（交通运输规划与管理专业论文）基于客流走廊的快速公交需求分析方法研究.pdf

摘要 摘要 发展快速公交对提高公交服务水平，改善居民出行质量有着至关重要的作用。但目前城市快速 公交系统的规划决策尚缺乏快速公交客流需求分析理论方法的指导，迫切需要开展相关研究，以提 高决策的科学性。 本文在总结已有研究成果的基础上，以交通规划理论和系统工程理论为基础，针对快速公交走 廊的需求特征，建立了由快速公交走廊识别快速公交走廊转移客流分析快速公交分担率预测三步 式的客流分析方法。 首先结合快速公交走廊的基本特征，提出快速公交走廊需求分析的总体思路，完善了走廊识别 的两步聚类法，并以常州市快速公交走廊识别为例，进行了分析和应用，验证了两步聚类法的有效 性及实用性。 然后探讨了快速公交走廊的影响区范围。从转移客流的特性着手，以快速公交走廊影响区内的 交通出行者为研究对象，提出了转移客流的分析方法，给出了用于快速公交走廊客流分析的s t a t e d p r e f e r e r l c es u r v e y ( s p ) 和r e v e a l e dp r e f e f e n c es u r v e y ( i 冲) 联合调查方法，设计了常州市快速公交客 流特性调查方案并进行了实地调查，获取了1 8 6 5 条有效数据，为快速公交分担率预测模型的建立 奠定了基础。 最后，利用常州市快速公交客流特性调查和意向调查数据建立了基于客流走廊的快速公交客流 分担率预测多项l o g i t ( m l ) 模型，并分析了常州市快速公交分担率情况。 本文所提出的快速公交三步式客流分析方法，能够适应我国城市规划建设快速公交系统的实际 情况，可为城市快速公交系统规划决策提供理论支持。 关键词；城市快速公交；客流走廊：转移客流；分担率预测 a b s t r a c t a b s t r a c t t h ed e v e l o p m e n to fb u sr a p i dt r a a s i t ( b r t ) i so fg r e a ts i g n i f i c a n c et or a i s ep u b l i ct r a n s p o r ts e r v i c e l e v e la n di m p r o v et h et r i pq u a l i t yo fr e s i d e n t s i nv i e wo fl a c k i n gt h et r a f f i cd e m a n da n a l y s i sm e t h o do f b r t , i tc a nn o ta c h i e v et h ed e s i r e dr e s u l t s t h e r e f o r et h e o r e t i c a lr e s e a r c hr e l a t e dt ob r th a sb e c o m eo n eo f u r g e n tp r o b l e m si nt r a n s p o r t a t i o ne n g i n e e r i n g ，w h i c hw i l lm a k et h ed e c i s i o nr e a s o n a b l ea n de n s b r et h e f u n c t i o n so f b u s r a p i dt r a n s i t b a s e do nt h es u m m a r i z a t i o no fe x i s t i n gr e s e a r c hr e s u l t s ，t h i sp a p e rc a r r i e so nt h ed e m a n da n a l y s i s r e s e a r c ha b o u tb r tf r o mp a s s e n g e rc o r r i d o rr e c o g n i t i o n ，t r a n s i t i o nf l o wa n a l y s i sa n ds h a r er a t i op r e d i c t i o n t h et h e o r yo fs e v e r a ld i s c i p l i n e ss u c ha st r a f f i ce n g i n e e r i n g , c l u s t e ra n a l y s i sa n dd i s a g g r e g a t ew i l lb ea l s o u s e dt oe s t a b l i s ht h r e e s t e pa n a l y s i sm e t h o df o rb u sr a p i dt r a n s i t f i r s t l y , b a s e do nb a s i cc h a r a c t e r i s t i c so fp a s s e n g e rc o r r i d