多目標組合優(yōu)化的城市騎行路網(wǎng)規(guī)劃設計

王超凡 張永平＊ 林雕 宋靜

1 研究背景

1.1 備受關注的自行車出行

自20世紀以來，城市面臨著交通機動化帶來的嚴峻問題，如交通擁堵、空氣污染和碳排放過多等。為了解決這些問題，世界各地積極推進多元化的綠色出行模式。其中，自行車因其輕便、靈活、低碳、健康的特性而備受關注。一方面，自行車可在短途出行中替代機動車，從而緩解交通擁堵、減少空氣污染和碳排放[1]。另一方面，自行車為居民提供多樣化的活動機會，在一定程度上能夠提升居民體力活動水平，對改善居民健康具有重要意義[2]。鑒于以上優(yōu)點，自行車作為一種綠色出行方式在全球范圍內(nèi)得到推廣[3]。例如，在哥本哈根，截至2018年底，自行車擔負日常通勤出行比例已超過49%[4]；中國在20世紀末被冠以“自行車王國”的美稱，自行車保有量超過5億輛。然而，隨著交通機動化發(fā)展，中國的自行車出行比例大幅下降。直到2017年，共享單車的流行讓自行車在中國重煥生機?？傮w來看，由于共享單車在資源配置與運營管理方面的問題以及城市騎行設施建設滯后等原因，中國的居民總體騎行水平與發(fā)達國家仍有差距。為了縮小這一差距，國家政策積極倡導自行車出行，其中包括《2030年前碳達峰行動方案》，該方案提出構建包括自行車在內(nèi)的綠色交通運輸體系，到2030年，實現(xiàn)常住人口100萬以上的城市綠色出行比例不低于70%的愿景[5]。此外，《“健康中國2030”規(guī)劃綱要》提出，騎行作為一種中等強度運動，應當被視為提升公眾日?；顒訁⑴c度、降低肥胖和慢性病等風險的突破口之一并加以提倡[6]。這些提案為促進自行車出行提供了重要的政策支持。

1.2 改善騎行基礎設施的重要意義

既往研究表明，城市建成環(huán)境與自行車出行之間存在重要關系。例如，Zhou等[7]、Feng[8]、Ito等[9]利用文獻計量方法對影響自行車出行的因素進行梳理，發(fā)現(xiàn)較高的公交站點密度、多樣化的土地利用和宜人的街景通常能夠促進自行車出行。騎行相關基礎設施則是建成環(huán)境中與自行車出行直接相關的決定性因素。通常情況下，地區(qū)騎行相關基礎設施越完善，當?shù)氐淖孕熊嚦鲂性绞芫用駳g迎[10]。騎行路網(wǎng)是騎行相關基礎設施的重要組成部分。已有研究表明，地區(qū)騎行路網(wǎng)的密度、總里程、連續(xù)性和自行車道的質量與當?shù)氐淖孕熊嚦鲂写嬖陲@著的正相關關系[11-13]。作為城市重要的綠色基礎設施，騎行路網(wǎng)是低碳、健康城市的重要載體。通過規(guī)劃、設計和組織等手段改善城市騎行路網(wǎng)，對促進居民的綠色出行和城市的可持續(xù)發(fā)展具有重要作用。

1.3 數(shù)據(jù)驅動的騎行路網(wǎng)規(guī)劃方法

盡管騎行路網(wǎng)對于促進自行車出行的重要性已成為廣泛共識，但當前中國的城市騎行路網(wǎng)規(guī)劃現(xiàn)狀仍不盡如人意。相比于快速發(fā)展的其他基礎設施，中國的自行車道建設顯得緩慢而缺乏效率，在數(shù)量上難以滿足廣大騎行者的需求。此外，騎行路網(wǎng)的建設質量同樣堪憂。由于騎行路網(wǎng)建設的標準化與專業(yè)性不足，中國的城市自行車道面臨著缺乏連貫性與一致性、機動車占道、騎行者路權難以保障等問題。

