结论与展望

 

本研究通过耦合多源城市数据，考虑现实条件限制，利用改进蚁群算法求解多目标组合优化的骑行路网规划问题，来促进以自行车为代表的绿色出行。研究结果表明，该方法可较好地应用于骑行路网规划问题。

在高密度城市空间中，该方法不仅能够识别出需要进行骑行路网建设和改造的重点路段，有助于提高存量道路空间的利用效率，还可以迁移到其他城市规划问题中，如步行道规划、管网规划等，算法获得的结果可作为高密度城区背景下城市更新的重要理论依据。更重要的是，该方法融入数学建模与数据驱动思想，在针对传统的基于经验主义的规划方法上做出提升，对促进新兴城市规划方法发展具有重要的理论意义。同时，本研究获得的现状分析结果能够较好地反映当前宁波市街道空间的使用状态，识别出骑行需求热点。

此外，算法得到的规划方案能够较好地联通当前城市中骑行的热点街道与节点，加强片区间的交通联系，促进城市核心区域的协同发展，这也对宁波市未来的绿色交通规划、绿道规划及开放空间改造具有重要的实践借鉴意义。未来研究可从以下3个方面进行深化改进。

 

1）完善问题建模。在现实的骑行路网规划实践中，追求的目标可能更为丰富，例如，可以在目标中引入衡量交通拥堵的指标以实现交通拥堵最小化，还可以考虑不同道路的空气污染排放量来实现骑行者在骑行过程中的空气污染暴露最小化。此外，实践中受到的限制条件也更多样，如坡度，自行车骑行道不应被规划在较陡的坡道上以避免因地形带来的交通事故。因此，未来可引入更丰富的目标与限制条件，使算法获得的结果更加贴近现实。

 

2）优化算法参数设定。本研究仅采用试凑法来设定算法的超参数，而未探究参数设定背后的理论依据。未来可深入探究参数设定背后的理论依据，使其更具有科学性。在多目标组合优化时，本研究仅依据各目标的优先级来决定权重大小，未来研究可以参考专家、群众的建议，采用层次分析法，使各目标的权重设定更为合理。

 

3）完善所用数据集。本研究所用数据集为哈啰提供的时间跨度为一周的骑行数据集。然而，用较短时间跨度的数据集估算出的骑行需求可能具有特殊性，难以反映不同时期宁波市道路空间使用状态的稳定特征。

 

此外，除哈啰外，宁波市的骑行者可能会使用其他运营商提供的共享单车服务，如美团、青桔，因此当前估算的骑行需求可能与现实存在差距。未来可以引入由多方运营商提供的、时间跨度更长的单车出行数据集，来刻画更为完整的城市骑行生态网络。