o lt h i sa r t i c l eg i v e st h eg e n e r a lr e s e a r c h t h o u g h t , t h e np u t sf o r w a r dam e t h o df o rr e c o g n i z i n gt h ep a s s e n g e rc o l l r i d o rw h i c hi sp r o v e dt ob em o r e e x c e l l e n tp r a c t i c a la n de f f e c t i v eu n d e rt h ea s s i s t a n c ef r o mf o u r - s t a g ep r e d i c tm e t h o da c c o r d i n gt ot h e a c h i e v e m e n t so fc o r r e l a t e ds t u d i e sb o t ha th o m ea n da b r o a d s e c o n d l y , a f t e rt h e o r e t i c a ld i s c u s s i o no nt h ei m p a c t i n gs c o p eo fb r tp a s s e n g e rc o r r i d o r ，t h i sp a p e r p r o p o s e st h ea n a l y s i sm e t h o do ft r a n s i t i o nf l o wb yu s i n gr e v e a l e dp r e f e r e n c ea n ds t a t e dp r e f e r e n c es u r v e y t a k i n gt h et r a v e l e r sw i t h i nt h ei n f l u e n c ea r e ao f b r ta st h er e s e a r c ho b j e c t , w h i c hl a yat h e o r yf o u n d a t i o no f s t u d y i n go ns h a r er a t ea b o u tb u sr a p i dt r a n s i t f i n a l l y , t h i sp a p e rs t u d i e so nt h el o g i s t i cm o d e lc o m b i n e dw 曲p a s s e n g e rc o r r i d o r t h es h a r er a t e m o d e li se s t a b l i s h e da f t e rr e s e a r c h i n gb r ti nc h a n g z h o ua n dt h ep a r a m e t e r so nt h em o d e li se s t i m a t e d t h er e s e a r c ha c h i e v e m e n t sa b o u tt h et h r e e s t e pa n a l y s i sm e t h o d so fb r tw h i c hb a s e so nt h e o r yo f t r a f f i ce n g i n e e r i n ga n ds y s t e me n g i n e e r i n gc a nb eh e l p f u lt od e c i s i o n m a k i n ga tm a c r o s c o p i cl e v e l m e a n w h i l e ，t h e s ea c h i e v e m e n t sp r o v i d eg r e a ts u p p o af o rd e c i s i o n - m a k i n go fb r t k e yw o r d s ：u r b a nb u sr a p i dt r a n s i t ；p a s s e n g e rc o r r i d o r ；t r a n s i t i o np a s s e n g e rf l o w ；s h a r i n gr a t e f o r e c a s t i n g i i 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而 使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确 的说明并表示了谢意。 