路段速度

路段速度（共3篇）

路段速度 篇1

道路的几何线形特征在很大程度上取决于地形条件,在微观层面,平原城市道路除了沿河路段之外几乎都为平直路段,因此道路网结构可以看做是由众多平直节段连接而成的拓扑网络,汽车在城市街道上的行驶速度是由最高限速和交通流决定,而与道路线形的相关性不大。相比之下,山地城市道路为了契合沟谷交错的起伏地形,为自由式路网格局,频繁出现弯道、陡坡和弯坡组合路段,且交叉口间距大,汽车行驶状态与道路线形之间的关系非常密切。另一方面,由于是城市道路,行驶速度仍会受到交通流的影响。与此同时,车型也是影响行驶速度的重要因素,对于山地城市上坡路段,不同车型的比功率存在明显差异,因此上坡时的速度衰减幅度不同,大型车和小客车之间的速度差会使交通处于不稳定的运行状态,还容易引发刮蹭、碰撞和追尾事故。

目前关于城市道路交通运行状态的研究多以路段的行程速度、区间速度、平均速度为指标,用以分析交通流状态和衡量拥堵水平。由于平直路段条件下,速度特性往往取决于交通量和信号配时,因此鲜有行驶速度特性与城市道路几何线形相关性的研究报道。相比之下,在公路领域国内外研究者开展了大量的关于纵坡路段汽车运行速度的实测和仿真分析,并建立了众多的预测模型,包括小客车、中型货车和大型货车等代表性车型[1,2,3,4,5,6,7,8]。还有不少学者以山区高速公路为对象,研究了公路最大纵坡及坡长限制与汽车性能之间的关系,明确了爬坡车道的设置条件[9,10,11,12]。徐进等[13]分析了地形环境、车道数量、驾驶行为、车型等因素对汽车连续行驶速度的影响,分析了行驶速度与公路设计速度之间的偏差及其致因,以及导致行驶速度波动的干扰因素;基于速度实测结果,还建立了面向山区复杂线形公路的多车型三维运行速度预测模型和解算方法。

综上,现有关于汽车行驶速度特性的研究主要针对平原城市道路和山区公路,而山地城市道路具有较强的特殊性,既具有山区公路的线形特征比如急弯、陡坡和危险的路侧环境,以重庆市为例,一些道路的坡度比山区公路还要大,行驶条件比山区公路还要困难;与此同时,又兼备平原城市道路的一些特点,比如一些主干路密集的交通流,以及交叉口。由于这种特殊性,现有关于山区公路和平原城市道路车辆行驶特性的研究成果,对于山区城市道路都不再适用。

小客车是城市道路上比例最大的一种车型,之前由于缺乏实测数据支撑,关于小客车在山地城市道路上坡路段的速度特性存在不同的推测,有的认为小客车比功率高,速度不会受到坡度阻力影响;有的则认为小客车速度也会像大型车一样出现衰减,但衰减多少,怎么衰减,又有不同的看法,而本文将试图明确这一问题。基于此,在重庆主城区内选择有代表性的道路,通过现场调查小客车在不同观测断面上的速度值,得到了其沿坡向长度的变化趋势。同时,还采集了大型车的行驶速度值,用于和小客车进行对比。以找出山地城市长上坡道路段小客车行驶速度的变化特征及其影响因素,为山地城市道路设计、安全性评价、车辆结构和动力系统设计提供科学的数据支撑。

1 实验方案

1.1 实验道路

在重庆市城区内共选择了9条具有代表性的长上坡路段,选择实验道路考虑的主要因素有道路类型、车道数、坡度、坡长、交通量、以及平面线形组合等,如表1所示,图1是道路的平面线位以及观测位置(横断面)。基本涵盖了重庆市的主要道路类型,并能充分反映出山地城市道路的特点。

1.2 实验车型

为照顾城市道路的典型车型,实验所调查的车辆类型主要是小客车,包括三厢和两厢轿车、面包车、SUV(含一部分四驱越野车)。为了与大型车的速度特性进行对比分析,同时还测量大型车的速度数据,包括大货车、大客车、公交车和一部分中型货车。

1.3 实验仪器和观测方法

实验用到了5种仪器,分别为雷达测速仪、红外测距仪、数显水平尺、对讲机和照相机。其中雷达测速仪用于记录通过各个观测断面的汽车行驶速度;对讲机用于不同观测断面记录人员之间的语音通讯;照相机用于记录实验道路情况;数显水平尺用于测量各个观测断面的坡度值;红外测距仪用于测量各观测断面之间的距离。

