買買提江吐爾遜，買買提明艾尼

(新疆大學(xué)機(jī)械工程學(xué)院，新疆烏魯木齊830047)

0 引言

城市快速路立交橋上的交織區(qū)存在交通流的合流點和分流點，如果交織區(qū)長度過小容易形成組合式的匝道，即入口匝道延伸的加速車道同時也是出口匝道前端的減速車道．組合式匝道上車輛進(jìn)入交織運(yùn)行狀態(tài)，車輛間復(fù)雜而頻繁的交互使分析和管理交織區(qū)內(nèi)的交通流特點增加了難度．隨著商業(yè)化的微觀交通仿真軟件的普及，基于仿真模型的研究方法越來越多，而所有仿真模型都需要標(biāo)定眾多參數(shù)并對仿真結(jié)果進(jìn)行驗證．

美國通行能力手冊HCM2010[1]只提供了非擁擠條件下（V/C比小于1或服務(wù)水平未達(dá)到F級別）計算交織區(qū)交織車輛與非交織車輛的空間平均速度的經(jīng)驗回歸公式，但沒有提供擁擠狀態(tài)下的服務(wù)水平、密度或空間平均速度的計算方法，只是建議借助解析分析工具FREEVAL或商業(yè)的交通仿真軟件來進(jìn)行評價．

隨著交通仿真模型的日益成熟，利用微觀仿真軟件進(jìn)行交織區(qū)車輛的運(yùn)行分析成為了主要的研究手段．狄宣等[2]使用元胞自動機(jī)模型來仿真了快速路交織區(qū)中交織車輛的跟車和換車道行為，引入了“冒險系數(shù)”來表達(dá)駕駛員的駕車習(xí)慣并通過模型的標(biāo)定成功模擬了一段交織區(qū)車流速度，但是在模型中沒有考慮換車道行為的影響．楊曉光等[3]根據(jù)交織區(qū)內(nèi)的換車道特性利用多智能體建模的方法引入了換道沖突的協(xié)商機(jī)制建立了TESS模型，在最近的研究中孫劍等[4]提出適合城市快速路交織區(qū)運(yùn)行特征的新通行能力估計模型并與HCM2010中交織區(qū)通行能力回歸模型和理論模型進(jìn)行了對比分析．Fred Hall等[5]利用六個城市的速度數(shù)據(jù)對擁擠的高速公路設(shè)施的評價步驟進(jìn)行了驗證．他們發(fā)現(xiàn)擁擠的高速公路設(shè)施對參數(shù)非常敏感，對同一模型來說通行能力或隨機(jī)種子數(shù)的很小改變都會引起結(jié)果很大的變化，還發(fā)現(xiàn)跟車敏感系數(shù)．換車道行為的冒犯性和主線交通量的大小對微觀仿真結(jié)果影響最大．Pesti等[6]用Vissim仿真一段A型交織區(qū)，指出Vissim中車輛的速度比現(xiàn)實中獲得的速度數(shù)據(jù)要大，需要將建模區(qū)域延伸到入口匝道和出口匝道并考慮排隊的傳播特性．

交通仿真能否正確模擬現(xiàn)實的交通狀況取決于仿真模型，除了跟馳模型和換車道模型的研究深度，從操作方法上對沖突區(qū)域的描述、路權(quán)的分配、路經(jīng)決策信息的獲取方式等對仿真結(jié)果有重大影響．

基于交通仿真模型的研究需要對模型參數(shù)進(jìn)行標(biāo)定才能更好的仿真實際的交通狀況．Gomes等[7]對一段擁擠的高速公路建立了Vissim仿真模型并進(jìn)行了驗證．驗證中利用的參數(shù)有平均停車距離、最小安全車頭時距等駕駛行為參數(shù)，而每次循環(huán)中手動進(jìn)行了參數(shù)的調(diào)整．盧守峰[8]等利用Excel VBA將Vissim與MATLAB進(jìn)行集成構(gòu)建了仿真平臺，而孫劍等[9]利用Vissim提供的COM接口和Visual Basic語言開發(fā)仿真校正程序?qū)崿F(xiàn)了Vissim參數(shù)的自動化校正．

本研究中利用德國宇航中心（DLR）開發(fā)的開放源代碼的微觀的交通仿真平臺SUMO對一段擁擠的城市快速路交織區(qū)進(jìn)行了仿真并在Linux環(huán)境下開發(fā)了自動校正程序?qū)δＰ蛥?shù)進(jìn)行了校正．較詳細(xì)的介紹了SUMO提供的換車道模型，在此基礎(chǔ)上對實測交通調(diào)查數(shù)據(jù)進(jìn)行了分析并對平臺提供的換車道模型進(jìn)行了優(yōu)化設(shè)計．

1 擁擠快速路交織區(qū)內(nèi)車輛的運(yùn)行特征

擁擠的交織區(qū)內(nèi)車輛跟馳和換車道的需求并存，車頭間距和橫、縱向空間變小，車輛的運(yùn)行特征有別于普通道路和自由流狀態(tài)下的交通．通過對目標(biāo)交織區(qū)的現(xiàn)場實驗和攝像分析，結(jié)合目前為止國內(nèi)外學(xué)者的有關(guān)實驗研究結(jié)論，可以總結(jié)交織區(qū)的交通流具有以下特點：

（1）車輛在有限的長度內(nèi)進(jìn)行交織運(yùn)行，直行車道和交織車道上的車速差別大，不同車道之間需要完成換車道所需的距離和時間不同．

（2）為避免別的車輛加塞，在排隊行使過程駕駛員傾向于縮小反映時間，暫時選擇更小的安全車頭間距[10]36．

（3）跟車距離較近，駕駛員由于大型/廂式貨車和貼有不透明車窗膜的相同車型視線受阻不能觀察當(dāng)前車道和兩側(cè)車道前方的道路情況，只能通過觀察兩側(cè)車輛的移動來判斷前方的交通情況，如果換道需求強(qiáng)烈只能向其它車輛駕駛員求助．

（4）入口匝道上的交通屬于震蕩擁擠交通流（oscillating congested traffic），自由流到擁擠流的變化過程中車頭時距逐漸變大，直到適應(yīng)前車的駕駛風(fēng)格[11]．不同車輛之間動力性能的不同，駕駛員熟練程度不同，也會加劇這種震蕩．

（5）車輛的換道需求是剛性需求，必須在交織區(qū)范圍內(nèi)完成．如果多個車換道需求發(fā)生沖突就會出現(xiàn)死鎖（deadlock）現(xiàn)象．現(xiàn)實中的死鎖現(xiàn)象會通過駕駛員之間的協(xié)作甚至利用對向車道空間的方法來解決，不會因為不能完成換車道而在原方向上繼續(xù)行駛的情況發(fā)生．

（6）駕駛員的換車道模式延交織區(qū)域的長度發(fā)生變化[10]40，大部分換車道行為發(fā)生在交織區(qū)的前段[3]，需要進(jìn)行多次換車道的駕駛員在第一次變換車道時的行為更具冒險性．

2 SUMO仿真模型及參數(shù)

2.1 跟馳模型

SUMO已經(jīng)實現(xiàn)的跟馳模型有Krauss模型和它的改進(jìn)模型、考慮駕駛員記憶效應(yīng)的智能駕駛員模型IDMM(Intelligent driver model with memory ef f ect)，Wiedemann模型和Daniel Krajzewicz模型等．每一種模型都有各自的優(yōu)點，從不同側(cè)面研究了車輛之間的相互影響，也有大量的應(yīng)用案例，可根據(jù)具體的問題采用合適的跟馳模型來最佳程度的模擬車輛的跟馳行為．SUMO軟件默認(rèn)的Krauss模型引入了駕駛員不熟練程度的概念，即車輛最終的速度不是動力學(xué)模型算出來的速度，而是駕駛員根據(jù)經(jīng)驗從安全速度和最高車速之間進(jìn)行選擇的結(jié)果．IDMM模型在原IDM模型的基礎(chǔ)上引入了駕駛員記憶效應(yīng)的概念，更適合仿真快速路匝道和主線匯合區(qū)的交通流的仿真[11]．

每一種跟馳模型都有相應(yīng)的參數(shù)，通過命令行或配置文件傳遞給仿真過程的主要有：最高加速度，最高減速度，駕駛員不熟練程度，駕駛員反映時間，最小安全車頭間距，加速度指數(shù)，每秒仿真步數(shù)等．

2.2 換車道模型

SUMO已經(jīng)實現(xiàn)的換車道模型有Daniel Krajzewicz開發(fā)的換車道模型DK2008，在DK2008模型基礎(chǔ)上優(yōu)化的模型LC2013（默認(rèn)）和子車道模型（Sublane-Model model）[12]．LC2013模型在路網(wǎng)中通過計算有效路徑來完成車道選擇過程．每一次循環(huán)中計算車輛所在的車道和周圍的車道（bestLanes,目標(biāo)車道和需要穿過的車道）上不需要換車道的情況下能行使的距離、所有這些車道的占有率和當(dāng)前路段上有效車道索引中離最佳車道的偏移值（bestLaneOf f set）作為參考．換道需要的最短距離計算公式為：

