数据驱动的道路骑行适宜性研究——以上海市杨浦区路网为例

陈佳琪

上海交通规划设计研究院有限公司

0 引 言

近年来，伴随着机动车保有量的增长，城市交通拥堵、环境恶化等问题逐渐显现，非机动车出行重新得到了社会及政府的重视。共享单车的出现和“双碳”目标的制定，又促使非机动车回归城市之势愈加猛烈。为进一步提升非机动车的出行环境，急需建立适宜的非机动车交通设施评价体系，作为设施规划设计、运行管理的有力依据。

传统非机动车交通设施评价体系的研究中，有的借鉴机动车交通分析思路，侧重评价交通流指标如骑行速度、占道面积、超车数、延误等[1-3]，评价虽然较为客观，但不够全面，缺少对骑行出行者自身骑行行为特性及意愿的考虑；还有的研究基于个体主观感受调查[4-6]，但这样的研究需要较大样本量，且评价指标主要以交通设施为主，数据获取困难，且难以解释个体差异导致的感受不一致性。

公共自行车和共享单车这类携带GPS芯片的骑行工具的出现带来了海量出行数据，基于出行轨迹数据可以提取大量且全面的自行车动态骑行指标，这些数据相比交通设施指标和路段交通流指标更能真实反映一条道路是否适合非机动车骑行，为道路非机动车交通设施评价带来了更多的可能。因此，本文将基于共享单车的GPS数据，提取速度特征参数，建立城市道路路段骑行适宜性评价体系，并可以应用在大规模的路网评价上。

1 基于共享单车轨迹数据的骑行速度特征研究

1.1 研究范围

本文采用的是2017年上海市一部分的摩拜单车订单数据，数据时间为4月24日—4月28日，共5个工作日（天气均为晴或多云），一共包含约81万条轨迹。数据的字段包括轨迹编号、车辆编号、开锁坐标、关锁坐标、开锁时间、用户编号、轨迹点序列，轨迹点序列数据包含了两部分的内容，一方面是轨迹点的经纬度坐标，另一方面是轨迹点的GPS时间。

1.2 研究路段

本文在共享单车数据范围内，依照道路等级、路面宽度、机非分隔条件、人非隔离条件、是否有路边停车等道路设施条件筛选出具有特征多样性的研究路段，共计300条。

1.3 数据处理

在提取速度特征指标前，需要对轨迹数据进行预处理，包括GPS时间的转化、坐标系转化等工作。数据清洗需要对轨迹持续时间小于1 min，或者轨迹点个数小于5个的轨迹数据进行剔除，保留的数据为原来数据量的73.45%。

数据预处理完后采用几何的方法将轨迹数据与研究路段进行匹配，通过构建路段缓冲区，利用根据轨迹的行驶的方向与最短距离对轨迹点进行校正，匹配最佳路链。在进行地图匹配后，为减小误差，将把路段上少于10个轨迹点，且轨迹平均速度小于1 m/s（速度接近于步行速度）或大于10 m/s（速度接近于机动车速度）的数据进行剔除。图1是地图匹配前后共享单车轨迹点的空间分布情况。

图1 地图匹配前（左）匹配后（右）

1.4 单车速度特征指标提取

一般而言，骑行者的速度会受到骑行环境，包括道路设施、周围车辆、横向干扰等影响。经验表明，若骑行者能在较长的时间内保持稳定的速度，且速度较高（达到其期望速度），则其会觉得路段适合骑行；反之，若骑行者在较长时间内无法达到较高的速度，需要通过频繁的加减速躲避道路上的障碍物（如减速带、道路坑洼）或者避免与周围车辆、行人的冲突时，骑行者会感觉道路不太适合骑行。因此，车辆的速度特征可以表征路段的骑行适宜性。为了全面衡量非机动车的速度特征，结合实际并在参考以往有关骑行行为指标研究[7-8]的基础上，经过对骑行行为的分析验证，本文提出速度、速度波动、减速行为和加速度四个层面10个单车速度特征指标，如表1所示。

表1 单车速度特征指标体系

2 路段骑行适宜性评价体系构建

2.1 路段流量-速度特征指标的识别

单个车辆的速度特征会受到骑行者自身特性的影响，所以同一路段上车辆间的速度特征存在差异性，仅用单车速度特征指标无法表达路段的骑行适宜性，因此，需要对单车速度特征指标集计分析得出路段流量-速度特征指标。

