楊 陽(yáng)，劉 強(qiáng)，石英杰

(1.同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804；2.江蘇中路工程技術(shù)研究院有限公司，江蘇 南京 211008)

1 概述

隨著國(guó)民經(jīng)濟(jì)水平的提升和城市間交通運(yùn)輸日益頻繁，高速公路交通通行流量不斷增加，交通大流量已呈現(xiàn)常態(tài)化，許多高速公路的通行流量已經(jīng)趨于飽和，流量增加導(dǎo)致的高速公路擁堵現(xiàn)象頻繁發(fā)生。

動(dòng)態(tài)應(yīng)急車(chē)道(Hard Shoulder Running)作為調(diào)整路段交通流運(yùn)行現(xiàn)狀的重要管理手段，可以在短時(shí)間內(nèi)提供道路供給，有效提升瓶頸路段的通行能力。早在21世紀(jì)初，歐美國(guó)家就已經(jīng)通過(guò)開(kāi)放應(yīng)急車(chē)道緩解的方式來(lái)解決路段的交通擁堵[1-2]，但其控制方式主要是在固定時(shí)刻提供給特種車(chē)輛的專(zhuān)用道，屬于靜態(tài)的控制手法。然而高速公路交通瓶頸的產(chǎn)生具有高頻率、持續(xù)時(shí)間短的特點(diǎn)，不像城市快速路那樣具有明顯的早晚高峰。如果依然采用這類(lèi)靜態(tài)的管控方式，不但不能在固定時(shí)段發(fā)揮其充分的車(chē)道資源效益，在非瓶頸時(shí)期開(kāi)放的應(yīng)急車(chē)道還會(huì)帶來(lái)一定的管理風(fēng)險(xiǎn)。因此，結(jié)合道路實(shí)際通行需求，動(dòng)態(tài)決策應(yīng)急車(chē)道的啟用與否是十分有意義的。本文著眼于滬寧高速大流量路段無(wú)錫段動(dòng)態(tài)應(yīng)急車(chē)道應(yīng)用現(xiàn)狀，通過(guò)分析歷史數(shù)據(jù)分析法確定應(yīng)急車(chē)道開(kāi)放決策閾值，建立動(dòng)態(tài)應(yīng)急車(chē)道開(kāi)放決策管控模型，為應(yīng)急車(chē)道智能化管控提供理論參考。

2 動(dòng)態(tài)應(yīng)急車(chē)道開(kāi)放決策模型

2.1 交通擁堵指數(shù)

交通狀態(tài)評(píng)價(jià)標(biāo)準(zhǔn)作為應(yīng)急車(chē)道開(kāi)放決策模型中動(dòng)態(tài)應(yīng)急車(chē)道開(kāi)放的先決條件，主要依據(jù)交通擁擠程度決定。為此，項(xiàng)目以交通擁堵指數(shù)衡量交通擁擠程度，交通擁堵指數(shù)[3-4](Traffic Performance Index，即“TPI”)是根據(jù)道路通行情況設(shè)置的綜合反映道路暢通或擁堵的概念性指數(shù)，相當(dāng)于對(duì)擁堵情況進(jìn)行了量化處理。交通指數(shù)取值范圍為1～10，分為5個(gè)級(jí)別(即“暢通”、“基本暢通”、“輕度擁堵”、“中度擁堵”、“嚴(yán)重?fù)矶隆?，數(shù)值越高表明交通擁堵?tīng)顩r越嚴(yán)重。具體數(shù)據(jù)規(guī)定如表1所示。

2.2 決策模型建立

基于滬寧高速現(xiàn)狀交通實(shí)時(shí)交通流量，構(gòu)建車(chē)道管控決策模型[5-7]?；诂F(xiàn)狀滬寧高速通行交通流量、車(chē)流速度,及占有率，構(gòu)建交通狀態(tài)評(píng)價(jià)算法，基本算法如下：

表1 交通擁堵指數(shù)分級(jí)Table 1 Traffic congestion index classification擁堵指數(shù)狀態(tài)行程時(shí)間擁堵描述1～2暢通T基本無(wú)擁堵3～4基本暢通1.2T～1.5T少數(shù)路段擁堵5～6輕度擁堵1.5T～1.8T部分路段擁堵7～8中度擁堵1.8T～2.1T大量路段擁堵9～10嚴(yán)重?fù)矶?2.1T大部分道路擁堵

(1)

