【正文】 進(jìn)行估計(jì)時(shí)，采用的思路為：從交通狀態(tài)由暢通變?yōu)閾頂D的時(shí)刻起，至該次交通擁擠狀態(tài)變?yōu)闀惩ǖ臅r(shí)刻為止，此持續(xù)時(shí)間即為該次交通擁擠狀態(tài)的持續(xù)時(shí)間。對(duì)擁擠持續(xù)時(shí)間的估計(jì)實(shí)質(zhì)上就是確定擁擠的起始時(shí)刻和終止時(shí)刻。具體算法思想描述如下： 1) 擁擠的起始時(shí)刻：道路交通狀態(tài)由暢通演變?yōu)閾頂D的時(shí)間點(diǎn)。由于交通流運(yùn)行過程中存在一定的波動(dòng)，且在交叉口附近存在周期性排隊(duì)，在進(jìn)行擁擠起始時(shí)刻判別時(shí)，認(rèn)為連續(xù)三個(gè)時(shí)間間隔內(nèi)的交通狀態(tài)都為擁擠時(shí)，確定第一個(gè)擁擠狀態(tài)的時(shí)間點(diǎn)為擁擠起始時(shí)刻，否則 認(rèn)為是交通流的隨機(jī)波動(dòng)； 2) 擁擠的終止時(shí)刻：道路交通狀態(tài)由擁擠演變?yōu)闀惩ǖ臅r(shí)間點(diǎn)。同樣認(rèn)為連續(xù)三個(gè)時(shí)間間隔內(nèi)的交通狀態(tài)都為暢通時(shí)，確定第一個(gè)暢通狀態(tài)的時(shí)間點(diǎn)為擁擠終止時(shí)刻。 基于上述算法思想，本文提出雨雪條件下基于路段擁擠的交通擁擠狀態(tài)持續(xù)時(shí)間估計(jì)方法，算法流程圖如圖 34 所示。其中 j 為時(shí)間間隔序列， t? 為數(shù)據(jù)采集間隔時(shí)間； (, )ij? 為橫截面 ix 處第 j 個(gè)時(shí)間間隔的車流密度， ()c pqV? 為個(gè) p 狀態(tài)與 q 狀態(tài)之間的臨界密度，同圖 33 中的意義； 0t 為一次暢通狀態(tài)所持續(xù)的時(shí)間， CT 為第 C 次交通擁擠狀態(tài)所持續(xù)的時(shí)間； (, )Vi j 為橫截面 ix 處第 j 個(gè)時(shí)間間隔的交通狀態(tài)； ? 為色階指數(shù)。橫截面 ix 處第 C 個(gè)交通擁擠狀態(tài)持續(xù)時(shí)間估計(jì)方法輸出結(jié)果是第 C 個(gè)交通擁擠狀 態(tài)的持續(xù)時(shí)間 CT 。 第 3 章 道路交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)方法建模 21 開 始34( , ) ( )ci j V?? ?( , ) 4 。 。 4CV i j T t ?? ? ? ?23( , ) ( )ci j V?? ?12( , ) ( )ci j V?? ?34( , ) ( )ci j V?? ?23( , ) ( )ci j V?? ?12( , ) ( )ci j V?? ?( , ) 1 。 1V i j ???m a xjj?結(jié) 束YYYYYYYYYNNNNNNNNN判斷擁擠起始時(shí)刻判 斷 擁 擠終 止 時(shí) 刻判 斷 研 究 路 段 橫 截 面 處初 始 時(shí) 刻 的 交 通 狀 態(tài)ixm in 0。 0 。 0 。 0Cj j C T t? ? ? ?0( , ) 2 。 。 2V i j t t ?? ? ? ?( , ) 3 。 。 3CV i j T t ?? ? ? ?0( , ) 1 。 。 1V i j t t ?? ? ? ?1jj??CCT T t? ? ?03tt??3CTt?? ( , ) 4 。 4V i j ???( , ) 3 。 3V i j ???( , ) 2 。 2V i j ???3CTt??CCT T t? ? ?01 。 0C C t? ? ?0CCT T t??03tt??03tt??00t t t? ? ?00t t t? ? ?3CTt??00。0CCt t T T? ? ?0CCT C T? 。 輸 出 和NYYNY YNN 圖 34 橫截面 ix 處第 C 個(gè)交通擁擠狀態(tài)持續(xù)時(shí)間估計(jì)方法流程圖 吉林大學(xué)學(xué)士學(xué)位論文 22 交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)圖 在對(duì)雨雪條件下城市道路交通擁擠狀態(tài)擴(kuò)散范圍和持續(xù)時(shí)間進(jìn)行估計(jì)后，為了能給交通誘導(dǎo)和交通管理提供直觀的幫助，也為出行者進(jìn)行出行決策提供依據(jù)，本節(jié)提出能在出行信息發(fā)布系統(tǒng)中直接發(fā)布的交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)圖。 