交通运输研究 >

2022 , Vol. 8 >Issue 3: 66 - 75

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2022.03.007

考虑碳排放的HOV车道综合效益评价

  • 代洪娜 , 1 ,
  • 曾煜磊 , 2 ,
  • 侯梦圆 2 ,
  • 贾清林 1
展开
  • 1.山东交通学院 顿河学院，山东 济南 250357
  • 2.山东交通学院 交通与物流工程学院，山东 济南 250357
曾煜磊（1998—），男，浙江杭州人，硕士研究生，研究方向为交通运输规划与管理。E-mail:

代洪娜（1987—），女，山东聊城人，博士，副教授，研究方向为交通规划、交通大数据分析。E-mail:

收稿日期: 2022-03-24

  网络出版日期: 2022-07-05

基金资助

国家社会科学基金项目(19BJY173)

山东省重点研发计划项目(2021RZA02025)

山东省交通科技创新计划项目(2019B67)

山东省交通科技创新计划项目(2020B90)

收起

Comprehensive Benefit Evaluation of HOV Lanes Considering Carbon Emissions

  • DAI Hong-na , 1 ,
  • ZENG Yu-lei , 2 ,
  • HOU Meng-yuan 2 ,
  • JIA Qing-lin 1
Expand
  • 1. Don College, Shandong Jiaotong University, Jinan 250357, China
  • 2. School of Transportation and Logistics Engineering, Shandong Jiaotong University, Jinan 250357, China

Received date: 2022-03-24

  Online published: 2022-07-05

Fold

摘要

为科学评价高乘载（High-Occupancy Vehicle, HOV）车道对道路运行综合效益的影响，在构建考虑碳排放的HOV车道综合效益评价体系的基础上，采用熵权TOPSIS法对HOV车道综合效益进行评价，并以济南市经十路为例采用VISSIM软件对道路进行仿真，对比分析不同设置方案下HOV车道综合效益的差异性。结果表明：将公交专用道改建为HOV车道可有效降低车辆延误时间，提升平均行驶速度与断面运送人数，减少路段车辆总碳排放;不同方案的HOV车道综合效益值由高到低依次为“HOV2+”“HOV3+”“HOV4+”“无HOV”，其中HOV2+车道作为最优方案，可有效减少3%的碳排放量;随着路段流量的逐步增大，HOV车道的合乘优势更加凸显，可提升整个路段的通行效率，减少车辆和人均延误时间，这表明HOV车道建设能在一定程度上缓解交通拥堵，优化交通出行结构，对降低城市道路碳排放产生积极影响，可助推交通运输行业实现“双碳”目标。

关键词： HOV车道; 碳排放; 熵权TOPSIS法; 效益评价; 公交专用道; 道路仿真

本文引用格式

代洪娜 , 曾煜磊 , 侯梦圆 , 贾清林 . 考虑碳排放的HOV车道综合效益评价[J]. 交通运输研究, 2022 , 8(3) : 66 -75 . DOI: 10.16503/j.cnki.2095-9931.2022.03.007

Abstract

In order to scientifically evaluate the influence of HOV(High-Occupancy Vehicle) lanes on the comprehensive benefit of road operation, a comprehensive benefit evaluation system of HOV lanes was constructed considering carbon emissions, and the comprehensive benefit of HOV lanes operation was evaluated by using the method of entropy weight TOPSIS. Taking Jingshi Road in Jinan city as an example, VISSIM software was used to simulate the road. The differences of comprehensive benefits of HOV lanes under different design were compared and analyzed. The results showed that: converting bus lanes into HOV lanes could effectively reduce the vehicle delay time, increase the average speed and the number of passengers transported, and reduce the total carbon emissions of vehicles on the road; the comprehensive benefit values of HOV lanes of different schemes were "HOV2+", "HOV3+", "HOV4+" and "without HOV" in descending order; HOV2+ lanes, as the optimal scheme, could effectively reduce carbon emissions by 3%; with the gradual increase of traffic flow volume on the road section, the sharing advantage of HOV lane became more prominent, which improved the traffic efficiency of the whole road section and reduced the delay time of vehicles and per capita. It indicates that the construction of HOV lane can alleviate traffic congestion to a certain extent, optimize the traffic travel structure, have a positive impact on reducing the carbon emissions of urban roads, and can help the transportation industry to achieve carbon peaking and carbon neutrality goals.

Key words： HOV(High-Occupancy Vehicle) lanes; carbon emissions; entropy weight TOPSIS method; benefit evaluation; bus lane; road simulation

0 引言

交通运输是碳排放的主要领域之一，加速交通运输行业绿色低碳转型是推动交通运输行业高质量发展和助推交通运输行业实现“碳达峰、碳中和”目标的重要举措[1]。近年来，我国机动车保有量和城市居民人口均呈现快速增长趋势，小汽车出行需求与日俱增，导致城市交通拥堵问题日益严重、交通碳排放呈现高位增长态势。高乘载（High-Occupancy Vehicle, HOV）车道作为低碳绿色的合乘出行方式之一，有助于提高道路和车辆使用效率，进而减少城市交通碳排放总量，是治理交通拥堵“城市病”的有益探索。因此，有必要研究HOV车道设置对降低交通运输行业碳排放的影响，为不同城市HOV车道建设、助力交通运输行业“双碳”目标的实现提供理论支持。
自HOV合乘理念产生后，在发达国家已有50年的实践经验，众多学者对其进行了研究。国际上，Gadawe等全面总结了部分发达国家既有的HOV车道发展现状，梳理了HOV车道发展脉络并预测了其研究方向和发展趋势[2]。为论证HOV车道设置的可行性，Rehman等通过研究实际路网数据，提出可在空闲或未充分利用的线路构建HOV车道[3];Arunan等基于实际道路数据，提出将HOV车道引入城市快速路可提升车辆通行效率[4];Shewmake基于行为模型，发现HOV车道可以改善道路交通运行条件和周围环境[5];Chen等通过改进的旅行时间函数，验证了HOV车道比普通车道具有更高的行程时间可靠性[6];Wu等基于回归分析和参数回归模型，研究发现HOV车道可提高道路的机动车平均车速[7];Wang等通过经典的瓶颈模型研究，论证了HOV车道的最佳通行能力随着平均HOV车内出行者数量和对HOV交通的需求增加而增加[8]。通过HOV车道政策实施前后对比分析，Hanna等通过分析评价收集的交通速度数据后，发现取消HOV车道后城市拥堵情况比取消前严重[9];Paundra等通过差分法，研究发现停止HOV政策施行后城市交通更加拥堵[10]。在优化HOV车道运行方面，Li等结合微观仿真分析，应用启发式优化算法提高了HOV车道安全性与运行效率[11]。
我国对HOV车道的研究始于20世纪90年代末，起初仅限于对HOV车道设置的可行性进行理论分析，如曹更立等定性分析了HOV车道在我国的适用性和可行性，并提出实用性建议[12]。随着2014年国内首条HOV车道的实施，相关研究开始逐步深入。为评价HOV车道的运行效果，韦怡林等通过仿真模拟计算，发现将普通车道改为HOV车道可有效提高道路运输效率[13];向楠等以深圳试点为案例进行数据分析，验证了建设HOV车道可改善道路运行状况[14];户佐安等构建了考虑出行总效用函数的HOV车道运行评价模型[15];薛海宁通过双层规划模型，发现HOV 专用车道的设置是实现整个交通系统中拥堵减轻、浪费缓解的行之有效的手段[16]。考虑到HOV车道可在一定程度上缓解交通拥堵问题，各地开始陆续建设HOV车道，在评估HOV车道实际运行效率方面，韩得利构建了基于行程时间、速度等的路段总效用函数，并在调研后仿真分析了重庆市学府大道、深圳市滨海大道等设置HOV车道前后道路运行效果的变化情况，发现HOV车道对于降低流量和延误、提升平均速度和服务水平、增加断面运送人数有帮助[17-18]。为综合评估HOV车道运行效果，邵春福等结合出行者使用 HOV 车道的意愿（Stated Preference, SP）调查，构建了基于多方式选择的 HOV 车道出行行为选择模型，建立了包含道路负荷度与出行总成本的路段运行效果评价指标体系，并以北京为例分析验证了将公交专用道改造为HOV车道的可行性[19];王瑜等通过构建模糊综合评价模型，建立了综合评价体系，得到了 HOV 车道的综合效益评价值[20];曾炎盛通过构建演化博弈模型，对实际 HOV车道的应用效果进行了综合评价[21]。
综合来看，国内外学者对于 HOV 车道的设置可行性、理论模型、设置方案、效益评价等进行了广泛研究，但既有HOV车道综合运行效益指标体系中未考虑对城市道路碳排放的影响。在交通运输行业加快推动实现“双碳”目标的大背景下，HOV车道作为推进低碳绿色的重要举措，如何有效测度其对交通运输行业碳排放强度的影响效应显得非常重要。鉴于此，本研究将构建考虑碳排放的HOV车道综合效益评价指标，并基于熵权TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法对HOV车道方案的综合效益进行评价分析，最后以济南市为例借助VISSIM仿真提出最优的HOV车道建设方案。

