EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 3: 541 - 554

DOI: https://doi.org/10.11821/dlyj201503012

Orginal Article

Evaluating the effective density of urban road network based on FCD: A case study of Liwan and Yuexiu districts in Guangzhou

  • MA Linbing 1 ,
  • WEI Huili , 2 ,
  • CAO Xiaoshu 1
Expand
  • 1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China
  • 2. Guangzhou Real Estate Research Center, Guangzhou 510275, China

Received date: 2014-10-10

  Request revised date: 2015-01-22

  Online published: 2015-03-10

Copyright

《地理研究》编辑部
Fold

Abstract

The paper puts forward an evaluating method of urban valid density based on FCD. It mainly applies the kernel density estimation (KDE) for network data and floating car data (FCD) to analyze the characteristics of effective network density level distribution from two aspects: the static layout of the structure and dynamics traffic of urban road network. And then it analyzes the differences of density distribution between the theoretical simulation and the actual conditions, finds out the differences in regional road network, and provides a reliable basis for the urban road network planning. This paper uses KDE to analyze the FCD gathered from the downtown of Guangzhou during the May Day holiday in 2010 and the main road networks in Yuexiu and Liwan districts. The following conclusions can be drawn: In terms of the number of density nuclei and nuclear scopes, there are great differences among these roads, such as Renmin Central Road, Renmin South Road, Baiyun Road, Zhongshan Six Road and Zhongshan Seven Road, especially Renmin Central Road and Renmin South Road. From the perspective of theoretical analysis, the effective road network density of the two roads is high, but the actual traffic flows reflect that they are low density areas. This phenomenon shows that there is a traffic waste of resources. On the whole, according to the results of comparative analysis of road network and FCD, we can solve the problems in the urban road network, which can provide us some reliable basis for the future design of urban road network and rational planning of transport.

Key words： road network; floating car data; effective road network density; kernel density estimation

Cite this article

MA Linbing , WEI Huili , CAO Xiaoshu . Evaluating the effective density of urban road network based on FCD: A case study of Liwan and Yuexiu districts in Guangzhou[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(3) : 541 -554 . DOI: 10.11821/dlyj201503012

1 引言

随着城市不断建设与发展,其内部错综复杂的交通网也逐步完善起来。基于一个良性循环,日趋合理的交通路网很大程度上也能推动城市健康发展。因此,关于城市路网的合理有效评价不仅影响其自身发展,也影响着城市空间发展方向以及城市功能定位类型。目前,国内外关于城市交通路网的评价主要集中在以下几个方面：城市路网结构分析评价[1,2]、城市道路网密度评价[3-6]、城市道路网的可达性评价[7-9]、城市路网交通拥堵评价[10,11]等。学者们从不同方面实现对路网的评价,为城市路网发展规划提供了丰富的依据。其中,道路密度作为衡量道路发展水平、交通需求的重要指标,其准确合理的评价对路网发展是有着举足轻重的影响,但就目前研究来看,不同学者在对路网密度进行评价时侧重点有所差别。邓羽等[7]将道路密度作为一个指标,与可达性相结合进行区域综合分区,实现区域特征评价,为不同分区的城市建设、发展规划提供科学支撑。Liu等[12]结合研究区内各个方位的道路密度,利用GIS空间分析方法,分析广佛都市区的路网时空演变,为城镇发展提供依据。Borruso[13]提出基于空间异质性,利用路网上不同类型的点,如结点、设施点等的密度状况来反映路网密度,并以路网结点为研究代表利用核密度分析实现路网密度评估。
上述关于城市路网密度的研究中,采用不同方法,基于不同数据实现分析评价。但更多的是利用城市路网中静态的数据如道路网、结点、设施点等,分析评价也只能静态地表示路网结构特点,对于实际生活中动态路网的研究存在一定的局限性。因此依据先进的浮动车技术,利用采集的浮动车数据(floating car data, FCD),从动态路网角度出发实现对城市路网有效密度分析评价。
浮动车技术是20世纪80年代由德国人提出的一种新型的交通信息检测技术,其关键在于利用具有定位功能的浮动车辆的位置和时间信息,通过与地图的匹配,直观地表达道路的交通状况以及路网的使用情况。基于采集的浮动车FCD数据,不仅能够获取城市实时道路交通信息,如路段行驶速度[14,15]、路段交通量[16]、交通拥堵状况[17]等,为驾驶员提供优化的行驶路径与丰富的行程信息[18],为交通管理者提供有效的分析数据,反映城市交通状态特征。而在众多浮动车中出租车数据获取相对方便,同时在一定样本量基础上能够有效反映实际交通状况：Chen等[19]采用微观仿真模型仿真一条高速公路和5个信号交叉口组成的路网发现,浮动车数量占总车辆覆盖率至少3%时,出错概率小于5%;同时张存保等[20]也指出,FCD系统中计算周期内探测车样本数量至少需要占行驶在路网上的全体车辆总量的5%以上才能满足交通流估计的要求。管亚丽[21]对比实际数据,明确指出租车浮动车数据在表征路网交通状态过程中具有代表性。显然,利用FCD能够从实际路网交通流量、交通运行方面反映动态路网的密度特征,因此,在对研究区内路网交通流量统计后,根据阈值筛选方法选出约5%的样本车辆进行分析,实现研究区实际有效路网密度评价。
在具体分析过程中提出有效路网密度的概念,即在评价时充分考虑道路等级、区位等因子的影响,将其转换为权重并引入到核密度分析中,得到理论有效路网密度分布;与此同时,根据FCD能够表征路网实际交通流量的特点,利用核密度分析对散落在路网上的FCD点进行处理,反映实际有效路网密度等级分布。通过对比两种数据的分析结果,能够了解路网布局的合理性状况：如果同一路段区域理论与实际密度等级一致,就表明路网设计较合理,也即目前的路网设计结构能够满足实际交通需求;若同一路段区域内理论与实际密度等级不一致,则表明目前路网设计不够合理,不能满足实际交通需求或是道路资源存在浪费。因此,通过对比同一路段区域理论与实际有效路网密度等级存在的差异性与一致性,能够查找出差异区域,进而为路网规划提供合理有效的参考。

