2016国赛b题推荐国家一等奖4_W

1、关于小区开放对道路通行的影响问题的研究 摘 要 随着城市规划建设管理的进一步工作，小区开放逐渐形成主流态势，然而小区开放后，除去安保问题外，其能否达到优化路网结构，提高道路通行能力，改善交通状况的目的，以及改善效果如何，值得商榷。本文通过以云环境下浮动车道路通行情况为数据支撑，选取合适的评价指标体系，建立基于改进的 BP 神经网络评价模型，以及车辆通行的相关模型为主导分析，研究更注重对各类指标参数特性进行定性与设定主要反映程度进行定量关系确定的特点，考虑的情况更为复杂，更贴近实际，因而求解得出各类反映程度值来比较各类型小区开放前后对道路通行的影响并进行分析后，提出我们关于小区开放的一些合理化建

2、议，更具备实际应用价值和更重要的指导意义。 问题一，主要研究选取合适的评价指标体系，用以评价小区开放对周边道路通行的影响。本文选取特定城市为合肥市，收集该城市典型小区周边道路通行情况的各类数据， 之后确定影响较重要的 14 个因素作为评价指标，并形成一级和二级体系，初步分析各指标的相关影响程度，建立基于改进的 BP 神经网络评价模型并设置评分值 I 和 5 个评分等级进行具体评价。 问题二，主要建立关于车辆通行的数学模型，用以研究小区开放对周边道路通行的影响，本文以浮动车为基本对象，在云环境下收集各类指标体系下的大量数据后建立车辆通行(CEFCPVM)模型和行程计算(CEFCPVSCM)模型，

3、并进行一般和综合类型分析得出改进的行程计算公式，并且考虑小区周边道路外部因素影响增加 3 类评价指标，与第一问联系，通过建立更新的改进型 BP 神经网络评价模型进行定性分析并设置更新后的评分值 I 和 5 个评分等级进行具体评价。 问题三，主要研究在问题一，问题二的基础上，充分考虑小区结构及周边道路结构、车流量等影响因素，在 Google earth 软件技术下选取或构建不同类型的小区，在基于GS- CTM 动态仿真算法条件下对各类小区不同周边情况进行动态仿真并得到相关需求系数k ，结合已建立的更新的改进型 BP 神经网络评价模型并得到评分 I ，在控制变量情况下设立迭代精度作为权重e ，以综

4、合评分 P = I+e k 对各类型小区开放前后道路通行的影响进行量化比较。综合评价，在繁华的地段对采用外环路网结构的小区施行交通开放， 可以有效提高小区周边路段的通行能力，显著缓解该区域的车辆拥堵情况，大大缓解城市交通压力。 问题四，主要是根据前三个问题所构建的模型和研究的成果，结合生活实际，在保证所有各类指标参数特性进行定性与设定主要反映程度进行定量关系确的前提下，充分考虑复杂情况比较各类型小区开放前后对道路通行的影响，各类评价指标和模型系统完成任务的可靠性与有效性，分析系统的发展趋势，具备实际应用价值和更重要的指导意义，从交通通行的角度，向城市规划和交通管理部门拟制的建议书提出三个坚持并

5、提出我们关于小区开放的六类合理化建议。 关键词：开放小区 云环境浮动车 CEFCPV(SC)M 模型 改进型 BP 神经网络评价模型 Google earthGS-CTM 动态仿真算法 32 一、问题重述 和单位大院要逐步开放等意见，引起了广泛的关注和讨论。 除了开放小区可能引发的安保等问题外，议论的焦点之一是：开放小区能否达到优化路网结构，提高道路通行能力，改善交通状况的目的，以及改善效果如何。一种观点认为封闭式小区破坏了城市路网结构，堵塞了城市“毛细血管”，容易造成交通阻塞。小区开放后，路网密度提高，道路面积增加，通行能力自然会有提升。也有人认为这与小区面积、位置、外部及内部道路状况等诸多

6、因素有关，不能一概而论。还有人认为小区开放后，虽然可通行道路增多了，相应地，小区周边主路上进出小区的交叉路口的车辆也会增多，也可能会影响主路的通行速度。 城市规划和交通管理部门希望你们建立数学模型，就小区开放对周边道路通行的影响进行研究，为科学决策提供定量依据，为此请你们尝试解决以下问题： 1. 请选取合适的评价指标体系，用以评价小区开放对周边道路通行的影响。 2. 请建立关于车辆通行的数学模型，用以研究小区开放对周边道路通行的影响。 3. 小区开放产生的效果，可能会与小区结构及周边道路结构、车流量有关。请选取或构建不同类型的小区，应用你们建立的模型，定量比较各类型小区开放前后对道路通行的影响

