CN114372671A - 一种考虑出行环境的公共交通站点站域可达性评价方法 - Google Patents

一种考虑出行环境的公共交通站点站域可达性评价方法 Download PDF

Info

Publication number
CN114372671A
CN114372671A CN202111478438.7A CN202111478438A CN114372671A CN 114372671 A CN114372671 A CN 114372671A CN 202111478438 A CN202111478438 A CN 202111478438A CN 114372671 A CN114372671 A CN 114372671A
Authority
CN
China
Prior art keywords
walking
station
travel
reachability
model
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
Application number
CN202111478438.7A
Other languages
English (en)
Inventor
李林波
高天爽
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.)
Tongji University
Original Assignee
Tongji 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 Tongji University filed Critical Tongji University
Priority to CN202111478438.7A priority Critical patent/CN114372671A/zh
Publication of CN114372671A publication Critical patent/CN114372671A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Remote Sensing (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种考虑出行环境的公共交通站点站域可达性评价方法，包括：S1、获取影响站域步行阻抗的环境指标集；S2、确定关键环境因素；S3、确定各个关键环境因素的层次；S4、基于乘客出行意愿调查表获取出行路径选择调查数据；S5、基于出行路径选择调查数据建立二元logit模型，计算各个关键环境因素的支付意愿；S6、建立考虑步行环境的步行综合成本模型；S7、在一定出行成本下，步行能够到达的兴趣点数量作为衡量步行可达性的指标，获得站域可达性计算模型；S8、基于站域可达性计算模计算各站点的站域可达性。与现有技术相比，本发明建立了出行物理环境与乘客心理感知阻抗的映射关系，实现了站域可达性的客观可靠评价。