1 考虑碳排放的HOV车道综合效益评价体系

为综合评价HOV车道的运行效益，本研究从经济社会、交通效率、环境资源3个维度构建HOV车道综合效益评价指标体系，如图1所示。
图1 考虑碳排放的 HOV车道综合效益评价指标体系

1.1 经济社会评价指标

经济社会指标主要反映驾驶者的费用支出和车辆燃油消耗，包括个人平均出行费用和单位车辆燃油消耗。根据设置前后两个指标的变化情况，判断HOV车道是否起到节约资源和节省出行者费用支出的作用。
（1）个人平均出行费用：该指标以油耗费用和出行时间费用为主，将时间价值和能源价值进行量化，其计算公式为[20]：
U 1 = T 1 ε + U 2 n θ
式（1）中： U 1为个人平均出行费用（元）; T 1为平均出行时间（h）; ε为时间价值参数，取 ε=45元/ h; U 2为单位车辆燃油消耗量（L/100km）; n为乘客数量（人）; θ为能源价值参数，取 θ=8元/L。
（2）单位车辆燃油消耗：该指标与车辆运行速度有关，是居民个人出行费用计算公式的重要构成，其计算公式为[20]：
U 2 = T 2 F C V
F C V = 5.917 - 0.127 T 3 + 0.002 T 3 2
式（2）~式（3）中： T 2为统计期间车辆通过路段所需平均时间（h）; F C V为高峰时段车辆每小时油耗与行驶速度回归模型[22]; T 3为路段平均车速（km/h），指一定时间内经过路段观测点的车速平均值; U 2含义同前。

1.2 交通效率评价指标

交通效率评价指标主要反映道路交通改善情况和交通运行参数提升幅度，包括路段平均车速、道路饱和度、载客率、人均延误时间及车辆平均延误。根据设置前后5个指标的变化情况，判断HOV车道是否提高道路通行效率和道路资源使用效率。
（1）路段平均车速：该指标用于衡量道路车辆的运行效率和通行速度，其计算公式为：
T 3 = - 1 N ∑ i = 1 N V i
式（4）中： N为统计时段里的观测车数量（辆）; V i为第 i辆车的瞬时车速（km/h）;T3含义同前。
（2）道路饱和度：该指标用于衡量道路车流量和通行能力均衡与否，可直观反映出道路拥堵程度，饱和度越高路段越拥堵，其计算公式为[23]：
T 4 = Q / C, C = C 0 ⋅ γ （5）
式（5）中： T 4为道路饱和度; Q为路段单位小时最大车流量（pcu/h）; C为该路段的通行能力; C 0为道路理论通行能力; γ为折减系数。
（3）载客率：指单位时间内通过某一道路断面的运送总人数与通过该断面交通量的比值，可反映设置HOV车道前后道路运输效率的提升程度，其计算公式为[17]：
H = ∑ i n q i m i ∑ i n q i
式（6）中： H为载客率（人/辆）; q i为单位时间内第 i种载运工具的数量（辆/ h）; m i为第 i种载运工具的平均载客人数（人/辆）;n含义同前。
（4）人均延误时间 T 5（s）：指通过某一路段的所有乘客的平均行程延误，可反映道路通行效率。
（5）车辆平均延误 T 6（s）：指每辆车以正常行驶速度通过某一路段的平均时间与受阻情况下通过道路的时间差。

1.3 环境资源评价指标

环境资源评价主要从二氧化碳排放量和污染物排放等方面，评价HOV车道对助推交通运输业“双碳”目标实现的贡献。该类指标主要包括：环境污染中的尾气排放污染物平均浓度、路段车辆二氧化碳排放量。通过对比分析设置前后数据，判断HOV车道是否会降低该路段污染物排放浓度和二氧化碳的排放总量。
（1）单位车辆污染物平均排放浓度：机动车污染物排放已成为我国空气污染的主要来源之一，故单位车辆污染物平均排放浓度是重要的环境影响评价指标之一。通过回归分析，得到机动车尾气排放量与速度的计算模型为[24]:
E 1 = - 27.156 l n T 3 + 138.941
式（7）中： E 1为单位车辆污染物平均排放浓度（mg/km）; T 3含义同前。
（2）路段车辆二氧化碳排放总量：该指标指各类车辆在路段排放的二氧化碳总量，按照每燃烧1L汽油排放2.36kg的二氧化碳[25]，每燃烧1L柴油排放2.73kg的二氧化碳来计算[26]：
E 2 = U 2 λ 1 K 1 + U 2 λ 2 K 2
式（8）中： E 2为路段车辆二氧化碳排放总量（kg）; λ 1为柴油车燃油二氧化碳排放指标，对于柴油公交车，取 λ 1=2.73; λ 2为汽油民用车燃油二氧化碳排放指标，对于汽油民用车，取 λ 2=2.36; K 1为道路上的公交车数量（辆）; K 2为道路上其他民用车数量（辆）。

