1、一种城市人行过街天桥交通需求预测的方法摘要：人行天桥是道路交通系统的一个重要组成部分，一般研究很少考虑到将人行交通系统与系统周围的地块用地性质统一起来。本文介绍了一种预测方法并利用预测模型对建设地点进行较为准确的过街行人交通需求预测。 关键词：人行天桥 预测 Abstract: Pedestrian bridgeis an important part ofthe road trafficsystem,the generalstudies seldom considerthenature of the surroundingandpedestrian trafficsystem ofland
2、useunified.This article introduces a kind ofprediction method andtheprediction model forpedestriantraffic demandmore accuratepredictionofconstruction site. Key Words: Pedestrian bridgePrediction 中图分类号：TU984 文献标识码：A 引言 步行是最基本的一种交通方式，行人交通是城市交通综合体系的重要部分。在现代都市里步行作为上班等工作出行的比重虽然逐渐下降，但作为中心商业区、住宅区和各种交通方式起始点
3、、终点和换乘的方式，步行交通有其不可替代的作用。在中小城市，步行交通在交通构成中仍然占有相当重要的地位。 人行立体过街设施分跨越式的人行过街天桥和下穿式的人行过街地道。人行过街天桥和地道是实现人车在空间上完全分离，这种人性化设计可以消除大部分的人车冲突，避免了大量的行人过街交通对车辆交通的影响，改善和缓解了城市交通矛盾。是保证交通安全畅通最有效的措施。但考虑到技术上的可能性、经济上的可行性及建成后的利用率，其设置是有条件的，需要进行科学的规划。 本研究拟通过对现有人行过街天桥及所在道路进行大量的数据调查，进行多元线性回归分析，确定过街人行交通需求的预测模型。研究对象为过街人行交通需求预测模型，
4、研究的前提条件：调查研究对象是现状含有人行过街天桥的城市快速环路、主干道或次干道，道路中线处应有隔离带或隔离护栏即不允许行人随意由路面穿行，道路两侧地块城市功能发展较为完善。 1 过街天桥人行交通需求预测模型研究过程 研究过程：首先选择符合条件的若干条道路，确定人行过街天桥对行人交通的吸引范围并对其城市主要用地性质(商贸用地、公共用地、学校政府医院等办公用地、居住用地)、岗位就业密度进行调查；同时调查人行过街天桥的高峰小时人流量。通过对调查数据进行多元线性回归分析得出过街人行交通需求预测模型，通过对实际路段的预测计算来验证回归模型的准确性。 图 1 过街人行交通需求预测模型研究过程图 2 过街
5、天桥人行交通需求预测模型的建立 通过对现况人行天桥的大量调查，掌握了这些天桥周边的用地性质、面积、就业岗位密度和现况通过人行天桥的过街人流量。根据已掌握之数据进行多元线性回归，建立过街天桥人行交通需求的预测模型。 2.1 确定调查对象 本次研究在北京市五环路范围内选取了 10 座符合研究条件的人行过街天桥，对其过街人流量以及吸引范围内的地块进行调查。调查所选择的十座人行天桥具备以下特点：1)道路中央有隔离设施，行人无法通过路面过街；2)道路两侧地块城市功能发育较为完善；3)天桥地点均不在大型商业区、大型活动场馆周边，确保人流量的稳定性；4)天桥周边大多为中小型商贸、办公区、居住区；5)调查时间
