道路重要度与交通状态耦合协调关系的影响机理研究

doi:10.12141/j.issn.1000-565X.240388

摘要/Abstract

摘要：

城市道路重要度与交通状态存在复杂的相互作用，影响着人们的出行效率与出行满意度。该文从出租车GPS轨迹数据提取出GPS点位数、早高峰平均速度与夜间自由流速度之比两类交通状态指标，根据复杂网络理论获取拓扑结构中的节点度、介数中心性、接近中心性和特征向量中心性，来表征不同层面的道路重要度，利用耦合协调度模型探究了交通状态与4类道路重要度指标之间的耦合关系。以耦合关系为因变量，选用13个自变量，利用CatBoost算法结合SHAP图对耦合关系产生的机理进行回归分析。结果表明：交叉口数量、绿化面积、公交站点数量对交通状态与道路重要度的耦合协调程度起促进作用，道路分隔型式对交通状态与介数中心性、接近中心性、节点度的耦合关系具有较为显著的正向影响；对于正向不协调的道路，公共管理用地、居住用地强度对交通状态与接近中心性的耦合协调程度有负面影响，居住用地强度对交通状态与特征向量中心性的耦合协调程度有负面影响；对于负向不协调的道路，居住用地强度对交通状态与接近中心性的耦合协调程度有负面影响。

关键词: 道路重要度, 交通状态, CatBoost算法, 耦合协调程度, 出租车GPS轨迹数据

Abstract:

Urban road significance and traffic state have a complex interaction relationship, which affects people’s travelling efficiency and satisfaction. In this paper, two types of traffic state indicators are extracted from the GPS trajectory data of taxis, namely the number of GPS points and the ratio of average speed during the morning traffic peak to the free-flow speed at night. Based on the theory of complex networks, the node degree, betweenness centrality, closeness centrality and eigenvector centrality in the topological structure are obtained to characterize the road significance at different levels, and the coupling relationship between traffic state and the four significance indexes is explored by using the coupling coordination degree model. With the coupling relationship as the dependent variable, thirteen independent variables are selected to regress the mechanism of the coupling degree using CatBoost algorithm combined with SHAP. The results show that the number of intersections, the green area, and the number of bus stops promote the coupling coordination between traffic state and road significance, and that the road separation type has a significant positive effect on the degree of coupling between traffic state and betweenness centrality, closeness centrality as well as node degree. In addition, for the positively uncoordinated roads, the intensities of public management land and residential land have a negative effect on the coupling coordination between traffic state and closeness centrality, and the intensity of residential land has a negative effect on the coupling coordination between traffic state and eigenvector centrality; while for the negatively uncoordinated roads, the intensity of residential land has a negative effect on the coupling coordination between tra-ffic state and closeness centrality.

Key words: road significance, traffic state, CatBoost algorithm, coupling coordination degree, taxi GPS trajectory data

中图分类号:

U491.1

邓亚娟, 宋思亮, 崔亮斌, 李雨, 牛晓璐, 吴琪. 道路重要度与交通状态耦合协调关系的影响机理研究[J]. 华南理工大学学报(自然科学版), 2025, 53(11): 62-76.

DENG Yajuan, SONG Siliang, CUI Liangbin, LI Yu, NIU Xiaolu, WU Qi. Research on the Mechanism Influencing the Coupling Coordination Between Road Significance and Traffic State[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(11): 62-76.

图/表 17

表1

图1

图2

图3

表2

研究变量描述"

类别	变量	VIF值	描述
因变量	耦合协调度
道路特征	道路等级	2.814	道路等级，包括快速路、主干路、次干路和支路4个等级
	车道数	5.568	道路的车道数量，表征道路宽度
	道路长度	2.249	道路的长度
	分隔型式	3.053	0表示无标线、无物理分隔；1表示标线分隔对向和机非车流；2表示标线分隔对向车流，物理分隔机非车流；3表示物理分隔对向车流，标线分隔机非车流；4表示物理分隔对向和机非车流
交通环境	交叉口数量	1.978	道路交叉口数量
	绿化面积^［29］	3.094	道路沿线20 m缓冲区内的绿化面积
	公交站点数量	3.478	道路公交站点数量
	每千米公交站点数量	2.569	道路沿线的公交站点数量与道路长度之比
土地利用	工业用地强度^［30］	6.807	道路沿线50 m缓冲区内工业用地的面积与50 m缓冲区面积之比
	公共管理用地强度	3.305	道路沿线50 m缓冲区内公共管理用地的面积与50 m缓冲区面积之比
	居住用地强度	8.636	道路沿线50 m缓冲区内居住用地的面积与50 m缓冲区面积之比
	商业用地强度	3.059	道路沿线50 m缓冲区内商业用地的面积与缓冲区面积之比
	土地利用混合度	2.073	$E = - ∑ m = 1 n P m l n P m / l n n$ ，其中E为研究道路周围的土地利用混合度， $n$ 为土地利用类型数

