摘要： 為研究交通事故影響下路網(wǎng)性能的隨機(jī)性，定義路網(wǎng)行程時(shí)間可靠性為路網(wǎng)在交通事故持續(xù)期內(nèi)平均行程時(shí)間小于預(yù)定閾值的概率.假定事故持續(xù)時(shí)間為服從正態(tài)分布的隨機(jī)變量，將給定的事故持續(xù)時(shí)間離散化為相同長(zhǎng)度的子時(shí)段，綜合運(yùn)用Logit路徑選擇準(zhǔn)則和路段傳輸模型，提出了基于MonteCarlo法的路網(wǎng)行程時(shí)間可靠度模擬算法.用一個(gè)測(cè)試網(wǎng)絡(luò)來驗(yàn)證算法，其事故持續(xù)時(shí)間均值為8～20 min、方差為0.5～5.0 min， 子時(shí)段出行需求為4.0和4.5輛，時(shí)間閾值為事故前走行時(shí)間的2.0和2.2倍.研究結(jié)果表明：路網(wǎng)行程時(shí)間可靠度均隨事故持續(xù)時(shí)間均值的增大而減小；當(dāng)出行需求為4.5輛、時(shí)間閾值為事故前走行時(shí)間2.0倍時(shí)，行程時(shí)間可靠度隨著事故時(shí)間方差的增大而增大；當(dāng)需求小于4.5輛、時(shí)間閾值大于2.0倍時(shí)，可靠度隨著時(shí)間方差的增大而減小.

關(guān)鍵詞： 事故持續(xù)時(shí)間；行程時(shí)間可靠性；路段傳輸模型；MonteCarlo算法

中圖分類號(hào)： U491.13文獻(xiàn)標(biāo)志碼： ATravel Time Reliability during Incident Duration Time CHEN Lingjuan1，2，LIU Haixu1，PU Yun1

道路交通網(wǎng)絡(luò)在外部因素影響下，路網(wǎng)性能存在隨機(jī)性.這些外部因素包括可重復(fù)的隨機(jī)因素和不可重復(fù)的隨機(jī)因素兩類，第一類如日常的道路擁堵導(dǎo)致的路段通行能力下降以及日變的交通需求等，此類因素的特征是長(zhǎng)時(shí)間內(nèi)具有持續(xù)性；第二類如交通事故等突發(fā)事件對(duì)路段通行能力的影響，此類因素的特征是只在事件持續(xù)期內(nèi)影響路網(wǎng)[1].這些隨機(jī)因素在影響路網(wǎng)通行能力的同時(shí)，也影響路網(wǎng)的行程時(shí)間，使得行程時(shí)間呈現(xiàn)隨機(jī)性.因此，計(jì)算隨機(jī)路網(wǎng)的行程時(shí)間可靠性是衡量隨機(jī)路網(wǎng)性能的重要手段，也是出行者選擇路徑的重要依據(jù).

文獻(xiàn)[2]考慮了路段通行能力約束及出行者的路徑選擇行為，定義行程時(shí)間可靠性為出行者在規(guī)定時(shí)間內(nèi)順利完成出行的概率.文獻(xiàn)[3]建立了TFS（traffic flow simulator）模型用于估計(jì)行程時(shí)間可靠性，考慮了由于交通需求波動(dòng)和出行者對(duì)于路況的認(rèn)識(shí)不準(zhǔn)確而導(dǎo)致道路網(wǎng)絡(luò)的不確定性.文獻(xiàn)[4]考慮交通需求隨機(jī)波動(dòng)下的行程時(shí)間可靠性，采用解析方法確定日變交通需求下行程時(shí)間的分布函數(shù)，以此計(jì)算可靠性. 文獻(xiàn)[5]考慮了由于道路損壞而造成路段通行能力下降時(shí)的行程時(shí)間可靠性，并將行程時(shí)間可靠性定義為路段通行能力下降和非下降兩種狀態(tài)下行程時(shí)間比值的函數(shù)，這種定義可以作為衡量路段是否擴(kuò)建的服務(wù)水平標(biāo)準(zhǔn).文獻(xiàn)[6]定義行程時(shí)間可靠性為在規(guī)定時(shí)間內(nèi)以給定服務(wù)水平閾值完成出行的概率，并假設(shè)OD交通量和路段通行能力服從已知的分布函數(shù)來計(jì)算行程時(shí)間可靠性[6].

上述文獻(xiàn)給出了隨機(jī)路網(wǎng)行程時(shí)間可靠性的定義及計(jì)算方法，但上述定義都是基于靜態(tài)路網(wǎng)，將第一類因素中的通行能力、出行需求變動(dòng)作為隨機(jī)變量，構(gòu)造路網(wǎng)存在的多種狀態(tài)來計(jì)算路網(wǎng)在日變過程中的可靠性[78]，對(duì)第二類因素影響下的路網(wǎng)可靠性卻很少涉及.文獻(xiàn)[9]考慮了交通事故對(duì)路網(wǎng)可靠性的影響，卻依然采用靜態(tài)的方法——BPR（bureau of public road）函數(shù)描述路徑走行時(shí)間，不能模擬排隊(duì)擴(kuò)散及排隊(duì)消散等動(dòng)態(tài)交通現(xiàn)象對(duì)走行時(shí)間的影響.

本文考慮第二類因素——事故持續(xù)期內(nèi)的行程時(shí)間可靠性，分析影響事故發(fā)生的隨機(jī)因素，將事故對(duì)路網(wǎng)的持續(xù)時(shí)間看作隨機(jī)變量，產(chǎn)生事故持西南交通大學(xué)學(xué)報(bào)第48卷第2期陳玲娟等：交通事故持續(xù)期內(nèi)行程時(shí)間的可靠性研究續(xù)時(shí)間隨機(jī)數(shù)，利用路段傳輸模型（link transmission model， LTM）加載網(wǎng)絡(luò)流量，利用MonteCarlo方法計(jì)算路網(wǎng)可靠度.1事故持續(xù)期內(nèi)行程時(shí)間可靠性影響事故發(fā)生的隨機(jī)因素包括：事故在路網(wǎng)中的發(fā)生位置，事故持續(xù)時(shí)間（從交通事故發(fā)生到事故清除，路段通行能力恢復(fù)）及其對(duì)局部路網(wǎng)通行能力的影響.本文分析事故發(fā)生后事故持續(xù)時(shí)間對(duì)路網(wǎng)可靠性的影響，為路網(wǎng)評(píng)價(jià)及交通管制提供理論支持.

假設(shè)事故的前3種隨機(jī)因素中只存在一種隨機(jī)因素——事故持續(xù)時(shí)間，可假設(shè)事故持續(xù)時(shí)間服從正態(tài)分布[10].事故持續(xù)時(shí)間的隨機(jī)變化導(dǎo)致路網(wǎng)出現(xiàn)多個(gè)隨機(jī)狀態(tài)，從而導(dǎo)致行程時(shí)間的隨機(jī)變化.1.1可靠性定義假設(shè)事故持續(xù)時(shí)間服從均值為μ和方差為σ的正態(tài)分布.事故持續(xù)時(shí)間的隨機(jī)性導(dǎo)致通過車輛數(shù)及車輛路徑走行時(shí)間的隨機(jī)性，進(jìn)而導(dǎo)致平均路徑走行時(shí)間的隨機(jī)性.在給定持續(xù)時(shí)間的條件下，確定路網(wǎng)狀態(tài)，根據(jù)網(wǎng)絡(luò)加載模型加載網(wǎng)絡(luò)流量，得到事故持續(xù)時(shí)間內(nèi)通過的車輛數(shù)及車輛走行時(shí)間，可求出持續(xù)時(shí)間內(nèi)車輛的平均走行時(shí)間.

4結(jié)束語(yǔ)本文建立了以LTM和Logit模型為基礎(chǔ)的擬動(dòng)態(tài)模型，加載了動(dòng)態(tài)網(wǎng)絡(luò)流量，得出了離散時(shí)間段內(nèi)路段節(jié)點(diǎn)到達(dá)車輛數(shù)和路段走行時(shí)間，定義交通事故持續(xù)期內(nèi)行程時(shí)間可靠性為整個(gè)事故持續(xù)期內(nèi)平均行程時(shí)間在一定閾值內(nèi)的概率，給出不同條件下的路網(wǎng)行程時(shí)間可靠度.

結(jié)果表明：出行需求越大，可靠度越低；時(shí)間閾值越大，可靠度越高；持續(xù)時(shí)間均值越大，可靠度越低，可靠度隨著持續(xù)時(shí)間方差的變化有遞增和遞減兩種趨勢(shì).

影響交通事故發(fā)生的隨機(jī)因素包括事故在路網(wǎng)中的發(fā)生位置、事故持續(xù)時(shí)間及其對(duì)局部路網(wǎng)通行能力的影響.本文僅考慮了持續(xù)時(shí)間對(duì)路網(wǎng)行程時(shí)間可靠度的影響，其它兩個(gè)因素的影響及擴(kuò)展路網(wǎng)可靠性概念是下一步的研究方向.

致謝：本文工作得到西南交通大學(xué)?；穑?010XS25，SWJTU09CX041）的資助.參考文獻(xiàn)：[1]KNOOP V. Road incidents and network dynamics effects on driving behavior and traffic congestion[D]. Delft： Delft University of Technology， 2009.

[2]BELL M G H， IIDA Y. Transportation network analysis[M]. New York： John Wiley and Sons， 1997： 191192.

[3]LAM W H K， XU G. A traffic flow simulator for network reliability assessment[J]. Journal of Advanced Transportation， 1999， 33（2）： 159182.

[4]CLARK S， WATLING D. Modeling network travel time reliability under stochastic demand[J]. Transportation Research B， 2005， 39（2）： 119140.

[5]ASAKURA Y. Reliability measures of an origin and destination pair in a deteriorated road network with variable flows[C]∥Proceeding of the Fourth Meeting of the EURO Working Group in Transportation. New York： Amsterdam， 1998： 273287.

[6]CHEN A， JI Z W， RECKER， W. Travel time reliability with risksensitive travelers[J]. Journal of the Transportation Research Board， 2002， 1783： 2733.

[7]LO H K， TUNG Y K. Network with degradable links： capacity analysis and design[J]. Transportation Research Part B， 2003， 37（4）： 345363.

[8]CHEN A， YANG H， LO H K， et al. Capacity reliability of a road network： an assessment methodology and numerical results[J]. Transportation Research Part B， 2002， 36（3）： 225252.

[9]NOLAND R B， SMALL K A， KOSKENOJA P M， et al. Simulating travel reliability[J]. Regional Science and Urban Economics， 1998， 28（5）： 535564.

[10]唐夕茹，陳艷艷. 事故處理時(shí)間與路網(wǎng)恢復(fù)可靠度關(guān)系研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2009，9（5）： 124129.

TANG Xiru， CHEN Yanyan. Relationship between accident deposing time and network recovery reliability[J]. Journal of Transportation Systems Engineering and Information Technology， 2009， 9（5）： 124129.

[11]LO H K， LUO X W， SIU B W Y. Degradable transport network： travel time budget of travelers with heterogeneous risk aversion[J]. Transportation Research Part B， 2006， 40（9）： 792806.

[12]CLARK C E. Importance sampling in MonteCarlo analyses[J]. Operations Research， 1961， 9（5）： 603620.

[13]GHADERI A， HAGHIFAM M R， ABEDI S M. Application of MonteCarlo simulation in Markov process for reliability analysis[C]∥Probabilistic Methods Applied to Power Systems （PMAPS）. Singapore： IEEE Press， 2010： 293298.

[14]ISAAK Y. The link transmission model for dynamic network loading[D]. Leuven： Katholieke Universiteit Leuven， 2007.

[15]龍建成，高自友，趙小梅. 基于路段傳輸模型的道路出口渠化[J]. 吉林大學(xué)學(xué)報(bào)，2009，39（2）： 4146.

LONG Jiancheng， GAO Ziyou， ZHAO Xiaomei. Channelization at road exit based on link transmission model[J]. Journal of Jilin University， 2009， 39（2）： 4146.

（中文編輯：秦萍玲英文編輯：蘭俊思）