CN113420943A - 一种考虑行人热舒适的城市绿道出行设计方法 - Google Patents

Abstract

本发明公开了一种考虑行人热舒适的城市绿道出行设计方法，包括：对于不同热适应能力类别的出行者以及在出行的出发点到目的地之间的多条可选路径构成的备选方案，利用价值函数计算出行者在步行决策过程中选择各备选方案的价值函数值；出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，对备选方案的可能性结果进行评估，并确定出行者的感知概率；基于出行者选择备选方案的感知概率，利用权重函数计算每个备选方案所对应的权重函数值；利用各备选方案所计算得到的价值函数值、权重函数值计算步行决策过程中的优越值；计算各备选方案的优越值，选择出行者中在步行决策过程中的优越值最大的备选方案作为最佳出行方案。

Description

一种考虑行人热舒适的城市绿道出行设计方法

技术领域

本发明涉及出行规划领域，具体涉及一种考虑行人热舒适的城市绿道出行设计方法。

背景技术

对于行人的出行规划问题，现有技术中一些方案建立出行者的路径感知效用函数。通过实例分析，证明了模型在描述出行时间不确定条件下出行者的路径选择行为和预测道路网中交通流量的分布形态方面的科学性。

为了更能符合实际出行决策，在步行路径选择行为研究中，只考虑了出行时间一方面对行为的影响，缺少热舒适度对行为影响的研究，这显然与实际情况不相符。在步行路径选择行为上，大多研究只考虑了出行时间对行为的影响，缺少热舒适度对行为影响。

发明内容

本发明提出一种考虑行人热舒适的城市绿道出行设计方法，将出行时间与热舒适度相结合，为出行者提供最优的出行路径。

为了实现上述任务，本发明采用以下技术方案：

一种考虑行人热舒适的城市绿道出行设计方法，包括：

建立出行者出行的价值函数，对于不同热适应能力类别的出行者以及在出行的出发点到目的地之间的多条可选路径构成的备选方案，利用所述价值函数计算出行者在步行决策过程中选择各备选方案的价值函数值；

出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，对备选方案的可能性结果进行评估，并确定出行者的感知概率；

构建权重函数，用于对备选方案的可能结果进行主观感知判断；基于出行者选择备选方案的感知概率，利用所述权重函数计算每个备选方案所对应的权重函数值；

构建优越值函数，利用各备选方案所计算得到的价值函数值、权重函数值计算步行决策过程中的优越值；

计算各备选方案的优越值，对于每一类别热适应能力的出行者，选择出行者中在步行决策过程中的优越值最大的备选方案作为最佳出行方案。

进一步地，所述建立出行者出行的价值函数，包括：

将参照点设定为出行者期望获得的广义出行成本，参照点即为衡量各备选方案的价值函数以及概率权重函数的指标量，因此参照点模型设定如下：

式中α为权重值，且α∈(0,1)；

为出行者选择步行在起始点与目的地之间，即OD对之间的期望出行时间；

为出行者选择步行在OD对之间的期望热舒适值；C_Desired为出行者在OD对之间的出行参照点；

将感知出行时间价值和感知热舒适度定义为感知广义出行成本，公式表示如下：

C^r＝αT^r+(1-α)M^r

式中C^r为步行出行者在备选方案的路径r上出行的感知广义出行成本；T^r为选择路径r的感知出行时间；M^r为选择路径r的感知热舒适度；α为权重参数，且α＞0；

建立出行者在备选方案的路径r上出行的价值函数V(x^r)表示为：

式中θ为风险偏好系数，且0＜θ＜1，θ值越大表示出行者的风险倾向程度越大；x^r为备选方案与参照点的差值，λ为出行者的风险规避系数，当λ≥1时表示出行者对面临损失的规避程度要大于面临收益时的追求程度。

进一步地，所述热适应能力类别分为强、中、弱，其中：

对于热适应能力弱的出行者，α＝0.3；热适应能力中的出行者，α＝0.5；热适应能力强的出行者，α＝0.8。

进一步地，所述出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，包括：

当C_Desired≥C^r时，出行者面临收益，即感知广义出行成本小于参照点时，出行将获得收益；当C_Desired＜C^r时，出行者面临损失，即感知广义出行成本大于参照点时，出行将产生损失。