Description

一种考虑出行环境的公共交通站点站域可达性评价方法
技术领域
本发明涉及城市公共交通技术领域，尤其是涉及一种考虑出行环境的公共交通站点站域可达性评价方法。
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。为了缓解城市交通问题，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。因此需要与慢行网络形成有效衔接，构建便捷舒适的接驳环境，才能削弱接驳过程对出行者产生的负面影响，提高公共交通的吸引力。
将站点的可达性定义为其可到达的难易程度，“站域可达性”用于评价城市公共交通站点与周边服务点的连接程度。目前对于站域可达性的评价方法，缺少对出行环境影响因素的定量分析，乘客的心理阻抗与各影响因素未形成映射关系。因此，提出一种考虑出行环境的公共交通站点站域可达性评价方法，为明确公共交通系统改善方向，提高公共交通竞争力提供建议。
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考虑出行环境的公共交通站点站域可达性评价方法。
本发明的目的可以通过以下技术方案来实现：
一种考虑出行环境的公共交通站点站域可达性评价方法，该方法包括：
S1、获取影响站域步行阻抗的环境指标集；
S2、基于环境指标集确定影响站域步行感知阻抗的关键环境因素；
S3、确定各个关键环境因素的层次；
S4、基于确定的关键环境因素及层次设计乘客出行意愿调查表，获取出行路径选择调查数据；
S5、基于出行路径选择调查数据建立二元logit模型，计算各个关键环境因素的支付意愿；
S6、建立考虑步行环境的步行综合成本模型，即乘客出行心理感知阻抗模型；
S7、在一定出行成本下，步行能够到达的兴趣点数量作为衡量步行可达性的指标，获得站域可达性计算模型；
S8、收集公共交通站点周边的步行道路、环境信息和兴趣点信息，基于乘客出行心理感知阻抗模型计算各兴趣点至公共交通站点的步行感知阻抗，将步行感知阻抗作为出行成本代入站域可达性计算模型计算各站点的站域可达性。
优选地，步骤S2具体为：采集乘客对环境指标集中各环境因素的认知数据，采用扩大贡献模型进行环境因素的重要度分析，划分重要度层次，应用解释结构模型法对环境因素重要度由大到小进行分层排序，选择重要度较大的几个环境因素作为影响站域步行感知阻抗的关键环境因素。
优选地，所述的影响站域步行感知阻抗的关键环境因素包括步行时间、过街形式、行人与非机动车的分隔形式、障碍物的分布、出入口的分布。
优选地，步骤S4具体为：将每一个关键环境因素作为一个设计因子，按照关键环境因素的分层结果进行正交设计，设计多个出行情景，每个出行情景下设计两条出行路径，从而形成乘客出行意愿调查表。
优选地，步骤S5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
Figure BDA0003394499410000021
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，步骤S5计算各个关键环境因素的支付意愿包括：
若关键环境因素为连续变量，则该关键环境因素的支付意愿为：
WTPk＝θk/θT
其中，WTPk为关键环境因素k的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θk为二元logit模型中关键环境因素k对应的拟合参数。
优选地，若关键环境因素为离散变量，则该关键环境因素的支付意愿为：
WTPki＝(θki-θkp)/θT
其中，WTPki为关键环境因素k的第i个离散量的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θki为二元logit模型中关键环境因素k的第i个离散量对应的拟合参数，θkp为二元logit模型中关键环境因素k的第p个离散量对应的拟合参数，关键环境因素k的第p个离散量作为基准量。
优选地，步骤S6中步行综合成本模型表示为：
C＝T+Wcro_sig×βcro_sig+Wcro_over×βcro_over+Wcro_under×βcro_under+Wdiv_par×χdiv_par+Wdiv_no×χdiv_no+WObs×Obs+WEnt×Ent
其中，C为步行综合成本，T为步行时间，βcro_sig、βcro_over、βcro_under分别表示路径中有信号灯的人行横道数量比例、人行天桥数量比例、人行天桥数量地道；χdiv_par、χdiv_no分别表示路径中人非部分分隔的路段长度比例、人非没有分隔的路段长度比例；Obs表示路径中平均每100米的障碍物数量；Ent表示路径中平均每100米的出入口数量；Wcro_sig、Wcro_over、Wcro_under，Wdiv_par、Wdiv_no，WObs，WEnt为各关键环境因数对应的支付意愿。
优选地，站域可达性计算模型表示为：
Figure BDA0003394499410000031
i，j分别表示公共交通站点和兴趣；Cij为公共交通站点i至兴趣点j的出行成本，Cij采用考虑步行环境的步行综合成本模型获取；C0为公共交通站点i至兴趣点j的出行感知时间阈值；Ri为公共交通站点i的累计机会数量，即步行可达性；G为城市步行网络。
优选地，该方法还包括计算影响系数：
Figure BDA0003394499410000032
式中，Ri为在乘客出行心理感知阻抗下的公共交通站点i的步行可达性；Ri实为在实际步行时间下的公共交通站点i的累计机会数量。
与现有技术相比，本发明具有如下优点：
