基于用户感知的城市道路交通服务水平评价方法

第４４卷第５期　２０１６年５月　同济大学学报（自然科学版）　Ｊｏ１珉ＮＡＩ，０Ｆ　Ｔ０ＮＧＪＩ　ＵＮＩＶＥＲＳＩＴＹ（ＮＡ　瓜ＡＩ，ＳｃＩＥＮＣＥ）　Ｖ０ｌ＿４４　Ｎｏ．５　Ｍａｙ　２０１６　文章编号：０２５３—３７４Ｘ（２０１６）０５—０７５３—０５　ＤＯＩ：１０．１１９０８／ｊ．ｉｓｓｎ．０２５３．３７４ｘ．２０１６．０５．０１５　基于用户感知的城市道路交通服务水平评价方法　郑玲钰，赵益，王忠宇，吴兵　（同济大学道路与交通工程教育部重点实验室，上海２０１８０４）　摘要：从用户感知的角度构造了适用于服务水平评价的各聚　实际上是道路使用者从道路状况、交通条件、道路环　类指标的白化权函数，提出了城市道路交通服务水平评价体　境等方面得到的服务程度和服务质量Ｌ２］．　系．用此方法对上海市浦东新区部分路段的服务水平进行评　价，并与问卷打分结果及仅考虑交通设施的服务水平评价结　果进行对比．结果表明，基于用户感知的灰类白化权函数聚　类的城市道路交通服务水平评价方法能较好地与主观评分　结果匹配，具有较高的精度．　关键词：城市道路；服务水平；用户感知；灰色聚类；白化　权函数　中图分类号：Ｕ４９１　文献标志码：Ａ　道路交通服务水平的概念最早在１９６５年的美　国《道路通行能力手册》（Ｈｉｇｈｗａｙ　Ｃａｐａｃｉｔｙ　Ｍａｎｕａｌ，ＨＣＭ）中提出＿３］．此后，各国相关研究机构　也在服务水平评价体系构建方面展开了大量的研究　工作．从国内外量化服务水平的评价指标看，主要包　括路段平均行程速度与路段自由流车速之比（云／　），路段流量与路段通行能力之比（ｖｏｌｕｍｅ－ｔｏ－　ｃａｐａｃｉｔｙ　ｒａｔｉｏ，　Ｃ），密度，平均行程时间和行程速　主要运用的算法包括聚类分析法、模糊综合评　Ｌｅｖｅｌ　ｏｆ　Ｓｅｒｖｉｃｅ　Ｅｖａｌｕａｔｉｏｎ　ｏｆ　Ｕｒｂａｎ　Ｓｔｒｅｅｔｓ　度等；Ｂａｓｅｄ　ｏｎ　Ｕｓｅｒ　Ｐｅｒｃｅｐｔｉｏｎ　ＺＨ／￣Ｇ　Ｌｉｎｇｙ￣，Ｎ－ＩＡＯ　Ｙｉ，ＷＡＮＧ　Ｚｈｏｎｇｙｕ，ＷＵＢｉｎｇ　（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｒｏａｄ　ａｎｄ　Ｔｒａｆｆｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　ｏｆ　ｔｈｅ　Ｍｉｎｉｓｔｒｙ　ｏｆ　判方法、灰色系统理论和交通流理论模型等［４　］．然　而，上述各评价体系主要从交通设施的角度进行划　分，少有从用户感知角度进行评价，考虑用户感知的　研究集中在连续流交通设施且以专家评分作为主要　评价方法［８　］．从概念和实际应用出发，服务水平更　Ｅｄｕｃａｔｉｏｎ，Ｔｏｎｇｊｉ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２０１８０４，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｎ　ｅｖａｌｕａｔｉｏｎ　ｍｅｔｈｏｄ　ｏｆ　１ｅｖｅ１　ｏｆ　ｓｅｒｖｉｃｅ（Ｌ０Ｓ）ｆｏｒ　ｕｒｂａｎ　ｒｏａｄｓ　ｃｏｎｓｉｄｅｒｉｎｇ　ｕｓｅｒ　ｐｅｒｃｅｐｔｉｏｎ　ｗａｓ　ｐｒｏｐｏｓｅｄ　ｂａｓｅｄ　应该从用户感知的角度进行评价．　本研究在考虑多源信息获取可行性的基础上，　提出基于用户感知的城市道路服务水平评价指标，　并以此构建城市道路服务水平评价体系，为城市道　路交通管理与控制提供决策依据．　ｏｎ　ｔｈｅ　ｇｒｅｙ　ｗｈｉｔｅｎｉｚａｔｉｏｎ　ｗｅｉｇｈｔ　ｆｕｎｃｔｉｏｎ　ｔｈｅｏｒｙ．