城市交通微循環交通組織優化

陳 群，趙玉楠，潘雙利

(中南大學 交通運輸工程學院，湖南 長沙 410075)

城市交通微循環交通組織優化

陳 群，趙玉楠，潘雙利

(中南大學 交通運輸工程學院，湖南 長沙 410075)

定義了交通微循環支路交叉口上各進口道左轉與直行車流的阻抗函數，其與交叉口上所有進口道左轉與直行車流量有關；以最小化總行駛時間為目標，考慮支路通行能力約束及微循環交通組織優化方案下的駕駛員路徑選擇行為，建立了雙層規劃模型，對城市微循環交通組織進行優化；介紹了對模型求解的遺傳算法；并進行了算例計算，得到車流組織優化方案，驗證了模型與算法的有效性。

交通運輸工程；城市交通；交通微循環；雙層規劃；交通組織

0 引 言

“交通微循環”是指干道網絡以外的窄巷、小街以及便道等道路。通過疏通微循環網絡，可以達到對于干道網絡分流的目的。在城市交通中，交通流一般集中在干道上，交通高峰期間干道上異常擁堵。此時，可組織交通微循環，使車流從支路繞過，達到分流干道交通、緩解擁堵的目的。

“城市交通微循環”是在2005年北京市政府工作報告中正式提出，之后，我國的一些大城市，如北京、昆明、深圳、長沙等都開展了一系列城市交通微循環系統的建設。以往對交通微循環的研究多集中于交通微循環概念及功能評價[1-3]。李德慧等[1]對城市交通微循環體系從功能上進行了分析，探討了道路微循環評價方法。宋雪鴻[2]從城市交通微循環特性分析、交通管理、微循環評價等方面闡述了城市交通微循環設計方法。史峰等[3-4]，CHEN Qun等[5]，SHI Feng等[6]先后進行了以下系列研究：從交通壓力分流、輸送的便捷性、解決組團或片區的交通問題、地段特征的差異性、動態時段性、對行為模式的影響等方面對城市交通微循環系統的功能進行了分析；建立優化模型確定了交通微循環網絡構成及各條道路改造后通行能力，滿足飽和度約束、最大改造能力約束并使得交通微循環對環境影響最小、交通效率最高及投資最省；對微循環網絡單行交通組織優化進行了研究，并建立了優化模型。但現有研究還缺少對交通微循環的一體化交通組織優化的研究。在城市交通微循環中，為了最大程度地提高車輛的通行效率，我們通常要做一體化的交通組織，包括路段上是單向還是雙向行駛，各支路交叉口的各進口道上是否施行禁直或禁左等。因此，筆者擬在已有研究基礎上對微循環交通網絡中的各種交通組織方式進行一體化優化，最大程度地提高車輛通行效率、減少時間損失。

1 模型建立

交通微循環交通組織優化即要實現交通微循環網絡中路段單行或雙行優化、交叉口禁直或禁左的決策優化。下面分析交通微循環網絡中交通組織優化模型的目標、約束及給定優化方案下的路徑選擇模型。建模手段為雙層模型，其在網絡設計及道路網絡容量研究中有著廣泛的應用[7-9]。筆者在利用雙層模型處理交通微循環交通組織優化問題時還需考慮交通微循環支路交叉口幾何網絡的處理，交通微循環支路交叉口車流阻抗函數表達、OD選擇等方面的具體問題。

1.1 交通微循環支路交叉口幾何網絡的處理

一定區域(干道圍合的區域)內的支路網絡由多條路段及路段相交的交叉口組成，每個交叉口上各個進口道車流若無交通管理措施存在的話，將會有直行、右轉、左轉3種選擇。為了能夠表示在交通微循環網絡中的道路交叉口上的交通組織形式(如禁直與否、禁左與否等)，需在交叉口形象的給出各進口道直行、右轉、左轉車流的行駛路徑。通常采用的方法為增設虛擬邊法[10]。以十字形交叉口為例，通過將交叉口節點按4個方向拓展為8個節點，每個進口道的車流根據行駛方向的不同增加和其他節點對應的3條聯接，從而將交叉口拓展為12條聯接的不帶轉向信息的普通網絡，再利用已有的算法進行計算，如圖1。