研究生签名： 衄日期：华r 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文 的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档 的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借 阅，可以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东 南大学研究生院办理。 研究生签名：嗵导师签名：啦日 期： 咩、s 第一章绪论 1 1 研究背景 第一章绪论 优先发展公共交通是解决当前中国城市交通问题的必由之路，加快建设集常规公交和轨道交通 优势于一身的快速公交系统已成为社会各界的共识。然而，通过对快速公交系统的分析发现，目前 国内的研究都集中在快速公交的技术特点或者与其他各种方式的对比上，导致一些城市的快速公交 规划建设带有一定的盲目性。同时，随着快速公交系统的提出、建设到投入运营，对快速公交适应 条件的把握不清，对快速公交客流需求分析把握不准，对道路资源约束下快速公交的配置研究处于 空白，使得快速公交的线网规划及设计受到了严重的影响，从而保证快速公交发挥最大的运营效率 任务愈加艰巨。快速公交服务于客流走廊，建成后无法发挥事先预想的效益，主要原因在于缺乏指 导快速公交客流特点与预测分析的理论方法。因此，本文依托高等学校博士学科点专项科研基金： 城市快速公交系统规划决策理论与技术研究( 学科代码：5 8 0 9 9 ) ，深入研究建立由快速公交走廊 识别快速公交走廊转移客流分析快速公交方式分担率预测，三步式客流分析的新方法，将会提高 决策阶段的合理性。且使得设计有据可依。 快速公交走廊的分析主要从快速公交走廊的识别、快速公交走廊转移客流分析以及快速公交方 式分担率三个方面来展开，运用的方法主要包括两步聚类法、r p & s p 调查法、四阶段模型等。首 先以传统四阶段法所得的o d 矩阵为基础，运用两步聚类法，寻找城市快速公交走廊；然后运用 r p & s p 调查法，以快速公交走廊影响区内的交通出行者为研究对象，分析快速公交走廊转移客 流；最后，建立快速公交分担率模型。如何采取有效的方法对快速公交走廊进行识别，如何提高转 移客流及快速公交分担率的准确预测，已得到越来越多的学者的关注。然而，从目前的研究状况来 看，对于走廊的识别，大多数侧重于区域之间的运输走廊以及城市轨道交通走廊的分析；对于转移 客流及分担率的研究，多数着重于模型的建立和改进。而对于快速公交走廊的研究没有形成一套系 统、全面的技术方法，使决策部门在加快推进快速公交的建设时缺乏有效的、可靠的技术指导。 总之，快速公交走廊客流特点既有城市客运需求分析的一般特点，又有其自身的特殊性，且不 同的快速交通系统模式供给特征与客流的影响也存在较大的差异。在上述背景下，为了提供建设快 速公交系统的决策理论基础，本文对快速公交需求理论及方法进行一些研究，为快速公交客流分析 提供简捷而又有效的方法。 1 2 国内外研究现状 1 2 1 国外研究和应用概况 1 、对城市客流走廊的研究 1 9 6 9 年，美国学者w h e b e l l l lj 提出了城市系统走廊理论，文中指出交通走廊是在交通运输系统 发展到一定阶段才产生的，交通基础设施是交通运输走廊形成的基础，并且走廊的形成具有强烈的 线路依赖性，是主要交通线路的集结地。 1 9 9 7 年，加拿大学者a f a n d i z a d e hz a r g a r i 和s h a h r i a t l 2 1 ，以降低出行时间和节约能源的消耗为 目的，对城市交通走廊内各种运输方式进行了整合优化研究，提出了基于运输需求与供给之间相互 作用的方法与模型，最后以渥太华卡勒顿之间的走廊为例，根据选择的参数对走廊内的出行进行 了模拟。 1 9 9 7 年，澳大利亚学者d a v i da h e n s h e r l 3 l ，对悉尼堪培拉的交通运输走廊进行了研究，发现 当地居民的商务出行主要选择航空运输，而非商务出行主要选择汽车运输。随着快速轨道交通新交 通方式的引入，人们的出行行为将发生改变，h e n s h e r 对此进行了研究，建立了模型估计交通运输 l 东南大学硕士学位论文 走廊内各种交通运输方式的市场份额。 2 0 0 1 年，美国马里兰大学c h a n g ，l l i o o n l 4 l 博士提出了基于静态交通量分配方法的网络模型， 对区域交通运输走廊内存在竞争的交通方式比例进行了估计。并以韩国的n w - s e 交通运输走廊为 例进行了分析。同年，b o r t h w i c k ，r b r u c e t 5 l 对w a s h i n g t o n - b a l t i m o r e 走廊内乘客的多式联运进行了 研究。 2 、对转移交通量的研究 对转移交通量的研究主要集中在公路及铁路等交通运输线路，美国、英国、加拿大都有现成的 交通转移模型，考虑的因素主要是成本、舒适性、行程时间等。有的学者认为1 6 】，若两种运输方式 的运价相差不大，则影响旅客选择运输方式的主导因素为送达时间或送达速率。因此可用两种运输 方式的运价差、送达时间差为白变量，建立模型为：p = f ( a c ，a t ) 。其中p 为转移百分比，根 据远景年的预测值，两者相乘可得出转移交通量。 