计数方式，而不是直接采纳OD的计数方式呢？

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成立回归等预测模型，计划年土地形态转变，依托土地形态预测结果比较精准。

PA预测的是以后计划年，假设是2050年小区土地形态变迁，引发的产生，吸引转变情形。

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区的散布量问题，由于A区域只有产生量，没有吸引量，其他交通小区到A区的散布量为零，不符合实际情形，transcad顶用交通平稳方式比较好的解决那个问题，A区域P=2A=0平稳后A区的PA=（2+0）/2 ，（也有其他权重方式）如此把计入交通产生的回程交通量专门好的分离出来。

便于后面的交通散布分析。

分层导入路网

假设你的道路网有2000段道路，你需要对每条道路给予相应的属性，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，如何办？

第一，在AutoCAD里分层成立起路网，能够分为快速路层、骨干道层、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、骨干道、次干道和支路四个层，然后选择导入即可。

最后，在路网dataview表格里面能够看到一个layer属性，其值别离为快速路、骨干道、次干道和支路，因此能够通过各类不同属性分类的道路网输入其通行能力，等等。

之手动添加/删除质心连杆

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

此工具栏的利用说明如下：

注：

此工具箱的利用可参考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。

二、通过“添加”按钮能够添加新的连杆。

起点最好能够定位到圆心处（如此TC会自动连接到其最近的点），若是偏离质心太远，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）。

那个地址的定位，手动定位，用肉眼观看感觉很靠近了就能够够了。

如此就能够够添加新的连杆。

通过“删除”按钮能够删除感觉不合理的质心连杆。

3、连杆的数量能够再Tools→mapediting→connet...里面设置，如下：

Maximumconnections即为最多连杆数量。

通行能力取值

很多是快速路1000-1200骨干道900次干道600支路400-300（一个车道）即便乘了车道、交叉口折减系数感觉仍是偏大，一样灯控交叉口右转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，骨干道1000-1200（1150），次干道600-800（700），支路400.括号内为推荐值。

依照标准确信是偏大此刻大多数是依照标准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，快速路取值是依照饱和度取的，保证快速路饱和度在左右。

“老拳”网友的体会值为：

快速路：

1350，骨干路：

900，次干路600-700，支路：

300-400。

那个是我用的体会值

”Blee中山计划院“网友的体会值为：

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

8. TransCAD最短路矩阵为0的解决方式

今天在用TransCAD的multiplepaths做最短路矩阵的阻抗矩阵求解时，显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，因为我分派完后的矩阵都是零点几的小数，没有超过1的，因此想一想可能是哪里的设置问题，而不是分派问题，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，更改Decimals为4（即小数点保留四个位数），然后再把原先矩阵关掉，从头打开，果然显现了相应的数值。

摩擦矩阵对角线