傳統(tǒng)上，交通規(guī)劃從業(yè)者主要依賴主觀經(jīng)驗與調研進行騎行路網(wǎng)規(guī)劃，如通過編寫自行車道規(guī)劃手冊、實地探訪等[14-15]。近年來，隨著大數(shù)據(jù)技術的興起，海量自行車軌跡數(shù)據(jù)為騎行路網(wǎng)規(guī)劃方法的革新提供了機遇。越來越多的研究采用數(shù)據(jù)驅動的方法來規(guī)劃騎行路網(wǎng)。例如，Liu等[16]利用共享單車大數(shù)據(jù)，使用拉格朗日松弛算法以實現(xiàn)規(guī)劃騎行路網(wǎng)最大化覆蓋路網(wǎng)連通度與使用人群，但此研究尚未考慮實際建設中所面臨的限制。Bao等[17]則引入了建設預算、連通性等約束條件，使用貪婪算法獲得最大化單車流量的騎行路網(wǎng)規(guī)劃方案。然而，此研究僅考慮了由騎行數(shù)據(jù)反映的當前自行車道建設下的現(xiàn)實騎行需求，而忽略了現(xiàn)實騎行需求的分布往往受到自行車道、停車點等基礎設施分布的影響。在規(guī)劃騎行路網(wǎng)時，規(guī)劃者不僅要考慮當前的道路騎行現(xiàn)狀，更要考慮那些騎行基礎設施覆蓋不足的區(qū)域中潛在的騎行需求，將兩者結合，并引入建設約束條件，以確保規(guī)劃方案符合實際情況。

因此，為彌補現(xiàn)有方法的不足，本研究提出了一種基于多源數(shù)據(jù)的城市騎行路網(wǎng)規(guī)劃方法。首先，利用多源數(shù)據(jù)來描繪城市道路空間特征和騎行使用特性。其次，結合現(xiàn)實與潛在的騎行需求，引入建設約束條件，對騎行路網(wǎng)規(guī)劃問題進行多目標組合優(yōu)化建模。最后，利用改進蟻群算法求解該問題，以獲取目標效益最大化的騎行路網(wǎng)規(guī)劃方案，以期為城市綠色交通規(guī)劃提供基于數(shù)據(jù)驅動的解決方案。

2 研究區(qū)域和研究方法

2.1 研究區(qū)域

本研究旨在對浙江省寧波市中心五區(qū)進行研究，包括鎮(zhèn)海區(qū)、北侖區(qū)、海曙區(qū)、江北區(qū)和鄞州區(qū)。截至2019年末，該五區(qū)常住人口超過100萬，年生產(chǎn)總值接近2.7億元[18]，是寧波市經(jīng)濟化和城市化程度最高的區(qū)域。人口的聚集帶來了巨大的交通需求，共享出行服務在寧波市得到了快速發(fā)展。截至2021年6月，已有超過10萬輛共享單車在該區(qū)域運營，極大程度地滿足了居民的出行需求。

2.2 研究方法

本研究結合共享單車的起訖點（origindestination, OD）數(shù)據(jù)，利用最短路徑算法計算獲得騎行軌跡及道路尺度的單車流量。同時，結合興趣點（points of interest, POI）數(shù)據(jù)來共同刻畫城市道路空間特征及騎行使用現(xiàn)狀?？紤]到最大化滿足現(xiàn)實騎行需求以及用道路POI數(shù)量和道路功能混合度表示的潛在騎行需求2個目標，本研究同時引入“預算限制”和“建設連通性”約束條件，對騎行路網(wǎng)規(guī)劃問題進行多目標組合優(yōu)化建模。最終，利用改進蟻群算法（ant colony optimization,ACO）對該問題進行求解，以獲得目標效益最大化的騎行路網(wǎng)規(guī)劃方案（圖1）。

1 研究框架Research framework

2.2.1 數(shù)據(jù)預處理

本研究主要使用3個數(shù)據(jù)集：寧波市路網(wǎng)數(shù)據(jù)集、共享騎行數(shù)據(jù)集、POI數(shù)據(jù)集。

寧波市路網(wǎng)數(shù)據(jù)集來自OpenStreetMap（www.openstreetmap.org），該數(shù)據(jù)集包含道路名稱、道路分類等信息。對路網(wǎng)數(shù)據(jù)進行預處理：1）選取主要道路、次級道路、三級道路、生活街道和自行車道這5類道路作為騎行路網(wǎng)規(guī)劃的基礎；2）由于原始道路網(wǎng)形狀復雜，利用ArcGIS軟件中的緩沖區(qū)、矢量化等工具，將原始道路網(wǎng)處理成計算機可編碼的加權無向圖G=（V，E），其中V代表無向圖中的結點，E代表無向圖中的邊；3）最終得到4 531條道路和3 134個路網(wǎng)節(jié)點。

