趙懷明，譚 宇，李博威

(1. 中鐵二院工程集團(tuán)有限責(zé)任公司，四川 成都 610031； 2. 西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 611756)

0 引 言

隨著國民經(jīng)濟(jì)持續(xù)快速發(fā)展，路網(wǎng)規(guī)模不斷擴(kuò)大，城市汽車保有量和居民出行需求不斷增加，交通供給和需求之間的矛盾變得愈發(fā)尖銳。盡管不斷建設(shè)新的交通設(shè)施或?qū)ΜF(xiàn)存交通設(shè)施進(jìn)行擴(kuò)容，但仍不能滿足迅速增長(zhǎng)的交通需求。智能交通系統(tǒng)(ITS)是準(zhǔn)確、實(shí)時(shí)、科學(xué)、高效的綜合交通管理系統(tǒng)，能有效緩解交通擁堵現(xiàn)狀。先進(jìn)交通信息系統(tǒng)(ATIS)作為智能交通系統(tǒng)(ITS)的核心部分，旨在為公眾出行提供信息，使出行者能合理地選擇出行時(shí)刻、出行路徑和出行方式等，使其能避開交通擁擠區(qū)域，從而使交通路網(wǎng)需求和供給能最大限度地匹配，緩解交通擁堵情況。

ATIS系統(tǒng)主要由兩部分構(gòu)成：外部交通信息系統(tǒng)(例如：可變情報(bào)板)和車載信息系統(tǒng)(例如：導(dǎo)航信息系統(tǒng))。國內(nèi)外研究者基于外部交通信息系統(tǒng)和車載信息系統(tǒng)，從不同角度對(duì)出行者路徑選擇行為影響進(jìn)行了研究。YANG Hai[1]通過構(gòu)建混合平均分配模型，分析了駕駛員在不同獲取信息能力時(shí)的路徑行為選擇；石小法等[2]從動(dòng)態(tài)角度出發(fā)，考慮交通信息對(duì)出行者出行路徑選擇的動(dòng)態(tài)影響，建立了動(dòng)態(tài)路徑選擇模型，結(jié)合隨機(jī)過程、一階近似表達(dá)式等相關(guān)理論，研究交通信息對(duì)出行者出行路徑選擇行為的影響；C.LEE[3]分析了影響駕駛員對(duì)ATIS順從性的7個(gè)因素，包括可靠性、自信度、延誤、時(shí)間壓力、預(yù)計(jì)出行節(jié)省時(shí)間、預(yù)計(jì)延誤時(shí)間和出行節(jié)省時(shí)間，并運(yùn)用二元邏輯回歸模型，探討了這些因素之間的相互關(guān)系，研究結(jié)果表明對(duì)準(zhǔn)時(shí)到達(dá)的要求越高，司機(jī)對(duì)ATIS的順從性越強(qiáng)，ATIS發(fā)布信息準(zhǔn)確率越高，駕駛員根據(jù)誘導(dǎo)信息改變出行的意愿越強(qiáng)烈；H.K.LWILLIAM等[4]研究了通過VMS，在快速路網(wǎng)上向駕駛員提供動(dòng)態(tài)出行時(shí)間信息時(shí)帶來的影響和收益，提出時(shí)間依賴性交通分配模型，并且將總路網(wǎng)行程時(shí)間與VMS有效時(shí)間進(jìn)行比較，證明了在非正常擁堵情況下提供動(dòng)態(tài)出行信息影響比經(jīng)常擁堵情況下提供動(dòng)態(tài)出行信息的效果更加顯著；李志純等[5]利用層次選擇結(jié)構(gòu)模型和隨機(jī)均衡方法，研究了先進(jìn)旅行者信息系統(tǒng)對(duì)出行者終點(diǎn)選擇、方式分擔(dān)和路徑選擇行為的綜合影響，通過建立數(shù)學(xué)規(guī)劃模型，并結(jié)合算例討論了市場(chǎng)滲透率和信息質(zhì)量對(duì)出行者選擇行為的影響；唐潔[6]基于非集計(jì)模型，建立信息條件下出行者出行全過程的選擇模型，通過輸入反映出行行為的相關(guān)變量，對(duì)出行者的相應(yīng)選擇進(jìn)行預(yù)測(cè)；張小寧[7]通過比較正常情況、交通事故發(fā)生后發(fā)布交通信息和不發(fā)布交通信息這3種情況下的交通系統(tǒng)總體行程費(fèi)用，得出了出行信息系統(tǒng)并不總是對(duì)交通系統(tǒng)有利，發(fā)布出行信息應(yīng)視情況而定的結(jié)論；陳贛浙[8]結(jié)合車牌識(shí)別數(shù)據(jù)深入了解了VMS對(duì)快速路駕駛員路徑選擇行為的影響，研究結(jié)果表明：快速路駕駛員路徑選擇行為與VMS實(shí)時(shí)誘導(dǎo)之間存在明顯的反饋調(diào)節(jié)，而且VMS路徑選擇行為的影響效果十分顯著，可在一定程度上優(yōu)化快速路網(wǎng)的交通流分配；任其亮等[9]以交通信息發(fā)布中的信息震蕩問題為切入點(diǎn)，根據(jù)交通信息發(fā)布變化量、路段交通負(fù)荷度變化量等，構(gòu)造了基于動(dòng)態(tài)交通誘導(dǎo)信息策略的駕駛員刺激-反應(yīng)模型，并驗(yàn)證了該方法能有效減少交通信息震蕩，改善城市路網(wǎng)使用效益；任小聰?shù)萚10]主要以交通事故信息為研究對(duì)象，基于SP與RP調(diào)查數(shù)據(jù)，建立了不同情況下二值Logistic路徑選擇模型，運(yùn)用SPSS軟件對(duì)模型參數(shù)進(jìn)行標(biāo)定與檢驗(yàn)，得出交通事故信息度對(duì)小汽車出行者路徑選擇行為具有顯著影響；孫秋霞等[11]從交通網(wǎng)絡(luò)層面，根據(jù)出行個(gè)體對(duì)交通信息接受情況的不同，從不同變量的角度加以分析，并結(jié)合多種影響因素，探尋出行者個(gè)體微觀行為對(duì)網(wǎng)絡(luò)宏觀特征的影響，并得出交通信息及時(shí)供給與出行者對(duì)交通信息的學(xué)習(xí)能力，將會(huì)從整體上提升路網(wǎng)的運(yùn)行效率；程澤陽等[12]根據(jù)改進(jìn)密切值法，建立了基于誘導(dǎo)終端組合的交通信息發(fā)布方式評(píng)價(jià)模型，并結(jié)合案例得出該評(píng)價(jià)模型較TOPSIS法、多屬性效用法的評(píng)價(jià)誤差更低，所得結(jié)果也較傳統(tǒng)值有所下降。