观测方法:(1)不计车牌,只区分车型,该方法主要针对小客车,由于小客车的比例大、速度快,实测时在短时间内难以准确描述其外观特征,难以实现不同观测断面的跟踪观测;(2)连续跟踪单个车辆,即第一观测断面的实验员在记录速度的同时,报告观测车辆的外形和结构特征,后续观测断面等待该车辆驶进观测区域时进行速度记录,该方法也用于大型车的速度观测。

1.4 观测断面和观测时间

依据道路实际情况,每条实验路段设置3~4个观测断面,坡顶和坡底设置一个,中间设置1或2个,断面序号按沿着上坡方向依次编号,如图2所示。本次实验的测量时间为四月中下旬开始到五月中旬结束,测量时避开了暴雨、雷电等极端天气,测速人员在测量时应隐蔽在驾驶员不易发现的位置,减少对行车造成的影响。

由于本文是以探寻道路参数与行驶速度之间的关系为目的,为了排除交通拥堵对行驶速度的干扰,开展行驶速度数据采集的时间段避开了7:00~9:00和17:00~19:00这两个上下班高峰时段。具体的观测时间为日间10:00~16:00,夜间21:00~24:00。其中大货车的速度采集是在夜间完成,因为日间大货车不允许进入重庆主城。

2 小客车行驶速度的模式特征

图3为夜间小客车在上坡路段的行驶速度测试结果,能看到在南区公园路的4个观测断面的速度分布比较集中,且幅值较低,这是由于观测断面的前方具有小半径弯道,急弯就成了影响小客车行驶速度的主要因素,动力性再好的车辆,由于弯道的限制,动力性能将没法完全发挥。相比之下,其余5个上坡路段的测试结果在每个断面上的分布均比较离散。根据小客车速度均值在各个测试断面上的变化,可以明确夜间行驶时小客车速度变化的基本模式。

模式一:速度随着坡长的延伸逐渐降低,但临近坡顶时(最后两个断面之间的区段),速度提高,即加速驶出上坡路段,如图3(a)所示。

模式二:速度沿上坡方向一直衰减,但衰减的幅度和趋势比较轻微,如图3(b)、图3(c)所示。并且发现,这种持续下降趋势同时存在于两种速度环境,比如海峡路的均值速度很高,是60 km/h左右;而广黔路的均值速度很低,25 km/h左右。

模式三:速度保持恒定,即小客车上坡行驶时速度并不发生衰减,如图3(d)~图3(f)所示。

综合比较图中的6个路段,除了南区公园路(弯坡组合路段)之外,发现其他5个测试路段的小客车速度均发生不同程度的衰减,由于夜间行驶时路侧干扰程度低、车流量小,驾驶行为主要受道路条件影响,因此,可以认为夜间行驶条件下山地城市道路上坡路段会导致小客车的速度出现不同程度的衰减。

图4为日间小客车行驶速度的实测结果,能看到小客车在各路段观测断面4(坡顶位置)的速度值比前几个断面要更加分散,其原因主要是此断面位置临近坡顶,驾驶员不同的驾驶习惯(比如某些驾驶员在坡顶时换档,有的则在坡顶前就换挡,还有一些驾驶员偏爱冲坡)导致了不同的速度幅值。根据图中6个测试路段的小客车速度均值在不同观测断面上的变化特征,可以对速度模式进行定义和划分。

模式四:速度先逐渐升高,再逐渐降低,最后再升高,即速度波动呈N形变化,如图4(a)、图4(b)中的情况。

模式五:速度先下降,然后持平,最后再升高。即坡低时下降,坡中时恒定,临近坡顶时加速。如图4(e)。

模式六:速度持续升高,如图4(f)。另外,图4(c)、图4(d)中的速度变化特征则属于本节前面定义的模式二。

将同一路段日间和夜间的数据进行对比,能看到日间和夜间是两种不同的变化趋势,如广黔路,夜间是单调下降(即模式二),而日间是N形变化(模式四);再如兰花路,夜间行驶速度也是单调衰减,即模式二,而日间是模式五。日间和夜间速度变化趋势不一致的原因为,夜间汽车行驶时的路侧干扰更小,且行人过街信号灯在夜间是黄灯闪烁,汽车在没有行人是可直接通过,而日间汽车在临近人行横道且红灯启亮时需减速,因此夜间行驶速度的影响因素更单一。