共享騎行數(shù)據(jù)集來自寧波市最大的共享單車運營商哈啰。該數(shù)據(jù)集包含616 638條旅行記錄，時間跨越2020年9月14日至9月20日一周。每條記錄包括單車編號、用戶編號以及單車起訖點的經(jīng)緯度與時間。為排除可能存在的異常數(shù)據(jù)，筆者將時長短于1 min或長于2 h的旅行記錄剔除[19]。最終篩選出549 358條旅行記錄，作為本研究的有效樣本。

寧波市中心五區(qū)的POI數(shù)據(jù)集來自高德。該數(shù)據(jù)集共計391 571個POI，涉及名稱、地址、坐標、功能等多種信息。為了便于后續(xù)道路功能混合度的計算，筆者將高德的23個官方大類重新分類為11種類別，涵蓋城市建筑的日常使用功能，包括居住、購物、交通、餐飲等。

2.2.2 騎行路網(wǎng)規(guī)劃問題定義

騎行路網(wǎng)規(guī)劃問題可描述為：在給定加權無向街道網(wǎng)絡G=（V，E）中，在預算限制和建設連通性約束條件下，找到一個路網(wǎng)子集E′∈E，使得該子集最大限度滿足用戶現(xiàn)實和潛在騎行需求，

預算限制是指政府在建設自行車道時的成本限制。本研究用路網(wǎng)規(guī)劃里程L來表示政府預算，確保規(guī)劃的騎行路網(wǎng)總長度不超過L。假設每一條邊ei的 長度為li，那么預算限制的約束條件可以表示為∑ei∈E′li≤L。此外，規(guī)劃的騎行路網(wǎng)需具有較好的連通性，因為這不僅可以提高騎行者的出行體驗，也有助于政府合理分配建設資源，使施工對居民生活的影響最小化。因此，本研究設定了騎行網(wǎng)絡的最大連通個數(shù)w，建設連通性的約束條件可以表示為C（E′）≤w， 其中C（E′）為規(guī)劃騎行路網(wǎng)方案中總的連通部分個數(shù)。

對于ei∈E′，其現(xiàn)實騎行需求可通過道路單車流量進行測算，表示為D（ei），其潛在騎行需求可通過道路POI數(shù)量和功能混合度2個測度進行描述，分別表示為P（ei）和T（ei），道路POI數(shù)量越大、功能混合度越高意味著潛在騎行需求越大。

綜上所述，騎行道路網(wǎng)的規(guī)劃問題是一個復雜的非確定性多項式（nondeterministic polynomially, NP）問題，即在給定約束條件下尋找目標函數(shù)的最優(yōu)解。因此，最大化2個目標的數(shù)學表達式和約束方程可以分別表示為

2.2.3 規(guī)劃目標衡量

2.2.3.1 基于最短路徑算法的現(xiàn)實騎行需求測算

共享騎行數(shù)據(jù)僅記錄了每次出行的起訖點，而記錄實際路徑的信息卻相對有限。為了使規(guī)劃的路網(wǎng)能夠滿足大部分騎行者的需求，需要通過描述實際騎行路徑來測算道路尺度的單車流量以衡量現(xiàn)實騎行需求。首先，將起訖點匹配到最近的路網(wǎng)節(jié)點；其次，使用Dijkstra最短路徑算法求解每次出行中起訖點間的最短路徑，這是因為騎行者通常傾向于選擇時間成本最小的出行方案；最后，根據(jù)騎行路徑統(tǒng)計道路尺度的單車流量。

2.2.3.2 基于POI數(shù)量的潛在騎行需求分析

POI是地理空間實體的抽象表達。一般而言，人們騎自行車時的目的地通常會是商場、公交車站等地理空間實體。因此，POI數(shù)量在一定程度上可以反映城市道路的潛在騎行需求。在POI數(shù)量較多的道路上建設自行車道可以吸引更多居民采用騎行的方式前往目的地。在本研究中，通過統(tǒng)計道路50 m緩沖區(qū)內(nèi)的POI數(shù)量來估算道路的潛在騎行需求。

2.2.3.3 基于香農(nóng)熵指數(shù)的道路功能混合度計算

道路功能混合度的概念源于土地利用混合度?；旌侠玫耐恋啬軌蛟谝欢ǔ鲂芯嚯x內(nèi)提供更加豐富的功能和服務，從而促進人們的主動出行。因此，片區(qū)的功能越豐富，其潛在騎行需求也會越大。本研究將土地利用混合度的概念遷移到道路尺度，以道路50 m緩沖區(qū)內(nèi)不同類型POI的數(shù)量代替土地利用混合度中不同用地類型的面積，來計算用香農(nóng)熵指數(shù)衡量的道路功能混合度[20]。香農(nóng)熵指數(shù)的計算式為