2 研究方法与数据来源

2.1 研究区概况

越秀区、荔湾区是广州市中心城区的重要组成部分,经过2005年的行政区调整,越秀区成为广州市区域面积最小,且人口密度最高的中心城区;而荔湾区则成为拥有上下九商业步行街、中山七八路、康王路和花地大道现代商业商务带的商业繁华区。根据研究目标与数据的可获取性,研究区具体范围确定为：113°13′8″E~113°18′7″E,23°6′32″N~23°9′4″N。研究区由内环路包围,区域内路网等级丰富,车流量较多,有利于数据获取以及后续的研究分析。

2.2 研究方法

有效路网密度是指某一计算区域内所有有效路网的总长度与计算区域面积之比。所谓有效路网是指根据路网结构、等级等现状条件能够有效分担路段上交通压力的路网。实际当中,等级、区位等方面存在差异的路段,其路网有效性也各不相同,因此在具体的有效路网密度计算过程中,应该结合道路的区位差异与等级差异,对其赋予不同的权重,按照公式(1)得到有效路段长度。有效路网密度的计算则为有效路网长度与服务区域面积的比值,按照公式(2)可计算获得。
L i = ∑ m = 1 n A m × L im (1)
D i = L i S i (2)
式中：Lim为不同等级m的道路长度;Am为不同等级m的道路权重;Li为i区内的有效路网长度;Si为i区域面积;Di为i区域的有效路网密度。
核密度估计(kernel density estimation, KDE)是借助一个移动的单元格,利用核函数来计算单元格内要素的密度估计方法。对于点要素而言,该方法时通过对区域中每个要素点建立一个平滑的圆形表面,然后基于数学函数计算要素点到参考位置的距离,对参考位置的所有表面求和,建立这些点的峰值和核来创建平滑的连续表面;对于线要素,依据该方法的概念可知,每条线要素上方均覆盖着一个平滑曲面,因此其值在线要素所在位置处最大,随着与线要素距离的增大此值逐渐减小,在与线要素距离等于指定的搜索半径(带宽)的位置处为零,所以每个输出栅格像元的密度均为叠加在栅格像元中心的所有核表面的值之和。总而言之,利用KDE获得的连续表面能够表征区域内各种类型要素的密度分布特征。核密度估计属于非参数密度估计的一种统计方法,模型如下：
f x , y = 1 n h 2 ∑ i = 1 n k d i h (3)
式中：f(x,y)为位于(x,y)位置的密度估计;n为观测数值;h为带宽或平滑参数;di为(x,y)位置距第i个观测位置的距离[22];k()为核函数,满足“距离衰减“效应。目前常用的核函数有Gaussian、Quartic、Conic、Negative exponential等[23],其中Gaussian和Quartic两个核函数相似,选择Quartic来实现核密度估计,具体的函数表达式为[24]：
k d i h = K 1 - d i 2 h 2 ， 0 < d i ≤ h 0 ， d i > h (4)
研究表明,影响KDE估计的两个关键要素是核函数、带宽的选择,但选择哪个核函数相对带宽选择影响较小[25,26],因此在进行KDE估计中,合适带宽的选择是十分重要的。KDE估计中,随着h的增加,空间上点密度的变化更为光滑,但会掩盖密度的结构;h减小时,轨迹点密度变化突兀不平。在具体应用实践中h的取值是有弹性的,需要根据不同的h值进行试验[27]。
KDE估计实现的具体方法[28]：① 定义一个固定的搜索半径(即核函数带宽),以滑动的圆来统计出落在圆域内的事件数量;② 根据密度精度要求,确定输出栅格大小,栅格越小,精度越高;③ 通过核函数计算出每个事件对圆域内各个栅格的密度贡献值;④ 对每个栅格的密度值进行赋值,其值为该栅格搜索半径范围内各个事件对该栅格的密度贡献值的累加;⑤ 输出每个栅格的密度值。

2.3 数据来源

2.3.1 路网数据处理 本研究利用到的路网数据是以内环路为界,其中,越秀区内以内环路南面的环市东路为界线,提取界线范围内的道路中心线,忽略内环路(快速路),仅以其包围在内的道路中心线作为研究路网数据(图1)。
Fig 1 Network data

图1 路网数据

路网数据的处理主要包括拓扑检查以及权重设置。首先拓扑检查及修正,是根据实际交通路网的拓扑结构以及交通运行规则对提取的道路中心线进行检查与修正,确保数据的拓扑无误性,利用ArcGIS的拓扑处理工具能够实现。其次,对于路网权重设置,在综合考虑每条道路的结构、区位等特征的基础上,将研究区内的道路划分为主要干道、次要干道、支路三种类型。由于不同等级和功能的道路上,交通量的构成差别是比较大的,城市快速路和交通性主干道上交通量中主要是小客车和出租车;在生活性的干道上,公交车的比例相对高得多;而在支路上自行车和行人交通量占主导地位[29]。通过道路上行驶的出租车获取FCD数据,也即得到的数据主要是从出租车角度对路网进行反映,其数据分布也将遵循实际规律,主要集中在干道上。所以,以主要、次要干道为主要的路网研究对象,结合层次分析法最终确定三级道路的权重分别为6、3、1。权重的确定在计算有效路网密度过程中是十分重要的,因此,在对路网数据进行处理时要依据研究区域的实际状况,采用适当有效的方法。
2.3.2 FCD数据处理 现有基础的FCD数据是广州市13000多辆装载有GPS的出租车于2010年4月30日至5月15日采集获取的。具体的FCD数据格式如表1所示,通过统计,每天所获取的数据量都在1500万条左右,每条数据都按照表1中的不同属性字段进行记录。
Tab.1 FCD format

表1 FCD数据格式

字段 数据格式 实例 描述
LICENSEPLATENO VARCHAR2(20) 粤AO77U5 车牌号
IN_DATE DATE 2010-5-1 17:52:26 入库时间
GPS_TIME DATE 2010-5-1 17:52:26 信号时间
LONGITUDE CHAR(10) 113.26657 经度
LATITUDE CHAR(9) 23.19069 纬度
HEIGHT CHAR(9) 0 高度(均为0)
SPEED CHAR(3) 56 速度
DIRECTION CHAR(3) 170 角度(方位角)
EFF CHAR(1) 1 有效标识(1代表有效,0代表无效)
CAR_STAT1 CHAR(1) 5 4空车,5重车
通过对上述15日内采集的FCD数据统计分析发现,FCD数据采集量集中在400条左右的出租车数量达到出租车总量的85%(图2),将这些数据显示到空间中,也能够覆盖研究区域内的大部分路网。因此采用“400”这一阈值进行样本量筛选,最终确定出采集数据稳定的2000辆(每小时内)样本车的近2000000(条/小时)FCD数据进行研究。而根据文献研究表明,FCD数据样本量占总交通流量3%~5%以上能保证其对路网交通状况反映。对研究区内不同等级道路的平均车流量进行统计如表2所示,并根据路网数据处理过程中评定的路网等级划分情况,估计区域内总的平均交通流量为48800辆/小时(根据不同等级道路统计数据及平均车流量统计),如此一来,筛选的2000辆样本占单位总行车辆的4%,满足交通状态评估的样本量要求,能够较真实、准确地反映实际交通状况。
Fig. 2 Statistics of FCD

