基于用戶感知的城市道路交通服務(wù)水平評價方法

鄭玲鈺， 趙　益， 王忠宇， 吳　兵

(同濟大學(xué) 道路與交通工程教育部重點實驗室，上海 201804)

?

基于用戶感知的城市道路交通服務(wù)水平評價方法

鄭玲鈺， 趙益， 王忠宇， 吳兵

(同濟大學(xué) 道路與交通工程教育部重點實驗室，上海 201804)

摘要：從用戶感知的角度構(gòu)造了適用于服務(wù)水平評價的各聚類指標(biāo)的白化權(quán)函數(shù)，提出了城市道路交通服務(wù)水平評價體系.用此方法對上海市浦東新區(qū)部分路段的服務(wù)水平進行評價，并與問卷打分結(jié)果及僅考慮交通設(shè)施的服務(wù)水平評價結(jié)果進行對比.結(jié)果表明，基于用戶感知的灰類白化權(quán)函數(shù)聚類的城市道路交通服務(wù)水平評價方法能較好地與主觀評分結(jié)果匹配，具有較高的精度.

關(guān)鍵詞：城市道路； 服務(wù)水平； 用戶感知； 灰色聚類； 白化權(quán)函數(shù)

道路交通服務(wù)水平是指將復(fù)雜的交通狀態(tài)通過量化的指標(biāo)劃分為幾個等級來表示用戶對交通設(shè)施提供的服務(wù)的感知情況[1]，城市道路交通服務(wù)水平實際上是道路使用者從道路狀況、交通條件、道路環(huán)境等方面得到的服務(wù)程度和服務(wù)質(zhì)量[2].

本研究在考慮多源信息獲取可行性的基礎(chǔ)上，提出基于用戶感知的城市道路服務(wù)水平評價指標(biāo)，并以此構(gòu)建城市道路服務(wù)水平評價體系，為城市道路交通管理與控制提供決策依據(jù).

1基于灰色聚類的服務(wù)水平評分方法

灰色系統(tǒng)理論以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統(tǒng)為研究對象，通過對“部分已知信息”的開發(fā)，實現(xiàn)對系統(tǒng)運行行為、演化規(guī)律的正確描述和有效監(jiān)控[10-11].城市道路服務(wù)水平評價系統(tǒng)屬于典型的灰色系統(tǒng).

基于灰類白化權(quán)函數(shù)的服務(wù)水平評分算法，是以處于不同交通狀態(tài)的路段作為聚類對象，計算該路段在不同服務(wù)水平下的綜合評價值，進而對該路段服務(wù)水平進行評價.具體計算步驟包括劃分灰類數(shù)、建立白化權(quán)函數(shù)、計算效果評價向量和判斷服務(wù)水平[12].在計算評價向量時采用定權(quán)聚類法分析，運用主觀賦值法(G1)獲得指標(biāo)的權(quán)重[13].

2數(shù)據(jù)搜集

本研究以城市地面道路為主要研究對象，采用視頻拍攝及評分調(diào)查的方式對上海市浦東某區(qū)域道路的路段服務(wù)水平進行評分實驗，并將其與模型結(jié)果對比，以論證模型計算精度.

2.1視頻拍攝調(diào)查

本研究運用車載GPS記錄行駛車速并拍攝視頻.調(diào)查路段包括城市主干路、次干路和支路，機非分隔情況包括機動車專用道、機非分隔和機非混行，含單向車道及雙向車道，所選道路具有較好代表性.本研究于2015年3月11日7:30—9:00，9:30—11:00及17:00—18:30在上海市浦東新區(qū)部分路段進行拍攝，拍攝路段及線路如圖1所示.

圖1　調(diào)查區(qū)域示意圖

2.2評分調(diào)查

本評分調(diào)查分?jǐn)?shù)制定采用五分制，評價等級用暢通、暢通與擁堵之間、擁堵、擁堵和阻塞之間及阻塞描述，并分別賦值為5，4，3，2和1.視頻拍攝位置及內(nèi)容如圖2所示.

圖2　視頻拍攝位置及內(nèi)容示意圖

假設(shè)服務(wù)水平的誤差在±0.05之間，調(diào)查結(jié)果在95%的置信范圍以內(nèi)，將上海市常住人口總數(shù)2 415.15萬人作為總體規(guī)模，運用公式(1)計算調(diào)查所需的樣本量.