进一步地，所述对备选方案的可能性结果进行评估，并确定出行者的感知概率，包括：

用F^r对出行者选择备选方案的收益/损失进行评估，同时其可能性结果服从正态分布，表示如下：

在此基础上，确定出行者的感知概率：

(P^r)₀＝P(F^r＝0,即损失)＝P(C^r＞C_Desired)＝1-(P^r)₁

上式中，C为积分变量，取值在(0,C_Desired)范围内取值，e为自然对数函数的底数，σ^r为正态分布的尺度参数，(σ^r)²为随机变量的方差；C^r为正态分布的位置参数，即广义出行成本；(P^r)₁表示出行将获得收益的感知概率；(P^r)₀表示出行将产生损失的感知概率。

进一步地，所述权重函数的计算公式为：

式中P^r为出行者选择备选方案的感知概率；χ为风险规避系数。

进一步地，在出行获得收益时χ＝0.61；在出行产生损失时χ＝0.69。

进一步地，所述优越值函数表示如下：

式中θ为风险偏好系数，且0＜θ＜1。为出行者的风险规避系数，χ为风险规避系数。

进一步地，所述方法还包括：

对最大优越值的方案进行热舒适度的计算，对于每一类别热适应能力的出行者，如果计算出的热舒适度小于该类别的舒适度阈值，则将所述最佳出行方案作为该类别热适应能力出行者的最终出行方案，否则：

对所有备选方案的路径进行优化设计，用以降低路径的热舒适度并提高优越值；优化设计后，重新建模计算各备选方案的路径的热舒适度，并重新计算各备选方案的优越值，选择备选方案的热舒适度小于设定的舒适度阈值，且优越值最大的备选方案作为所述类别热适应能力出行者的最终出行方案。

进一步地，所述优化设计包括：

在遮荫效果上，选择种植树冠宽阔的伞型、球型的落叶植物；在挡风效果上，选择树冠较紧凑的塔形常绿树；

对于冬季需要挡风的场地，采用“上层、中层、下层”的植物群落复合结构，使其作为挡风屏障围合形成无风场地；夏季则设置“上层”、“下层”或“下层”利于通风的植物群落围合形式，形成良好的小气候循环；

在选择树种的基础上，要适当丰富乔灌草的搭配，构成丰富的围合空间；

釆取复合式遮荫的形式，顶部遮荫与双侧遮荫结合、顶部遮荫与单侧遮荫结合的形式，其中顶部遮荫树种宜选择树冠宽阔的落叶树；

道路两侧植物配置：临路种植伞状落叶乔木，外侧种植塔形常绿树。

与现有技术相比，本发明具有以下技术特点：

本发明通过建立出行时间与热舒适度相结合的步行路径选择模型，在特定的出行风险情景下，研究具有异质参照点的出行者的步行路径选择，构建考虑出行时间与热舒适度相结合的步行路径选择模型，从而为出行者提供最优出行路径。

附图说明

图1为本发明方法的框架示意图；

图2为价值曲线函数；

图3为概率权重函数；

图4为研究调查区域路网图；

图5为道路横断面示意图；

图6为不同树形遮阳效果图；

图7为绿道设计图；

图8为本发明实施例中的设计图；

图9为本发明实施例中优化后的热舒适图。

具体实施方式

参见附图，本发明提供的一种考虑行人热舒适的城市绿道出行设计方法，包括以下步骤：

步骤1，建立出行者出行的价值函数，对于不同热适应能力类别的出行者以及在出行的出发点到目的地之间的多条可选路径构成的备选方案，利用所述价值函数计算出行者在步行决策过程中选择各备选方案的价值函数值。

该步骤实际上是在计算不同类别人体热适应能力的出行者在每条路径上感知广义出行成本；本方案中热适应能力类别分为强、中、弱三类；步行决策过程的好坏用优越值表示，其实就是将步行决策过程中的诸因素考虑成行人的价值函数和决策权重函数的两个过程，价值函数及决策权重函数的表达为V(x^r)及π(p)。则出行决策优越值如公式(1)所示，备选方案是指相对于参照点所在路径上的可选择路径方案。

PS＝V(x^r)π(p)+V(x^r)π(q) (1)