(1)本发明充分考虑到了评价的动态性和扩展性，其所采用的评价指标是在评价过程中，基于乘客认知的调查数据，通过对初始指标集进行筛选获得的，具有较强的客观性，且随着时间的推进，可以随着乘客的认知变化进行动态的调整改变，更具针对性，并且评价方法依然适用，具备较强的可扩展性，符合城市公共交通快速发展的现状。
(2)本发明对于站域可达性的评价，不仅仅考虑了步行道路与站点的连通性，还量化了步行环境所影响的出行舒适性，便于提出较有针对性的建议以及措施的优先顺序。
附图说明
图1是本发明考虑出行环境的站域可达性评价方法的步骤图；
图2是实施例一中各站点不同感知时间阈值内的可达性对比；
图3是实施例一中各站点影响系数分布图。
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
如图1所示，本实施例提供一种考虑出行环境的公共交通站点站域可达性评价方法，该方法包括：
S1、基于马斯洛需求层次理论，建立行人步行需求层次，划分步行环境评价指标的维度。通过总结现有文献中的步行接驳环境评价指标体系，并进一步整理归纳，获得影响站域步行阻抗的环境指标集；
S2、设计相应调查问卷和方案收集乘客对各初始评价指标的认知情况，以此数据为基础对初始指标集进行筛选与确定。采用扩大贡献模型(ECR)进行因素的重要度分析，划分重要度层次，应用解释结构模型法(ISM)表明因素重要度分层排序结果，确定影响接驳步行感知阻抗的关键环境因素；
S3、根据最终的乘客步行感知阻抗影响因素集，参考相关规范、资料以及文献内容，确定各步行环境因素的具体层次；
S4、基于确定的因素属性及层次，采用正交设计的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；
S5、基于出行路径选择调查数据建立二元logit模型，计算各个关键环境因素的支付意愿；
S6、建立考虑步行环境的步行综合成本模型，即乘客出行心理感知阻抗模型，
Cij＝f(Tij,Z1ij,Z2ij,Z3ij…)
Cij表示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之间的实际步行时间；Z1ij,Z2ij,Z3ij…表示i和j之间的步行环境因素。
本发明中影响站域步行感知阻抗的关键环境因素包括步行时间、过街形式、行人与非机动车的分隔形式、障碍物的分布、出入口的分布。步行综合成本模型表示为：
C＝T+Wcro_sig×βcro_sig+Wcro_over×βcro_over+Wcro_under×βcro_under+Wdiv_par×χdiv_par+Wdiv_no×χdiv_no+WObs×Obs+WEnt×Ent
其中，C为步行综合成本，T为步行时间，βcro_sig、βcro_over、βcro_under分别表示路径中有信号灯的人行横道数量比例、人行天桥数量比例、人行天桥数量地道；χdiv_par、χdiv_no分别表示路径中人非部分分隔的路段长度比例、人非没有分隔的路段长度比例；Obs表示路径中平均每100米的障碍物数量；Ent表示路径中平均每100米的出入口数量；Wcro_sig、Wcro_over、Wcro_under，Wdiv_par、Wdiv_no，WObs，WEnt为各关键环境因数对应的支付意愿，其中，过街形式、行人与非机动车的分隔形式作为离散变量，步行时间、障碍物的分布和出入口的分布作为连续变量。
S7、在一定出行成本下，步行能够到达的兴趣点数量作为衡量步行可达性的指标，获得站域可达性计算模型，站域可达性计算模型表示为：
Figure BDA0003394499410000051
i，j分别表示公共交通站点和兴趣；Cij为公共交通站点i至兴趣点j的出行成本，Cij采用考虑步行环境的步行综合成本模型获取；C0为公共交通站点i至兴趣点j的出行感知时间阈值；Ri为公共交通站点i的累计机会数量，即步行可达性；G为城市步行网络。
S8、收集公共交通站点周边的步行道路、环境信息和兴趣点信息，基于乘客出行心理感知阻抗模型计算各兴趣点至公共交通站点的步行感知阻抗，将步行感知阻抗作为出行成本代入站域可达性计算模型计算各站点的站域可达性。
S9、计算影响系数：
Figure BDA0003394499410000061
式中，Ri为在乘客出行心理感知阻抗下的公共交通站点i的步行可达性；Ri实为在实际步行时间下的公共交通站点i的累计机会数量。
马斯洛需求层析理论的具体内容如下：
马斯洛层次需求理论(hierarchical theory of needs)由美国心理学家AbrahamHarold Maslow于1943年提出，是行为科学的重要理论。这一理论认为人类需要动力来依次实现五类需求，从低到高分别是生理需求、安全需求、社交需求、尊重需求和自我实现需求。
(1)生理需求。空气、水、食物、睡眠、生理平衡等是人类生存的最基本的要求，这也是人们行动的主要推动力。马斯洛提出，基本的生理需求得到满足，能够维持生存后，才会出现其他的需求，并成为新的动力。
(2)安全需求。第二层的需求主要指安全，不仅包括人身的安全和健康，还包括对财产和资源的保障、道德保障、家庭安全等。人的整个身体机制就是追求安全的，相应的感觉器官、效应器官、能量等都是用于获取安全的器具，科学和生命观也可以被视为满足安全需求的一部分。
(3)社会需求。在满足上述两种需求后，人们开始寻求感情上的满足，即社会需求，包括感情交流、人际往来等，这涉及到个人的特征、经历、教育和宗教信仰。
(4)尊重需求。人们都希望自己的能力和成就能够获得他人和社会的认可，尊重需求正是对应这一心理，其是感情满足的更高层次，包括了自我尊重、信心、成就、对他人尊重和被他人尊重。马斯洛认为，该需求被满足后，能够使人饱含生活的信心和热情。
