微型车对城市交通小区影响仿真分析

穆 蕊,山本俊行

(名古屋大学a.工学研究科；b.EcoTopia科学研究所,名古屋4648603,日本)

微型车对城市交通小区影响仿真分析

穆 蕊a,山本俊行*b

(名古屋大学a.工学研究科；b.EcoTopia科学研究所,名古屋4648603,日本)

通过VISSIM进行微观仿真,研究微型车的加入对环境和城市交通小区网络的影响.首先根据实际路网在VISSIM中创建对象,建立基础仿真模型并完成校对.然后针对微型车期望速度作三种假设,并设定不同微型车比率.最后仿真计算网络交通功率总输出作为车辆尾气排放计算参考,网络总旅行时间、平均速度、延误时间作为网络表现参数.结果表明,低微型车期望车速和高比率导致更少尾气排放.当微型车期望车速等于或微小于普通小汽车期望速度时,高微型车比率更加缓解交通;但当其期望车速接近网络平均车速时,高微型车比率对交通网络有更消极影响.

城市交通;微型车;微观仿真;环境负担;交通网络;VISSIM

1 引 言

近年来,汽车领域正迎来转换式变革[1].许多逐渐浮现的交通问题威胁到传统汽车的地位,如燃料价格上涨,减少碳排放的立法,以及其他与气候变化、交通拥堵和停车限制等相关问题,因此微型车(后文简称微车)概念再次出现.2010年巴黎车展和2011年日内瓦车展展出超过30辆微车模型.日本国土交通省于2012年6月提出一份报告,预计微车将成为一种日常出行工具.报告根据日本自身情况分析微车的特点,并总结应在微车广泛应用前进行各种实验研究.

不同国家对微车有不同定义,本研究中定义为长度小于3 m,重量轻,通常有两个座位(包括驾驶座).其尺寸小于日本的轻汽车,并远小于美国的小型车.

微车的最高速度通常比传统汽车低,因此其路径选择行为不同于传统小汽车(后文简称小汽车).随着微车日益普及,有必要探讨其对交通流,交通安全,环境等的影响.本研究的目的是分析微车对城市道路交通及交通排放的影响.

对于实施此类调查研究一般有两种方法:实验和模拟.模拟作为实验的替代选择,是一种针对难以执行实验的复杂及预期性假设方法.本研究中,实验方法不可能完成,因微车在路网中的百分比是不可控因素,并且所需数据也难以获得.因此,本研究最终选择模拟,即仿真实现调查.

VISSIM是基于微观层面的一个仿真包,它使用心理—生理跟车模型并模拟非常逼真的驾驶行为.它提供包含许多参数的复杂模型.因此,本研究选择VISSIM作为仿真工具.

本文的其余部分安排如下:第2节回顾以往针对微车的讨论研究以及一些使用VISSIM建立仿真模型并进行各种交通运输分析的研究.第3节概述本研究中基础模型的开发,验证和校准过程.第4节介绍了针对微车的期望行驶车速设定的三组仿真方案.第5节分析比较在微车各种期望车速与比率假设条件下,仿真计算所得交通小区(如第3节所述)交通需求所需总功率,以此作为计算交通排放的参考.第6节讨论分析微车的加入对交通网络表现的影响.第7节总结本研究成果,并展望下一步研究.

2 文献综述

微车比传统汽车更小更轻.这些物理特征会引起担忧:其小尺寸和低速度将从微观交通流,宏观流动性,安全性等多方面影响交通.以往曾有一些研究讨论汽车大小与行车安全的关系.Evans[2]通过调查实际数据,分析了每单位距离行程发生车祸数与车辆重量的关系.他发现在同龄驾驶员中,事故发生率随车辆重量增加而升高.Sparrow和Whitford[3]简短回顾了小型车在美国的法规史,并针对微车进行了全球市场分析,还讨论了小型车或微车的安全问题.其结论是小型车或微车不应只因其小尺寸而被认为会严重影响交通安全.上述两项研究其一是历史统计事故数据分析,另一项则是基于历史数据的全面政策分析.穆蕊等在之前一项研究中从拥堵角度分析引入微车后对交通流的影响[4],证明了微车将在一定程度上缓解交通拥堵.穆蕊等还分别计算了在不同交通密度和微车比率条件下,一条高速路段和一条在中间设有信号灯的城市主干路段上单位时间内车辆消耗总功率[5],并根据计算结果分析了微车的加入对环境的影响.这两项研究仅针对加入微车的路段进行预测分析,目前仍缺乏交通网络层面的研究.因此,本研究对含有微车的城市交通小区进行模拟,并完成交通网络层面微车的影响分析.

