国家自然科学基金重点项目“基于广义交通枢纽的城市多模式交通网络协同规划理论与方法”（批准号51638004）成果科普性介绍

n 项目名称：基于广义交通枢纽的城市多模式交通网络协同规划理论与方法（批准号51638004）

n 项目负责人：陈峻 教授

n 主要成员：王炜，裴玉龙，刘志远，蔡先华，李豪杰，张国强，曲栩等

n 项目时间：2017年1月-2021年12月

n 项目主要完成单位：东南大学、东北林业大学

n 项目成果摘要：

  城市综合交通体系是一个需要不同交通方式取长补短，相互协同的系统。经过改革开放以来的快速发展，我国城市各类综合交通设施已经具备相当的规模，上世纪90年代提出的“还欠账”时代已经基本结束，进入了必须协同不同交通方式、不同类型设施的发展，才能使城市综合交通体系对城市的服务效益最大化的时期。而城市内部各交通方式的枢纽节点承担着城市对外交通以及城市多种出行方式之间衔接与转换的功能，是协调各种交通网络资源并发挥组合运行效能的关键设施。为此，本项目将服务城市多种出行方式转换和多模式网络衔接的交通节点定义为广义枢纽，围绕广义枢纽和当前城市多模式网络的协同规划的理论及方法展开了研究：

1）在广义交通枢纽衔接多模式网络的技术特征与一体化性能分析理论方面：提出了多模式交通网络拓扑结构模型以及分级方法，在多模式网络基础上对其一体化服务性能进行了分析。

2）在广义交通枢纽与多模式交通网络环境下的组合出行需求分析理论方面：提出了基于多源数据的组合出行获取方法及分析手段，对组合出行的转移机理进行了分析。

3）在多方式出行需求和多模式网络供给的互动机理与一体化交通分配方面：为评估网络客流分布情况，针对多模式网络的应用环境，提出了动态和静态的两类交通模型分配模型,以及相关的模型应用技术实现方法。

4）在城市多模式交通网络协同的资源配置优化方法方面：从面、线、点三个层面研究了广义枢纽与多模式网络资源协同规划以及枢纽及周边设施的配套设计方法。

5）在城市交通网络协同规划的技术流程设计与典型城市实证研究方面：提出了城市多模式交通网络数据库标准化体系，完成了广义枢纽和多模式网络分配算法设计及功能研发依托项目组自主知识产权仿真软件“交运之星-TranStar”，升级开发了城市多模式交通网络协同仿真分析软件。并在南京、重庆等城市进行仿真测试。

  项目提出的广义枢纽协同多模式网络资源配置方法在当前城市综合交通规划的基础上，针对各出行方式的协调，提出了一体化的规划理论及方法，为应对未来的多模式网络融合及协调发展提供了系列关键技术，具有重要的科学意义和应用前景。

n 项目成果展示： 

（1）广义交通枢纽衔接多模式网络的技术特征与一体化性能分析理论

成果1：城市多模式交通网络构建方法

  为系统分析多模式网络一体化供给服务能力，对现实网络进行适当简化以得到适用于理论分析及计算机建模的多模式网络抽象方法。针对以地面公交+地铁为代表的多模式公交网络，进一步考虑枢纽站间运能差异，提出增广Space L模型，建立了网络模型表征指标，分析了城市多模式公交网络拓扑结构特性，实现了城市多模式公交网络的一体化抽象表达。

图1-1 有向SpaceL模型                      图1-2 有向SpaceP模型

图1-3 城市多模式公交网络建模流程

  针对城市道路+地面公交+轨道交通相复合的多模式交通网络，建立了P-R二分网络模型，从二者依赖关系入手进行建模分析。结合原始映射与Space L法，建立城市多模式交通网络拓扑模型，实现多模式交通网络结构的抽象表达。

图1-4 二分网络模型构建流程示意

成果2：城市多模式网络及枢纽层级划分方法

  以揭示城市多模式网络一体化供给服务能力为目标，针对当前城市多模式网络及广义交通枢纽层级划分在多网复合、多站复合背景下统筹考虑不足的问题，分别提出多模式交通网络及广义交通枢纽的层级划分方法。

