國騰飛 龐明寶

(河北工業(yè)大學(xué)土木與交通學(xué)院 天津 300401)

交通誘導(dǎo)是提高道路通行效率，避免交通擁堵的重要手段之一[1]，由于誘導(dǎo)信息不具有強(qiáng)制性，使得誘導(dǎo)結(jié)果并不能符合道路交通管理者的預(yù)期，因此，提高誘導(dǎo)信息的信任度，優(yōu)化交通流分配成為理論與工程應(yīng)用的關(guān)鍵問題之一。

近年來，學(xué)者做了大量研究并取得一系列成果，如高峰等[2]通過對誘導(dǎo)信息下的路徑選擇行為進(jìn)行動態(tài)模擬，證明了貝葉斯理論和決策場理論用于研究駕駛員路徑選擇行為動態(tài)特性的可行性；馬飛等[3]通過構(gòu)建路徑變更行為的有序Logit 模型，分析了駕駛員自身不同特性以及誘導(dǎo)信息發(fā)布的方式等因素對于駕駛員行為的影響；鐘石泉等[4]對比了VMS下現(xiàn)行的定時更新模式及交通狀況預(yù)報2種模式中駕駛員的服從率，得到預(yù)報模式下駕駛員服從率更高的結(jié)論。

上述研究雖取得了一定成果，但仍存在一定問題，主要體現(xiàn)在：①駕駛員的理性程度和誘導(dǎo)信息信任度較高，不符合實際情況；②研究大多基于傳統(tǒng)模式，隨著ITS特別是車聯(lián)網(wǎng)[5]的不斷發(fā)展，研究結(jié)果可能不再適用。本文通過構(gòu)造駕駛員路徑選擇決策模型，研究車聯(lián)網(wǎng)模式下誘導(dǎo)信息信任度不同對交通流的影響。

1 駕駛員路徑選擇行為

裝載車聯(lián)網(wǎng)后，交通信息實現(xiàn)了準(zhǔn)確即時地在駕駛員之中進(jìn)行傳遞[6-7]，駕駛員獲得完全信息，該情況下不存在誘導(dǎo)信息的信任問題，駕駛員將完全按照誘導(dǎo)信息進(jìn)行路徑選擇；未裝載車聯(lián)網(wǎng)時，駕駛員進(jìn)行路徑選擇決策依靠兩方面信息：一方面為道路管理者發(fā)布的誘導(dǎo)信息，另一方面依靠駕駛員的出行經(jīng)驗，進(jìn)行綜合評判之后做出路徑選擇，此時由于駕駛員獲得非完全信息，同時信息具有滯后性，故存在信任問題。

2 路徑選擇決策模型

駕駛員按照預(yù)期效用最大化的原則進(jìn)行路徑選擇，假設(shè)系統(tǒng)中共有ω個駕駛員，ψ條路徑。

2.1 裝載車聯(lián)網(wǎng)

該模式下，交通流分配和道路通行效率均達(dá)到最優(yōu)，路徑選擇概率計算式為

(1)

2.2 未裝載車聯(lián)網(wǎng)

2.2.1道路管理者提供的誘導(dǎo)信息

道路行程時間由BPR函數(shù)確定，為

(2)

式中：T為實際通過第j條路徑所需的時間，s；tj為路徑自由行駛時間，s；xj為當(dāng)前第j條路徑的交通量,pcu/h；yj為第j條路徑的實際通行能力,pcu/h；β，n均為參數(shù)。

道路交通密度由車輛數(shù)、車輛長度和道路長度確定，為

(3)

式中：k為車輛種類數(shù)；ρj為第j條路徑的交通密度；Ncjk為第j條路徑上k類車的數(shù)量輛；Lcjk為第j條路徑上k類車的車長，m/輛。

2.2.2駕駛員出行經(jīng)驗

對于第i個駕駛員而言，按照出行歷史經(jīng)驗進(jìn)行路徑判斷時，會對每個指標(biāo)的分布概率進(jìn)行預(yù)測，最終取其數(shù)學(xué)期望作為對該指標(biāo)的判斷結(jié)果，即

(4)

Xij={道路通行時間，道路交通流密度}

駕駛員綜合兩方面信息進(jìn)行指標(biāo)的預(yù)判有：

Tij0=αijTj+(1-αij)E(Tij)

(5)

ρij0=βijρj+(1-βij)E(ρij)

(6)

式中：αij，βij分別為對第i個駕駛員而言，誘導(dǎo)信息和出行經(jīng)驗在進(jìn)行路徑選擇決策時所占的比重，當(dāng)對誘導(dǎo)信息的信任度越高時，其值越大，反之越小。

最終，各指標(biāo)判斷完成之后，駕駛員對各條路徑進(jìn)行評估，有：

maxQij=λij1Tij0+λij2ρij0+

λij3·Lj/Tij0+λij4Lij

(7)

s.t.λij1+λij2+λij3+λij4=1

λij1，λij2，λij3，λij4≥0

(8)

