亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        城市軌道交通站點(diǎn)接駁設(shè)施規(guī)模預(yù)測(cè)方法*

        2018-10-12 09:37:28裴玉龍
        交通信息與安全 2018年4期
        關(guān)鍵詞:客流量客流出租車(chē)

        裴玉龍 潘 躍

        (東北林業(yè)大學(xué)交通學(xué)院 哈爾濱 150040)

        0 引 言

        近年來(lái),我國(guó)各大城市均加強(qiáng)了對(duì)軌道交通基礎(chǔ)設(shè)施的建設(shè)力度,城市軌道交通的服務(wù)能力得到了顯著提升,為城市居民的日常出行帶來(lái)了極大的便利。隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展,城市軌道交通基礎(chǔ)設(shè)施的規(guī)模將持續(xù)增加。常規(guī)公交??空尽⒊鲎廛?chē)??空?、P&R停車(chē)場(chǎng)和自行車(chē)停車(chē)場(chǎng)是城市軌道交通站點(diǎn)的重要接駁設(shè)施,規(guī)模適宜的接駁設(shè)施是接駁順暢與否的基本保障。準(zhǔn)確預(yù)測(cè)各接駁設(shè)施的規(guī)模對(duì)實(shí)現(xiàn)各種交通方式與城市軌道交通的有效銜接和提高城市軌道交通系統(tǒng)的運(yùn)行效率至關(guān)重要。

        目前,城市軌道交通站點(diǎn)接駁設(shè)施規(guī)模預(yù)測(cè)方面的研究主要可分為2個(gè)階段,第1階段是對(duì)城市軌道交通站點(diǎn)各接駁方式分擔(dān)率進(jìn)行預(yù)測(cè),第2階段是根據(jù)各接駁方式的客流量大小對(duì)相應(yīng)的接駁設(shè)施規(guī)模進(jìn)行預(yù)測(cè)。張?chǎng)毋慬1]研究了樞紐內(nèi)客流不同狀態(tài)下的轉(zhuǎn)移矩陣,運(yùn)用馬爾科夫模型構(gòu)建了樞紐中各交通方式客流分擔(dān)率的預(yù)測(cè)模型;邵昀泓[2]采用非集計(jì)模型建立了以出行時(shí)間和費(fèi)用為影響因素的樞紐客流分時(shí)段交通方式分擔(dān)率預(yù)測(cè)模型,為樞紐內(nèi)交通疏解提供了理論指導(dǎo);吳文靜等[3]根據(jù)樞紐管理需求,分別構(gòu)建了分時(shí)段預(yù)測(cè)、短時(shí)預(yù)測(cè)、類(lèi)比分析等多個(gè)客流換乘交通方式分擔(dān)率預(yù)測(cè)方法;S. M. Chowdhury等[4]從換乘客流均衡性分析、樞紐節(jié)點(diǎn)布局與站點(diǎn)優(yōu)化設(shè)計(jì)、無(wú)縫換乘與銜接方面對(duì)乘客的換乘行為進(jìn)行了分析,并開(kāi)發(fā)了樞紐客流換乘方式選擇四階段模型;N. H. Khandker等[5]運(yùn)用混合選擇模型,考慮換乘過(guò)程中乘客對(duì)不同交通方式的態(tài)度和行為,將其作為潛在變量,構(gòu)建了接駁方式選擇模型;李凱勝[6]利用排隊(duì)論模型對(duì)常規(guī)公交站的有效泊位數(shù)進(jìn)行分析與評(píng)估,提出采用通行能力法與泊位布置方式結(jié)合的方法計(jì)算實(shí)際需求的泊位數(shù);俞春輝等[7]以最小化出租車(chē)和乘客的綜合平均排隊(duì)時(shí)間為目標(biāo),建立了兼顧泊位設(shè)置模式和規(guī)模的優(yōu)化模型;A. R. Hole[8]以SP調(diào)查法得到停車(chē)換乘方式的分擔(dān)率,并利用二項(xiàng)logit模型對(duì)停車(chē)換乘設(shè)施規(guī)模進(jìn)行了預(yù)測(cè);J. C. García-Palomares等[9]基于GIS技術(shù)對(duì)出行需求和空間分布情況進(jìn)行估算,提出利用位置分配模型確定自行車(chē)停車(chē)場(chǎng)規(guī)模;陳穎雪等[10]利用模糊邏輯算法建立了郊區(qū)站點(diǎn)非機(jī)動(dòng)車(chē)停車(chē)場(chǎng)規(guī)模預(yù)測(cè)方法。

