基于Django的城市通勤出发时间选择实验平台设计

李文韬 谢小红 孙晓燕

摘要：随着交通工具的增加，交通拥堵成为最典型的城市病，人們通勤时间逐渐加长。为解决这一问题，采用基于Web框架的Django开发了一个城市通勤出发时间选择实验平台，目的是更方便地开展城市通勤出发时间实验。该平台具有较强的通用性，通过微调法修改实验参数后可实施路径选择和收费管理等条件下的出行选择实验。不仅可在传统PC端实现，还可利用Pad或手机等移动设备，使用微信小程序开展实验。代码简洁，实验界面清楚，管理账户能对整个实验进行操控。

关键词：Django;城市交通;通勤出发时间选择;微信小程序

DOI： 10. 11907/rjdk.191842

开放科学（资源服务）标识码（OSID）：

中图分类号：TP319

文献标识码：A

文章编号：1672-7800（2020）004-0135-04

The Experimental Platform Design of Urban Commuter Departure Time

Based on Django

LI Wen-tao. XIE Xiao-hong， SUN Xiao-yan

（ College of Computer and Information Engineering ， Cuangxi Teacher Education Univer.sity ， lVanning 530299 ， Ch.ina ）Abstract： With the increase of transportation. traffic congestion has become the most typical urban disease， and people's commutingtirue has gradually lengthened. In order to solve this prohlem better. this paper develops a city commute departure time selection experi-ment based on Django based on Weh fraiuework. The purpose of developing this platform is to make it easier to carry out the laboratorytest of urban commuting departure time. At the same time， the platform has strong versatility. After the experimental parameters aremodif'ied by the fine-tuning method. the travel selection experiment under the conditions of path selection and charge management isimplemented. The most significant advantage of the platform we developed is that it not only hreaks the traditional PC-side implementa-tion. but also uses the WeChat applet to conduct experiments using mobile devices such as Pad or mobile phones. And the code is sim-ple， the experimental interf'ace is clear. and the management account can control the entire experiment.Key Words ： Django ; city traffic ; departure-time choice of commuters ; Wechat program

O 引言

随着我国城市化进程的加快，城市不断延伸，“职住分离”现象越来越普遍，人们通勤时间随之变得越来越长。2017年的《城市出行半径大数据报告》显示…，在“北上广深”4个城市中，北京市工作日平均出行半径为9.3km，上班族（也称为通勤者）通勤时间压力居4城之首。通勤时间对上班族而言就是“金钱”，花在路上的时间越长，无形中就缩短了休息或娱乐时间。

大量研究显示，通勤者更倾向于通过改变出发时间应对交通拥堵。交通系统中出行者的选择行为决定了系统复杂度，理解通勤者行为选择是研究交通拥堵问题的关键。实验室实验具有良好的可控性，能够有效揭示交通系统中各种机制以及机制与现象之间的因果关系[2]。因此，大量实验研究路径选择行为，目的是验证用户个体的有限理性行为[3]，验证交通理论中的悖论[4-5]以及调查各种外在因素的影响，例如信息反馈[6]和不确定的环境[7-8]等。相对于路径选择实验，出发时间选择实验研究较少，而且现有的出发时间选择实验得到的结论存在不一致性[9]。

城市通勤出发时间选择的理论模型——瓶颈模型最早由著名经济学家Vickrey[10]提出。瓶颈模型将通勤时间转化为出行成本，引起了众多学者的研究兴趣[111-12]。瓶颈模型虽然简单，但能够再现城市通勤高峰期出行者的出行行为，因此这一模型广泛应用于交通管理系统设计，例如拥堵收费[13]、电子路票[14]和停车管理[15]等。

本文以瓶颈模型为理论基础，基于Web框架的Django开发了一个城市通勤出发时间选择实验平台。采用此平台可以有效进行城市通勤出发时间实验，同时平台具有较强的通用性，通过稍微修改参数就可进行不确定路况条件下的通勤出发选择行为实验。

另外，通过将出发时间修改为出行路径，还可实现路径选择行为实验。该平台最显著的优势是既可在电脑上开展实验，也可利用Pad或手机等移动设备登录微信开展实验，且对设备硬件要求不高。

1 相关技术介绍

1.1 Django框架

Django是一个开放源代码的Web框架，由Pvthon写成，其功能强大且丰富，文档全面且完善，开发效率高，是Python中主流的Web框架。它采用MTV框架模式，即模型M、模板T和视图V。该模式中，models.py定义了各类数据模型，和数据库引擎实现交互;templates文件夹中的各个模板文件代表着视图（view）;urls.py定义各种url访问入口和vlews.py定义各种处理函数（Django视图函数）代表控制器（ Controller）。基于Django开发的Web应用开发活动主要集中在models.py、templates文件夹下的子文件中的各个模板以及vlews.py中的视图函数，这就是Django的开发模式，通常也称为MTV模式，其作为本实验平台的后台管理系统完全可以胜任。