VISSIM仿真包已经被用于许多交通运输相关的研究项目.其中有些是与多车辆种类有关的,但到现在为止,很少有研究带有微车的混合交通.本文的研究目标也是多车辆种类交通,因此在此回顾与利用VISSIM进行多车辆种类交通模拟的相关研究.Matsuhashi等利用VISSIM和图像处理技术对在越南胡志明市,由摩托车,小汽车,公共汽车,自行车等组成的交通进行模拟,并评估此多车辆种类的交通状况[6].另一项研究中,VISSIM被用以仿真验证增加公交出行比率所带来效益.Velmurgan等利用VISSIM研究自由速度曲线,并计算不同车辆类型在多种多车道高速公路中的速度流量关系方程[7].Bains等通过使用VISSIM模拟印度高速公路的交通流,计算不同交通流量下不同车辆类别的乘用车当量(PCE)[8].

还有许多其他应用VISSIM模拟假设交通情况而进行政策分析、影响评估的研究.其中,在Zhang等进行的一项研究中[9],为评估合乘专用车道(HOT)的运行与表现,运用VISSIM仿真了一个基于反馈的收费算法.

也有对VISSIM有效性进行验证的相关研究. Fellendorf和Vortisch指出了对于微观和宏观层面的非均匀交通流,验证VISSIM微观交通流仿真模型的可能性[10].Park和Schneeberger提出一个校准和验证微观仿真模型的方法和流程[11].

本项研究是一个利用VISSIM模拟含有微车交通流的先端研究.它也是对微车混合在城市交通小区中的第一次尝试,考虑了微车的小尺寸,不同路径选择行为,以及可能存在的较低最高车速限制.

3 仿真模型

3.1 模型的建立

本项研究选择的城市交通小区网络为东京市中心以西的吉祥寺—三鹰区域.它东西延伸约2 km,南北约1 km(图1),共138条路段和57个节点.

数据收集是进行仿真的首要步骤,然后是对与仿真有关的数据进行处理和分析.Horiguchi等,于1996年10月30日早高峰时间段(上午7:00-10:00)在本选定网络进行了交通调查,并建立一个共享数据集[12].这次调查观察了70条路段流量,共记录16 043条车辆行驶轨迹.经过数据提取,上午7:50-10:00被认为有效时间间隔,最终此时间段每10 min路段流量和OD交通量(共有26个OD点)被推算出.选择此网络不仅因为它拥有相对完整的共享数据集,还因为其中一些OD对存在替代路径.

本研究选择2012丰田凯美瑞作为小汽车的代表,选择2012 Smart For-Two作为微车的代表. VISSIM中的交通流模型包含了一个为车辆纵向运动设定的生理—心理跟车模型和一个为车辆横向运动设定的以一系列规则为基础的算法.它以Wiedemann连续发表的论著为理论基础[13,14].

图1 吉祥寺—三鹰区域Fig.1 Kichijoji-Mitaka area of western Tokyo

在微观仿真中,能够切实反映实际情形的模型被定义为“基础模型”.本研究将每10 min间隔的OD交通量作为该路网动态交通分配的输入数据.在基础模型经过验证后,可以基于它建立一个或多个新模型,在新模型中可以有研究针对性地设置和比较各种方案和设计.建立基础模型可概括为以下四个步骤:

(1)建立基础路网；

(2)定义模型参数；

(3)校准路网；

(4)验证模型.

3.2 模型的校准和验证

本研究中校准的主要工作是调整用户界面的仿真参数,直至验证误差达到一个可接受水平.这里验证的主要工作是通过线性拟合,比较所有模拟和观测的每10 min内70条路段的交通量.线性拟合所用的点中,横轴坐标是观察得到的路段流量,纵轴坐标是仿真得到的路段流量.线性拟合的误差被作为模型验证的衡量标准.校准和验证过程通过反复试验的方法同时完成.若验证中的误差满足设定水平,校准和验证程序完成；若否,则该过程继续,在根据误差调整原有参数值后再次进行仿真,如此反复.

模型中共有12个校准参数.在为校准和验证所进行的仿真中,输出结果为从70个探测器(被放置在与交通小区实地观测时相同路段)测得的交通流量,速度和密度.

