交通地理与网络科学/道路网络

背景

道路网络是由相互连接的道路组成的系统，旨在容纳轮式公路车辆和行人交通^[1].

道路网络的作用是允许货物、服务和人员的流动^[2]。道路网络通常构成城市地区最基本的交通基础设施，并将与所有其他地区连接，包括城市区域边界内和边界外^[1]。一个网络由执行不同功能的道路走廊组成，称为道路层次结构^[2].

道路网络可以分为以下部分^[1]

交叉路口
城市道路
乡村道路
高速公路
自行车道
人行道和步行区
人行横道
桥梁和隧道

道路网络层次结构

功能层次结构是最常见的类型，它根据道路预期在当地直通交通方面的功能对道路进行排名。在这样做的时候，它认识到道路是相互连接网络的一部分，并解决了流动性和可达性之间的竞争性道路用途^[4]。虽然资料来源对确切的命名法有所不同，但基本层次结构包括高速公路、干线、收集器和当地道路^[3]。具有相同层次结构的相互连接的道路系统形成了具有相对层次结构的网络。

全球道路网络层次结构^[3]
层次结构	美国^[5]	英国^[6]	中国大陆^[7]	澳大利亚新南威尔士州^[8]
高速公路	州际公路系统	高速公路系统	国家高速公路系统和省级高速公路系统	高速公路系统
干线	州际公路商业路线系统、美国编号公路系统和州级公路系统	A级公路系统和B级公路系统	国家公路系统和省级公路系统	A路线系统和B路线系统
收集器	县级公路系统	C级公路系统	区级公路系统	-
当地道路	当地道路系统	当地道路系统	当地道路系统	当地道路系统

道路网络中的旅行

在成熟的道路网络中，长途旅行通常具有以下模式

Origin - Local Roads - Collectors - Arterials - Freeways - Arterials - Collectors - Local Roads - Destination

例如，从悉尼奥林匹克公园的悉尼展览场到悉尼大学四合院钟楼的旅行

起源	当地道路	收集器	干线	高速公路	干线	收集器	当地道路	目的地
悉尼展览场	大游行	澳大利亚大道	霍姆布什湾大道（A3）	西高速公路（M4）	帕拉马塔路（A22）	罗斯街和圣约翰路	德文特街和大学大道	悉尼大学四合院钟楼

File:SS-USYDCT.png

从悉尼展览场到悉尼大学四合院钟楼的旅行

城市道路网络模式

网格街道模式

网格模式、网格街道模式或格子状模式是一种城市规划类型，其中街道相互成直角，形成网格。规则网格模式的基础设施成本通常高于街道不连续的模式。这种几何形状有助于定位和寻路，并且它与通往所需目的地的路线选择和直接性的频繁交叉点相结合。网格中的所有街道都可供交通使用（非分层）。

典型的均匀网格对地形没有反应。在现代环境中，陡峭的坡度限制了汽车的可达性，更不用说自行车、步行或轮椅了，尤其是在寒冷的气候中。网格的这种不可变性导致无视对环境敏感的区域，例如小溪和小溪或成熟的树林，优先考虑不可改变几何形状的应用。

然而，网格模式中交叉点的频率对于行人和自行车来说也成为一个劣势。它扰乱了轻松的步行节奏，并迫使行人反复走上道路，这是一个充满敌意的、令人焦虑的领地。例如，有身体缺陷或虚弱的人、儿童和老人会发现规律的步行具有挑战性。对于自行车来说，这种缺点更加突出，因为它们的正常速度至少是行人的两倍^[9].

有机街道模式

有机街道可能源于混乱、快节奏的开发，就像当今的贫民窟那样普遍；或者它可以随着时间的推移缓慢增长，就像一块土地被分割，街道建在新的边界上一样，就像英格兰和欧洲其他大国的许多老城镇一样。有机街道模式通常是独一无二的。这种几何形状导致交通拥堵发生得更加频繁，道路使用者很容易迷路^[10].

放射状街道模式

在放射状街道模式中，道路从中心点向外延伸，类似于蜘蛛网。放射状街道模式主要存在于巴黎。放射状街道模式使交通流量更容易，但由于没有捷径，速度也更慢。所有道路都通向中心点，这通常会导致中心附近出现交通拥堵^[10].