表2

表3

图4

表4

图5

图6

图7

图8

图9

图10

图11

图12

表5

参考文献 33

[1]	石飞，王炜．城市路网结构分析［J］．城市规划，2007（8）：68-73．
	SHI Fei， WANG Wei ．Analysis of urban road network structure［J］．Urban Planning，2007（8）：68-73．
[2]	杨轸，郑瑞平，巩喆．路网道路服役性能和交通状态耦合仿真预测［J］．吉林大学学报（工学版），2025，55（6）：1973-1983．
	YANG Zhen， ZHENG Rui-ping， GONG Zhe ．Highway infrastructure performance and traffic state prediction on road network［J］．Journal of Jilin University （Engineering and Technology Edition），2025，55（6）：1973-1983．
[3]	吴建军，高自友，孙会君．城市交通网络上个体选择行为的统计动力学特性研究［J］．交通运输系统工程与信息，2008（2）：69-74．
	WU Jian-jun， GAO Zi-you， SUN Hui-jun ．Statistical properties of individual choice behaviors on urban transport networks［J］．Journal of Transportation Systems Engineering and Information Technology，2008（2）：69-74．
[4]	HE F， YAN X， Liu Y，et al ．A traffic congestion assessment method for urban road networks based on speed performance index［J］．Procedia Engineering，2016，137：425-433．
[5]	邓亚娟，王欢，杜若，等．基于加权复杂网络的公路网等级结构划分［J］．华南理工大学学报（自然科学版），2015，43（4）：33-40．
	DENG Ya-juan， WANG Huan， DU Ruo，et al ．Division of highway network hierarchy based on weighted complex network［J］．Journal of South China University of Technology （Natural Science Edition），2015，43（4）：33-40．
[6]	PAVITHRA P， LEVINSON D ．Network structure and the journey to work： an intra-metropolitan analysis［J］．Transportation Research Part A：Policy and Practice，2018，118：292-304．
[7]	XU D， WANG Y， PENG P，et al ．The evaluation of the urban road network based on the complex network［J］．IEEE Intelligent Transportation Systems Magazine，2022，14（3）：200-211．
[8]	邓毛颖，邓策方．基于结构、效率、公平与韧性的路网密度适宜性评价研究［J］．交通运输系统工程与信息，2023，23（6）：22-32．
	DENG Mao-ying， DENG Ce-fang ．Evaluation of road networkdensity based on structure，efficiency，fairness and resilience［J］．Journal of Transport Systems Engineering and Information Technology，2023，23（6）：22-32．
[9]	KONG Q， ZHAO Q， WEI C，et al ．Efficient traffic state estimation for large-scale urban road networks［J］．IEEE Transactions on Intelligent Transportation Systems，2013，14（1）：398-407．
[10]	苏飞．城市道路路网交通运行状态分析方法及应用研究［D］．北京：北京交通大学，2017．
[11]	YUAN Y， ZHANG W， YANG X，et al ．Traffic state classification and prediction based on trajectory data［J］．Journal of Intelligent Transportation Systems，2021，29（4）：365-379．
[12]	XU Y， CAI X， WANG E，et al ．Dynamic traffic correlations based spatio-temporal graph convolutional network for urban traffic prediction［J］．Information Sciences，2023，21（6）：580-595．
[13]	黎茂盛，李杭聪．基于交叉口车牌识别数据的网络交通状态分类方法［J］．哈尔滨工业大学学报，2023，55（11）：82-90．
	LI Mao-sheng， LI Hang-cong ．Classification method of network traffic status based on electronic police data at intersections［J］．Journal of Harbin Institute of Technology，2023，55（11）：82-90．
[14]	ZHANG W， ZHA H， ZHANG S，et al ．Road section traffic flow prediction method based on the traffic factor state network［J］．Physica A：Statistical Mechanics and Its Applications，2023，618：128712/1-18．
[15]	白骅，王建军，蒋意眉．基于点、线、面层次的公路网交通运行状态评价［J］．中国公路学报，2018，31（11）：197-204．
	BAI Hua， WANG Jian-jun， JIANG Yi-mei ．Evaluation of highway network traffic operation state based on point．line and area［J］．China Journal of Highway and Transport，2018，31（11）：197-204．
[16]	ROSTAMI-SHAHRBABAKI M， SAFAVI A A， PAPAGEORGIOU M，et al ．State estimation in urban traffic networks：a two-layer approach［J］．Transportation Research Part C：Emerging Technologies，2020，115：102616/1-24．
