大型城市商业中心产生的交通风险外文翻译资料
2022-11-24 15:00:50
英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
窗体顶端
大型城市商业中心产生的交通风险
摘要：
由于发展政策，城市地区在道路交通风险方面存在显着差异。城市规划配置、地理位置、交通运输、货物流动需求，以及人类行为都有影响道路交通和模式，从而影响到相关的道路交通事故风险。 在这方面，文章显示将城市中心地区的大型购物中心定位在已经过度拥挤的道路网络上的影响。 我们用特定的空间分析模型，以估算被最大的购物中心之一吸引的车辆数和客户流量，布加勒斯特这种方法为研究提供了理论和实践的附加价值：为本地决策提供分析工具。在交通流量和相关的碰撞风险方面，对大型购物中心定位后果进行事前评估。
窗体顶端
-
简介
对于地方和全球城市交通外部负荷的负面担忧，道路交通事故风险有一个
核心的作用。为了实现可持续发展的流动性要求，应进一步扩大分析运输。更准确地说，土地利用、城市规划和交通运输之间的相互作用是必须的。城市形态，规模和结构对人员特征和货运流动性产生了决定性的影响。而满足这些移动性需求，往往会导致特定交通流量的出现。
窗体顶端
布加勒斯特社会经济生活的快速和根本变化（城市商业结构的重大变化）
造成大型商业中心的出现，新兴集中的城郊居民区，
对工作，教育，休闲等兴趣点的空间和结构变化导致了规模的变化
和过去二十年的城市交通流量结构。在道路网路不足的城市环境中
以适应日益增长的交通流量和新的机动化指数，加上占有的大动脉面积
停车，交通拥堵增加。流动效应是崩溃次数的增加
严重程度
从我们的研究目的来分析高危险城市地区，我们选择了这个目的
本文涉及“易受伤害风险高的地区”等几个方面。大商业和
位于这些具有高密度人口的区域内的休闲空间（图1）产生和吸引
重要的车辆和行人流。
图1.布加勒斯特大型商业中心的位置
这些大型商业中心的供应需求产生重要的货运。总体而言，大都会布加勒斯特，每周记录约一百万货运车辆，其中60万辆装载，相当于年运量约1400万吨的货运。城市货运分配产生约15-20％的实际单位表示的日常交通（布加勒斯特运输总体规划，2008年）。显然，大型商业中心产生和吸引的交通量并不是引起道路交通事故的风险唯一的因素。道路碰撞数据分析揭示了地理城市地区特有的多种相互作用。从现象学的角度来看，城市地区被模仿为复杂的系统，其中不同层次的分析是合成分析的。交通风险源自以下类别的输入功能：
对象类 - 定义了影响风险的不同类型元素，如移动实体（车辆，骑自行车者，行人等）或技术和道路城市基础设施的要素。
人群类 - 定义可能影响系统的不同群体或组织;此类别可能包括城市管理，城市网络管理，其他协会，社区。
在过去二十年间，上述所有分类在布加勒斯特发生了剧烈的变化。由于流动性增加，兴趣点的相对吸引力 - 以辅助功能为条件从根本上重新分配。某些商业中心的吸引力可能会超过50公里时间约为40分钟（博韦顾问，2003）。因此，城市的维度和异质性道路交通量增加，意味着风险暴露增加。道路交通事故的动态显示出重大变化。
- 大型商业中心的空间分散
在许多研究中，基尼指数和其他几个衍生系数（Krugman，1992; Brulhart，2001; Combeset al。 2008）被用作地理专业化的度量。在我们的研究中，我们选择计算相对熵h（Wilson，2010; Wilson，2012），以便给出空间的综合表征集中在大型商业中心的情况下：
（1）
与熵H，计算为：
（2）
（3）
和
（4）
