基于差異性度量的城市高架出入口交通仿真研究

褚夢梅，鄔 嵐 （南京林業(yè)大學(xué) 汽車與交通工程學(xué)院，江蘇 南京 210037）

0 引言

高架路段的交通問題主要是交通阻塞，運行效率低下，高架進出口路段交通事故頻繁，同時造成燃料消耗增大、空氣污染加重等負面效應(yīng)。國內(nèi)外研究表明，出入口是導(dǎo)致?lián)矶碌闹饕騕1]，因此研究城市高架出入口段的交通特性對于高架擁堵治理和交通管理具有重要的指導(dǎo)和借鑒意義。交通系統(tǒng)是一個復(fù)雜的大系統(tǒng)，隨著計算機技術(shù)的迅速發(fā)展，通過計算機軟件技術(shù)和交通系統(tǒng)理論的結(jié)合，對于高架出入口交通運行情況的改進具有非常重要的意義。但是在研究時若采用默認值不能反映我國道路運行情況，通常會產(chǎn)生不可靠的結(jié)果[2]。因此，在使用這些軟件時，必須要對默認參數(shù)值根據(jù)具體情況進行調(diào)整，才能準(zhǔn)確反映我國交通系統(tǒng)的運行。

1 VISSIM仿真模型校正模型

1.1 尋優(yōu)算法的選擇

目前在微觀仿真校正的算法選取上，很多算法已經(jīng)被應(yīng)用。由于交通仿真參數(shù)校正的研究過程是一個多目標(biāo)多約束條件的離散尋優(yōu)，而遺傳算法正好符合這個尋優(yōu)特點。算法中并行搜索的方式能夠不需要求導(dǎo)和考慮函數(shù)連續(xù)性的限定，就對多個待校正參數(shù)解空間的編碼結(jié)構(gòu)進行快速、有效的全局優(yōu)化，其求解實質(zhì)是通過逐一改變相關(guān)變量數(shù)值的方法來解釋指標(biāo)受到這些因素影響大小的規(guī)律[3]。因此本文選取遺傳算法作為校正參數(shù)的尋優(yōu)算法。

1.2 評價指標(biāo)的確定

由于模型仿真和實際是無法直接對比的，因此在校正過程中是根據(jù)結(jié)果的評價與實際情況的差異進行對比研究的，這個差異就是仿真模型中的評價指標(biāo)。然而，對于微觀交通流仿真，基于單一數(shù)值對參數(shù)校正容易丟失大量信息。

另外，在模型校正過程中，由于很多的校正參數(shù)都影響了交通流的運行過程，如果僅僅考慮減少仿真模型與實際的差異，而不在意交通流的過程是不合理的。因此在仿真校正過程中不僅需要減少仿真模型和實際變量之間的差異，更需要檢查高架交通流運行的過程。流量速度圖形經(jīng)常被用來描述道路的運行能力，《道路通行能力手冊》 （HCM2000）將流量速度圖形分成三個部分：自由流、交通擁堵和排隊消散。基于流量速度圖形的校正過程，如果能夠提供這三個部分的交通流信息，就能夠代替整個交通行為的范圍[4]。因此，本文在校正中選取流量速度圖形進行實際與仿真的對比研究。

1.3 目標(biāo)函數(shù)的確定

在選取校正指標(biāo)的目標(biāo)函數(shù)時，基于宏觀變量的定量性目標(biāo)函數(shù)很少，一般都是采用微觀變量或者這些變量的組合進行微觀交通仿真校正的。其次，在校正過程中，使用傳統(tǒng)的參數(shù)數(shù)理統(tǒng)計的方法，例如應(yīng)用到一些直方圖或者柱狀圖等的統(tǒng)計方法，這種方法雖然簡潔明了，但當(dāng)數(shù)據(jù)差異顯著性不能由肉眼直接判斷出來時，很難得到可靠的結(jié)論，這樣會直接影響到校正的結(jié)果。

模式識別就是通過數(shù)學(xué)方法使用計算機模仿人類的識別能力，對事物進行辨認、區(qū)分和認識，基于人眼識別，但比人眼識別更精準(zhǔn)。如果將此概念借用到微觀交通仿真的校正中，即可以引用模式識別的方法利用計算機對實際和仿真得到的流量速度圖形的差異進行識別和對比，然后通過優(yōu)化參數(shù)值再仿真和再識別，不斷減小與實際的差異。因此本文的目標(biāo)函數(shù)，就是運用模式識別中的差異性度量的判別方法。本文的校正目標(biāo)函數(shù)是：

