城市道路交通流离散模型优化范文

本站小编为你精心准备了城市道路交通流离散模型优化参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1概述

利用路口上游的交通流采集信息准确预测车队到达下游路口的规律是进行交通信号控制的重要基础，然而车流在从上游交叉口驶往下游交叉口的过程中，由于车队中车辆速度差异等原因，车流会产生离散现象。因此，需要有相应的车流离散模型来进行交通流到达规律的预测，从而支撑交通信号控制相序、相位及控制参数的优化。车辆离散现象与车道宽度、道路长度、交通流构成、路侧停车情况、机非分离情况、是否有人行横道等有密切关系。目前车流离散模型主要有基于正态分布的Pacey模型［3］和基于几何分布的Robert-son模型［4］，这些模型基于严格的数学假设，在理想交通状态下适应性良好［5］。然而与机动化程度较高的国外城市相比，我国城市普遍存在路网间距较大、机非混行、车辆构成复杂等问题，由此导致在车流离散、车流到达等方面也会与国外城市交通流存在差异，因此有必要结合我国道路现状，研究适用于我国城市道路状况的交通流离散模型［1］。另一方面，信号控制往往需要在交叉口上游路段安装检测器，例如SCOOT(Split-Cycle-OffsetOpti-mizationTechnique)系统，而常用的线圈检测器在我国城市的适用性较差，从而增加了信号控制的成本。而当前我国各城市迅速发展的带卡口功能的电子警察系统，为交通流采集提供了新的方式。上游路口的卡口设备可以检测在上游路口直行、左转或右转驶向下游路口的交通流，实际上获得了上游驶离的交通流信息，通过建立交通流离散模型，可以预测下游路口的到达交通流的规律，因此，如何确定不同路段的交通流离散特性成为基于卡口数据进行信号控制的关键。本文选择国内城市道路基本路段，基于实际调查数据研究交通流离散特性。在传统的车流离散模型基础上，针对不同的道路交通流状态，通过分析上下游交通流之间的关系，一方面对Robertson几何分布离散模型的离散系数进行修正，提出适合我国交通流特性的离散系数，另一方面基于上下游交通流数据建立线性回归模型，并通过对比几何分布模型与线性回归模型，给出建议的交通流离散分析模型。

2典型车流离散模型

目前车流离散模型主要有基于正态分布的Pacey模型和基于几何分布的Robertson模型。Pacey模型由Pacey提出，适用于中等交通流状态的车队离散模型。到达流取决于上游若干时段之前的驶出流，其基本模型假设是车队行驶时间遵循变换的正态分布，每辆车的速度在路段行驶过程中不发生变化。然而上述模型基于严格的数学假设，限制了其应用的范围，因此，Robertson又在TRANSYT手册中给出了在不同状态下的α的取值［4］，如表1所示。然而，如前所述，城市道路交通流离散特性与众多因素有关，因此，对于路段交通流的离散特性，需要通过实际检测数据进行分析、回归，以找出更为合适的车队离散模型。

3交通流离散特性分析

2014年1月17日对廊坊市和平路与艺术大道、和平路与北凤路两个交叉口之间的路段进行现场调查，该路段长度700m，以南向北行驶方向为调查方向，上游摄像机位于上游出口道位置，与卡口系统所拍摄的数据基本一致，距离下游交叉口停车线700m;下游摄像机距离停车线120m，故检测路段长度为580m。该路段双向六条机动车道，有中央隔离护栏，非机动车数量较少，大型公交车比例为8%，距离下游路口150m位置有公交车站，检测的580m长的路段内无行人过街横道、无路侧单位出入口和相交支路。车队向下游行驶过程中，由于要保持安全的车头时距，车辆行驶速度发生变化，上游放行时绿灯时刻驶出的初始排队会在行驶过程中出行离散现象，图1表示调查过程中某时段的车队离散现象。横坐标为10s为时间间隔的统计时段，纵坐标为10s时段内通过检测断面的车辆数(三条车道)。对比上游车流通过分布图和下游车流通过分布图，由于上游检测器位于上游交叉口出口道，车流主要来源为上游的南口直行、西口左转以及少量的东口右转，且相序为东西左转(24s)－南北直行(38s)－南向通行(15s)，因此，理论上而言，如果上游路口排队足够长能够充分利用各相位绿灯时间的话，则上游断面车流量较为集中的时段为77s，而一个周期内的其他相位时间则会较少，即由于受上游路口信号配时的影响，上游检测断面车流驶离有明显的波峰与波谷，即脉冲现象。车流行驶通过580m路段后出现离散现象，因此到达下游检测线位置时车流波动峰值不如上游检测断面显著［8，9］，如图1所示，上游车流波动峰值为11辆，而下游只有9辆。图2为车流分布情况图，表示以同一辆车通过上下游摄像机时刻分别开始计时(即某车通过上游检测断面时刻t0开始绘制带圆形的实线，该车通过下游检测断面时刻t开始绘制带菱形的虚线)，如果路段每辆车行驶规律不变，即路段无离散，则两个摄像机检测车流到达分布应该是一致的，即两条线应该重合。但是如图2所示，虚线表示的下游检测断面车流变化情况滞后于实线表示的上游检测断面，而且波动较小(即波峰与波谷的差距变小，车辆逐渐趋于均匀)，车辆通过数方差为8.75。上游检测断面车流变化较大，车辆通过数方差为13.45。说明随着车辆行驶，车流由脉冲式到达向均匀到达变化，车流离散情况明显。

4交通流离散模型修正

4.1Robertson模型修正在Robertson几何分布模型中，离散系数F值的确定至关重要，其与车道宽度、坡度、交通流量、停车情况、车辆构成等诸多因素相关，对不同的路况和车流行驶规律应该有不同的车队离散系数，首先基于本次调查数据对Robertson模型离散系数进行修正，以更好地适应我国道路交通流特性［2］。Robertson几何分布模型中上游断面对应时刻的通过车流qA(t0)与下游断面上一时段的通过车流qB(t－Δt)共同影响当前时刻下游断面通过车流qB(t)。本文根据实际检测数据对车流离散系数进行修正。

4.2线性回归模型事实上，交通流离散规律研究的就是上游断面交通流与下游断面交通流之间的关系，如果不存在离散，则上游某时段内通过的车辆经过一段旅行时间xΔt后到达下游某处，即下游某时段内的交通流只与上游断面xΔt之前的同一时段内的交通流有关。然而，由于车辆的离散性，使得下游某时段内的交通流与上游多个同样长度时段内的交通流有一定的关系，而前面的两个离散模型亦体现了类似的想法。因此，在此结合实测数据获得的可能性，提出相应的回归模型并进行检验。①四元回归模型。从车流到达角度考虑，下游检测断面t时刻的车流到达情况与上游检测断面t0、t0－Δt、t0+Δt时刻及下游检测断面t－Δt时刻的通过交通流相关(t－t0为上下游断面间的旅行时间)，即下游断面的车流qB(t)与上游检测断面对应放行时段的车流qA(t0)、放行时段之前的车流qA(t0－Δt)(部分车延迟到达)、放行时段之后的车流qA(t0+Δt)(部分车提前到达)以及与下游检测断面前一时段的通过交通流qB(t－Δt)相关。

5结果对比分析

以10s为时间间隔统计早高峰车流通过数据，按照路段旅行时间和流量情况分为3种不同的交通流状态，第一组108条数据，路段旅行时间45s，流量44pcu/周期，为饱和度较低的状态;第二组91条数据，路段旅行时间50s，流量68pcu/周期，为饱和度适中的阶段;第三组56条数据，路段旅行时间55s，流量80pcu/周期，为饱和度较高的阶段。从四元回归、二元回归和修正的Robterson模型来看，随着流量的增加、旅行时间的延长，下游检测断面t－Δt时刻的通过交通流对下游检测断面t时刻的车流到达影响逐渐增加。通过将本研究中的α值与TRANSYT推荐的参考值相比较，本案例中的车流离散性相对TRANSYT采用的Robertson模型更强。一方面是由于调查路段中有公交车站，且有8%的公交车，对车辆离散将带来较大影响;另一方面由于缺乏机非隔离，非机动车对机动车的运行也会带来一定的影响。

6总结

车流离散模型是车流到达率预测的基础，准确的车流到达预测决定了信号控制相序、相位及绿信比的设计，对于形成主动性的信号控制策略有重要意义。本研究通过对不同交通流量状态下的交通流离散特性进行调查，分析车流离散规律，提出了回归分析模型与Robertson模型的参数修正，结果表明考虑多个因素的四元线性回归模型更好的拟合下游车流到达。然而，由于仅基于上游检测断面车流数据的三元回归模型的估计效果最差，故在仅依靠上游卡口数据预测下游到达交通流的方面效果还不是很好，未来还需要针对仅依靠上游卡口数据来更加准确的预测下游到达交通流方面进一步提高模型估计的精度，同时可以考虑通过提高旅行时间的精度提高车流离散预测精度，结合转向比预测车流到达规律，进一步应用于信号控制。

作者：李瑞敏 唐瑾 单位：清华大学 交通研究所