王　霞，于　雷，萬(wàn)　濤，宋國(guó)華

（1.北京交通大學(xué)交通運(yùn)輸學(xué)院，北京　100044；2.德克薩斯南方大學(xué)交通系，美國(guó)休斯敦　77004；3.北京首都國(guó)際機(jī)場(chǎng)股份有限公司，北京　100621）

基于物理意義機(jī)場(chǎng)樓前交通仿真模型參數(shù)標(biāo)定

王霞1，于雷2，萬(wàn)濤3，宋國(guó)華1

（1.北京交通大學(xué)交通運(yùn)輸學(xué)院，北京100044；2.德克薩斯南方大學(xué)交通系，美國(guó)休斯敦77004；3.北京首都國(guó)際機(jī)場(chǎng)股份有限公司，北京100621）

航站樓車道邊作為機(jī)場(chǎng)地面交通的重要組成部分，表現(xiàn)出不同于普通道路和停車場(chǎng)的靜態(tài)和動(dòng)態(tài)交通特征。本文設(shè)計(jì)針對(duì)航站樓前交通特征的數(shù)據(jù)采集方法，提取期望速度、車輛加減速度、停車時(shí)間、停車間距作為反映航站樓前交通狀況的重要參數(shù)并對(duì)其分布特征進(jìn)行標(biāo)定。最后以首都機(jī)場(chǎng)T3航站樓為例，利用VISSIM建立航站樓出發(fā)層車道邊的仿真平臺(tái)，同時(shí)結(jié)合實(shí)測(cè)數(shù)據(jù)對(duì)參數(shù)分布特征進(jìn)行標(biāo)定。仿真結(jié)果表明參數(shù)標(biāo)定后仿真精度明顯提高，誤差均控制在10%以內(nèi)，仿真結(jié)果合理。

微觀仿真；參數(shù)標(biāo)定；物理意義；航站樓前車道邊；分布特征

航站樓前車道邊作為機(jī)場(chǎng)陸側(cè)交通中至關(guān)重要的節(jié)點(diǎn)，是銜接空中交通與城市交通的關(guān)鍵組成部分[1]。由于受各類車流相互交織以及人車流相互交錯(cuò)的影響，航站樓前車道邊普遍存在交通擁堵嚴(yán)重、秩序混亂的現(xiàn)象，是機(jī)場(chǎng)陸側(cè)交通運(yùn)行中容易形成“瓶頸”的地方之一。保證航站樓前車道邊正常運(yùn)行是改善航站樓前交通服務(wù)質(zhì)量的重要措施。

目前缺乏相關(guān)實(shí)驗(yàn)手段和交通模型對(duì)航站樓前交通系統(tǒng)的研究，因此本文建立了區(qū)別于普通道路和停車場(chǎng)，適用于航站樓前交通特征的仿真模型來(lái)實(shí)現(xiàn)對(duì)實(shí)際交通狀況和駕駛行為的仿真。其中參數(shù)標(biāo)定作為仿真工作的關(guān)鍵環(huán)節(jié)，需要根據(jù)實(shí)際道路運(yùn)行狀況對(duì)反映航站樓交通特征的參數(shù)標(biāo)定以保證仿真結(jié)果的合理性。

本文以首都機(jī)場(chǎng)T3航站樓出發(fā)層為例，對(duì)上述問(wèn)題展開(kāi)了研究。

1　微觀仿真模型參數(shù)標(biāo)定的研究綜述

目前微觀交通仿真軟件在國(guó)內(nèi)外得到廣泛應(yīng)用，尤其在模擬再現(xiàn)交通流運(yùn)行，深入研究交通系統(tǒng)以及評(píng)價(jià)分析交通方案等方面發(fā)揮了重要作用。交通微觀仿真模型運(yùn)用了大量參數(shù)來(lái)描述交通系統(tǒng)、交通流運(yùn)行和駕駛行為，參數(shù)取值會(huì)對(duì)仿真結(jié)果產(chǎn)生很大影響[2]。然而實(shí)際工作中，很多使用者往往忽略參數(shù)標(biāo)定這一環(huán)節(jié)，采用默認(rèn)值直接建模分析，使得仿真結(jié)果缺乏合理性，評(píng)價(jià)分析也不可靠[3]。因此，在應(yīng)用模型之前需根據(jù)實(shí)際交通情況標(biāo)定仿真參數(shù)。目前國(guó)內(nèi)外對(duì)微觀仿真模型參數(shù)標(biāo)定的研究主要集中在標(biāo)定流程、標(biāo)定參數(shù)選取、優(yōu)化算法選擇及標(biāo)定數(shù)據(jù)獲取等4個(gè)方面。

