武帥 陳秀鋒 宋著賀

摘要：本文闡述了交通流動力學理論雙組分模型參數(shù)變化的研究結果。研究了在不同交通條件下，網(wǎng)絡中同時停車的車輛與特定行駛時間和特定停留時間的比值。所獲得的相關性允許在考慮不同級別的交通組織的情況下預測交通狀況的變化。此外，本文還討論了利用探測車獲得的信息評估路網(wǎng)交通狀況的問題，并提出了利用探測車模擬路網(wǎng)飽和所需水平的算法。

關鍵詞：交通流動力學;預測;探測車;信息評估

中圖分類號：U491????? 文獻標識碼：A

1 緒論

智能交通系統(tǒng)的發(fā)展使交通監(jiān)控能力顯著增強，實現(xiàn)交通過程控制和交通參與者信息支持[1]?，F(xiàn)代監(jiān)測系統(tǒng)最重要的組成部分之一是浮動車。在國外文獻中，“探測車”一詞近年來更為普遍。探測汽車收集了廣泛的信息，例如關于汽車位置、速度、行駛時間、事故和交通堵塞的數(shù)據(jù)。

然而，在應用使用浮動車獲得的數(shù)據(jù)之前，有必要驗證收集信息的條件，并編制使用浮動車收集的數(shù)據(jù)列表[2]。解決這些問題引起了人們對基于不同基礎的交通流理論（雙流體模型）的雙組分模型的興趣。目前兩種流體模型的參數(shù)都是根據(jù)探測車采集的數(shù)據(jù)來應用的[3]。然而，在許多情況下，在整個研究工作流程中，從獲取輸入信息到解釋結果的準確性被忽視。本文論述了提高雙組分模型參數(shù)和浮動車方法可靠性的幾個方面。

2 正文

2.1雙組分模型在交通狀況評價中的應用

交通流動力學理論的雙組分模型的基本關聯(lián)性涉及交通流在無障礙條件下的相關性、相關的出行和停車的具體參數(shù)以及具體的出行時間。交通條件的評價取決于滿足這些條件的穩(wěn)定性和參數(shù)組合。在建立兩組分交通流模型時，應確定動車與靜止車的關系。除將交通密度劃分為兩個分量模型外，還應采用出行時間劃分[4]。公式如下：

如果變量n增加，那么在相同的特定行程時間下，特定的停留時間減少。另一方面，變系數(shù)n可以再現(xiàn)不同行駛時間、相同特定停留時間下的駕駛模式結構。一般來說，當參數(shù)n=0且行程值為常數(shù)時，行程時間將隨著靜止時間的增加而成比例增加。如果n>0，那么增加停留時間將導致旅行時間的高速增長，因為旅行時間也在增長。無障礙條件 下參數(shù)n和行程時間不同組合的實驗記錄如圖1所示。

通過對公式2-4的分析，發(fā)現(xiàn)在無障礙條件下，對于較大的系數(shù)n和行程時間， 和t的依賴關系具有更大的傾角。對于傾斜角度較大的依賴項，改變停留時間會導致行程時間發(fā)生較大變化。當無障礙條件下的行程時間增加時，系數(shù)n對時間行程與停留時間依賴關系變化的影響增大。以 和 之間的依賴關系為例，圖2顯示了參數(shù)p對雙組分模型中參數(shù)動力學的影響。

2.2使用數(shù)據(jù)應用程序評估交通狀況的特殊性

幾乎不可能想象在所有網(wǎng)段和任何時間使用探測車進行測量的情況。因此，有必要通過探測車輛來確定覆蓋網(wǎng)絡所有部分的可接受概率水平。為此，可以使用以下模擬算法來確定道路網(wǎng)絡中探測車的所需數(shù)量級別：

根據(jù)生成的對應矩陣，解決交通流在網(wǎng)絡中的分布問題;

確定道路網(wǎng)絡中探測車取樣的數(shù)量，并與網(wǎng)絡中的總行程進行比較;

解決探測車在路網(wǎng)中的行程分配問題;

確定參與者的比例，探測車的數(shù)量與最初計算的值相對應，并且可以使用探測車對交通狀況進行可靠估計;

如果道路網(wǎng)所有參與者的概率分布得到的結果小于規(guī)定值，則重復模擬步驟，直到達到所需的結果。該算法可應用于利用探車提供的數(shù)據(jù)預測路網(wǎng)交通狀況的可靠性。顯然，實現(xiàn)該算法的關鍵在于開發(fā)對應矩陣，并對整個網(wǎng)絡和探測車的交通流動態(tài)分配問題提出挑戰(zhàn)[5]。

3 結論

交通流的兩個組成部分模型和探測車提供的信息相結合，可以評估和預測本地和網(wǎng)絡級別的交通狀況。所得數(shù)據(jù)揭示了雙組分模型的性質，并表明了模型參數(shù)對交通條件的依賴性。關于使用探測車收集基線數(shù)據(jù)以進一步用于兩組分模型的建議允許獲得有關交通管理效率的可靠信息。

參考文獻：

Wang F， Yam C Y， Chen G. Time-dependent density-functional theory/localized density matrix method for dynamic hyperpolarizability.[J].Journal of Chemical Physics，2007，126（24）：3-46.

李宇光.海量低頻浮動車數(shù)據(jù)道路匹配及行程時間估算[D].武漢：武漢大學，2013.

廖孝勇.浮動車交通參數(shù)檢測及在道路交通狀態(tài)分析中的應用研究[D].重慶：重慶大學，2011.

朱順應，鄧爽，王紅，管菊香，程陽.具有模糊特性變量的出行方式預測Logit模型[J].交通運輸工程學報，2013，13（03）：71-78.

于堯.基于出行者行為的動態(tài)交通分配建模與實現(xiàn)[D].長春：吉林大學，2014.