邓 捷，陆百川，刘权富，张 凯，马庆禄

（重庆交通大学交通运输学院，重庆 400074）

交通生成预测是通过预测算法，对城区社会经济特性、土地利用形态和居民个人及家庭属性进行综合分析，准确预测出对象地区未来的交通生成量，是正确进行交通宏观决策，制定交通发展战略，编制交通规划，以及制定道路可行性研究的重要前提。但是，由于影响交通生成量的因素较多，且各种因素之间的关系复杂，需要建立一个能包含所有影响因素的高精度预测模型，以使未来交通生成量的预测达到理想效果，这对交通规划具有重要的意义。

许多研究者进行了有关交通生成预测的研究，常见的有生成率模型、类别生成率模型、回归分析模型和类别回归分析模型等［1－4］，这些模型从简单到复杂，就其中具体利用何种方法建立模型，主要取决于对象区域的土地利用形态和社会经济特征，这些模型属于利用区域某一整体属性为依据的集计模型，因此该类模型缺少影响交通生成的行为基础这一主要因素，导致预测结果与实际值相差较大，不能满足实际应用的需要。在其后的研究中为克服集计模型缺陷，研究者们建立了随机效应模型、混合仿真模型和BP神经网络模型等［5－7］，这些是以离散数据为基础的离散模型，不仅拥有集计模型分析的优势，还能有效分析交通管理政策对交通出行者的影响，成为当前分析交通生成的主要模型。但是前面两种离散模型对数学推导要求较高，导致建模过程复杂，不利于实际操作，而BP神经网络模型，在学习过程中存在多个最佳逼近点，预测过程慢，以及预测结果与实际情况相差大等缺陷，不适宜实际应用［8］。……