(5)自我实现需求。这是个人需求的最高水平，涉及到道德、创造力、自觉性、公正度等。它是个体自身的需求，与外界无关。在上述4层需求均被满足后，人们开始追求个人价值的展现，渴望发挥能力、实现个人理想，从而达到自我认可，完成与自己能力相称的一切事情。
以上五种需求被认为是人们行为的主要动力，且呈现明显的层次划分，当低层次的需求得到满足后，高层次的需求就会取而代之成为新的激励因素。但是人的行为是复杂的，是多种需求共同作用的结果，以上需求作为基础，可以衍生出更多层面的需求。
进一步，所述的评价指标筛选的调查问卷设计主旨为筛选步行感知阻抗的影响因素，选择较为成熟的李克特五级量表来检验出行者对初始影响因素的重要程度判断。
问卷内容具体分为两部分：影响因素的重要度评价和个人特征信息。对于重要度评价部分，严格遵循问卷设计的简明性、适应性、目的性和针对性原则。为了提高问卷的可读性，对某些因素采用更易理解的描述。问卷中每个问题均为单选，选项设定为重要度量表：完全不重要(1分)、比较不重要(2分)、一般重要(3分)、比较重要(4分)、非常重要(5分)。个人特征信息部分包含对乘客的性别、年龄、乘坐公共交通出行的目的等调查内容。
进一步，所述的扩大贡献模型(ECR)的基本理论为：
Figure BDA0003394499410000071
上式表示决策者l对因素偏好所构成的函数；ai和aj分别是集团偏好的两个选择项；g为集团整体的偏好度；R表示小组的偏好因素；m为决策者数量；
Figure BDA0003394499410000072
其含义为决策者l的ai对aj的某种偏好程度，当偏好程度≥0时，表明该决策者对ai的偏好与aj的偏好程度相同或是更多。
ai的效用值可用来ul(ai)表示，设
Figure BDA0003394499410000073
为ai和aj之间的效用差，可得：
Figure BDA0003394499410000074
其中g函数计算公式如下：
Figure BDA0003394499410000075
wl为决策者l的意见的权重；λ(≥0)取值含义为组内意见一致性的权重；θ(≥0)为排除有微弱联系的差值。
进一步，所述的解释结构模型法(ISM)应用过程为：
ISM模型将因素之间的偏好度值转化为关联矩阵，明确因素之间的关系，用图形表明因素重要度分层排序结果，更简洁明了。用邻接矩阵A表示各因素之间的关系，矩阵中元素aij定义如下式所示。
Figure BDA0003394499410000081
式中，
Figure BDA0003394499410000082
为集团偏好度。
在邻接矩阵A的基础上，增加单位矩阵I，矩阵元素含义不变，形成1步可达矩阵M。进一步根据可达矩阵列出各因素的可达集合，即偏好度更低的因素，逐层抽取因素，获得重要度层次划分结果。
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路径选项，然后设计另一条阻抗接近的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。
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
Figure BDA0003394499410000083
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：
Figure BDA0003394499410000091
或
Figure BDA0003394499410000092
对于本发明来说，步骤S5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。
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
对于本发明来说，若关键环境因素为连续变量，则该关键环境因素的支付意愿为：
WTPk＝θk/θT
其中，WTPk为关键环境因素k的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θk为二元logit模型中关键环境因素k对应的拟合参数。
若关键环境因素为离散变量，则该关键环境因素的支付意愿为：
WTPki＝(θki-θkp)/θT
其中，WTPki为关键环境因素k的第i个离散量的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θki为二元logit模型中关键环境因素k的第i个离散量对应的拟合参数，θkp为二元logit模型中关键环境因素k的第p个离散量对应的拟合参数，关键环境因素k的第p个离散量作为基准量。
进一步，所述的站域可达性计算模型中的指定阈值T并不是以公共交通站点为圆心做的欧几里得距离半径求得的平均时间，而是POI点至公共交通站点的实际路径上的步行感知时间，需要考虑步行路径上的环境因素。
进一步，所述的影响系数β取值为[0，1]，其含义为，在相同的时间阈值下，考虑感知时间阻抗可到达的POI数量占考虑实际时间可到达的POI数量的比例。当步行环境极好，出行者的感知时间与实际时间相同时，比例到达1，即β取值越高，说明步行环境越好。
以下以一具体实例说明上述实施方案：
步骤一：影响站域步行阻抗的环境指标集构建
将马斯洛需求层次理论应用至行人步行的过程中，当道路设施、交通条件等因素不同时，行人对于出行环境的需求也不尽相同。