式中：n為POI類型的總數(shù)；pi為i類POI出現(xiàn)的概率。

2.2.3.4 基于線性加權的多目標組合優(yōu)化

不同的優(yōu)化目標之間可能存在權衡與協(xié)同效應。因此，在規(guī)劃騎行路網(wǎng)時不能僅考慮單個目標。本研究先將各目標消除量綱，再采用線性加權函數(shù)將多目標進行組合，具體計算式為

式中：A為組合的目標函數(shù)；D、P、T分別為現(xiàn)實騎行需求、POI數(shù)量、道路功能混合度，z1、z2、z3分別為3個目標的權重。

2.2.4 蟻群算法改進

2.2.4.1 經(jīng)典蟻群算法

蟻群算法憑借其并行的計算結構與較強的全局搜索能力，能較好地與騎行路網(wǎng)規(guī)劃問題中的分布式路網(wǎng)建設和在給定條件下尋求目標效益最大化的需求相契合[21]。因此，本研究擬采用改進蟻群算法得到多目標組合下的最佳自行車道規(guī)劃方案。蟻群算法由學者Dorigo[22]在1992年提出，旨在通過模擬螞蟻覓食行為來解決各種優(yōu)化問題。該算法最早被用于解決旅行商問題（traveling salesman problem, TSP），即求解尋訪給定的 個城市的最短路徑。在旅行商問題中，螞蟻從節(jié)點 前往節(jié)點 的概率為p（i，j），其由信息素與啟發(fā)信息共同決定，具體計算式為

式中：τ（i，j）為 節(jié)點i、j間 的信息素；η（i，j）為節(jié)點i、j間的啟發(fā)信息，通常由節(jié)點i、j距離的倒數(shù)表示；為節(jié)點i可以前往的其他所有未重復尋訪節(jié)點k的合集；τ（i，k）為節(jié)點i、k間的信息素；η（i，k）為節(jié)點i、k間的啟發(fā)信息；α和β為超參數(shù)，分別代表信息素和啟發(fā)信息的權重。

在每次迭代中，路徑上的信息素進行更新的具體計算式為

式中：τ（i，j）（t）為迭代t次時路徑上的信息素總量；ρ為在迭代次數(shù)t到t+1時的信息素揮發(fā)系數(shù)；為Δτ（i，迭j）（t）代次數(shù)t到t+1時信息素變化的總量；M為經(jīng)過路徑（i，j）的螞蟻總數(shù)； Δ，j）（t）為迭代 t次時，第m只經(jīng)過路徑（i，j）的螞蟻所留下的信息素；Q為信息素釋放常量；Lm為第m只螞蟻的總行程；為在迭代次數(shù)t到t+1內(nèi)第m只螞蟻在路徑（i，j）上單位長度所釋放的信息素含量。

2.2.4.2 改進蟻群算法

本研究通過改進蟻群算法以適應騎行路網(wǎng)規(guī)劃問題，包括領域選擇、起始點選擇與信息素更新3方面規(guī)則。

1）鄰域選擇規(guī)則。在旅行商問題中，螞蟻可以選擇任意未尋訪過的節(jié)點作為下一個旅行節(jié)點。由于騎行路網(wǎng)的規(guī)劃需要保證車道的連續(xù)性，螞蟻在選擇下一條預規(guī)劃車道時，需在當前道路的鄰邊進行選擇，并排除已被選擇過的道路。因此，本研究通過控制轉移概率實現(xiàn)鄰域選擇規(guī)則。螞蟻從節(jié)點i到節(jié)點j后 ，路（i，徑j）的信息素更新為0，那么對應路徑（j，i）的轉移概率也為0，即螞蟻無法從節(jié)點j回到節(jié)點i。在計算下一個節(jié)點k的選擇概率時，為信息素乘上一個路徑（j，k）的距離倒數(shù)，那么節(jié)點j與任一非鄰域的節(jié)點之間的信息素趨近于0，節(jié)點j前往任一非鄰域節(jié)點的概率也相應為0，最終實現(xiàn)騎行路網(wǎng)規(guī)劃的鄰域選擇。

2）起始點選擇規(guī)則。在旅行商問題中，螞蟻可以選擇任意一個起點構造路徑解。但是在騎行路網(wǎng)規(guī)劃問題中，僅選擇一個起始點是不足的，在鄰域選擇規(guī)則作用下，由單一起點構造的路網(wǎng)規(guī)劃方案僅集中在城市的某一片區(qū)，難以滿足現(xiàn)實情況中分散在城市各片區(qū)的騎行需求。因此，在本研究中，螞蟻將同時選擇路網(wǎng)上的 條街道作為起始點，在鄰域選擇規(guī)則限制下，最終得到的規(guī)劃方案的內(nèi)部最大連通個數(shù)會小于等于。此外，本研究將分別從道路單車流量、POI數(shù)量、香農(nóng)熵指數(shù)位于前100的街道中選擇 條起始街道，將它們的權重作為選擇概率，以加快算法收斂速度。

3）信息素更新規(guī)則。信息素更新規(guī)則決定了算法能否得到高質量的解。本研究引入全局更新規(guī)則，假設一次迭代中有50只螞蟻，那么本次迭代得到了50種規(guī)劃方案。在單次迭代完成后，選取解質量最好的5只螞蟻，釋放信息素，那么這5種方案的每條道路上都會釋放一個信息素常量Q，即獎勵了那些解質量較好的方案。在后續(xù)迭代中，螞蟻則更傾向于選擇那些信息素濃度較高的邊，以加快算法收斂速度。

3 算法應用及結果

3.1 規(guī)劃目標現(xiàn)狀分析

通過對寧波市中心道路單車流量、POI數(shù)量、道路功能混合度進行分析，發(fā)現(xiàn)當前的共享單車出行主要集中在寧波市三江口核心地帶，單車流量較大的道路包括風華路、藥行街、中山東路、江廈街等，這與寧波市的核心商業(yè)片區(qū)相吻合，連接了城隍廟、鼓樓步行街、天一廣場等多個商業(yè)核心，而研究區(qū)域外圍的道路共享單車流量較少，甚至沒有任何出行記錄，這可能與當前哈啰在寧波市的單車運營范圍有關（圖2-1）；POI的分布與城市建成區(qū)狀況一致，POI較多的道路既集中在上述核心片區(qū)，也存在于東北部的鎮(zhèn)海區(qū)及北侖區(qū)2個區(qū)級中心（圖2-2）；不同于單車流量和POI的集中分布，寧波市道路的香農(nóng)熵指數(shù)普遍較高，預示著寧波市土地利用、POI功能多樣化的城市建設現(xiàn)狀，這為綠色出行提供了優(yōu)質的建成環(huán)境基礎（圖2-3）。

2 規(guī)劃目標現(xiàn)狀分析Analysis of current status of planning goals2-1 寧波市中心道路單車流量Traffic flow of bicycles on the central roads of Ningbo City2-2 寧波市中心道路POI數(shù)量Number of POI on the central roads of Ningbo City2-3 寧波市中心道路功能混合度Mixedness of functions of the central roads of Ningbo City

3.2 改進蟻群算法參數(shù)設定

在應用蟻群算法前，需對算法參數(shù)進行設定。其中，螞蟻數(shù)量是影響求解質量和速度的重要參數(shù)。螞蟻數(shù)量越多，每次迭代構造的解也越多，相應地獲得優(yōu)質解的概率就會增加。但當螞蟻數(shù)量過多時，消耗的計算資源也會增加，算法的收斂速度會變慢。因此，為了平衡解質量和算法收斂速度，將螞蟻數(shù)量設定為50只，每次迭代選取5只解質量最優(yōu)的螞蟻進行全局信息素的釋放，并設定迭代次數(shù)的上限為500次。此外，參考已有文獻，采用試湊法設定α和β的值分別為1.0和0.5[23]。

考慮到現(xiàn)實條件，過大的路網(wǎng)規(guī)劃里程會要求較高的預算，過小的路網(wǎng)規(guī)劃里程則會導致騎行路網(wǎng)實用性不足。同時，過多的連通個數(shù)使得騎行路網(wǎng)分散在不同區(qū)域，會影響騎行者的道路使用感，而過少的連通個數(shù)會導致車道的過分集中而難以滿足不同片區(qū)的騎行需求。因此，本研究以現(xiàn)實騎行需求為目標測試了路網(wǎng)規(guī)劃里程L分別為10km、20 km、30km，最大連通個數(shù)w為1～5的情況。結果（圖3）表明，當政府預算上限為20km，騎行路網(wǎng)最大連通個數(shù)為2時，可滿足29.822萬人次的需求，為低成本高效益的建設方案；現(xiàn)實騎行需求的峰值出現(xiàn)在當政府預算上限為30km，最大連通個數(shù)為3時，可滿足32.574萬人次的需求。綜合考慮建設成本和騎行需求，本研究將路網(wǎng)規(guī)劃里程L與最大連通個數(shù)w確定為20km與2條。