6、选择在早晨上班高峰期。 这 10 座人行过街天桥分布见图 2。 图 2 本次研究调查的人行天桥分布图 2.2 掌握调查数据 通过对现况十座人行天桥的调查，掌握了这十座天桥周边的用地性质、面积、就业岗位密度和现况通过人行天桥的过街人流量。 表 1 十座人行天桥用地面积及过街行人交通量 样本 X1(商贸用地)（公顷） X2（公共用地） （公顷） X3（学校政府） （公顷） X4（居住用地） （公顷） X5（岗位密度） （100 人/公顷） Y（实际观测人流量） （人/h) 1 7.91 8.675 0.96 4.1 10 2185 2 7.37 1.5 6.33 2.4 12 3132 3 2.6
7、4 5.04 18.2 0 5 3412 4 15.6 0 0 10.6 3.5 2016 5 3.4 0 3.4 9.7 2 1179 6 3.6 2.8 5.4 10 1.5 1342 7 7.1 3 5.8 12.7 1.5 1553 8 7.6 1 5.7 9.9 5 2282 9 10.8 13.8 0 0 5 1734 10 8.8 9.6 0 21.5 4 2179 2.3 过街天桥人行交通需求预测模型的建立 2.3.1 多元线性回归分析的基本思路 （1）根据依变量（人流量）与多个自变量（商贸用地、公共用地、学校政府医院办公用地、居住用地、岗位就业密度）的实际观测值建立依变量对多
8、个自变量的多元线性回归方程； （2）检验、分析各个自变量对依自变量的综合线性影响的显著性； （3）检验、分析各个自变量对依变量的单纯线性影响的显著性，选择仅对依变量有显著线性影响的自变量，建立最优多元线性回归方程； （4）评定各个自变量对依变量影响的相对重要性以及测定最优多元线性回归方程的偏离度等。 2.3.2 模型建立 1、利用 Microsoft Excel 中的回归分析功能对观测数据进行多元回归分析。所得结果为： （2-1） （2-2） 公式（2-1）中： 人流量； 商贸用地面积； 公共用地面积； 学校政府医院办公用地面积； 居住用地面积； 岗位就业密度。 2、在本次研究中，事先并不能断
9、定依变量（人流量）与自变量（商贸用地面积、公共用地面积、学校政府医院办公用地面积、居住用地面积、岗位就业密度）之间是否确有线性关系，在根据依变量与多个自变量的实际观测数据建立多元线性回归方程之前，依变量与多个自变量间的线性关系只是一种假设，尽管这种假设在研究前是有一定根据的，但是在建立了多元线性回归方程之后，还必须对依变量与多个自变量间的线性关系的假设进行显著性检验，也就是进行多元线性回归关系的显著性检验，或者说对多元线性回归方程进行显著性检验。这里应用 F 检验方法。 通过检验、分析各个自变量对依自变量的综合线性影响的显著性，得出回归 F 值大于表查 F 值。说明经过 F 检验，多元线性回归
10、关系是显著的。在多元线性回归关系显著性检验中，无法区别全部自变量中，哪些是对依变量的线性影响是显著的，哪些是不显著的。因此，在上述多元线性回归关系显著检验为显著时，还必须逐一对各偏回归系数进行显著性检验，发现和剔除不显著的偏回归关系对应的自变量。 3、偏回归系数的显著性检验（t 检验）当多元线性回归关系经显著性检验为显著或极显著时，还必须对每个偏回归系数进行显著性检验，以判断每个自变量对依变量的线性影响是显著的还是不显著的，以便从回归方程中剔除那些不显著的自变量，重新建立更为简单的多元线性回归方程，通过循环检验偏回归系数 b1、b3、b5 是极显著的。 最终模型为： （2-3） 预测模型所得人流量数值与实际观测人流量误差相对较小，绝大部分在 10%以内，准确性较高。保留的系数为商贸用地、办公用地及岗位就业密度，这说明在本次研究的设定条件下，商贸用地、办公用地及岗位就业密度是影响行人过街流量的主要因素。 3 结束语 本研究根据人流量与城市主要用地性质（商贸用地、公共用地、学校政府医院办公用地、居住用地） 、岗位就业密度的实际观测值建立依变量对多个自变量的多元线性回归方程；通过预测模型所得人流量数值与实际观测人流量误差相对较小，在实际工程中，可采用此方法进行预测工作。