计划不规则（死胡同）模式

计划性不规则模式包括网络中大量的死胡同。该网络的交叉路口较少，路网中的道路弯曲较多。这种模式在现代城市和较新的郊区较为常见。计划性不规则模式有助于改善交通流量。网络中的道路较为安静，因为交叉路口较少，过境交通也较少。这种模式能够很好地适应地形特征。道路使用者在不规则模式中容易迷路，这种模式也不易细分以进行扩展^[10]。

道路网络结构测量

拓扑测量

e

: 边缘数量（道路段）

v

: 顶点数量（节点），包括道路交叉路口、出行起点和目的地

g

: 最大连通分量数量（平面网络可能不连通，但可能由连通部分组成，这些部分称为“最大连通分量”或“连通分量”。）

环路数表示网络中环路的数量。

\alpha

指数是网络中实际环路数量与最大环路数量的比率。

\beta

指数是连接数量与节点数量的比率。

\gamma

指数是实际连接数量与网络中可能的最大连接数量的比率。

$\alpha$ 指数和 $\gamma$ 指数在 0 到 1 之间变化。环路数、 $\alpha$ 、 $\beta$ 和 $\gamma$ 的更高值表示连接性更强的网络^[11]。

异质性测量

异质性是许多复杂网络的共同特征。熵的统计性集体度量（ $H$ ）可用于评估道路网络的基于连接的异质性。

H(X)=-\sum \limits _{i=1}^{m}p_{i}{log}_{2}(p_{i})

其中

X

代表道路网络系统

m

是基于不同道路属性（如功能类型、交通量或 LOS）的道路连接子集。

p_{i}

代表第

i

个子集中道路链接的频率占总链接数的比例。

同质群体的熵值为零。正熵值表明网络中存在异质性，即存在多个链接组。更大的熵值表明网络的异质性更大 ^[11].

连接模式

首先，需要根据下图中的处理器从道路网络中识别出回路块。

回路块定义为至少包含一个回路且不包含桥梁或割点的块。如果一个回路块只包含一个回路，则定义为环；如果包含多个回路，则定义为网。

网络的“环状性”可以用以下公式测量：

\Phi _{ring}={\frac {Total\;Length\;of\;Arterials\;on\;Rings}{Total\;Length\;of\;Arterials}}

网络的“网状性”可以用以下公式测量：

\Phi _{web}={\frac {Total\;Length\;of\;Arterials\;on\;Webs}{Total\;Length\;of\;Arterials}}

“回路性”和“树状性”的概念可以定义为：

\Phi _{circuit}=\Phi _{ring}+\Phi _{web}

\Phi _{tree}=1-\Phi _{circuit}

这些比率的范围从 0 到 1，表明干线连接成回路或树状结构的程度。较高的树状性比率表示分支结构，而较高的回路性比率表示回路网络。

道路网络中的环状路定义为一个主要的回路块。如果主要块是环，则将环标识为环状路；如果主要块是网，则将环状路定义为回路块的外壳。“环状路性”可以用以下公式测量：

\Phi _{belt}={\frac {Length\;of\;the\;beltway}{Total\;Length\;of\;Arterials}}

城市干线网络可能在其中心商务区 (CBD) 周围有多条同心环状路。可以通過拆分外环状路，然后重复上述步骤来识别内环状路。可以重复这些步骤，直到找不到主要回路块。可以计算每个环状路的环状路性 ^[11].

连续性

道路网络的间断性可以用以下公式测量：

Y={\frac {\sum _{all(R,S)}Y(P_{RS})*q_{RS}}{\sum _{all(R,S)}l(P_{RS})*q_{RS}}}

其中 $P_{RS}$ 是给定 O-D 节点对 $(R,S)$ 之间的最短路径， $q_{RS}$ 是起点和终点之间的出行次数， $l_{RS}$ 是最短路径的长度。 $Y_{RS}$ 是从 R 到 S 出行的间断性，可以通过以下公式计算：

Y(P_{RS})={\sum _{a\in P_{RS}}y_{a}}

其中 $a$ 是上游路段。

行进的间断性可以通过以下公式计算：

y_{a}=|k_{1}-k_{2}|

其中 $k_{1},k_{2}$ 是上游和下游路段的层级^[11]。

道路网络出行可靠性测量

出行时间窗口

出行时间窗口是一个简单的统计数据，它考虑了平均出行时间 $\mu$ 两侧的标准差 $\sigma$ 的出行时间范围

Travel\;Time\;Window=\mu _{travel\;time}\pm \sigma _{travel\;time}

该指标可以应用于不同的空间和时间细分，以及公共和私人交通方式。该指标的弱点是它的独立性，特定路段或路线的出行时间窗口的变化可能有用，但难以比较路线和路段。此外，该指标没有说明出行时间窗口对于用户来说是否可接受，因此可能无法为从业人员提供有益的指标。最后，标准差对分布的尾部不敏感，因此该指标传达了有关典型范围的信息，而不是遇到特别糟糕的出行时间的可能性 ^[12]。

