城市交通微循环交通组织优化

陈 群，赵玉楠，潘双利

(中南大学 交通运输工程学院，湖南 长沙 410075)

城市交通微循环交通组织优化

陈 群，赵玉楠，潘双利

(中南大学 交通运输工程学院，湖南 长沙 410075)

定义了交通微循环支路交叉口上各进口道左转与直行车流的阻抗函数，其与交叉口上所有进口道左转与直行车流量有关；以最小化总行驶时间为目标，考虑支路通行能力约束及微循环交通组织优化方案下的驾驶员路径选择行为，建立了双层规划模型，对城市微循环交通组织进行优化；介绍了对模型求解的遗传算法；并进行了算例计算，得到车流组织优化方案，验证了模型与算法的有效性。

交通运输工程；城市交通；交通微循环；双层规划；交通组织

0 引 言

“交通微循环”是指干道网络以外的窄巷、小街以及便道等道路。通过疏通微循环网络，可以达到对于干道网络分流的目的。在城市交通中，交通流一般集中在干道上，交通高峰期间干道上异常拥堵。此时，可组织交通微循环，使车流从支路绕过，达到分流干道交通、缓解拥堵的目的。

“城市交通微循环”是在2005年北京市政府工作报告中正式提出，之后，我国的一些大城市，如北京、昆明、深圳、长沙等都开展了一系列城市交通微循环系统的建设。以往对交通微循环的研究多集中于交通微循环概念及功能评价[1-3]。李德慧等[1]对城市交通微循环体系从功能上进行了分析，探讨了道路微循环评价方法。宋雪鸿[2]从城市交通微循环特性分析、交通管理、微循环评价等方面阐述了城市交通微循环设计方法。史峰等[3-4]，CHEN Qun等[5]，SHI Feng等[6]先后进行了以下系列研究：从交通压力分流、输送的便捷性、解决组团或片区的交通问题、地段特征的差异性、动态时段性、对行为模式的影响等方面对城市交通微循环系统的功能进行了分析；建立优化模型确定了交通微循环网络构成及各条道路改造后通行能力，满足饱和度约束、最大改造能力约束并使得交通微循环对环境影响最小、交通效率最高及投资最省；对微循环网络单行交通组织优化进行了研究，并建立了优化模型。但现有研究还缺少对交通微循环的一体化交通组织优化的研究。在城市交通微循环中，为了最大程度地提高车辆的通行效率，我们通常要做一体化的交通组织，包括路段上是单向还是双向行驶，各支路交叉口的各进口道上是否施行禁直或禁左等。因此，笔者拟在已有研究基础上对微循环交通网络中的各种交通组织方式进行一体化优化，最大程度地提高车辆通行效率、减少时间损失。

1 模型建立

交通微循环交通组织优化即要实现交通微循环网络中路段单行或双行优化、交叉口禁直或禁左的决策优化。下面分析交通微循环网络中交通组织优化模型的目标、约束及给定优化方案下的路径选择模型。建模手段为双层模型，其在网络设计及道路网络容量研究中有着广泛的应用[7-9]。笔者在利用双层模型处理交通微循环交通组织优化问题时还需考虑交通微循环支路交叉口几何网络的处理，交通微循环支路交叉口车流阻抗函数表达、OD选择等方面的具体问题。

1.1 交通微循环支路交叉口几何网络的处理

一定区域(干道围合的区域)内的支路网络由多条路段及路段相交的交叉口组成，每个交叉口上各个进口道车流若无交通管理措施存在的话，将会有直行、右转、左转3种选择。为了能够表示在交通微循环网络中的道路交叉口上的交通组织形式(如禁直与否、禁左与否等)，需在交叉口形象的给出各进口道直行、右转、左转车流的行驶路径。通常采用的方法为增设虚拟边法[10]。以十字形交叉口为例，通过将交叉口节点按4个方向拓展为8个节点，每个进口道的车流根据行驶方向的不同增加和其他节点对应的3条联接，从而将交叉口拓展为12条联接的不带转向信息的普通网络，再利用已有的算法进行计算，如图1。

图1 转向车流虚拟边Fig.1 Suppositional edges of vehicle turning flows

1.2 上层模型

图2 围合区域干道及支路网络Fig.2 Arterial and branch roads within an enclosed area

图3 支路交叉口交通组织形式Fig.3 Traffic organization mode of branch road intersection

对于交通微循环支路交叉口，一般来说支路相交的交叉口设置信控灯的情况很少，笔者认为其均为无信控交叉口。因此，支路交叉口上各进口道的直行和左转车流是互相冲突和干扰的(从而产生干扰延误)，但右转车流一般不会与其它车流相冲突。支路交叉口上某个进口道上的直行或左转车流通过交叉口的时间受整个交叉口各个进口道总的直行与左转车流量影响。因此，支路交叉口上某个进口道上的直行或左转车流通过该交叉口的阻抗ta可表示为