        在既有研究的基礎(chǔ)上,基于多項(xiàng)logistics回歸和Bayes判別分析分別建立了城市軌道交通站點(diǎn)接駁分擔(dān)率模型,并根據(jù)各自的適用范圍對(duì)其進(jìn)行應(yīng)用;以城市軌道交通站點(diǎn)各接駁方式分擔(dān)的客流量為基礎(chǔ),對(duì)常規(guī)公交??空?、出租車(chē)??空?、P&R停車(chē)場(chǎng)和自行車(chē)停車(chē)場(chǎng)的規(guī)模進(jìn)行預(yù)測(cè)。

        1 城市軌道交通站點(diǎn)接駁設(shè)施規(guī)模的影響因素

        城市軌道交通站點(diǎn)是以軌道交通為主導(dǎo)、多種交通方式輔助服務(wù)的綜合型交通節(jié)點(diǎn),與其接駁的交通方式主要有步行、常規(guī)公交、出租車(chē)、小汽車(chē)和自行車(chē)5類(lèi),由于步行不需借助交通工具,在接駁過(guò)程中受到的限制條件少、機(jī)動(dòng)性更強(qiáng),因此不在本文的研究范圍內(nèi)。其余接駁方式對(duì)應(yīng)設(shè)施分別為常規(guī)公交??空?、出租車(chē)停靠站、P&R停車(chē)場(chǎng)和自行車(chē)停車(chē)場(chǎng)。

        城市軌道交通站點(diǎn)接駁設(shè)施主要服務(wù)于換乘客流,因此各種接駁方式分擔(dān)的客流量是影響接駁設(shè)施規(guī)模的主要因素。在城市軌道交通站點(diǎn)各接駁方式分擔(dān)客流量的既有研究中,部分學(xué)者直接對(duì)城市軌道交通站點(diǎn)相關(guān)規(guī)劃中的預(yù)測(cè)分擔(dān)率進(jìn)行應(yīng)用,沒(méi)有結(jié)合現(xiàn)狀客流情況重新預(yù)測(cè)分擔(dān)率,且在預(yù)測(cè)時(shí)針對(duì)不同預(yù)測(cè)方法各自適用范圍方面的研究還不夠深入,種種原因?qū)е骂A(yù)測(cè)出的接駁方式客流量存在較大誤差。此外,各接駁交通方式的??刻卣饕矔?huì)直接影響接駁設(shè)施規(guī)模。

        1) 常規(guī)公交停靠特征對(duì)設(shè)施規(guī)模的影響。常規(guī)公交具有固定的出行線路和??空荆l(fā)車(chē)時(shí)間間隔也呈一定的規(guī)律性,且具備較大規(guī)模的運(yùn)輸能力,是主要的城市交通方式之一。在常規(guī)公交車(chē)輛在運(yùn)行過(guò)程中不同的道路擁堵程度和??空旧舷萝?chē)人數(shù),會(huì)直接影響在指定??空局懈鞒R?guī)公交的到站時(shí)間。因此單位時(shí)間內(nèi)常規(guī)公交到站的平均時(shí)間間隔和上下車(chē)人數(shù)是影響常規(guī)公交接駁設(shè)施規(guī)模的主要因素。

        2) 出租車(chē)停靠特征對(duì)設(shè)施規(guī)模的影響。出租車(chē)的出行服務(wù)有異于常規(guī)公交,由于不存在固定的起訖點(diǎn)和服務(wù)線路,所以乘客的出行需求直接決定了出租車(chē)的??啃枨?。由于出租車(chē)到站的不可控性,使得出租車(chē)單位時(shí)間內(nèi)進(jìn)站平均間隔成為了出租車(chē)接駁設(shè)施的主要影響因素,在此基礎(chǔ)上,確定合理的出租車(chē)??空疽?guī)模,能有效起到疏散城市軌道交通客流的作用。

