陳佳琪

上海交通規(guī)劃設計研究院有限公司

0 引 言

近年來，伴隨著機動車保有量的增長，城市交通擁堵、環(huán)境惡化等問題逐漸顯現(xiàn)，非機動車出行重新得到了社會及政府的重視。共享單車的出現(xiàn)和“雙碳”目標的制定，又促使非機動車回歸城市之勢愈加猛烈。為進一步提升非機動車的出行環(huán)境，急需建立適宜的非機動車交通設施評價體系，作為設施規(guī)劃設計、運行管理的有力依據(jù)。

傳統(tǒng)非機動車交通設施評價體系的研究中，有的借鑒機動車交通分析思路，側重評價交通流指標如騎行速度、占道面積、超車數(shù)、延誤等[1-3]，評價雖然較為客觀，但不夠全面，缺少對騎行出行者自身騎行行為特性及意愿的考慮；還有的研究基于個體主觀感受調查[4-6]，但這樣的研究需要較大樣本量，且評價指標主要以交通設施為主，數(shù)據(jù)獲取困難，且難以解釋個體差異導致的感受不一致性。

公共自行車和共享單車這類攜帶GPS芯片的騎行工具的出現(xiàn)帶來了海量出行數(shù)據(jù)，基于出行軌跡數(shù)據(jù)可以提取大量且全面的自行車動態(tài)騎行指標，這些數(shù)據(jù)相比交通設施指標和路段交通流指標更能真實反映一條道路是否適合非機動車騎行，為道路非機動車交通設施評價帶來了更多的可能。因此，本文將基于共享單車的GPS數(shù)據(jù)，提取速度特征參數(shù)，建立城市道路路段騎行適宜性評價體系，并可以應用在大規(guī)模的路網(wǎng)評價上。

1 基于共享單車軌跡數(shù)據(jù)的騎行速度特征研究

1.1 研究范圍

本文采用的是2017年上海市一部分的摩拜單車訂單數(shù)據(jù)，數(shù)據(jù)時間為4月24日—4月28日，共5個工作日（天氣均為晴或多云），一共包含約81萬條軌跡。數(shù)據(jù)的字段包括軌跡編號、車輛編號、開鎖坐標、關鎖坐標、開鎖時間、用戶編號、軌跡點序列，軌跡點序列數(shù)據(jù)包含了兩部分的內容，一方面是軌跡點的經(jīng)緯度坐標，另一方面是軌跡點的GPS時間。

1.2 研究路段

本文在共享單車數(shù)據(jù)范圍內，依照道路等級、路面寬度、機非分隔條件、人非隔離條件、是否有路邊停車等道路設施條件篩選出具有特征多樣性的研究路段，共計300條。

1.3 數(shù)據(jù)處理

在提取速度特征指標前，需要對軌跡數(shù)據(jù)進行預處理，包括GPS時間的轉化、坐標系轉化等工作。數(shù)據(jù)清洗需要對軌跡持續(xù)時間小于1 min，或者軌跡點個數(shù)小于5個的軌跡數(shù)據(jù)進行剔除，保留的數(shù)據(jù)為原來數(shù)據(jù)量的73.45%。

數(shù)據(jù)預處理完后采用幾何的方法將軌跡數(shù)據(jù)與研究路段進行匹配，通過構建路段緩沖區(qū)，利用根據(jù)軌跡的行駛的方向與最短距離對軌跡點進行校正，匹配最佳路鏈。在進行地圖匹配后，為減小誤差，將把路段上少于10個軌跡點，且軌跡平均速度小于1 m/s（速度接近于步行速度）或大于10 m/s（速度接近于機動車速度）的數(shù)據(jù)進行剔除。圖1是地圖匹配前后共享單車軌跡點的空間分布情況。

圖1 地圖匹配前（左）匹配后（右）

1.4 單車速度特征指標提取

一般而言，騎行者的速度會受到騎行環(huán)境，包括道路設施、周圍車輛、橫向干擾等影響。經(jīng)驗表明，若騎行者能在較長的時間內保持穩(wěn)定的速度，且速度較高（達到其期望速度），則其會覺得路段適合騎行；反之，若騎行者在較長時間內無法達到較高的速度，需要通過頻繁的加減速躲避道路上的障礙物（如減速帶、道路坑洼）或者避免與周圍車輛、行人的沖突時，騎行者會感覺道路不太適合騎行。因此，車輛的速度特征可以表征路段的騎行適宜性。為了全面衡量非機動車的速度特征，結合實際并在參考以往有關騎行行為指標研究[7-8]的基礎上，經(jīng)過對騎行行為的分析驗證，本文提出速度、速度波動、減速行為和加速度四個層面10個單車速度特征指標，如表1所示。