目前，大多研究者主要針對(duì)個(gè)人在即時(shí)出行信息誘導(dǎo)下的路徑選擇，對(duì)不同交通情況下行人對(duì)不同信息需求的研究并不多。筆者綜合考慮多方面影響因素，深入研究了在發(fā)生交通事件和無交通事件情況下，提供即時(shí)交通信息和預(yù)測(cè)交通信息對(duì)出行者路徑選擇行為所產(chǎn)生的影響。

1 模型建立

在描述交通信息誘導(dǎo)下出行者出行行為選擇時(shí)，常見模型有Logistic模型[13]和Logit模型[14]。A.AHMED等[15]提出了一種整體模型，在交通事件情況下，通過實(shí)時(shí)交通信息，優(yōu)化網(wǎng)絡(luò)中出行者選擇行為，從而使擁擠盡快疏散。

綜合考慮出行信息對(duì)出行者帶來的影響，結(jié)合相關(guān)的研究成果，筆者提出了一種基于交通流到達(dá)-駛離積累關(guān)系的排隊(duì)長(zhǎng)度計(jì)算模型(存儲(chǔ)-轉(zhuǎn)發(fā)計(jì)算模型)。筆者建立的模型考慮了排隊(duì)所產(chǎn)生的外部交通需求P和預(yù)測(cè)行程時(shí)間，并提供了出行時(shí)間能影響出行者的路徑選擇。模型結(jié)構(gòu)如式(1)～(3)：

