王超凡 張永平＊ 林雕 宋靜

1 研究背景

1.1 備受關(guān)注的自行車出行

自20世紀(jì)以來，城市面臨著交通機動化帶來的嚴(yán)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(jìn)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(guān)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(dān)負(fù)日常通勤出行比例已超過49%[4]；中國在20世紀(jì)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?zé)ㄉ鷻C?？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(shè)施建設(shè)滯后等原因，中國的居民總體騎行水平與發(fā)達(dá)國家仍有差距。為了縮小這一差距，國家政策積極倡導(dǎo)自行車出行，其中包括《2030年前碳達(dá)峰行動方案》，該方案提出構(gòu)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(yīng)當(dāng)被視為提升公眾日?；顒訁⑴c度、降低肥胖和慢性病等風(fēng)險的突破口之一并加以提倡[6]。這些提案為促進(jìn)自行車出行提供了重要的政策支持。

1.2 改善騎行基礎(chǔ)設(shè)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(guān)系。例如，Zhou等[7]、Feng[8]、Ito等[9]利用文獻(xiàn)計量方法對影響自行車出行的因素進(jìn)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(jìn)自行車出行。騎行相關(guān)基礎(chǔ)設(shè)施則是建成環(huán)境中與自行車出行直接相關(guān)的決定性因素。通常情況下，地區(qū)騎行相關(guān)基礎(chǔ)設(shè)施越完善，當(dāng)?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(guān)基礎(chǔ)設(shè)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(zhì)量與當(dāng)?shù)氐淖孕熊嚦鲂写嬖陲@著的正相關(guān)關(guān)系[11-13]。作為城市重要的綠色基礎(chǔ)設(shè)施，騎行路網(wǎng)是低碳、健康城市的重要載體。通過規(guī)劃、設(shè)計和組織等手段改善城市騎行路網(wǎng)，對促進(jìn)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(qū)動的騎行路網(wǎng)規(guī)劃方法

盡管騎行路網(wǎng)對于促進(jìn)自行車出行的重要性已成為廣泛共識，但當(dāng)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(chǔ)設(shè)施，中國的自行車道建設(shè)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(shè)質(zhì)量同樣堪憂。由于騎行路網(wǎng)建設(shè)的標(biāo)準(zhǔn)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(quán)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(diào)研進(jìn)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(shù)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(qū)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(shè)中所面臨的限制。Bao等[17]則引入了建設(shè)預(yù)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(dāng)前自行車道建設(shè)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(chǔ)設(shè)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(dāng)前的道路騎行現(xiàn)狀，更要考慮那些騎行基礎(chǔ)設(shè)施覆蓋不足的區(qū)域中潛在的騎行需求，將兩者結(jié)合，并引入建設(shè)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(jié)合現(xiàn)實與潛在的騎行需求，引入建設(shè)約束條件，對騎行路網(wǎng)規(guī)劃問題進(jìn)行多目標(biāo)組合優(yōu)化建模。最后，利用改進(jìn)蟻群算法求解該問題，以獲取目標(biāo)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(qū)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(jìn)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(jì)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(wù)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(jié)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(jié)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(biāo)，本研究同時引入“預(yù)算限制”和“建設(shè)連通性”約束條件，對騎行路網(wǎng)規(guī)劃問題進(jìn)行多目標(biāo)組合優(yōu)化建模。最終，利用改進(jìn)蟻群算法（ant colony optimization,ACO）對該問題進(jìn)行求解，以獲得目標(biāo)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(yù)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O(shè)penStreetMap（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(jìn)行預(yù)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(chǔ)；2）由于原始道路網(wǎng)形狀復(fù)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(quán)無向圖G=（V，E），其中V代表無向圖中的結(jié)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(biāo)、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(quán)無向街道網(wǎng)絡(luò)G=（V，E）中，在預(yù)算限制和建設(shè)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(yù)算限制是指政府在建設(shè)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(yù)算，確保規(guī)劃的騎行路網(wǎng)總長度不超過L。假設(shè)每一條邊ei的 長度為li，那么預(yù)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(shè)資源，使施工對居民生活的影響最小化。因此，本研究設(shè)定了騎行網(wǎng)絡(luò)的最大連通個數(shù)w，建設(shè)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(jìn)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(jìn)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(fù)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(biāo)函數(shù)的最優(yōu)解。因此，最大化2個目標(biāo)的數(shù)學(xué)表達(dá)式和約束方程可以分別表示為

2.2.3 規(guī)劃目標(biāo)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(dá)。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(shè)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(wù)，從而促進(jìn)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(quán)的多目標(biāo)組合優(yōu)化

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

式中：A為組合的目標(biāo)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(biāo)的權(quán)重。

2.2.4 蟻群算法改進(jìn)

2.2.4.1 經(jīng)典蟻群算法

蟻群算法憑借其并行的計算結(jié)構(gòu)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(shè)和在給定條件下尋求目標(biāo)效益最大化的需求相契合[21]。因此，本研究擬采用改進(jìn)蟻群算法得到多目標(biāo)組合下的最佳自行車道規(guī)劃方案。蟻群算法由學(xué)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(fù)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(quán)重。

在每次迭代中，路徑上的信息素進(jìn)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?fù)]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(jìn)蟻群算法

本研究通過改進(jìn)蟻群算法以適應(yīng)騎行路網(wǎng)規(guī)劃問題，包括領(lǐng)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(yù)規(guī)劃車道時，需在當(dāng)前道路的鄰邊進(jìn)行選擇，并排除已被選擇過的道路。因此，本研究通過控制轉(zhuǎn)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(luò)）的信息素更新為0，那么對應(yīng)路徑（j，i）的轉(zhuǎn)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(yīng)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(gòu)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(gòu)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(quán)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(zhì)量的解。本研究引入全局更新規(guī)則，假設(shè)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(zhì)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(zhì)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(yīng)用及結(jié)果