(1)

式中：ta为直行或左转车流不受冲突车流影响自由通过交叉口的时间；Q(⊃a)为包含弧段a的交叉口上各进口道上所有直行与左转车流量的总和；K为系数，为一个常数。

将整个区域网络(包括干道及其围合的交通微循环网络)上路段与交叉口进行整体考虑，对各个交叉口的各个进口道是否实施禁直或禁左、交通微循环支路路段上是否实施单向或双向行驶进行决策优化，使得车流按优化后的线路行驶，从而减少系统总的时间。整个网络车流运行效率可以各个车流OD在网络上的总运行时间来衡量。因此优化问题的目标即为总的OD车流行驶时间最小，而且要满足支路的流量在一定的水平以下(避免车流拥堵在支路网络中)。

交通需求OD(origin-destination)为(qrs)n×n，其中qrs为节点r至节点s的流量。如图2，交通需求OD通常为围合区域的相交干道的交点之间的交通分布。通过区域内交通微循环组织优化，使得部分交通需求通过交通微循环网络穿越从而避开干道拥挤路段。系统优化目标为各个车流OD在网络(包括干道及区域内微循环网络)上的总的行驶时间费用最小，即使得车辆运行效率最大；目标见式(2),其中xa,ta可通过交通分配得到。

(2)

限制支路路段的流量在一定饱和度以下，这是因为支路拥堵造成的后果将会更加严重，所以应限制支路的饱和度避免车流堵在支路网络中。

(3)

在编制人工智能和机器人技术的法规时，要以俄罗斯以往的交通法规作为立法的基础。对于小型的无人航空载具按俄联邦《航空法》第33页第1条（30公斤以下航空器的国家登记制度）执行；严格管理空中交通，其中，在城市领域执行俄联邦航空法第16页和俄联邦使用空中交通的规则；对于无人驾驶的汽车，将按《道路交通安全联邦法》、《道路运输规则》《轮式交通工具安全技术规则》《俄联邦海上商务航行法》等其他法令出台相应的修正案[7]。

1.3 下层模型

式(1)～式(3)构成交通微循环交通组织优化模型的上层规划，其中流量xa可采用容量限制——增量加载分配求解获得，这是模型的下层规划，a∈[A∪B(y)∪C(z)]。由于对于支路交叉口上各直行或左转联接边，其弧段阻抗函数形式如式(1)，阻抗不仅与本身弧段流量有关，而且和其他的弧段流量也有关(其是支路交叉口上各进口道上所有直行与左转车流的总和的函数)，所以将不能找到等价的用户平衡模型，而只能采用非均衡模型进行求解。对于非均衡模型，通常有最短路分配与多路径分配[11]，而多路径分配通常要回归一些模型参数，相对来说最短路分配算法则原理更为简单，也不需要回归参数。所以笔者采用的是容量限制-增量加载的最短路分配方法进行交通分配： 先将OD表中的每一个OD量分解成k部分，即将原OD表分解成k个OD表，然后分k次用最短路分配模型分配OD量，每次分配一个OD分表，并且每分配一次。路权修正一次，路权采用路阻函数修正，直到把k个OD分表全部分配到网络上。

2 求解算法

上述模型是有约束的0-1规划模型，遗传算法采用0-1编码时可很好地求解此类问题。N为所有备选支路路段及支路交叉口弧段的总数目。以[yz]为决策变量的向量进行0-1编码，其中1表示该路段(或弧段)被选择，0表示不选。

运用遗传算法[12-13]进行模型优化求解的算法流程如下：

Step 1：初始化。设定遗传算法的交叉概率、变异概率、种群数目、最大进化代数。

Step 2：采用0-1编码，随机产生初始种群。

Step 3：利用容量限制-增量加载最短路分配算法计算路段(弧段)流量，返回上层计算个体适应度值。

Step 4：对所有个体进行排序选择操作，选择出新种群。

Step 5：按交叉概率对随机配对个体进行交叉操作。

Step 6：按变异概率对种群内个体以前面所述变异方法进行变异操作。

Step 7：判断是否达到迭代总数，若没有，则转Step3；否则，输出最佳个体。

3 算 例

图4为区域网络结构，四周粗线表示干道，围合区域内部为支路。

图4 区域网络结构Fig.4 Local network structure

网络中有6个支路的交叉口。对任何一条支路路段，双向通行则单方向通行能力为200，单向通行的话则通行能力为500。对于干道路段自由流行驶时间，每条路段(加上在交叉口的时间)假设均为40 s；对于支路路段自由流行驶时间，通行时间均为40 s；对于交叉口联接弧段，右转通行时间为1 s，直行无干扰时通行时间为3 s，左转无干扰时通行时间为5 s。对于干道及支路路段阻抗函数为