图2 出租车FCD数据统计

Tab. 2 Road traffic statistics of Guangzhou in 2010

表2 2010年广州市分等级道路车流量统计

道路等级 平均车流量(车/小时)
内环内 内外环之间 外环内
快速路 2938 2786 2770
主干道 2441 2107 2098
次干道 891 485 598
支 路 268 161 156

注：数据根据2010年广州市交通信息数据统计整理。

实际FCD数据采集过程中会受到采集和传输设备的影响,导致产生异常的FCD数据,因此在利用FCD数据进行分析时则需要对异常数据进行筛除并修正正常数据的位置属性。通过对FCD数据中LONGITUDE、LATITUDE以及EFF等属性字段的进行阈值控制,实现了区域过滤、异常数据过滤,最终获得了研究区内正常的数据。继而利用VS2010,基于合适的地图匹配算法编程实现对研究区域内正常数据的位置属性修正,确保数据能够有效、准确地表现路网上交通流量、路段行驶速度等交通信息。

3 城市有效路网密度评价

对于经过处理的数据,核密度分析能够取得良好的效果。特别是对于FCD数据,经过数据处理能够使其找到所在路网上的真实位置,这样利用落在路网上的FCD点的集聚性就能反映有效路网的分布特征。其中,FCD点越是集聚的路段区域,交通流量就越大,那么实际当中则就需要更多的有效路网来承担交通压力,相应地,该区域的有效路网密度也会高。因此,基于FCD核密度分析生成的密度表面,从路网动态承担交通流量出发,表征了有效路网密度分布的实际状况;而基于路网的核密度分析,从路网静态结构出发,综合路网等级、区位等因素对有效路网密度计算的影响,得到理论上的有效路网密度分布。基于上述两类数据的核密度分析,进行密度等级的差异分析,能够获得实际与理论有效路网密度等级分布的差异情况,可以为城市以及城市路网的规划提供合理依据。

3.1 路网核密度特征

根据有效路网密度计算公式(1)和(2),在对路网数据进行核密度分析时需要将不同等级道路的权重带入其中。实现过程中可以利用路网数据的权重字段,设置为ArcGIS核密度分析的population field,分析中利用的带宽经过试验确定为250 m,相对于FCD数据确定的300 m略小,但通过与150 m和300 m的带宽结果对比发现,利用250 m的带宽生成的密度曲面较平滑,也能够清晰的识别出路网的密度中心,比较明显的反映路网核密度的等级差异,是比较合适的带宽取值。将基于250 m带宽的路网核密度分析结果按照Nature Breaks划分方法有效地分为五个等级(第五等级为最高,图3)。
Fig.3 Network kernel density analysis

图3 路网核密度分析

整体来讲,图3中密度等级沿着路网中的主要干道向外辐射递减,特别是路网等级丰富、分布密集的区域高密度等级居多,等级影响范围也较大。通常会将密度最高等级形成的密度中心区域称为密度核,从图3中可以看出密度核较为集中的路段有东西走向的中山七路、中山六路、东风西路、白云路以及南北走向的人民南路、解放南路、康王南路、起义路,密度等级分布总体上呈现出三纵三横的趋势。
通过对比图3中出现的密度核发现,密度核多以路网交叉口为核心产生,其影响范围的大小各不相同。基于路网数据的核密度分析是从路网结构、路段等级等路网静态方面反映有效路网密度分布,是对有效路网密度分布的一个理论上的表达。因此,密度核的大小理论上代表着区域在静态路网结构中的重要程度,显然,人民南路,解放南路、康王南路路段上的交叉口对整个路网影响较大,理论上应该承担整个路网的绝大部分交通流量。