(1)

式中：n為調(diào)查所需的樣本量；P為樣本變異程度，取0.5；e為期望調(diào)查結(jié)果的精度；Z為期望調(diào)查結(jié)果的置信度，95%置信度下為1.96；N為總體規(guī)模.

考慮到問卷的回收率，所需調(diào)查問卷為384.15/(1-10%)=427份.此次調(diào)查問卷共回收517份，篩選后得到有效問卷496份，問卷的有效率為95.9%，滿足調(diào)查問卷的數(shù)量要求.

在計算主觀評分時，對相同路段同時間段的評分取平均值，得到該路段在該時刻的服務(wù)水平.設(shè)圖2中由起點沿黑線所示方向至終點為一圈(含18條路段)，視頻按照早高峰、平峰和晚高峰分別拍攝了三圈、四圈和四圈的狀態(tài)，共計198條評分?jǐn)?shù)據(jù).

3基于用戶感知的城市道路服務(wù)水平評價

本研究的城市道路路段概念如圖3所示，交叉口的服務(wù)水平評價不在本研究的范圍內(nèi).

圖3　城市道路路段概念[1]

3.1評價指標(biāo)的選取

服務(wù)水平包含兩層含義，即交通運行的客觀狀態(tài)和道路使用者對其的感知情況.因此，在選取評價參數(shù)時，既應(yīng)考慮所選取參數(shù)能反映交通流運行狀態(tài)，又應(yīng)考慮該參數(shù)能被道路使用者感知.在選取指標(biāo)時，分別從客觀狀態(tài)和感知情況兩方面進行考慮.

3.2評價指標(biāo)閾值的確定

本研究運用小波分析的理論確定δv的閾值劃分.其中，δv的數(shù)據(jù)選用研究時段內(nèi)研究區(qū)域全部浮動車數(shù)據(jù)以1.5min為間隔，共240條數(shù)據(jù).考慮到相鄰的重構(gòu)信號性質(zhì)相似，選用第2，4，6級信號為閾值[16]，獲得表1的閾值劃分.

選用研究時段內(nèi)研究區(qū)域全部路段的V/C數(shù)據(jù)，以5min為統(tǒng)計間隔，共獲得1 296條V/C數(shù)據(jù)，運用軟件SPSS進行單樣本Kolmogorov-Smirnov(K-S)檢驗.在K-S檢驗中，Z值為0.880，P值為0.421>0.050，數(shù)據(jù)呈近似正態(tài)分布.依據(jù)正態(tài)分布的3σ和1.23σ原則對V/C的閾值進行劃分，建立的服務(wù)水平與主要影響因素的關(guān)系如表1所示.

表1　服務(wù)水平與主要影響因子的關(guān)系

4模型結(jié)果與分析

表2　專家打分結(jié)果

本研究評分結(jié)果按照五分制標(biāo)記，根據(jù)公式(2)分別計算HCM2010的服務(wù)水平、本研究模型所得的服務(wù)水平以及評分調(diào)查獲得的服務(wù)水平間的相對誤差.

(2)

式中：ε為計算獲得的服務(wù)水平與主觀評分獲得的服務(wù)水平間的相對誤差；Lk為計算獲得的服務(wù)水平，分別為僅考慮交通設(shè)施的服務(wù)水平評價結(jié)果或本研究提出模型獲得的服務(wù)水平評分，本研究使用HCM2010的算法作為僅考慮交通設(shè)施的服務(wù)水平評價方法；Ls為主觀評分調(diào)查獲得的服務(wù)水平評分值.

HCM2010與本研究模型的誤差比較如圖4所示.相比于HCM2010，在多數(shù)情況下，本研究模型得到的結(jié)果的誤差要優(yōu)于HCM2010計算得到的結(jié)果，尤其在HCM2010與主觀評分結(jié)果差異較明顯時.分析本研究模型與HCM2010結(jié)果差異性的原因，取有代表性的數(shù)據(jù)分析，如表3所示.