其中dlc(t)為t時刻最短換道距離；v(t)是車輛在t時刻的速度；α1,α2是比例系數(shù)；L是車輛的長度．計算當(dāng)前位置到車道終點的距離時考慮了車輛前方所有有效車道上的車輛的長度，因此換車道的車輛會排在已經(jīng)存在的排隊后方，不會插隊．SUMO換車道模型將換車道行為根據(jù)換道目的分為4種類型：

（1）戰(zhàn)略性變換車道(strategic lane changing)：車輛需要換車道以便行駛到自己路徑上的下一個路段當(dāng)前行駛的車道沒有連接到目標(biāo)路段的路徑時產(chǎn)生需求．

（2）協(xié)議性變換車道(cooperative lane changing)：為幫助別的車輛正常行駛而進(jìn)行的換車道行為．行駛過程中車輛可能阻擋了后方的車輛正常行駛或阻礙了前方車輛變換車道（比如占用了超車道），此時如果其它車輛提出請求，車輛即便沒有戰(zhàn)略性換車道需求也要調(diào)整速度或變換車道以幫助別的車輛．調(diào)整速度的行為規(guī)則根據(jù)阻礙的類型不同而不同，具體為：

其中Vaccel(t)是車輛加速后的速度（m/s）;Vdecel(t)是減速后的車速（m/s）.

（3）戰(zhàn)術(shù)性變換車道(Tactical lane changing)：以獲得更高的速度為目的進(jìn)行的換車道行為，當(dāng)前放有別的慢速車輛阻擋的時候產(chǎn)生需求．每次循環(huán)中對每個鄰近車道的利益參數(shù)的值進(jìn)行計算并累加到一個代表駕駛員換車道愿望的參數(shù)speedGainProbability，當(dāng)參數(shù)speedGainProbability的值超過一個閾值時戰(zhàn)術(shù)性變換車道的需求就會產(chǎn)生．

（4）基于法規(guī)的變換車道（Regulatory lane-changing）：一般交通法規(guī)規(guī)定車輛超車用左側(cè)車道（右行規(guī)則），車輛利用左側(cè)車道完成超車需要返回原來的車道時產(chǎn)生此種需求．變換車道行為的執(zhí)行參考一個參數(shù)keepRightProbability，而此參數(shù)值的計算考慮超車完成所需要的時間、超車道上的速度限制和換車道需求的強(qiáng)烈程度．

以上4種目的的換車道需求通過一個流程進(jìn)行比較來決定是否執(zhí)行相應(yīng)的換車道行為．此流程可簡單的表示為：

a.戰(zhàn)略性變換車道需求強(qiáng)烈—試圖執(zhí)行戰(zhàn)略型換車道；

b.換車道會產(chǎn)生緊急情況—不執(zhí)行換車道（屬于戰(zhàn)略性換車道決策）；

c.車輛從后方阻礙了一個有戰(zhàn)略性換車道需求的車輛—試圖執(zhí)行協(xié)議性換車道；

d.參數(shù)speedGainProbability的值大于閾值—試圖執(zhí)行戰(zhàn)術(shù)性換車道；

e.參數(shù)keepRightProbability的值大于閾值—-試圖執(zhí)行基于法規(guī)的變換車道；

SUMO仿真平臺提供的LC2013換車道模型可設(shè)置的參數(shù)如表1所示．

表1 LC2013換車道模型可設(shè)置參數(shù)

除了以上參數(shù)以外，SUMO還引入了一個影響駕駛員激烈駕駛行為的參數(shù)“不耐心率(impatience)”，指駕駛員在行使過程中干擾優(yōu)先級為更高的車隊列的可能性．SUMO在交叉口的路權(quán)計算中和在換車道行為換車道間隙計算中用到該參數(shù)．

2.3 對換車道模型的修改

根據(jù)本研究選定的研究區(qū)域內(nèi)的交通調(diào)查數(shù)據(jù)，對駕駛行為進(jìn)行分析并對原模型進(jìn)行優(yōu)化設(shè)計：

（1）換車道行為以協(xié)作型換車道行為主，且在換車道行為中周圍車輛針對換道車輛做出的調(diào)整速度行為有一定延遲可能是因為駕駛員對周圍突發(fā)的換道請求需要一定的時間反映，考慮自身需求甚至是換道車輛的‘態(tài)度’再決定何時做出反應(yīng)．因此在LC2013換道模型的協(xié)作型換車道決策中引入?yún)f(xié)作型換車道等待時間Tcooperate，每一次執(zhí)行換車道之前等待Tcooperate時刻．

