CN110414833A - 一种城市多模式交通网络运能协调评价方法 - Google Patents

一种城市多模式交通网络运能协调评价方法 Download PDF

Info

Publication number
CN110414833A
CN110414833A CN201910680977.5A CN201910680977A CN110414833A CN 110414833 A CN110414833 A CN 110414833A CN 201910680977 A CN201910680977 A CN 201910680977A CN 110414833 A CN110414833 A CN 110414833A
Authority
CN
China
Prior art keywords
network
traffic
section
city
multimodel
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.)
Granted
Application number
CN201910680977.5A
Other languages
English (en)
Other versions
CN110414833B (zh
Inventor
陈峻
岳一帆
杜则行健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910680977.5A priority Critical patent/CN110414833B/zh
Publication of CN110414833A publication Critical patent/CN110414833A/zh
Application granted granted Critical
Publication of CN110414833B publication Critical patent/CN110414833B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了城市多模式交通网络运能协调评价方法,首先以城市多模式交通网络为研究对象,以均衡网络整体服务水平和各子交通网络相互配合为原则,然后基于城市多模式交通网络的供需特性,构建城市多模式交通网络的拓扑结构和路段阻抗函数,并采用随机用户均衡模型对城市多模式交通网络中各子交通网络的客流进行分配求解,通过选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标作为城市多模式交通网络运能协调水平的评价体系。本发明在充分考虑城市多模式交通网络供给特性与状态属性的基础上,运用科学有效的理论方法分析评价城市多模式交通网络客流分布状态,从而使整个城市多模式交通网络的运行状态达到最优效果。