式中，PS为备选方案的优越值，x^r为备选方案与参照点的差值，V(x^r)为选择结果损失或收益的价值函数；π(p)、π(q)为选择结果损失或收益的决策权重函数；p、q为选择两种结果出现的概率，且p+q＝1。

将参照点设定为出行者期望获得的广义出行成本，参照点即为衡量各备选方案的价值函数以及概率权重函数的指标量，因此参照点模型设定如下：

式中α为权重值，且α∈(0,1)；

为出行者选择步行在起始点与目的地之间，即OD对(起始点与目的地)之间的期望出行时间；

为出行者选择步行在OD对之间的期望热舒适值；C_Desired为出行者在OD对之间的出行参照点。

针对公式(2)中的α权重参数设定，取决于不同类型的步行出行者对时间和热舒适度的敏感程度；以往的研究是以单纯的时间因素作为参照点，这显然是远远不够的。热舒适度是影响到步行路径选择的重要一部分，不同类型的出行者对出行时间和热舒适度的敏感程度不同。因此将感知出行时间价值和感知热舒适度定义为感知广义出行成本，公式表示如下：

C^r＝αT^r+(1-α)M^r (3)

式中C^r为步行出行者在备选方案的路径r上出行的感知广义出行成本(元)；T^r为选择路径r的感知出行时间(分钟)；M^r为选择路径r的感知热舒适度；α为权重参数，且α＞0。

基于出行者先前的参考点设置和感知的广义出行成本，建立了用于描述每个备选方案可能结果的价值函数V(x^r)和权重函数π(P^r)。

价值函数能反映决策结果的主观价值。概率权重不是概率，也不遵循概率论的相关理论。它是决策者根据事件可能结果的概率做出的主观判断，是决策者的主观心理概率。其中价值函数V(x)表达形式如下：

式中x₀为参照点；α、β为敏感性递减系数，α>0，β<1；a为收益追求系数；b为损失厌恶系数，且0<a<b。

相关参数采用Kahneman的标定，即α＝β＝0.88，a＝1，b＝2.25，可以较贴切的描述实际情况。价值函数曲线如图2所示，图形近似S型，形状在参照点x₀处发生改变。在参照点之上的“收益区”曲线呈凸形，在参照点之下的“损失区”曲线呈凹形在曲线两端都呈现出边际递减的规律，表现出决策者对于获得或失去继续扩大的敏感性均为逐步衰减的；曲线在“损失区”的斜率大于“收益区”，说明在面对同等损失或收益的情况下，人们对损失的敏感程度要高于收益。

V(x)是出行者对选择哪条路径方案可能发生结果也就是价值的描述，它是由前面建立的参照点模型决定的，不同类型的出行者由于参照点的不同，价值自然也会不同。

因此，建立步行出行者在备选方案的路径r上出行的价值函数V(x^r)表示为：

通过上式即可计算出各备选方案的价值；式中θ为风险偏好系数，且0＜θ＜1，θ值越大表示出行者的风险倾向程度越大；本实施例中取θ＝0.88。λ为出行者的风险规避系数，当λ≥1时表示出行者对面临损失的规避程度要大于面临收益时的追求程度，换句话说，就是出行者对损失比收益更加敏感。本实施例中取λ＝2.25。

步骤2，出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，对备选方案的可能性结果进行评估，并确定出行者的感知概率。

步行路径选择模型中，每一类出行者以参照点为基准，权衡比较每条路径上各种出行方式可能出现的收益或损失结果：

当C_Desired≥C^r时，出行者面临收益，即感知广义出行成本小于参照点时，出行将获得收益；当C_Desired＜C^r时，出行者面临损失，即感知广义出行成本大于参照点时，出行将产生损失。

本方案用F^r对出行者选择备选方案的可能性结果(收益/损失)进行评估，同时其可能性结果服从正态分布，表示如下：

在此基础上，根据式(7)和(8)，确定出行者的感知概率：

(P^r)₀＝P(F^r＝0,即损失)＝P(C^r＞C_Desired)＝1-(P^r)₁ (8)

其中，C为积分变量，取值在(0,C_Desired)范围内取值，e为自然对数函数的底数，σ^r为正态分布的尺度参数，即正态分布资料数据分布的离散程度，(σ^r)²为随机变量的方差。C^r为正态分布的位置参数(感知广义出行成本)，即为服从正态分布的随机变量的均值，其值可由公式(3)确定。(P^r)₁表示出行将获得收益的感知概率；(P^r)₀表示出行将产生损失的感知概率。

步骤3，构建权重函数，用于对备选方案的可能结果进行主观感知判断；基于出行者选择备选方案的感知概率，利用所述权重函数计算每个备选方案所对应的权重函数值。

权重函数是出行者对备选方案的可能结果(盈亏)的主观感知判断函数。这种主观感知判断是基于获得或损失发生的概率。它是由出行者主观作出的感知概率函数计算出来的，但它只是作为一个概率权值而有别于概率，它不遵循概率论的相关定理。

概率权重函数π(p)始终给小概率事件赋予较大的权重值，即π(p)＞p；而始终给大概率事件赋予较小的权重值，即π(p)＜p。其函数图像的如图3所示。

结合感知概率函数，本发明的权重函数的计算公式为：

式中P^r为出行者选择备选方案的感知概率，由式7或8计算得到；χ为风险规避系数，将它的取值分别定义为：在出行获得收益时χ＝0.61；在出行产生损失时χ＝0.69。

根据公式(9)，可以看出：

(1)权重函数是一种概率权重而不是概率，从图3可以看出，权重函数不满足概率论的相关定律，即∑(P^r)＜1；

(2)“迷恋”小概率，即当主观感知概率P^r很小时，出行者习惯性关注小概率事件(收益/损失)，也就是说出行决策者给小概率事件一个过高的权重估计值，因此π(P^r)＞P^r；

(3)“忽略”大概率，即当主观感知概率P^r较大时，出行者习惯性忽略这样的事件(收益/损失)，也就是说出行者给较大概率事件一个过低的权重估计值，因此π(P^r)＜P^r。

由于出行者的感知概率对权重函数的计算影响较大，因此很难判断决策权重的高与低。概率值的获取是通过一定的客观计算得到的，但是在实际出行选择行为中，这个概率值并不是计算而来，而是通过出行者自身的经验感知判断得到的。因此，权重函数的获取必须要源于出行者的实际感知概率才能符合实际的出行选择行为，这就是本发明采用出行者感知概率P^r来确定权重函数的原因。

步骤4，构建优越值函数，利用各备选方案所计算得到的价值函数值、权重函数值计算步行决策过程中的优越值。

将上述计算所得的价值函数值V(x^r)以及权重函数值π(P^r)带入到优越值的计算公式中，可以计算出步行路径选择模型各备选方案的步行决策过程中的优越值为：

式中θ为风险偏好系数，且0＜θ＜1。为出行者的风险规避系数，χ为风险规避系数。

步骤5，计算各备选方案的优越值，对于每一类别热适应能力的出行者，选择出行者中在步行决策过程中的优越值最大的备选方案作为最佳出行方案。

因为前人研究步行路径择模型是建立在对各备选方案优越值(PS)^r计算的基础之上，假设OD对之间出行者的备选方案，即步行路径总条数为r，那么对于出行者来说，他的最佳选择方案为：所有备选方案中具有最大优越值的方案为最佳出行方案，即：

(PS)^r＝Max[(PS)¹,(PS)²,...,(PS)^r] (11)

在上述技术方案的基础上，为了进一步提高路径的优越值，所述方法还可以包括：

步骤6，对最大优越值的方案进行热舒适度的计算，对于每一类别热适应能力的出行者，如果计算出的热舒适度小于该类别的舒适度阈值，则将所述最佳出行方案作为该类别热适应能力出行者的最终出行方案，否则：

对所有备选方案的路径进行优化设计，用以降低路径的热舒适度并提高优越值；优化设计后，ENVI-met软件重新建模计算各备选方案的路径的热舒适度，并按照前述步骤重新计算各备选方案的优越值，选择备选方案的热舒适度小于设定的舒适度阈值，且优越值最大的备选方案作为所述类别热适应能力出行者的最终出行方案。

人体热舒适是人体对热环境感觉表示满意的意识形态，而人体热适应能力则决定着人体对热舒适敏感程度，为此出行者的人体热适应能力无法通过外界环境进行改变，同时出行者的出行时间也无法改变，但是路径上的环境可以影响热舒适度，为此基于上述研究，提出对绿道的一种优化设计，降低其热舒适度，提高该路径优越值，可为绿道规划设计相关部门提供借鉴参考。

植物的栽植对于绿道调节热环境起着至关重要的作用，植物群落的微气侯效应使得绿道绿地在城市中的冷岛效应尤为明显。本发明从植物种类的选择来提出热舒适度改善策略。

在一定的时间和空间上，树木的形式决定着它的投影位置，因此不同的树形对热环境产生的调节效果不同，所以在选择植物时，要注重不同树形对空间物理环境的改善。如图6所示，宽阔的伞型树冠的遮阳效果最佳，且分枝点越高越有利于空气的流通，降温增湿效果最明显；球形树冠相较于伞形树冠遮荫效果较差，微气候效应次之；而对于那些水平方向有限的塔形树冠，其产生的有效遮荫面积是三种树形中最小，且塔形树分枝点低，阻碍空气流通，更适合作为挡风景观元素在冬季风口处栽植。

综合考虑不同形式的树种在夏冬季节对微气候的调节效果，将在树种选择上需要注意的问题结为以下几点：一是在遮荫效果上，多选择种植树冠宽阔的伞型、球型的落叶植物，在增加夏季的遮阴面积的同时又保证了冬季的透阳，使夏季降温增湿效果明显，冬季场地可获得充足的辐射量；二是在挡风效果上，多选择树冠较紧凑的塔形常绿树，主要针对冬季风的盛行风向来选择植株的种植方位，以降低冬季风速所带来的不舒适感，同时其并不会影响到夏季风的流通。

植物群落对微气候的调节，一方面体现在其可以有效的引导局部风场，植物不同的围合形式丰富了竖向分布，从而通过植物对空间的分隔来达到组织风场的效果，这样也就形成了局部小气候叨。不同的植物围合形式对风环境构成不同的影响效果，空间结构越复杂，挡风效果越好。因此对于冬季需要挡风的场地，可以考虑采用“上层、中层、下层”的复合结构，使其作为挡风屏障围合形成无风场地，来营造良好的冬季风环境；而夏季可以考虑设置“上层”、“下层”或“下层”利于通风的围合形式，形成良好的小气候循环，营造舒适的夏季风环境另一方面，植物常常用作造荫元素来调节局部湿热环境，植物围合形式越复杂降温増湿效果越好，其中乔灌草搭配形式的调节效果最优，所以在合理选择树种的基础上，要适当丰富乔灌草的搭配，构成丰富的围合空间。

通过ENVI-met模拟结果可知，不同遮荫方式的活动空间对湿热环境的调节效果为：覆盖式遮荫空间>双側遮荫空间>单側遮荫空间。为同时满足夏冬两季对热舒适度的不同需求，可以考虑釆取复合式遮荫的形式，即顶部遮荫与双侧遮荫结合、顶部遮荫与单侧遮荫结合的形式，其中顶部遮荫树种宜选择树冠宽阔的落叶树，单侧及双侧树种的选择视情况而定。采用这种复合式遮荫的形式，夏季降温増湿效果更明显，冬季空间顶部植物落叶可进行透阳增温，其符合小气候空间设计的协调性原则本文根据以上分析，主要针对绿道的植物围合方式给岀一定的设计策略(下图7中深绿色植物图例为常绿植物，其余为落叶植物)

绿道两侧植物配置：临路种植伞状落叶乔木，外侧种植塔形常绿树，夏季可以遮荫降温増湿，冬季落叶乔木落叶后可増加道路空间的辐射量，同时外围的常绿树进行挡风来营造适宜冬季的无风区，从而形成良好的步行空间。

实施例：

研究调查区域为甲地至乙地周围区域，分析采用该地所在市的路网及ENVI-met软件建模数据，研究调查区域路网图如图4所示，道路横断面示意图如图5，本文选取从甲地至乙地的出行者作为研究对象进行案例分析。

这个路网中步行路径为2条，2条有效路径分别为：

路径A：距离535m，热舒适度低，绿道上均种植有白皮松。

路径B：距离642m，热舒适度高，部分绿道种植有白皮松，部分绿道未种植树木。

根据调查数据以及ENVI-met建模数据，算出各路段不同方式出行的感知出行时间和热舒适度，如表1。

表1路径感知出行时间和热舒适度

人体热舒适是人体对热环境感觉表示满意的意识形态，而人体热适应能力则决定着人体对热舒适敏感程度。本发明设热适应能力弱者α＝0.3，热适应能力中者α＝0.5，热适应能力强者α＝0.8。