式中：γp(t)為在地點(diǎn)p的t時(shí)刻對(duì)應(yīng)時(shí)段的交通擁堵指數(shù)；occp(t)為在地點(diǎn)p的t時(shí)刻的道路時(shí)間占有率；Qp(t)為在地點(diǎn)p的t時(shí)刻的交通流量；vp(t)為在地點(diǎn)p的t時(shí)刻的地點(diǎn)速度。

評(píng)判過(guò)程在設(shè)定閾值后，由上述交通擁擠指數(shù)可判斷道路的擁堵情況，即與閾值相比較從而判斷是暢通或者擁堵。但該計(jì)算結(jié)果僅為交通流判定的初步狀態(tài)，可能存在一定程度的誤判。為保證分析結(jié)論的穩(wěn)定性和準(zhǔn)確性，通常需要對(duì)檢測(cè)維持其持續(xù)性，利用式(2)可確立更為準(zhǔn)確地評(píng)判。

(2)

在給定交通擁擠指數(shù)和持續(xù)評(píng)判思想之后，通過(guò)判定交通擁堵?tīng)顟B(tài)，決定動(dòng)態(tài)應(yīng)急車(chē)道開(kāi)放策略，基于交通數(shù)據(jù)的車(chē)道管控決策流程圖如圖1所示。

圖1 基于交通數(shù)據(jù)的車(chē)道管控決策流程圖

3 決策閾值確定

3.1 閾值確定方法

本文確定的閾值用以路段應(yīng)急車(chē)道動(dòng)態(tài)開(kāi)放與關(guān)閉決策，在交通擁擠指數(shù)超過(guò)閾值后，區(qū)段在短時(shí)間內(nèi)即會(huì)出現(xiàn)交通擁堵現(xiàn)象；在交通擁擠指數(shù)低于規(guī)定閾值時(shí)，區(qū)段不會(huì)出現(xiàn)交通擁堵現(xiàn)象。為了確定合理的應(yīng)急車(chē)道開(kāi)放閾值，本文基于滬寧高速歷史交通擁堵數(shù)據(jù)，利用路段信息采集設(shè)備采集的易發(fā)擁堵路段處的速度、流量和占有率數(shù)據(jù)，確定應(yīng)急車(chē)道開(kāi)發(fā)閾值[8]。歷史數(shù)據(jù)分析法主要包括以下3個(gè)步驟：

a.評(píng)估擁堵點(diǎn)的擁堵現(xiàn)象，確定交通擁堵現(xiàn)象發(fā)生模式，量化時(shí)空上的擁堵程度。

b.評(píng)估擁堵概率，基于歷史數(shù)據(jù)，在擁堵瓶頸點(diǎn)應(yīng)用概率方法來(lái)識(shí)別擁堵事件并量化擁堵時(shí)間出現(xiàn)時(shí)的交通流量。

c.估計(jì)初始決策閾值，基于交通流量和速度數(shù)據(jù)確定。

3.2 擁堵評(píng)估

通過(guò)對(duì)滬寧高速無(wú)錫段某常發(fā)擁堵點(diǎn)速度-時(shí)間分布進(jìn)行統(tǒng)計(jì)分析，以下是該數(shù)據(jù)采集點(diǎn)速度-時(shí)間分布圖。

由圖2我們可以看出，1 d中平速度(紅線(xiàn))在0時(shí)至7時(shí)時(shí)段內(nèi)路段車(chē)流處于自由流狀態(tài)，在此之后路段整體運(yùn)行速度出現(xiàn)下降；在10時(shí)至17點(diǎn)40分平均速度下降到自由流速度以下，該時(shí)間段道路對(duì)動(dòng)態(tài)系統(tǒng)的需求較大；在17點(diǎn)40分后車(chē)流速度增加并逐漸恢復(fù)成自由流狀態(tài)。

圖2 采集點(diǎn)速度-時(shí)間分布圖

3.3 擁堵概率評(píng)估

擁堵概率評(píng)估需要利用信息采集設(shè)備收集速度、流量和密度等數(shù)據(jù)，信息采集設(shè)備應(yīng)該布設(shè)于現(xiàn)有所有瓶頸點(diǎn)和潛在瓶頸點(diǎn)上游位置。本文基于當(dāng)前時(shí)間間隔中區(qū)段車(chē)流流速和交通量狀況，以此確定下一時(shí)間間隔內(nèi)交通流出現(xiàn)中斷(交通擁堵)的概率。Brilon等人基于細(xì)化的交通流量數(shù)據(jù)，構(gòu)建交通流中斷概率模型[9-10]，模型如下：

(3)