2 基于熵权TOPSIS法的综合评价模型构建

目前常用的多指标评价方法有：带有人为主观因素决策分析的层次分析法、反复多次汇总专家意见的德尔菲法、用于确定各因素对其所在系统影响程度的灰色关联分析法、按照某个特定标准把一个数据集分割成不同的类或簇的聚类分析方法等。由于HOV车道评价涉及不同类别指标，决策过程较为复杂，而TOPSIS法可以同时考虑多个指标及指标之间的相对优劣性，通过计算测定目标靠近理想解和远离负理想解的距离，进而根据距离判断相对优劣性从高到低的排序，实现综合评价。传统的TOPSIS法存在两个缺陷[27]：一是一般通过层次分析法和专家打分法确定指标权重，主观性较强;二是采用欧式距离计算各方案与理想方案之间的距离，不能完全反映各实际方案的优劣性，特别是在多指标情况下，与理想解欧式距离近的方案可能也与负理想解距离近，导致不能科学评价指标的真实水平。
本文综合应用熵权法和垂面距离测算法对传统TOPSIS法进行改进，使权重信息与评价方法更加准确，通过衡量指标数据的变异性确定指标客观权重，同时修正欧式距离计算法评价的缺陷，最终考虑评估的科学性和严谨性，构建基于熵权逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution, TOPSIS）的综合效益评价方法。

2.1 熵权法

在进行综合评价之前，需对所有指标进行无量纲化处理，以消除量纲不同带来的影响。假设选取 n个HOV方案为样本，设计了 m个评价指标。本研究采用极值法对HOV车道综合效益评价指标进行无量纲化处理，即将指标数值全部转化为[0, 1]区间的值，具体计算方法如下。
（1）正向指标无量纲化处理：
x i j ' = x i j - m j M j - m j
（2）逆向指标无量纲化处理：
x i j ' = M j - x i j M j - m j
式（9）~式（10）中： x i j为第 i个HOV建成方案的第 j个评价指标值（ i=1, 2, …, n; j=1, 2, …, m）; x i j '为第 i个HOV建成方案的第 j个指标归一化值（ i=1, 2, …, n; j=1, 2, …, m）; m j为第 j项指标的最小值; M j为第 j项指标的最大值。
对交通效益、经济效益、环境效益3个维度的9个评价指标进行属性划分，正向属性代表该属性指标数值愈大愈好，越大对体系越有利;负向指标代表该属性指标愈小愈好，越小对体系越有利，如表1所示。
表1 指标属性表
维度 指标 属性
交通
效益		 平均车速/（km· h-1） 正向
道路饱和度 负向
人均延误/s 负向
车辆平均延误/s 负向
载客率/（人· 辆-1） 正向
经济
效益		 路段个人平均出行费用/元 负向
单位车辆燃油消耗/(L· 100km-1) 负向
环境
效益		 单位车辆污染物平均排放浓度/（mg· km-1） 负向
路段车辆二氧化碳排放量/kg 负向
在构建HOV车道综合效益评价指标体系后，需要对每个指标赋权。目前，常用赋权方法有主观赋权法和客观赋权法。由于熵值法具有既能反映指标信息又能充分利用原始数据客观计算指标权重的优势，本研究采用熵权法[27]对HOV车道综合评价指标赋权，计算最终评价得分。 “熵”的概念最早作为热力学概念提出，之后被引入信息理论中来表明系统的混沌程度，熵权越小提供的有效信息就越多，指标优先级也越高;反之，熵权越大提供的有效信息越少，指标的优先级越靠后。应用步骤如下：
（1）对基础数据进行无量纲化处理，消除物理量的影响，计算第 i个HOV建设方案下第 j个指标的特征比重：
p i j = x i j ' ∑ i = 1 n x i j '
式（11）中： p i j为第 i个HOV建成方案的第 j项评价指标值的特征比重;其他变量含义同前。
（2）熵权计算，计算第j项指标的熵权：
e j = - 1 l n n ∑ i = 1 n p i j l n p i j           0 ≤ e j ≤ 1
式（12）中： e j为第 j项评价指标的熵权;其他变量含义同前。
（3）差异性系数计算：差异性系数取决于 e j与1之间的差值，直接影响权重的大小。差异性系数越大，权重就越大，对评价的重要性就越大，其计算公式为：
g j = 1 - e j
式（13）中： g j为第 j项评价指标的差异性系数;ej含义同前。
（4）确定评价指标的权重 W j：利用差异性系数来确定权重，权重系数越大，评价指标对评价结果越重要。
W j = g j ∑ i = 1 m g j             j = 1 ,   2 ,   … ,   m
式（14）中： W j为第 j项评价指标的权重;gj含义同前。