1991年，Benekohal[4]提出了微觀仿真模型參數(shù)標(biāo)定和檢驗(yàn)的第一個(gè)流程框架。其后1998年Hellinga[5]進(jìn)一步提出具有7個(gè)步驟的參數(shù)標(biāo)定框架。國(guó)內(nèi)學(xué)者孫劍[6]在Hellinga的基礎(chǔ)上提出更具操作性的參數(shù)標(biāo)定流程。隨后李喆[7]等提出了更為清晰、實(shí)用性強(qiáng)的參數(shù)標(biāo)定流程。

由于微觀模型中的參數(shù)較宏觀模型更為具體與細(xì)致，一般選擇對(duì)影響路網(wǎng)特性、車輛性能和駕駛員行為的參數(shù)進(jìn)行標(biāo)定。各類微觀仿真軟件中參數(shù)均有默認(rèn)值，需要針對(duì)具體仿真軟件和實(shí)際道路情況確定所標(biāo)定的參數(shù)。

國(guó)內(nèi)外參數(shù)標(biāo)定差異性集中體現(xiàn)在優(yōu)化方法的選擇上。微觀交通仿真參數(shù)標(biāo)定作為離散選擇尋優(yōu)問(wèn)題，通常選擇遺傳算法、模擬退火算法、拉丁方格試驗(yàn)算法等多點(diǎn)尋優(yōu)算法。Cheu[8]最早將遺傳算法用于參數(shù)的標(biāo)定，以實(shí)現(xiàn)觀測(cè)與仿真數(shù)據(jù)的一致。李志明[9]以VISSIM為平臺(tái)，利用遺傳算法標(biāo)定信號(hào)交叉口仿真模型，結(jié)果表明標(biāo)定后的仿真模型可以更好地符合實(shí)際道路交通運(yùn)行情況。孫劍[6]根據(jù)4×4拉丁方格安排試驗(yàn)，得到了較高精度的模型參數(shù)。

國(guó)內(nèi)外對(duì)微觀交通數(shù)據(jù)的采集方法可以分為3類，即基于GPS、試驗(yàn)車和視頻圖像的數(shù)據(jù)采集方法[10]。但是，目前參數(shù)標(biāo)定的研究主要集中于結(jié)合啟發(fā)式優(yōu)化算法針對(duì)參數(shù)組合的標(biāo)定，很多仿真參數(shù)均未或無(wú)法通過(guò)實(shí)際調(diào)查獲得，如車輛啟動(dòng)損失時(shí)間、跟馳模型敏感性參數(shù)、車道變換時(shí)間等，是一種“黑箱”方法，缺乏對(duì)參數(shù)實(shí)際物理意義的討論。此外，就交通特征而言，目前尚缺乏針對(duì)航站樓前交通仿真的參數(shù)標(biāo)定研究。

2　機(jī)場(chǎng)航站樓前車道邊交通特征分析

航站樓前車道邊是建筑物邊緣或者內(nèi)部用于人車轉(zhuǎn)換的區(qū)域，機(jī)動(dòng)車在此區(qū)域上落客，實(shí)現(xiàn)建筑物內(nèi)行人流與外圍車流的轉(zhuǎn)換，它由多條機(jī)動(dòng)車道與人行道構(gòu)成[11]。車道邊作為進(jìn)出港旅客的必經(jīng)之路，是機(jī)場(chǎng)陸側(cè)交通系統(tǒng)中使用頻率最高的地方，具有不同于普通道路和停車場(chǎng)的靜態(tài)與動(dòng)態(tài)兩方面交通特征。

1）靜態(tài)交通特征航站樓前車道邊包括出發(fā)層與到達(dá)層車道邊，按功能不同又可以劃分為停車道和行車道。其中停車道用于車輛的短時(shí)停放及上、落客，行車道用于過(guò)境車輛的通過(guò)。

