高速公路交通事件評級機制研究

陳元元， 杜世貝， 馮松寶*， 葛大鵬， 鞏舜妹

(1.宿州學院 資源與土木工程學院， 安徽 宿州 234000； 2.浙江高信技術(shù)股份有限公司， 浙江 杭州 310016； 3.安徽省交通規(guī)劃設計研究院， 安徽 合肥 230000)

高速公路是我國道路交通運輸?shù)闹饕绞街唬瑢?jīng)濟的發(fā)展起著重要作用。當高速某路網(wǎng)范圍內(nèi)發(fā)生多起交通事件時，管理部門需從事件交通影響程度的角度掌握情況，對事件關(guān)聯(lián)路段進行流量管控與疏導，以避免擁堵的發(fā)生及擴散。因此，根據(jù)交通事件的影響程度對其進行等級劃分，以指導制定相應的應急疏導方案是非常有必要的。

現(xiàn)有交通事件的研究集中在交通事件的成因及影響分析上，采用的方法主要有排隊論和交通波理論。有學者對不同交通狀況下交通事件的延誤做了分析，提出了基于交通波理論的交通事件延誤計算方法[1]；有學者在對交通事件的影響分析中，利用交通波理論進行定性分析[2]。在交通事件等級劃分方面，現(xiàn)有研究主要從交通安全的角度，圍繞交通事故造成人員傷亡或車輛損壞程度展開[3]，也有學者從高速公路運營管理的角度出發(fā)，研究高速公路交通事件處置等級劃分[4]。

目前，交通事件對交通流影響程度(如排隊擴散速度)的等級劃分方法研究較少。本文從高速公路事件對交通運行影響程度的角度進行研究，分析交通事件影響等級劃分的影響因素，建立合理的事件影響等級劃分指標及機制，用于指導高速公路道路交通管理部門，對不同交通事件影響等級做出合理的響應和資源配置，從而實現(xiàn)事件影響的分級管理，提高高速公路應急管理水平。

1 高速公路事件分析

1.1 交通事件類型分析

高速公路交通事件類型較多，可根據(jù)不同標準對其進行劃分，如事件類別、事件的持續(xù)時間、事件的影響車道數(shù)等。其中，不同事件類別又包括施工占道、交通事故等。選取2019年浙江省內(nèi)部分高速公路主線的事件類型進行了統(tǒng)計分析，所有事件數(shù)據(jù)中，交通追尾事故占比最高，約為58.25%，事件類型統(tǒng)計如圖1所示。

圖1 事件類型統(tǒng)計

高速公路交通事件對車道的占用可以分為占用硬路肩、部分行車道被占用、全部車道被占用。對浙江省內(nèi)部分高速公路主線2019年發(fā)生的追尾事故進行統(tǒng)計，87.2%的事故對道路的影響為占用部分車道。對部分車道被占用的情況進行了統(tǒng)計，追尾事故中占用一個行車道的情況占比約為64%；僅占用硬路肩的事故占比約為30%；占據(jù)兩個和三個行車道的情況占比分別為6%和0.2%。針對主線各個車道占用情況，統(tǒng)計結(jié)果為硬路肩、一車道(最內(nèi)側(cè)車道)、二車道、三車道、四車道的占用情況分別為33.6%、44.9%、16.3%、2.8%、2.5%，所有追尾事故中硬路肩和一車道的占用率最高，事件占用車道數(shù)統(tǒng)計如圖2所示。

圖2 事件占用車道數(shù)統(tǒng)計

1.2 事件交通影響程度時空因素分析

當高速公路發(fā)生交通事件時，事件對交通運行影響的程度主要取決于事件持續(xù)時間、上游實際交通需求、通行能力變化等因素。交通事件持續(xù)時間主要包括：事件發(fā)現(xiàn)、事件響應、事件處置3個部分，如圖3所示。交通事件持續(xù)時間越長，事件的影響程度越嚴重。

圖3 事件持續(xù)時間

根據(jù)“Rubbernecking”效應[5]，即使不發(fā)生車道占用也可能導致通行能力下降，其主要原因是駕駛員因受事件影響而發(fā)生的換道和減速行為。因此，當事件僅占用硬路肩時也會對理論通行能力產(chǎn)生一定的影響；當事件占用行車道時，隨著事件占用車道數(shù)的增加，通行能力會加速下降。上游實際需求越大，事件的交通運行影響程度越嚴重。