  将“网络运行速度、客运强度、广义出行成本和通行能力”确定为多模式网络层级划分的评价指标。通过对划分指标的K-means聚类分析对城市多模式网络进行层级划分，再结合基于SUE的多模式交通网络分配模型，建立了城市多模式交通网络一体化层级结构分析评价方法。

图1-5 南京市建邺区多模式交通网络层级划分结果示例

  同时提出了一种基于Hub指数和定类聚类分析的站点分级与枢纽站点识别方法；提出了一种兼顾枢纽功能与周边用地类型的枢纽类别划分方法。

图1-6 城市公交枢纽接驳设施规模预测方法

成果3：多模式交通网络的一体化服务性能测度方法研究

  以广义交通枢纽为切入点，探究广义交通枢纽衔接多模式交通网络的一体化供给性能，分析多模式交通网络承载力供给水平，以多模式公交网络为研究对象，从多模式公交网络空间可达性、网络协同客运能力、网络布局均衡性三个方面，提出多模式公交网络一体化供给性能测度方法。

（a）乘车可达性分布               （b）综合可达性分布

图1-7 可达性分布情况

图1-8 多模式公交网络客运能力计算流程（双因子运能协同模型）

     图1-9 节点客运能力分布                             图1-10 节点运能匹配度分级

图1-11 节点饱和度分布                           图1-12 多模式公交网络引力分配

（2）广义交通枢纽与多模式交通网络环境下的组合出行需求分析理论

成果1：组合出行表征方法

  为系统分析城市多方式出行需求特性，在传统单一出行方式期望线的基础上，针对组合出行多阶段、多方式的特点，提出组合出行的表征方法。在宏观层面，将组合出行期望线拆分为多段单一出行方式的期望线，并通过换乘点衔接，表征各段出行的平均距离以及客流大小。

图2-1 单一方式出行期望线                           图2-2 组合出行期望线

  同时，针对组合出行与不同出行方式的强关联性，提出了基于枢纽的三维组合出行微观表征方法。单一出行方式在对应单层网络中进行表征，而组合出行则按照换乘次数及各阶段采用的出行方式，在对应子网进行区分，并通过换乘的具体枢纽进行衔接。

图2-3 组合出行微观表征方式示意图

成果2：基于多源数据的组合出行需求数据获取方法

  城市多模式交通出行多源数据包含车辆自动定位（Automatic Vehicle Location, AVL）数据、公交IC卡数据、全球定位系统（Global Positioning System, GPS）数据、自动售检票（Automatic Fare Collection, AFC）系统数据等。将多源数据的获取可以划分为交通网络数据获取、单一交通方式数据获取、组合出行数据获取三个层次，并得到基于多源数据获取组合数据的步骤：

  步骤1：交通网络数据获取。通过OpenStreetMap，对地图的栅格化处理以及通过网络爬虫获取建筑信息等多种方法，获取城市交通网络数据。

         图2-4 基于OpenStreetMap的南京市道路网络图             图 2-5 南京市轨道交通车站分布图

  步骤2：单方式出行客流获取。根据公交车辆自动定位数据，公交IC卡数据，城市轨道交通AFC系统数据，私家车GPS数据，以及共享单车运营企业单车骑行数据，经过数据清洗和坐标转换得到各单方式客流出行数据。

  步骤3：组合出行数据获取。单一出行数据仅能获得组合出行的各单一组合路段，而非完整的一条出行路径。通过用户多天的稳定出行链判断其上下车地点，并设置换乘时间阈值以及线路约束条件判断换乘站点位置。将同一编号的用户出行数据相关联，得到完整的组合出行链。

