CN116129651A - 一种基于居民出行行为选择的交通容量计算方法 - Google Patents

一种基于居民出行行为选择的交通容量计算方法 Download PDF

Info

Publication number
CN116129651A
CN116129651A CN202310234709.7A CN202310234709A CN116129651A CN 116129651 A CN116129651 A CN 116129651A CN 202310234709 A CN202310234709 A CN 202310234709A CN 116129651 A CN116129651 A CN 116129651A
Authority
CN
China
Prior art keywords
road
space
time
traffic
mode
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
CN202310234709.7A
Other languages
English (en)
Other versions
CN116129651B (zh
Inventor
程琳
赵汗青
张晨皓
李哲航
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 CN202310234709.7A priority Critical patent/CN116129651B/zh
Publication of CN116129651A publication Critical patent/CN116129651A/zh
Application granted granted Critical
Publication of CN116129651B publication Critical patent/CN116129651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于居民出行行为选择的交通容量计算方法，包括以下步骤：(1)基于道路路网资源的特性和元素，定义一种考虑时空资源消耗的交通容量；(2)利用时空消耗法搭建理想道路交通容量的基本形式；(3)在理想道路总时空资源的基础上考虑各影响因素，标定对应的修正系数；(4)获取不同出行方式的分担量数据，在BL模型理论的基础上搭建机动车、非机动车两类出行方式选择模型；(5)通过标定不同方式人均时空消耗，搭建考虑出行方式选择的交通容量计算模型，在交通需求管理环节改善道路运行状态。本发明可为城市交通规划中的交通容量规划设计提供参考。

Description

一种基于居民出行行为选择的交通容量计算方法
技术领域
本发明属于交通运输规划与管理中的城市道路交通领域，尤其涉及一种基于居民出行行为选择的交通容量计算方法。
背景技术
随着经济的发展，我国的城市道路拥堵问题日益严重。交通拥堵问题的本质是供需矛盾，因此单纯通过新建和扩建道路来增加城市路网容量的方式在经济、环境、舆论方面都存在不足，实际获得的效果也远低于预期。因而获取更加准确的道路交通容量，进而做出交通规划和管理的决策为缓解交通拥堵问题提供了重要依据。
现有的交通容量计算模型主要集中在机动车交通容量上，但这并不能从根本上体现出交通使用者的行为与道路交通容量的关系,也不能体现设施的改善对出行者出行行为的影响。因此在交通容量与出行行为选择之间建立联系，构建研究对象是出行者的交通容量模型，对于把握城市交通供需关系、改善拥堵状况有重要作用。
发明内容
发明目的：本发明的目的在于提供一种考虑居民出行行为选择的交通容量计算方法，基于居民出行行为数据和数学模型，建立居民出行行为与交通容量之间的关系，进而提高城市交通管理水平，改善路网。
技术方案：本发明的基于居民出行行为选择的交通容量计算方法，其特征在于，包括以下步骤：
步骤1：基于道路路网资源的特性和元素，定义一种考虑时空资源消耗的交通容量；
步骤2：针对考虑时空资源消耗的交通容量，利用时空消耗法搭建理想道路交通容量的基本形式；
步骤3：在理想道路总时空资源的基础上考虑各影响因素，标定对应的修正系数修正理想道路交通容量；
步骤4：获取不同出行方式的分担量数据，在BL模型理论的基础上搭建机动车、非机动车两类出行方式选择模型；
步骤5：结合步骤4的两类出行方式选择模型，通过标定不同方式人均时空消耗，搭建基于出行方式选择的交通容量计算模型。
进一步的，步骤1中，考虑时空资源消耗的交通容量具体定义为：道路路网设施在一定状态下单位服务时间里能容纳的最大出行人数，与道路设施的时空总资源和出行者的动态时空消耗有关。
进一步的，步骤2的具体步骤为：
步骤21：定义时空资源总量为道路有效运营长度与有效运营时间的乘积；
步骤22：定义动态时空消耗等于出行者的平均时间消耗与平均距离消耗的乘积；
步骤23：建理想道路交通容量的基本形式：
Figure BDA0004121625440000021
其中，N为交通容量，TRS为城市道路设施时空总资源，TRD为出行者一次出行的平均动态时空消耗。
进一步的，步骤22的具体步骤为：城市道路设施时空总资源为不同类别道路时空资源的总和，第i类别道路的总时空资源总和Ci＝第i类别道路的总长度资源Li*第i类别道路的总服务时间Ti，第i类别道路的总长度资源＝第i类别道路的车道数*第i类别道路的单车道，道路类别主要有快速路、主干路、次干路和支路。
进一步的，步骤3的具体步骤为：
步骤31：考虑驾驶员的差异、天气的影响、突发事件的发生等一系列的道路环境因素使路段被机动车所真正使用的运营长度并非理想状况下的运营长度，标定机动车道有效长度修正系数R1，一般可将机动车有效长度修正系数R1取为0.95；
步骤32：考虑道路旁行人或非机动车的运行降低了机动车的行驶速度而造成的时空资源浪费，标定路旁干扰系数R2，对于快速路、主干路、次干路和支路的修正系数分别可取为0.9、0.8、0.7、0.7；
步骤33：考虑各级道路在交叉口由于车流的相互干扰会存在一定的空间和时间的损耗，标定交叉口修正系数R3，对于快速路、主干路、次干路和支路的修正系数分别可取为0.75、0.6、0.5、0.4；
步骤34：实际城市道路设施时空总资源为不同类别道路实际时空资源的总和，第i类别道路的实际道路总时空资源＝第i类别道路的理想总时空资源总和Ci*第i类别道路的机动车道有效长度修正系数*第i类别道路的路旁干扰系数*第i类别道路的交叉口修正系数。
进一步的，步骤4的具体步骤为：
步骤41：通过RP调查采集每个出行个体的个人属性、家庭属性、交通属性；
步骤42：推算出行者j在备选出行方式集合中选择方式1和方式2的概率P1j和P2j；
步骤43：对于每一种交通出行方式，标定二元Logit模型的参数，形成出行方式选择模型。
进一步的，步骤41中，所述个人属性包括性别、职业、年龄、收入、驾照和公交卡拥有情况；所述家庭属性包括家庭车辆拥有情况和附近公交站点情况；所述交通属性包括出行距离、金钱花费、时间花费、出行目的、出行需求和出行方式。
进一步的，步骤42中，方式1和方式2的概率P1j和P2j为：
Figure BDA0004121625440000031
Figure BDA0004121625440000032
Vij＝θ1Xij1+θ2Xij2+…+Xijk，i＝1，2
其中，P1j表示出行者j选择出行方式1的概率，P2j表示出行者j选择出行方式2的概率，Xijk出行者j选择方式i的第k项因素的特征值，θik表示出行者选择第i种出行方式的第k个因素的系数，V1j表示出行者j选择方式1的二元logit模型的参数，V2j表示出行者j选择方式2的二元logit模型的参数；
进一步的，步骤43中，标定二元Logit模型的参数具体步骤为：
步骤431：建立二元Logit模型，形式如下：
Figure BDA0004121625440000033
其中，P1j表示出行者j选择出行方式i的概率，Xijk出行者j选择方式i的第k项因素的特征值，θik表示出行者选择第i种出行方式的第k个因素的系数；
数学变换得到：
Figure BDA0004121625440000041
其中，pij表示出行者j选择出行方式i的可能性；Xijk表示出行者j选择方式i的第k项因素的特征值；θik表示出行者选择第i种出行方式的第k个因素的系数；θi表示常数项；