根據(jù)表3可知：

圖4　HCM2010與本研究模型的誤差比較

序號影響因素灰色聚類系數(shù)向量評分結(jié)果v-/vfδvV/Cσ1σ2σ3σ4σ5本文HCM2010實際評分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) 通過對比隸屬度σ與HCM2010評分結(jié)果可以看出，本研究模型的隸屬度值在HCM2010計算得到的對應(yīng)等級下數(shù)值也偏大，即本模型在一定程度上與HCM2010的計算結(jié)果保持一致(如序號1對應(yīng)HCM2010計算結(jié)果為5分，而在系數(shù)向量中獲得的σ1=0.59).

5結(jié)論

本文首先運用灰色系統(tǒng)理論提出了基于灰類白化權(quán)函數(shù)的城市道路服務(wù)水平評價模型，并從服務(wù)水平的概念入手，基于現(xiàn)有研究提出了確定服務(wù)水平評價指標(biāo)包括路段平均行程速度與路段自由流車速之比、路段流量與路段通行能力之比和速度標(biāo)準(zhǔn)差.通過視頻拍攝和問卷調(diào)查的形式獲得主觀評分.分別將HCM2010計算結(jié)果、本研究的模型計算結(jié)果與主觀評分結(jié)果進行對比分析，結(jié)果表明，本研究提出的方法具有較高的精度，可以較好地在考慮交通狀態(tài)的同時兼顧用戶感知，從而為完善服務(wù)水平評價體系提供了新的思路.

本文研究模型的驗證過程并未考慮交叉口的影響，如何對交叉口進行打分還需要進一步研究；同時，在確定權(quán)重時是以理論和經(jīng)驗相結(jié)合的方式獲取，在后續(xù)的研究中，應(yīng)通過分析視頻打分及跟車打分結(jié)果進行相關(guān)參數(shù)修正，同時考慮更具適應(yīng)性權(quán)重的確定方法.

參考文獻:

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

[2]徐吉謙. 交通工程總論[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]劉俊娟，王煒，程琳. 基于梯形白化權(quán)函數(shù)的信號交叉口服務(wù)水平評價[J]. 交通運輸工程學(xué)報, 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]熊烈強，李杰. 交通流理論與服務(wù)水平[J]. 同濟大學(xué)學(xué)報：自然科學(xué)版,2005, 33(8): 1065.

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

[8]孫曉亮. 城市道路交通狀態(tài)評價和預(yù)測方法及應(yīng)用研究[D]. 北京: 北京交通大學(xué), 2013.

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

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

[10]陳剛. 基于灰色理論和BP神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2006.

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

[11]郭敏，藍金輝，李娟娟，等. 基于灰色殘差GM(1, N) 模型的交通流數(shù)據(jù)恢復(fù)算法[J]. 交通運輸系統(tǒng)工程與信息, 2011, 12(1): 42.

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

[12]劉思峰，方志耕，楊英杰. 兩階段灰色綜合測度決策模型與三角白化權(quán)函數(shù)的改進[J]. 控制與決策, 2014, 29(7): 1232.

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

[13]劉建，鄭雙忠，鄧云峰，等. 基于G1 法的應(yīng)急能力評估指標(biāo)權(quán)重的確定[J]. 中國安全科學(xué)學(xué)報, 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]魏連雨，劉衛(wèi)錚，崔洪軍. 大車混入率——速度差與交通安全關(guān)聯(lián)性研究[C]//2008年國際交通技術(shù)創(chuàng)新與應(yīng)用大會暨國際交通基礎(chǔ)設(shè)施建設(shè)與養(yǎng)護技術(shù)大會論文集. 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]竇慧麗，劉好德，吳志周，等. 基于小波分析和ARIMA模型的交通流預(yù)測方法[J]. 同濟大學(xué)學(xué)報: 自然科學(xué)版， 2009, 37(4): 486.

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

[17]邵敏華，孫立軍. 城市多級道路交通運行水平一體化評價模型[J]. 同濟大學(xué)學(xué)報：自然科學(xué)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

基金項目：國家自然科學(xué)基金(51138003)

通訊作者：吳兵(1960—)，男，教授，博士生導(dǎo)師，工學(xué)博士，主要研究方向為交通系統(tǒng)分析與優(yōu)化設(shè)計，交通擁擠管理與控制.

中圖分類號：U491

文獻標(biāo)志碼：A

第一作者： 鄭玲鈺(1991—)，女，博士生，主要研究方向為交通管理與控制，動態(tài)交通分配. E-mail: 4125lynnzheng@#edu.cn

E-mail: wubing@#edu.cn