以時(shí)間序列為橫軸，以相對(duì)位置為縱軸，以速度的倒數(shù)為豎軸，以不同的色階顯示交通狀態(tài)，則交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)圖的繪制流程如 圖 35， 圖 36 為某路段高峰時(shí)段的交通狀態(tài)運(yùn)勢(shì)態(tài)勢(shì)估計(jì)圖 [28]。 交通參數(shù)輸入數(shù)據(jù)預(yù)處理交通狀態(tài)判別交 通 擁擠 狀 態(tài)的 擴(kuò) 散范 圍 和持 續(xù) 時(shí)間 估 計(jì)輸 出 交通 狀 態(tài)運(yùn) 行 態(tài)勢(shì) 估 計(jì)圖 圖 35 交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)圖繪制流程 圖 36 某路段沿線交通狀態(tài)運(yùn)行態(tài)勢(shì)時(shí)空?qǐng)D 本章小結(jié) 本章 主要對(duì)雨雪條件下城市道路交通擁擠的空間擴(kuò)散范圍和持續(xù)時(shí)間分析。在此基礎(chǔ)上建立雨雪條件下基于路段擁擠的交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)模型，給出 交通擁擠狀態(tài)擴(kuò)散范圍估計(jì)和持續(xù)時(shí)間估計(jì)的算法流程圖 ，并構(gòu)建交通狀態(tài)運(yùn)行態(tài)勢(shì)時(shí)空估計(jì)圖。 第 4 章 仿真驗(yàn)證 23 第 4 章 仿真驗(yàn)證 本章對(duì)建立的雨雪條件下道路交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)模型進(jìn)行實(shí)證性研究，以雨雪條件下早高峰時(shí)段交通擁擠狀態(tài)的實(shí)際演變情況為參照，將采集的交通參數(shù)運(yùn)用估計(jì)算法進(jìn)行處理，對(duì)擁擠狀態(tài)的時(shí)空擴(kuò)散范圍進(jìn)行估計(jì)，并將估計(jì)結(jié)果與實(shí)際情況進(jìn)行對(duì)比，以此作為該方法的評(píng)價(jià)依據(jù)。由于受實(shí)際道路中檢測(cè)器布設(shè)位置和數(shù)量的限制，無法滿足模型中的數(shù)據(jù)要求，因此選用 Paramics 仿真平臺(tái)對(duì)雨雪條件下早高峰時(shí)段的交通流運(yùn)行狀態(tài)進(jìn)行模擬，并以檢測(cè)數(shù)據(jù)作為模型輸入數(shù)據(jù)。 仿真環(huán)境的建立 采用 Paramics 仿真軟件的 Modeller 模塊進(jìn)行雨雪條件下城市道路交通運(yùn)行狀態(tài)模擬。在進(jìn)行仿真環(huán)境建立時(shí)，第一步是新建路網(wǎng)，對(duì)仿真時(shí)間和收集數(shù)據(jù)的時(shí)間間隔等信息進(jìn)行如圖 4 42 的設(shè)定。 圖 41 仿真時(shí)間設(shè)定 下面對(duì)天氣條件進(jìn)行設(shè)定，由于 Paramics 中只能設(shè)定雨天或者雪天，如圖43，本章以雨天為例進(jìn)行模擬。構(gòu)建路網(wǎng)如圖 44，檢測(cè)器布設(shè)位置見表 41。Paramics 中的默認(rèn)排隊(duì)車頭間距為 10m，排隊(duì)速度為 2m/s，相當(dāng)于快速步行的速度，最小車間距離為 2m。 OD 量加載時(shí)，設(shè)置兩個(gè) OD 矩陣，分別為高峰和平峰 OD 矩陣，將仿真時(shí)段分為 四份，如圖 45， 4 時(shí)段使用平峰矩陣， 3時(shí)段使用高峰矩陣。由于實(shí)際交通流運(yùn)行過程中存在人工智能的作用，為了使仿 吉林大學(xué)學(xué)士學(xué)位論文 24 圖 42 分析時(shí)間間隔設(shè)定 圖 43 天氣條件設(shè)置 真過程更加貼近實(shí)際，對(duì)仿真過程進(jìn)行路徑優(yōu)化并采取可變周期信控方案，如圖46。仿真運(yùn)行局部圖見圖 47，展示了交通擁擠的消散過程。 圖 44 路網(wǎng)一覽圖 表 41 檢測(cè)器布設(shè)位置 檢測(cè)器序號(hào) 1 2 3 4 5 6 7 8 9 10 11 12 相對(duì)位置（ m） 0 172 292 411 719 961 1186 1340 1470 1608 1778 2022 數(shù)據(jù)處理 與擁擠擴(kuò)散估計(jì) 仿真輸出數(shù)據(jù)處理 運(yùn)用 Analyser 模塊進(jìn)行數(shù)據(jù)報(bào)告輸出，對(duì)路段密度數(shù)據(jù)進(jìn)行整理后結(jié)果見附錄 1。根據(jù)密度數(shù)據(jù)畫出時(shí)空運(yùn)行圖如圖 46。從圖總可以看出，在研究路網(wǎng) 第 4 章 仿真驗(yàn)證 25 圖 45 仿真時(shí)段劃分 圖 46 優(yōu)化條件設(shè)置 圖 47 運(yùn)行過程局部圖 中存在兩次擁擠，分別在 200 ~ 400xm? 和 12 00 ~ 15 00xm? 處。由于檢測(cè)器布設(shè)的分離，采集到的數(shù)據(jù)為多個(gè)斷面的分離數(shù)據(jù)，若增加檢測(cè)器密度，則可增加估計(jì)精度。上游擁擠的持續(xù)時(shí)間大約為 11 個(gè)采樣間隔，下游擁擠的持續(xù)時(shí)間大約為 15 個(gè)采樣間隔。擁擠的擴(kuò)散情況均為從下游路段向上游路段擴(kuò)散。 下面采用本文提出的雨雪條件下基于路段擁擠的交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)模型進(jìn)行上述擁擠空間擴(kuò)散范圍和持續(xù)時(shí)間估計(jì)。 雨雪條件下交通擁擠狀態(tài)的空間擴(kuò)散范圍估計(jì) 對(duì)圖 33 所示的某時(shí)間間隔 j 時(shí)的道路交通擁擠狀態(tài)擴(kuò)散范圍算法流程進(jìn)行C 語言編程，具體源程序代碼見附 錄 2。將附 錄 1 中的數(shù)據(jù)作為該程序的輸入數(shù)據(jù)，借助 Visual C++ 進(jìn)行程序運(yùn)算，輸出結(jié)果整理如表 42 中右列 。根據(jù)實(shí)際運(yùn)行結(jié)果進(jìn)行人工觀測(cè)記錄得到的結(jié)果如表 42 中左列 ，其中認(rèn)為排隊(duì)車輛數(shù)大于 10 時(shí)發(fā)生擁擠，即排隊(duì)長度大于 100m 時(shí)開始記錄擁擠狀態(tài)的空間擴(kuò)散范圍，為排隊(duì)頭車位置至排隊(duì)消散完全時(shí)尾車位置間的相對(duì)距離。 算法檢測(cè)到交通擁擠狀態(tài)的時(shí)間段共有 15 個(gè)，即從 7:25~8:35 時(shí)段內(nèi)在研究路段上出現(xiàn)交通擁擠狀態(tài)，每個(gè)時(shí)間段各擁擠狀態(tài)的擴(kuò)散范圍是嚴(yán)格按照布設(shè)檢 吉林大學(xué)學(xué)士學(xué)位論文 26 圖 46 時(shí)空運(yùn)行圖 測(cè)器的路段橫截面相對(duì)位置進(jìn)行計(jì)算的。實(shí)測(cè)記錄的交通擁擠狀態(tài)的時(shí)間段共有20 個(gè)，即從 7:10~8:45 時(shí)段內(nèi)在研究路段上出現(xiàn)交通擁擠狀態(tài)，每個(gè)時(shí)間段個(gè)擁擠狀態(tài)的擴(kuò)散范圍是按照實(shí)際排隊(duì)長度記錄的。對(duì)比可知，存在于兩個(gè)檢測(cè)器之間的擁擠排隊(duì)不能被檢測(cè)到， 但在布設(shè)檢測(cè)器的位置交通擁擠狀態(tài)的擴(kuò)散范圍估計(jì)與實(shí)測(cè)值完全相同 。 表 42 擁擠個(gè)數(shù)及空間擴(kuò)散范圍實(shí)際值 與 估計(jì)值 對(duì)比統(tǒng)計(jì)表 （ m） 時(shí)間序列號(hào) \擁擠個(gè)數(shù) 1 2 3 100 4 102 118 5 123 127 6 137 119 161 130 7 183 119 203 130 8 255 239 285 284 9 291 239 337 284 10 318 239 355 284 11 324 239 389 284 12 319 239 384 284 13 307 239 344 284 14 275 239 313 284 15 246 239 320 284 16 258 239 295 284 17 239 239 288 284 18 186 120 292 284 19 150 120 268 154 20 139 120 245 225 21 101 193 22 147 第 4 章 仿真驗(yàn)證 27 雨雪條件下交通擁擠狀態(tài)的持續(xù)時(shí)間估計(jì) 對(duì)圖 34 所示的 橫截面 ix 處第 C 個(gè)交通擁擠狀態(tài)持續(xù)時(shí)間估計(jì)算法流程進(jìn)行 C 語言編程，具體源程序代碼見附 錄 3。將附件 1 中的數(shù)據(jù)作為該程序的輸入數(shù)據(jù)，借助 Visual C++ 進(jìn)行程序運(yùn)算，輸出結(jié)果整理 見 表 43。根據(jù)實(shí)際運(yùn)行結(jié)果進(jìn)行人工觀測(cè)記錄得到的結(jié)果 見 表 43，同理從排隊(duì)長度大于 100m 的時(shí)間段開始記錄擁擠狀態(tài)的持續(xù)時(shí)間，為開始記錄的時(shí)間序列至排隊(duì)完全消散時(shí)的時(shí)間序列間的持續(xù)時(shí)間。 Paramics 中數(shù)據(jù)提取時(shí)間間隔為 5min，算法對(duì)交通擁擠狀態(tài)的估計(jì)時(shí)間是 5的整數(shù)倍，與實(shí)測(cè)交通擁擠狀態(tài)持續(xù)時(shí)間相比偏小，但差值控制在兩個(gè)時(shí) 間間隔長度即 10min 內(nèi)，表明在采集數(shù)據(jù)的兩個(gè)時(shí)間點(diǎn)間開始或結(jié)束的擁擠未被檢測(cè)到，沒有計(jì)算在估計(jì)值內(nèi)，但在擁擠持續(xù)的時(shí)間間隔內(nèi)的所有時(shí)間均被準(zhǔn)確估計(jì)出來。 表 43 檢測(cè)器斷面擁擠持續(xù)時(shí)間估計(jì)值與實(shí)測(cè)值對(duì)比 位置序列 2 3 4 7 8 9 相對(duì)位置（ m） 172 292 411 1186 1340 1470 估計(jì)間隔數(shù) 12 13 13 15 15 14 估計(jì)時(shí)間（ min） 60 65 65 75 75 70 實(shí)測(cè)時(shí)間（ min） 63 73 66 79 81 74 結(jié)果評(píng)價(jià) 由于檢測(cè)器的離散布設(shè)和檢測(cè)時(shí)間的間斷性，應(yīng)用本文提出的雨雪條件下基于路段擁擠的道路交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)方法進(jìn)行交通擁擠狀態(tài)時(shí)空擴(kuò)散范圍估計(jì)時(shí)，估計(jì)值均較實(shí)測(cè)值偏小。本節(jié)定義如下精確度計(jì)算公式進(jìn)行該算法精確度評(píng)價(jià)： *,**1 CCijLCCLLdELL?? ? ? ??? （ 41） 其中： LE ——擁擠空間擴(kuò)散范圍估計(jì)精確度； d ——檢測(cè)器布設(shè)的平均間距； *CL ——研究路段在研究時(shí)段內(nèi)的實(shí)測(cè)平均擁擠空間擴(kuò)散范圍； , CijL?——研究路段在研究時(shí)段內(nèi)的所有擁擠空間擴(kuò)散范圍估計(jì)值總和； *CL? ——研究路段在研究時(shí)段內(nèi)的所有擁擠空間擴(kuò)散范圍實(shí)測(cè)值總和。 由表 42 中的數(shù)據(jù)可得 20 00 / 12 16 7dm??， * 240CLm? ，, CijL ?? 6751m， * 9117CLm?? ，計(jì)算得 ? ，即使用本文提出的雨雪條件下基于路段擁擠 吉林大學(xué)學(xué)士學(xué)位論文 28 的道路交通狀態(tài)運(yùn)行態(tài)勢(shì)估計(jì)方法進(jìn)行交通擁擠狀態(tài)空間擴(kuò)散范圍估計(jì)時(shí)，擁有82%的可信度。由式（ 41）可以看出，在相同條件下，減小檢測(cè)器布設(shè)間距可以提高算法的空間擴(kuò)散范圍估計(jì)精確度。 該算法對(duì)雨雪條件下道路交通擁擠狀態(tài)持續(xù)時(shí)間估計(jì)的精確度采用式（ 42）進(jìn)行評(píng)價(jià)： **1 CCT CTTE T??? （ 42） 其中： TE ——擁擠持續(xù)時(shí)間估計(jì)精確度； CT ——研究路段在研究時(shí)段內(nèi)的估計(jì)平均擁擠持續(xù)時(shí)間；