一种基于混合线性模型的非机动车道服务水平评价方法与流程

本发明是一种基于混合线性模型的非机动车道服务水平评价方法，该方法是针对有物理隔离的非机动车的服务水平的评价方法，采用混合线性模型，考虑了不同宽度车道上交通流状态的差异。该评价方法可以服务于非机动车道现状评价、规划、设计与管理，属于交通规划技术领域。

背景技术

随着社会经济的不断发展，居民的生活水平得到了大幅度的提高，小汽车保有量增长迅速。由此，也加剧了城市的交通拥堵和环境污染。当前，非机动车交通在国内部分城市发展迅速。从公共自行车、电动自行车到共享单车，非机动车的发展形式不断得到创新，在居民日常出行中也占据着越来越重要的地位。由于非机动车环保，便捷的优点，在中短距离出行中具有很大的优势，作为城市交通的补充，和机动车出行共同构成了整个城市居民的出行网络。而非机动车道和机动车道一样作为城市道路网的一部分，承担着城市出行的重要功能。但是当前缺少有效的理论依据来指导非机动车道的规划、建设与管理，现存较多非机动车道出现不能满足通行需求从而影响了整个交通的运行效率或是非机动车道设置过宽，从而造成资源浪费的现象。同时非机动车服务水平的评价体系也缺少实践研究的支持。国内当前对非机动车服务水平的研究较少，尚未形成统一完整地评价体系。因此，有必要针对非机动车交通流的运行特征，选取相应的评价指标对非机动车道的服务水平进行量化分级，从而为非机动车道的规划、建设与管理提供一定的依据。

技术实现要素：

本发明的目的在于针对现有技术的不足，提供一种基于混合线性模型的非机动车道服务水平评价方法，由于本发明针对交通问题的特殊性，本发明采用混合线性模型来建立非机动车道服务水平评价体系，由于非机动车行驶没有固定的车道，通过考虑不同宽度下非机动车交通流状态的差异，使得建立的评价体系能够适用于不同宽度的非机动车道。

该方法包括以下步骤：

c1、采集路段非机动车交通流参数，包括流量、密度、超车次率、速度、电动自行车比例、男女比例等参数；

c2、同时拍摄基于骑行者第一视角的视频，记录非机动车交通流运行状态；

c3、将非机动车道服务水平人为划分为n个等级，每等级对应一个分值；采用骑行者打分的方式，收集不同骑行者对视频片段的等级评分，并取其平均值作为每个片段的得分；

c4、通过显著性分析对交通流参数进行筛选，选择出显著相关的参数，作为评价指标；

c5、采用混合线性模型，考虑不同道路宽度对交通流状态的影响，以道路宽度作为随机效应，步骤c4选出的评价指标作为固定效应，建立非机动车道服务水平评价模型。

步骤c1采集路段非机动车交通流参数包括

c11、调查非机动车道的基础信息，得到非机动车道的宽度、隔离形式；

c12、统计路段交通流信息

其中，因为非机动车行驶没有固定的车道，所以流量为单位宽度下的统计值。统计一定时间段内的车流及各非机动车的速度，获得单位宽度的流量q和该时间段内非机动车的平均速度数据v，通过交通流三参数的关系q＝kv得到密度信息k；超车次率通过以下公式计算得

其中，

r：超车次率；

p：统计间隔内所发生的超车次数；

q：统计间隔内所通过的车辆数；

此外，还需采集路段的其它交通流信息，如：电动自行车比例、男性比例，均采用人工计数统计。

步骤c2拍摄基于骑行者第一视角的视频包括

c21、采用自然驾驶研究方式采集视频。自然驾驶研究是指在自然状态下(无干扰、无实验人员出现、日常驾驶状态下)利用数据采集系统观测、记录骑行者在骑行过程中的具体操作以及周围交通流的运行状态。对骑行者在视频采集过程中的骑行不做任何要求，骑行者按照平时骑行习惯进行骑行。视频采集采用头戴式摄像机，用于模拟骑行者的第一视角。

