楊 陽，劉 強(qiáng)，石英杰

(1.同濟(jì)大學(xué) 道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室，上海 201804；2.江蘇中路工程技術(shù)研究院有限公司，江蘇 南京 211008)

1 概述

隨著國民經(jīng)濟(jì)水平的提升和城市間交通運(yùn)輸日益頻繁，高速公路交通通行流量不斷增加，交通大流量已呈現(xiàn)常態(tài)化，許多高速公路的通行流量已經(jīng)趨于飽和，流量增加導(dǎo)致的高速公路擁堵現(xiàn)象頻繁發(fā)生。

動態(tài)應(yīng)急車道(Hard Shoulder Running)作為調(diào)整路段交通流運(yùn)行現(xiàn)狀的重要管理手段，可以在短時(shí)間內(nèi)提供道路供給，有效提升瓶頸路段的通行能力。早在21世紀(jì)初，歐美國家就已經(jīng)通過開放應(yīng)急車道緩解的方式來解決路段的交通擁堵[1-2]，但其控制方式主要是在固定時(shí)刻提供給特種車輛的專用道，屬于靜態(tài)的控制手法。然而高速公路交通瓶頸的產(chǎn)生具有高頻率、持續(xù)時(shí)間短的特點(diǎn)，不像城市快速路那樣具有明顯的早晚高峰。如果依然采用這類靜態(tài)的管控方式，不但不能在固定時(shí)段發(fā)揮其充分的車道資源效益，在非瓶頸時(shí)期開放的應(yīng)急車道還會帶來一定的管理風(fēng)險(xiǎn)。因此，結(jié)合道路實(shí)際通行需求，動態(tài)決策應(yīng)急車道的啟用與否是十分有意義的。本文著眼于滬寧高速大流量路段無錫段動態(tài)應(yīng)急車道應(yīng)用現(xiàn)狀，通過分析歷史數(shù)據(jù)分析法確定應(yīng)急車道開放決策閾值，建立動態(tài)應(yīng)急車道開放決策管控模型，為應(yīng)急車道智能化管控提供理論參考。

2 動態(tài)應(yīng)急車道開放決策模型

2.1 交通擁堵指數(shù)

交通狀態(tài)評價(jià)標(biāo)準(zhǔn)作為應(yīng)急車道開放決策模型中動態(tài)應(yīng)急車道開放的先決條件，主要依據(jù)交通擁擠程度決定。為此，項(xiàng)目以交通擁堵指數(shù)衡量交通擁擠程度，交通擁堵指數(shù)[3-4](Traffic Performance Index，即“TPI”)是根據(jù)道路通行情況設(shè)置的綜合反映道路暢通或擁堵的概念性指數(shù)，相當(dāng)于對擁堵情況進(jìn)行了量化處理。交通指數(shù)取值范圍為1～10，分為5個(gè)級別(即“暢通”、“基本暢通”、“輕度擁堵”、“中度擁堵”、“嚴(yán)重?fù)矶隆?，數(shù)值越高表明交通擁堵狀況越嚴(yán)重。具體數(shù)據(jù)規(guī)定如表1所示。

2.2 決策模型建立

基于滬寧高速現(xiàn)狀交通實(shí)時(shí)交通流量，構(gòu)建車道管控決策模型[5-7]?；诂F(xiàn)狀滬寧高速通行交通流量、車流速度,及占有率，構(gòu)建交通狀態(tài)評價(jià)算法，基本算法如下：

表1 交通擁堵指數(shù)分級Table 1 Traffic congestion index classification擁堵指數(shù)狀態(tài)行程時(shí)間擁堵描述1～2暢通T基本無擁堵3～4基本暢通1.2T～1.5T少數(shù)路段擁堵5～6輕度擁堵1.5T～1.8T部分路段擁堵7～8中度擁堵1.8T～2.1T大量路段擁堵9～10嚴(yán)重?fù)矶?2.1T大部分道路擁堵

(1)