其中F是現(xiàn)場測得的數(shù)據(jù)形成的速度流量圖像，S是VISSIM仿真數(shù)據(jù)形成的速度流量圖像。目標(biāo)函數(shù)值Z越小，差異越小，表明與實際情況越相似。

2 仿真模型校正流程

在研究了國內(nèi)外學(xué)者們在微觀參數(shù)校正方面的理論成果，本文提出了高架出入口的微觀交通參數(shù)校正流程，主要有四個階段。第一個階段是進行高架出入口段的實地調(diào)查和數(shù)據(jù)采集，在VISSIM中建立高架出入口段的道路模型；第二個階段是在建模之后，進行參數(shù)的敏感性分析，得到對高架出入口段仿真結(jié)果影響較大的參數(shù)；第三階段是在選取待校正參數(shù)之后，根據(jù)仿真特性選擇合適的算法進行參數(shù)尋優(yōu)；第四階段是仿真的結(jié)果及評價，記錄速度、流量信息，在MATLAB中計算最優(yōu)參數(shù)組合對應(yīng)的目標(biāo)函數(shù)，分析目標(biāo)函數(shù)值是否符合要求，對校正結(jié)果進行評價分析。具體流程如圖1所示。

2.1 仿真模型的建立

（1）參數(shù)校正目標(biāo)的確定：為了模型的準(zhǔn)確性，對于校正參數(shù)尋優(yōu)過程中確定最優(yōu)解的標(biāo)準(zhǔn)，就是使得實際與校正結(jié)果的誤差盡可能最小。

（2）校核參數(shù)指標(biāo)的選擇：本文選取的是仿真與實際流量速度圖形的差異大小作為仿真校核指標(biāo)。

（3）實際數(shù)據(jù)采集選擇：對高架入口和出口進行交通調(diào)查，需要調(diào)查的數(shù)據(jù)包括道路基礎(chǔ)數(shù)據(jù)、交通控制情況和交通流數(shù)據(jù)。其中道路基礎(chǔ)數(shù)據(jù)包括車道數(shù)、車道寬度等；交通流數(shù)據(jù)包括高架出入口與地面的車流量、車輛類型和比例、車輛行駛速度等。通過視頻回看的方式，處理得到車輛的地點車速等數(shù)據(jù)。

（4）城市高架道路建模：根據(jù)實地交通調(diào)查得到的道路長度、寬度及渠化和交通信號控制等數(shù)據(jù)，進行高架道路的建模，并設(shè)置流量、車輛組成及限速控制等。

圖1 校正流程圖

2.2 校正參數(shù)的選取

（1）初始仿真運行評價：完成建模以后，按照調(diào)查所得數(shù)據(jù)，進行流量、信號控制等的輸入，所有參數(shù)按照默認值進行仿真運行。統(tǒng)計所得的結(jié)果，對仿真得到的流量、速度數(shù)據(jù)與實際進行對比分析。

（2）仿真種子的確定：改變隨機種子時，VISSIM中的隨機函數(shù)會獲得不同值順序，從而改變交通流，此時仿真路網(wǎng)中的車輛到達隨機波動。為了仿真結(jié)果更有說服力，在進行參數(shù)校正前，需要以不同隨機種子進行多次仿真運行，研究隨機種子對仿真結(jié)果影響的程度，其波動范圍可為敏感性分析提供參考。

（3）待校正參數(shù)的選取：確定校正指標(biāo)，在初始仿真運行評價的結(jié)果分析基礎(chǔ)上，對可能影響仿真結(jié)果的參數(shù)進行敏感性分析。選取高架入口車流量和車輛的平均速度作為敏感性分析時仿真評價分析的對比指標(biāo)，對不同參數(shù)分別取不同值，特別是最大、最小值進行仿真分析。選取對仿真結(jié)果影響較為顯著的參數(shù)。

2.3 參數(shù)校正

基于遺傳算法，本文參數(shù)校正的大致過程是：

（1）編碼：編碼采用二進制編碼，由0、1構(gòu)成固定字符串。總編碼長度為所要校正的參數(shù)的編碼長度的總和。

（2）初始種群的生成、編碼：遺傳算法所產(chǎn)生的初始種群，就是第一代群體優(yōu)化問題的初始解，通常用均勻分布的隨機數(shù)的方法來表示，這個隨機數(shù)可由MATLAB生成再得到初始解。

（3）適應(yīng)度函數(shù)的建立：遺傳算法中是通過對適應(yīng)度大小判斷每個個體的優(yōu)劣程度，看其是否達到了最優(yōu)解或者有利于找到最優(yōu)解。這個函數(shù)值越大，說明被遺傳到下一代的概率也越大，離最優(yōu)解越接近。