7、。 4. 根据你们的研究结果，从交通通行的角度，向城市规划和交通管理部门提出你们关于小区开放的合理化建议。 二、问题分析 随着时代发展，我国正在推广街区制，原则上不再建设封闭住宅小区，已建成的住宅区要逐步开放，此举打破了固有的封闭式生活居住方式，由于小区多邻路而建，开放后的小区也将融合于现代城市路网系统，除了安保问题外，开放小区能否达到优化路网结构，提高道路通行能力，改善交通状况的目的，以及改善效果如何都有待研究。目前已形成两类观点，一是小区开放后，路网密度提高，道路面积增加，通行能力自然会有提升；二是小区开放后，虽然可通行道路增多，但小区周边主路上进出小区的交叉路口的车辆也会增多，可能会影响

8、主路的通行速度。现考虑小区面积、位置、外部及内部道路状况等诸多因素，将问题具体化，建立起相应的数学模型进行研究。 问题一，主要研究选取合适的评价指标体系，用以评价小区开放对周边道路通行的影响。本节中先是选取特定城市，收集该城市典型小区周边道路通行情况的各类数据， 之后确定影响较重要的因素作为评价指标，并形成体系，建立基于改进的 BP 神经网络评价模型。 问题二，主要建立关于车辆通行的数学模型，用以研究小区开放对周边道路通行的影响，本节中以浮动车为基本对象，在云环境下收集各类指标体系下的大量数据后建立车辆通行模型，并且考虑小区周边道路外部因素影响增加部分评价指标，与第一问联系， 通过建立更新的改

9、进型 BP 神经网络评价模型进行定性分析。 问题三，主要研究在问题一，问题二的基础上，充分考虑小区结构及周边道路结构、 车流量等影响因素，在 Google earth 软件技术下选取或构建不同类型的小区，在基于GS-CTM 动态仿真算法条件下对各类小区不同周边情况进行动态仿真，结合已建立的更新的改进型 BP 神经网络评价模型，在控制变量情况下设立迭代精度作为权重，以综合评分对各类型小区开放前后道路通行的影响进行量化比较。 问题四，本章是根据前三个问题所构建的模型和研究的成果，结合生活实际，从交通通行的角度，向城市规划和交通管理部门提出我们关于小区开放的一些合理化建议。拟制建议书是为是否继续推行

10、小区开放化提供辅助决策支持的一个有力手段。拟制的建议书应在保证所有各类指标参数特性进行定性与设定主要反映程度进行定量关系确的前提下，充分考虑复杂情况比较各类型小区开放前后对道路通行的影响，各类评价指标和模型系统完成任务的可靠性与有效性，还应分析系统的发展趋势以更具备实际应用价值和更重要的指导意义。 三、模型假设 1 假设不考虑节假日期间对交通的突然性影响； 2 假设不考虑小区周边道路有活动、车祸、维修、指挥故障等突然性影响； 3 假设忽略车辆停车时之间的间距； 4 假设忽略天气等自然影响； 5 假设所研究城市具有代表性； 6 假设云环境下数据支持正常、准确； 7 假设小区居民的出行轨迹不变。

11、四、符号说明 符号表示说明如下： S小区的占地面积 C二级指标影响程度 U一级指标影响程度 A周边交通发生吸引量 I评分值 O随机点 D目标点 T行程时间为 T1自由行使阶段时间为 T2过交叉口产生的延误时间 T3排队时间 l浮动车排队长度 g绿灯时长 c周期时长 j绿灯时间内车辆到达前后调整参数 Td测量时间 h交叉口饱和度 ld修正系数 k修正系数 p绿灯期间车辆到达比 da有信号的交叉口控制延误 db浮动车停车延误 dc浮动车减速延误 dd浮动车加速延误 l1有信号的交叉口等效平均排队长度 d有信号的交叉口平均控制延误 q交通流量 lp浮动车在交叉口停车占位的平均长度 e迭代精度 K需求

12、系数 P综合评分 t a (t)实际阻抗 ca (t)瞬时阻抗 xa (t)交通量 五、问题一：评价小区开放对周边道路通行影响指标体系的研究 雅典指出了城市的功能是为居民提供休憩、娱乐、教育、交通等服务，城市中的一切基础设施都是为人服务，以最大程度地满足人的需求为目的，服务程度越高，人的出行率也会越高。而城市中的小区是交通发生和吸引的源头，即交通的产生与终止地， 所以小区的是否开放，将会直接影响周边的道路通行。如今国家推广街区制，原则上不再建设封闭住宅小区，现有小区也将面临逐渐开放，那么如何评价小区开放对周边道路通行的影响，就显得尤为重要，所以在此需要选取建立合适的评价指标体系，并建立改进的