3.2 基于FCD的核密度特征

由于落在路网上的点记录的是实际路网上来往车辆的瞬时位置,其中的每一个点在路网上都是同等重要的,虽然不同时间同一路段双向车流量差异大,但并不影响对该路段整体评价,通常是以整个路段内通过FCD点来反映实际有效路网利用程度,不论方向性。因此,在对FCD数据进行KDE分析过程中,只需要统计相应带宽内散落点的数量,利用其密度来表征实际有效路网密度分布。分析过程中所利用到的带宽通过不断试验,最终确定为300 m,此时得到的密度表面较平滑,却也能清晰显示高密度集聚区,是对实际有效路网密度分布的有效表达。
3.2.1 时间差异特征 FCD数据具有时间属性,通过对该属性的统计,数据在分布时间上具有明显的集聚性：早高峰8:00~12:00;晚高峰19:00~23:00。因此,在利用KDE对FCD数据进行分析时,综合时间差异的影响,将数据分为三组：第一组是2010年4月30日,及5月1日、2日、7日、8日、9日六天的所有时间段的FCD数据;其余两组分别是以上六天的早、晚高峰时间段的数据。
三组数据得到的分析结果如图4~6所示,分别对三幅图中分析结果进行横向对比分析发现,每一天相同时间段内实际有效路网密度分布整体差异不明显,密度等级的分布在各自时间维度上差异较小;但是通过三组数据的纵向比对发现,早高峰时间段内生成的密度核比晚高峰时间段多,并且多集中在东风路、解放路、康王路和中山路的部分路段,而晚高峰时间段内生成的密度核相对较少。早、晚高峰时间段内FCD数据的数量、分布等导致了两个时间段内密度等级分布的差异,因此,结合早、晚高峰时间段内FCD数据的分析结果能够动态地反映实际有效路网密度等级的分布特征：随着高峰时间段的早晚变化,密度核分布在某些路段上差异突出,说明这些路段的利用效率具有时间差异性。最后结合图4,每一天的整体状况与当天的早、晚高峰的密度等级分布对比差异主要集中在人民路、东风路路段。也即时间差异对密度等级分布影响主要体现在人民路和东风路路段,不仅密度核的数量有变化,其影响范围也有差异。
Fig.4 Full time FCD density analysis

图4 所有时间段FCD密度分析

Fig. 5 Morning peak FCD density analysis

图5 早高峰FCD密度分析

Fig. 6 Late peak FCD density analysis

图6 晚高峰FCD密度分析

3.2.2 空间特征 针对上述时间差异引起的密度等级分布差异,是路网动态特征的一个表现,为了最大程度把握基于FCD数据的有效路网密度等级分布的空间特征,利用栅格计算器对第一组FCD数据核密度分析得到的结果进行加和求平均处理(图7),获得研究时间段内有效路网密度分布的平均状况,如此处理得到的数据对时间的依赖程度减小,能够体现实际有效路网的密度分布情况。
Fig. 7 Average density of FCD analysis results

图7 FCD密度分析平均结果

从图7中可以发现,经过加权平均处理后的FCD核密度分析结果能够综合体现六天时间内的核密度分布特征：密度等级沿着主要干道向外逐级递减;密度核主要集中在东西走向的东风路、中山路路段,以及南北走向的康王路、人民北路(东风路以北路段)、解放路和起义路路段;有效路网密度等级分布在空间上更多的是呈现以东风、中山和康王、解放路为主的两纵两横趋势。

3.3 对比分析

基于FCD数据进行的核密度分析,是利用实际路网上的车流量来动态反映有效路网密度分布的状况,体现出实际交通状况对路网密度的要求。通过对其进行核密度分析发现,时间差异性会影响有效路网密度的分布特征,这正好体现路网动态性;综合整体时间维度上的空间特征分析,密度等级分布呈现两纵两横的特点;基于路网的核密度分析,是依据现有路网的等级、区位等状况静态地反映有效路网密度分布,体现了路段区域理论路网密度的分布特征,总体而言,呈现出三纵三横的特点。结合实际情况,高密度等级路段对于路网、城市健康高效发展至关重要,所以可以利用上述两类数据获得的高密度等级路段区域分布差异如图8所示,分析理论与实际高密度等级路段区域的差异信息,获取目前城市道路发展存在的问题,为路网合理规划提供可靠依据,为城市健康发展提供保证。
Fig. 8 Contrast of analysis based on FCD and network

图8 基于FCD、路网核密度分析对比

由图8可以看出,基于两种不同数据获得的核密度分析图中存在一致性与差异性。一致性是指对比不同数据所获得的核密度分析图,存在某些路段区域密度等级相同,特别是存在较高密度等级在某些路段区域保持一致：例如东西走向的东风西路路段中,基于两种不同数据进行分析最终得到的密度等级都比较高,都处于最高的第五等级;而对于南北走向的人民路段,基于路网的核密度分析结果显示,这个路段区域密度等级很高,特别是人民南路处于最高的第五等级,但基于FCD数据的核密度分析结果则显示,路段密度等级较低,仅仅处于第三等级,这即所谓基于两种不同数据所得到的差异性。差异性的存在最终导致基于两种数据进行的核密度分析结果呈现出不同的空间特征：基于FCD数据的两纵两横与基于路网数据的三纵三横。
一致性与差异性的识别,最直观的方法是查看路段区域上密度核的数量,综合对比分析图8,可以通过统计图中各路段区域上的密度核个数(表3),粗略查找到差异性大的路段区域：人民路、中山路、白云路。为了更加清楚明晰地获取差异结果,在对数据标准化处理后进行重分类,将各分析成果中的第五等级作为新的第一等级,而剩余的较低等级为第二等级,如此一来,以较高的第五等级为对比对象,利用ArcGIS分析工具中的“raster calculator”对数据进行想减运算,获得有效路网在高等级分布中的差异结果(图9)。
Tab.3 Density nuclear statistics in road area