        3) 小汽車(chē)??刻卣鲗?duì)設(shè)施規(guī)模的影響。小汽車(chē)與城市軌道交通的有效銜接對(duì)緩解城市交通擁堵有重要作用,合理的P&R停車(chē)場(chǎng)規(guī)模是引導(dǎo)客流由私人交通向公共交通轉(zhuǎn)移的基本保障。與出租車(chē)相比,小汽車(chē)與城市軌道交通接駁形式相對(duì)多樣,不僅可以在路邊臨時(shí)停靠接送親友,還可以在停車(chē)場(chǎng)內(nèi)長(zhǎng)時(shí)停放。因此P&R停車(chē)場(chǎng)的規(guī)模主要取決于需要長(zhǎng)時(shí)停放小汽車(chē)的客流,此外小汽車(chē)平均載客人數(shù)和停車(chē)周轉(zhuǎn)率也直接關(guān)系到P&R停車(chē)場(chǎng)的規(guī)模。

        4) 自行車(chē)??刻卣鲗?duì)設(shè)施規(guī)模的影響。自行車(chē)作為一種經(jīng)濟(jì)、方便的交通工具,在服務(wù)中短距離的出行上具有較為明顯的優(yōu)勢(shì),尤其是近年隨著共享單車(chē)的興起,更多的人被吸引至自行車(chē)出行的隊(duì)伍。按此趨勢(shì)發(fā)展,將會(huì)有越來(lái)越多的人轉(zhuǎn)至自行車(chē)交通出行,因此在掌握既有接駁客流量的基礎(chǔ)上,由其他交通轉(zhuǎn)移至自行車(chē)交通的客流量對(duì)設(shè)施規(guī)模的預(yù)測(cè)也存在較大影響??紤]到現(xiàn)狀道路上被使用的自行車(chē)以共享單車(chē)為主,個(gè)人僅擁有短時(shí)使用權(quán),停放后可供其他人繼續(xù)使用,因此自行車(chē)的停車(chē)周轉(zhuǎn)率相比小汽車(chē)會(huì)更大。

        2 城市軌道交通站點(diǎn)接駁設(shè)施規(guī)模的預(yù)測(cè)模型

        2.1 各接駁方式分擔(dān)客流量預(yù)測(cè)

        2.1.1 高峰小時(shí)客流量

        城市軌道交通站點(diǎn)的客流量主要是由進(jìn)站客流和出站客流兩部分組成,其中進(jìn)站客流包括通過(guò)步行、常規(guī)公交、出租車(chē)、小汽車(chē)和自行車(chē)等方式聚集在站點(diǎn)的乘客,而出站客流為通過(guò)城市軌道交通抵達(dá)站點(diǎn)并選用其他交通方式離開(kāi)站點(diǎn)的乘客。在城市軌道交通站點(diǎn)各出入口處對(duì)進(jìn)、出站客流進(jìn)行觀測(cè)記錄,可以得到高峰小時(shí)客流量S為

        (1)

        式中:n為城市軌道交通站點(diǎn)出入口的數(shù)量;Sn進(jìn)為第n個(gè)出入口進(jìn)站客流量;Sn出為第n個(gè)出入口出站客流量。

        2.1.2 接駁方式分擔(dān)率

        分擔(dān)率預(yù)測(cè)的準(zhǔn)確與否會(huì)直接影響各接駁設(shè)施規(guī)模的預(yù)測(cè)結(jié)果,常用的分擔(dān)率預(yù)測(cè)方法以多項(xiàng)logistics回歸模型為主,為提升分擔(dān)率預(yù)測(cè)結(jié)果的可靠性,筆者同時(shí)采用多項(xiàng)logistics回歸模型和Bayes判別分析進(jìn)行分擔(dān)率預(yù)測(cè),通過(guò)對(duì)兩類(lèi)模型預(yù)測(cè)結(jié)果適用性進(jìn)行對(duì)比,得到組合型分擔(dān)率預(yù)測(cè)方法。