式中：γp(t)為在地點(diǎn)p的t時(shí)刻對應(yīng)時(shí)段的交通擁堵指數(shù)；occp(t)為在地點(diǎn)p的t時(shí)刻的道路時(shí)間占有率；Qp(t)為在地點(diǎn)p的t時(shí)刻的交通流量；vp(t)為在地點(diǎn)p的t時(shí)刻的地點(diǎn)速度。

評判過程在設(shè)定閾值后，由上述交通擁擠指數(shù)可判斷道路的擁堵情況，即與閾值相比較從而判斷是暢通或者擁堵。但該計(jì)算結(jié)果僅為交通流判定的初步狀態(tài)，可能存在一定程度的誤判。為保證分析結(jié)論的穩(wěn)定性和準(zhǔn)確性，通常需要對檢測維持其持續(xù)性，利用式(2)可確立更為準(zhǔn)確地評判。

(2)

在給定交通擁擠指數(shù)和持續(xù)評判思想之后，通過判定交通擁堵狀態(tài)，決定動態(tài)應(yīng)急車道開放策略，基于交通數(shù)據(jù)的車道管控決策流程圖如圖1所示。

圖1 基于交通數(shù)據(jù)的車道管控決策流程圖

3 決策閾值確定

3.1 閾值確定方法

本文確定的閾值用以路段應(yīng)急車道動態(tài)開放與關(guān)閉決策，在交通擁擠指數(shù)超過閾值后，區(qū)段在短時(shí)間內(nèi)即會出現(xiàn)交通擁堵現(xiàn)象；在交通擁擠指數(shù)低于規(guī)定閾值時(shí)，區(qū)段不會出現(xiàn)交通擁堵現(xiàn)象。為了確定合理的應(yīng)急車道開放閾值，本文基于滬寧高速歷史交通擁堵數(shù)據(jù)，利用路段信息采集設(shè)備采集的易發(fā)擁堵路段處的速度、流量和占有率數(shù)據(jù)，確定應(yīng)急車道開發(fā)閾值[8]。歷史數(shù)據(jù)分析法主要包括以下3個(gè)步驟：

a.評估擁堵點(diǎn)的擁堵現(xiàn)象，確定交通擁堵現(xiàn)象發(fā)生模式，量化時(shí)空上的擁堵程度。

b.評估擁堵概率，基于歷史數(shù)據(jù)，在擁堵瓶頸點(diǎn)應(yīng)用概率方法來識別擁堵事件并量化擁堵時(shí)間出現(xiàn)時(shí)的交通流量。

c.估計(jì)初始決策閾值，基于交通流量和速度數(shù)據(jù)確定。

3.2 擁堵評估

通過對滬寧高速無錫段某常發(fā)擁堵點(diǎn)速度-時(shí)間分布進(jìn)行統(tǒng)計(jì)分析，以下是該數(shù)據(jù)采集點(diǎn)速度-時(shí)間分布圖。

由圖2我們可以看出，1 d中平速度(紅線)在0時(shí)至7時(shí)時(shí)段內(nèi)路段車流處于自由流狀態(tài)，在此之后路段整體運(yùn)行速度出現(xiàn)下降；在10時(shí)至17點(diǎn)40分平均速度下降到自由流速度以下，該時(shí)間段道路對動態(tài)系統(tǒng)的需求較大；在17點(diǎn)40分后車流速度增加并逐漸恢復(fù)成自由流狀態(tài)。

圖2 采集點(diǎn)速度-時(shí)間分布圖

3.3 擁堵概率評估

擁堵概率評估需要利用信息采集設(shè)備收集速度、流量和密度等數(shù)據(jù)，信息采集設(shè)備應(yīng)該布設(shè)于現(xiàn)有所有瓶頸點(diǎn)和潛在瓶頸點(diǎn)上游位置。本文基于當(dāng)前時(shí)間間隔中區(qū)段車流流速和交通量狀況，以此確定下一時(shí)間間隔內(nèi)交通流出現(xiàn)中斷(交通擁堵)的概率。Brilon等人基于細(xì)化的交通流量數(shù)據(jù)，構(gòu)建交通流中斷概率模型[9-10]，模型如下：

