使用多标准评估和仿真建模方法评估公共交通系统及交通拥堵状况 Kasin Ransikarbum, Naraphorn Paoprasert Pornthep Anussornnitisarn

《Modelling》：Evaluating Public Transportation Criteria and Congestion Using Multi-Criteria Assessment and Simulation Modeling Kasin Ransikarbum, Naraphorn Paoprasert and Pornthep Anussornnitisarn

　　摘要 城市交通拥堵是一个严峻的挑战，这一问题通常因私人车辆使用量的增加以及公共交通的局限性而加剧。本研究采用了一种两阶段方法，结合多标准评估和交通模拟来分析当前状况并提出改进措施。首先，使用最佳-最差法（BWM）评估了影响公共交通选择的五个主要因素和二十一个次要因素的数据。研究结果表明，对于上班族来说，便利性是最重要的考虑因素，而对于学生而言，旅行成本则更为关键。以曼谷的Kaset交叉口为案例研究对象，建立了一个基准模拟模型。通过将加权偏好纳入模拟中，旨在提升公共交通服务质量，并通过潜在的交通管理政策鼓励私人汽车用户转乘公共交通。此外，微观模拟分析显示，基于回归分析，降低交通密度可以使整体旅行时间缩短约2.04秒。研究结果提出了一系列政策，以改善公共交通、减少交通密度并提升城市交通系统的运行效率。

1. 引言
随着人口增长、经济扩张和出行需求的增加，大都市区域的城市交通规划（UTP）面临着日益严峻的压力，交通拥堵问题也随之加剧。在许多快速发展中的城市，由于公共交通服务存在不足（如便利性有限、覆盖范围不广和可靠性不稳定）[1,2]，人们对私人汽车的依赖仍在持续增加。这些结构性缺陷导致了旅行时间过长、道路使用效率低下、环境影响加剧以及能源挑战[3]。因此，深入了解驱动出行方式选择的行为因素，并运用分析工具评估交通运营状况，对于制定有效的城市 mobility 政策至关重要。同时，通过实证数据了解拥堵的程度对于认识大都市区域（包括曼谷）交通问题的紧迫性也极为重要。作为泰国首都的曼谷，就是这种挑战的典型代表，该城市在全球交通拥堵程度最高的城市中始终名列前茅。2023年，曼谷在全球387个城市中的交通拥堵严重性排名中位列第46位[4]。拥有最多七人乘坐空间的私人乘用车数量也增加了3.530%，反映了人们对私家车的持续依赖。曼谷大都市区连续多年保持着较高的交通指数，表明城市交通系统存在长期的低效率问题。这些趋势凸显了亟需研究私人汽车使用背后的行为动机以及道路网络中关键交叉口的运营特性。因此，需要一种综合性的分析方法，同时考虑用户行为和交通系统的运行表现[5,6]。

为了解决这一问题，本研究提出了一个结构化的两阶段框架，明确地将用户偏好、政策设计与交通系统性能联系起来。在第一阶段，应用最佳-最差法（BWM）根据不同用户群体的反馈，识别并确定影响出行方式选择（TMC）的关键标准，并将这些高权重标准系统地转化为具体的政策措施。在第二阶段，通过以曼谷Kaset交叉口为案例的交通模拟进一步检验这些政策相关见解。此外，还结合基于调查的行为反馈来评估在公共交通改善条件下的出行方式转换可能性。最后，通过模拟场景评估交通密度的降低如何影响系统性能指标（如旅行时间和速度）。与以往仅独立使用多标准评估或模拟方法的研究不同（例如参考文献[7,8]），该框架建立了标准优先级、政策制定、行为响应与系统级模拟结果之间的明确联系，从而能够更全面地评估城市交通干预措施的效果。本研究的主要创新之处在于将多标准评估结果转化为基于政策的、经过行为验证的模拟场景，从而直接将用户偏好与交通系统性能联系起来。

研究贡献如下：
- 提出了一个结构化的偏好-政策-绩效框架，整合了多标准评估、行为验证和交通模拟，以完整反映从用户需求到系统结果的整个过程。
- 将高优先级的交通标准具体化为政策措施，弥合了抽象的多标准决策分析（MCDA）结果与可实施的交通战略之间的差距。
- 通过实证验证了政策改进对用户行为反应的影响，展示了在针对性服务提升下，受访者愿意或可能愿意转向公共交通的情况。
- 基于模拟的情景分析量化了出行方式转换对系统层面的影响，说明交通密度降低如何转化为可量化的旅行时间和交通性能改进。
- 以曼谷的实际案例为依据，为高度城市化和交通密集型环境中的拥堵缓解提供了实用的政策参考。

本文的其余部分安排如下：第2节回顾了相关文献；第3节介绍了所提出的方法论，包括两阶段框架和案例研究；第4节展示了研究结果和讨论；第5节讨论了实际应用和管理的启示；第6节总结了研究内容，并提出了未来研究的方向。