        1) 基于多項(xiàng)logistics回歸分析的接駁分擔(dān)率預(yù)測(cè)。多項(xiàng)logistics回歸是利用極大似然估計(jì)法對(duì)模型參數(shù)進(jìn)行估計(jì)[11-12],在預(yù)測(cè)時(shí)以自行車(chē)為參考項(xiàng),并假設(shè)乘客均會(huì)依據(jù)自身需求,對(duì)接駁方式做出最為理性的選擇,可分別得到步行、常規(guī)公交、出租車(chē)和小汽車(chē)相對(duì)于自行車(chē)的相對(duì)效用,公式為[13]

        (2)

        式中:i=1,2,3,4,5分別表示步行、常規(guī)公交、出租車(chē)、小汽車(chē)和自行車(chē);Vi為第i類(lèi)接駁方式相對(duì)于自行車(chē)的效用;αi為第i類(lèi)接駁方式的常數(shù)項(xiàng);xn為第n個(gè)影響因素,n=1,2,3,4,5,6,7分別代表性別、年齡、職業(yè)、收入、家庭是否擁有小汽車(chē)、出行目的和出行距離7個(gè)影響因素;βin為第i類(lèi)接駁方式對(duì)應(yīng)的變量xn的系數(shù)。

        通過(guò)式(2)可依次求得各接駁方式對(duì)于自行車(chē)的相對(duì)效用,又因各接駁方式分擔(dān)率之和為1,可據(jù)此分別計(jì)算出選擇各接駁方式的概率。

        (3)

        式中:Pi為選擇各接駁方式的概率。

        所得概率最大的接駁方式即為乘客選擇的接駁方式,通過(guò)統(tǒng)計(jì)得到選擇各接駁方式的人數(shù),與樣本總量相比即可求出各接駁方式的分擔(dān)率。

        (4)

        2) 基于Bayes判別分析的接駁分擔(dān)率預(yù)測(cè)。設(shè)有總體Gi(1,2,…,5),已知這5個(gè)總體各自出現(xiàn)的概率為qi,有概率密度函數(shù)fi(x),則可得到判別函數(shù)為X=x時(shí),屬于Gi的后驗(yàn)概率P(X∈Gi|X=x),即[14-15]

        gi(x)=P(X∈Gi|X=x)=

        (5)

        若Gi(1,2,…,n)為p維正態(tài)總體,均值為μi,協(xié)方差陣為Σi,則判別函數(shù)為

        (6)

        簡(jiǎn)化后為

        gi(x)=D2(X|Gr)+ln|Σi|-2 lnqi,

        (7)

        若Σi(1,2,…,n)兩兩相等,則判別函數(shù)可進(jìn)一步化簡(jiǎn)為線性函數(shù)

        2 lnqi,i=1,2,…,5

        (8)

        2.1.3 高峰小時(shí)各接駁方式客流量

        根據(jù)城市軌道交通站點(diǎn)高峰小時(shí)客流總量和各接駁方式分擔(dān)率,可計(jì)算出各接駁方式分擔(dān)的客流量Fi為

        (9)

        2.2 公交車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型

        常規(guī)公交站的有效站位與高峰小時(shí)的上下車(chē)客流量直接相關(guān),而常規(guī)公交站中上下車(chē)的客流量不僅包括與城市軌道交通換乘的客流量,還包括非換乘的客流量。通過(guò)實(shí)地觀測(cè)可以確定換乘客流量占上下車(chē)客流總量的比例,在此基礎(chǔ)上對(duì)單個(gè)站位高峰小時(shí)的最大客流量進(jìn)行計(jì)算,進(jìn)而求得高峰小時(shí)常規(guī)公交站需要的有效站位數(shù)量Nbus為

        (10)

        2.3 出租車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型

        在確定租車(chē)換乘客流量的基礎(chǔ)上,由出租車(chē)平均載客量計(jì)算出高峰小時(shí)的出租車(chē)需求量,進(jìn)而根據(jù)出租車(chē)進(jìn)站的平均間隔時(shí)間求得高峰小時(shí)出租車(chē)停靠位數(shù)量為

