交通事故持續期內行程時間的可靠性研究

摘要： 為研究交通事故影響下路網性能的隨機性，定義路網行程時間可靠性為路網在交通事故持續期內平均行程時間小于預定閾值的概率.假定事故持續時間為服從正態分布的隨機變量，將給定的事故持續時間離散化為相同長度的子時段，綜合運用Logit路徑選擇準則和路段傳輸模型，提出了基于MonteCarlo法的路網行程時間可靠度模擬算法.用一個測試網絡來驗證算法，其事故持續時間均值為8～20 min、方差為0.5～5.0 min， 子時段出行需求為4.0和4.5輛，時間閾值為事故前走行時間的2.0和2.2倍.研究結果表明：路網行程時間可靠度均隨事故持續時間均值的增大而減小；當出行需求為4.5輛、時間閾值為事故前走行時間2.0倍時，行程時間可靠度隨著事故時間方差的增大而增大；當需求小于4.5輛、時間閾值大于2.0倍時，可靠度隨著時間方差的增大而減小.

關鍵詞： 事故持續時間；行程時間可靠性；路段傳輸模型；MonteCarlo算法

中圖分類號： U491.13文獻標志碼： ATravel Time Reliability during Incident Duration Time CHEN Lingjuan1，2，LIU Haixu1，PU Yun1

道路交通網絡在外部因素影響下，路網性能存在隨機性.這些外部因素包括可重復的隨機因素和不可重復的隨機因素兩類，第一類如日常的道路擁堵導致的路段通行能力下降以及日變的交通需求等，此類因素的特征是長時間內具有持續性；第二類如交通事故等突發事件對路段通行能力的影響，此類因素的特征是只在事件持續期內影響路網[1].這些隨機因素在影響路網通行能力的同時，也影響路網的行程時間，使得行程時間呈現隨機性.因此，計算隨機路網的行程時間可靠性是衡量隨機路網性能的重要手段，也是出行者選擇路徑的重要依據.

文獻[2]考慮了路段通行能力約束及出行者的路徑選擇行為，定義行程時間可靠性為出行者在規定時間內順利完成出行的概率.文獻[3]建立了TFS（traffic flow simulator）模型用于估計行程時間可靠性，考慮了由于交通需求波動和出行者對于路況的認識不準確而導致道路網絡的不確定性.文獻[4]考慮交通需求隨機波動下的行程時間可靠性，采用解析方法確定日變交通需求下行程時間的分布函數，以此計算可靠性. 文獻[5]考慮了由于道路損壞而造成路段通行能力下降時的行程時間可靠性，并將行程時間可靠性定義為路段通行能力下降和非下降兩種狀態下行程時間比值的函數，這種定義可以作為衡量路段是否擴建的服務水平標準.文獻[6]定義行程時間可靠性為在規定時間內以給定服務水平閾值完成出行的概率，并假設OD交通量和路段通行能力服從已知的分布函數來計算行程時間可靠性[6].

上述文獻給出了隨機路網行程時間可靠性的定義及計算方法，但上述定義都是基于靜態路網，將第一類因素中的通行能力、出行需求變動作為隨機變量，構造路網存在的多種狀態來計算路網在日變過程中的可靠性[78]，對第二類因素影響下的路網可靠性卻很少涉及.文獻[9]考慮了交通事故對路網可靠性的影響，卻依然采用靜態的方法——BPR（bureau of public road）函數描述路徑走行時間，不能模擬排隊擴散及排隊消散等動態交通現象對走行時間的影響.

本文考慮第二類因素——事故持續期內的行程時間可靠性，分析影響事故發生的隨機因素，將事故對路網的持續時間看作隨機變量，產生事故持西南交通大學學報第48卷第2期陳玲娟等：交通事故持續期內行程時間的可靠性研究續時間隨機數，利用路段傳輸模型（link transmission model， LTM）加載網絡流量，利用MonteCarlo方法計算路網可靠度.1事故持續期內行程時間可靠性影響事故發生的隨機因素包括：事故在路網中的發生位置，事故持續時間（從交通事故發生到事故清除，路段通行能力恢復）及其對局部路網通行能力的影響.本文分析事故發生后事故持續時間對路網可靠性的影響，為路網評價及交通管制提供理論支持.

