基于用户感知的城市道路交通服务水平评价方法

郑玲钰， 赵　益， 王忠宇， 吴　兵

(同济大学 道路与交通工程教育部重点实验室，上海 201804)



基于用户感知的城市道路交通服务水平评价方法

郑玲钰， 赵益， 王忠宇， 吴兵

(同济大学 道路与交通工程教育部重点实验室，上海 201804)

摘要：从用户感知的角度构造了适用于服务水平评价的各聚类指标的白化权函数，提出了城市道路交通服务水平评价体系.用此方法对上海市浦东新区部分路段的服务水平进行评价，并与问卷打分结果及仅考虑交通设施的服务水平评价结果进行对比.结果表明，基于用户感知的灰类白化权函数聚类的城市道路交通服务水平评价方法能较好地与主观评分结果匹配，具有较高的精度.

关键词：城市道路； 服务水平； 用户感知； 灰色聚类； 白化权函数

道路交通服务水平是指将复杂的交通状态通过量化的指标划分为几个等级来表示用户对交通设施提供的服务的感知情况[1]，城市道路交通服务水平实际上是道路使用者从道路状况、交通条件、道路环境等方面得到的服务程度和服务质量[2].

本研究在考虑多源信息获取可行性的基础上，提出基于用户感知的城市道路服务水平评价指标，并以此构建城市道路服务水平评价体系，为城市道路交通管理与控制提供决策依据.

1基于灰色聚类的服务水平评分方法

灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，通过对“部分已知信息”的开发，实现对系统运行行为、演化规律的正确描述和有效监控[10-11].城市道路服务水平评价系统属于典型的灰色系统.

基于灰类白化权函数的服务水平评分算法，是以处于不同交通状态的路段作为聚类对象，计算该路段在不同服务水平下的综合评价值，进而对该路段服务水平进行评价.具体计算步骤包括划分灰类数、建立白化权函数、计算效果评价向量和判断服务水平[12].在计算评价向量时采用定权聚类法分析，运用主观赋值法(G1)获得指标的权重[13].

2数据搜集

本研究以城市地面道路为主要研究对象，采用视频拍摄及评分调查的方式对上海市浦东某区域道路的路段服务水平进行评分实验，并将其与模型结果对比，以论证模型计算精度.

2.1视频拍摄调查

本研究运用车载GPS记录行驶车速并拍摄视频.调查路段包括城市主干路、次干路和支路，机非分隔情况包括机动车专用道、机非分隔和机非混行，含单向车道及双向车道，所选道路具有较好代表性.本研究于2015年3月11日7:30—9:00，9:30—11:00及17:00—18:30在上海市浦东新区部分路段进行拍摄，拍摄路段及线路如图1所示.

图1　调查区域示意图

2.2评分调查

本评分调查分数制定采用五分制，评价等级用畅通、畅通与拥堵之间、拥堵、拥堵和阻塞之间及阻塞描述，并分别赋值为5，4，3，2和1.视频拍摄位置及内容如图2所示.

图2　视频拍摄位置及内容示意图

假设服务水平的误差在±0.05之间，调查结果在95%的置信范围以内，将上海市常住人口总数2 415.15万人作为总体规模，运用公式(1)计算调查所需的样本量.

(1)

式中：n为调查所需的样本量；P为样本变异程度，取0.5；e为期望调查结果的精度；Z为期望调查结果的置信度，95%置信度下为1.96；N为总体规模.

考虑到问卷的回收率，所需调查问卷为384.15/(1-10%)=427份.此次调查问卷共回收517份，筛选后得到有效问卷496份，问卷的有效率为95.9%，满足调查问卷的数量要求.

在计算主观评分时，对相同路段同时间段的评分取平均值，得到该路段在该时刻的服务水平.设图2中由起点沿黑线所示方向至终点为一圈(含18条路段)，视频按照早高峰、平峰和晚高峰分别拍摄了三圈、四圈和四圈的状态，共计198条评分数据.

3基于用户感知的城市道路服务水平评价

本研究的城市道路路段概念如图3所示，交叉口的服务水平评价不在本研究的范围内.

图3　城市道路路段概念[1]

3.1评价指标的选取

服务水平包含两层含义，即交通运行的客观状态和道路使用者对其的感知情况.因此，在选取评价参数时，既应考虑所选取参数能反映交通流运行状态，又应考虑该参数能被道路使用者感知.在选取指标时，分别从客观状态和感知情况两方面进行考虑.

3.2评价指标阈值的确定

本研究运用小波分析的理论确定δv的阈值划分.其中，δv的数据选用研究时段内研究区域全部浮动车数据以1.5min为间隔，共240条数据.考虑到相邻的重构信号性质相似，选用第2，4，6级信号为阈值[16]，获得表1的阈值划分.