图2-6 公交换乘地铁出行轨迹                       图2-7 公交换乘公交出行轨迹

成果3：组合出行转移研究

  城市多方式出行需求由各类单方式与组合出行方式共同构成，而各类出行方式之间的客流转移将会影响整个网络的客流分布，在各出行方式中的均衡分布能够有效运用多模式网络的整体运能，反之，则会造成部分子网拥堵而其他子网空闲。为探究各出行方式之间的转移规律，对影响客流转移的因素，单一方式向组合方式转移阈值以及客流转移对网络运能平衡的影响开展研究。

  基于出行效用NL模型，以单一方式出行与组合出行的出行效用相等作为两类出行方式间转换的临界状态，构建出行效用的差值不等式，分别建立了“短、中、长”三类典型出行距离情景下，得到单一出行方式向典型组合出行方式转换的阈值条件计算模型。

  研究基于阈值确定方法对公交车向自行车换乘公交转换、地铁向自行车换乘地铁转换、小汽车向小汽车换乘地铁转换的阈值进行了分析，并归纳得出了相关结论。

图 2-8 公交、地铁向自行车换乘地铁转换的阈值三维图

（3）多方式出行需求和多模式网络供给的互动机理与一体化交通分配

成果1：逐日交通动态分配模型

  在了解多模式网络的供给与需求情况的基础上，需要一种工具将出行需求与供给相匹配，将宏观的需求分配至具体的网络路段中，以评估多模式网络的使用情况。这就需要交通分配模型，对交通流进行分配。在多样的静态、动态的交通分配模型中“逐日”（day to day）动态模型偏重于均衡演化过程的“暂态”变化和网络流波动，可以更好的揭示多种出行方式在交通枢纽及网络上的时空状态演变规律和交互作用机理。

  逐日动态交通分配模型通常涉及两个方面：1）出行者的学习和预测行为（即成本更新模型）；2）出行者的路径选择和路径调整行为（即流量更新模型）。成本更新模型描述了以往的经验（主要是前几天的路径成本）是如何影响下一天的预测成本，流量更新模型则描述了当前选择是如何受到前几天决策的影响，然后再更新网络流量。

（1）LPR数据处理

  剔除车牌不完整或缺失的相关数据记录，剔除包含外地车牌的相关数据记录，剔除公交车、卡车、出租车等相关的数据记录，筛选常规车辆，并追踪常规车辆的逐日动态路径选择过程，对每一个OD对，将每条路径上的车辆轨迹集计成路径流量。而后根据路径流量的观测值和理论值，对逐日动态交通分配模型进行参数校正。参数校正的优化模型是一个非线性的复杂函数，是高度非线性和多峰的，如图所示。

图3-1  高度非线性与多峰性

（2）参数校正

  而后，基于仿真优化的Kriging元模型（作为代理函数），对逐日动态交通分配模型的参数进行校正。为验证逐日动态交通分配模型及其参数校正方法的有效性，研究对实际的交通网络进行案例分析。

图3-2 路径流量逐日动态演化过程

成果2：考虑全过程出行方式的联合方式划分交通分配模型

  动态交通分配模型主要用于揭示多模式网络中客流的动态演变过程。静态的交通分配则主要用于预测用户在最终稳定的均衡状态下在多模式网络中的客流分布，是支撑宏观交通规划的主要研究工具。但由于当前的研究大多停留在单一网络和简单多模式网络上的机动车流，难以揭示多种出行方式在交通枢纽及网络上的时空状态演变规律和交互作用机理。而在多模式网络中，大量可能的组合出行方式使得采用传统的建模方法难以应用。为此研究建立了广义方式划分交通分配模型。考虑组合出行的多模式交通网络模型，可以用来计算一系列指标来反映道路乃至整个交通网络上的服务水平和拥堵情况，为交通基础设施建设，交通相关政策的制定提供了重要的评估手段和决策依据。

  研究首先对多模式交通网络进行均衡分析，确定网络上的平衡流量应当满足的条件，而后通过数学建模对最优化条件进行数学表达。研究构建了多模式交通网络以描述用户的全过程出行行为，构建了巢式logit方式划分函数以简化计算负担，提出混合K最短路算法以生成合理的路径集合，提出混合MSA算法以解决广义方式划分交通分配模型。

