殷昊、乔羽声、罗婧童

（1.中国市政工程中南设计研究总院有限公司，湖北 武汉 430000；2.武汉理工大学交通与物流工程学院，湖北武汉 430070；3.湖北省武汉市武汉理工大学，湖北 武汉 430070）

0 引言

中国各个城市的限行政策在实施过程中难免会存在一定的争议性，如2014 年曹静等[1]学者采用断点回归法讨论了北京奥运会期间限行政策下的汽车销售数量，数据显示，限行政策效果并不显著，其原因可能是民众的行为改变削弱了这一政策的影响，民众会选择在不限行的时段或日期出行，或者在不限行的路段驾车出行。要实现限行政策和城市交通发展的对接，要综合考虑许多因素。为此，需要更加准确、全面地分析限行政策的可行性，为限行政策的制订提供理论依据。

1 试验路网指标分析

对于上海市复杂的大型路网，必须采用辅助指标进行局部路网提取与片区分割。为了得到合理的指标，建立简单的试验路网对辅助指标进行比选。经过对现实情况的抽象，建立图1所示的试验路网结构。

图1 试验路网结构

如图1 所示，路网包括119 条路段，79 个节点，整个路网分为3 个代表性区域。

在这3 个代表性区域中，A1 包含标准的方格状路网，内部具有良好的联通性，通过片区通道X1、X2 将B1、B2 相连。其中，B1、B2 内部包含两个局部的方格路网，通道X1 与B1 方格路网错层垂直，X2 与B2 方格路网错层通道方向一致。

鉴于空间句法指标的相互关系，采用交通网络中的连接度、全局整合度、全局深度3 个指标作为分离试验路网的候选指标，并载入SDNA 软件进行计算。

由图2 试验路网连接度看出，灰度值较低的部分连接值较低，灰度值较高的部分代表连接值较高，连接度在局部路网分界处出现指标拐点，在局部路网中心向路网边缘呈现出由深色逐渐向浅色转变的趋势。在B1、B2 片区中，可以看出一个片区中两个不同局部网格状路网边缘被浅色路线区分。在A1 片区中可以看出网格状片区边缘呈浅色，而整体呈由浅色向中心转变为深色的趋势。

图2 试验路网连接度

根据试验路网分析得到的连接度指标区域划分能力较强，可以作为划分片区的优秀指标，但是连接值显示出的值域范围较窄，连接度虽然在试验路网中有较好的图形表现力，但是其数据集合只包括3、4、5、6 四个值（如图4），取值过于单一会造成路网界限模糊，对实际路网结构的细微扰动也会特别敏感，因此连接度并不是理想的片区划分辅助指标。

图3 为试验路网全局整合度，其中浅色为全局整合度数值的高值，深色为全局整合度数值的低值，全局整合度在整个试验路网中显示出由边缘浅色到中心深色的渐变趋势，整体呈现出中心聚集和路网联系通道集聚的特征，但全局整合度并不能显示出整体片区的划分结果，A 片区与B 片区没有显示出清晰的边界路线，也无法区分B 片区中不同形式的网格状路网。各部分数据分布较均匀，表明将之运用到上海市大型路网上会产生整体颜色渐变的效果，这种呈现形式不利于对上海市地面路网的分区。

图3 试验路网全局整合度

图4 为试验路网全局深度值，可看出深度值由深色向浅色依次增高，颜色越偏向深色，表示可达性越好，越偏向浅色，可达性越差。由于局部网络的内部连通性较好，所以深度值在图中显示出试验路网是一个渐变的过程。可以看出B 片区中不同形态路网之间有明显的浅色界限进行区分。

图4 试验路网全局深度值

因此，综合各个空间句法辅助指标的图形表现和统计表现情况，将全局深度值作为划分上海市整体地面路网的主要划分指标依据。

2 上海市路网实证分析

2.1 实际路网分区

该试验取上海浦西区，包括中心范围内所有的高速路、快速路、主干道、次干道，以及部分重要支路。每个路段中将不同节点以及交叉口作为端点，以每条路段作为一个空间单元，计算试验测试的各项指标。

通过前文所分析的划分依据——全局深度值，可以看出上海市浦西区路网路段全局深度值呈现出了较优的局部路网剥离能力（见图5），体现出整体中心灰度值较高，越向边缘灰度值越浅的中心聚集、边缘分散的路网特征。这验证了前文所选分区辅助指标的正确性以及试验路网选取的重要性。