基于表1提到的单车速度特征指标，从路段的角度考虑，如果路段上车辆骑行速度的一致性较高，则路段的骑行适宜性更好。因此，对单车速度指标计算均值、分位数及标准差等指标，以获取路段流量-速度特征指标，如表2所示。

表2 路段流量-速度特征指标

2.2 分时段的路段骑行适宜性评价的必要性分析

对共享单车开锁时间进行统计，结果显示工作日共享单车的出行量呈现明显的“高峰-平峰”特征，早高峰为7—9点，晚高峰为17—19点，平峰采用白天出行量最少的两个小时——10点到12点。

对三个时段的路段流量-速度特征指标（共14×3个）进行多元方差分析，结果显示，对于早高峰、晚高峰、平峰的时段划分的统计学检验结果显示P＜0.001，证明早高峰、晚高峰和平峰三时段对各项指标取值差别有统计学意义，说明不同时段的路段流量-速度特征存在差异。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线条件的不同，对骑行行为会出现较大影响，因此后续在构建路段骑行适宜性体系的时候应该分时段构建。

2.3 分时段路段骑行适宜性评价模型构建

通过Spearman相关性研究发现各路段流量-速度特征指标之间不是相互独立的，考虑采用因子分析提取出14个路段流量-速度特征指标的公因子，作为评价因子，使用KMO检验和Bartlett球形检验对早高峰、晚高峰和平峰的路段流量-速度特征指标进行分析，结果显示均通过了检验，可以进行因子分析，且结果是有效的。

（1）早高峰路段骑行适宜性评价模型

经过最大方差法做因子旋转后，可得旋转后的因子荷载矩阵，分析矩阵结果可得4个公因子，分别为早高峰速度因子（Fms），主要反映路段轨迹的速度水平；早高峰速度波动因子（Fmsv），主要反映路段轨迹速度的波动性；早高峰干扰因子（Fmv），主要反映路段流量和突然加减速行为；速度异质性因子（Fmb），主要反映路段骑行行为的一致性和路段绝对加速度的情况。利用回归法可得各因子的得分系数矩阵如表3所示。

表3 早高峰路段骑行适宜性评价因子得分系数矩阵

依据各个因子旋转平方和载入后的方差贡献比重，可以计算出各因子的综合得分，即早高峰路段骑行适宜性指数（MPRS），其权重为因子对应方差贡献率比例。

其中因为早高峰速度波动因子（Fmsv）、干扰因子（Fmv）和速度异质性因子（Fmb）为反因子，即路段速度波动性越大，路段流量越大，路段骑行行为越不一致，路段骑行适宜性越低，因此权重应取相反数。早高峰路段骑行适宜性评价模型如下：

（2）晚高峰路段骑行适宜性评价模型

和早高峰路段骑行适宜性评价的思路一致，经过因子分析后，选用四个因子为骑行适宜性评价因子，分别为晚高峰速度因子（Fes）、晚高峰速度波动因子（Fesv）、晚高峰干扰因子（Fev）和晚高峰速度异质性因子（Feb），由此可以得到晚高峰骑行适宜性评价因子的得分系数矩阵如表4所示。

表4 晚高峰路段骑行适宜性评价因子得分系数矩阵

从系数矩阵中可以看出，晚高峰骑行适宜性评价因子的系数与早高峰有所不同，说明不同时段的路段骑行适宜性评价机理与模型有所不同。同理，依据各个方差贡献率比例可以得到各因子所占的权重，构建晚高峰路段骑行适宜性评价模型，即晚高峰路段骑行适宜性指数（EPRS）可以按如下公式计算：

（3）平峰路段骑行适宜性评价模型

利用上述分析方法对平峰路段骑行适宜性进行分析，结果显示4个公因子和早、晚高峰有些差异，分别为平峰速度波动因子（Fosv），主要反映路段骑行速度的波动；平峰速度因子（Fos），主要反映路段骑行的速度水平；平峰干扰因子（Fov），主要反映路段流量和事件；平峰加速度因子（Foa），主要反映路段平均绝对加速度。说明平峰时路段车辆的骑行特征确实与高峰有所不同，其中ocvavg在因子中的影响不明确，这可能因为在平峰时段，路段非机动车流量较低，骑行较少受到车群的约束，共享单车在同一路段上的骑行行为较为随机，受到骑行者自身特征的影响。平峰骑行适宜性评价因子的得分系数矩阵如表5所示。