Description

一种城市多模式交通网络运能协调评价方法
技术领域
本发明涉及城市交通规划与管理领域,特别是涉及一种城市多模式交通网络运能协调评价方法。
背景技术
随着快速城镇化的发展,城市规模不断拓展,交通需求总量、平均出行距离与时间增长趋势显著,城市交通供给经历着由单一道路交通网络向由“道路网络、轨道网络和地面公交网络”构成的多模式交通网络发展的阶段。“多方式出行需求和多模式网络供给”已经成为中国城市综合交通发展的主要趋势。城市多模式交通系统在网络供给性能、出行行为决策、交通需求与供给平衡以及资源协同规划配置等方面具有较高的复杂性。城市多模式交通网络结构作为城市交通的供给设施,对城市居民的出行选择行为有着重要的影响。
近年来,以“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”为主的城市多模式交通网络初具规模,形成了以“汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁”五种出行方式为主的典型通勤模式,然而各种交通网络缺乏高效衔接和协同,服务多样化出行需求和复杂交通流运行、转换的潜在能力没有充分发挥,难以主动引导出行方式结构的优化。由于城市多模式交通网络各子交通网络的线路结构位置、布设密度、通过区域用地性质等方面的不同,造成了城市多模式交通网络客流分布呈现不均衡状态。
因此,运用科学有效的理论方法分析评价城市多模式交通网络客流分布状态,建立多模式网络供给条件下的评价指标体系,从而为评价和改善城市多模式交通网络各交通子网络之间的协调水平,提升城市多模式交通网络的整体运行效能提供有效的决策支持。
发明内容
为了解决以上问题,本发明针对“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”构成的城市多模式交通网络,提供一种城市多模式交通网络运能协调评价方法,该方法以均衡网络整体服务水平和各子交通网络相互配合为原则,然后基于城市多模式交通网络的供需特性,构建城市多模式交通网络的拓扑结构和路段阻抗函数,并采用随机用户均衡模型对城市多模式交通网络中各子交通网络的客流进行分配求解,通过选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标作为城市多模式交通网络运能协调水平的评价体系,研究城市多模式交通网络运能协调评价方
法,可以为分析和改善城市多模式交通网络运能协调水平提供有效的理论支持和决策参考。为达此目的,本发明提供一种城市多模式交通网络运能协调评价方法,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性。本发明中的城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络;本发明中所涉及到的城市多模式交通网络中的交通方式包括:小汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁五种典型的出行模式。其中城市多模式交通网络的供给设施数据包括:城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽等静态交通供给设施基础数据;城市多模式交通网络的需求特征数据包括:地铁进站客流量、公交站台换乘客流量、P+R停车场换乘客流量以及道路断面车流量等数据;
步骤2,构建城市多模式交通网络拓扑结构和路段阻抗函数。基于超级网络模型,
将城市多模式交通网络中的步行衔接网络、城市道路网络、常规公交线网、地铁轨道网络和城市换乘枢纽抽象成网络拓扑结构,并构建以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数;
步骤3,量化城市多模式交通网络各交通子网络的客流分布状态。基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各交通子网络的客流分配结果;
步骤4,选取并计算城市多模式交通网络运能协调评价指标。选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标,建立合理评价城市多模式交通网络运能协调的评价指标集合,根据计算公式和调查数据等确定各指标的计算值并进行标准化处理;
步骤5,评价城市多模式交通网络运能协调水平。根据步骤4中各类指标的计算结果,参考国内外相关规范标准,结合部分城市多模式交通网络的具体实践,分析各个指标的评价基准,从而判断城市多模式交通网络的运能协调水平。
作为本发明进一步改进,步骤1中所需城市多模式交通网络供需特性的相关数据中具体包括:
城市道路网需要获取道路路段通行能力和通行时间。道路路段通行时间(即路段理想通行时间)通过下列公式计算:
式中:表示小汽车在路段a上理想行驶时间(h),La表示路段a道路长度(km),Va表示小汽车在路段a理想行驶速度(km/h)。
常规公交网络需要通过获取公交票价、公交车车型、站点等待时间和公交线路通行时间等信息,其中公交线路通行时间计算公式与道路网相似。
地铁网络需要获取地铁票价、地铁车型、地铁等待时间和地铁线路通行时间等信息。
城市多模式交通换乘枢纽需要获取换乘惩罚、换乘步行时间以及停车费用等信息。
作为本发明进一步改进,所述步骤2中城市多模式交通网络拓扑结构由节点和路段两类要素构成,其中节点包含交通站点和城市道路连接点:交通站点包括公交线路站点、枢纽换乘站点和轨道线路站点;城市道路连接点指道路交叉口。路段包含实际路段和虚拟路段:实际路段包括衔接网络路段、常规公交路段、地铁轨道路段和小汽车路段;虚拟路段包括常规公交+地铁、小汽车+地铁两类换乘路段。本发明步骤2中所述的城市多模式交通网络拓扑结构,如图2所示。
以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数具体为:
Ia=Ta+Pa+Da
式中:Ia表示在路段a上的路段阻抗函数,Ta表示在路段a上的时间费用,Pa表示在路段a上的货币费用,Da表示在路段a上的舒适度损耗。
其中衔接网络路段阻抗函数包含上网路段阻抗函数和下网路段阻抗函数两部分,具体为:
式中:表示在衔接网络路段a的阻抗函数,表示在衔接网络上网路段a的阻抗函数,表示在衔接网络下网路段a的阻抗函数;表示在衔接网络上网路段a的时间费用,表示在衔接网络上网路段a的货币费用,表示在衔接网络上网路段a的舒适度损耗;表示在衔接网络下网路段a的时间费用,表示在衔接网络下网路段a的货币费用,表示在衔接网络下网路段a的舒适度损耗。
其中:
式中:Au表示上网路段集合,为在衔接网络上网路段a的步行时间,为在衔接网络
上网路段a的平均等待时间,costu为地铁轨道网或常规公交网的票价。
下网路段与上网路段相似,不过下网路段仅有路段步行时间,出行费用以及舒适度损耗均为0,具体表达式如下:
式中:Ad表示下网路段集合,表示为在衔接网络下网路段a的步行时间。
小汽车网络路段阻抗函数中,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用小汽车在路段a上的行驶时间;表示使用小汽车在路段a上的理想行驶时间;va表示在路段a上的出行者流量(人次/h);λc表示小汽车网络上出行者流量转化为车流量的折算系数(人次/pcu),即小汽车的平均载客人数;表示在小汽车路段a上的小汽车通行能力(pcu/h);Ac表示小汽车网络的路段集合;α和β为待定系数;xa表示路段a的长度(km);ρ为燃油费(元/km),η为量纲转换参数,即货币费用-时间折算系数;为在路段a上乘坐小汽车时单位时间的舒适度损耗(/h);ω为舒适度损耗-时间折算因子。
常规公交网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用常规公交在路段a上的行驶时间;表示常规公交在路段上a的运行时间;Ab表示常规公交网络的路段集合;为在路段a上乘坐公交车时单位时间的舒适度损耗(/h);B表示公交车的设计载客量(人次/辆);表示常规公交在路段a的通行能力(辆/h);其余符号同前。
地铁网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用地铁在路段a上的行驶时间;表示地铁在路段a的运行行驶时间;Am表示地铁网络的路段集合;为出行者乘坐地铁时单位时间的舒适度损耗(/h);E表示地铁车厢的设计载客量(人次/辆);表示地铁在路段a上的通行能力(辆/h);其余符号同前。
内部换乘路段阻抗函数包括时间费用换乘货币费用和换乘惩罚成本三部分,具体为:
式中:为出行者在换乘路段a上的步行时间;为出行者在换乘路段a上的平均等待时间;Ai表示换乘路段集合;costi为换乘地铁或常规公交的票价,本发明中假设小汽车网络不存在内部交通工具换乘行为,因此小汽车网络的costi=0;为在换乘路段a上的换乘惩罚等效的在车时间(h)。
本发明中将P+R、常规公交+地铁两类换乘枢纽假定为虚拟换乘路径,并构建虚拟换乘路径的阻抗函数,具体为:
式中:为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的平均等待时间;costg为公交换乘地铁的票价;Ag表示常规公交换乘地铁的虚拟换乘路段集合;为出行者在P+R换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在P+R换乘枢纽的换乘路段a上的平均等待时间;costd为小汽车换乘地铁的票价;parkd为小汽车停车费用;Ad表示小汽车换乘地铁的虚拟换乘路段集合;其余符号同前。
因此,城市多模式交通网络中采用各单一交通方式在路径a上的路径阻抗函数,可表示为:
城市多模式交通网络中采用小汽车+地铁组合出行方式,该路径的途径网络依次为:
上网网络a1、小汽车网络a2、枢纽换乘虚拟网络a3、地铁网络a4和下网网络a5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径a上的路径阻抗函数:
城市多模式交通网络中采用公交+地铁组合出行方式,该路径的途径网络依次为:上网网络b1、常规公交网络b2、枢纽换乘虚拟网络b3、地铁网络b4和下网网络b5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径b上的路径阻抗函数:
作为本发明进一步改进,所述步骤3中以随机用户均衡模型对城市多模式交通网络流量进行分配的过程满足以下平衡条件:
式中:为OD对w间第k条路径上的流量;qw为OD对w间总的出行量;θ表示交通网络上乘客对交通信息的了解程度,其值越大说明乘客的交通信息了解越全面,网络的随机性越弱,当其值为无穷大的时候,即表示特定的用户均衡网络模型(UE模型);为路段和路径之间的关联性,如果路段a在OD对w之间第k条路径上,则反之则Ia表示弧度a上的广义费用(路段阻抗函数),具体计算方法见步骤3;W表示整个交通网络上OD对的集合,KW表示整个交通网络上的交通路径集合。
本发明步骤3中采用连续权重平均法(MSWA算法)对上述超级网络随机用户均衡模型进行求解,该算法比传统相继平均算法(MSA算法)收敛速度快,更加容易接近最优点,具体步骤为:
(1)令循环迭代次数n=0,令城市多模式交通网络各个路段流量矩阵x(0)=0;
(2)路段流量带入广义费用函数(路段阻抗函数),通过计算公式得到各个路段的费用Ia;采用深度优先搜索法(DFS)确定OD对W间所有的路径,然后计算每条路径的费用,利用最短路径法得到最短路径以及最短路径的费用If,min
(3)用Logit模型对城市多模式交通网络路径进行流量加载,继而得到辅助路段流量y(0)
(4)用MSWA法得到各个城市多模式交通网络路段流量矩阵x(n+1),令d=1公式如下,
xn+1=xnn(yn-xn)
(5)收敛检验,若则x(n+1)就是最后的路段流量求解,计算结束;否则,令n=n+1,返回(2)。
作为本发明进一步改进,所述步骤4中评价指标集合包含单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类,具体为:
本发明通过各个网络的网络服务水平判断城市多模式交通网络运能协调能力,各交通子网络的服务水平计算公式如下:
式中:LOSi j为第j个子交通网络的路段最大服务水平;Vj i为第j个子交通网络路段的客流量(人/h);为第j个子交通网络路段的通行能力(人/h);
本发明构建城市多模式交通网络分配模型,并借鉴基尼系数理论,从整体层面量化交通网络流量分布不均衡性,其值越大,说明路网中较少的路段承担着路网大部分的交通流量负荷,路网流量分布不均衡程度越大。交通网络基尼系数的计算公式如下:
式中:GiniLOS为基路段服务水平计算的基尼系数,以反映交通网络流量分布不均衡性;A为绝对平均线与洛仑兹曲线围成的图形面积;B为洛仑兹曲线与绝对不平均曲线围成的图形面积;L(LOSi)为路段服务水平的洛伦兹曲线。
本发明通过公共交通网络和总乘客需求比例判断城市多模式交通网络运能协调能力,公共交通网络即常规公交网络与地铁轨道网络,交通模式间需求比例计算公式如下:
式中:VB表示常规公交出行客流量(人/次);VM表示地铁轨道出行客流量(人/次);VC表示小汽车出行客流总量(人/次)。