（1）巢式logit方式划分函数

  一条完整的路径经过的每一条路段都表示一种出行活动，并产生一定的出行费用，该费用通过各路段的阻抗函数进行表达。研究对涉及的子网路段、上下网路段、换乘路段和辅助路段分别构建了阻抗函数。随着基础出行方式的增加，起讫点间可能的组合出行方式会以指数的速度快速增长。如果通过列举可能的组合模式池来描述用户的出行选择几乎是不可能的，因此研究提出了如图所示的巢式logit方式划分函数，对用户的出行方式进行分类划分，减少计算负担。

图3-3 巢式logit方式划分函数

（2）混合k最短路算法

  模型所需的路径集合既需要考虑路径费用同时也应该考虑出行模式组合的完备性，这就需要一种能够生成任意换乘次数以及模式组合，并确保其是联通的路径算法。基于此研究提出了一种混合K最短路算法以生成合理的路径集合。

（3）混合MSA算法

    MSA算法作为交通分配问题广泛使用的最简单且有效的启发式算法，该算法仅需使用固定的迭代步长，同时不依赖于任何其他衍生信息，使得MSA算法能够避免计算线性搜索问题以找到最优的迭代步长，极大的简化了算法规模。研究基于此提出了一种混合MSA算法以解决广义方式划分交通分配模型。

成果3：多模式交通网络一体化分配模型实现技术

  在实际的城市交通网络分析中，需要对自行车、步行、机动车、公共交通等多模式出行方式的交通需求进行交通分配。考虑到以往不同的分配对象（模式）需要采用不同的模型来分配，过程繁杂且计算量巨大，通常需要依托多个交通分析软件进行。本项目依托“交运之星—TranStar”中内置的“交通分配基础模型与算法”一体化分配模型，在集成项目提出的分析模型基础上，研发了城市多模式交通分配技术，可以根据分配对象要求通过对分配参数及阻抗函数的选择，实现对不同交通方式交通分配的一体化。将交通网络分配对象划分为两大板块：基于交通工具的交通运行分析板块，包括步行交通分配、自行车交通分配和机动车（分车型）交通分配；基于客流需求的公共交通分析板块，包括公交愿望客流交通分配、公交网络客流交通分配和公交线路客流交通分配。

图3-4 城市多模式交通分配技术框架

  道路网络交通分配主要包括步行、自行车和机动车（分小汽车、公交车、出租车、货车与摩托车）交通分配。

1）步行交通分配

  在日常步行交通中，步行流量受步行出行速度的波动性较小，通常步行出行阻抗只需要考虑路径的长度与节点的延误，无需考虑步行流量的影响。因此，选择基于最短路或多路径的单次交通分配方法即可完成步行的交通分配。

2）自行车交通分配

  采用增量加载或迭代平衡的交通分配方法，考虑自行车流量对出行阻抗的影响，得到自行车路段流量分配结果。其中，自行车的交通阻抗函数如下式，其考虑多种交通环境因素对自行车出行者出行阻抗的影响：

3）机动车交通分配

  机动车交通分配包含公交车、小汽车、出租车、摩托车与货车的出行OD需求分配，将五种主要方式的OD需求同步进行交通分配计算。考虑到机动车交通分配的计算量较大，本研究采用了并行计算技术，通过多线程分别处理每个交通分配子任务，并通过交通分配参数表控制每个线程所需访问的独立资源，包括OD矩阵、阻抗文件、模型参数，保证每个线程的高效独立运行。机动车交通分配并行计算的流程如图3-16所示。通过实际应用表明，运用并行计算技术进行增量加载或网络迭代平衡交通分配，可最多节省75%的计算时间。

图3-5 机动车交通分配方法流程图

  公共交通分配根据依托网络、结果要求与应用场景的不同可以分为愿望客流交通分配、公交网络交通分配、公交线路交通分配的交通分配三类。公交愿望客流交通分配是将公交OD在城市基础道路交通网络上进行分配，进而分析整个城市基础道路网络的公交客流愿望走向。在阻抗计算过程中，将原则上无条件开展公交服务的路段类型（如高速公路、步行道等）阻抗设为无穷大，其余路段按照经典模型进行阻抗计算，获得公交愿望客流交通分配所需的阻抗。