步行路径选择模型计算结果如下：

由公式(2)计算出热适应能力弱、中、强三类出行者在选择步行路径时的参照点C_Desired分别为5.45、6.75、8.7。

由公式(3)计算出热适应能力弱、中、强三类出行者在选择步行路径A时的感知广义成本分别为5.006、6.19、7.786，选择路径B时的感知广义成本分别为5.834、7.31、9.524。

对路径A采用参数值θ＝0.88,λ＝2.25,由公式(5)计算价值函数V(X)＝V(5.006-5.45)＝V(-0.444)＝1.024，同理得V(-0.56)＝1.256，V(-0.776)＝1.933，同理可得路径B。

再由公式(7)计算个人感知概率函数P^r，再采用Kahneman模型中标定的参数值χ，在收获时χ＝0.61；在损失时χ＝0.69，对路径A热适应能力弱类由公式(9)求感知概率权重函数π(P^r)＝1.524，同理得其余π(P^r)。

最后，根据公式(10)计算得三类出行者选择路径A优越值PS分别为1.115、1.312、1.515，同理求出三类出行者路径B的优越值PS，汇总整理得表2。

表2备选方案优越值比较结果

由表1可以看出：由于路径A出行时间更短，热舒适度更适宜，对于无论哪种类型的出行者而言，路径A的优越值更高，都将选择路径A出行。但实际上，路径A和路径B的热舒适度都过高，对于厌热出行者而言，都不是理想的步行路径。因此，基于上述研究，提出对路径B绿道的一种优化设计，降低其热舒适度，提高该路径优越值。

针对甲地至乙地绿道设计本发明提出如下优化设计：

设计目标：独立、安全、舒适

设计条件：

所有新建道路或改建道路断面空间较富裕时，一、二级廊道自行车道均应通过绿化带隔离形式分隔人行道、自行车道及机动车道。依托城市道路休闲道在道路条件允许时宜采用绿化带隔离形式。

设计要求：

(1)考虑到植物存活需要，同时避免绿化带对自行车行驶得影响，绿化带隔离的宽度不小于1.5米，道路条件极困难情况下可设置为0.5米。

(2)为保障绿化带隔离效果的实现，应优先考虑连续种植高大乔木，树木种植间距宜为4-6米。

(3)在交叉口视距三角形范围内，为保障骑行视野，宜采用分支点高于2.8米的乔木或种植高度低于1.5米的灌木丛。

设计图如图8。将该设计应用在路径B上，利用ENVI-met软件重新建模，得热舒适图如图9所示。

可以得到路径B热舒适度为3.12，相比优化前热舒适度3.44下降0.32，优化效果明显。为进一步对优化效果进行分析，将优化后数值计算出三类出行者在选择步行路径时的参照点，再应用步行路径选择模型计算三类出行者选择路径B时的优越值。

由表3可以看出：优化后路径B优越值明显上升，在热适应能力弱、热适应能力中、热适应能力强出行者中分别上升0.378、0.227、0.191。热适应能力强和热适应能力中两类出行者路径选择发生变换，选择路径B出行，进一步证明此优化设计切实可行。

表3优化后优越值比较结果

以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种考虑行人热舒适的城市绿道出行设计方法，其特征在于，包括：

建立出行者出行的价值函数，对于不同热适应能力类别的出行者以及在出行的出发点到目的地之间的多条可选路径构成的备选方案，利用所述价值函数计算出行者在步行决策过程中选择各备选方案的价值函数值；

出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，对备选方案的可能性结果进行评估，并确定出行者的感知概率；