(3)

式中：q是每1 h每車道的車輛通過量,veh/(h·ln)；c是容量,veh/(h·ln)，即通行能力；P(c≤q)是容量小于觀察到流量的概率；qi是在間隔i處觀察到的交通流量，它表示速度下降之前的交通流量；ki是指q≥qi的時(shí)間間隔數(shù)；di是指交通流量達(dá)到qi時(shí)的時(shí)間間隔數(shù)，當(dāng)每一個(gè)擁堵被單獨(dú)考慮時(shí)，di=1；B是擁堵間隔{B1，B2，…}的集合。

為了對擁堵概率分布進(jìn)行參數(shù)估計(jì)，必須預(yù)先確定分布的函數(shù)類型。可以通過應(yīng)用最大似然技術(shù)來估計(jì)分布參數(shù)。對于容量分析，似然函數(shù)為：

(4)

式中：fc(qi)是容量c的統(tǒng)計(jì)密度函數(shù)；Fc(qi)是容量c的累積分布函數(shù)；n表示時(shí)間間隔數(shù)；δi=1，時(shí)間間隔i內(nèi)包括未審查對象；δi=0，時(shí)間間隔i內(nèi)不包括未審查對象。

3.4 估計(jì)初始決策閾值

3.4.1擁堵速度閾值選擇

通過對滬寧高速無錫段某常發(fā)擁堵點(diǎn)2019年全年可能出現(xiàn)擁堵的時(shí)間段內(nèi)的各車道車輛速度、流量進(jìn)行統(tǒng)計(jì)，得到速度-流量關(guān)系圖，如圖3所示。

圖3 擁堵速度、流量分布圖

從圖3可以看出，車輛平均速度超過80 km/h表示不擁堵狀態(tài)；車輛平均速度低于60 km/h表示擁堵狀態(tài)；車輛平均速度在60～80 km/h表示可能出現(xiàn)擁堵狀態(tài)。故速度閾值選擇60 km/h。

3.4.2擁堵流量閾值選擇

通過分析處理滬寧高速無錫段某常發(fā)擁堵點(diǎn)2019年全年可能出現(xiàn)擁堵的時(shí)間段內(nèi)的各車道車輛速度、流量數(shù)據(jù)，并結(jié)合上一節(jié)交通流中斷概率模型，得出擁堵概率與交通流量分布情況，如圖4所示。

圖4 擁堵概率、流量分布圖

從圖4可以看出，擁堵速度范圍內(nèi)，不同交通流量下對應(yīng)的擁堵概率基本相同。由圖4還可以看出，單車道交通流量達(dá)到1 600 veh/(h·ln)時(shí)，在接下來15 min內(nèi)，不同速度下交通流擁堵概率超50%?？紤]到應(yīng)急車道開放前需要5～10 min供管理人員檢查應(yīng)急車道是否通暢，選取單車道交通流量1 600 veh/(h·ln)為應(yīng)急車道開放閾值符合現(xiàn)場要求。

4 工程應(yīng)用

4.1 工程概況

滬寧高速作為長三角地區(qū)客貨運(yùn)輸?shù)闹饕删€，從總體流量來看，截至2018年，滬寧高速日均斷面流量已達(dá)12.65萬pcu，東段達(dá)到了18.2萬pcu，遠(yuǎn)遠(yuǎn)超過了八車道設(shè)計(jì)飽和流量11.5萬pcu。面對日益增長的通行保暢壓力，2019年，滬寧高速在超飽和流量路段無錫段率先實(shí)施動態(tài)應(yīng)急車道管控，以東橋樞紐至無錫樞紐間，共構(gòu)建了42 km范圍的管控區(qū)域。管控期間，控制人員根據(jù)路段流量和交通擁堵狀況，動態(tài)分區(qū)段開放應(yīng)急車道。