(1)

(2)

(3)

模型中出行時(shí)間包含兩部分：自由流出行時(shí)間和因排隊(duì)造成的延誤。為預(yù)測(cè)下一時(shí)刻路徑j(luò)上的排隊(duì)長(zhǎng)度，需估計(jì)路徑j(luò)上的交通需求，其預(yù)測(cè)公式，如式(4)。

Qj(t)=γj(t)×Q(t)

(4)

式中：Qj(t)為在路徑j(luò)上的交通流；γj(t)為分離系數(shù)，表示在t時(shí)刻選擇路徑j(luò)出行的出行者比例；Q(t)為在t時(shí)刻的總交通流量。

其分離系數(shù)可由式(5)、(6)得到：

(5)

(6)

2 模型應(yīng)用

2.1 路網(wǎng)情況

筆者以荷蘭阿姆斯特丹路網(wǎng)中兩條線路為研究對(duì)象，其路網(wǎng)分布如圖1。圖1中：路徑1為通過區(qū)域Velser-tunnel(30 km)，存在外部交通需求P1；路徑2為通過區(qū)域Coentunnel(27 km)，存在外部交通需求P2。

圖1 路網(wǎng)分布Fig. 1 Road network distribution

2.2 數(shù)據(jù)采集

模型所采用的交通數(shù)據(jù)皆為模擬數(shù)據(jù)，其中包括：在路徑1、2上的交通需求；路徑1、2的通行能力；路徑1上的外部交通需求P1和路徑2上的外部交通需求P2；整個(gè)仿真過程的計(jì)算周期為552 min。

2.3 假設(shè)條件

為更好模擬交通出行信息對(duì)出行者路徑選擇行為影響效果，筆者在仿真過程中做出以下假設(shè)。

1)在路徑1、2上的自由流出行時(shí)間分別為18、16 min，整個(gè)仿真過程恒定不變；

2)不考慮路網(wǎng)外的干擾，只考慮圖1中的兩處外部需求(P1、P2)；

3)一般情況下，仿真過程中兩條路通行能力是相同的。路徑2的通行能力在事件時(shí)期(20 min)降到正常情況下的10%；

4)整個(gè)仿真過程中，對(duì)兩條路徑外部交通需求保持相同；

5)路徑1默認(rèn)分離系數(shù)為58%。

2.4 模型運(yùn)算過程

筆者以552 min為一個(gè)仿真計(jì)算周期，充分展現(xiàn)出不同的在途交通信息對(duì)出行者路徑選擇影響效果。

2.4.1 第1步(初始化)

N1(t)=0，N2(t′)=0；(t=0,…,17；t′=0,…,15)

(7)

2.4.2 第2步

計(jì)算路徑1、2的延誤，其計(jì)算如(8)：

(8)

2.4.3 第3步

根據(jù)式(5)，在提供即時(shí)信息情況下，路徑1可進(jìn)行路徑選擇的出行者分離系數(shù)可由式(9)計(jì)算得到：

(9)

在提供預(yù)測(cè)信息情況下，路徑1上可進(jìn)行路徑選擇出行者的分離系數(shù)可由式(10)計(jì)算得到：

(10)

式中：β0默認(rèn)值為58%；敏感性β和有路徑選擇的出行者pnc所占比例可根據(jù)實(shí)際情況在仿真過程中設(shè)置不同值。

2.4.4 第4步

計(jì)算路徑1、2的交通需求，由式(11)可得：

i1(t)=i(t)×γ1(t)

i2(t)=i(t)×[1-γ1(t)]

(11)

2.4.5 第5步

計(jì)算在時(shí)間步長(zhǎng)為(t+1)時(shí)車輛在路徑1、2中的排隊(duì)長(zhǎng)度，如式(12)：

(12)

然后回到仿真過程的第2步，直到完成整個(gè)時(shí)間周期。

3 仿真分析

筆者以荷蘭城市阿姆斯特丹路網(wǎng)中的兩條路線為例，設(shè)置了兩種不同場(chǎng)景，結(jié)合存儲(chǔ)-轉(zhuǎn)發(fā)模型，運(yùn)用MATLAB軟件進(jìn)行仿真模擬；并基于兩種不同場(chǎng)景下在途交通信息對(duì)出行者路徑選擇行為影響的分析。