c22、整理数据使每个视频片段与其记录状态下的交通流参数一一对应(即同一非机动车道同一时间段内的视频片段应与采集的交通流参数相对应)。

步骤c3服务水平分级及视频片段打分包括

c31、不同等级非机动车道服务水平的定性描述如下(以将服务水平分为五个等级为例)：

a：非常好。车辆处于自由流状态，骑行舒适无干扰，可以自选速度和超车行为，横向位置可任意调整；

b：好。自行车基本自由骑行。车之间很少干扰，骑行尚舒适，车速可以改变但稍有约束。电动自行车可以保持较高速度行驶，超车空间较大，有一定超车行为；

c：一般。自行车流运行稳定，自行车道能满足基本的骑行需求。车辆之间常有干扰，车速受限，部分电动自行车行驶受到传统自行车的阻碍，自行车舒适度降低；

d：不好。自行车流非稳定运行。车流密集，自行车相互干扰多，电动自行车需不断变换车道并频繁超车；

e：差。骑行受限或出现拥堵，自行车骑行速度显著下降，很难发生超车行为，车流整体前行。

且定义服务水平各等级对应分值为：

a——0-0.2

b——0.2-0.4

c——0.4-0.6

d——0.6-0.8

e——0.8-1.0。

c32、随机邀请骑行者观看所采集的记录非机动车交通流运行状况的第一视角视频，并让其根据自身的主观感受对每个视频片段所记录的交通流运行状况进行打分。之后取每个视频片段得分的均值作为该片段所对应的分值。计算如下

其中，

i：视频片段编号；

j：被测骑行者编号；

n：被测骑行者总和；

leveli：视频片段i所对应的等级得分；

sij：被测骑行者j对视频片段i的打分

步骤c4筛选评价指标包括

以所有视频片段的得分作为因变量，步骤c1采集的路段非机动车交通流参数作为自变量，使用spss软件进行显著性分析，选择显著相关的参数作为评价指标。

步骤c5采用混合线性模型建立非机动车道服务水平评价体系包括

c51、为消除量纲上的影响，将评价指标样本数据进行归一化处理，公式如下

其中，

x：样本数据原始值；

x'：样本数据归一化后的值；

min：样本数据最小值；

max：样本数据最大值。

c52、考虑不同道路宽度对交通流状态的影响，以道路宽度作为随机效应，将归一化后的评价指标作为固定效应，建立非机动车道服务水平评价模型。

level＝wtt+wll+eε

其中，

level：服务水平分值；

wt：固定效应参数矩阵；

t：交通流参数评价指标矩阵；

wl：随机效应参数矩阵；

l：测试路段宽度矩阵；

eε：随机误差矩阵。

其中，随机效应参数矩阵，服从均值矩阵为0、方差/协方差矩阵为g的正态分布，表示为n(0～g)。随机误差矩阵服从均值矩阵为0，方差/协方差矩阵为r的正态分布，表示为n(0～r)。假定cov(g,r)＝0，即g与r之间独立。这时level的方差/协方差矩阵可表示为

var(level)＝wlgwl′+r

由于混合线性模型的方差/协方差矩阵存在较多结构，可使用sas软件的procmixed过程实现整个模型的求解，最终获得非机动车道服务水平评价模型。

本发明的有益效果：本发明基于混合线性模型，建立了有物理隔离的非机动车道服务水平评价体系，考虑了不同宽度道路上交通流状态的差异，并使用第一视角打分的方式，使得打分值与骑行者实际感受更为贴合，使得建立的服务水平评价模型更贴合实际情况。

附图说明

图1是本发明方法的流程示意图。

具体实施方式

下面结合附图对本发明进行详细阐述，如图1所示，本发明的具体步骤如下：

步骤c1采集路段非机动车交通流参数包括

c11、调查非机动车道的基础信息，得到非机动车道的宽度、隔离形式；

c12、统计路段交通流信息

其中，因为非机动车行驶没有固定的车道，所以流量为单位宽度下的统计值。通过统计得到流量q和速度数据v后，通过交通流三参数的关系q＝kv得到密度信息k。超车次率通过以下公式计算得

其中，

r：超车次率；

p：统计间隔内所发生的超车次数；

q：统计间隔内所通过的车辆数。

此外，还需采集路段的其它交通流信息，如：电动自行车比例、男性比例。

步骤c2同时拍摄基于骑行者第一视角的视频，包括

c21、采用自然驾驶研究方式采集视频。自然驾驶研究是指在自然状态下(无干扰、无实验人员出现、日常驾驶状态下)利用数据采集系统观测、记录骑行者在骑行过程中的具体操作以及周围交通流的运行状态。对骑行者在视频采集过程中的骑行不做任何要求，骑行者按照平时骑行习惯进行骑行。视频采集采用头戴式摄像机，用于模拟骑行者的第一视角。

c22、整理数据使每个视频片段与其记录状态下的交通流参数一一对应(即同一非机动车道同一时间段内的视频片段应与采集的交通流参数相对应)。

步骤c3服务水平分级及视频片段打分包括

c31、不同等级非机动车道服务水平的定性描述如下(以将服务水平分为五个等级为例)：

a：非常好。车辆处于自由流状态，骑行舒适无干扰，可以自选速度和超车行为，横向位置可任意调整；

b：好。自行车基本自由骑行。车之间很少干扰，骑行尚舒适，车速可以改变但稍有约束。电动自行车可以保持较高速度行驶，超车空间较大，有一定超车行为；

c：一般。自行车流运行稳定，自行车道能满足基本的骑行需求。车辆之间常有干扰，车速受限，部分电动自行车行驶受到传统自行车的阻碍，自行车舒适度降低；

d：不好。自行车流非稳定运行。车流密集，自行车相互干扰多，电动自行车需不断变换车道并频繁超车；

e：差。骑行受限或出现拥堵，自行车骑行速度显著下降，很难发生超车行为，车流整体前行。

且定义服务水平各等级对应分值为：

a——0-0.2

b——0.2-0.4

c——0.4-0.6

d——0.6-0.8

e——0.8-1.0。

c32、随机邀请骑行者观看所采集的记录非机动车交通流运行状况的第一视角视频，并让其根据自身的主观感受对每个视频片段所记录的交通流运行状况进行打分。之后取每个视频片段得分的均值作为该片段所对应的分值。计算如下

其中，

i：视频片段编号；

j：被测骑行者编号；

n：被测骑行者总和；

leveli：视频片段i所对应的等级得分；

sij：被测骑行者j对视频片段i的打分

步骤c4筛选评价指标包括

以所有视频片段的得分作为因变量，步骤c1采集的路段非机动车交通流参数作为自变量，使用spss软件进行显著性分析，选择显著相关的参数作为评价指标。

步骤c5采用混合线性模型建立非机动车道服务水平评价体系包括

c51、为消除量纲上的影响，将评价指标样本数据进行归一化处理，公式如下

其中，

x：样本数据原始值；

x'：样本数据归一化后的值；

min：样本数据最小值；

max：样本数据最大值。

c52、考虑不同道路宽度对交通流状态的影响，以道路宽度作为随机效应，将归一化后的评价指标作为固定效应，建立非机动车道服务水平评价模型。

level＝wtt+wll+eε

其中，

level：服务水平分值；

wt：固定效应参数矩阵；

t：交通流参数评价指标矩阵；

wl：随机效应参数矩阵；

l：测试路段宽度矩阵；

eε：随机误差矩阵。

其中，随机效应参数矩阵，服从均值矩阵为0、方差/协方差矩阵为g的正态分布，表示为n(0～g)。随机误差矩阵服从均值矩阵为0，方差/协方差矩阵为r的正态分布，表示为n(0～r)。假定cov(g,r)＝0，即g与r之间独立。这时level的方差/协方差矩阵可表示为

var(level)＝wlgwl＇+r

由于混合线性模型的方差/协方差矩阵存在较多结构，可使用sas软件的procmixed过程实现整个模型的求解，最终获得非机动车道服务水平评价模型。