作为本发明进一步改进,所述步骤5中参考国内外相关规范标准,结合部分城市多模式交通网络的具体实践,对三类评价指标的评价基准具体为:
基于美国交通道路服务水平评价指标,本发明通过各个网络的网络服务水平判断城市多模式交通网络运能协调能力,判断依据如表1所示。
表1城市单一交通网络服务水平
基于国际基尼系数标准,本发明通过基尼系数判断城市多模式交通网络流量分布的均衡性,其具体评判标准如表2所示。
表2国际基尼系数标准
基于《关于进一步加强城市规划建设管理工作的若干意见》,本发明通过城市交通模式间需求比例判断城市多模式交通网络运能协调能力的判断依据如表3所示。
表3城市交通模式需求比例
有益效果:
本发明针对由“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”构成的城市多模式交通网络作为研究对象,基于超级网络构建的城市多模式交通网络拓扑结构和路段阻抗函数,采用随机用户均衡模型对城市多模式交通网络进行客流分配,选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标作为城市多模式交通网络运能协调水平的评价体系,能够为分析优化城市多模式交通网络的客流分布状态提供一套科学合理的评价指标体系和理论方法指导,在充分考虑城市多模式交通网络供给特性的基础上,从而对城市多模式交通网络中各交通子网络之间的运能协调水平进行准确衡量,进而有针对性地提出缓解局部网络拥堵问题的对策,达到实现提升局部网络互补能力和整体交通系统潜在效能的效果。
附图说明
图1为本发明的流程图;
图2为本发明的城市多模式交通网络拓扑结构示意图;
图3为本发明实施例中的研究对象区域范围图;
图4为本发明实施例中的城市多模式交通网络拓扑结构图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供一种城市多模式交通网络运能协调评价方法,该方法针对由“步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络”构成的城市多模式交通网络,基于超级网络构建的城市多模式交通网络拓扑结构和路段阻抗函数,采用随机用户均衡模型对城市多模式交通网络进行客流分配,选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标作为城市多模式交通网络运能协调水平的评价体系,研究城市多模式交通网络运能协调评价方法,可以为城市交通网络整体运行效能的提升提供决策指导。运用此发明中的方法,结合具体实施例对本发明做进一步说明。一种城市多模式交通网络运能协调评价方法,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性。本实施例中选取城市多模式交通网络通勤走廊为研究对象,具体研究范围如图3所示。获取研究范围内城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽等静态交通供给设施基础数据,如表4所示。
表4研究区域交通网络供给设施内容表
步骤2,构建城市多模式交通网络拓扑结构和路段阻抗函数。基于超级网络模型,将实施例研究范围内的OD需求点衔接路段、小汽车道路网、常规公交网络和地铁轨道网络抽象成网络拓扑结构,将各类换乘枢纽转换成虚拟换乘路段。研究范围内,衔接路段11条,小汽车道路网上有路段100多条,常规公交路段20多条,轨道路段20多条,城市多模式交通换乘枢纽2个。根据路段抽象拓扑结构原则,最后构建的城市多模式交通网络拓扑结构元素如表5所示:
表5城市多模式交通网络拓扑路段表
对实施例中的网络拓扑结构路段元素进行编号,最后获得各个网络层级的网络拓扑结构以及城市多模式网络拓扑结构,如图4所示。
城市多模式交通网络中各路段阻抗函数由行驶时间、出行费用以及舒适度损耗三部分构成。根据城市多模式交通网络的拓扑结构,基于城市多模式交通网络的出行者路径阻抗函数包括:衔接网络路段阻抗函数、各出行方式对应网络路段阻抗函数(小汽车网络、常规公交网络、地铁网络)、内部换乘路段阻抗函数和换乘枢纽虚拟路段阻抗函数。
所述城市多模式交通网络中采用各种出行模式的路径阻抗函数具体为:
对实施例中的66条城市交通路段的路段阻抗进行参数标定,其中,α=1.19,
β=3.09,λc=1.4,η=3.02,ρ=0.66,ω=0.5,道路网络的通行能力以及通行速度如表6所示,公交网的公交通行能力为
轨道网的地铁通行能力为公交等待时间为3分钟,地铁等待时间为3分钟,P+R换乘枢纽换乘步行时间为10分钟,停车费用为16元,公交+地铁换乘步行时间为7分钟。公交内部换乘、地铁内部换乘和公交+地铁换乘的换乘惩罚时间均为10分钟。
表6路段通行能力信息表
步骤3,量化城市多模式交通网络各交通子网络的客流分布状态。基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各子交通网络的客流分配结果。
所述随机用户均衡模型中,假设实施例中的早高峰通勤出行OD需求为7000人,将多模式交通网络路段阻抗以及OD需求导入城市多模式交通网络客流分配模型中,利用连续权重平均算法得到P+R换乘枢纽和公交+地铁换乘枢纽附近的城市多模式交通网络路段流量分配结果如表7所示。
表7局部城市网络路段分配结果表
步骤4,选取并计算城市多模式交通网络运能协调评价指标。根据三类指标的计算公式和调查数据等确定各指标的计算值并进行标准化处理。
利用步骤3计算得到的城市多模式交通网络路段流量分配结果,根据服务水平计算公式求得实施例中各路段的服务水平如表8所示。
表8局部城市交通网络服务水平表
通过公式计算得到实施例中的网络基尼系数值为Gini=0.3436。
通过公式计算得到实施例中的交通模式间需求比例为ModeRatio=30%。
步骤5,评价城市多模式交通网络运能协调水平。根据步骤4中各类指标的计算结果,由表8可知,局部城市多模式交通网络路段25条,其中道路网12条的服务水平超过1,因此基于城市单一交通网络服务水平指标的实施例城市多模式交通网络运能协调能力为良好。
步骤4求得实施例网络基尼系数值为0.3436,介于0.3和0.4之间,由表2国际基尼系数标准可知,基于网络基尼系数指标的实施例城市多模式交通网络运能协调能力为中等。
步骤4求得实施例局部城市多模式交通网络中公共交通网络与小汽车网络之间的需求比例为30%,由表3可知,基于模式间交通需求比例指标的实施例城市交通网络运能协调能力为良好。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。

