没有合适的资源?快使用搜索试试~ 我知道了~
软件X 22(2023)101339原始软件出版物Stplanpy:Python的可持续交通规划器Arnout M.P. BoelensStanford Doerr School of Sustainability,Stanford University,Stanford,CA,94305,USAar t i cl e i nf o文章历史记录:2022年10月24日收到2023年2月5日收到修订版,2023年保留字:可持续交通自行车出行方式转变交通网络分析潜在需求公共卫生a b st ra ct在许多其他优点中,促进骑自行车上下班可以作为减少温室气体排放和改善公共健康的战略。Python的可持续交通规划师stplanpy使用美国社区调查(ACS)的这包括当前模式和基于不同(未来)模式共享方案的模式。这些场景可以用于根据行程距离和丘陵情况确定自行车基础设施的潜在需求,并估计温室气体减排量和潜在的公共健康效益。使用stplanpy来分析加州帕洛阿尔托的自行车通勤模式,发现由于通勤距离长,即使是荷兰的自行车水平也不会显着减少温室气体排放。然而,由于采取积极的生活方式,帕洛阿尔托居民的公共卫生福利将意义重大。Stplanpy易于安装,具有高质量的文档,易于使用,并且是开源的。版权所有2023作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。代码元数据当前代码版本0.3.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00339代码海洋计算胶囊法律代码许可证GPL v3+使用Git的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性Pandas,GeoPandas,Shapely如果可用,链接到开发人员文档/手册https://pctbayarea.github.io/stplanpy/source/stplanpy.htmlhttps://pctbayarea.github.io/stplanpy-book/intro.html问题支持电子邮件boelens@stanford.edu1. 动机和意义考虑到目前前所未有的全球变暖速度[1]以及相应的迅速转向净零排放经济的需求,人们越来越多地认为,通过电气化进行技术替代是不够的,也不够快。改变交通运输系统[2]。除了采取促进电气化的政策外,还可以尝试促进骑自行车作为驾驶的可持续替代方式。人们发现,从汽车旅行模式的转变可能会导致能源消耗的显着减少,从而温室气体(GHG)排放量[3,4]。除了对环境的好处,骑自行车作为一种交通方式也与主要的健康益处[5],在某些情况下减少交通拥堵的能力[6,7],所有道路使用者的道路更安全[8],以及改善公平性[9]。stplanpy包的灵感来自于R的stplanr包和英格兰和威尔士的循环工具倾向(PCT)[10]。然而,它不是使用英语和威尔士人口普查数据,而是使用来自美国社区调查(ACS)的始发地-目的地流量数据进行优化Stplanpy使用这些数据来计算当前的出行模式份额和在区域、一般来说,骑自行车和步行行驶的公里/英里不是电子邮件地址:boelens@stanford.edu。https://doi.org/10.1016/j.softx.2023.1013392352-7110/©2023作者。 由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表SoftwareX期刊主页:www.elsevier.com/locate/softxArnout M.P. Boelens软件X 22(2023)1013392图1.一、stplanpy包的UML用例图。在美国的地方级别上是已知的[12],但是使用stplanpy可以基于通勤数据计算一阶估计。此外,代码可以计算在不同的模式共享场景下,在这些不同的水平下行驶的模式共享和公里/英里将如何改变这是通过使用CycleStreets自行车行程规划系统建议的起点-目的地线路或自行车路线来完成的这不仅使人们能够估计目前和潜在的二氧化碳减排量和健康效益,由于骑自行车,但也使得有可能确定现有的和潜在的需求骑自行车的基础设施。特别是当目前自行车模式份额较低时,很难确定什么是投资自行车基础设施的好位置[10]。潜在需求输出数据也可以用作自行车网络设计工具的输入[14]。Stplanpy是开源的,可以应用于整个美国,使用Python(Geo)Pandas框架编写,便于与众多数据科学工具集成,并且可以很容易地变成一个交互式在线版本(参见旧金山湾区的在线自行车倾向工具[15])。值得一提的是,美国社区调查(ACS)只关注通勤模式,而不考虑休闲骑行、学校通勤和错误跑步等旅行。此外,ACS不询问多式联运旅行。2. 软件描述在stplanpy的开发中做出了以下设计选择:易于安装stplanpy包已在Python包索引(PyPI)存储库(https://pypi.org/project/stplanpy/)上提供。因此,它可以很容易地安装在各种操作系统上。高质量的文档大量的文档,包括各种示例,可在Github.io(https://pctbayarea. github.io/stplanpy/)上提供。此外,还有一个可供使用的电子书示例(https://pctbayarea.github.io/stplanpy-book/)。这应该允许任何人快速启动并运行代码易于使用stplanpy包的输出可以作为交互式工具在线发布。在线工具可用于没有编程经验的人 旧金山湾区的一个例子可以在Heroku上找到(https://pctbayarea. herokuapp.com/)上提供。开源源代码在Github(https://github.com/pctBayArea/stplanpy/)上的GNU通用公共许可证v3.0下发布。这允许任何人下载、查看和修改源代码。Stplanpy是用Python编写的,作为GeoPandas的扩展[16],GeoPandas是一个开源项目,使在Python中使用地理空间数据变得更容易。这是使用Pandas Flavor包完成的[17]。Shapely是一个用于平面特征集理论分析和操作的Python软件包[18],也被广泛使用。代码已经过优化,可以处理大型数据集,包括CPU和内存使用。图1显示了stplanpy的UML用例图。该软件的用户可能对骑自行车基础设施的潜在需求,或不同模式共享情景下骑自行车产生的二氧化碳减排和公共健康效益其他用户提供各种输入,诸如:(i)通过以下方式Arnout M.P. Boelens软件X 22(2023)1013393图二、 Palo Alto市的地图,包括本 示 例 中 提 到 的各种街道和其他位置。美国州公路和运输官员协会(AASHTO)的人口普查运输规划产品计划(CTPP)[11],(ii)交通分析区(TAZ),人口普查指定地点(CDP),以及县拓扑集成地理编码和参考(TIGER/Line)shapefiles [19,20],(iii)航天飞机雷达地形任务(SRTM)高程数据[21],(iv)由CycleStreets自行车行程规划系统提供的自行车路线[13],以及(v)用于步行和骑自行车的健康经济评估工具(HEAT)[22],用于公共健康福利。这些数据源可以组合起来计算:(i)交通分析区(TAZ)、人口普查指定地点(CDP)或县级的区域模式共享地图,(ii)起点-目的地线路、路线和网络,以及(iii)每种出行模式的行驶路径可以看作是起点-终点线的概化每种交通方式的用户数量按每种交通方式对每条线段进行求和上面提到的不同输出要么直接基于ACS输入,要么可以针对不同的场景进行计算。目前,实现了两个场景,“各付各的”在“各付各的”情景下“电动自行车”的情况是一样的,除了每个人都骑电动自行车。这些情景是有用的工具,可以看出哪里可能对自行车基础设施有大量的需求。与其他评估网络质量[24-社会经济因素或自行车网络质量措施等方面没有考虑。中的各种python模块的完整概述stplanpy包可以在附录A中找到。3. 说明性示例在本例中,使用基于2012-2016年ACS的CTPP数据分析了往返于帕洛阿尔托市的自行车通勤帕洛阿尔托是旧金山湾区的一个城市,毗邻斯坦福大学。帕洛阿尔托有一个活跃的自行车社区,并有一个非常成功的安全路线上学(SRTS)计划,超过50%的初中和高中学生骑自行车上学。根据2013-2017 ACS,帕洛阿尔托在美国人口超过6万的城市中排名第四帕洛阿尔托居民的自行车通勤模式份额为8%[35]。这个例子试图确定如果帕洛阿尔托大力推广骑自行车上下班,预计可以减少多少二氧化碳排放量,以及对人口水平的健康益处。虽然人们只能考虑城市居民的通勤,但帕洛阿尔托的就业机会异常集中,就业人数约为就业居民的三倍[36]。因此,这个例子着眼于所有往返城市的行程。这是通过将当前的自行车模式共享与“荷兰人”情景进行比较来完成的,在“荷兰人”情景中,人们骑自行车往返帕洛阿尔托的水平与荷兰人骑自行车的水平相同。帕洛阿尔托市是否以及如何能够达到这种自行车水平不在本文的范围内,但这很可能是通过计划和基础设施投资的组合。重要的是要记住,美国社区调查(ACS)只关注通勤数据。例如,每个上学日,帕洛阿尔托统一学区(PAUSD)的学生大约有7000次骑自行车往返学校[34]。这大约是骑自行车上下班的两倍。stplanpy在一个更大的数据集上的应用,整个旧金山湾区的通勤模式,可以在网上找到[15]。首先,导入所有的stplanpy模块。然后加载并清理源-目的地流csv数据。接下来,读取县和人口普查指定地点(CDP)地理空间(shapefile)数据,并且仅选择旧金山湾区的县以及帕洛阿尔托市。图2显示了帕洛阿尔托的轮廓以及本示例中提到的街道和就业中心的位置。如何创建图的细节在下面的代码中省略了。关于如何使用Matplotlib [38],Seaborn [39]和其他Python可视化软件包的大量文档可以在网上找到#导入模块从stplanpyimportacs从stplanpyimportgeoArnout M.P. Boelens软件X 22(2023)1013394从stplanpy导入srtm从stplanpy导入od从stplanpy导入dist从stplanpy导入循环从stplanpy导入路由从stplanpy导入统计#阅读美国社区调查流量数据flow_data =acs。read_acs(“od_data.csv”)#清理数据但保留所有列flow_data=flow_data。clean_acs(reduced=False)#湾区县代码# 06 001阿拉米达县#06 013康特拉科斯塔县#06 041马林县#06 055纳帕县#06 075旧金山县#06 081圣马特奥县#06 085圣克拉拉县#06 095索拉诺县索诺马县(Sonoma County)县=[“001“,“013“,“041“,“055“,“075“,“081“,“085“,“095“、“097“]#读取县数据郡=地理read_shp(“ca-county-boundaries.zip“)#仅保留旧金山湾区县县=县[县fp]。isin(counties)]#地点代码# 55282 Palo Alto位置=[“55282”]#读取位置数据place=geo. read_shp(“tl_2020_06_place.zip“)#仅保留Palo Alto地方=place[“placefp”]. isin(places)]#计算哪些地方位于哪个县地点=地点。in_county(县)#Plot place data地方plot()在下一个代码段中,将读取交通分析区域(TAZ)地理空间数据,选择旧金山湾区的区域,并计算它们的质心和高程。此外,由于TAZ和地点的边界不一定重叠,因此in_place函数计算TAZ的哪个部分是哪个地点的一部分。如果一个TAZ的表面积超过50%在一个地方内,它被认为是该地方的一部分。orig_dest函数将地点和县的起点和终点代码添加到流数据中。此信息稍后用于计算地点和/或县的总体模式份额值。最后,计算起点-目的地线路,图中显示了自行车通勤人数最多的前50条线路。3 .第三章。目前的就业中心与流行的另一方面,斯坦福研究园并没有显示出那么多的#读取TAZ数据taz=geo. read_shp(“tl_2011_06_taz10.zip“)#过滤县代码Taz=taz[taz[“countyfp”]. isin(counties)]#计算质心taz_cent = taz. cent()#计算高程塔兹森特=taz_cent. elev(“srtm_12_05.zip”)Arnout M.P. Boelens软件X 22(2023)1013395图三. 往返帕洛阿尔托的自行车通勤人数最多的前50条始发地-目的地线路。目前的就业中心与热门的出发地-目的地线是斯坦福大学医学中心,斯坦福大学和市中心。#计算哪个TAZ位于一个地方,哪个部分taz = taz。in_place(place)#将县和地方代码添加到数据框。此数据用于#计算各县和地方的交通方式份额流量数据=flow_data。orig_dest(taz)#计算起点-终点线和距离flow_data[“geometry”]=flow_data。od_lines(taz_cent)# Plot flow_dataflow_data. plot()虽然起点-终点线可以给出两点之间距离的第一近似值,但查看实际路线更准确。路线功能使用CycleStreets循环旅程规划系统[13]计算起点和目的地之间的实际循环路线。此外,还计算了距离、梯度和直接或迂回因子[32]。#读取CycleStreets API密钥cyclestreets_key = cycle. read_key()#计算路由flow_data[“geometry“]=flow_data. 路由(api_key=cyclestreets_key)#计算距离、梯度和直接性flow_data[“distance”]=flow_data。distances()flow_data[“gradient”]=flow_data. gradient(taz_cent)flow_data[“directness”]= flow_data. 直接性接下来,应用“各付各的”场景。这种情况设想,如果人们骑自行车的次数和人们一样多,在荷兰,修正了距离和丘陵。图图4(a)显示了帕洛阿尔托目前骑自行车的人数与距离的关系,以及在“各付各的”情况下骑自行车的人数。交通分析区(TAZ)和Palo Alto的模式共享也可以计算。帕洛阿尔托目前的通勤自行车模式份额为4%,在“各付各的”情况下行程少于7.5公里,则分别为15%和38%。从4%的份额到12%的份额显著增加。然而,12%在总旅行次数中并不多。其原因可以在图中看到。4(b).这一数字显示所有往返、所有往返和所有往返Palo Alto的行程的累积分布。往返行程不加起来因为有些人在帕洛阿尔托工作和生活。可以观察到,更多的人通勤到帕洛而通勤者到帕洛阿尔托的最长距离远大于人们从帕洛阿尔托出发的最长距离。这些通勤距离限制了骑自行车的潜在需求。图5示出了根据本发明的实施例的自行车模式共享。水平。在图例中,值1表示模式份额为100%。图5(a)示出了当前模式份额,图5(b)示出了行程短于7.5 km的当前模式份额,图5(c)示出了行程短于7.5 km的当前模式份额。图5(c)示出了在“各付各的”情况下的模式共享,图5(c)示出了在“各付各的”情况下的模式共享。5(d)显示了模式Arnout M.P. Boelens软件X 22(2023)1013396见图4。(a)帕洛阿尔托目前骑自行车者人数随距离变化的直方图,以及“各付各的”方案的直方图 (b)前往帕洛阿尔托、从帕洛阿尔托出发以及所有往返帕洛阿尔托的旅行的累积直方图。往返加起来并不等于所有,因为有些人既工作,住在帕洛阿尔托有更多的人通勤到帕洛阿尔托比从帕洛阿尔托,他们旅行更远的距离。图五. 自行车模式共享在帕洛阿尔托的交通分析区(TAZ)的水平。(a)根据2012-2016年美国社区调查(ACS),考虑所有旅行的方式份额(b)根据2012-2016年美国社区调查(ACS)的模式份额,仅考虑行程短于7.5公里。 (c)根据“各付各的”情况考虑所有旅行的方式分担费用(d)根据“各付各的”设想,只考虑行程短于7.5公里的方式分担费用在“各付各的”方案下,行程少于7.5公里的份额。该图显示,在斯坦福研究园区增加自行车模式共享通过不同的交通需求管理(TDM)策略和自行车基础设施投资,这是可能实现的#计算go_dutch场景flow_data[“go_dutch”]=flow_data。go_dutch()#计算“bike“和“go_dutch“模式共享taz[[“bike“,“go_dutch“,“all“]]=taz. mode_share(flow_data,modes=[“bike“,“go_dutch“])place[[“bike“,“go_dutch“,“all“]]=place. mode_share(flow_data,modes=[“bike“,“go_dutch“])Arnout M.P. Boelens软件X 22(2023)1013397#计算行程短于7.5公里(4.5英里)的模式份额taz[[“bike75“,“go_dutch75“,“all75“]]=taz. mode_share(flow_data. loc[flow_data[“distance“]<=7500],modes=[“bike“,“go_dutch”])place[[“bike75“,“go_dutch75“,“all75“]]=place.mode_share(flow_data.loc[flow_data[“distance“]<=7500],modes=[“bike“,“go_dutch”])#绘制直方图flow_data. hist()#Plot TAZ“bike”和“go_dutch”模式共享塔兹plot()#绘制直方图flow_data. hist()除了模式共享,还可以显示自行车通勤者预计骑的地方。这可以通过以下公式计算:网络功能。图6示出了当前流行的自行车通勤路线(图6(a))以及在该情况下骑自行车的人在哪里。“各付各的目前,一些最受欢迎的路线是布莱恩特街自行车大道,内河码头自行车道,沙丘路,棕榈大道和公园大道。在“各付各的”的情况下#计算网络网络=流数据。network(modes=[“bike“,“go_dutch“])network[“distance“]=network. distances()# Plot网络网络plot()最后,这些数据可用于估计二氧化碳排放量和健康效益。为了估计排放量,计算每天每种模式行驶的总公里数。一般来说,自行车行驶的总公里数在美国当地并不清楚[12]。然而,stplanpy可以根据通勤数据计算出一个估计值,直到人口普查指定的地方。为了使用健康经济评估工具(HEAT)评估步行和骑自行车的健康效益,需要知道总人口规模,因此只选择来自帕洛阿尔托的通勤#按模式显示公里数flow_data. mode_km(modes=[“walk“,“bike“,“active“,“sov“,“carpool”,“transition”,“go_dutch”])仅限Palo Altoflow_data=flow_data。frm(“55282“)#更新模式共享place[[“bike“,“walk“,“active“,“go_dutch“,“sov“,“carpool“,“transition“,“all“]]=place. mode_share(flow_data,modes=[“bike“,“walk“,“active“,“go_dutch“,“sov“,“carpool“,“transit“])#显示模式共享地方mode_stats(modes=[“walk“,“bike“,“active“,“sov“,“carpool”,“transition”,“go_dutch”])#按模式显示公里数flow_data. mode_km(modes=[“walk“,“bike“,“active“,“sov“,“carpool”,“transition”,“go_dutch”])从上述计算的行驶公里数可以得出,“这只是SOV二氧化碳排放总量的一小部分可以得出结论,促进自行车通勤本身并不能显著减少帕洛阿尔托的二氧化碳为了实现其气候和可持续发展目标[40],帕洛阿尔托市可以考虑采取政策,允许/鼓励人们住在离工作地点更近的地方,并减少对汽车的依赖。这可能包括促进骑自行车作为第一/最后一英里问题的解决方案[9]。考虑到骑自行车上下班的健康益处,HEAT [22]估计,在“各付各的”情景下,虽然促进骑自行车上下班可能不会导致二氧化碳排放量的显着减少,但从公共卫生的角度来看,这可能是一项巨大的投资。此外,推广骑自行车在城镇周围旅行和学校通勤,这是典型的更短的距离,可能是一种有效的方式,可以大大减少这类旅行的温室气体排放。对于学校旅行来说尤其如此,一个学生骑车上学可以消除两次开车送学生的旅行,去学校接学生Arnout M.P. Boelens软件X 22(2023)1013398见图6。 根据(a)2012-2016年ACS和(b)“各付各的”情景,在早晨通勤期间骑自行车的预期人数的网络Sand Hill Road根据2012-2016年ACS和“各付各的”方案,布莱恩特街自行车大道是两条最受欢迎的路线4. 影响stplanpy包提供的框架的应用之一是更好地估计有多少人步行和骑自行车以及他们旅行的距离。然而,stplanpyPython包的最大影响可以预期来自其作为策略工具的使用。该工具的英国版本最初由英国交通部资助,用于绘制英格兰的自行车潜力[ 10,41 ],并由地方当局和其他参与交通规划的希望这个软件包在美国环境中找到类似的用途。为了便于广泛使用,stplanpy易于安装,具有高质量的文档,易于使用,并且是开源的。通过在后端使用(Geo)Pandas,stplanpy与许多数据科学工具和Python可视化库之间实现了无缝集成。在需要的地方改善基础设施将使骑自行车和步行成为驾驶的更可行的替代方案。这将使更多的社区获得使用主动交通的健康益处,并将允许更积极地减少温室气体排放。5. 结论stplanpy是一个Python包,它使用美国社区调查(ACS)的它允许对区域、起点-目的地、路线和网络级别进行分析。另外,它是开源的,可以应用到整个美国,是用Arnout M.P. Boelens软件X 22(2023)1013399Python(Geo)Pandas框架,可轻松与众多数据科学工具集成,并可轻松转换为交互式在线版本。安装说明可以在PyPi.org上找到:https://pypi.org/project/stplanpy/,github.io上的文档:https://pctbayarea.github.io/stplanpy/和https://pctbayarea.github.io/stplanpy-book/上的源代码https://github.com/pctBayArea/stplanpy/网站。未来的工作可能包括可用性改进,以更容易地从互联网上检索输入数据文件,将不确定性量化纳入不同场景的预测中,扩展代码以处理来自不同国家的始发地-目的地数据,添加不同的数据源,NHTS数据还可以更深入地了解多式联运通勤模式。改善自行车和交通的整合被认为是解决第一英里/最后一英里问题的有前途的解决方案[9]。竞合利益作者声明,他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。数据可用性本研究论文中使用的所有数据都可以从文中提到的在线来源公开获得致谢作者要感谢Robin Lovelace和Asha Weinstein Agrawal在撰写本文时提供的所有反馈和宝贵见解。本作品中的不同地图使用CC BY 3.0下Stamen Design的地图瓦片数据来自OpenStreetMap,ODbL。附录A. 软件描述A.1. 软件构架Stplanpy是用Python编写的,作为GeoPandas的扩展[16],GeoPandas是一个开源项目,使在Python中使用地理空间数据变得更容易。这是使用Pandas Flavor包完成的[17]。Shapely是一个用于平面特征集理论分析和操作的Python软件包[18],也被广泛使用。代码已经过优化,可以处理大型数据集,包括CPU和内存使用。这是通过使用Pandas [43] apply函数并切换到NumPy [44]来实现的,以实现更快的处理,并通过分块,即在块中处理大型DataFrame,以减少内存使用。图A.7展示了一个典型用例的输入、中间结果和输出输入为:ACSorig-dest美国州公路和运输官员协会(AASHTO)通过其人口普查运输规划产品计划(CTPP)发布来自美国社区调查(ACS)数据的这些数据可以从他们的网站上以csv格式下载,并且是stplanpy包的主要输入。输入csv文件中的数据使用每个起点-目的地对和运输模式一行来组织。导入此数据时,它存储在GeoPandas GeoDataFrame中,并重新排列为每个起点-目的地对一行地理空间交通分析区(TAZ),人口普查指定地点(CDP)和县拓扑集成地理编码和参考(TIGER/Line)形状文件可以从data.gov [19]和美国人口普查局网站[20]下载。此外对于几何信息,这些文件包含交通分析区域代码(tazce)、人口普查指定地点联邦信息处理标准(FIPS)代码(placefp)和县FIPS代码(placefp)。SRTM航天飞机雷达地形任务(SRTM)可以从NASA网站下载GeoTIFF格式[21]。导入此数据时,它将重新投影到右坐标参考系(CRS)。CycleStreets自行车路线是使用CycleStreets自行车行程规划系统计算的[13]。CycleStreets为骑自行车的人提供自行车检索地理位置中的所有路线可能需要很长时间。默认情况下,从CycleStreets网站检索的数据会被缓存,因此在将来需要时可以随时使用场景目前,实现了两个场景,“各付各的”和“电子自行车”场景。在“各付各的”情景下“电动自行车”的情况是一样的,除了每个人都骑电动自行车。这些情景是有用的工具,可以看出哪里可能对自行车基础设施有大量的需求它假设存在有凝聚力,直接,安全,舒适和有吸引力的基础设施[32]以及广泛的自行车文化[33]。自行车模式共享估计的基础上的距离和丘陵。不同的场景不尝试基于循环网络的属性来预测模式共享。相反,情景是一个函数,它表达了某人基于距离和丘陵骑自行车旅行的可能性Arnout M.P. Boelens软件X 22(2023)10133910图A.7. 典 型 用 例 的输入、中间结果和输出的 概 述 。使用不同的颜色可以很容易地区分不同的线条。这些输入数据用于计算以下中间结果:模式共享ACS始发地-目的地数据与地理空间数据相结合以计算模式共享。ACS数据包含TAZ起始地和目的地代码(tazce),但没有关于人口普查指定地点(placefp)和县(countyfp)的信息每一个人,都有一个地方,一个地方。然后,可以使用特定的tazce、placefp或countyfp代码对所有行求和以计算模式份额。质心质心是各种交通分析区域(TAZ)的中心,并根据TAZ地理空间数据计算高程使用SRTM数据,在不同的TAZ质心处计算高程。距离质心也可与ACS起点-终点数据结合使用,以计算起点-终点线。这些与CycleStreets数据相结合,以计算自行车路线和沿这些路线的距离。距离也可以从起点-终点线计算,但这将给出不太准确的坡度距离和海拔信息用于计算沿各种骑行路线的平均坡度坡度定义为高程/距离,而不是以百分比表示场景模式份额梯度和距离信息被用作所选场景的输入,并且可以计算该场景的模式份额。Arnout M.P. Boelens软件X 22(2023)10133911结合输入和中间结果,可以计算出以下结果:模式共享地图(场景)模式共享和地理空间数据被组合以创建模式共享地图,诸如下面的图5。这些地图可以位于交通分析区(TAZ)、人口普查指定地点(CDP)或县一级。将ACS数据和质心组合以创建因为它们没有考虑在地图上绘制的自行车网络中的间隙,这些线可以用来确定受欢迎的自行车目的地和路线。路线路线可以更准确地给出起点-目的地对之间的距离网络路由也可以合并到网络中。当不同管线的部分重叠时,它们将被单个线段替换。每种运输方式的用户数量按每种方式相加 图下面的图6示出了这样的网络的示例。通过结合所有不同的路线,可以确定许多骑自行车的人预计会骑的位置所有的中间结果和输出都是由下一节中列出的各个模块中的函数计算的A.2. 软件功能stplanpy包由各种模块组成acs此模块导入并清理美国社区调查(ACS)数据。 不幸的是,目前没有API从他们的网站检索数据,所以必须导出csv数据,然后可以使用acs模块导入srtmsrtm模块导入航天飞机雷达地形任务(SRTM)GeoTIFF数据[21]并计算选定点的高程。如果需要,该模块可以将GeoTIFF数据重新投影到正确的坐标参考系统(CRS)。cycle这个模块使用CycleStreets自行车行程规划系统计算自行车路线[13]。需要从CycleStreets请求一个API密钥才能使用这个模块。geo此模块对地理空间矢量数据执行各种操作。 这包括读取shapefile,计算交通分析区(TAZ)是否位于人口普查指定地点(CDP)内,以及将地理空间数据导出为GeoJSON文件。拓扑集成地理编码和参考(TIGER/Line)shapefile可以从data.gov [19]和美国人口普查局网站[20]下载。odod模块处理始发地-目的地数据。这包括将流量数据中的起点和目的地代码与地理位置进行匹配,计算dist这个模块目前包含了'' go Dutch ''和'' e-bike ''场景的发行版如果人们像荷兰人一样骑自行车,经过距离和丘陵的校正,“荷兰人”“电动自行车”的情况是一样的,但如果每个人都route与od模块类似,route模块对路由执行计算。这包括计算路线的直接或迂回因子,即路线的长度除以直线距离,并将路线组合成网络,其中计算网络的每个段的每种模式的使用statsstats模块可用于将基本统计数据打印到屏幕上,包括模式共享和每人每天每种模式的行驶距离。这些数据可以作为输入,例如,世界卫生组织的步行和骑自行车健康经济评估工具(HEAT)[22]。附录B. 二氧化碳减排和健康效益目前,人们每天乘坐单人车(SOV)往返帕洛阿尔托工作2068279.3公里考虑到汽车的整个生命周期,乘用车的排放量为0.271千克二氧化碳/乘客由于旅行数据是大流行前的,因此假设人们每周工作5天,每年工作48周这导致每年产生134519.5百万吨二氧化碳假设,在最好的情况下,人们从SOV转向自行车,在“各付各的”情况下,假设自行车比乘用车少排放0.250 kgCO2/乘客这只是SOV二氧化碳排放总量的一小部分.可以得出结论,促进自行车通勤本身并不能显著减少帕洛阿尔托的二氧化碳为了实现其气候和可持续发展目标[40],帕洛阿尔托市可以考虑采取政策,允许/鼓励人们住在离工作地点更近的地方,并减少对汽车的依赖。这可能包括促进骑自行车作为第一/最后一英里问题的解决方案[9]。为了评估骑自行车上下班的健康效益,使用了健康经济评估工具(HEAT)[22]。根据ACS的数据,1407名工人从帕洛阿尔托骑自行车上下班。以2014年为参考年,假设人口为66000人,在十年内,这将导致预防13例过早死亡。在“各付各的”情景下,3131人将从帕洛阿尔托骑自行车上班,从而防止29人过早死亡。假设一个统计Arnout M.P. Boelens软件X 22(2023)101339125 420 000美元(基于市场汇率)当前通勤水平在10年内的总经济影响为77 900 000美元(以2022年美元计)。在“各付各的”情景下,帕洛阿尔托的总经济影响将在10年内达到1.7亿美元。虽然促进骑自行车上下班可能不会导致二氧化碳排放量的显着减少,但从公共卫生的角度来看,这可能是一项巨大的投资。此外,推广骑自行车在城镇周围旅行和学校通勤,这通常是一个更短的距离,可能是一个有效的方法,以显着减少温室气体排放从这些类型的旅行。对于学校旅行来说尤其如此,一个学生骑车上学可以省去两次开车送学生和两次开车接学生放学的时间。引用[1] 政府间气候变化专门委员会。气候变化2021年:物理科学基础。第一工作组对第六次评估报告的贡献政 府 间气 候 变 化 专门委员会。技术报告,联合国; 2021年。[2] Brand C,Dons E,Anaya-Boig E,Avila-Palestine I,Clark A,de Nazelle A,等.城市日常活动出行的气候变化缓解效应Transp Res D:交通环境2021;93:102764。http://dx.doi.org/10.1016/j.trd.2021.102764网站。[3] Cuenot F,Fulton L,Staub J.全球客运模式转变的前景以及对能源使用和二氧化碳的影响。能源政策2012;41:98-106. http://dx.doi.org/10.1016/j.enpol.2010.07.017网站。[4] 陈W,Carstensen TA,王R,Derrible S,Rueda DR,Nieuwenhuijsen MJ,等。世界自行车所有权和使用。《地球环境通讯》2022;3:171。http://dx.doi.org/10.1038/s43247-022-00497-4网站。[5] [10]杨文,王文,王文.骑自行车对健康的好处是否大于风险?Environ Health Perspect 2010;118:1109https://www.jstor.org/stable/27822995[6] 放大图片作者:Koska T,Rudolph F.步行和骑自行车在减少拥堵方面的作用:一系列措施。技术报告,FLOW项目,2016,网址http://www.h2020-flow.eu网站。[7] Hamilton TL,Wichman CJ.自行车基础设施和交通拥堵:来自华盛顿首都自行车共享的证据J Environ Econ Manag 2018;87:72网址://dx.doi.org/10.1016/j.jeem.2017.03.007网站。[8] Marshall WE,Ferenchak NN.为什么骑自行车率高的城市对所有道路使用者来说都更安全?J Transp Health 2019;13:100539. http://dx.doi.org/10.1016/j.jth的网站。2019.03.004。[9] 左涛,魏宏,陈宁,张春。第一和最后一英里的解决方案,通过骑自行车,以改善交通可达性和推进交通公平。城市2020;99:102614.http://dx.doi.org/10.1016/j.cities.2020.102614网站。[10]Lovelace R,Goodman A
下载后可阅读完整内容,剩余1页未读,立即下载
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- BSC关键绩效财务与客户指标详解
- 绘制企业战略地图:从财务到客户价值的六步法
- BSC关键绩效指标详解:财务与运营效率评估
- 手持移动数据终端:常见问题与WIFI设置指南
- 平衡计分卡(BSC):绩效管理与战略实施工具
- ESP8266智能家居控制系统设计与实现
- ESP8266在智能家居中的应用——网络家电控制系统
- BSC:平衡计分卡在绩效管理与信息技术中的应用
- 手持移动数据终端:常见问题与解决办法
- BSC模板:四大领域关键绩效指标详解(财务、客户、运营与成长)
- BSC:从绩效考核到计算机网络的关键概念
- BSC模板:四大维度关键绩效指标详解与预算达成分析
- 平衡计分卡(BSC):绩效考核与战略实施工具
- K-means聚类算法详解及其优缺点
- 平衡计分卡(BSC):从绩效考核到战略实施
- BSC:平衡计分卡与计算机网络中的应用
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)