3 、对方式划分的研究 方式划分模型主要包括集计模型( a g g r e g a t em o d l e ) 和非集计模型两种。非集计模型通常采 用线性回归、类型分析和基于统计数据的转移曲线法等。集计模型存在很多的缺点，为了保证精 度，需要相当大的样本容量：在数据处理中没有充分利用个体特征( 个人社会经济特征和家庭特征 等) 与交通方式选择决策之间的内在关系；对数据挖掘不充分，利用率较低。 非集计模型最早研究的是w a r n r ，l e r m a n 等人，提出了效用最大化理论：1 9 7 5 年d o m e n n c i c h 在效用最大化理论基础上提出了离散选择模型，根据其中概率分布函数的差别，分为l o g i t 和 p r o b i t 模型。1 9 7 9 年，针对多元l o g i t 的不足，又提出了许多改进模型，如g e r k e n 提出广义l o g i t 模型。非集计方法以单个出行者为研究对象，在理论上较为符合人的选择的一般特点。相对集计而 言，非集计模型虽复杂，但是要求数据量小、预测精度高、解释性较好，且具有较强的时空移植能 力。 f r a n ks k o p p e l m a n 在( a l t e m m i v en e s t e dl o g i tm o d e l s ：s t r u c t u r e ，p r o p e r t i e sa n de s t i m a t i o n 7 1 及 t i l eg e n e r a l i z e dn e s t e dl o g i tm o d e l s j q 】对非集计n l 模型进行了详尽的研究，涵盖了n l 研究的 所有重点。在基于非集计模型的调查上，国外学者主要寻求了r p 和s p 数据的融合，取长避短， 弥补了r p 数据的缺陷。常常用于道路交通安全p i 、交通环境污染、驾驶员路径选择等。 1 2 2 国内研究和应用概况 l 、对城市客流走廊识别研究研究 ( 1 ) 两步聚类法 东南大学范东涛 鱼兰+ 当，即d 垫二生+ 晏时，即d 刍二生+ 晏时，i l pd 鱼 鱼+ 委时，即d 2 ( 叱一d l 一吐) j 式中：岛- - i 点与j 点之间的向量至聚类中心的距离； 口叫点与j 点之间的向量与聚类中心的夹角： d 1 点与j 点之间的向量在聚类中心上的投影； d l ，d 2 - - i 点，j 点至聚类中心的距离。 3 、确定新的聚类中心 ( 3 - 4 ) 在完成按“距离最小”原则归类后，面临着如何将每一类中的变量进行合并，产生新的聚类中 心的问题。这种合并主要解决两个问题：一是合并后新的聚类中心的位置确定；二是合并后新的聚 类中心大小的确定。 新聚类中心位置 在规划区内，运输流向比较明确，特别是规划区范围呈狭长地带，或运输集散中心比较明确， 可采用力多边形求合力的方法，以运量n 、周转量q 或行程时间为权，则合力方向即为道路的干 线方向伫7 1 假设样本l 的起、终点坐标为似，少；) 和，y j ) ，样本2 的起、终点坐标为g ? ，订) 和 b ；，巧) ，运用力多边形求和的方法，如图所示，取样本的“权”，即力的大小为q ；和踢，所得新 的聚类中心坐标为k ，y fj ，b ，y ) 。 哼，_ r 兰兰量三， 钾，卯) ；嬲点要：圣= ) “。只) 卜一 一) 钙一) 图2 2 力多边形法 东南大学硕士学位论文 髓始鬟2馋1二黜2(3-6)y【，= 鳞+ y ；踢) 恸+ 踢) j 新聚类中心的大小 同上，可得合力的大小为： 岛= 慨) 2 + 惦) 2 + 2 0 o zc 嗽( 3 - 7 ) 4 、迭代终止目标函数一重心法 基本思想 动态聚类重心法，又称k - m e a n s 法f 2 0 】，即l c 均值法。其基本思想是：动态聚类时，每一类都有 它自己的重心或平均数，合理的分类应使每个样本与所属类的距离，或者聚类的中心点距离均为最 小。因此，需要计算每一个样本与其所属类的重心之间的距离，以及距离最近的类的重心之间的距 离，不断的进行迭代，直至每个样本归并至与重心的距离为最小的那个类为止。 重心法优点 重心法最早由m a c q u e e n p 0 1 名e1 9 6 7 年提出，具有较高的知名度，很多使用者直接使用该方法 进行聚类。该方法易于编制计算机程序，计算的占机时间也较短，一些统计分析软件如s a s 、 m a t l a b 、s p s s 、d p s 中包含了重心法聚类的模块，在s a s 中称为f a s tc l u s t e r ，在_ l a t l a b 中命令 首先，按照先前中间聚类得到的类组，假设将力个样本一【f = 1 , 2 ，z ) ，分成了g 个类 g p 扫= 1 , 2 ，g ) ； 第二，计算每个类g 尸的重心，z ，= 【1 刀p 疋( 乙为每一类的向量总数) ； 第三，计算每个样本_ 与石，之间的距离，定义为：= i 一一i 一砩 第四，取m i i l d 三为标准对样本进行易位，得到第一轮分组。 之后的每一轮都以前一轮的易位为基础，重复以上步骤，当前后两轮的重心相吻合或偏离很小 时结束分类1 2 他2 1 。 至此，动态聚类结束。 