2. 文献综述
2.1. 出行方式选择（TMC）和利益相关者偏好
出行方式选择（TMC）是指旅行者在特定行程中从不同交通方式中进行选择的过程。这一选择涉及对多种标准的比较，对全球城市交通规划（UTP）中的拥堵状况有显著影响。近期研究[9,10]强调，交通拥堵主要是由私人车辆使用需求的增加所驱动的，这一需求受到旅行时间、便利性、旅行成本、安全性及环境因素等多种标准的影响。此外，多项研究[11,12,13]指出，公共交通基础设施和服务不足、等待时间过长以及可及性有限常常促使通勤者依赖私人汽车。例如，Ranjan和Sinha[13]进行了一项文献综述，探讨了个人在城市交通中选择出行方式的因素，确定了包括行程级别因素、系统性能以及更广泛的环境或背景条件在内的关键影响因素。他们的研究指出，现有研究还存在一些空白，需要开发能够捕捉人口统计因素、基础设施与交通拥堵和社会动态等关键因素之间相互作用的综合框架。此外，不同利益相关者群体（如收入、职业和年龄）的社会人口统计特征也被证明显著影响出行方式选择[14]。因此，理解这些行为模式对于制定鼓励从私人车辆转向公共交通的政策和设计干预措施至关重要。以往的研究采用了定性和定量方法来研究出行方式选择行为，包括基于调查的分析、离散选择模型和多标准决策分析（MCDA）方法。Witchayaphong等人[15]应用基于二元logit模型的概率选择方法，比较了私人汽车和公共交通的效用，识别出旅行成本、时间和社会人口统计属性等关键影响因素。Hajduk[16]则开发了一个基于MCDA的模型，利用相似性排序技术（TOPSIS）来支持城市交通方式的选择。这些研究展示了将用户特征纳入交通分析的重要性，并强调了定量方法在评估出行行为中的日益广泛应用。

然而，尽管认识到社会人口统计因素的影响，现有研究往往将这些变量作为单独的解释变量，而没有系统地比较不同利益相关群体之间的偏好结构差异[17,18]。在许多情况下，受访者属性（如收入或职业）被作为控制变量纳入统计模型中，而没有明确比较不同群体对竞争性出行方式选择标准的优先级差异。此外，当前的方法通常要么侧重于行为分析，要么侧重于定量评估方法，缺乏群体特定偏好评估与政策导向建模之间的整合[19,20]。因此，目前缺乏能够明确捕捉并比较不同利益相关群体偏好差异的结构化框架，并将这些差异转化为可实施的UTP建议。这些不足表明，需要一种比较性和综合性的方法，系统地评估不同利益相关群体之间的偏好差异。

尽管有大量研究，但许多研究仅关注有限的标准集或仅依赖于定性分析，这限制了其在政策制定中的应用性。此外，缺乏跨多个利益相关群体的全面比较，导致对不同人群如何评估各种标准的理解存在不足。这种局限性强调需要一种更系统的、混合式的方法，定量地捕捉影响出行方式选择的所有因素。这些不足表明，需要更全面的评估来为城市交通规划和拥堵缓解提供可行的建议。此外，结合模拟建模的分析框架可以为UTP中的交通管理策略提供更全面的评估。

2.2. 交通模拟和综合交通管理方法
交通模拟已成为分析拥堵模式、测试干预措施以及评估不同需求情景下道路网络性能的重要工具。各种计算机模拟平台能够详细模拟车辆互动、信号灯时序和交通流量，并进行输入参数和敏感性分析。近期研究表明，分析模型在评估旨在减少旅行时间和支持基于证据的决策的交通管理政策方面非常有用[21,22,23]。例如，Jilani等人[23]对城市道路交通拥堵进行了系统综述，研究了用于预测、检测和分析拥堵水平的多种方法，包括基于机器学习和深度学习算法的方法。Taher等人[24]则全面回顾了用于交通拥堵估计和控制的计算智能模型，提供了从基于机器学习的拥堵估计技术到技术驱动的拥堵控制策略的多种方法的分类。该综述还强调了模拟建模作为验证和验证拟议算法的混合组件的作用。