Ｔｈｅ　ｗｈｉｔｅｎｉｚａｔｉｏｎ　ｗｅｉｇｈｔ　ｆｕｎｃｔｉｏｎｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｉｎｄｉｃｅｓ，ｗｈｉｃｈ　ｉＳ　ｓｕｉｔａｂｌｅ　ｆｏｒ　Ｌ０Ｓ　ｅｖａｌｕａｔｉｏｎ，ｗｅｒｅ　ｃｏｎｓｔｒｕｃｔｅｄ．Ａ　ｔｅｓｔ　ｏｆ　Ｌ０Ｓ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｓｅｖｅｒａｌ　ｕｒｂａｎ　ｓｔｒｅｅｔｓ　ｉｎ　Ｐｕｄｏｎｇ　Ｄｉｓｔｒｉｃｔ，　Ｓｈａｎｇｈａｉ　ｗａｓ　ｃｏｎｄｕｃｔｅｄ．Ｔｈｅ　ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｔｈｅ　ｍｏｄｅｌ　ｗａｓ　ｅｘａｍｉｎｅｄ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｃｏｍｐａｒｉｓｏｎｓ　ｗｉｈ　ｔｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｃｏｒｉｎｇ　１　基于灰色聚类的服务水平评分方法　灰色系统理论以“部分信息已知，部分信息未　ａｎｄ　Ｌ０Ｓ　ｅｖａｌｕａｔｉｏｎ　ｗｉｔｈｏｕｔ　ｔａｋｉｎｇ　ｕｓｅｒ　ｐｅｒｃｅｐｔｉｏｎ　ｉｎｔｏ　ｃｏｎｓｉｄｅｒａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｕｒｂａｎ　ｒｏａｄｓ；ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ；ｕｓｅｒ　ｐｅｒｃｅｐｔｉｏｎ；　ｇｒｅｙ　ｃｌｕｓｔｅｒ；ｗｈｉｔｅｎｉｚａｔｉｏｎ　ｗｅｉｇｈｔ　ｆｕｎｃｔｉｏｎ　知”的“小样本”、“贫信息”不确定性系统为研究对　象，通过对“部分已知信息”的开发，实现对系统运行　行为、演化规律的正确描述和有效监控［１０－１１］．城市道　路服务水平评价系统属于典型的灰色系统．　基于灰类白化权函数的服务水平评分算法，是　道路交通服务水平是指将复杂的交通状态通过　量化的指标划分为几个等级来表示用户对交通设施　以处于不同交通状态的路段作为聚类对象，计算该　提供的服务的感知情况［１］，城市道路交通服务水平　路段在不同服务水平下的综合评价值，进而对该路　收稿日期：２０１５—０５—２７　基金项目：国家自然科学基金（５１１３８ＯＯ３）　第一作者：郑玲￣（１９９１－－），女，博士生，主要研究方向为交通管理与控制，动态交通分配．Ｅ－ｍａｉｌ：４１２５ｌｙｎｎｚｈｅｎｇ＠ｔｏｎｇｊｉ．ｅｄｕ．ｃａ　通讯作者：吴兵（１９６０一），男，教授，博士生导师，工学博士，主要研究方向为交通系统分析与优化设计，交通拥挤管理与控制．　Ｅ－ｍａｉｌ：ｗｕｂｉｎｇ＠ｔｏｎｇｊｉ．ｅｄｕ．ｃｎ　第５期　郑玲钰，等：基于用户感知的城市道路交通服务水平评价方法　式中：　为调查所需的样本量；Ｐ为样本变异程度，取　标时，分别从客观状态和感知情况两方面进行考虑．　０．５；　为期望调查结果的精度；Ｚ为期望调查结果的　置信度，９５　置信度下为１．９６；Ｎ为总体规模．　从客观状态看，城市道路交通流运行状态的客　观评价指标包括设施供给水平和设施运行状态两方　５　］．为保证客观指标在不同设施间的可比　考虑到问卷的回收率，所需调查问卷为３８４．１５／　面内容［（１—１Ｏ　）＝４２７份．此次调查问卷共回收５１７份，筛　性，在选用客观指标时，采用量纲一的参数进行比　选后得到有效问卷４９６份，问卷的有效率为９５．