2 3 4 系统聚类法 2 3 4 1 系统聚类法基本思想 动态聚类结束时，我们得到的是5 o d 对总数的聚类中心，即当交通区划分为3 0 时，那么动 态聚类最终的聚类中心数量为2 0 - - 2 5 条。而通常情况下，一个城市不会存在数量较多的交通走 廊。因此，接下来要解决的是如何将数十条聚类中心合并，以及合并为多少合适的问题。即系统聚 类法聚类时的一个主要问题：聚成多少类合适。系统聚类的原则是，在各类样本尽可能相似的前提 下使得各类的数量尽可能的减少。 2 3 4 2 系统聚类判别统计量 聚类数量的判别需要用到统计量，利用统计量，可以在一定程度上判别聚类的个数。包括： r s q 统计量、半偏相关统计量、伪f 2 统计量。下面将一一进行介绍。 1 2 分争 鲸踢 + + 臌臌踢谚 # 订 + + 诺踢 似 = i i 而 ” 第二章快速公交走廊识别研究 l 、r s q 统计量 r s q 统计量可以评价每次合并时的聚类效果，r s q 的值与分类的数量成正i t ；，即随着分类数的 减少而减少。当n 个样本各自为一类时，r s q = i ：当1 1 个样本最后合并为一类时，r s q = o 。聚类的判 别可以从r s q 数值的变化中获取，即选择r s q 的数值显著减少的上一个分类数目。 设类的个数是七，g f 类中样本数量为疗，则g 类的类内离差平方和为： s ，- - e ( 一一毛) r ( x ，一而) ，s , f 选d 、，表示样本越相似，定义，只= e s ，； 设类的个数为k ，k 类所有样本数量为m ，那么所有样本的总离差平方和为： =薹，一r(x,-；ome ( x - x ) - x ) = 喜10 而一；8 2 ，其中三= 丢喜x ，； = ， r ( = 忙一工| i ，其中x = 圭 f = l扛hh ，i l = l 因次，r s q 统计量定义为： r s q = 1 一( 3 - 5 ) 2 、半偏相关统计量，s p r s q 设类g ，和g q 的离差平方和分别是：s ，：( t 一三，) rx i - - ；p ) ：4 x l - - ；，| | 2 ， l e g j e g i i i i s 。= ( t x 。) r ( 而一x ，) = 0 x ，一x - 8 ； f e g 口 f e ( l i i 设g ，和g g 合并成g ，时，离差平方和为：母：( 五一；，) r ( 薯一；，) ：0 x l - - ；，0 ，其 legtegii i i 中， g ，= q u q ，体= + ，暑= 兰学，合并后的离差平均和的增量为： = 母一& 一& = i n p n q 坼- 一机一珏n 叫, n ql l ；p 爿； 因此，半偏相关统计量s p r s q 为： s p r s q ： 说明：s p r s q 统计量是r s q 的差值，其值与聚类数量成反比， 好。 3 、伪f 2 统计量 ( 3 甸 数值越大，表明聚类效果越 p s t 2 ：竖(3-7) ( q + s 。) 么+ 一2 ) 当p s t 2 值越大时，表明g 。和g 。合并的组g ，其离差平方和的增量相对于原组( g 。和 g 。) 的离差平方和大，也就是说g 。和g 。两类之间的距离较远，聚类效果不好，不能合并；反 之，当当p s t 2 值越小时，说明组g ，离差平方和的增量比原组要小，因此其两类可以合并，聚类 效果较好。 根据聚类判别，可以得到合适的聚类数量，然后根据前面提到的方法计算新聚类中心之间的 “距离”，并运用力多边形法将相似的聚类进行归并，最终得到城市客流走廊主流向。 1 3 东南大学硕士学位论文 2 3 5 识别技术路线 本文以交通区中的客流o d 分布为对象，运用动态聚类和系统聚类相结合的方法，确定城市客 流走廊的走向及其流量的大小。算法流程如图2 3 所示。 图2 3 算法流程 2 3 6 两步聚类法需要说明的问题 两步聚类法分别结合了动态聚类和系统聚类的优点，动态聚类法的优势在于事先选定初始聚类 中心，并按照一定的原则不断的进行迭代，直至满足目标函数。系统聚类的优势在于它可以图解显 示不同类别间的相似关系，以及类内样本的关系。由于不需要凭借经验制定初始分类，聚类结果不 受主观判断的干扰，选择一定的方法必将得到唯一的结果。在不同的聚类阶段使用不同的聚类方 1 4 第二章快速公交走廊识别研究 法，使其在每个阶段发挥更好的数据处理功能。 但是，其本身也存在着局限性。动态聚类分析方法略显单调，对于分布复杂或者数据较多的分 类对象，有些算法可能会得到不可靠或不稳定的结果。而系统聚类法在距离的定义方面也显示这种 单调性，对于复杂的数据的分析依赖于使用的方法，不同的方法得到的结果会有较大的差异。 2 4 实例分析 2 4 1 常州市概况 2 4 1 1 城市概况 常州位于长江三角洲北翼，是苏锡常都市圈中核心城市之一，同长江三角洲其他1 5 个城市一 样，具有优越的区位条件。根据常州市总体布局规划，常州市将建成为制造业基地、高科技产业聚 集基地，力争发展为苏锡常都市圈商务服务中心之一，长江三角洲区域性物流中心之一，沪宁线旅 游集散中心之一；其综合发展目标为“两大基地，三个中心”。