李林恒 李宗平 李遠輝

1. 西南交通大學，交通運輸與物流學院，成都 610031

2. 湖北省宜城市交通局，宜城441400，湖北

0 引 言

隨著我國經濟水平的不斷提高，城市化水平不斷加快和汽車擁有量持續(xù)增長，城市交通擁堵問題已經成為人們普遍關心的問題。許多專家學者或者從宏觀層面上分析交通擁堵機理并提出緩解交通擁堵的策略[1-2]，或者從微觀層面上分析交通擁堵機理并提出控制交通擁堵發(fā)生、降低交通擁堵嚴重性等控制策略[3-4]。

為了緩解城市交通擁堵問題，很多城市大量建設快速道路，存在許多一般道路交通流通過匝道進入快速道路的合流區(qū)。隨著城市機動車的持續(xù)增加，一些合流區(qū)出現(xiàn)了嚴重的交通擁堵問題。在緩解合流區(qū)交通擁堵的諸多控制策略中，入口匝道控制是使用最廣泛的一種。無論是我國一些城市采用的匝道關閉策略，還是歐美國家已普遍采用的匝道交通量調節(jié)策略，其核心是根據(jù)合流區(qū)主線交通流，給出保證合流區(qū)不出現(xiàn)交通擁堵的匝道交通量控制指標。該方面的研究主要根據(jù)道路合流區(qū)主線交通流的基本圖分析交通流狀態(tài)變化，結合道路通行能力與交通流密度、流量、速度分析交通擁堵機理與匝道交通量控制策略[5-7]，其實造成合流區(qū)交通流狀態(tài)變化的有一種原因是由于在合流區(qū)主線交通量達到一定情況下由交通流中的交通崩潰現(xiàn)象所引起的[8]。最近國外學者利用交通崩潰現(xiàn)象研究合流區(qū)匝道交通量調節(jié)策略[9]，本文從微觀層面上利用交通崩潰現(xiàn)象分析合流區(qū)匝道交通量控制指標計算方法。

1 交通擁堵與交通流崩潰現(xiàn)象

交通擁堵一般認為是由于具體交通設施的交通需求超過其通行能力而表現(xiàn)出的交通流排隊、停滯現(xiàn)象。但是，對于刻畫交通擁堵現(xiàn)象的量化定義指標很多，不同量化定義指標決定著不同的緩解交通擁堵策略。例如在規(guī)劃層面解決交通擁堵問題一般采用交通擁堵的宏觀量化定義，但是，宏觀定義又有很多[1-2]。再如在管理控制層面上解決交通擁堵問題一般采用微觀定義，對于交通擁堵現(xiàn)象的微觀量化定義也是見仁見智[3-4]。

交通流崩潰現(xiàn)象是指密集（大流量）交通流在正常行駛狀態(tài)下速度急劇下降，同時密度急劇上升的現(xiàn)象。交通流產生崩潰現(xiàn)象，就定義為交通流出現(xiàn)崩潰事件。例如，在合流區(qū)內，由于匝道車輛的匯入干擾，引起合流區(qū)交通流速度急劇下降，同時密度急劇上升，形成局部交通擁擠現(xiàn)象，甚至變化為交通流排隊行駛、走走停停的交通擁堵現(xiàn)象[5-8]。但是，對于交通流速度下降程度和密度上升程度的閾值以及刻畫急劇的時間閾值國際上沒有統(tǒng)一數(shù)值[9]。例如，文獻[9]認為交通流相鄰兩間隔內速度下降量超過16 km/h，密度上升量超過5%（在15%與20%之間），持續(xù)時間超過 10 min則認為這種程度的交通流狀況變化為交通流崩潰現(xiàn)象。

交通擁堵往往由交通流崩潰引起，盡管每次交通流的崩潰現(xiàn)象未必都導致交通擁堵發(fā)生，但是，交通流崩潰現(xiàn)象發(fā)生的強度和頻度完全可以刻畫交通擁堵的數(shù)字特征[8]。本文按照文獻[9]定義交通流崩潰現(xiàn)象的閾值，并利用合流區(qū)發(fā)生交通流崩潰事件的概率計算合流區(qū)匝道交通量控制指標。