式中：q是每1 h每車(chē)道的車(chē)輛通過(guò)量,veh/(h·ln)；c是容量,veh/(h·ln)，即通行能力；P(c≤q)是容量小于觀察到流量的概率；qi是在間隔i處觀察到的交通流量，它表示速度下降之前的交通流量；ki是指q≥qi的時(shí)間間隔數(shù)；di是指交通流量達(dá)到qi時(shí)的時(shí)間間隔數(shù)，當(dāng)每一個(gè)擁堵被單獨(dú)考慮時(shí)，di=1；B是擁堵間隔{B1，B2，…}的集合。

為了對(duì)擁堵概率分布進(jìn)行參數(shù)估計(jì)，必須預(yù)先確定分布的函數(shù)類(lèi)型?？梢酝ㄟ^(guò)應(yīng)用最大似然技術(shù)來(lái)估計(jì)分布參數(shù)。對(duì)于容量分析，似然函數(shù)為：

(4)

式中：fc(qi)是容量c的統(tǒng)計(jì)密度函數(shù)；Fc(qi)是容量c的累積分布函數(shù)；n表示時(shí)間間隔數(shù)；δi=1，時(shí)間間隔i內(nèi)包括未審查對(duì)象；δi=0，時(shí)間間隔i內(nèi)不包括未審查對(duì)象。

3.4 估計(jì)初始決策閾值

3.4.1擁堵速度閾值選擇

通過(guò)對(duì)滬寧高速無(wú)錫段某常發(fā)擁堵點(diǎn)2019年全年可能出現(xiàn)擁堵的時(shí)間段內(nèi)的各車(chē)道車(chē)輛速度、流量進(jìn)行統(tǒng)計(jì)，得到速度-流量關(guān)系圖，如圖3所示。

圖3 擁堵速度、流量分布圖

從圖3可以看出，車(chē)輛平均速度超過(guò)80 km/h表示不擁堵?tīng)顟B(tài)；車(chē)輛平均速度低于60 km/h表示擁堵?tīng)顟B(tài)；車(chē)輛平均速度在60～80 km/h表示可能出現(xiàn)擁堵?tīng)顟B(tài)。故速度閾值選擇60 km/h。

3.4.2擁堵流量閾值選擇

通過(guò)分析處理滬寧高速無(wú)錫段某常發(fā)擁堵點(diǎn)2019年全年可能出現(xiàn)擁堵的時(shí)間段內(nèi)的各車(chē)道車(chē)輛速度、流量數(shù)據(jù)，并結(jié)合上一節(jié)交通流中斷概率模型，得出擁堵概率與交通流量分布情況，如圖4所示。

圖4 擁堵概率、流量分布圖

從圖4可以看出，擁堵速度范圍內(nèi)，不同交通流量下對(duì)應(yīng)的擁堵概率基本相同。由圖4還可以看出，單車(chē)道交通流量達(dá)到1 600 veh/(h·ln)時(shí)，在接下來(lái)15 min內(nèi)，不同速度下交通流擁堵概率超50%?？紤]到應(yīng)急車(chē)道開(kāi)放前需要5～10 min供管理人員檢查應(yīng)急車(chē)道是否通暢，選取單車(chē)道交通流量1 600 veh/(h·ln)為應(yīng)急車(chē)道開(kāi)放閾值符合現(xiàn)場(chǎng)要求。

4 工程應(yīng)用

4.1 工程概況

滬寧高速作為長(zhǎng)三角地區(qū)客貨運(yùn)輸?shù)闹饕删€(xiàn)，從總體流量來(lái)看，截至2018年，滬寧高速日均斷面流量已達(dá)12.65萬(wàn)pcu，東段達(dá)到了18.2萬(wàn)pcu，遠(yuǎn)遠(yuǎn)超過(guò)了八車(chē)道設(shè)計(jì)飽和流量11.5萬(wàn)pcu。面對(duì)日益增長(zhǎng)的通行保暢壓力，2019年，滬寧高速在超飽和流量路段無(wú)錫段率先實(shí)施動(dòng)態(tài)應(yīng)急車(chē)道管控，以東橋樞紐至無(wú)錫樞紐間，共構(gòu)建了42 km范圍的管控區(qū)域。管控期間，控制人員根據(jù)路段流量和交通擁堵?tīng)顩r，動(dòng)態(tài)分區(qū)段開(kāi)放應(yīng)急車(chē)道。

4.2 效果驗(yàn)證

4.2.1管控效果

2019年國(guó)慶前，項(xiàng)目組在滬寧高速無(wú)錫段應(yīng)用智慧管控決策模型，實(shí)現(xiàn)了車(chē)流自主感知、運(yùn)行狀態(tài)自動(dòng)判別和管控策略自主決策的智慧化管控，解決了前期依賴(lài)人工判別啟閉應(yīng)急車(chē)道的問(wèn)題，全面提升路段管控智能化。管控期間，通行流量、通行速度明顯提升，擁堵次數(shù)、擁堵長(zhǎng)度和交通事故明顯降低，管控效能顯著提升。