[17]	QIN J， MEI G， XIAO L ．Building the traffic flow network with taxi GPS trajectories and its application to identify urban congestion areas for traffic planning［J］．Sustainability，2021，13：266/1-18．
[18]	李玲．城市路网结构及交通流时空特征分析［D］．武汉：武汉大学，2022．
[19]	WANG S， YU D， KWAN M，et al ．The impacts of road network density on motor vehicle travel：an empirical study of Chinese cities based on network theory［J］．Transportation Research Part A：Policy and Practice，2021，132：144-156．
[20]	DING R， UJANG N， HAMID H B，et al ．Application of complex networks theory in urban traffic network researches［J］．Networks & Spatial Economics，2019，19：1281-1317．
[21]	PORTA S， CRUCITTI P， LATORA V ．The network analysis of urban streets： a primal approach［J］．Environment and Planning B：Planning and Design，2006，33（5）：705-725．
[22]	PORTA S， CRUCITTI P， LATORA V ．The network analysis of urban streets：a dual approach［J］．Physica A：Statistical Mechanics and Its Applications，2006，369（2）：853-866．
[23]	SANDIP C， TRIPARNEE K， TARAKNATH M ．Does transportation network centrality determine housing price？［J］．Journal of Transport Geography，2022，103：103397/1-13．
[24]	成卫，黄金涛，陈昱光，等．基于浮动车速度波动特征的交通状态识别［J］．交通运输系统工程与信息，2023，23（1）：67-76．
	CHENG Wei， HUANG Jin-tao， CHEN Yu-guang，et al ．Traffic state recognition based on speed fluctuation characteristics of floating car［J］．Journal of Transportation Systems Engineering and Information Technology，2023，23（1）：67-76．
[25]	BRAUN M， Kunkler J，Kellner，F．Towards sustainable cities ：utilizing floating car data to support location-based road network performance measurements［J］．Sustainability，2020，12：8145/1-22．
[26]	CHEN Y， DU Z， WAN H ．Impact of median separation facilities on drivers’shy-away effects： why are median separation facilities widely used in China？［J］．Transportation Research Record，2024，2679（3）：531-548．
[27]	袁浩，任杰，杨睿，等．考虑空间异质性的城市建成环境对交通拥堵状态的影响［J］．武汉理工大学学报（交通科学与工程版），2021，45（5）：840-845．
	YUAN Hao， REN Jie， YANG Rui，et al ．Influence of urban building environment on traffic congestion considering spatial heterogeneity［J］．Journal of Wuhan University of Technology （Transportation Science & Engineering），2021，45（5）：840-845．
[28]	王新军，王学斌，信欣．城市居民通勤、用地布局与交通拥堵——基于片区尺度的实证研究［J］．复旦学报（自然科学版），2018，57（2）：199-204．
	WANG Xin-jun， WANG Xue-bin， XIN Xin ．The relationship between traffic congestion and the layout of urban land use—an empirical study based on area-scale［J］．Journal of Fudan University （Natural Science），2018，57（2）：199-204．
[29]	SHI Q， LIU M， ANDREA M，et al ．UGS-1m：fine-grained urban green space mapping of 31 major cities in China based on the deep learning framework［J］．Earth System Science Data，2023，15（2）：555-577．
[30]	GONG P， CHEN B， LI X，et al ．Mapping essential urban land use categories in China （EULUC-China）：preliminary results for 2018［J］．Science Bulletin，2020，3（65）：182-187．
[31]	曾勋．基于IC卡和GPS数据的公交服务能力评估［D］．西安：长安大学，2020．
[32]	HUANG G， WU L， MA X，et al ．Evaluation of CatBoost method for prediction of reference evapotranspiration in humid regions［J］．Journal of Hydrology，2019，574：1029-1041．
[33]	KJERSTI A， MARTIN J， ANDERS L ．Explaining in dividual predictions when features are dependent：more accurate approximations to SHapley values［J］．Artificial Intelligence，2021，298（9）：1-23．