（4）復(fù)制、交叉、變異：遺傳算法是選擇當(dāng)前群體中適應(yīng)度值高的個體，按照某種規(guī)律遺傳到下一代。遺傳過程中采用的策略是隨機配對，也就是對這個群體中的所有個體隨機兩兩配對，再相互交換配對染色體間的部分基因。然后在迭代中按照較小的概率通過原有基因值取反進行改變，從而形成新的個體。

（5）結(jié)束：當(dāng)完成選擇、交叉、變異等操作以后，通過遺傳算法會得到最終的參數(shù)最優(yōu)排列組合及速度流量信息，通過解碼，得到微觀仿真的輸入?yún)?shù)。

3 實例應(yīng)用

3.1 交通調(diào)查與數(shù)據(jù)采集

本文以南京市玄武大道高架快速路為例，選取某段作為研究對象，分別進行實地調(diào)查。數(shù)據(jù)采集使用錄像法，采集時段工作日周三、周四、周五3天早高峰至晚高峰時間段，每天調(diào)查12個小時的車流量數(shù)據(jù)。調(diào)查統(tǒng)計得到的高架出入口段交通流量如表1所示。

表1 高架出入口段交通量調(diào)查統(tǒng)計表

3.2 仿真建模及校正結(jié)果分析

玄武高架快速路仿真模型如圖2所示：

圖2 玄武高架快速路仿真模型

針對高架快速路入口、出口交通特性、實地錄像調(diào)查及分析，分析到高架入口、出口的運行行為主要表現(xiàn)為跟馳行為及復(fù)雜的車道變換行為，結(jié)合車輛跟車Wiedemann74模型和車道變換模型中的主要參數(shù)（如表2所示），然后根據(jù)這些參數(shù)和其相關(guān)參數(shù)進行敏感性分析。

由敏感性分析可知，本文需要校正的參數(shù)有3個：安全距離的倍數(shù)部分、安全距離的附加部分及平均停車距離，遺傳算法總編碼長度設(shè)定為15，種群大小設(shè)定為10，迭代次數(shù)為40，總仿真時間14 400小時。對應(yīng)的參數(shù)校正結(jié)果如表3所示。校正完成后，實地測量數(shù)據(jù)與參數(shù)仿真后圖形對比如圖3所示。

3.3 高架出入口交通運行狀態(tài)分析

（1）入口通行能力評價

在交通流理論中，通行能力是最重要的變量。在《道路通行能力手冊》中，通行能力的定義是道路上某一點、某一車道或某一斷面處，單位時間內(nèi)可能通過的最大交通實體（車輛或行人）數(shù)。這個值是一個靜態(tài)值，但是實際通行能力是隨著交通環(huán)境、駕駛?cè)颂匦缘扔绊懸蛩刈兓摹Ｒ虼耍芯扛呒苋肟诘耐ㄐ心芰Γ绻軌蚩紤]其估計過程，會更有意義。通過仿真得到的高架入口通行能力估計過程如圖4所示。

按照我國現(xiàn)行規(guī)范，城市快速路理論通行能力為每條車道2 100pcu/h，則玄武大道快速路入口處通行能力為6 300pcu/h。根據(jù)圖4所示，仿真實際通行能力為5 376pcu/h。由圖4高架入口通行能力估計過程來看，當(dāng)未達到通行能力時隨著仿真輸入車輛的不斷增加，通過高架入口的車輛數(shù)也不斷增加；當(dāng)達到通行能力之后，隨著仿真輸入車輛的增加，通過高架入口的車輛數(shù)幾乎不變，通過量都保持在5 300、5 200pcu/h左右。但當(dāng)交通量再增加時，高架入口的通過量開始下降，圖中看降低到了4 994pcu/h。

表2 車輛跟車模型與車道變換模型中的主要參數(shù)

表3 參數(shù)校正前后參數(shù)取值及變化情況

圖3 默認參數(shù)和參數(shù)校正后分別與實際流量速度圖差異值對比

當(dāng)高架交通量超過通行能力時，高架入口進入的車輛數(shù)對應(yīng)的車輛平均速度變化情況如表4所示。

圖4 高架入口通行能力估計過程

由表4分析當(dāng)高架入口處交通量超過了實際的通行能力值5 376pcu/h時，入口處會發(fā)生車輛排隊現(xiàn)象，此時會發(fā)生交通擁堵。隨著交通量的增多，車輛的平均速度不斷降低。對比圖4，車輛在未達到實際通行能力時，車速大致在70km/h以上，但是一旦交通量增多，就會導(dǎo)致車速快速下降。當(dāng)交通量為6 000pcu/h時，車速為67.92km/h；當(dāng)交通量為7 000pcu/h時，車速降至61.02km/h，此時交通流運行效率很低。

