CN114240107A - 一种公共交通复合网络中站点站间可达性评价方法 - Google Patents
一种公共交通复合网络中站点站间可达性评价方法 Download PDFInfo
- Publication number
- CN114240107A CN114240107A CN202111478390.XA CN202111478390A CN114240107A CN 114240107 A CN114240107 A CN 114240107A CN 202111478390 A CN202111478390 A CN 202111478390A CN 114240107 A CN114240107 A CN 114240107A
- Authority
- CN
- China
- Prior art keywords
- transfer
- stations
- network
- station
- public transport
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 title abstract description 11
- 238000012546 transfer Methods 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000013461 design Methods 0.000 claims abstract description 19
- 230000008447 perception Effects 0.000 claims abstract description 19
- 238000011835 investigation Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 description 20
- 238000010276 construction Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000019771 cognition Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种公共交通复合网络中站点站间可达性评价方法，包括：S1、明确公共交通复合网络对象，设计换乘出行意愿调查方案；S2、确定影响乘客换乘感知阻抗的关键因素集及层次；S3、通过情景设计构建乘客出行意愿调查问卷，收集数据并进行编码处理；S4、基于出行路径选择调查数据建立二元logit模型，计算各关键因素的支付意愿，建立不同衔接模式下考虑换乘环境的换乘感知阻抗模型；S5、获取城市公共交通线路、站点以及换乘环境信息；S6、构建复合公共交通加权拓扑网络；S7、计算站点的最短路径指数，进一步计算站点的可达性指数。与现有技术相比，本发明提供了一种面向公共交通复合网络、考虑换乘环境的站间可达性评价方法，评价可靠客观。
Description
技术领域
本发明涉及公共交通技术领域，尤其是涉及一种公共交通复合网络中站点站间可达性评价方法。
背景技术
随着我国经济的不断腾飞，城市化进程也在加快，随之带来了机动车保有量的攀升和严重的城市交通问题。我国各地均在大力发展公共交通，然而公共交通的发展却不尽人意，公交出行分担率仅在10％-40％之间且增幅不大。究其原因，公共交通作为大运量，集中式的运输方式，难以像小汽车一样，实现门到门的服务。理想中的城市公共交通体系不仅需要形成网络，而且需要整合各类公交设施的完善性和方便性，建立一体化的公交换乘系统，实现各种公交方式的优势互补和无缝衔接，实现真正的互联互通。因此，在发展公共交通复合网络的背景下，公共交通网络内部有效的互联和相对全面的覆盖面是提高竞争力的关键因素
将站点的可达性定义为其可到达的难易程度，“站间可达性”指城市公共交通网络内部站点之间相互到达的便捷程度，评价网络内部的整体连通质量。当前考虑空间特征的公共交通可达性评价方法大多面向单一交通网络，在不同类型网络上的衔接考虑不足，因此已有方法在应用于多网融合的复合交通网络研究时存在一定的弊端。且已有方法对于出行链中的换乘行为考虑不足，模型过于简化，无法在评价结果中体现换乘阻抗，与实际存在一定的出入。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种公共交通复合网络中站点站间可达性评价方法。
本发明的目的可以通过以下技术方案来实现：
一种公共交通复合网络中站点站间可达性评价方法，该方法包括：
S1、明确公共交通复合网络对象，设计换乘出行意愿调查方案；
S2、确定影响乘客换乘感知阻抗的关键因素集及层次；
S3、通过情景设计构建乘客出行意愿调查问卷，收集数据并进行编码处理；
S4、基于出行路径选择调查数据建立二元logit模型，计算各关键因素的支付意愿，建立不同衔接模式下考虑换乘环境的换乘感知阻抗模型；
S5、获取城市公共交通线路、站点以及换乘环境信息；
S6、构建复合公共交通加权拓扑网络；
S7、计算站点的最短路径指数，进一步计算站点的可达性指数。
优选地，所述的影响乘客换乘感知阻抗的关键因素包括出车内乘坐站数、换乘步行时间和换乘形式。
优选地，步骤S4针对不同衔接模式建立对应模式下的二元logit模型，从而得到不同衔接模式下各关键因素的支付意愿。
优选地，衔接模式包括：
B-(B1+B2)模式：该模式下包括两条路径，分别为直达公交线路B，公交线路 B1换乘公交线路B2；
R-(R1+R2)模式：该模式下包括两条路径，分别为直达轨道线路R，轨道线路 R1换乘轨道线路R2；
B-(R1+R2)模式：该模式下包括两条路径，分别为直达公交线路B，轨道线路 R1换乘轨道线路R2；
B-(B1+R1)模式：该模式下包括两条路径，分别为直达公交线路B，公交线路 B1换乘轨道线路R1。
