陳佳琪

上海交通規(guī)劃設(shè)計(jì)研究院有限公司

0 引 言

近年來，伴隨著機(jī)動(dòng)車保有量的增長(zhǎng)，城市交通擁堵、環(huán)境惡化等問題逐漸顯現(xiàn)，非機(jī)動(dòng)車出行重新得到了社會(huì)及政府的重視。共享單車的出現(xiàn)和“雙碳”目標(biāo)的制定，又促使非機(jī)動(dòng)車回歸城市之勢(shì)愈加猛烈。為進(jìn)一步提升非機(jī)動(dòng)車的出行環(huán)境，急需建立適宜的非機(jī)動(dòng)車交通設(shè)施評(píng)價(jià)體系，作為設(shè)施規(guī)劃設(shè)計(jì)、運(yùn)行管理的有力依據(jù)。

傳統(tǒng)非機(jī)動(dòng)車交通設(shè)施評(píng)價(jià)體系的研究中，有的借鑒機(jī)動(dòng)車交通分析思路，側(cè)重評(píng)價(jià)交通流指標(biāo)如騎行速度、占道面積、超車數(shù)、延誤等[1-3]，評(píng)價(jià)雖然較為客觀，但不夠全面，缺少對(duì)騎行出行者自身騎行行為特性及意愿的考慮；還有的研究基于個(gè)體主觀感受調(diào)查[4-6]，但這樣的研究需要較大樣本量，且評(píng)價(jià)指標(biāo)主要以交通設(shè)施為主，數(shù)據(jù)獲取困難，且難以解釋個(gè)體差異導(dǎo)致的感受不一致性。

公共自行車和共享單車這類攜帶GPS芯片的騎行工具的出現(xiàn)帶來了海量出行數(shù)據(jù)，基于出行軌跡數(shù)據(jù)可以提取大量且全面的自行車動(dòng)態(tài)騎行指標(biāo)，這些數(shù)據(jù)相比交通設(shè)施指標(biāo)和路段交通流指標(biāo)更能真實(shí)反映一條道路是否適合非機(jī)動(dòng)車騎行，為道路非機(jī)動(dòng)車交通設(shè)施評(píng)價(jià)帶來了更多的可能。因此，本文將基于共享單車的GPS數(shù)據(jù)，提取速度特征參數(shù)，建立城市道路路段騎行適宜性評(píng)價(jià)體系，并可以應(yīng)用在大規(guī)模的路網(wǎng)評(píng)價(jià)上。

1 基于共享單車軌跡數(shù)據(jù)的騎行速度特征研究

1.1 研究范圍

本文采用的是2017年上海市一部分的摩拜單車訂單數(shù)據(jù)，數(shù)據(jù)時(shí)間為4月24日—4月28日，共5個(gè)工作日（天氣均為晴或多云），一共包含約81萬條軌跡。數(shù)據(jù)的字段包括軌跡編號(hào)、車輛編號(hào)、開鎖坐標(biāo)、關(guān)鎖坐標(biāo)、開鎖時(shí)間、用戶編號(hào)、軌跡點(diǎn)序列，軌跡點(diǎn)序列數(shù)據(jù)包含了兩部分的內(nèi)容，一方面是軌跡點(diǎn)的經(jīng)緯度坐標(biāo)，另一方面是軌跡點(diǎn)的GPS時(shí)間。

1.2 研究路段

本文在共享單車數(shù)據(jù)范圍內(nèi)，依照道路等級(jí)、路面寬度、機(jī)非分隔條件、人非隔離條件、是否有路邊停車等道路設(shè)施條件篩選出具有特征多樣性的研究路段，共計(jì)300條。