表5 平峰路段骑行适宜性评价因子得分系数矩阵

依据各个平峰骑行适宜性评价因子的方差贡献率比例可以建立平峰路段骑行适宜性评价模型，即平峰路段骑行适宜性指数（OPRS）可以按如下公式计算：

2.4 路段骑行适宜性指标体系

路段骑行适宜性评价指标体系及评价框架如图2所示。

图2 路段骑行适宜性评价体系

通过绘制路段骑行适宜性指数的累计分布曲线结果显示MPRS、EPRS和OPRS的分布十分接近，说明各时段的路段骑行适宜性指数具有一致性，可以通过统一的标准对路段骑行适宜性进行分级。

为方便模型的应用，本文邀请了三位慢行交通领域的专家对研究路段的骑行适宜性进行打分，由此对路段骑行适宜性指数进行分级。研究人员为专家提供路段的街景图片、路段机动车流量和各项路段流量-速度特征指标，给予专家一张评分卡片，要求其对不同路段展示出的路段骑行适宜性进行打分，共分为4个等级：优、良、中、差。结合专家评估结果和各时段路段骑行适宜性指数的分布特征，可得路段骑行适宜性的分级标准（见表6）。

表6 路段骑行适宜性分级标准

3 模型应用

本次模型应用按照共享单车数据范围，选择一片较大规模的路网，共计1 335条道路路段。在进行地图匹配后，计算单车速度特征指标，集计分析路段流量-速度特征指标，基于系数矩阵计算各时段的路段骑行适宜性评价因子，代入相应时段的路段骑行适宜性评价模型中，即可获得对应路段的骑行适宜性指数。根据路段骑行适宜性的分级结果，绘制各时段的骑行适宜性地图，如图3、图4、图5所示。结果显示，在上述路段范围内的不同时段内约有20%的路段骑行适宜性为差，26%的路段骑行适宜性为中，31%的路段骑行适宜性为良，23%的路段骑行适宜性为优。说明需要对46%的道路路段进行改善提升。

图3 早高峰的路段骑行适宜性地图

图4 晚高峰的路段骑行适宜性地图

图5 平峰的路段骑行适宜性地图

路段骑行适宜性地图的应用可以包括以下几个方面：

（1）协助交通规划设计师发现路段骑行适宜性不良的路段，对非机动车交通设施进行合理的改善。对于高峰和平峰路段骑行适宜性均为差的路段需要重点关注。如图6所示的双阳路和眉州路，早高峰、晚高峰和平峰的路段骑行适宜性均为差，从街景反映的道路非机动车交通设施可以看出，这两条道路均未设置非机动车道，机非处于混行状态。而且道路两侧均为居民区，居民出行需求较大，但人行道狭窄，行人时常会在机动车道上行走，导致非机动车骑行时不仅要避让机动车还需避让行人，骑行适宜性很差，因此需要对道路进行改善。

图6 双阳路（上）和眉州路（下）街景示意图

（2）道路管理者可以借助地图实时监控道路的非机动车设施的运行情况，有助于交通设施管理。对高峰时期路段骑行适宜性为红的路段需要对其进行流量的疏导，特别需要关注机非间非物理隔离的路段，降低机非之间发生冲突的概率。

（3）路段骑行适宜性地图可以用于非机动车的路径诱导。现有的非机动车路线推荐形式较为单一，主要以出行距离最短作为路径推荐的依据，缺少对于路段骑行适宜性的关注。在今后的研究中，路段骑行适宜性可以作为出行路径推荐时的重要指标，成为路径推荐的依据之一，优化传统推荐模式，为不同时段出行的骑行者推荐骑行适宜性最优的路径。

4 小 结

本文基于共享单车轨迹数据提取海量高频的速度特征参数，计算路段速度特征参数，识别关键评价因子，构建路段骑行适宜性评价模型，建立一套科学、合理、全面、可操作的城市道路路段骑行适宜性评价体系，打破以往研究数据精度与数据规模的限制，方便进行大规模的路网评价，对非机动车出行通道的规划设计、提高非机动车的出行比例、促进城市交通可持续发展有重要意义。