嚴(yán)亞丹，崔 璨，王東煒

(鄭州大學(xué)土木工程學(xué)院，鄭州 450001)

不同等級(jí)、不同功能、不同通行能力的城市道路構(gòu)成有機(jī)的城市道路網(wǎng)絡(luò).當(dāng)且僅當(dāng)整個(gè)城市的交通負(fù)載既可滿足出行者出行目的與距離的要求，又能均衡地分布在不同等級(jí)的道路上，路網(wǎng)才能得到最有效的利用[1].級(jí)配是路網(wǎng)規(guī)劃設(shè)計(jì)的重要方面，合理的路網(wǎng)等級(jí)級(jí)配能夠保障城市道路交通流由低一級(jí)道路向高一級(jí)道路有序匯集，并由高一級(jí)道路向低一級(jí)道路有序疏散，從而通過不同出行距離交通的分流來提高路網(wǎng)運(yùn)轉(zhuǎn)效率[2].《城市綜合交通體系規(guī)劃標(biāo)準(zhǔn)》(GB/T 51328—2018)對(duì)城市中不同等級(jí)的道路功能提出建議，即干線道路應(yīng)承擔(dān)城市中、長距離聯(lián)系交通，集散道路和支線道路共同承擔(dān)城市中、長距離聯(lián)系交通的集散和城市中、短距離交通的組織.但目前的大多數(shù)城市往往注重高等級(jí)道路(快速路和主干路)的規(guī)劃建設(shè)，對(duì)低等級(jí)道路(次干路和支路)關(guān)注較少，導(dǎo)致城市道路網(wǎng)絡(luò)等級(jí)級(jí)配不甚合理，形成倒三角、紡錘形等[3].此外，城市居民出行路徑選擇易受到電子導(dǎo)航影響，導(dǎo)致原本無須依賴于高等級(jí)道路的短距離出行可能占用高等級(jí)道路，影響高等級(jí)道路的交通功能發(fā)揮，更影響整個(gè)城市路網(wǎng)的通達(dá)效率.

長期以來，級(jí)配研究主要停留在靜態(tài)的路網(wǎng)結(jié)構(gòu)層面，涉及各等級(jí)道路的適宜里程比例及不同等級(jí)道路的間距等方面.邵正宇等[4]提出以車輛通行能力最大為目標(biāo)的線性規(guī)劃數(shù)學(xué)模型求解級(jí)配；蔡軍[5]認(rèn)為合理的干路網(wǎng)密度應(yīng)使居民出行時(shí)在城市干路內(nèi)的花費(fèi)的時(shí)間和干路所圍合的街區(qū)內(nèi)的出行時(shí)間之和最小，并據(jù)此構(gòu)建了居民出行效率分析法，對(duì)合理的街區(qū)尺度、路網(wǎng)間距進(jìn)行了推導(dǎo)；王建軍等[6]提出基于機(jī)動(dòng)車流量合理分擔(dān)率的級(jí)配確定方法；陳學(xué)武等[7]以城市道路面積資源的供給量最小為目標(biāo)，構(gòu)建路網(wǎng)級(jí)配模型；任剛等[8]建立了各級(jí)道路按間距均勻分布的方格狀路網(wǎng)，以總經(jīng)濟(jì)效益為優(yōu)化目標(biāo)，同時(shí)從道路建設(shè)者及使用者的角度，提出了基于建設(shè)費(fèi)用和出行費(fèi)用之和最小化的各級(jí)道路合理間距模型，并以實(shí)例進(jìn)行驗(yàn)證；賀娟等[9]提出基于出行時(shí)耗概率的城市道路級(jí)配確定方法；周竹萍等[10]以出行時(shí)間最短為目標(biāo)，以各種交通方式的需求為約束，建立了單目標(biāo)線性規(guī)劃模型，求解城市道路等級(jí)配置；龍雪琴等[11]從供需平衡的角度出發(fā)，根據(jù)各等級(jí)道路功能的區(qū)別，討論了基于路網(wǎng)交叉口等級(jí)的可能出行順序，并以各等級(jí)道路上的交通周轉(zhuǎn)量作為交通需求、通行能力作為交通供給，在滿足各交通方式供需平衡的基礎(chǔ)上，得到各等級(jí)道路的需求長度；王東煒等[3]收集了若干個(gè)城市的高德地圖實(shí)時(shí)路況數(shù)據(jù)，研究了考慮路段狀態(tài)相關(guān)性的不同等級(jí)道路合理間距，并進(jìn)而計(jì)算城市路網(wǎng)密度與等級(jí)級(jí)配；李陽等[12]則采用模糊評(píng)價(jià)法對(duì)路網(wǎng)結(jié)構(gòu)布局的評(píng)判矩陣進(jìn)行分析計(jì)算，對(duì)路網(wǎng)級(jí)配進(jìn)行評(píng)價(jià).

