冰雪天氣下的區域交通狀態實時判別

楊慶芳，張 彪，韓振波，梅 朵

（1.吉林大學 汽車仿真與控制國家重點實驗室，長春 130022；2.吉林大學 交通學院，長春 130022；3.天津市河西區科學技術委員會，天津 300202）

目前，冰雪條件下針對交通的研究主要包括冰雪災害對交通流的影響分析［1－4］和冰雪條件下的交通流狀態劃分［5－6］兩個方面。而對冰雪條件下的路網交通狀態的研究較少，本文從冰雪災害對路網通行能力的影響分析出發，針對路段和交叉口分別選取行程速度、占有率和飽和度作為交通狀態判別指標，同時考慮路段通行能力、路段長度及交叉口疏散能力，提出冰雪條件下的路網區域交通狀態判別方法，實現路網交通狀態的快速判別。

1 判別參數的選取

道路交通狀態判別結果的有效性與交通流參數的選取有著直接關系［7－8］。災害條件下交通狀態判別參數的選取，要遵守可獲取性、可靠性以及敏感性等原則。當發生冰雪災害以后，車輛運行速度變低，導致交通流量降低、占有率增加。針對路段交通狀態判別，考慮部分固定檢測器可能因冰雪災害而無法正常工作，本文選用行程速度和占有率這兩種參數作為判別指標，因為行程速度能更好地反映路段上交通流運行情況，同時行程速度數據可以通過配備GPS裝置的車輛比較方便地獲取，為了消除單一參數對判別精度產生的不利影響，本文同時選用占有率這個參數。針對交叉口的交通狀態判別，選取最易獲取的交叉口關鍵相位飽和度作為判別指標。

2 冰雪天氣下通行能力的修正

正常情況下利用式（1）計算路段理論通行能力 N［9］:

式中:S為車輛1h行駛的距離（m）；L為安全車頭間距，L為駕駛員反應時間內車輛行駛距離L1、車輛剎車距離L2、汽車自身長度L3、安全距離L4之和；v為車輛限制速度。

利用式（2）計算車輛的行駛距離L1:

式中:t為駕駛員反應時間，一般取1s或1.5s，冰雪條件下t的值建議取3s。

汽車制動距離L2的計算公式:

式中:φ為車輪與路面間的摩擦因數；i為道路縱向坡度。

L3一般取值5～10m，L4一般取值3～5m。

式（1）可改寫成:

由式（4）可知，理論通行能力N是v與φ的函數。摩擦因數φ的值越強，L2的值越小，得到的通行能力就越大。當發生冰雪災害以后，路面摩擦因數φ顯著降低［10］，如表1所示。

表1 各種路面狀態下的摩擦因數Table 1 Friction coefficient of different road surface

當發生冰雪災害以后，便可以根據v、φ得到不同程度災害條件下的路段通行能力。

通過對2012年3月24日長春地區普降大雪條件下人民大街與繁榮路交叉口7∶00至9∶00連續兩個小時的觀測，得到數據如表2所示。

表2 冰雪天氣下交叉口飽和流率及交通量Table 2 Saturation flow and volume of intersection under snow－ice weather

由表2可得:冰雪條件下的飽和流率和交通流量較正常情況都會有所下降，近似取交叉口通行能力的折減系數為0.74，飽和度的折減系數為0.88。

3 路網交通狀態自動判別

3.1 路段交通狀態判別

當發生冰雪災害以后，要充分考慮車輛的運行情況。此時，影響路段上行駛車輛的因素主要是天氣、道路狀況及其他車輛。路基型檢測器布置在上游交叉口出口處，可以比布置在下游交叉口入口處提前一段時間反映路段的交通狀況。路段狀態值利用式（5）計算:

式中:Vij是冰雪災害下路段Lij的最高限速；vij是路段行程速度，當vij＞Vij時，取Vij＝vij；oij是路段的時間占有率；α是模型參數，取值范圍（0，1）。行程速度越大，占有率越低，PIij越大，表明交通狀態越好。

該公式綜合考慮了路段行程速度和占有率兩個參數。當某一參數因天氣原因或樣本數量過少而導致無法正常獲取時，通過調整α的值可以實現不同狀況條件下路段交通狀態的實時判別。

