EN中文

热带地理 >

2020 , Vol. 40 >Issue 4: 744 - 751

DOI: https://doi.org/10.13284/j.cnki.rddl.003223

论文

降雨天气下城市道路速度变化的差异及其影响因素

  • 李秋萍 , 1, 2 ,
  • 刘慧敏 1 ,
  • 卓莉 , 1, 2 ,
  • 陶海燕 1, 2 ,
  • 栾学晨 1
展开
  • 1. ，中山大学 地理科学与规划学院 综合地理信息研究中心，广州 510275
  • 2. ，广东省城市化与地理环境空间模拟重点实验室，广州 510275
卓莉（1973—），女，湖南张家界人，教授，主要从事资源环境遥感、城市信息、灾害风险分析，（E-mail）。

李秋萍（1985—），女，湖北荆门人，副教授，主要从事交通地理的理论与方法研究，（E-mail）；

收稿日期: 2019-08-03

  修回日期: 2019-09-16

  网络出版日期: 2020-08-11

基金资助

国家自然科学基金(41971345)

广东省自然科学基金(2020A1515010695)

收起

Differences in Urban Road Speed Change and Their Influencing Factors during Rainfall

  • Qiuping Li , 1, 2 ,
  • Huimin Liu 1 ,
  • Li Zhuo , 1, 2 ,
  • Haiyan Tao 1, 2 ,
  • Xuechen Luan 1
Expand
  • 1. Center of Integrated Geographic Information Analysis, School of Geography and Planning, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China
  • 2. Guangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China

Received date: 2019-08-03

  Revised date: 2019-09-16

  Online published: 2020-08-11

Fold

本文亮点

以深圳市雨量监测数据和大规模出租车GPS数据为数据源，计算城市各道路在雨天相对于晴天同时段速度的变化率。结果发现，降雨并不总是造成道路速度下降，研究区中约30%道路的速度会有不同程度的上升。运用多元线性回归模型分析降雨量、道路等级、车流量、晴天同时段的速度等影响因素在速度下降和速度上升两类道路上的作用差异。结果表明，对于速度下降的路段，降雨量、晴天同时段的速度、雨天车速的变异系数及车流量越大，道路速度越易受影响，下降幅度越大。公交站点的数量增加有助于缓解道路速度下降的幅度。道路等级不显著而道路在晴天同时段的速度显著，表明降雨天道路速度下降的程度与其在正常交通条件下的实际通行速度之间的关系更紧密。对于速度上升的路段，降雨量、雨天车速变异系数越大，道路速度上升幅度反而越大。晴天同时段的速度越低的道路，其速度有更大的上升幅度。

本文引用格式

李秋萍 , 刘慧敏 , 卓莉 , 陶海燕 , 栾学晨 . 降雨天气下城市道路速度变化的差异及其影响因素[J]. 热带地理, 2020 , 40(4) : 744 -751 . DOI: 10.13284/j.cnki.rddl.003223

Highlights

Rainfall leads to significant impacts on urban road traffic, such as traffic congestion and traffic accidents, resulting in detrimental effects on traffic efficiency. Exploring the changes in road traffic efficiency and their influencing factors in rainy weather is of great significance for urban traffic planning, management, and traffic information release. Due to the complexity of urban road network and diversity of transportation demands, rainfall, on one hand, causes flooding on the road and reduces visibility, both of which reduce the driving speed; on the other hand, rainfall also reduces unnecessary trips, resulting in reduced traffic flow, which increases road speed. However, most previous studies focused on changes in the average traffic efficiency of all roads and ignored the differences among different road types. Moreover, there is a lack of related literature analyzing the influencing factors of road speed changes on rainy days. Therefore, this study uses the rainfall monitoring data and large-scale taxi GPS data of Shenzhen as the data source to analyze the differences in speed change on large-scale urban roads and their influencing factors. First, the percentage difference in road speed between sunny days and rainy days was calculated. It was found that rainfall did not always reduce road speeds: approximately 30% of the road speeds in the study area increased. Then, a multivariate linear regression model was applied to analyze the different effects of certain influencing factors, such as rainfall intensity, traffic volume, road grade, and the speed on sunny days, on two types of roads (i.e., speed decrease and speed increase). The results show that for the roads with reduced speed, the rainfall intensity, traffic volume, speed on sunny days, and coefficient of vehicle speed variation on rainy days have significant negative correlations with the speed decline rate. For example, the heavier the rainfall is, the faster the road speed drops. The number of bus stops has a positive correlation with the speed decline rate. For roads with increased speed, the rainfall intensity and coefficient of vehicle speed variation on rainy days have significant positive correlations with the speed increase rate, while the speed on sunny days is negatively related to the speed increase rate. For the two types of roads, the road grade is not a significant influencing factor. This research expands our understanding of the impact of rainfall on urban road traffic efficiency and can provide useful insights for the operation and evaluation of various road facilities in urban areas.