3.1 性能評(píng)價(jià)指標(biāo)

為更好描述在途交通信息對(duì)行人出行路徑選擇的影響，筆者采用平均延誤、平均性能和總延誤這3個(gè)指標(biāo)來衡量路網(wǎng)的交通性能。

平均延誤是總延誤之和與總交通需求之和的比值，如式(13)：

因筆者采用離散時(shí)間序列(時(shí)間步長(zhǎng)為1 min)，則平均延誤可由式(14)得出：

(14)

平均性能是總性能之和除以總交通需求之和，如式(15)：

(15)

總延誤是路徑1、2上的延誤之和，如式(16)：

(16)

式中：i1、i2分別為路徑1、2上的交通需求；D1、D2分別為路徑1、2上的延誤；n為時(shí)間步長(zhǎng)。

3.2 場(chǎng)景1仿真分析

假定所有出行者均可自由進(jìn)行路徑選擇，都能從VMS中獲得出行信息。則考慮以下場(chǎng)景：① 在一般情況下和在發(fā)生交通事件的情況下；② 出行者對(duì)交通信息的順從程度；③ 提供即時(shí)信息和預(yù)測(cè)信息。

平均延誤與靈敏度的函數(shù)關(guān)系如圖2。

圖2 平均延誤與靈敏度的函數(shù)關(guān)系Fig. 2 Function relationship between average delay and sensitivity

圖2(a)中：一般情況下，向出行者提供預(yù)測(cè)信息時(shí)，不論出行者對(duì)交通信息敏感性有多強(qiáng)，平均延誤都非常短。向出行者提供即時(shí)信息時(shí)，當(dāng)靈敏度小于0.1時(shí)，平均延誤較??；當(dāng)靈敏度超過0.1時(shí)，平均延誤則急速上升。這表明個(gè)人對(duì)交通即時(shí)信息依從性越高，延誤越高。

圖2(b)中：事件情況下，向出行者提供預(yù)測(cè)信息，且靈敏度低于0.05時(shí)，平均延誤將迅速下降；當(dāng)靈敏度高于0.05時(shí)，平均延誤保持衡量。向出行者提供即時(shí)信息，當(dāng)靈敏度低于0.15時(shí)，平均延誤下降迅速；而當(dāng)靈敏度高于0.15時(shí)，平均延誤又開始上升。這表明：若越來越多的出行者獲得即時(shí)信息，延誤反而會(huì)增高?；谶@種情況，出行者不但無法從信息中節(jié)約時(shí)間，反而會(huì)浪費(fèi)更多時(shí)間。

平均性能與靈敏度的函數(shù)關(guān)系如圖3。

圖3 平均性能與靈敏度的函數(shù)關(guān)系Fig. 3 Function relationship between average performance and sensitivity

圖3(a)中：在一般情況下，向出行者提供預(yù)測(cè)信息時(shí)，平均性能增幅較小，且保持相對(duì)平穩(wěn)狀態(tài)。當(dāng)給出行者提供即時(shí)信息時(shí)，靈敏度低于0.15時(shí)，平均性能增加；靈敏度高于0.15時(shí)平均性能迅速下降。

圖3(b)中：在事件情況下，向出行者提供預(yù)測(cè)信息情況時(shí)，當(dāng)靈敏度增加，平均性能在開始時(shí)先上升，到達(dá)一個(gè)點(diǎn)后開始保持平穩(wěn)；在提供即時(shí)信息情況下，后段會(huì)有稍許波動(dòng)，但總的來說仍然維持一個(gè)相對(duì)穩(wěn)定的狀態(tài)。

3.3 場(chǎng)景2仿真結(jié)果

當(dāng)只有p%出行者可自由選擇路徑，其他(1-p%)必須選擇某一特定路徑出行時(shí)，這兩類出行者均可使用路徑導(dǎo)航系統(tǒng)獲得交通信息。考慮以下場(chǎng)景：① 在一般情況下和在發(fā)生交通事件情況下；② 提供即時(shí)信息和預(yù)測(cè)信息。