对于支路交叉口左转、直行弧段，阻抗函数为：

交通需求分布见表1。期望支路路段饱和度均小于等于1。干道均为双向行驶，优化的决策变量为各支路及各支路交叉口的车流行驶方向(即单行、双行、禁直、禁左、禁右等)。

表1 起终点(OD)交通分布

求解过程与结果如下：

建立双层规划模型，并将具体参数值代入模型，按文中所述求解算法求解模型。采用增量加载最短路算法时，加载次数为10，各次加载比例分别为0.20，0.20，0.15，0.10，0.10，0.05，0.05，0.05，0.05，0.05。编写遗传算法程序，种群数取100，交叉率0.7，变异率0.1。由于笔者是求最小目标值，所以适应值可取0-目标函数值。程序运行50代得到最终优化结果，见图5。车流组织优化方案见图6，图中未有车流流向标识的支路上没有车流，可以不作车流控制。总的时间为2.127 3×106s，各路段及交叉口转向边上的流量见表2。

图5 遗传算法迭代曲线Fig.5 Iteration curve of genetic algorithm

图6 交通组织方案Fig.6 Traffic organization scheme

路段(弧段)起点i末点j流量x/(veh·h-1)通行能力c/(veh·h-1)路段(弧段)起点i末点j流量x/(veh·h-1)通行能力c/(veh·h-1)路段(弧段)起点i末点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：表中通行能力为“—”表示这是支路交叉口左转或直行联接边。

从表2可见，支路流量均小于其通行能力。而且从图6中优化方案可以看到，支路路段上有的是直行，有的是双向行驶；而在支路交叉口，右转大部分是允许通行的，而禁左的情况非常普遍，介于中间的是禁直。

4 结 语

定义了交通微循环支路交叉口上各进口道左转与直行车流的阻抗函数，其与该交叉口上所有进口道左转与直行车流的总和有关。以最小化总的行驶时间为目标，考虑支路饱和度约束，及交通组织优化方案下的驾驶员路径选择行为，建立了双层规划模型来对微循环交通组织进行优化，包括确定路段上是单行还是双向行驶，各支路交叉口的各进口道上是否施行禁直或禁左等。介绍了遗传算法求解算法，并通过数值算例表明，通过模型优化可最终确定交通微循环网络上交通组织形式，为城市交通微循环交通组织提供理论依据。

笔者考虑的是支路网络为无信控交叉口的情形，如果是有信控的交叉口也一样可以研究，此时在交叉口产生的延误与信号配时有关，情况更为复杂一些。

[1] 李德慧, 刘小明. 城市交通微循环体系的研究[J].道路交通与安全,2005,5(4):17-19. LI Dehui, LIU Xiaoming. Research on urban transportation micro-circulation[J].RoadTraffic&Fafty,2005,5(4):17-19.

[2] 宋雪鸿. 城市交通微循环问题的解决策略及其应用研究[D]. 上海:同济大学,2008. SONG Xuehong.SolutionStrategyandApplicationforUrbanTrafficMicro-CirculationProblem[D]. Shanghai: Tongji University, 2008.

[3] 史峰,黄恩厚,王英姿. 论城市道路微循环系统的功能特征[J]. 城市发展研究,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,陈群.城市交通微循环网络设计优化模型[J]. 同济大学学报(自然科学版), 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, 王炜, 王京元. 城市道路网络容量、交通规划和交通管理[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] 谢辉, 于晓桦, 晏克非. 城市道路交通网络系统容量评估模型[J]. 中国公路学报,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] 裴钟哲, 刘小明,丁健. 车辆导航系统中考虑单向行驶限制及转向限制的路线优化算法[J]. 道路交通与安全,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] 陆化普. 交通规划理论与方法[M]. 北京:清华大学出版社,1998. LU Huapu.TrafficPlanningTheoryandWays[M]. Beijing: Tsinghua Publishing House, 1998.

[12] 王小平, 曹立明. 遗传算法——理论、应用与软件实现[M]. 西安:西安交通大学出版社, 2002. WANG Xiaoping, CAO Liming.GeneticAlgorithm:Theory,ApplicationandSoftwareImplementation[M]. Xi’an: Xi’an Jiaotong University Press, 2002.

[13] 晏克非,陈群,文雅. 基于遗传算法的停车诱导(PGIS)信息显示设施定位优化研究[J].土木工程学报,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

国家社会科学基金项目(13CGL001)

陈 群(1977—)，男，江西九江人，副教授，博士，主要从事交通运输系统优化与管理方面的研究。E-mail: chenqun631@csu.edu.cn。

U491；U121

A

1674-0696(2016)03-110-05