4.2 效果驗(yàn)證

4.2.1管控效果

2019年國慶前，項(xiàng)目組在滬寧高速無錫段應(yīng)用智慧管控決策模型，實(shí)現(xiàn)了車流自主感知、運(yùn)行狀態(tài)自動判別和管控策略自主決策的智慧化管控，解決了前期依賴人工判別啟閉應(yīng)急車道的問題，全面提升路段管控智能化。管控期間，通行流量、通行速度明顯提升，擁堵次數(shù)、擁堵長度和交通事故明顯降低，管控效能顯著提升。

4.2.2決策模型閾值的驗(yàn)證

一般情況下，道路通行能力一定時(shí)，道路處于正常通行狀態(tài)下，車流運(yùn)行速度與交通流量之間存在一定關(guān)系。為了進(jìn)一步準(zhǔn)確評價(jià)路段實(shí)時(shí)交通運(yùn)行狀態(tài)，選取上一節(jié)南京方向與上海方向流量均較大的無錫樞紐至無錫東互通流量高峰期間單位小時(shí)流速-流量數(shù)據(jù)，得出速度-流量散點(diǎn)圖。

由圖5和圖6可以看出，無論是南京方向還是上海方向，速度-流量分布趨勢基本相同，具有以下變化特征：

圖5 無錫-無錫東南京方向速度-流量散點(diǎn)圖

圖6 無錫-無錫東上海方向速度-流量散點(diǎn)圖

流量在0～3 000 veh/h時(shí)，車流速度集中在速度上游，平均速度在60～80 km/h之間，且平均速度隨流量增加基本不變，這說明此時(shí)交通流處于穩(wěn)定交通流狀態(tài)，這與路段此時(shí)處于一級服務(wù)水平情況相符。

流量在3 000～4 800 veh/h時(shí)，平均速度產(chǎn)生波動，整體波動范圍隨著流量的增加逐漸變小。此時(shí)車速以60～80 km/h區(qū)間車速為主，部分車輛處于較低速度狀態(tài)。

流量大于4 800 veh/h時(shí)，車輛速度平均分布在30～80 km/h之間，整體波動范圍隨著流量的增加逐漸變小。此區(qū)間整體車流速度波動較大，說明此時(shí)車流處于不穩(wěn)定狀態(tài)，車輛間的相互影響較大。

為了進(jìn)一步確定擁堵狀態(tài)下的流量-速度，對滬寧高速無錫段交通道路養(yǎng)護(hù)、交通事故等全方面進(jìn)行統(tǒng)計(jì)分析，并匹配對應(yīng)時(shí)間下的交通流量-速度值。在發(fā)生事故后，如果接下來一段時(shí)間內(nèi)路段速度下降明顯，這說明事故導(dǎo)致路段緩行或者擁堵，選取此類特征點(diǎn)得到交通事故和養(yǎng)護(hù)期間交通緩行、擁堵狀態(tài)下路段車流運(yùn)行速度與流量關(guān)系圖，如圖7所示。

圖7 無錫-無錫東上海方向緩行、擁堵狀態(tài)下速度-流量散點(diǎn)圖

從圖7可以看出，交通緩行、擁堵狀態(tài)下路段交通速度基本低于60 km/h；而緩行、擁堵狀態(tài)下，交通流量均勻分布于3 000～6 000 veh/h之間，故選取速度閾值作為判斷交通擁堵條件更為合理。而現(xiàn)在管控模型中流量閾值為6 400 veh/h，速度閾值60 km/h，管控模型閾值符合實(shí)際情況。

5 總結(jié)

a.針對現(xiàn)狀應(yīng)急車道管控大多單純依賴人工判斷應(yīng)急車道啟閉，缺乏科學(xué)性問題，本文通過對交通擁擠程度進(jìn)行分級并構(gòu)建動態(tài)應(yīng)急車道決策模型。

b.基于滬寧高速大流量路段整年車流運(yùn)行數(shù)據(jù)，利用歷史數(shù)據(jù)分析法對運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，并結(jié)合擁堵發(fā)生概率模型確定應(yīng)急車道開放管控的速度與流量閾值。

c.率先在滬寧高速無錫段應(yīng)用智慧管控決策模型，實(shí)現(xiàn)應(yīng)急車道管控智慧化，提高車道管控整體效能。