步骤432：设总共有J名出行者，则选择方式i的平均可能性为：
Figure BDA0004121625440000042
则选择方式i的总人数为：
Figure BDA0004121625440000043
进一步的，步骤5的具体步骤为：
步骤51：对于每种出行方式，计算人均时空消耗为：
Figure BDA0004121625440000044
其中，TRdi为第i种交通方式的出行者平均动态时空消耗；hi第i种交通方式在行驶中的平均车头间距，单位km；t1第i种交通方式一次出行的平均行驶时间，单位h；mi第i种交通方式的平均载客量，单位人；
步骤52：考虑所有出行方式，出行者平均动态时空消耗为：
Figure BDA0004121625440000045
其中，TRd为出行者平均动态时空消耗，Ji为选择第i种交通方式的出行者总人数；J为总出行者人数；
步骤53：基于步骤2的定义，将步骤3修正后的实际城市道路设施时空总资源和步骤52中的出行者平均动态时空消耗带入定义式可得，交通容量为：
Figure BDA0004121625440000051
其中，Ck表示快速路总时空资源，Cz表示主干路总时空资源，Cc表示次干路总时空资源，Cl表示支路总时空资源，R1表示机动车道有效长度修正系数，Rk2表示快速路的路旁干扰系数，Rz2表示主干路的路旁干扰系数，Rc2表示次干路的路旁干扰系数，Rl2表示支路的路旁干扰系数，Rk3表示快速路交叉口修正系数，Rz3表示主干路交叉口修正系数，Rc3表示次干路交叉口修正系数，Rl3表示支路交叉口修正系数，J表示总出行者人数，Ji为选择第i种交通方式的出行者总人数，hi第i种交通方式在行驶中的平均车头间距，单位km；t1第i种交通方式一次出行的平均行驶时间，单位h；mi第i种交通方式的平均载客量，单位人。
有益效果：与现有技术相比，本发明具有如下显著优点：
1.本发明能够建立交通使用者的行为与道路交通容量的定量关系，得知不同方式对应的人均时空消耗，进而根据其大小进一步指导不同方式在客运交通系统中的占比，以提高城市道路网交通容量、优化城市道路客运交通结构，具有科学性、准确性、合理性和有效性。
2.本发明从交通容量的计算是以出行行为选择为基础的，而出行行为选择受多种因素影响，通过找寻影响出行选择方式的因素，丰富了城市交通需求管理手段，有助于解决城市道路高峰小时拥堵问题；
3.本发明基于非集计模型理论通过推导建立了考虑出行方式的交通容量模型，完成了从个体离散数据到群体集计数据的转换，大量微观离散的个人出行决策的结果，构成了属于交通需求侧的宏观网络集合，丰富了对于交通数据资源的利用方式。
4.本发明中构建的城市交通容量是反映城市道路网满足交通需求能力的指标，在交通流控制和出行需求管理中起着重要的作用，对于掌握交通服务的供需关系和交通使用者的行为特征具有重要作用，进而有利于改善交通服务水平、提升用户使用体验。
附图说明
图1是本发明的方法流程图；
图2是本发明所述的居民出行方式选择调查属性要点图；
图3是本发明所述的泰安市中心城区主干路布局。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明所述的一种考虑居民出行行为选择的交通容量计算方法，以泰安市为例，参考图1，具体包括如下步骤：
(1)定义一种考虑时空资源消耗的交通容量为道路路网设施在一定状态下单位服务时间里能容纳的最大出行人数。
(2)利用时空消耗法搭建理想道路交通容量的基本形式：
Figure BDA0004121625440000061
(3)在理想道路总时空资源的基础上考虑各影响因素，标定对应的修正系数。
参考图3，泰安主城区(泰山区)的各级城市道路及其具体里程如下。
城市快速路总长度为45km，呈一横两纵多放射的结构，主要包括泮河大街、长城路和明堂路，平均机动车车道数取为6条，具体情况见下表。
表1泰安市泰山区快速路道路情况
Figure BDA0004121625440000062
城市主干路总长度为161.6km，主干道网密度约为1.35km/km2，具体道路名称和车道数如下，平均车道数取为4条，具体情况见下表。
表2泰安市泰山区主干路道路情况
Figure BDA0004121625440000063
城市次干路总长度为196km，次干路路网密度约为1.64km/km2，平均车道数为4条，具体道路名称和车道数如下。
表3泰安市泰山区次干路道路情况
Figure BDA0004121625440000071
城市支路路网密度约为3.8km/km2，总长度为558.6km，支路里程数据通过支路路网密度与中心城区面积计算而得，平均车道数记为2条。由此，泰安市主城区各等级道路里程及平均车道如下表，数据来源《泰安市综合交通规划(2011-2020)》。
表4泰安市泰山区各等级道路里程及车道情况
Figure BDA0004121625440000072
则泰安市主城区各等级道路的理想道路时空总资源为：
Ck＝45×6＝270(km·h)
Cz＝161.6×4＝646.4(km·h)
Cc＝196×4＝784(km·h)
Cl＝558.6×2＝1117.2(km·h)
所以
TRs理想＝270+646.4+784+1117.2＝2817.6(km·h)
道路时空资源修正系数可通过相关参考文献进行标定
表5泰安市泰山区各等级道路修正系数
Figure BDA0004121625440000081
从而有
TRs实际＝(0675Ck+0.48Cz+0.3325Cc+0.2625Ck)·0.95
所以