９　，　较．同时，考虑到兼顾设施供给水平和运行状态的评　满足调查问卷的数量要求．　分取平均值，得到该路段在该时刻的服务水平．设图　价指标，结合已有研究中常用于服务水平评价的参　从感知情况看，出行者对车速感知的精确度约　４　］，在客观指标中选取　／　和ｖ／ｃ两个参数．　在计算主观评分时，对相同路段同时间段的评　数［２中由起点沿黑线所示方向至终点为一圈（含１８条　为６Ｏ　，而出行者对路段流量并无直观感受，仅凭　路段），视频按照早高峰、平峰和晚高峰分别拍摄了　云／　及ｖ／ｃ两个参数难以全面的反映用户感知的　三圈、四圈和四圈的状态，共计１９８条评分数据．　服务水平Ｅｌ４］．在相同的行程车速下，速度标准差（　）　较大的车辆上的出行者感知的舒适度更差且车辆安　３基于用户感知的城市道路服务水平　评价　全隐患更大［１引，这无疑会影响出行者对服务水平的　评价．　综上，本研究选用　／　，ｖ／ｃ及　这３个参数作　本研究的城市道路路段概念如图３所示，交叉　为服务水平评价的指标．　口的服务水平评价不在本研究的范围内．　３．２评价指标阈值的确定　结合ＨＣＭ２０１０的算法对　／　ｆ的阈值划分［１］，　得到表１所示的　所设置的阈值．　本研究运用小波分析的理论确定　的阈值划　分．其中，　的数据选用研究时段内研究区域全部浮　动车数据以Ｌ　５　ｍｉｎ为间隔，共２４０条数据．考虑到　相邻的重构信号性质相似，选用第２，４，６级信号为　阈值［１　，获得表１的阈值划分．　图３城市道路路段概念［１　Ｆｉｇ．３　Ｃｏｎｃｅｐｔｉｏｎ　ｏｆ　ｌｉｎｋ　ｏｆ　ｕｒｂａｎ　ｓｔｒｅｅｔ　选用研究时段内研究区域全部路段的ｖ／ｃ数　据，以５　ｍｉｎ为统计间隔，共获得１　２９６条Ｖ／Ｃ数据，　运用软件ＳＰＳＳ进行单样本Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ　３．１评价指标的选取　服务水平包含两层含义，即交通运行的客观状　（Ｋ－Ｓ）检验．在Ｋ－Ｓ检验中，Ｚ值为０．８８０，Ｐ值为　数据呈近似正态分布．依据正态分布　态和道路使用者对其的感知情况．因此，在选取评价　０．４２１＞０．０５０，建立的　参数时，既应考虑所选取参数能反映交通流运行状　的３　和１．２３ａ原则对ｖ／ｃ的阈值进行划分，　态，又应考虑该参数能被道路使用者感知．在选取指　服务水平与主要影响因素的关系如表１所示．表１服务水平与主要影响因子的关系　Ｔａｂ．１　Ｒｅｌａｔｉｏｎｓｈｉｐ　ｂｅｔｗｅｅｎ　ＬＯＳ　ａｎｄ　ｉｔｓ　ｍａｉｎ　ｉｎｆｌｕｅｎｃｅ　ｆａｃｔｏｒｓ　在综合评价值中的权重采用定权聚类法，结合改进　４模型结果与分析　中心点三角白化权函数的理论算法，同时考虑用户　对不同交通参数的主观感知程度及关注度，进行计　根据前文介绍的计算方法对上海市浦东新区部　算　。，”］．３位专家打分结果如表２所示，根据主观　分路网的服务水平进行分析．其中，云／　，　及ｖ／ｃ　赋权Ｇ１法得到权重值分别为０．５６，０．２０和０．２４．　同济大学学报（自然科学版）　第４４卷　表２专家打分结果　Ｔａｂ．２　Ｒｅｓｕｌｔｓ　ｏｆ　ｅｘｐｅｒｔ　ｅｖａｌｕａｔｉｏｎ　ｍｅｔｈｏｄ　务水平间的相对误差；Ｌｋ为计算获得的服务水平，　分别为仅考虑交通设施的服务水平评价结果或本研　究提出模型获得的服务水平评分，本研究使用　ＨＣＭ２０１０的算法作为仅考虑交通设施的服务水平评　价方法；Ｌ　为主观评分调查获得的服务水平评分值．　