常州市区的结构形态是“一城七 片”。所谓一城是指常州主城区，“七片”指主城外围七个片区，分别是盂河片区、奔牛罗溪片区、 卜弋片区、湟里片区、漕桥片区、洛阳横林片区和横山桥片区。 2 4 1 2 社会经济概况 常州市近几年社会经济发展迅速，国民经济综合实例显著加强，产业结构不断得到调整与优 化，第一产业和第三产业均有巨大的发展，工业产值为1 1 9 5 0 年的4 9 0 倍，形成多门类的工业部门 结构。全市人均g d p 增长目标也从2 0 0 1 年的2 3 8 7 美元，提高到2 0 2 0 年的1 3 1 5 万美元左右。 同时在2 0 0 2 年，国务院正式批准常州市部分行政区划的调整，使得城市规模迅速向外拓展，城市 人口、用地等也逐步发生了很大的变化。 2 4 1 3 用地及道路建设概况 根据常州市总体布局规划，常州市提出建设现代化特大城市的发展目标规划，常州市土地总面 积为4 3 7 5 平方公里，其中市区面积扩大至1 8 6 4 平方公里，建成区面积约为1 1 5 8 平方公里。主城 区主干道有8 3 条，长6 1 6 0 5 公里，约3 0 8 0 2 5 平方公里，占道路总长度的1 1 2 ；主城区现有次 干道1 2 5 条，长约4 0 4 0 7 公里，占道路总长度的7 5 。这些次干路穿插于主干道和之路之间，起 到汇集车流和人流，完善城市道路网的功能。 2 4 2 常州市交通需求分析 2 4 2 1 交通调查 本次交通需求预测数据来源于2 0 0 4 年常州市城市总体规划，因而居民出行o d 调查资料和结 果采用城市总体规划调查资料。根据常州城市规划区域的用地规模、土地利用性质和规划布局特 点，并结合河流、山川、铁路等屏障以及将来车流在交通网上的大致分布情况，同时考虑与人口统 计区域一致，方便调查抽样与数据统计等原则确定交通小区边界。共划分交通小区2 6 8 个，覆盖常 州市五个市辖区：天宁区、钟楼区、戚墅堰区、新北区、武进区，共1 8 6 4 平方公里。 2 4 2 2 交通小区的划分 根据需要，现将2 6 8 个交通小区合并成为3 2 个交通中区，及1 5 个交通大区。具体如图2 q 所 示。 1 5 东南大学硕士学位论文 二k 、，一 ，臻繇。霉 ；，氧0 、尹以p f 雄疑窍辈辫k f 。 謦二谬誓夕 ? 澎氛s ，譬3 嘈 一 l 支 、， ，。；， 。卜，f 、 if o ? 、。弋 ”一| | ! ，”量f 1 ； 图2 4 常州市交通中区及交通大区图 2 4 2 3 生成预测 ( 1 ) 出行总量预测 出行生成预测是对城市各交通小区内的出行发生量和吸引量进行预测。2 0 0 6 年常州市的居民 人均出行次数为2 5 7 次人幸日，暂住人口人均出行次数为2 7 次人日；考虑随着社会经济的发 展，人均出行次数有上升的趋势，规划2 0 2 0 年常州市区人口2 6 8 万人，暂住人口3 2 万人，规划 2 0 2 0 年计算出行的总人口为3 0 0 万人。规划2 0 2 0 年人均出行次数为2 6 8 次从事日，暂住人口人均 出行次数为3 次人日。 ( 2 ) 各交通小区发生量预测 出行生成预测包括出行发生量和吸引量预测，出行发生量预测采用交叉分类中的产生率法，按 不同出行目的确定各交叉类别的出行次数( 次人日) 。 ( 3 ) 各交通小区吸引量预测 吸引总量与发生总量是平衡的，即2 0 2 0 年常州市各交通小区的吸引总量为8 1 4 2 4 万人次 日。出行吸引量预测采用吸引率法，首先根据现状调查资料，经统计计算出各交通小区的出行吸引 量，通过回归分析，求得关联系数；然后建立吸引量与人口、就业岗位间的线性关系。 2 4 2 4 交通分布 居民出行分布预测是以现状o d 调查资料为基础，标定某种形式预测模型的待定参数，然后将 分目的发生、吸引量代入模型计算出o d 分布值。考虑到本次预测范围为整个常州市区，分区相互 之间的联系强度也存在较大差异，因此，本次居民出行分布时在双约束重力模型中加入了双约束之 外的第三维约束，用来控制组团区内出行。 模型结构如下： 乃= a , p , b - ，4 f ( 4 ) 约束于：乃= 只，乃= 4 ：厂( 办) = 呜叫 ， l 式中： 1 6 第= 章快速公空走廊识别研究 瓦一由交通小区i 发生并吸引至小区，的出行量：鼻一交i l , l 、区i 的发生量： a j 一交通小区j 的吸引量；f c d g ) 一阻抗函数 或交通小区i 与交通小区，间的出行教用；d 一特定参数。 应用重力模型预测出交通大区的出行分布利用t r a n s c a d 软件统计出各交通大区的出行分 布情况及2 0 2 0 年出行o d 期望线。如图2 - 5 所示本章中数据来源于“常州城市总体规划”。因此在 这里不再具体说明 j 、誊东 j 一隧 声j 一。t ! 蓉 ，。，? 、二3j 黑累黔 ，j ，1b l ：! ：= 。j 一一0 i 些孑 ”- ；一。 、【| l k 一； 、7 ! ：! 图2 52 0 2 0 年常州市交通分布及o d 期望线图 2 4 3 常州市快速公交客流走向分析 本狄城市客流走廊走向是以常州市为研究对象所需o d 数据来自2 0 0 0 年常州总体规划。