然而，路網(wǎng)級(jí)配的研究更應(yīng)關(guān)注路網(wǎng)實(shí)際運(yùn)行中不同等級(jí)道路承擔(dān)的交通量及居民出行路徑中的道路級(jí)配特征，即路網(wǎng)級(jí)配的設(shè)計(jì)理念和不同等級(jí)道路功能的實(shí)現(xiàn)程度應(yīng)在路網(wǎng)實(shí)際運(yùn)行中得到體現(xiàn).現(xiàn)狀從動(dòng)態(tài)層面反映路網(wǎng)運(yùn)行中各等級(jí)道路功能發(fā)揮狀況的研究鮮少，即缺乏對(duì)路網(wǎng)級(jí)配實(shí)際效用的評(píng)價(jià).僅郭繼孚[13]采用北京市浮動(dòng)車數(shù)據(jù)，得到了不同出行距離所使用不同等級(jí)道路的分布和比例情況，進(jìn)而分析城市道路的使用狀況與存在問題；周文竹等[14]通過定性分析將3、7 km分別作為短、中、長距離的分界，研究了不同等級(jí)道路承擔(dān)的出行距離分布規(guī)律以及交通方式在各等級(jí)道路上的出行距離.但浮動(dòng)車數(shù)據(jù)的預(yù)處理工作較為煩瑣，且數(shù)據(jù)獲取具有一定難度.

此外，對(duì)于城市路網(wǎng)運(yùn)行效率的評(píng)價(jià)，研究人員從不同的應(yīng)用角度針對(duì)不同類型的交通設(shè)施定義了各種評(píng)價(jià)指標(biāo)，如行程時(shí)間、速度、延誤，以及飽和度等，但尚未從居民出行過程中的道路使用情況入手，而居民出行一開始對(duì)于路徑、道路的選擇，往往為后續(xù)道路的運(yùn)行狀態(tài)奠定了基調(diào).這時(shí)，居民出行的路徑選擇、規(guī)劃顯得尤為重要.

隨著社會(huì)的不斷發(fā)展，電子導(dǎo)航地圖興起，為城市居民提供實(shí)時(shí)交通信息以及出行路徑規(guī)劃服務(wù)，并能夠進(jìn)行躲避擁堵、時(shí)間最短等偏好設(shè)置，使出行更加便利.Questmobile研究院[15]發(fā)布的2019中國移動(dòng)互聯(lián)網(wǎng)秋季大報(bào)告顯示，高德地圖和百度地圖9月份的活躍量分別為4.8、4.3億，已成為居民日常出行的重要輔助工具.但導(dǎo)航APP的建議路徑更多地從用戶最短出行時(shí)間的角度出發(fā)，未涉及道路功能定位及級(jí)配因素，可能導(dǎo)致實(shí)際出行路徑中使用道路的級(jí)配與規(guī)劃設(shè)計(jì)階段的級(jí)配期望不相一致，使得交通擁堵的發(fā)生誘因更加復(fù)雜.Bosch等[16]基于社交導(dǎo)航對(duì)旅行時(shí)間、燃油消耗和二氧化碳排放的潛在影響進(jìn)行建模，發(fā)現(xiàn)與節(jié)省時(shí)間相比，社交導(dǎo)航在減少二氧化碳排放和燃料消耗方面的益處極小，且司機(jī)的利他主義程度對(duì)社交導(dǎo)航的成功至關(guān)重要；Djavadian等[17]指出，導(dǎo)航為用戶提供基于最小化個(gè)人出行時(shí)間的路線指導(dǎo)，而不考慮對(duì)他人出行時(shí)間的影響；Liu等[18]指出，當(dāng)前的導(dǎo)航APP會(huì)根據(jù)定期更新的交通狀況將駕駛員引導(dǎo)至最快的路徑，其高穿透性潛在地引發(fā)了由路徑選擇耦合引起的布雷斯悖論，造成新的交通擁堵；Macfarlane[19]發(fā)現(xiàn)，由于不同導(dǎo)航APP的信息各自獨(dú)立，可能導(dǎo)致相互沖突的路線規(guī)劃，加劇交通混亂；安云龍等[20]通過分析繞行比率發(fā)現(xiàn)，有經(jīng)驗(yàn)的出行者比信任導(dǎo)航的出行者能夠做出更正確的路徑選擇.因此，導(dǎo)航APP的出現(xiàn)及其對(duì)傳統(tǒng)道路交通理論的影響，急需定量評(píng)價(jià).