平均延誤與可進(jìn)行路徑選擇出行者所占比例的函數(shù)關(guān)系如圖4。圖4中：平均延誤為可進(jìn)行路徑選擇出行者所占比例的一個(gè)函數(shù)(靈敏度為0.05時(shí))。一般情況下，當(dāng)可進(jìn)行路徑選擇出行者增加時(shí)，提供預(yù)測(cè)信息和即時(shí)信息的平均延誤都降低；在事件情況下，提供預(yù)測(cè)信息時(shí)，可進(jìn)行路徑選擇出行者的比例從0增加到0.1時(shí)平均延誤下降比較快，而當(dāng)更多可進(jìn)行路徑選擇出行者使用導(dǎo)航系統(tǒng)時(shí)平均延誤數(shù)值幾乎保持恒定。在事件情況下，提供即時(shí)信息，也有類似情況。

圖4 平均延誤與可進(jìn)行路徑選擇的出行者所占比例的函數(shù)關(guān)系(靈敏度為0.05)Fig. 4 Function relationship between average delay and the proportion of travelers who can make path selection (sensitivity=0.05)

平均性能與有路徑選擇的出行者所占比例的函數(shù)關(guān)系如圖5。圖5中：平均性能為可進(jìn)行路徑選擇出行者所占比例的一個(gè)函數(shù)(靈敏度為0.05時(shí))。在一般情況下，無論提供的為即時(shí)信息還是預(yù)測(cè)信息，其平均性能幾乎保持恒定。提供即時(shí)信息的平均性能要高于預(yù)測(cè)信息。在事件情況下，無論提供預(yù)測(cè)信息還是即時(shí)信息，平均性能都是先增加后趨于平穩(wěn)，提供即時(shí)信息平均性能高于預(yù)測(cè)信息評(píng)價(jià)性能。

圖5 平均性能與有路徑選擇的出行者所占比例的函數(shù)關(guān)系(靈敏度為0.05)Fig. 5 Function relationship between average performance and the proportion of travelers who can make path selection (sensitivity=0.05)

3.4 出行時(shí)間分析

在仿真過程中發(fā)現(xiàn)，當(dāng)靈敏度為0.05時(shí)，無論提供預(yù)測(cè)信息還是即時(shí)信息給出行者，都能在一定程度上節(jié)省出行時(shí)間，使用導(dǎo)航系統(tǒng)出行者越多，出行者節(jié)省的出行時(shí)間則呈現(xiàn)先增加后趨于平穩(wěn)趨勢(shì)(圖6)。該研究結(jié)果與3.2節(jié)的研究結(jié)果不一致，3.2節(jié)的研究表明越多有路徑選擇出行者使用即時(shí)信息，則出行時(shí)間越長(zhǎng)。出現(xiàn)這樣結(jié)果，筆者認(rèn)為主要是考慮了出行者對(duì)誘導(dǎo)信息的順從性。靈敏度為0.05時(shí)，表明出行者對(duì)誘導(dǎo)信息順從性較低，使用誘導(dǎo)信息出行者較少，故這一小部分出行者使用導(dǎo)航系統(tǒng)所節(jié)省下來的時(shí)間就比較明顯。

圖6 出行節(jié)省時(shí)間與有路徑選擇的出行者所占比例的函數(shù)關(guān)系(靈敏度為0.05)Fig. 6 Function relationship between trip saving time and the proportion of travelers who can make path selection(sensitivity=0.05)

出行節(jié)省時(shí)間與可自由進(jìn)行路徑選擇出行者所占比例的函數(shù)關(guān)系如圖7。

圖7(a)中：在一般情況下(無交通事件、無交通擁擠現(xiàn)象)，使用即時(shí)信息所節(jié)省的出行時(shí)間為負(fù)數(shù)(當(dāng)靈敏度為0.25，出行者比例高于0.3時(shí))，即出行者使用導(dǎo)航系統(tǒng)提供信息后，其出行時(shí)間不但沒有減少反而增加了。當(dāng)有小比例出行者使用提供預(yù)測(cè)信息導(dǎo)航時(shí)，出行者出行節(jié)省時(shí)間有所增加，而使用即時(shí)信息出行者比例繼續(xù)增加時(shí)，發(fā)布的即時(shí)信息會(huì)將大量的出行者引導(dǎo)至同一條路線，導(dǎo)致出行時(shí)間反而增加。