变异系数

变异系数 (Coefficient of Variation) 是一种标准化的离散度度量，它是样本标准差 ( $\sigma$ ) 与平均值 ( $\mu$ ) 之比。在出行时间变异性的背景下，变异系数公式如下所示。

Coefficient\;of\;Variation={\frac {\sigma _{travel\;time}}{\mu _{travel\;time}}}

与使用标准差相比，使用变异系数的标准化方法是一种更有效的度量，因为它不依赖于行程长度。此外，它也可以用于量化道路路段、整个道路走廊和整个网络。变异系数可以被认为是一个分数不确定性。它易于计算，并考虑了行程长度，但它建立在以下（可能不正确）假设之上：出行时间在期望值之上和之下的可能性相等，并且旅行者对不确定性的容忍度与行程时间成线性关系。此外，出行时间窗中提到的对分布尾部不敏感的弱点也适用于变异系数^[12]。

变异指数

变异指数比较了高峰期和非高峰期驾驶条件，可以按如下所示计算。

Variability\;Index={\frac {{CI}_{95\%Upper,Peak}-{CI}_{95\%Lower,Peak}}{{CI}_{95\%Upper,Off\;Peak}-{CI}_{95\%Lower,Off\;Peak}}}

其中

{CI}_{95\%Upper,Peak}

= 高峰期出行时间 95% 置信区间的上限

{CI}_{95\%Lower,Peak}

= 高峰期出行时间 95% 置信区间的下限

{CI}_{95\%Upper,Off\;Peak}

= 非高峰期出行时间 95% 置信区间的上限

{CI}_{95\%Lower,Off\;Peak}

= 非高峰期出行时间 95% 置信区间的下限

该指数表示了高峰期和非高峰期条件下 95% 置信区间内出行时间范围的比率。接近 1 的值表明道路连接或系统可靠，因为非高峰期和高峰期的第 95 个百分位出行时间相似。而大于 1 的值则表明道路连接或系统不太可靠，因为出行时间范围存在更大的差异。变异指数对于比较高峰期交通状况的严重程度很有用。变异指数也对分布的尾部更敏感，而分布的尾部对于确定旅行者的用户体验很重要。此统计数据的一个缺点是可靠拥堵和可靠不拥堵设施之间的模糊性。考虑一条变异指数接近 1 的道路，因为这条道路在一天中的所有时间都接近饱和状态，并且总的出行时间远大于自由流出行时间。在这种情况下，交通事故的发生可能会导致极其不可靠的条件。变异指数对高峰期的定义非常敏感，它将日间不可预测性和时间变异性合并成一个度量。因此，如果没有捕捉到精细时间尺度上的经常性和非经常性拥堵的详细数据，该指数可能会存在偏差^[12]。

缓冲时间度量

缓冲度量是到达目的地按时到达所需的额外时间的衍生物。此类别中的指标包括缓冲时间、缓冲时间指数和计划时间指数。缓冲时间指标的最大优势是它们更直观，比统计范围度量更能反映旅行者的行为，而统计范围度量需要熟悉标准差等统计概念。用户乐于分配与旅行相关的时间段，只要能够以一定的概率保证按时到达。缓冲时间可以定义为^[12]

Buffer\;Time=95th\;percentile\;travel\;time-Average\;travel\;time

缓冲时间是必须分配的额外时间量，以确保 95% 的概率准时到达。该指标考虑了用户为特定行程分配的行程时间预算。由于这与特定行程相关，因此可比性受行程长度的影响，通常是路线特有的。缓冲时间指数 (BI) 是加权缓冲时间，在下面的方程式中描述^[12]

BI={\frac {95th\;percentile\;travel\;time-Average\;travel\;time}{Average\;travel\;time}}

BI 的值越低，表明道路链接或路线越可靠。基于平均行程时间的标准化提高了比较道路网络不同部分的能力。例如，考虑路线 A，其平均行程时间为 40 分钟，第 95 个百分位行程时间为 50 分钟。还考虑路线 B，其平均行程时间为 10 分钟，第 95 个百分位行程时间为 20 分钟。很明显，路线 B 比路线 A 不那么可靠，但两条路线的缓冲时间值均为 10 分钟。路线 A 的缓冲时间指数 (BI = 0.25) 低于路线 B (BI = 0.5)，突出了标准化的优势^[12]。