綜上，本文擬考慮道路功能、等級(jí)和通行能力的影響，基于導(dǎo)航APP建議路徑，進(jìn)行城市路網(wǎng)運(yùn)行評(píng)價(jià)分析，為路網(wǎng)運(yùn)行狀況評(píng)價(jià)及未來導(dǎo)航發(fā)展提供新視角.

1 路網(wǎng)運(yùn)行評(píng)價(jià)方法

1.1 車輛出行距離閾值

1.1.1 車輛出行距離累計(jì)分布

居民出行在道路中的距離分布規(guī)律既是計(jì)算城市道路出行周轉(zhuǎn)量的重要指標(biāo)，亦是交通需求研究的基礎(chǔ)，為城市道路資源的合理配置提供重要依據(jù)[14].現(xiàn)有研究中，居民出行距離分布往往來源于城市交通調(diào)查數(shù)據(jù)，或?qū)⑵浼僭O(shè)為分布函數(shù).文獻(xiàn)[21]假設(shè)車輛出行r距離后，在Δr距離內(nèi)停止的概率與已出行距離r成正比，并求得車輛出行距離服從瑞利分布(Rayleigh distribution)

(1)

(2)

式中λ為比例參數(shù).

而由鄭州市第5次城市綜合交通調(diào)查[22]發(fā)現(xiàn)，鄭州市不同出行方式的出行距離分布曲線多為指數(shù)分布，即

F(r)=1-exp (-λr)

(3)

f(r)=λexp (-λr)

(4)

該指數(shù)分布的結(jié)論亦為文獻(xiàn)[23]所證實(shí)，其通過對(duì)意大利某城市2%私家車的GPS數(shù)據(jù)分析得到.與瑞利分布不同，指數(shù)分布的概率假設(shè)為：車輛在r至r+Δr距離范圍內(nèi)停止的概率與已出行距離r無關(guān)，即車輛在任意位置停車的概率是相同的.

事實(shí)上，上述2種分布均為威布爾分布(Weibull distribution)的特例，即

F(r)=1-exp (-λrk)

(5)

f(r)=λrk-1exp (-λrk)

(6)

式中：當(dāng)k=1時(shí)，威布爾分布即為指數(shù)分布；當(dāng)k=2時(shí)，則為瑞利分布.

在進(jìn)行不同背景、不同區(qū)域車輛出行距離分布分析時(shí)，可根據(jù)平均出行距離的遠(yuǎn)近和統(tǒng)計(jì)曲線的趨勢(shì)，選取不同的威布爾分布參數(shù)(即k和λ).一般而言，當(dāng)車輛有一定行駛距離的需求時(shí)，出行距離服從瑞利分布，如工作日的通勤出行等；指數(shù)分布則更適合于無出行限制的一般性出行或綜合性分析.

1.1.2 車輛出行距離閾值

城市內(nèi)的出行通常被劃分為短、中和長距離出行，但閾值確定方法的研究極少.從路網(wǎng)級(jí)配和道路功能角度，短距離出行可以“支路—次干路—支路”范圍內(nèi)的集散功能為特色，中距離以“支路—次干路—主干路—次干路—支路”范圍內(nèi)的交通功能為特色；長距離則以“支路—次干路—主干路—快速路—主干路—次干路—支路”范圍內(nèi)的快速通過功能為特色.且由前述可知，瑞利分布和指數(shù)分布的趨勢(shì)雖不同如圖1所示，但均具有三段式的特征；瑞利分布呈現(xiàn)從緩慢到快速，再到收斂的三階段增長特征，即生長曲線特征；指數(shù)分布則從快速到緩慢，再到收斂.故本文采用三段式線性擬合方法對(duì)車輛出行距離分布曲線進(jìn)行分段擬合，識(shí)別出三線段的交點(diǎn)橫坐標(biāo)，分別作為車輛出行短距離與中距離、中距離與長距離的分界閾值參考值，并結(jié)合出行距離長短與道路級(jí)配和功能內(nèi)涵間的關(guān)系進(jìn)行閾值確定.