        (11)

        式中:Dtaxi出租車(chē)??课粩?shù)量;F3為選擇出租車(chē)接駁城市軌道交通的客流量;Qtaxi為出租車(chē)??空締蝹€(gè)站位高峰小時(shí)最大客流量;ttaxi為出租車(chē)進(jìn)站的平均間隔時(shí)間;λtaxi為平均每輛出租車(chē)的載客人數(shù)。

        2.4 小汽車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型

        選擇小汽車(chē)接駁城市軌道交通的客流主要分為2個(gè)部分:①停車(chē)換乘的客流,會(huì)在城市軌道交通站點(diǎn)周邊產(chǎn)生停車(chē)需求;②親友駕車(chē)接送的客流,無(wú)停車(chē)需求。小汽車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型以停車(chē)換乘客流為研究前提,在考慮每輛小汽車(chē)平均載客人數(shù)和城市軌道交通周邊自有停車(chē)需求等因素影響下,求得城市軌道交通站點(diǎn)適宜的小汽車(chē)停車(chē)泊位數(shù)量,進(jìn)而求得小汽車(chē)停車(chē)場(chǎng)面積為

        (12)

        2.5 自行車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型

        在自行車(chē)換乘設(shè)施規(guī)模預(yù)測(cè)模型的構(gòu)建時(shí),不僅考慮了自行車(chē)接駁城市軌道交通的客流量,還考慮了選擇其他交通方式接駁城市軌道交通客流中有意轉(zhuǎn)用自行車(chē)進(jìn)行接駁的客流,以確保自行車(chē)換乘設(shè)施規(guī)模充足。在此基礎(chǔ)上結(jié)合城市軌道交通周邊自有自行車(chē)停車(chē)需求等因素,求得城市軌道交通站點(diǎn)適宜的自行車(chē)停車(chē)泊位數(shù)量,進(jìn)而求得自行車(chē)停車(chē)場(chǎng)面積為

        (13)

        3 模型參數(shù)標(biāo)定

        3.1 接駁方式分擔(dān)率預(yù)測(cè)模型參數(shù)標(biāo)定

        從哈爾濱軌道交通1號(hào)線中選取3處站點(diǎn)進(jìn)行客流數(shù)據(jù)調(diào)查并對(duì)建立的接駁方式分擔(dān)率預(yù)測(cè)模型進(jìn)行參數(shù)標(biāo)定。調(diào)查內(nèi)容主要包括乘客的性別、年齡、職業(yè)、收入、是否擁有小汽車(chē)、出行目的、出行距離和所選擇的接駁方式等。為減少調(diào)查帶來(lái)的誤差,采用簡(jiǎn)單隨機(jī)抽樣的方法對(duì)軌道交通站點(diǎn)內(nèi)的乘客發(fā)放調(diào)查問(wèn)卷,以獲取站點(diǎn)內(nèi)客流接駁數(shù)據(jù)。調(diào)查結(jié)果見(jiàn)表1。

        表1 乘客基本信息及接駁方式選擇調(diào)查結(jié)果

        借助SPSS軟件內(nèi)置程序,對(duì)調(diào)查數(shù)據(jù)進(jìn)行多項(xiàng)logistics回歸和Bayes判別分析,分別得到2個(gè)模型各自的參數(shù)估算值,其中多項(xiàng)logistics回歸中步行、常規(guī)公交、出租車(chē)和小汽車(chē)相對(duì)于自行車(chē)選擇概率的自然對(duì)數(shù)如下。

        V1=5.933-3.579x21-2.363x22-1.502x23-

        1.389x33+1.405x41-0.231x42+

        1.939x51-1.326x7

        (14)

        V2=-2.243x22-1.922x23-1.025x31-

        0.994x32+0.814x41+0.219x42+

        1.52x61+0.816x7

        (15)

        V3=-8.217-2.239x22-2.063x23+2.463x32-

        0.192x33-3.154x41-1.784x42-

        0.672x43-1.469x61+3.181x7

        (16)

        V4=-9.527-1.762x22+4.133x32-2.721x33-

        3.731x41-1.931x42-1.304x43-

        2.696x51-2.399x61+3.428x7

        (17)