优选地，基于出行路径选择调查数据建立二元logit模型是基于随机效用理论框架，将参与调查的乘客视作消费者，将供选择的出行路径视作选择方案，建立的二元logit模型表示为：
Uin＝Vin+εin
其中，Uin是消费者n选择i产品轮廓的效用值，εin代表随机效用；Vin是系统效用，与轮廓的属性有关，xink为消费者n的选择方案i中的第k个属性，θk表示第k个属性对应的拟合参数，Xin表示选择方案i的属性向量，θ′表示θk组成的向量。
优选地，不同衔接模式下考虑换乘环境的换乘感知阻抗模型包括：
同线路直达的轨道交通站点之间的换乘感知阻抗模型为：
Cr＝αpvr*npvr
同线路直达的常规公交站点之间的换乘感知阻抗模型为：
Cb＝αpvb*npvb
不同线路、步行换乘可达的公交站点之间的换乘感知阻抗模型为：
Ct-t＝αptw1*tptw1+αpt1*mpt1+αpt2*mpt2+αpt3*mpt3+αpt4*mpt4+Pt
npvr为轨道交通出行站数，npvb为常规公交出行站数，αpvr为轨道交通出行站数支付意愿，αpvb为常规公交出行站数支付意愿，tptw1为换乘步行时间，αptw1为换成步行时间支付意愿，mpt1、mpt2、mpt3、mpt4分别代表不同的换乘形式，为 0-1变量，αpt1、αpt2、αpt3、αpt4为不同换乘方式下的支付意愿，Pt为换乘惩罚附加值。
优选地，步骤S6构建复合公共交通加权拓扑网络具体包括：
采用Space L方法建立公交网络，以站点为网络节点。考虑同名站点的内部换乘，即当某实际站点有n条线路通过时，用n个虚拟子站点表示，分别对应n条线路；
对于有线路直接相连的相邻站点，直接添加直达连边；虚拟子站点之间存在站点内部换乘，添加内部换乘连边；对于满足换乘条件的不同站点之间，添加外部换乘连边；
对于直达连边，将车内时间作为连边权重；而对于换乘连边，应用换乘感知阻抗模型计算得到出行阻抗作为连边权重。
优选地，步骤S7站点的最短路径采用Floyd算法求解。
优选地，步骤S7站点的最短路径指数的计算方式为：
其中，DL(i)为站点i的最短路径指数，dLi表示网络中的站点i到其他所有站点的路径长度之和，n为网络中站点总数。
优选地，所述的站点的可达性指数的计算方式为：
其中，AI(i)为站点i的可达性指数。
与现有技术相比，本发明具有如下优点：
(1)本发明细化了换乘对乘客出行的影响。基于乘客的出行意愿，能够考虑多种换乘环境因素对乘客感知出行阻抗的作用，从而构建乘客换乘感知阻抗函数。克服了现有方法对于量化换乘环境影响不足的问题。
(2)本发明提出了复合公共交通加权拓扑网络的构建方法。在单一交通网络构建方法的基础上，适当添加公交站点与其周围一定范围内的公交站点间的连边，并基于换乘阻抗模型定义网络中的连边权值，构建复合公共交通加权拓扑网络，作为站间可达性评价方法的基础。
(3)本发明面向多种模式构成的公共交通复合网络，评价网络内部衔接的便利程度，能够在实践中推广应用，为各城市的公共交通系统规划评价和改善提供参考依据，具有社会价值。
附图说明
图1是本发明公共交通复合网络中站点站间可达性评价方法的步骤图；
图2是单一公共交通网络拓扑结构构建示意图；
图3是复合公共交通拓扑网络邻接矩阵构建流程图；
图4是实施例一中嘉定区公交站点站间可达性指数分布图；
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例
本发明提出的评价方法，将站间可达性定义为“城市公共交通网络内部站点之间相互到达的便捷程度”。在现有技术的基础上，通过研究乘客通过城市公共交通从出发站点到达目的站点的出行过程，量化换乘过程对于乘客公共交通出行心理感知阻抗的影响，并提出构建公共交通加权拓扑网络的方法，评价站点站间可达性。旨在解决目前公共交通站点站间可达性评价方法对复合网络换乘衔接考虑不足的问题。
本发明提供了一种公共交通复合网络中站点站间可达性评价方法，建立换乘环境因素与乘客心理感知阻抗的映射关系，将包含多种方式的城市公共交通网络复合为统一的整体，即公共交通复合网络，评价站点在网络内部相互连接的便捷程度。具体步骤为：
步骤1：明确研究对象，即城市公共交通复合网络包含的交通方式。结合实际，模拟出行者实际面临的路径选择，设计乘客换乘出行意愿的调查方案。
步骤2：根据多种交通方式换乘的实际情况，确定乘客换乘感知阻抗影响因素集，参考相关规范、资料以及文献内容，确定各换乘环境因素的具体层次。
步骤3：基于确定的因素属性及层次，采用情景设计方法将各水平的属性进行组合，得到合理的SP调查方案，供被调查者以选择的方式评估、判断。根据调查方案设计问卷进行乘客出行意愿调查。在完成问卷的初稿编制后，以可用性测试法对问卷进行了一定范围的预调研，根据预调查结果修改问卷，并确定调查范围、方法和样本量，最后实施调查、回收问卷并对数据进行处理。
步骤4：根据实际的出行路径选择调查数据，将所有选择集和选择结果进行重新编码，建立二元Logit模型并检验模型拟合优度。计算各因素相对于步行时间的支付意愿，构建不同衔接模式下站点之间的广义出行阻抗模型并进行标准化处理，获得换乘感知阻抗模型。
步骤5：获取城市公共交通线路和站点信息，包括站点名称、所在线路、线路性质、线路中站点次序、站点位置等基本信息，以及站点之间的换乘环境因素信息，例如步行时间、换乘方式等。
步骤6：基于复杂网络的基本理论以及单一公共交通拓扑网络构建方法，考虑多种公共交通方式的衔接，构建复合公共交通加权拓扑网络，并得到复合公交站点网络邻接矩阵。
步骤7：根据加权拓扑网络邻接矩阵，计算站点的最短路径指数，进一步计算站间可达性指数，进行可达性分析。
进一步，明确城市公共交通复合网络的含义。常见的城市公共交通方式包含：轨道交通、地面常规公交、BRT以及有轨电车等在城市范围内定线运营的交通方式。考虑到各类公共交通的运行模式不同，乘客对其的认知存在差异，因此将包含多种方式的城市公共交通网络复合为统一的整体，即公共交通复合网络。