圖1 威布爾分布的2種形式Fig.1 Two forms of Weibull distribution

1.2 網(wǎng)格劃分與OD對(duì)選取

基于導(dǎo)航APP推薦路徑分析路網(wǎng)級(jí)配，需獲得充分涵蓋路網(wǎng)及居民出行范圍的導(dǎo)航推薦路徑出行數(shù)據(jù)，故需選取不同方向、不同距離的代表性O(shè)D點(diǎn)對(duì).傳統(tǒng)交通需求預(yù)測(cè)“四階段法”通常對(duì)研究區(qū)域進(jìn)行交通小區(qū)劃分，而后取每個(gè)交通小區(qū)的質(zhì)心作為O/D點(diǎn).其中，交通小區(qū)的劃分往往由人工完成，劃分精度不高且工作繁雜.因此，本文采用對(duì)研究區(qū)域進(jìn)行矩形網(wǎng)格劃分的方法，這也是交通領(lǐng)域里的常用研究方法[24-25].為滿足數(shù)據(jù)收集要求，設(shè)置網(wǎng)格劃分步驟及條件如下.

步驟1：框選區(qū)域.將擬評(píng)價(jià)區(qū)域置于有限矩形框格內(nèi)，框格尺寸應(yīng)與評(píng)價(jià)區(qū)域長寬相符.

步驟2：網(wǎng)格劃分.以城市機(jī)動(dòng)車出行短距離下限閾值為邊長，進(jìn)行等間距網(wǎng)格劃分.

步驟3：網(wǎng)格取舍.依據(jù)評(píng)價(jià)區(qū)域邊界形狀，刪除處于評(píng)價(jià)區(qū)域界外的網(wǎng)格，以保證分析數(shù)據(jù)的合理性.

步驟4：OD選取.取每個(gè)網(wǎng)格質(zhì)心作為OD點(diǎn)對(duì)候選點(diǎn)，兩兩組成OD點(diǎn)對(duì).

網(wǎng)格劃分后的OD對(duì)選取示意如圖2所示.采用該方法，可保證最大程度涵蓋城市內(nèi)所有長、中、短代表性出行對(duì)象；且在獲得某個(gè)O/D的經(jīng)緯度后，即可方便地獲得其他O/D的經(jīng)緯度，便于批量獲取O/D數(shù)據(jù)集，具有一定普適性.

圖2 網(wǎng)格劃分后的OD對(duì)選取示意Fig.2 Selection of OD pairs

1.3 數(shù)據(jù)獲取

導(dǎo)航APP可依據(jù)用戶輸入的起訖點(diǎn)推薦多條路徑供使用者進(jìn)行選擇.將各OD點(diǎn)對(duì)的O、D分別作為出發(fā)點(diǎn)與目的點(diǎn)輸入導(dǎo)航APP獲取推薦路徑.依據(jù)1.1節(jié)中所述方法獲得車輛出行距離的分界閾值，可建立路徑長度屬性集G.

G={Gk|k=1,2,3}

式中G1、G2、G3分別表示短、中、長路徑集.

建立路段類型屬性集S,且

S={Sm|m=1,2,3,4}

式中S1、S2、S3和S4分別表示快速路、主干路、次干路和支路子集.

設(shè)有路徑j(luò)∈Gk，且

j={ji|i=1,2，…,nj}

式中ji為路徑j(luò)上nj條路段中的第i條路段(ji∈Sm)，路段長度為dji，該值可通過導(dǎo)航APP加以獲取.

1.4 評(píng)價(jià)方法

首先計(jì)算路網(wǎng)中不同等級(jí)道路所承擔(dān)的周轉(zhuǎn)量需求和不同等級(jí)道路的通行能力資源供給，進(jìn)而計(jì)算得到各等級(jí)道路承擔(dān)的周轉(zhuǎn)量需求占比、各等級(jí)道路的通行能力資源供給占比，通過供需對(duì)比判識(shí)出路網(wǎng)級(jí)配在路網(wǎng)運(yùn)行的實(shí)際效用中存在的問題.然后，結(jié)合不同出行距離中各等級(jí)道路的分擔(dān)率計(jì)算結(jié)果，綜合評(píng)價(jià)導(dǎo)航APP推薦路徑下的路網(wǎng)運(yùn)行情況.