13、BP 神经网络评价模型进行研究基于此，本章共分如下 3 节： 对合肥市居民交通出行情况的研究分析； 小区的开放对周边道路通行影响的评价指标体系的建立与分析； 评 价体系建立 评价指标确立 居民出行分析 现有条件分析 模型改进与 建立 模型结果的 表示 改进的 BP 神经网络评价模型的建立与分析； 问题一的研究思路如下： 固定城市分析评价指标体系模型改进建立5.1 对合肥市居民交通出行情况的研究分析 开放式居住小区是相对于封闭式住区模式提出的。整个小区景观、商业、配套等设施与城市互相融合、互成一体，为居民提供开放交流空间。而同时，住区内部的居住部分建筑通过各种巧妙的建筑或景观规划设计，从而保证相

14、对独立，以保持住户的安全性和私密性不受。这样，就形成了兼顾内部居住的小空间与公共开放大空间的结构形式。开放式居住小区的规划思想受到了新都市主义的启迪，有助于提升城市的空间形象， 它也让原有的单一封闭的住区功能融合于城市之中。本节以合肥市为例，对合肥市居民交通出行情况进行分析，进而得到小区和周边道路不同条件下的一些车辆通行数据，为之后的模型建立提供数据支持。 5.1.1 合肥市居民交通出行总量 根据合肥年鉴统计调查结果，2015 年主城区居民日出行总量为 199.73 万次，与 2005 年 178.22 万次相比上升 12.06%；居民人均出行次数为 2.36 次日，由于人口增长迅速， 与 2

15、005 年 2.57 次日相比下降 8.17%。 5.1.2 合肥市交通出行方式结构 各交通出行方式产生吸引量所占百分比是引导交通合理出行的重要数据依据。 表 1 合肥市交通出行方式结构演变 年份 2012201320142015出行方式 百分比对区域交通的影响 百分比对区域交通的影响 百分比对区域交通的影响 百分比对区域交通的影响 全程步行 26.29低 24.17低 22.19低 20.22低 自行车/电动车 30.02低 27.31低 25.16较低 24.31较低 公共交通 20.3低 19.01较低 18.39较低 17.11中 出租车 5.43中 7.13较低 7.56中 8.14

16、较高 车 17.96较高 22.38高 26.7高 30.22高 合计 100100100100图 1 合肥市交通出行方式结构演变 从图 1 中可看出，近四年来选择全程步行、公共交通、自行车或者电动车出行方式呈下降趋势，选择车与出租车作为出行方式的百分比呈上升趋势，对区域交通的影响程度较高，在一定程度上加剧了城市交通的拥堵。 5.1.3 合肥市居民出行目的 由于交通出行需求是一个被动需求，人们都是为了满足一定的生产和生活目的才产生这一出行需求。出行需求一般可分为刚性需求和弹性需求，上班和学习是刚性的出行需求，社交、休闲可认为是弹性的出行需求，购物出行在很大程度上可认为是一种弹性出行。 5.1.

17、4 合肥市居民出行时间 图 2 合肥市居民出行目的 合肥市居民出行时间相对集中，主要以城市居民上下班、学生上学放学的时间段为主。据调査居民出行有两次高峰：早髙峰在上午 7：30-8:30，早高峰的交通量占全天总出行量的 32.18%；晚高峰出现在下午 18:30-19:30，晚高峰的交通量约占全天交通量的29.91%。 图 3 合肥市主要路段平均车流量 5.2 小区的开放对周边道路通行影响的评价指标体系的建立 开放式小区对周边道路通行能力影响的评价指标应能全面反映小区进行开放式通 行后对周边局部路网运行状况的影响。而居住小区和交通设施的自身性能指标都不能单独反映小区开发诱增交通量产生的影响，因

18、此应综合居住小区和交通设施的性能指标， 居民小区与交通设施的关系直接表现为交通需求与交通设施能力的关系。根据科学建立 指标体系的原则，本文提出了如图所示的评价指标体系。 两个子系统，分为一级指标体系和二级指标体系，共计 14 个指标。 表 2 指标体系 一级指标体系 二级指标体系 小区的占地面积S 小区内部道路状况C1小区内的路网密度C2小区内部情况U1小区的人均道路面积C3小区的绿化程度C4小区的停车位供求匹配程度C5 小区周边路网影响U2周边道路的交叉路口饱和度C6周边道路路段饱和度C7周边交通发生吸引量 A小区出入口影响U3小区的出入口位置设置C8小区的出入口渠化程度C9u 小区的占地面

19、积S图 4 指标体系框图 小区的占地面积越大，其交通开放后对周边道路通行能力的积极效应就越大，越能 缓解周边的交通拥堵情况； u 小区内部道路状况C1小区内部道路状况直接决定着驾驶员是否愿意从小区内通过的主观判断，分为以下种： （1） 道路状况较好： C1 = 3； （2） 道路状况一般： C1 = 2 ； （3） 道路状况较差： C1 =1； u 小区内的路网密度C2路网密度指等于某一计算区域内所有的道路的总长度与区域总面积之比，路网密度越大，交通拥堵的情况就越少，小区内的道路一般都为支路，其路网密度较低，约为0.19km/km2 0.28km/km2 。 u 小区的人均道路面积C3即在小区