进一步，所述的设计乘客换乘出行意愿的调查方案，直达路径和换乘路径的设计需要合理。模式设计必须与现实相结合，从而模拟出行者实际面临的选择。例如，在实际情况中，出行者对轨道交通的偏好一般高于常规公交。当存在一条轨道交通线路直达的路径和另一条需要换乘常规公交出行的路径时，出行者选择前者的概率极大。这样的方案无法反映出行心理，因此应避免如此设计。
进一步，所述的乘客出行意愿调查问卷中的情景设计，首先根据情景设计方案，就可以确定每个情景中的一条换乘路径选项，然后设计另一条阻抗接近的直达路径作为第二个选项。问卷中使用受访者显而易懂的描述，避免歧义。由于本发明的重点在于换乘过程对乘客心理阻抗造成的影响，从空间规划角度进行网络耦合程度的评价，不涉及运营层面。因此不考虑车内拥挤程度、票价、候车时间对换乘的影响，在问卷的路径描述中进行说明。
每份问卷均包含两部分调研内容，一部分是受访者的人口特征，包括性别、年龄、公共交通出行目的、公共交通接驳时间和接驳方式；另一部分是受访者对于各出行情景进行的选择。同时在问卷中增设了陷阱题目，即题目和选项完全相同，但选项顺序相反的两道题目，用以筛选问卷的有效性。
进一步，所述的将所有选择集和选择结果进行编码，原理是：每个受访者对于每一条路径选项的选择结果都要作为一条单独的数据被呈现。首先将原始的问卷数据进行初步的处理，删除陷阱题目和个人信息题目对应的回答，针对问题对应的选项进行编码。离散变量编码采用effect-coding的方式，将参照水平在新变量上都设为-1，基准变量的效应系数为系数之和的负数。
进一步，所述的二元logit模型基于随机效用理论框架，原理为：
消费者n在J子集中进行选择时，观测的效用值分为系统效用和随机效用两部分：
Uin＝Vin+εin
式中，Uin是消费者n选择i产品轮廓的效用值；εin代表随机效用；Vin是系统效用，与轮廓的属性有关；xink为消费者n的选择方案i中的第k个属性,Xin表示i 的属性向量；θk表示第k个属性对应的未知参数，θ′表示θk组成的向量。
当方案i和方案j都在J子集中时，基于效用最大化理论，消费者n选择方案 i而不是方案j的条件是：
Uin＞Ujn，i≠j,i,j∈J
消费者选择方案i的概率Pin为：
Pin＝P[{εjn-εin}＜{Vjn-Vin}],j≠i
随机项独立同类型Ⅰ的极值的分布，因此概率Pin的计算可以采用多项选择模型(Multinomial Logit Model)，当选择方案只有2个时，ML模型即为二元logit模型 (BinaryLogit，BL)模型，其形式为：
进一步，所述的某一属性k的支付意愿WTPk表示各因素相对于时间的换算值，可表示为：
对于连续变量，计算公式为属性系数与时间系数的比值，表明k属性每增加一个单位，时间上愿意增加的数量，计算公式如下。
WTPk＝θk/θT
对于离散变量，计算公式为属性水平系数之差与时间系数的比值，表明相比于 p属性，出行者对于k属性愿意在时间上增加的数量，见下式。
WTPk＝(θk-θp)/θT
进一步，所述的乘客广义换乘阻抗模型为：
Cij＝f(Tij,Z1ij,Z2ij,Z3ij…)
Cij表示站点i和j之间的广义出行费用，即感知出行时间；Tij表示i和j之间的实际出行时间；Z1ij,Z2ij,Z3ij…表示i和j之间的换乘步行环境因素。
进一步，所述的复杂网络指的是介于规则网络和随机网络之间，无序与有序并存，具有一定的统计特征的网络。对于一个具体的复杂网络，可以采用图论，将其抽象为由节点和边构成的图。用V和E分别表示节点和边的集合，节点是图的顶点，也是网络中的个体，而边表征个体之间的联系，二者共同构成了图G，表示为 G＝(V，E)。边集E中的每一条边都有点集V中的两个点与之对应，表征两个点之间的连接关系。复杂网络有多种分类，如果任意点对(vi,vj)与(vj,vi)对应同一条边，则该网络称为无向网络(Undirected Network)，否则称为有向网络(Directed Network)。如果对每条边都赋予一定的权值，那么该网络为加权网络(Weighted network)，否则称为无权网络(Unweighted network)。
基于图论中的邻接矩阵概念，网络的结构也可以进一步用邻接矩阵来表示。对于节点数为N的网络G，其邻接矩阵表示为A＝(aij)N×N。对于具体aij的取值，在无权网络中用0、1表示i和j之间是都有连接，在加权网络中，可根据具体权值对aij进行赋值，公式如下。
进一步，所述的单一公共交通拓扑网络构建方法指的是对于单一公交网络，其拓扑结构可以抽象为公交站点网络、公交线路网络、公交换乘网络等多种形式。
以图2中(a)所述的实际公交网络为例，具体说明三种拓扑结构的建模方式。
(1)公交站点网络。其是基于L空间模型(Space L)建立的，该方法的抽象原则是，公交站点和线路分别对应网络的节点边。当两个公交站点在同一线路且相邻时，二者之间则存在一条连边，当多条线路经过时，只保留一条连边，避免重复连边带来的复杂性。公交站点网络的构建方式保留了实际公交网络的结构，与现实生活中的认知相近，拓扑结构更为简明。具体方式如图2中(b)所示。
(2)公交换乘网络。建模方法同样以公交站点为节点，但是连边的添加规则与Space L不同，采用直达的概念定义连边，即当两个站点在同一公交线路上时，则在二者之间添加直达连边，如图2中(c)所示。这种方法相比于Space L方法，构造的连边数量更大，同一线路上的站点之间均存在连边，网络中路径长度表征换乘次数。
(3)公交线路网络。该网络基于R空间模型(Space R)，与Space L方法相反，该方法将公交线路定义为图的节点，基于线路之间站点的重合，构造节点之间的连边，如图2中(d)所示。即，当两条线路之间存在可换乘的站点时，节点间添加连边。
进一步，所述的复合公共交通加权拓扑网络构建规则为：
(1)默认公交线路上下行走向相同，选择上行方向数据，将公交网络抽象为无向网络；
(2)以站点名称替代站点位置作为站点的标识符，站点名称相同时作为同一站点，名称不同视为不同站点；
(3)公交线路临时调整导致的站点取消、增加等情况不予考虑；