表4 交通量超出通行能力時車輛平均速度變化表

（2）出口與地面銜接處交通運行狀態(tài)分析

城市道路常用的交通運行狀態(tài)評價參數(shù)一般有行程時間、速度、延誤和流量，根據(jù)實際情況，確定本文對出口與地面銜接段交通運行狀態(tài)評價主要從速度、行程時間和延誤、高峰時的車輛密度4個參數(shù)進行分析。

①車輛在高架出口處與銜接段內(nèi)的速度對比分析

由圖5可以分析得到，車輛從高架出口駛出時速度比較高，從早高峰到晚高峰時間段中，早晚高峰車速略低于平峰時的車速。在進入地面銜接段之后，由于路徑選擇換道開始降低速度，總體車速下降，比高架出口處車速平均下降了5～7km/h，平峰時刻銜接段的車輛速度最高可達到75km/h左右，在高峰時刻車輛速度在70左右，此時車輛的換道行為對交通流運行影響較大。

②行程時間與延誤對比分析

仿真中輸出的行程時間主要是指實際行程時間，即車輛通過檢測區(qū)段的起點至終點，而延誤時間是實際行程時間與理論行程時間的差值。仿真得到的車輛在12個小時內(nèi)的平均行程時間與平均延誤統(tǒng)計圖6所示。

圖5 高架出口處和出口與地面銜接段車輛速度對比圖

圖6 高架出口與地面銜接段車輛實際行程時間與平均延誤對比圖

在高架出口與地面銜接段中，由于前面的交叉口，車輛需要路徑選擇產(chǎn)生換道交織，從而導(dǎo)致車輛的行駛產(chǎn)生延誤。由圖6可以得到，車輛在玄武大道出口與地面銜接段行駛時產(chǎn)生的延誤最小為0.37s，最大為0.87s；平峰時，車輛的平均延誤較低，但在高峰時段銜接段車輛交織多，延誤增大，此刻交通流容易發(fā)生擁堵。

③高峰時車輛密度

根據(jù)VISSIM評價輸出結(jié)果，以車輛駛出高架出口位置開始，每10m距離統(tǒng)計車輛密度，統(tǒng)計結(jié)果如表5所示。其中0～80m路段為高架出口與地面銜接段，80～120之間為交叉口路段。

從表5可以分析出，高峰時刻玄武大道出口處與地面銜接段車輛密度較大，在接近交叉口時車輛密度最大達到101.05km/h，在高架出口處車輛密度最小為42.21，波動很明顯，這主要是因為在銜接段上游車輛開始進行路徑選擇，銜接段中下游內(nèi)車輛之間換道相互干擾比較明顯，造成道路擁堵。一旦車流經(jīng)過交叉口之后車輛密度開始減小。

通過以上對高架出口與地面銜接段的交通流分析，在平峰時，交通運行情況良好，但在高峰時刻，因為銜接段道路承受的交通量，即高架駛出的交通量與地面駛?cè)氲能嚵髁吭龃髸r，就會導(dǎo)致車流平均速度下降明顯，車流運行產(chǎn)生的延誤較大，容易出現(xiàn)交通擁堵。

4 結(jié)論

在城市快速發(fā)展的今天，高架作為快速疏散城市交通的基礎(chǔ)設(shè)施，對城市顯得尤為重要，因此對高架交通流的研究與管控時刻關(guān)乎著城市的發(fā)展。本文結(jié)合VISSIM對高架交通出入口模型進行了參數(shù)校正及高架出入口運行狀態(tài)的分析。主要有以下結(jié)論：

表5 高峰時高架出口與地面銜接段車輛密度統(tǒng)計

（1）通過敏感性分析得到了對模型仿真結(jié)果影響較大的參數(shù)，即安全距離的附加部分、安全距離的倍數(shù)部分和平均停車間距。確定了算法的目標(biāo)函數(shù)，并結(jié)合Excel VBA和MATLAB實現(xiàn)了自動校正過程。

（2）通過實例對玄武大道進行了建模仿真，對高架出入口現(xiàn)狀交通運行狀況進行了分析。研究得知玄武大道入口通行能力為5 376pcu/h，當(dāng)交通量達到入口通行能力之后，入口處就會發(fā)生擁堵，平均車速也會大大降低。出口與地面銜接段的交通運行中，得到了銜接段交織區(qū)與高架出口處的速度對比、車道交織換道產(chǎn)生的延誤對比和車道密度統(tǒng)計，得知在高峰時段高架出口與銜接段道路承受的交通量很大，就會導(dǎo)致車流平均速度下降明顯，車流運行產(chǎn)生的延誤較大，容易出現(xiàn)交通擁堵。