近期研究呼吁采用混合分析方法，将行为分析和决策制定整合到不同区域案例的交通建模中。例如，Raza等人[25]通过应用多种MCDA技术（包括模糊层次分析法（AHP）、TOPSIS和多标准优化与妥协排序（VIKOR）以及交通模拟工具，评估了巴基斯坦Taxila交叉口的城市交通系统的可持续性，以确定提升系统可持续性和减少交通拥堵的最佳策略。Schweizer等人[26]为意大利博洛尼亚市开发了一个大规模的基于代理的微观模拟场景，结合多种交通方式，对智能交通信号和共享自动驾驶车辆等新兴和复杂的移动技术和服务进行了城市范围内的评估。Prapaporn等人[27]应用MCDA方法，结合工程、经济和环境标准，评估了泰国Mukdahan交叉口的可持续城市交通状况，并使用PTV VISSIM交通微观模拟模型分析交通管理策略的效率。这些综合方法使得预测结果比传统的单一方法更为真实且具有政策相关性。尽管这些方法很有前景，但现有研究往往仅关注有限的行为标准集或定性评估，没有将利益相关者的偏好差异完全整合到定量建模框架中[28,29]。在许多情况下，这些方法未能明确捕捉用户群体的偏好差异。此外，这些研究的适用性通常受到特定情境假设的限制，可能降低其在具有不同交通条件和社会经济特征的城市区域的普遍性。因此，需要结合全面的基于利益相关者的多标准评估与交通模拟的研究，特别是在高密度城市环境中。

尽管已有大量研究，但许多研究仍局限于有限的标准集或仅依赖定性分析，这限制了其在政策制定中的适用性。此外，缺乏跨多个利益相关群体的全面比较，导致对不同人群如何评估各种标准的理解存在不足。这种局限性凸显了需要一种更系统的、混合式方法，定量捕捉影响出行方式选择的所有因素。这些不足表明，需要更全面的评估，为城市交通规划和拥堵缓解提供可行的建议。此外，结合模拟建模的分析框架可以为UTP中的交通管理策略提供更全面的评估。

2.2. 交通模拟和综合交通管理方法
交通模拟已成为分析拥堵模式、测试干预措施以及评估不同需求情景下道路网络性能的重要工具。各种计算机模拟平台能够详细模拟车辆交互、信号灯时序和交通流量，并进行输入参数和敏感性分析。近期研究表明，分析模型在评估旨在减少旅行时间和支持基于证据的决策的交通管理政策方面非常有用[21,22,23]。例如，Jilani等人[23]对城市道路交通拥堵进行了系统综述，研究了用于预测、检测和分析拥堵水平的各种方法，包括基于机器学习和深度学习算法的方法。Taher等人[24]则全面回顾了用于交通拥堵估计和控制的计算智能模型，提供了一个从机器学习技术到技术驱动策略和混合交通管理解决方案的分类体系。该综述还强调了模拟建模作为验证和验证拟议算法的混合组件的作用。

近期研究呼吁采用混合分析方法，将行为分析和决策制定整合到不同区域案例的交通建模中。例如，Raza等人[25]应用多种MCDA技术（包括模糊层次分析法（AHP）、TOPSIS和多标准优化与妥协排序（VIKOR）以及交通模拟工具，评估了巴基斯坦Taxila交叉口城市交通系统的可持续性，以确定提升系统可持续性和减少交通拥堵的最佳策略。Schweizer等人[26]为意大利博洛尼亚市开发了一个大规模的基于代理的微观模拟场景，结合多种交通方式，对新兴的复杂移动技术和服务（如智能交通信号和共享自动驾驶车辆）进行了城市范围的评估。Prapaporn等人[27]应用MCDA方法，结合工程、经济和环境标准评估了泰国Mukdahan交叉口的可持续城市交通，并使用PTV VISSIM交通微观模拟模型分析交通管理策略的效率。这些综合方法使得预测结果比传统的单一方法更为真实和相关。

尽管这些方法很有前景，但现有研究往往仅关注有限的行为标准集或定性评估，没有将利益相关者的偏好差异完全整合到定量建模框架中[28,29]。在许多情况下，这些方法未能明确捕捉用户群体的偏好差异。此外，这些研究的适用性常常受到特定情境假设的限制，可能降低其在具有不同交通条件和社会经济特征的城市区域的普遍性。因此，需要结合全面的基于利益相关者的多标准评估与交通模拟的研究，特别是在高密度城市环境中。为了解决这一难题，本研究提出了一种两阶段综合方法，结合多标准评估和交通模拟来分析当前状况并评估改进措施，以曼谷Kaset交叉口的案例为例。通过模拟明确连接利益相关者的偏好与系统级性能，所提出的框架能够更有效地评估交通干预措施。预计这将从区域层面更准确地评估公共交通改进和拥堵缓解策略的效果。表1总结了近期关于UTP中TMC的研究成果。