3 規(guī)劃里程與最大連通個數(shù)參數(shù)測試Parametric testing of planned mileage of cycling route network and maximum number of connections

3.3 算法優(yōu)化結果展示

3.3.1 單目標優(yōu)化方案

由于共享單車運營和使用的集中性，算法優(yōu)化結果得出的騎行網(wǎng)絡規(guī)劃方案都集中于寧波市三江口區(qū)域（圖4），因此將該區(qū)域作為騎行路網(wǎng)核心規(guī)劃區(qū)。

4 核心規(guī)劃區(qū)示意Representation of the core planning area

1）基于現(xiàn)實騎行需求的規(guī)劃方案。在騎行需求最大化目標下，該方案主要位于奉化江兩岸，規(guī)劃車道西至長春路、偃月街，東至彩虹南路、箕漕街，北至江東北路、曙光北路，核心區(qū)包括解放南路、藥行街等。該規(guī)劃方案主要服務于天一廣場、鼓樓、城隍廟等核心商業(yè)區(qū)，以及天一閣、月湖公園等景點，可以有效滿足騎行者的旅游、游憩等目的；方案東側涉及曙光小學、職教中心等文化POI，以及諸多居住區(qū)，與寧波市民的日常出行息息相關（圖5-1）。

5 單目標騎行路網(wǎng)規(guī)劃優(yōu)化方案Optimization scheme for single-objective cycling route network planning5-1 目標1：現(xiàn)實騎行需求最大化Objective 1: Maximizing realistic cycling demand5-2 目標2：POI數(shù)量最大化Objective 2: Maximizing number of POIs5-3 目標3：道路功能混合度最大化Objective 3: Maximizing road functional mix

2）基于POI數(shù)量的規(guī)劃方案。在POI數(shù)量最大化目標下，該方案北至人民路，西至解放南路，南至興寧路、永達路，東至創(chuàng)新路，途中涉及8 226個POI，聯(lián)系了城市主要商業(yè)區(qū)，包括余姚江北岸的寧波老外灘，核心商業(yè)區(qū)的天一廣場、鼓樓、城隍廟，奉化江東岸的飛躍廣場、濱江商業(yè)廣場等，這些區(qū)域是寧波市經(jīng)濟活力重心。該規(guī)劃方案將有效地滿足居民的經(jīng)濟出行需求，具有巨大的使用潛力（圖5-2）。

3）基于道路功能混合度的規(guī)劃方案。在道路功能混合度最大化目標下，與前2種方案不同，該方案的騎行路網(wǎng)主要覆蓋余姚江北岸和甬江兩岸，西側包括西草馬路、大閘南路、人民路，東側包括江東北路、曙光北路、新天路等。該規(guī)劃方案涉及寧波市各類功能POI，例如行政、醫(yī)療、教育單位以及體育場館等，雖然距城市核心商業(yè)區(qū)稍遠，但規(guī)劃的騎行道路網(wǎng)可以較大程度地滿足居民不同目的的出行需求，如通勤、醫(yī)療、體育等。因此，該方案具有一定應用前景（圖5-3）。

3.3.2 多目標組合優(yōu)化方案

規(guī)劃者不僅要著眼于當前道路的現(xiàn)實騎行需求，也應考慮那些產(chǎn)生潛在騎行需求的功能多樣化的POI設施。因此，本研究構建了線性加權函數(shù)，以w1、w2、ww33個權重參數(shù)來表示規(guī)劃者在規(guī)劃騎行路網(wǎng)時對3個目標的偏好。

1）等權重情景下的騎行路網(wǎng)規(guī)劃方案，即z1、z2、z3都為1/3。該方案與僅考慮道路功能混合度的規(guī)劃方案相似，這可能是由于道路功能混合度與騎行需求及POI個數(shù)呈高度正相關。但該方案也有自身特點，許多規(guī)劃的騎行道路與當前的濱江道路、開放空間重合，例如余姚江北岸的姚隘路、大閘南路、南岸的和義路、橫跨甬江的甬江大橋、江廈橋、外灘大橋以及甬江東岸的江東北路。規(guī)劃道路沿途經(jīng)過江濱公園、老外灘、慶安公園等開放空間，可較好地滿足居民的健身鍛煉和休閑需求（圖6-1）。

6 多目標組合優(yōu)化情景下的騎行路網(wǎng)規(guī)劃方案Planning schemes for cycling network under multiobjective combination optimization scenarios6-1 情景1：各目標等權重Scenario 1: Equal weighting of objectives6-2 情景2：現(xiàn)實騎行需求優(yōu)先Scenario 2: Prioritising realistic cycling demand6-3 情景3：POI數(shù)量優(yōu)先Scenario 3: Prioritising number of POIs6-4 情景4：道路功能混合度優(yōu)先Scenario 4: Prioritising road functional mix

2）優(yōu)先滿足現(xiàn)實騎行需求的方案，即z1、z2、z3分別為1/2、1/4、1/4。相較于其他方案，該方案的騎行路網(wǎng)更為集中，呈現(xiàn)環(huán)狀結構，覆蓋了寧波市三江口核心地區(qū)。該方案以中山東路、中山西路、解放北路、望京路、大閘南路、曙光路等重要道路連接了核心商旅片區(qū)，覆蓋鼓樓、天一廣場、寧波大劇院、寧波老外灘、日湖公園等核心旅游節(jié)點。該方案最大限度地激活了寧波核心片區(qū)的商業(yè)活力，對寧波的文旅產(chǎn)業(yè)發(fā)展有較大的正面作用（圖6-2）。

3）優(yōu)先滿足POI數(shù)量的方案，即z1、z2、z3分別為1/4、1/2、1/4。該方案的突出特點是集中在奉化江和甬江西側，將余姚江南北岸緊密相連。該方案北至清河路，途經(jīng)商業(yè)綜合體萬象城，中部包括解放北路、大閘南路，途經(jīng)來福士廣場、寧波老外灘，南至解放南路，途經(jīng)鼓樓、城隍廟步行街、天一廣場等核心商圈。該方案雖然將奉化江、甬江以西的重要商圈涵括在內(nèi)，但是卻忽視了東岸的騎行者，因此在覆蓋全面性上略顯不足（圖6-3）。

4）優(yōu)先滿足道路功能混合度的方案，即z1、z2、z3分別為1/4、1/4、1/2。這一方案整體呈現(xiàn)環(huán)狀結構，覆蓋三江口周邊的城市功能片區(qū)。該方案的重要道路包括海曙區(qū)的中山東路、解放北路、和義路，江北區(qū)的清河路、中馬路、白沙路，以及鄞州區(qū)的江東北路、曙光路等。這些道路的連接形成了環(huán)狀結構，可以很好地發(fā)揮跨江聯(lián)通的作用，促進區(qū)域協(xié)同發(fā)展，同時還可為市中心的核心商圈和旅游節(jié)點提供高效的交通服務（圖6-4）。

4 騎行路網(wǎng)規(guī)劃建議

結合算法優(yōu)化結果，本研究對寧波市騎行路網(wǎng)規(guī)劃提出5點建議。1）未來騎行路網(wǎng)規(guī)劃方案應著重考慮現(xiàn)實騎行需求。盡管本研究將POI數(shù)量和道路功能混合度考慮在內(nèi)，但算法的優(yōu)化結果與單車流量的道路分布具有高度一致性，說明規(guī)劃者在進行騎行路網(wǎng)規(guī)劃時需著重考慮現(xiàn)實騎行需求。2）不同情景中算法識別的共性區(qū)域和街道應作為未來騎行路網(wǎng)規(guī)劃的重點。在任一情景下，算法優(yōu)化結果都集中于三江口核心區(qū)，預示著此片區(qū)對于寧波市綠色交通出行的重要性，一些重點街道如藥行街、中山東路、解放北路、大閘南路、人民路等，在不同場景中頻繁出現(xiàn)，需在未來規(guī)劃中被優(yōu)先考慮。3）上述共性區(qū)域和街道對應的功能節(jié)點也需在未來騎行路網(wǎng)規(guī)劃中被著重考慮，作為促進綠色出行的規(guī)劃方案補充。例如，重點道路對應的重點功能片區(qū)如天一廣場、鼓樓、城隍廟、寧波老外灘等應被視為騎行路網(wǎng)規(guī)劃的重要節(jié)點，通過提升景觀與補充騎行設施等手段，發(fā)揮開放空間在促進綠色出行中的作用。4）騎行路網(wǎng)的規(guī)劃可與當前城市綠道規(guī)劃相結合，為居民營造優(yōu)質的綠色出行環(huán)境。例如，在《2021年寧波市綠道網(wǎng)建設任務書》中提到的“老外灘延伸段景觀提升工程”路段[24]在算法優(yōu)化結果中高頻出現(xiàn)，可以作為潛在的騎行綠道著重考慮。5）在多目標組合優(yōu)化場景下得到的環(huán)狀騎行路網(wǎng)結構具有重要的借鑒意義。未來規(guī)劃者應考慮寧波市城市形態(tài)及三江口核心區(qū)的特殊地形，利用環(huán)狀騎行路網(wǎng)結構發(fā)揮道路的跨江聯(lián)通作用，促進區(qū)域跨江協(xié)同發(fā)展，提高區(qū)域總體綠色出行比例。

