优程（U-chain），应对轨交网络大客流阻滞点的“微网搭桥”方案
面向应用的大数据开放为机构和公众提供了从多个角度挖掘数据价值、释放数据能量的可能性。交通规划和管理是大数据应用的主要领域之一，其决策分析通常具有关联交互、趋势走向、实时动态、全景分析、社会化参与等基本特征，以满足各种决策情景下的建模、预测、监控、发布、反馈等需求。
2015上海开放数据创新应用大赛（SODA），是由上海市经信委、上海市交通委主办，中国工业设计研究院承办的，面向全球征集改善城市交通和市民出行的数据应用和解决方案的比赛。上海市为此次大赛开放了10个专用数据集，包括城市道路拥挤指数、地铁运行数据、一卡通乘客刷卡数据、出租汽车行车数据等，极大地推动了交通领域大数据开放应用和价值提升的实践。许多参赛作品不仅有着新颖的创意思路、出色的技术能力，对商业前景、落地方案也进行了深入设计，比如基于交通数据设计的金融产品、释放交通资源的共享经济模式、人工智能在交通领域等深度应用。
针对轨道交通拥堵加剧与运力资源利用不均、轨道扩容潜力有限与地面运能相对富余的状况，上海同济城市规划设计研究院参赛团队提交了优程——应对轨交网络大客流阻滞点的“微网搭桥”方案，获得了2015年SODA大赛的优秀奖。
（1）问题需求
随着轨道交通大客流的常态化，高峰限流站点的数量有所增多，这不仅增加了乘客的出行时耗，也降低了轨道交通的运行安全性、服务可靠性和乘坐舒适性，公交服务改善的需求十分迫切。一方面，乘客急于寻找限流时的替代交通服务；另一方面，运营方急于提供限流时的应急转驳服务来疏解乘客。
为此，该作品从轨道交通与地面交通资源整合、协同运行的思路出发，提出了“优程（U-chain）”的集成解决方案。“优程”的含义是优化行程，其关键是利用空闲的地面运力资源进行“微网搭桥”，使乘客可以绕避轨道交通的阻滞点，转至畅通点换乘或直达目的地；同时结合地面分流，加强轨道网的“排障疏堵”能力，实现全网顺畅化、均衡化运行。U-chain既是“优程”的谐音，也代表了多种地面交通与轨道交通建立“需求响应式”联动，使乘客出行全程中的各个链条环环相扣、互为补充，改善乘客出行体验的含义。
（2）技术框架
该作品本质上是一个以服务需求为导向、以实时动态信息为基础的公交网络资源优化配置方案，通过高效共享的信息平台将乘客、运营和监管三方连接起来。“优程”平台主要有数据采集及预处理、数据融合和交通状态判别、信息发布和推送三大技术模块，其中大数据主要用于两个方面：利用一卡通刷卡数据，分析轨道交通出行规律和网络客流特征；同时利用浮动车数据，分析路面交通运行情况，再基于车速数据通过LM模型算法进行“搭桥”路线规划。
在“优程”平台上，可以从全网、线路和站点三个层次进行客流分析和可视化展示。例如，全网的限流时间和限流原因历史分析、各站点全天和高峰进出站客流量分析；分线路的进出站客流时辰分布、各站点进出站客流量实时动态变化、线路断面客流量实时动态变化；单一站点尤其是限流站的进出客流量变化、全日和高峰站点OD分布、“搭桥”客流需求分析等。
该作品可形成面向客户端、运营端和监管端的三大应用。具体措施有：通过手机APP为乘客推送轨道交通运营和阻滞、故障的实时信息，实现预警信息前置，并提供“搭桥”出行预约端口。完善轨道交通运营监控平台，与微公交循环系统全面联动，快速生成“突发事件”的动态应急预案。完善政府监管平台，加强轨道交通、地面公交和道路交通数据的共享利用，提高综合监管效能，优化多模式公交体系。
（3）落地研究
该作品以限流站数量较多的轨道交通6号线为例，进行“搭桥”方案的落地分析。6线路由港城路至东方体育中心，是浦东新区的一条滨江贯通线。由于线路经过陆家嘴CBD，客流向心汇聚的特征十分突出，早、晚高峰期间，上下行两个方向各自形成了大客流的高满载率区间，其中北部区间有5个站点被经常限流。进一步选取东靖路站为典型站点，对限流站点的客流OD（含直达、换乘）进行重点分析，根据“搭桥”出行的不同需求，提出了长线搭桥、短线搭桥、多点搭桥以及长线直达等不同服务模式以及具体的线路方案。限流站的“微网搭桥”，不仅可为轨交乘客提供快捷舒适的替代公交选择，也可降低后续轨道站点的通过客流量，对提高线网客流分布的均衡性、提升整体运营效率和服务水平有明显作用。
（4）启示
随着轨道网络规模的扩大，局部站点和区段的大客流汇集情况会趋于严重。单纯依靠轨道系统自身的运能提升，仍无法解决客流梗阻问题从而为大客流提供高水平服务，甚至还会因盲目增能造成巨大的运力浪费。因此，不应该片面追求轨道交通的建设里程，而是要重视运力资源的利用效率，加强多模式交通整合，为乘客提供优质的出行服务。大数据的开放共享为交通服务的创新提升创造了条件，并驱动了交通管理与决策范式的转变，“优程”的目标也将有望逐步实现。最后特别指出的是，轨道交通客流阻滞点的产生，很大程度上是用地布局的结果，因此要重视规划层面上轨道交通沿线的多中心组织和职住平衡问题。
来源：周玉斌、刘冰、刘啸,等. 优程（U-chain），应对轨交网络大客流阻滞点的“微网搭桥”方案[R] . SODA大赛的优秀奖,2015.