规划时间指数 (PTI) 将第 95 个百分位行程时间与自由流行程时间进行比较

PTI={\frac {95th\;percentile\;travel\;time}{Free\;flow\;travel\;time}}

与 BI 类似，PTI 也是缓冲时间的标准化指标，这在进行比较评估时增强了指标的适用性。与变异系数相比，PTI 针对链接或路线的可靠性提供了一个归一化的评估，并具有对分布尾部敏感的附加功能。在每月大约 20 个工作日的情况下，基于第 95 个百分位行程时间的指标通常被解释为与每月最差通勤时经历的行程时间相关。虽然缓冲指标直接从行程时间分布中测量，但它们比基于统计宽度的指标提供更自然的解释^[12]。

佛罗里达可靠性方法

佛罗里达可靠性方法是通过佛罗里达州交通部 (FDOT) 完成的佛罗里达州交通性能指标计划开发的。该方法将可靠性衡量为走廊上行程的百分比，这些行程小于或等于包括缓冲在内的预期行程时间，如下面的方程式所示 ^[12]

Florida\;Reliability\;Statistic=1-CDF(E(TT))

其中

CDF(E(TT))

= 行程时间小于预期行程时间的行程比例

(E(TT))

。

E(TT)

= 预期行程时间是平均行程时间和缓冲时间的总和，该缓冲时间被交通管理部门或道路使用者认为是可以接受的。

该方法的复杂性源于设定基准预期行程时间的模糊性。与缓冲指标类似，该方法考虑了链接和路线的距离和几何偏差，因为它基于实现目标行程时间时失败/成功的发生，而不是行程时间值的量化 ^[12]。

偏度指标

偏度统计量 $\lambda ^{skew}$ ，表示行程时间数据集的非对称性。它是通过将第 90 个百分位和第 50 个百分位行程时间的差值与第 50 个百分位和第 10 个百分位行程时间的差值之比计算出来的 ^[12]。

\lambda ^{skew}={\frac {T_{90}-T_{50}}{T_{50}-T_{10}}}

偏度统计量量化了行程时间分布右侧（慢）和左侧（快）宽度之间的比较。它是统计宽度测量的宝贵补充，因为它明确地解决了分布的不对称性和缓慢行程时间尾部对旅行者 ^[12] 的重要性。

行程时间的宽度， $\lambda ^{var}$ ，定义为第 90 个百分位行程时间与第 50 个百分位行程时间之差的比值。这个比率提供了一个标准化的行程时间范围，它由百分位数而不是平均值和标准差 ^[12] 定义。

\lambda ^{var}={\frac {T_{90}-T_{10}}{T_{50}}}

与偏度统计量不同，此指标不会解决不对称性，但它对尾部敏感，并且它准确地描述了 ^[12] 由预期值（中位数或第 50 个百分位行程时间）标准化的置信区间（80% 的观察结果落在宽度内）。

道路网络绩效测量

美国国家合作公路研究项目（NCHRP）的《基于绩效的交通规划指南》提供了一个结构化的绩效指标清单，这些指标用于八个类别，代表了典型的机构目标 ^[13]。

可达性
- 从设施到目的地的平均行程时间（按模式）
- 从设施到主要公路网络的平均行程时间
- 平均行程长度
- 总体模式分配
- 按设施或路线划分的模式分配
- 垂直（或水平）间隙小于 X 英尺的结构数量。
- 桥梁重量限制
机动性
- 起点-终点行程时间
- 总行程时间
- 从设施到目的地的平均行程时间
- 按拥堵水平划分的行驶里程 (VMT)
- 由于拥堵造成的损失时间
- 每次 VMT 的延误
- 服务水平
- 交叉口服务水平
- 流量/容量比
经济发展
- 直接支持或创造的就业岗位
- 事故的经济成本
- 损失时间的经济成本
- 间接支持或创造的就业岗位
生活质量
- 由于拥堵造成的损失时间
- 每次 VMT 的事故（或伤亡）次数
- 客户对系统安全的感知
- 产生的污染量（或车辆排放量）
环境和资源保护
- 总体模式分配
- 产生的污染量（或车辆排放量）
- 燃油使用量
- 涉及危险废物的事故数量
安全性
- 每次 VMT 的事故数量
- 每年事故数量
- 每次行程的事故数量
- 每 capita 的事故数量
- 每次吨公里行驶的事故数量
- 对事件的响应时间
- 客户对在系统中行驶安全的感知
- 每次 VMT 的事故（或伤亡）次数
- 评价为良好或更好的公路主线路面（或桥梁）的百分比
- 紧急服务的平均响应时间
- 铁路/公路平交道口
- 涉及危险废物的事故数量
运营效率
- 起点-终点行程时间
- 总行程时间
- 从设施到目的地的平均行程时间
- 从设施到主要公路网络的平均行程时间
- 流量/容量比
- 总体模式分配
- 每吨公里的成本
- 平均车辆乘员人数
系统状况和性能
- 低于标准状况的道路/桥梁系统比例
- 年龄分布
- 系统保护
- 评价为良好或更好的公路主线路面（或桥梁）的百分比