5 結論與展望

本研究通過耦合多源城市數(shù)據(jù)，考慮現(xiàn)實條件限制，利用改進蟻群算法求解多目標組合優(yōu)化的騎行路網(wǎng)規(guī)劃問題，來促進以自行車為代表的綠色出行。研究結果表明，該方法可較好地應用于騎行路網(wǎng)規(guī)劃問題。在高密度城市空間中，該方法不僅能夠識別出需要進行騎行路網(wǎng)建設和改造的重點路段，有助于提高存量道路空間的利用效率，還可以遷移到其他城市規(guī)劃問題中，如步行道規(guī)劃、管網(wǎng)規(guī)劃等，算法獲得的結果可作為高密度城區(qū)背景下城市更新的重要理論依據(jù)。更重要的是，該方法融入數(shù)學建模與數(shù)據(jù)驅動思想，在針對傳統(tǒng)的基于經(jīng)驗主義的規(guī)劃方法上做出提升，對促進新興城市規(guī)劃方法發(fā)展具有重要的理論意義。同時，本研究獲得的現(xiàn)狀分析結果能夠較好地反映當前寧波市街道空間的使用狀態(tài)，識別出騎行需求熱點。此外，算法得到的規(guī)劃方案能夠較好地聯(lián)通當前城市中騎行的熱點街道與節(jié)點，加強片區(qū)間的交通聯(lián)系，促進城市核心區(qū)域的協(xié)同發(fā)展，這也對寧波市未來的綠色交通規(guī)劃、綠道規(guī)劃及開放空間改造具有重要的實踐借鑒意義。未來研究可從以下3個方面進行深化改進。

1）完善問題建模。在現(xiàn)實的騎行路網(wǎng)規(guī)劃實踐中，追求的目標可能更為豐富，例如，可以在目標中引入衡量交通擁堵的指標以實現(xiàn)交通擁堵最小化，還可以考慮不同道路的空氣污染排放量來實現(xiàn)騎行者在騎行過程中的空氣污染暴露最小化。此外，實踐中受到的限制條件也更多樣，如坡度，自行車騎行道不應被規(guī)劃在較陡的坡道上以避免因地形帶來的交通事故。因此，未來可引入更豐富的目標與限制條件，使算法獲得的結果更加貼近現(xiàn)實。

2）優(yōu)化算法參數(shù)設定。本研究僅采用試湊法來設定算法的超參數(shù)，而未探究參數(shù)設定背后的理論依據(jù)。未來可深入探究參數(shù)設定背后的理論依據(jù)，使其更具有科學性。在多目標組合優(yōu)化時，本研究僅依據(jù)各目標的優(yōu)先級來決定權重大小，未來研究可以參考專家、群眾的建議，采用層次分析法，使各目標的權重設定更為合理。

3）完善所用數(shù)據(jù)集。本研究所用數(shù)據(jù)集為哈啰提供的時間跨度為一周的騎行數(shù)據(jù)集。然而，用較短時間跨度的數(shù)據(jù)集估算出的騎行需求可能具有特殊性，難以反映不同時期寧波市道路空間使用狀態(tài)的穩(wěn)定特征。此外，除哈啰外，寧波市的騎行者可能會使用其他運營商提供的共享單車服務，如美團、青桔，因此當前估算的騎行需求可能與現(xiàn)實存在差距。未來可以引入由多方運營商提供的、時間跨度更長的單車出行數(shù)據(jù)集，來刻畫更為完整的城市騎行生態(tài)網(wǎng)絡。

致謝(Acknowledgments)：

感謝哈啰長久以來提供的各類研究支持，也感謝匿名審稿人的寶貴意見。

圖片來源(Sources of Figures)：

文中所有圖片均由作者繪制，其中圖2、4～6地圖底圖來自地理空間數(shù)據(jù)云（www.gscloud.cn）。