(4)不考虑公交环线，即线路起讫站点为不同站点；
(5)不考虑夜间线路。
构建步骤如下：
(1)明确网络节点。
采用Space L方法建立公交网络，以站点为网络节点。考虑同名站点的内部换乘，即当某实际站点有n条线路通过时，用n个虚拟子站点表示，分别对应n条线路。
(2)添加节点之间连边。
对于有线路直接相连的相邻站点，直接添加直达连边；虚拟子站点之间存在站点内部换乘，添加内部换乘连边；对于满足换乘条件的不同站点之间，添加外部换乘连边。
(3)确定连边权重。
在无权网络中，连边之间无法区分，那么对应在公共交通复合网络中，就弱化了不同交通方式线路之间的差异，无法反映二者的特征。同时由于网络中各类连边在出行阻抗上存在明显差别，因此有必要对复合网络中不同类型的连边进行权重定义。
对于直达连边，只考虑车内时间；而对于换乘连边，则应用换乘感知阻抗模型计算得到出行阻抗作为连边权重。
构建复合公共交通拓扑网络邻接矩阵A的流程见图3，主要包含如下步骤：
Step 1:遍历公交站点表，列出每个公交站点，包含同名站点，将n个公交站点建立一个n×n的矩阵；
Step 2:遍历n个站点，获得各站点之间的换乘信息矩阵；
Step 3:遍历公交线路表，相邻直达的站点i和j对应的矩阵值aij＝Cl，否则执行步骤4；
Step 4：遍历换乘因素矩阵，当满足换乘条件时，根据换乘环境因素矩阵，确定站点间换乘阻抗C，矩阵中值为min(aij,C)；
Step 5：得到复合公交站点网络邻接矩阵AL(G)。
进一步，所述的站点最短路径指数计算公式如下：
式中，dLi表示网络中的站点i到其他所有站点的路径长度之和；n表示网络中的站点数量。
最短路径指数DL(i)越小，表明该节点与其他站点的联结程度更好，可达性越高。因此用DL(i)的倒数代表可达性指数，公式如下。
式中AI(i)即为站点i的可达性指数。
进一步，对于网络最短路径的求解，采用Floyd算法。
站点可达性指数的计算步骤如下：
(1)基于邻接矩阵AL(G)，采用Floyd算法计算节点到其他各个节点的最短距离，获得包含同名站点的最短路径矩阵；
(2)对同名站点进行合并，针对同名站点，取与其他站点之间可达路径的最小值。例如，站点B有n条线路经过，则矩阵中含有n个虚拟子站点{B1,B2,…,Bn}，那么，站点B与站点A之间的最短路径为min{CA-B1,CA-B2,…,CA-Bn}，获得实际站点之间的最短出行阻抗矩阵；
(3)基于最短出行阻抗矩阵，进行计算获得最短路径指数DL(i)和可达性指数 AI(i)，即为各实际站点在公共交通复合网络中的可达性评价结果。
以下以一具体实施例方式说明本发明的方法的具体执行过程。
步骤一：明确研究对象并设计调查方案
常见的城市公共交通方式包含：轨道交通、地面常规公交、BRT以及有轨电车等在城市范围内定线运营的交通方式。本实施例将研究重点放在了其中富有代表性的轨道交通站点以及地面常规公交站点。考虑到轨道交通和常规公交的运行模式不同，乘客对二者的认知存在差异，因此将包含两种方式的城市公共交通网络复合为统一的整体，即公共交通复合网络。
结合实际中出行者的路径选择情况，对复合公交网络换乘阻抗的调查中，设计出行模式如表1所示。
表1调查问卷中模式设计
各模式对应的路径说明见表2。
表2调查问卷中模式设计
步骤二：确定换乘环境因素及层次
从出发站点至到达站点之间，出行者在公共交通网络内部的出行感知时间链 PJT(perceived journey time)：
PJT＝Tpv+Tptw1+Tptw2+Tt
＝αpv*tpv+αptw1*tptw1+αpt*mpt+αptw2*tptw2+Pt*Nt
式中：Tpv为车内乘车感知时间，Tptw1为换乘步行感知时间，Tptw2为换乘候车感知时间，Tt为换乘惩罚感知时间；tpv、tptw1、tptw2分别为车内、换乘步行、换乘候车的实际时间，mpt为不同线路之间的换乘形式，Pt为换乘惩罚附加值，Nt为换乘次数；αpv、αptw1、αptw2、αpt分别是各变量的感知系数。通常以tpv变量为基准，即αpv值为1，处理其他项的感知系数。
在进行调查情景的设计时，将候车时间均等化，只考虑换乘环境的影响，涉及车内乘坐站数、换乘步行时间和换乘形式3个变量。
确定关键因素后，进行属性的设计。针对三种出行模式分别总结了对应的换乘方式，均为5种；参考国内公交出行调查数据，出行者在选择公交出行时，乘坐站数一般在30站以内，换乘时间在10min以内。基于最大值的设定对两个因素分别设计为5个水平，如表3所示。
表3公交换乘的属性及层次设定
步骤三：问卷设计和数据收集
共涉及到3个因素，分别有5个水平，采用均匀设计的方法进行情景设计。均匀设计表的形式为Un(5m)，其中m为涉及到的因素数量，n表示方案数量，为5 的倍数。对于轨道-轨道和公交-公交换乘模式，本组调查选取了n＝5，m＝3的均匀设计表，见表4；对于轨道-公交换乘，含有4个变量，对应选取了U5(54)均匀设计表来进行情景组合设计，见表5。
表4 U5(53)均匀设计表
| 方案编号 | 因子A | 因子B | 因子C |
| 1 | 2 | 3 | 4 |
| 2 | 4 | 1 | 3 |
| 3 | 1 | 4 | 2 |
| 4 | 3 | 2 | 1 |
| 5 | 5 | 5 | 5 |
表5 U5(54)均匀设计表
基于均匀设计表的内容，进行路径选项的设计。同时为了便于受访者回答，在路径描述中说明出行总时间。例如：
假设您在出行时，有两条路径都可到达目的地，假设每站公交和每站地铁的出行时间相同，两条路径的总票价相同，以下情景您会选择哪一条？
路径1：公交直达，需要乘坐15站(共45分钟)
路径2：公交乘坐3站，地铁乘坐5站，二者换乘步行时间5分钟，且需要经过天桥或地道过街，候车时间为0(共29分钟)
采用网上调研的方式收集问卷，并对问卷数据进行有效筛选。经过校核，调查获得的有效样本数量如表6所示。
表6四种模式下收集的样本数量