1.3 數(shù)據(jù)處理

在提取速度特征指標(biāo)前，需要對(duì)軌跡數(shù)據(jù)進(jìn)行預(yù)處理，包括GPS時(shí)間的轉(zhuǎn)化、坐標(biāo)系轉(zhuǎn)化等工作。數(shù)據(jù)清洗需要對(duì)軌跡持續(xù)時(shí)間小于1 min，或者軌跡點(diǎn)個(gè)數(shù)小于5個(gè)的軌跡數(shù)據(jù)進(jìn)行剔除，保留的數(shù)據(jù)為原來數(shù)據(jù)量的73.45%。

數(shù)據(jù)預(yù)處理完后采用幾何的方法將軌跡數(shù)據(jù)與研究路段進(jìn)行匹配，通過構(gòu)建路段緩沖區(qū)，利用根據(jù)軌跡的行駛的方向與最短距離對(duì)軌跡點(diǎn)進(jìn)行校正，匹配最佳路鏈。在進(jìn)行地圖匹配后，為減小誤差，將把路段上少于10個(gè)軌跡點(diǎn)，且軌跡平均速度小于1 m/s（速度接近于步行速度）或大于10 m/s（速度接近于機(jī)動(dòng)車速度）的數(shù)據(jù)進(jìn)行剔除。圖1是地圖匹配前后共享單車軌跡點(diǎn)的空間分布情況。

圖1 地圖匹配前（左）匹配后（右）

1.4 單車速度特征指標(biāo)提取

一般而言，騎行者的速度會(huì)受到騎行環(huán)境，包括道路設(shè)施、周圍車輛、橫向干擾等影響。經(jīng)驗(yàn)表明，若騎行者能在較長(zhǎng)的時(shí)間內(nèi)保持穩(wěn)定的速度，且速度較高（達(dá)到其期望速度），則其會(huì)覺得路段適合騎行；反之，若騎行者在較長(zhǎng)時(shí)間內(nèi)無法達(dá)到較高的速度，需要通過頻繁的加減速躲避道路上的障礙物（如減速帶、道路坑洼）或者避免與周圍車輛、行人的沖突時(shí)，騎行者會(huì)感覺道路不太適合騎行。因此，車輛的速度特征可以表征路段的騎行適宜性。為了全面衡量非機(jī)動(dòng)車的速度特征，結(jié)合實(shí)際并在參考以往有關(guān)騎行行為指標(biāo)研究[7-8]的基礎(chǔ)上，經(jīng)過對(duì)騎行行為的分析驗(yàn)證，本文提出速度、速度波動(dòng)、減速行為和加速度四個(gè)層面10個(gè)單車速度特征指標(biāo)，如表1所示。

表1 單車速度特征指標(biāo)體系

2 路段騎行適宜性評(píng)價(jià)體系構(gòu)建

2.1 路段流量-速度特征指標(biāo)的識(shí)別

單個(gè)車輛的速度特征會(huì)受到騎行者自身特性的影響，所以同一路段上車輛間的速度特征存在差異性，僅用單車速度特征指標(biāo)無法表達(dá)路段的騎行適宜性，因此，需要對(duì)單車速度特征指標(biāo)集計(jì)分析得出路段流量-速度特征指標(biāo)。

基于表1提到的單車速度特征指標(biāo)，從路段的角度考慮，如果路段上車輛騎行速度的一致性較高，則路段的騎行適宜性更好。因此，對(duì)單車速度指標(biāo)計(jì)算均值、分位數(shù)及標(biāo)準(zhǔn)差等指標(biāo)，以獲取路段流量-速度特征指標(biāo)，如表2所示。

表2 路段流量-速度特征指標(biāo)

2.2 分時(shí)段的路段騎行適宜性評(píng)價(jià)的必要性分析

對(duì)共享單車開鎖時(shí)間進(jìn)行統(tǒng)計(jì)，結(jié)果顯示工作日共享單車的出行量呈現(xiàn)明顯的“高峰-平峰”特征，早高峰為7—9點(diǎn)，晚高峰為17—19點(diǎn)，平峰采用白天出行量最少的兩個(gè)小時(shí)——10點(diǎn)到12點(diǎn)。