ＨＣＭ２０１０与本研究模型的误差比较如图４所　本研究评分结果按照五分制标记，根据公式（２）　分别计算ＨＣＭ２０１０的服务水平、本研究模型所得　的服务水平以及评分调查获得的服务水平间的相对　误差．　示．相比于ＨＣＭ２０１０，在多数情况下，本研究模型得　到的结果的误差要优于ＨＣＭ２０１０计算得到的结　果，尤其在ＨＣＭ２０１０与主观评分结果差异较明显　时．分析本研究模型与ＨＣＭ２０１０结果差异性的原　ｅ一　Ｌ　×１００％　（２）　因，取有代表性的数据分析，如表３所示．　根据表３可知：　式中：￡为计算获得的服务水平与主观评分获得的服　奠型　’　’　图４　ＩＩＣ１Ｉ　０１０与本研究模型的误差比较　Ｆｉｇ．４　Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ＬＯＳ　ｏｆ　Ｈ（ｍ２０１Ｏ　ａｎｄ　ｐｒｏｐｏｓｅｄ　ｍｏｄｅｌ　表３部分服务水平评分结果分析　Ｔａｂ．３　ＬＯＳ　ｅｖａｌｕａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｏｍｅ　ｕｒｂａｎ　ｒｏａｄ　ｉｎ　Ｓｈａｎｇｈａｉ　（１）通过对比隶属度　与ＨＣＭ２０１０评分结果　较小但ｖ／ｃ较大），ＨＣＭ２０１０的结果会产生较大偏　可以看出，本研究模型的隶属度值在ＨＣＭ２０１０计　差，而本研究模型可以更好地反映在特殊情况下用　算得到的对应等级下数值也偏大，即本模型在一定　户感知的服务水平．　程度上与ＨＣＭ２０１０的计算结果保持一致（如序号１　对应ＨＣＭ２０１０计算结果为５分，而在系数向量中　获得的　１－－０．５９）．　５　结论　本文首先运用灰色系统理论提出了基于灰类白　（２）在　／　相近时，由ＨＣＭ２０１０计算获得的　服务水平值也相近，但主观感受差异性可能较大（如　化权函数的城市道路服务水平评价模型，并从服务　序号２和３所示），而本模型可以较好的反映主观评　水平的概念人手，基于现有研究提出了确定服务水　分结果．主要原因在于本研究模型同时考虑了　／　，　平评价指标包括路段平均行程速度与路段自由流车　和ｖ／ｃ，能更加客观的反应交通状态．　速之比、路段流量与路段通行能力之比和速度标准　（３）在特殊情况发生时（如序号４所示，　／　比　差．通过视频拍摄和问卷调查的形式获得主观评分．　第５期　郑玲钰，等：基于用户感知的城市道路交通服务水平评价方法　７５７　分别将ＨＣＭ２０１０计算结果、本研究的模型计算结　果与主观评分结果进行对比分析，结果表明，本研究　提出的方法具有较高的精度，可以较好地在考虑交　ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ　ｏｎ　ｆｒｅｅｗａｙｓ　ｂｙ　ｍｉｃｒｏｓｃｏｐｉｃ　ｔｒａｆｆｉｃ　ｓｉｍｕｌａｔｉｏｎ　［Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｅａｒｓｃｈ　Ｒｅｃｏｒｄ：Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｂｏａｒｄ，２０１４（２４６１）：４１．　［１Ｏ］陈刚．基于灰色理论和ＢＰ神经网络交通流预测模型研究　［Ｄ］．哈尔滨：哈尔滨工业大学，２００６．　ＣＨＥＮ　Ｇａｎｇ．Ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｔｒａｆｆｉｃ　ｆｌｏｗ　ｂａｓｅｄ　ｏｎ　ｇｒｅｙ　ｔｈｅｏｒｙ　通状态的同时兼顾用户感知，从而为完善服务水平　评价体系提供了新的思路．　