随着城市化进程的加快，城市交通问题变得日益突出。降雨天气作为一种外在的环境变量，对城市道路交通造成了不可忽视的影响，如造成交通拥堵以及引发交通事故等（Yuan et al., 2014; Pregnolato et al., 2017；何璐希 等，2018；Zhang et al., 2019）。探究降雨天气下的道路通行效率变化和影响因素，对于城市交通管理和居民出行具有积极的指导意义。
近年随着城市大规模交通数据和气象数据获取越来越容易，降雨天气对城市道路交通效率的影响得到越来越多关注（曾伟良 等，2011;Tsapakis et al., 2013; Lam et al., 2013;林志恒 等,2014;龚大鹏 等,2015;Andersen et al., 2016; Li et al., 2017;胡文燕 等，2018）。目前国内外大部分研究集中在降雨天气下城市道路交通流参数（如速度、行程时间等）的变化统计分析上。如Tsapakis等（2013）以伦敦的城市道路为例，发现在小雨、中雨、大雨天气下，路段平均行程时间分别增加了0.1%~2.1%、1.5%~3.8%和4.0%~~6.0%；Andersen等（2016）分析了丹麦的降雨数据和出租车GPS数据，发现降雨能使道路速度降低8.4%。龚大鹏等（2015）基于北京市降雨和出租车GPS数据，发现中雨到大雨天气下城市道路的平均速度下降最高达到8.8%。上述研究结论都是基于对所有样本数据的统计均值。而由于城市内部道路之间的紧密联系和交通出行需求的多样性，降雨对不同道路通行效率的影响程度存在明显差异（曾伟良 等，2011；Mitsakis et al., 2014;林志恒 等，2014；Li et al., 2017）。如曾伟良等（2011）以广州市为例，利用相关性分析发现降雨对其统计数据中约60%的路段速度产生负面影响，对其中40%的路段速度产生正面影响或者基本无影响；Li等（2017）通过分析深圳市的小时雨量数据和出租车GPS数据，同样发现降雨对城市中一部分道路的速度具有正面影响。这主要是因为一方面降雨导致路面积水和能见度下降，从而降低行驶速度；另一方面降雨又减少人们不必要的出行，导致车流量减少，从而提高道路速度（曾伟良 等，2011；Mitsakis et al., 2014）。因此，有必要探讨不同影响程度的道路的具体变化情况。此外，在影响因素方面，国内外研究主要分析了降雨量（Tsapakis et al., 2013; Li et al., 2017）、道路等级（龚大鹏 等，2015）对速度的影响。然而，对于速度下降和速度上升两类路段，降雨量、道路等级等因素的作用是否不同，是否还有其他因素影响道路速度的变化？目前尚未有相关报道。
鉴于此，本文利用深圳市南山、盐田、罗湖和福田4个区范围内的出租车GPS数据和逐小时雨量监测数据，计算城市各道路在雨天相对于晴天同时段速度的变化率，构建多元线性回归模型分析降雨天气下速度变化的影响因素，并探讨这些影响因素在速度下降和速度上升两类路段上的作用差异。以期为降雨天气下的城市交通管理以及交通信息的发布提供参考。

1 研究区与数据来源

1.1　研究区概况

深圳位于广东省的东南部，是广东省重要的经济活动中心，拥有典型的亚热带季风气候，年平均降雨量1 933.3 mm，每年4－9月为雨季，占全年雨量的80%~85%，降雨充足，且降雨量的空间分布差异较大（深圳市气象局，2018）。全市面积1 996.85 km2，每年常驻人口达到1 000多万，人口分布密集（深圳市统计局，2018）。选取深圳市原关内（包括南山、盐田、罗湖和福田4个区）作为研究区域（图1）。该区域位于深圳市南部，区域面积 约占深圳市总面积的20%，居住人口约占深圳市总人口的40%。该区域是经济特区，交通出行活跃，交通问题也较突出。
图1 研究区域

Fig. 1 The study area

1.2　降雨以及交通数据

数据主要有降雨量监测数据、路网数据以及深圳市的出租车GPS数据。其中降雨数据来自深圳市气象局，包括研究区共51个气象站（见图1）从2015年7月至2016年6月的小时雨量数据。
出租车GPS数据由于覆盖面广、采样频率较高成为研究城市道路通行效率的一个重要数据源（曾伟良 等，2011；林志恒 等，2014；Kamga et al.，2014；龚大鹏 等，2015；Andersen et al.， 2016； Li et al., 2017， 2018）。本文出租车GPS数据时间跨度同样为2015年7月到2016年6月，包含了深圳市约14 000万辆出租车全天候运营记录。GPS数据采样间隔约为20 s，数据属性包括车辆编号、经纬度坐标、采样时间、方位角、瞬时速度和载客状态等。由于不同时段（如早高峰、午平峰、晚高峰）交通需求差异明显，以早高峰（T 07:00－10:00）为例进行分析。根据降雨等级划分标准（Tsapakis et al., 2013），降雨量Rd≤0.25 mm/h为小雨，降雨量0.25<Rd≤6.35 mm/h为中雨，降雨量Rd>6.35 mm/h为大雨。共选取2015年7月到2016年6月13 d早高峰的出租车GPS数据。这13 d数据中排除了节假日，其详细日期及降雨量见表1。此外，选择了5个晴天的工作日早高峰数据进行对比。
表1 降雨等级及日期

Table 1 Rainfall intensity categories and date

降雨等级 日期 小时降雨量/（mm·h-1）
小雨 2016-03-23（周三） 0.02
2015-12-08（周二） 0.25
2015-09-21（周一） 0.25
中雨 2016-06-29（周三） 0.27
2016-05-27（周五） 0.42
2015-07-23（周四） 1.97
2015-07-21（周二） 2.18
2016-04-13（周三） 1.54
2015-12-09（周三） 2.56
2016-06-28（周二） 2.22
2016-06-06（周一） 5.25
大雨 2016-05-10（周二） 8.53
2015-07-24（周五） 21.30
路网数据包含研究区内各个等级的道路，分别为城市快速路、主干道、次支路。将出租车GPS数据匹配到道路上，删除匹配点稀少的路段，并将过长的道路进行局部打断处理，然后通过对出租车速度的估计获取道路通行速度。

2 研究方法

2.1　降雨天气下的速度变化率计算

为衡量道路速度在降雨天气下的变化，计算相同时间段内某一路段k雨天道路速度相对于晴天时的变化率 ∆ S p e e d k，公式为（Tsapakis et al., 2013）：
Δ S p e e d k = r s k r a i n y - r s k s u n n y r s k s u n n y × 100 %
式中： r s k s u n n y为路段k在晴天的速度均值； r s k r a i n y为路段k在降雨天的速度。

2.2　线性回归模型构建

2.2.1　自变量选取

在复杂的城市道路环境中，降雨天气对道路速度的影响较复杂。已有研究分析了降雨量（Tsapakis et al., 2013）、道路等级（龚大鹏 等，2015）对城市道路速度的影响。本文进一步探讨道路在晴天同时段的平均速度、降雨时段的车流量、降雨天气时的速度稳定性（速度变异系数）以及道路沿线的公共交通设施数量对雨天道路速度的影响。其中，道路在晴天同时段的平均速度反映了道路在正常天气条件下的实际通行效率。降雨时段的车流量反映了雨天道路交通运行的动态。较大的车流量会对交通产生干扰，在降雨天气影响下，这种干扰可能更严重（曾伟良 等，2011）。降雨天气时的速度稳定性反映了道路速度抗外部环境干扰的能力（Kamga et al., 2014）。公共交通能在一定程度上分担道路客流量，缓解道路交通压力（秦丽辉，2017）。

