一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法与流程

1.本发明涉及交通影响评价技术领域，特别涉及一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法。


背景技术：

2.大学要实现自身的可持续发展，在与社会经济活动的频繁互动中促进城市功能结构的有序优化，必然要使各类校园空间的发展更多地投身于城市公共空间建设与城市道路交通配置中去，从而实现大学校园与城市道路交通协同发展的良性互动循环。然而，我国大学校园往往用院墙与周围隔开，它们引发的交通需求也仅通过几个出入口与城市道路相联系，校园与城市间的交通需求集中到出入口，校园出入口成为校园与城市之间连接的过渡空间和主要节点。近年来，随着机动车保有量的快速增长，师生群体出行方式趋向机动化，加剧了校园与周边地区交通的矛盾，校园出入口问题凸显。
3.现有对出入口的研究主要涵盖了出入口设计、出入口数量或出入口交通组织，同时对建设项目交通影响评价进行了相关研究，但国内外针对建筑、学校出入口对城市道路交通影响的研究较少。因此，亟需对大学校园出入口与周边城市道路的交通问题进行研究。


技术实现要素：

4.为了解决现有技术的问题，本发明提供了一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法，其基于云物元模型的大学校园出入口对城市道路交通影响方法需要使用大数据和传统交通调查数据进行分析，通过建立影响评价指标体系，构建非线性模型划定不同指标的影响等级，建立机动车、非机动车和行人云物元模型，最终确定校园出入口对周边城市道路交通的影响程度。
5.本发明所采用的技术方案如下：
6.一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法，包括以下步骤：
7.a、构建评价指标体系；
8.b、基于非线性模型确定经典域；
9.c、基于熵值法确定指标权重；
10.d、综合关联度计算和确定评判等级。
11.优选地，步骤a具体包括：
12.给定事物的名称m，它关于特征c的量值为x，以有序三元组r＝(m，c，x)作为描述事物的基本单元，建成物元：
13.r＝(m，c，x)
ꢀꢀꢀ
(1-1)，
14.式中，m为大学校园出入口的机动车、非机动车或步行交通量对城市道路交通的影响程度；c是关于大学校园出入口各种类型交通量对城市道路交通影响的特征；x为这些特
征的具体量值；其矩阵的表达形式为：
[0015][0016]
3、根据权利要求2所述的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法，其特征在于，所述的关于大学校园出入口各种类型交通量对城市道路交通影响的特征包括：项目开发类型特征、用地面积特征和出入口布局特征；道路网结构特征、校园出入口交通冲突点的交通流量特征、校园出入口交通冲突点的社会交通流量饱和度特征；信号控制特征、标志标线特征、出入口管控特征和步行设施概况特征；常住人口特征和工作岗位特征。
[0017]
优选地，步骤b具体包括：
[0018]
b1、确定经典域物元矩阵：
[0019][0020]
式中mb为交通影响程度，需要根据预先规定的评价标准分为大、中、小、较小四个等级；每个等级下同一项特征的量值范围不同；量值范围[a
bn
，b
bn
]下限均为0，上限根据上述四个等级的定性特征来规定其具体量值；
[0021]
b2、确定节域物元矩阵：
[0022][0023]
式中m
p
为节域对象，由可量化特征和被转化为可量化特征组成；[a
pn
，b
pn
]为节域对象m
p
的某特征cn的量值范围，下限值为0，上限值为特征cn的允许上限值。
[0024]
优选地，步骤c中，基于熵值法确定指标权重的具体方法包括：
[0025]
假定评价体系中指标个数为m，样本量为n，那么初始数据集合为 x＝{x
ij
}n×m(0≤i≤n，0≤j≤m)；其中，x
ij
表示第i个评价指标在第j个节域下的评价指标值；熵值法的计算步骤为：
[0026]
(5)计算各项指标下每个样本指标值的比重p
ij
：
[0027][0028]
其中，p
ij
为第i个评价指标在第j个节域下指标值的比重。
[0029]
(6)计算各项指标的信息熵值：
[0030][0031]
其中，为常数，ei为第i个评价指标的信息熵值，且0≤ei≤1，ei与该系统的混乱程度成反比，即ei＝0时系统为绝对有序状态；
[0032]
(7)计算各指标的信息效用值：
[0033]di
＝1-eiꢀꢀꢀ
(3-3)，
[0034]
其中di为第i个评价指标的信息效用值；
[0035]
(8)计算各个指标在综合评价体系中的权重值：
[0036][0037]
wi即为第i个指标的权重值。
[0038]
优选地，步骤d的具体方法包括：
[0039]
步骤1：构建云模型，求解数字特征(ex，en，he)，其中e
x