（2）在原模型定義中駕駛員不耐心率的計算公式為:

其中Ibase為駕駛員的不耐心率（常數(shù)），Twait是車輛在排隊中的等待（速度小于0.1m/s）時間，Tteleport定義了車輛在緊急停車位置等待車道變換空間出現(xiàn)的最長時間（默認(rèn)300秒），超過此時間車輛就會被移到當(dāng)前路徑后方的位置（Teleport）．在觀測中發(fā)現(xiàn)大部分的換車道行為屬于戰(zhàn)略性換車道和協(xié)作性換車道，影響駕駛員在換車道過程中是否采取激烈駕駛行為的是與交織區(qū)終點之間的距離[3]，與等待的時間長度沒有明顯的關(guān)系．因此在協(xié)議性換車道間隙的計算中將定義改為

雖然可以說明排隊時間的長度對駕駛員的心理有影響，但此種心理與模型中定義的激烈的、冒險性的駕駛行為之間的關(guān)系需要進(jìn)一步的明確．

在Linux平臺下對原程序MSVehicle.cpp和MSLink.cpp程序中的計算協(xié)議性換車道過程代碼中進(jìn)行修改并重新編譯．

3 實驗區(qū)域和仿真參數(shù)的選擇

本研究分別選烏魯木齊市廣匯立交橋上由西向東方向入口和出口匝道之間的交織區(qū)和珠江路立交橋下南向北方向出口匝道與主路的匯入?yún)^(qū)作為實驗區(qū)．廣匯立交橋和珠江路立交橋是典型的苜蓿葉式全互通立交橋．廣匯立交橋上層為南外環(huán)路高架橋，下層為河灘快速路及其輔道，交織區(qū)長度只有78m，高峰期容易出現(xiàn)嚴(yán)重的交通擁堵．交織區(qū)采用了物力隔離直行車道和交織車道的方法避免了交織車輛對直行車輛的影響．立交橋兩側(cè)設(shè)有人行道，為觀測和攝像工作提供了方便．珠江路立交橋最近完成了擴(kuò)建，橋下南向北出口匝道上車流量多，與主路的匯入?yún)^(qū)域沒有加速車道，匝道車輛對主路的車流干擾比較明顯．

本次實驗中取晚高峰5：30-5：40之間10 min內(nèi)的交通流數(shù)據(jù)．根據(jù)現(xiàn)場觀測，確定各參數(shù)的取值范圍如表2所示．

觀察中區(qū)分換道目的比較困難，主要依賴反復(fù)觀看視頻判斷車輛的最終路徑來進(jìn)行．根據(jù)觀測結(jié)果將參數(shù)lcSpeedGain和lcKeepRight的值取為0,即交織區(qū)域內(nèi)車輛的換道需求類型為戰(zhàn)略性需求和協(xié)作性需求．這可能是因為國內(nèi)的駕駛員對上述“基于法規(guī)的變換車道”意識不夠，另一方面因在高峰期有交警在現(xiàn)場值勤以及有限的空間影響了以獲得更好速度為目的的戰(zhàn)術(shù)型換車道需求．仿真中選用IDMM模型作為跟車模型．廣匯立交橋交織區(qū)交織區(qū)衛(wèi)星圖和SUMO仿真界面如圖1和圖2所示，圖3是珠江路立交橋下匝道與主路連接區(qū)域的仿真界面．

表2 SUMO仿真換車道參數(shù)

圖1 廣匯立交橋交織區(qū)衛(wèi)星圖

圖2 交織區(qū)SUMO仿真界面

圖3 匝道匯入?yún)^(qū)并道過程仿真

4 基于COBYLA算法的參數(shù)校正和仿真結(jié)果

仿真模型中的各個參數(shù)都是獨立的，為更好的模擬仿真對象，需要對仿真模型參數(shù)進(jìn)行校正，調(diào)整各參數(shù)的值使最終的仿真結(jié)果滿足條件．參數(shù)校正是對設(shè)定好的目標(biāo)函數(shù)的組合優(yōu)化問題，對于每一個目標(biāo)函數(shù)輸入現(xiàn)場檢測的行程時間數(shù)據(jù)和仿真模型輸出的行程時間數(shù)據(jù)．用Python語言編寫了參數(shù)校正程序，在Linux環(huán)境下通過命令行調(diào)用sumo仿真程序完成仿真過程和參數(shù)校正過程．選用了基于線形逼近的約束優(yōu)化方法(COBYLA-Constrained Optimization BY Linear Approximation)作為優(yōu)化算法，調(diào)用Python語言數(shù)學(xué)函數(shù)庫中的COBYLA函數(shù)，可以很好的與sumo仿真程序進(jìn)行融合．