圖7(b)中：在事件情況下，當(dāng)出行者將預(yù)測(cè)信息作為導(dǎo)航信息時(shí)，一開始出行節(jié)省時(shí)間明顯增加，而當(dāng)出行者比例高于0.05后，出行節(jié)省時(shí)間逐漸趨于穩(wěn)定。若為出行者提供即時(shí)交通信息，一開始出行時(shí)間節(jié)省增加；當(dāng)出行者比例高于0.6后，則開始減少。當(dāng)越來越多出行者使用導(dǎo)航系統(tǒng)并表現(xiàn)出對(duì)即時(shí)信息較高的順從性時(shí)，出行節(jié)省時(shí)間降低較明顯。

出行節(jié)省時(shí)間與可自由進(jìn)行路徑選擇的出行者所占比例的函數(shù)關(guān)系如圖8。當(dāng)靈敏度為0.5時(shí)，得出的結(jié)論與靈敏度為0.25時(shí)的結(jié)論類似。

圖8 出行節(jié)省時(shí)間與可自由進(jìn)行路徑選擇的出行者所占比例的函數(shù)關(guān)系(靈敏度為0.5)Fig. 8 Function relationship between trip saving time and the proportion of travelers who can make path selection (sensitivity=0.5)

基于不同敏感度情況，筆者分析了出行節(jié)省時(shí)間隨可自由進(jìn)行路徑選擇出行者比例的變化，得出在提供預(yù)測(cè)信息時(shí)，正常交通狀態(tài)下出行節(jié)省時(shí)間變化很小，即在正常交通狀態(tài)下提供預(yù)測(cè)信息對(duì)路徑行程時(shí)間影響不大；而在交通事件情況下，提供預(yù)測(cè)信息可明顯減少出行者行程時(shí)間。當(dāng)提供即時(shí)信息時(shí)，在正常交通狀態(tài)下，隨著可自由選擇路徑人數(shù)比例增加，剛開始行程時(shí)間有所下降；隨著比例增加(若大于30%)，則行程時(shí)間與沒有提供任何交通信息相比反而增加；在交通事件情況下，提供即時(shí)信息時(shí)，出行者行程時(shí)間隨可自由選擇路徑人數(shù)比例的增加而減少，但這個(gè)比例達(dá)到一定程度時(shí)(如：當(dāng)敏感性為0.25，比例大于70%；敏感性為0.5，比例大于35%)，則節(jié)省的出行時(shí)間反而下降。

4 結(jié) 論

1)基于不同交通情況下提供不同誘導(dǎo)信息對(duì)出行者路徑選擇帶來影響，考慮出行者對(duì)出行信息的順從性，筆者建立了描述車輛到達(dá)-駛離積累關(guān)系的存儲(chǔ)-轉(zhuǎn)發(fā)計(jì)算模型。

2)兩種假設(shè)情景仿真分析結(jié)果表明：在事件情況下提供預(yù)測(cè)信息能使出行者獲得收益最大，且當(dāng)越多出行者獲得預(yù)測(cè)信息時(shí)，節(jié)省的出行時(shí)間也越多，直到達(dá)到用戶均衡。

3)筆者的研究結(jié)果對(duì)交通誘導(dǎo)信息系統(tǒng)具有一定意義。仿真分析得到即時(shí)交通信息和預(yù)測(cè)交通信息在不同交通情況下的情況為交通信息誘導(dǎo)系統(tǒng)提供了新思路。

4)文中不足在于：仿真環(huán)境比較理想，仿真結(jié)果是基于一定假設(shè)條件，模型普適性沒有得到有效驗(yàn)證。在后續(xù)研究中，筆者將結(jié)合一個(gè)實(shí)際算例對(duì)模型進(jìn)行分析論證，同時(shí)進(jìn)一步挖掘交通誘導(dǎo)信息對(duì)出行選擇行為的影響。