本文研究模型的验证过程并未考虑交叉口的影　响，如何对交叉口进行打分还需要进一步研究；同　ａｎｄ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ［Ｄ］．Ｈａｒｂｉｎ：Ｈａｒｂｉｎ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，２００６．　］－１１］郭敏，蓝金辉，李娟娟，等．基于灰色残差ＧＭ（１，Ｎ）模型的　交通流数据恢复算法ＥＪ］．交通运输系统工程与信息，２０１１，　时，在确定权重时是以理论和经验相结合的方式获　取，在后续的研究中，应通过分析视频打分及跟车打　分结果进行相关参数修正，同时考虑更具适应性权　重的确定方法．　参考文献：　［１］Ｂｏｒａｒｄ　Ｔ　Ｒ．Ｈｉｇｈｗａｙ　ｃａｐａｃｉｔｙ　ｍａｎｕａｌ（ＨＣＭ）２０１０［Ｒ］．　Ｗａｓｈｉｎｇｔｏｎ　Ｄ　Ｃ：Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｂｏａｒｄ，２０１１．　［２］徐吉谦．交通工程总论ＥＭ］．北京：人民交通出版社，１９９８．　ＸＵ　Ｊｉｑｉａｎ．Ｆｕｎｄａｍｅｎｔａｌｓ　ｏｆ　ｔｒａｆｆｉｃ　ｅｎｇｉｎｅｅｒｉｎｇ［Ｍ］．Ｂｅｉｊｉｎｇ：　Ｃｈｉｎａ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｐｒｅｓｓ，１９９８．　［３］Ｃｈｏｏｃｈａｒｕｋｕｌ　Ｋ，Ｓｉｎｈａ　Ｋ　Ｃ，Ｍａｎｎｅｒｉｎｇ　Ｆ　Ｌ．Ｕｓｅｒ　ｐｅｒｃｅｐｔｉｏｎｓ　ａｎｄ　ｅｎｇｉｎｅｅｒｉｎｇ　ｄｅｆｉｎｉｔｉｏｎｓ　ｏｆ　ｈｉｇｈｗａｙ　ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ：ａｎ　ｅｘｐｌｏｒａｔｏｒｙ　ｓｔａｔｉｓｔｉａｃｌ　ｃｏｍｐａｒｉｓｏｎ［Ｊ］．Ｔｒａｎｓｏｐｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｐａｒｔ　Ａ：Ｐｏｌｉｃｙ　ａｎｄ　Ｐｒａｃｔｉｃｅ，２００４，３８（９）：６７７．　［４］刘俊娟，王炜，程琳．基于梯形白化权函数的信号交叉口服务　水平评价［Ｊ］．交通运输工程学报，２００９，９（２）：１２１．　ＬＩＵ　Ｊｕｎｊｕａｎ，ＷＡＮＧ　Ｗｅｉ，Ｃ】｛ＥＮＧ　Ｌｉｎ．　Ｓｅｒｖｉｃｅ　ｌｅｖｅｌ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｓｉｇｎａｌｉｚｅｄ　ｉｎｔｅｒｓｅｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｔｒａｐｅｚｏｉｄ　ｗｈｉｔｅｎｉｚａｔｉｏｎ　ｗｅｉｇｈｔ　ｆｕｎｃｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｒａｆｆｉｃ　ａｎｄ　Ｔｒａｎｓｐｅｒｔａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００９，９（２）：１２１．　［５］　Ｓｅｍｅｉｄａ　Ａ　Ｍ．Ｄｅｒｉｖａｔｉｏｎ　ｏｆ　ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ　ｂｙ　ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ａｔ　ｈｏｒｉｚｏｎｔａｌ　ｃｕｒｖｅｓ：ａ　ｃａｓｅ　ｓｔｕｄｙ　ｉｎ　Ｅｇｙｐｔ［Ｊ］．　Ｅｕｒｏｐｅａｎ　Ｔｒａｎｓｐｏｒｔ　Ｒｅｓｅａｒｃｈ　Ｒｅｖｉｅｗ，２０１５，７（１）：４５５．　