| B-(B1+B2) | R-(R1+R2) | B-(R1+R2) | B-(B1+R1) | |
| 原始问卷数量(份) | 301 | 304 | 300 | 311 |
| 有效问卷数量(份) | 179 | 167 | 220 | 239 |
| 有效样本量(份) | 895 | 835 | 1100 | 1195 |
步骤四：因素偏好值计算
基于问卷数据，进行二元Logit模型的建立和检验。根据参数标定结果，进一步以车内乘坐站数为参考基准，计算其他变量的支付意愿，标定其他变量相对于车内站数的惩罚系数。结果如下。
(1)B-(B1+B2)模式
表7 B-(B1+B2)模式标定结果
在模型拟合中，Macfadden R2达到0.2～0.4即表明拟合优度良好；在T检验中，当绝对值大于1.96时，在95％的置信水平上可认为该变量是显著变量，反之应将变量排除并重新标定模型。由表7可见，在B-(B1+B2)模式的模型标定中，变量都是显著的，且拟合度满足要求。
(2)R-(R1+R2)模式
表8 R-(R1+R2)模式标定结果
在R-(R1+R2)模式中，模型拟合优度良好。
(3)B-(R1+R2)模式
表9 B-(R1+R2)模式标定结果
在B-(R1+R2)模式中，换乘惩罚附加值的减小可以理解为，由于出行者相对于常规公交更倾向于轨道交通出行，导致对于后者换乘的容忍度更高，换乘惩罚附加值降低。
(4)B-(B1+R1)模式
表10 B-(B1+R1)模式标定结果
在B-(B1+R1)模式中，“枢纽立体换乘”变量不显著，说明其与基准变量“平面广场换乘”效果无显著区别，因此将二者的标准化感知阻抗均认为是0。
进一步考虑常规公交车内时间与轨道交通车内时间的关系，将全部出行模式均以常规公交车内时间为参照进行系数的标准化。考虑实际出行中的常规公交站点之间、轨道交通站点之间、常规公交和轨道交通站点之间三种换乘模式，分别对应上述的B-(B1+B2)、R-(R1+R2)、B-(B1+R1)模式，标准化结果如表11所示。
表11以常规公交车内时间为参照的标准化标定结果
根据支付意愿的含义，可以获得不同衔接模式下站点之间的广义出行阻抗，即公共交通复合网络中的换乘阻抗模型。
对于同线路直达的轨道交通站点之间，阻抗模型为：
Cr＝αpvr*npvr
对于同线路直达的常规公交站点之间，阻抗模型为：
Cb＝αpvb*npvb
对于不同线路、步行换乘可达的公交站点之间，阻抗模型为：
Ct-t＝αptw1*tptw1+αpt1*mpt1+αpt2*mpt2+αpt3*mpt3+αpt4*mpt4+Pt
式中：系数αpvb、αpvr、αptw1、αpt1、αpt2、αpt3、αpt4、Pt的取值根据衔接模式的不同参照表确定，npvr、npvb分别表示轨道交通和常规公交出行的站数， tptw1为换乘步行时间，mpt1、mpt2、mpt3、mpt4分别代表不同的换乘形式，为0-1 变量。
步骤五：收集公共交通网络数据
以上海市嘉定区为研究区域，采集区域内部公共交通网络信息。包含63条常规公交线路和2条轨道交通线路，共1253个常规公交站点和15个地铁站点(包含重复站点，非重复站点为783个)，构建公共交通线路表和公共交通站点信息表如表12、表13所示。
表12公交站点信息
表13公交线路信息
进一步，调取高德地图API获得各站点之间步行距离、时间以及换乘方式信息。
步骤六：构建复合公共交通加权拓扑网络
《城市综合交通体系规划标准》(GB/T 51328-2018)中规定，城市公共交通不同方式、不同线路之间的换乘时间宜控制在10min以内。由此确定站外换乘连边的添加规则为：当非同名常规公交站点之间步行时间小于10min，常规公交站点和地铁站点间的步行时间小于10min，即在站点之间建立步行换乘路径连边。
那么，基于Space L方法构建的复合网络，存在表14所示五种不同性质的连边。
表14网络连边性质
注：B代表常规公交站点，R代表轨道交通站点
针对上述五种不同性质的连边，基于公共交通复合网络换乘阻抗模型，明确各类型连边权重如表15所示。
表15公共交通复合网络连边权重
应用本发明提出的复合公共交通加权拓扑网络构建方法，构建嘉定区公共交通拓扑网络，并建立邻接矩阵。
步骤七：计算站点站间可达性并分析
应用本发明提出的站间可达性指数计算公式，计算嘉定区公共交通系统中783 个站点的可达性指数AI，并绘制站点可达性指数分布图，如图4所示。可以看出，嘉定区公交站点可达性指数的分布服从幂律分布。
进行站点可达性特征的进一步分析，AI值较大的前十个站点见表16。
表16嘉定区公交站点可达性指数列举
绘制站点站间可达性的热力图和嘉定区空间结构图，可以看出，嘉定区的公共交通站点站间可达性呈现“中心—边缘”的圈层分布特征：可达性的空间分布自线网中心向边缘以不规则圈层的形式逐渐衰减，并且在在中心城区外呈现“南高北低”的形态。可达性较高的公共交通站点集中分布在中心城区、西部片区和南部片区，其中中心城区的可达性最好，而北部片区的公共交通可达性较低。结合嘉定区的空间规划，上海市重点发展的嘉定新城地区，即由嘉定新城主城区、安亭辅城和南翔辅城组成的城市地区，公共交通站点可达性均处于较高水平。可以认为本发明提出的方法计算得到的站点可达性结果与实际情况相符，可在设施层面评价公共交通系统的衔接水平，具有一定的可应用性。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种公共交通复合网络中站点站间可达性评价方法，其特征在于，该方法包括：
S1、明确公共交通复合网络对象，设计换乘出行意愿调查方案；
S2、确定影响乘客换乘感知阻抗的关键因素集及层次；
S3、通过情景设计构建乘客出行意愿调查问卷，收集数据并进行编码处理；
S4、基于出行路径选择调查数据建立二元logit模型，计算各关键因素的支付意愿，建立不同衔接模式下考虑换乘环境的换乘感知阻抗模型；
S5、获取城市公共交通线路、站点以及换乘环境信息；
S6、构建复合公共交通加权拓扑网络；