2 合流區(qū)匝道交通量控制指標計算方法

為了確定合流區(qū)匝道交通量控制指標，本節(jié)利用交通流崩潰發(fā)生概率的計算模型，提出合流區(qū)匝道交通量控制閾值的計算方法。

2.1 交通流發(fā)生崩潰事件的探測算法

（1）交通流發(fā)生崩潰事件的數(shù)學表述

根據(jù)交通流發(fā)生崩潰事件的定義，可以按照交通流速度條件對交通流發(fā)生崩潰事件進行數(shù)學描述如下（同樣，按照交通流密度條件也可以對交通流發(fā)生崩潰事件進行類似描述）：

假設觀測交通流發(fā)生崩潰事件的觀測時間區(qū)間為分鐘，也就是以每分鐘為統(tǒng)計時間間隔單位。記判斷交通流崩潰事件發(fā)生的速度閾值為X（km/h），時間持續(xù)閾值為Y（min）。例如，文獻[9]認為X=16 km/h，Y=10 min。記第i分鐘統(tǒng)計的合流區(qū)主線交通流速度為iS（km/h），其與第i+1分鐘統(tǒng)計的交通流速度為1iS+的差值記為

根據(jù)交通流發(fā)生崩潰事件的定義，如果 ΔSi＜0，并且滿足條件（2）就認為交通流在時間t=i分鐘開始發(fā)生崩潰事件，并且認為該觀測時間區(qū)間發(fā)生崩潰現(xiàn)象將區(qū)間給予標號Bi。否則，認為該觀測時間區(qū)間沒有發(fā)生崩潰現(xiàn)象將區(qū)間給予標號Bi：

式（1）成立表示交通流速度開始下降，式（2）成立表示交通流速度下降達到發(fā)生交通流崩潰事件的速度下降閾值。

（2）基于速度探測交通流發(fā)生崩潰事件的探測算法框圖

根據(jù)交通流發(fā)生崩潰事件的數(shù)學描述，可以設計基于速度探測交通流發(fā)生崩潰事件的探測算法框圖如圖1所示。

（3）基于速度探測交通流發(fā)生崩潰事件的探測計算步驟

根據(jù)基于速度探測交通流發(fā)生崩潰事件的探測算法框圖，可以設計一種基于速度探測交通流發(fā)生崩潰事件的探測算法。該算法以每分鐘為統(tǒng)計時間間隔單位，其符號（或記號）含義同上。

圖1 基于速度探測的交通流發(fā)生崩潰事件的探測算法框圖Fig.1 Detection algorithm process for the collapse incidents of traffic flow based on speed detection

① 從自由流開始統(tǒng)計每分鐘交通流速度，賦值t=i=0開始比較計算；

② 如果 ΔSi＜ 0 ，轉③；否則，記Bi=i轉⑤，其中Bi表示第i個間隔為非崩潰事件（或崩潰事件恢復過程）出現(xiàn)間隔的標號；

③ 如果滿足條件（2）轉④；否則，記Bi=i轉⑤；

④ 如果滿足條件（3），記Bi=i轉⑤，其中Bi為第i個崩潰事件的出現(xiàn)間隔記號；否則，記Bi=i轉⑤；

⑤ 令i=i+ 1 ，轉⑥；

⑥ 令t=i，轉⑦；

⑦ 如果t=T（其中T為觀測結束時間），轉⑧；否則，轉②；

⑧ 結束計算，輸出所有 Bi，Bi。

2.2 交通流崩潰發(fā)生概率模型

對于交通流崩潰現(xiàn)象的不同刻畫，導致了不同的計算交通流崩潰事件的發(fā)生概率（probability）模型（簡稱 BP模型）[8]。Elefteriadou認為具有代表性的BP模型有兩類[9]。Brilon[10]基于壽命數(shù)據(jù)統(tǒng)計分析提出的 BP模型 1和 Persaud[11]基于回歸分析提出的Logit模型2。

（1）BP模型1

式中： Fj(q)為當匝道流量為 j（pcu/h）時,合流區(qū)交通流發(fā)生崩潰的概率分布函數(shù)； qij為觀測時間區(qū)間i內匝道流量為j時合流區(qū)交通流發(fā)生崩潰事件時的主線單車道交通量（pcu/h/lane）或稱之為合流區(qū)主線的崩潰交通量，也有人稱之為合流區(qū)主線的通行能力；q為主線單車道實時交通量（pcu/h/lane）； kij為觀測期i內匝道流量為j時合流區(qū)主線單車道交通量q≥qij的觀測時間區(qū)間數(shù)，需要說明的是這里的kij雖然存在 q ≥qij，但有時不一定會發(fā)生交通崩潰現(xiàn)象；dij為觀測期i內匝道流量為j時合流區(qū)主線交通量達到ijq且一定導致合流區(qū)交通流發(fā)生崩潰事件的觀察時間區(qū)間數(shù)（通常情況下觀測到合流區(qū)交通流發(fā)生崩潰的主線單車道交通量達到ijq時，一般都會造成合流區(qū)的交通崩潰現(xiàn)象，所以，當主線單車道交通量達到ijq時ijd=1）；{}B為合流區(qū)交通流發(fā)生崩潰的觀測時間區(qū)間集合；{}R為合流區(qū)匝道交通量為 j的觀測時間區(qū)間集合。

由公式（3）可知，只要能夠探測出合流區(qū)交通流發(fā)生崩潰的觀測時間區(qū)間數(shù)目就能夠計算出發(fā)生崩潰的概率值。

（2）BP模型2

式中： ()PB為合流區(qū)交通流發(fā)生崩潰事件 B的概率計算公式；iq為觀測時間區(qū)間i內合流區(qū)交通流發(fā)生崩潰的主線交通量（pcu/h）或稱之為合流區(qū)交通流發(fā)生崩潰的主線交通量；ir為觀測期i內合流區(qū)交通流發(fā)生崩潰時匝道對應交通量（pcu/h）；0β，1β和2β為回歸系數(shù)。

由公式（4）可知，只要能夠探測出合流區(qū)交通流發(fā)生崩潰時的個別觀測()PB，iq，ir就能夠得到0β，1β和2β等回歸系數(shù)，進而得到一般意義下的()PB計算模型。再由主路交通量iq，在保證合流區(qū)交通流發(fā)生崩潰概率為 ()PB情況下，計算出匝道需要控制交通量ir的閾值指標。

2.3 合流區(qū)交通擁堵控制指標計算方法

① 由公式（3）計算合流區(qū)交通流發(fā)生個別崩潰事件B的概率值，及其對應的合流區(qū)所有主線單車道交通量ijq之和與匝道流量為j，對應于公式（4）的iq和ir。

② 再利用這些 ()PB，iq，ir計算公式（4）的回歸系數(shù)0β，1β和2β，得到一般意義下的()PB計算模型。

③ 由主路交通量iq，在保證合流區(qū)交通流發(fā)生崩潰概率為 ()PB的情況下計算出需要控制的匝道交通量ir的閾值。

有上述算法可知，確定合流區(qū)交通擁堵控制指標也就是確定合流區(qū)交通流發(fā)生崩潰概率 ()PB值。該值一般憑實踐經驗指定，例如文獻[9]指定采取控制策略的合流區(qū)交通流發(fā)生崩潰概率值為0.2。

3 算 例

圖2 三元橋機場方向合流區(qū)結構及其傳感器設置示意Fig.2 Schematic diagram of the confluence area and the sensor settings in the airport direction of Sanyuan Bridge

本算例中數(shù)據(jù)采集地點為北京市三元橋入口去首都機場的高速公路合流區(qū)。三元橋機場方向合流區(qū)的結構為主線單向3車道，匝道單向1車道。采集的數(shù)據(jù)通過合流區(qū)處的高峰小時交通流錄像觀測統(tǒng)計，并采用 AutoScope-2004圖像處理系統(tǒng)處理交通流數(shù)據(jù)，其傳感器設置示意如圖2所示。

結合匝道與主線交通量15組不同組合數(shù)據(jù)，統(tǒng)計合流區(qū)不同位置的交通流在 1分鐘內的交通流速度數(shù)據(jù)，利用基于速度探測交通流發(fā)生崩潰事件的探測算法統(tǒng)計發(fā)生崩潰事件Bi與沒有發(fā)生崩潰事件Bi的時間間隔數(shù)，利用Brilon[10]提出的計算崩潰事件概率模型計算匝道與主線交通量15組不同組合數(shù)據(jù)下發(fā)生崩潰事件的概率如表1所示。

根據(jù)表1數(shù)據(jù)，回歸Persaud[11]計算崩潰事件概率模型中的三個回歸參數(shù)為β0＝-23.654985，β1＝0 . 003628和β2=0.010246，得到一般意義下計算崩潰事件發(fā)生概率的Logit模型如式（5）所示：

利用模型（5）繪制四條匝道交通量，分別為600 pcu/h、700 pcu/h、800 pcu/h和900 pcu/h四種情況，合流區(qū)交通流發(fā)生崩潰概率隨主線交通量變化的概率分布曲線如圖3所示。利用合流區(qū)發(fā)生崩潰事件的概率曲線，可以確定在保證發(fā)生崩潰事件的概率一定（例如 0.2）的情況下隨主線交通量變化的匝道交通量控制指標。例如，主線三車道交通量合計達到3 600 pcu/h時，入口匝道交通量不能超過900 pcu/h，因為，根據(jù)模型（5），這時交通流發(fā)生崩潰的概率為 0.2。

表1 匝道、主線交通量與崩潰概率Tab.1 Ramp, mainline traffic volumes and the probabilities of the collapses

4 結束語

緩解合流區(qū)交通擁堵的主要控制策略為入口匝道控制方法，其核心是根據(jù)合流區(qū)主線交通流，給出保證合流區(qū)不出現(xiàn)交通擁堵的匝道交通量控制指標。傳統(tǒng)方法為根據(jù)交通擁堵指標給出，而交通擁堵原因很多并且這種方法只能事后得到匝道交通量控制閾值。交通擁堵一般由交通流發(fā)生嚴重的崩潰事件引起，但是，交通流發(fā)生崩潰事件未必導致交通擁堵。由于交通流崩潰事件發(fā)生概率可以計算，由此能夠在交通擁堵發(fā)生前得到匝道交通量控制閾值，該方法對于緩解高等級道路合流區(qū)交通擁堵研究具有一定的理論價值。通過數(shù)值算例分析，論文設計的算法可行，該方法對于緩解高等級道路合流區(qū)交通擁堵具有一定的實踐價值。

[1] 陸化普. 城市交通擁堵機理分析與對策體系[J]. 綜合運輸，2014（3）：10-19.

[2] 劉 瀾，盧維科，尹俊淞. 城市交通擁擠對策新解[J]. 交通運輸工程與信息學報，2014，12（4）：1-7.

[3] Ren Gang，F(xiàn)an Chao，Hua Jingyi et al. Analyses of unified congestion measures for interrupted traffic flow on urban roads [J]. Journal of Southeast University (English Edition)，2014，30(1): 101-106.

[4] 劉 瀾，馬亞峰. 基于出入流率的交通擁擠量化研究[J]. 公路交通科技，2013，30（3）：111-117.

[5] Kim T. Modelling congested traffic on a freeway through the studyof time gaps [D]. University of California, Department of Civil and Environmental Engineering, 2003.

[6] 郝 媛，孫立軍，徐天東 等. 城市快速路交通擁擠分析及擁擠閾值的確定[J]. 同濟大學學報，2008，36（5）：609-614.

[7] 薛行健，宋 睿，晏克非. 城市快速路匝道合流區(qū)擁阻機理及對策分析[J]. 中南林業(yè)大學學報，2011，31（9）：152-159.

[8] 郝 媛，孫立軍，徐天東. 交通流Breakdown現(xiàn)象與交通擾動演化模型[J]. 同濟大學學報，2009，37（9）：1178-1184.

[9] Elefteriadou L., Kondyli A., Brilon W. et al.Enhancing ramp metering algorithms with the use of probability of breakdown models[J]. Journal of Transportation Engineering, 2014, 140(3):1-8.

[10] Brilon W., Geistefeldt J., Zurlinden H. Implementing the concept of reliability for highway capacity analysis [J]. Transportation Research Record, 2007,(2027):1–8.

[11] Persaud B., Yagar S., Tsui D. et al.Breakdown-related capacity for a freeway with ramp metering [J]. Transportation Research Record,2001,(1748): 110–115.