表1 單車速度特征指標體系

2 路段騎行適宜性評價體系構建

2.1 路段流量-速度特征指標的識別

單個車輛的速度特征會受到騎行者自身特性的影響，所以同一路段上車輛間的速度特征存在差異性，僅用單車速度特征指標無法表達路段的騎行適宜性，因此，需要對單車速度特征指標集計分析得出路段流量-速度特征指標。

基于表1提到的單車速度特征指標，從路段的角度考慮，如果路段上車輛騎行速度的一致性較高，則路段的騎行適宜性更好。因此，對單車速度指標計算均值、分位數(shù)及標準差等指標，以獲取路段流量-速度特征指標，如表2所示。

表2 路段流量-速度特征指標

2.2 分時段的路段騎行適宜性評價的必要性分析

對共享單車開鎖時間進行統(tǒng)計，結果顯示工作日共享單車的出行量呈現(xiàn)明顯的“高峰-平峰”特征，早高峰為7—9點，晚高峰為17—19點，平峰采用白天出行量最少的兩個小時——10點到12點。

對三個時段的路段流量-速度特征指標（共14×3個）進行多元方差分析，結果顯示，對于早高峰、晚高峰、平峰的時段劃分的統(tǒng)計學檢驗結果顯示P＜0.001，證明早高峰、晚高峰和平峰三時段對各項指標取值差別有統(tǒng)計學意義，說明不同時段的路段流量-速度特征存在差異。高峰出行和平峰出行的出行目的不同，且早高峰和晚高峰光線條件的不同，對騎行行為會出現(xiàn)較大影響，因此后續(xù)在構建路段騎行適宜性體系的時候應該分時段構建。

2.3 分時段路段騎行適宜性評價模型構建

通過Spearman相關性研究發(fā)現(xiàn)各路段流量-速度特征指標之間不是相互獨立的，考慮采用因子分析提取出14個路段流量-速度特征指標的公因子，作為評價因子，使用KMO檢驗和Bartlett球形檢驗對早高峰、晚高峰和平峰的路段流量-速度特征指標進行分析，結果顯示均通過了檢驗，可以進行因子分析，且結果是有效的。

（1）早高峰路段騎行適宜性評價模型

經(jīng)過最大方差法做因子旋轉后，可得旋轉后的因子荷載矩陣，分析矩陣結果可得4個公因子，分別為早高峰速度因子（Fms），主要反映路段軌跡的速度水平；早高峰速度波動因子（Fmsv），主要反映路段軌跡速度的波動性；早高峰干擾因子（Fmv），主要反映路段流量和突然加減速行為；速度異質性因子（Fmb），主要反映路段騎行行為的一致性和路段絕對加速度的情況。利用回歸法可得各因子的得分系數(shù)矩陣如表3所示。

表3 早高峰路段騎行適宜性評價因子得分系數(shù)矩陣

依據(jù)各個因子旋轉平方和載入后的方差貢獻比重，可以計算出各因子的綜合得分，即早高峰路段騎行適宜性指數(shù)（MPRS），其權重為因子對應方差貢獻率比例。

其中因為早高峰速度波動因子（Fmsv）、干擾因子（Fmv）和速度異質性因子（Fmb）為反因子，即路段速度波動性越大，路段流量越大，路段騎行行為越不一致，路段騎行適宜性越低，因此權重應取相反數(shù)。早高峰路段騎行適宜性評價模型如下：

（2）晚高峰路段騎行適宜性評價模型

和早高峰路段騎行適宜性評價的思路一致，經(jīng)過因子分析后，選用四個因子為騎行適宜性評價因子，分別為晚高峰速度因子（Fes）、晚高峰速度波動因子（Fesv）、晚高峰干擾因子（Fev）和晚高峰速度異質性因子（Feb），由此可以得到晚高峰騎行適宜性評價因子的得分系數(shù)矩陣如表4所示。

表4 晚高峰路段騎行適宜性評價因子得分系數(shù)矩陣

從系數(shù)矩陣中可以看出，晚高峰騎行適宜性評價因子的系數(shù)與早高峰有所不同，說明不同時段的路段騎行適宜性評價機理與模型有所不同。同理，依據(jù)各個方差貢獻率比例可以得到各因子所占的權重，構建晚高峰路段騎行適宜性評價模型，即晚高峰路段騎行適宜性指數(shù)（EPRS）可以按如下公式計算：

（3）平峰路段騎行適宜性評價模型

利用上述分析方法對平峰路段騎行適宜性進行分析，結果顯示4個公因子和早、晚高峰有些差異，分別為平峰速度波動因子（Fosv），主要反映路段騎行速度的波動；平峰速度因子（Fos），主要反映路段騎行的速度水平；平峰干擾因子（Fov），主要反映路段流量和事件；平峰加速度因子（Foa），主要反映路段平均絕對加速度。說明平峰時路段車輛的騎行特征確實與高峰有所不同，其中ocvavg在因子中的影響不明確，這可能因為在平峰時段，路段非機動車流量較低，騎行較少受到車群的約束，共享單車在同一路段上的騎行行為較為隨機，受到騎行者自身特征的影響。平峰騎行適宜性評價因子的得分系數(shù)矩陣如表5所示。