2.2 利用TOPSIS改进模型进行重要度评价

TOPSIS模型由Yoon等于1981年提出[27]，它是一种逼近于理想解的排序法，即根据有限个评价对象与理想化目标的接近程度排序，对现有对象进行相对优劣性评价[28]。本研究结合熵权法所确定的权重建立TOPSIS模型。与传统的TOPSIS模型相比，本文所建TOPSIS模型[27]主要对评价对象与最优解和最劣解的评价公式进行改进，具体步骤如下：
（1）构造加权规范化决策矩阵 V i j
V i j = ( W j Z i j ) n × m
Z i j = X i j ∑ i = 1 n X i j 2             j = 1 ,   2 , ⋯ ,   m
式（15）中： V i j为加权规范化决策矩阵; X i j为 n× m阶矩阵，包含第 i个对象的第 j个值（ i=1, 2,…, n; j=1, 2,…, m）; Z i j为 n× m阶标准化矩阵; W j为第 j项评价指标权重;其他变量含义同前。
（2）确定正、负理想解：决策矩阵 V中元素 V i j值越大表示方案越好。
正理想解：
V + = ( V 1 + ,   V 2 + , ⋯ ,   V m + ) = { m a x V i j j = 1 ,   2 , ⋯ ,   m }
负理想解：
V - = ( V 1 - ,   V 2 - , ⋯ ,   V m - ) = { m i n V i j j = 1 ,   2 , ⋯ ,   m }
式（16）~式（17）中： V +为正理想解; V -为负理想解; V m +为第 m项指标的最大值; V m -为第 m项指标的最小值。
（3）计算每个测度对象到正理想解的距离和到负理想解的距离：
S i + = ∑ j = 1 m V j + - V i j 2
S i - = ∑ j = 1 m V j - - V i j 2
式（18）~式（19）中： S i +为每个测度对象到正理想解的距离; S i -为每个测度对象到负理想解的距离;其他变量含义同前。
（4）计算每个测度对象的相对接近度：
C i = S i - S i + - S i -
式（20）中： C i为每个测度对象的相对接近度;其余变量含义同前。
贴近度值 C i在[0, 1]区间内取值，当 C i = 1时，评价水平最高，表明该目标距离理想解的距离最近，达到最优状态;当 C i = 0时，表明该目标距离理想解的距离最远，处于高度无序混乱状态。

3 案例分析

3.1 数据来源

济南市经十路是济南市区重要的东西主干道，双向10车道，设计速度为80km/h。本研究以此路为例，设置HOV车道，采用人工计数法统计经十路与千佛山路和青年东路交叉路段（全长700m）上高峰小时不同车型的交通量，结果如表2所示。
表2 经十路断面交通量调查结果 单位：veh/h
乘坐
1人的
机动车		 乘坐
2人的
机动车		 乘坐
3人的
机动车		 乘坐
4人及以上
的机动车		 公交
车		 合计
4 696 1 913 1 130 696 261 8 696
采用跟车调查法，调查早晚高峰期间调查路段车辆的平均车速，结果如表3所示。
表3 高峰时段经十路车速调查结果 单位：km/h
行驶方向 早高峰 晚高峰
经十路由西往东 46.2 43.3
经十路由东往西 48.4 44.1
对表2经十路断面交通量调查数据进行处理，得到车辆的出行者分担率情况如表4所示。
表4 车辆的出行者分担率
出行者人数 交通量
/（veh· h-1）		 交通量占
比（%）		 出行者分
担量/人		 出行者分
担率（%）
1人乘车 4 696 54.00 4 696 20.85
2人合乘 1 913 22.00 3 826 16.98
3人合乘 1 130 12.99 3 390 15.05
4人合乘及以上 696 8.00 2 784 12.36
公交车（30人） 261 3.00 7 830 34.76
调查数据显示，高峰小时大多为通勤交通量，车辆类型较为复杂，小汽车流量是道路流量的主要组成部分，尤其一人乘车的小汽车占比高达54%、出行者分担率占比约为21%，而公交车只占了车辆总数的3%、出行者分担率为35%，这在一定程度上加剧了路段拥堵，增加了燃料消耗和二氧化碳排放量。