字段	数据实例		数据实例
车牌号	陕AD*****	经度	108.88
时间	Mon Nov 04 08：33：14 CST 2019	纬度	34.29
订单状态	0	电量	0
空重	1	温度	0
是否任务	0	订单编号	0
gps	0	汽车状态	0
营运状态	0	服务编号	0
点火状态	1	角度	10
速度	58	是否实时传输	1

耦合协调程度	介数中心性		接近中心性		节点度		特征向量中心性
耦合协调程度	频数	累积百分比/%	频数	累积百分比/%	频数	累积百分比/%	频数	累积百分比/%
极度失调	23	11.44	1	0.50	1	0.5	1	0.50
严重失调	79	50.75	5	2.99	2	1.49	16	8.46
中度失调	47	74.13	13	9.45	73	37.81	82	49.25
轻度失调	19	83.58	88	53.23	65	70.15	53	75.62
濒临失调	13	90.05	47	76.62	23	81.59	21	86.07
勉强协调	8	94.03	23	88.06	17	90.05	11	91.54
初级协调	8	98.01	16	96.02	12	96.02	9	96.02
中级协调	2	99.00	3	97.51	3	97.51	3	97.51
良好协调	1	99.50	3	99.00	3	99.00	3	99.00
优质协调	1	100.00	2	100.00	2	100.00	2	100.00

回归方法	介数中心性			接近中心性			节点度			特征向量中心性
回归方法	MAE	MSE	R²	MAE	MSE	R²	MAE	MSE	R²	MAE	MSE	R²
CatBoost	0.053	0.007	0.819	0.056	0.007	0.701	0.044	0.005	0.831	0.052	0.007	0.787
贝叶斯回归	0.050	0.005	0.815	0.053	0.006	0.670	0.047	0.005	0.765	0.060	0.008	0.674
多元线性回归	0.051	0.005	0.819	0.052	0.006	0.690	0.047	0.005	0.775	0.059	0.007	0.704
弹性网络回归	0.084	0.012	0.556	0.073	0.010	0.431	0.077	0.011	0.480	0.086	0.014	0.411

变量名称	正向不协调				负向不协调
	交通状态-介数中心性		交通状态-特征向量中心性		交通状态-接近中心性		交通状态-节点度		交通状态-特征向量中心性
	ST	置信区间/%	ST	置信区间/%	ST	置信区间/%	ST	置信区间/%	ST	置信区间/%
道路等级	0.033	0.41	0.030	0.45	0.079	0.90	0.030	0.42	0.205	0.87
车道数	0.126	1.59	0.021	0.51	0.035	0.47	0.031	0.37	0.029	0.39
道路长度	0.044	0.63	0.417	3.52	0.107	1.88	0.059	0.84	0.027	0.59
分隔型式	0.034	0.43	0.004	0.05	0.252	0.40	0.022	0.38	0.008	0.11
交叉口数量	0.496	4.24	0.200	2.20	0.394	3.63	0.748	6.47	0.436	4.87
绿化面积	0.149	1.86	0.017	0.27	0.015	0.21	0.075	0.73	0.192	2.54
公交站点数量	0.050	0.62	0.249	2.20	0.006	0.09	0.023	0.30	0.033	0.41
每千米公交站点数量	0.012	0.16	0.007	0.08	0.011	0.13	0.023	0.40	0.024	0.35
工业用地强度	0.027	0.31	0.029	0.43	0.019	0.28	0.030	0.45	0.018	0.28
公共管理用地强度	0.052	0.57	0.025	0.31	0.096	1.13	0.042	0.52	0.068	0.72
居住用地强度	0.016	0.19	0.026	0.36	0.112	1.32	0.049	0.89	0.059	2.36
商业用地强度	0.004	0.05	0.004	0.04	0.010	0.18	0.011	0.19	0.015	0.25
土地利用混合度	0.027	0.29	0.063	0.63	0.034	3.83	0.069	1.09	0.030	0.39