经过多次试验,模拟的流量误差减小到设定水平.图2中,线性拟合的高度相关性证明了被验证模型的准确性.拟合的斜率是0.990,标准误差0.016,与斜率为1的差异t值0.625,证明与函数Y=X无显著差异.拟合的截距是2.56,标准误差1.37,与0截距的差异t值1.87,这也证明与Y=X无显著性差异.另外,线性拟合的相关系数为0.895,线性拟合结果可信,均方根误差为13.25 veh/10min.这些结果表明,该验证后的模型能够高精度地再现实际交通.

图2 观察流量与仿真流量关系Fig.2 Correlation of throughput volumes

3.3 校准后的参数

校准和验证过程最终确定了基础模型中设置的所有参数.期望车速分布为48 km/h-58km/h.由于参数众多,在此仅列举几个.在Wiedemann74模型中,平均停车间距(两停止车辆之间的期望距离)和安全距离的附加部分(一个以加法方式影响安全距离计算的参数)都是2 m和安全距离的倍数部分(一个以倍数方式影响安全距离计算的参数)为3 m.两车之间的安全距离d,使用式(1)和式(2)计算:式中 v是车辆速度,m/s；z是介于[0,1]之间的数值,是以0.5为平均值的标准正态分布,标准差为0.15.

4 仿真方案

微车的最大设计速度约60 km/h,其较低的车速可能导致其他车辆更为频繁的变换车道,并影响周围其他车辆司机的路径选择行为.本研究的模拟中视期望速度为最重要参数,为微车的期望速度设定三种方案,进而执行了3个系列的仿真.在所有方案中,小汽车始终保持48-58 km/h的期望车速,而微车的期望车速在方案1,2,3中分别被设定为48-58 km/h,40-45 km/h,25-30 km/h.在之前的路段研究中,由于他们较轻的车重,相同速度下微车比小汽车使用较少能量[5].由此可知,微车消耗更少的燃料,有更低的旅行费用.由于这些原因,在仿真模型中为微车设定低于小汽车的单位距离旅行费用.

按照上述三个方案进行仿真.在每个方案中都设定不同微车比率,方案1中微车比率取值范围为0-100%,以10%为增长单位；而方案2和方案3中微车比率为10%-30%,以10%为增长单位.

5 环境影响分析

车辆瞬时功率输出等于车重乘以VSP,其中VSP定义为单位车重的瞬时功率,它是MOVES的一个核心参数[15].Xu等人通过实验获得二氧化碳排放量和VSP之间的关系[16].他们发现二氧化碳排放量在VSP低于0 kw/t时非常低并保持一个近似恒定值,但在VSP高于0 kw/t时与VSP呈近似线性关系.根据此研究,本研究假设VSP低于0 kw/t时排放为0,高于0 kw/t时与VSP呈线性关系.在过去运用VSP计算排放的研究中,所有的车辆重量相差不大,但在本研究中两种车辆的重量相差较大(丰田凯美瑞车重是Smart For-Two的近两倍).因而在这里使用瞬时功率输出P(式5)代替VSP计算排放.最终将所有车辆每一个更新时间步(0.5 s)中瞬时功率输出为正的数值相加得到一个总和,以此作为所有车辆排放计算的参考.VSP根据Jimenez-Palacios提出的式(3)计算.

式中 VSP是单位车重的瞬时功率,kw/t；v和a是车辆速度和加速度,m/s和m/s2；ε是解释转动质量的质量因子,设定为0.1；g是重力加速度,9.8 m/s2；grade是道路坡度,这里假定为0；CR是车胎滚动阻力,因不同车胎种类其取值范围为0.008-0.013,在这里假定为0.013；ρ是周围空气密度,设定为1.207 kg/m3(在20℃或68℉温度下)；CD是空气阻力系数,假定为0.3；AF是车头迎风面积(通过式(4)计算),m2；m是车重,t.

式中 H是车辆高度,m；GC是最小离地间隙,m；W是车辆宽度,m.

式中 P是车辆瞬时功率输出.

使用以上参数设置,我们得到计算小汽车瞬时功率输出式(6)和微车瞬时功率输出式(7).

以上三个仿真方案的环境影响分析如图3所示.结果表明,当微车期望速度较低并且其在交通中比率较大时,交通小区的整体交通需求所需能量较少.在方案1和方案2中,所需能量的减少量较少,这归因于微车的期望速度较接近小汽车.当微车比率为0.3,且其期望速度为25-30 km/h时,所需能量减少值达到最大,比没有微车的交通约减少25%.因此,如果通过计算交通小区交通需求的正功率输出总和,推算总排放量,我们可以总结,引入微车为交通小区整体带来更高的燃料效率.