3.2 交叉口交通狀態判別

城市路網中，交叉口的作用至關重要，是車輛實現轉向的關鍵節點，而且交叉口由不同等級道路相交而成，交叉口包含多個進口道，每個進口道的交通流都會影響整個交叉口的實時交通狀態。受交叉口的實時交通狀態影響，與之相連的上游路段和交叉口交通狀態都與該交叉口密切相關。本文在對交叉口的交通狀態進行判別時，選用交叉口狀態模型如式（6）所示:

式中:qi是5min內關鍵相位檢測到的交通量；c是交叉口關鍵相位的飽和流率。

進行交叉口飽和度計算時，分母采用的是飽和流率，此處的飽和流率是根據交叉口相位綠燈時間來計算的。之所以采用飽和流率是考慮到冰雪這種災害條件下，采集到的交通量與常態下相比肯定有很大的差別，而飽和流率是根據實時交通量推算出來的，這樣可以更好地反映冰雪條件下的實際交通狀況。

3.3 區域路網交通狀態判別

當發生冰雪災害以后，針對路網中的路段，考慮道路的等級、路段的通行能力還有路段長度，首先將狀態判別區域內各等級道路的整體車公里數作比較，將此值作為主干道、次干道和支路的權重。然后根據路段的通行能力dij和路段長度lij，確定路段Lij的綜合權重為

式中:ak是不同道路等級的權重；a1代表主干路；a2代表次干路；a3代表支路。

根據路段的權重來求交叉口的權重。在發生非常態事件以后，需要重點考慮的是交叉口的疏散能力。因此，以該交叉口為中心，以出口路段為標準對該交叉口的權重進行判斷:

式中:n為與i交叉口相連的交叉口數目；j為與i交叉口相連的第j個交叉口。

得到wi和wij以后，利用如下公式求區域的擁堵度:

4 方法驗證

以圖1為例，對冰雪災害發生以后區域內的道路交通狀態判別算法進行驗證。

圖1 冰雪災害發生以后區域路網仿真圖Fig.1 Regional road network simulation under snow－ice weather

仿真路網為某城市中心區域，包含6條主干道及9個關鍵交叉口。以圖中東西方向最下邊那條主干道右側路段由西向東交通流為例，假定大雪的災害級別是重大級，從早上7∶30持續到上午10∶00。該路段上車輛限速為20km／h，仿真得到的8∶05至9∶00的數據如表3所示。

表3 仿真路網得到的參數數據Table 3 Parameters data got from simulation network

首先計算大雪發生后該路段的通行能力。取大雪條件下的限制車速v＝20km／h，大霧條件下t的值取3s，φ值取0.6，i值取0，L3取8m，L4一般取4m。則由式（4）可以得到理論通行能力N的值約為640veh／h。

然后計算路段的時間占有率o89。假定小汽車的長度為5m，利用檢測到的路段密度k換算成的路段時間占有率如表4所示。

表4 路段時間占有率Table 4 Section time occupancy

將路段行程速度v89和時間占有率o89代入式（5），可以得到大霧條件下該路段的PI89值，如表5所示。

表5 大霧條件下路段交通狀態PI89值Table 5 Section traffic status PI89under fog condition

在進行閾值確定時，依據專家知識，選用限制車速20km／h的0.3倍和0.7倍作為三種交通狀態的劃分節點，同時將三種交通狀態下占有率劃分節點［11］帶入式（5）獲取交通狀態PI的閾值。驗證時，選用仿真路網中路段平均行程時間延誤來對判別結果準確性進行檢驗。在仿真的路網中，路段平均行程時間延誤是較容易得到的數據，該路段的路段平均行程時間延誤如表6所示。入不同的流量值以及設置不同的種子數量進行了20次同一強度大雪事件下的路網仿真，對通過兩種方法得到的320個判別結果的對比分析可知，得到的判別率為90.3%，平均判別時間為3.9s。

表6 路段平均行程時間延誤Table 6 Section average travel time delay

根據本文方法，得到的部分路段及交叉口的交通狀態值如表7所示。

表7 部分路段及交叉口的交通狀態值Table 7 Traffic status of some sections and intersections

利用式（7）和式（8）計算路段和交叉口的權重，部分結果如表8所示。

表8 部分交叉口及相鄰路段交通狀態權重值Table 8 Traffic status weights of some intersections and adjacent sections