3. 研究方法和框架
本文提出了一种两阶段研究框架，以改善出行方式选择（TMC）的决策过程（见图1）。近期研究强调需要结合决策辅助工具和复杂建模技术的综合方法，以应对交通规划的多方面挑战[36]。在第一阶段，从与TMC相关的关键决策者和利益相关者那里收集 cardinal 和 ordinal 数据，然后使用BWM系统地分析这些数据，以确定影响出行方式选择的标准优先级。具体来说，收集到的标准是根据利益相关者的输入进行加权的，使得研究能够以结构化和透明的方式捕捉每个因素的相对重要性。在第二阶段，采用了一种更加数据驱动和系统级的方法，使用基于代理的微观模拟框架来对城市交通规划中的交通拥堵进行建模。这一阶段结合了第一阶段的加权标准，以探索现实的交通和公共交通场景，包括潜在的政策干预措施。这两个阶段共同构成了一个综合框架，将利益相关者的偏好与基于模拟的分析结合起来，从而能够全面评估交通管理（TMC）的行为和运营方面。以下部分详细描述了本研究中使用的主要方法。图1展示了提出的两阶段方法论。3.1 最优-最差方法（BWM）BWM是一种系统的多标准决策分析（MCDA）技术，旨在根据专家判断得出评估标准的最佳权重。与传统方法不同，BWM通过显著减少所需的成对比较次数来提高效率，同时确保决策者输入的一致性[37,38]，使其特别适合最近的复杂决策问题[39]。在识别出最佳和最差的标准后，构建了两个成对比较向量来量化偏好：最佳到其他标准向量，它反映了最佳标准相对于其他每个标准的偏好程度；其他到最差标准向量，则反映了每个剩余标准相对于最差标准的偏好强度。这些偏好通常使用一致的数值尺度来表达，如表2所示。本研究中使用的1-9成对比较尺度遵循了既定的实践，并反映了基于AHP方法[40]的BWM的概念基础。这种1-9尺度广泛用于捕捉不同的偏好强度，提供了表达性与认知简化之间的平衡，同时能够将主观专家意见转化为可分析的定量数据。方程（1）和（2）分别表示最佳到其他标准向量和其他到最差标准向量：[此处应插入方程式]。接下来，方程（3）-（7）概述了BWM中确定最佳权重的过程，这些方程涉及解决一个线性规划模型，旨在最小化判断中的不一致性。这使得BWM特别有效，因为它简化了评估过程，同时准确反映了各种利益相关者在多个定性因素上的偏好。换句话说，BWM可靠地将主观评估转换为客观权重，提供了鲁棒性和对判断错误的较低敏感性。在本研究中，BWM被用来系统地捕捉和优先考虑在交通管理方面有经验的关键利益相关者的偏好。为了确保成对比较的可靠性，本研究在BWM框架内采用了基于输入的一致性比率（CR）[41]。具体来说，CR直接从提供的偏好输入中评估决策者判断的一致性。重要的是，BWM中可接受的一致性阈值并不是固定的，而是取决于每个决策者用于成对比较的最大数值尺度以及标准数量。如表3所示，不同的尺度和标准组合会产生不同的阈值，这些阈值作为评估一致性的基准。在本研究中，每个决策矩阵的一致性比率都系统地与相应的阈值进行比较，并与决策者进行讨论，以确保最终的成对比较落在可接受的一致性范围内。这一过程确保了成对比较表现出令人满意的一致性水平，并且得到的权重能够准确代表决策者的偏好。本研究采用经典的BWM来保持透明度和计算效率。对处理判断不确定性感兴趣的读者可以参考高级变体，例如模糊BWM[42]或贝叶斯BWM[43]，这些方法明确地将不确定性纳入决策过程中。表3. BWM中的基于输入的一致性阈值。3.1.1 交通管理标准数据评估本研究中使用的标准和子标准的选择是基于对现有文献的回顾，这些文献涉及旅行行为、交通模式选择和流动性评估框架，如表4所示。旅行者在多个维度上评估交通选项，从而确定了本研究中评估的五个主要标准：旅行成本（C1）、安全性（C2）、舒适度（C3）、旅行时间（C4）和环境友好性（C5）。每个主要标准都包含一组相关的子标准，这些子标准捕捉了影响用户偏好的更具体和可测量的方面。例如，C1包括基于距离的费用、换乘频率和成本稳定性等子标准，而C2涵盖了驾驶速度、事故率、驾驶员形象、车辆状况和安全设备的可用性。C3考虑了路线覆盖范围、等待时间、对弱势用户的可访问性、拥挤情况和清洁度。C4整合了实际旅行时间、可靠性以及天气和事故的影响，而C5包括减少污染、能源效率、采用绿色技术和环境责任。这些标准共同为评估交通管理提供了系统的依据。表4. 交通管理评估的标准数据和定义。3.1.2 利益相关者评估和开放式评估鉴于本案例研究位于曼谷一个选定大学校园附近的主要交叉路口，重点关注该地区交通流量中的两个主要决策群体：学生和工作专业人士。从十五名学生和十五名工作专业人士那里收集了回应，以确保研究区域内这两种人群的平衡代表性。数据收集是匿名进行的，以捕捉这两组人的模式选择偏好和行为考量，确保分析结果反映了研究背景下的用户群体的实际情况。预计这项研究将提供与大学为中心的城市环境以及学术与就业交通需求混合地区的流动性规划直接相关的见解。此外，参与者还被问及一个问题，即如果对评估标准进行改进，他们是否愿意使用公共交通，回答选项包括“肯定会使用”、“可能会使用”和“不会使用”。这项分析旨在将标准与实际行为意图联系起来，并随后用于在城市交通决策的背景下使用模拟模型进行情景分析。3.2 模拟模型 3.2.1 模拟模型设置本研究采用基于代理的微观模拟建模方法，其中每辆车都被表示为一个在空间明确的道路交叉口网络中运行的自主代理。根据AnyLogic 2025中的道路交通库[63]的结构，该网络使用详细的几何元素构建，包括多车道道路、交叉口、转向车道、交通信号灯和指定的停车点，使代理能够在一个真实的交通环境中导航。车辆代理的运动受到嵌入的行为规则的约束，这些规则涉及车辆追随、间隙接受、车道变换和交叉口冲突解决，使它们能够动态响应基础设施限制和周围代理的行为。开发的模型还集成了过程块来管理代理的生命周期并调节交通流量。这种基于代理的微观模拟框架允许模型捕捉个体车辆之间的细微、非线性互动，同时生成真实的系统级交通动态。3.2.2 城市交通中交叉口的案例研究评估城市交通规划（UTP）中的交通拥堵的案例研究位于泰国曼谷的Kaset交叉口，该交叉口在密集的城市环境中呈现出复杂的拥堵情况（图2）。由于城市面临的移动性挑战日益增加（这些挑战源于社会、经济和环境压力），曼谷的交通拥堵被视为非常关键的问题。大都市区的平均行驶速度降至约27.5公里/小时，拥堵程度超过50%，延迟现在成为城市效率的显著障碍[4]。这个问题在大型教育机构与主要街道交汇的地方尤为明显。图2. 曼谷Kaset交叉口的模拟建模案例研究。所研究的交叉口毗邻Kasetsart大学校园，每天都有大量的学生和专业工作人员流动，导致显著的交通需求。该交叉口还充当多模式交通枢纽，连接了各种交通方式，包括私人汽车、公共汽车、摩托车和电动高架或地铁列车。因此，从早期基于标准的交通管理评估中获得的见解成为开发Kaset交叉口案例研究中使用模拟模型分析场景配置的关键输入。分析这个特定案例也有望提供更广泛的关于城市动态的见解，并为评估以校园为中心的流动性规划和可持续交通干预措施提供测试平台。由于其战略位置，该交叉口被认为是曼谷最复杂的交叉口之一，因为它具有异构的车道配置、多个分级设施以及在高峰时段的严重拥堵。该交叉口是一个地面信号化路口，每个方向的车道配置从三到五条不等，辅以分级设施。具体来说，Prasert-Manukit方向有五条车道：最左侧的车道通往Senanikom，中间的两条车道继续在地面通往Ngamwongwan，最右侧的两条车道通往地下通道。Ngamwongwan方向也有五条车道，其中两条下降到地下通道，三条在地面运行，其中最左侧的车道通往Kasetsart。Kasetsart和Senanikom方向各有三条车道，最右侧的车道连接到分级立交桥。该交叉口在多阶段固定时间信号灯的控制下运行，尤其是在高峰时段，能够容纳大量的车辆、摩托车和公交车，导致反复的拥堵和延迟[64]。其复杂的车道几何结构和繁忙的交通使其成为评估先进交通管理策略的代表性城市案例。4. 结果与讨论 4.1 交通管理标准评估和开放式问题的结果评估受访者的一般数据结果在表5中呈现。具体来说，受访者样本的人口统计和旅行行为特征被详细列出，包括18-25岁的个体（69.7%），其中近一半目前是大学生，其余是工作专业人士。模式偏好显示了多种交通方式的混合，前三位分别是私家车、电动铁路系统和摩托车，每种方式大约占总数的四分之一。这种模式分布表明，Kasetsart大学地区的通勤者根据不同的流动性相关标准和偏好做出了多样化的旅行选择。表5. 受访者一般调查数据的结果。接下来，表6总结了基于BWM的标准权重在利益相关者群体间的结果，揭示了大学生和工作专业人士在优先级方面的显著差异。尽管旅行成本（C1）总体上是最受重视的标准，但在大学生中其重要性尤为突出（0.3293），反映了他们相比工作专业人士对抗财务负担的更大敏感性。相比之下，工作专业人士更看重舒适度（C3）（0.3508），这可能反映了他们对服务质量、拥挤程度和路线覆盖范围的更高期望。表6. 按利益相关者群体分类的BWM分析结果。子标准分析也突出了每个利益相关者群体在评估交通标准时的明显差异。在旅行成本（C1）方面，学生优先考虑每公里的成本（C1-1），而专业人士则更看重换乘次数（C1-2），这反映了他们对财务负担的敏感性 versus 持续旅行的需求。对于安全性（C2），两组都认为驾驶速度（C2-1）最重要，但学生更关注事故率（C2-2），而专业人士则更重视车辆状况（C2-4）。在舒适度（C3）方面，路线覆盖范围（C3-1）普遍重要，但专业人士相对更看重等待时间和拥挤情况（C3-2, C3-4）。在旅行时间（C4）方面，学生强调总旅行时间（C4-1），而专业人士则优先考虑可靠性（C4-2），表明他们对时间表的可预测性有更强的需求。对于环境友好性（C5），专业人士最看重减少污染（C5-1），而学生对支持绿色技术（C5-3）更感兴趣。这些差异反映了两组之间的不同经济约束、旅行习惯和活动模式。所有子标准的总体权重汇总在表7中。关注权重大于0.06的子标准，可以发现七个主导交通模式选择的因素：所需换乘次数（0.1140）、基于距离的成本（0.1109）、路线覆盖范围（0.0855）、总旅行时间（0.0778）、成本可预测性（0.0728）、等待时间（0.0701）和旅行时间可靠性（0.0643）。这些较高权重集中在票价结构、可及性和时间效率上，表明旅行者主要关注的是总体成本和服务可靠性，而不是次要属性。此外，图3所示的排名比较突显了大学生与在职专业人士之间的差异。大学生最重视旅行成本和可预见性（C1-1、C1-3、C1-2），反映出他们对预算限制更为敏感，而在职专业人士则更看重换乘次数（C1-2）、路线覆盖范围（C3-1）和等待时间（C3-2），显示出他们对便捷性和效率有更高的需求。表7显示了基于BWM分析得出的综合全球标准权重。图3基于所有子标准的综合权重进行的排名比较。交通模式选择的七个主要标准与成本、旅行时间、可靠性和网络可及性相关。因此，文献中提出的政策手段旨在直接解决这些高优先级的决定因素，以鼓励向公共交通和多模式交通的转变，如表8所示。例如，集成票务系统、票价重组和无换乘路线设计等政策可以减少通常阻碍公共交通使用的经济和运营障碍。在网络层面，路线扩展、服务整合和专用公交车道等干预措施可以潜在地提高可及性并减少总旅行时间。此外，运营改进，包括增加服务频率、信号优先级和实时交通管理，可以进一步减少等待时间并提高旅行时间的可靠性。为了进一步评估对服务改进的潜在行为反应，调查中包含了一个开放式问题，询问受访者如果实施与表8中确定的优先标准相一致的改进措施，是否愿意改乘公共交通。结果显示转变模式的潜力很大。具体来说，54.55%的受访者表示如果有减少换乘次数、降低旅行成本、改善路线覆盖范围、缩短等待时间和提高旅行时间可靠性等改进，他们肯定会改乘公共交通。另有42.42%的受访者表示可能会考虑改乘，只有3.03%的受访者表示对使用公共交通不感兴趣。这些发现表明，当服务质量符合他们的偏好时，相当一部分当前的旅行者愿意改变他们的出行行为。鉴于对公共交通的显著潜在需求，这些转变意愿被纳入仿真模型作为输入参数，以模拟私人车辆使用的潜在减少情况。这种整合使仿真能够捕捉政策引发的行为变化如何通过交通网络传播，并影响整个系统的性能。