2）動(dòng)態(tài)交通特征航站樓前交通組成復(fù)雜，車輛運(yùn)行相互沖突干擾，主要包括進(jìn)出機(jī)場(chǎng)的私家車流、出租車流、機(jī)場(chǎng)大巴和城市公交車流；同時(shí)受到航站樓前的停車、落客，以及人車交織行為，且無(wú)限速標(biāo)志的影響，航站樓前車輛的運(yùn)行車速偏低，有文獻(xiàn)指出一般為16～40 km/h[12]；車輛實(shí)際的加、減速情況也更加復(fù)雜；其次不同類型車輛在車道邊的停車時(shí)間不同，車輛停留時(shí)間主要受旅客落客時(shí)間影響，如車輛平均旅客人數(shù)及有無(wú)行李等因素；此外航站樓前停車道沒(méi)有施畫停車位，停車間距也因駕駛員的不同選擇而產(chǎn)生差異。在以上航站樓的交通特征中，車速、加/減速、停車時(shí)間、停車間距存在顯著性差異。

針對(duì)目前國(guó)內(nèi)外缺乏對(duì)機(jī)場(chǎng)航站樓前車道邊特殊交通特征相關(guān)參數(shù)的標(biāo)定研究，而交通特征又會(huì)影響仿真精度，本文設(shè)計(jì)了基于物理意義的航站樓前的交通仿真模型的參數(shù)分布特征標(biāo)定方法。研究思路如圖1所示。

圖1　研究思路Fig.1　Research procedure

3　交通特征參數(shù)標(biāo)定的方法設(shè)計(jì)

3.1數(shù)據(jù)采集及處理原則

為了反映出航站樓前車道邊的靜態(tài)和動(dòng)態(tài)交通特征，標(biāo)定與仿真過(guò)程中采集獲取的數(shù)據(jù)需遵循以下原則：

1）實(shí)測(cè)獲得所研究區(qū)域道路的靜態(tài)交通特征（包括道路條件、交通組成、交通量等）和動(dòng)態(tài)交通特征（車輛運(yùn)行速度及加減速度、停車時(shí)間、停車間距等）。

2）需通過(guò)GPS采集得到逐秒速度數(shù)據(jù)，從而得到車輛瞬時(shí)速度與加速度，同時(shí)在GIS中實(shí)現(xiàn)與路網(wǎng)的匹配。

3）為保證所標(biāo)定參數(shù)的分布特征，需要采集足夠大的樣本量。

4）通過(guò)隨機(jī)跟車的方法，部分或隨機(jī)獲取研究區(qū)域離散性交通特征的數(shù)據(jù)。

3.2重點(diǎn)參數(shù)的選取及標(biāo)定

為了真實(shí)地反映出駕駛行為的隨機(jī)分布規(guī)律，在對(duì)實(shí)測(cè)數(shù)據(jù)采集和處理的基礎(chǔ)上，結(jié)合航站樓前的靜態(tài)與動(dòng)態(tài)交通特征，提取期望速度、車輛加/減速度、停車時(shí)間和停車間距4個(gè)重要參數(shù)并研究其分布特征。

期望車速是指車輛在基本不受其他車輛約束的條件下，駕駛員所希望達(dá)到的最高安全車速[13]。為了反映期望車速的實(shí)際物理意義，本文將航站樓車道邊出口處附近的行駛車速作為駕駛員在航站樓車道邊所希望達(dá)到的期望車速，從而分析得到不同車速的分布頻率。

航站樓前車道邊的車輛因?yàn)橥＼囆枨?，所以在運(yùn)行過(guò)程中加減速度的情況較為復(fù)雜，故也需要研究不同速度情況下加速度的變化情況。

停車時(shí)間分布屬于連續(xù)型分布，它反映了停放時(shí)間在每個(gè)時(shí)間區(qū)域內(nèi)出現(xiàn)的概率[14]。不同類型車輛在車道邊停車時(shí)長(zhǎng)不同，需要對(duì)不同類型車輛在航站樓車道邊的停車時(shí)間分布做標(biāo)定。

航站樓前車道邊沒(méi)有施畫停車位，車輛受駕駛員的影響在車道邊的停車間距不同，為反映停車間距在每個(gè)距離范圍內(nèi)出現(xiàn)的概率，需要對(duì)停車間距分布特征做標(biāo)定。

4　樓前交通仿真模型的參數(shù)標(biāo)定

4.1數(shù)據(jù)采集

本文航站樓前的交通特征和車道邊駕駛行為的數(shù)據(jù)，采集于2015-04-20首都機(jī)場(chǎng)T3航站樓出發(fā)層，采集內(nèi)容包括：