1）降雨量

为了获得研究区内任意位置的雨量值，根据气象站的降雨数据采用克里金插值法对研究区域的降雨量进行空间插值（李朝奎 等，2007）。计算每条道路的中心点坐标，利用空间分析的提取工具，将插值后的空间降雨量提取至道路中心点，作为该道路的降雨量，记为rainfall。

2）道路等级

将城市路网中的道路分为快速路、主干道、次支路3个等级，其中次支路包含次干路和支路。

3）路段在晴天时的速度均值路段k在n个晴天天气下的速度观测值为 { r s k s u n n y 1 , r s k s u n n y 2 , … , r s k s u n n y n }，其在晴天的速度均值 r s k s u n n y反映了该路段在正常天气下的平均运行状态，计算公式为

r s k s u n n y = ∑ i = 1 n r s k s u n n y ( i ) n
式中： r s k s u n n y ( i )表示路段k在第i个晴天下的速度值。

4）路段在降雨天的速度变异系数路段k在m个不同的降雨天气下的速度观测值为 { r s k r a i n y ( 1 ) , r s k r a i n y ( 2 ) , . . . , r s k r a i n y ( m ) }，其速度变异系数 c o v k r a i n y表示为（Kamga et al., 2014）

c o v k r a i n y = σ k r a i n y μ k r a i n y
式中： σ k r a i n y为路段k在降雨天气下的通行速度标准差； μ k r a i n y为路段k在降雨天气下的通行速度平均值。 σ k r a i n y值越大表明路段k的速度值越离散，即道路速度越不稳定；值越小说明路段k上的通行速度与降雨量关系不大，即无论雨量如何变化道路速度均维持较为稳定的状态。

5）路段在降雨天的车流量路段上的车流量用观测时间段内通过出租车的数量近似表示，记为flowrate。6）地铁站点的数量用沿路段的地铁站点的数量表示，记为Subway_station。7）公交站点的数量用沿路段的公交站点的数量表示，记为Bus_stop。

2.2.2　多元线性回归模型

将降雨天气下的速度变化率作为因变量，由于因变量为连续变量且近似服从正态分布，因而采用线性回归模型进行回归分析，模型为：
Y = β 0 + β 1 r a i n f a l l + β 2 R g 2 + β 3 R g 3 + β 4 r s k s u n n y + β 5 c o v k s u n n y + β 6 f l o w r a t e + β 7 S u b w a y _ s t a t i o n + β 8 B u s _ s t o p + μ  
式中：Y为被解释变量，即降雨天气下的道路速度变化率 Δ S p e e d k， β i为回归参数； μ为误差项。道路等级Rg为定性变量，其值分别为快速路（Rg 1）、主干路（Rg 2）和次支路（Rg 3），因此需要将其转化为哑变量。 R g 1、 R g 2、 R g 3取值均为0，1。 R g 1 = 1表示快速路， R g 2 = 1表示主干路， R g 3 = 1表示次支路，且 R g 1 + R g 2 + R g 3 = 1。

3 结果与分析

3.1　降雨对速度影响的显著性检验

为了检验降雨对道路速度的影响是否显著，针对同一时段的相同路段，将晴天的n组路段速度样本，与雨天的n组路段速度样本进行t检验，分析不同雨量等级下不同等级道路的速度变化显著性。
由表2可知，在检验水平a=0.05下，只有快速路和主干道在小雨时不显著（p＞0.05）。这说明大多数情况下晴天和雨天2组样本的差别具有显著的统计意义，即除了快速路和主干道在小雨时的速度与晴天相比没有显著的差异外，其余道路在晴天和雨天的速度均存在显著差异，说明降雨天气对道路速度的影响具有普遍性。
表2 t检验统计值