2 事件交通影響評級機制

2.1 交通事件嚴重程度評級流程

假定高速公路某路段的通行能力為Q，當前道路的實際交通量為βQ(0<β<1)，交通事件場景分析如圖4所示。若路段某處發(fā)生了交通事件，導致路段實際通行能力減小形成了瓶頸區(qū)，其分割斷面為A、B，導致受影響的區(qū)段通行能力減小，變?yōu)棣罳(0<α<1)。當αQ<βQ時，即上游交通需求小于事件導致的剩余通行能力時，則造成路段擁堵及排隊。

圖4 交通事件場景分析

根據(jù)對交通事件影響程度的因素分析，造成的排隊長度演變情況主要由事件延誤時間、上游交通需求和占用車道數(shù)(或剩余通行能力)共同決定。本研究以排隊長度的變化作為判斷依據(jù)對事件的嚴重程度進行評級，將事件的交通影響程度分為4個等級。

一級：基本無影響。事件一般占用硬路肩或發(fā)生于交通需求較小的路段，對實際交通運行影響較小，不會造成排隊，路段交通運行系統(tǒng)處于穩(wěn)定狀態(tài)。

二級：輕度影響。事件發(fā)生時占用行車道，但僅造成小范圍的交通運行紊亂，排隊長度增速較小，路段交通運行系統(tǒng)處于基本穩(wěn)定狀態(tài)。

三級：中度影響。事件發(fā)生時占用行車道，排隊長度逐漸增加，事件的影響已經(jīng)突破了交通運行系統(tǒng)的自我調(diào)節(jié)范圍，需要采取一定的事件管控措施。

四級：重度影響。事件發(fā)生時占用多條行車道或上游交通需求較大，排隊長度迅速增加，需要采取一些嚴格的管控措施，擁堵恢復時間較長。

事件影響的評級流程：首先，對上游交通需求和剩余通行能力進行分析；其次，基于上游交通需求和剩余通行能力分析結(jié)果，建立延誤時長和排隊長度的預測計算模型；最后，基于預測計算得到的延誤時長和排隊長度，對交通事件的影響進行評級。事件影響評級機制與流程如圖5所示。

圖5 事件影響評級機制與流程

2.2 基于排隊論的事件評級方法

交通事件發(fā)生后，需對事件發(fā)生路段通行能力和上游交通需求進行標定，基于排隊論方法對事件造成的排隊長度演變進行預測。

2.2.1 通行能力與交通需求標定

美國《道路通行能力手冊HCM2000》中道路剩余通行能力的建議值為剩余與原始道路通行能力的比值[6-7]，如表1所示。實際計算時可對其進行修正，依據(jù)高速公路的實時狀況對剩余通行能力參數(shù)進行標定。

事件發(fā)生后的上游交通需求可通過對將到達事件發(fā)生位置的車流量進行預測獲得。近年來，機器學習算法的引入大大提升了路徑流量的預測精度，常用的機器學習預測模型包括XGBoost、GBDT、LSTM、SAEs等[8-10]。將預測的交通需求(即預期抵達事件發(fā)生路段的小時車流量)作為排隊分析的輸入，對事件的嚴重程度進行評級。

2.2.2 基于排隊擴散速度的事件評級

對交通事件造成的排隊及延誤的分析最常用的是排隊論方法[11-12]。基于排隊論的排隊長度分析如圖6所示，qa(t)表示事件發(fā)生后時段t內(nèi)的單位時間交通需求量；qb表示事件發(fā)生后的路段剩余通行能力；qc表示事件清理后的道路通行能力。

圖6 基于排隊論的排隊長度分析

事件發(fā)生后T個單位時間后，理論上事件造成的排隊長度(排隊車輛數(shù))L(T)可由如下公式計算：

(1)

式中：TX表示從事件發(fā)生到事件清理完成后的總時間。由于在實際應用中，事件的響應及清理時間未知，本研究以事件未被清理前(即t≤TX)的排隊擴散速度為事件評級的參考指標。排隊長度的平均擴散速度W(即排隊長度單位時間內(nèi)的增加或減少量的平均值)的計算公式：

W=L(T)/T

(2)

