城市道路路段上交通拥挤的平均生产率自动检测

城市道路路段上交通拥挤的平均生产率自动检测

0路网行为的特征变量目前，对交通拥挤事件的自动检测算法研究较少，仍处于初始阶段。按照国外的经验,通常把交通拥挤事件归为交通异常事件,利用异常事件检测算法原理来研究交通拥挤。在中国普遍采用的城市道路交通拥挤自动检测算法主要是以路段上车流速度的降低、道路占有率的增加以及有拥挤车流的存在为依据。算法依据实际的路网通行能力,设定流量和占有率的极限值来划分交通是否处于拥挤状态。该算法还规定只有当检测器在3个连续的时间段内,车流速度均降至极限值以下或道路占有率超过极限值或车流量都在非拥挤区域之外时,才判定为有交通拥挤存在。此外,在连续的两个检测周期内,如果速度、流量和占有率中任意两个指标超过了极限值也可认为路段处于拥挤状态。由于城市交通拥挤现象的复杂性,首先必须能够对拥挤行为的特征变量进行深入的分析,才能构建出及时、准确、可靠性高的自动检测模型。本文中主要针对城市快速路网中典型的两交叉口之间的路段,结合交通流的时间和空间分布规律,考虑交通拥挤条件下车流的运行特征,以流量、占有率这两个重要的检测指标为基础,通过理论推导和统计分析,构造出恰当的拥挤判别指标,从而实现对拥挤事件的自动检测,为交通管理部门提供及时、准确的决策依据。1交通流基本模型由于道路上交通流的复杂性,在路网中行进的车流运行状态随着时间的变化而时刻改变。在运行行为上,可以用正常、拥挤和消散3个状态来简单描述。通常采用车流的排队队长L、平均排队延误D、速度的变化率Δv等指标来反映车流拥挤和消散过程。这些指标在一定程度上确实能够反映出车流的运行状态,但往往不是难以计算求得,就是不能够快速地反映出交通状态的瞬息变化。在如图1所示的城市道路网中两相邻交叉口之间的路段上,一旦发生交通拥挤事件,则在上游的检测器A处的流量减少,占有率增加;同时下游检测器B处的流量和占有率都将相对减少。仅从流量或者占有率的增加、减少来对交通拥挤事件做出判断,往往不能反映出拥挤过程的实质,比如,上游检测器在单位时间(min)内检测到流量从3veh增加到了16veh,占有率也从2%增加到了8%,这样的过程属于哪种状态呢?事实上,由于在单位时间内检测到的车辆数增加,如果车速保持不变,必然导致占有率的增长,但如果流量的相对增量大于占有率的相对增量,则可以判断出车流在这一时间内是处于消散状态,反之可以判断出车流处于拥挤形成状态。假设交通流是不间断的连续流,则交通流基本模型成立,即q=kˉv(1)q=kv¯(1)式中:q为流量;k为车流密度;ˉvv¯为平均车速。为了便于讨论,假定车流中车长固定为l,检测线圈宽度为d,则根据占有率C的基本定义C=∑i(l+d)/viΤ=l+dΤ∑i1vi=(l+d)nΤ1n∑i1vi=(l+d)q1ˉv=(l+d)k(2)C=∑i(l+d)/viT=l+dT∑i1vi=(l+d)nT1n∑i1vi=(l+d)q1v¯=(l+d)k(2)把式(2)代入式(1)得q=Cl+dˉv(3)q=Cl+dv¯(3)由式(3)可以看出,当速度不变时,流量和占有率成正比,且变化率相等,因此,可以得到:(1)当流量的相对增量大于占有率相对增量时,车流趋于消散;(2)当流量的相对增量小于占有率相对增量时,车流趋于拥挤。显然,上面结论成立的必要条件是车流在正常运行状态下,流量的相对增量等于占有率相对增量。通过对大量调查数据的分析结果表明,流量的相对增量与占有率的相对增量确实存在着很大的线性相关性(R2=0.845),通过分析两者之间的关系(图2)并进行曲线拟合得到最佳拟合方程y=1.03x+0.01(4)式中:x为流量的相对增量;y为占有率的相对增量。近似地,两者的关系可以用y=x来表示。从图3中可以看出:落在y=x上方区域的那些点代表了流量的相对增量小于占有率相对增量的情况,此时车流趋于拥挤;落在y=x下方区域的那些点代表了流量相对增量大于占有率相对增量的情况,此时车流趋于消散。2自动检测算法2.1流量、含水率在选取检测指标时,必须充分考虑到指标对发生事件判别的正确性和敏感性。发生交通拥挤时,上游检测器在单位时间内的占有率增加,流量相对减少,速度也有所下降,下游检测器在单位时间内的占有率、流量都相应减少,速度基本保持不变。