Table 2 Values of t test

道路 等级 降雨量等级
小雨 中雨 大雨
p值 样本数/个 p值 样本数/个 p值 样本数/个
快速路 0.290 90 0.017 155 0.023 118
主干道 0.089 570 0 1657 0 878
次支路 0.047 703 0 1743 0 990

3.2　道路速度变化率概况

由图2可知，在所有参与分析的路段中，约70%的路段在雨天速度会下降（ ∆ S p e e d k < 0），约30%的路段在雨天速度相对于晴天上升（ ∆ S p e e d k > 0）。这说明降雨对城市路网中道路速度的影响并不是均质的。因此，有必要将速度下降和速度上升两类道路区分开，探讨不同影响程度的道路的具体变化情况。
图2 速度变化率累计频率分布

Fig.2 Cumulative frequency distribution of velocity rate of change

进一步分析速度下降和速度上升两类道路的空间分布特征，从总体上看，随着降雨量增加，速度下降的道路数量越来越多，道路速度受影响的程度逐渐增大。小雨情况下，大部分道路的速度处于[-5%, 5%]的波动区间，速度下降或上升的幅度很小（图3-a），如位于南山与福田区相交处的京港澳高速路段以及南山软件园区的部分道路。中雨对速度的影响程度增大，大部分路段速度降低明显（图3-b），尤其是由香蜜湖立交桥至京港澳高速与福荣路交界处以西区域，出现大量速度降低的道路。大雨情况下，当降雨量＞6.35 mm/h时，速度出现大幅降低（速度下降超过15%）的路段数量显著增加（图3-c）。如泥岗宝岗立交桥以及周边的路段，由于立交桥桥底在大雨天时极易出现积水，导致桥底车辆通行缓慢，进而波及到周边路段。但即使在大雨天气下仍然有一部分道路的速度大幅上升（速度上升了15%以上），如留仙大道（图3-c）。这部分路段在晴天时普遍车流量较大，受降雨影响，人们出行需求减少，使得车辆通行较晴天更顺畅。在小雨、中雨、大雨各个降雨等级下，道路速度变化率的空间分布都存在差异，这说明除了降雨量外，还有其他影响道路速度的因素。
图3 不同降雨等级下道路通行速度变化率的空间分布

Fig. 3 Spatial difference of road speed differences under three rainfall categories

3.3　降雨天气下道路速度变化的影响因素

选取研究区各个路段共12 089条数据，分别构建两组多元线性回归模型分析道路速度下降和速度上升路段的速度变化影响因素。从表3可以看出，对于速度下降和速度上升2类路段，各个影响因素的作用机制有着明显的差异。
表 3 多元线性回归模型的主要参数

Table 3 Main parameters of multiple linear regression models

各模型自变量 非标准化系数 标准 系数 t Sig.
B 标准误差

速度 下降

（调整R2= 0.202）

 （常量） -0.005 0.005 -1.028 0.304
R g 2 -0.002 0.004 -0.011 -0.525 0.600
R g 3 -0.005 0.004 -0.024 -1.171 0.242
rainfall -0.002 0.000 -0.112*** -11.506 0.000
Sun-speed -0.001 0.000 -0.102*** -10.154 0.000
c o v k r a i n y -0.682 0.017 -0.408*** -40.933 0.000
flowrate 0.000 0.000 -0.035*** -3.544 0.000
Subway_station -0.001 0.003 -0.005 -0.491 0.623
Bus_stop 0.002 0.001 0.028*** 2.762 0.006

速度 上升

（调整R2= 0.147）

 （常量） 0.038 0.008 5.070 0.000
R g 2 0.005 0.006 0.022 0.730 0.466
R g 3 0.003 0.006 0.015 0.493 0.622
rainfall 0.002 0.000 0.145*** 9.446 0.000
Sunny-speed -0.001 0.000 -0.125*** -7.860 0.000
c o v k r a i n y 0.579 0.026 0.343*** 21.928 0.000
flowrate 0.000 0.000 -0.004 -0.228 0.820
Subway_station -0.008 0.004 -0.030*** -1.966 0.049
Bus_stop 0.001 0.001 0.013 0.824 0.410