为期望值，en为熵值，超熵he为熵的不确定程度的度量；
[0040][0041][0042]cmax
＝ex 1.1774en
ꢀꢀꢀ
(4-3)
[0043]cmin
＝ex-1.1774en
ꢀꢀꢀ
(4-4)
[0044][0045]
步骤2：建立以en为期望，he2作为方差的正态分布数e
′n；
[0046]
步骤3：把x视为云图里的某个云滴，通过隶属度函数求解其对相关风险等级的关联度，求解函数为：
[0047][0048]
带入(4-1)可得：
[0049][0050]
针对影响小和影响大两个边缘等级优化关联度计算如下：
[0051][0052]
根据隶属度函数计算公示得到校园出入口对城市交通影响的关联度，结合指标权重计算校园出入口不同交通方式对城市交通影响的等级：
[0053][0054]
式中ki是不同等级的指标综合关联度；wj是不同指标的权重，f(x
ij
)是不同指标不同等级下的关联度。
[0055]
本发明提供的技术方案带来的有益效果是：
[0056]
本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法，充分考虑了等级区间划分时不同风险等级之间的模糊性，将物元分析法与能较好代表事物随机性和模糊性的云模型相结合。在隶属度计算方法默认取区间的中间值为期望值，但对于两端如影响大和影响小两个等级并不适用，不同指标对于不同等级的最佳位置点也各有不同，因此针对影响小和影响大两个边缘的隶属度选取边缘值。
[0057]
在云物元模型的大学校园出入口对城市道路交通影响方法中，考虑项目内部的产生交通出行的主体——人口和岗位，将基于手机信令大数据数据分析结果的人口、岗位作为评价指标体系之。此外，充分考虑各项指标自身的特点和现状数据来划定经典域值，针对用地面积和城市交通饱和度两个指标，结合城市的现状情况构建非线性模型确定指标等价划分点。
附图说明
[0058]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0059]
图1为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，建设项目用地面积经典域指标确定分析图；
[0060]
图2为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，建设项目周边道路饱和度经典域指标确定分析图；
[0061]
图3为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，以超熵值0.01的各等级划分云示意图；
[0062]
图4为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，以超熵值0.03的各等级划分云示意图；
[0063]
图5为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，以超熵值0.05的各等级划分云示意图；
[0064]
图6为本发明的一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法中，以超熵值0.07的各等级划分云示意图。
具体实施方式
[0065]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0066]
实施例一
[0067]
本实施例提供一种基于云物元模型的大学校园出入口对城市道路交通影响的评价方法，其包括以下步骤：
[0068]
一、基于大数据手段的评价指标体系的构建。
[0069]
首先，确定待评物元。事物具有各种各样的特征，确定的事物关于某一特征有相应的量值。因而，给定事物的名称m，它关于特征c的量值为x，以有序三元组r＝(m，c，x)作为描述事物的基本单元，建成物元：
[0070]
r＝(m，c，x)
ꢀꢀꢀ
(1-1)
[0071]
式中，m为物元分析描述的事物，本实施例中是大学出入口的机动车、非机动车或步行交通量对城市道路交通的影响程度；c是关于大学校园出入口各种类型交通量对城市道路交通影响的诸多特征，即本模型选取的所有定性、定量指标；x为这些特征的具体量值。其矩阵的表达形式为：
[0072][0073]
该矩阵的意义是，事物m需要用n个特征c1，c2，
…
，cn及其相应的量值x1，x2，
…
，xn来描述，则称它为n维物元。
[0074]
以xx大学中心校区北二门的机动车为例，进行云物元模型应用介绍。
[0075]
在综合已有的评价指标体系构建经验的基础上，本实施例针对大学校园出入口城市道路交通影响建立了2级4类的评价指标体系，共计12个评价指标。建设概况包括项目开发类型 b1、用地面积b2和出入口布局b3；校园周边路网概况方面，包括道路网结构b4、校园出入口交通冲突点的交通流量b5(机动车、非机动车、步行交通量)、校园出入口交通冲突点的社会交通流量饱和度b6；校园出入口周边交通管控设施概况方面，包括信号控制b7、标志标线b8、出入口管控(是否退界、是否机非分离，车辆自动识别台干等)b9和步行设施概况b10等；在人口岗位方面主要包括校园内的常住人口b11和工作岗位b12。