TRs实际＝(0675Ck+0.48Cz+0.3325Cc+0.2625Ck)·0.95＝994.144(km·h)
所以泰安市主城区的道路实际总时空资源为994.144(km·h)。
(4)获取不同出行方式的分担量数据，在BL模型理论的基础上搭建机动车、非机动车两类出行方式选择模型。
参考图2，通过RP调查采集每个出行个体的个人属性、家庭属性、交通属性，结果见表6
表6方式选择模型建立605名出行者问卷调查数据
Figure BDA0004121625440000082
Figure BDA0004121625440000091
Figure BDA0004121625440000101
对所收集到的605个出行分别行为进行机动车和非机动车两类简单的多元Logit回归，具体流程如下：
(a)参数标定
利用SPSS对机动车方式选择二元Logit模型进行参数标定，得到如下结果。
表7机动车方式选择参数标定情况
Figure BDA0004121625440000102
可建立简单的机动车出行的二元Logit选择模型。
case 1：小汽车出行
LogitP小汽车＝-0.35+0.14X11+0.45X12+0.27X13+0.19X14-0.33X15-0.23X16-0.12X17+0.33X18+0.17X19
则
Figure BDA0004121625440000103
case 2：公交车出行
Figure BDA0004121625440000111
表8小汽车、公交车人均动态时空消耗计算
Figure BDA0004121625440000112
所以，模型可标定为：
Figure BDA0004121625440000113
非机动车同理，可得：
Figure BDA0004121625440000114
(5)结合步骤四获得的方式选择模型，通过标定不同方式人均时空消耗，搭建考虑出行方式选择的交通容量计算模型。
表9平均动态时空消耗计算
Figure BDA0004121625440000121
对交通容量进行计算有：
Figure BDA0004121625440000122
由于计算高峰小时交通容量时，假定每人只进行1次出行，因此在假设情况下，泰安市主城区道路路网设施在理想状态下高峰小时内能容纳的最大出行人数为249159，或249159人次。
基于以上结果，泰安市交通容量扩大途径主要包括：减少城市路侧干扰、实现交叉口信号协同配时、为步行或非机动车出行提供良好的出行环境、合理调整慢行交通和公共交通在城市客运交通中的占比、通过交通管理等手段降低小汽车在交通系统中的比重、使用交通需求管理措施来诱导出行者选择相应的方式等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明，对于本发明所属技术领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于居民出行行为选择的交通容量计算方法，其特征在于，包括以下步骤：
步骤1：基于道路路网资源的特性和元素，定义一种考虑时空资源消耗的交通容量；
步骤2：针对考虑时空资源消耗的交通容量，利用时空消耗法搭建理想道路交通容量的基本形式；
步骤3：在理想道路总时空资源的基础上考虑各影响因素，标定对应的修正系数修正理想道路交通容量；
步骤4：获取不同出行方式的分担量数据，在BL模型理论的基础上搭建机动车、非机动车两类出行方式选择模型；
步骤5：结合步骤4的两类出行方式选择模型，通过标定不同方式人均时空消耗，搭建基于出行方式选择的交通容量计算模型。
2.根据权利要求1所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤1中，考虑时空资源消耗的交通容量具体定义为：道路路网设施在一定状态下单位服务时间里能容纳的最大出行人数，与道路设施的时空总资源和出行者的动态时空消耗有关。
3.根据权利要求1所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤2的具体步骤为：
步骤21：定义时空资源总量为道路有效运营长度与有效运营时间的乘积；
步骤22：定义动态时空消耗等于出行者的平均时间消耗与平均距离消耗的乘积；
步骤23：建理想道路交通容量的基本形式：
Figure FDA0004121625430000011
其中，N为交通容量，TRS为城市道路设施时空总资源，TRD为出行者一次出行的平均动态时空消耗。
4.根据权利要求3所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤22的具体步骤为：城市道路设施时空总资源为不同类别道路时空资源的总和，第i类别道路的总时空资源总和Ci＝第i类别道路的总长度资源Li*第i类别道路的总服务时间Ti，第i类别道路的总长度资源＝第i类别道路的车道数*第i类别道路的单车道，道路类别主要有快速路、主干路、次干路和支路。
5.根据权利要求1所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤3的具体步骤为：
步骤31：考虑驾驶员的差异、天气的影响、突发事件的发生等一系列的道路环境因素使路段被机动车所真正使用的运营长度并非理想状况下的运营长度，标定机动车道有效长度修正系数R1，一般可将机动车有效长度修正系数R1取为0.95；
步骤32：考虑道路旁行人或非机动车的运行降低了机动车的行驶速度而造成的时空资源浪费，标定路旁干扰系数R2，对于快速路、主干路、次干路和支路的修正系数分别可取为0.9、0.8、0.7、0.7；
