王恩亮

摘要：在逐段空間線性變速行程時(shí)間估計(jì)方法（PLSB）的基礎(chǔ)上，提出一種新的軌跡行程時(shí)間研究方法，即基于逐段時(shí)間線性變速的行程時(shí)間估計(jì)方法（PCAB），它將速度作為車輛行駛時(shí)間的因變量，在線性函數(shù)中求解估計(jì)行程時(shí)間。利用AIMSUN交通仿真軟件對(duì)新PCAB估計(jì)方法進(jìn)行驗(yàn)證，采用平均絕對(duì)誤差（MAE）與平均絕對(duì)百分比誤差（MAPE）作為評(píng)價(jià)指標(biāo)，對(duì)不同擁堵程度、不同交通事件等級(jí)等道路環(huán)境進(jìn)行仿真，結(jié)果表明：同等時(shí)間窗條件下，PCAB方法的行程時(shí)間MAE估計(jì)誤差精度是最小速度模型的10.29倍、半距速度模型的3.46倍、PLSB估計(jì)方法的1.61倍;MAPE估計(jì)誤差精度是最小速度模型的10.19倍、半距速度模型的3.44倍、平均速度模型的1.01倍、PLSB估計(jì)方法的1.59倍。提出的PCAB估計(jì)方法具有比PLSB及其他基于軌跡的估計(jì)方法具有更高的行程時(shí)間估計(jì)精度。

關(guān)鍵詞：行程時(shí)間估計(jì);線性變速;AIMSUN;時(shí)間窗

1引言

行程時(shí)間信息是交通運(yùn)輸工程領(lǐng)域中的基礎(chǔ)信息，對(duì)其行程時(shí)間估計(jì)的研究與應(yīng)用可以為交通工程師、規(guī)劃師、管理部門與出行者在內(nèi)的各方交通參與者進(jìn)行規(guī)劃、設(shè)計(jì)、管理與出行提供重要的參考信息。更能夠幫助交通運(yùn)行部門制定更優(yōu)化的管理與調(diào)控措置，從而提高整個(gè)交通運(yùn)輸系統(tǒng)的運(yùn)作效率。準(zhǔn)確的行程時(shí)間估計(jì)方法是行程時(shí)間預(yù)測(cè)的基礎(chǔ)，可以對(duì)后續(xù)的行程時(shí)間預(yù)測(cè)模型進(jìn)行校準(zhǔn)和驗(yàn)證。根據(jù)前人的研究，本文提出一種新型的基于逐段時(shí)間線性變速的行程時(shí)間估計(jì)方法（PCAB），開展對(duì)點(diǎn)傳感器數(shù)據(jù)行程時(shí)間的估計(jì)方法研究。

2基于逐段時(shí)間線性變速的行程時(shí)間估計(jì)方法（PCAB）

基于逐段時(shí)間線性變速的行程時(shí)間估計(jì)方法是在前人的研究成果上，以基于軌跡逐段常速的行程時(shí)間估計(jì)方法（PCSB）和改進(jìn)的逐段空間線性變速的行程時(shí)間估計(jì)方法（PLSB）為基礎(chǔ)，提出了一種逐段時(shí)間線性變速，也即基于逐段勻加速的行程時(shí)間估計(jì)方法（Piecewise Constant Acceleartion Based，PCAB）。不同于空間線性變速運(yùn)動(dòng)，該方法認(rèn)為車輛在相鄰兩個(gè)檢測(cè)器之間進(jìn)行時(shí)間線性變速，也即勻加速或勻減速運(yùn)動(dòng)。

2.1 PLSB

PLSB認(rèn)為車輛速度是行駛距離的線性函數(shù)，由此，車輛通過道路上某個(gè)位置的時(shí)間可由計(jì)算得到，車輛在某個(gè)時(shí)刻通過道路上的位置可由式4.1計(jì)算得到。為了計(jì)算該路徑的行程時(shí)間，首先需要確定在任意給定駛?cè)朦c(diǎn)（x0，t0）情況下車輛在時(shí)空域（n，p）中每個(gè)單元的駛出點(diǎn)（x*，t*），即邊界點(diǎn)。車輛輸出時(shí)空域單元存在兩種情況。第一種情況是在當(dāng)前時(shí)間段p內(nèi)車輛已經(jīng)達(dá)到下一個(gè)路段n+1（下一個(gè)檢測(cè)器之后的路段）。第二種情況是當(dāng)前時(shí)間段p結(jié)束了車輛還處于當(dāng)前路段n。這兩種情況對(duì)應(yīng)時(shí)空域單元的駛出點(diǎn)如式4.2所示。

2.2 PCAB

不同于PLSB，PCAB認(rèn)為車輛速度是行駛時(shí)間的線性函數(shù)。也就是說，車輛以固定加速度在道路上行駛，由此車輛在某個(gè)時(shí)刻通過道路上的位置可由式4.3計(jì)算得到，式中，t為當(dāng)前時(shí)刻，x（t）為車輛在當(dāng)前時(shí)刻t所處的位置，t0為起始時(shí)間，xu和xd分別為上游和下游檢測(cè)器的位置，μu和μd（n，p）分別為上游和下游檢測(cè)器在時(shí)空域（n，p）單元中的速度。

3基于軌跡的行程時(shí)間估計(jì)方法（PCAB）驗(yàn)證

利用AIMSUN交通仿真軟件，對(duì)行駛在道路上的車輛行為進(jìn)行建模，構(gòu)建道路測(cè)試路段仿真模型，對(duì)不同交通需求、交通事件等環(huán)境進(jìn)行仿真。測(cè)試并獲取不同環(huán)境下的交通流量，速度等檢測(cè)器數(shù)據(jù)。同時(shí)，利用AIMSUN記錄不同交通環(huán)境下的道路的真實(shí)行程時(shí)間。利用這些數(shù)據(jù)，對(duì)PLSB，PCAB以及其他基于軌跡方法的行程時(shí)間估計(jì)性能進(jìn)行測(cè)試和比較。

