CN106651209B - 一种评估自行车快速路对当地自行车出行量影响的方法 - Google Patents
一种评估自行车快速路对当地自行车出行量影响的方法 Download PDFInfo
- Publication number
- CN106651209B CN106651209B CN201611268014.7A CN201611268014A CN106651209B CN 106651209 B CN106651209 B CN 106651209B CN 201611268014 A CN201611268014 A CN 201611268014A CN 106651209 B CN106651209 B CN 106651209B
- Authority
- CN
- China
- Prior art keywords
- bicycle
- group
- control group
- conversion value
- express way
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims description 36
- 230000000694 effects Effects 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 8
- 206010039203 Road traffic accident Diseases 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007407 health benefit Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种评估自行车快速路对当地自行车出行量影响的方法,涉及交通出行方式评估,特别涉及一种如何获取无偏倚性的对照组的研究思想,选出对照组后,分别统计自行车快速道修建前后的一段时期内对照组和处理组自行车出行量的变化,基于以上数据分析自行车快速路对当地自行车出行量的影响。本发明的步骤包括:(1)计算模型的选择;(2)影响自行车出行量的误差项的选择;(3)误差项转损值的计算;(4)对照组的确定;(5)自行车出行量调查;(6)自行车出行量影响的评估。本发明作简单易行,准确性高,需要的数据量相对较少。
Description
技术领域
本发明涉及一种评估自行车快速路对当地自行车出行量影响的方法,属于交通出行评估技术领域。
背景技术
随着经济的发展,家庭汽车保有量的逐年上升,交通拥堵现象愈发严重,如何缓解交通拥堵成为交通领域的重要关注点,在这种情形下,许多人开始注意到我们的传统的出行方式“自行车出行”,许多国家政府交通部门出台许多政策来鼓励公众骑自行车出行。自行车出行具有许多方面的优点:占用面积小、更加环保无污染、节能、方便、有益身体健康等优点,因此自行车相比较其他机动车辆具有很多的优点,更加环保、占地空间小、小段距离内更加便捷等等。但是在许多交通拥堵的大城市,骑自行车也逐渐变得困难和危险起来。在早晚高峰时期,人群拥挤,骑行效率低,有时候不得不在公路上和汽车并肩行驶,增加了危险性。为了进一步鼓励公众使用自行车出行,在欧洲的一些少数城市如伦敦已经开通了几条自行车快速路来鼓励公众使用自行车出行,希望自行车快速路的建设能让人们的出行变得更加安全和快速。虽然自行车快速路可大大方便自行车骑行者,缩短他们到达目的地的时间,但是自行车快速路开通之后能否吸引更多的非自行车人群加入到自行车出行人群中仍然有待考证。目前,国内外有关于自行车快速路的研究涉及的还相当少,并没有出现一个能合理地去评估自行车快速路对当地交通影响的方法。现有研究中,对自行车快速道的建设能否对当地的居民出行产生正面的影响较为缺乏,仍然需要进行科学的评估。目前,前后对照法和经验贝叶斯方法通常都是用来评估项目实施影响,其中的任何一种方法都依赖于大量的控制组,这些控制组理论上要求要与处理组有相同或相似的特征但却不能受处理过程的影响。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种评估自行车快速路对当地自行车出行量影响的方法,通过比较利用转换值法将各个因素综合考虑,得到了一组科学合理的对照组,使研究更为准确、合理。通过赋予每个误差项一个对应值,综合考虑各个方面的影响因素,从而从很多组控制组中得到一个合适的对照组地区。该方法作简单易行,准确性高,需要的数据量相对较少。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种评估自行车快速路对当地自行车出行量影响的方法,其特征在于,包括以下步骤:
步骤1,采集样本数据,样本数据分为处理组样本数据和控制组样本数据,样本数据中的数据包括:平均出行距离、出行平均耗时、公交网密度、道路密度、家庭人均年收入、区域人口18-50岁年龄比重、家庭自行车拥有比重、家庭汽车拥有比重、年交通事故数与人口比重、交通拥堵指数TPI、区域面积:
步骤2,将步骤1采集到的样本数据分别代入到Probit模型中去,得到每一组相应的转换值,其中,第i个控制组的转换值Pi按以下公式计算:
处理组的转换值P0按以下公式计算:
其中,P0表示处理组的转换值,Pi表示第i个控制组的转换值,α表示截距,β1,β2…β12表示回归系数向量,L表示平均出行距离,T表示出行平均耗时,ρM表示公交网密度,ρN表示道路密度,A表示家庭人均年收入,B表示区域人口18-50岁年龄比重,ωB表示家庭自行车拥有比重,ωC表示家庭汽车拥有比重,ωD表示年交通事故数与人口比重,M表示交通拥堵指数TPI,S表示区域面积,i=1,2…N,N表示对照组的组数,D=1表示该区域开通自行车快速道,D=0表示该区域未开通自行车快速道,X表示区域的环境。