注： ***表示在1%显著水平上通过检验。

速度下降的路段，速度变化率为负值，其值越小表示速度下降程度越大。降雨量、道路在晴天时的速度、雨天车速变异系数以及车流量对速度变化率产生了显著的负向影响。其中，降雨量越大，道路速度下降越明显。随着降雨量增加，地面附着力、能见度都会相应减小，为保证安全行驶，驾驶员会降低行车速度；道路速度均值代表了道路在正常交通环境下的实际通行效率，对道路速度变化率产生负向影响说明晴天时速度越低的道路，其在雨天时速度下降程度越小。这是因为晴天时速度低的道路很多分布在中心城区，受红绿灯和行人过街等干扰因素的共同作用，雨天对其速度的削弱程度相对较小（Tsapakis et al., 2013）。雨天车辆速度的变异系数反映了道路对降雨天气的敏感程度，变异系数越大则道路在雨天时的速度越不稳定，该道路越容易受到外部环境的干扰，因此速度下降越明显；车流量大的道路发生拥堵的可能性更大，在降雨天速度下降程度更大；公交站点的数量与这些路段的速度变化率呈现显著的正相关，沿线公共站点数量越多的道路，其速度下降的幅度越小。在雨天，步行、自行车、电动车等出行方式受到影响，这些出行工具会转化成私家车、出租车以及公交。在公交站点少的路段，私家车、出租车的需求量增加较大，导致道路速度下降幅度较大。公交站点数量多的路段，能够更好地满足附近居民出行需求，路面交通压力不会大幅增加，因而速度的降幅也较小。而道路等级和地铁站点的影响不显著，说明道路等级以及地铁站点的数量与雨天道路速度的下降程度之间关系较弱。道路的不同等级对应着不同的设计（或理论）行车速度。道路等级不显著而道路在晴天时的速度均值显著，表明雨天道路速度下降的程度与其在正常交通条件下的实际通行速度之间的关系更紧密。因此，交通管理部门在制定交通管控措施时应该更加关注道路在正常交通条件下的实际通行速度，而非道路的等级。
速度上升的路段，速度变化率为正值，其值越大表示速度上升的程度越大。降雨量、雨天车速变异系数对速度变化率产生了显著的正向影响。对于这类速度上升的路段，降雨量越大，速度上升的幅度反而越大。这可能是由于降雨减少了经由这些路段的居民出行量（吴燕娟 等，2013），降低了路面交通压力。交通量的减少抵消了降雨对行驶速度的负面影响，使得速度相对于晴天时反而有较大提升。雨天车速变异系数越大，说明道路速度越不稳定，速度上升的幅度也越大。道路在晴天时的速度与速度变化率呈显著负相关。晴天速度高的道路，由于其速度本身就较大，在雨天时速度再大幅上升的可能性较低。地铁站点数量与速度变化率也呈显著负相关。地铁站点多的道路附近交通出行需求较多。由于地铁出行方便快捷，受天气影响较小，降雨天地铁站点多的道路上交通出行需求被削减的程度较弱，因而雨天速度上升的幅度较低。而道路等级、车流量和公交站点的数量对道路速度上升的影响不显著。
对比速度下降和速度上升两类路段，可以发现，道路等级在两类路段上均不显著，公共交通设施（公交站点、地铁站点）对稳定道路速度有作用。降雨量、道路在晴天时的速度、雨天车速变异系数这3个影响因素在两类路段上均显著。对于速度下降的路段，降雨量越大、道路在晴天时的速度越大、雨天车速变异系数越高，则速度下降程度越大。对于速度上升的路段，降雨量越大、在晴天时的速度越小、雨天车速变异系数越高，速度上升的程度反而越大。车流量、公交站点的数量在速度下降的路段上显著，在速度上升的路段上不显著。地铁站点的数量在速度下降的路段上不显著，在速度上升的路段上显著。