步骤33：考虑各级道路在交叉口由于车流的相互干扰会存在一定的空间和时间的损耗，标定交叉口修正系数R3，对于快速路、主干路、次干路和支路的修正系数分别可取为0.75、0.6、0.5、0.4；
步骤34：实际城市道路设施时空总资源为不同类别道路实际时空资源的总和，第i类别道路的实际道路总时空资源＝第i类别道路的理想总时空资源总和Ci*第i类别道路的机动车道有效长度修正系数*第i类别道路的路旁干扰系数*第i类别道路的交叉口修正系数。
6.根据权利要求1所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤4的具体步骤为：
步骤41：通过RP调查采集每个出行个体的个人属性、家庭属性、交通属性；
步骤42：推算出行者j在备选出行方式集合中选择方式1和方式2的概率P1j和P2j；
步骤43：对于每一种交通出行方式，标定二元Logit模型的参数，形成出行方式选择模型。
7.根据权利要求6所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤41中，所述个人属性包括性别、职业、年龄、收入、驾照和公交卡拥有情况；所述家庭属性包括家庭车辆拥有情况和附近公交站点情况；所述交通属性包括出行距离、金钱花费、时间花费、出行目的、出行需求和出行方式。
8.根据权利要求6所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤42中，方式1和方式2的概率P1j和P2j为：
Figure FDA0004121625430000021
Figure FDA0004121625430000031
Vij＝θ1Xij1+θ2Xij2+…+Xijk，i＝1，2
其中，P1j表示出行者j选择出行方式1的概率，P2j表示出行者j选择出行方式2的概率，Xijk出行者j选择方式i的第k项因素的特征值，θik表示出行者选择第i种出行方式的第k个因素的系数，V1j表示出行者j选择方式1的二元logit模型的参数，V2j表示出行者j选择方式2的二元logit模型的参数。
9.根据权利要求6所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤43中，标定二元Logit模型的参数具体步骤为：
步骤431：建立二元Logit模型，形式如下：
Figure FDA0004121625430000032
其中，P1j表示出行者j选择出行方式i的概率，Xijk出行者j选择方式i的第k项因素的特征值，θik表示出行者选择第i种出行方式的第k个因素的系数；
数学变换得到：
Figure FDA0004121625430000033
其中，pij表示出行者j选择出行方式i的可能性；Xijk表示出行者j选择方式i的第k项因素的特征值；θik表示出行者选择第i种出行方式的第k个因素的系数；θi表示常数项；
步骤432：设总共有J名出行者，则选择方式i的平均可能性为：
Figure FDA0004121625430000034
则选择方式i的总人数为：
Figure FDA0004121625430000035
10.根据权利要求1所述基于居民出行行为选择的交通容量计算方法，其特征在于，步骤5的具体步骤为：
步骤51：对于每种出行方式，计算人均时空消耗为：
Figure FDA0004121625430000041
其中，TRdi为第i种交通方式的出行者平均动态时空消耗；hi第i种交通方式在行驶中的平均车头间距，单位km；t1第i种交通方式一次出行的平均行驶时间，单位h；mi第i种交通方式的平均载客量，单位人；
步骤52：考虑所有出行方式，出行者平均动态时空消耗为：
Figure FDA0004121625430000042
其中，TRd为出行者平均动态时空消耗，Ji为选择第i种交通方式的出行者总人数；J为总出行者人数；
步骤53：基于步骤2的定义，将步骤3修正后的实际城市道路设施时空总资源和步骤52中的出行者平均动态时空消耗带入定义式可得，交通容量为：
Figure FDA0004121625430000043
其中，ck表示快速路总时空资源，Cz表示主干路总时空资源，Cc表示次干路总时空资源，Cl表示支路总时空资源，R1表示机动车道有效长度修正系数，Rk2表示快速路的路旁干扰系数，Rz2表示主干路的路旁干扰系数，Rc2表示次干路的路旁干扰系数，Rl2表示支路的路旁干扰系数，Rk3表示快速路交叉口修正系数，Rz3表示主干路交叉口修正系数，Rc3表示次干路交叉口修正系数，RI3表示支路交叉口修正系数，J表示总出行者人数，Ji为选择第i种交通方式的出行者总人数，hi第i种交通方式在行驶中的平均车头间距，单位km；t1第i种交通方式一次出行的平均行驶时间，单位h；mi第i种交通方式的平均载客量，单位人。
CN202310234709.7A 2023-03-13 2023-03-13 一种基于居民出行行为选择的交通容量计算方法 Active CN116129651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310234709.7A CN116129651B (zh) 2023-03-13 2023-03-13 一种基于居民出行行为选择的交通容量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310234709.7A CN116129651B (zh) 2023-03-13 2023-03-13 一种基于居民出行行为选择的交通容量计算方法

