论文总字数：42036字

摘 要

轨道交通-共享单车组合出行方式作为城市主要的中长距离低碳出行方式，是“出行即服务（MaaS）”体系构建的重要部分。研究出行者在轨道交通-共享单车出行网络中的路径选择行为和流量分配问题，能够帮助我们准确地掌握轨道交通和共享单车的出行特征，并进一步促进轨道交通和共享单车的系统整合。因此，本论文以轨道交通-共享单车接驳者为研究对象，利用多源数据挖掘接驳乘客的出行特征，构建考虑步行方式的轨道交通-共享单车出行网络，研究出行者在多方式出行网络中的最优路径选择行为，在此基础上研究轨道交通-共享单车出行网络配流问题。

首先，在共享单车订单数据、轨道交通线网和时刻表数据以及城市道路网络数据等多源数据处理的基础上，通过共享单车在轨道交通站点周边的时空分布确定了轨道交通的接驳范围，并分析了各时段接驳和非接驳共享单车出行特征，确定了高峰时段、骑行距离、骑行速度等指标，为轨道交通-共享单车出行网络的构建和出行成本的优化计算方法提供参数标定的依据。

其次，基于出行者个体分析其在轨道交通-共享单车出行网络中的最优路径选择行为。通过K均值聚类得到共享单车的虚拟站点，在此基础上利用ArcGIS软件搭建了包含轨道交通、共享单车、步行的多方式出行网络，并提出了轨道交通-共享单车出行网络的最优路径确定方法。以河西新区为例进行了实证分析，探究了轨道交通发车间隔和共享单车借还车时间对个体在多方式出行网络中出行选择行为的影响。

最后，对前述构建的轨道交通-共享单车出行网络进行配流，提出了一种考虑距离影响的出行成本优化计算方法，并基于Logit-SUE模型分别对共享单车和步行接驳轨道交通的乘客在多方式出行网络中进行配流，最终结合算例进对配流模型进行求解。

关键词： 共享单车; 轨道交通; 交通网络模型; 最优路径; 网络配流

Abstract

As the main low-carbon travel mode for medium and long distance travel in a city, metro-dockless bike sharing travel mode is an important part of the construction of " Mobility as a service" (MaaS) system. Research on travelers' path selection behavior and flow assignment in metro-dockless bike sharing network is helpful to accurately learn the passenger flow characteristics of metro network and further improve the system integration of metro and dockless bike sharing. Therefore, this paper sets traveler as the study object, using multi-source data to find the travel characteristics of people who transfer between different modes. Then, build a metro-dockless bike sharing network, and research the travel route choice behavior of the users. On this basis, assign flow on the network.

Firstly, based on the processing of multi-source data (including shared-bikes’ order data, network and time-table data of metro, and urban road network data), calculate the connection range of shared-bikes through spatial-temporal distribution. The spatial and temporal distribution characteristics of transferred and non-transferred bikers are explored. The indexes such as peak hours, cycling distance and cycling speed are determined, providing a basis for parameter calibration for the construction of Metro-dockless bike sharing network and the optimization calculation method of travel cost

Secondly, focus on the individual traveler, the optimal path selection behavior in the metro – dockless bike-sharing travel network is analyzed. Virtual stations of sharing-bikes are obtained through k-means clustering. On this basis, ArcGIS is used to build a multi-mode travel network including metro, bike sharing and walking, and the optimal path determination method of Metro-dockless sharing bike travel network is proposed. Taking Hexi district as an example, this paper makes an empirical analysis to explore the influence of metro departure interval and dockless sharing bikes borrowing and returning time on individual travel choice behavior in multi-mode travel network.

Finally, based on metro-dockless bike-sharing transportation network, this paper makes a further analysis of the network distribution, develops an optimized travel cost model and a solution with penalty coefficient considering the distance sensitivity. Then, Logit-SUE model is used to assign the traffic flow on the network, and an example was analyzed.