4 结论

利用深圳市南山、盐田、罗湖和福田4个行政区的出租车GPS数据和51个气象站点的逐小时雨量监测数据，计算了城市各道路在雨天的速度相对于晴天同时段速度的变化率。结果发现，降雨对城市道路速度有显著的影响，但在不同道路上具有明显的差异。降雨并不总造成道路速度下降，本文实验数据中有30%路段的速度相对于晴天同时段有所上升。运用多元线性回归模型分析了降雨量、道路等级、车流量、晴天同时段的速度等影响因素在速度下降和速度上升两类道路上的作用差异。结果表明，对于速度下降的路段，降雨量、晴天同时段的速度、雨天车速的变异系数、车流量越大，道路速度越易受影响，下降幅度越大。公交站点的数量增加有助于缓解道路速度下降的幅度。道路等级不显著而道路在晴天同时段的速度显著，表明降雨天道路速度下降的程度与其在正常交通条件下的实际通行速度之间的关系更紧密。对于速度上升的路段，降雨量、雨天车速变异系数越大，道路速度上升幅度反而越大。晴天同时段的速度越低的道路，其速度有更大的上升幅度。
降雨天气对城市道路通行效率的影响比较复杂。降雨一方面导致路面积水和能见度下降，从而使行驶速度降低；另一方面降雨会减少人们不必要的出行，导致车流量减少，从而提高道路速度。对于一条具体的道路，在降雨天气下其速度有下降和上升两种可能。之前的研究大多关注所有道路样本的平均通行效率变化，忽略了道路之间的差异。本研究将速度上升和速度下降这两种正负不同影响方向的路段区分开，着重分析了这两类道路的影响因素差异，拓展了人们对于降雨天气影响城市道路交通的认识，对城市道路交通的管理、效率评估及交通信息发布有较好的指导意义。另外，本研究也存在一定的局限性，如所选取的时间段仅为工作日早高峰，未来可以加入平峰及晚高峰的数据进行对比。此外，目前以深圳市为例的结论是否也适用于其他城市还有待进一步研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Andersen O and Torp K. 2016. A Data Model for Determining Weather’s Impact on Travel Time. In: Hartmann S and Ma H. International Conference on Database and Expert Systems Applications. Switzerland: Springer International Publishing.

龚大鹏，宋国华，黎明，高永，于雷. 2015. 降雨对城市道路行程速度的影响. 交通运输系统工程与信息，15（1）：218-225. [Gong Dapeng, Song Guohua, Li Ming, Gao Yong and Yu Lei. 2015. Influence of Rainfall on Urban Road Travel Speed. Journal of Transportation Systems Engineering and Information Technology, 15(1): 218-225. ]

何璐希，刘畅. 2018. 广州市降雨量与交通拥堵指数的关系. 广东气象，40（5）：62-65. [He Luxi and Liu Chang. 2018. Relationship between Rainfall and Traffic Congestion Index in Guangzhou. Guangdong Meteorology, 40(5): 62-65. ]

胡文燕，李梦雅，王军，黄清雨. 2018. 暴雨内涝影响下的城市道路交通拥挤特征识别. 地理科学进展，37（6）：772-780. [Hu Wenyan, Li Mengya, Wang Jun and Huang Qingyu. 2018. Identification of Urban Road Traffic Congestion under the Influence of Rainstorm and Waterlogging. Progress in Geography, 37(6): 772-780. ]

Kamga C and Yazici M A. 2014. Temporal and Weather Related Variation Patterns of Urban Travel Time: Considerations and Caveats for Value of Travel Time, Value of Variability, and Mode Choice Studies. Transportation Research Part C: Emerging Technologies, 45: 4-16.

Lam W H K., Mei L T., Cao X and Li X. 2013. Modeling the Effects of Rainfall Intensity on Traffic Speed, Flow, and Density Relationships for Urban Roads. Journal of Transportation Engineering, 139(7): 758-770.

李朝奎，陈良，王勇. 2007. 降雨量分布的空间插值方法研究——以美国爱达荷州为例. 矿产与地质，21（6）：684-687. [Li Chaokui, Chen Liang and Wang Yong. 2007. Study on Spatial Interpolation Method of Rainfall Distribution—A Case Study of Idaho, USA. Mineral Resources and Geology, 21(6): 684-687. ]

Li Q P, Hao X, Wang W, Wu A and Xie Z. 2017. Effects of the Rainstorm on Urban Road Traffic Speed—A Case Study of Shenzhen, China. Wuhan, China: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. ISPRS Geospatial Week 2017.