[0076]
构建的评价体系的矩阵如下：
[0077]
式中，ri为每个评价等级，mi为评价的物元，此处为xx大学对周边城市交通的影响，x
ij
为不同等级下特征指标的数值。
[0078]
评价指标体系可以全方位、多维度的反映出校园各方面的情况，各指标之间相互影响。构建评价指标体系时，不仅要考虑出入口的影响因素，建筑、城市交通的综合因素也应一并统筹考虑。
[0079]
在已有的物元分析法建设项目交通影响评价研究中，评价指标体系的确定更多的考虑项目建设情况、路网和交通设施，未充分考虑项目内部的产生交通出行的主体—常住人口和工作岗位，而人口和岗位数据无法通常规的调查手段精准获取，需要借助大数据手段对海量数据进行分析、处理和挖掘。手机信令大数据具有样本量大、覆盖范围广、时空连续性强等特点，在人口、岗位识别以及时空特征属性分析中具有一定的优势。
[0080]
通过职住识别算法计算指标常住人口b11和工作岗位b12，具体算法如下：
[0081]
(1)某一个用户在每个基站的有效轨迹数据p1 p2，p3，
……
pn；
[0082]
(2)当在i基站pi停留时间大于单天累计停留时间阈值(白天为2h，夜间为4h)；
[0083]
(3)确定在i基站pi一个月累计停留时间阈值大于职住停留时间阈值的天数，白天标记为dt，也为nt；
[0084]
(4)判断当天数dt大于14，则为用户的工作地；
[0085]
(5)判断当天数nt大于14，则为用户的居住地。
[0086]
以下给出一个评价体系的具体矩阵表：
[0087]
[0088][0089]
二、基于非线性模型经典域的确定
[0090]
1、确定经典域物元矩阵：
[0091][0092]
式中mb为交通影响程度，需要根据预先规定的评价标准分为大、中、小、较小四个等级；每个等级下同一项特征的量值范围不同。量值范围[a
bn
，b
bn
]下限均为0，上限根据上述四个等级的定性特征来规定其具体量值。
[0093]
2、确定节域物元矩阵：
[0094][0095]
式中m
p
为节域对象，由可量化特征和被转化为可量化特征组成；[a
pn
，b
pn
]为节域对象m
p
的某特征cn的量值范围，下限值为0，上限值为特征cn的允许上限值。
[0096]
(1)用地面积b2对交通影响程度划分
[0097]
项目建设现状分析是交通影响评价过程中必不可少的内容，用地面积的大小是项目建设现状分析的必要指标。用地面积越大可容纳的人数越多，出入口的交通流量也随之增长。本文获取了xx城市中心城的高教用地地块，并对其进行数据归一化分析处理，得到非线性模型如下：
[0098]
y＝6e-9
x2 0.0003x-0.2008
[0099]
如附图1所示，选取每25％的点位作为用地面积经典域指标值。从数据分析结果可知，归一化面积为1.31，3.29，5.15可将中心城高教用地面积划分为4个阶段，故将此作为用地面积经典域指标划分标准。
[0100]
(2)城市交通饱和度b6对交通影响程度划分
[0101]
分析济南市中心城主干路、次干路的交通流量饱和度曲线，划定交通饱和度经典域指标，得到非线性模型如下：
[0102]
y＝8e-10
x
2-3e-05
[0103]
如附图2所示，选取每25％的点位作为用地面积经典域指标值。从数据分析结果可知，归一化饱和度为0.14，0.35，0.54可将中心城饱和度划分为4个阶段，故将此作为饱和度经典域指标划分标准。
[0104]
结合实地调研结果，对各项指标进行0～10的归一化处理，下面给出xx大学对城市道路交通影响经典域物元矩阵为：
[0105][0106]
根据公式和评价指标的界限，以b7-b12为例求得云模型的期望值e
x
和熵值en，将e
x
、 en带入公示，通过matlab编码计算不同超熵下的云模型，超熵取值上下限为(0.01，0.05)，以0.005为步长循环计算，以超熵值0.01，0.03，0.05和0.07为例，其云模型结果如下图3
‑ꢀ
图6所示。
[0107]
通过对不同超熵值下模型的随机性和模糊性对比分析，当he＝0.05时具有较为适中的随机性和模糊性，因此将he＝0.05作为指标b7-b12的超熵值。同理计算其他指标的云模型，得出xx大学出入口对城市交通影响的标准云模型数据为如下表1：
[0108]
表1：等级划分云矩阵表
[0109][0110]
三、基于熵值法的指标权重确定
[0111]
云物元模型中建立了科学的评价指标体系，各评价指标的权重值也是决定模型推衍结果准确性的关键点。已有研究中指标权重确定的包括层次分析法、模糊层次分析法、主成分分析法等。层次分析法(analytic hierarchy process，ahp)具有系统性与简洁性，需要定量数据的信息少；但精确性不高、主观性强，主要用于评价存在多个影响指标的情况下单个方案的优劣程度