1）靜態(tài)交通特征 出發(fā)層的道路條件、交通組成和交通量。

2）動(dòng)態(tài)交通特征

①車輛瞬時(shí)速度、加速度 搭乘裝載GPS（型號(hào)為Columbus V-900）的出租車隨機(jī)選擇60輛車跟蹤其減速、下客再加速的過(guò)程，并確保跟車的準(zhǔn)確性。同時(shí)為了提高數(shù)據(jù)采集的效率，跟車過(guò)程通過(guò)圍繞航站樓前“轉(zhuǎn)圈”實(shí)現(xiàn)，最終獲得8 947條逐秒浮動(dòng)車數(shù)據(jù)。

②停車間距 使用激光測(cè)距儀隨機(jī)測(cè)量記錄50個(gè)樣本。

③停車時(shí)間 秒表精確測(cè)量記錄小型車輛（包括出租車和私家車）的停車時(shí)間。

4.2靜態(tài)交通特征分析

首都機(jī)場(chǎng)T3航站樓出發(fā)層是離京出發(fā)旅客的必經(jīng)區(qū)域，供運(yùn)送旅客的機(jī)場(chǎng)大巴、出租車和所有社會(huì)車輛使用。其樓前車道設(shè)置中，道路被兩條分隔帶分割成3個(gè)區(qū)域，按距離入口從近到遠(yuǎn)，分別為內(nèi)緣道，中緣道和外緣道，車道數(shù)分別為4條、3條、2條。每個(gè)區(qū)域的車道按功能不同又被劃分為行車道和停車道，車道設(shè)置圖和情況匯總?cè)绫?和圖2所示。

表1　T3出發(fā)層樓前車道設(shè)置情況匯總表Tab.1　Curbside structure of 3 departure layer

圖2　T3出發(fā)層樓前車道設(shè)置圖Fig.2　Departure curbside structure of T3

根據(jù)調(diào)研獲取到的路網(wǎng)范圍道路的幾何結(jié)構(gòu)和各個(gè)進(jìn)口路段的交通流量得到不同類型小型車輛（出租車及社會(huì)車輛）的組成比例，如表2所示。

表2　T3樓前出發(fā)層流量統(tǒng)計(jì)Tab.2　Traffic volume of T3 departure layer

4.3動(dòng)態(tài)交通特征分析

4.3.1期望速度

T3航站樓出發(fā)層出口處附近的行駛車速符合期望車速的標(biāo)準(zhǔn)，將調(diào)研得到的GPS數(shù)據(jù)導(dǎo)入ArcGIS中，篩選出發(fā)層出口處的軌跡點(diǎn)，并導(dǎo)出速度數(shù)據(jù)，作為小型車輛（出租車和社會(huì)車輛）在出發(fā)層的期望行駛速度（即期望速度）。期望速度累計(jì)頻率分布曲線如圖3所示。

圖3　T3樓前期望速度累計(jì)頻率分布曲線Fig.3　Cumulative frequency distribution curve of T3 desired speed

實(shí)際中，通常采用自由交通流狀態(tài)下給定汽車在車速累計(jì)分布曲線上第85位分位點(diǎn)的車輛行駛速度V85作為確定限制在行汽車最大行車速度依據(jù)，及V行車≤V85[15]。表3即為期望車速分布的關(guān)鍵分位數(shù)點(diǎn)。分析發(fā)現(xiàn)，航站樓前的期望車速偏低，平均值為46.1 km/h、且標(biāo)準(zhǔn)差為8.6 km/h，其平均值小于普通道路。

表3　期望速度分布關(guān)鍵分位數(shù)點(diǎn)Tab.3　Key points for desired speed distribution

4.3.2車輛加減速度

為了反映加/減速度數(shù)值的隨機(jī)分布，本文利用期望加/減速度曲線模型來(lái)定義航站樓前出發(fā)層車道邊的駕駛行為。由于VISSIM中每個(gè)加/減速度函數(shù)圖都由3條不同曲線組成，分別代表最小值、平均值和最大值，故本研究利用跟車調(diào)研得到的GPS數(shù)據(jù)及處理結(jié)果，分別選取每個(gè)速度值下加速度的15分位數(shù)、平均值和85分位數(shù)作為加速度的最小值、平均值和最大值，擬合得到期望加/減速的函數(shù)關(guān)系圖。其標(biāo)定結(jié)果如圖4和圖5所示，其中橫軸表示速度，縱軸表示加速度或者減速度。

