CN110930708A - 一种城市交通承载力计算与预测方法 - Google Patents
一种城市交通承载力计算与预测方法 Download PDFInfo
- Publication number
- CN110930708A CN110930708A CN201911254145.3A CN201911254145A CN110930708A CN 110930708 A CN110930708 A CN 110930708A CN 201911254145 A CN201911254145 A CN 201911254145A CN 110930708 A CN110930708 A CN 110930708A
- Authority
- CN
- China
- Prior art keywords
- traffic
- bearing capacity
- urban
- traffic bearing
- road
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Abstract
本发明公开一种城市交通承载力计算与预测方法,该方法包括:从宏观层面给出城市交通承载力的定义;结合高峰小时交通量和拥堵指数提出城市交通承载力的计算方法;以北京市交通网络为研究对象,基于多因素分析法研究了影响北京市交通承载力的关键因素,应用主成分分析降低变量维度;采用回归分析建立城市交通承载力与其影响因素的关系表达式;通过曲线拟合对2018~2025年各影响因素进行预测;预测2018~2025年城市交通承载力。本发明给出了城市交通承载力的定义,并给出城市交通承载力的衡量计算方法,基于对宏观指标的预测可以实现对城市交通承载力的预测,从而为交通管理部门掌握当前城市交通承载力提供计算与预测方法。
Description
技术领域:
本发明公开一种城市交通承载力计算与预测方法,该方法包括:从宏观层面给出城市交通承载力的定义;结合高峰小时交通量和拥堵指数提出城市交通承载力的计算方法;以北京市交通网络为研究对象,基于多因素分析法研究了影响北京市交通承载力的关键因素,应用主成分分析降低变量维度;采用回归分析建立城市交通承载力与其影响因素的关系表达式;通过曲线拟合对2018~2025年各影响因素进行预测;预测2018~2025年城市交通承载力。本发明给出了城市交通承载力的定义,并给出城市交通承载力的衡量计算方法,基于对宏观指标的预测可以实现对2018~2025年城市交通承载力进行预测,从而为交通管理部门掌握当前城市交通承载力提供计算与预测方法。
背景技术:
城市交通要想健康良性实现可持续发展必须避免超越城市资源供给的限度,即交通发展是有度的,不能超越其承载能力。我国对于承载力的研究开展较晚,中国科学院自然资源综合考察委员会主持的《中国土地资源生产能力及人口承载量研究》是目前公认的最早的关于承载力的研究[1],其中城市交通承载力一直是国际社会研究的热点和难点问题,它对于城市规划、交通管理和控制、城市系统功能优化具有明显的意义。
自从承载力作为一个新兴的概念被提出,国内外学者尝试性的从不同角度提出了城市交通承载力的定义,主要有以下三种。第一,从路网交通承载力的角度,周溪召(1996)、Asakura(1992)等学者定义城市交通空间容量为交通设施在单位空间上能够容纳的最多车辆数或最大流量。第二,从环境因素和人口方面考虑[2-3],刘志硕(2002)提出交通环境承载力为在人类生存、生态环境和资源利用不受损害的前提下,某一交通环境所能容纳交通系统排放污染物的最大负荷量或利用环境资源的最大使用量,在进一步的研究中他将交通容量划分为微观交通容量和宏观交通容量,然后从系统的观点出发提出了一种新的基于交通环境承载力的城市交通容量确定方法并进行了应用,之后很多学者对交通环境承载力做了进一步的研究[4-9]。第三,综合考虑路网、环境、燃油供给等因素定义交通承载力。詹歆晔(2008)等定义城市交通承载力为城市交通系统在可供利用路网、燃油资源和环境达标的前提下所能支持的最大交通活动,把机动车在驶量作为城市交通承载力的定量指标[10]。侯德劭(2008)给出承载力的定义为一定时期内,特定土地利用结构下,在城市系统的功能和结构不向恶性方向转变,城市环境符合可持续发展的要求条件下,城市体系所能承受交通系统的最大发展规模,即交通系统的可承受最大容量,分为交通设施承载力和交通环境承载力[1]。
对于交通承载力的计算,目前国内学者从城市交通承载力的角度进行研究的并不多,但从路网容量的角度进行了深入研究,主要采用的方法有如下四种:第一种是美国普林斯顿大学教授Ford L.R.Jr和Fulkerson D.R把实际城市路网抽象成网络,然后用图论的方法研究路网容量,其成果是运用最大流最小割集定理建立了路网容量模型;第二种是不考虑交通需求分配的时空资源法,把道路交通设施看作是一种交通资源,在一定时期内这种资源的总量是固定的,出行者的出行行为活动实际上是对这种资源的一种消耗,周溪召(1996)提出了城市道路时空资源和交通空间容量的概念,利用时空资源的概念对交通空间容量就高峰小时情况进行分析和推算,得到理论公式,并利用上海市数据资料计算了上海市机动车道资源供应情况,詹歆晔(2008)等提出以机动车在驶量为标准构建由路网资源、燃油供给和大气环境3个模块组成的交通承载力宏观定量模型,并选择北京市城区作为案例验证模型,得出北京市交通发展面对的直接压力是机动车在驶量偏高的结论;第三种是考虑交通需求的线性规划法、交通分配模拟法,线性规划法又分为单层和双层路网容量模型,交通分配模拟法是结合图论和交通分配两种理论建立起来的[11],Asakura(1992)第一个提出要针对平衡网络交通容量问题开发模型和算法,提出了求解平衡网络交通容量问题的双层规划模型和相应的启发式算法,并以日本城市交通网络为例进行了实例分析,HaiYang(2000)等在总结分析以往的研究成果的基础上提出了求解城市交通承载力改进的双层规划模型,认识到城市交通承载力问题是一个系统问题,并为下一步的研究指明了方向[12]。侯德劭(2008)对城市交通承载力做了进一步深入的研究,提出了求解城市交通设施承载力的多目标双层规划模型,并利用遗传算法进行求解,建立了交通承载力评价体系。第四种是其他方法,很多学者对城市交通承载力最优拓扑角度进行了深入研究[13-15],吴建军(2008)研究了不同拓扑结构下的城市交通网络承载力,并分析了最优城市交通网络的拓扑及特征参量[16]。Elnaz Miandoabchi(2011)等研究了最大化城市路网能力的目标下如何配置街道方向和双向街道分配[17]。前两种方法是基于宏观层面的路网容量计算方法,这类方法从宏观层面上研究路网容量,与道路通行能力、服务水平等指标相联系,可以直接求的路网容量。第三种是基于微观层面的路网容量计算方法,这类方法是从微观层面上研究路网容量,可以求得路网最大的容许流量。
综上所述,针对城市交通承载力国内外学者进行了由简单到复杂的研究,从不同的角度给出了城市交通承载力的定义和计算方法。但交通承载力作为一个宏观的交通概念,在交通快速发展、交通矛盾日益突出的今天,以往数据调查复杂性高、时效性低、可信性差、模型计算复杂且精确度较低的计算研究方法已经不能满足需要,这就需要一种计算简单、数据获取较为容易、实用性强的城市交通承载力计算和度量方法,为交通需求管理和交通决策提供参考依据。本文从宏观层面重新定义了城市交通承载力,结合高峰小时交通量和拥堵指数给出了交通承载力的计算方法,以北京市交通网络为研究对象,根据相关统计数据分析得到北京市2002~2017年交通承载力。此外,基于多因素分析法研究了影响北京市交通承载力的关键因素,应用因子分析和非线性回归方法得到城市交通承载力与这些影响因素之间的内在关系,最后对北京市2018~2020年交通承载力进行了预测。
[1]侯德劭.城市交通承载力研究[D].上海:同济大学,2008.[HOU D S.The studyoftraffic carrying capacity[D].Tongji University,2008]
[2]周溪召,刘灿齐,杨佩昆.高峰时段道路网时空资源和交通空间容量[J].同济大学学报,1996,24(4):392-397.
[3]Asakura,Y.,1992.Maximum capacity ofroad network constrainedby userequilibrium conditions.Paper presented at the 24th Annual Conference oftheUTSG.
[4]刘志硕,申金升,魏宏业,等.交通环境承载力动态离散计算方法及应用[J].管理工程学报,2004,18(1):64-67.
[5]刘志硕,申金升,张智文.基于交通环境承载力的城市交通容量确定方法及应用[J].中国公路学报,2004,17(1):70-76.
[6]杨忠振,苗国强,冯涛.环境承载力约束条件下城市最大乘用车保有量预测[J].中国公路学报,2006,19(6):92-97.
[7]牟瑞芳.交通环境承载力计算方法[J].交通运输系统工程与信息,2006,4(3):30-34.[MOU R F.A method to calculate the bearing capacity oftrafficenvironmental system[J].Journal ofTransportation Engineering and Information,2006,4(3):30-34.]
[8]Li Xiaoyan,Shi Zhongke.Calculation models ofthe urban trafficenvironmental carrying capacity[C].International Conference on TransportationEngineering.Chengdu,2007:4044-4049.
[9]李晓燕,陈红,胡晗.交通环境承载力及其定量方法初探[J].公路交通科技,2008,25(1):151-154.
[10]詹歆晔,郁亚娟,郭怀成等.特大城市交通承载力定量模型的建立与应用[J].环境科学学报,2008,28(9):1923-1931.
[11]陈春妹,任福田,荣建.路网容量研究综述[J].公路交通科技,2002,19(3):97-101.
[12]Hai Yang,Michael G.H.Bell,Qiang Meng.Modelingthe capacity andlevel ofservice of urbantransportation network[J].TransportationresearchpartB,2000,(34):255-275.
[13]Gao Ziyou,SongYifan.A reserve capacity model ofoptimal signalcontrol withuser equilibriumroute choice[J].Transportation researchpart B,2000,(34):255-275.
[14]程琳,王炜,于春青,等.城市道路交通网络容量的建模[J].管理工程学报,2007,21(2):84-87.
[15]贾顺平,彭宏勤,刘爽.基于居民出行特性与路网承载力的城市交通状态研究[J].交通运输系统工程与信息,2011,11(5):81-85.
[16]吴建军.城市交通网络拓扑结构复杂性研究[D].北京:北京交通大学,2008.
[17]Elnaz Miandoabchi,RezaZanjirani Farahani.Optimizingreservecapacity ofurban road networks in a discrete networkdesignproblem[J].Advancesin Engineering Software,2011,(42):1041-1050.
发明内容:
本发明的目的在于提供了一种城市交通网络承载力的宏观定义,给出城市交通承载力的计算与预测方法,并以北京市交通网络为研究对象,预测2018-2025年的城市交通承载力。为了达到以上目的,本发明实例公开一种城市交通承载力的计算和预测方法,包括以下步骤:
1.从宏观层面给出了城市交通承载力的定义;
2.提出城市交通承载力计算方法,基于高峰小时交通量和交通拥堵指数,计算城市交通承载力;
3.以北京市交通网络为研究对象,基于多因素分析法研究了影响北京市交通承载力的关键因素,应用主成分分析降低变量维度;
4.采用非线性回归方法得到城市交通承载力与其影响因素之间的内在关系;
5.通过曲线拟合对2018~2025年各个影响因素进行预测,据此预测2018~2025年城市交通承载力。
有益效果
本发明从宏观层面重新定义了城市交通承载力,提出计算方法,并确定其中的关键影响因素。根据交通承载力回归函数关系式,实现了对北京市交通承载力进行中长期预测。本发明所采用的原理简单,易于实现,比较合理反映路网承载交通流量极限的状况,对于制定交通政策具有很好的参考意义。
附图说明:
图1为本发明城市交通承载力计算与预测方法流程图;
图2交通承载力指标包含的信息;
图3城市交通承载力影响因素分析;
图4碎石图;
图5交通运输投资拟合曲线;
图6机动车保有量拟合曲线;
图7道路总里程拟合曲线;
图8人口拟合曲线;
图9GDP拟合曲线;
图10北京市2002~2025年交通承载力变化曲线。
当结合附图考虑时,通过参照下面的详细描述,能够更完整更好地理解本发明以及容易得知其中许多伴随的优点,但此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
具体实施方法:
为使上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
1.城市交通承载力定义
目前在城市交通研究中,对于城市交通承载力还没有统一的定义和描述,本文基于宏观层面对城市交通承载力定义如下:城市交通承载力是指一定时期在城市空间范围内,一定的经济发展水平、人口、道路里程、机动车保有量和现有的土地利用结构下,城市交通系统所能承受的最大交通流量,即城市交通系统所能满足的出行者最大的交通需求。本文我们把单位时间城市路网所能容纳的最大交通量作为城市交通承载力的定量指标。在高峰小时,出行者会产生巨大的交通需求,集中出行会将大量的交通量加载到路网上,这时交通系统处于一定程度的饱和运行状态,从而产生交通拥堵,此时我们统计分析高峰小时流量并结合交通拥堵指数就能计算出交通系统的承载力,因而城市交通承载力也可称为城市道路在高峰小时的交通承载能力。在高峰小时调查统计得到的交通量数据,是不同OD的出行者基于自身出行成本最小的目标下对路径进行自主选择之后的结果,是交通需求产生的交通流量在路网上的集中分配,所以高峰小时交通量调查统计数据包含出行者需求结构信息、出行者选择行为信息和路网拓扑信息,不是机械的统计计算城市交通路网能容纳的车辆数。图2为交通承载力指标包含的信息。
2.城市交通承载力计算
在高峰小时,出行者集中出行会将大量的交通量加载到路网上,这时交通系统处于一定程度的饱和运行状态,此时的交通流量接近或者已经达到交通承载能力,衡量接近程度的指标我们定义为饱和度。饱和度(Sr)是描述路段或者路网交通负荷也即接近交通承载力程度的指标,可以由道路或者路网当前的交通拥堵指数除以达到城市交通承载力时的交通拥堵指数得到,一般情况下0<饱和度Sr<1,Sr=1表示路段或者路网达到其交通承载力,特殊情况下Sr有可能大于1。交通拥堵指数又称交通运行指数(Traffic PerformanceIndex),是北京市首创的综合反映道路网畅通或拥堵的评价方法,并逐步在全国大中型城市试用。交通拥堵指数(TPI)简称交通指数,其取值范围为0至10,每隔一2个数为一个等级,分别对应于“畅通”、“基本畅通”、“轻度拥堵”、“中度拥堵”、“严重拥堵”五个级别,数值越高表明交通拥堵状况越严重。一般的,我们可以定义道路或者路网达到城市交通承载力时交通拥堵指数为8,即“严重拥堵”的下限,也可以根据实际情况进行标定,意味着此时由交通拥堵产生的交通延误还可以度量,如果拥堵指数再增加时出行耗时将急剧增加并引发交通瘫痪。根据以上分析,可知城市交通承载力计算如下:
其中,C为整个路网的交通承载力(辆/h),PHV为快速路和主干道的高峰小时交通量(辆/h),α为路网高峰小时流量修正系数,可以根据具体城市的实际路网和调查数据进行标定,α=1/全天城市快速路与主干道流量承担全天整体路网交通量的比例,PHV·α即为整个路网的高峰小时交通量(辆/h),Sr为饱和度,一般情况下0<Sr<1,个别特殊情况下Sr可能大于1,TPI为道路或路网的交通拥堵指数,TPIC为道路或路网达到交通承载力时的交通拥堵系数,即期望交通拥堵系数,我们设定TPIC为“严重拥堵”的下限,因此TPIC=8。
北京市路网基本是由快速路、主干道和支线三大系统组成,快速路是其中规划标准最高、通行能力最强的组成部分,快速路全立交、全封闭、全程不设红绿灯,北京的城市快速路和城市主干道在道路宽度和等级上基本没有差别,但城市主干道设有红绿灯。根据多年的道路核查线交通流量数据调查,从北京市道路交通的整体情况来看,北京规划建设的380公里快速路虽然只占北京道路网里程的8%左右,但承担的交通量却达到70%,即北京市全天城市快速路与主干道流量承担全天整体路网交通量的比例=70%,快速路和主干道是承担交通运行的主要通道,发展北京的快速路一直是北京路政交通发展的主要方向。由此可知快速路和主干道是北京市道路交通主要的载体,同理也是计算城市交通承载力的主要考虑对象,因此我们搜集了2002~2010年北京市各方向环路和典型主干路的高峰小时交通量(PHV),如表1所示。
表1北京市2002~2010年高峰小时交通量
根据北京的城市快速路和城市主干道承担的流量,这里我们标定路网高峰小时流量修正系数α=1/0.7=1.429,道路或路网达到交通承载力时的交通拥堵系数TPIC为8,再根据北京市交通运行报告和交通发展年度报告统计分析得到的数据,按照公式(1)和(2)分别计算得到北京市2002~2017年城市交通承载力如表2所示。
表2北京市2002~2017年城市交通承载力
日交通拥堵指数是指城市全部路网早、晚高峰期间拥堵指数的均值。
3.交通承载力预测
从宏观层面结合高峰小时交通量和拥堵指数定义了城市交通承载力,对于交通承载力的影响因素,由分析可知:一方面一个城市的交通运输投资(不包含航空投资)重点用于市政交通设施项目建设等项目,这些投资项目能促进交通设施的改善、交通管理服务水平的提高,同时也影响交通需求的产生和分布,GDP可以用来衡量城市的经济发展水平,而交通的发展正是建立在一定的经济发展水平上,人是交通出行的主体,一个城市的全部人口都是潜在的出行产生者,但这些因素并不直接决定交通承载力的大小,所以说城市交通运输投资、人口、GDP是影响城市交通承载力主要的外部环境因素;另一方面一个城市的路网是交通流量的直接承担者,机动车也是交通流的直接产生者,它们都对城市交通承载力起关键的影响作用,直接影响交通承载力的大小。所以道路里程和机动车保有量是影响城市交通承载力的内部因素。并且我们根据北京市2002~2017年城市发展数据,选取人口、道路里程、机动车保有量、交通运输投资、GDP与城市交通承载力做进行多元线性回归。综上所述,城市交通承载力主要的内外部影响因素如图3所示。
北京市2002~2017年城市交通承载力和北京市城市交通发展的有关数据,包含城市交通承载力、人口、道路总里程、机动车拥有量、交通运输投资和GDP数据,如表3所示。
表3北京市2002~2012年城市发展数据
由于原有变量较多且有可能导致建模时计算量大、信息重叠等问题,本发明先以城市交通承载力为因变量,人口、道路总里程、机动车拥有量、交通运输投资(不包含航空投资)和GDP为自变量,使用SPSS19.0对表中2002~2017年数据进行因子分析,如表4所示KMO检验和Bartlett球度检验,KMO的值为0.774,根据统计学家Kaiser提出的标准,KMO取值大于0.6适合因子分析。同时Bartlett球度检验的相伴概率为0,小于显著性水平0.05,因此拒绝Bartlett球度检验的零假设,认为原有变量适合于因子分析。
表4 KMO和Bartlett的检验
根据主成分分析法得到的碎石图(图4)可知,只有一个特征值大于1,第二个以后的因子特征值都很小,对解释原有变量的贡献很小,所以因子分析提取因子个数为1,提取出的因子用F表示。
表5成份矩阵
Table 5 Component Matrix
由表5的成份矩阵可知,根据原有变量提取出的因子F对原有变量同时具有解释性,可以用来反映道路总里程等因素对于交通承载力综合影响。
表6成份得分系数矩阵
Table 6 Component Score Coefficient Matrix
由表6成份得分系数矩阵可知,提取出的因子为:
F=0.212P+0.195R+0.214V+0.207I+0.212G (3)
其中,F为提取出的因子,P为人口数(万人),R为道路总里程(km),V为机动车保有量(万辆),I为城市交通运输投资(亿元),G为GDP(亿元)。
表7北京市2002~2012年交通承载力和因子值
Table 7 Traffic carrying capacity and factor value of Beijing in 2002~2012
选择线性、多项式、复合模型、生长曲线、对数、S曲线、指数函数、逆模型、幂函数、逻辑曲线等11种曲线形式表7中数据进行拟合,其中三次曲线模型拟合效果较好,R2为0.939说明该回归方程可以解释因变量变化的93.9%,表明该回归方程具有很好的拟合优度,得到北京市交通承载力与各影响因素的函数关系如下:
C=-9.527×105+526.058F-0.074F2+3.882×10-6F3 (4)
其中F=0.212P+0.195R+0.214V+0.207I+0.212G,如表3所示2016年计算得到的城市交通承载力为973521辆/h,将2016年北京市人口、道路总里程等数据代入公式(3)(4)中可求得北京市交通承载力为871681辆/h,两者相差较小。将2017年北京市交通发展的相关数据代入回归函数,可得北京市2017年交通承载力为1080943辆/h。综上所述,该回归函数方程具有较好回归效果,可以根据该方程求对应数据下的城市交通承载力。
在对这些影响因素进行预测之前,首先根据这些数据进行曲线拟合,从而得到各影响因素的时间序列函数关系式。
这里定义年份为变量t,如t=2表示2002年,以此类推。根据2004~2016年北京市交通运输投资数据拟合曲线,2017年交通运输投资留作验证,尝试用指数、傅里叶、高斯、多项式、幂、正弦六种不同的曲线进行拟合,发现多项式函数拟合效果最好,两者呈明显的多项式函数关系形式,拟合曲线如图5所示。
拟合函数的R2为0.8686说明该回归方程可以解释因变量变化的86.86%,表明该回归方程具有很好的拟合优度。得到的北京市交通运输投资(I)和年份(t)的函数关系为:
I=71.48t-132 (5)
通过函数关系计算2017年北京市交通运输投资为1083.16亿元,与实际数据1217.3亿元相近。在进行其他因素拟合时,北京市2010年实行摇号政策之后,机动车保有量增长平稳,增长规律与实行摇号之前发生很大改变,所以选用2010~2017年数据进行拟合,考虑到道路里程从2006年前数据没有包含村道数据,所以道路总里程拟合时选用2006年到2017年的数据。基于以上分析并比较多种拟合曲线,最终选择用幂函数拟合机动车保有量(V)和人口(P)、高斯拟合道路总里程(R)、傅里叶拟合GDP(G),都通过显著性检验且有很好的拟合优度,得到的拟合曲线和方程为:
V=144.8t0.5009 (6)
R=169.5t+19380 (7)
G=1127t1.116 (9)
通过以上公式(5)~(9),可以计算出各影响因素2018~2025年的预测值,如表8所示。
表8北京市2018~2025年各影响因素预测值
Table 8 Predictive value of impact factors in Beijing from 2018~2025
由公式(3)(4)和表8中交通承载力各影响因素的预测值,可以计算出北京市2018~2025年交通承载力的预测值,如表9所示。北京市交通承载力2002~2025年变化趋势如图9所示。
表9北京市2018~2025年交通承载力预测
Table 9 Predictive value of traffic carrying capacity of Beijing in2013~2020
Claims (9)
3.一种城市交通承载力预测方法,其特征在于包括以下步骤:
(1)确定城市交通承载力的影响因素;
(2)利用历史数据对影响因素进行因子分析,提取因子模型;
(3)采用非线性回归方法得到交通承载力与各影响因素之间的关系;
(4)根据历史数据分别得到各影响因素的时间序列函数关系式;
(5)根据步骤(4)中得到的各影响因素的时间序列函数关系式,分别计算出各影响因素在特定年份的预测值,并将预测值代入步骤(3)提取出的因子模型中,最后根据步骤(4)分析得到的交通承载力与各影响因素之间的函数关系得到特定年份交通承载力的预测值。
4.根据权利要求3所述的一种城市交通承载力预测方法,其特征在于,所述影响因素包括人口、道路总里程、机动车拥有量、交通运输投资和GDP数据。
5.根据权利要求3所述的一种城市交通承载力预测方法,其特征在于,进一步,根据北京市历史数据进行因子分析提取出的因子如下:
F=0.212P+0.195R+0.214V+0.207I+0.212G (3)
其中,F为提取出的因子,P为人口数(万人),R为道路总里程(km),V为机动车保有量(万辆),I为城市交通运输投资(亿元),G为GDP(亿元)。
6.根据权利要求3所述的一种城市交通承载力预测方法,其特征在于,步骤(3)中所述的分析方法优选三次曲线模型。
7.根据权利要求6所述的一种城市交通承载力预测方法,其特征在于,步骤(3)中所述交通承载力与各影响因素之间的函数关系如下:
C=-9.527×105+526.058F-0.074F2+3.882×10-6F3。
8.根据权利要求3所述的一种城市交通承载力预测方法,其特征在于:
进一步,优选多项式函数拟合交通运输投资(I)和年份(t)的函数关系,
进一步,优选幂函数拟合机动车保有量(V)和年份(t)的函数关系,
进一步,优选幂函数拟合人口(P)和年份(t)的函数关系,
进一步,优选高斯拟合道路总里程(R)和年份(t)的函数关系,
进一步,优选傅里叶拟合GDP(G)和年份(t)的函数关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911254145.3A CN110930708A (zh) | 2019-12-06 | 2019-12-06 | 一种城市交通承载力计算与预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911254145.3A CN110930708A (zh) | 2019-12-06 | 2019-12-06 | 一种城市交通承载力计算与预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110930708A true CN110930708A (zh) | 2020-03-27 |
Family
ID=69857833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911254145.3A Pending CN110930708A (zh) | 2019-12-06 | 2019-12-06 | 一种城市交通承载力计算与预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110930708A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289030A (zh) * | 2020-11-02 | 2021-01-29 | 吉林大学 | 城市路网可容纳最大车辆数的计算方法 |
CN112309119A (zh) * | 2020-11-03 | 2021-02-02 | 广州市交通规划研究院 | 一种城市交通系统容量分析优化方法 |
CN113011929A (zh) * | 2021-04-07 | 2021-06-22 | 湖南理工学院 | 一种非均衡居民出行市场调节方法 |
CN113408819A (zh) * | 2021-07-08 | 2021-09-17 | 东南大学 | 基于服务水平的城市防疫封锁线优化设计软件 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114613130A (zh) * | 2022-02-18 | 2022-06-10 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
CN105160169A (zh) * | 2015-08-27 | 2015-12-16 | 江苏中设集团股份有限公司 | 历史城区综合交通承载力测算方法 |
CN105513352A (zh) * | 2015-12-16 | 2016-04-20 | 华南理工大学 | 一种城市路网混合交通承载能力计算方法 |
CN105513353A (zh) * | 2015-12-16 | 2016-04-20 | 华南理工大学 | 一种城市路网非机动交通承载能力计算方法 |
JP2016062241A (ja) * | 2014-09-17 | 2016-04-25 | 一般財団法人道路交通情報通信システムセンター | 交通情報推定システム、方法、およびプログラム |
CN107766945A (zh) * | 2017-09-06 | 2018-03-06 | 北京交通发展研究院 | 城市路网承载力的计算方法 |
CN110517490A (zh) * | 2019-08-22 | 2019-11-29 | 广州市交通规划研究院 | 道路机动车承载力计算方法、系统、装置及存储介质 |
-
2019
- 2019-12-06 CN CN201911254145.3A patent/CN110930708A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016062241A (ja) * | 2014-09-17 | 2016-04-25 | 一般財団法人道路交通情報通信システムセンター | 交通情報推定システム、方法、およびプログラム |
CN104933859A (zh) * | 2015-05-18 | 2015-09-23 | 华南理工大学 | 一种基于宏观基本图的确定网络承载力的方法 |
CN105160169A (zh) * | 2015-08-27 | 2015-12-16 | 江苏中设集团股份有限公司 | 历史城区综合交通承载力测算方法 |
CN105513352A (zh) * | 2015-12-16 | 2016-04-20 | 华南理工大学 | 一种城市路网混合交通承载能力计算方法 |
CN105513353A (zh) * | 2015-12-16 | 2016-04-20 | 华南理工大学 | 一种城市路网非机动交通承载能力计算方法 |
CN107766945A (zh) * | 2017-09-06 | 2018-03-06 | 北京交通发展研究院 | 城市路网承载力的计算方法 |
CN110517490A (zh) * | 2019-08-22 | 2019-11-29 | 广州市交通规划研究院 | 道路机动车承载力计算方法、系统、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
LI TONGFEI 等: "Carrying Capacity of Urban Traffic Network: Modeling and Empirical Analysis", 《2013 INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND MANAGEMENT SCIENCE (ICIEMS 2013)》 * |
王曾珍: "王曾珍", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289030A (zh) * | 2020-11-02 | 2021-01-29 | 吉林大学 | 城市路网可容纳最大车辆数的计算方法 |
CN112309119A (zh) * | 2020-11-03 | 2021-02-02 | 广州市交通规划研究院 | 一种城市交通系统容量分析优化方法 |
CN112309119B (zh) * | 2020-11-03 | 2021-10-26 | 广州市交通规划研究院 | 一种城市交通系统容量分析优化方法 |
CN113011929A (zh) * | 2021-04-07 | 2021-06-22 | 湖南理工学院 | 一种非均衡居民出行市场调节方法 |
CN113408819A (zh) * | 2021-07-08 | 2021-09-17 | 东南大学 | 基于服务水平的城市防疫封锁线优化设计软件 |
CN114331058A (zh) * | 2021-12-15 | 2022-04-12 | 东南大学 | 建成环境对交通运行状况影响的评估方法 |
CN114613130A (zh) * | 2022-02-18 | 2022-06-10 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
CN114613130B (zh) * | 2022-02-18 | 2023-05-12 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110930708A (zh) | 一种城市交通承载力计算与预测方法 | |
Ma et al. | Examining influential factors on the energy consumption of electric and diesel buses: A data-driven analysis of large-scale public transit network in Beijing | |
CN109086910B (zh) | 城市轨道交通运营路网拓扑结构建模方法 | |
Salazar et al. | A congestion-aware routing scheme for autonomous mobility-on-demand systems | |
CN102819955B (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN104766476B (zh) | 一种路段以及路网区域交通状态指数的计算方法 | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
Li et al. | Prediction of electric bus energy consumption with stochastic speed profile generation modelling and data driven method based on real-world big data | |
CN102968551A (zh) | 一种电动汽车运行特性建模分析方法 | |
Kamel et al. | A modelling platform for optimizing time-dependent transit fares in large-scale multimodal networks | |
Zhu et al. | XGBoost-based travel time prediction between bus stations and analysis of influencing factors | |
Haoran et al. | The Spatial Structure Evolution of China's High-Speed Rail Network and Its Impacts on Real Estate Investment | |
Sun et al. | A prediction-evaluation method for road network energy consumption: Fusion of vehicle energy flow principle and Two-Fluid theory | |
Ling et al. | Prediction of charging requirements for electric vehicles based on multiagent intelligence | |
Dong et al. | An identification model of urban critical links with macroscopic fundamental diagram theory | |
Willumsen | Urban traffic modelling with limited data | |
Maduranga et al. | Selection of optimum junction operation strategy for gatambe intersection using VISSIM simulation | |
Deng et al. | Research on bus passenger traffic forecasting model based on gps and ic card data | |
Wei et al. | A multi-attribute decision-making model for the evaluation of uncertainties in traffic pollution control planning | |
Li | Bus arrival time prediction based on random forest | |
Su | Route planning of urban rail transit network considering the characteristics of peak traffic flow. | |
Ma et al. | Dynamic control cycle speed limit strategy for balanced reduction of travel time and emissions | |
Zheng et al. | Road transportation network planning and design based on the BP neural network. | |
Zeng et al. | The intermediary effect of intelligent Amap-related traffic efficiency on haze pollution | |
Zhang et al. | Optimization of Urban Transportation Network Path |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200327 |