S7、计算站点的最短路径指数，进一步计算站点的可达性指数。
2.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，所述的影响乘客换乘感知阻抗的关键因素包括出车内乘坐站数、换乘步行时间和换乘形式。
3.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，步骤S4针对不同衔接模式建立对应模式下的二元logit模型，从而得到不同衔接模式下各关键因素的支付意愿。
4.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，衔接模式包括：
B-(B1+B2)模式：该模式下包括两条路径，分别为直达公交线路B，公交线路B1换乘公交线路B2；
R-(R1+R2)模式：该模式下包括两条路径，分别为直达轨道线路R，轨道线路R1换乘轨道线路R2；
B-(R1+R2)模式：该模式下包括两条路径，分别为直达公交线路B，轨道线路R1换乘轨道线路R2；
B-(B1+R1)模式：该模式下包括两条路径，分别为直达公交线路B，公交线路B1换乘轨道线路R1。
5.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，基于出行路径选择调查数据建立二元logit模型是基于随机效用理论框架，将参与调查的乘客视作消费者，将供选择的出行路径视作选择方案，建立的二元logit模型表示为：
Uin＝Vin+εin
其中，Uin是消费者n选择i产品轮廓的效用值，εin代表随机效用；Vin是系统效用，与轮廓的属性有关，xink为消费者n的选择方案i中的第k个属性，θk表示第k个属性对应的拟合参数，Xin表示选择方案i的属性向量，θ′表示θk组成的向量。
6.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，不同衔接模式下考虑换乘环境的换乘感知阻抗模型包括：
同线路直达的轨道交通站点之间的换乘感知阻抗模型为：
Cr＝αpvr*npvr
同线路直达的常规公交站点之间的换乘感知阻抗模型为：
Cb＝αpvb*npvb
不同线路、步行换乘可达的公交站点之间的换乘感知阻抗模型为：
Ct-t＝αptw1*tptw1+αpt1*mpt1+αpt2*mpt2+αpt3*mpt3+αpt4*mpt4+Pt
npvr为轨道交通出行站数，npvb为常规公交出行站数，αpvr为轨道交通出行站数支付意愿，αpvb为常规公交出行站数支付意愿，tptw1为换乘步行时间，αptw1为换成步行时间支付意愿，mpt1、mpt2、mpt3、mpt4分别代表不同的换乘形式，为0-1变量，αpt1、αpt2、αpt3、αpt4为不同换乘方式下的支付意愿，Pt为换乘惩罚附加值。
7.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，步骤S6构建复合公共交通加权拓扑网络具体包括：
采用Space L方法建立公交网络，以站点为网络节点。考虑同名站点的内部换乘，即当某实际站点有n条线路通过时，用n个虚拟子站点表示，分别对应n条线路；
对于有线路直接相连的相邻站点，直接添加直达连边；虚拟子站点之间存在站点内部换乘，添加内部换乘连边；对于满足换乘条件的不同站点之间，添加外部换乘连边；
对于直达连边，将车内时间作为连边权重；而对于换乘连边，应用换乘感知阻抗模型计算得到出行阻抗作为连边权重。
8.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，步骤S7站点的最短路径采用Floyd算法求解。
9.根据权利要求1所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，步骤S7站点的最短路径指数的计算方式为：
其中，DL(i)为站点i的最短路径指数，dLi表示网络中的站点i到其他所有站点的路径长度之和，n为网络中站点总数。
10.根据权利要求7所述的一种公共交通复合网络中站点站间可达性评价方法，其特征在于，所述的站点的可达性指数的计算方式为：
其中，AI(i)为站点i的可达性指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111478390.XA CN114240107A (zh) | 2021-12-06 | 2021-12-06 | 一种公共交通复合网络中站点站间可达性评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111478390.XA CN114240107A (zh) | 2021-12-06 | 2021-12-06 | 一种公共交通复合网络中站点站间可达性评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114240107A true CN114240107A (zh) | 2022-03-25 |
Family
ID=80753407
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111478390.XA Pending CN114240107A (zh) | 2021-12-06 | 2021-12-06 | 一种公共交通复合网络中站点站间可达性评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114240107A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114999668A (zh) * | 2022-04-13 | 2022-09-02 | 浙江大学 | 基于整数规划的公共交通系统疫情传播阻断方法 |