3.1 模型驗(yàn)證條件

為了驗(yàn)證行程時(shí)間估計(jì)方法的有效性，擬對(duì)不同擁堵程度、不同交通事件等級(jí)等道路環(huán)境進(jìn)行仿真。考慮到晚間道路上車流量較少，人們也較少關(guān)注，本文對(duì)6：00am-9：00pm，共15小時(shí)道路上的交通環(huán)境進(jìn)行了仿真建模，包括早高峰、午高峰以及晚高峰三個(gè)高峰時(shí)段。實(shí)驗(yàn)中，假設(shè)實(shí)驗(yàn)道路每個(gè)車道的通行能力為2200標(biāo)準(zhǔn)車每小時(shí)。道路擁堵程度由道路的交通流量與道路的通行能力V/C比確定。道路上的大車數(shù)量為小車的5%，大車與小車的換算系數(shù)為2。一天內(nèi)各時(shí)間段道路上的V/C比如表3.1-1所示。從表中可以看出，實(shí)驗(yàn)考慮各種不同的道路擁堵情況。

3.2 驗(yàn)證評(píng)價(jià)指標(biāo)

采用平均絕對(duì)誤差（Mean Absolute Error，MAE）與平均絕對(duì)百分比誤差（Mean Absolute Percentatge Error，MAPE）兩個(gè)指標(biāo)對(duì)行程時(shí)間估計(jì)方法的性能進(jìn)行評(píng)價(jià)。MAE和MAPE是兩種最常見的用于估計(jì)與預(yù)測(cè)模型的評(píng)價(jià)指標(biāo)。

3.3 模型驗(yàn)證結(jié)果

表3.3-1給出了PLSB，PCAB以及其他三種基于軌跡行程時(shí)間估計(jì)方法的實(shí)驗(yàn)結(jié)果，其中性能比較結(jié)果C=模型i計(jì)算結(jié)果/PCAB模型計(jì)算結(jié)果，模型i=半距速度模型、最小速度模型、平均速度模型和PLSB。從表中可以看出，這幾種方法中，最小速度模型的行程時(shí)間估計(jì)誤差最大，精度最低。PLSB模型優(yōu)于半距速度模型以及最小速度模型。驗(yàn)證結(jié)果表明，提出的PCAB行程時(shí)間估計(jì)模型是行之有效的。

為了驗(yàn)證時(shí)間窗對(duì)PCAB行程時(shí)間估計(jì)性能的影響，共以1min-5min五個(gè)不同時(shí)間窗條件來估計(jì)結(jié)果。實(shí)驗(yàn)證明，在不同時(shí)間窗條件下，利用PCAB估計(jì)的行程時(shí)間與真實(shí)值的差異性較小。結(jié)合表3.3-1可知，本文提出的PCAB估計(jì)方法能夠?qū)Σ煌瑫r(shí)間窗條件下的行程時(shí)間做出較高精度的估計(jì)。這為后續(xù)行程時(shí)間預(yù)測(cè)中時(shí)間窗的選擇提供了實(shí)驗(yàn)基礎(chǔ)。從上述研究結(jié)果中可以看出，本文提出的PCAB估計(jì)方法優(yōu)于其他幾種行程時(shí)間估計(jì)模型，能在不同交通條件下以較高的精度對(duì)行程時(shí)間進(jìn)行估計(jì)。

4結(jié)語

在前人研究成果基礎(chǔ)上，提出一種新的軌跡行程時(shí)間研究方法，即基于逐段時(shí)間線性變速的行程時(shí)間估計(jì)方法（PCAB）。采用平均絕對(duì)誤差（MAE）與平均絕對(duì)百分比誤差（MAPE）作為評(píng)價(jià)指標(biāo)，利用AIMSUN交通仿真軟件對(duì)新PCAB估計(jì)方法進(jìn)行驗(yàn)證，對(duì)不同擁堵程度、不同交通事件等級(jí)等道路環(huán)境進(jìn)行仿真，研究結(jié)果表明，同等時(shí)間窗條件下，PCAB估計(jì)方法的計(jì)算精度是最高的，具有較高的參考價(jià)值，可以為后續(xù)的工程應(yīng)用提供較好的技術(shù)參考。

參考文獻(xiàn)：

[1]劉煬. 基于網(wǎng)格模型的城市交通運(yùn)行狀態(tài)識(shí)別和行程時(shí)間預(yù)測(cè)方法研究[D]. 北京交通大學(xué)，2018.

[2]Van Lint J W C，Hoogendoorn S P，van Zuylen H J. Accurate freeway travel time prediction with state-space neural networks under missing data[J]. Transportation Research Part C：Emerging Technologies，2005，13（5-6）：347-369.

[3]徐天東，孫立軍，郝媛. 城市快速路實(shí)時(shí)交通狀態(tài)估計(jì)和行程時(shí)間預(yù)測(cè)[J]. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，36（10）：1355-1361.

[4]歐陽黜霏. 基于隱馬爾可夫模型的車輛行程時(shí)間預(yù)測(cè)方法研究[D]. 武漢大學(xué)，2015.

[5]楊兆升，保麗霞，朱國華. 基于Fuzzy回歸的快速路行程時(shí)間預(yù)測(cè)模型研究[J]. 公路交通科技，2004，21（3）：78-81.

[6]基于交通數(shù)據(jù)融合技術(shù)的行程時(shí)間預(yù)測(cè)模型[J]. 湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（1）：33-38.