图5 上海市浦西区域全局深度值图

选取城市重要片区，以上海市浦西区全局深度值为基础，进行初步的区域划分，划分结果如图6 所示。

图6 上海市地面道路分区图

2.2 八片区道路网络交通状态分析

对上海市路网进行分割，得到八片区路网，载入DEPTHMAP 软件基于路名ID 连接GPS 数据表，对八片区的每段研究对象进行GPS 速度分析。分析结果如图7 所示。

图7 八片区路网交通状态分析

图7 中的横坐标为时间，选取GPS 速度时间为2015 年4 月8 日（星期三）以及2015 年4 月22 日（星期三）的6:00—21:00，纵坐标为某一对应时间点八片区路段上所有浮动车的平均速度。

通过图7 可以看出：八片区路段上所有浮动车的平均车速在10～20km/h 之间，其中，在早晚高峰期平均车速较低，出现明显低谷，在4 月8 日—4 月22 日之间实施外牌限行政策后，平均车速浮动较大，在早高峰时期平均车速降低，而在14:00—19:00 时段，浮动车平均车速有明显提高，尤其是晚高峰时期，平均车速大幅提升。

2.3 十一片区道路网络交通状态分析

对上海市路网进行分割得到十一片区路网，十一片区是内环包围的片区，在该片区内未实施限行政策的高架路段，交通状态分析结果如图8所示。

图8 十一片区道路网络交通状态分析

选取GPS 速度时间为2015 年4 月8 日（星期三）以及2015 年4 月22 日（星期三）的6:00—21:00，纵坐标为某一对应时间点十一片区路段上所有浮动车的平均速度。

图8 显示，十一片区的平均车速值域与八片区的平均车速值域相似，从图形表现来看，十一片区内浮动车的平均车速在6:00—18:00 一直处于相对低谷的状态，而在19:00，平均车速提高，19:00 后，平均车速数值较高且相对平稳。从十一片区道路网络交通状态分析图中可以看出，实施限行政策后，4 月8 日和4月22 日的平均车速变化浮动不大。

3 启示

中大型城市的交通拥堵问题，是城市交通的综合系统问题。依据交通需求管理理论，限行政策并不是解决城市内交通拥堵问题的根本办法。由研究可以看出，政府颁布的一系列交通法规有利于改变民众的行为，尤其是限行政策的实施，短期内在我国的一些城市确实有一定成效。

然而，长远来看，限行政策只能暂时减缓城市交拥堵问题，其效果还需要进一步研究。由于人们的行为干预和其他外部因素的影响，政策效果变得越来越不明确。仅仅依靠限行政策不能很好地解决交通拥堵问题。因此，城市交通管理者更希望通过实施交通限行等相关政策来引导人们形成新的出行观念，对个体的交通参与行为产生影响，最终实现对城市交通系统的长期优化。

4 结论

全局深度值以及局部整合度值具有剥离性好、适用能力强等特点，可以作为划分大型路网的依据指标。

根据上述研究，限行政策确实在一定时间内以及高架附近区域起到了缓解交通拥堵的作用，其GPS 数据的改变主要体现在早高峰以及晚高峰时段，基于以全局深度值为划分依据指标对上海市路网进行区域划分，对政策实施路段所在的八片区和没有政策实施路段的十一片区进行对比研究，得出如下结论：

第一，上海市外牌限行政策对拥有高架路段片区的早高峰时段（6:00—9:00）以及下午和晚高峰时段（14:00—19:00）的交通流有明显影响，在其他时段对交通拥堵现象影响不明显。

第二，外牌限行政策的实施对高架路段以及高架附近区域路段有积极作用，体现为区域路段整体车速提高，尤其是晚高峰时段的交通拥堵现象得到大幅改善。

第三，拥有高架路段的八片区，其早高峰时段区域路段上车辆的GPS 速度数据反馈的交通状态反不如外牌限行政策实施前，表明限行政策对城市道路交通流的影响并不都是正相关。限行政策对交通流的影响取决于多个方面的因素，如人为因素，由于高架路段外地牌照限行，民众在出行必要时段会选择高架以外的路段行驶，造成某些非高架路段以及在高架路段附近的路段出现拥堵现象；由于政策刺激，民众可能会选择置换本地车辆，造成本地汽车保有量增加，进而间接加剧交通拥堵现象。