1.4.1 路網(wǎng)資源供需對(duì)比

周轉(zhuǎn)量指實(shí)際運(yùn)送的旅客人數(shù)或貨物質(zhì)量與其運(yùn)輸距離的乘積.因此，交通周轉(zhuǎn)量為道路承擔(dān)的交通量與車輛在道路上行駛距離的乘積(輛·km).將各路徑所經(jīng)路段按照等級(jí)分類后，從需求角度，不同等級(jí)道路承擔(dān)的機(jī)動(dòng)化交通周轉(zhuǎn)量計(jì)算公式為

(7)

式中qji為路段ji的交通量.

從供給角度，路網(wǎng)中不同等級(jí)道路可提供的通行能力資源為

Z′m=Cm·dm(m=1,2,3,4)

(8)

式中：Cm為Sm等級(jí)路段的通行能力；dm表示Sm等級(jí)路段的總里程，即

(9)

1.4.2 不同出行距離中各等級(jí)道路分擔(dān)率

由于各等級(jí)道路的功能定位不同，不同出行距離所使用的各等級(jí)道路占比應(yīng)有所區(qū)別.Gk(k=1，2，3)出行距離情況下，使用Sm(m=1，2，3，4)等級(jí)路段的里程為

(10)

對(duì)應(yīng)不同出行距離，將其所使用的各等級(jí)路段里程進(jìn)行占比計(jì)算，即可得到各等級(jí)道路分擔(dān)率

(11)

2 實(shí)例分析

2.1 出行距離劃分

2017年 4 月，鄭州市啟動(dòng)第5次城市綜合交通調(diào)查工作，調(diào)查報(bào)告[22]中不同出行方式的出行距離分布曲線如圖3所示.可知，小汽車出行距離累積分布為指數(shù)分布，可表示為y=αxγ，且0～3 km內(nèi)出行以非機(jī)動(dòng)車為主，機(jī)動(dòng)車出行距離設(shè)定為3 km以上.對(duì)小汽車出行距離累積分布進(jìn)行函數(shù)擬合，得到參數(shù)α=0.147 4，γ=0.582 6，則表達(dá)式為y=0.147 4x0.582 6(R2=0.998 4)，求導(dǎo)后即得小汽車出行距離分布表達(dá)式為y′=0.085 9x-0.417 4，如圖4(a)所示.

采用最小二乘法，得到小汽車出行距離分布的曲線斜率斷點(diǎn)分別為6、15 km處如圖4(b)所示.當(dāng)出行距離在3～6 km時(shí)，多為日常生活出行，出行概率隨著距離增加而降低；6～15 km時(shí)，一般為較長距離的通勤出行，這部分出行人數(shù)逐漸向較為固定的長距離出行人群過渡，出行概率隨著距離增加而降低的趨勢(shì)逐漸放緩；大于15 km時(shí)，往往帶有較強(qiáng)的出行目的，群體較為固定，概率變化幅度很小.

圖3 鄭州市不同方式出行距離分布曲線[22]Fig.3 Distribution curves of travel distances of different modes in Zhengzhou[22]

圖4 小汽車出行距離分布曲線擬合Fig.4 Fitting of car travel distance distribution curve

2.2 OD點(diǎn)對(duì)獲取

鄭州市中心城區(qū)形狀大致為矩形，取樣本范圍為由繞城高速、大河路、京港澳高速所圍成的區(qū)域，置于尺寸為33 km×26 km的矩形框內(nèi)，如圖5所示.短距離出行為3～6 km，則當(dāng)最小網(wǎng)格尺寸小于3 km時(shí)方可獲得不同出行距離范圍的OD點(diǎn)對(duì)，如圖6所示.

行程時(shí)間最短路徑通常為導(dǎo)航APP默認(rèn)推薦路徑，以此為數(shù)據(jù)獲取對(duì)象.首先，利用高德地圖開放平臺(tái)中獲取鼠標(biāo)點(diǎn)擊經(jīng)緯度服務(wù)得到任一網(wǎng)格頂點(diǎn)所在地理位置經(jīng)緯度坐標(biāo)，而后即可通過網(wǎng)格尺寸關(guān)系獲得其余全部網(wǎng)格質(zhì)心經(jīng)緯度坐標(biāo).依據(jù)鄭州市中心城區(qū)地域形狀，刪除處于評(píng)價(jià)區(qū)域界外的網(wǎng)格，將其余網(wǎng)格質(zhì)心坐標(biāo)兩兩組合形成OD點(diǎn)對(duì)，共計(jì)8 778個(gè).利用Python編程批量調(diào)取高德開放平臺(tái)中的路徑規(guī)劃服務(wù)，即可獲得任意OD點(diǎn)對(duì)間的路徑規(guī)劃數(shù)據(jù)，數(shù)據(jù)示例如表1所示.