1.2 微信小程序

微信小程序简称小程序，是一种不需要下载安装即可使用的应用，它实现了应用“触手可及”的梦想，用户只需要扫一扫或搜一搜即可打开。小程序作为本实验平台的用户端，是实验的重要一环，也是实验的创新点。利用小程序收集用户选择出行的时间，界面友好而简洁，用户可以体验简单的实验过程。图1为小程序与后台的交互方式。

2 系统功能设计

2.1 系统结构

本实验平台使用经典的B/S架构，分为后台管理、微信小程序两个模块，结构如图2所示。

后台管理模块：管理员通过浏览器访问后台管理系统，后台通过HTML、JavaScript和css加EasyUI的组合呈现，可以调整实验参数如通行能力s、单位行驶时间费用α、单位早到时间费用β、单位迟到时间费用γ等，还可查看实验进程，以及将数据库中的表生成为Excel表格以供后期分析数据。

微信小程序模块：用户通过微信小程序选择实验提供的出行时间（7：00、7：20、7：40）提交给后台，后台会根据参数s、α、β、γ和当前選择出行时间人数进行计算，并给用户返回得分，最后计算总得分。例如该实验有34个实验用户，那么每一轮都要等待这34个实验用户全部提交信息才能进行下一轮实验。

2.2 单一瓶颈模型设计

假设每天有固定数量的通勤者从同一起点出发，沿着同一条路径到达同一终点。道路上存在一个潜在瓶颈，瓶颈处的最大通行能力为s，一旦道路上的车流量超过瓶颈处的最大通行能力s，则瓶颈被激活，道路发生拥堵。

假设从起点到终点的出行时间是：

其中，Tf是不发生交通拥堵时的固定出行时间，Tv（t）是发生交通拥堵时所用的拥堵时间，f是出发时间.一般为了简化，假设Tf=0。

设q（t）是拥堵时的队列长度，则通勤者的出行时间表达式为： q（t-1）是上一出发时刻t-l的队列长度，n（t）是本时刻的出行人数。

假设上班时间是f*，根据瓶颈模型，如果通勤者选择时刻f出发，则其出行成本表达式为：

上述等式右边的第一项是在道路上的行驶时间，第二项是早到成本，第三项是迟到成本。道路上单位时间拥堵成本为α，早于上班时间到达单位的早到成本为β，晚于上班时间到达单位的迟到成本为y。根据Sma11[15]的研究结果，成本系数之间服从关系y>α>β。根据方程（4），选择同一出发时间的通勤者出行成本相同，选择出发时间f的收益为：

收益越大则发生拥堵的概率越小，反之发生拥堵的概率越大。从该模型可以清楚反映现实生活中的道路拥堵情况，在一个道路路口如果车流量（通勤人数）大于路口容纳量时则发生拥堵。

3 实验平台实现

本实验平台采用Django作为后台，微信小程序作为前端数据交互，包括实验人员用户和管理员用户两个用户角色，下面介绍实验人员用户使用的小程序端和管理人员用户的Django后台两大模块实现。

3.1微信小程序端

小程序是近几年比较火的一个开发平台，每个人基本上都有微信，所以使用和操作小程序非常方便，这也是本文选择使用微信小程序的主要原因。通勤者使用微信小程序界面，界面简单易用，只需要根据管理员提供的用户名和密码即可登录进行实验。选择出行时间（7：00，7：20，7：40）提交到后台管理系统，等待后台反馈再进行下一轮实验。本实验平台的小程序主要是搜集实验数据，仅作为一个数据收集器，通勤者只需要选择白己的出行时间即可上传后台，操作十分简便。每一次选择都是以JSON的数据类型传输给后台，后台拿到数据处理完后以相同的方式返回给小程序，等待下一轮实验。小程序作为本实验平台的用户端，是实验的重要一环，也是实验的创新点。后台会根据每个用户提供的时间计算出瓶颈模型是否被激活，如被激活则发生拥堵。

3.2后台管理

后台管理基于Django框架的Web页面，通过浏览器输入URL即可打开管理界面，对本次实验的参数、实验人数进行设置，查看实验进程。由于后台管理系统属于中间者，连接着前端小程序和底层MvSQL数据库，在小程序发来数据时会先对数据进行处理，再通过ORM对数据进行存储，每个页面都可通过URL映射到View视图函数。

管理界面如图4所示。

4 实验平台算法

本实验研究通勤者的上班成本，参数有：①道路单位时间内的通行能力为s（通行能力：单位时间内通过的车辆数）。s是常数，实验开始前由管理员用户输入s值;②上班时间ts=8：00，从生活区出发时间t，拥堵时间 ;③某时刻t 出发车辆数为ni，n2，…（1辆车就是“1个排队长度”）;④单位时间内的排队长度q（不能通行的车都要排队，出发早的车辆不能通行造成的排队会影响出发晚的车辆）;⑤参数意义：a-单位行驶时间费用，β——单位早到时间费用，γ——单位迟到时间费用。实验中（α，β，γ）是常数，其值在实验开始前由负责人输入。

