道，与在建轨道4 号线共同构筑复合交通走廊，连接福田中心区、上步中心区与龙华新城。据介绍，“新彩隧道”起于皇岗彩田立交，北穿山体，上跨厦深铁路隧道，下穿南坪梅观立交，与已建新区大道相接，隧道全长约1.8公里，规划双向六车道，市民可通过新彩隧道直接到达新区大道而不用通过梅林关。 4．新建”五和大道-南坪快速”连线
规划新建五和大道—南坪连接线承担坂田、华为高新片区与福田中心区、罗湖上步中心之间中长距离交通，缓解梅林关交通拥挤，提高五和大道对沿线片区服务功能。即居民可直接从五和转上南坪快速而不用经过梅观大道。初步方案拟起于五和大道安居大厦处，自安居大厦与雅宝科技园之间南下，经雅宝水库南侧下穿南坪高架，于南坪检查站处接入南坪快速路，全长1.3公里。 5．新建“坂田-银湖”道路
在坂田与银湖之间建设坂银新通道，形成特区内外一条新的联系通道和公交主走廊。并结合轨道16 号线规划建设工作，论证复合交通走廊方案，缩短坂田与罗湖、福田之间的出行时间。初步方案拟起于北环大道，止于坂雪岗大道，全长约6.6 公里。坂雪岗大道从坂田接入南坪快速绕开梅林关，到市中心区仅20分钟车程，缓解了梅林关交通压力。不过，目前，由坂田到华强北、银湖等地仍然需要绕行皇岗北路或者清平高速，从而又造成了新的不便。因此，可以将坂雪岗大道继续南延，开凿一条穿越银湖山的隧道南北连通，从而形成一条南北向的城市市政道路。
五、模型的误差分析
本文误差主要产生于系统误差，本文在求解过程中对数据处理以及对模型的求解所使用的辅助软件难免会带来误差。针对模型一，主要误差在于我们确立拥堵指数的过程中，各影响因素的权重的确定及各矩阵运算结果和拥堵指数等效数位的精度高低带来的误差。针对模型二，城市吸引力模型中，各区域的吸引力指数大小的确定会引入误差；针对模型三的优化模型，主要是程序的迭代次数所带来的路径优化程度大小的误差和MATLAB软件的系统误差。通过分析，本文主要误差是软件对数据小数位取的精度所带来的误差，但这对于本文模型并无多少的影响。
六、模型的优缺点
29
本文分别建立了三个分模型来对深圳关口的交通问题进行了探讨与治理，对于模型一的拥堵指数模型，本文在经过对大量数据进行分析以及对深圳各关口特别是梅林关的各连接道路的分析的基础上，分析出了影响关口拥堵的主要因素，利用主成分分析法找出直接影响交通指数的因素，然后利用模糊数学模型综合判断，从而得到交通拥堵指数。优点是确立的评价因素集具有科学性和完备性，模型的分析建立于求解过程具有较高的科学性，确立的指标具有可操作性；缺点是确立本文只对路段做了研究，并为涉及到交叉路口，以及红绿灯的影响。对于模型二的城市吸引力模型，本文从深圳的《统计年鉴》获取了相关数据，并对他们进行了分析处理，建立了该模型。优点是：数据可信度较高，城市吸引力模型能够较准确地反映出深圳各区的吸引力关系，通过量化求解，叫科学客观地提出了分区功能调整过的建议；缺点是;该模型具体分析了以梅林关口连接的福田区和宝安区对其他各区的吸引力大小，因而模型的范围具有局限性，但是该模型可以进一步推广到其他区域。对于模型三，采用图论原理和迪杰斯特拉算法对关口区域个连接道路进行优化，进而提出道路调整建设的建议。优点是：方法简便易行，对关口道路的设计提供较为合理的方案；缺点是：在不考虑现有道路的建设的条件下，因而其方案可能对现有道路改变较大，从而造成工程浩大，耗资巨大而难以实现。
七、模型的推广与改进
本文建立的模型适用于大多数交通拥堵的城市，特别适用于如深圳这样分区功能较为明显的城市，对于小型或者功能分区不明显的城市需要做进一步改进。而拥堵指数模型可以用来分析带红绿等或者是交叉路口的拥堵情况。而城市吸引力模型则可适用于一个城市内的跟分区间，也可适用于各不同城市之间，但是考虑的因素会更宽泛；优化模型其使用范围更广，对于局部道路建设或者是城市间的道路建设都可采用。
30
参考文献
[1]深圳市统计局.2012深圳统计年鉴.中国统计出版社，2012
[2]刘来福.数学模型与数学建模.北京师范大学出版社，2001:96-112,243-254 [3]叶其孝.大学生数学建模辅导教材.湖南教育出版社，2003. [4]陈刚.MATLAB基础与实例进阶.清华大学出版社，2012:55-74 [5]王树禾．图论.科学出版社，2004：201-221
[6]祝付玲. 城市道路交通拥堵评价指标体系研究[ D] . 南京: 东南大学, 2006.
[7]徐建华.利用Matlab编程实现主成分分析.计量地理学.高等教育出版社，2005:58-68
31
附录：
1.谷歌地图定位 1）梅林关关口广场
2）梅林关10个观测点
32
3）所有观测点：
2.MATLAB程序：
(1)主层次分析程序
%funqzjs.m 用主层次分析法进行权重计算程序
%运行funqzjs('D:\\Documents\\Tencent Files\\493687529\\FileRecv\\11.txt',19,5) function print=funqzjs(filename,a,b);
%filename为文本文件文件名，a为矩阵行数(样本数)，b为矩阵列数(变量指标数)
fid=fopen(filename,'r') ;
vector=fscanf(fid,'%g',[a b]); %导入原始数据给vector disp('原始数据') disp(vector)
fprintf('标准化结果如下：\\n')
v1=cwstd(vector) ; %将矩阵标准化 disp(v1)
result=cwfac(v1); %按相关性进行数据选择并计算权重
33