        將式(14)~式(17)帶入式(3)可以得到城市軌道交通站點(diǎn)乘客接駁方式選擇概率為

        (18)

        (19)

        (20)

        (21)

        (22)

        同樣由SPSS軟件輸出結(jié)果得到分類(lèi)函數(shù)系數(shù),進(jìn)而有Bayes判別函數(shù)

        g1(x)=-16.399+5.421x1+0.182x2+

        0.170x3+1.214x4+5.418x5+

        4.760x6+3.693x7

        (23)

        g2(x)= -22.763+5.471x1+0.136x2+

        0.097x3+1.084x4+6.062x5+

        4.853x6+5.854x7

        (24)

        g3(x)= -28.929+4.914x1-0.333x2-

        0.678x3+2.688x4+6.684x5+

        5.727x6+6.513x7

        (25)

        g4(x)= -31.017+4.934x1-0.656x2-

        1.136x3+2.452x4+8.842x5+

        6.276x6+6.712x7

        (26)

        g5(x)= -20.674+5.103x1-0.459x2+

        0.262x3+1.423x4+6.440x5+

        4.433x6+5.256x7

        (27)

        應(yīng)用上述2個(gè)模型分別預(yù)測(cè)每位乘客選擇的接駁方式,進(jìn)而計(jì)算出各接駁方式的分擔(dān)率,并將其與實(shí)際調(diào)查結(jié)果進(jìn)行比較,發(fā)現(xiàn)2種模型的預(yù)測(cè)結(jié)果與實(shí)際偏差不大,且通過(guò)對(duì)比發(fā)現(xiàn)多項(xiàng)logistics回歸模型更適用于步行、出租車(chē)、小汽車(chē)和自行車(chē)的分擔(dān)率預(yù)測(cè),而B(niǎo)ayes判別分析則在常規(guī)公交分擔(dān)率預(yù)測(cè)上更加準(zhǔn)確。2類(lèi)模型預(yù)測(cè)結(jié)果的相對(duì)誤差見(jiàn)圖1,因此,在后續(xù)的分擔(dān)率預(yù)測(cè)中可采用2類(lèi)模型相結(jié)合的方法,以提升預(yù)測(cè)的準(zhǔn)確性。

        圖1 2種模型的分擔(dān)率預(yù)測(cè)結(jié)果相對(duì)誤差對(duì)比Fig.1 The comparison of the relative error between theprediction results of the two models

        3.2 接駁設(shè)施規(guī)模預(yù)測(cè)模型參數(shù)標(biāo)定

        因?yàn)橛绊懜黝?lèi)接駁設(shè)施規(guī)模的因素不盡相同,導(dǎo)致模型整體涉及的參數(shù)較多,其中部分參數(shù)可由經(jīng)驗(yàn)直接判定或從已有研究結(jié)果中獲取[16-18],剩余參數(shù)需要結(jié)合具體的城市軌道交通站點(diǎn),通過(guò)實(shí)地調(diào)查獲取。在已有研究基礎(chǔ)上獲取的參數(shù)值見(jiàn)表2。

        表2 可直接獲取的城市軌道交通站接駁設(shè)施規(guī)模測(cè)算參數(shù)值

        4 案例分析

        哈達(dá)站是哈爾濱軌道交通1號(hào)線的1座站點(diǎn),位于學(xué)府路與碎花路的交叉口,設(shè)有3個(gè)出入口,屬城市外圍區(qū)軌道交通站點(diǎn),周邊用地較為充裕,具備規(guī)劃一定規(guī)模接駁設(shè)施的條件。因此選取哈達(dá)站為例,對(duì)其接駁設(shè)施規(guī)模進(jìn)行測(cè)算。

        4.1 哈達(dá)站高峰小時(shí)各接駁方式客流量

        哈達(dá)站共3個(gè)出入口,通過(guò)調(diào)查確定17:00—18:00為該站點(diǎn)的高峰小時(shí),3個(gè)出入口高峰小時(shí)進(jìn)站客流量分別為286,250,199人,高峰小時(shí)出站客流量分別為257,244,195人。根據(jù)式(1)求得哈達(dá)站高峰小時(shí)總客流量S為1 431人。