校正過程程序可分為sumo仿真模塊和val-COBYLA驗證控制模塊，SUMO仿真模型需要路網(wǎng)文件（net fi le）和路由文件（route fi le）驗證過程中將路由文件分成2部分，靜態(tài)的交通需求信息直接提供給SUMO仿真程序，而車輛參數(shù)在每次循環(huán)中通過驗證程序計算寫入車輛參數(shù)文件提供給SUMO仿真程序，此過程循環(huán)運(yùn)行到滿足誤差要求為止，待校正的參數(shù)集作為優(yōu)化的取值空間提供給COBYLA算法，程序流程圖如圖4所示．

具體過程為：

(1)調(diào)用SUMO仿真程序；(2)讀取實測交通調(diào)查數(shù)據(jù)和仿真輸出數(shù)據(jù)；(3)計算每一輛車實測數(shù)據(jù)和仿真數(shù)據(jù)之間的均方根誤差（RMSE）；(4)循環(huán)運(yùn)行以上過程直到誤差滿足要求．

參數(shù)校正程序通過反復(fù)運(yùn)算，誤差從最初的38%下降到了23%．仿真中車輛在交織區(qū)的換道次數(shù)統(tǒng)計結(jié)果如表3所示．

圖4 va_COBYLA校正程序流程圖

表3 換車道次數(shù)對比

5 結(jié)語

本文中分別用SUMO平臺提供的原換車道模型、優(yōu)化設(shè)計和標(biāo)定后的換車道模型對烏魯木齊市廣匯立交橋交織區(qū)擁擠狀態(tài)下的換車道行為進(jìn)行了仿真研究．優(yōu)化中引入了換車道等待時間Tcooperate的參數(shù)并對駕駛員不耐心率進(jìn)行了重新定義．SUMO的模塊化的程序結(jié)構(gòu)給研究人員提供了實現(xiàn)和評估自己算法的工具．SUMO中車輛在產(chǎn)生時刻即獲得路徑，且車輛產(chǎn)生在路段上而非車道上，可通過設(shè)置所出現(xiàn)的車道和地點規(guī)則來模擬車輛的產(chǎn)生過程，有利于避免車輛產(chǎn)生后在固定的地點獲得路徑?jīng)Q策、在固定的地點變換車道（如Vissim）．此特性很好的解決了排隊開始處車輛換車道區(qū)域集中的問題，在實際應(yīng)用中給研究和工程人員提供了良好的平臺．

參考文獻(xiàn)：

[1]Transportation Research Board.Highway Capacity Manual 2010[M].USA：National Research Council,2010.

[2]狄宣,張小寧,張紅軍.基于元胞自動機(jī)的快速路交織區(qū)建模仿真[J].交通與計算機(jī),2008,26(2):23-26.

[3]楊曉光,孫劍,李克平.擁擠交通流交織區(qū)車道變換行為仿[J]系統(tǒng)仿真學(xué)報,2009,21(13):4174-4178.

[4]孫劍,胡家琦,孫杰.城市快速路交織區(qū)通行能力估計模型[J].中國公路學(xué)報,2016,29(4):114-122.

[5]Hall F,Bloomberg L,Rouphail N,et al.Validation Results for Four Models of Oversaturated Freeway Facilities[J].Journal of the Transportation Research Board,2000,1710(1):161-170.

[6]Pesti G,Chu C L,Fitzpatrick K,et al.Simulation of Weaving Traffic Between Freeway Ramps[C].Washington:Transportation,2011.

[7]Gomes G,May A,Horowitz R.A Microsimulation Model of a Congested Freeway using VISSIM[J].Transportation Research Record Journal of the Transportation Research Board,2004,1876(1):71-81.

[8]盧守峰,韋欽平,沈文,等.集成VISSIM、Excel VBA和MATLAB的仿真平臺研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2012,12(4):43-48.

[9]孫劍,楊曉光,劉好德.微觀交通仿真系統(tǒng)參數(shù)校正研究[J].系統(tǒng)仿真學(xué)報,2007,(1):48-50.

[10]Kusuma A,Liu R,Choudhury C,et al.Lane-changing characteristics at weaving section[C].Proceedings of Transportation Research Board Conference 2015.

[11]Treiber M,Helbing D.Memory ef f ects in microscopic traffic models and wide scattering in f l ow-density data[J].Physical Review E Statistical Nonlinear&Soft Matter Physics,2003,68(2):3-7.

[12]Jakob Erdmann.Modeling Mobility with Open Data[M].USA:Springer International Publishing,2015:105-123.