4.2. 交通拥堵仿真建模的结果
为了确保准确反映实际情况，开发了一个针对Kaset交叉口的仿真模型，如图4所示。如前所述，该交叉口是一个复杂的节点，由四条主要道路组成。其中包括连接Kasetsart地区和Senanikom的道路，该道路配备了专用的立交桥车道；以及连接Prasert-Manukit Road和Ngamwongwan Road的道路，该道路也配备了专用的地下通道车道以促进交通流动。该模型包含了交叉口的物理基础设施，包括车道配置、信号灯相位和转弯动作。为了验证模型，采用了交通流的可视化和动画，这提供了对系统行为的定性检查，并作为面验证的重要步骤——这一过程确保模型行为看起来合理[79,80]。图5说明了这一验证过程：图5a显示了运行模型时的初始情况，图5b显示了信号灯调控下的交通流量，图5c显示了连接Kasetsart地区和Senanikom的立交桥，图5d显示了连接Prasert-Manukit Road和Ngamwongwan的地下通道。输入参数是从一个月的实地观察中收集的，包括车辆到达间隔时间、交通流量和密度以及详细的交通信号灯时序。这些输入用于在仿真环境中复制真实的交通需求和控制条件。表9展示了输入数据，包括来自四条主要道路的车辆移动概率数据和到达间隔时间的概率分布。具体来说，这些概率表示车辆选择各种动作的可能性，包括直行通过交叉口、左转、右转、掉头或使用地下通道/立交桥。结果显示，来自Ngamwongwan和Prasert-Manukit的道路上的车辆有很大比例选择了地下通道或立交桥。右转动作也占了相当一部分交通流量，特别是来自Kasetsart大学和Senanikom方向的车辆。然后检查了不同的统计分布，以最好地代表基于到达间隔时间的观测到的到达模式。来自Kasetsart大学前路的车辆遵循Gamma分布，来自Senanikom和Prasert-Manukit方向的车辆 arrival 最好用Weibull分布表示，而来自Ngamwongwan的车辆遵循Exponential分布。这些拟合的分布捕捉了每个方向上的到达行为，并被用作仿真模型的输入参数。为了确认模型的有效性，生成并分析了输出数据，包括系统中的车辆数量、每辆车的平均停靠次数、平均车速以及通过交叉口的总旅行时间。基础场景的结果如图6所示，并在表10中总结，显示系统内的平均车速为33.495公里/小时，车速范围从最低的0.533公里/小时到最高的60公里/小时，反映了从拥堵到自由流动的交通状况。系统中平均停留时间为317.62秒，而较大的范围和高标准差表明由于交通交互和信号控制，旅行时间存在显著变化。此外，车辆平均会有3.144次停靠，表明延迟水平适中，标准差较低，表明停车行为相对一致。图6显示了基础模型场景的图形输出。表10总结了基础模型场景的输出结果。实地观察进一步确认，旅行时间会根据一天中的时间而波动，在早晚高峰期间变化较大，在非高峰期间变化较小。为了定量验证仿真模型，使用双样本t检验（假设方差不等）将系统中的时间输出与实地观察数据进行了比较。仿真模型生成的平均旅行时间为317.63秒，而实地观察显示的平均时间为334秒。t检验得出的t统计量为-0.38，p值为0.706。由于p值远高于0.05的显著性水平，因此不能拒绝模型数据和实地数据均值相等的零假设。这表明仿真结果与实地观察数据之间没有统计学上的显著差异，说明仿真模型准确地复制了Kaset交叉口的实际交通状况。

基于这一验证，t检验结果表明模拟和观察到的旅行时间之间的强烈一致性，使得选择的输入参数能够真实反映交叉口的交通状况。这支持了该模型在后续应用中的可靠性，包括敏感性分析和替代交通管理方案的评估。然而，应当注意的是，这些分布是基于汇总数据，可能在不同的交通条件下发生变化。实际上，交通需求和到达模式在一天中会发生变化，尤其是在高峰和非高峰时段之间，这可能会影响输入的统计特性。因此，当前模型是在假设汇总交通条件的情况下开发的，即拟合的输入分布代表了观察期间的平均交通行为。这一假设使得能够稳健地表示整体系统性能，尽管它抽象了交通流量的时间变化，特别是在高峰和非高峰时段之间。

4.3. 敏感性分析和交通模式变化评估
接下来进行了敏感性分析，以研究系统中整体交通密度变化的影响。具体来说，通过改变进入系统的车辆到达间隔时间来调整交通密度，这直接反映了整个道路网络中的需求变化。分析通过将交通密度在-40%到+40%的范围内分别增加和减少10%来进行，以捕捉系统对交通需求变化的响应。表11中的结果显示，随着交通密度的变化，系统性能呈现出明确的趋势。随着交通密度的增加（+10%到+40%），车辆流出量与流入量的比率下降，平均速度下降，系统内的旅行时间增加，每辆车的停靠次数增加，反映了日益严重的拥堵和运营效率的降低。相反，当交通密度减少（-10%到-40%）时，系统表现出改善的性能，吞吐量比率提高，平均速度增加，旅行时间缩短，停靠次数减少。这些发现证实了模型对需求波动的敏感性，并证明了其在不同拥堵水平下真实反映交通行为的能力，从而支持其在交通拥堵规划中的适用性。表11显示了不同交通需求下的敏感性分析。早期的分析表明，改善与交通模式选择相关的关键标准有可能促使旅行行为转向公共交通。具体而言，调查结果表明，如果这些评估标准得到改进，大约55%的受访者肯定会使用公共交通。这种行为转变意味着私人车辆使用量的大幅减少，这可以合理转化为道路网络内整体交通密度的相应减少。为了考察这种潜在转变对交通性能的影响，假设交通密度减少了约55%，进行了仿真模拟。表12的结果表明，平均车速增加到37.879公里/小时，而在系统中停留的平均时间显著减少到210.536秒，表明交通流动更加顺畅，拥堵情况得到缓解。此外，每辆车的平均停靠次数降至1.720次，表明中断减少，交叉口的运营效率提高。这些发现清楚地表明，提升公共交通服务标准可以显著减少交通密度，从而显著改善整体交通状况和系统性能。表12显示了减少55%交通密度后的输出结果。最后进行了回归分析，显示交通密度百分比变化与车辆在系统中停留时间之间存在强烈的线性关系，如方程（8）所示。统计结果显示，决定系数R2=89.7%（图7），表明系统中的时间变化在很大程度上可以由交通密度的变化解释。具体来说，拟合的回归模型表明，交通密度的减少直接导致系统内旅行时间的减少。分析进一步表明，整体交通密度降低1%可以将旅行时间缩短约2.04秒。系统中的时间（秒）= 330.4 + 204 × 交通密度百分比变化（8）

5. 讨论和管理见解
BWM的结果清楚地表明，公共交通选择受到用户群体不同偏好的影响，这表明可能需要不同的政策来解决这些差异。大学生将旅行成本视为最具影响力的标准，反映了预算限制和对票价结构的敏感性，而在职专业人士则最重视舒适性，其次是大致成本和旅行时间。在子标准层面，换乘次数、路线覆盖范围、等待时间和旅行时间可靠性等因素在各个群体中的排名始终较高。这些研究结果表明，政策制定者在设计或升级公共交通服务时应当考虑不同利益相关者的优先事项，因为使政策与这些偏好相一致可以提高服务的效率和公众的接受度。从管理和政策的角度来看，BWM（行为意愿测量）和开放式调查的结果提供了可操作的指导，说明如何通过有针对性的改进公共交通来鼓励人们从使用私人车辆转向公共交通工具。重要的是，结果突显了不同用户群体之间的显著差异，表明政策设计应当加以区分。正如早期分析所指出的，大学生最重视出行成本，而在职专业人士则更注重舒适度，其次是出行成本和出行时间。根据这些偏好，与成本相关的政策（如基于距离的票价和票价上限）通过提高可负担性，对学生的出行方式选择具有特别大的影响。相比之下，旨在提高舒适度的政策（如增加服务频率以减少拥挤和提高服务质量）更有可能吸引在职专业人士。同时，两组都普遍重视的标准——包括出行时间、等待时间和换乘次数——可以通过设置专用公交车道、信号优先权和优化调度等措施来解决。如表13所总结的，主要的优先标准和政策可以进一步转化为具体的实施措施，并分配给相应的利益相关者以支持实际执行。通过使政策干预措施与各群体的具体偏好相一致，所提出的框架更有可能促使人们从使用私人车辆转向公共交通，从而减少交通需求、缓解拥堵并提高整个交通系统的性能。

在这项研究中，BWM和交通模拟的结合突显了使用两阶段分析框架进行城市交通规划的战略价值。BWM识别出用户最看重的标准，并确定需要改进的领域，而模拟模型则量化了这些潜在行为变化如何转化为交通水平的性能提升。模拟结果表明，交通密度的降低可以提高平均车速和缩短出行时间，从而加强在实施适当政策时成功实现出行方式转换的拥堵缓解效果。这种相结合的方法使政策制定者能够将以用户为中心的服务改进与可测量的运营结果联系起来，支持基于证据的决策，提高公共交通的吸引力，同时改善城市交通规划中的交叉口级和系统级的性能。

6. 结论

本研究提出了一个以用户为中心的两阶段框架，通过将BWM与微观交通模拟相结合来解决城市交通拥堵问题。Kaset交叉口的案例研究展示了所提出方法的实际可行性。BWM的结果揭示了大学生和在职专业人士在公共交通偏好上的明显差异，强调了制定与用户期望相匹配的差异化政策的重要性。基于BWM的加权标准可以用来优先考虑那些旨在将乘客从私家车转向公共交通的公共交通政策。针对关键服务属性（如减少换乘负担、出行时间、等待时间和成本不确定性）的针对性干预措施可以显著提高交通系统的性能，并增强公共交通的吸引力，从而促进从私家车向公共交通的转变。微观模拟模型进一步评估了这种转变如何降低交通密度、提高平均车速以及减少交叉口的总体出行时间。总体而言，研究结果证实，使公共交通改进与用户偏好保持一致对于有效缓解拥堵和提高城市交通系统性能至关重要。

尽管取得了这些成果，这项研究仍存在一些研究局限性，为未来的研究指明了方向。例如，可以更深入地探讨参与政策实施的关键利益相关者的观点，以更好地了解他们对优先标准的看法。此外，可以更广泛和多样化地探索公共交通管理策略和交通政策选择，并由更多利益相关者进行评估，以提高研究结果的普遍性和适用性。未来的研究还可以着重于将这些政策措施具体化到模拟框架中，以评估它们对用户行为和系统性能的动态影响。具体来说，应测试多种政策方案（如不同的服务频率调整或专用公交车道的空间范围），以评估它们在不同需求和基础设施条件下的相对有效性。此外，当前的模拟仅限于单个交叉口；将分析扩展到走廊级别或网络级别的模拟将提供更全面的系统内互动和拥堵动态洞察。最后，在模拟模型中纳入更多用户特定的细分群体和条件，以及更广泛的性能指标，将进一步提高分析的稳健性，并支持更全面的城市交通规划策略。