對(duì)三個(gè)時(shí)段的路段流量-速度特征指標(biāo)（共14×3個(gè)）進(jìn)行多元方差分析，結(jié)果顯示，對(duì)于早高峰、晚高峰、平峰的時(shí)段劃分的統(tǒng)計(jì)學(xué)檢驗(yàn)結(jié)果顯示P＜0.001，證明早高峰、晚高峰和平峰三時(shí)段對(duì)各項(xiàng)指標(biāo)取值差別有統(tǒng)計(jì)學(xué)意義，說明不同時(shí)段的路段流量-速度特征存在差異。高峰出行和平峰出行的出行目的不同，且早高峰和晚高峰光線條件的不同，對(duì)騎行行為會(huì)出現(xiàn)較大影響，因此后續(xù)在構(gòu)建路段騎行適宜性體系的時(shí)候應(yīng)該分時(shí)段構(gòu)建。

2.3 分時(shí)段路段騎行適宜性評(píng)價(jià)模型構(gòu)建

通過Spearman相關(guān)性研究發(fā)現(xiàn)各路段流量-速度特征指標(biāo)之間不是相互獨(dú)立的，考慮采用因子分析提取出14個(gè)路段流量-速度特征指標(biāo)的公因子，作為評(píng)價(jià)因子，使用KMO檢驗(yàn)和Bartlett球形檢驗(yàn)對(duì)早高峰、晚高峰和平峰的路段流量-速度特征指標(biāo)進(jìn)行分析，結(jié)果顯示均通過了檢驗(yàn)，可以進(jìn)行因子分析，且結(jié)果是有效的。

（1）早高峰路段騎行適宜性評(píng)價(jià)模型

經(jīng)過最大方差法做因子旋轉(zhuǎn)后，可得旋轉(zhuǎn)后的因子荷載矩陣，分析矩陣結(jié)果可得4個(gè)公因子，分別為早高峰速度因子（Fms），主要反映路段軌跡的速度水平；早高峰速度波動(dòng)因子（Fmsv），主要反映路段軌跡速度的波動(dòng)性；早高峰干擾因子（Fmv），主要反映路段流量和突然加減速行為；速度異質(zhì)性因子（Fmb），主要反映路段騎行行為的一致性和路段絕對(duì)加速度的情況。利用回歸法可得各因子的得分系數(shù)矩陣如表3所示。

表3 早高峰路段騎行適宜性評(píng)價(jià)因子得分系數(shù)矩陣

依據(jù)各個(gè)因子旋轉(zhuǎn)平方和載入后的方差貢獻(xiàn)比重，可以計(jì)算出各因子的綜合得分，即早高峰路段騎行適宜性指數(shù)（MPRS），其權(quán)重為因子對(duì)應(yīng)方差貢獻(xiàn)率比例。

其中因?yàn)樵绺叻逅俣炔▌?dòng)因子（Fmsv）、干擾因子（Fmv）和速度異質(zhì)性因子（Fmb）為反因子，即路段速度波動(dòng)性越大，路段流量越大，路段騎行行為越不一致，路段騎行適宜性越低，因此權(quán)重應(yīng)取相反數(shù)。早高峰路段騎行適宜性評(píng)價(jià)模型如下：

（2）晚高峰路段騎行適宜性評(píng)價(jià)模型

和早高峰路段騎行適宜性評(píng)價(jià)的思路一致，經(jīng)過因子分析后，選用四個(gè)因子為騎行適宜性評(píng)價(jià)因子，分別為晚高峰速度因子（Fes）、晚高峰速度波動(dòng)因子（Fesv）、晚高峰干擾因子（Fev）和晚高峰速度異質(zhì)性因子（Feb），由此可以得到晚高峰騎行適宜性評(píng)價(jià)因子的得分系數(shù)矩陣如表4所示。

表4 晚高峰路段騎行適宜性評(píng)價(jià)因子得分系數(shù)矩陣

從系數(shù)矩陣中可以看出，晚高峰騎行適宜性評(píng)價(jià)因子的系數(shù)與早高峰有所不同，說明不同時(shí)段的路段騎行適宜性評(píng)價(jià)機(jī)理與模型有所不同。同理，依據(jù)各個(gè)方差貢獻(xiàn)率比例可以得到各因子所占的權(quán)重，構(gòu)建晚高峰路段騎行適宜性評(píng)價(jià)模型，即晚高峰路段騎行適宜性指數(shù)（EPRS）可以按如下公式計(jì)算：

（3）平峰路段騎行適宜性評(píng)價(jià)模型

利用上述分析方法對(duì)平峰路段騎行適宜性進(jìn)行分析，結(jié)果顯示4個(gè)公因子和早、晚高峰有些差異，分別為平峰速度波動(dòng)因子（Fosv），主要反映路段騎行速度的波動(dòng)；平峰速度因子（Fos），主要反映路段騎行的速度水平；平峰干擾因子（Fov），主要反映路段流量和事件；平峰加速度因子（Foa），主要反映路段平均絕對(duì)加速度。說明平峰時(shí)路段車輛的騎行特征確實(shí)與高峰有所不同，其中ocvavg在因子中的影響不明確，這可能因?yàn)樵谄椒鍟r(shí)段，路段非機(jī)動(dòng)車流量較低，騎行較少受到車群的約束，共享單車在同一路段上的騎行行為較為隨機(jī)，受到騎行者自身特征的影響。平峰騎行適宜性評(píng)價(jià)因子的得分系數(shù)矩陣如表5所示。

表5 平峰路段騎行適宜性評(píng)價(jià)因子得分系數(shù)矩陣

依據(jù)各個(gè)平峰騎行適宜性評(píng)價(jià)因子的方差貢獻(xiàn)率比例可以建立平峰路段騎行適宜性評(píng)價(jià)模型，即平峰路段騎行適宜性指數(shù)（OPRS）可以按如下公式計(jì)算：

2.4 路段騎行適宜性指標(biāo)體系

路段騎行適宜性評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)框架如圖2所示。

圖2 路段騎行適宜性評(píng)價(jià)體系

通過繪制路段騎行適宜性指數(shù)的累計(jì)分布曲線結(jié)果顯示MPRS、EPRS和OPRS的分布十分接近，說明各時(shí)段的路段騎行適宜性指數(shù)具有一致性，可以通過統(tǒng)一的標(biāo)準(zhǔn)對(duì)路段騎行適宜性進(jìn)行分級(jí)。

為方便模型的應(yīng)用，本文邀請(qǐng)了三位慢行交通領(lǐng)域的專家對(duì)研究路段的騎行適宜性進(jìn)行打分，由此對(duì)路段騎行適宜性指數(shù)進(jìn)行分級(jí)。研究人員為專家提供路段的街景圖片、路段機(jī)動(dòng)車流量和各項(xiàng)路段流量-速度特征指標(biāo)，給予專家一張?jiān)u分卡片，要求其對(duì)不同路段展示出的路段騎行適宜性進(jìn)行打分，共分為4個(gè)等級(jí)：優(yōu)、良、中、差。結(jié)合專家評(píng)估結(jié)果和各時(shí)段路段騎行適宜性指數(shù)的分布特征，可得路段騎行適宜性的分級(jí)標(biāo)準(zhǔn)（見表6）。

表6 路段騎行適宜性分級(jí)標(biāo)準(zhǔn)