[52]
。模糊层次分析法(fuzzy analysis hierarchy process，fahp)有效解决了层次分析法中思维一致性很难保证的问题，提高了决策可靠性，但还是属于主观赋值法，主观因素较强
[54]
。主成分分析(principal component analysis，pca)法旨在将多指标转化为少数主成分，具有降维、简化问题的优点，主要应用于数据的简化处理与综合评价
[55]
。
[0112]
为克服主观评价的随意性，充分考虑原始数据信息，不丢失任何主观评价指标，本文采用熵值法确定指标权重。熵值(entropy)法是熵本是一个热力学概念，是一个与过程无关的状态函数，即熵与系统状态参量之间具有连续单值函数关系，可以用熵的概念研究和描述“不确定性”，熵与概率之间的联系使熵得以广泛应用。
[0113]
在利用熵值法评价指标体系的权重分值时，假定评价体系中指标个数为m，样本量为n，那么初始数据集合为x＝{x
ij
}n×m(0≤i≤n，0≤j≤m)。其中，x
ij
表示第i个评价指标在第j个节域下的评价指标值。熵值法的计算步骤为：
[0114]
计算各项指标下每个样本指标值的比重p
ij
：
[0115][0116]
其中，p
ij
为第i个评价指标在第j个节域下指标值的比重。
[0117]
计算各项指标的信息熵值：
[0118][0119]
其中，为常数，ei为第i个评价指标的信息熵值，且0≤ei≤1，ei与该系统的混乱程度成反比，即ei＝0时系统为绝对有序状态。
[0120]
计算各指标的信息效用值：
[0121]di
＝1-eiꢀꢀꢀ
(3-3)
[0122]
其中di为第i个评价指标的信息效用值。
[0123]
计算各个指标在综合评价体系中的权重值：
[0124][0125]
wi即为第i个指标的权重值。
[0126]
根据现场调研情况和经验值判断，各经典域下的评价指标道路交通影响得分和各指标权重见下表2。
[0127]
表2：出入口机动车交通对城市道路交通影响评价指标权重评分表
[0128][0129][0130]
四、综合关联度计算和评判等级的确定
[0131]
隶属度函数作为评估对象指标和云评价所需数据的转换器，传统物元模型的关联函数已经达不到模糊性和随机性的需求，云物元模型求解隶属度计算过程如下。
[0132]
步骤1：求解数字特征(ex，en，he)；
[0133]
步骤2：建立以en为期望，he2作为方差的正态分布数e
′n[0134]
步骤3：把x视为云图里的某个云滴，通过隶属度函数求解其对相关风险等级的关联度，求解函数为：
[0135]
[0136][0137]cmax
＝ex 1.1774en
ꢀꢀꢀ
(4-3)
[0138]cmin
＝ex-1.1774en
ꢀꢀꢀ
(4-4)
[0139][0140][0141]
带入(4-1)可得：
[0142][0143]
在隶属度计算时默认取去间的中间值为期望值，但对于两端如影响大和影响小两个等级并不适用，不同指标对于不同等级的最佳位置点也各有不同。因此针对影响小和影响大两个边缘等级优化隶属度计算如下。
[0144][0145]
根据隶属度函数计算公示得到山大校园出入口对城市交通影响的关联度，结合指标权重计算山大校园南北出入口不同交通方式对城市交通影响的等级。
[0146][0147]
式中ki是不同等级的指标综合关联度；wj是不同指标的权重，f(x
ij
)是不同指标不同等级下的关联度。
[0148]
同理，利用matlab编程计算得出指标相对于可持续性等级的关联度，计算结果如表3所示。
[0149]
表3：北二门机动车交通影响评价指标关联函数
[0150]
评价指标大较大较小小开发类型b100.00080.0007350用地面积b20.0001160.00597700出入口布局b300.0010040.000790道路网结构b45.84e-060.0386200出入口交通流量b50.000146000
城市交通量饱和度b60.0422240.02503600信号控制b70.0023070.00039200出入口管控b800.01241500标志标线b900.04516800人行设施b100.0001280.0049800常住人口b1100.0023720.000390就业岗位b1200.04832800
[0151]
各指标权重和表关联度加权计算可得xx大学校园北二门机动车交通对城市道路交通影响的综合关联隶属程度如下表4。
[0152]
表4：北二门机动车交通影响综合关联隶属程度
[0153] 大较大较小小综合关联隶属程度0.0449270.1850920.0019160
[0154]
通过表4得知，xx大学校园北二门的机动车交通对城市道路交通影响综合关联隶属函数对于“较大”的隶属程度最大，说明北二门的机动车交通对城市道路交通影响程度为“较大”。
[0155]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。