3.2 仿真结果分析

本文将经十路两个方向公交专用道改为HOV车道，在各时段都允许方案规定内的车辆和特种车驶入，共设计以下4个方案：①维持现状，不改变车道;②将HOV车道改为HOV2+车道，允许两人及以上车辆和特种车、公交车驶入;③将HOV车道改为HOV3+车道，允许3人及以上车辆和特种车、公交车驶入;④将HOV车道改为HOV4+车道，允许4人及以上车辆和特种车、公交车驶入。
HOV车道方案设置后，采用VISSIM对济南市经十路进行仿真分析，具体仿真效果如图2所示。根据调查的合乘情况，定义1人、2人、3人、4人及以上合乘机动车比例，每个方案限制不同类型的车辆驶入公交专用道，其中：路段初始截面单向输入车流为4 413pcu/h，模拟运行过程中车辆的乘载人数按照实际调查比例设定。4个方案仿真结果如表5所示。
图2 路段仿真效果图
表5 仿真指标参数
方案 经济效益 交通效益 环境效益
路段个人平均
出行费用/元		 单位车辆燃油消耗
/（L· 100km-1）		 平均车速
/（km· h-1）		 道路
饱和度		 载客率
/（人· 辆-1）		 人均延
误/s		 车辆平均
延误/s		 单位车辆污染物平均
排放浓度/（mg·km-1）		 路段车辆二氧
化碳排放量/kg
无HOV 44.8 7.05 45.548 0.725 1.28 7.846 7.356 35.24 1 486 50
HOV2+ 26.64 6.82 51.324 0.673 2.1 5.218 9.869 32 1 441 74
HOV3+ 32.15 6.96 47.232 0.691 1.77 6.167 8.722 34.25 1 450 62
HOV4+ 40.36 6.99 46.632 0.704 1.41 7.238 7.963 34.6 1 462 46
·结果表明：
（1）经济效益方面，HOV车道设置后人均出行费用和单位车辆油耗相比于现状都有所降低，经济效益发生了明显改观，表明HOV车道可在一定程度上节约居民的出行成本，尤其是HOV2+车道的经济效益最优，人均出行费用降低40.5%、车均燃油消耗降低3.3%。
（2）交通效益方面，设置HOV车道后平均车速都得到了提升，其中HOV2+车道的车速提升幅度最大，比普通车道提升了12%;道路饱和度、人均延误均有降低，但3个HOV建设方案的车辆平均延误都有所增加，载客率在HOV车道上也得到了提升。
（3）环境效益方面，设置不同的HOV车道后污染物平均排放量和二氧化碳排放量相比无HOV车道方案均有所降低，表明HOV车道的环境效益明显，可有效推动交通运输行业降低碳排放，在设置了HOV车道的路段，二氧化碳排放量有可观的减少。
综合考虑，选择HOV2+合乘车道为建设方案。同时，为进一步探究道路基础设施供给不变的情况下，随着机动车保有量、道路路段流量的增加，HOV车道对路网运行效率的影响，本文采用VISSIM仿真模拟经十路上下行方向每增加1 500pcu/h流量后的路段情况，并得出如表6所示的相关参数。
表6 随流量增加的HOV2+表现
方案 饱和度
0.73 0.85 0.97 1.09 1.21
现状车道无HOV车辆平均延误/s 7.356 9.82 14.02 21.87 29.44
设置HOV2+车辆平均
延误/s		 9.869 10.94 14.16 22.79 28.17
现状车道无HOV人均延误/s 7.846 10.35 15.12 22.75 28.37
设置HOV2+人均延误/s 5.218 8.76 12.25 19.11 27.64
由表6可看出，随着道路流量增加，饱和度的升高，HOV2+车道的人均延误时间始终比无HOV车道低，尤其当饱和度达到1.21时，延误时间比原始车道降低了2.6%左右;HOV2+车道车辆平均延误时间在饱和度为0.73~1.09时比原始车道高，但随着流量的增加，饱和度上升，HOV2+车道的优势逐渐显现，在饱和度为1.21时，车辆平均延误比原始车道降低了4.3%左右。

