3.1 出行生成预测

　　居民出行产生预测的目的是建立小区居民出行发生量和吸引量与小区土地利用、社会经济特征等变量之间的定量关系，推算规划年各交通小区的居民出行发生量、吸引量。出行产生包括出行发生与出行吸引。居民出行产生预测的方法很多，常用的方法有交叉分类法、回归分析法、生成率法、吸引率法及平均出行次数法等。

　　居民出行分布预测是将预测的各分区出行发生量、吸引量转化为未来交通分区之间的出行交换量的过程。预测方法大体分为三类，即：增长率法、概率模型法和重力模型法。其中，双约束重力模型法在国内外交通规划中使用最为广泛。

　　3.2 交通分配预测

　　在掌握各分区出行产生、出行吸引，以及出行分布情况后，即知道了各分区之间有多少出行交换量后，就可着手进行交通分配。交通分配就是把各分区之间的空间O-D量分配到具体的交通网络上。通过交通分配所获得的路段、交叉口交通量资料是检验道路规划网络是否合理的主要依据之一。目前，道路交通管理规划中应用较广泛的交通分配是随机用户平衡模型(Stochastic User Equilibrium)。该模型建立了路段行驶时间与路段交通量之间的函数关系，并考虑了通行能力的限制，通过反复迭代计算，直至达到要求的精度为止，最后分配出各路段上的交通量。

　　3.3 停车需求预测

　　世界上许多大城市均对停车需求预测进行过深入研究，由于各国国情不同、城市发展形态不同、经济增长不同，停车预测模式也不同，其计算方法差异较大。常用的预测模型有：停车生成率模型、用地与交通影响分析模型、相关分析模型、机动车OD预测模型、交通量-停车需求模型、静态交通发生率模型。下面对应用较为广泛的静态交通发生率模型和交通量-停车需求模型作一简要介绍。

　　（1）静态交通发生率模型

　　根据停车调查数据汇总可得到各交通小区的日停车数，再根据停放车辆车型比例换算为标准车，利用综合交通规划中社会经济与土地利用现状及发展预测所提供的现状和近、远期规划年的就业岗位数，抽取一定的样本，可建立静态交通发生率模型：

　　Pij=∑aiLij （i=1，……，m j=1，……，n） （1）

　　式中：Pij为预测年第j交通小区的基本日停车需求（标准车次/日）；ai 为第i类用地的静态交通发生率（标准车次/100工作岗位·日）；Lij为预测年第j交通小区第i类用地的就业岗位数（人）；n为小区数；m为用地分类数。

　　对模型的求解采用非线性优化的方法，即建立非线性优化模型：
式中参数意义同前。

　　（2）交通量-停车需求模型

　　通过对几种停车需求预测方法的比较可知，该模型虽不能具体得到区域内每一土地使用的停车设施需求量，但由于它与动态交通的预测方法相结合，因此比较适用于对交通小区的宏观停车需求分析。因此该模型可用来检验静态交通发生率模型的计算结果。

　　模型表达式为：

　　logPi=Ao+A1·logVki+A2·logVhi （3）

式中：Pi为预测年第i交通小区的日停车需求量（标准车次/日）；Vki为预测年第i交通小区的客车日出行吸引量（标准车次/日）；Vhi为预测年第i交通小区的货车日出行吸引量（标准车次/日）；Ao、A1、A2为回归系数。

理论与实践表明，城市道路交通管理规划的编制与实施对于改进和加强我国道路交通管理工作必将起到积极的推动作用。