表3 路段区域密度核统计

路段名称 基于FCD的密度核个数 基于路网的密度核个数
东风路 8 9
中山路 4 9
荔湾路 2 2
康王路 4 3
人民路 3 6
解放路 5 4
北京路 2 2
白云路 0 1
Fig.9 Contrast of analysis based on FCD and road network data

图9 基于FCD、路网数据的核密度分析对比结果

由于受到核密度分析精度影响,基于FCD或路网数据分析的密度核范围有所差异,所以在对数据标准化基础上的差异对比结果中出现多个环状(图9),为减小核密度分析精度影响,在结果对比过程中这些环状不做差异考虑,仅以不规则差异实体作为对比分析对象。显然从图9中能更直观明确理论与实际等级差异明显的路段,与上述通过密度核确定的差异路段结果较一致,其中人民路与白云路明显的理论等级高于实际等级,具体路段差异、一致性结果如表4所示。密度等级差异性明显的路段区域主要有人民中路、人民南路、白云路、中山六路、中山七路,那么在未来路网规划过程中需要对这些路段区域更加关注,在该理论支撑下,综合分析其他影响因素,争取改善这些路段的交通状况。
Tab.4 Consistency and difference in road area

表4 路段区域一致性与差异性

对比结果 一致性 差异性
路段名称 东风路、解放路、中山八路、中山五路、中山二路、康王路、荔湾路、人民北路 人民中路、人民南路、白云路、中山六路、中山七路
结合实际情况,人们在出行过程中通常选择公共交通方式上下班,而出租车方式的选择则更多的偏向娱乐活动进行,路段沿线商业网点的分布会有较大影响。因此在对差异结果分析过程中,结合商业网点分布进行叠加分析,如图10所示。从图中明显地发现,理论与实际等级差异的路段相比较其他路段周围的商业网点分布较少,特别是理论等级高的路段,其周围商业网点分布明显少。这就与实际相一致,由于网点分布较少,所以该路段实际过程中出租车到客量少,而通过路网本身分布特征该地区应该承担较大客流量,此时理论与实际出现差异性。
Fig. 10 Analysis chart of Overlay

图10 叠加分析图

一致性的存在表明路网设计在这些区域较合理,其实际状况能够满足交通流量的动态要求。而差异性的存在则说明在这些路段区域内设计不够合理,可能存在实际车流量不是很大,因此在来往车辆的行驶过程中,这些路段的有效利用率较低,也即动态的有效路网密度(等级)在这些路段处实际较小,但是依据理论有效路网密度分布显示,这些路段区域却具有很高的有效路网密度(等级)。显然,理论与实际的差异冲突就会带来这些路段的浪费或是容易引起交通拥堵。因此,将差异明显的区域进行标记,有助于发现城市路网中出现的问题,为路网优化设计提供可靠参考,进而提高路网的有效利用水平。

4 结论

随着浮动车技术的发展,FCD数据应用也日益广泛,目前多集中于ITS系统构建、道路拥堵检测、道路信息获取等方面。凭借FCD数据对于路网有效利用的反映,采用核密度分析方法对FCD数据进行评价分析,获得了实际有效路网的密度分布特征：① 时间特征;实际有效路网密度分布随着时间会发生变化,其中早高峰时间段内有效路网密度较晚高峰时间段整体较高,密度核较多,且主要分布在东风路、解放路、康王路和中山路的部分路段。但是通过时间维度的横向对比发现,每一天相同时间段内实际有效路网密度分布整体差异不明显,密度等级的分布在各自时间维度上差异较小。② 空间特征;密度等级沿着主要干道向外逐级递减;密度核主要集中在东西走向的东风路、中山路路段,以及南北走向的康王路、人民北路(东风路以北路段)、解放路和起义路路段;有效路网密度等级分布在空间上更多的是呈现以东风、中山和康王、解放路为主的两横两纵趋势。
基于路网进行的核密度分析,在有效路网密度概念的基础上,充分考虑路网区位、等级等因素影响,划分路网为不同等级,并利用层次分析法实现权重设置,是从静态路网结构出发,表达理论有效路网密度的分布特征：人民南路,解放南路、康王南路路段上的交叉口对整个路网影响较大,理论上应该承担整个路网的绝大部分交通流量。与此同时,密度等级分布总体上呈现出三纵三横的趋势。
上述两种数据的密度评价,是从实际与理论两个不同方面表现有效路网密度的分布,就现实状况而言,只有两者密度等级一致时,路网上的交通状况才会达到较为良好的状态,如果存在差异性,路网上的交通状况难免会出现拥堵或是资源浪费。通过对比分析两种数据的核密度分布特征发现,人民中路、人民南路、白云路、中山六路和中山七路路段的密度等级差异性明显,路段上的密度核数量与影响范围差异大,其中,较为明显的是人民中路和人民南路,从理论有效路网密度的分析角度,两个路段都是高密度区域,但是实际交通流量反映其为低密度区域,显然这样容易造成交通资源的浪费。根据对比的分析结果,再结合实地调查情况,能够发现并明确城市路网中存在的问题,这样对于未来城市路网的合理规划设计提供可靠依据,能够有效得提高路网的利用水平。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Shi F, Wang W.Urban road network structure analysis. City Planning Review, 2007, 31(8): 14.

