0 引言

随着我国市场经济体制的逐步完善和综合国力的进一步增强，国民经济有了前所未有的发展，同时带来了诸如城市人口及车辆数量的急剧增加、城市环境恶化、堵车现象严重、消耗能源量提高、城市内行车难等影响城市经济正常发展及居民正常生活的重大社会问题。在这样的背景下产生了单向交通。单向交通又称作单向线交通，是指单向道上的车辆仅能按一个方向行驶。在城市道路交通系统中，若对城市中某条道路考虑组织单向交通，将会使种种难以解决的交通问题得到明显的缓解和改善。单向交通因其在城市道路交通系统中能够很好地解决交通拥挤等问题，在我国被很多地方政府所采纳以减缓日益增加的交通压力。但现实情况是，大多数城市的单向道交通评价体系并不能与实际交通状况相适应^[1]，造成难以对单行交通实施准确、实时的可行性评价的现象。

近年来，随着计算机通信网络基础设施的不断改善，以网络技术和空间数据处理为核心功能的WebGIS技术以其强大的空间数据管理和分析、数据动态实时更新、服务可扩展性强及内容形象直观等特点广泛应用到各个领域^[2]。本文应用WedGIS中的优秀代表——百度地图API，从宏观和微观两个方面入手进行传统评价指标的选定，创新性地设计与之相适应的平均通畅程度和商圈集中度两个指标并确定其评价标准, 利用层次分析法确定各个指标的权重，建立多指标综合评价模型，以获得对城市单行道交通的评价值。

1 评价指标体系的构建 1.1 评价指标体系的结构分析

为了满足单向交通整体性、相关性、动态性、最优性、综合性的特点，充分体现评价指标的实用性、可测性、独立性、科学性、可比性、完备性的原则，本文从宏观和微观两个角度选取、制订评价指标，从而构建单向交通评价体系。

宏观评价主要是面向研究路网，从系统工程的角度出发，全面考虑当前城市交通运行的一般特性。对单向交通的宏观评价通常需结合可达性和机动性，对研究交通系统在单向交通管理方案下的运行状况进行定量分析^[3]。根据建立宏观评价体系的上述原则，参考相关的研究成果，结合本文的研究对象和具体情况，选取传统评价指标：以道路平均车速反映单向交通的机动性；以单车平均出行时间缩短率反映单向交通的可达性。

微观评价体系面向的对象是交通系统中特定点和段的交通运行质量^[4]，对于实施单向交通的城市道路通常都存在着一些重要的路段和枢纽点，它们不仅决定了道路的服务质量，而且对于单向交通评价而言，其评价的合理性和准确性也尤为重要。城市单行道交叉口通常是交通信号交叉口，等待时间过长不仅意味着较高的经济费用，而且对道路通畅也是较大的负担；路段是城市交通系统的重要组成部分之一，路段的通行质量在很大程度上反映了单向交通的畅通情况；道路环境是指各种天然的和经过人工改造的因素的总和，城市道路交通畅通与否在一定程度上是由道路周围的商铺等地物的集中程度及其规模决定的^[5]。基于以上考虑及单向交通的具体情况，决定选取单车道转向双 (单) 车道的等待时间、道路平均通畅程度和商圈集中度反映单行道交叉口、路段及道路环境对单向交通运行质量的影响。

1.2 评价指标的定义及计算

单向交通的宏观层次包括：平均车速、单车平均出行时间缩短率。

平均车速^[6]为：

(1)

式中，L为单行方案实施后道路的行车里程数；T为单行方案实施后道路的行车小时数。

考虑我国城市路网平均车速的分级，制订平均车速的评价指标，见表 1。

单车平均出行时间缩短率为：

(2)

式中，T₀和T₁分别为方案实施前后道路的行车小时数；n为道路出车数。

根据相关文献，经过实地验证，制订单车平均出行时间缩短率评价指标，见表 2。

单向交通的微观层次包括：单车道转向双 (单) 车道的等待时间、单车平均出行时间缩短率、道路平均通畅程度、商圈集中度。

单车道转向双 (单) 车道的等待时间指信号交叉口各流向车辆等待时间的加权平均值，计算公式为：

(3)

式中，W_i为第i个流向的平均等待时间；ω_i为第i个流向的权重。

经过反复的实地验证，采用相关文献[7]中的观点，制订交叉口等待时间的评价指标，见表 3。

道路平均通畅程度具体功能的实现过程是：通过百度地图API的调用，对一段时期的交通流量进行监测，对各路段交通流量的级别进行统计，当该路段在某时期内的通畅/缓行/拥堵的天数占总天数的比例超过50%则判定为通畅/缓行/拥堵，最终获取缓行/拥堵的公里数k占道路总公里数K的比例，完成路段通畅度的评价。

根据相关研究中对相关单行交通的评价情况，通过百度地图API对相同对象进行数据采集，获取其平均通畅程度，制订道路平均通畅程度评价指标，见表 4。

研究道路周围的商圈集中度作为评价指标，其具体的功能的实现过程是：通过对百度地图API的调用，获取道路周围不同比例尺下所显示的店铺的中心位置、名称，针对这些店铺建立不同级别的缓冲区，以模拟其对道路的影响程度; 根据影响道路缓冲区的重叠层数n占缓冲区总数N的比值c，对整条道路中各路段环境进行评价; 根据相关研究中对相关道路交通的评价情况，通过百度地图API对同一研究对象、不同规模的道路四周商铺进行数据采集，获取各路段商圈集中度，制订路段评价指标指标，见表 5。

获取各个路段环境评价后，通过式 (4) 得到整条道路的环境评价：

(4)

式中，c_i为整条道路中对各个路段的环境评价值；w_i为对该路段造成影响的店铺个数占所有店铺总数的比值。通过以上研究，计算相应研究对象的商圈集中度，制订整条道路的商圈集中度评价指标，见表 6。

1.3 评价方法

本论文采用层次分析法作为系统的评价方法。该方法是对定性问题进行定量分析的一种简便、灵活、实用的多准则决策方法，特点是可以把复杂对象中的各种影响因素划分为相互联系的有序层次，使之条理化，以完成测定对象的有关属性并将其转化为主观效用的工作^[8]。

首先，构建对决策问题的递阶层次结构模型。一般采用的层次结构模型是：目标层-准则层-指标层，可以根据具体方案情况适当调整各个指标、准则的个数以及整体的深度。

其次，根据递阶层次结构所决定的各个元素之间的关系及其相对重要性的比例标度表 (见表 7)，判断各个指标要素之间的相对重要度，组成判断矩阵 (见表 8)。

需要注意的是：当需要表示后一个因素比前一个因素的重要性时，只需将上述标度取倒数就可以得到相应的标度^[9]。

由于客观对象的复杂性和不同人群对同一对象认识上的局限性和多样性，构造判断矩阵时往往会出现判断不一致的情况，所以必须进行一致性检验，以验证判断矩阵建立的合理性。具体方法是：

(1) 计算判断矩阵各元素b_ij的和V_i

(5)

(2) 将V_i进行归一化，得到各要素在单一准则下的相对权重W_i

(6)

(3) 计算判断矩阵的最大特征值λ_max

(7)

式中, M为指标数目；B_i表示判断矩阵B中的元素。

(4) 计算一致性指标CI

(8)

(5) 计算一致性比例值CR

(9)

式中RI为平均随机一致性指标，其值见表 9。

当CR < 0.1时，即认为判断矩阵具有符合要求的一致性，否则需要对判断矩阵重新进行调整，直至具有合格的一致性为止。

最后，经过对判断矩阵的以上计算和检验，获取评价对象的准则层A相对于其目标层U的权重 (b₁, b₂, …, b_n)、评价对象的指标层P相对于其准则层A的的组合权重 (W₁₁, W₁₂, …, W_1n, …，W_n1, W_n2, …, W_nn)，那么指标层P相对于目标层U的权重 (W₁, W₂，…, W_n) 的计算式为^[10-11]：

(10)

经过上述计算，得到各指标值及其权重，最终计算得到研究对象的整体评价值。经过对相关研究中单行道的观测、评价，获取相应对象基于本评价体系的评价值并与原评价结论的比较、分析，对研究对象是否具有承载当前交通流量的能力进行判定，制订单行道交通承载能力评价指标，见表 10。

2 百度地图API的功能设计

通过对百度地图API的调用，实现研究道路的显示、道路平均通畅度和商圈集中度的数据的采集。主要步骤为：

(1) 引入相关的CSS和库文件：

< link href=""rel="stylesheet"type="text/css" />

< script type="text/javascript"src="">

(2) 页面布局设计^[12]

< style type="text/css">

body, html{width: 100%;height: 100%;margin:0;font-family:"微软雅黑"; }

#allmap{height:500px; width:100%;}

#r-result{width:100%;}

< /style>

< body>

< div id="allmap"></div>

< div id="r-result">

< input type="button" onclick="add_overlay (); " value="AddOverLay" />

< input type="button" onclick="remove_overlay (); " value="RemoveOverLay" />

< /div>

< /body>

(3) 显示地图并对地图进行初始化

< script type="text/javascript" src="v=2.0&ak=密钥">

(4) 添加控件

var mPoint=new BMap.Point (102.70398, 25.066961);

map.centerAndZoom (mPoint, 15);

map.enableScrollWheelZoom ();

map.enableContinuousZoom ();

map.addControl (new BMap.ScaleControl ());

var navigationControl=new BMap. Navigation Control ({

anchor: BMAP_ANCHOR_TOP_LEFT,

type: BMAP_NAVIGATION_CONTROL_LARGE, enableGeolocation: true});

map.addControl (navigationControl);

(5) 显示实时路况并启用点击鼠标获取坐标功能

var ctrl=new BMapLib.TrafficControl ({show Panel: false});

map.addControl (ctrl);

ctrl.setAnchor (BMAP_ANCHOR_BOTTOM_RIGHT);

map.addEventListener ("click", function (e){alert (e.point.lng+", "+e.point.lat); });

(6) 道路模型的建立

var polyline=new BMap.Polyline ([

new BMap.Point (102.700360, 25.069600), new BMap.Point (102.703881, 25.068761), …],

{strokeColor:"blue", strokeWeight:2, stroke Opacity: 0.5});

function add_overlay (){map.addOverlay (polyline); }

3 试验

运用上述评价体系对云南省昆明市五华区学府路单向交通进行评价。学府路东至龙泉路，西连G108，道路衔接民院路、莲花池正街、建设路、红山北路、普吉路，云南师范大学、昆明理工大学、云南民族大学等著名院校均座落在该路段上，在交通位置上有重要意义。

3.1 试验数据分析

试验通过实地调查及百度地图API两种方法获取相应评价数据，完成昆明市学府路单行道交通评价。

通过实地调查方法获取的评价数据包括平均车速P、第i个流向的平均等待时间W_i等。应该注意的是，为了提高评价精度，使评价结果更符合实际情况，评价数据至少需要获取3组，经过人工剔除粗差，根据实际情况选取其最或是值、中位数，最后得到相关评价数据。主要评价数据见表 11、表 12。

2015年的调查结果显示，西站立交L₁、小菜园立交L₂、工人医院路口L₃(滇缅大道与西园北路交叉口)、氧气厂路口L₄(学府路与普吉路交叉口)、教场中路路口L₅(学府路与教场中路交叉田)、民院路口L₆(一二一大街与民院路交叉口) 车辆排队长度不断加长，对城市交通以及居民出行影响较大，本试验将基于以上路口对不同流向的平均等待时间进行采集。

通过实地调查，在学府路禁左行驶后，附近居民平均绕行2 km，由于不同的绕行路线的限制，考虑周围路网的承载力水平，将平均车速确定为15 km/h, 居民平均绕行时间为8 min。经过实地验证，基本可以保证平均绕行时间接近实际情况^[13]。

通过百度地图API实时获取交通监测数据，作为本评价系统的重要数据源之一，对其获取方法以及数据质量进行分析，以验证其应用于单行道交通评价的合理性。

对于平均通畅程度，按照一定的时间间隔，根据不同路段的实时交通情况人工获取该路段两端坐标及其车速，经过一定时间的观测，计算路段车速的最或是值，最后根据百度地图API对交通流量的定义，建立道路平均通畅程度模型。表 13为某时段学府路实时路况数据采集表。

对于商圈集中度，依据百度地图API在不同比例尺下所显示的商铺具体情况，获取相应比例尺下商铺的中心点位置，建立大小不同的缓冲区，统计缓冲区与道路模型的重叠层数n及缓冲区总数N，最终得到道路周围商铺对单行道交通的影响程度。表 14是不同比例尺下部分商铺及日均车流量数据采集表。

通过对以上两个数据源的多次实地验证，发现相应路段的平均车速与模型所反映的情况基本吻合，不同规模商铺的日均交通流量基本可以对应不同比例尺下所建立的商圈缓冲区，从而真实反映道路环境对单行道交通的影响情况。

3.2 建立评价体系

经过比较，将宏观评价和微观评价作为准则层；将道路平均车速P₁和单车平均出行时间缩短率P₂作为宏观评价的指标层，将单车道转向双 (单) 车道的等待时间P₃、路段的平均通畅程度P₄、商圈集中度作为微观评价的指标层P₅。学府路单行道交通评价平台功能图见图 1。

3.3 建立判断矩阵

根据前面所确定的层次结构，确定准则层A相对于目标层U的判断矩阵U-A见表 15。

指标层P₁，P₂相对于准则层A₁的判断矩阵P_Ⅰ-A₁见表 16。

指标层P₃~P₅相相对于准则层A₂的判断矩阵P_Ⅱ-A₂见表 17。

3.4 一致性检验及权重向量的确定

结合以上所论述的方法即可求得各指标的单层权重，下面对各矩阵进行一致性检验:

对判断矩阵U-A和P_Ⅰ-A₁进行一致性检验：RI=0，CR=0 < 0.1，W_A1=0.5，W_A1-p1=0.75，W_A2=0.5，W_A1-p2=0.25。

对判断矩阵P_Ⅱ-A进行一致性检验：λ_max=3.053 7，RI=0.520，CR=0.051 634 6＜0.1, W_A2-P3=0.273 97，W_A2-P4=0.575 34，W_A2-P5=0.150 68。

指标层相P相对于目标层U的权重为：W_U-P1=0.375，W_U-P2=0.125，W_U-P3=0.137，W_U-P4=0.288，W_U-P5=0.075。

3.5 指标评价

为了更加真实地反映学府路单向交通的实际情况，增加数据采集时段的多样性，在2016年4月5日到2016年5月3日进行试验。借助百度地图API对其进行为期29 d的监测，发现车辆通行级别为缓行的路段为3.52 km，占总长的82.86%(统计情况见图 2)。同时，对路网进行模拟，针对不同规模的对象，建立不同级别的缓冲区。通过分析，发现受到叠加影响的路段公里数为3.6 km (统计情况见图 3)。

需要说明的是，由于沿路有若干所占地较多的大学，会造成少量地区商圈集中度和道路畅通情况不匹配的现象，但这恰好可以借助层次分析法的权重加以弥补。

根据各个指标的分级情况，插值得到各个指标的评价值，见表 18。

结合各个指标的权值可得学府路评价值为0.365 24，这表明学府路交通承载能力较弱，交通流量已经达到饱和的状态。

昆明市城市交通研究所公布的交通流速统计图 (见图 4) 显示，学府路单行道在10多个路口位置会出现公交车速度在10 km/h以下的情况，大部分路段的时速为10~15 km/h。最新数据显示，目前昆明机动车保有量已经突破215万辆，而2008年1月1日对学府路配对单行时，昆明市机动车保有量只有90万辆，昆明市实际交通出行量确实已经超过了道路承载能力，其中一二一大街、学府路为单行系统中的重要节点，由于建成年代较早，交通功能已经难以承担当前城市交通的实际需求，其评价结论为：学府路交通流量已经达到饱和的状态。

通过本文的评价结果 (所用模型称之为评价模型) 与昆明市城市交通研究所公布的交通流速统计图 (所用模型称之为参照模型) 进行对比，将各项对比指标统计成表 19。

4 结论

本文从实际出发，通过宏观和微观两个方面入手进行了传统评价指标的选定。在此基础上，创新性地设计了两个与百度地图API相适应的评价指标并建立了匹配的评价标准，使之能够恰当地结合于单行道的评价模型。结合实地调查及政府公布的数据，证明新建立的评价指标可以准确、恰当地描述城市交通状况；百度地图API能够凭借自身自动、实时的特点，完成对指定道路的全天候监测，使评价体系更加稳定、客观, 在现实工作中具有一定的科学性和实用性，对下一步的决策有一定的指导作用。