首先，基本的生理需求对应着行人出行中的通行需求，即当人行道宽度过窄或人流量过大时，行走空间不足导致难以通行，此时行人尚不会产生心理层面的需求。当人行道可以通行，满足了行人的通行需求后，进一步对安全性的需求就会增强，此时行人与非机动车/机动车之间的分隔方式、非机动车/机动车的车速等对出行安全产生影响的因素会受到更多的关注。当通行需求和安全都得到较高程度的满足后，行人开始关注出行的便利性，希望人行道提供便捷的出行条件。最高层次的需求为舒适性需求，对应马斯洛需求层次理论中的尊重需求和自我实现需求，寻求出行的舒适性和体面性，涉及一些步行友好设施。。
基于上述对行人需求层次的分析，划分步行环境评价指标为通行、安全、便利和舒适四个维度。通过总结现有文献中的步行接驳环境评价指标体系，并进一步整理归纳，获得影响站域步行阻抗的环境指标集如表1所示，共包含18个因素。
表1影响站域步行阻抗的环境因素集
Figure BDA0003394499410000101
Figure BDA0003394499410000111
步骤二：影响接驳步行感知阻抗的关键环境因素确定
针对指标重要度评价的调查，本次调查共收集问卷234份完整数据，进一步从答卷所用时间和选项差异对问卷进行有效性筛选，获得有效问卷223份，有效率为95.3％，满足统计学要求。
通过描述性特征统计、问卷信度分析和效度分析，验证了问卷的数据可靠性和一致性。根据ECR方法，反对意见权重设为0.5，取λ＝0.5，θ＝0。计算ECR偏好度并进行分层排序，获得重要度层次划分结果，如表2所示。
表2因素重要度排序结果
编号 因素 重要度 偏好度值
11 过街形式(有无红绿灯) 18 6.744
10 出入口设置的频率 16 3.231
4 人行道与非机动车的分隔方式 14 3.935
8 人行道上障碍物的分布 14 3.422
2 机动车道数量及是否有中央分隔带 13 1.166
17 人行道上的灯光设计 13 1.960
3 人行道上的指示标识 12 1.809
18 人行道的路面材料 11 2.626
7 人行道的拥挤程度 10 2.072
15 人行道上的遮阴遮雨设施 10 1.881
9 人行道出入口设置的位置 9 1.251
12 过街次数 8 0.798
6 人行道上的人流量 7 1.020
1 人行道的宽度 5 0.594
16 人行道上的景观设计 4 0.283
13 临街店铺的性质和密度 3 0.126
14 天气 3 0.224
5 人行道的坡度 1 0.000
根据重要度结果的分层显示，因素“人行道上障碍物的分布”和因素“机动车道数量及是否有中央分隔带”之间偏好度值出现明显的分层。因此选择重要度排名前四的环境因素及步行时间作为影响行人在起终点与公共交通站点之间步行感知阻抗的关键因素。
那么，感知时间与实际时间的函数关系可以表示为下式：
C＝f(Time,Cro,Div,Obs,Ent)
式中，C为步行感知阻抗；f(Time,Cro,Div,Obs,Ent)表示关于变量步行时间、过街形式、行人与非机动车的分隔形式、障碍物的分布、出入口的分布的函数，即对实际步行时间的修正函数。
步骤三：确定因素层次
对于步行时间，根据文献调研和资料分析，我国城市的轨道交通站点步行接驳时间阈值约为16min，最长的时间水平设定为16min；考虑到步行时间过短对环境的认知不足，最短的时间水平设定为5min；在5和16min之间增加8min和12min，共设定四个层次。
对于过街形式，根据我国城市道路设计规范，过街形式包括平面过街和立体过街。其中平面过街包括无信号控制人行横道和有信号控制人行横道，立体过街包括人行天桥和人行地道，共设定四个水平。
对于人行道与非机动车的分隔方式，可分为完全隔离、部分分隔和不分隔三种情况。完全隔离指依靠路缘石抬高人行道，或在人行道上布置连续绿化带、护栏等的完全隔离形式，行人、非机动车各行其道，冲突次数明显减少；部分分隔是指人行道和非机动车道等标高设计，采取树木、街具、隔离墩等进行“柔性”隔离，行人和非机动车的独立行驶空间在空间资源使用上可互相借用，提高道路的利用率；不分隔是指人非共板，不设置物理分隔设施，通过标线或道路铺装区分二者的出行空间。基于此，该属性分为3个水平。
对于人行道上障碍物的分布，根据相关研究结论，平均100m内0.5个障碍物是连通度很好，1个障碍物是连通度一般，2个及以上为连通度很差
机动车和非机动车的进出会影响出入口处的行人步行感受，参考“人行道障碍物”的层次，将出入口的数量设为4个层次。
具体步行环境的属性及层次设定如表3所示。
表3步行环境的属性及层次设定
Figure BDA0003394499410000121
Figure BDA0003394499410000131
步骤四：问卷数据收集和编码
涉及到的步行环境属性有5个，采用正交设计共涉及16个情景，见表4。针对情景中选项的设计，首先根据上述情景设计方案，就可以确定每个情景中的一条路径选项，然后设计另一条阻抗接近的路径作为第二个选项。例如表5所示情景设计。
表4正交设计表
方案 因子A 因子B 因子C 因子D 因子E
1 4 2 1 4 3
2 3 2 1 2 1
3 1 3 1 4 2
4 3 1 2 4 4
5 2 2 2 1 2
6 1 2 3 3 4
7 2 4 3 4 1
8 4 4 1 1 4
9 4 3 2 3 1
10 1 1 1 1 1
11 2 3 1 2 4
12 4 1 3 2 2
13 1 4 2 2 3
14 3 3 3 1 3
15 2 1 1 3 3
16 3 4 1 3 2
表5情景设计示例
Figure BDA0003394499410000132