3.1 規(guī)劃目標(biāo)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(jìn)行分析，發(fā)現(xiàn)當(dāng)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(fēng)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(dāng)前哈啰在寧波市的單車運營范圍有關(guān)（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(yù)示著寧波市土地利用、POI功能多樣化的城市建設(shè)現(xiàn)狀，這為綠色出行提供了優(yōu)質(zhì)的建成環(huán)境基礎(chǔ)（圖2-3）。

2 規(guī)劃目標(biāo)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(jìn)蟻群算法參數(shù)設(shè)定

在應(yīng)用蟻群算法前，需對算法參數(shù)進(jìn)行設(shè)定。其中，螞蟻數(shù)量是影響求解質(zhì)量和速度的重要參數(shù)。螞蟻數(shù)量越多，每次迭代構(gòu)造的解也越多，相應(yīng)地獲得優(yōu)質(zhì)解的概率就會增加。但當(dāng)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(zhì)量和算法收斂速度，將螞蟻數(shù)量設(shè)定為50只，每次迭代選取5只解質(zhì)量最優(yōu)的螞蟻進(jìn)行全局信息素的釋放，并設(shè)定迭代次數(shù)的上限為500次。此外，參考已有文獻(xiàn)，采用試湊法設(shè)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(yù)算，過小的路網(wǎng)規(guī)劃里程則會導(dǎo)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(dǎo)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(biāo)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(jié)果（圖3）表明，當(dāng)政府預(yù)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(shè)方案；現(xiàn)實騎行需求的峰值出現(xiàn)在當(dāng)政府預(yù)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(shè)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(jié)果展示

3.3.1 單目標(biāo)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(jié)果得出的騎行網(wǎng)絡(luò)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(biāo)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(wù)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(cè)涉及曙光小學(xué)、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(guān)（圖5-1）。

5 單目標(biāo)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(biāo)1：現(xiàn)實騎行需求最大化Objective 1: Maximizing realistic cycling demand5-2 目標(biāo)2：POI數(shù)量最大化Objective 2: Maximizing number of POIs5-3 目標(biāo)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(biāo)下，該方案北至人民路，西至解放南路，南至興寧路、永達(dá)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(jì)活力重心。該規(guī)劃方案將有效地滿足居民的經(jīng)濟(jì)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(biāo)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(cè)包括西草馬路、大閘南路、人民路，東側(cè)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(yuǎn)，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(yīng)用前景（圖5-3）。

3.3.2 多目標(biāo)組合優(yōu)化方案

規(guī)劃者不僅要著眼于當(dāng)前道路的現(xiàn)實騎行需求，也應(yīng)考慮那些產(chǎn)生潛在騎行需求的功能多樣化的POI設(shè)施。因此，本研究構(gòu)建了線性加權(quán)函數(shù)，以w1、w2、ww33個權(quán)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(biāo)的偏好。

1）等權(quán)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(guān)。但該方案也有自身特點，許多規(guī)劃的騎行道路與當(dāng)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(biāo)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(biāo)等權(quán)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(jié)構(gòu)，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(cè)，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(jié)構(gòu)，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(jié)構(gòu)，可以很好地發(fā)揮跨江聯(lián)通的作用，促進(jìn)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(wù)（圖6-4）。

4 騎行路網(wǎng)規(guī)劃建議

結(jié)合算法優(yōu)化結(jié)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(yīng)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(jié)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(jìn)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(yīng)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(jié)果都集中于三江口核心區(qū)，預(yù)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(yīng)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(jìn)綠色出行的規(guī)劃方案補充。例如，重點道路對應(yīng)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(yīng)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(shè)施等手段，發(fā)揮開放空間在促進(jìn)綠色出行中的作用。4）騎行路網(wǎng)的規(guī)劃可與當(dāng)前城市綠道規(guī)劃相結(jié)合，為居民營造優(yōu)質(zhì)的綠色出行環(huán)境。例如，在《2021年寧波市綠道網(wǎng)建設(shè)任務(wù)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(jié)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(biāo)組合優(yōu)化場景下得到的環(huán)狀騎行路網(wǎng)結(jié)構(gòu)具有重要的借鑒意義。未來規(guī)劃者應(yīng)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(jié)構(gòu)發(fā)揮道路的跨江聯(lián)通作用，促進(jìn)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(jié)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(jìn)蟻群算法求解多目標(biāo)組合優(yōu)化的騎行路網(wǎng)規(guī)劃問題，來促進(jìn)以自行車為代表的綠色出行。研究結(jié)果表明，該方法可較好地應(yīng)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(jìn)行騎行路網(wǎng)建設(shè)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(jié)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(xué)建模與數(shù)據(jù)驅(qū)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(jìn)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(jié)果能夠較好地反映當(dāng)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(dāng)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(jìn)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(jìn)行深化改進(jìn)。

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(biāo)可能更為豐富，例如，可以在目標(biāo)中引入衡量交通擁堵的指標(biāo)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(yīng)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(biāo)與限制條件，使算法獲得的結(jié)果更加貼近現(xiàn)實。

2）優(yōu)化算法參數(shù)設(shè)定。本研究僅采用試湊法來設(shè)定算法的超參數(shù)，而未探究參數(shù)設(shè)定背后的理論依據(jù)。未來可深入探究參數(shù)設(shè)定背后的理論依據(jù)，使其更具有科學(xué)性。在多目標(biāo)組合優(yōu)化時，本研究僅依據(jù)各目標(biāo)的優(yōu)先級來決定權(quán)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(biāo)的權(quán)重設(shè)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(wù)，如美團(tuán)、青桔，因此當(dāng)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(luò)。

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）。