（供稿：刘冰）
探究高客运量公交走廊的替代服务方案
高客运量的公交线路往往会提供全站点停靠的交通服务。尽管这种公交服务方式受大多数公交使用者喜爱，但也会导致公交服务质量下降和公交服务预算上升。因而公交运营商总是将全站点停靠的方案，与其他车辆调度替代方案进行比较。公交替代方案主要包括两种形式：①跳站停靠；②特快专列。本研究将客流量λ和运输距离l作为随机变量，建立了连续的数学模型，分别对富有的城市（时间成本系数取20$/h）以及贫困的城市（时间成本系数取5$/h）的普通巴士系统、快速巴士系统、轨道交通系统进行独立的比较。
（1）普通巴士系统
首先因为普通巴士与道路中的其他交通流使用同样的交通空间，当普通巴士系统由原本的全站点停靠方案转变为跳站停靠或特快专线方案时，无需新增基础设施。数据结果显示，当客运量较低、平均出行距离较短时，全站点停靠方案是宏观成本最低的方案。相对较高的管理成本使得该条件下的替代方案竞争力下降。而当客运量超过一定阈值（本研究中为420人/h）时，替代方案将成为最佳的方案选择。世界上大多数高客运量公交走廊具有超出阈值的客流，故跳站停靠的替代方案具有更广泛的适用性。
本研究进一步发现，对于富有的城市（时间成本取20$/h），当客运量、出行距离进一步增加时，无论是全站台停靠方案，还是未经优化的跳站停靠方案都无法满足交通需求。此时，只有经优化站点位置的跳站停靠方案，能够阻止在公交站点排队的人流的增长。此外这种替代方案的宏观成本最低。
（2）快速巴士系统
本研究对快速巴士系统的分析分两种情况展开：一是优化站点位置时不需要增加新的设施；二是优化站点位置时需要在每个站点增加新的公交专用道。将本次模拟结果数据同普通巴士系统模拟数据进行比较，得出当交通需求量超过普通巴士系统的最大供应量时，城市可以采用快速公交系统，以提高公交服务水平。当客运量较低、平均出行距离较短时全站点停靠方案是宏观成本最低的选择。不论是富有的城市，还是贫困的城市，几乎对于本次模拟范围内所有的客运量λ和出行距离l，经过站点位置优化的跳站停靠方案都是最佳的方案。这种方案相比全站点停靠方案，成本节省量最多可超过10%。而当调节优化站点位置时增加的设施成本时，结果并没有产生太大的变化，经过站点位置优化的跳站停靠方案依旧是最优方案。
（3）轨道交通系统
首先假设轨道交通系统当由全站点停靠方案转换为站点位置未经优化的跳站停靠方案时不会增加新的设施成本，而当转换为站点位置优化的跳站停靠方案或特快专列时会增加新的设施成本。这种新增的成本主要源自在优化的站点处新增的双向轨道的费用。同样对于大多数的客运量λ和出行距离l的取值，跳站停靠的方案为最佳方案。然而相比普通巴士系统和快速巴士系统额数据结果，轨道交通系统的跳站停靠方案的统治地位并没有那么明显。这是因为相比地面巴士系统，轨道交通系统的站点优化不能完全做到最优。
对于贫困的城市，未经站点位置优化的跳站停靠方案，对于大多数的客运量λ的取值都是最优方案。因为当时间成本系数较低时，因站点位置优化带来的设施成本对分析结果的影响更为明显。而对于富有的城市，当客运量取较高值时，因站点位置优化带来的设施成本能够得到平衡。
本研究中的数据模型可以通过适当调整以适应更广泛的公交服务设计。两种公交替代方案，尤其是跳站停靠方案，相比传统的全站点停靠方案都能够降低成本。当公交系统由全站点停靠方案转变为替代方案时，预计能够节省10%的成本。而使用数据分析软件scratch得出的站点位置优化的替代方案，能够节省近30%的成本。这种成本节省，主要源于更高的平均行驶速度，而当乘客的交通需求增加、出行距离延长时，节省的成本能够抵消掉转化为替代方案时增加的管理成本。
研究总结认为，尽管本次研究只考虑替代方案带来的最底线的潜在优势，公交替代方案往往依旧是最佳选择。本研究结果对有志于提高公交服务的运营团队能够有所帮助。
来源：GU Weihua, AMINI Z, CASSIDY M J. Exploring alternative service schemes for busy transit corridors[J]. Transportation Research Part B: Methodological, Part A, 2016 (93): 126-145.
