交通规划是有计划的引导交通的一系列行动，即规划者如何制定交通发展目标，又如何将发展目标付诸实施的方法。 交通规划原理的主要内容包括交通调查、交通与土地利用、交通网络布局规划与设计、交通的发生与吸引、交通分布、交通方式划分、交通流分配。 交通调查：是指利用客观地手段，对道路交通流及有关的交通现象进行调查，并且对调查资料进行分析与判断，从而了解掌握交通状态及有关的交通现象规律的工作过程。包括交通量、速度、密度调查；交通延误调查；OD调查；PT调查；RP、SP调查。
交通规划是有计划的引导交通的一系列行动，即规划者如何制定交通发展目标，又如何将发展目标付诸实施的方法。
交通规划原理的主要内容包括交通调查、交通与土地利用、交通网络布局规划与设计、交通的发生与吸引、交通分布、交通方式划分、交通流分配。
交通调查：是指利用客观地手段，对道路交通流及有关的交通现象进行调查，并且对调查资料进行分析与判断，从而了解掌握交通状态及有关的交通现象规律的工作过程。包括交通量、速度、密度调查；交通延误调查；OD调查；PT调查；RP、SP调查。
交通的发生与吸引预测：对研究对象地区内由各个交通小区发生与吸引的交通流预测。
模型与特性:
1、原单位法：包括总量控制法、调整系数法，适用于小区变化不大的情况。
2、增长率法：考虑了原单位随时间变动的情况，它是用其他指标的增长率乘以原单位求出将来生成交通量的方法。特点是可以解决原单位法和函数法难以解决的问题，它通过设定交通小区的增长率，可以反映因土地利用的变化引起的人们出行的变化以及对象区域外的交通小区的发生与吸引交通量。
3、聚类分析法：直观、容易理解；资料的有效利用；容易检验与更新；可以适用于各种研究范围；每一个横向分类的小格中，住户彼此之间的差异性被忽略；同一类变量类别等级的确定是凭个人主观。
4、函数模型法：利用函数式预测将来不同出行目的的原单位的方法，是交通发生与吸引预测中最常用的方法之一。
交通分布预测：是把交通的发生与吸引预测获得的各小区的出行量转换成小区之间的空间OD量，即OD矩阵。
模型与特性：
1、增长系数法：假设在现状分布交通量给定的情况下，预测将来的分布交通量。包括常增长系数法、平均增长系数法、底特律法、福莱特法、佛尼斯法。优点：结构简单，实用性强，不需要交通小区之间的距离和时间；可以适用于小时交通量或日交通量等的预测；对于变化小的OD表预测非常有效；预测铁路车站间的OD分布非常有效。缺点：必须有所有小区的OD交通量；对象地区发生大规模变化时方法不适用；交通小区之间的交通量值较小时会存在问题；将来交通量仅用一个增长系数表示缺乏合理性。
2、重力模型法：考虑了两个交通小区的吸引强度和他们之间的阻力，认为两个小区的出行吸引与两个小区的出行发生量与吸引量成正比，与交通小区间的交通阻抗成反比。包括无约束重力模型、单约束重力模型（1、乌尔希斯重力模型，只满足于出行发生约束模型2、美国公路局重力模型）、双约束重力模型。优点：直观上容易理解；能考虑路网的变化和土地利用对人们的出行产生影响；特定小区的OD交通量为0时也能预测；能比较敏感的反应交通小区之间行驶时间变化的情况。缺点：缺乏对人的出行行为的分析；重力模型将出行距离视为定值；使用了同一行驶时间；交通小区之间的距离小时，有夸大预测的可能性。
3、介入机会模型：从交通小区发生的出行机会数与到达机会数成正比的按距离从近到远到达目的地。
4、最大熵模型：
Wilson模型：能表现出行者的微观行动；总交通费用是出行行为选择的结果，对其进行约束脱离现实；各微观状态的概率相等，即各目的地的选择概率相等的假设没有考虑距离和行驶时间等因素。
佐佐木模型：事先给定目的地选择概率，其余同Wilson模型；能表现出行者的微观行动；总交通费用是出行行为选择的结果，事先给定脱离现实；各微观状态的概率相等，即各目的地的选择概率相等的假设没有考虑距离和行驶时间等因素。
交通方式划分：出行者出行选择交通工具的比例，它以居民出行调查数据为基础，研究人们出行时的交通方式选择行为，建立模型从而预测基础设施或服务等条件发生时交通方式间交通需求的特性。
集计模型：
1、全域模型：考虑对象区域整体的交通方式划分情况，常用于宏观交通规划。
2、出行端点模型：利用对象区域内交通小区的固有属性说明其划分率，在研究总量后即探究分担率的方法，便于从交通的角度研究各交通小区的土地利用，多数属于发生端出行端点模型。
3、TI模型（OD对模型）：该模型推算给定OD表的交通方式划分率，即在出行分布后进行方式划分，便于考虑出行特征和可用出行方式的特征，但难以考虑出行者的特征，因为他们都已被集计到出行矩阵中。
4、径路模型：为在考虑各种交通方式的径路的同时进行交通流分配的模型。
非集计模型：
1、Probit模型：当方案超过3个时，计算非常复杂，因此很少使用。
2、Logit模型
【IIA特性：两种方案间的相对优劣仅取决于这两种方案的特性，而与其他方案的特性无关】
两者区别：与Probit模型相比，过大估计选择概率大的径路，过小地推算选择概率小的径路；径路重合部分增大时，由于随机误差的相关性增大，Probit模型与Logit模型的计算值产生很大差别。因此，径路重合部分多时，应该使用Probit模型，使用计算比较简单的嵌套Logit模型也能求出近似解。
交通流分配：将预测得出的交通小区间的分布交通量根据已知的道路网描述，按照一定的规则符合实际的分配到路网中的各条道路上去，进而求出路网中各路段的交通流量。
模型及特性：
非平衡分配方法：
1、全有全无分配方法：是最简单的分配方法，不考虑路网的拥挤效果，取路阻为常数，每一个OD对的交通量被全部分配到连接点对的最短径路上，其他径路上分配不到交通量。
2、容量限制—增量分配：将OD表分解成N个分表，然后分N次使用最短路分配方法，每次分配一个OD分表，并且每分配一次，路阻就根据路阻函数修正一次，直到把N个OD分表全部分配到路网上。
算法思想：①将OD交通量分成若干份；②循环的分配每一份交通量到网络中；③每次循环分配一份OD交通量到最短路径上；④每次循环均计算、更新各路段的行驶时间，然后按更新后的行驶时间重新计算最短径路；⑤下一循环中按更新后的最短径路分配下一份OD交通量。
3、容量限制—迭代平衡分配
4、迭代加权法
平衡分配方法：
1、用户平衡分配模型：基于Wardrop第一原理的分配模型，即用户最优；
2、系统最优分配模型：基于Wardrop第二原理的分配模型，即系统最优；
随机分配方法：
1、非平衡随机分配方法：包括模拟随机分配法和概率随机分配法（Logit模型）
【Logit模型原理及其在交通需求预测中的作用？
答：模型基本上实现了引入随机流量分配模型的目的，更好模拟了出行者的出行选择，解决了确定型模型中路段行走时间的微小变化将可能带来的分配结果的巨大差异的敏感性问题。由于随机项之间的相互独立的假定和随机项的固定方差的假定，使得Logit模型在某些情况下脱离实际，从而得出错误结果。
应用：在交通方式划分中，确定每个人选择相应交通方式的概率，可用于两种或多种交通方式的分担率计算；在交通流分配中，假定用户对当前路网信息掌握不完全，同时出行者对阻抗的估计视为随机变量。路径k被选择的概率是r-s间第k条路径上的实际阻抗】
2、平衡随机分配方法
动态交通流分配：
是指将时变的交通出行合理分配到不同的路径上，以降低个人的出行费用或系统总费用。包括用户最优和系统最优。
知识点：交通规划