  公交网络客流交通分配通过将公交OD在布设有公交线路的道路网络上分配，实现对整个公共交通网络客流分布情况的分析。在阻抗计算过程中，根据道路上布设的公交线路多少及公交线路类型（包括轨道交通线路）确定运输能力，将没有布设公交线路的路段阻抗设为无穷大，其余路段则按照经典模型进行阻抗计算，获得公交网络客流交通分配所需的阻抗。

  公交线路客流交通分配能够获取公交线路的断面和站点客流量。与基于公交愿望客流和公交网络客流交通分配仅考虑线路出行阻抗不同，公交线路客流交通分配考虑出行与换乘的综合阻抗，通过将公交OD分配至具有公交线路与站点置的公交网络上，获取公共交通站点与线路横断面的客流值。

（4）城市多模式交通网络协同的资源配置优化方法

成果1：基于广义枢纽协同优化的多模式网络一体化资源配置方法

  城市多模式网络客流在各出行方式之间的分布不均是造成城市交通拥堵以及不可持续交通的重要原因之一。过多的客流集中于小汽车不仅浪费了公共交通的空闲客运能力，同时也造成了大量的污染。在当前多模式网络基本成型的大环境下，大规模构扩建网络以提升供给能力由于受限于土地资源等原因难以实现，而通过合理布置枢纽位置，形成多模式网络的紧密衔接，从而引导用户进行合理的客流转移，实现客流在各出行方式间的均衡分布，对挖掘网络的潜在通行能力有着重要的意义。针对以上问题，结合多模式网络供给，多方式出行需求分析以及一体化交通分配的理论研究成果，提出协同优化广义枢纽及多模式网络资源配置模型。

  受制于网络基本成型，在无法大规模更改网络结构的前提下，模型将城市交通网络的优化对象聚焦于广义枢纽之上，并将广义枢纽划分为两类：分别为枢纽类型，即以小汽车和自行车等为代表的单一枢纽类型。其优化对象包括增加以及减少的枢纽数量、位置以及等级。以及线路类型，即以公交和地铁为代表的由枢纽和线路共同构成的类型。其优化对象包含首末站和中间站的数量、位置以及等级、线路的构成以及发车频率。

  针对多模式网络一体化的核心目标，即通过构建紧密衔接，各出行方式互补的多模式网络，实现客流转移并促进客流的均衡分布。将客流转移以及网络客流均衡分布作为主要优化目标，并以方案建设费用和用户出行时间分别保障决策方和出行者的利益。其中：方式转移以初始设定的方式转移矩阵为基础，根据多模式网络当前的客流分布，判断需要实现的客流单方式及组合出行方式转移方向，设定转移权重。而网络均衡则以降低网络中所有出行方式中的高负荷路段及枢纽进行衡量。

  根据以上分析，构建广义枢纽协同多模式网络一体化优化配置双层模型，模型由上层的广义枢纽优化和下层的全方式划分/交通分配模型组成。考虑模型在大型网络中的应用需处理大量变量及参数，设计了初始化，GMS/TAP, 解的转换和解的选择四个模块，对该模型进行求解。

图4-1 广义枢纽协同多模式网络资源一体化优化配置模型应用流程

  模型在南京市建邺区多模式网络中进行验证，针对原网络小汽车及轨道网络服务水平较低而公交和自行车网络则有剩余容量，通过协同优化自行车桩、停车场以及公交线路，总出行时间从原来的749042.8h下降至了680345.5h，下降了9.2%。同时，通过引导小汽车流量向公交和自行车，一次换乘向中长距离，两次换乘向长距离的客流转移，实现了期望的客流转移方向。