选用研究时段内研究区域全部路段的V/C数据，以5min为统计间隔，共获得1 296条V/C数据，运用软件SPSS进行单样本Kolmogorov-Smirnov(K-S)检验.在K-S检验中，Z值为0.880，P值为0.421>0.050，数据呈近似正态分布.依据正态分布的3σ和1.23σ原则对V/C的阈值进行划分，建立的服务水平与主要影响因素的关系如表1所示.

表1　服务水平与主要影响因子的关系

4模型结果与分析

表2　专家打分结果

本研究评分结果按照五分制标记，根据公式(2)分别计算HCM2010的服务水平、本研究模型所得的服务水平以及评分调查获得的服务水平间的相对误差.

(2)

式中：ε为计算获得的服务水平与主观评分获得的服务水平间的相对误差；Lk为计算获得的服务水平，分别为仅考虑交通设施的服务水平评价结果或本研究提出模型获得的服务水平评分，本研究使用HCM2010的算法作为仅考虑交通设施的服务水平评价方法；Ls为主观评分调查获得的服务水平评分值.

HCM2010与本研究模型的误差比较如图4所示.相比于HCM2010，在多数情况下，本研究模型得到的结果的误差要优于HCM2010计算得到的结果，尤其在HCM2010与主观评分结果差异较明显时.分析本研究模型与HCM2010结果差异性的原因，取有代表性的数据分析，如表3所示.

根据表3可知：

图4　HCM2010与本研究模型的误差比较

序号影响因素灰色聚类系数向量评分结果v-/vfδvV/Cσ1σ2σ3σ4σ5本文HCM2010实际评分10.7612.860.590.590.020.310.090.01554.6020.305.560.6500.030.200.430.37212.1630.3811.610.440.090.3400.200.17424.0740.206.920.480.020.040.460.040.35313.71

(1) 通过对比隶属度σ与HCM2010评分结果可以看出，本研究模型的隶属度值在HCM2010计算得到的对应等级下数值也偏大，即本模型在一定程度上与HCM2010的计算结果保持一致(如序号1对应HCM2010计算结果为5分，而在系数向量中获得的σ1=0.59).

5结论

本文首先运用灰色系统理论提出了基于灰类白化权函数的城市道路服务水平评价模型，并从服务水平的概念入手，基于现有研究提出了确定服务水平评价指标包括路段平均行程速度与路段自由流车速之比、路段流量与路段通行能力之比和速度标准差.通过视频拍摄和问卷调查的形式获得主观评分.分别将HCM2010计算结果、本研究的模型计算结果与主观评分结果进行对比分析，结果表明，本研究提出的方法具有较高的精度，可以较好地在考虑交通状态的同时兼顾用户感知，从而为完善服务水平评价体系提供了新的思路.

本文研究模型的验证过程并未考虑交叉口的影响，如何对交叉口进行打分还需要进一步研究；同时，在确定权重时是以理论和经验相结合的方式获取，在后续的研究中，应通过分析视频打分及跟车打分结果进行相关参数修正，同时考虑更具适应性权重的确定方法.

参考文献:

[1]BorardTR.Highwaycapacitymanual(HCM) 2010[R].WashingtonDC:TransportationResearchBoard, 2011.

[2]徐吉谦. 交通工程总论[M]. 北京: 人民交通出版社, 1998.

XUJiqian.Fundamentalsoftrafficengineering[M].Beijing:ChinaCommunicationPress,1998.

[3]ChoocharukulK,SinhaKC,ManneringFL.Userperceptionsandengineeringdefinitionsofhighwaylevelofservice:anexploratorystatisticalcomparison[J].TransportationResearchPartA:PolicyandPractice, 2004,38(9):677.

[4]刘俊娟，王炜，程琳. 基于梯形白化权函数的信号交叉口服务水平评价[J]. 交通运输工程学报, 2009,9(2): 121.

LIUJunjuan,WANGWei,CHENGLin.Servicelevelevaluationofsignalizedintersectionbasedontrapezoidwhitenizationweightfunction[J].JournalofTrafficandTransportationEngineering, 2009,9(2): 121.

[5]SemeidaAM.Derivationoflevelofservicebyartificialneuralnetworksathorizontalcurves:acasestudyinEgypt[J].EuropeanTransportResearchReview, 2015, 7(1):455.

[6]RobertsonJ,FitzpatrickK,ParkES, et al.Determininglevelofserviceonfreewaysandmultilanehighwayswithhigherspeeds[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard, 2014 (2461):85.

[7]熊烈强，李杰. 交通流理论与服务水平[J]. 同济大学学报：自然科学版,2005, 33(8): 1065.

XIONGLieqiang,LIJie.Trafficflowtheoryandlevelofservice[J].JournalofTongjiUniversity:NaturalScience, 2005, 33(8): 1065.

[8]孙晓亮. 城市道路交通状态评价和预测方法及应用研究[D]. 北京: 北京交通大学, 2013.