圖1 轉向車流虛擬邊Fig.1 Suppositional edges of vehicle turning flows

1.2 上層模型

圖2 圍合區域干道及支路網絡Fig.2 Arterial and branch roads within an enclosed area

圖3 支路交叉口交通組織形式Fig.3 Traffic organization mode of branch road intersection

對于交通微循環支路交叉口，一般來說支路相交的交叉口設置信控燈的情況很少，筆者認為其均為無信控交叉口。因此，支路交叉口上各進口道的直行和左轉車流是互相沖突和干擾的(從而產生干擾延誤)，但右轉車流一般不會與其它車流相沖突。支路交叉口上某個進口道上的直行或左轉車流通過交叉口的時間受整個交叉口各個進口道總的直行與左轉車流量影響。因此，支路交叉口上某個進口道上的直行或左轉車流通過該交叉口的阻抗ta可表示為

(1)

式中：ta為直行或左轉車流不受沖突車流影響自由通過交叉口的時間；Q(?a)為包含弧段a的交叉口上各進口道上所有直行與左轉車流量的總和；K為系數，為一個常數。

將整個區域網絡(包括干道及其圍合的交通微循環網絡)上路段與交叉口進行整體考慮，對各個交叉口的各個進口道是否實施禁直或禁左、交通微循環支路路段上是否實施單向或雙向行駛進行決策優化，使得車流按優化后的線路行駛，從而減少系統總的時間。整個網絡車流運行效率可以各個車流OD在網絡上的總運行時間來衡量。因此優化問題的目標即為總的OD車流行駛時間最小，而且要滿足支路的流量在一定的水平以下(避免車流擁堵在支路網絡中)。

交通需求OD(origin-destination)為(qrs)n×n，其中qrs為節點r至節點s的流量。如圖2，交通需求OD通常為圍合區域的相交干道的交點之間的交通分布。通過區域內交通微循環組織優化，使得部分交通需求通過交通微循環網絡穿越從而避開干道擁擠路段。系統優化目標為各個車流OD在網絡(包括干道及區域內微循環網絡)上的總的行駛時間費用最小，即使得車輛運行效率最大；目標見式(2),其中xa,ta可通過交通分配得到。

(2)

限制支路路段的流量在一定飽和度以下，這是因為支路擁堵造成的后果將會更加嚴重，所以應限制支路的飽和度避免車流堵在支路網絡中。

(3)

在編制人工智能和機器人技術的法規時，要以俄羅斯以往的交通法規作為立法的基礎。對于小型的無人航空載具按俄聯邦《航空法》第33頁第1條（30公斤以下航空器的國家登記制度）執行；嚴格管理空中交通，其中，在城市領域執行俄聯邦航空法第16頁和俄聯邦使用空中交通的規則；對于無人駕駛的汽車，將按《道路交通安全聯邦法》、《道路運輸規則》《輪式交通工具安全技術規則》《俄聯邦海上商務航行法》等其他法令出臺相應的修正案[7]。

1.3 下層模型

式(1)～式(3)構成交通微循環交通組織優化模型的上層規劃，其中流量xa可采用容量限制——增量加載分配求解獲得，這是模型的下層規劃，a∈[A∪B(y)∪C(z)]。由于對于支路交叉口上各直行或左轉聯接邊，其弧段阻抗函數形式如式(1)，阻抗不僅與本身弧段流量有關，而且和其他的弧段流量也有關(其是支路交叉口上各進口道上所有直行與左轉車流的總和的函數)，所以將不能找到等價的用戶平衡模型，而只能采用非均衡模型進行求解。對于非均衡模型，通常有最短路分配與多路徑分配[11]，而多路徑分配通常要回歸一些模型參數，相對來說最短路分配算法則原理更為簡單，也不需要回歸參數。所以筆者采用的是容量限制-增量加載的最短路分配方法進行交通分配： 先將OD表中的每一個OD量分解成k部分，即將原OD表分解成k個OD表，然后分k次用最短路分配模型分配OD量，每次分配一個OD分表，并且每分配一次。路權修正一次，路權采用路阻函數修正，直到把k個OD分表全部分配到網絡上。

2 求解算法

上述模型是有約束的0-1規劃模型，遺傳算法采用0-1編碼時可很好地求解此類問題。N為所有備選支路路段及支路交叉口弧段的總數目。以[yz]為決策變量的向量進行0-1編碼，其中1表示該路段(或弧段)被選擇，0表示不選。