如果单以流量或占有率的变化来判断是否存在拥挤,显然不能够很好地反映出事件的发生,至少它们对事件发生的敏感性不是特别强。原因在于,占有率的变化并不能够反映出车流的实际运行状况,它在一定程度上受到流量变化程度的制约。为了能够摆脱流量变化对占有率的制约,对采集到的断面占有率除以周期内通过的车辆数,就得到了周期内车辆平均占有率。通过对占有率和车辆平均占有率的对比性分析(图4、5)可以发现,车辆平均占有率比一般意义上的占有率对拥挤事件更加敏感,更能反映出车流的运行特征,因此,针对交通流时刻变化的特性,选择了车辆平均占有率ˉCC¯¯¯及上下游平均占有率绝对差ΔˉCΔC¯¯¯(图6)和平均占有率相对差ΔˉC´ΔC¯¯¯′(图7)作为拥挤检测指标。2.2交通挤制率检测算法设t0为起始时间,所在时间段[t0,t1],[t1,t2],[t2,t3],…有相等的时间间隔t,称为采样周期。时间段[tj-1,tj]用Sj表示。检测器A在时间段Sj内的流量和占有率分别用qA(j)和CA(j)来表示。环形感应线圈检测的占有率为1个采样周期内(本文中取1min),线圈被车辆占用的时间之和除以采样周期的长度。假设检测器既能检测静态的存在,也能检测动态的通过,则当在1个完整的采样周期内,车辆都正好持续停在检测器上时,检测器检测到的占有率为1。上下游检测器之间的路段发生交通拥挤的必要条件是:(1)若上游的检测器A检测出的流量的相对增量小于占有率的相对增量,则认为下游路段在本周期或下几个周期内有可能发生交通拥挤。(2)在条件(1)基础上,上游与下游检测器的车辆平均占有率绝对差大于某一阀值α,上游与下游检测器的平均占有率相对差大于某一阀值β时,判定有交通拥挤事件发生。算法中参数定义为:qA(j)为检测器A处第j个周期内检测到的流量值;CA(j)为检测器A处第j个周期内检测到的占有率;ˉCA(j)C¯¯¯A(j)为检测器A处第j个周期内检测到的平均占有率;CB(j)为检测器B处第j个周期内检测到的占有率;ˉCB(j)为检测器B处第j个周期内检测到的平均占有率;ΔqA(j)为检测器A处第j个周期内流量的相对增量,ΔqA(j)=qA(j)-qA(j-1)qA(j-1);ΔCA(j)为检测器A处第j个周期内的占有率相对增量,ΔCA(j)=CA(j)-CA(j-1)CA(j-1);ΔCAB(j)为上下游检测器检测到的平均占有率绝对差,ΔCAB(j)=ˉCA(j)-ˉCB(j);ΔC′AB(j)为上下游检测器检测到的平均占有率的相对差,ΔC´AB(j)=ˉCA(j)-ˉCB(j)ˉCB(j)。2.3平均占用检测算法的逻辑步骤平均占有率检测算法的逻辑步骤见图8。2.4通过设施基本概念检测,确定关键交通条件和时间,保证是否合理的组织责任,是点和日对于上面构建的交通拥挤事件的平均占有率检测算法,需要标定的参数为α和β,这两个值的标定必须建立在大量统计数据分析的基础之上。α和β的值随时间和地点的不同将有所改变,在实际工程应用中,必须针对特定的道路交通条件,选择恰当的值,从而保证拥挤事件检测的精确性。本文中以上海市内道路路段上的环形线圈采集到的交通流基本数据为例,对α和β进行标定,并且依据实际情况,以α和β的取值范围,把交通流划分为4个状态:正常、较拥挤、拥挤、堵塞。这4个状态的α和β取值范围如表1所示。3交通体现了以平均生产率检测为基础的交通挤以实际路段上两相邻的检测点A和B采集到的数据为例,根据两相邻检测点1号车道采集到的数据,运用平均占有率检测算法,把采集到的交通流数据代入算法程序,进行交通拥挤事件的判别。取时段10:41～10:47内采集到的数据为例作如下分析:对于上下游检测点,在时段10:41～10:47内采集到的数据如表2所示。按图8的算法流程,可得拥挤事件判别指标的时序,见表3。由上面的判断过程可以看出,平均占有率检测算法不仅能够检测出拥挤事件的存在,而且能够对交通流状态进行实时监督,对拥挤和消散现象给出及时的提示。这样将更有助于在交通拥挤情况发生之前采取适当的管理控制措施,避免交通拥挤的发生。4交通挤出事件的判定通过分析中国城市道路中普遍存在的交通拥挤现象,利用交通流基本理论知识,对城市道路路段上环形线圈采集到的交通流流量和占有率数据进行比较分析和统计推导,从理论的角度解释了交通拥挤产生的原因;同时,结合交通拥挤条件下车流的运行特征,