采用网上调研的方式，分两组问卷收集信息。经过校核，调查共获得有效样本数量共152份，样本量共计1216个，满足统计学要求。对数据进行重新编码，原始问卷数据中的一行需要拆分为16行，共获得共2432条数据。
步骤五：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。参数标定结果见表6。本实施例过街形式、行人与非机动车的分隔形式作为离散变量，步行时间、障碍物的分布和出入口的分布作为连续变量，因此进行标定时，过街形式离散为4个变量，行人与非机动车的分隔形式离散为3个变量。
表6模型参数标定结果
变量 系数 标准差 T_value
Time -0.158004 0.026815 -5.8923***
cro_sig -0.032943 0.012689 -2.5962**
cro_nsig 0.662565 0.179072 3.7000***
cro_over -0.304085 0.133074 -2.2851**
cro_under -0.325537 0.152369 -2.1365*
div_all 0.483239 0.131589 3.6597***
div_par 0.481577 0.129281 3.7250***
div_no -0.964816 0.258906 -3.7265***
Obs -0.665786 0.203984 -3.2639**
Ent -0.461692 0.157705 -2.9276**
可以看出，在95％的置信水平下，各指标的T值均大于1.96，表明各变量都是显著的；模型Macfadden R2为0.241，表明模型拟合程度良好。
接下来计算各指标的支付意愿，即各因素相对于出行时间的换算值，结果见表7。
表7各指标支付意愿
Figure BDA0003394499410000141
Figure BDA0003394499410000151
步骤六：乘客出行心理感知阻抗模型建立
进一步换算过街形式的交叉口数量比例和人非分隔方式的路径长度比例，得到考虑步行环境的步行综合成本模型为：
C＝T+4.40×βcro_sig+6.12×βcro_over+6.25×βcro_under+0.01×χdiv_par+9.16×χdiv_no+4.21×Obs+2.92×Ent
式中：C为步行感知阻抗；βcro_sig、βcro_over、βcro_under分别表示路径中有信号灯的人行横道数量比例、人行天桥数量比例、人行天桥数量地道；χdiv_par、χdiv_no分别表示路径中人非部分分隔的路段长度比例、人非没有分隔的路段长度比例；Obs表示路径中平均每100米的障碍物数量；Ent表示路径中平均每100米的出入口数量。
步骤七：站域可达性模型建立
建立站域可达性评价模型如下:
Figure BDA0003394499410000152
i，j分别表示公共交通站点和POI点；Cij为公共交通站点i至兴趣点j的出行成本，用出行感知阻抗表示；C0为公共交通站点i至兴趣点j的出行感知时间阈值；Ri为公共交通站点i的累计机会数量，即步行可达性；G为城市步行网络。
步骤八：站点站域可达性计算
选取嘉定区内6个公共交通站点，分别是常规公交站点：嘉定中心医院、六里桥、澄浏公路施钱路、博园路于田南路以及新侯路新郁路，轨道交通站点：嘉定新城，进行站域可达性的分析。
根据《城市综合交通体系规划标准》(GB/T 51328-2018)的规定，轨道交通站点覆盖半径取800m，常规公交站点覆盖半径取500m，分别统计上述6个公共交通站点覆盖范围内的POI性质。
以往研究中提出，对于步行出行，不同的距离带给行人不同的出行体验，对应的评价等级也不同。参考该研究结论，分别将步行感知时间阈值划定为5min、10min、15min、20min、25min、30min，统计阈值范围内可到达的POI数量，作为可达性结果，见图2。
(1)5min可达性
5min的步行时间对于出行者来说是舒适的，但是各站点在5min内可到达的POI数量均较低。在绝对数量均较少的情况下，各站点的相对差距不明显。
(2)10min可达性
当步行感知时间阈值扩大到10min时，各站点的可达性均有所增加，且可达性较好的站点的优势开始凸显，呈快速上升的趋势。图中数据表明，在步行感知时间小于10min时，嘉定新城和新侯路新郁路站点的可达性最好，六里桥和澄浏公路施钱路站点的可达性依旧较差，随范围的增加变化缓慢。
(3)15min
在步行感知时间为15min时，则处于一般可达的状态。在这样的范围内，较10min的范围而言，站点可达性增长明显，尤其是新侯路新郁路站点。可达性较差的六里桥和澄浏公路施钱路站点已与其他站点产生比较大的差距。
(4)20min
当步行感知时间达到20min时，虽然仍可以步行到达，但是舒适度会大打折扣。可以看出，各站点覆盖范围内的POI步行感知时间几乎全部在该阈值内，与实际相符。当超过该覆盖范围后，出行者大概率不会再选择步行出行。
步骤九：影响系数计算
计算各站点在不同阈值下的步行环境影响系数β，见图3。
从β的分布可以看出，步行阈值为5min时，β值均较低，说明在该范围内，步行环境对可达性的影响很大。随着步行时间阈值的提高，步行环境对可达性的影响在逐渐降低。分别分析各站点，嘉定新城和博园路于田南路站点周边的步行环境很好，而六里桥和澄浏公路施钱路站点周边的步行环境则较差，这也与上文提到的实际情况相符。结合实地调研，建议对六里桥和澄浏公路施钱路站点周边的道路进行步行环境的设计，主要从明确车道功能，增加人非分隔设施等方面进行改善。
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)