        在哈達(dá)站3個(gè)出入口處向進(jìn)出站點(diǎn)的乘客隨機(jī)發(fā)放了300份調(diào)查問(wèn)卷,獲取乘客的性別、年齡、職業(yè)、收入、是否擁有小汽車(chē)、出行目的和出行距離等數(shù)據(jù)。結(jié)合調(diào)查數(shù)據(jù),采用Bayes判別分析式(23)~(27)和式(4)對(duì)常規(guī)公交的接駁分擔(dān)率進(jìn)行預(yù)測(cè),采用多項(xiàng)logistics回歸式(18)~(22)和式(4)對(duì)出租車(chē)、小汽車(chē)和自行車(chē)的接駁分擔(dān)率進(jìn)行預(yù)測(cè),得到哈達(dá)站常規(guī)公交、出租車(chē)、小汽車(chē)和自行車(chē)的接駁分擔(dān)率分別為21.3%,2.6%,3.7%和9.6%。

        在求得高峰小時(shí)客流量和各接駁方式分擔(dān)率的基礎(chǔ)上,由式(9)計(jì)算得到常規(guī)公交換乘客流量F2為305人、出租車(chē)換乘客流量F3為38人、小汽車(chē)換乘客流量F4為53人、自行車(chē)換乘客流量F5為138人。

        4.2 哈達(dá)站各接駁設(shè)施規(guī)模預(yù)測(cè)

        通過(guò)對(duì)哈達(dá)站進(jìn)行現(xiàn)場(chǎng)調(diào)查和統(tǒng)計(jì),確定了哈達(dá)站接駁設(shè)施規(guī)模預(yù)測(cè)涉及到的待定參數(shù)值,見(jiàn)表3。

        表3 與哈達(dá)站接駁設(shè)施規(guī)模測(cè)算相關(guān)的參數(shù)值

        由表2~3給定的城市軌道交通站點(diǎn)接駁設(shè)施規(guī)模測(cè)算參數(shù)值,按照式(10)~(13)分別得到哈達(dá)站各類(lèi)接駁設(shè)施建設(shè)規(guī)模,其中需要公交停靠站位約3.7個(gè),出租車(chē)??课患s2.4個(gè),P&R停車(chē)場(chǎng)面積816 m2(約28個(gè)泊位需求),自行車(chē)停車(chē)場(chǎng)面積173 m2(約116個(gè)泊位需求)。

        通過(guò)實(shí)地調(diào)查可知,哈達(dá)站周邊50 m內(nèi)設(shè)有1對(duì)常規(guī)公交??空荆?個(gè)車(chē)位,與預(yù)測(cè)結(jié)果相符;現(xiàn)狀出租車(chē)尚未設(shè)置規(guī)范的??课?,可根據(jù)規(guī)模預(yù)測(cè)結(jié)果在哈達(dá)站周邊設(shè)置3個(gè)出租車(chē)停靠位;站點(diǎn)周邊缺少P&R停車(chē)場(chǎng)和自行車(chē)停車(chē)場(chǎng),根據(jù)預(yù)測(cè)結(jié)果,可利用周邊待開(kāi)發(fā)的空地規(guī)劃建設(shè)816 m2的P&R停車(chē)場(chǎng)和173 m2的自行車(chē)停車(chē)場(chǎng)。

        5 結(jié) 論

        1) 根據(jù)城市軌道交通站點(diǎn)高峰小時(shí)各出入口進(jìn)出乘客的數(shù)量確定了高峰小時(shí)城市軌道交通站總客流量,基于多項(xiàng)logistics回歸和Bayes判別分析兩種方法建立接駁方式分擔(dān)率模型,通過(guò)對(duì)兩類(lèi)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,得出多項(xiàng)logistics回歸更適用于出租車(chē)、小汽車(chē)和自行車(chē)的分擔(dān)率預(yù)測(cè),而B(niǎo)ayes判別分析對(duì)常規(guī)公交分擔(dān)率的分擔(dān)率預(yù)測(cè)更加準(zhǔn)確,結(jié)合兩類(lèi)模型對(duì)城市軌道交通站點(diǎn)各接駁方式分擔(dān)率進(jìn)行預(yù)測(cè),并據(jù)此計(jì)算出高峰小時(shí)各接駁方式分擔(dān)的客流量。