在我们的研究中，我们考虑了72个中心位于80个运输分析区（TAZ）布加勒斯特交通运输总体规划（2008年）。结果是H = 4.9和h = 0.8，这意味着有一个商业中心的空间分散。如果我们考虑商业中心的空间分布关于居民总数（图2）及其购买力（图3），则空间分散更明显。这意味着开发商在投资决策之外考虑了其他一些标准人口和收入的空间分布。实际上唯一用于大商业地点的标准中心是土地供应。显然，现代城市发展的原则与城市相辅相成物流原则（Mc Kinnon等，2013; Taniguchi et al。2013;谷口，2014）被完全忽略。
窗体底端
窗体顶端
图2.商业中心与布加勒斯特六个行政部门人口的空间分布（人数）商业中心/ 10,000人）。
窗体顶端
3.大型商业中心的集水区
城市道路交通事故风险评估假设交通流量估算。在我们的研究中，从72大
商业中心（图1），我们选择了九个具有相似功能的商场（图4）。从交通对九个选定的中心进行了流量调查，我们有进入流量的数据（汽车，行人，灯光）
货运车辆）。直接和反向物流的轻型货运货车的起源是已知的，但起源于客户/游客（汽车和行人）需要估计。为此，我们首先定义了其中一个的吸引力区域（意指集水区或贸易区域）选择购物中心通过应用匡威模型 扩展的赖利定律（Goodall and Kirby，1979;英格拉姆，1982）。根据这个模型，两个购物中心之间的集水区的定义，表示与A和B，位于距离dab并具有吸引力潜力P一个分别为PB以区域表示，停车位等）由以下等式确定：其中x是交易突破点（点具有两个商场相当的吸引力，或两者都有相同的购物概率商业中心）位于距离d
x A从商场A，分别d
x B从商场B： （5）
窗体底端
窗体顶端
图。 3.商业中心在人口密度和月收入方面的空间分布（商场数量/ 1,000个居民的收入
欧元/月）。
窗体底端
图3.商业中心在人口密度和月收入方面的空间分布（商场数量/ 1,000个居民的收入欧元/月）。
窗体底端
窗体底端
窗体顶端
因此，考虑到商场A，贸易突破点位于：
（6）
窗体顶端
我们对位于高危险区域的商场应用了匡威模型，表1中以S表示，和其他八个具有相似特征的商场（M1divide;M8）。每对商场S-Mi（i = 1divide;8）之间的距离在城市道路网上确定。然后，在两种情况下计算交易点的距离：考虑到（i）停车能力和（ii）商业区域表示的吸引力潜力（表1）。图。 4显示S的集水面积受限于贸易断点距离，作为停车功能计算容量。对于位于定义的集水区的选定的商场（S）和TAZ，我们计算了客户流动与人口密度相关（图5）。我们考虑了0.2的购物频率值和0.540机动化率（布加勒斯特交通运输总体规划，2008年）。人口距离S不到400米完全分配给行人流。
窗体底端
窗体底端
窗体底端
窗体顶端
图4.分析商场的集水面积，以泊车量计算。
窗体底端
窗体顶端
图5.流域内顾客流量估算
窗体顶端
在这些情况下，我们平均进入了18,930辆汽车和10,890名行人，总流量约为436060个客户/天（相当接近每日平均访客50,000人次调查）。已经证实，使用匡威模型的吸引力区域的估计可以提供良好的效果近似某一地理区域的交通流量。
窗体顶端
-
交通流量估计
此外，我们使用Huff概率模型（Huff，1964; Ingram，1982），以评估其尺寸和起源进入的交通流量在选定的商场S中; 根据这个模式，日常客户流量从一个区域i和商场j，Fij是：
（7）
窗体顶端
基于Huff模型（Huff，2003），我们开发了一个GIS模型来估计九个流量吸引的流量商场与停车场的能力有关。 对于具有2500个停车点的分析商城S（j = 1），我们计算了位于其服务区域的34个区域（i = 1divide;34）的流量（图6）。 总体而言，我们估计每天有45,300个客户，非常接近从调查获得的50,000个客户/天的价值。
窗体底端