［６］Ｒｏｂｅｒｔｓｏｎ　Ｊ，Ｆｉｔｚｐａｔｒｉｃｋ　Ｋ，Ｐａｒｋ　Ｅ　Ｓ，ｅｔ　ａ１．Ｄｅｔｅｒｍｉｎｉｎｇ　ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ　ｏｎ　ｆｒｅｅｗａｙｓ　ａｎｄ　ｍｕｌｔｉｌａｎｅ　ｈｉｇｈｗａｙｓ　ｗｉｔｌｌ　ｈｉｇｈｅｒ　ｓｐｅｅｄｓＥＪ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｒｅｃｏｒｄ：Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｂｏａｒｄ，２０１４（２４６１）：８５．　［７］熊烈强，李杰．交通流理论与服务水平［Ｊ］．同济大学学报：自　然科学版，２００５，３３（８）：１０６５．　Ｘ１０ＮＧ　Ｌｉｅｑｉａｎｇ，ＬＩ　Ｊｉｅ．Ｔｒａｆｆｉｃ　ｆｌｏｗ　ｔｈｅｏｒｙ　ａｎｄ　ｌｅｖｅｌ　ｏｆ　ｓｅｒｖｉｃｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｏｎｇｊｉ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ，　２００５，３３（８）：１０６５．　［８］孙晓亮．城市道路交通状态评价和预测方法及应用研究ＥＤ］．　北京：北京交通大学，２０１３．　ＳＵＮ　Ｘｉａｏｌｉａｎｇ．Ｕｒｂａｎ　ｒｏａｄ　ｔｒａｆｆｉｃ　ｓｔａｔｅ　ｅｖａｌｕａｔｉｏｎ　ａｎｄ　ｐｒｅｄｉｃｔｉｏｎ—ａ　ｎｅｗ　ｓｃｈｅｍｅ　ｗｉｈｔ　ａｐｐｌｉｃａｔｉｏｎｓ［Ｄ］．Ｂｅｉｊｉｎｇ：Ｂｅｉｊｉｎｇ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，２０１３．　［９］Ｇｅｉｓｔｅｆｅｌｄｔ　Ｊ，Ｇｉｕｌｉａｎｉ　Ｓ，Ｖｏｒｔｉｓｃｈ　Ｐ，ｅｔ　ａ１．Ａｓｅｓｓｓｍｅｎｔ　ｏｆ　１２（１）：４２．　ＧＵ０　Ｍｉｎ，ＬＡＮ　Ｊｉｎｈｕｉ，ＬＩ　Ｊｕａｎｊｕａｎ，ｅｔ　ａ１．Ｔｒａｆｆｉｃ　ｆｌｏｗ　ｄａｔａ　ｒｅｃｏｖｅｒｙ　ａｌｇｏｒｉｈｔｍ　ｂａｓｅｄ　ｏｎ　ｇｒａｙ　ｒｅｓｉｄｕａｌ　ＧＭ（１，Ｎ）ｍｏｄｅｌ　［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｓｙｓｔｅｍｓ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，２０１１，１２（１）：４２．　［１２３刘思峰，方志耕，杨英杰．两阶段灰色综合测度决策模型与三　角白化权函数的改进［Ｊ］．控制与决策，２０１４，２９（７）：１２３２．　ＬＩＵ　Ｓｉｆｅｎｇ，ｎ　ＮＧ　Ｚｈｉｇｅｎｇ，ＹＡＮＧ　Ｙｉｎｇｊｉｅ．Ｔｗｏ　ｓｔａｇｅｓ　ｄｅｃｉｓｉｏｎ　ｍｏｄｅｌ　ｗｉｔｈ　ｇｒｅｙ　ｓｙｎｔｈｅｔｉｃ　ｍｅａｓｕｒｅ　ａｎｄ　ａ　ｂｅｔｔｅｒｍｅｎｔ　ｏｆ　ｒｔｉａｎｇｕｌａｒ　ｗｈｉｔｅｎｉｚａｔｉｏｎ　ｗｅｉｇｈｔ　ｆｕｎｃｔｉｏｎ［Ｊ］．Ｃｏｎｔｒｏｌ　ａｎｄ　ｅＤｃｉｓｉｏｎ，２０１４，２９（７）：１２３２．　［１３］刘建，郑双忠，邓云峰，等．基于Ｇ１法的应急能力评估指标权　重的确定［Ｊ］．中国安全科学学报，２００６，１６（１）：３０．　ＬＩＵ　Ｊｉａｎ，ＺＨＥＮＧ　Ｓｈｕａｎｇｚｈｏｎｇ，ＤＥＮＧ　Ｙｕｎｆｅｎｇ，ｅｔ　ａ１．　Ｗｅｉｇｈｔ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｉｎｄｅｘｅｓ　ｉｎ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｅｍｅｒｇｅｎｃｙ　ｒｅｓｏｐｎｓｅ　ａｂｉｌｉｔｙ　ｂａｓｅｄ　ｏｎ　Ｇ１［Ｊ］．Ｃｈｉｎａ　Ｓａｆｅｔｙ　Ｓｃｉｅｎｃｅ　Ｊｏｕｒｎａｌ，２００６，１６（１）：３０．　［１４３　Ｖｒｅｅａｗｉｊｋ　Ｊ，ＴｈｏｍａｓＴ，ｖａｎＢｅｒｋｕｍＥ，ｅｔ０ｅ．Ｐｅｒｃｅｐｔｉｏｎｂｉａｓ　ｉｎ　ｒｏｕｔｅ　ｃｈｏｉｃｅ［Ｊ］．Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，２０１４，４１（６）：１３０５．　０５］魏连雨，刘卫铮，崔洪军．大车混人率——速度差与交通安全　关联性研究［Ｃ］／／２００８年国际交通技术创新与应用大会暨国　际交通基础设施建设与养护技术大会论文集．北京：人民交通　出版社，２００８：１１２－１２０．　、ｖＥＩ　Ｌｉａｎｙｕ，　ＬＩＵ　Ｗｅｉｚｈｅｎｇ，　ＣＵＩ　Ｈｏｎｇｊｕｎ．　Ｓｔｕｄｙ　ｏｎ　ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｄｅｖｉａｔｉｏｎ　ｏｆ　ｓｐｅｅｄ，ｍｉｘ　ｒａｔｅ　ｏｆ　ｌａｒｇｅ　ｖｅｈｉｃｌｅｓ　ａｎｄ　ｔｒａｆｆｉｃ　ｓａｆｅｔｙ［Ｃ］／／Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｎｏｖａｔｉｏｎ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｔｒａｎｓｐｏｒｔａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ．　ｏＢｉｊｉｎｇ：Ｃｈｉｎａ　ｏＣｍｍｕｎｉａｃｔｉｏｎｓ　Ｐｒｅｓｓ，２００８：１１２－１２０．　［１６］窦慧丽，刘好德，吴志周，等．基于小波分析和ＡＲＩＭＡ模型的　交通流预测方法［Ｊ］．同济大学学报：自然科学版，２００９，３７　（４）：４８６．　Ｄ（）Ｕ　Ｈｕｍ，ＬＩＵ　Ｈａｏｄｅ，ＷＵ　Ｚｈｉｚｈｏｕ，ｅｔ　ｏ｝．Ｓｔｕｄｙ　ｏｆ　ｔｒａｆｆｉｃ　ｆｌｏｗ　ｐｒｅｄｉｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｗａｖｅｌｅｔ　ａｎａｌｙｓｉｓ　ａｎｄ　ａｕｔｏｒｅｇｒｅｓｓｉｖｅ　ｉｎｔｅｇｒａｔｅｄ　ｍｏｖｉｎｇ　ａｖｅｒａｇｅ　ｍｏｄｅｌ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｔｏｎｇｊｉ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２００９，３７（４）：４８６．　［１７］邵敏华，孙立军．城市多级道路交通运行水平一体化评价模型　［Ｊ］．同济大学学报：自然科学版，２０１０，３８（１１）：１５９３．　ｓＩ　Ｏ　Ｍｉｎｈｕａ，ｓＵＮ　Ｌｉｊｕｎ．Ｕｎｉｔｅｄ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ　ｏｆ　ｔｒａｆｆｉｃ　ｏｐｅｒａｔｉｏｎ　ｌｅｖｅｌ　ｆｏｒ　ｄｉｆｆｅｒｅｎｔ　ｔｙｐｅｓ　ｏｆ　ｕｒｂａｎ　ｒｏａｄ［Ｊ］．Ｊｏｕｒｎａｌ　ｏＩ　Ｔｏｎｇｊｉ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２０１０，３８（１１）：１５９３．