3.3 评价结果分析

首先，利用熵权法计算综合评价体系下各个指标的权重，结果如表7所示。
表7 指标权重
指标 权重 指标 权重
路段个人平均出行费用/元 0.109 人均延误/s 0.111
单位车辆燃油消耗
/（L· 100km-1）		 0.113 车辆平均延误/s 0.088
平均车速/（km· h-1） 0.141 单位车辆污染物平均排放浓度/（mg· km-1） 0.138
道路饱和度 0.091 路段车辆二氧化碳排放量/kg 0.083
载客率/（人· 辆-1） 0.126
然后，利用TOPSIS改进模型分别计算中间值（结果如表8所示）和评价综合得分指数（结果如表9所示）。
表8 中间值
指标 正理想解 负理想解 指标 正理想解 负理想解
路段个人平均出行费用/元 0.804 523 46 0.000 004 43 载客率/（人·辆-1） 0.850 546 75 0.000 103 71
单位车辆燃油消耗/（L·100km-1） 0.895 442 78 0.000 389 02 人均延误/s 0.827 114 56 0.000 031 47
车辆平均延误/s 0.748 771 71 0.000 029 79
平均车速/（km·h-1） 0.944 811 74 0.000 016 36 单位车辆污染物平均排放浓度/（mg·km-1） 0.940 180 97 0.000 029 00
道路饱和度 0.792 731 31 0.001 521 56 路段车辆二氧化碳排放量/kg 0.719 622 18 0.000 000 02
表9 综合得分表
方案 正理想解距离S+ 负理想解距离S- 综合得分指数 排序
现状车道无HOV 0.822 288 01 0.221 597 81 0.212 281 66 4
设置HOV2+ 0.221 597 81 0.822 288 01 0.787 718 34 1
设置HOV3+ 0.455 614 56 0.444 661 74 0.493 916 97 2
设置HOV4+ 0.625 711 41 0.276 318 13 0.306 329 35 3
结果表明：
（1）相比于原始车道，经十路在模拟建设HOV车道后，HOV车道分担了一部分客流，使得道路在高峰时期通行效率和载客率均有所提升，可降低30%左右的平均出行时间，同时车辆二氧化碳排放量也得以降低。
（2）采用熵权TOPSIS法的综合评价，4个方案中设置HOV2+车道方案综合得分指数最高，约为0.787 7，是4个方案中最接近数值1的方案，表明该方案最接近最优状态，不仅可明显降低碳排放量，在提升道路运行效率方面也最优。
（3）HOV2+车道设置后，随着路段流量的逐渐增加，饱和度不断增加，相比于原始车道，HOV车道的合乘优势更加凸显，可有效改善整个路段的通行效率，减少车辆和人均延误时间。因此，综合得分指数最高的HOV2+车道方案最适合于经十路城市道路建设。

4 结语

HOV车道作为近年来缓解交通堵塞的新兴交通管理手段，可有效降低尾气排放、二氧化碳排放量，减少行车延误，提高通行效率。通过本研究的VISSIM仿真和熵权TOPSIS法分析结果可以看出，设置HOV车道不仅可降低车辆碳排放量，还可显著提升路段通行效率和运行速度，缓解道路拥堵情况。研究发现，道路拥堵程度越高，HOV车道相比原始车道对乘客的运送能力越好，乘客运送速度越快，表明HOV车道对缓解交通拥堵作用显著。
本研究因受道路数据采集的限制，未能将诸多因素考虑周全。考虑到不同城市HOV车道设置条件和不同道路车辆构成的差异性以及不同车型（含新能源车辆）碳排放量数值的不确定性等均会对HOV车道综合效益评价产生影响，后续研究可根据国内其他城市的HOV车道具体情况进行综合分析，比较不同道路运行状况、不同车型构成比例、不同车型环境污染物排放值等对道路碳排放量产生影响的异同，进一步验证考虑碳排放的HOV车道综合效益评价方法的适用性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
何京东, 曹大泉, 段晓男, 等. 发挥国家战略科技力量作用,为“双碳”目标提供有力科技支撑[J]. 中国科学院院刊, 2022,37(4):415-422.

[2]
GADAWE N T, QADDOORI S L. Design and implementation of smart traffic light controller using VHDL language[J]. International Journal of Engineering & Technology, 2019, 8(4): 596-602.

[3]
REHMAN A, RATHORE M M, PAUL A, et al. Vehicular traffic optimization and even distribution using ant colony in smart city environment[J]. Intelligent Transport Systems, 2018, 12(7): 594-601.

[4]
ARUNAN S, HASSAN H G, FRANCO L, et al. Classifying IoT devices in smart environments using network traffic characteristics[J]. IEEE Transactions on Mobile Computing, 2019, 18(8): 1745-1759.

[5]
SHEWMAKE S. Can carpooling clear the road and clean the air? Evidence from the literature on the impact of HOV lanes on VMT and air pollution[J]. Social Science Electronic Publishing, 2012, 27(4): 363-374.