1.一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，该方法包括：
S1、获取影响站域步行阻抗的环境指标集；
S2、基于环境指标集确定影响站域步行感知阻抗的关键环境因素；
S3、确定各个关键环境因素的层次；
S4、基于确定的关键环境因素及层次设计乘客出行意愿调查表，获取出行路径选择调查数据；
S5、基于出行路径选择调查数据建立二元logit模型，计算各个关键环境因素的支付意愿；
S6、建立考虑步行环境的步行综合成本模型，即乘客出行心理感知阻抗模型；
S7、在一定出行成本下，步行能够到达的兴趣点数量作为衡量步行可达性的指标，获得站域可达性计算模型；
S8、收集公共交通站点周边的步行道路、环境信息和兴趣点信息，基于乘客出行心理感知阻抗模型计算各兴趣点至公共交通站点的步行感知阻抗，将步行感知阻抗作为出行成本代入站域可达性计算模型计算各站点的站域可达性。
2.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，步骤S2具体为：采集乘客对环境指标集中各环境因素的认知数据，采用扩大贡献模型进行环境因素的重要度分析，划分重要度层次，应用解释结构模型法对环境因素重要度由大到小进行分层排序，选择重要度较大的几个环境因素作为影响站域步行感知阻抗的关键环境因素。
3.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，所述的影响站域步行感知阻抗的关键环境因素包括步行时间、过街形式、行人与非机动车的分隔形式、障碍物的分布、出入口的分布。
4.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，步骤S4具体为：将每一个关键环境因素作为一个设计因子，按照关键环境因素的分层结果进行正交设计，设计多个出行情景，每个出行情景下设计两条出行路径，从而形成乘客出行意愿调查表。
5.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，步骤S5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
Figure FDA0003394499400000021
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5所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，步骤S5计算各个关键环境因素的支付意愿包括：
若关键环境因素为连续变量，则该关键环境因素的支付意愿为：
WTPk＝θk/θT
其中，WTPk为关键环境因素k的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θk为二元logit模型中关键环境因素k对应的拟合参数。
7.根据权利要求6所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，若关键环境因素为离散变量，则该关键环境因素的支付意愿为：
WTPki＝(θki-θkp)/θT
其中，WTPki为关键环境因素k的第i个离散量的支付意愿，θT为二元logit模型中步行时间这一属性对应的拟合参数，θki为二元logit模型中关键环境因素k的第i个离散量对应的拟合参数，θkp为二元logit模型中关键环境因素k的第p个离散量对应的拟合参数，关键环境因素k的第p个离散量作为基准量。
8.根据权利要求3所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，步骤S6中步行综合成本模型表示为：
C＝T+Wcro_sig×βcro_sig+Wcro_over×βcro_over+Wcro_under×βcro_under+Wdiv_par×χdiv_par+Wdiv_no×χdiv_no+WObs×Obs+WEnt×Ent
其中，C为步行综合成本，T为步行时间，βcro_sig、βcro_over、βcro_under分别表示路径中有信号灯的人行横道数量比例、人行天桥数量比例、人行天桥数量地道；χdiv_par、χdiv_no分别表示路径中人非部分分隔的路段长度比例、人非没有分隔的路段长度比例；Obs表示路径中平均每100米的障碍物数量；Ent表示路径中平均每100米的出入口数量；Wcro_sig、Wcro_over、Wcro_under，Wdiv_par、Wdiv_no，Wobs，WEnt为各关键环境因数对应的支付意愿。
9.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，站域可达性计算模型表示为：
Figure FDA0003394499400000031
i，j分别表示公共交通站点和兴趣；Cij为公共交通站点i至兴趣点j的出行成本，Cij采用考虑步行环境的步行综合成本模型获取；C0为公共交通站点i至兴趣点j的出行感知时间阈值；Ri为公共交通站点i的累计机会数量，即步行可达性；G为城市步行网络。
10.根据权利要求1所述的一种考虑出行环境的公共交通站点站域可达性评价方法，其特征在于，该方法还包括计算影响系数：
Figure FDA0003394499400000032
式中，Ri为在乘客出行心理感知阻抗下的公共交通站点i的步行可达性；Ri实为在实际步行时间下的公共交通站点i的累计机会数量。
CN202111478438.7A 2021-12-06 2021-12-06 一种考虑出行环境的公共交通站点站域可达性评价方法 Pending CN114372671A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111478438.7A CN114372671A (zh) 2021-12-06 2021-12-06 一种考虑出行环境的公共交通站点站域可达性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111478438.7A CN114372671A (zh) 2021-12-06 2021-12-06 一种考虑出行环境的公共交通站点站域可达性评价方法