Keyword: Dockless Bike-sharing; Metro; Transportation Network; Optimal Path; Network Traffic Flow Assignment

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1轨道交通-共享单车出行行为研究 2

1.2.2基于网络分析法的路径选择研究 3

1.2.3国内外研究总结 4

1.3 主要研究内容与技术路线 4

1.3.1 主要研究内容 4

1.3.2 技术路线 5

第二章 轨道交通-共享单车接驳行为特征分析 7

2.1 研究地区概况 7

2.2数据获取与处理 8

2.2.1 数据获取 8

2.2.2 数据处理 9

2.3 共享单车接驳轨道交通范围确定 13

2.3.1 确定共享单车接驳范围 13

2.3.2 共享单车出行时空特征分析 14

2.4 本章小结 17

第三章 轨道交通-共享单车的出行网络构建 18

3.1 轨道交通-共享单车出行网络概念 18

3.2 考虑步行的轨道交通-共享单车多方式网络构建 19

3.2.1 多方式出行网络构建方法 19

3.3.2 基于K均值聚类的虚拟共享单车站点 23

3.2.3 基于ArcGIS Network Analyst扩展模块的网络分析 24

3.2.4 基于Dijkstra算法的最优路径求解 25

3.2.5 轨道交通-共享单车网络的GIS实现方法 26

3.3 实例分析 27

3.3.1 研究区域和数据 27

3.3.2 网络构建 28

3.3.3 网络属性及参数标定 29

3.3.4 操作示例 32

3.3.5 最优路求解结果 34

3.4 参数研究 36

3.5 本章小结 37

第四章 基于Logit-SUE的轨道交通-共享单车出行网络配流模型 38

4.1 网络配流问题 38

4.2 出行成本计算模型 38

4.2.1 出行时间成本的计算 38

4.2.2 惩罚系数计算 40

4.3 基于Logit-SUE的网络配流模型 40

4.4 算例分析 42

4.4 本章小结 46

第五章 结论与展望 47

5.1 研究内容和主要结论 47

5.2 论文创新点 48

5.3 研究不足与展望 48

参考文献 49

致谢 52

第一章 绪论

1.1 研究背景及意义

城市经济的不断发展和居民生活水平的逐步提高使得居民的交通出行需求日益多元化、差异化。如何深刻地理解居民的出行需求，为其提供合适的交通方式和推荐的路径选择是满足居民多元化的交通需求和保证居民高品质出行的关键问题。同时，城市日益增长的交通量和道路网有限的承载能力共同导致了城市严重的交通拥堵与环境污染问题，缓解城市交通拥堵和城市污染也是我国经济社会发展中的重中之重。“MaaS，出行即服务”这一理念的提出为我们解决这些难题提供了新的思路。MaaS意在通过深刻理解公众的出行需求，将多种交通出行方式融合在统一的服务体系与平台上，并以此为基础利用大数据进行决策，以实现优化资源配置、并满足出行者需求，最终通过统一APP提供服务^[1]。

为了缓解道路网承担的巨大交通压力，我国提出了优先发展公共交通的策略。城市轨道交通作为主要的公共交通方式，具有客运流量大、准时性高、速度快、安全性高、环保等优点，能够显著提高大城市交通出行的客流，是缓解城市交通拥堵和改善城市环境的关键。然而，城市轨道交通并不能满足居民“门到门”的出行需求，为了解决出行的“最后一公里”问题，需要其他末端交通方式与轨道交通相互协调配合，自行车正是轨道交通的有效接驳方式之一。近年来，随着互联网和共享经济的发展，共享单车逐渐兴起，共享单车不同于传统的公共自行车，没有固定的自行车站点，借还车不受时间空间及限制，灵活性更强，其作为一种中短距离的交通出行方式，与主要服务于中长距离的轨道交通互相连接，扩大了轨道交通的辐射范围，极大地提高了轨道交通的吸引力，显著地改善了“最后一公里”问题。

剩余内容已隐藏，请支付后下载全文，论文总字数：42036字