图4-2 原网络出行方式客流分布

图4-3 优化网络出行方式客流分布

  通过合理的出行方式转移，网络的服务水平值从从原网络的40253.82下降至了22903.51，提升了43.11%。虽然小汽车和网约车在东西交通走廊仍处于拥堵状态、但F级服务水平路段的数目仍减少了21条。同时地铁子网服务水平有了明显的提升，地铁子网中有18个路段和枢纽有了一个层级及以上的服务水平提升。而这三个子网的客流转移至了公交以及自行车子网，使得两个子网的部分路段和枢纽使用率提升，这也是目标函数所期望客流引导方向。

图4-4 原网络服务水平图                  图4-5 优化后网络服务水平

成果2：城市轨道交通站点共享单车设施布局配置方法

  以优化轨道枢纽和共享单车停车设施的资源配置为目标，分析城市轨道交通换乘影响区，研究建立影响区内共享单车的布局配置方法。

  研究了城市轨道交通站点周边共享单车骑行出行特性，基于Python平台预处理360万条骑行订单数据，从借还时间、骑行时长、骑行距离、区域分布等方面统计对比分析共享单车接驳/非接驳轨道交通的出行时空特性，揭示了共享单车骑行需求的波动性与潮汐性。基于混合高斯聚类模型对共享单车接驳城市轨道交通站点分类，根据模型产生的后验概率分析站点的多元属性特征，应用分析表明能较好地反映轨道站点周边的共享单车换乘骑行特性。

图4-6 城市共享单车高峰出行核密度热力（左）和接驳借还次数分布特征（右）

  研究基于轨道站点城市轨道线网数据、城市路网数据、POI兴趣点数据等多源数据界定轨道交通共享单车换乘影响区；提出界定轨道站点共享单车换乘影响区的流程方法。引入Voronoi图，有效避免了站点影响范围发生重叠。通过ArcGIS网络分析与基础骑行指标叠加分析获取综合骑行指标。通过自然断点分级法，初步划分出符合各类站点实际情况的轨道交通站点换乘影响范围。基于初步界定的换乘影响区，依照影响区包含完整地块的原则，对典型站点换乘影响区进行修正。应用分析表明：轨道交通站点换乘影响区范围界定为轨道站点换乘共享单车设施布局配置提供更准确的指导。

  研究基于换乘影响区内的骑行订单数据，结合二维坐标数据的空间聚类分析预测轨道交通换乘影响区共享单车设施备选点的位置和数量。以降低骑行换乘的广义出行费用、保障换乘影响区共享单车设施的覆盖水平和调整备选停靠点规模为目标进行规划，建立了换乘影响区的共享单车设施双层规划布局配置模型。典型站点的应用分析表明：该方法有助于保障换乘影响区内的共享单车设施服务水平，降低共享单车换乘轨道交通出行的广义出行费用，提高共享单车换乘轨道交通出行量。

                图4-7 南京轨道线网Voronoi图                     图4-8 南京轨道骑行时空圈层分布图

  研究建立了一种轨道交通与共享单车组合出行资源的时空匹配度与优化方法。以共享单车和城市轨道交通之间的联运为研究对象。针对居民上下班的高峰期，共享单车数量发布与需求不平衡的问题，致力于探索影响城市轨道交通车站周边共享单车需求的影响因素，提出一种更加合理，更加高效的共享单车重分布方案，使得城市轨道交通乘客对于共享单车的需求以及其供给，在空间与时间两方面得以匹配，提高城市综合交通运输体系的整体服务水平。通过对共享单车GPS实时数据进行分析获得影响共享单车需求的因素，探索其中规律，建立需求预测模型。对南京市城市轨道交通站点对于共享单车的需求进行预测，制定调度方案，使得轨道交通与共享单车的组合出行系统资源配置达到最优。

成果3：城市地面快速与常规公交资源配置优化方法

  以城市快速公交和常规公交换乘枢纽为研究对象，以提高快速公交与常规公交共享路权与换乘枢纽站台的利用效率为目标，结合实地调查，比较了典型共享站点和非共享站点的运行特性，分析了影响共享的关键指标因素和相关影响因素，分别建立了公交专用车道路段速度-流量模型、交叉口延误分析模型、站点公交到达模型和站点通行能力模型。