与夜间相比,日间小客车的速度变化类型要更丰富,根据对现场情况的分析,发现除了道路坡度之外,路口复杂的行驶环境对小客车速度也有明显影响,由于有路口存在,就会出现行人横穿和交通信号控制等复杂行驶因素,导致驾驶员在路口前方采取减速措施。同时,日间的路侧干扰也比夜间更大。

综上,小客车在山地城市上坡路段的速度变化趋势呈典型的多样性特征,囊括了之前我们所猜测的各种变化模式,比如持续递减、维持不变、持续升高、以及3类型的波动模式。

3 不同类型小客车的行驶速度差异性

根据试验道路上的交通结构组成,对小客车(小客车)进行细分,分别为三厢/两厢小轿车、面包车和SUV三个车型。图5是兰花路、建新南路和学府大道等3个试验路段的分车型速度均值变化,从中可以看到:

(1)三种不同车型的平均速度之间存在比较明显的差异,其中面包车的平均速度相比其他两种车型在各断面上都要低,这是由于面包车的比功率在三种车型中最低。

(2)相同路段,SUV的速度在3种车型中最高,这是由于SUV车型比其他两种车型具有更优良的爬坡性能和加速性能。其他试验路段比如建新南路和学府大道小客车的速度特性与所列举的3个路段相似,不再详述。

(3)总的来看,速度最低的面包车与速度最高的SUV,均值速度相差5 km/h左右,是非常显著的差异。

4 昼夜环境以及车型对速度的影响

在图6中可以观察到昼夜和车型对汽车行驶速度的影响,箱型图的从上至下分别表示最大值、75百分位值、50百分位值、25百分位值和最小值。其中图6(a)是不区分车型的结果显示,能看到学府大道和兰花路的夜间行驶速度的各个特征值均大于日间,但南区公园的汽车行驶状况却和前3条道路相反,不管是速度分布区间还是均值都是夜间小于日间,这是由于该道路是典型的弯坡组合路段,技术标准比较低,弯道半径小角度大,且是双车道,对撞、驶离路面和侧翻的风险均比较大,夜间行驶由于光照和视距不好,驾驶员出于安全的考虑会选择一个较低的行驶速度,并且存在行为上的趋同性。

图6(b)是小客车的结果显示,从中能看到,广黔路与南区公园路类似,也是夜间的行驶速度低于日间,但行驶速度的分布范围与日间差别不大,原因是广黔路的道路等级也比较低,并且与南区公园路一样同是属于弯坡组合路段,夜间行驶时驾驶员由于视线不足不得不选择较低速度。由此可知,在山地城市长上坡路段,直线路段(直坡)的夜间汽车的行驶速度普遍高于日间,但弯坡组合路段则正相反。对于弯坡组合路段,影响夜间驾驶员速度选择行为的主要因素是道路线形、道路等级以及道路照明。

图7(a)和图7(b)分别日间和夜间给出了小客车和公交车(含少量大客车)的行驶速度均值对比,每个柱状体的高度表示该车型在全部观测断面上的速度均值。从中能看到,在山地城市长上坡路段,无论是在夜间还是日间,小客车的速度均大于公交车/大客车,这是由于小客车具有较高的比功率值,并且小客车的行驶阻力远远小于公交车,因而造成小客车的上坡行驶速度明显大于大型车。小客车和大型车的速度差均值维持在12 km/h,并且,夜间大型车和小客车的速度差与日间比并未见明显不同。

5 结论

山地城市道路由于弯道多、坡度值大、坡道长等特点,对汽车行驶速度以及驾驶人的速度选择行为产生了明显的影响。为了明确上坡路段的小客车速度变化特征和影响因素,本文在重庆市主城区选择了多条不同类型的长大上坡路段,分别在日间和夜间采集了多个测试断面的行驶速度值,得到了如下结论。

(1)小客车在山地城市上坡路段的速度变化趋势呈典型的多样性特征,囊括了之前我们所猜测的各种变化模式,比如持续递减、维持不变、持续升高、以及不同类型的波动,通过进行归类,确定了6种变化模式。

(2)在SUV、面包车和三厢/两厢轿车这3种车型中,面包车在上坡路段的速度均值最低、三厢/两厢轿车居中,SUV速度最高,并且,SUV与面包车的平均速度相差约5 km/h。

(3)在日间,山地城市道路的坡度对小客车速度没有明显的影响,而受路侧、交通量、和信号灯影响较大;而在夜间,小客车在上坡路段的行驶速度会出现不同程度的衰减。

(4)在直坡路段,小客车的夜间行驶速度观测值高于日间,并且速度在各观测断面的分布比较离散;而对于弯坡组合路段,由于夜间视距较差,驾驶员为了保证车辆横向稳定性,速度在各断面的分布比较集中,且速度幅值较低(比日间更低)。

(5)不管是日间还是夜间,小客车的行驶速度幅值明显高于大型车,二者之间的行驶速度差均值约为12 km/h;此外,夜间大型车和小客车的速度差相比于日间并未见明显不同。

路段速度 篇2

1 数据的调查

为了分析电动自行车过街行为,选择丁卯桥路5 处路段过街横道开展调查: 周家河村、美景家园、瑞泰新城、外贸冷库和车友车饰。选取这五个地点原因如下: ①镇江市丁卯桥路早晚高峰交通压力大,机非冲突严重,存在较多无信号控制路段; ②正交无信号控制路段,无明显坡度,视距良好; ③电动自行车交通量足够大; ④具有明显的冲突现象且发生过交通事故。流量类和时间类的数据采集主要依靠视频录像的方式,借助硬盘摄像机和三脚架完成。同时测得主路道路宽度,斑马线长度,然后对所录视频进行处理,提取数据。

( 1) 骑行者的性别: 男性和女性。

( 2) 年龄: 青年: 25 岁以下; 中年: 25 ~ 50 岁; 老年: 大于50 岁。

( 3) 过街方式: 逐个方向穿越、逐条车道穿越、一次性穿越。

( 4) 干扰过街因素: 交谈、使用手机、负重、推车过街。

( 5) 行人初始到达时刻、到达中分带时刻、完成过街时刻、停止次数、过街平均速度。

2 无信号控制路段电动自行车过街速度分析

在无信号控制路段过街横道处,电动自行车过街没有信号灯控制,电动自行车与机动车流两者之间的相互干扰问题不仅增加了交通安全隐患,还会使交叉口和路段通行能力和服务水平下降。然而对机动车流中可穿越间隙的选择存在差异,骑行者的行为选择会发生不同变化,从而导致电动自行车的过街速度不同,造成这种差异的主要原因是骑行者本身的生理、心理不同以及出行目、出行环境的不同。下面将对电动自行车骑行者分类,探讨电动自行车在无信号控制路段人行横道处的过街速度。

2. 1 不同分类的骑行者对过街速度的影响

不同性别分类的骑行者中: 男性平均速度为2. 19 m / s; 女性平均速度为2. 04 m / s。不同年龄分类的骑行者中: 青年平均速度为2. 18 m/s; 成年人平均速度为2. 12 m/s; 老年人平均速度为1. 95 m/s。青年骑行者平均速度最高,原因在于青年骑行者在过街时一旦感觉危险或获得通行机会时常常采用加速过街的方式。由于心理和生理的双重劣势,老年骑行者过街时一般不会加速或强行过街,而是等待一个足够大的间隙后从容过街,所以速度最低。因为调查数据中老年骑行者很少,所以对电动自行车过街速度的累计频率分析仅限青年和中年。由图1 与图2 分析得出: 无论是性别还是年龄,不同分类的电动车骑行者过街速度存在差异,原因在于骑行者的生理、心理特性的不同,对危险的感知不同。

2. 2 过街方式对电动自行车过街速度的影响

无信号控制路段过街横道处,电动自行车过街可选择不同的穿越方式: 一次性穿越、逐个方向穿越、逐条车道穿越。当路段上机动车流量较大时,随着等待时间不断延长,骑行者逐渐失去耐心,开始尝试接近车流,会选择逐条车道穿越。逐个方向穿越方式是3 者中较常见且相对安全的,即二次过街,先在道路边缘等待穿越间隙,一次不停地到达中分带,再等待,一次不停地到达道路的另一端。当路段车流量不大且可穿越间隙大的时候才会选择一次性穿越。

通过所测数据分析得出: 对于无信号控制路段电动自行车,逐车道穿越速度比一次性穿越慢了29. 7% ,比逐方向穿越慢了12. 4% ,而且将逐车道穿越和逐方向穿越两方式下的过街速度方差进行比较可知,前者的速度分布更加分散,这是对电动自行车逐车道穿越时受主路车辆干扰严重现象的反应。由于一次性穿越时个体速度随意性较大,因此方差也较大。从表1 和图3 可以看出3 种过街方式对过街速度影响存在明显的差异性。

2. 3 过街干扰因素对电动自行车过街速度的影响

无信号控制路口由于群体心理或从众心理,电动自行车过街速度与一起过街人数有关。人行横道上聚集的行人、普通自行车和电动自行车数量较多时,对危险的感知变小,一旦交通群体中出现率先抢行者,其他行人、普通自行车和电动自行车往往跟从。电动自行车过街往往会受到骑行者交谈、使用手机或负重等干扰因素影响,孙志勇,等[11]在行人交通数据采集方法研究中指出: 多数事故是在弱势群体受到过街干扰情况下发生的。因为干扰因素会降低交通参与者对周围环境的判断力,从而影响对危险的感知,导致交通事故发生,同时对过街速度有很大影响。调查数据表明,在无信号控制的路段过街横道电动自行车车骑行者使用手机的约占0. 7% ,推车过街约占2. 6% ,同其他同伴交谈的约占6. 7% ,电动车负重的约占16. 5% 。虽然电动车负重的比例很高,但进一步的统计发现负重电动自行车的过街速度比没有负重的仅降低了0. 02 m/s,由图4 亦可看到负重因素对过街速度的影响微乎其微。图5 表示电动自行车主有无交谈行为对过街速度的影响。

3 模型建立与验证

3. 1 行人过街速度分布的检验

对电动自行车过街速度分布检验方法选用Kolmogorov-Smirnov检验,过程如下。

原假设H0: 过街速度符合正态分布。

拒绝假设H1: 过街速度不符合正态分布。

检验统计量:

。

其中Sn( x) 为车头时距样本对数值的累计频率函数为相应正态分布,F( x) 为不同分类情况下电动自行车过街速度样本对数值的累计频率函数,若双侧渐近显著性大于显著性水平 α( α = 0. 05) 则判定H0成立。以此为依据对各分类情况下的过街速度分布进行正态分布检验,特征参数和检验结果列入表2 中: 每个自变量渐近显著性( 双侧) 均大于显著性水平 α,故不同分类情况下电动自行车过街速度分布符合正态分布。

3. 2 模型的标定

以上研究表明,无信号控制路段电动自行车过街速度与诸多因素有关,其基础模型应为:

Vh=f(性别,年龄,过街方式,干扰项1,干扰项2,干扰项3)=β0+β1x1+β2x2+…+βkxk+ε(1)

式(1)中,Vh为电动自行车过街平均速度;x1,…,xk为k个独立变量;βi为回归系数;ε为误差性。

通过逐步回归的方法剔除对电动自行车过街速度影响显著性弱的因素: 少年、老年、使用手机。虽然电动自行车负重的比例很高,但上文研究表明对过街速度的影响很小,且对重量的数据收集比较困难,遂将“负重”这一干扰项剔除。以男性、青年、逐车道穿越的过街速度为参照组,对保留的因素用SPSS软件做多元回归分析,得出模型特征参数,如表3 所示。“一次性穿越”和“推车”对电动自行车过街平均速度敏感性最强,显著性值为0,其次是“逐方向穿越”、“女性”、“交谈”、“中年”。常数项2. 095 是参照组的平均数。由于h1~ h6的系数分别代表不同属性样本与参照组平均数的差,因此对这些系数进行t检验。该表中6 个系数的t值均已达到0. 05 的显著性水平,表示与参照组有显著性差异。VIF值均小于10,故自变量之间不存在多重共线性。

根据SPSS输出的结果,建立电动自行车过街速度回归模型

式( 2) 中,Vh为电动自行车过街均速度,m/s; h1为是否为女性( “是”为1,“否”为0) ; h2为是否中年( “是”为1,“否”为0) ; h3为是否为逐方向穿越( “是”为1,“否”为0) ; h4为是否为一次性穿越( “是”为1,“否”为0) ; h5为是否推车( “是”为1,“否”为0) ; h6为是否交谈( “是”为1,“否”为0) 。

3. 3 模型的检验

从模型的回归系数可以看出: 女性、中年、是否推车、是否交谈回归系数为负数,表明相对于参照组男性,青年,逐车道穿越过街平均速度慢; 一次性穿越、逐方向穿越回归系数为正,说明与参照组相比,过街平均速度较快。与上节所分析的结果相符。因R2= 0. 493,比较高,所以回归模型的整体显著性较高。从表4 中可以看出F值为7. 654,Sig. 值为0. 000,表示此模型成立并具有统计意义,即这些自变量可以显著解释“电动自行车过街平均速度”。

4 结语

随着我国环境污染越加严重,许多城市提倡慢行交通,自行车交通在城市交通中变得越来越重要。本文针对镇江市5 处无信号控制路段的实际情况进行录像调查和数据分析,得出不同分类条件下电动自行车的过街平均速度。男性: 2. 19 m/s、女性:2. 04 m / s、青年: 2. 18 m / s、中年: 2. 12 m / s、一次性过街: 2. 40 m/s、逐方向过街: 2. 08 m/s、逐条车道过街: 1. 85 m/s,并检验得出过街平均速度符合正态分布,进而通过SPSS软件逐步回归分析对过街速度的影响显著性并线性回归建立电动自行车平均过街速度的模型。

不足之处: ①由于受调查数据限制,对老年和少年的过街行为研究不够全面,相关参数的标定需更多数据的验证; ②对环境变量因素考虑不全,例如不同时段,天气,季节等对过街速度的影响; ③未考虑机动车速度,电动自行车接收间隙、拒绝间隙,机非冲突对电动自行车过街的影响。

参考文献

[1]郑明伟.无信号交叉口交通弱势群体穿越主路的交通行为建模.南京:江苏大学,2012Zheng M W.Traffic behavior modeling of traffic vulnerable groups crossing main road at unsignalized intersection.Nanjing:Jiangsu University,2012

[2] 李啸,张新海.车辆管理教程.北京:中国人民公安大学出版社,2003:120—131Li X,Zhang X H.Vehicle management course.Beijing:Chinese People’s Public Security University Press,2003;120—131

[3] 黄文忠,杨佩昆.无控制人行横道处的行人和机动车延误分析.同济大学学报(自然科学版),1995;23(1):31—36Huang W Z,Yang P K.Delays of pedestrians and vehicles at the non-signalized zebra.Journal of Tongji University(Natural Science),1995;23(1):31—36

[4] 冯树民,裴玉龙.行人过街延误研究.哈尔滨工业大学学报,2007;39(4):613—616Feng S M,Pei Y L.Research on delay of pedestrians crossing.Journal of Harbin Institute of Technology,2007;39(4):613—616

[5] 郑长江.行人过街信号与交叉口信号联动控制方法研究.南京:东南大学研究生院,2006:6—14Zheng C J.Research on the signal coordination control of mid-block street crossing and intersection.Nanjing:School of Transportation,Southeast University,2006:6—14

[6] Jia S P,Peng H Q,Guo J Y,et al.Quantitative analysis of impact of bicycles on vehicles in urban mixed traffic.Journal of Transportation Systems Engineering and Information Technology,2008;8(2):58 —63

[7] Virkler M R,Balasubramanian R.Flow characteristics on shared hiking biking jogging trails.Transportation Research Record,1998;(1636):43—46

[8] Ananth P,Masoud A,Nora C,et al.Adaptive signal timing for bicycles.Washington D C:National Research Council,2007

[9] Wang D H,Feng T J,Liang C Y.Research on bicycle conversion factors.Transportation Research Part A,2008;42:1129—1139

[10] 张志远.交叉口自行车交通组织研究.北京:北京交通大学交通运输学院,2007:10—13Zhang Z Y.Research on organization of bicycle traffic at intersections.Beijing:Beijing Jiaotong University,School of Traffic and Transportation,2007:10—13

路段速度 篇3

关键词：元胞自动机,城市快速路,速度变化概率

元胞自动机是一种时间和空间都离散的动力学系统。散布在规则网格中的每一元胞取有限的离散状态, 遵循同样的作用规则, 依据确定的局部规则作同步更新。元胞自动机最基本是由元胞、元胞空间、邻居及规则四部分组成[1]。本研究的短时时间尺度交通流元胞自动机也是由四部分组成: (1) 元胞; (2) 经过同一断面的连续1min车辆总体、元胞空间; (3) 元胞所分布的空间网点集合、邻居; (3) 前、后1min车辆总体、规则:1min车辆平均速度加、减、匀速规则。

时间短时尺度是指在这段时间里交通流的基本参数变化不大, 也就是说交通流在这段时间比较稳定[2]。短时时间多尺度分析数据是用不同的较短时间为单位, 得出数据的平均参数做数据分析的基本参数, 挖掘数据的潜在特性, 总结数据的变化规律。时间刻度主要为1min、3min和5min。一般认为时间刻度小于15min称为短时尺度, 而且不同的时间尺度, 在特征图表的显示并不相同, 所以本文也会对数据时间尺度的适当选取进行基础性的研究。

为了使整个城市路网的运行效率更高, 充分发挥城市快速路的功能, 就需要对城市快速路的交通流特征[3]进行深入研究。本文运用时间短时尺度分析方法和交通流元胞自动机原理的结合对数据进行深层次的处理和分析, 挖掘城市快速路交通流速度变化特点。

1 实验数据采集方案

根据城市快速路交通流信息处理的技术结构, 设计城市快速路交通流实验方案。由于交通数据的采集地点关系到数据的代表性和有效性, 所以要慎重选择。采集点一般应选在交通需求大、能够体现城市快速道路条件下的无交叉口车辆快速行驶的交通流特点的地方。只有在这类路段采集得到的数据才可能清晰地呈现出城市快速路交通流运行过程中所凸显的快速特征。因此, 笔者选择了以下三个交通流数据采集区, 通过分路段、分车道、分时段采集交通数据, 以保证提取到城市快速路交通流的普遍特征。

1.1 数据采集区一

图1为广州市广园东快速路 (自东向西方向) 的实验方案。在基本路段的A点与F点出利用线圈检测器LOOP采集数据, 采集时间从早上7点到到晚上10点, 为期一个星期。

1.2 数据采集区二

图2为广州市广园东快速路 (自西向东方向) 的实验方案。路段长度为1 000m。在G 3、G 4、G 5点处利用线圈检测器LOOP采集数据, 采集时间为三天, 从早上7点到晚上10点。

1.3 数据采集区三

图3为广州市广园东快速路与科韵路立交的广园路 (自西向东方向) 的实验方案。试验采集点为VD 5, 这是一个城市快速路基本路段的采集断面, 利用埋设线圈检测器采集数据, 采集时间为2008年4月19日至5月9日, 从早上7点到晚上10点。

2 数据统计分析方法

2.1 数据统计分析时间尺度的选取

统计时间尺度的选取直接关系到交通流模型的制定, 及其实时性和有效性。在实际交通流中, 交通需求是时变的, 选取合适的统计时间, 能够去除交通数据波动的干扰, 将数据中随机干扰和真实运行机理区分开, 能够更加清晰地描述在各个交通状态间交通流动、静态参数的变化特性。

国内、外很多学者在进行相关的研究时, 检测设备的采集时间多为10s、20s、1min等, 数据间隔取值大部分为1min、5min、10min或者15mins。间隔越小, 有利于交通状况实时、准确地从数据中体现出来[2]。否则, 因交通流变化过快, 获取的数据不能确切地反映各交通状态或时空模式产生变化时的实际过程。但同时数据采集间隔过小, 也会造成随机干扰效果的扩大, 数据随机波动明显, 不仅不利于研究与分析, 在实际交通诱导和控制系统上的应用也会造成障碍。考虑本文研究数据的波动性需求, 因此采用以1min为检测间隔的实际数据来研究城市快速路交通流的特征。

2.2 数据提取

在实验数据提取分析中, 本文主要根据以下两种方法对数据进行提取做分析。

(1) 我国城市交通主要以大小车混合交通为主, 每车道大小车数量比例不同直接导致车辆行驶速度存在很大的区别。根据实验观察统计得到广园东快速路四车道中每条车道的大车数量比例:第一、二车道与三、四道比例为1∶9, 其中第一与第二车道的大车数量比率为1∶1, 第三与第四车道的比例为1∶1。为了能够更好地体现出城市快速路基本路段交通流的变化特性和获取到比较精确的交通流各参数, 本研究在数据分析上根据大车比例的特点运用了分车道统计的方法。

(2) 我国城市交通, 特别是快速路的交通都有明显的高峰与平峰之分, 从而直接导致车辆1min平均行驶速度存在很大的区别。为了能够得到比较有效研究成果、更好地体现出城市快速路基本路段交通流在不同时间的变化特性, 本研究在数据分析上根据高峰期和平峰时间交通流的特点从早上7点至晚上9点运用了分时间段统计的方法。具体分五个时间段:7:00—9:00;9:00—12:00;12:00—17:00;17:00—19:00;19:00—21:00。

3 数据处理

3.1 第一车道数据分析

经过同一地点连续1min车辆的平均速度以5km/h范围为一个统计单位, 如表所示。图表中横坐标表示当前时刻短时车辆平均速度, 纵坐标表示下一时刻短时车辆平均速度;pij表示同一地点下一时刻相对上一时刻的1min平均速度P从第i速度刻度范围变到第j速度刻度范围的加、减、匀速概率, 其中绿色部分数字是匀速概率, 匀速概率左边是减速概率, 右边是加速概率;表中第一列为数据在各个时间段里不同速度的统计次数, 第二列为不同速度统计数占总数的比例, 第三列为从 (0—5) km/h至 (115—120) km/h共为24级的速度刻度值。从三个实验方案采集的广园东快速路基本路段第一车道基本数据经过数据提取与统计, 再数据修复和去噪声干扰分析[4]得到的数据如表1至表5所示。从数据分析表中可以总结广园东快速路基本路段的第一车道速度变化概率特性如下。

3.1.1 7:00—9:00时间段

速度主要集中分布在刻度v11与v15之间, 而且分布比较平均, 都占占统计总数的百分之十几。车辆下一时刻匀速概率比较大, 同时匀速概率随着速度的增加并没有出现大幅度下降的现象, 均保持在40%左右, 而且第一级加、减速概率比较大, 第一级加速概率约为20%, 第一级减速概率约为23%, 加减速概率级别基本为第一级别。说明此时间段里同一断面的下一时刻与上一时刻相比交通流速度变化较不明显, 跳跃性比较小, 交通流运动状态比较稳定, 符合实际交通流的早高峰时间车流大, 基本处于同步流状态的特性。

3.1.2 9:00—17:00时间段

速度主要集中分布在刻度v11与v15之间, 低速交通流时, 速度匀速概率比较大, 有40%多;而交通流随着速度的逐渐增大, 匀速概率出现逐渐减少的现象, 下降到v15的20%多, 同时加、减速的概率分布得比较散, 基本都有数值相差不多的几级加减速概率, 说明在这种情况下速度不稳定, 加减速随机性比较强。经过分析得到此时间段同一断面的下一时刻与上一时刻相比交通流速度变化较为明显, 跳跃性比较大, 这与实际交通中平峰时刻交通流量比较少、处于自有流状态吻合。

3.1.3 17:00—19:00时间段

速度主要集中分布在刻度v11与v16之间, 高速交通流时, 速度匀速概率比较均匀, 在20%左右;而且分布主要在一二级, 一级减速概率比较大, 而交通流随着速度的逐渐减少, 匀速概率在v12和v11出现连续两次突增现象, 匀速概率上升到40%多。说明在这种情况下交通流处于高速速度不稳定, 匀速概率小, 加减速随机性比较强的状态, 低速时交通流突变到匀速概率较大, 速度比较稳定的状态。这与实际交通流晚高峰时先自由流, 再突然过渡到同步流或堵塞状态吻合。

3.1.4 19:00—21:00时间段

速度主要集中分布在刻度v10和v13, 50%多的车辆平均速度在60km/h左右, 说明车辆平均行驶速度较高, 处于自由流状态, 与实际交通流晚高峰后出现自由流状态吻合。

以上是短时间尺度元胞自动机城市快速路路段交通流第一车道的车辆速度转换概率分析。广园东快速路路段有四车道, 其它三个车道的车辆速度转换概率分析方法与第一车道相同, 分析结果也与实际交通流比较吻合。

5 展望

作者将继续利用城市快速路路段交通流的车辆速度转换概率分析结果, 根据时间短时尺度和元胞自动机交通流原理, 定义短时尺度城市快速路元胞自动机交通流模型:元胞—经过同一断面的连续1min车辆总体、元胞空间—元胞所分布在的空间网点集合就是这里的元胞空间、邻居—前、后1min车辆总体、规则—1min车辆平均速度加、减、匀速规则、车辆运动。再利用仿真数据分析结果与实际测量数据的对比以改善模型参数来构建短时间尺度城市快速路路段元胞自动机交通流模型。

6 总结

本文主要通过对我国城市快速路交通流的实地调查, 针对我国城市交通流混合交通严重的自身特点, 对检测器采集回来的数据利用时间短时尺度分析方法和元胞自动机原理的结合进行深层次的处理和分析, 挖掘城市快速路交通流速度特点, 对城市快速路交通流速度的动态、静态特征从时间上进行尺度为一分钟的研究, 从而总结快速路车辆速度加、减、匀速的变化概率, 由于数据是分时段和分车道处理分析的, 所以得出的速度变化概率也比较符合实际交通流的运动规律, 为利用城市快速路元胞自动机交通流模型, 对城市快速路的交通微观控制提供重要的理论依据。

本文的创新点是利用时间短时尺度分析方法和元胞自动机原理结合在一起来对实测数据进行分时段分车道的深层次处理和分析。

参考文献

[1]董斌.城市快速路交通流时变特性研究.吉林:吉林大学, 2005

[2]翁小雄.城市交通流颗粒模型及其控制模式研究.博士论文.华南理工大学.2006

[3]靳文舟, 张杰, 郑英力.基于细胞自动机理论的交通流模拟模型.华南理工大学学报 (自然科学版) , 2001;29 (8) :93—96