3 模型應(yīng)用

本次模型應(yīng)用按照共享單車數(shù)據(jù)范圍，選擇一片較大規(guī)模的路網(wǎng)，共計(jì)1 335條道路路段。在進(jìn)行地圖匹配后，計(jì)算單車速度特征指標(biāo)，集計(jì)分析路段流量-速度特征指標(biāo)，基于系數(shù)矩陣計(jì)算各時(shí)段的路段騎行適宜性評(píng)價(jià)因子，代入相應(yīng)時(shí)段的路段騎行適宜性評(píng)價(jià)模型中，即可獲得對(duì)應(yīng)路段的騎行適宜性指數(shù)。根據(jù)路段騎行適宜性的分級(jí)結(jié)果，繪制各時(shí)段的騎行適宜性地圖，如圖3、圖4、圖5所示。結(jié)果顯示，在上述路段范圍內(nèi)的不同時(shí)段內(nèi)約有20%的路段騎行適宜性為差，26%的路段騎行適宜性為中，31%的路段騎行適宜性為良，23%的路段騎行適宜性為優(yōu)。說明需要對(duì)46%的道路路段進(jìn)行改善提升。

圖3 早高峰的路段騎行適宜性地圖

圖4 晚高峰的路段騎行適宜性地圖

圖5 平峰的路段騎行適宜性地圖

路段騎行適宜性地圖的應(yīng)用可以包括以下幾個(gè)方面：

（1）協(xié)助交通規(guī)劃設(shè)計(jì)師發(fā)現(xiàn)路段騎行適宜性不良的路段，對(duì)非機(jī)動(dòng)車交通設(shè)施進(jìn)行合理的改善。對(duì)于高峰和平峰路段騎行適宜性均為差的路段需要重點(diǎn)關(guān)注。如圖6所示的雙陽路和眉州路，早高峰、晚高峰和平峰的路段騎行適宜性均為差，從街景反映的道路非機(jī)動(dòng)車交通設(shè)施可以看出，這兩條道路均未設(shè)置非機(jī)動(dòng)車道，機(jī)非處于混行狀態(tài)。而且道路兩側(cè)均為居民區(qū)，居民出行需求較大，但人行道狹窄，行人時(shí)常會(huì)在機(jī)動(dòng)車道上行走，導(dǎo)致非機(jī)動(dòng)車騎行時(shí)不僅要避讓機(jī)動(dòng)車還需避讓行人，騎行適宜性很差，因此需要對(duì)道路進(jìn)行改善。

圖6 雙陽路（上）和眉州路（下）街景示意圖

（2）道路管理者可以借助地圖實(shí)時(shí)監(jiān)控道路的非機(jī)動(dòng)車設(shè)施的運(yùn)行情況，有助于交通設(shè)施管理。對(duì)高峰時(shí)期路段騎行適宜性為紅的路段需要對(duì)其進(jìn)行流量的疏導(dǎo)，特別需要關(guān)注機(jī)非間非物理隔離的路段，降低機(jī)非之間發(fā)生沖突的概率。

（3）路段騎行適宜性地圖可以用于非機(jī)動(dòng)車的路徑誘導(dǎo)。現(xiàn)有的非機(jī)動(dòng)車路線推薦形式較為單一，主要以出行距離最短作為路徑推薦的依據(jù)，缺少對(duì)于路段騎行適宜性的關(guān)注。在今后的研究中，路段騎行適宜性可以作為出行路徑推薦時(shí)的重要指標(biāo)，成為路徑推薦的依據(jù)之一，優(yōu)化傳統(tǒng)推薦模式，為不同時(shí)段出行的騎行者推薦騎行適宜性最優(yōu)的路徑。

4 小 結(jié)

本文基于共享單車軌跡數(shù)據(jù)提取海量高頻的速度特征參數(shù)，計(jì)算路段速度特征參數(shù)，識(shí)別關(guān)鍵評(píng)價(jià)因子，構(gòu)建路段騎行適宜性評(píng)價(jià)模型，建立一套科學(xué)、合理、全面、可操作的城市道路路段騎行適宜性評(píng)價(jià)體系，打破以往研究數(shù)據(jù)精度與數(shù)據(jù)規(guī)模的限制，方便進(jìn)行大規(guī)模的路網(wǎng)評(píng)價(jià)，對(duì)非機(jī)動(dòng)車出行通道的規(guī)劃設(shè)計(jì)、提高非機(jī)動(dòng)車的出行比例、促進(jìn)城市交通可持續(xù)發(fā)展有重要意義。