20、内人均拥有的道路面积，其值越大交通拥堵的情况就越少； u 小区的绿化程度C4小区的地面绿化程度如果超出了一定界限，则会使小区内道路的通行能力受到局限，一般此界限值取C4 = 0.12； u 小区的停车位供求匹配程度C5计算方式为C5= 周边需要停靠的车数，当C 小区内的停车位数量5 1，说明停车位供不应求，容易在小区内造成拥堵； u 周边道路的交叉路口饱和度C6交叉口的饱和度的计算方法采用研究区域内各交叉口饱和度带权平均的方法处理。各交叉口的权重为交叉口的通行能力与所有交叉口通行能力之和的比值。即 nnC6 = Nii=1 ai i=1u 周边道路路段饱和度C7采用研究区域内所有道路饱和度带权

21、平均的方法处理。各路段的权重为路段的通行 nn能力与所有路段通行能力之和的比值。即C7 = Nii=1 ai i=1u 小区的出入口位置设置C8出入口的设置最好应和支路相连，再连接到等级高的路段上，不宜直接与城市快速路或主干路相连。在这个评价指标值的计算上，本文分别选取下述四类情况下的连接形式，赋予相应的分值： (1) 出入口和支路相连，其值为 1;(2) 直接和城市次干道相连，其值为 2;(3) 直接和城市主干道相连，其值为 3;(4) 直接和城市快速路相连，其值为 4;如果该居住小区有多个出入口，则用取数值平均的方法处理，即所有出入口设置状况得分的总和除以进出口数。 u 小区的出入口渠化程

22、度C9对于居住小区而言，其主要交通构成为人、自行车和小汽车。为提高交通安全水平， 减少小区出入 通流对城市道路的干扰，应对出入口进行渠化。相应也可以划分为四个等级： (1) 设置了人行横道、地下通道等行人过街设施且采取了机动车和非机动车的分离措施其值为 l;(2) 设置了人行横道、地下通道等行人过街设施，但没有采取机动车和非机动车的分离措施其值为 2;(3) 没有设置行人过街设施，但采取了机动车和非机动车的分离措施，其值为 3;(4) 既没有行人过街设施，又未采取机动车和非机动车分离措施，其值为 4; 同样当居住小区有多个出入口，则用取数值平均的方法处理，即所有出入口渠化得分的总和除以进出口数

23、。 u 周边交通发生吸引量 A不同类别的建设项目，单位指标 ( 如建筑面积、住宅户数、影剧院座位数、医院床位数等) 在单位时间内所引发的交通需求。区域、项目类型不一， A 指标差别较大， 从酒店式公寓的低值 1.32 辆/ 百平米高峰小时到综合商业的高值 124.3 辆 / 百平米高峰小时；同一类型中如超市低值为 25.1 辆 / 百平米高峰小时，高值达到 87.3 辆/百平米高峰小时；商场根据其定位不同、区域不同，低值为 5.3 辆 / 百平米高峰小时，高值为 25.3 辆 / 百平米高峰小时。小区的地理位置、常住人数在一定程度上决定了交通发生吸引量。 表 3 不同小区相关指标 周边建筑类别

24、 超市（包括商场、便利店）/个 车站（包括火车站、汽车站）/个 周边小区/个 医院/所 学校/所 酒店式公寓/ 所 平均交通发生吸引量/辆/ 百平米高峰小时 锦华小区 1205376326.2西城山水 903244227.8乡村花园 413234144.7国际花都 704113170.3香江国际花园522127155.85.3 基于改进的 BP 神经网络评价模型的建立 5.3.1 BP 神经网络评价模型模型的构建 BP 神经网络（BackPropagation Network，BP Network），由输入层、隐层、输出层三层构成。输入层各神经元的主作用是接收来自外界的输入信息，并传给中间层的

25、神经元。而中间的隐层主要负责处理内部的信息，中间层可以设计为单隐层或者多隐层结构。隐层通过一系列的算法，完成自学习过程，最终由最后一个隐层把信息传递到输出层。输出层向外界输出最终的结果及数字信息。 图 5 BP 神经网络层次图 设神经元网络有 n 个输入神经元，m 个输出神经元和 p 个隐层神经元，则神经元的输 出为： x1 = ( n ij =10 x +0 ),i = 1,2,.,p 输出层神经元的输出为： ij ji0y = p 0 x1 +0 ,i = 1,2,.,m ，式中: 0 代表相互两层神经元之间的权值。 iij ji 0ijj =15.3.2 改进的 BP 神经网络评价模型的