運用遺傳算法[12-13]進行模型優化求解的算法流程如下：

Step 1：初始化。設定遺傳算法的交叉概率、變異概率、種群數目、最大進化代數。

Step 2：采用0-1編碼，隨機產生初始種群。

Step 3：利用容量限制-增量加載最短路分配算法計算路段(弧段)流量，返回上層計算個體適應度值。

Step 4：對所有個體進行排序選擇操作，選擇出新種群。

Step 5：按交叉概率對隨機配對個體進行交叉操作。

Step 6：按變異概率對種群內個體以前面所述變異方法進行變異操作。

Step 7：判斷是否達到迭代總數，若沒有，則轉Step3；否則，輸出最佳個體。

3 算 例

圖4為區域網絡結構，四周粗線表示干道，圍合區域內部為支路。

圖4 區域網絡結構Fig.4 Local network structure

網絡中有6個支路的交叉口。對任何一條支路路段，雙向通行則單方向通行能力為200，單向通行的話則通行能力為500。對于干道路段自由流行駛時間，每條路段(加上在交叉口的時間)假設均為40 s；對于支路路段自由流行駛時間，通行時間均為40 s；對于交叉口聯接弧段，右轉通行時間為1 s，直行無干擾時通行時間為3 s，左轉無干擾時通行時間為5 s。對于干道及支路路段阻抗函數為

對于支路交叉口左轉、直行弧段，阻抗函數為：

交通需求分布見表1。期望支路路段飽和度均小于等于1。干道均為雙向行駛，優化的決策變量為各支路及各支路交叉口的車流行駛方向(即單行、雙行、禁直、禁左、禁右等)。

表1 起終點(OD)交通分布

求解過程與結果如下：

建立雙層規劃模型，并將具體參數值代入模型，按文中所述求解算法求解模型。采用增量加載最短路算法時，加載次數為10，各次加載比例分別為0.20，0.20，0.15，0.10，0.10，0.05，0.05，0.05，0.05，0.05。編寫遺傳算法程序，種群數取100，交叉率0.7，變異率0.1。由于筆者是求最小目標值，所以適應值可取0-目標函數值。程序運行50代得到最終優化結果，見圖5。車流組織優化方案見圖6，圖中未有車流流向標識的支路上沒有車流，可以不作車流控制。總的時間為2.127 3×106s，各路段及交叉口轉向邊上的流量見表2。

圖5 遺傳算法迭代曲線Fig.5 Iteration curve of genetic algorithm

圖6 交通組織方案Fig.6 Traffic organization scheme

路段(弧段)起點i末點j流量x/(veh·h-1)通行能力c/(veh·h-1)路段(弧段)起點i末點j流量x/(veh·h-1)通行能力c/(veh·h-1)路段(弧段)起點i末點j流量x/(veh·h-1)通行能力c/(veh·h-1)1510901000173813020028361955001610901000181520—292632050021911201000181720—30311405002381120100018311602003118202003201020100019295010003129280500335102010001916140500322940—4331150100019331040100033410401000437110010002031080100033191010100051118010002061100100033301405005341090100020219020034511801000611100100021201602003413902006201090100021249050034381020100011141105002224200—35311601000121314050022251352003524902001215702002321160500353697510001311110500242213520036351120100013341202002423160—363711101000141217050024358520037411101000142711020025222002003732405001512402002528175500373610601000151650—2625240—3821090100015186020026271705003817100200161560—271417020038341080100016171305002728110—1718120—282690500

注：表中通行能力為“—”表示這是支路交叉口左轉或直行聯接邊。

從表2可見，支路流量均小于其通行能力。而且從圖6中優化方案可以看到，支路路段上有的是直行，有的是雙向行駛；而在支路交叉口，右轉大部分是允許通行的，而禁左的情況非常普遍，介于中間的是禁直。

4 結 語

定義了交通微循環支路交叉口上各進口道左轉與直行車流的阻抗函數，其與該交叉口上所有進口道左轉與直行車流的總和有關。以最小化總的行駛時間為目標，考慮支路飽和度約束，及交通組織優化方案下的駕駛員路徑選擇行為，建立了雙層規劃模型來對微循環交通組織進行優化，包括確定路段上是單行還是雙向行駛，各支路交叉口的各進口道上是否施行禁直或禁左等。介紹了遺傳算法求解算法，并通過數值算例表明，通過模型優化可最終確定交通微循環網絡上交通組織形式，為城市交通微循環交通組織提供理論依據。

筆者考慮的是支路網絡為無信控交叉口的情形，如果是有信控的交叉口也一樣可以研究，此時在交叉口產生的延誤與信號配時有關，情況更為復雜一些。

[1] 李德慧, 劉小明. 城市交通微循環體系的研究[J].道路交通與安全,2005,5(4):17-19. LI Dehui, LIU Xiaoming. Research on urban transportation micro-circulation[J].RoadTraffic&Fafty,2005,5(4):17-19.

[2] 宋雪鴻. 城市交通微循環問題的解決策略及其應用研究[D]. 上海:同濟大學,2008. SONG Xuehong.SolutionStrategyandApplicationforUrbanTrafficMicro-CirculationProblem[D]. Shanghai: Tongji University, 2008.