步骤3,对照组的确定:根据步骤3得到的控制组的转换值和处理组的转换值计算控制组转换值与处理组转换值的差值,然后选择差值的绝对值最小的控制组作为对照组。
步骤4,在处理组和对照组在开通自行车快速路之前t0时刻,分别得到处理组骑自行车出行人数占总人数的百分比为A1,对照组自行车出行人数占总人数的百分比为A2。处理组在开通自行车快速路之后的t1时间时,处理组的自行车出行比例由A1变化到了B1。对照组没有开通自行车快速路,在t0时刻到t1时间内对照组的自行车出行比例由A2变化到了B2。
步骤6,假设处理组没有接受处理在t1时间时,自行车出行比例为B1′,并且E(B1′-B2)=E(A1-A2),则处理组的处理效应δATT为:
δATT=E(B1-B2)-E(B1'-B2)=E(B1-B2)-E(A1-A2),
其中,E表示两个数的差值。
根据处理组的处理效应δATT进而确定自行车快速路对当地自行车出行量影响。
优选的:所述控制组转换值与处理组转换值的差值的表达式为:
C(i)=|Pi-P0|。
其中,C(i)表示与处理组与控制组转换值差值绝对值的最小值,P0表示处理组的转换值,Pi表示第i个控制组对应的转换值。
优选的:所述处理组与控制组的样本比例设置为1:15
本发明相比现有技术,具有以下有益效果:
本发明科学地结合数据分析领域的知识,创造性地提出了一个关于自行车快速路对当地居民出行方式影响的方法,通过比较利用转换值法将各个因素综合考虑,得到了一组科学合理的对照组,使研究更为准确、合理。通过赋予每个误差项一个对应值,综合考虑各个方面的影响因素,从而从很多组控制组中得到一个合适的对照组地区。该地区的交通、经济、人口、环境情况与处理组综合对照来看,基本保持一致。在评估交通出行影响时,通过假设在一段时间内,对照组的非处理效应随时间呈斜率不变的线性变化,评估出在自行车快速路开通之前和开通之后的时间段内,得到该区域开通自行车快速路之后自行车出行比例的一个明显变化,最终得到自行车快速路的影响效应。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种评估自行车快速路对当地自行车出行量影响的方法,主要涉及将多维误差项降为一维误差项后,从众多控制组中找到合适的对照组,评估自行车快速路对当地居民出行方式的影响。
(1)计算模型的选择:本发明的思想是将每个误差项赋予一个对应值,将多个对应值指标利用数学模型浓缩成一个指标——转换值。找到一个与处理组转换值接近的对照组进行比较。本发明采用Probit模型来计算误差项对应的转换值。
其中α表示截距,β′表示回归系数向量。
(2)影响自行车出行量误差项的选择:影响自行车出行量的误差项较多,目前选取影响效果较大的误差项:平均出行距离(L)、出行平均耗时(T)、公交网密度(ρM)、道路密度(ρN)、家庭人均年收入(A)、区域人口18-50岁年龄比重(B)、家庭自行车拥有比重(ωB)、家庭汽车拥有比重(ωC)、年交通事故数与人口比重(ωD)、交通拥堵指数TPI(M)、区域面积(S)。D=1表示该区域开通自行车快速道。β1、β2、β3......βn表示回归向量系数。考虑到数据采集的复杂程度和准确性,本次发明处理组与控制组的样本比例设置为1:15。第i个控制组的转换值Pi按以下公式计算:
处理组的转换值P0按以下公式计算:
其中,P0表示处理组的转换值,Pi表示第i个控制组的转换值,α表示截距,β1,β2…β12表示回归系数向量,L表示平均出行距离,T表示出行平均耗时,ρM表示公交网密度,ρN表示道路密度,A表示家庭人均年收入,B表示区域人口18-50岁年龄比重,ωB表示家庭自行车拥有比重,ωC表示家庭汽车拥有比重,ωD表示年交通事故数与人口比重,M表示交通拥堵指数TPI,S表示区域面积,i=1,2…N,N表示对照组的组数,D=1表示该区域开通自行车快速道,D=0表示该区域未开通自行车快速道,X表示区域的环境;
(3)误差项转换值的计算:将相关的误差项数据代入到Probit模型中,求出相应的转换值。
(4)对照组的确定:第三步中得到的转换值,还不能直接得到对照组,因为Pi是一个连续变量,很难找到一对转换值完全一样的处理组和控制组。为了得到合理的对照组,本发明通过计算控制组与处理组转换值的差值,然后选择差值的绝对值最小的控制组作为对照组。C(i)表示处理组与控制组转换差值绝对值的最小值,P0表示处理组的转换值,Pi表示第i个控制组对应的转换值。表达式为:
C(i)=|Pi-P0|
(5)自行车出行量调查:在得到处理组和对照组后,需要对这两个组进行分析评估。本发明评估的思想是:在处理组和对照组在开通自行车快速路之前设为t0时刻,两区域骑自行车出行人数占总人数的百分比为A1、A2。处理组在开通自行车快速路之后的t1时间时,处理组的自行车出行比例由A1变化到了B1。对照组没有开通自行车快速路,在t0时刻到t1时间内对照组的自行车出行比例由A2变化到了B2。
(6)自行车出行量影响的评估:假设处理组没有接受处理在t1时间时,自行车出行比例为B1′.并且E(B1′-B2)=E(A1-A2)。δATT表示处理组的处理效应。
δATT=E(B1-B2)-E(B1'-B2)=E(B1-B2)-E(A1-A2)
下面具体实施本发明:
(1)样本数据的采集:选取处理组和对照组的样本比例1:15,其中参照对象样本标号为K1、K2、K3……K12、K13、K14、K15,处理组样本为K0。每一个区域的样本数据中包含的数据有:平均出行距离(L)、出行平均耗时(T)、公交网密度(ρM)、道路密度(ρN)、家庭人均年收入(A)、区域人口18-50岁年龄比重(B)、家庭自行车拥有比重(ωB)、家庭汽车拥有比重(ωC)、年交通事故数与人口比重(ωD)、交通拥堵指数TPI(M)、区域面积(S)。