26、算法步骤 通过上述分析，结合已确定的道路通行能力评价指标，可以得到道路安全评价的模型和具体步骤。 u 确定评价指标体系； u 确定目标向量。输出层的神经元以不同等级的交通事故数作为目标量，可以客观的表征周边道路的通行能力。在进行道路通行能力评价时，将输出的目标量再进行加权平均，以得到道路通行能力变化的量化评价； u 对输入输出向量进行归一化处理，将输入值化为区间内。确定网络为单隐层的三层网络，即为输入层、隐层、输出层； u 选定样本路段，确定神经网络评价的样本数据； u 初始化，给定输入层、隐层、输出层之间的权值向量； u 输入训练样本，对神经网络进行训练并检验，直至达到误差要求； u 获取待

27、评价道路的评价指标，输入训练好的神经网络中，得出评价结果。 图 6 BP 神经网络流程图 5.3.3 确立改进的 BP 神经网络评价模型评分 I = w（ S + C + C + C + 1 + 1 ） 11112 113 214 31516CC45（1.1） + w（2 21C6 + 22C7 + 23 A）+ w（3 31C8 + 32C9） 5.3.4 评分等级的建立 借鉴我国城市干线街道和交叉口服务水平与交通拥堵情况的等级划分，本文将影响度从弱到强划分为五个等级: I 级、II 级、III 级、IV 级、V 级。 表 4 评分评价表 评分等级 对周边道路的影响情况 BP 神经网络模型评

28、价得分 I综合评价 I 级 严重加剧了交通拥堵 45优 六、问题二：云环境下小区开放对周边道路车辆通行的模型研究 本章主要研究在第一问的基础上，建立关于车辆通行的数学模型，用以研究小区开放对周边道路通行的影响。考虑到车辆通行不仅与小区内部影响有关，还与周边道路与小区之间的关系，地理位置，外部结构等都有关联，那么以云环境下浮动车运动的实时 大数据为基础，通过小区开放前后浮动车行程时间的变化建立行程计算模型（Cloud Environment Float Car Pointer Vehicle Stroke Calculation Model）即 CEFCPVSCM 模型进行定量表达，又结合第一问

29、通过建立更新的评价指标体系，以更新的改进型 BP 神经网络评价模型对影响过程进行定性研究，本章部分模型源于第一问，但部分条件发生变化， 故建立基于云环境下的浮动车车辆通行模型（Cloud EnvironmentFloat Car Pointer Vehicle Model）即 CEFCPVM 模型和更新的改进型 BP 神经网络评价模型对小区开放后的周边道路通行的影响程度进行研究。基于此，本章共分如下 3 节： 云环境下浮动车模型的建立； 云环境下的浮动车 CEFCPVM 模型的建立与分析； 更新的改进型 BP 神经网络评价模型建立与分析； 问题二的研究思路如下： 模型 更新 指标 分析 模型建

30、 立 条件分析 模型建立 情况分析 浮动车模型6.1 云环境下浮动车模型的建立 6.1.1 云技术的现代意义 车辆通行模型分析评价模型的更新云计算技术主要是由商业应用主导推动的新型技术，与网络计算类似，需要互联网来提供计算，数据和网络服务。从数据密集型应用的需求来看，云技术平台可以海量的接收数据并进行高性能的处理分析，进而得到解决方案。由于云计算技术的快速发展以及智能交通与云计算技术的融合，本章中车辆通行情况，就需要采集大量的数据，因此在云环境下处理就更实时，准确。 6.1.2 浮动车的描述 图 7 云环境处理模式图 浮动车中的 GPS 模块负责接收定位信号并记录车辆的经纬度坐标和瞬时车速等浮

31、动车数据，无线通信模块负责将车载终端 ID、经纬度坐标、瞬时车速、时间戳等浮动车数据按照一定的频率传送给交通控制中心。交通控制中心根据 GPS 浮动车在路网运行过程中记录的车辆位置、行驶方向、瞬时速度和时间戳等信息，应用地图匹配 技术将浮动车数据与城市路网在时间及空间上进行关联，便可获取浮动车所经路段的平均行驶速度和行程时间等信息。 6.1.3 云环境下浮动车的引用 城市路网结构复杂、主次交织、纵横交错，路网中浮动车的覆盖率有限且浮动车数据传输容易受到通信固有误差、天气以及高大建筑物的信号遮挡等都势必会影响浮动车上传数据的准时性、精确性和可用市路网中的浮动车采样数据采取 24 小时不间断采集上

32、传模式，浮动车数据的积累量巨大且存储、检索困难；针对结构化数据的传统数据处理模式已经无法有效应对当前半结构化甚至非机构化的数据处理需求。所以， 为应对海量、非结构化、低精度且信息密度低的浮动车采样数据分析，本文考虑引入云环境，在该环境下采集大量数据，作为本章各模型分析处理的信息支撑。经分析， 本章云环境下的浮动车车辆通行模型的流程框图如下： 图 8 云环境下的浮动车车辆通行模型流程图 6.2 云环境下的浮动车 CEFCPVM 模型的建立与分析 小区外部存在车辆通行的环境，往往是一个道路网的组成部分，对小区附近的车辆通行能力进行分析，可以通过交叉口延误时间，排队延误时间，车辆运营时间，行程延误时

33、间进行初步反映，也可以判断主次干道的相互联系进一步研究小区开放对周边道路通行的影响。初步分析，可以设置延误时间，运营时间，车速，车流量，公共交通服务水平等要素。给定任意一个小区，设置一个浮动车，在小区附近一随机点O ，需要绕行或者穿过小区到达目标点 D ，则设行程时间为T 。 6.2.1 云环境下浮动车 CEFCPVSCM 模型一般类型分析 浮动车在途遇一个交叉路口过程如图所示，考虑到交叉路口的信号灯闪灭情况，过路口排队情况以及排队前自由行驶情况，使得模型精确度更高，为此，把小区开放对外部路况产生影响后，将浮动车在道路上行驶时间T 分为如下三个部分。一是当浮动车在自由行使阶段时间为T1 ，二是

34、过交叉口产生的延误时间T2 ，三是排队时间T3 ，易知T3 就是T2 .计算时考虑到排队长度对该路段长度的影响。 图 9 交叉口示意图 由图易知： 自由行使时间： T = T1 + T2T1 = f (l, L, v)（2.1） （2.2） 交叉口延误时间： T2 = f( q,g, ,c ,l)（2.3） 浮动车排队长度： l = f( q, ,l g, )（2.4） 在这里，浮动车作为实体，需要考虑车长的影响，符合车辆通行实际情况。浮动车在自由路段上行驶可视为匀速行驶，根据国内外提出的 BPR 函数都存在优缺点，本文在此基础上进行改进。得到改进改进型 BPR 函数公式： v =v01+ r

35、 (q / c)q +h (q /c)3（2.5） 加入参数修正通行率，减少对通行能力的约束，考虑到维持现有的浮动车该路段通行能力，指数取 3.由于交叉路口可能会出现普通自由通行型，信号限制延误型和停车启动延误型等多种情况，综合来看又可视为标准条件，随机或饱和条件以及存在排队条件延误，那么可得信号交叉路口下的延误公式： ()0.5(1- g / c)2(1- p) jd = + 900T h -1 +1- min (1, h) g / c1-( h -1+)28kl hdcTd（2.6） 由于小区开放后，小区内部的车辆和人员也对交叉路口产生影响，并且我国居民生活习惯与美国不同，由此也会带来一些

36、误差，所以设置参数w 和固定增量Dd ，得到改进型延误公式： 0.5(1- g / c)2(1- p) j 8kl h 1- min (1, h) g / c1- cTd = w (h -1) + (h -1)2 +d + Dd （2.7） d 当浮动车排队时，前后速度有所变化，即产生排队延误，关系如下： da = db + dc + dd当讨论排队过程时，这里只研究平均条件下的情况： l1 = d q lp（2.8） （2.9） 经过上文分析，可综合建立小区周边直行路段浮动车车辆通行的数学模型，表达式如下： T = L - l1 + dvv v= 01+ r (q / c)q +h (q /

37、c)32(1- p) j 28kl h （2.10） d = w 0.5(1- g / c) (h -1)+ (h -1) +d+ d + Dd1- min (1, h) g / c1- cTad l1 = d q lp6.2.1 云环境下浮动车 CEFCPVSCM 模型综合类型分析 由于道路具有普遍性，道路所处环境种类较多，小区开放后对外部道路的车辆通行的影响因素也较多，在这里综合得出主要影响因素：小区周边道路结构，小区所处地理位置，车辆通行所在时间段类型以及小区内部带来的总体因素，经分析可知可用车流量来反映上述影响因素。如表所示，设置相应参数，得到对一般条件下路段行程时间的影响。 小区周边

38、道路结构不同时： 表 5 小区周边道路结构不同时的行程时间的影响 周边道路结构 方格式 方格-环形-放射式 扇形 自由式 一般式 影响参数 行程时间影响 等效平均车流量 q1q2q3q4qss qx T ( x = 1, 2, 3, 4)q2小区所处地理位置不同时： 表 6 小区所处地理位置不同时的行程时间的影响 地理位置交通枢纽商业区办公区景区 偏僻区一般区影响参数行程时间影响 等效平均车流量 q5q6q7q8q9qmqm y T ( y = 5, 69)q 1车辆通行所在时间段类型： 表 7 车辆通行所在时间段类型对行程时间的影响 时间段类型 高峰期 低峰期 平峰区 影响参数行程时间影响

39、等效平均车流量 q10q11q12nn qz (T + T )( z = 10,11,12)q 12所以可建立改进后的小区开放周边道路浮动车车辆通行的数学模型，其行程时间计 算公式如下： = L - l1 m qy + d qzTv q nqvv = 01+ r (q / c)q +h (q /c)3q 0.5(1- g / c)2(1- p) j 8kl h (h -1)2 +dcTdd = ws x (h -1)+ q1- min (1, h) g / c1-l1 = d q lp + da + Dd 6.3 更新的改进型 BP 神经网络评价模型建立与分析 6.3.1 模型基础上的定性评价

40、指标体系的建立 （2.11） 上文定量的给出了车辆通行行程时间的数学表达式，在这里结合第一问，在此基础上，建立更新的评价指标体系，用于定性的反映小区开放对周边道路通行的影响程度。由于小区开放对周边道路通行的影响不仅取决于小区内部影响，还包括周边道路自身的特点，所以在第一问已建立的评价指标体系进行更新，提出了如图所示的更新评价指标体系。 表 8 指标体系 一级指标体系 二级指标体系 小区内部情况U1同问题一 小区周边路网影响U2同问题一 小区出入口影响U3同问题一 小区周边道路结构C10 车辆通行所在时间段类型影响C11车辆通行外部影响U 4其它条件下路段车流量影响C12图 10 指标框图 u

41、小区内部情况U1 、小区周边路网影响U2 、小区周边路网影响U3由第一问可知若小区开放后对小区内部车辆通行产生影响时，则对小区周边车辆通行情况是相反的。 u 小区周边道路结构C3由上文知小区周边道路结构可分为方格式，方格-环形-放射式，扇形式，自由式， 普通型，根据结构的复杂程度可知，当程度越高时，车辆通行就越困难。 u 车辆通行所在时间段类型影响C11（1） 当处于高峰期时，车辆通行困难 （2） 当处于平峰期，车辆通行正常 （3） 当处于低谷期，车辆通行顺畅 u 其它条件下路段车流量影响C12在除去上述条件外，还存在部分因素影响车流量，进而影响车辆通行程度。 （3） 当车流量较高时，车辆通行

42、困难 （4） 当车流量平稳时，车辆通行正常 （5） 当车流量较低时，车辆通行顺畅 6.3.2 更新的改进型 BP 神经网络评价模型建立 更新的改进型 BP 神经网络评价模型的算法步骤 通过上述分析，结合已确定的道路通行能力评价指标，可以得到小区开放前后周边道路车辆通行能力评价的模型和具体步骤。 u 确定评价指标体系； u 确定目标向量。输出层的神经元以小区开放前后周边道路行程时间之比作为目标量，可以客观的表征周边道路的通行能力。在进行道路通行能力评价时，将输出的目标量再进行加权平均，以得到道路通行能力变化的量化评价； u 对输入输出向量进行归一化处理，将输入值化为区间内。确定网络为单隐层的三层

43、网络，即为输入层、隐层、输出层； u 选定样本路段，确定神经网络评价的样本数据； u 初始化，给定输入层、隐层、输出层之间的权值向量； u 输入训练样本，对神经网络进行训练并检验，直至达到误差要求。 获取待评价道路的评价指标，输入训练好的神经网络中，得出评价结果。 6.3.3 确立更新的改进型 BP 神经网络评价模型评分 I = I + w w1 + w14 41 C42 C+ w1 43 C （2.12） 6.3.4 更新后评分等级的建立 101112 由问题一可知，借鉴我国城市干线街道和交叉口服务水平与交通拥堵情况的等级划分， 本文将影响度从弱到强划分为五个等级: I 级、II 级、III

44、 级、IV 级、V 级。 表 9 更新后评分等级及综合评价 评分等级 对周边道路的影响情况 更新后 BP 神经网络模型评价得分 I 综合评价 I 级 严重加剧了交通拥堵 75优 七、问题三：对小区开放后道路通行影响定量比较的模型研究 本章主要研究在问题一，问题二的基础上，充分考虑小区结构及周边道路结构、车流量等影响因素，选取或构建不同类型的小区，在基于 GS-CTM 动态仿真算法条件下， 结合已建立的更新的改进型 BP 神经网络评价模型，并对模型进一步改进，通过综合评分定量比较各类型小区开放前后对道路通行的影响。基于此，本章共分如下 3 部分： Google earth 软件技术下小区与周边路

45、网的分析； GS-CTM 动态仿真算法的建立与仿真结果分析； 基于改进的 BP 神经网络评价模型的 GS-CTM 仿真量化分析问题三的研究思路如下： 量化 分析 模型 改进 结果分 析 仿真算法建立周边路网分析 小区类型分析情况分析仿真算法分析模型改进与分析7.1 Google earth 软件技术下小区与周边路网的分析 7.1.1 小区路网类型分析 从我国居住小区道路交通规划的实例来看，小区主路路网主要有线型路网，C 型路网，内环路网和外环路网等几种形式。本文将对这四种常见路网形式的道路网密度、交通可达通可靠性等方面进行对比分析，并从对周边道路通行的影响的角度对其进行评价。以下图中列举的简化

