《表2 各种增长系数法迭代效率对比》
增长系数法在现状分布交通量给定的情况下,预测将来的分布交通量,通过设置误差常数ε控制算法迭代次数[1],主要适用于中短期交通需求分布预测。根据增长函数的不同,增长系数法分为常增长系数法、平均增长系数法、底特律(Detroit)法、福莱特(Fratar)法和弗尼斯(Furness)法。增长系数法的传统教学模式大多忽视了对增长系数法原理的深入讨论。为了使学生深入理解增长系数法的算法原理,应鼓励学生编写增长系数法的计算机程序,探索不同误差常数ε下的增长系数法收敛特性。表1为教材给定的现状OD表及规划年各小区的发生和吸引交通量[1-2],表2为各类增长系数法的迭代次数。由表2可知,各类增长系数法的迭代次数均随误差常数ε的减小而增大。正如教材中所指出的,福莱特法比其它几种增长系数法收敛速度快很多。借助计算机程序,学生可以更直观地了解福莱特法的高效性。教材案例设定的误差常数较大ε誗=0.3%誗,各类增长系数法仅迭代1~3次就达到收敛,方便学生手算。然而,随着误差常数的减小,计算量逐渐增大,难以通过手算达到收敛,而借助计算机能快速、高效地分析各类增长系数法的收敛特性。
图表编号 | XD00191235400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 王璞 |
绘制单位 | 中南大学交通运输工程学院 |
更多格式 | 高清、无水印(增值服务) |