文 中将常州2 0 8 个交通小区进行了两次合并，首先合并为3 2 个交通中区其次合并成1 5 个交通大 区井咀交通大区为依据分析城市客流走廊走向。 2 43 1o d 初始聚类 l 、选取初始聚类中心 已知未来年2 2 0 年出行o d 矩阵； 生成距离矩阵。应用t r a n s c a d 将地图打开，点击主菜单中的t o o l s ，再点击t o o l s 菜单中的 g e o g r a p h i ca n a l y s i s ，然后点击d i s l a n c em a t r i x ，屏幕上便显示距离矩阵的对话窗口点击 o k ，即可得到每个交通大区重心之间的距离； 计算交通周转量。根据公式( 3 1 ) 交通周转量为i 点与j 点之间流量和距离的乘积将两 个矩阵相乘，即可得到交通周转量矩阵： 选取1 5 个初始聚类中心。将交通周转量进行排序，选择最大的作为初始聚类中心。在出行 分布矩阵中得到了1 5 1 5 = 2 2 5 个o d 对，按熙5 左右的比例选取聚类中心，即选取1 5 个 表2 - 1 初始聚类中心 m d 1 d q呱g ( o ，d ) 矗o d u乌 ( 1 , 6 ) 1 04 28 2 0 3 18 5 4 7 7 2 ( 1 ，4 ) 1 0o l4 4 1 9 04 4 2 3 4 6 0 ，1 ) h ，1 ) ( 1 ，5 ) ( 1 l ，” ( 1 ，3 )( 1 ，1 1 ) 东南大学硕士学位论文 ( 6 ，1 ) 1 0 4 26 8 3 3 7 7 1 2 0 8 l ( 5 ，9 ) i o 7 22 4 3 8 72 6 1 4 3 9 ( 3 ，1 ) 5 5 21 2 0 9 9 06 6 7 8 6 8 ( 9 ，5 ) 1 0 7 2 2 3 3 2 92 5 0 0 8 9 ( 2 ，1 ) 6 9 l8 8 9 5 9 6 1 4 7 1 2 ( 4 ，3 ) 7 6 33 2 1 8 0 2 4 5 5 3 7 ( 1 ，2 ) 6 9 i8 7 7 8 36 0 6 5 8 5 2 、聚类相似系数 赋予起点、讫点坐标。在t r a n s c a d 中将其导出，点击主菜单中的t o o l s ，再点击t o o l s 菜单 中的e x p r o t ，出现e x p r o tg e o g r a p h y 对话框，在d a t af i e l d 中选择i d ，o p i n i o n s 中选中e x p o r t 笛 c e n t r o i dp o i n t s ，点击o k ，即可得到每个交通大区中心点的坐标，如表2 2 所示； 表2 2 交通大区坐标 坐标 坐标 x y x y 交通大区 交通大区 11 1 1 0 2 3 7 3 2 1 5 0 6 2 0 3 49l l l 0 1 8 6 4 71 4 8 9 6 2 4 4 21 1 0 9 6 5 5 4 1l5 0 8 8 6 2 7 l o1 l1 1 0 2 3 3 51 4 8 1 3 9 6 0 3l l1 0 5 6 3 7 4 1 5 1 0 0 3 5 4l ll l1 0 0 6 9 9 0 1 5 2 3 6 6 2 2 4“l o 0 8 1 6 01 51 5 0 7 6 8 1 2l1 0 9 0 6 5 4 51 5 1 6 2 1 9 9 5l l1 0 0 2 8 3 71 4 9 9 1 4 4 9 1 3l1 0 9 1 3 4 5 31 5 2 8 0 5 8 5 6l l1 1 0 8 0 3 61 5 0 1 5 6 9 5 1 4l1 0 8 8 9 4 0 01 5 0 4 4 1 9 0 7l l l l 6 6 6 7 7 1 5 0 9 1 8 9 51 51 1 0 8 4 9 3 9 2 1 4 9 2 9 4 7 7 81 1 1 1 4 6 0 3li4 9 5 4 2 7 3 算 每一个0 d 对与初始聚类中心之间的相似系数。且由于夹角余弦值无法直接求出，需要先计算正切 值，进而求其夹角，最终计算角角余弦，即进行2 2 5 x 1 5 x 5 = 1 6 8 7 5 次运算，最终可以得到一个 2 2 5 x 1 5 的余弦值矩阵： c o s 口1 1 ，c o sc z l 2 ，, c o s s t l s c o s 5 2 1 ，c o s 口2 2 ，；, c o s 5 2 1 5 c o s a 2 2 5 i ，c o s5 2 2 5 2 ，, c o s5 2 2 3 1 5 3 、聚类判别标准 判别公式。根据第三章中聚类判别的标准，基于走廊速度优势的假设，可以得出，当 d 2 ( d i n d i d 2 ) j ，当该次出行并不利用走廊时，即不符 合条件的距离取“0 ”；当该次出行利用走廊时，将其取为“1 ”。由此可以得到一个【o l 】矩阵，将其 与前面得到的余弦值矩阵相乘，计算得出每个o d 对与初始聚类中心的距离。详见附录表i 。 5 、初始聚类 聚类的原理是将与聚类中心之间距离最小或者最接近的归为一类。