图4-9 快速公交与常规公交共享站点设置示意图

  以常规公交发车量作为阈值指标，基于对影响共享关键因素指标的分析，提出了两类公交共享快速公交专用道的临界约束条件，包括站点通行能力约束条件、运行时间约束条件、站点排队概率约束条件和路段运行效率约束条件。结合四类约束条件，提出了快速公交和常规公交共享运行临界条件模型和阈值确定方法。该成果可用于判断特定时空状态下，快速公交与常规公交站点共享设置的合理性。

图4-10 快速公交与常规公交共享站点阈值条件确定方法流程

（5）城市交通网络协同规划的技术流程设计与典型城市实证研究。

成果1：城市综合交通规划流程

  转换和集成项目在“一体化衔接性能分析理论、组合出行效用分析、供需演变与交通分配理论、资源协同配置优化”等方面形成的理论方法成果，在当前城市综合交通规划流程的基础上总结其不足，提出多模式网络一体化规划设计流程。

主要包括：

（1）在城市交通发展规划阶段，对原流程集中于单一网络供给和出行的情况，难以评估多模式网络使用和衔接的问题。提出了多源交通出行数据获取与组合交通需求预测过程，在现有城市交通规划现状调研的基础上，获取多模式网络各出行方式的多源交通数据。并对以下交通枢纽相关资料进行补充调研收集：1）交通枢纽规划范围内或者枢纽交通影响范围内的经济、土地利用、人口、城市化发展情况；2）交通枢纽布局、功能、等级规模、运量；3）交通枢纽换乘特征；4）交通枢纽发展规划、近期枢纽项目建设计划；5）枢纽交通组织和管理政策；6）现状及规划交通枢纽系统图。

  综合运用交通调查数据、统计数据、相关规划定量指标，建立交通分析模型，对城市多模式交通网络进行需求分析。同时对城市交通枢纽需求分析主要基于社会经济发展预测和客运交通需求预测进行。在经典方法的基础上，引入现状组合出行数据，预测城市单方式及组合出行方式的客流结构和分布。

（2）在城市多模式体系规划中，增加了多模式网络在综合交通系统中各子系统（如道路、公交、停车等）规划的基础上，强化了广义交通枢纽的协同布局，以及多模式交通分配的评估和反馈，使各出行方式之间能够通过合理的枢纽布局高效衔接，实现网络资源的充分利用。

（3）在原有规划体系的基础上，增加了多模式网络一体化衔接规划流程。根据城市中长期交通体系规划得到的具体内容，对城市广义交通枢纽及多模式网络资源进行协同规划，确定不同等级枢纽的总体规模和布局。并结合实际需求，针对特定区域、不同交通方式之间的换乘衔接设施进行优化配置，如轨道站点周边自行车及慢行设施、公交站点、公交专用道、停车换乘设施等。将枢纽组织融入对外交通系统、客运交通系统、公共交通系统、城市道路系统等体系中，由枢纽串联起各个部分，构建以枢纽为核心、多级协同、智能融合的城市综合交通体系。

图5-1  广义枢纽与多模式网络协同规划流程

成果2：城市多模式交通网络协同仿真分析软件研发

  面向我国急缺城市多模式交通网络协同仿真分析软件的“卡脖子”问题，着眼于专业软件的国产化替代实际需求，基于中国特色交通系统发展，依托项目组自主知识产权仿真软件“交运之星-TranStar”，升级开发了城市多模式交通网络协同仿真分析软件。

图5-2 城市多模式交通网络协同仿真分析软件界面

  升级后的城市多模式交通网络协同仿真分析软件具有业务导向的特性，可实现城市土地开发、交通系统规划、交通网络设计与建设、交通管理及政策方案等功能的仿真分析，并可实现各方案间的协同分析，有效解决了交通系统作为复杂巨系统所涉及的城建、交通、交管、发改委等交通相关部门间可能出现的协作难题。软件支持步行、非机动车、机动车、多模式公交系统、综合交通系统的交通仿真分析，软件的参数基于中国交通情况定制化标定。