圖5 研究區(qū)域(鄭州市)Fig.5 Research area (Zhengzhou)

圖7 鄭州市中心城區(qū)分區(qū)域出行總量[22]Fig.7 Traffic volume in different regions in Zhengzhou[22]

圖6 鄭州市中心城區(qū)網(wǎng)格劃分及OD點(diǎn)對(duì)獲取Fig.6 Grid division and OD pairs acquisition in Zhengzhou

表1 路徑規(guī)劃數(shù)據(jù)示例

2.3 路網(wǎng)資源供需對(duì)比

出行路徑中各路段交通量可由交通調(diào)查得到，但工作量極大，數(shù)據(jù)往往難以獲得.此處假設(shè)任意OD對(duì)間各出行路徑上，每一路段上的交通量相同，對(duì)計(jì)算進(jìn)行簡化.在已知各行政區(qū)交通總量的情況下如圖7所示，由鄭州市第5次交通調(diào)查[22]獲得，根據(jù)人口分布對(duì)各網(wǎng)格交通量進(jìn)行分配，結(jié)果如圖8所示，取O、D所在網(wǎng)格處的交通需求量的均值作為OD對(duì)間的交通量，亦即為OD對(duì)間出行路徑上每個(gè)路段的交通量.

由式(7)求得OD對(duì)間導(dǎo)航APP推薦路徑上各等級(jí)道路承擔(dān)的機(jī)動(dòng)化交通周轉(zhuǎn)量Zm(m=1，2，3，4)，如表2所示.鄭州市快速路里程277 km，主干路530 km，次干路399 km，支路773 km.取《城市道路工程設(shè)計(jì)規(guī)范》(CJJ 37—2012，2016年版)中不同等級(jí)道路單車道基本通行能力值乘以平均單向車道數(shù)(快速路、主干路為3，次干路為2，支路為1)求得，代入式(8)得到路網(wǎng)中各等級(jí)道路的通行能力資源Z′m及其占比，如表3所示.

圖8 各網(wǎng)格交通量分配(單位：人次/日)Fig.8 Distribution of traffic volume among grids (Unit: person/day)

表2 各等級(jí)道路承擔(dān)的機(jī)動(dòng)化交通周轉(zhuǎn)量及其占比

表3 各等級(jí)道路通行能力資源及其占比

對(duì)比表2、3可知，導(dǎo)航APP推薦出行路徑中，干線道路(即快速路和主干路)承擔(dān)的機(jī)動(dòng)化交通周轉(zhuǎn)量占總量的93.95%，遠(yuǎn)高于干線道路的通行能力資源占比(64.34%)，次干路和支路則反之.另外，導(dǎo)航APP推薦路徑中的快速路需求為主干路的2.1倍.快速路承擔(dān)交通量巨大，據(jù)此推測(cè)鄭州市交通擁堵處多為快速路.

基于高德地圖官網(wǎng)公開發(fā)布的數(shù)據(jù)，統(tǒng)計(jì)晚高峰期間鄭州市擁堵指數(shù)排行前十的道路中各等級(jí)道路數(shù)量所占比例如圖9所示.可知，擁堵道路主要為快速路和主干路，次干路極少，支路趨近于0；且快速路與主干路占比均在50%左右浮動(dòng)，而鄭州市快速路數(shù)量僅20條，遠(yuǎn)低于主干路數(shù)量147條，導(dǎo)航APP推薦路徑對(duì)快速路的使用強(qiáng)度遠(yuǎn)高于主干路，與路網(wǎng)資源供需對(duì)比分析得到的結(jié)論一致.

2.4 不同出行距離情況下各等級(jí)道路分擔(dān)率

采用式(11)計(jì)算得到所有出行路徑中各等級(jí)道路里程占比，而后將所有路徑按照總距離3～6 km、6～15 km、15 km以上分類，計(jì)算每個(gè)出行距離段中各等級(jí)道路分擔(dān)率，如圖10所示.3～6 km的短距離出行中，主干路發(fā)揮主要作用；6～15 km的中距離出行中，快速路占比高于主干路，支路高于次干路；15 km以上的長距離出行中，快速路則占據(jù)絕對(duì)優(yōu)勢(shì)地位.計(jì)算結(jié)果表明：當(dāng)居民完全使用導(dǎo)航APP推薦路徑出行時(shí)，可能導(dǎo)致快速路被大量中距離出行使用，主干路則被大量短距離出行使用，與規(guī)劃初衷的快速路以承擔(dān)長距離出行為主，主干路以服務(wù)于中、長距離出行為主，次干路以集散為主的功能定位不相一致.

圖9 鄭州市擁堵指數(shù)排行前十的道路中各等級(jí)道路數(shù)量所占比例Fig.9 Proportion of roads in the top 10 congestion index in Zhengzhou

圖10 不同距離出行路徑中各等級(jí)道路使用比例Fig.10 Utilization proportions of each grade of roads in different distances of travel paths

3 結(jié)論

1) 在確定車輛出行距離閾值基礎(chǔ)上，通過網(wǎng)格劃分獲得涵蓋城市區(qū)域內(nèi)居民出行的OD點(diǎn)對(duì)，而后獲取APP推薦出行路徑并進(jìn)行統(tǒng)計(jì)分析，評(píng)價(jià)導(dǎo)航APP影響下城市路網(wǎng)級(jí)配的功能發(fā)揮效果.以鄭州市中心城區(qū)路網(wǎng)為例的計(jì)算結(jié)果表明，導(dǎo)航APP推薦路徑中，快速路被大量中、長距離出行使用，主干路被大量短距離出行使用；且快速路和主干路承擔(dān)的機(jī)動(dòng)化交通周轉(zhuǎn)量遠(yuǎn)高于其通行能力資源占比.若所有出行者完全采用導(dǎo)航推薦路徑出行，將違背規(guī)范推薦的各等級(jí)道路功能定位及路網(wǎng)級(jí)配設(shè)計(jì)的初衷；同時(shí)，建議導(dǎo)航APP在提供路徑規(guī)劃服務(wù)功能時(shí)，結(jié)合用戶出行距離，將道路級(jí)配因素納入考慮.此外，所提出的車輛出行距離閾值確定方法和基于網(wǎng)格劃分選取OD點(diǎn)對(duì)方法，對(duì)于不同類型的城市均具有較好普適性.

2) 出行路徑中各路段交通量需進(jìn)行大量交通調(diào)查，且數(shù)據(jù)往往難以獲得，在合理假設(shè)的基礎(chǔ)上，利用鄭州市各行政區(qū)交通量及人口分布數(shù)據(jù)進(jìn)行重新交通分配后進(jìn)行計(jì)算，但這些數(shù)據(jù)不具有時(shí)間動(dòng)態(tài)性，故所采用的導(dǎo)航推薦路徑尚未考慮不同時(shí)段的影響，通行能力資源計(jì)算亦以日為單位.后續(xù)研究將結(jié)合實(shí)時(shí)路段交通量數(shù)據(jù)，進(jìn)行更深入細(xì)致的研究.

3) 通過供需對(duì)比，以定量的具體數(shù)值分析判識(shí)出路網(wǎng)實(shí)際運(yùn)行中各等級(jí)道路所承擔(dān)的周轉(zhuǎn)量的具體差異程度及城市不同距離出行路徑中各等級(jí)道路使用比例.需要注意的是，導(dǎo)航APP所提供的路徑規(guī)劃服務(wù)雖能夠進(jìn)行躲避擁堵、距離較短等偏好設(shè)置，但其所規(guī)劃的路徑本質(zhì)上還是更多地從用戶最短出行時(shí)間的角度出發(fā)，因此一定程度上造成了其偏重于推薦使用高等級(jí)道路的傾向，本文通過數(shù)據(jù)定量驗(yàn)證了該結(jié)論.后續(xù)研究將強(qiáng)調(diào)規(guī)劃設(shè)計(jì)階段的道路級(jí)配的重要性和必要性，著手于在運(yùn)營階段如何提出相應(yīng)的策略以合理利用道路等級(jí).

4) 實(shí)際中，各類型導(dǎo)航APP均占有不同的市場(chǎng)比例，且具有不同的路徑推薦方案，本文僅以高德地圖的默認(rèn)推薦路徑作為算例，無法完全代表實(shí)際情況，亦將在后續(xù)加以改進(jìn).