Li Q P, Tu W and Zhuo L. 2018. Reliable Rescue Routing Optimization for Urban Emergency Logistics under Travel Time Uncertainty. ISPRS International Journal of Geo-Information, 7(2): 1-17.

林志恒，何兆成，戴秀斌，褚俊飞，沙志仁. 2014. 考虑降雨影响的城市交通流车速多层线性模型研究. 公路交通科技，31（10）：119-125. [Lin Zhiheng, He Zhaocheng, Dai Xiubin, Chu Junfei and Sha Zhiren. 2014. Research on Multi-Layer Linear Model of Urban Traffic Flow Speed Considering the Influence of Rainfall. Journal of Highway and Transportation Research and Development, 31(10): 119-125. ]

Mitsakis E, Stamos I, Diakakis M and Salanova Grau J M. 2014. Impacts of High-Intensity Storms on Urban Transportation: Applying Traffic Flow Control Methodologies for Quantifying the Effects. International Journal of Environmental Science and Technology, 11(8): 2145-2154.

Pregnolato M, Ford A, Wilkinson S M and Dawson R J. 2017. The Impact of Flooding on Road Transport: A Depth-Disruption Function. Transportation Research Part D: Transport and Environment, 55: 67-81.

秦丽辉，裴玉龙，汪恩良. 2017. 公交停靠影响下的城市干路通行能力与服务水平. 哈尔滨工业大学学报，49（9）：90-96. [Qin Lihui, Pei Yulong and Wang Enliang. 2017. Urban Trunk Road Capacity and Service Level under the Influence of Bus Stops. Journal of Harbin Institute of Technology, 49(9): 90-96. ]

深圳市气象局. 2018. 2018年深圳市气候公报. 深圳：深圳市气象局. [Meteorological Bureau of Shenzhen Municipality. 2018. Shenzhen Climate Bulletin in Year 2018. Shenzhen: Meteorological Bureau of Shenzhen Municipality. ]

深圳市统计局．2018．2018年深圳市国民经济和社会发展统计公报．深圳：深圳市统计局. [Statistics Bureau of Shenzhen. 2018. Statistical Bulletin of Shenzhen’s National Economic and Social Development in Year 2018. Shenzhen: Statistics Bureau of Shenzhen. ]

Tsapakis I, Cheng T and Bolbol A. 2013. Impact of Weather Conditions on Macroscopic Urban Travel Times. Journal of Transport Geography, 28: 204-211.

吴燕娟，温家洪，曹羽，胡恒智，张振国，徐明，谈建国. 2013. 暴雨内涝对城市社区居民出行影响的初步分析——以上海市普陀区金沙居委地区为例. 灾害学，28（3）：191-197. [Wu Yanjuan, Wen Jiahong, Cao Yu, Hu Hengzhi, Zhang Zhenguo, Xu Ming and Tan Jianguo. 2013. A Preliminary Analysis on Effects of Waterlogging on Resident Trip: A Case Study of Jinsha Community in Putuo District, Shanghai. Journal of Catastrophology, 28(3): 191-197. ]

Yuan L Y, Chen B Y and Lam W. 2014. Effects of Rainfall Intensity on Traffic Crashes in Hong Kong. Proceedings of the Institution of Civil Engineers-Transport, 167(5): 343-350.

曾伟良，龚峻峰，何兆成，朱倩茹，陈晓翔. 2011. 降雨对城市道路交通行驶速度的影响分析. 环境科学与技术，34（12）：201-205. [Zeng Weiliang, Gong Junfeng, He Zhaocheng, Zhu Qianru and Chen Xiaoxiang. 2011. Analysis of the Influence of Rainfall on Urban Road Traffic Speed. Environmental Science and Technology, 34(12): 201-205. ]

Zhang W, Li R, Shang P and Liu H. 2019. Impact Analysis of Rainfall on Traffic Flow Characteristics in Beijing. International Journal of Intelligent Transportation Systems Research, 17(2): 150-160.

Options
文章导航

/

〈 〉