窗体底端
窗体顶端
图6.用于客户流量评估的数据集配置。
窗体底端
窗体顶端
该模型还允许对分析中心吸引的总旅行量（以汽车公里计）。 约33,500
汽车公里/天总行程对应于大约12,750辆进出中心的汽车（考虑到简化假期回程 - 商业中心）。 获得的吸引流量进一步使用交通风险评估。
窗体底端
窗体顶端
-
风险评估
选择的商场的区域是道路交通事故风险敏感。它具有将其与其他功能区分开的特定功能布加勒斯特地区：汽车和行人流量，以及拓扑和几何特征城市空间。
碰撞风险暴露取决于一般城市活动的强度，意味着行人流量P和车辆流动R，由城市生活特定的设施（办公楼，教育）产生和吸引机构，运输终端）和面向消费者的活动（商店，餐馆）。分类和在分析道路碰撞数据后，选择高风险区域，并具有以下属性（图7）：
①商业区
②公共交通工具
③人口密度
④交通流量强度
崩溃风险脆弱区域是通过层与四个所提到的属性的交集获得的。为了进一步分析，建立300米小区网格，为脆弱区域生成矩阵。
窗体底端
窗体底端
窗体顶端
图7.选择碰撞风险易受攻击的区域
窗体底端
从这些区域，我们选择了分析的商场（S）所在的区域，我们分离了六个电线的风险
估计（图8）。 前面部分估计的流量流量分配在每个单元格中的功能上。
窗体顶端
对于六个电池中的每一个，行人流动分为：
P
1
- 城市兴趣点（商店，办公室，大学校园）吸引的流量
P
2
- 公共交通枢纽产生/吸引的流量。
总路面交通流量（R）是通过增加每个小区中特征所吸引的道路交通流量来获得的
（R
1
）到一般道路交通流量（R
2
）转移细胞。窗体底端
对于六个电池中的每一个，行人流动分为：
P1 - 城市兴趣点（商店，办公室，大学校园）吸引的流量
p2 - 公共交通枢纽产生/吸引的流量。
总路面交通流量（R）是通过增加每个小区中特征所吸引的道路交通流量来获得的
（R1）到一般道路交通流量（R2）转移因子。
窗体顶端
图8.选择因子进行详细的风险估算
窗体底端
窗体顶端
我们举例说明了具有32冲突的四足交叉点1（图8）的小区I的碰撞风险估计
点“车- 车辆“和8个冲突点”车辆- 行人”。 对于这个十字路口，交通流量根据消逝了分析的商场（S）约有11000个输入和输出运动/天。对于分析商业中心脆弱地区的交叉口，我们提出了其中一个几个研究的模型来估计交通风险，由（Lord，2002）定义：
窗体底端
（8）
（9）
结果：
（10）
意思是beta;lt;1，当交通流量增加时，碰撞风险降低。在分析的商业中心的情况下，这种替代方案被统计崩溃数据无效。 此外，城市形态和交通的重要变化使得E（k）只对交通流量的依赖很难接受。因此，我们决定使用更复杂的模型来估计所选区域的崩溃。检查这条四足交叉路口的坠机，将需要按碰撞类型分类后端，正面，侧滑，直角，撞击行人等。 由于缺少可用的崩溃数据，我们使用了交通流量冲击的全球评估。因此，关于每日流量F的大小和方向
在我们的研究中确定，我们计算出“盖子车辆“冲突指数：
（11）
其中{X1}， {X2}， {X3}是对应于交叉点（16点），分歧点（8点），各自的合并点（8分）。
基于可用的统计数据在车上- 车辆”在这种类型的交叉点崩溃，我们校准了功能估计崩溃：
（12）
窗体顶端
应用经验贝叶斯方法（Hauer，2001; Hauer et al。，2002; Persaud and Lyon，2007），因为 冲突/每天在32个冲突点的交叉点，我们获得了平均每次崩溃/年。 对于
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[26428]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