| CN115860520A (zh) * | 2022-11-18 | 2023-03-28 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106951999A (zh) * | 2017-03-29 | 2017-07-14 | 北京航空航天大学 | 一种交通出行方式与出发时刻联合选择的建模与分析方法 |
| CN107564269A (zh) * | 2017-08-28 | 2018-01-09 | 华南理工大学 | 一种基于支付意愿的半灵活公交调度方法 |
| CN110414833A (zh) * | 2019-07-26 | 2019-11-05 | 东南大学 | 一种城市多模式交通网络运能协调评价方法 |
| 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 |
| CN112348344A (zh) * | 2020-10-30 | 2021-02-09 | 天津市市政工程设计研究院 | 一种公共交通可达指数计算方法 |
| CN112488500A (zh) * | 2020-09-04 | 2021-03-12 | 同济大学 | 基于ahp-云模型的tod站点衔接设计评价方法 |
-
2021
- 2021-12-06 CN CN202111478390.XA patent/CN114240107A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106951999A (zh) * | 2017-03-29 | 2017-07-14 | 北京航空航天大学 | 一种交通出行方式与出发时刻联合选择的建模与分析方法 |
| CN107564269A (zh) * | 2017-08-28 | 2018-01-09 | 华南理工大学 | 一种基于支付意愿的半灵活公交调度方法 |
| CN110414833A (zh) * | 2019-07-26 | 2019-11-05 | 东南大学 | 一种城市多模式交通网络运能协调评价方法 |
| 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 |
| CN112488500A (zh) * | 2020-09-04 | 2021-03-12 | 同济大学 | 基于ahp-云模型的tod站点衔接设计评价方法 |
| CN112348344A (zh) * | 2020-10-30 | 2021-02-09 | 天津市市政工程设计研究院 | 一种公共交通可达指数计算方法 |
Non-Patent Citations (11)
| Title |
|---|
| LINBO LI 等: "Applying an integrated approach to metro station satisfaction evaluation: A case study in Shanghai, China", 《INTERNATIONAL JOURNAL OF TRANSPORTATION SCIENCE AND TECHNOLOGY》, 26 October 2021 (2021-10-26), pages 780 - 789 * |
| LINBO LI 等: "Evaluation of public transportation station area accessibility based on walking perception", 《INTERNATIONAL JOURNAL OF TRANSPORTATION SCIENCE AND TECHNOLOGY》, 13 January 2023 (2023-01-13), pages 640 - 651 * |
| 万传风 等: "多层次城市轨道交通网络时间-拓扑 可达性分布规律研究", 《现代城市轨道交通》, 30 September 2019 (2019-09-30), pages 9 - 15 * |
| 周元哲 编著: "《数据结构与算法》", 30 September 2020, pages: 148 - 151 * |
| 周雨阳 等: "北京南站公共交通可达性计算与评价", 《北京工业大学学报》, 31 December 2020 (2020-12-31), pages 1365 - 1376 * |
| 张凡: "基于可达性的西安古城区公交线网分层优化研究", 《西安建筑科技大学》, 15 January 2016 (2016-01-15), pages 1 - 97 * |
| 王海燕 等: "广州市综合交通枢纽可达性评估", 《交通科学与工程》, 30 September 2019 (2019-09-30), pages 97 - 103 * |
| 罗星 等: "基于可达性的市域轨道交通换乘节点选址研究", 《交通科技与经济》, 31 July 2021 (2021-07-31), pages 21 - 26 * |
| 陈峰林: "多模式客运交通综合阻抗模型研究", 《江苏科技信息》, 31 May 2017 (2017-05-31), pages 34 - 35 * |
| 高天爽: "城市公共交通复合网络中站点可达性研究", pages 215, Retrieved from the Internet <URL:https://wubing.tongji.edu.cn/info/1010.1754.htm> * |
| 魏攀一 等: "城市轨道交通可达性计算方法", 《重庆交通大学学报( 自然科学版)》, 31 October 2019 (2019-10-31), pages 1 - 6 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114999668A (zh) * | 2022-04-13 | 2022-09-02 | 浙江大学 | 基于整数规划的公共交通系统疫情传播阻断方法 |