图3 不同方案总正输出功率变化百分比Fig.3 Percentage change in total positive power outputfor different proportions of micro-cars

6 交通网络表现分析

网络表现评价的仿真输出了一系列参数.选择旅行时间,平均速度和延迟时间进行分析.图4揭示了微车对交通网络运行的积极作用:在方案1中当微车期望车速与小汽车相同时,网络总旅行时间随着微车比率的增加而减少.

图4 方案1中不同微车比率网络旅行时间Fig.4 Total network travel time by micro-car ratio for Assumption 1

由于设定微车单位行驶距离费用低于小汽车,因此微车倾向于选择较长路径,导致出行时间延长；但同时也减少较短路径交通量,因而缓解较短路径交通；此外,微车的小尺寸也会为通行提供更多空间,这三个影响因素最终达到平衡.仿真结果表明,当微车与小汽车期望速度都为48-58 km/h时,微车的加入减少了网络总旅行时间.图5进一步说明网络平均速度随微车比率的增加而从24.4 km/h增加至26.7 km/h.

图5 不同微车比率平均速度Fig.5 Average network speed by micro-car ratio for Assumption 1

图6 不同方案总旅行时间变化百分比Fig.6 Percentage change in total network traveltime by micro-car ratio

图7 不同方案平均速度变化百分比Fig.7 Percentage change in average network speed by micro-car ratio

图6-图8显示不同方案中评价网络表现的不同参数百分比变化.在每个方案中,仿真结果根据微车比例的不同而各异.当微车期望速度为48-58 km/h或40-45 km/h时,交通中更多微车会使网络总旅行时间减少；而当其期望速度为25-30 km/h时,会带来相反效果.根据以上可以推断,当微车期望速度比小汽车稍低且仍远大于基础模型中的平均速度时,它们会缓解交通,并且其比率越大缓解程度越高.

图8 不同方案总延迟时间变化百分比Fig.8 Percentage change in total network delay by micro-car ratio

表1中,方案1网络平均速度随着微车的加入而增高,且微车比率越高,网络平均速度提高越大.这可归因于前面所述微车的小尺寸,以及其不同路径选择行为所带来的积极作用.方案2中,网络平均速度依然随着更多微车的引入而增高,这表明微车的尺寸小及其不同路径选择行为的所产生积极作用仍大于路径选择行为所带来消极作用(更长行驶距离).由于微车期望速度的降低,方案2中所有相同条件下的平均速度皆低于方案1中相应数值.方案3中,由于微车期望速度远低于小汽车,所有值随微车比率的上升而降低.

表1 不同方案中平均速度Table 1 Average speed of conventional cars and micro-carsunder the three assumptions

7 研究结论

微车已面世超过60年,并在过去的几十年中数度流行.未来几年将因其尺寸小、方便停车、高燃油率及其他优点而掀起新一度流行.为了解微车对城市交通小区环境和拥堵方面的影响,使用VISSIM完成了一系列微观仿真.最终得到以下结论.

(1)在环境影响分析中,其评价标准是总出行需求的功率输出.结果表明,更高比率微车和更低微车期望速度导致更少功率输出,从而减少排放,提高燃油效率.

(2)在出行效率分析中,当微车期望速度为48 -58 km/h和40-45 km/h时,其引入降低网络总出行时间.当两种车型具有相同期望速度时网络总出行时间降低更多.当微车期望速度为25-30 km/h时,网络总行程时间随微车比率增长而增加.这意味着限制微车速度低于30 km/h不是明智的选择.

(3)从环境和出行效率这两个角度分析,针对微车期望速度得到了相反的结果.作为权衡,建议设定微车期望速度为40-45 km/h.若如此,微车导致更高的网络燃油效率,同时保证不增加网络总旅行时间.

在今后的研究中,利用新技术和分析方法讨论微车所产生的一系列安全问题非常重要.从城市层面分析,将微车作为一种选择在大都市范围内进行流量分配也非常有必要.

[1] Mitchell W J,Borroni-Bird C,Burns L D.Reinventing the automobile:Personal urban mobility for the 21st Century[M].Cambridge:The MIT Press,2010.

[2] Evans L.Accident involvement rate and car size[J]. Accident Analysis&Prevention,1984,17(5): 409-418.

[3] Sparrow F T,Whitford R K.The coming mini/micro car crisis:Doweneedanewdefinition[J]. Transportation Research Part A:General,1984,18 (4):289-303.

