66 第五章出行分布预测 §5.1 概念 从出行发生预测可以得知对象区域各个分区出行产生量和出行吸引量。下面的问题是：就某个分区而言，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？也就是要预测未来规划年各个分区之间出行的交换量。我们把分区之间的出行的交换量叫做“出行分布量”，本章就来研究出行分布量的预测问题。 5.1.1 出行分布量 出行分布量是指：分区i 与分区j 之间平均单位时间内的出行量，单位时间可以是一天、一周、一月等，也可以是专指高峰小时。就一对分区i 和j 而言，它由两部分q ij、q ji 组成： q ij——以分区i 为产生点（注：不一定是出行的起点），以分区j 为吸引点（不一定是出行的终点）的出行量。 q ji——以分区j 为产生点，分区i 为吸引点的出行量。 如同一个分区的产生量不一定等于吸引量一样，q ij 不一定等于 q ji。从下面的例子可以看出这一点。 例 5-1 如图 5-1 所示的两分区之间的六次出行中； q ij=4（出行1、2、5、6） q ji =2（出行3、4） 但以i 为起点的出行数=3（出行1、4、5）； 以j 为起点的出行数=3（出行2、3、6）。 5.1.2 出行分布矩阵（PA 矩阵） 出行分布矩阵是一个二维表（矩阵），行坐标为吸引分区号（Absorbing zone），列坐标为产生分区号（Producing zone），元素为出行分区量。如表 5-1 所示，表 5-1 中的行数和列数相等。从理论的严格意义上讲，产生区和吸引区不一定相同，甚至某些分区只是产生区，但不吸引任何出行，因而不是吸引区，如纯住宅区，也可能有某些分区只是吸i 分区 hj 分区 1 2 f 4 3 h 5 h 6 f 图例：h—家庭；s—学校；f—工厂 图 5-1 (例 5-1)两个分区间的六次出行 67 引区，但不是产生区。但是，实际中，绝大多数分区既是产生区又是吸引区，为了叙述简便起见，我们一般假定产生区和吸引区数相同，用 n 表示。但在后面也给出两者不相同的实例（例 5-5）。 表 5-1 出行分布矩阵 PA 1 2 … n 小计 1 q 12 q 12 … q 1n P1 2 q 21 q 22 … q 2n P2 ┊ … … … … ┊ n q n 1 q n 2 … q n n Pn 小计 A1 A2 … An Q 对于城市交通而言，由于市民在市内的出行都是当天返回的，因此一分区出行的起点数总是等于讫点数，所以基于起讫点的出行量矩阵（OD 矩阵）是对称的。早期的分布矩阵是指这种 OD 矩阵，但...
