[论文解读] Urban Bike Lane Planning with Bike Trajectories: Models, Algorithms, and a Real-World Case Study

Sheng Liu, Zuo‐Jun Max Shen+1 more|arXiv (Cornell University)|Aug 21, 2020

Urban Transport and Accessibility参考文献 41被引用 5

一句话总结

本文提出了一种基于数据的优化框架，用于城市自行车道规划，利用无桩自行车共享系统中的细粒度GPS轨迹数据。该框架通过基于多项式对数（Multinomial Logit）的双层规划模型来模拟骑行者的路线选择行为，将问题重新表述为混合整数线性规划（MILP），并通过一个真实案例研究表明，纳入路线选择行为可提高覆盖率，但会降低车道连续性，从而在智慧城市中实现更智能、以效用为导向的基础设施决策。

ABSTRACT

We study an urban bike lane planning problem based on the fine-grained bike trajectory data, which is made available by smart city infrastructure such as bike-sharing systems. The key decision is where to build bike lanes in the existing road network. As bike-sharing systems become widespread in the metropolitan areas over the world, bike lanes are being planned and constructed by many municipal governments to promote cycling and protect cyclists. Traditional bike lane planning approaches often rely on surveys and heuristics. We develop a general and novel optimization framework to guide the bike lane planning from bike trajectories. We formalize the bike lane planning problem in view of the cyclists' utility functions and derive an integer optimization model to maximize the utility. To capture cyclists' route choices, we develop a bilevel program based on the Multinomial Logit model. We derive structural properties about the base model and prove that the Lagrangian dual of the bike lane planning model is polynomial-time solvable. Furthermore, we reformulate the route choice based planning model as a mixed integer linear program using a linear approximation scheme. We develop tractable formulations and efficient algorithms to solve the large-scale optimization problem. Via a real-world case study with a city government, we demonstrate the efficiency of the proposed algorithms and quantify the trade-off between the coverage of bike trips and continuity of bike lanes. We show how the network topology evolves according to the utility functions and highlight the importance of understanding cyclists' route choices. The proposed framework drives the data-driven urban planning scheme in smart city operations management.

研究动机与目标

• 解决传统基于启发式方法的自行车道规划的局限性，这些方法依赖于调查且缺乏数据粒度。
• 开发一种优化框架，利用无桩自行车共享系统提供的高分辨率GPS轨迹数据，指导基于证据的城市规划。
• 在双层优化框架中，使用基于多项式对数（MNL）模型显式建模骑行者的路线选择行为。
• 量化现实城市网络中自行车道覆盖范围与连续性之间的权衡。
• 为大规模自行车道规划提供一种可扩展、可计算的解决方案，整合效用最大化与行为响应。

提出的方法

• 将自行车道规划问题形式化为整数优化模型，以最大化骑行者的效用，同时考虑行程距离和车道可用性。
• 构建一个双层规划模型，上层负责自行车道规划，下层使用基于多项式对数（MNL）模型模拟骑行者的路线选择。
• 证明了基础模型的拉格朗日对偶问题可在多项式时间内求解，确保计算效率。
• 应用线性逼近方法，将基于路线选择的模型重新表述为混合整数线性规划（MILP），以实现可计算的求解。
• 利用Google Maps Directions API为起点-终点对生成候选路线，丰富路线选择集，提升路线建模的真实性。
• 通过设定每公里的不便度参数 η = 20 来校准效用函数，以在模型中平衡路线效用与行程距离。

实验结果

研究问题

• RQ1 如何利用无桩自行车共享系统中的GPS自行车轨迹数据，以提高城市自行车道规划的准确性和效率？
• RQ2 在结果自行车道网络的拓扑结构和覆盖范围方面，纳入骑行者路线选择行为会产生何种影响？
• RQ3 在不同效用函数参数下，自行车行程覆盖范围与自行车道连续性之间的权衡如何变化？
• RQ4 能否在大规模场景下高效求解能够捕捉基础设施规划与行为响应相互作用的双层优化模型？
• RQ5 当规划者在决策过程中同时考虑观测到的路线与替代路线时，网络拓扑结构如何演变？

主要发现

• 通过MNL模型纳入骑行者路线选择行为，可使自行车道网络分布更分散，覆盖更广泛的路线，但以降低连续性为代价。
• 当 B = 30 km 且 α = 1.02 时，考虑路线选择后覆盖率显著提升，而连续自行车道的平均长度则下降。
• 该模型表明，忽略路线选择行为会导致车道布局次优，仅聚焦于观测到的高流量路线，而忽略其他被偏好的替代路径。
• 所提出的MILP重构方法可高效求解大规模问题，使该框架适用于真实城市网络。
• 中国珠海的案例研究显示，该框架能够量化覆盖率与连续性之间的权衡，为城市规划者提供可操作的洞察。
• 结果强调了在基础设施规划中建模行为响应的重要性，因为静态的、基于调查的方法可能无法准确反映实际骑行模式。