事件評級指標標準如表2所示。提出一種基于排隊長度擴散速度的事件評級方法，排隊擴散速度閾值(即W1、W2、W3)可由歷史數(shù)據(jù)進行標定。在實際應用中，可從歷史事件數(shù)據(jù)庫中，選取前5%(或10%)嚴重程度的交通事件，運用排隊論方法計算此類事件發(fā)生后15 min(或30 min)的平均排隊擴散速度Wm，以Wm為基準，分別確定W1、W2、W3的經(jīng)驗值(例如W3=0.8Wm)。

表2 事件評級指標標準示例

3 仿真分析

3.1 仿真場景介紹

為進一步驗證事件評級機制的有效性，利用微觀交通仿真軟件SUMO進行了不同情境下的交通事件仿真建模分析。SUMO作為常用的開源仿真軟件，被運用于多項交通研究中[13-14]。仿真輸入?yún)?shù)如表3所示，本文選取4車道高速公路為仿真場景路網(wǎng)結(jié)構(gòu)。仿真場景相關(guān)參數(shù)設置：道路限速設置為120 km/h，車型及比例設置為小車85%、中型車5%、大型車10%，道路限行設置為禁止大型車內(nèi)側(cè)兩車道行駛。仿真中車輛的跟馳及換道行為，選擇SUMO中默認的Krauss和LC2013模型。

對最常見的兩類交通事件(即事件造成1、2車道無法正常使用)進行分析，可以得到事件發(fā)生后0～30 min的排隊長度擴散速度(基于SUMO中返回排隊過程中隊尾車輛與事件發(fā)生點間的距離計算得到)。

表3 仿真輸入?yún)?shù)

3.2 仿真案例分析

對兩類事件造成的排隊長度隨時間的演變情況進行分析，結(jié)果如圖7所示。同一類型事件，造成排隊擴散的嚴重程度與上游交通需求有關(guān)，交通需求越大，排隊擴散速度越快；相同交通需求下，事件占用車道數(shù)越多，排隊的擴散速度則越快。

(a) 占用一個車道 (b) 占用兩個車道

為進一步量化擁堵傳播速度與交通需求的關(guān)系，對多次重復仿真的排隊長度結(jié)果進行分析，對得到排隊長度擴散速度均值與交通需求的關(guān)系進行線性回歸擬合，結(jié)果如圖8所示。交通事件占用一個車道和兩個車道時，排隊擴散的最大速度(即Wm)分別為5.96 km/h和9.89 km/h。

(a)占用一個車道 (b)占用兩個車道

以占用一個車道的事件為例，當交通流量約在2 800 輛/h以下時，道路的擁堵排隊長度基本不變，較為穩(wěn)定，排隊擴散速度為1 km/h以下；當交通流量約在4 000 輛/h以下時，道路的擁堵排隊長度增長較為緩慢，排隊擴散速度為1.7 km/h；當交通流量在5 400 輛/h以下時，道路的擁堵排隊長度增長較為迅速，排隊擴散速度大于。因此，針對占用一個車道的事件，可采用W1=1.00 km/h、W2=3.12 km/h、W3=4.00 km/h為評級的排隊擴散速度閾值。同理得到事件占用兩個車道時的擴散速度評級閾值。不同交通需求下兩類交通事件的評級結(jié)果如表4所示，在實際應用中，考慮到現(xiàn)實環(huán)境與仿真環(huán)境的差異性，仿真結(jié)果僅作為閾值標定的參考。

表4 四車道流量與事件等級對應關(guān)系 單位:輛/h

4 結(jié) 語

基于事件發(fā)生后道路交通的排隊擴散速度，建立了高速公路事件嚴重程度的評級機制。首先，提出了一種基于排隊論的交通事件排隊擴散速度預測方法，輸入數(shù)據(jù)來源于高速公路管理中通行能力和交通流量需求分析的結(jié)果，具備一定的實用性。其次，基于SUMO仿真分析驗證了該評級機制在不同高速場景下的應用效果，包括不同的交通流量和事件占用車道數(shù)(或通行能力)場景下的效果,能夠應用于未來高速公路事件檢測系統(tǒng)，有助于提高道路交通運營管理水平，輔助交通管理者針對不同的事件嚴重程度，及時合理地采取相應的事件應急處置預案，從而提高道路的通行效率。