(2)误差项转换值计算:将步骤2得到的数据分别代入到Probit模型中去,得到每一组相应的转换值情况,处理组的转换值为m0,对照组的转换值分别为m1、m2、m3......m13、m14、m15,m1计算过程为:
(3)对照组确定:将第三步得到的处理组和对照组的转换值进行分析。C(i)表示处理组与控制组转换值差值绝对值,P0表示处理组的转换值,Pi表示第i个控制组对应的总转换值。
C(i)=|Pi-P0|
(4)通过上一步的计算将差值最小对应的控制组选定为参照组。本次参照最终选择第第5组。
(5)在处理组和对照组接受处理之前设为t0时刻,两区域骑自行车出行人数占总人数的百分比为A1、A2。处理组在接受处理之后的t1时间时,处理组的自行车的出行比例由A1变化到了B1,对照组未接受处理,在t1时间时对照组的自行车出行比例由A2变化到了B2。
(6)假设处理组没有接受处理在t1时间时,自行车出行比例为B1',基于此得到最终影响效果为:
δATT=E(B1-B2)-E(B1'-B2)=E(B1-B2)-E(A1-A2)。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种评估自行车快速路对当地自行车出行量影响的方法,其特征在于,包括以下步骤:
步骤1,采集样本数据,样本数据分为处理组样本数据和控制组样本数据,样本数据中的数据包括:平均出行距离、出行平均耗时、公交网密度、道路密度、家庭人均年收入、区域人口18-50岁年龄比重、家庭自行车拥有比重、家庭汽车拥有比重、年交通事故数与人口比重、交通拥堵指数TPI、区域面积:
步骤2,将步骤1采集到的样本数据分别代入到Probit模型中去,得到每一组相应的转换值,其中,第i个控制组的转换值Pi按以下公式计算:
处理组的转换值P0按以下公式计算:
其中,P0表示处理组的转换值,Pi表示第i个控制组的转换值,α表示截距,β1,β2…β12表示回归系数向量,L表示平均出行距离,T表示出行平均耗时,ρB表示公交网密度,ρC表示道路密度,A表示家庭人均年收入,B表示区域人口18-50岁年龄比重,ωB表示家庭自行车拥有比重,ωC表示家庭汽车拥有比重,ωD表示年交通事故数与人口比重,M表示交通拥堵指数TPI,S表示区域面积,i=1,2…N,N表示控制组的组数,D=1表示该区域开通自行车快速道,D=0表示该区域未开通自行车快速道,X表示区域的环境;
步骤3,对照组的确定:根据步骤3得到的控制组的转换值和处理组的转换值计算控制组转换值与处理组转换值的差值,然后选择差值的绝对值最小的控制组作为对照组;
所述控制组转换值与处理组转换值的差值的表达式为:
C(i)=|Pi-P0|;
其中,C(i)表示与处理组与控制组转换值差值绝对值的最小值,P0表示处理组的转换值,Pi表示第i个控制组对应的转换值;
步骤4,在处理组和对照组在开通自行车快速路之前t0时刻,分别得到处理组骑自行车出行人数占总人数的百分比为A″1,对照组自行车出行人数占总人数的百分比为A″2;
处理组在开通自行车快速路之后的t1时间时,处理组的自行车出行比例由A″1变化到了B″1;对照组没有开通自行车快速路,在t0时刻到t1时间内对照组的自行车出行比例由A″2变化到了B″2;
步骤6,假设处理组没有接受处理在t1时间时,自行车出行比例为B1′,并且E(B1′-B″2)=E(A″1-A″2),则处理组的处理效应δATT为:
δATT=E(B″1- B″2)-E(B'1- B″2)=E(B″1- B″2)-E(A″1-A″2),
其中,E表示两个数的差值;
根据处理组的处理效应δATT进而确定自行车快速路对当地自行车出行量影响。
2.根据权利要求1所述评估自行车快速路对当地自行车出行量影响的方法,其特征在于:所述处理组与控制组的样本比例设置为1:15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611268014.7A CN106651209B (zh) | 2016-12-31 | 2016-12-31 | 一种评估自行车快速路对当地自行车出行量影响的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611268014.7A CN106651209B (zh) | 2016-12-31 | 2016-12-31 | 一种评估自行车快速路对当地自行车出行量影响的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651209A CN106651209A (zh) | 2017-05-10 |
CN106651209B true CN106651209B (zh) | 2021-08-27 |
Family
ID=58838103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611268014.7A Active CN106651209B (zh) | 2016-12-31 | 2016-12-31 | 一种评估自行车快速路对当地自行车出行量影响的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651209B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390483B (zh) * | 2019-07-24 | 2022-07-19 | 东南大学 | 一种评估自行车快速路对公交车运行速度影响的方法 |