表5 平峰路段騎行適宜性評價因子得分系數(shù)矩陣

依據(jù)各個平峰騎行適宜性評價因子的方差貢獻率比例可以建立平峰路段騎行適宜性評價模型，即平峰路段騎行適宜性指數(shù)（OPRS）可以按如下公式計算：

2.4 路段騎行適宜性指標體系

路段騎行適宜性評價指標體系及評價框架如圖2所示。

圖2 路段騎行適宜性評價體系

通過繪制路段騎行適宜性指數(shù)的累計分布曲線結果顯示MPRS、EPRS和OPRS的分布十分接近，說明各時段的路段騎行適宜性指數(shù)具有一致性，可以通過統(tǒng)一的標準對路段騎行適宜性進行分級。

為方便模型的應用，本文邀請了三位慢行交通領域的專家對研究路段的騎行適宜性進行打分，由此對路段騎行適宜性指數(shù)進行分級。研究人員為專家提供路段的街景圖片、路段機動車流量和各項路段流量-速度特征指標，給予專家一張評分卡片，要求其對不同路段展示出的路段騎行適宜性進行打分，共分為4個等級：優(yōu)、良、中、差。結合專家評估結果和各時段路段騎行適宜性指數(shù)的分布特征，可得路段騎行適宜性的分級標準（見表6）。

表6 路段騎行適宜性分級標準

3 模型應用

本次模型應用按照共享單車數(shù)據(jù)范圍，選擇一片較大規(guī)模的路網(wǎng)，共計1 335條道路路段。在進行地圖匹配后，計算單車速度特征指標，集計分析路段流量-速度特征指標，基于系數(shù)矩陣計算各時段的路段騎行適宜性評價因子，代入相應時段的路段騎行適宜性評價模型中，即可獲得對應路段的騎行適宜性指數(shù)。根據(jù)路段騎行適宜性的分級結果，繪制各時段的騎行適宜性地圖，如圖3、圖4、圖5所示。結果顯示，在上述路段范圍內的不同時段內約有20%的路段騎行適宜性為差，26%的路段騎行適宜性為中，31%的路段騎行適宜性為良，23%的路段騎行適宜性為優(yōu)。說明需要對46%的道路路段進行改善提升。

圖3 早高峰的路段騎行適宜性地圖

圖4 晚高峰的路段騎行適宜性地圖

圖5 平峰的路段騎行適宜性地圖

路段騎行適宜性地圖的應用可以包括以下幾個方面：

（1）協(xié)助交通規(guī)劃設計師發(fā)現(xiàn)路段騎行適宜性不良的路段，對非機動車交通設施進行合理的改善。對于高峰和平峰路段騎行適宜性均為差的路段需要重點關注。如圖6所示的雙陽路和眉州路，早高峰、晚高峰和平峰的路段騎行適宜性均為差，從街景反映的道路非機動車交通設施可以看出，這兩條道路均未設置非機動車道，機非處于混行狀態(tài)。而且道路兩側均為居民區(qū)，居民出行需求較大，但人行道狹窄，行人時常會在機動車道上行走，導致非機動車騎行時不僅要避讓機動車還需避讓行人，騎行適宜性很差，因此需要對道路進行改善。

圖6 雙陽路（上）和眉州路（下）街景示意圖

（2）道路管理者可以借助地圖實時監(jiān)控道路的非機動車設施的運行情況，有助于交通設施管理。對高峰時期路段騎行適宜性為紅的路段需要對其進行流量的疏導，特別需要關注機非間非物理隔離的路段，降低機非之間發(fā)生沖突的概率。

（3）路段騎行適宜性地圖可以用于非機動車的路徑誘導?，F(xiàn)有的非機動車路線推薦形式較為單一，主要以出行距離最短作為路徑推薦的依據(jù)，缺少對于路段騎行適宜性的關注。在今后的研究中，路段騎行適宜性可以作為出行路徑推薦時的重要指標，成為路徑推薦的依據(jù)之一，優(yōu)化傳統(tǒng)推薦模式，為不同時段出行的騎行者推薦騎行適宜性最優(yōu)的路徑。

4 小 結

本文基于共享單車軌跡數(shù)據(jù)提取海量高頻的速度特征參數(shù)，計算路段速度特征參數(shù)，識別關鍵評價因子，構建路段騎行適宜性評價模型，建立一套科學、合理、全面、可操作的城市道路路段騎行適宜性評價體系，打破以往研究數(shù)據(jù)精度與數(shù)據(jù)規(guī)模的限制，方便進行大規(guī)模的路網(wǎng)評價，對非機動車出行通道的規(guī)劃設計、提高非機動車的出行比例、促進城市交通可持續(xù)發(fā)展有重要意義。