利用式（9）計算交叉口5、交叉口8以及周圍12條路段組成的區域交通狀態值，結果如表9所示。

表9 大雪條件下區域交通狀態值Table 9 Regional traffic state values of heavy snow

通過分析表7中路段及交叉口的交通狀態值、對比表9中區域交通狀態結果和表10中正常情況下區域交通狀態值，我們得到以下結論:當發生冰雪災害以后，大多數路段和交叉口的擁堵狀況更加嚴重（路段58、交叉口8等），整個區域的交通擁堵惡化，體現了大雪災害對道路交通的嚴重性影響；在整個研究時間段內，區域交通狀態較長時期處于嚴重擁堵狀態，變化幅度相對較小，體現了大雪災害對道路交通的持續性影響；同時，冰雪災害發生以后，常態下交通擁堵的上下班高峰格局被打破，體現了大雪災害對道路交通的隨時性影響。

表10 正常情況下區域交通狀態值Table 10 Regional traffic state values of normal weather

5 結束語

冰雪災害下的道路交通狀態判別是交通領域研究的難點。本文充分考慮冰雪災害對交通的不利影響，在對路段和交叉口的交通狀態進行實時判別的基礎上，考慮道路的等級、路段的通行能力還有路段長度，確定路段和交叉口的交通狀態權重，然后對區域交通狀態進行綜合判別，并利用仿真路網對本文方法進行驗證。驗證結果表明，本文所提出的冰雪條件下道路交通狀態實時判別方法在準確度和預測時間方面都有較好的表現，為冰雪條件下交通狀態研究提供了新的思路。

［1］Datla S，Sharma S.Impact of cold and snow on temporal and spatial variations of highway traffic volumes［J］.Journal of Transport Geography，2008，16（5）:358－372.

［2］Maki P J.Adverse weather traffic signal timing［C］∥Proceedings of the 69th Annual Meeting on the Institute of Transportation Engineers，Las Vegas，Nevada，1999:347－355.

［3］雋海民，裴玉龍，朱從坤.冰雪覆蓋條件下城市道路通行能力分析［J］.哈爾濱建筑大學學報，1998，31（2）:104－108.Juan Hai－min，Pei Yu－long，Zhu Cong－kun.Analysis on the capacity of urban road covered with snow［J］.Journal of Harbin University of Civil Engineering and Architecture，1998，31（2）:104－108.

［4］任園園.冰雪條件下城市道路交通流特性及管理對策研究［D］.長春:吉林大學交通學院，2008.Ren Yuan－yuan.Study on the characteristics of traffic stream and management countermeasure at urban road under the condition of snow and ice［D］.Changchun:College of Traffic，Jilin University，2008.

［5］Kerner B S，Rehborn H.Experimental properties of phase transitions in traffic flow［J］.Physical Review Letters，1997，79（20）:4030－4033.

［6］景鵬，孟祥海.基于模糊聚類的冰雪融凍期交通流狀態分析［J］.東北林業大學學報，2007，35（4）:46－49.Jing Peng，Meng Xiang－hai.Traffic flow situation during snow melt period based on fuzzy clustering［J］.Journal of Northeast Forestry University，2007，35（4）:46－49.

［7］姜桂艷.道路交通狀態判別技術與應用［M］.北京:人民交通出版社，2004.

［8］王偉，楊兆升，李貽武，等.基于信息協同的子區交通狀態加權計算與判別方法［J］.吉林大學學報:工學版，2007，37（3）:524－527.Wang Wei，Yang Zhao－sheng，Li Yi－wu，et al.Weighting calculation and judging method of regional traffic state based on information coordination［J］.Journal Jilin University（Engineering and Technology Edition），2007，37（3）:524－527.

［9］張起森，張亞平.道路通行能力分析［M］.北京:人民交通出版社，2002.

［10］龔雪雪，李志強.冰雪災害下道路通行能力動態交通分配修正［J］.公路與汽運，2010（1）:41－45.Gong Xue－xue，Li Zhi－qiang.Dynamic traffic assignment correction of road capacity in the snow disaster［J］.Highways ＆ Automotive Applications，2010（1）:41－45.

［11］翟雅嶠，翁劍成，榮建，等.多元數據融合的區間車輛速度預測算法研究［J］.交通信息與安全，2009，27（3）:74－77.Zhai Ya－qiao，Weng Jian－cheng，Rong Jian，et al.A travel speed forecasting algorithm based on multisource data fusion［J］.Journal of Transport Information and Safety，2009，27（3）:74－77.