额外阅读材料

参考文献

↑ ^a ^b ^c "Road Network". URBAN Securipedia. November 2013. Retrieved 2020-09-10.
↑ ^a ^b "Western Brisbane Transport Network Investigation" (PDF). Queensland Government - Queensland Transport. January 2008. Retrieved 2020-09-14.
↑ ^a ^b ^c "Hierarchy of Roads". Wikipedia. January 2020. Retrieved 2020-09-14.
↑ "Assessing the Feasibility of a National Road Classification" (PDF). ICSM Bi-Annual Meeting. October 2006. Retrieved 2020-09-14.
↑ "Numbered Highways in the United States". Wikipedia. September 2020. Retrieved 2020-09-15.
↑ "英国道路". 维基百科. 2020年8月. 检索于 2020-09-15.
↑ "公路编号系统-中国". Google Sites. 2019年1月. 检索于 2020-09-15.
↑ "新南威尔士州公路路线列表". 维基百科. 2020年9月. 检索于 2020-09-15.
↑ "网格计划". 维基百科. 2020年9月. 检索于 2020-09-16.
↑ ^a ^b ^c "城市街道模式". 检索于 2020-09-16.
↑ ^a ^b ^c ^d 谢锋和戴维·莱文森 (2007年6月). "测量道路网络结构". 约翰威立父子公司. 检索于 2020-09-15.
↑ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j ^k ^l ^m 艾米丽·莫伊兰，季思思，卡森·维杰拉特纳和 S. 特拉维斯·沃勒 (2018年6月). "新南威尔士州交通运输部 (TfNSW) 与综合交通创新研究中心 (rCITI) 合作进行的行程时间可靠性模型开发项目". 新南威尔士大学综合交通创新研究中心. {{cite web}}: 缺少或空 |url= (帮助)CS1 maint: 多个姓名：作者列表 (链接)
↑ 美国国家研究委员会 (2000). "基于绩效的交通规划指南" (PDF). 交通研究委员会. 检索于 2020-09-15.

[securipedia-1] "Road Network". URBAN Securipedia. November 2013. Retrieved 2020-09-10.

[West_Bris-2] "Western Brisbane Transport Network Investigation" (PDF). Queensland Government - Queensland Transport. January 2008. Retrieved 2020-09-14.

[wikihier-3] "Hierarchy of Roads". Wikipedia. January 2020. Retrieved 2020-09-14.

[ICSM-4] "Assessing the Feasibility of a National Road Classification" (PDF). ICSM Bi-Annual Meeting. October 2006. Retrieved 2020-09-14.

[US_Highway-5] "Numbered Highways in the United States". Wikipedia. September 2020. Retrieved 2020-09-15.

[UK_Highway-6] "英国道路". 维基百科. 2020年8月. 检索于 2020-09-15.

[China_Highway-7] "公路编号系统-中国". Google Sites. 2019年1月. 检索于 2020-09-15.

[NSW_Highway-8] "新南威尔士州公路路线列表". 维基百科. 2020年9月. 检索于 2020-09-15.

[9] "网格计划". 维基百科. 2020年9月. 检索于 2020-09-16.

[woqu-10] "城市街道模式". 检索于 2020-09-16.

[David's_Measure-11] 谢锋和戴维·莱文森 (2007年6月). "测量道路网络结构". 约翰威立父子公司. 检索于 2020-09-15.

[Emily-12] ↑ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j ^k ^l ^m 艾米丽·莫伊兰，季思思，卡森·维杰拉特纳和 S. 特拉维斯·沃勒 (2018年6月). "新南威尔士州交通运输部 (TfNSW) 与综合交通创新研究中心 (rCITI) 合作进行的行程时间可靠性模型开发项目". 新南威尔士大学综合交通创新研究中心. {{cite web}}: 缺少或空 |url= (帮助)CS1 maint: 多个姓名：作者列表 (链接)

[13] 美国国家研究委员会 (2000). "基于绩效的交通规划指南" (PDF). 交通研究委员会. 检索于 2020-09-15.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[12]

[13]