CN113780765B (zh) * | 2021-08-24 | 2024-07-12 | 东南大学 | 一种衡量交通干预措施对公共自行车使用量影响的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576991A (zh) * | 2009-06-10 | 2009-11-11 | 东南大学 | 一种确定城市道路等级配置的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9519912B2 (en) * | 2013-09-20 | 2016-12-13 | Xerox Corporation | Hybrid system for demand prediction |
-
2016
- 2016-12-31 CN CN201611268014.7A patent/CN106651209B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576991A (zh) * | 2009-06-10 | 2009-11-11 | 东南大学 | 一种确定城市道路等级配置的方法 |
Non-Patent Citations (3)
Title |
---|
农地流转对我国农民收入分配的影响研究;朱建军 等;《南京农业大学学报(社会科学版)》;20150531;第15卷(第3期);第75-84页 * |
国有企业民营化对企业出口的影响研究——基于倍差法的倾向评分匹配(DID-PSM)估计;罗琼 等;《现代财经(天津财经大学学报)》;20160802;第67-78页 * |
马鞍山市自行车交通出行特性分析;徐吉谦 等;《城市道桥与防洪》;19960131(第1期);第5-10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106651209A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | Estimating cycleway capacity and bicycle equivalent unit for electric bicycles | |
Nosal et al. | The effect of weather on the use of North American bicycle facilities: A multi-city analysis using automatic counts | |
CN105046956B (zh) | 一种基于转向系数的交通流模拟及预测方法 | |
Li et al. | Bicycle mode share in China: a city-level analysis of long term trends | |
CN105303832B (zh) | 基于微波车辆检测器的高架桥路段交通拥堵指数计算方法 | |
CN103234544B (zh) | 电动汽车电量消耗因子模型建立及续驶里程估算方法 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN106652441A (zh) | 一种基于时空数据的城市道路交通状态预测方法 | |
CN109215350A (zh) | 一种基于rfid电子车牌数据的短期交通状态预测方法 | |
CN104318757B (zh) | 一种公交专用道上的公交车车路段运行时间预测方法 | |
Semeida | New models to evaluate the level of service and capacity for rural multi-lane highways in Egypt | |
CN105946860A (zh) | 一种考虑驾驶风格的弯道车速预测方法 | |
CN107833459A (zh) | 一种基于gps数据的城市公交运行状况评价方法 | |
CN109741599A (zh) | 交通运行评价方法 | |
Godefroy et al. | Estimating latent cycling trips in Montreal, Canada | |
CN110390483A (zh) | 一种评估自行车快速路对公交车运行速度影响的方法 | |
Gebhard et al. | Range prediction for electric bicycles | |
CN106651209B (zh) | 一种评估自行车快速路对当地自行车出行量影响的方法 | |
CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
Wang et al. | ARIMA Model and Few‐Shot Learning for Vehicle Speed Time Series Analysis and Prediction | |
Kresnanto | Model of relationship between car ownership growth and economic growth in Java | |
Prontri et al. | Traffic signal control using fuzzy logic | |
CN117173899B (zh) | 一种智慧城市交通出行品质评价方法 | |
Roy et al. | Effect of mixed traffic on capacity of two-lane roads: case study on Indian highways | |
Salim et al. | Estimation of average space headway under heterogeneous traffic conditions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |