龔，張杰，藍金輝

（北京科技大學a.機械工程學院；b.自動化學院，北京100083）

霧霾情況下路網模型及霧霾對交通路網的影響

（北京科技大學a.機械工程學院；b.自動化學院，北京100083）

霧霾對城市交通路網的影響主要包括交通數據缺失、交通安全和污染物排放三大問題.首先,基于城市交通數據監(jiān)測系統，增加路網模型中駕駛員對能見度因素的反應特性，建立霧霾情況下交通路網模型，包括車道模型和交叉口模型兩部分.然后，建立霧霾情況下交通路網模型評價指標,包括路網交通數據缺失率、交通危險系數和路網車輛污染物排放指標.最后，通過霧霾對路網影響程度和影響區(qū)域的仿真，得出如下結果：霧霾程度越嚴重、影響區(qū)域范圍越大，交通數據缺失率越高，越不利于交通安全，同時污染物排放越多.

交通工程；霧霾情況下路網模型；霧霾影響下路網評價指標；路網模型仿真

1 引言

近年來，國內城市霧霾頻發(fā).目前，對霧霾問題的研究主要集中在霧霾形成機理[1]、霧霾檢測[2]、減少霧霾措施[3]等方面.眾所周知，城市霧霾給城市交通出行帶來了三大問題：第一，霧霾情況導致路網狀態(tài)數據采集不全.針對這一問題，國內外學者對霧霾情況下的圖像處理進行了研究，研究方法主要包括：大氣散射模型[4]和圖像增強處理[5]相關方法.第二，在霧霾中出行，由于能見度低不利于交通安全.目前對該問題的研究主要側重于對霧霾天氣的能見度研究[6].第三，為緩解霧霾，需要降低路網車輛的污染物排放.目前，對該問題的研究主要側重于對路網車輛尾氣排放或無霧霾情況下節(jié)能減排問題[7]的研究.這些方法從一定角度研究來降低霧霾對城市交通的影響，而沒有針對霧霾情況下的路網模型進行研究.

目前典型的路網模型建立是基于車輛跟馳[8]、流體動力學模擬[9]、車輛排隊[10]、元胞傳輸模型[11]等交通流理論.已有的路網數據模型，不能描述路段中的車流變化和交叉口內的車流組織.而在霧霾情況下，城市交通對于車道中和交叉口內的車流描述要求均較高.為解決這一問題，本文路網模型分別描述車道及交叉口的車流，并分析霧霾情況對交通路網的影響.

2 霧霾情況下交通路網模型

將霧霾情況下交通路網模型分為車道模型和交叉口模型兩部分.圖1為路網中車道及交叉口示意圖.假設三個交叉口i、j、k，路段ij為從交叉口i向交叉口j方向行駛的路段，交叉口j與交叉口k存在相連路段，相應的路段ij上包括通過交叉口i、j向交叉口k方向行駛的車道，將其標記為車道ij-k.路段ij上與該車道相連的交叉口記為交叉口ij-k.

圖1 路網中車道及交叉口Fig.1Lane and intersection in road network

2.1 霧霾情況下車道模型

當車輛進入某一車道時，會對該車道的交通密度和速度產生一定的影響，但這種影響通常存在一定時差.因此，和是實變的.為方便仿真，假設這個時差與仿真周期相同.

在建立霧霾情況下路網模型時，需增加路網模型中駕駛員對能見度因素的反應特性.當車道能見度距離低于實際車間距時，駕駛員監(jiān)測的車間距比實際車間距小，一般等同于.假設路段上車輛平均分布為

由于霧霾情況下車間距不易統計和監(jiān)測,假設路網車道ij-k上的車間距平均，駕駛員根據監(jiān)測的車間距進行車速調整.應符合交通限速要求，其值介于最高和最低交通限速之間.

式中vlmax為車道最高交通限速；vlmin為最低交通限速；alij0、alij1、alij2、alij3、alij4為系數;、的判別條件數值；hl=0,1,…,n.

2.2 霧霾情況下交叉口模型

交叉口允許車輛通過時，即使在霧霾情況下，車輛在交叉口ij-k的車輛間距變化極小，因此假設為固定值.

式中vcmax為交叉口限速；為車輛在交叉口ij-k處達到交叉口限速所需的加速時間；hl,hc=0,1,…,n

在建立霧霾情況下路網模型時，需增加路網模型中駕駛員對能見度因素的反應特性.在霧霾情況下，能見度越低，駕駛員在交叉口處車輛加速的時間越長.能見度較低時，車輛的加速不能達到交叉口限速.為與交叉口能見度距離相關的函數.

式中acij0、acij1和acij2為系數；為d的判別條件數值；hl=0,1,…,n.

3 霧霾情況下交通路網模型評價指標

霧霾對城市交通路網的影響主要包括交通數據缺失、交通安全和污染物排放三大問題.根據這些影響因素，分別針對車道模型和交叉口模型建立相應的評價指標.

3.1 路網交通數據缺失率

在統計車道模型的路網交通數據缺失率時，霧霾情況下存在不在車道數據采集監(jiān)測系統的監(jiān)測范圍內的部分車道，將其占有率作為車道數據缺失率lol.

式中m為路網中交叉口數，當路網中存在車道ij-k時，函數的值為1，否則值為0.

在交叉口處，霧霾情況下交叉口擁堵程度數據容易缺失.該數據缺失率loc與交叉口處排隊等待的車隊長度和路網能見度相關.

3.2 交通危險系數

在霧霾情況下，車道處車輛越密集越容易引發(fā)交通事故，車道交通安全程度sal越低.

在霧霾情況下，當交叉口處排隊車輛長度超出交叉口處能見度距離時，車輛容易由于啟動誤判引發(fā)交通事故，此時交叉口交通安全程度sac較低.

3.3 路網車輛污染物排放指標

為避免霧霾情況的加重，對路網的車輛污染物排放要求較高.根據文獻[7]，建立路網車輛污染物排放強度po.

式中bij0、bij1和bij2為系數，系數值與車型及污染物種類相關.車型分為輕型車、中型車和重型車.污染物主要包括CO、HC、NOX.

式中cij0、cij1、cij2、cij3、cij4、cij5、cij6、cij7、cij8和cij9為系數；的判別條件數值.

4 仿真

4.1 仿真數據

采用MATLAB進行仿真，仿真周期設為10秒，共仿真180周期.

4.1.1 路網數據

選擇北京某區(qū)域的路網進行仿真.仿真路網包含Kehui Road（科薈路）,Kehui South Road（科薈南路）,Tatun North Road（大屯北路）,Tatun Road（大屯路）.以該區(qū)域路網中主路為基礎，將路網圖結構簡化，如圖2所示.

圖2 路網圖Fig.2 Road network

4.1.2 路網模型數據

假設各車道模型數據相同：NLkij(0)的值隨機，取值范圍設為[0,90].pikj的值隨機，與選擇路段ij上其他車道的概率和為1.lv=4.5 m，ls=0.8 m.通過仿真區(qū)域的實地數據測量，當車道能見度dkij為60 m及以上時，車速為80 km/h；當dikj為40 m時，車速為60 km/h；當為20 m時，車速為35 km/h；當為10 m時，車速為7.92 km/h；當為1m或以下時，車速為0 km/h.因此，公式（6）中的系數值為：=80 km/h、alij0=16/9m2/h，alij1=2/225 m-1,alij2=17 600/9 h-1,alij3=2 200/9 h-1, alij4=-11/45 km/h，vlmin=0 km/h，判別條件數值為dikj0=60 m、=10 m、=1 m.

4.1.3 評價指標數據

路網車輛污染物排放指標數據：假設路網車輛的車型均為輕型，且車型相同.根據文獻[7，12-15]，=0.2；式（18）的系數bij0=7.524 85、bij1=-0.210 09 h/km、bij2=0.000 79 h2/km2；式（19）的系數

cij0=-0.045 g?h?km-2?veh-1、

cij1=4.36 g?km-1?veh-1、、

cij2=0.000 012 5 g?h2?km-3?veh-1

cij3=-0.002 57 g?h?km-2?veh-1、

cij4=4.21 g?km-1?veh-1、

cij5=0.000 737 5 g?h2?km-3?veh-1、

cij6=-0.075 25 g?h?km-2?veh-1、

cij7=5.95 g?km-1?veh-1、

cij8=-0.163 g?h?km-2?veh-1、

cij9=8 g?km-1?veh-1；判別條件數值為

4.1.4 霧霾數據

將仿真分為霧霾對路網影響程度仿真和霧霾對路網影響區(qū)域仿真兩部分.

霧霾對路網影響程度仿真數據：從霧霾對路網影響程度上來看，將能見度距離在600 m以上的情況稱為輕度影響霧霾；將能見度距離在600 m至200 m之間的情況稱為中度影響霧霾；將能見度距離小于200 m的情況稱為重度影響霧霾.假設路網內各車道和交叉口實際路網能見度相同且不隨時間變化，將輕度影響霧霾的實際路網能見度值設為1 000 m，中度影響霧霾的實際路網能見度值設為400 m，重度影響霧霾的實際路網能見度值設為150 m.

霧霾對路網影響區(qū)域仿真數據：中度和重度影響霧霾使城市交通數據監(jiān)測系統在部分路網處失效，將這部分路網稱為霧霾盲區(qū).根據霧霾使路網數據缺失情況，將霧霾對路網影響區(qū)域分為霧霾點盲區(qū)、局部盲區(qū)和全盲區(qū).仿真時，將交叉口12設為霧霾點盲區(qū)，將交叉口12、13、16和17所圍的區(qū)域設為霧霾局部盲區(qū).通常路網中其他非盲區(qū)依然存在一定程度的霧霾.假設路網內各車道和交叉口實際路網能見度相同且不隨時間變化，將非霧霾盲區(qū)的實際路網能見度值設為1 000 m，霧霾盲區(qū)的實際路網能見度值設為500 m.

4.2 仿真結果及分析

4.2.1 霧霾對路網影響程度仿真結果及分析

分別針對輕度影響霧霾、中度影響霧霾和重度影響霧霾的路網三種情況進行仿真.霧霾對路網影響程度仿真結果如圖3所示.

圖3 霧霾對路網影響程度仿真結果Fig.3 Simulating the degree of haze influence of road networks

根據整體仿真結果，輕度影響霧霾的數據缺失率、交通危險系數和路網車輛污染物排放強度的值最低，而重度影響霧霾的各指標值最高.由此可見，霧霾對路網影響程度越高，路網數據缺失率越高，路網交通安全程度越低，路網車輛污染物排放強度越高.

4.2.2 霧霾對路網影響區(qū)域仿真結果及分析

分別針對包含霧霾點盲區(qū)、霧霾局部盲區(qū)和霧霾全盲區(qū)的路網三種情況進行仿真.霧霾對路網影響區(qū)域仿真結果如圖4所示.

根據仿真結果，霧霾點盲區(qū)的數據缺失率、交通危險系數和路網車輛污染物排放強度的值最低，霧霾全盲區(qū)的各指標值最高.由此可見，霧霾對路網影響區(qū)域越高，路網數據缺失率越高，路網交通安全程度越低，路網車輛污染物排放強度越高.

圖4 霧霾對路網影響區(qū)域仿真結果Fig.4 Simulating the regions of haze influence of road networks

與此同時，根據霧霾對路網影響程度和區(qū)域的仿真結果，不同霧霾區(qū)域和程度情況下的各指標值均具有隨機性.由此可見，在路網模型中，車輛的出行路線的隨機性對霧霾影響區(qū)域的評價指標結果產生一定影響.在某些時段內，不同霧霾區(qū)域和程度情況下的各指標值差距較小.說明，通過對車輛的出行路線的調整，可以在一定程度上降低霧霾區(qū)域對交通路網的影響.

5 研究結論

（1）提出的霧霾情況下路網模型分為車道模型和交叉口模型，模型的建立基于城市交通數據監(jiān)測系統，增加了路網模型中駕駛員對能見度因素的反應特性，反映了霧霾對交通路網的影響，適用于描述霧霾情況下路網交通狀況，具有普適性且易于應用.

（2）建立的霧霾情況下路網模型評價指標更具有針對性，反映了霧霾對交通路網的三大問題：交通數據缺失、安全程度下降和污染物排放增加.

（3）根據霧霾情況下路網模型的仿真結果，霧霾對路網影響程度越高、影響區(qū)域越大，路網數據缺失率越高，交通安全程度越低，車輛污染物排放強度越高.同時，通過對車輛的出行路線的調整，可以在一定程度上降低霧霾對交通路網的影響.

[1]Wang Y S，Yao L,Wang L L,et al.Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China[J].Science China-earth Sciences,2014,57(1):14-25.

[2]Makarau A,Richter R,Mueller R,et al.Haze detection andremovalinremotelysensedmultispectral imagery[J].IEEETransactionsonGeoscienceand Remote Sensing,2014,52(9):5895-5905.

[3]Hautieren,Tarel J P,Aubert D,et al.Blind contrast enhancement assessment by gradient rationing at visible edges[J].Image Analysis and Stereology Journal,2008, 27(2):87-95.

[4]Tarel J P,Hautibre N,Caraffa L,et al.Vision enhancement in homogeneous and heterogeneous fog[J]. IEEEIntelligentTransportationSystemsMagazine, 2012,4(2):6-20.

[5]Cheng F C,Lin C H,Lin J L.Constant time O(1)image fog removal using lowest level channel[J].Electronics Letters,2012,48(22):1404-1406.

[6]Fletcher L M,Engles M,Hammond B R.Visibility through atmospheric haze and Its telation to macular pigment[J].Optometry and Vision Science,2014,91(9): 1089-1096.

[8]Chander R E,Herman R,Montroll E W.Traffic dynamics：studyincarfollowing[J].Operations Research,1958,6(2):165-184.

[9]RichardsPL.Shockwavesonthehighway[J]. Operations Research，1956，4（1）：42-51.

[10]ClevelandDE,CapelleDG.Queuingtheory approaches：an introduction to traffic flow theory[J]. Highway Research Board Special Report，1964（79）：49-98.

[11]趙韓濤,聶涔,李靜茹.冰雪條件下的交通流元胞自動機模型[J].交通運輸系統工程與信息,2015,15(01):87-92.[ZHAO H T,NIE C,LI J R.Cellular automaton model for traffic flow under ice and snowfall conditions. Journal of Transportation Systems Engineering and Information Technology,2015,15(1):87-92.]

[12]Winters W S,Evans G H.Final report for the ASC gas-powder two-phase flow modeling project AD2006-09[R].New Mexico:USA.Sandia National Laboratories, 2007.

[13]譚金華，石京．高速公路間斷放行的能耗和排放影響[J]．清華大學學報(自然科學版)，2013，53(4)：499-502+08．[TAN J H,SHI J.Impact of intermittent vehicle release on freeway energy dissipation and emissions[J].Journal of Tsinghua University(Science& Technology).2013,53(4):499-502+08.]

[14]董紅召，徐勇斌，陳寧．城市交通中機動車尾氣排放與擴散特性的研究[J]．內燃機工程，2011，32(2)：12-16.[DONG H Z,XU Y B,CHEN N.Research on vehicle emission and dispersion characteristics in urban public transport[J].Chinese Internal Combustion Eng ine Eng ineering.2011,32(2):12-16.]

[15]王曉寧，吳志濤.基于環(huán)境空氣容量的最大出行產生率[J].哈爾濱工業(yè)大學學報.2012,44(10):61-65. [WANG X N，WU Z T.Maximum trip generation rate based on environmental air capacity[J].Journal of Harbin Institute of Technology.2012,44(10):61-65.]

A Road Network Model in Haze and Haze Situation Influence on Traffic Networks

GONG Yana，ZHANG Jiea，LAN Jin-huib
（a.School of Mechanical Engineering；b.School ofAutomation and Electrical Engineering,University of Science and Technology Beijing,Beijing 100083,China）

Haze causes three major problems to urban traffic networks:missing traffic data,unsafe traffic and pollutant emissions.Firstly,driver reaction characteristics on visibility factors are increased and road network models in haze are established(the lane model and intersection model)by using urban traffic data monitoring systems.Moreover,the evaluation index of the traffic network model in haze includes traffic data loss rate,traffic dangerous coefficient and vehicle pollution emission index.Finally,by simulating the degree of haze influence and the regions of road networks,the simulation results are compared.Results show that more serious degree of haze influence and a larger road network range correspond to more serious haze impact.A greater haze impact on the road network leads to higher rate of traffic data loss,lower degree of traffic safety and higher emission of pollutants.

traffic engineering;road network model in haze;haze situation influence on road network evaluation index;road network model simulation

1009-6744（2015）05-0114-09

U491

A

2015-05-04

2015-08-06錄用日期：2015-08-17

國家自然科學基金（61174181）.

龔（1984-），女，吉林通化人，講師，博士后. ＊

tisp66@ustb.edu.cn