Publications (1)

Publication Number Publication Date
CN114372671A true CN114372671A (zh) 2022-04-19

Family

ID=81140975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111478438.7A Pending CN114372671A (zh) 2021-12-06 2021-12-06 一种考虑出行环境的公共交通站点站域可达性评价方法

Country Status (1)

Country Link
CN (1) CN114372671A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116431965A (zh) * 2022-09-09 2023-07-14 哈尔滨工业大学 一种基于ism模型的建筑安全疏散影响因素分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116431965A (zh) * 2022-09-09 2023-07-14 哈尔滨工业大学 一种基于ism模型的建筑安全疏散影响因素分析方法
CN116431965B (zh) * 2022-09-09 2024-04-16 哈尔滨工业大学 一种基于ism模型的建筑安全疏散影响因素分析方法

Similar Documents

Publication Publication Date Title
Ma et al. How perceptions mediate the effects of the built environment on travel behavior?
Pongprasert et al. TOD residents’ attitudes toward walking to transit station: A case study of transit-oriented developments (TODs) in Bangkok, Thailand
Leck The impact of urban form on travel behavior: A meta-analysis
Chen et al. Vehicle kilometers traveled reduction impacts of transit-oriented development: evidence from Shanghai City
Marquart et al. The planned and the perceived city: A comparison of cyclists' and decision-makers' views on cycling quality
Fancello et al. Mapping walkability. A subjective value theory approach
Prato et al. Latent lifestyle and mode choice decisions when travelling short distances
Amoroso et al. Indicators for sustainable pedestrian mobility
Kamargianni et al. Generation Y's travel behavior and perceptions of walkability constraints
Qiao et al. Understanding the effects of environmental perceptions on walking behavior by integrating big data with small data
Cheng et al. Dynamic changes in community deprivation of access to urban green spaces by multiple transport modes
Li et al. Evaluation of public transportation station area accessibility based on walking perception
CN114372671A (zh) 一种考虑出行环境的公共交通站点站域可达性评价方法
Winters et al. Assessing level of service equally across modes
Kotoula et al. Exploring the factors influencing parental choices on school trips
Tsukaguchi et al. Comparative study of pedestrian travel culture in different cities in Japan
Rani et al. Walkability Analysis of an Urban Area: Gender-Based and Combined Model Approach
Wei et al. How the Perceived Built Environment Affects Pedestrian Well-Being: Evidence from Three Types of Neighborhoods in Harbin, China.
Turki Haykal Influence of street design characteristics on walkability: Case studies of two neighborhoods in Erbil
Heng et al. The complete path effect model of the three-dimensional street environment on street usage time
Venter The first/last mile connection to public transport
Zhang et al. Accessibility Improvement and Renewal of Urban Park Green Space for the Elderly and the Disabled. Forests 2023, 14, 1801
Chan et al. People's intention towards public bicycle system in Wuhan
Meeder Level of Service Concept and Design Principles for Pedestrian Networks
Jung Enhanced Transit Ridership Forecasting Using Automatic Passenger Counting Data

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