假設事故的前3種隨機因素中只存在一種隨機因素——事故持續時間，可假設事故持續時間服從正態分布[10].事故持續時間的隨機變化導致路網出現多個隨機狀態，從而導致行程時間的隨機變化.1.1可靠性定義假設事故持續時間服從均值為μ和方差為σ的正態分布.事故持續時間的隨機性導致通過車輛數及車輛路徑走行時間的隨機性，進而導致平均路徑走行時間的隨機性.在給定持續時間的條件下，確定路網狀態，根據網絡加載模型加載網絡流量，得到事故持續時間內通過的車輛數及車輛走行時間，可求出持續時間內車輛的平均走行時間.

4結束語本文建立了以LTM和Logit模型為基礎的擬動態模型，加載了動態網絡流量，得出了離散時間段內路段節點到達車輛數和路段走行時間，定義交通事故持續期內行程時間可靠性為整個事故持續期內平均行程時間在一定閾值內的概率，給出不同條件下的路網行程時間可靠度.

結果表明：出行需求越大，可靠度越低；時間閾值越大，可靠度越高；持續時間均值越大，可靠度越低，可靠度隨著持續時間方差的變化有遞增和遞減兩種趨勢.

影響交通事故發生的隨機因素包括事故在路網中的發生位置、事故持續時間及其對局部路網通行能力的影響.本文僅考慮了持續時間對路網行程時間可靠度的影響，其它兩個因素的影響及擴展路網可靠性概念是下一步的研究方向.

致謝：本文工作得到西南交通大學校基金（2010XS25，SWJTU09CX041）的資助.參考文獻：[1]KNOOP V. Road incidents and network dynamics effects on driving behavior and traffic congestion[D]. Delft： Delft University of Technology， 2009.

[2]BELL M G H， IIDA Y. Transportation network analysis[M]. New York： John Wiley and Sons， 1997： 191192.

[3]LAM W H K， XU G. A traffic flow simulator for network reliability assessment[J]. Journal of Advanced Transportation， 1999， 33（2）： 159182.

[4]CLARK S， WATLING D. Modeling network travel time reliability under stochastic demand[J]. Transportation Research B， 2005， 39（2）： 119140.

[5]ASAKURA Y. Reliability measures of an origin and destination pair in a deteriorated road network with variable flows[C]∥Proceeding of the Fourth Meeting of the EURO Working Group in Transportation. New York： Amsterdam， 1998： 273287.

[6]CHEN A， JI Z W， RECKER， W. Travel time reliability with risksensitive travelers[J]. Journal of the Transportation Research Board， 2002， 1783： 2733.

[7]LO H K， TUNG Y K. Network with degradable links： capacity analysis and design[J]. Transportation Research Part B， 2003， 37（4）： 345363.

[8]CHEN A， YANG H， LO H K， et al. Capacity reliability of a road network： an assessment methodology and numerical results[J]. Transportation Research Part B， 2002， 36（3）： 225252.

[9]NOLAND R B， SMALL K A， KOSKENOJA P M， et al. Simulating travel reliability[J]. Regional Science and Urban Economics， 1998， 28（5）： 535564.

[10]唐夕茹，陳艷艷. 事故處理時間與路網恢復可靠度關系研究[J]. 交通運輸系統工程與信息，2009，9（5）： 124129.

TANG Xiru， CHEN Yanyan. Relationship between accident deposing time and network recovery reliability[J]. Journal of Transportation Systems Engineering and Information Technology， 2009， 9（5）： 124129.

[11]LO H K， LUO X W， SIU B W Y. Degradable transport network： travel time budget of travelers with heterogeneous risk aversion[J]. Transportation Research Part B， 2006， 40（9）： 792806.

[12]CLARK C E. Importance sampling in MonteCarlo analyses[J]. Operations Research， 1961， 9（5）： 603620.

[13]GHADERI A， HAGHIFAM M R， ABEDI S M. Application of MonteCarlo simulation in Markov process for reliability analysis[C]∥Probabilistic Methods Applied to Power Systems （PMAPS）. Singapore： IEEE Press， 2010： 293298.

[14]ISAAK Y. The link transmission model for dynamic network loading[D]. Leuven： Katholieke Universiteit Leuven， 2007.

[15]龍建成，高自友，趙小梅. 基于路段傳輸模型的道路出口渠化[J]. 吉林大學學報，2009，39（2）： 4146.

LONG Jiancheng， GAO Ziyou， ZHAO Xiaomei. Channelization at road exit based on link transmission model[J]. Journal of Jilin University， 2009， 39（2）： 4146.

（中文編輯：秦萍玲英文編輯：蘭俊思）