Claims (7)

1.一种城市多模式交通网络运能协调评价方法,其特征在于,包括以下步骤:
步骤1,确定研究对象,获取城市多模式交通网络的供需特性,城市多模式交通网络包括:步行衔接网络、城市道路网络、常规公交线网和地铁轨道网络;城市多模式交通网络中的交通方式包括:小汽车、常规公交、地铁、常规公交+地铁、小汽车+地铁五种典型的出行模式,其中城市多模式交通网络的供给设施数据包括:城市道路网、城市公交线路、城市地铁网络、城市衔接步行网络和城市换乘枢纽等静态交通供给设施基础数据;城市多模式交通网络的需求特征数据包括:地铁进站客流量、公交站台换乘客流量、P+R停车场换乘客流量以及道路断面车流量数据;
步骤2,构建城市多模式交通网络拓扑结构和路段阻抗函数,基于超级网络模型,将城市多模式交通网络中的步行衔接网络、城市道路网络、常规公交线网、地铁轨道网络和城市换乘枢纽抽象成网络拓扑结构,并构建以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数;
步骤3,量化城市多模式交通网络各交通子网络的客流分布状态,基于随机用户均衡理论,以构建的超级网络拓扑结构建立城市多模式交通网络客流分配模型,模拟城市出行情景,将出行需求逐步加载到城市多模式交通网络,利用城市多模式交通网络分配模型算法,得到城市多模式交通网络中各交通子网络的客流分配结果;
步骤4,选取并计算城市多模式交通网络运能协调评价指标,选取单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类指标,建立合理评价城市多模式交通网络运能协调的评价指标集合,根据计算公式和调查数据确定各指标的计算值并进行标准化处理;
步骤5,评价城市多模式交通网络运能协调水平,根据步骤4中各类指标的计算结果,分析各个指标的评价基准,从而判断城市多模式交通网络的运能协调水平。
2.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:步骤1中所需城市多模式交通网络供需特性的相关数据中具体包括:
城市道路网需要获取道路路段通行能力和通行时间,道路路段通行时间通过下列公式计算:
式中:表示小汽车在路段a上理想行驶时间h,La表示路段a道路长度km,Va表示小汽车在路段a理想行驶速度km/h;
常规公交网络需要通过获取公交票价、公交车车型、站点等待时间和公交线路通行时间信息,其中公交线路通行时间计算公式与道路网相似;
地铁网络需要获取地铁票价、地铁车型、地铁等待时间和地铁线路通行时间信息;
城市多模式交通换乘枢纽需要获取换乘惩罚、换乘步行时间以及停车费用信息。
3.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:所述步骤2中城市多模式交通网络拓扑结构由节点和路段两类要素构成,其中节点包含交通站点和城市道路连接点:交通站点包括公交线路站点、枢纽换乘站点和轨道线路站点;城市道路连接点指道路交叉口。路段包含实际路段和虚拟路段:实际路段包括衔接网络路段、常规公交路段、地铁轨道路段和小汽车路段;虚拟路段包括常规公交+地铁、小汽车+地铁两类换乘路段,步骤2中以行驶时间、出行费用及舒适度损耗三部分构成的路段阻抗函数具体为:
Ia=Ta+Pa+Da
式中:Ia表示在路段a上的路段阻抗函数,Ta表示在路段a上的时间费用,Pa表示在路段a上的货币费用,Da表示在路段a上的舒适度损耗;
其中衔接网络路段阻抗函数包含上网路段阻抗函数和下网路段阻抗函数两部分,具体为:
式中:表示在衔接网络路段a的阻抗函数,表示在衔接网络上网路段a的阻抗函数,表示在衔接网络下网路段a的阻抗函数;表示在衔接网络上网路段a的时间费用,表示在衔接网络上网路段a的货币费用,表示在衔接网络上网路段a的舒适度损耗;表示在衔接网络下网路段a的时间费用,表示在衔接网络下网路段a的货币费用,表示在衔接网络下网路段a的舒适度损耗。
其中:
式中:Au表示上网路段集合,为在衔接网络上网路段a的步行时间,为在衔接网络上网路段a的平均等待时间,costu为地铁轨道网或常规公交网的票价。
下网路段具体表达式如下:
式中:Ad表示下网路段集合,表示为在衔接网络下网路段a的步行时间;
小汽车网络路段阻抗函数中,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用小汽车在路段a上的行驶时间;表示使用小汽车在路段a上的理想行驶时间;va表示在路段a上的出行者流量,人次/h;λc表示小汽车网络上出行者流量转化为车流量的折算系数,人次/pcu,即小汽车的平均载客人数;表示在小汽车路段a上的小汽车通行能力,pcu/h;Ac表示小汽车网络的路段集合;α和β为待定系数;xa表示路段a的长度km;ρ为燃油费,元/km,η为量纲转换参数,即货币费用-时间折算系数;为在路段a上乘坐小汽车时单位时间的舒适度损耗,/h;ω为舒适度损耗-时间折算因子;
常规公交网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用常规公交在路段a上的行驶时间;表示常规公交在路段上a的运行时间;Ab表示常规公交网络的路段集合;为在路段a上乘坐公交车时单位时间的舒适度损耗,/h;B表示公交车的设计载客量,人次/辆;表示常规公交在路段a的通行能力,辆/h;
地铁网络路段阻抗函数,行驶时间、货币费用和舒适度损耗的表达式具体为:
式中:表示使用地铁在路段a上的行驶时间;表示地铁在路段a的运行行驶时间;Am表示地铁网络的路段集合;为出行者乘坐地铁时单位时间的舒适度损耗,/h;E表示地铁车厢的设计载客量,人次/辆;表示地铁在路段a上的通行能力,辆/h;
内部换乘路段阻抗函数包括时间费用换乘货币费用和换乘惩罚成本三部分,具体为:
式中:为出行者在换乘路段a上的步行时间;为出行者在换乘路段a上的平均等待时间;Ai表示换乘路段集合;costi为换乘地铁或常规公交的票价,本发明中假设小汽车网络不存在内部交通工具换乘行为,因此小汽车网络的costi=0;为在换乘路段a上的换乘惩罚等效的在车时间h;
将P+R、常规公交+地铁两类换乘枢纽假定为虚拟换乘路径,并构建虚拟换乘路径的阻抗函数,具体为:
式中:为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在常规公交+地铁换乘枢纽的虚拟换乘路段a上的平均等待时间;costg为公交换乘地铁的票价;Ag表示常规公交换乘地铁的虚拟换乘路段集合;为出行者在P+R换乘枢纽的虚拟换乘路段a上的步行时间;为出行者在P+R换乘枢纽的换乘路段a上的平均等待时间;costd为小汽车换乘地铁的票价;parkd为小汽车停车费用;Ad表示小汽车换乘地铁的虚拟换乘路段集合;
城市多模式交通网络中采用各单一交通方式在路径a上的路径阻抗函数,可表示为:
城市多模式交通网络中采用小汽车+地铁组合出行方式,该路径的途径网络依次为:上网网络a1、小汽车网络a2、枢纽换乘虚拟网络a3、地铁网络a4和下网网络a5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径a上的路径阻抗函数:
城市多模式交通网络中采用公交+地铁组合出行方式,该路径的途径网络依次为:上网网络b1、常规公交网络b2、枢纽换乘虚拟网络b3、地铁网络b4和下网网络b5。将途经的各个交通子网络的路段阻抗函数进行叠加,得到采用该组合出行方式在路径b上的路径阻抗函数:
4.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:所述步骤3中基于随机用户均衡理论,对城市多模式交通网络各交通子网络客流进行分配求解的过程满足以下平衡条件:
式中:fk w为OD对w间第k条路径上的流量;qw为OD对w间总的出行量;θ表示交通网络上乘客对交通信息的了解程度,其值越大说明乘客的交通信息了解越全面,网络的随机性越弱,当其值为无穷大的时候,即表示特定的用户均衡网络模型;为路段和路径之间的关联性,如果路段a在OD对w之间第k条路径上,则反之则Ia表示弧度a上的广义费用;W表示整个交通网络上OD对的集合,KW表示整个交通网络上的交通路径集合。
5.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:步骤3中采用连续权重平均法对上述超级网络随机用户均衡模型进行求解,具体步骤为:
(1)令循环迭代次数n=0,令城市多模式交通网络各个路段流量矩阵x(0)=0;
(2)路段流量带入广义费用函数,通过计算公式得到各个路段的费用Ia;采用深度优先搜索法确定OD对W间所有的路径,然后计算每条路径的费用,利用最短路径法得到最短路径以及最短路径的费用If,min
(3)用Logit模型对城市多模式交通网络路径进行流量加载,继而得到辅助路段流量y(0)
(4)用MSWA法得到各个城市多模式交通网络路段流量矩阵x(n+1),令d=1公式如下,
xn+1=xnn(yn-xn)
(5)收敛检验,若则x(n+1)就是最后的路段流量求解,计算结束;否则,令n=n+1,返回(2)。
6.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:所述步骤4中的评价指标集合包含单一网络服务水平、交通网络基尼系数和交通模式间需求比例三类,具体为:
通过各个网络的网络服务水平判断城市多模式交通网络运能协调能力,各交通子网络的服务水平计算公式如下:
式中:LOSi j为第j个子交通网络的路段最大服务水平;Vj i为第j个子交通网络路段的客流量,人/h;为第j个子交通网络路段的通行能力,人/h;
构建城市多模式交通网络分配模型,并借鉴基尼系数理论,从整体层面量化交通网络流量分布不均衡性,其值越大,说明路网中较少的路段承担着路网大部分的交通流量负荷,路网流量分布不均衡程度越大,交通网络基尼系数的计算公式如下:
式中:GiniLOS为基路段服务水平计算的基尼系数,以反映交通网络流量分布不均衡性;A为绝对平均线与洛仑兹曲线围成的图形面积;B为洛仑兹曲线与绝对不平均曲线围成的图形面积;L(LOSi)为路段服务水平的洛伦兹曲线;
通过公共交通网络和总乘客需求比例判断城市多模式交通网络运能协调能力,公共交通网络即常规公交网络与地铁轨道网络,交通模式间需求比例计算公式如下:
式中:VB表示常规公交出行客流量,人/次;VM表示地铁轨道出行客流量,人/次;VC表示小汽车出行客流总量,人/次。
7.根据权利要求1所述的一种城市多模式交通网络运能协调评价方法,其特征在于:所述步骤5中指标的评价基准具体包括:基于美国交通道路服务水平评价指标,基于国际基尼系数标准,基于《关于进一步加强城市规划建设管理工作的若干意见》。
CN201910680977.5A 2019-07-26 2019-07-26 一种城市多模式交通网络运能协调评价方法 Active CN110414833B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910680977.5A CN110414833B (zh) 2019-07-26 2019-07-26 一种城市多模式交通网络运能协调评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910680977.5A CN110414833B (zh) 2019-07-26 2019-07-26 一种城市多模式交通网络运能协调评价方法

Publications (2)

Publication Number Publication Date
CN110414833A true CN110414833A (zh) 2019-11-05
CN110414833B CN110414833B (zh) 2022-03-11

Family

ID=68363155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910680977.5A Active CN110414833B (zh) 2019-07-26 2019-07-26 一种城市多模式交通网络运能协调评价方法

Country Status (1)

Country Link
CN (1) CN110414833B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110941651A (zh) * 2019-11-25 2020-03-31 东南大学 一种基于不完备人口信息的交通模式选择分析方法
CN111932084A (zh) * 2020-07-15 2020-11-13 江苏大学 一种评估城市公共交通可达性的系统
CN112129306A (zh) * 2020-09-24 2020-12-25 腾讯科技(深圳)有限公司 路线生成方法、装置、计算机设备和存储介质
CN112132551A (zh) * 2020-09-30 2020-12-25 西南交通大学 一种城市轨道交通应急客流协同疏运方法
CN113256187A (zh) * 2021-07-15 2021-08-13 广州地铁设计研究院股份有限公司 区域轨道交通互联互通协同性评价交互系统
CN113570418A (zh) * 2021-08-11 2021-10-29 东南大学 一种城市共享交通的居民出行需求预测方法
CN113673619A (zh) * 2021-08-27 2021-11-19 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN113689069A (zh) * 2021-07-13 2021-11-23 东南大学 一种城市交通系统方式划分与交通分配一体化分析方法
CN113724495A (zh) * 2021-08-09 2021-11-30 东南大学 一种城市共享出行的流量预测方法
CN113919529A (zh) * 2021-09-28 2022-01-11 东南大学 一种网约车出行的环境影响评价方法
CN114240107A (zh) * 2021-12-06 2022-03-25 昆山轨道交通投资置业有限公司 一种公共交通复合网络中站点站间可达性评价方法
CN115358496A (zh) * 2022-10-21 2022-11-18 中国兵器科学研究院 一种联合投送网络构建方法及系统
CN116229740A (zh) * 2023-05-10 2023-06-06 湖北大学 一种红绿灯配时控制方法及系统
CN117235556A (zh) * 2023-11-13 2023-12-15 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169524A (zh) * 2010-02-26 2011-08-31 同济大学 城市轨道交通网络客流分布的分阶段多路径模型算法
CN103258236A (zh) * 2012-02-16 2013-08-21 朱炜 一种基于场景的城市轨道交通网络大客流分配方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169524A (zh) * 2010-02-26 2011-08-31 同济大学 城市轨道交通网络客流分布的分阶段多路径模型算法
CN103258236A (zh) * 2012-02-16 2013-08-21 朱炜 一种基于场景的城市轨道交通网络大客流分配方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
何神豪等: "基于基尼系数的公路网分布均衡性评价研究", 《交通运输系统工程与信息》 *
李想: "考虑换乘的多模式城市交通网络配流问题研究", 《万方数据库》 *
杜崇: "组合出行模式下交通流分配模型及其求解研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110941651B (zh) * 2019-11-25 2020-06-26 东南大学 一种基于不完备人口信息的交通模式选择分析方法
CN110941651A (zh) * 2019-11-25 2020-03-31 东南大学 一种基于不完备人口信息的交通模式选择分析方法
CN111932084A (zh) * 2020-07-15 2020-11-13 江苏大学 一种评估城市公共交通可达性的系统
CN112129306A (zh) * 2020-09-24 2020-12-25 腾讯科技(深圳)有限公司 路线生成方法、装置、计算机设备和存储介质
CN112129306B (zh) * 2020-09-24 2024-05-28 腾讯科技(深圳)有限公司 路线生成方法、装置、计算机设备和存储介质
CN112132551A (zh) * 2020-09-30 2020-12-25 西南交通大学 一种城市轨道交通应急客流协同疏运方法
CN113689069A (zh) * 2021-07-13 2021-11-23 东南大学 一种城市交通系统方式划分与交通分配一体化分析方法
CN113689069B (zh) * 2021-07-13 2023-11-24 东南大学 一种城市交通系统方式划分与交通分配一体化分析方法
CN113256187A (zh) * 2021-07-15 2021-08-13 广州地铁设计研究院股份有限公司 区域轨道交通互联互通协同性评价交互系统
CN113724495B (zh) * 2021-08-09 2022-07-01 东南大学 一种城市共享出行的流量预测方法
CN113724495A (zh) * 2021-08-09 2021-11-30 东南大学 一种城市共享出行的流量预测方法
CN113570418A (zh) * 2021-08-11 2021-10-29 东南大学 一种城市共享交通的居民出行需求预测方法
CN113673619B (zh) * 2021-08-27 2023-08-04 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN113673619A (zh) * 2021-08-27 2021-11-19 湖南航天远望科技有限公司 一种基于拓扑分析的地理大数据空间潜模式分析方法
CN113919529A (zh) * 2021-09-28 2022-01-11 东南大学 一种网约车出行的环境影响评价方法
CN114240107A (zh) * 2021-12-06 2022-03-25 昆山轨道交通投资置业有限公司 一种公共交通复合网络中站点站间可达性评价方法
CN115358496A (zh) * 2022-10-21 2022-11-18 中国兵器科学研究院 一种联合投送网络构建方法及系统
CN116229740A (zh) * 2023-05-10 2023-06-06 湖北大学 一种红绿灯配时控制方法及系统
CN116229740B (zh) * 2023-05-10 2023-10-10 湖北大学 一种红绿灯配时控制方法及系统
CN117235556A (zh) * 2023-11-13 2023-12-15 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法
CN117235556B (zh) * 2023-11-13 2024-02-27 浙江大学城乡规划设计研究院有限公司 一种面向交通管理者的多模式交通复合网络构建方法

Also Published As

Publication number Publication date
CN110414833B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN110414833A (zh) 一种城市多模式交通网络运能协调评价方法
CN110580404B (zh) 一种基于城市多模式交通网络的网络运能确定方法
CN105205557B (zh) 一种城市常规公交线网设计方法
CN109086910B (zh) 城市轨道交通运营路网拓扑结构建模方法
CN103208033B (zh) 一种成网条件下城市轨道交通新线接入客流预测方法
CN106056242A (zh) 基于客流动态分配的高铁列车开行方案评价方法
CN107563028B (zh) 一种基于空间网络的公交-地铁耦合网络构建方法
CN110599760B (zh) 一种多模式交通网络下的出行行为模拟方法
CN106097226A (zh) 基于层次规划的城市常规公交线网设计方法
CN103530694B (zh) 基于时空网络构建的城市地铁动态客流分配方法
CN107330716A (zh) 一种考虑系统最优的定制公交定价方法
CN109543882A (zh) 一种基于最优公交平均站间距的公交线网密度计算方法
CN114117700A (zh) 基于复杂网络理论的城市公共交通网络优化研究方法
CN106709591A (zh) 一种车联网环境下不确定需求的协同拼车路线选择方法
CN114842641B (zh) 面向省域的多模式链式交通分配方法
Hou et al. A combined modal split and traffic assignment model with capacity constraints for siting remote park-and-ride facilities
Wang et al. Big data-driven public transportation network: a simulation approach
Liu et al. Networking and sustainable development of urban spatial planning: Influence of rail transit
Hou et al. Intelligent urban planning on smart city blocks based on bicycle travel data sensing
Zhao et al. Optimization of intensive land use in blocks of Xi’an from the perspective of bicycle travel
CN106096828A (zh) 基于非直线系数的跨线列车开行路径确定方法
Li et al. Method for determining the location of highway passenger transportation hubs using poi data and the dijkstra algorithm in large city
CN115689085A (zh) 基于客流时空分布推演的城市轨道交通时域优化方法
Tian et al. Method for determining the valid travel route of railways based on generalised cost under the syncretic railway network
Xu Intercity multi-modal traffic assignment model and algorithm for urban agglomeration considering the whole travel process

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