（供稿：吴卓烨）
卡利亚里和智慧城市机动性：分析与比较
近年来，学界对“智慧城市”的讨论持续升温，但对于“智慧城市”概念，仍然缺乏一个统一的定义。通常认为，“智慧城市”通过信息通讯技术的运用，来节约时间、改善个体的机动性、使人们更容易获取信息和服务并能积极参与到城市的决策制定中。对于城市交通而言，城市机动性的“智慧”取决于高效的公共交通方式，安全和连续的自行车道网络以及有效的交替停车系统。本研究认为，“智慧机动性”的概念体现在两个方面，首先是技术，其次是技术和市民需求的整合程度。
但是，由于数据的缺失和指标体系的不完善，目前对于“智慧机动性”的定量研究仍有不足。为此，研究提出了一套定量指标体系用以评估智慧机动性，并选择了意大利卡利亚里作为案例研究，最后将卡利亚里的情况和其他国际城市进行比较，并就卡利亚里智慧机动性的提升给出针对性建议。
（1）研究方法。本研究所使用的指标体系参考自研究团队之前的研究。这套指标体系包含6个一级变量，分别涉及公共交通、自行车道、自行车共享、小汽车共享、私营机动性支撑系统和公共交通支撑系统；每个一级变量下又包含多个二级变量。其中，前四个一级变量为可测度变量，即可通过可获取数据计算具体的数值；而后两个一级变量使用数值1或0来衡量其“有”或“无”。根据搜集到的数据，先将各类不同类别的数据进行标准化，然后对各类一级变量下的二级变量进行加总并求平均值，得到各个一级变量的值，最后将各个一级变量的值加总求均数，则可得到该城市智慧机动性的综合指标值。
除了使用数学公式对数值进行计算，本研究还运用图示的方式，将每个一级变量涵盖的两个二级变量分别作为坐标系的X轴和Y轴，分析城市处于该坐标系的哪个象限，从而判断该城市机动性的“智慧”程度。例如，对于“自行车共享”这个一级变量，X轴表示“自行车站点密度”，Y轴表示“每千人自行车享有量”，则在“自行车共享”的坐标系中，智慧机动性的最佳象限为第I象限。
（2）案例剖析。意大利卡利亚里近年来在提升智慧城市机动性方面做出努力，并实施了“城市机动性规划（UMP）”。这些努力通过改善城市的人行道、自行车道和公共交通网络，以及运用智能手机应用、网站和信息面板等科技手段，使卡利亚里的城市机动性在近几年来得到显著提升。研究团队将前述的指标体系应用于卡利亚里的“智慧机动性”分析中，并将其与其它19个国际城市进行对比。数据采自2014年，主要包括三类：第一类是可度量指标数据，即前四类一级变量所涉及的数据，具体主要涉及服务密度与使用人群；第二类是与私营机动性支撑系统相关的数据；第三类则是与公共交通支撑系统相关的数据。通过对数据的分析以及城市间的比较和排序，可以发现，尽管卡利亚里近几年在城市机动性方面做出了重大努力，其在各变量的排序中总是处于中间位置，与其他国际城市相比仍有较大差距。欧洲城市在交通设施的得分上处于领先地位；欧洲和美洲城市在私营机动性支撑系统上均表现优异；而大多数案例城市在公共交通支撑系统上都获得了较高评价。就综合得分而言，前7位均为欧洲城市，而卡利亚里位于第17位。
研究团队进一步将各个城市的每类一级变量放在前述的坐标系中进行单独分析，通过分析各个城市在坐标系中的不同位置来更加直观地比较其“智慧机动性”的优劣。
研究总结认为，通过城市“智慧机动性”的图示表达，可以有效分析投资在城市机动性上的城市资本与社会需求的吻合度，并进一步评价“智慧城市”的政策实施情况。在本研究中采取的坐标系中，其位置越接近第I象限和第III象限对角线的城市，其资本与需求的整合度越高。同时，研究发现私营交通服务越发达的城市，其位置越接近I、III象限对角线，也说明其交通供给与需求处于更为平衡的状态。
最后，本研究就促进卡利亚里“智慧机动性”的提升提出若干针对性建议，主要涉及交通服务支付方式的整合、交通换乘点的整合、自行车道的改善、自行车和小汽车共享的推广以及电动汽车的发展等方面。
来源：GARAU C, MASALA F, PINNA F. Cagliari and smart urban mobility: analysis and comparison[J]. Cities, 2016(56): 35-46.
