VISSIM模拟上海松江新城小区道路开放及交通状况改善分析

上海市近年来不断增长的高峰出行车辆数,带来了交通负荷严重等城市问题,本项目主要探究开放封闭式小区能否实现对道路交通状况的改善。

对道路交通状况的综合分析基于对道路不同时间段、不同位置交通状况的全面且真实客观的评价,鉴于道路状况受不同类型因素影响的多样性及复杂性,如何建立一整套客观科学的道路指标评价体系是本项目的一个重要挑战。

Mingming Zhao撰写

通过该指标评价体系给出的道路通行能力评分,有利于将问题统一化、准确化。

任务/目标

首先构建关于道路通行能力的综合评价模型;

运用VISSIM仿真软件模拟小区开放前后的道路交通状况,并根据综合评价模型考察小区开放前后道路通行能力的变化。

数据源准备

采用OD调查法,即交通起讫点调查,是对某一调查区域内出行个体起点和终点间的调查。选取上海市松江新城地区的若干个小区,通过实地考察获取影响道路通行能力的各指标观测值(以下,以高乐小区为例)。

数据降维

由于原始变量之间常常存在相关关系,在信息的反映上会出现或多或少的重叠。为避免这一现象,采用主成分分析的方法对数据进行降维,将存在相关关系的多个原始变量转化为数量较少的不相关的综合变量。其中,要求转化后的综合变量中尽可能地包含原始变量中的所有信息,保证研究的效率。

(1)结合道路通行能力的影响因素,选取了7个指标,部分观测值数据如下:

image.png

(2)主成分分析结果如下:

image.png

视频

主成分分析PCA降维方法和R语言分析葡萄酒可视化实例

探索见解

去bilibili观看

探索更多视频

image.png
image.png

由于前3个主成分的累积贡献率达91.016%,表明选取3个主成分的效果很好,信息量的损失较少,从而变量个数由7降为3。

构建综合评价体系

以上述3个主成分的贡献率为权重,构建综合评价模型:

image.png

其中,分别为3个主成分。

image.png (yi计算公式中的系数为上表成份矩阵中的系数,这里不再详细写出)


python中使用马尔可夫决策过程(MDP)动态编程来解决最短路径强化学习问题

阅读文章


VISSIM 模拟

利用仿真软件VISSIM模拟高乐小区开放前后的车流量状况,模拟情形如图:

QQ截图20231128144503.png


随时关注您喜欢的主题


对比开放前后道路通行能力

(1)开放前各指标观测均值

image.png

开放后各指标模拟均值

image.png

(2)以第一主成分为例,考察其构成。在第一主成分中占比较大的指标为排队时间、总延误、占用率和停车次数,这些指标均与道路通行能力成反比,因此第一主成分的值越小,说明道路的通行能力越好。因此,综合来看,道路评分的值越小,则道路的通行能力越强。

代入上述表中开放前后各指标均值,得开放前后道路通行能力评分。对比发现,说明高乐小区开放后道路的通行能力得到提升。

项目结论

本项目选取了影响道路通行能力的7个指标,通过VISSIM模拟可以比较直观地发现小区开放后,总延误和排队时间明显下降,平均车辆数目和车辆的平均速度均有所上升,说明封闭小区开放能够有效缓解城市的交通压力,提高居民的出行效率。

并构建了关于道路通行能力的综合评价模型,根据开放前后道路评分的变化,较为准确地判断出小区开放后道路的通行能力有所提升,同样说明了封闭小区开放对城市交通产生的积极影响,与VISSIM软件模拟的结果相一致。

项目优点

(1)利用主成分分析法构建综合评价模型,一方面能够降低变量之间的相关性,避免了相关关系的影响;另一方面能够减少研究变量的个数,减少计算所需的工作量。

(2)主成分分析过程中,选取的累积贡献率较高,为91.016%,说明降维造成的信息损失量很少,保证的研究了效率。

(3)利用VISSIM软件对过程进行模拟,结果形象直观,易于理解。

项目缺点

主成分分析中,主成分的解释一般会带点模糊性,不像原始变量的含义那么确切,这是变量降维过程中不得不付出的代价。

建议

根据项目研究结果,建议上海市松江区考虑将开放式小区纳入城市的总体规划中,可以先构建几个试点,之后再进行推广。并且,小区开放后,小区结构相应地会发生变化,在如何更好地管理小区方面,物业及相关部门需花费更多的人力和资源,加强统一管理,使小区秩序更加完善。


关于作者

在此对Mingming Zhao对本文所作的贡献表示诚挚感谢,她专注数据分析、数据建模、机器学习领域。擅长R语言、Python、SQL。

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds