基于ArcGIS及聚类分析的城市公交场站布局规划

基于ArcGIS及聚类分析的城市公交场站布局规划

0引言

随着我国大、中型城市交通富贵病的出现，使得优先发展公共交通且保证交通一体化发展，成为解决我国大中城市交通问题，保证城市可持续发展的必由之路。因此，公交场站的系统规划布局显得日益重要，其布局的合理与否，决定着公共交通的协调性与可持续性，对城市一体化交通系统运作效率影响重大。

1研究现状及问题分析

目前，国内外城市公交场站选址规划归纳起来有三种方法：一是连续模型法，主要应用重力模型，不限于特定的备选地点进行选择，灵活性较大。但是由于自由度大，实际上很难找到最优的地址，因为选中的某一地址，可能位于河流中、建筑物上，无法选用。二是离散模型法，该法认为场站的备选点是有限的几个场所，只能按照预定的目标从中选取，如果基础数据完备，用该方法得到的结果，比较符合实际，但计算工作量大，需要的基础资料很多。三是专家咨询法，即专家凭各自的经验和专业知识对咨询的选址做出回答，决策结果受专家知识结构、经验及所处位置、时间的影响，只对有限的几个地点，请专家决断比较有效；若以城市为研究对象，备选地点很多，则很难判别。

本文提出用ArcGIS及聚类分析法来进行城市公交场站规划，既考虑了多因素对场站布局的影响，又采用了科学的计算方法进行场站布局计算，定性与定量相结合，使城市公交场站布局规划更具合理性、科学性和可操作性。

2基于ArcGIS及聚类分析的城市公交场站规划方法模型

本文提出的城市公交场站规划思路是：首先根据预测公交车辆数量与现状场站规模计算出城市公交场站规划缺口；然后在ArcGIS中根据城市交通规划确定城市各分区的公交场站初始方案；综合考虑影响城市公交场站布局规划的主要因素——场站备选点交通客流量，交通方式等指标，运用聚类分析法，计算最适合设置公交场站的点。对城市各区重复上述步骤，最终得到城市公交场站规划布局方案。

研究路线如图1所示：

图1 基于ArcGIS 及聚类分析的城市公交场站规划模型

3 ArcGIS 在城市公交场站规划中应用

根据现有公交线路、未来年规划的公交线路、公交线路的首末站情况初步确定城市各区公交场站备选点位置及用地规模。确定顺序依次是停车场、保养场，确定依据是城市公交站、场、厂设计规范。

4 系统聚类法在城市公交场站规划中应用

聚类分析是将事物按相似度进行分类，并寻找同类事物最突出者相似的对象分类其主要研究内容是如何度量相似性及怎样构造聚类方法，虽然该方法的理论尚待完善，但其却已广泛应用于实际问题。常用的聚类分析法包括：系统聚类法、动态聚类法、模糊聚类法。本文将采用系统聚类法。

系统聚类法运用于城市公交场站规划的基本思路及步骤如下:

(1)构建聚类分析分类和指标集，构建聚类分析矩阵

先将规划区域内各备选场站点各自看成一类，分别记为第G i 类,i=1,2,3……n,形成研究对象分类集｛G i ｝。

第G i 类研究对象的影响因素均用一组指标集{ X ij } 表示 ( j = 1 , 2 , ……, s )。对于城市公交场站规划，影响因素指标集{X ik }为：

● X i1: 备选场站点的可用地量；

● X i2：备选场站点的愿景客流需求；

● X i3：备选场站点可接驳交通方式总类；

● X i4……。

其中X i4及其后指标是为了保留影响指标的扩展性设置的。

根据城市公交场站备选点分类和各类指标集，构建用于城市公交场站规划聚类分析矩阵｛P ixj ｝。

(2)指标集归一化处理

在将指标集应用与聚类计算时，需要对各公交场站备选点的指标进行单位归一化处理，以便消除指标集中各指标的量纲，指标归一化处理的方法有两种： ● 最大最小标准。本方法是将公交场站备选点的指标集中参数X ij 按照数据标准化模型进行归一化处理，模型如式(1)：

)]min()/[max()]min([X 'j j j X ij ij --= (1)

其中，'X ij ，ij X 分别是场站备选点i 指标集中第j 参数归一化后和归一化前的值。max(j),min(j)分别为各场站备选点参数集中第j 类参数最大值和最小值。

● 系统归一化法。本方法是将场站备选点中的一个随机点的指标集参数作为归一化的基础参数，将其他场站备选点指标集中参数与基础参数相除，得到各备选场站点归一化后的参数集。归一化计算式如式(2)：

⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧==mj ij m i i X X G G G '

(2) (3)各类相似度计算，即聚类计算。

根据聚类分析计算方法，定义两类之间的相似度如下:

设Gr 与Gs 为两个场站备选点类，以Dim 表示Gr 类中的第i 个公交场站备选点与Gs 类中第j 个公交场站备选点间的相似度(亦称距离) ，则，

D 1 ( r , s ) = min { Dim | i ∈Gr , m ∈Gs } (3)

称D 1为Gr 与Gs 之间的最短距离( i , m = 1 ，2 ， ……， n ) 。计算Dim 时常采用欧氏距离(即i ，m 分别构成的向量2范数) ， 其公式如式(4)：

∑=-=s j mj

ij im x x D 12)( (4)

通过计算各场站备选点（类）的相似度, 将这n 类中最相似的两个类合并成

一个新类, 这样得到n - 1 类；重复步骤(3)，再在这n- 1 类中找出最相似的两类合并, 得到n - 2 类，依次进行聚类计算，直到符合计算停止条件。计算停止条件如下：

●如果在该城区中只选择一个地点设置场站，则需要将聚类计算进行到所有备选点聚为一个大类为止。此时称为聚类计算终止。

●如果在该城区中不止设置一个场站，还要设置其他一般等级场站，则不需要将聚类计算到终止，只需计算到满足全部场站个数个分类时停止，聚类结果是一个有序点列。此时可以称为聚类计算暂停。

（4）聚类结果与城市公交场站布局的关系

依据上述聚类计算的结果，按照聚类结果中点类的排序就可以确定不同等级场站的选址。对于只有一个大类的聚类结果，选最后被聚类的备选点类作为场站选址地点；对于有序点列，以被聚类的逆序进行排列，在前的属于高级点类，可作为综合公交场站选址点，依次是等级逐渐降低的公交场站选址点。逐一对各个城市分区的公交场站位置确定，最终确定了整个城市公交场站布局规划方案。

References (参考文献)

[1]Wang Qin, Wang Wei. Urban transportation hub planning method[J]. Transportation Systems

Engineering and Information,2004.

王钦,王炜. 城市公交枢纽规划方法[J]. 交通运输系统工程与信息,2004.

[2]Wu Yi, Li Yongle, Hu Qingjun. Mathematical Statistics[M]. National Defense University

Press,1995.

吴翊, 李永乐, 胡庆军. 应用数理统计[M]. 国防科技大学出版社, 1995.

[3]Han Liyan, Wang Peizhuang. Fuzzy Math[M]. Bei Jing: Capital University of Economics

Press,1989.

韩立岩, 王培庄. 应用模糊数学[M]. 北京: 首都经济贸易大学出版社, 1989.