（供稿: 邹祖钰）
曼哈顿地区配送车辆路边停车的实证分析
决策者和交通规划者已经制定了许多措施以满足日益增长的停车需求。但大多数人的研究侧重于客运车辆的停放，针对配送（货运）车辆的研究仍十分有限。研究旨在通过定量分析方法增强对货运停车行为的认知，分析内容为反映停车行为的两项特征要素：停车时长和停车频率。停车时长指车辆停止在某一位置的完整时间跨度，包括装卸以及交接货物的全过程。停车频率指在一次配送途中，车辆的停车次数（即配送链中包含多次货物交易）。
首先，研究小组于2013年4月至6月期间，在曼哈顿具有代表性的12个街区进行了小规模的现场调查。调查分为两部分：其一，调研者现场观察和记录货物运输的特点，包括：①车辆的配置，如车轴的数量，轮胎、车辆类型和负载量；②公司信息，如公司名称和交货地点；③商品种类及停车时间。其二，调研人员对货车司机进行了深入的街头采访以获得有关配送行程、成本和公司信息的直接信息。调查共取得94项货运记录，货物类型分别为食品（49%），饮料（24%），办公设备（10%）、家具（9%）及其他（8%）（如邮件和包裹）。全部记录中包括49项用于停车时长分析的完整数据，44项用于停车频率分析的完整数据。
其次，研究结合实地调研数据，对停车时长及停车频率展开描述性分析。时长数据描述分析显示超过70%的停车属于小于40min的短时停留；中午的停车时间最长；中心区停留时间高于外围地区。频率数据描述分析显示，每辆车平均配送14次；频率最高的类别是包裹或邮件（数量小于3%）；最高频段为6-10次；超过50%的配送小于10次；起始点在曼哈顿中心区16km范围内的车辆较边远地区车辆倾向于更高的停车频率。
随后，为进一步确定配送车辆停放行为的影响要素，研究分别利用持续时间模型、计数数据模型对停车时长及停车频率数据进行分析。停车时长模型分析表明：配送车辆在上午至中午时段停车时间较长；服务市中心的配送车辆相对其他情况地区停留更久；配送食品车辆的停车时间较短；小型车比大型车的停留时间短。停车频率模型分析表明：大型配送车辆停车次数更多；运送食物、起始点接近中心区都促使停车次数的增加；荷载量越高的车辆停车次数越少。
基于模型分析，文章提出了4项停车管理措施：①出台相应政策规定，鼓励非上午时段配送，平衡全天流量并减少停车时间；②使用小型的高荷载率车辆配送提高效率，还可通过设置中转中心、实时掌握配送对接信息及使用合适的包装盒等措施促进效率提升；③设置专项货物的绿色配送窗口（如食物）；④加强路边停车管理（提高现有停车、装卸场地、各类设施的服务能力）。
此外，研究还通过两项指标对所提出停车管理策略的潜在经济效益进行量化预估。两项评价指标分别为：因缩小停车需求而减耗的土地价值、因缩短的驾驶时间而提高驾驶员单位工作时间的收益价值。实验共模拟了三个场景：①基准场景设定停车时长45min，频率为10次；②策略2采取小型高荷载率配送车；③策略1鼓励非上午时段配送停车。评估时间模拟为高峰时段（早6:00—中午12:00）。结果得出②、③场景可分别节省 $91,000，$75,000，表明货运车辆停车管理具有重要意义与巨大潜力。
本研究反映出个体数据对于分析配送车辆停车行为的重要作用。尽管少量的样本限制了模型建构的数据严谨性，有价值的经验数据仍对核心变量间关系的探究起到重要作用。基于本研究所提出的停车管理措施将直接作用于于减低的经济损耗。此外，该研究成果有助于提高未来数据收集的效率。针对本研究进一步的提升手段可总结为：①更大规模的调研范围以获得更多的样本数据②采用更先进的统计模型，考虑更多变量因子以获得更严谨的评价结果③将本研究成果与其他领域的学术成果交叉分析，以获得更深入的理解。
来源：ZOU Wei, WANG Xiaokun, CONWAY A, et al. Empirical analysis of delivery vehicle on-street parking pattern in Manhattan Area[J]. Journal of Urban Planning and Development, 2016, 142(2): 04015017.
（供稿：孙雪婧）