[6]
CHEN X Z, ZOU Y J, TANG J J, et al. Analysing the impact of traffic incidents on the travel time reliability of freeway high-occupancy vehicle lanes[J/OL]. Discrete Dynamics in Nature and Society. https://doi.org/10.1155/2018/7470645.

[7]
WU G Y, BORIBOONSOMSIN K, BARTH M, et al. Different types of high-occupancy vehicle access control: comparative analysis of empirical capacities[J]. Transportation Research Record, 2015, 2484(1): 149-158.

[8]
WANG J P, HUANG H J, BAN X G. Optimal capacity allocation for high occupancy vehicle (HOV) lane in morning commute[J]. Physica A: statistical Mechanics and its Applications, 2019, 524: 354-361.

[9]
HANNA R, KREINDLER G, OLKEN B A. Citywide effects of high-occupancy vehicle restrictions: evidence from "three-in-one" in Jakarta[J]. Science, 2017, 357(6346): 89-93.

[10]
PAUNDRA J, VAN DALEN J, ROOK L, et al. Why is my bus suddenly so crowded? Spillover effects of the discontinuation of three-in-one policy in Jakarta[J]. Case Studies on Transport Policy, 2021, 9(3): 995-1005.

[11]
LI C, KARIMI M, ALECSANDRU C. Microscopic simulation-based high occupancy vehicle lane safety and operation assessment: a case study[J]. Journal of Advanced Transportation, 2018, 2018(PT. 2): 1-12.

[12]
曹更立, 赵文青. HOV车道引入我国城市的理性思考和建议[J]. 市政技术, 2015,33(4):183-184.

[13]
韦怡林, 唐秋生, 陈锐. HOV车道设计应用效果研究——以重庆市学府大道为例[J]. 交通科技与经济, 2017,19(6):12-16.

[14]
向楠, 李宝鹏. 高承载率车道设置应用及效果评价——以深圳市滨海大道为例[C]// 2017年中国城市交通规划年会论文集. 北京: 中国建筑工业出版社, 2017:2062-2069.

[15]
户佐安, 包天雯, 蒲政, 等. 基于出行总效用的HOV车道设置可行性研究[J]. 综合运输, 2017,39(8):62-67.

[16]
薛海宁. 基于双层规划模型的城市HOV车道设置优化研究[D]. 西安: 西安建筑科技大学, 2018.

[17]
韩得利. 深圳市HOV车道设置条件及实施效果评估研究[D]. 北京: 中国人民公安大学, 2018.

[18]
况雪. HOV车道选择模型及应用条件研究[D]. 成都: 西南交通大学, 2020.

[19]
邵春福, 郭润航, 董春娇, 等. 基于HOV理念的公交专用道交通组织优化[J]. 北京交通大学学报, 2022(1):61-68.

[20]
王瑜, 李勇. 基于模糊综合评价的HOV车道综合效益分析[J]. 公路交通科技, 2020,37(9):148-158.

[21]
曾炎盛. HOV车道实施效果评价体系研究——以深圳市为例[J]. 交通科技与经济, 2019,21(5):39-43.

[22]
隗海林, 王劲松, 王云鹏, 等. 基于城市道路工况的汽车燃油消耗模型[J]. 吉林大学学报(工学版), 2009,39(5):1146-1150.

[23]
邵春福, 魏丽英, 贾斌. 交通流理论[M]. 北京: 电子工业出版社, 2012.

[24]
周文竹. 交通模式-道路资源配置-出行效率的平衡与优化[D]. 南京: 东南大学, 2009.

[25]
李琦. 城市道路交通二氧化碳排放定量反演与时空分析[D]. 武汉: 武汉大学, 2019.

[26]
徐龙, 王力, 刘莹, 等. 基于多源数据的公交车能耗碳排放测算模型[J]. 交通运输系统工程与信息, 2020,20(3):174-181.

[27]
BEHZADIAN M, OTAGHSARA S K, YAZDANI M, et al. A state-of the-art survey of TOPSIS applications[J]. Expert Systems with applications, 2012, 39(17): 13051-13069.

[28]
李灿, 张凤荣, 朱泰峰, 等. 基于熵权TOPSIS模型的土地利用绩效评价及关联分析[J]. 农业工程学报, 2013,29(5):217-227.

Options
文章导航

/

〈 〉

版权所有 © 《交通运输研究》编辑部　
京公网安备 11010102003417号    京ICP备17006742号-3
地址：北京市朝阳区北土城东路11号北京书院办公楼　邮编：100029
Email：jtysyj@vip.163.com
本系统由北京玛格泰克科技发展有限公司设计开发