[4] Mu R,Yamamoto T.An analysis on mixed traffic flow of conventional passenger cars and microcars using a cellular automata model[J].Procedia-Social and Behavioral Sciences,2012,43:457-465.

[5] Mu R,Yamamoto T.Analysis of the safety and environmental effects of introducing microcars into traffic flows[C]//Proc.92nd Annual Meeting of TransportationResearchBoard,WashingtonD. C.,2013.

[6] Matsuhashi N,Hyodo T,Takahashi Y.Image processing analysis of motorcycle oriented mixed traffic flow in Vietnam[C].Proceedings of the Eastern Asia Society for Transportation Studies,2005.

[7] Velmurugan S,Madhu E,Ravinder K,et al.Critical evaluation of roadway capacity of multi-lane high speed corridors under heterogeneous traffic conditions through traditional and microscopic simulation models[J]. Journal oftheIndianRoadsCongress,October-December,2010.

[8] Bains M S,Ponnu B,Arkatkar S S.Modeling of traffic flow on Indian expressways using simulation technique[J].Procedia-Social and Behavioral Sciences, 2012,43:475-493.

[9] Zhang G,Wang Y,Wei H,et al.A feedback-based dynamic tolling algorithm for high-occupancy toll lane operations[J].TransportationResearchRecord: Journal of the Transportation Research Board,2008, 2065:54-63.

[10] Fellendorf M,Vortisch P.Validation of the microscopic traffic flow model VISSIMin differentreal-world situations[C]//Proc.80thAnnualMeetingof TransportationResearchBoard,WashingtonD. C.,2001.

[11] Park,Schneeberger.Microscopic simulation model calibration and validation:Case study of VISSIM simulation model for a coordinated actuated signal system[J].Transportation Research Record:Journal of the Transportation Research Board,2003,1856: 185-192.

[12] Horiguchi R,Yoshii T,Akahane H,et al.A benchmark data setforvalidityevaluationofroadnetwork simulation models[C]//Proc.5th World Congress on Intelligent Transport Systems,Seoul,1998.

[13] Wiedermann R,Simulation des Stra β enverkehrsflusses. Schriftenreihe des Instituts für Verkehrswesen der Universität Karlsruhe[M].Heft 8,Germany,1974.

[14] Wiedemann R,Vortisch P.Einfluβ von verkehrssituation undverkehrsregelungaufdasfahrverhaltenauf bundesautobahnen[R].Research report BASt 2.9362 of the German Highway Agengy(BASt),Bergisch Gladbach,Germany,May,1994.

[15] Koupal J,Michaels H,Cumberworth M,et al.EPA's plan formoves:Acomprehensivemobilesource emissions model[C]//Proc.12th CRC On-Road Vehicle Emissions Workshop,San Diego,2002.

[16] Xu Y,Yu L,Song G,et al.VSP-Bin division for light-duty vehicles oriented to carbon dioxide[J]. ActaScientiaeCircumstantiae,2010,30(7): 1358-1365.

Analysis of Micro-cars'Influence on Traffic Network Using a Microscopic Simulator

MU Ruia,YAMAMOTO Toshiyukib
(a.Department of Civil Engineering；b.EcoTopia Science Institute,Nagoya University,Nagoya 4648603,Japan)

The environmental effects and network performance of mixed traffic,consisting of micro-cars and conventional cars,on a small network are investigated using microscopic simulations.After calibrating the simulation model,the effects of three assumptions concerning micro-car speeds are investigated using the model.First,the parameters needed for network performance evaluation are determined iteratively.The power required to meet total travel demand is then computed to predict emissions.A higher ratio of microcars in the traffic reduces emissions,as does a lower micro-car speed.To investigate travel efficiency,the main parameters used are average speed,total travel time and total delay time.The results suggest that a higher ratio of micro-cars has a positive effect on the network when their speed is the same as or a slightly lower than that of conventional cars,while a higher ratio of micro-cars has a negative effect when their speed is close to the average traffic speed of the base model.To obtain a suitable balance between desired environmental effects and road network performance,we recommend that the desired speed of micro-cars be set to 40-45 km/h on a small urban traffic network.

urbantraffic；micro-car,microscopicsimulation,environmentalburden,traffic network,VISSIM

U489

A

U489

A

1009-6744(2013)06-0044-08

2013-08-08录用日期:2013-08-22

日本文部省和日本学术振兴会科研援助项目(25289164).

穆蕊(1986-),女,山东潍坊人,博士生.

*通讯作者:yamamoto@civil.nagoya-u.ac.jp