4.2.2決策模型閾值的驗(yàn)證

一般情況下，道路通行能力一定時(shí)，道路處于正常通行狀態(tài)下，車(chē)流運(yùn)行速度與交通流量之間存在一定關(guān)系。為了進(jìn)一步準(zhǔn)確評(píng)價(jià)路段實(shí)時(shí)交通運(yùn)行狀態(tài)，選取上一節(jié)南京方向與上海方向流量均較大的無(wú)錫樞紐至無(wú)錫東互通流量高峰期間單位小時(shí)流速-流量數(shù)據(jù)，得出速度-流量散點(diǎn)圖。

由圖5和圖6可以看出，無(wú)論是南京方向還是上海方向，速度-流量分布趨勢(shì)基本相同，具有以下變化特征：

圖5 無(wú)錫-無(wú)錫東南京方向速度-流量散點(diǎn)圖

圖6 無(wú)錫-無(wú)錫東上海方向速度-流量散點(diǎn)圖

流量在0～3 000 veh/h時(shí)，車(chē)流速度集中在速度上游，平均速度在60～80 km/h之間，且平均速度隨流量增加基本不變，這說(shuō)明此時(shí)交通流處于穩(wěn)定交通流狀態(tài)，這與路段此時(shí)處于一級(jí)服務(wù)水平情況相符。

流量在3 000～4 800 veh/h時(shí)，平均速度產(chǎn)生波動(dòng)，整體波動(dòng)范圍隨著流量的增加逐漸變小。此時(shí)車(chē)速以60～80 km/h區(qū)間車(chē)速為主，部分車(chē)輛處于較低速度狀態(tài)。

流量大于4 800 veh/h時(shí)，車(chē)輛速度平均分布在30～80 km/h之間，整體波動(dòng)范圍隨著流量的增加逐漸變小。此區(qū)間整體車(chē)流速度波動(dòng)較大，說(shuō)明此時(shí)車(chē)流處于不穩(wěn)定狀態(tài)，車(chē)輛間的相互影響較大。

為了進(jìn)一步確定擁堵?tīng)顟B(tài)下的流量-速度，對(duì)滬寧高速無(wú)錫段交通道路養(yǎng)護(hù)、交通事故等全方面進(jìn)行統(tǒng)計(jì)分析，并匹配對(duì)應(yīng)時(shí)間下的交通流量-速度值。在發(fā)生事故后，如果接下來(lái)一段時(shí)間內(nèi)路段速度下降明顯，這說(shuō)明事故導(dǎo)致路段緩行或者擁堵，選取此類(lèi)特征點(diǎn)得到交通事故和養(yǎng)護(hù)期間交通緩行、擁堵?tīng)顟B(tài)下路段車(chē)流運(yùn)行速度與流量關(guān)系圖，如圖7所示。

圖7 無(wú)錫-無(wú)錫東上海方向緩行、擁堵?tīng)顟B(tài)下速度-流量散點(diǎn)圖

從圖7可以看出，交通緩行、擁堵?tīng)顟B(tài)下路段交通速度基本低于60 km/h；而緩行、擁堵?tīng)顟B(tài)下，交通流量均勻分布于3 000～6 000 veh/h之間，故選取速度閾值作為判斷交通擁堵條件更為合理。而現(xiàn)在管控模型中流量閾值為6 400 veh/h，速度閾值60 km/h，管控模型閾值符合實(shí)際情況。

5 總結(jié)

a.針對(duì)現(xiàn)狀應(yīng)急車(chē)道管控大多單純依賴(lài)人工判斷應(yīng)急車(chē)道啟閉，缺乏科學(xué)性問(wèn)題，本文通過(guò)對(duì)交通擁擠程度進(jìn)行分級(jí)并構(gòu)建動(dòng)態(tài)應(yīng)急車(chē)道決策模型。

b.基于滬寧高速大流量路段整年車(chē)流運(yùn)行數(shù)據(jù)，利用歷史數(shù)據(jù)分析法對(duì)運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，并結(jié)合擁堵發(fā)生概率模型確定應(yīng)急車(chē)道開(kāi)放管控的速度與流量閾值。

c.率先在滬寧高速無(wú)錫段應(yīng)用智慧管控決策模型，實(shí)現(xiàn)應(yīng)急車(chē)道管控智慧化，提高車(chē)道管控整體效能。