计算方法有：

（1）排队长度计算：

当（上时刻剩余人数+本时刻出行人数）≤s时，不发生拥堵，q=0;

当（上时刻剩余人数+本时刻出行人数）>s时，发生拥堵，q=上时刻剩余人数+本时刻出行人数一s。

（2）单位时间为At。

（3）拥堵时间tp=（q/s）xAt。

（4）到达时间=出发时间t+拥堵时间t。

（5）拥堵成本=a×（拥堵时间LP/单位时间At）。

（6）早到成本=B×（上班时间tS一到达时间）/单位时间At。

（7）迟到成本=γ×（到达时间一上班时间tS）/单位时间At。

（8）总成本=拥堵成本+早到（或者迟到）成本。

（9）得分=10-总成本。

最后得分是该实验人员在本次实验中的得分。

5 结语

本文以城市通勤出发时间选择模型——瓶颈模型为理论基础，基于Django框架和腾讯的微信小程序，采用Pv-thon的强大Weh功能- Django框架，开发了一个城市通勤出发时间选择实验平台。该平台具有强大的数据库访问组件ORM，开发者无需学习SOL语言即可对数据库进行操作，而且每一次记录都是一个对象，简洁易行。

采用此平台进行通勤者出行选择行为研究，可以揭示通勤早高峰出发时间选择行为及其现象的内在机制，从更深层次理解个体及整体的选择行为，为交通管理部门出台有效的治堵措施提供理论依据。后续丁作要将平台提取的数据进行出行时间分析，并根据此数据建立交通出行时间模型，更深层次地探索出行时间选择问题。

参考文献：

[1]腾讯.北上广深哪里最拥挤？腾讯发布《城市出行半径大数据报告》[ EB/OL].http：//www.mediacluh.cc/news/infos/id/7412.

[2]DIXIT V V. ORTMANN A. RUTSTROM E Understanding transpor-tation s.'stems through the lensPs of experimental economics：a review[C]. Social Science Electronic Publishing， 2015.

[3]ZHAO C L，HUANC H J.Experiment of boundedlv rational routechoice behavior and the model under satisficing rule[J]. Transporta-tion Research Pan C. 2016（68）： 22-37.

[4]RAPOPORT A. GISCHES E J， MAK V. Distributed decisions in net-works： lahoratorT study OF routing splittable flow [J]. Production andOperations Management ， 2014， 23（2） ： 314-331.

[5]MAK V. SEALE D A . CISCHES E J . etal. The braess paradox andconrdination failure in directed networks with mixed externalities [J].Prod Oper Manag， 2018， 27（4） ： 717-733.

[6]RAPOPORT A. GISCHES E J， DAWIEL T. et al Pre-trip informationand rr，ute-choice decision with stochastic travel conditinn [J] . Experi-ment. Transponation Research Part B ， 2014（68） ： 154-172.

[7]LUX. CAO S. BEN-ELIA E. Information impacts on route choiceand learning behavior in a congested network： an experimental ap-prr）ach[J] . Transportation Research Record ， 2011（22） ： 89-98.

[8]INNOCENTI A， LATTARULO P. PAZIEhrZA M C. Car stickiness：heuristics and hiases in travel c：hoice [J]. Transport Policy， 2013 （25） ： 158-168.

[9]劉天亮 ，张冲 ，王天歌 ，等 .朋友圈信息交互对 A个体出行决策行T为的影响研究 [ J] .交通运输系统工程与信息 ， 2013（13） ： 86-93.

[10]VICKREY W S. Congestion theory and transport investment [J]. TheAmerican Economic Review.1969（59）： 251-260.

[II]XIAO LL. HUANG H J. LIU R. Congestion behavior and tolls in a

hottleneck model With stochastic capacity [J]. Transportation Sci-

ence， 2015（49） ： 46-65.

[12]TAKAMASA I. Instahility of departure time choice problem： a casewith replicator dynamics transporLation research part B ： methodologi-cal[C]. In press， corrected proof， Availahle online 2 September2018.

[13]XIAO F. SHEN W. ZHANG H M. The morning commute under flattoll and tactical waiting [J]. Transportation Research Part B， 2012（46）：1346-1359.

[14]SHEhr W， ZHANC H M. Parem-improring ramp metering strategiesfor reducing congestion in the morning conimute [J]. Transpr，rtationResearch PartA . 2010（44） ： 676-696.

[15]OIAN Z. XIAO F. ZHANC H M. The econr）mics of parking provi-sion for the morning commute [J]. Transportation Research Part A，2011（45）： 861-879.收稿日期：2019-06-11

基金项目：国家自然科学基金项目（ 11402058，71461002）

作者简介：李文韬（1994-），男，南宁师范大学计算机与信息工程学院硕士研究生，研究方向为软件开发、大数据分析;孙晓燕（1978-）.

女，博士，南宁师范大学计算机与信息工程学院教授.研究方向为交通数据分析、建模。本文通讯作者：孙晓燕。