适于多空间尺度的道路交通运行指标逐级计算模型

卢 凯 吴瑶婷 邓兴栋 吴 蔚

(1华南理工大学土木与交通学院,广州 510640)(2东南大学现代城市交通技术江苏高校协同创新中心,南京 211189)(3人工智能与数字经济广东省实验室(广州),广州 510330)(4广州市城市规划勘测设计研究院广东省城市感知与监测预警企业重点实验室,广州 510060)

路段、干道及路网是城市道路交通流运行的重要载体,对其交通运行状态进行客观评价是分析供需关系匹配性、交通组织合理性以及管控措施有效性的重要手段,可以为城市道路的运行管理、交通控制以及后期规划等提供科学依据.近年来,国内外研究机构开展了大量有关城市交通运行状态评价的理论与应用研究.其中,美国较早开展了有关交通运行状态的计算与评价研究,提出了基于道路服务水平(LoS)、道路拥堵指数(RCI)的交通运行状态评价技术[1].面对日益严重的交通拥堵问题,国内也相继制定了有关城市交通运行状态评价的规范与标准,其中交通运行指数(TPI),又称交通拥堵指数,是综合反映城市路网畅通或拥堵的概念性指数值,量化描述了道路交通拥堵状况.

目前相关理论研究主要围绕交通运行评价指标计算与交通流状态分类识别展开.大多数研究是通过计算部分交通运行指标来衡量道路交通运行状况,代表性的交通运行指标主要有路段速度、道路交通密度、交通量等,其中Wang等[2]通过引入复杂网络异质性指标与交通流模型,实现了基于路段通行速度对交通流拥堵状态的判定;王殿海等[3]利用二流理论推导了路网宏观交通状态参数间的相关函数关系,建立了路网宏观交通状态判别模型;关积珍[4]选取道路平均车速、交通流密度、流量以及延误时间等交通运行指标,提出了一种城市交通综合指数与交通出行指数计算模型;白骅等[5]通过结合主成分分析方法与交通量统计调查,实现了对各评价单元权重的确定,构建了路段运行评价模型,并给出了评价分级阈值.随着人工智能技术的兴起,一些学者尝试利用聚类分析算法[6-8]、人工神经网络[9-10]、深度学习理论[11-12]等智能算法对交通运行状态进行分析评价.其中，Bao[13]与Cheng等[14]分别利用交通流量、速度占有率以及路网充裕度等组成分类指标体系,开发了不同的改进FCM聚类方法,实现了对城市交通运行状态的分类;Wang等[15]通过采用随机子空间(RS)算法与支持向量机(SVM)模型,构建了用于交通流状态识别的RS-SVM集成模型,提高了交通流状态识别的分类精度.然而,以上研究大多是针对指定的空间尺度进行道路交通运行状态的计算与评估.虽然已有研究提出利用权重系数实现对道路交通运行状态评价指标的加权计算,但是对于权重系数的定义与计算方法仍缺乏细致分析,其计算结果所蕴含的物理意义尚不明晰,对城市道路交通运行指标多尺度计算尚缺乏深入研究.

因此,本文将综合考虑多个影响因素,给出路段权重系数的定义与计算方法,以量化各路段在整个路网中的权重大小,进而实现对干道、子区及路网的主要交通运行状态评价指标的推导与计算,建立一种多空间尺度的路网交通运行状态评价指标逐级计算方法,从而实现对城市道路交通运行状态的多尺度与精细化评价.

1 路段权重系数

1.1 路段划分

路段是交通网络上相邻2个节点之间的交通线路,通常采用相交道路中心线交点作为路段的边界.以路段作为最小单元进行交通运行状态分析时,一般假设整个路段的交通状态均衡,分析得到的交通运行评析结果仅能够反映相邻交叉口间的路段交通平均运行状态.然而,在实际交通系统运行过程中,由于交通管制、交通拥堵、交通事故等原因往往导致路段上不同行驶方向、不同路段位置以及不同进口车道的交通运行状态存在较大差异.此时,仅通过整个路段的交通运行状态评价指标并不能全面地反映当前路段上各位置的交通情况,故引入子路段的概念,以对路段上的不同位置进行划分,从而尽可能准确地反映出路段上不同方向、不同位置的交通运行状态.

子路段可以根据实际交通运行评价需要进行划分,例如可以将一条路段上的下游交叉口进口段、不同通行条件中间段、上游交叉口出口段以及进出口过渡段等不同特征位置区间设定为子路段,分别研究各子路段的交通运行状态变化规律;也可以通过将一条路段先细分为较多数量的子路段,再将具有相同交通运行状态的相邻子路段进行合并,最终形成若干个能够真实反映不同交通运行特征的子路段.但在交通运行状态评价过程中,子路段的划分结果不能对路段、干道、子区以及整个路网的交通运行评价结果产生影响,需要在它们之间建立一种可进行逐级计算的内在关系.

子路段划分时应注意以下问题：① 每一条路段可以被划分为若干个相连的子路段,并保证各相邻子路段之间相互独立且无缝连接,即路段上的任意位置唯一且必须属于某一个子路段;② 考虑到实际交通运行状态评价精细程度的需要,子路段的划分应尽量保证划分后各子路段内的交通运行状态相近,车辆速度、拥堵指数及其他交通运行状态指标无明显差异;③ 为了精确反映不同时段下路段交通运行状态的差异性,可根据评价时段内路段交通运行状态的时变特征进行子路段的动态划分.

根据城市路网的结构特点,通过对各子路段的交通运行状态进行分析,可以综合评价路段的交通运行状态;通过对各路段的交通运行状态进行分析,又可以综合评价干道以及整个路网的交通运行状态.

图1 路段上各子路段的划分情况

1.2 权重系数计算

由于路网中各路段及子路段的交通运行状态存在差异,为了客观描述各路段运行状态对所在干道及整个路网运行状态的影响,综合考虑路段交通流量、路段长度以及无阻滞行驶时间等因素,给出路段、子路段以及干道的权重系数定义与计算方法.

定义1路段权重系数是在一段时间内路段上所有车辆总的无阻滞行驶时间与整个路网中所有车辆总的无阻滞行驶时间之比.该系数反映了某一段时间内无阻滞行驶条件下该路段行驶车辆所占道路时空资源在整个路网中的比例,反映出某路段在整个路网中所占的权重大小,其计算公式如下：

(1)

定义2子路段权重系数是在一段时间内子路段上所有车辆总的无阻滞行驶时间与整个路网中所有车辆总的无阻滞行驶时间之比.该系数反映了某子路段在整个路网中所占的权重大小,其计算公式如下：

(2)

根据子路段的划分方式可知,对隶属于同一路段下的所有子路段权重系数进行求和,可以得到该路段的路段权重系数,即

(3)

定义3干道权重系数是在一段时间内干道上所有车辆总的无阻滞行驶时间与整个路网中所有车辆总的无阻滞行驶时间之比.由于干道是由多个路段相连接构成,因此对隶属于同一干道下的所有路段权重系数进行求和,可以得到该干道的干道权重系数,其计算公式如下：

实际上,对于控制子区而言,其权重系数的定义和计算与干道类似,在此不作赘述.

由上述分析可知,在权重系数的定义中引入运行时间内的交通流量与无阻滞行驶时间2个交通参数,既能够从时间角度考虑路网内各组成部分交通运行的变化情况,也能够从空间角度考虑不同子路段、路段、干道及子区的道路、交通与环境条件等,可以有效反映出不同运行时段内与不同空间位置下路网内各组成部分的交通运行情况对整体交通运行状态评价的影响.

2 交通运行状态评价指标

2.1 评价指标选取

为了能够实现对城市路网交通运行指标的多尺度计算,并考虑到评价指标选取应满足直观性与可获取性要求,结合路段权重系数的特点,在此选取拥堵指数、无阻滞行驶车速、平均行程车速3个指标作为交通运行状况评价指标,从子路段、路段、干道、路网等层面依次进行分析与计算,建立交通运行状态评价指标关系(见图2).

2.2 交通拥堵指数

由美国德克萨斯州交通研究所提出的行程时间指数(TTI)指标被广泛应用于城市交通拥堵程度的判定,因此本文选择沿用TTI作为交通运行状况计算的关键指标,即将交通拥堵指数取为车辆的行程时间与无阻滞行驶时间之比.拥堵指数值越大,表明道路拥堵程度越高,交通运行状况越差;反之,表明道路拥堵程度越低,交通运行状况越好.根据评价对象的不同,分别对子路段、路段、干道、路网的交通拥堵指数进行定义与计算.

图2 交通运行状态评价指标关系示意图

2.2.1 子路段交通拥堵指数

子路段交通拥堵指数定义为子路段上所有车辆总的行程时间与总的无阻滞行驶时间之比,其计算公式如下：

(5)

2.2.2 路段交通拥堵指数

路段交通拥堵指数定义为路段上所有车辆总的行程时间与总的无阻滞行驶时间之比,其计算公式如下：

(6)

2.2.3 干道交通拥堵指数

干道交通拥堵指数定义为干道上所有车辆总的行程时间与总的无阻滞行驶时间之比,其计算公式如下：

(7)

2.2.4 路网交通拥堵指数

路网交通拥堵指数定义为路网中所有车辆总的行程时间与总的无阻滞行驶时间之比,其计算公式如下：

(8)

式中,P为路网交通拥堵指数.

进一步推导可知,路网交通拥堵指数可以通过对路网中所有子路段、路段、干道以及控制子区的拥堵指数进行加权求和计算,即

(9)

2.3 无阻滞行驶车速

无阻滞行驶车速是指在不受其他车辆与交叉口影响的情况下,驾驶人员按自己的能力选择的行驶速度,一般可取为道路限速值.下面对子路段、路段、干道、路网的平均无阻滞行驶车速进行定义与计算.

2.3.1 子路段平均无阻滞行驶车速

子路段平均无阻滞行驶车速定义为子路段上所有车辆总的行驶距离与总的无阻滞行驶时间之比,其计算公式如下：

(10)

2.3.2 路段平均无阻滞行驶车速

路段平均无阻滞行驶车速定义为路段上所有车辆总的行驶距离与总的无阻滞行驶时间之比,其计算公式如下：

(11)

2.3.3 干道平均无阻滞行驶车速

干道平均无阻滞行驶车速定义为干道上所有车辆总的行驶距离与总的无阻滞行驶时间之比,其计算公式如下：

(12)

2.3.4 路网平均无阻滞行驶车速

路网平均无阻滞行驶车速定义为路网中所有车辆总的行驶距离与总的无阻滞行驶时间之比,其计算公式如下：

(13)

进一步推导可知,路网平均无阻滞行驶车速可以通过对路网中所有子路段、路段、干道以及控制子区的平均无阻滞行驶车速进行加权求和计算,即

(14)

2.4 平均行程车速

(15)

(16)

(18)

可以发现,子路段、路段、干道、路网的平均行程车速均可以通过它们的平均无阻滞行驶车速除以交通拥堵指数计算得到.由此可见,基于路段权重系数对道路交通运行评价指标进行逐级计算的方法既不会受到路网结构差异与路网规模大小的影响,也可以适用于对不同空间尺度的评价对象进行交通运行分析与评价.

3 案例分析

3.1 仿真实验环境

以广东省佛山市禅城区中心城区作为研究案例,根据实际路网基础信息数据,利用VISSIM软件构建仿真路网,对本文方法进行分析验证.案例路网结构、子区OD流量需求以及各交叉口的信号控制方案如图3所示.该路网共包含13条干道、20个信号控制交叉口以及19个主要交通流量输入输出节点.仿真运行时间为28 800 s,其中前1 800 s为热身时间,采集1 800 s后的车辆运行数据用于分析计算.

3.2 实验结果分析

根据1.1节分析可知,子路段的划分长度不会对路段、干道以及路网的评价结果产生影响,因此初步选择路段划分单位长度约为50 m,先采取均分方式对各路段进行子路段划分,然后再将交通状态计算结果相近的子路段进行合并.本文以1 800 s作为评价时间间隔,提取仿真实验过程中第1 800 s到3 600 s内的车辆运行数据,计算路网的相关交通运行状态评价指标.

3.2.1 路段及干道交通状态

利用车辆运行数据信息,可以计算路网中每一辆行驶车辆途径各子路段的行程时间,进而计算出各子路段的交通拥堵指数、平均无阻滞行驶车速以及平均行程车速.根据子路段与路段权重系数,可以计算出各路段与干道的交通拥堵指数、平均无阻滞行驶车速以及平均行程车速.以干道A1为例,计算分析子路段、路段、干道的交通运行状态,如表1所示.表1中各子路段长度取为评价时段内子路段所有通行车辆的平均行驶里程.

(a) 案例路网结构

表1 干道A1及其子路段的交通运行状态指标

根据表1可知,路段L4的交通运行状态较差,其交通拥堵指数为1.50,平均行程车速为32.74 km/h;路段L5的交通运行状态较优,其交通拥堵指数为1.03,平均行程车速为48.03 km/h;干道A1的整体交通运行状态较优,其交通拥堵指数为1.24,平均行程车速为39.78 km/h.

上述分析表明,通过引入路段权重系数,可以将不同层级关系下的道路交通运行状态评价结果统一起来,使路网交通运行状态评价具备由子路段评价结果向路段、干道以及路网评价结果进行组合推算的能力.

3.2.2 路网交通状态

根据路段权重系数,可以计算各条干道与整个路网的交通拥堵指数、平均无阻滞行驶车速以及平均行程车速,如表2所示.由表可见,从干道及路网层面来看,干道A1的交通运行状态较优,其交通拥堵指数为1.24,平均行程车速为39.78 km/h;干道A2的交通运行状态最差,其交通拥堵指数为3.51,平均行程车速仅为13.61 km/h;路网的整体交通运行状态较差,其交通拥堵指数为2.17,平均行程车速为22.49 km/h.

表2 路网及其干道的交通运行状态指标

以图4所示的路网子区划分方案为例,从仿真实验第1 800 s开始,选取1 800 s作为评价时段,基于本文提出的多空间尺度交通运行状态逐级计算方法,根据各路段的交通运行状态评价结果,计算出各子区的交通运行状态评价结果,如表3所示.

3.3 有效性与敏感性分析

3.3.1 有效性验证

通过仿真实验获取各干道、子区及整个路网的所有车辆运行数据,根据交通拥堵指数、平均无阻滞行驶车速、平均行程车速的定义,计算得到干道、子区及路网的交通运行状态评价结果,如表4所示.对比表2～表4可见,推算结果与仿真软件输出结果完全一致.

图4 交通控制子区划分示意图

表3 子区交通运行状态评价结果

表4 仿真输出的交通运行状态评价结果

由此可见,本文基于路段权重系数的交通运行状态评价指标计算方法相较于案例仿真输出的评价结果,不仅能够准确反映实际的路网交通运行状态,还能够实现对路网多空间层级交通运行状态的精细化描述.

3.3.2 敏感性分析

尽管路段的交通运行状态通常具有复杂多变性,但由于路段的无阻滞行驶时间取值固定,路段的交通流量在一段时间内具有相对稳定性,因此路段的权重系数在一段时间内同样也具有一定的稳定性.根据路段的历史交通流量可以事先确定路段权重系数,再结合实时获取的部分车辆运行数据,利用上述计算方法则可以实现对路网交通运行状态评价指标的实时估算.

分别以实际路网流量和1.5倍的实际路网输入流量作为情景1与情景2,以上述整个路网和控制子区1为例,从仿真实验获取的全部车辆运行数据中,按照不同数据获取率(5%、10%、15%、20%、25%、30%)随机抽取部分车辆运行数据,可以推算出基于路段权重系数的路网交通拥堵指数.针对每一种车辆数据抽取比例,分别进行100次随机实验操作计算,并与通过全样本计算得到的路网交通拥堵指数进行对比统计,得到近似推算结果的相对准确度,如图5所示.其中,相对准确度反映了基于部分抽样数据的近似推算结果与基于全部采集数据的精确计算结果之间的准确程度,其计算方式如下：

(19)

式中,RA为相对准确度;d为基于部分抽样数据的近似推算结果与基于全部采集数据的精确计算结果之间的差值;RC为基于全部采集数据的精确计算结果.

由图5可知,当数据获取率为5%时,在80%的累积概率下可以保证推算结果的相对准确度达到96.7%;当数据获取率为10%时,同样在80%的累积概率下可以保证推算相对准确度达到98.0%.可见随着数据获取率的逐步提高,推算结果的相对准确度也在上升.事实上,当数据获取率超过25%时,推算结果的相对准确度已经非常高,此时数据获取率的增加对道路交通运行状态推算的准确度提升已不明显.由此可见,本文提出的适用于多种空间尺度下的道路交通运行指标逐级计算模型,通过随机获取路网部分车辆的交通运行数据,能够较为精确地推算出整个路网的交通运行状态.

(a) 子区1(情景1)

4 结论

1) 通过定义路段及子路段权重系数,本文建立了一种多空间尺度的道路交通运行状态评价指标逐级计算方法,实现了干道、子区及路网的平均交通拥堵指数、平均无阻滞行驶车速、平均行程车速的组合计算,为交通运行状态评价提供了一种简便的计算方法,有助于道路交通运行评价体系与数字路网系统的构建.

2) 通过定义子路段及其权重系数,实现了对路段上不同行驶方向与不同特征区段的交通运行状态精细化描述,能够为城市道路精细化管控与治理提供现实基础.

3) 基于事先确定的路段权重系数与实时获取的部分车辆运行数据,利用加权计算的方法可以实现对路网交通运行状态评价指标的近似推算.

4) 在本文给出的路段权重系数定义及交通运行状态评价方法的基础上,考虑不同转向类型车流的行驶特点与管控需求,进一步丰富权重系数的应用将是开展后续相关研究的一个重要方向.