        2) 在掌握城市軌道交通站點(diǎn)各接駁方式分擔(dān)的客流量基礎(chǔ)上,考慮了影響各類(lèi)接駁設(shè)施規(guī)模的因素,提出了城市軌道交通站周邊的常規(guī)公交??空?、出租車(chē)停靠站、P&R停車(chē)場(chǎng)和自行車(chē)停車(chē)場(chǎng)的規(guī)模測(cè)算方法,對(duì)哈爾濱軌道交通1號(hào)線中哈達(dá)站的接駁設(shè)施合理規(guī)模進(jìn)行測(cè)算,得到哈達(dá)站需要公交??空居行д疚粸?個(gè),出租車(chē)??空居行д疚?個(gè),P&R停車(chē)場(chǎng)面積為816 m2,自行車(chē)停車(chē)場(chǎng)面積為173 m2。

        3) 接駁設(shè)施規(guī)模測(cè)算中涉及的參數(shù)取值源于已有研究成果和實(shí)地調(diào)查,因其對(duì)測(cè)算結(jié)果存在較大影響,后續(xù)在參數(shù)取值方面還需深入研究。在對(duì)接駁設(shè)施規(guī)模預(yù)測(cè)的基礎(chǔ)上,下一階段擬對(duì)城市軌道交通站點(diǎn)接駁設(shè)施的布局展開(kāi)研究,探討各類(lèi)接駁設(shè)施的合理布局形式。

        猜你喜歡
        客流量客流出租車(chē)
        客流增多
        乘坐出租車(chē)
        基于嵌入式系統(tǒng)的商場(chǎng)客流量統(tǒng)計(jì)算法
        憑什么
        開(kāi)往春天的深夜出租車(chē)
        山東青年(2016年1期)2016-02-28 14:25:29
        基于自學(xué)習(xí)補(bǔ)償?shù)氖覂?nèi)定位及在客流分析中的應(yīng)用
        在解決Uber之前先解決出租車(chē)行業(yè)的壟斷
        基于AFC數(shù)據(jù)的城軌站間客流量分布預(yù)測(cè)
        人工免疫算法在電梯客流時(shí)段劃分的應(yīng)用
        城市軌道交通運(yùn)營(yíng)客流數(shù)據(jù)分析缺陷及應(yīng)對(duì)
        日本在线观看一区二区视频| 国产露脸精品产三级国产av| 中文字幕在线日韩| 热门精品一区二区三区| 亚洲字幕中文综合久久| 天天做天天爱天天综合网2021| 四虎影永久在线观看精品| 91久久精品人妻一区二区| 中文字幕第一页人妻丝袜| 日本乱偷人妻中文字幕| 成年视频国产免费观看| 亚洲国产精品第一区二区三区| 亚洲视频在线免费不卡| 亚洲av午夜国产精品无码中文字| 精品手机在线视频| 亚洲精品国产精品系列| 一级r片内射视频播放免费| 国产高潮刺激叫喊视频| 久久亚洲AV成人一二三区| 一区二区三区日本美女视频| 日本一本免费一二区| 国产精品福利视频一区| 国产亚洲精品综合在线网址| 全亚洲最大的私人影剧院在线看 | 中文字幕人妻久久一区二区三区| 欧洲美熟女乱又伦av影片| 国产suv精品一区二人妻| 红杏性无码免费专区| 美腿丝袜日韩在线观看| 久久精品中文字幕大胸| 久久这里只精品国产99热| 手机在线观看亚洲av| 狂猛欧美激情性xxxx大豆行情 | 久久精品国产99国产精偷| 国产在线精品一区二区不卡| 日韩精品一区二区亚洲av性色 | 国内精品国产三级国产avx| 免费a级毛片高清在钱| 久久精品一区二区三区av| a√无码在线观看| 97中文字幕精品一区二区三区|