根据此原理，将前面所得到 1 8 第二章快速公交走廊识别研究 的“距离”进行一次划分。假设走廊均为双行道，那么1 5 个初始聚类中心可以合并为8 个。由此 得到首轮聚类的结果，即每个o d 对都得到了归类。 表2 3 初始聚类结果 类别( 起点，讫点) o d 一( 1 ，6 )( i ，1 3 ) ( 1 ，8 ) ( 8 ，6 ) ( 8 ，1 3 x 2 ，6 x 2 ，1 3 ) ( 2 ，8 ) ( 8 ，3 ) ( 1 3 ，3 ) 二( 5 。1 ) ( 5 ，3 ) ( 9 ，3 ) 三( 1 ，3 )( 5 ，1 5 ) 0 ，1 5 ) ( 1 5 ，3 ) ( 1 4 ，3 x 1 1 ，1 5 ) ( 1 5 ，6 ) 四( 2 ，1 )( 1 ，7 ) ( 1 ，1 4 ) ( 2 ，3 ) ( 1 4 ，7 ) 0 4 ，6 ) ( 2 ，7 ) 五( 1 。4 ) ( 1 0 ，5 x 1 ，1 0 ) ( 4 ，i l ) ( 9 ，1 0 ) ( 1 1 ，6 ) ( 2 ，9 ) ( 1 2 ，5 ) ( 1 0 ，2 ) ( 9 ，1 3 ) ( 1 l ，8 ) 六( 1 1 。1 ) ( 9 ，1 ) ( 1 1 , 3 ) ( 1 l ，5 x 5 ，4 ) ( 1 1 ，2 ) 七( 5 9 ) ( 5 ，1 3 ) ( 2 ，5 ) ( 2 ，1 2 ) ( 1 4 ，9 ) ( 3 ，1 0 ) 八( 4 。3 )( 1 ，1 2 ) ( 3 ，6 ) ( 8 ，7 ) ( 3 ，1 2 ) ( 4 ，6 x 4 ，1 3 ) ( 6 ，9 ) ( 8 ，3 x il ，1 4 ) ( 4 ，1 2 ) 2 。4 3 2o d 新的聚类中心及聚类迭代 1 、新的聚类中心 在完成按“距离最小”原则归类后，面临着如何将每一类中的变量进行合并，产生新的聚类中 心的问题。这种合并主要解决两个问题：一是合并后新的聚类中心的位置确定：二是合并后新的聚 类中心大小的确定。 采用力多边形求合力的方法，以运量n 、周转量q 或行程时间为权，参照公式( 3 5 ) 、( 3 - 6 ) 计算可得新的聚类中心的坐标。 表2 4 新聚类中心坐标 类别 ，y i ) ( x j ，y j ) 周转量 ( 111 0 0 7 2 2 5 3 ，1 5 0 7 6 7 3 3 6 3 )( 11l1 0 1 7 9 7 9 ，1 5 0 1 2 7 2 6 4 8 ) 1 2 4 31 0 2 6 0 2 ( 111 0 0 3 2 9 0 2 ，1 4 9 8 8 7 1 9 7 3 )( 1 1 1 0 2 6 4 9 3 2 ，1 5 0 6 5 2 7 5 4 7 ) 7 7 0 6 9 7 6 6 6 5 ( 11 0 9 6 9 6 6 3 9 ，15 0 2 18 7 8 4 6 ) ( 1 1 1 0 4 5 1 5 3 l ，1 5 0 8 2 4 6 2 1 7 ) 1 0 5 5 2 7 0 。0 1 5 四 ( 1 1 0 9 6 1 2 3 5 2 ，1 5 0 7 5 8 2 7 9 1 )( 111 0 5 1 3 3 7 4 ，1 5 0 6 8 6 9 0 2 9 ) 1 0 6 31 5 1 7 1 5 五 ( 111 0 4 9 3 0 4 ，1 4 9 8 4 7 8 8 0 8 ) ( 1 1 1 0 0 4 7 9 1 4 ，1 5 1 1 7 0 3 2 9 5 ) 7 1 0 9 11 9 5 2 2 六 ( 1 1 1 0 1 0 7 5 6 4 ，1 5 1 9 3 7 0 1 9 1 )( 1 1 1 0 2 2 1 9 7 7 ，1 5 0 2 1 1 3 1 1 5 ) 8 0 7 5 2 7 0 1 5 5 七 ( 1 1 0 9 8 1 1 9 7 5 ，1 5 0 3 7 1 0 3 3 5 )( 1 1 1 0 1 4 8 1 1 7 ，1 4 9 2 2 6 0 3 5 2 ) 4 7 1 9 7 0 7 2 8 6 八 ( 1 1 0 9 9 7 4 5 4 4 ，1 5 1 7 4 8 7 0 7 8 )( 1 1 1 0 5 8 4 7 0 7 ，1 5 0 6 3 3 3 0 9 1 ) 5 7 3 6 5 6 2 2 9 8 2 、聚类迭代 新的聚类中心生成后，按照上述步骤再次进行计算，即进行迭代。在利用迭代算法解决问题 时，需要做好三个方面的工作。一是，确定迭代变量。在本文中，要对新聚类中心的坐标及周转量 进行迭代。二是，建立迭代关系式，所谓迭代关系式是指从变量的前一个值推出下一个值的公式或 关系式。在本文中，聚类的距离即为迭代的关键，通过对相似系数、聚类判别的分析，重新生成聚 类距离。三是，对迭代过程进行控制，即考虑迭代过程的结束。这个过程通常可分为两种情况：一 种迭代次数是个确定的值；另一种迭代次数无法确定。在本文中，迭代次数不是个确定的值，需要 进一步的分析出用来结束迭代过程的条件。 在动态聚类法中，首先选取了交通周转量最大的o d 对作为初始聚类中心，并以此为对象进行 o d 的合并。动态聚类法的优势在于所选取的初始聚类中心中，不会因为丢失主