式中：Lij為第j條路徑的道路等級；λij1，λij2，λij3，λij4為駕駛員對不同效用的追求系數(shù)，對某個指標(biāo)的追求較高時，其系數(shù)愈大，反之愈小。

駕駛員做出路徑選擇決策有：若判斷路徑的效用Qij=max(Qij)，則該路徑進(jìn)車概率為p(i)=1，反之，則p(i)=0。

對于整體路網(wǎng)而言：若某一駕駛員對第j條路徑的期望效用Qij=max (Qij)，則該路徑的車輛數(shù)目sum(i)=sum(i)+1，該路徑的進(jìn)車概率為

(9)

3 仿真實驗

本文采用元胞自動機(jī)進(jìn)行模擬仿真，仿真路網(wǎng)見圖1，A,B分別表示路網(wǎng)的起訖點，1～5分別為路徑編號，假設(shè)交通流量基本保持穩(wěn)定，由于上下行方向之間有中央分隔帶進(jìn)行分隔，互相之間影響較小，因此，為適當(dāng)縮小仿真規(guī)模，將仿真路徑設(shè)置為單向4車道。

圖1 仿真路網(wǎng)示意圖

仿真過程之中，道路初始參數(shù)設(shè)置為：限速均為22 m/s；路徑長度分別設(shè)置為L1=6 000 m，L2=6 500 m，L3=7 000 m，L4=7 500 m，L5=8 000 m；初始密度分別為ρ1=0.045，ρ2=0.040，ρ3=0.030，ρ4=0.025，ρ5=0.015；初始進(jìn)車概率分別為p1=0.4，p2=0.2，p3=0.2，p4=0.1，p5=0.1。道路初始運行情況見圖2。

圖2 道路初始運行情況

傳統(tǒng)模式下，駕駛員均按照誘導(dǎo)信息和歷史經(jīng)驗進(jìn)行路徑選擇行為決策，隨著誘導(dǎo)信息信任度的提高，道路運行情況見圖3。

圖3 傳統(tǒng)模式下道路運行情況

當(dāng)車聯(lián)網(wǎng)的裝載率為50%時，一半駕駛員具有完全信息，路徑選擇為最優(yōu)路徑，另一半的駕駛員將依據(jù)誘導(dǎo)信息和出行經(jīng)驗做出路徑選擇，隨著誘導(dǎo)信息信任度的提高，道路運行情況見圖4。

圖4 裝載率為50%時道路運行情況

當(dāng)車聯(lián)網(wǎng)的裝載率為100%時，駕駛員完全信任誘導(dǎo)信息，系統(tǒng)實現(xiàn)了交通流分配的最優(yōu)化，此時道路運行情況見圖5。

圖5 完全車聯(lián)網(wǎng)模式下道路運行情況

由仿真結(jié)果可以看出，傳統(tǒng)模式下，隨著誘導(dǎo)信息信任度的提高，路網(wǎng)運行情況有所改善，但由于非完全信息的限制，誘導(dǎo)效果相對較差，且存在擁堵轉(zhuǎn)移現(xiàn)象。車聯(lián)網(wǎng)模式下，隨誘導(dǎo)信息信任度的提高，道路交通流的分配有明顯改善，運行速度較快，且隨其裝載率的不斷提高，道路運行狀況趨于理想狀況。

4 結(jié)語

本文通過研究車聯(lián)網(wǎng)下誘導(dǎo)信息信任度對路網(wǎng)交通流的影響，建立了裝載和未裝載車聯(lián)網(wǎng)2種模式下駕駛員的路徑選擇行為決策模型，并通過元胞自動機(jī)進(jìn)行模擬仿真，得出隨著誘導(dǎo)信息信任度的提高，路網(wǎng)通行效率和交通流的分配更加合理，同時隨車聯(lián)網(wǎng)裝載率的提高，誘導(dǎo)信息的影響不斷增大，路網(wǎng)運行也趨于理想的結(jié)論。

[1] 陳啟明.基于微波檢測和LED屏的交通誘導(dǎo)系統(tǒng)[J].交通科技,2015(6):139-141.

[2] 高峰,王明哲.誘導(dǎo)信息下的路徑選擇行為模型[J].交通運輸系統(tǒng)工程與信息,2010(6):64-69.

[3] 馬飛,吳群琪,王煉.多源誘導(dǎo)信息對駕駛員路徑變更行為的影響研究[J].交通運輸系統(tǒng)工程與信息,2014,14(5):61-66.

[4] ZHONG S, ZHOU L, MA S, et al. Guidance compliance behaviors of drivers under different information release modes on VMS[J].Information Sciences,2014,289(1):117-132.

[5] 郭建文.無線通信技術(shù)在車聯(lián)網(wǎng)中的應(yīng)用探討[J].交通科技,2012(4):124-126.

[6] 吳正言,莫時旭.交通擁堵情況下路徑誘導(dǎo)方案的生成方法[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2015,39(1):5-8.

[7] KAKKASAGERI M S, MANVI S S. Information management in vehicular ad hoc networks: A review[J].Journal of Network & Computer Applications,2014,39(1):334-350.