图5-3 城市多模式交通网络协同仿真分析软件的分析流程

  同时，城市多模式交通网络协同仿真分析软件可与人工智能浪潮中诞生的“城市大脑”等智慧城市系统互为补充，智慧城市系统中的海量数据可作为城市多模式交通网络协同仿真分析软件进行交通仿真分析的数据基础，城市多模式交通网络协同仿真分析软件可以补全城市大脑缺乏专业的交通建模与分析的短板，对交通问题进行深层次的分析，提供更为有效的城市交通规划、建设与管理方案。

成果3：多模式网络协同规划在典型城市的工程应用

  利用协同分析软件在南京、重庆、哈尔滨等多个城市进行了应用，以南京为例，其包含了：

（1）交通发展需求。作为快速发展中的特大城市，南京市的交通需求与交通设施建设尚未达到平衡，供需矛盾突出，南京市现状交通仍然存在诸多急需解决的问题，具体包括：1）城市道路网系统失衡，结构不合理；2）公交体系不够健全，供给能力不足，服务水平较低；3）停车泊位不足，供需矛盾突出：4）信号配时未能充分发挥道路资源时空分隔作用，有待梳理优化；5）缺乏利用城市交通大数据的科学手段。通过建设南京市城市交通网络协同分析平台，并对南京市城市交通系统发展过程中遇到的各类问题进行分析，找寻破解南京市交通发展问题的关键方案。

（2）协同分析过程。根据南京市交通发展需求、南京市城市交通网络协同分析实证目标与定位，设计了南京市城市交通网络协同分析平台的主要研发内容，包含基础数据库导入、总体方案设计、城市交通系统仿真基础架构、图形编辑与显示基础模块、交通网络规划/建设/管理政策仿真评估模块、交通综合评价模块。在此基础上，构建了包含城市综合交通网络数据库、公共交通网络数据库、交通管理信息数据库和交通需求信息数据库在的南京市城市交通网络协同分析数据库。数据库包含道路路段32907条，道路节点11997个，公交线路668条，公交站点7162个，交通小区332个，OD点对110224个。

图5-4 南京市城市交通网络协同分析平台构建

  分析实证方案。考虑在南京市河西地区青奥村附近举办全运会、青奥会等大型体育赛事，考虑到由赛事导致的短时间密集型交通需求生成，需要在保障青奥村周边道路畅通与安全的基础上，对青奥村周边道路实行合理的交通管制，最大化确保市民和运动员的出行需求得到满足。提出体育赛事期间，南京市城市交通网络协同分析方案：对青奥村周边江山大街隧道及地面道路、扬子江大道、平良大街、江东南路的围合区域实施交通管制措施，除青奥会接驳车辆和公交车辆外，其他社会车辆禁止驶入；并在青奥村毗邻道路如青奥南路、邺城路等，额外设置临时公交枢纽站，保障交通系统顺畅运行。

  方案结果评价。在南京市城市交通网络协同分析平台上，通过分析业务流程设计及一键式快速仿真，获取对实证方案实施之后南京市交通系统状态的可视化图像以及研究报告，包括机动车路段交通量分布、机动车路段交通负荷分布、机动车交叉口交通负荷分布等方案分析结果。

（a）机动车路段交通量分布                         （b）路段PM2.5排放量分布

（c）方案仿真结果评价研究报告（d）方案仿真结果数据表格

图5-5 南京市城市交通网络协同分析结果（部分）

  通过对比方案实施前后发现，青奥村周边绝大部分道路的交通量均有所降低，尤其是以青奥村为起点的路段表现尤其显著。从交通网络的运营看，全交通网络的总成本和各交通方式的时间成本均有所降低，其中公交车的时间成本下降量最大，为6.75万元/小时，交通拥堵直接经济损失下降7.08万元/小时。

表5-1 方案实施前后南京市交通系统性能评价