SUNXiaoliang.Urbanroadtrafficstateevaluationandprediction-anewschemewithapplications[D].Beijing:BeijingJiaotongUniversity, 2013.

[9]GeistefeldtJ,GiulianiS,VortischP, et al.Assessmentoflevelofserviceonfreewaysbymicroscopictrafficsimulation[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard, 2014 (2461): 41.

[10]陈刚. 基于灰色理论和BP神经网络交通流预测模型研究[D]. 哈尔滨: 哈尔滨工业大学, 2006.

CHENGang.PredictionoftrafficflowbasedongreytheoryandBPneuralnetworks[D].Harbin:HarbinInstituteofTechnology, 2006.

[11]郭敏，蓝金辉，李娟娟，等. 基于灰色残差GM(1, N) 模型的交通流数据恢复算法[J]. 交通运输系统工程与信息, 2011, 12(1): 42.

GUOMin,LANJinhui,LIJuanjuan, et al.TrafficflowdatarecoveryalgorithmbasedongrayresidualGM(1, N)model[J].JournalofTransportationSystemsEngineeringandInformationTechnology, 2011,12(1): 42.

[12]刘思峰，方志耕，杨英杰. 两阶段灰色综合测度决策模型与三角白化权函数的改进[J]. 控制与决策, 2014, 29(7): 1232.

LIUSifeng,FANGZhigeng,YANGYingjie.Twostagesdecisionmodelwithgreysyntheticmeasureandabettermentoftriangularwhitenizationweightfunction[J].ControlandDecision, 2014, 29(7): 1232.

[13]刘建，郑双忠，邓云峰，等. 基于G1 法的应急能力评估指标权重的确定[J]. 中国安全科学学报, 2006, 16(1): 30.

LIUJian,ZHENGShuangzhong,DENGYunfeng, et al.WeightdeterminationofindexesinevaluationofemergencyresponseabilitybasedonG1 [J].ChinaSafetyScienceJournal, 2006, 16(1): 30.

[14]VreeswijkJ,ThomasT,vanBerkumE, et al.Perceptionbiasinroutechoice[J].Transportation, 2014, 41(6): 1305.

[15]魏连雨，刘卫铮，崔洪军. 大车混入率——速度差与交通安全关联性研究[C]//2008年国际交通技术创新与应用大会暨国际交通基础设施建设与养护技术大会论文集. 北京:人民交通出版社，2008:112-120.

WEILianyu,LIUWeizheng,CUIHongjun.Studyonrelationshipsbetweendeviationofspeed,mixrateoflargevehiclesandtrafficsafety[C]//InternationalConferenceonInnovationandApplicationofTransportationTechnology.Beijing:ChinaCommunicationsPress, 2008:112-120.

[16]窦慧丽，刘好德，吴志周，等. 基于小波分析和ARIMA模型的交通流预测方法[J]. 同济大学学报: 自然科学版， 2009, 37(4): 486.

DOUHuili,LIUHaode,WUZhizhou, et al.Studyoftrafficflowpredictionbasedonwaveletanalysisandautoregressiveintegratedmovingaveragemodel[J].JournalofTongjiUniversity:NaturalScience, 2009, 37(4): 486.

[17]邵敏华，孙立军. 城市多级道路交通运行水平一体化评价模型[J]. 同济大学学报：自然科学版， 2010, 38(11): 1593.

SHAOMinhua,SUNLijun.Unitedevaluationmodeloftrafficoperationlevelfordifferenttypesofurbanroad[J].JournalofTongjiUniversity:NaturalScience, 2010, 38(11): 1593.

Level of Service Evaluation of Urban Streets Based on User Perception

ZHENG Lingyu， ZHAO Yi， WANG Zhongyu， WU Bing

(Key Laboratory of Road and Traffic Engineering of the Ministry of Education, Tongji University, Shanghai 201804, China)

Abstract：An evaluation method of level of service (LOS) for urban roads considering user perception was proposed based on the grey whitenization weight function theory. The whitenization weight functions of different indices, which is suitable for LOS evaluation, were constructed. A test of LOS evaluation of several urban streets in Pudong District, Shanghai was conducted. The efficiency of the model was examined through the comparisons with the results of scoring and LOS evaluation without taking user perception into consideration.

Key words：urban roads; level of service; user perception; grey cluster; whitenization weight function

收稿日期：2015-05-27

基金项目：国家自然科学基金(51138003)

通讯作者：吴兵(1960—)，男，教授，博士生导师，工学博士，主要研究方向为交通系统分析与优化设计，交通拥挤管理与控制.

中图分类号：U491

文献标志码：A

第一作者： 郑玲钰(1991—)，女，博士生，主要研究方向为交通管理与控制，动态交通分配. E-mail: 4125lynnzheng@tongji.edu.cn

E-mail: wubing@tongji.edu.cn