46、路网模式为例，设地块面积为m2 。 （1）线性路网 图 11 小区内路网示意图 主要道路为一条曲线或折线贯穿小区，两端自然形成小区的两个出入口，两个入口分别位于小区不同的方向上，住宅通过组团道路连接到主要道路上(如西城山水，锦华小区)。这种路网的道路网密度仅为1/ m 左右，是四种形式中最小的。在相同规模的情况下，主要道路覆盖能力有限，交通可达性也最小。由于只有两个出入口，且主要道路交通导向性较强，没有可备用的其他线路，其交通可靠性也较低。 （2）C 形路网 也可以看作是线形路网的变形，线形路网中一条主要道路覆盖程度不够，靠增加 组团路的长度来提高路网密度不利于交通疏导，所以线形路网变形为 C

47、 形路网。(如锦城花园、家园小区)。这种路网的道路网密度约为2/ m较线型路网密度有所提高。交通可达性随着道路覆盖程度的提高也有所加强。作为线型路网的改进形式，虽然其主要道路也不具备协调转移交通的功能，但出入口的增加使其交通可靠性有所提高。 （3） 内环路网 这种路网一定程度上为缓解十字交叉路网交叉路口的交通问题演变而来，在十字交叉的地方演变成为环路，环路中间包围着中心绿地，组团道路多连接在放射线上不连接在环线上。(如华苑碧华里小区、翠亨槟榔小区)。这种路网的道路网密度约为3/ m ，较前两种路网密度又有提高，交通可达性也更高。由于内环线不仅仅是协调和转移交通的作用，而且同放射线一样能够疏散交

48、通，其交通可靠性更高。 （4） 外环路网 外环路网可以看作是传统路网规划的逆向思维，传统路网的思路是以主要道路插入居住区当中再以支路向外延伸，而外环路网是将主要机动车道路包围住宅，再以尽端路向内伸展连接，这样使人车内外两套道路系统的实施成为可能。(例如梦园小区、回龙观小区)。这种路网的道路网密度约为4/m，是四种路网中最高的，但是由于其环路靠近小区外围，仅有一侧为有效服务面，所以起路网覆盖能反而低于内环路网，交通可达性与C 型路网相当。环线组织交通所具有的协调转移交通能力，使其交通可靠性较高，与内环路网相当。 表 10 小区内部路网类型比较 路网类型 道路网密度 可达性 可靠性 线性路网C 型

49、路网内环路往 外环路网 1/ m 2/ m 3/ m4/ m覆盖面积较低 覆盖面积有所提高 覆盖面积最大 与 C 型路网相当 较 低 有所提高最高 与内环路网相当 7.1.2 Google earth 软件技术下小区模型的建立 根据上文选定周边环境相同条件下小区并设定不同的内部路网和结合 Google earth软件构建在不同地段的规模类似的小区模型。 （1） 周边环境相同条件下设定不同的内部路网结构 图 12 C 型路网、线性路网、内环路网、外环路网 （2） 结合 Google earth 软件构建在不同地段的规模类似的小区模型 以合肥市作为选定城市，在 Google earth 软件技术下

50、选定部分特殊地段构建小区模型。 图 13 Google earth 软件构建在不同地段的规模类似的小区模型图 7.2 GS-CTM 动态仿真算法的建立与分析 7.2.1 GS 模型和 CTM 模型的初步分析 元胞传输模型(Cell Transmission Model，简称 CTM)是对宏观动力学模型 LWR 模型的离散化近似，它是一个“与流体力学模拟模型相一致”的模型，最初是被用于模拟高速公路的交通流，后来推广到了网络交通流的模拟。与 LWR 不同，CTM 模型可以捕捉到网络中交通流的不连续变化现象，并且还能够清晰地描述排队的物理效应，可较好地模拟出排队形成与消散、激波、多路段间的相互影响等

51、交通动力学特性，CTM 模型已被应用于动态交通分配中。其对不同速度子流量的行驶时间取平均值，在时间离散化及元胞划分精细的情况下，该方法不仅能模拟动态排队现象，还能捕捉到交通流中的不连续变化现象。但是，该模型运算量较大，如果针对现实中的大型交通网络，其计算效率有待进一步研究。根据 GS 模型，很容易就能计算出路段的出行阻抗。但是 GS 模型只适用于大多数时间花费在高速公路上以及城市主干道上，对于拥挤程度较高的城市道路交通网络，显然更适于使用 CTM 模型。 7.2.2 GS 模型和 CTM 模型的构建 对于每个 OD 对来说，在任意时刻，任意交叉口上，如果所有被使用的路径上的瞬时阻抗都相等且最小，而所有未被使用的路径的瞬时(实际)阻抗都不小于这个最小瞬时(实际)阻抗，则称此时网络上的路径流是基于瞬时(实际)路径阻抗的 DUO 状态。 CTM 模型将道路宏观仿真模型用于实际路段阻抗的估计，但计算量巨大，在实际道路交通网络中难以使用;GS 模型使用简单的速密关系，并不能准确描述路段上间断的交通流。因此，本文结合两