[2]
Xiang H, Zhang L, Yang B.Optimization of road network structure based on maximum-flow theory. Journal of Southwest Jiaotong University, 2009, 44(2): 25.

[3]
范科红, 李阳兵, 冯永丽. 基于GIS的重庆市道路密度的空间分异. 地理科学, 2011, 31(3): 365-371.

[Fan Kehong, Li Yangbing, Feng Yongli.Spatial distribution of road density in Chongqing based on GIS. Scientia Geographica Sinica, 2011, 31(3): 365-371.]

[4]
魏伟, 石培基, 脱敏雍, 等. 基于GIS的甘肃省道路网密度分布特征及空间依赖度分析. 地理科学, 2012, 32(11): 1297-1303.

[Wei Wei, Shi Peiji, Tuo Minyong, et al.The road network density and its spatial dependence in Gansu province based on GIS. Scientia Geographica Sinica, 2012, 32(11): 1297-1303.]

[5]
吴威, 曹有挥, 曹卫东, 等. 长三角地区交通优势度的空间格局. 地理研究, 2011, 30(12): 2199-2208.

[Wu Wei, Cao Youhui, Cao Weidong, et al.The pattern of transportation superiority in Yangtze river delta. Geographical Research, 2011, 30(12): 2199-2208.]

[6]
Borruso G.Network density and the delimitation of urban areas. Transactions in GIS, 2003, 7(2): 177-191.

[7]
邓羽, 蔡建明, 杨振山, 等. 北京城区交通时间可达性测度及其空间特征分析. 地理学报, 2012, 67(2): 169-178.

[Deng Yu, Cai Jianming, Yang Zhenshan.Measuring time accessibility with its spatial characteristics in urban areas of Beijing. Journal of Geographical Sciences, 2012, 67(2): 169-178.]

[8]
Zhang L, Lu Y.Assessment on regional accessibility based on land transportation network: A case study of the Yangtze river delta. Acta Geographica Sinica, 2006, 61(12): 1235-1246.

[9]
Liu C, Yu R.Spatial accessibility of road network in Wuhan metropolitan area based on spatial syntax. Journal of Geographic Information System, 2012, 4(2): 128-135.

[10]
古杰, 周素红, 闫小培, 等. 居民日常出行时空集聚视角下的城市交通拥堵形成机制研究: 以广州为例. 地理科学, 2012, 32(8): 921-927.

[Gu Jie, Zhou Suhong, Yan Xiaopei, et al.Formation mechanism of traffic congestion in view of spatio-temporal agglomeration of residents' daily activities: A case study of Guangzhou. Scientia Geographica Sinica, 2012, 32(8): 921-927.]

[11]
全永燊, 郭继孚, 关积珍, 等. 交通拥堵评价研究及北京交通拥堵评价的实证分析. 见: 第三届中国智能交通年会学术委员会. 2007第三届中国智能交通年会论文集. 上海: 东南大学出版社, 2007: 1-6.

[Quan Yongshen, Guo Jifu, Guan Jizhen, et al.Evaluation of empirical analysis of traffic congestion and Beijing traffic congestion evaluation. In: Academic Committee of 2007 Third China Intelligent Transport Annual Meeting. Proceedings of 2007 Annual Meeting of the 3th China Intelligent Transportation. Shanghai: Publishing House of Southeast University, 2007: 1-6.]

[12]
Liu R, Hu W P, Wang H L, et al. The road network evolution analysis of Guangzhou-Foshan metropolitan area based on Kernel Density Estimation. In: Proceedings of the Computational and Information Sciences (ICCIS), 2010: 316.

[13]
Borruso G.Network density estimation: Analysis of point patterns over a network. In: Osvaldo Gervasi. Computational Science and its Applications-ICCSA 2005. Berlin: Springer, 2005: 126-132.

[14]
殷伟, 郭璘, 方廷健, 等. 一种基于FCD的城市道路车流速度估计算法. 中国科学技术大学学报, 2008, 38(9): 1113-1117.

[Yin Wei, Guo Lin, Fang Ting, et al.An FCD based vehicle speed estimation algorithm in urban road networks. Journal of University of Science and Technology of China, 2008, 38(9): 1113-1117.]

[15]
Rohini B.Predicting Speeds on Urban Streets Using Real-time GPS Data. Masters Abstracts International, 2000, 41(4):1137.

[16]
Ghnemann A, Schfer R P, Thiessenhusen K U, et al.Monitoring traffic and emissions by floating car data. ITS-WP-04-07. Institute of Transport Studies Working Paper, 2004.

[17]
储浩, 杨晓光, 李慧兵, 等. 基于FCD数据交通状态判别的准确度评价. 见: 环境保护部环境工程评估中心. 2008第四届中国智能交通年会论文集. 青岛: 人民交通出版社, 2008: 909-915.

[Chu Hao, Yang Xiaoguang, Li Huibing.Accuracy evaluation of traffic condition distinguishing by FCD data. In: Center for Environmental Engineering Assessment. Proceedings of 2008 Annual Meeting of the 4th China Intelligent Transportation. Qingdao: People's Communications Publishing House, 2008: 909-915.]

[18]
Axhausen K, Schnfelder S, Wolf J, et al. Eighty weeks of gps traces, approaches to enriching trip information. In: Proceedings of the Transportation Research Board 83rd Annual Meeting Pre-print CD-ROM, 2004.

[19]
Chen M, Chien S I.Determining the number of probe vehicles for freeway travel time estimation by microscopic simulation. Journal of the Transportation Research Board, 2000, 1719(1): 61-68.

[20]
张存保, 杨晓光, 严新平. 移动交通检测系统中探测车的样本数量. 中国公路学报, 2007, 20(1): 96-101.

[Zhang Cunbao, Yang Xiaoguang, Yan Xinping.Probe vehicles sample size for mobile traffic detection system. China Journal of Highway and Transport, 2007, 20(1): 96-101.]

[21]
管亚丽. 成都市出租车浮动车数据可靠性分析. 成都: 西南交通大学, 2010.

[Guan Yali.Analysis on the reliablity of Chengdu taxi floating car data. Chengdu: Southwest Jiaotong University, 2010.]

[22]
马晓冬, 李全林, 沈一. 江苏省乡村聚落的形态分异及地域类型. 地理学报, 2012, 67(4): 516-525.

[Ma Xiaodong, Li uanlin, Shen Yi. Morphological difference and regional types of rural settlements in Jiangsu province. Journal of Geographical Sciences, 2012, 67(4): 516-525.]

[23]
Gibin M, Longley P, Atkinson P. Kernel density estimation and percent volume contours in general practice catchment area analysis in urban areas. In: Springer Netherlands. Proceedings of the Geographical Infomration Science Research Conference, 2007: 227-242.

[24]
Xie Z, Yan J.Kernel density estimation of traffic accidents in a network space. Computers, Environment and Urban Systems, 2008, 32(5): 396-406.

[25]
O'sullivan D, Unwin D J. Geographic Information Analysis. Hoboken: John Wiley & Sons, 2003.

[26]
Schabenberger O, Gotway C A.Statistical Methods for Spatial Data Analysis. Boca Raton: CRC Press, 2004.

[27]
王远飞, 何洪林. 空间数据分析方法. 北京: 科学出版社, 2007.

[Wang Yuanfei, He Honglin.Spatial Data Analysis Methods. Beijing: Science Press, 2007.]

[28]
顾朝林, 庞海峰. 建国以来国家城市化空间过程研究. 地理科学, 2009, 29(1): 10-14.

[Gu Chaolin, Pang Haifeng.Evolution of Chinese urbanization spaces-kernel spatial approach. Scientia Geographica Sinica, 2009, 29(1): 10-14.]

[29]
贾晓敏. 城市道路通行能力影响因素研究. 西安: 长安大学硕士学位论文, 2009.

[Jia Xiaomin.Research on influence of urban road capacity. Xi'an: Master Dissertation of Chang'an University, 2009.]

Options
Outlines

/

〈 〉