Publications (2)

Publication Number Publication Date
CN116129651A true CN116129651A (zh) 2023-05-16
CN116129651B CN116129651B (zh) 2023-11-24

Family

ID=86306428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310234709.7A Active CN116129651B (zh) 2023-03-13 2023-03-13 一种基于居民出行行为选择的交通容量计算方法

Country Status (1)

Country Link
CN (1) CN116129651B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116978235A (zh) * 2023-09-25 2023-10-31 交通运输部规划研究院 干线公路小客车人员出行量估算方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750427A (zh) * 2012-07-23 2012-10-24 中国地质大学（武汉） 基于多智能体活动模型的城市交通规划仿真方法及系统
CN106056909A (zh) * 2016-06-29 2016-10-26 东南大学 一种中小城市快速公交阈值确定方法
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
US20180075695A1 (en) * 2016-09-15 2018-03-15 Erik Mowery Simpson Implementations of various methods to create economic incentives to directly link users of a social network or social network reality game to actual projects and people within a charity or developing world area
WO2018082784A1 (en) * 2016-11-07 2018-05-11 Swiss Reinsurance Company Ltd. System and method for predicting of absolute and relative risks for car accidents
CN109410569A (zh) * 2018-10-09 2019-03-01 林夏珊 一种研究交通拥塞与通行能力相对变化性质的时空分析法
US20190122541A1 (en) * 2017-10-25 2019-04-25 Here Global B.V. Method, apparatus, and system for detecting venue trips and related road traffic
CN110070218A (zh) * 2019-04-12 2019-07-30 西南交通大学 面向多制式区域轨道交通的动态服务网络优化设计方法
CN110992699A (zh) * 2019-11-28 2020-04-10 重庆市交通规划研究院 一种城市道路网公交路权路网规划方法
US20200168084A1 (en) * 2018-11-28 2020-05-28 Toyota Jidosha Kabushiki Kaisha Mitigation of Traffic Oscillation on Roadway
CN113326919A (zh) * 2021-05-08 2021-08-31 东南大学 一种基于计算图的交通出行方式选择预测方法
CN115050177A (zh) * 2022-05-11 2022-09-13 杭州像素元科技有限公司 一种基于时空多头注意力机制的高速公路拥堵预测方法
CN115689089A (zh) * 2022-10-25 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 城市轨道交通乘客乘车概率推算方法、设备及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102750427A (zh) * 2012-07-23 2012-10-24 中国地质大学（武汉） 基于多智能体活动模型的城市交通规划仿真方法及系统
CN106056909A (zh) * 2016-06-29 2016-10-26 东南大学 一种中小城市快速公交阈值确定方法
US20180075695A1 (en) * 2016-09-15 2018-03-15 Erik Mowery Simpson Implementations of various methods to create economic incentives to directly link users of a social network or social network reality game to actual projects and people within a charity or developing world area
WO2018082784A1 (en) * 2016-11-07 2018-05-11 Swiss Reinsurance Company Ltd. System and method for predicting of absolute and relative risks for car accidents
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
US20190122541A1 (en) * 2017-10-25 2019-04-25 Here Global B.V. Method, apparatus, and system for detecting venue trips and related road traffic
CN109410569A (zh) * 2018-10-09 2019-03-01 林夏珊 一种研究交通拥塞与通行能力相对变化性质的时空分析法
US20200168084A1 (en) * 2018-11-28 2020-05-28 Toyota Jidosha Kabushiki Kaisha Mitigation of Traffic Oscillation on Roadway
CN110070218A (zh) * 2019-04-12 2019-07-30 西南交通大学 面向多制式区域轨道交通的动态服务网络优化设计方法
CN110992699A (zh) * 2019-11-28 2020-04-10 重庆市交通规划研究院 一种城市道路网公交路权路网规划方法
CN113326919A (zh) * 2021-05-08 2021-08-31 东南大学 一种基于计算图的交通出行方式选择预测方法
CN115050177A (zh) * 2022-05-11 2022-09-13 杭州像素元科技有限公司 一种基于时空多头注意力机制的高速公路拥堵预测方法
CN115689089A (zh) * 2022-10-25 2023-02-03 深圳市城市交通规划设计研究中心股份有限公司 城市轨道交通乘客乘车概率推算方法、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
殷焕焕;武平;赵红征;: "城市公共交通出行方式选择行为研究", 武汉理工大学学报(交通科学与工程版), no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116978235A (zh) * 2023-09-25 2023-10-31 交通运输部规划研究院 干线公路小客车人员出行量估算方法及装置
CN116978235B (zh) * 2023-09-25 2023-11-28 交通运输部规划研究院 干线公路小客车人员出行量估算方法及装置