[3] 史峰,黃恩厚,王英姿. 論城市道路微循環系統的功能特征[J]. 城市發展研究,2008,15(3):34-36. SHI Feng, HUANG Enhou, WANG Yingzi. Study on the functional characteristics of urban transportation micro-circulation system[J].UrbanStudies,2008,15(3):34-36.

[4] 史峰,王英姿,陳群.城市交通微循環網絡設計優化模型[J]. 同濟大學學報(自然科學版), 2011, 39(12): 1795-1799. SHI Feng, WANG Yingzi, CHEN Qun. Optimization model for traffic micro-circulation network design[J].JournalofTongjiUniversity(NaturalScience),2011,39(12):1795-1799.

[5] CHEN Qun, SHI Feng,WANG Wuhong. Model for micro-circulation transportation network design[J].MathematicalProblemsinEngineering,2012,28(1):60-66.

[6] SHI Feng, HUANG Enhou, CHEN Qun, et al. Optimization of one-way traffic organization of urban micro-circulation transportation network[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2009,9(4):30-35.

[7] 程琳, 王煒, 王京元. 城市道路網絡容量、交通規劃和交通管理[J]. 公路交通科技,2005,22(7):118-122. CHENG Lin, WANG Wei, WANG Jingyuan. Urban road network capacity, traffic planning and traffic management[J].JournalofHighwayandTransportationResearchandDevelopment,2005,22(7):118-122.

[8] GAO Ziyou, SONG Yifan. A reserve capacity model of optimal signal control with user-equilibrium route choice [J].TransportationResearchPartB:Methodological,2002,36(4):313-323.

[9] 謝輝, 于曉樺, 晏克非. 城市道路交通網絡系統容量評估模型[J]. 中國公路學報,2012,25(3):129-134. XIE Hui, YU Xiaohua, YAN Kefei. Evaluation model of urban road network system capacity[J].ChinaJournalofHighwayandTransport,2012,25(3):129-134.

[10] 裴鐘哲, 劉小明,丁健. 車輛導航系統中考慮單向行駛限制及轉向限制的路線優化算法[J]. 道路交通與安全,2003(4): 26-28. PEI Zhongzhe, LIU Xiaoming, DING Jian. Route optimization algorithms for one-way driving restriction and turning restriction in vehicle navigation system[J].RoadTraffic&Safety,2003(4):26-28.

[11] 陸化普. 交通規劃理論與方法[M]. 北京:清華大學出版社,1998. LU Huapu.TrafficPlanningTheoryandWays[M]. Beijing: Tsinghua Publishing House, 1998.

[12] 王小平, 曹立明. 遺傳算法——理論、應用與軟件實現[M]. 西安:西安交通大學出版社, 2002. WANG Xiaoping, CAO Liming.GeneticAlgorithm:Theory,ApplicationandSoftwareImplementation[M]. Xi’an: Xi’an Jiaotong University Press, 2002.

[13] 晏克非,陳群,文雅. 基于遺傳算法的停車誘導(PGIS)信息顯示設施定位優化研究[J].土木工程學報,2006,39(7):104-108. YAN Kefei, CHEN Qun, WEN Ya. Location of sign boards in a parking guidance information based on genetic algorithm[J].ChinaCivilEngineeringJournal,2006,39(7):104-108.

Organization Optimization for Micro-circulation Transportation of Urban Traffic

CHEN Qun, ZHAO Yu’nan, PAN Shuangli

(School of Traffic & Transportation Engineering, Central South University, Changsha 410075, Hunan, P.R.China)

The impedance functions for left-turning and going-straight vehicle flows at each entrance lane of the branch road intersections of micro-circulation transportation were defined, which were related to the amount of left-turning and going-straight vehicle flows at the intersection of each entrance lane. With the objective to minimize the total travel time of vehicles, the bi-level programming model was established for micro-circulation traffic organization optimization, considering the capacity constraint of branch roads and route choices of drivers under a given traffic organization optimization scheme. The solution scheme using genetic algorithm was introduced. In a numerical example, the traffic flow organization optimization scheme was obtained, and the effectiveness of the proposed model and algorithm was verified.

traffic and transportation engineering; urban traffic; micro-circulation transportation; bi-level programming; traffic organization

10.3969/j.issn.1674-0696.2016.03.23

2015-03-01；

2015-07-09

國家社會科學基金項目(13CGL001)

陳 群(1977—)，男，江西九江人，副教授，博士，主要從事交通運輸系統優化與管理方面的研究。E-mail: chenqun631@csu.edu.cn。

U491；U121

A

1674-0696(2016)03-110-05