构建权重函数，用于对备选方案的可能结果进行主观感知判断；基于出行者选择备选方案的感知概率，利用所述权重函数计算每个备选方案所对应的权重函数值；

构建优越值函数，利用各备选方案所计算得到的价值函数值、权重函数值计算步行决策过程中的优越值；

计算各备选方案的优越值，对于每一类别热适应能力的出行者，选择出行者中在步行决策过程中的优越值最大的备选方案作为最佳出行方案。

2.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述建立出行者出行的价值函数，包括：

将参照点设定为出行者期望获得的广义出行成本，参照点即为衡量各备选方案的价值函数以及概率权重函数的指标量，因此参照点模型设定如下：

式中α为权重值，且α∈(0,1)；

为出行者选择步行在起始点与目的地之间，即OD对之间的期望出行时间；

为出行者选择步行在OD对之间的期望热舒适值；C_Desired为出行者在OD对之间的出行参照点；

将感知出行时间价值和感知热舒适度定义为感知广义出行成本，公式表示如下：

C^r＝αT^r+(1-α)M^r

式中C^r为步行出行者在备选方案的路径r上出行的感知广义出行成本；T^r为选择路径r的感知出行时间；M^r为选择路径r的感知热舒适度；α为权重参数，且α＞0；

建立出行者在备选方案的路径r上出行的价值函数V(x^r)表示为：

式中θ为风险偏好系数，且0＜θ＜1，θ值越大表示出行者的风险倾向程度越大；x^r为备选方案与参照点的差值，λ为出行者的风险规避系数，当λ≥1时表示出行者对面临损失的规避程度要大于面临收益时的追求程度。

3.根据权利要求2所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述热适应能力类别分为强、中、弱，其中：

对于热适应能力弱的出行者，α＝0.3；热适应能力中的出行者，α＝0.5；热适应能力强的出行者，α＝0.8。

4.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述出行者以设定的参照点为基准，比较每个备选方案的路径上可能出现的收益或损失，包括：

当C_Desired≥C^r时，出行者面临收益，即感知广义出行成本小于参照点时，出行将获得收益；当C_Desired＜C^r时，出行者面临损失，即感知广义出行成本大于参照点时，出行将产生损失。

5.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述对备选方案的可能性结果进行评估，并确定出行者的感知概率，包括：

用F^r对出行者选择备选方案的收益/损失进行评估，同时其可能性结果服从正态分布，表示如下：

在此基础上，确定出行者的感知概率：

(P^r)₀＝P(F^r＝0,即损失)＝P(C^r＞C_Desired)＝1-(P^r)₁

上式中，C为积分变量，取值在(0,C_Desired)范围内取值，e为自然对数函数的底数，σ^r为正态分布的尺度参数，(σ^r)²为随机变量的方差；C^r为正态分布的位置参数，即广义出行成本；(P^r)₁表示出行将获得收益的感知概率；(P^r)₀表示出行将产生损失的感知概率。

6.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述权重函数的计算公式为：

式中P^r为出行者选择备选方案的感知概率；χ为风险规避系数。

7.根据权利要求6所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，在出行获得收益时χ＝0.61；在出行产生损失时χ＝0.69。

8.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述优越值函数表示如下：

式中θ为风险偏好系数，且0＜θ＜1。为出行者的风险规避系数，χ为风险规避系数。

9.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述方法还包括：

对最大优越值的方案进行热舒适度的计算，对于每一类别热适应能力的出行者，如果计算出的热舒适度小于该类别的舒适度阈值，则将所述最佳出行方案作为该类别热适应能力出行者的最终出行方案，否则：

对所有备选方案的路径进行优化设计，用以降低路径的热舒适度并提高优越值；优化设计后，重新建模计算各备选方案的路径的热舒适度，并重新计算各备选方案的优越值，选择备选方案的热舒适度小于设定的舒适度阈值，且优越值最大的备选方案作为所述类别热适应能力出行者的最终出行方案。

10.根据权利要求1所述的考虑行人热舒适的城市绿道出行设计方法，其特征在于，所述优化设计包括：

在遮荫效果上，选择种植树冠宽阔的伞型、球型的落叶植物；在挡风效果上，选择树冠较紧凑的塔形常绿树；

对于冬季需要挡风的场地，采用“上层、中层、下层”的植物群落复合结构，使其作为挡风屏障围合形成无风场地；夏季则设置“上层”、“下层”或“下层”利于通风的植物群落围合形式，形成良好的小气候循环；

在选择树种的基础上，要适当丰富乔灌草的搭配，构成丰富的围合空间；

釆取复合式遮荫的形式，顶部遮荫与双侧遮荫结合、顶部遮荫与单侧遮荫结合的形式，其中顶部遮荫树种宜选择树冠宽阔的落叶树；

道路两侧植物配置：临路种植伞状落叶乔木，外侧种植塔形常绿树。

Images