Also Published As

Publication number Publication date
CN116129651B (zh) 2023-11-24

Similar Documents

Publication Publication Date Title
Kröger et al. Does context matter? A comparative study modelling autonomous vehicle impact on travel behaviour for Germany and the USA
CN107679654B (zh) 一种停车规模预估控制系统及实现方法
CN107766969B (zh) 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法
CN112309119B (zh) 一种城市交通系统容量分析优化方法
CN116129651B (zh) 一种基于居民出行行为选择的交通容量计算方法
Li et al. Identification of prior factors influencing the mode choice of short distance travel
Li et al. Multimode traffic travel behavior characteristics analysis and congestion governance research
CN116720997A (zh) 一种基于大数据分析的公交线路评价体系及优化方法
Kamel et al. A modelling platform for optimizing time-dependent transit fares in large-scale multimodal networks
CN113160600B (zh) 一种用于城市微循环公交系统的车辆调度方法
Xueyu et al. Research on the Bi-level programming model for ticket fare pricing of urban rail transit based on particle swarm optimization algorithm
Si et al. Modeling the congestion cost and vehicle emission within multimodal traffic network under the condition of equilibrium
Tsioulianos et al. How do passenger and trip attributes affect walking distances to bus public transport stops? Evidence from university students in Greece
CN105608315A (zh) 公交停靠站安全服务水平定量评价方法及系统
CN116468219A (zh) 一种枢纽站接驳出租车合乘调度匹配方法
Pöhler et al. Urban land use policies for efficient autonomous on-demand transportation–a case study on the japanese island of izu oshima
CN114021295A (zh) 一种基于分支定界法的多方式行车道精细化设置方法
CN105023063A (zh) 公交线网新能源公交车运行能耗指标体系的建立方法
Ladhi et al. Review on Assessment of Mode Shift Behavior due to Introduction of New Mass Transit System
Rodier et al. How Can Automated Vehicles Increase Access to Marginalized Populations and Reduce Congestion, Vehicle Miles Traveled, and Greenhouse Gas Emissions? A Case Study in the City of Los Angeles
Yang Scenarios analysis of autonomous vehicles deployment with different market penetration rate
Zhou et al. Research on HOV lane priority dynamic control under connected vehicle environment
Zeng et al. Study on a New Mobility Pattern Based on Autonomous Road Transportation System
Khanday Suggestive measure travel time and congestion under heterogeneous traffic conditions
Patil et al. Estimation of cordon based marginal congestion cost for Greater Mumbai road network

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