| CN114999668B (zh) * | 2022-04-13 | 2024-06-07 | 浙江大学 | 基于整数规划的公共交通系统疫情传播阻断方法 |
| CN115860520A (zh) * | 2022-11-18 | 2023-03-28 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
| CN115860520B (zh) * | 2022-11-18 | 2023-08-22 | 东南大学 | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kong et al. | How does ridesourcing substitute for public transit? A geospatial perspective in Chengdu, China | |
| CN109299438B (zh) | 一种基于网约车数据的公共交通设施供给水平评价方法 | |
| Yai et al. | Multinomial probit with structured covariance for route choice behavior | |
| Liu et al. | Mapping spatial accessibility of public transportation network in an urban area–A case study of Shanghai Hongqiao Transportation Hub | |
| Chen et al. | Role of the built environment on mode choice decisions: additional evidence on the impact of density | |
| CN114240107A (zh) | 一种公共交通复合网络中站点站间可达性评价方法 | |
| CN108269399A (zh) | 一种基于公路网客流od反推技术的高铁客流需求预测方法 | |
| CN115062873B (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
| Wang et al. | Measuring the service quality of urban rail transit based on interval-valued intuitionistic fuzzy model | |
| CN111027888A (zh) | 一种基于轨道站点的接驳特征分析方法 | |
| CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
| CN109214577A (zh) | 一种综合运输通道客运分担率预测方法 | |
| Song et al. | Subway network expansion and transit equity: A case study of Gwangju metropolitan area, South Korea | |
| Baloyi et al. | Evaluating public ambulance service levels by applying a GIS based accessibility analysis approach | |
| CN113256187A (zh) | 区域轨道交通互联互通协同性评价交互系统 | |
| Iamtrakul et al. | Measuring spatializing inequalities of transport accessibility and urban development patterns: Focus on megacity urbanization, Thailand | |
| Bhatt et al. | GIS and gravity model-based accessibility measure for Delhi metro | |
| Sonita et al. | Measuring the city bus service quality based on users’ perceptions: City bus service in Phnom Penh, Cambodia | |
| Brands et al. | Impact of a new metro line in amsterdam on ridership, travel times, reliability and societal costs and benefits | |
| CN116823039A (zh) | 一种基于多源数据的微观地块尺度设施可达性测度方法 | |
| Sahitya et al. | GIS-based urban road network accessibility modeling using MLR, ANN and ANFIS methods | |
| CN117196197A (zh) | 一种公共交通站点布局优化方法 | |
| Saghapour et al. | Estimating public transport accessibility in metropolitan areas incorporating population density | |
| CN111259308B (zh) | 一种基于多重映射的公交网络枢纽评价方法 | |
| CN109299818B (zh) | 一种地铁向自行车换乘地铁出行转换的阈值确定方法 |
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 |