圖4　加速度模型Fig.4　Acceleration model

圖5　減速度模型Fig.5　Deceleration model

將實(shí)際的車輛加減速分布與默認(rèn)值分析比較可知，樓前加減速特征與VISSIM仿真模型的默認(rèn)值具有顯著差異，默認(rèn)加減速的激烈程度遠(yuǎn)大于實(shí)際觀測(cè)值。標(biāo)定后的加速度均值比默認(rèn)加速度均值小79%，標(biāo)定后的減速度均值的絕對(duì)值比默認(rèn)減速度均值小73.4%，加、減速度情況更為復(fù)雜。

4.3.3停車時(shí)間

根據(jù)對(duì)T3航站樓前小型車輛停放時(shí)間的調(diào)查發(fā)現(xiàn)，由于受旅客下車的影響，小型車輛停車時(shí)間較長(zhǎng)。計(jì)算私家車和出租車停車時(shí)間的分布概率，對(duì)停車時(shí)間分布特征的標(biāo)定如圖6所示，表 4為停車時(shí)間分布關(guān)鍵分位數(shù)點(diǎn)。

分析發(fā)現(xiàn)，私家車停車時(shí)間的平均值為51.9 s，標(biāo)準(zhǔn)差為36.1 s；出租車停車時(shí)間的平均值為59.1 s，標(biāo)準(zhǔn)差為26.6 s?？梢钥闯龊秸緲乔八郊臆嚨钠骄＼嚂r(shí)間略短于出租車，平均少7.2 s。但離散程度顯著大于出租車，變化較為明顯。

4.3.4停車間距

根據(jù)對(duì)T3航站樓前小型車輛停放間距的測(cè)量結(jié)果分析得到小型車輛（出租車和社會(huì)車輛）停車間距分布概率，分布特征如圖7所示，表5為停車間距分布關(guān)鍵分位數(shù)點(diǎn)。

圖6　停車時(shí)間累積頻率分布曲線Fig.6　Cumulative frequency distribution curve of dwelling time

表4　停車時(shí)間分布關(guān)鍵分位數(shù)點(diǎn)Tab.4　Key points of dwelling time distribution

圖7　停車間距累積頻率分布曲線Fig.7　Cumulative frequency distribution curve of standstill distance

表5　停車間距分布關(guān)鍵分位數(shù)點(diǎn)Tab.5　Key points of standstill distance distribution

航站樓前平均停車間距為2.7 m，標(biāo)準(zhǔn)差為0.9m，離散程度較大。

4.4參數(shù)標(biāo)定結(jié)果驗(yàn)證

為了評(píng)價(jià)分析模型參數(shù)分布特征標(biāo)定后的改善效果，需要進(jìn)一步建立航站樓出發(fā)層的仿真平臺(tái)，并對(duì)仿真結(jié)果的有效性進(jìn)行檢驗(yàn)。

4.4.1仿真平臺(tái)建立

在微觀交通仿真中，建立一個(gè)符合實(shí)際的仿真路網(wǎng)是交通仿真的基礎(chǔ)，也是取得可用、有效的仿真評(píng)價(jià)指標(biāo)的必要條件。在完成以上4個(gè)參數(shù)標(biāo)定工作的基礎(chǔ)上，根據(jù)T3樓前出發(fā)層車道邊的設(shè)置情況繪制仿真路網(wǎng)，如圖8所示。

圖8　仿真路網(wǎng)Fig.8　Road network simulation

為了模擬車輛到達(dá)各個(gè)車道和到達(dá)對(duì)應(yīng)車道的落客區(qū)，本研究利用VISSIM中路徑?jīng)Q策功能中的靜態(tài)路徑和停車場(chǎng)路徑兩種路徑類型。

1）靜態(tài)路徑 實(shí)現(xiàn)把出發(fā)層的入口的交通流量按數(shù)據(jù)采集得到的比例分配到內(nèi)、中、外緣3個(gè)車道。

2）停車場(chǎng)路徑（只限實(shí)際停車空間） 為模擬落客區(qū)停車，利用“停車場(chǎng)”元素定義從各個(gè)車道入口處到落客區(qū)的路線。

在對(duì)所選取的模型參數(shù)分布特征標(biāo)定后，基于實(shí)測(cè)數(shù)據(jù)和車道設(shè)置情況進(jìn)行仿真測(cè)試，基本建立了首都機(jī)場(chǎng)T3航站樓出發(fā)層車道邊的VISSIM仿真模型平臺(tái)，實(shí)現(xiàn)了分車型、分車道流量按比例分配，并通過(guò)路網(wǎng)“停車場(chǎng)”模塊劃分了出發(fā)層內(nèi)、中、外緣道的車道功能（即行車道和停車道）。為得到預(yù)期的仿真結(jié)果，設(shè)定仿真時(shí)間為600 s～4 200 s，前600 s為“預(yù)熱時(shí)間”，后3 600 s作為評(píng)價(jià)時(shí)間。

4.4.2仿真結(jié)果評(píng)價(jià)

為了對(duì)路網(wǎng)的交通運(yùn)行狀況進(jìn)行實(shí)時(shí)仿真評(píng)價(jià)，可以通過(guò)評(píng)價(jià)指標(biāo)行程時(shí)間來(lái)進(jìn)行定量分析與評(píng)價(jià)。設(shè)置行程時(shí)間檢測(cè)器在內(nèi)、中、外緣道的起點(diǎn)與終點(diǎn)位置，對(duì)比分析實(shí)測(cè)行程時(shí)間、默認(rèn)參數(shù)情況下的行程時(shí)間和參數(shù)標(biāo)定后的行程時(shí)間以驗(yàn)證參數(shù)分布特征標(biāo)定的有效性，分析結(jié)果如表6所示。

表6　仿真模型參數(shù)分布特征標(biāo)定有效性檢驗(yàn)Fig.6　Validity test of parameter distribution characteristics in simulation model

分析結(jié)果可以看出，對(duì)所選取參數(shù)標(biāo)定后T3航站樓出發(fā)層的仿真精度有效地得到了提高，且仿真誤差控制在10%以內(nèi)，驗(yàn)證了參數(shù)分布特征標(biāo)定的必要性。

5　結(jié)語(yǔ)

通過(guò)分析航站樓前交通特征，設(shè)計(jì)數(shù)據(jù)采集方法，提取重要參數(shù)并分析其分布特征，本文基于物理意義對(duì)機(jī)場(chǎng)樓前交通仿真模型的參數(shù)進(jìn)行了標(biāo)定。以首都機(jī)場(chǎng)T3航站樓出發(fā)層為例，通過(guò)微觀交通仿真軟件VISSIM建立了交通仿真平臺(tái)，對(duì)參數(shù)標(biāo)定的改善結(jié)果進(jìn)行了驗(yàn)證。本文主要結(jié)論體現(xiàn)在以下5方面：

1）航站樓前車道邊的交通特征在靜態(tài)與動(dòng)態(tài)兩方面有別于普通道路和停車場(chǎng)，需要獨(dú)立的特征分析和參數(shù)標(biāo)定。

2）車輛期望速度、加減速度模型、停車時(shí)間和停車間距是航站樓前交通特征的重要參數(shù)，利用GPS設(shè)備進(jìn)行跟蹤調(diào)查，可以采集樓前行車軌跡并提取上述參數(shù)的特征分布。

3）參數(shù)分布特征標(biāo)定的過(guò)程中需要注意：①選擇航站樓出發(fā)層出口處附近的行駛車速做出仿真路網(wǎng)的期望車速分布，其平均值為46.1 km/h，較普通道路?。虎谑芎秸緲乔皬?fù)雜交通運(yùn)行狀況的影響，加速度和減速度模型與默認(rèn)值差別較大，其中加速度均值總體下降79%，減速度均值總體上升73.4%，故需要通過(guò)實(shí)測(cè)數(shù)據(jù)擬合得到期望加/減速度的函數(shù)關(guān)系圖；③由于車輛需要在出發(fā)層停車下客，導(dǎo)致停車時(shí)間較長(zhǎng)，其中私家車停車時(shí)間均值比出租車少7.2 s，其離散程度卻顯著大于出租車，需要根據(jù)車輛類型對(duì)停車時(shí)間分布分別標(biāo)定。④受航站樓前未施畫停車位和駕駛員的影響，停車間距的離散程度較大，標(biāo)準(zhǔn)差為0.9 m，需要對(duì)停車間距分布作標(biāo)定。

4）通過(guò)實(shí)例驗(yàn)證發(fā)現(xiàn)參數(shù)標(biāo)定后仿真精度明顯提高，仿真誤差控制在10%以內(nèi)，表明參數(shù)分布特征的標(biāo)定對(duì)航站樓模型參數(shù)標(biāo)定相關(guān)研究工作具有參考價(jià)值。

[1]柳伍生,周和平.機(jī)場(chǎng)陸側(cè)交通出發(fā)層車道邊通行能力分析[J].交通科學(xué)與工程,2010,26(2):98-102.

[2]RAKHA H,HELLINGA B,AERDE M V,et al.Systematic Verification，Validation and Calibration of Traffic Simulation Models[C]//75th Transportation Research Board AnnualMeeting,Washington,D.C,1996.

[3]楊洪,韓勝風(fēng),陳小鴻.VISSIM仿真軟件模型參數(shù)標(biāo)定與應(yīng)用[J].城市交通,2006,4(6):22-25.

[4]BENEKOHAL R F.Procedure for validation of microscopic traffic flow simulation models[J].Journal of the Transportation Research Record, 1991(1320):190-202.

[5]HELLINGA B R.Requirements for the Calibration of Traffic Simulation Models[C]//Proceedings of the Canadian Society for Civil Engineering，Nova Scotia，1998：211-222.

[6]孫劍，楊曉光.微觀交通仿真模型系統(tǒng)參數(shù)校正研究——以VISSIM的應(yīng)用為例[J].交通與計(jì)算機(jī)，2004，22（3）：3-6.

[7]李喆，蔡銘，何兆成，等．微觀交通仿真系統(tǒng)參數(shù)校正流程及應(yīng)用[J].公路交通科技，2008（5）：143-147.

[8]CHEU R L，JIN X，NG K C.Calibration of FRESIM for a Singapore’s expressway using genetic algorithm[J].Journal of Transportation Engineering，1998，124（6）：526-535.

[9]李志明，閆小勇.基于遺傳算法的交通仿真模型參數(shù)校正方法研究[J].交通標(biāo)準(zhǔn)化，2006（4）：21-23.

[10]高林杰，雋志才，張國(guó)林.基于視頻采集數(shù)據(jù)的跟車模型標(biāo)定與驗(yàn)證[J].系統(tǒng)仿真學(xué)報(bào)，2009，21（21）：6978-6982.

[11]李欣，陳旭梅，萬(wàn)濤，等.基于遺傳算法的VISSIM人車參數(shù)標(biāo)定方法[J].中國(guó)民航大學(xué)學(xué)報(bào)，2014，32（1）：33-36.

[12]CHANG K Y．A S imulation Model for Analyzing Airport Terminal Roadway Traffic and Curbside Parking[D]．Maryland：University of Maryland，2001．

[13]彭武雄，朱順應(yīng)，許源，等.VISSIM仿真軟件中期望車速的設(shè)定方法研究[J].交通與計(jì)算機(jī)，2007，25（4）：53-59.

[14]龍亮.路邊停車設(shè)計(jì)與管理方法研究[D].上海：同濟(jì)大學(xué)，2004.

[15]鄭安文.期望車速的意義及影響因素[J].武漢科技大學(xué)學(xué)報(bào)，2005，28（1）：61-64.

（責(zé)任編輯：黃月）

Parameter calibration of simulation model for airport curbside traffic based on physical characteristics

WANG Xia1,YU Lei2,WAN Tao3,SONG Guohua1
（1.School of Traffic and Transportation,Beijing Jiaotong University,Beijing 100044,China; 2.College of Science and Technology，Texas Southern University,Houston TX 77004,America; 3.Beijing Capital International Airport Co.,Ltd.,Beijing 100621,China）

As an important part of airport ground transportation,terminal curbside has both static and dynamic traffic characteristics.The data collecting method aiming at traffic characteristics of airport terminal curbside is designed. Four parameters including desired speed,acceleration,dwelling time and standstill distance are extracted to reflect the traffic characteristics at airport terminal curbside.Then,the parameter calibrating approach is proposed and a case study is conducted in T3 terminal at Beijing Capital International Airport.VISSIM is used to develop the simulation platform for airport terminal curbside traffic and the distribution characteristics is calibrated by using field data.Results indicate that after calibration the simulation accuracy is improved significantly and the errors are controlled within 10%.

microscopic simulation;parameter calibration;physical characteristics;airport terminal curbside;distribution characteristics

V351；U491.2

A

1674-5590（2016）05-0020-06

2015-11-08；

2015-12-10基金項(xiàng)目：北京市科技計(jì)劃項(xiàng)目（Z141100004014021）

王霞（1993—），女，山西呂梁人，碩士研究生，研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理.